本文`內-容-來-自；中_國_碳_交^易=網 tan pa i fa ng . c om
本%文$內-容-來-自；中_國_碳|排 放_交-易^網^t an pa i fang . c om
內/容/來/自:中-國/碳-排*放^交%易#網-tan p a i fang . com
Assessing the Impacts of Large-scale Offshore Wind Power Integration on Carbon Emission Reduction in Guangdong Province Based on Electricity Spot Market Simulation 本+文內.容.來.自：中`國`碳`排*放*交*易^網 ta np ai fan g.com
內-容-來-自；中_國_碳_0排放￥交-易=網 t an pa i fa ng . c om
本文@內/容/來/自:中-國-碳^排-放-交易&*網-tan pai fang . com
禸*嫆唻@洎：狆國湠棑倣茭昜蛧 τāńｐāīｆāńɡ.ｃōｍ
氣候變化是近年來全球致力解決的熱點問題之一，主要原因在于人類活動所產生的溫室氣體已經逐漸威脅到地球的自然環境，并給人類社會發展帶來巨大考驗。氣候變化所導致的諸如海平面上升、冰蓋融化、極端天氣、干旱等已成為全球性影響。聯合國在《2019年全球氣候狀況聲明》中指出，2019年是有記錄以來溫度第二高的年份，平均溫度比工業化前高出1.1 ℃，且溫室氣體濃度持續升高。溫室氣體主要包括二氧化碳、甲烷、氧化亞氮、氫氟碳化物、全氟化碳和六氟化硫。其中二氧化碳對溫室氣體排放的貢獻率最高，2018年全球二氧化碳濃度約為0.040 78%，是工業化前水平的147%，占溫室氣體總排放量的80%以上[1]。根據Global Carbon Atlas匯總的碳排放數據，2018年全球碳排放總量為36 573 Mt，中國為碳排放量最多的國家，共排放10 065 Mt，美國（5416 Mt）、印度（2654 Mt）分列第二、第三位。中國全年人均碳排放量達到7 t，排名第49位[2]。主觀減少碳排放是緩解氣候變化的重要舉措?；诼摵蠂鴼夂蜃兓蚣芄s，1997年84個國家簽署通過《京都議定書》，該協議以穩定溫室氣體含量為目標，規定發達國家從2005年 開始承擔減少碳排放量的義務，發展中國家從2012年開始履行減排合約[3]。作為繼《京都議定書》之后的第二份全球減排協定，《巴黎協定》確立了一個相對靈活的氣候應對國際體系，從2016年至今全球已有195個締約方簽署，該協定鼓勵各方以“自主貢獻”的形式參與，加速和加強可持續低碳未來所需的行動和投資，確定到本世紀末將全球平均溫升保持在相對于工業化前2 ℃以內[4]。 本+文+內.容.來.自：中`國`碳`排*放*交*易^網 t a np ai fan g.com
電力行業是碳排放的最主要來源，根據國際能源署（International Energy Agency，IEA）公布的數據，2018年全球能源相關碳排放量高達33 Gt，發達經濟體電力行業的碳排放量占能源相關總碳排放量的36%[5]。為解決碳排放日益增加的問題，構建可持續性發展能源體系，全球電力行業加快向清潔低碳能源轉型迫在眉睫。中國作為以傳統化石能源發電為主導的國家，已積極開展低碳能源戰略，重點解決經濟發展與環境保護之間的矛盾。中國國務院在《能源發展戰略行動計劃（2014—2020年）》（國辦發〔2014〕31號）中指出，要“加快構建清潔、高效、安全、可持續的現代能源體系。堅持綠色低碳戰略，著力優化能源結構，把發展清潔低碳能源作為調整能源結構的主攻方向”[6]。
本/文-內/容/來/自:中-國-碳-排-放-網-tan pai fang . com
近年來，中國電力系統的低碳化持續進行，發電企業作為減排主力軍，現階段主要采用以下4種方式：工程減排、管理減排、市場減排和結構減排。工程減排是以提高機組能效或采用捕集與封存技術作為主要方法。管理減排是指采用管理手段減少工廠用電并促進發電權交易等。市場減排主要通過促進碳排放在市場中的交易，如現如今正在進行的清潔發展機制（clean development mechanism）[7]。結構減排以提高可再生能源發電上網，優化電力結構為主，要求在保障電力系統穩定性的前提下，優先調度可再生和清潔發電資源，如水電、核電、光伏以及風電。目前結構減排在4種方式中較為有效。據REN21統計，到2030年，中國可再生能源發電量占總發電量的目標為35%，美國加利福尼亞州為50%，德國達到65%[8]。風電作為能源轉型的重要組成部分，各國政府正在努力加強風電行業管理和完善政策體系，其中海上風電為重點發展對象。2019年全球風電累計裝機容量（海上和陸上）超過651 GW，比2018年增長10%。其中，陸上風電新增裝機容量，中國以23.76 GW位居首位，其次是美國（9.14 GW）和印度（2.34 GW）[9]，2019年中國海上風電新增裝機容量2.39 GW。根據中國《風電發展“十三五”規劃》，預計到2020年，中國風電年發電量將占全國總發電量的6%[10]。
相較于其他新能源，風電成本較低，技術成熟，是目前應用規模最大的新能源發電方式，其中，海上風電憑借風機利用率高、市場消納空間大、風能質量好等優點成為建設清潔低碳能源體系的重要途徑。一方面，中國正處于能源轉型的關鍵時期，隨著風電產業的市場競爭力進一步增強，發展海上風電可以提高清潔能源供應，推動能源結構持續優化。另一方面，風力、光伏等可再生能源在發電過程中可近似為無碳排放，因此，采用海上風電來逐步替代化石能源，可以有效應對氣候變化、保護生態環境[11]。 內.容.來.自：中`國*碳-排*放*交*易^網 t a npai fa ng.com
風電對減少電力行業碳排放的作用在許多研究中都得到了驗證。文獻[12]量化了2006—2017年印度地區因風電并網而減少的總碳排放量；文獻[13]基于最優潮流模型和蒙特卡洛仿真，研究風電的預測誤差對電力系統碳排放的影響；文獻[14]則評估了在不同風電出力功率的情景下，碳排放配額和不同類型機組發電利潤之間的關系；文獻[15-16]結合生命周期評價（life cycle assessment），評估了風電項目的實際碳減排效果和潛力；為了增加風電的減排效益，文獻[17-20]均采用協同調度的方式，其中，文獻[17-18]選取風電-儲能聯合運行為研究對象，文獻[19]定量分析電動汽車充電與風電協同調度的碳減排效益，文獻[20]選用碳捕集火電機組來克服風電的波動對電力系統的不利影響；此外，文獻[21]驗證了引入碳捕集電廠可以減少接入風電場的電力系統碳排放；就海上風電而言，文獻[22-25]肯定了海上風電在不同國家能源轉型和碳減排中的重要作用，但并未對其具體減排效益進行量化。
