尿素商參與電-碳-綠證耦合市場下多主體行為優化研究

DOI：10.3969/j.issn.1004-910X.2025.07.005 [中圖分類號]F407.61；F407.7 ［文獻標識碼］A

引言

隨著世界人口數量上漲[1]，全球糧食安全問題亟待解決。其中，尿素作為常用氮肥，在提高糧食產量中起著至關重要的作用。由于尿素生產是以二氧化碳作為原料，若對尿素行業進行改造，將會為碳減排作出巨大的貢獻。然而當前尿素生產存在高能耗高污染問題。考慮到當前全球變暖和能源危機，為了共同解決上述問題，政府需要開展碳排放權交易和綠證交易等政策手段來促進傳統電力行業轉型，減少碳的排放。與此同時，尿素行業可以通過電化學合成技術取代燃料燃燒合成，實現尿素的綠色生產[2-5]。由于電是電化學尿素生產的重要能源，尿素商因此會增加電力購買。為了激發尿素產能，擴大技術覆蓋率，本文將尿素商作為用戶引入電力市場，考慮尿素生產的碳減排所帶來的外部經濟，未來碳市場擴圍政策以及綠證交易機制對用戶帶來的間接影響，將電力市場與碳、綠證市場耦合并構建以非合作博弈為基礎的雙層目標優化模型。

當前碳、綠證市場研究僅考慮了對電力行業的影響，對碳減排作用分析不夠全面，未能考慮其他行業的市場聯系，這使得那些具有碳減排潛力的行業產生碳減排資源的浪費。本文所提模型充分發揮碳、綠證交易機制，具有跨行業協同碳減排效應，同時可以提高尿素產量，為碳減排和糧食供給作出雙重貢獻，為多行業市場交互研究提供參考。

1文獻綜述

碳排放權交易是將碳排放份額作為商品，傳統煤炭發電廠需購買一定量的碳排放權完成自身消納從而達到激勵自身實現碳減排的目的。當前，眾多學者針對電-碳市場經濟調度開展了全面的研究：Feng和Zhang[提出了預出清和正式出清兩階段優化模型，同時考慮了目前電力市場聯合碳市場下的不同調峰補償機制，研究了不同約束條件下碳市場的有效性，結果表明變化調峰補償機制與碳市場外部約束能使燃煤發電廠獲得更大的利潤，而固定調峰補償機制與碳市場內部約束可以有效減少碳排放；還有研究分別從公共效益、電價、可再生能源利用率的角度分析碳交易對碳減排的影響[7-9]；Jiang等[10]設計了不同交易量限制程度的碳市場聯動情景，使用全球變化評估模型模擬了2025＼～2060年不同情景下的全球和區域碳市場。研究結果表明，隨著碳市場聯動限制的收緊，全球碳市場的價格波動性和碳市場聯動節省的累計減排成本均有所下降[10]

綠證交易以配額制為驅動，促進新能源市場化消納[11]，目前我國綠證交易制度仍處于探索階段[12]，具有很高的研究價值。相關研究分別詮釋了綠證交易能有效提高火電、電制氫、零售商、發電聯盟的預期收益[13-17] 。

對于電-碳-綠證市場耦合在不同的能源體系中，也有很多學者進行了相關的研究，分別詮釋了碳交易、綠證交易對虛擬電廠、綜合能源系統以及微能源網碳減排效益的促進作用[18-20]。

上述文獻均以發電商的視角來研究不同情景下電-碳-綠證市場耦合機制對發電商收益以及碳減排產生的影響，很少考慮消費側在耦合電-碳一綠證市場中發揮的碳減排作用。針對目前以 CO₂ 為原料，以電能為基礎的尿素合成研究[5，21，22]，本文針對尿素商這一實現負碳排放的碳利用型用戶參與電力市場，同時耦合碳-綠證市場優化展開研究，為后續的碳利用型用戶參與市場機制優化提供參考，推動行業綠色轉型。Mao等[23提出了直接利用空氣 CO₂ 捕獲供給清潔能源驅動的尿素合成工業能實現凈負碳排放。此外，Matthew和Pro-dromos[24]使用可再生能源電解生產氨合成尿素從而達到凈零負排放并進行了技術經濟的優化，通過明尼蘇達州的案例研究驗證了其經濟可行性，這些文獻都反映了實現凈零負排放的尿素生產依賴于電化學反應，而實現電化學反應需要向電力市場購買大量的電以達到生產要求。基于此，本文從未來的視角出發，將用戶分為尿素商和其他用戶，將發電商分為傳統火力發電商和可再生能源發電商分別參與電力市場競價，建立雙層目標優化模型解決用戶發電商和用戶參與電力市場耦合碳、綠證優化問題，上層模型以市場參與者利潤最大化為目標提交目標電價和電量；下層模型以電力市場社會福利最大化為目標向市場參與者反饋出清價格和中標電量，通過算例分析尿素商出清優化結果。