針對區域電力行業的碳排放計算，基于政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change,IPCC）提出的碳排放因子法[26]，文獻[12,27-28]計算不同地區電力或能源系統的碳排放數據，其中，文獻[27-28]發現中國安徽省和重慶市能源相關碳排放量逐年上升，碳排放強度則呈下降趨勢；文獻[29-30]提出了一種電力系統碳排放流分析法，從消費側來衡量電力系統的碳排放，被廣泛應用，例如文獻[31]根據此方法計算中國各省化石能源碳排放，文獻[32]研究電網互聯的碳減排效益；為了評估碳排放的影響因素，文獻[33-34]基于對數平均權重分解法[35]，比較能源效率、經濟規模、電源結構等因素對電力行業碳排放的作用；文獻[36-38]分別以英國、羅馬尼亞和中國為例，指出提高清潔能源比例是電力行業低碳化的重要途徑。 禸嫆@唻洎：狆國湠棑倣茭昜蛧 τāńｐāīｆāńɡ.ｃōｍ
綜上所述，目前有關風電和碳減排的研究主要集中在如何增加風電的減排效益，且基本通過簡化的小型電力系統模型來驗證，但考慮到實際大型電力系統的運行特性、區域阻塞、政策細節等因素，這些方法是否適用于實際大型電力系統仍有待評估。針對電力行業的碳排放計算，相關研究主要從宏觀層面對省市級及以上單位進行分析，但并未將市場競爭考慮在內。由于電力現貨市場的運行可能會大幅度影響不同能源的實際并網電量，從而影響電力系統的碳排放，因此相關結論是否適用于中國部分已經運行電力市場的地區仍需進一步研究。本文基于安全約束經濟調度（security-constrained economic dispatch，SCED）原理，結合不同能源類型的歷史數據和投資規劃，仿真廣東省電力現貨市場，評估2019—2028年大規模海上風電的接入對廣東省電力行業碳排放的影響。
本`文@內-容-來-自；中_國_碳排0放_交-易=網 t an pa ifa ng . c om
截至2019年12月底，廣東省電網規模位居全國第一，共有220 kV及以上輸電線路41 614 km（含電纜），通過“八交九直”高壓輸電線路與中西部電網相聯，受西電最大能力3944萬kW[39]，廣東電網統調裝機容量1.26億kW（煤電、氣電、水電、核電、風電占比分別為48.2%、17.5%、7.4%、12.8%、3.1%），同比增長8.5%，全省發受電量6 581.6億kWh，同比增長6.5%[39]。一方面，廣東省及其所聯電網用電量大，電源及負荷分布不均勻，供能不足問題持續存在；另一方面，廣東省能源結構仍以煤、油等化石能源為主，面臨巨大的資源和環境壓力。因此，發展海上風電既可以緩解南方區域的用電壓力，又可以推動廣東省能源結構優化轉型。同時，南方（以廣東起步）的電力市場改革和宏觀政策環境也為海上風電產業提供了良好的發展機遇和廣闊的市場空間[40]。
針對系統負荷，本文以2009—2018年廣東省全社會用電量為基礎，運用統計軟件SPSS和Python中sklearn模塊的線性回歸模型對2019—2028年的廣東省全社會用電量進行預測，如表1所示。 本文`內-容-來-自；中_國_碳_交^易=網 tan pa i fa ng . c om
表1 2019—2028年廣東省全社會用電量預測
Table 1 Forecast of total electricity consumption in Guangdong Province from 2019 to 2028億kWh 內/容/來/自:中-國/碳-排*放^交%易#網-tan p a i fang . com
廣東省現貨市場目前采用“部分機組計劃調度+部分機組全電量調度”的模式。其中，按計劃調度發電的機組劃分為A類，按全電量調度參與市場競爭的機組為B類。A類機組包含水電、核電以及部分火電，其余大部分火電機組為B類機組。本文中，新增機組包括火電、海上風電、核電和水電機組，未考慮太陽能及其他類型機組，其中，火電和風電機組歸類為B類機組參與市場競爭，核電和水電機組歸類為A類機組提前出清。以2009—2018年廣東省各類型機組裝機容量為基礎，對2019—2028年以上4種類型機組的裝機容量進行預測，并結合政府公布的能源規劃加以調整，最終得到結果如表2所示。 本@文$內.容.來.自：中`國`碳`排*放^交*易^網 t a np ai fan g.c om
表2 2019—2028年廣東省各類型機組裝機容量預測
Table 2 Forecast of installed capacity in Guangdong Province from 2019 to 2028萬kW
新增火電機組接入節點分散在廣東省內各市，如廣州、東莞、汕尾、湛江等。新增風電機組接入節點集中于陽江、珠海、湛江、汕頭等地。新增核電廠集中于陽江、江門、汕尾等地。新增水電站集中于深圳和陽江。 本`文@內-容-來-自；中^國_碳0排0放^交-易=網 ta n pa i fa ng . co m
中國海岸線遼闊，海上風能資源規模巨大，近海（不包括臺灣?。?0 m等深線及淺海域10 m高度風能儲量約為9.4億kW [41]。雖在海上風電開發利用方面起步較晚，但依靠豐富的海上風能資源，近年來中國海上風電產業發展迅速，具有極大潛力。預計2020年全國海上風電開工建設規模達到1000萬kW，重點推動江蘇、浙江、福建、廣東等省的海上風電建設，到2020年四省海上風電開工建設規模均達到百萬kW以上級別[10]。
本文@內/容/來/自:中-國-碳^排-放-交易&*網-tan pai fang . com
中國南方電網覆蓋廣東、廣西、云南、貴州、海南五?。▍^），并與香港、澳門地區以及東南亞國家的電網相聯。2019年，南方五省區全社會用電量 11 338億kWh，同比增長7.3%。為響應國家能源發展戰略要求，南網區域廣東、海南、廣西三省區均制定了海上風電發展目標，其中，海南爭取投產東方近海風電裝機共35萬kW，同時開展近海風電前期研究和海島風電利用研究[42]，廣西著力優化能源結構，重點推進風力資源富集、消納條件好的地區風電開發，探索北部灣地區海上風電開發[43]。
內.容.來.自：中`國`碳#排*放*交*易^網 t a np ai f an g.com
根據《廣東省海上風電發展規劃（2017—2030）（編修）》，全省規劃海上風電場址23個，總裝機容量6685萬kW，包括：近海淺水區（35 m水深以內）海上風電場址15個，裝機容量985萬kW，其中粵東海域415萬kW，珠三角海域150萬kW，粵西海域420萬kW；近海深水區（35～50 m水深）規劃海上風電場址8個，裝機容量5700萬kW，分布在粵東、粵西海域（如表3所示）[40]。到2020年底，開工建設海上風電裝機容量1200萬kW以上，其中建成投產200萬kW以上；到2030年底，建成投產約3000萬kW[40]。 本`文@內-容-來-自；中_國_碳排0放_交-易=網 t an pa ifa ng . c om
表3 2017—2030年廣東省海上風電布局規劃
Table 3 Offshore wind planning in Guangdong Province from 2017 to 2030 本文@內/容/來/自:中-國-碳^排-放-交易&*網-tan pai fang . com
續表 本@文$內.容.來.自：中`國`碳`排*放^交*易^網 t a np ai fan g.c om
為了評估大規模海上風電對廣東省碳減排的影響，本文以歷史數據和以往經驗為基礎，搭建廣東省電力現貨市場簡化模型，依據SCED對2019—2028年的現貨市場進行出清仿真，并對仿真結果進行分析。具體地，輸入系統負荷、西受電量、A類和B類機組 4個變量，分別仿真春、夏、秋、冬各季節典型日在接入海上風電和未接入海上風電兩種情況下的A、B類機組出力，依據不同機組碳排放系數，計算并分析系統及各節點碳排放量和碳排放強度。圖1表示電力現貨市場的仿真流程。 本文+內-容-來-自；中^國_碳+排.放_交^易=網 t a n pa ifa ng .c om
圖1 市場仿真流程
Fig.1 Market simulation process 內/容/來/自:中-國/碳-排*放^交%易#網-tan p a i fang . com
2.1.1 SCED
SCED是電力現貨市場運行的一種調度模型，指在一定約束條件下（發電機功率約束、系統安全約束、節點電壓約束、線路潮流約束等）以全系統運行成本最小為目標，輸出滿足預計負荷的發電結果，包括各機組發電量、各節點邊際電價、全系統潮流等[44]。SCED的目標函數為
式中：F為系統運行成本；T為調度時間段數；n為發電機組個數；PGi(t)為機組i在時間t的有功功率；Ci[PGi(t)]為機組i在時間t的運行成本函數，其公式為
式中：ai、bi、ci分別為二次函數的3個系數。
各機組的發電功率約束可表示為
禸嫆@唻洎：狆國湠棑倣茭昜蛧 τāńｐāīｆāńɡ.ｃōｍ
式中：PGimin和PGimax分別為機組i的最小及最大有功功率約束；QGimin和QGimax分別為機組i的最小及最大無功功率約束；QGi(t)為機組i在時間t的實際無功功率。
內-容-來-自；中_國_碳_0排放￥交-易=網 t an pa i fa ng . c om
各節點供給平衡約束條件為 本+文+內.容.來.自：中`國`碳`排*放*交*易^網 t a np ai fan g.com
式中：PDi(t)和QDi(t)分別為節點i在時間t的有功負荷和無功負荷；Gij、Bij、θij分別為節點i和節點j間的電導、電納、相位角；Vi(t)和Vj(t)分別為節點i和節點 j在時間t的電壓。 禸嫆@唻洎：狆國湠棑倣茭昜蛧 τāńｐāīｆāńɡ.ｃōｍ
各節點的電壓約束條件為
式中：Vimin和Vimax分別為節點i可承受的電壓下限和上限。 本`文內.容.來.自：中`國`碳`排*放*交*易^網 t a npai fan g.com
輸電線路的潮流約束為 禸*嫆唻@洎：狆國湠棑倣茭昜蛧 τāńｐāīｆāńɡ.ｃōｍ
式中：Pijmin和Pijmax分別為節點i和節點 j間輸電線路潮流有功功率的下限和上限；Qijmin和Qijmax分別為節點i和節點j間輸電線路潮流無功功率的下限和上限；Pij(t)和Qij(t)為節點i和節點 j間輸電線路的實際潮流有功功率和無功功率。 夲呅內傛萊源?。骇鎲┨?排*放^鮫*易-網 τā ńｐāīｆāńɡ.ｃōｍ
目前，中國南方（以廣東起步）區域的電力市場可分為電力批發市場和電力零售市場。電力批發市場包括電能量市場和輔助服務市場。電能量市場包括基于差價合約的日以上周期的中長期電能量市場和全電量競價的日前、實時現貨電能量市場。電力零售市場在近階段通過電力銷售公司與用戶之間的電力交易協議來實施完成[45]?，F階段，現貨交易在日前市場和實時現貨電能量市場中進行。在日前交易中，B類機組全電量申報分時段報價信息，以社會福利最大化為目標通過SCED進行集中優化出清，得到分時各機組發電量以及各節點的電價。在實時交易中，以日前交易結果為基礎，運用SCED以發電機組成本最小為目標進行超短期優化出清[45]。
本+文`內/容/來/自:中-國-碳-排-放-網-tan pai fang . com
2.1.2 輸入變量及參數 夲呅內傛萊源?。骇鎲┨?排*放^鮫*易-網 τā ńｐāīｆāńɡ.ｃōｍ
輸入的4個變量分別為系統負荷、西受電量、A類和B類機組。針對系統負荷，本文采用表1所預測系統負荷，依據歷史數據按比例分配到各節點。西受電量一般設為系統總負荷的三分之一，并依據歷史數據將總輸送電量按比例分配到各輸電線路。針對A類和B類機組，新增機組裝機容量參考表2所預測數據?？紤]到風電機組的短期邊際成本基本為零，且通過分析國外現貨市場中風電場的競價數據可以發現，風電場在現貨市場中的理性報價策略為通過報地板價增大現貨交易量。因此，各風電場報價設為地板價（假定地板價為150 元/MWh，天花板價為1000 元/MWh），報量為該風電場的總輸出功率?；痣姍C組的報量報價參考接入同一節點的原火電機組的報量報價。
由于風電機組需要上報電量參與市場競爭，本文基于所選風機機型和相關環境參數，計算出單臺機組每個季節每日發電量。根據單臺機組的發電量與各海上風電場規劃裝機容量，得到每個風電場每個季節每日總發電量。
本文采取的數據基于規劃中海上風電場所在地區日24 h風速平均值。風電機組選取明陽智能MySe5.5-155-IB，是中廣核陽江南鵬島40萬kW海上項目所用風機。該機型采用半直驅技術，葉片長76.6 m，切入風速為3 m/s，切出風速為25 m/s，額定風速為10.5 m/s，額定功率為5.5 MW。該機型單臺機組的輸出功率為
風輪的輸出功率為 夲呅內傛萊源亍：ф啯碳*排*放^鮫*易-網 τā ńｐāīｆāńɡ.ｃōｍ
式中：G為單臺機組的輸出功率；Gt為風輪的輸出功率；η1 為齒輪箱與發電機效率；η2 為變頻器效率；ρ為空氣密度；v為風速；S為掃風面積；CP為貝茲系數。
衡量系統或機組的碳排放強度時，本文采用IPCC提出的排放因子法來核算碳排放量[26]。發電機組的碳排放因子（t/MWh），即碳排放系數，指機組每發一單位（MWh）電所產生的碳排放量（t），該系數與發電機組類型有關。本文中風電、核電、水電機組的碳排放系數均設置為0，火電機組的碳排放系數根據火電機組類型來設定，取值0.6～1.2 t/MWh。
內.容.來.自：中`國`碳#排*放*交*易^網 t a np ai f an g.com
各機組碳排放量的計算方法為
本+文+內.容.來.自：中`國`碳`排*放*交*易^網 t a np ai fan g.com
式中：Mi為機組i的碳排放量，t；Ri為機組i的碳排放系數，t/MWh；Wi為機組i的出力，MWh。 夲呅內傛萊源亍：ф啯碳*排*放^鮫*易-網 τā ńｐāīｆāńɡ.ｃōｍ
系統碳排放強度E為
本`文@內-容-來-自；中_國_碳排0放_交-易=網 t an pa ifa ng . c om
式中：n為系統的發電機組數量。
為了對碳排放在空間尺度上進行細化，本文還計算了節點碳排放強度。不同于以往文獻[46-48]中采用節點碳排放量關于負荷的導數來衡量碳排放對負荷變化的反應程度，本文通過實際節點碳排放量除以總出力來計算節點碳排放強度。節點 j的碳排放強度Ej為
式中：nj為節點 j接入的發電機組數量。 本`文@內-容-來-自；中_國_碳排0放_交-易=網 t an pa ifa ng . c om