2 研究方法

2.1電-碳-綠證市場機制

電-碳-綠證市場機制結構框架如圖1所示。雙邊集中競價具有市場資源配置高效率、高靈活性等優點[25]，故本文選用雙邊集中競價模式讓市場參與者參與競價，市場參與者通過與市場運營商協商優化完成市場出清。

隨著可再生能源和碳交易制度的進一步發展，電力市場與碳-綠證的耦合關系將會更加緊密，火力發電是電力行業的主要碳排放來源，為了限制火力發電廠的碳排放，火力發電廠需向碳市場購買超出自身準許碳排放額度的碳配額量；同時根據碳市場定義以及上述假設，為了鼓勵尿素商進一步利用碳生產，尿素商可以向碳市場出售超過自身免費碳排放額度的碳配額量來獲利。火力發電廠將發電產生的廢棄物通過管道運輸到尿素生產廠的碳捕集裝置中。

可再生能源發電能夠實現碳的零排放發電，但由于其發電具有間歇性和波動性，且運維成本較高，為了鼓勵企業向可再生能源行業轉型，減少可再生能源發電的浪費，可再生能源發電商可以向綠證市場出售一定比例的綠證來保證自身的發電量，用電單位需向綠證市場購買一定比例的綠證來保證自身的可再生能源發電消納。

2.2 尿素生產流程

尿素商的尿素生產流程如圖2所示，在該系統中，尿素生產廠的碳捕集裝置會吸收由火力發電產生的廢氣中的二氧化碳作為合成尿素的反應原料，低溫空氣分離單元（CryogenicAirSeparationUnit，CASU）、氨合成反應器（AmmoniaSynthesisReactor，ASR）、尿素合成反應器（UreaSynthesisReactor，USR）以及質子交換膜電解器（ProtonEx-changeMembraneElectrolyzer，PEME）通過消耗從電力市場購買得到的電量來實現副產品氮氣、氧氣、氨以及主產品尿素的生產。PEM電解器會通過電解水反應生成氫氣；CASU通過低溫控制將氮氣提取出來。此時PEM電解器產生的氫氣與CASU提取出的氮氣在ASR中通過高溫加壓的方式合成氨。碳捕集吸收的二氧化碳與ASR反應合成的氨將會在USR中在高溫高壓條件下合成尿素。

綜上所述，尿素商會根據這些市場信息參數以自身經濟收益最大化為目標參與電力市場進行生產計劃決策。同樣地，發電商也根據這些市場信息參數以自身經濟收益最大化為目標進行日前電力市場報價和發電計劃決策，其他用戶則根據這些市場信息參數以自身購電成本最小化為目標提出報價和計劃購電量。日前電力市場會綜合參照這些參與者的報價以及計劃購（售）電量結果以社會福利最大化為目標進行迭代出清，將最終出清價格和中標電量結果提交給這些參與者。這些參與者按照市場給定的出清價格和中標電量完成出售（購買）并獲得最終收益（成本）。

2.3 模型構建

在模型構建前，本文提出以下假設：

（1）電力市場是完全競爭市場，發電商和用戶通過競標確定電價和電量。（2）尿素生產所需的電力完全通過電力市場采購，且其生產成本與電價有關。（3）電、碳、綠證市場相互耦合，發電商和用戶的行為同時影響電、碳、綠證市場。（4）尿素生產的電化學合成技術效率為固定值，且生產過程中氨供應充足。

基于以上假設，本文建立雙層目標優化模型，上層模型反映每個發電商和用戶以收益最大化為目標的競標情況，下層模型表示市場以社會福利最大化原則對競標后得到的電價和電量信息進行市場出清，根據出清結果確定出清電價和電量。下面對模型進行展開。

2.3.1 上層優化模型

（1）市場交易成員最優化模型

市場參與者參與電力市場會以自身經濟收益最大化進行競價（電量），在該市場中，所有參與者在同一時間生成自己的報價（電量）策略，且參與者之間不會提供自身的市場信息。此時模型如式（1）、（2）所示：