在仿真出清2019—2028年各季節有無海上風電兩種情況下的電力現貨市場后，得到每個季節典型日24 h的A、B類機組出力，根據不同機組的碳排放系數，計算每種情形下系統碳排放強度和各節點碳排放強度。
仿真系統每15 min出清一次，得到A類、B類各機組出力。根據2.3節的計算公式得到系統總碳排放量和碳排放強度。由于A類機組按計劃調度提前出清，而包含海上風電機組的B類機組按全電量競價參與市場競爭，兩類機組在海上風電接入后碳排放的變化趨勢不同，故本文除了以廣東省全省為研究對象，還分別考慮A類和B類機組兩種情況，分析海上風電的接入對系統碳減排的影響。 本@文$內.容.來.自：中`國`碳`排*放^交*易^網 t a np ai fan g.c om
在有海上風電情況下，廣東省電力系統總碳排放量及碳排放強度變化明顯。圖2表示廣東省2019—2028系統總碳排放量、系統碳排放強度、海上風電減排貢獻百分比、中標電量占比及裝機容量占比，一小格表示一年春夏秋冬四季。 本%文$內-容-來-自；中_國_碳|排 放_交-易^網^t an pa i fang . c om
圖2 2019—2028年廣東省碳排放與海上風電仿真結果
Fig.2 Simulation of carbon emission and offshore wind power in Guangdong Province from 2019 to 2028
從圖2所示仿真結果可以得出： 本+文+內.容.來.自：中`國`碳`排*放*交*易^網 t a np ai fan g.com
1）在無海上風電情況下，廣東省全省電力行業系統總碳排放量逐年增加。接入海上風電后，系統總碳排放量降低，且隨著海上風電裝機容量增加，其減排貢獻百分比呈上升趨勢，自2021年起基本超過10%，最高可達20%。這是因為風電機組優先出清，且碳排放系數為0，所以會降低系統總碳排放量。
2）未接入海上風電時，廣東省系統碳排放強度基本在0.7～0.8 t/MWh，接入海上風電后，系統碳排放強度降低，基本在0.6～0.75 t/MWh。 本%文$內-容-來-自；中_國_碳|排 放_交-易^網^t an pa i fang . c om
3）海上風電減排貢獻百分比及其中標電量具有明顯的季節特征，同一年份春冬兩季相應數值略大于夏秋兩季。這是因為風電機組優先出清，在夏秋兩季負荷高的情況下，需額外調動更多的火電機組，因此海上風電中標電量占比降低，且海上風電減排貢獻百分比小于春冬兩季。
3.1.1 A類機組
本+文內.容.來.自：中`國`碳`排*放*交*易^網 ta np ai fan g.com
在有海上風電情況下，A類機組總碳排放量和系統碳排放強度均基本不變。圖3表示2019—2028年A類機組系統碳排放強度，一小格表示一年春夏秋冬四季。 禸嫆@唻洎：狆國湠棑倣茭昜蛧 τāńｐāīｆāńɡ.ｃōｍ
圖3 2019—2028年A類機組碳排放強度
Fig.3 Average carbon emission intensity of Class A units from 2019 to 2028
從圖3所示仿真結果可以得出：
本文+內-容-來-自；中^國_碳+排.放_交^易=網 t a n pa ifa ng .c om
1）不同年份不同季節，A類機組碳排放強度基本一致，取值0.23～0.25 t/MWh。因為火電機組上網電量僅占A類機組總發電量的25%左右，其余發電量由碳排放系數為0的核電和水電機組承擔，因而A類機組碳排放強度遠低于火電機組的碳排放強度。 本文`內-容-來-自；中_國_碳_交^易=網 tan pa i fa ng . c om
2）接入海上風電后，A類機組碳排放強度基本不變。因為A類機組新增僅考慮核電和水電，新增裝機容量相對較小，系統發電功率和碳排放強度保持不變，同時，因為A類機組提前出清，所以基本不受有無海上風電的影響。 本%文$內-容-來-自；中_國_碳|排 放_交-易^網^t an pa i fang . c om
3.1.2 B類機組 本+文內.容.來.自：中`國`碳`排*放*交*易^網 ta np ai fan g.com
在有海上風電情況下，B類機組總碳排放量和系統碳排放強度變化明顯。圖4表示2019—2028年B類機組總碳排放量和海上風電減排貢獻百分比，一小格表示一年春夏秋冬四季；圖5表示2019—2028年B類機組系統碳排放強度，一小格表示一年春夏秋冬四季。 禸嫆@唻洎：狆國湠棑倣茭昜蛧 τāńｐāīｆāńɡ.ｃōｍ
圖4 2019—2028年B類機組總碳排放量和海上風電減排 貢獻百分比
Fig.4 Total carbon emissions and emission reduction contribution of offshore wind power of Class B units from 2019 to 2028
圖5 2019—2028年B類機組碳排放強度
Fig.5 Average carbon emission intensity of Class B units from 2019 to 2028 禸*嫆唻@洎：狆國湠棑倣茭昜蛧 τāńｐāīｆāńɡ.ｃōｍ
從圖4、圖5所示仿真結果可以得出：
1）有無海上風電情況下，B類機組總碳排放量逐年增加，且夏秋兩季高于春冬兩季，變化趨勢與廣東省系統總碳排放量一致（如圖2所示）。因為海上風電為B類機組，在市場競爭中優先出清，且碳排放系數為0，所以會降低系統總碳排放量。 本`文內.容.來.自：中`國`碳`排*放*交*易^網 t a npai fan g.com
2）未接入海上風電時，B類機組碳排放強度基本在0.92～0.94 t/MWh，接入海上風電后，碳排放強度明顯降低，基本在0.75～0.9 t/MWh。
本@文$內.容.來.自：中`國`碳`排*放^交*易^網 t a np ai fan g.c om
由于海上風電機組全部為B類機組，研究節點碳排放強度時僅考慮B類機組。仿真系統中共有節點169個，接入海上風電場的節點12個。本文以是否接入海上風電場節點的碳排放強度為研究對象。 禸*嫆唻@洎：狆國湠棑倣茭昜蛧 τāńｐāīｆāńɡ.ｃōｍ
3.2.1 接入海上風電場的節點
在接入海上風電場的節點中，揭陽站和雙寨_1站在加入海上風電后碳排放強度變化明顯；其他節點在有無海上風電情況下碳排放強度皆為0。從仿真結果看，由于各節點春冬、夏秋季節變化規律分別類似，此處以秋冬季節為代表，圖6—圖9分別表示揭陽站和雙寨_1站2019—2028年秋冬季節碳排放強度，一小格表示一天24 h。 本+文`內.容.來.自：中`國`碳`排*放*交*易^網 t a np ai fan g.com
圖6 2019—2028年秋季揭陽站排放強度
Fig.6 Carbon emission intensity from 2019 to 2028 in autumn at Jieyang 本+文內.容.來.自：中`國`碳`排*放*交*易^網 ta np ai fan g.com
圖7 2019—2028年冬季揭陽站碳排放強度
Fig.7 Carbon emission intensity from 2019 to 2028 in winter at Jieyang
內-容-來-自；中_國_碳_0排放￥交-易=網 t an pa i fa ng . c om
圖8 2019—2028年秋季雙寨_1站碳排放強度
Fig.8 Carbon emission intensity from 2019 to 2028 in autumn at Shuangzhai_1 內/容/來/自:中-國/碳-排*放^交%易#網-tan p a i fang . com
圖9 2019—2028年冬季雙寨_1站碳排放強度
Fig.9 Carbon emission intensity from 2019 to 2028 in winter at Shuangzhai_1
從圖6—圖9所示仿真結果可以得出：
本+文內.容.來.自：中`國`碳`排*放*交*易^網 ta np ai fan g.com
1）一定年份接入海上風電后，揭陽站和雙寨_1站碳排放強度大幅度降低。雙寨_1站于2021年接入海上風電場，所以2020年及以前有無海上風電情況下碳排放強度相等；揭陽站于2022年接入海上風電場，所以2021年及以前有無海上風電情況下碳排放強度相等。 本`文內.容.來.自：中`國`碳`排*放*交*易^網 t a npai fan g.com
2）多數節點如壩基頭、平地、金鶴等，在有無海上風電情況下碳排放強度皆為0。這些節點之前未接入機組，同時風電機組發電過程中無碳排放，所以有無海上風電情況下碳排放強度皆為0。 內/容/來/自:中-國/碳-排*放^交%易#網-tan p a i fang . com
3.2.2 未接入海上風電場的節點 本`文@內-容-來-自；中_國_碳排0放_交-易=網 t an pa ifa ng . c om
在未接入海上風電場的節點中，不同節點接入海上風電后變化情況不同。圖10代表大多數無變化趨勢節點的碳排放強度情況（以小漠廠站為例），圖11、圖12代表少數出現變化趨勢的節點（以中山站和海門站為例）2019—2028年碳排放強度。由于變化規律無明顯季節特征，此處選取春季為代表，一小格表示一天24 h。
從仿真結果可以得出：接入海上風電后，多數節點碳排放強度無明顯變化（如圖10所示）；部分節點如中山、海門、琴江等，無海上風電時有碳排放強度，接入后部分時段減小，部分時段增大（如圖11、圖12所示）。
本文`內-容-來-自；中_國_碳_交^易=網 tan pa i fa ng . c om
圖10 2019—2028年春季小漠廠站碳排放強度
Fig.10 Carbon emission intensity from 2019 to 2028 in spring at Xiaomochang 本+文+內.容.來.自：中`國`碳`排*放*交*易^網 t a np ai fan g.com
圖11 2019—2028年春季中山站碳排放強度
Fig.11 Carbon emission intensity from 2019 to 2028 in spring at Zhongshan 本文@內/容/來/自:中-國-碳^排-放-交易&*網-tan pai fang . com
圖12 2019—2028年春季海門站碳排放強度
Fig.12 Carbon emission intensity from 2019 to 2028 in spring at Haimen 本`文@內-容-來-自；中_國_碳排0放_交-易=網 t an pa ifa ng . c om
全球碳排放持續增加，由此帶來的全球氣候變化問題亟待解決，電力系統作為碳排放最大來源，實現電源結構低碳化具有重要的戰略和現實意義。風電作為技術成熟的清潔能源成為近年來南網地區發展重點，其中海上風電的開發與發展在未來十年將會是廣東省能源轉型的方向。本文基于廣東省電力現貨市場簡化模型，研究2019—2028年大規模海上風電的并網對廣東省碳排放的影響，得出結論如下。
本+文+內/容/來/自:中-國-碳-排-放（交—易^網-tan pai fang . com
1）2019—2028年廣東省全省電力行業系統總碳排放量逐年增加。接入海上風電后，系統總碳排放量降低，且隨著海上風電裝機容量增加，其減排貢獻百分比呈上升趨勢，自2021年起基本超過10%，最高可達20%。
夲呅內傛萊源?。骇鎲┨?排*放^鮫*易-網 τā ńｐāīｆāńɡ.ｃōｍ
2）未接入海上風電時，廣東省系統碳排放強度約0.7～0.8 t/MWh，接入海上風電后，系統碳排放強度降低至0.6～0.75 t/MWh。 內/容/來/自:中-國-碳-排-放*交…易-網-tan pai fang . com
3）海上風電的接入對A類機組在不同年份不同季節的總碳排放量和碳排放強度均無明顯影響。針對B類機組，接入海上風電后，其碳排放量和碳排放強度變化趨勢與廣東省全省基本一致。
4）對于接入海上風電的節點，多數節點由于之前未接入發電機組，因此碳排放強度在有無海上風電情況下皆為0，少數節點接入海上風電后碳排放強度減??；對于無海上風電接入的節點，接入海上風電后碳排放強度增加、不變、減少都可能出現。 禸嫆@唻洎：狆國湠棑倣茭昜蛧 τāńｐāīｆāńɡ.ｃōｍ
針對電力行業碳排放，以往研究通常以年為時間單位、以省市級及以上范圍為地區單位，側重于從整體層面對碳排放數據進行分析，這種研究對多種因素進行了簡化或忽略，得到的數據對碳減排有一定的指導作用，但無法與具體政策的落實聯系起來。本文有關系統總碳排放的研究結果量化了海上風電的減排效益；有關節點碳排放的研究結果可應用于低碳電力的規劃和電力行業的低碳運行，未來在建設海上風電和實現碳減排時，可參考以上結論，將碳排放與經濟、氣象、電廠選址、企業經營策略等結合起來制定區域性和分時性的減排政策。 本`文@內-容-來-自；中^國_碳0排0放^交-易=網 ta n pa i fa ng . co m
海上風電對廣東省實現碳減排具有重要意義，為推動海上風電等可再生能源產業發展，應完善相關政策措施、推動技術進步、提高可靠性，從而實現向清潔低碳能源體系的轉型。為實現總的碳減排目標，應從時間和空間兩個維度對碳排放數據進行細化，以制定更有效的減排政策，如促進碳排放權交易、逐步開放水電進入市場、鼓勵用戶側節能減排等。 本+文`內.容.來.自：中`國`碳`排*放*交*易^網 t a np ai fan g.com
[1]郝靜，宛霞.《2019年全球氣候狀況聲明》全方位聚焦氣候變化影響[N].中國氣象報，2020-03-19(3). 本文+內-容-來-自；中^國_碳+排.放_交^易=網 t a n pa ifa ng .c om
[2]GILFILLAN D,UNFCCC,BP.Fossil fuel emissions[DB/OL].(2019) [2020].http://www.globalcarbonatlas.org/cn/CO2-emissions.
本`文內.容.來.自：中`國`碳`排*放*交*易^網 t a npai fan g.com
[3]United Nations Treaty Collection.A Kyoto protocol to the United Nations framework convention on climate change [EB/OL].(1997-12-11)[2020].https://treaties.un.org/Pages/ViewDetails.aspx?src=TREATY&mtdsg_no=XXVII-7-a&chapter=27&lang=en.
[4]侯方心，張士寧，趙子健等.實現《巴黎協定》目標下的全球能源互聯網情景展望分析[J].全球能源互聯網，2020，3(1)：34-43.
HOU Fangxin,ZHANG Shining,ZHAO Zijian,et al.Global Energy Interconnection Scenario outlook and analysis in the context of achieving the Paris Agreement goals [J].Journal of Global Energy Interconnection,2020,3(1):34-43 (in Chinese). 本`文-內.容.來.自：中`國^碳`排*放*交^易^網 ta np ai fan g.com
[5]International Energy Agency.Global energy & CO2 status report [R/OL].(2019-03)[2020-03].https://webstore.iea.org/download/direct/2461?filename=global_energy_and_co2_status_report_2018.pdf. 內.容.來.自：中`國*碳-排*放*交*易^網 t a npai fa ng.com
[6]國務院辦公廳.能源發展戰略行動計劃（2014—2020年）[EB/OL].(2014-06-07) [2020-03].http://www.gov.cn/zhengce/content/2014-11/19/content_9222.htm. 本`文@內-容-來-自；中_國_碳排0放_交-易=網 t an pa ifa ng . c om
[7]杜姣，萬玉秋，張漢文.清潔發展機制(CDM)實踐及理論研究進展[J].環境保護科學，2007，33(4)：121-124. 本*文@內-容-來-自；中_國_碳^排-放*交-易^網 t an pa i fa ng . c om
DU Jiao,WAN Yuqiu,ZHANG Hanwen.Study progress in practice and theory of clean development mechanism(CDM)[J].Environmental Protection Science,2007,33(4):121-124(in Chinese).
[8]REN21.Renewables 2019 global status report[R/OL].(2019-05)[2020-03].https://www.ren21.net/wp-content/uploads/2019/05/gsr_2019_full_report_en.pdf.
本文`內-容-來-自；中_國_碳_交^易=網 tan pa i fa ng . c om
[9]Global Wind Energy Council.Global wind report 2019 [R/OL].(2019-04)[2020-03].https://gwec.net/global-wind-report-2019. 本*文@內-容-來-自；中_國_碳^排-放*交-易^網 t an pa i fa ng . c om
[10]國家能源局.風電發展“十三五”規劃[EB/OL].(2016-11) [2020-03].http://www.nea.gov.cn/135867633_14804706797341n.pdf.
[11]李翔宇，Gayan Abeynayake，姚良忠，等.歐洲海上風電發展現狀及前景[J].全球能源互聯網，2019，2(2)：116-126.
本文@內/容/來/自:中-國-碳^排-放-交易&*網-tan pai fang . com
LI Xiangyu,ABEYNAYAKE G,YAO Liangzhong,et al.Recent development and prospect of offshore wind power in Europe[J].Journal of Global Energy Interconnection,2019,2(2):116-126(in Chinese). 本文@內/容/來/自:中-國-碳^排-放-交易&*網-tan pai fang . com
[12]CHOUHAN B S,RAO K V S,KUMAR SAXENA B.Reduction in carbon dioxide emissions due to wind power generation in India[C]//2017 International Conference on Smart Technologies for Smart Nation (SmartTechCon).17-19 Aug.2017,Bangalore,India.IEEE,2017:257-264. 本+文+內/容/來/自:中-國-碳-排-放（交—易^網-tan pai fang . com
[13]ANDERSON C L,CARDELL J B.The impact of wind energy on generator dispatch profiles and carbon dioxide production[C]//2012 45th Hawaii International Conference on System Sciences.4-7 Jan.2012,Maui,HI,USA.IEEE,2012:2020-2026. 內-容-來-自；中_國_碳_0排放￥交-易=網 t an pa i fa ng . c om
[14]EBRAHIMI M,HASANPOUR S.Cournot equilibrium analysis for influence of wind power on Genco’s profit considering carbon emission market[C]//2014 International Congress on Technology,Communication and Knowledge (ICTCK).26-27 Nov.2014,Mashhad,Iran.IEEE,2014:1-5. 本`文內.容.來.自：中`國`碳`排*放*交*易^網 t a npai fan g.com
[15]熊紹隆.碳減排交易市場化背景下的新能源風電企業價值評估[D].昆明：云南大學，2019.
XIONG Shaolong.Value evaluation of new energy wind power enterprises under the background of marketization of carbon emission reduction trading[D].Kunming:Yunnan University,2019(in Chinses). 本*文@內-容-來-自；中_國_碳^排-放*交-易^網 t an pa i fa ng . c om
[16]吳凡.基于LCA理論的風電項目碳減排效果分析[D].北京：華北電力大學，2019.
WU Fan.Research on carbon emission reduction benefit of wind power project based on LCA theory[D].Beijing:North China Electric Power University,2019(in Chinese).
[17]曾鳴，杜楠，劉曉立，等.風電與儲能聯合運行的碳減排效果[J].水電能源科學，2013，31(3)：232-235.
ZENG Ming,DU Nan,LIU Xiaoli,et al.Carbon emissions effect of joint operation of wind power and energy storage[J].Water Resources and Power,2013,31(3):232-235(in Chinese).
內.容.來.自：中`國`碳#排*放*交*易^網 t a np ai f an g.com
[18]ZHANG Y,IU H H C,FERNANDO T,et al.Cooperative dispatch of BESS and wind power generation considering carbon emission limitation in Australia[J].IEEE Transactions on Industrial Informatics,2015,11(6):1313-1323.
[19]于大洋，黃海麗，雷鳴等.電動汽車充電與風電協同調度的碳減排效益分析[J].電力系統自動化，2012，36(10)：14-18.
YU Dayang,HUANG Haili,LEI Ming,et al.CO2 reduction benefit by coordinated dispatch of electric vehicle charging and wind power[J].Automation of Electric Power Systems,2012,36(10):14-18(in Chinese). 本`文內.容.來.自：中`國`碳`排*放*交*易^網 t a npai fan g.com
[20]劉鎧誠，何桂雄，孫洪，等.碳減排約束下風火發電商市場效益的協調優化[J].電力系統及其自動化學報，2019，31(9)：89-95.
內-容-來-自；中_國_碳_0排放￥交-易=網 t an pa i fa ng . c om
LIU Kaicheng,HE Guixiong,SUN Hong,et al.Coordinated optimization of market benefit of wind-fire power generator under carbon reduction constraint[J].Proceedings of the CSUEPSA,2019,31(9):89-95(in Chinese). 本@文$內.容.來.自：中`國`碳`排*放^交*易^網 t a np ai fan g.c om
[21]YANG W H,LIU J P,LI J,et al.Optimization dispatch of wind power integrated power system under carbon market environment[C]//2013 2nd International Symposium on Instrumentation and Measurement,Sensor Network and Automation (IMSNA).23-24 Dec.2013,Toronto,ON,Canada.IEEE,2013:375-378.
內/容/來/自:中-國-碳-排-放*交…易-網-tan pai fang . com
[22]ESTEBAN M D,DIEZ J J,LÓPEZ J S,et al.Why offshore wind energy?[J].Renewable Energy,2011,36(2):444-450.
[23]APPIOTT J,DHANJU A,CICIN-SAIN B.Encouraging renewable energy in the offshore environment[J].Ocean & Coastal Management,2014,90:58-64.
[24]KOTA S,BAYNE S B,NIMMAGADDA S.Offshore wind energy:a comparative analysis of UK,USA and India[J].Renewable and Sustainable Energy Reviews,2015,41:685-694.
[25]DVORAK M J,ARCHER C L,JACOBSON M Z.California offshore wind energy potential[J].Renewable Energy,2010,35(6):1244-1254. 禸*嫆唻@洎：狆國湠棑倣茭昜蛧 τāńｐāīｆāńɡ.ｃōｍ
[26]IPCC.Good practice guidance uncertainty management in national greenhouse gas inventories [R/OL].(2000)[2020-03].https://www.ipcc-nggip.iges.or.jp/public/gp/english. 內/容/來/自:中-國/碳-排*放^交%易#網-tan p a i fang . com
[27]張樂勤，李榮富，陳素平，等.安徽省1995年-2009年能源消費碳排放驅動因子分析及趨勢預測—基于STIRPAT模型[J].資源科學，2012，34(2)：316-327.
本@文$內.容.來.自：中`國`碳`排*放^交*易^網 t a np ai fan g.c om
ZHANG Leqin,LI Rongfu,CHEN Suping,et al.Trend prediction and analysis of driving factors of carbon emissions from energy consumption during the period 1995-2009 in Anhui Province based on the STIRPAT model[J].Resources Science,2012,34(2):316-327(in Chinese).
本+文`內/容/來/自:中-國-碳-排-放-網-tan pai fang . com
[28]陳立泰，張軍委，萬麗娟.重慶市碳排放量測度及影響因素分析：1998～2008[J].探索，2010(3)：106-110. 內-容-來-自；中_國_碳_0排放￥交-易=網 t an pa i fa ng . c om
[29]KANG C Q,ZHOU T R,CHEN Q X,et al.Carbon emission flow from generation to demand:a network-based model[J].IEEE Transactions on Smart Grid,2015,6(5):2386-2394.
[30]周天睿，康重慶.基于碳排放流的配電系統低碳優化運行方法研究[J].全球能源互聯網，2019，2(3)：241-247. 本@文$內.容.來.自：中`國`碳`排*放^交*易^網 t a np ai fan g.c om
ZHOU Tianrui,KANG Chongqing.Research on low-carbon oriented optimal operation of distribution networks based on carbon emission flow theory[J].Journal of Global Energy Interconnection,2019,2(3):241-247(in Chinese). 夲呅內傛萊源?。骇鎲┨?排*放^鮫*易-網 τā ńｐāīｆāńɡ.ｃōｍ
[31]汪鋒，豆南南，喻冬梅.基于電力系統碳排放流的分省化石能源消費CO2排放量測算[J].電力系統自動化，2014，38(17)：105-112.
內/容/來/自:中-國-碳-排-放*交…易-網-tan pai fang . com
WANG Feng,DOU Nannan,YU Dongmei.Measurement of provincial CO2 emission from fossil energy consumption based on carbon emission flow in power systems[J].Automation of Electric Power Systems,2014,38(17):105-112(in Chinese). 本+文+內/容/來/自:中-國-碳-排-放（交—易^網-tan pai fang . com
[32]譚新，劉昌義，陳星，等.跨國電網互聯情景下的碳流及碳減排效益研究—以非洲能源互聯網為例[J].全球能源互聯網，2019，2(3)：210-217. 本*文`內/容/來/自:中-國-碳^排-放“交|易^網-tan pai fang . c o m
TAN Xin,LIU Changyi,CHEN Xing,et al.Carbon flow and emission reduction benefits based on grid interconnection:a case study on Africa energy interconnection[J].Journal of Global Energy Interconnection,2019,2(3):210-217(in Chinese).
本`文@內/容/來/自:中-國^碳-排-放^*交*易^網-tan pai fang. com
[33]ANG B W,SU B.Carbon emission intensity in electricity production:a global analysis[J].Energy Policy,2016,94:56-63. 本`文內.容.來.自：中`國`碳`排*放*交*易^網 t a npai fan g.com
[34]王常凱，謝宏佐.中國電力碳排放動態特征及影響因素研究[J].中國人口·資源與環境，2015，25(4)：21-27.
WANG Changkai,XIE Hongzuo.Analysis on dynamic characteristics and influencing factors of carbon emissions from electricity in China[J].China Population,Resources and Environment,2015,25(4):21-27(in Chinese).
[35]ANG B W,ZHANG F,CHOI K.Factorizing changes in energy and environmental indicators through decomposition[J].Energy,1998,23(6):489-495.
[36]ZHENG Z H,LI F R.Assessment of carbon dioxide efficiencies for UK’s electricity generation[C]//2011 IEEE Power and Energy Society General Meeting.24-28 July 2011,Detroit,MI,USA.IEEE,2011:1-5.
[37]CIUP?GEANU D A,L?Z?ROIU G,TÎR?U M.Carbon dioxide emissions reduction by renewable energy employment in Romania[C]//2017 International Conference on Electromechanical and Power Systems (SIELMEN).11-13 Oct.2017,Iasi,Romania.IEEE,2017:281-285. 本*文`內/容/來/自:中-國-碳^排-放“交|易^網-tan pai fang . c o m
[38]LI A J,LI Z.Integrated analysis of carbon dioxide emissions mitigation through energy efficiency for coal-fired power industry in China[C]//2013 Third International Conference on Intelligent System Design and Engineering Applications.16-18 Jan.2013,Hong Kong,China.IEEE,2013:891-893.
[39]廣州電力交易中心.廣東電力市場2019年年度報告[R/OL].(2020-02)[2020-03].http://news.bjx.com.cn/html/20200227/1048396.shtml.
[40]廣東省發展改革委.廣東省海上風電發展規劃（2017—2030年）（修編）[EB/OL].(2018-04-11) [2020-03].http://drc.gd.gov.cn/gkmlpt/content/1/1060/post_1060661.html#876. 本文@內/容/來/自:中-國-碳^排-放-交易&*網-tan pai fang . com
[41]趙世明，姜波，徐輝奮，等.中國近海海洋風能資源開發利用現狀與前景分析[J].海洋技術，2010，29(4)：117-121.
夲呅內傛萊源亍：ф啯碳*排*放^鮫*易-網 τā ńｐāīｆāńɡ.ｃōｍ
ZHAO Shiming,JIANG Bo,XU Huifen,et al.Exploration and application of ocean wind energy resources in coastal sea of China [J].Ocean Technology,2010,29(4):117-121(in Chinese).
本`文@內-容-來-自；中_國_碳排0放_交-易=網 t an pa ifa ng . c om
[42]海南省人民政府.海南省“十三五”能源發展規劃[EB/OL].(2017-03-20)[2020-04].http://www.hainan.gov.cn/hainan/38957/201704/b24d78a4a79c41579e9eaacb8d6003a3.shtml. 本+文+內.容.來.自：中`國`碳`排*放*交*易^網 t a np ai fan g.com
[43]廣西壯族自治區人民政府.廣西能源發展“十三五”規劃[EB/OL].(2016-09-05) [2020-04].http://d.gxzf.gov.cn/file/2017/05/17/1495010854.pdf. 本%文$內-容-來-自；中_國_碳|排 放_交-易^網^t an pa i fang . c om
[44]ZHU J.Security-constrained economic dispatch[M]//Optimization of power system operation.Hoboken,NJ,USA:John Wiley & Sons,Inc,2015:145-214.DOI:10.1002/9781118887004.ch5. 本+文`內/容/來/自:中-國-碳-排-放-網-tan pai fang . com
[45]馬輝，陳雨果，陳曄，等.南方（以廣東起步）電力現貨市場機制設計[J].南方電網技術，2018，12(12)：42-48.MA Hui,CHEN Yuguo,CHEN Ye,et al.Mechanism design of Southern China(starting from Guangdong Province)electric spot market[J].Southern Power System Technology,2018,12(12):42-48(in Chinese). 內-容-來-自；中_國_碳_0排放￥交-易=網 t an pa i fa ng . c om
[46]RUIZ P A,RUDKEVICH A.Analysis of marginal carbon intensities in constrained power networks[C]//2010 43rd Hawaii International Conference on System Sciences.5-8 Jan.2010,Honolulu,HI,USA.IEEE,2010:1-9. 本*文`內/容/來/自:中-國-碳^排-放“交|易^網-tan pai fang . c o m
[47]ZHOU Q,SUN T,DING T,et al.Application of carbon intensity in generation expansion planning:a comparative study[C]//2015 IEEE Power & Energy Society General Meeting.26-30 July 2015,Denver,CO,USA.IEEE,2015:1-5. 本`文-內.容.來.自：中`國^碳`排*放*交^易^網 ta np ai fan g.com
[48]VAN HORN K E,APOSTOLOPOULOU D.Assessing demand response resource locational impacts on system-wide carbon emissions reductions[C]//2012 North American Power Symposium (NAPS).9-11 Sept.2012,Champaign,IL,USA.IEEE,2012:1-6.
本`文@內/容/來/自:中-國^碳-排-放^*交*易^網-tan pai fang. com
本+文`內.容.來.自：中`國`碳`排*放*交*易^網 t a np ai fan g.com
內.容.來.自：中`國`碳#排*放*交*易^網 t a np ai f an g.com
【版權聲明】本網為公益類網站，本網站刊載的所有內容，均已署名來源和作者，僅供訪問者個人學習、研究或欣賞之用，如有侵權請權利人予以告知，本站將立即做刪除處理（QQ：51999076）。
國家工信部備案/許可證編號