式中：、；R_m1^TH 、 R_m2^ψ 、 R_m3^PV 分別為 χ_t 時刻火力發電商 m1 、風力發電商 m2 、光伏發電商 m3 的申報價格、發電量以及預期收益。 c_n1，t^Urea 、1 c_n2，t^Other p_n1，t^Urea 、 p_n2，t^Other R_n1^Urea 、： C_n2^Other 分別為 χ_t 時刻尿素商 n1 、其他用戶 n2 的申報價格、購買電量以及預期收益和購買成本。式（1）、（2）表示每個市場參與者在充分考慮其他成員的情況下基于自身收益最大化提出的報價和電量。

根據上述市場機制研究，每個市場成員的申報電量都會影響除電力市場外其他市場交易結果，進而影響收益結果，因此需要對每個市場成員的收益模型進行展開分析。

（2）火力發電商收益模型

每個火力發電商都會以自身收益最大化為目標參與市場競價和電量，考慮火力發電商調峰補償機制，日前電力市場將出清結果提交給火力發電商。其最終收益如式（3）所示：

式中： C_t，clear 為 χ_t 時刻市場出清電價； C_m1，t，sum^TH 為 Φ_t 時刻火力發電商 m1 單位發電成本； p_{m1，t，clear}^TH 為Φ_t 時刻火力發電商 m1 中標電量。

考慮碳和綠證市場機制，火力發電商的單位發電成本由單位機組煤耗成本、單位碳交易成本、單位綠證交易成本以及單位碳捕集技術平準化度電成本組成。如式（4）＼～（8）所示：

C_m1，t，sum^TH=C_m1，t^TH，coal+C_m1，t^{TH，CCS，CET}+C_m1，t^TH，GCT+C_{m1，t，LOCE}^TH，CCS

式中： C_m1，t^TH，coal 為 χ_t 時刻火電商 m1 的單位煤耗成本； C_m1，t^{TH，CCS，CET} 為 χ_t 時刻火電商 m1 的單位碳交易成本，數值為正表示購買碳配額，為負表示售賣碳配額； C_m1，t^TH，GCT 為火電商 m1 的單位綠證購買成本，包括每單位發電量下綠證購買成本和超出綠證數量所付出的代價； C_{m1，t，LOCE}^TH，CCS 為火電商 m1 的單位碳捕集技術平準化度電成本，表示生產單位電量所分攤的設備投資成本，包括火電機組和碳捕集設備。 a_m1 ！ b_m1 分別為煤耗成本的二次項、一次項系數； δ_m1 為火電商碳排放系數，單位是 VMWh ；β_m1，free 為火電商 m1 的免費碳配額率； ε_m1 為火電商m1 的碳捕集技術覆蓋率； 為綠證價格，單位是元/本； q_m1^GCT 表示火電商 m1 的綠證數量； c_p^GCT 為綠證懲罰價格，單位是元/本； δ_m1^GCT 為綠證比例；θ 為可再生能源發電與綠證換算系數，單位為本/MWh ； γ 為初始投資回收率； c_m1，in^TH 為火電商 m1 的火電機組單位初始投資成本； c_m1，in^CCS 為火電商 m1 的碳捕集技術單位初始投資成本； UH_m1^TH 為 m1 的滿負荷運行時間，單位為 Δh ; IC_m1^TH 為火力發電商 m1 的裝機容量； c_m1，y1，o^TH 、 c_m1，y1，o^CCS 分別為火電機組和碳捕集技術的單位運維成本，單位是元/MW； r 表示貼現率。

約束條件：

火電發電申報量約束

p_m1，t，min^TH?p_{m1，t，clear}^TH?p_m1，t^TH?p_m1，t，max^TH

式中： p_m1，t，min^TH?p_m1，t，max^TH 分別為火電商 m1 的火電出力下限和上限。

火電報價約束

c_m1，t，min^TH?c_m1，t^TH?c_m1，t，max^TH

式中：cm，mn、Pm. 分別為火電商 m1 的報價下限和上限。

綠證申報量約束

式中： 為火電商 m1 的最大綠證需求，其綠證購買量不能超過最大綠證需求。

火電爬坡約束

-V_ι，dovnΔt?p_m1，ι+1^TH-p_m1，ι^TH?V_ι，upΔt

式中： V_ι，up 、 V_t，doun 分別為火電商 m1 的火電機組爬坡上限和滑坡上限； Δt 表示交易時段的時間間隔。

（3）風力、光伏發電商收益模型

同火電商一樣，考慮綠證交易機制，風電、光電商也會依據自身收益最大化的目標函數參與市場競價和競電量。經市場調度，風電商的最終收益模型如式（13）所示：

在綠證市場的機制作用下，風電商的單位總發電成本包括單位綠證收益以及單位平準化度電成本。具體如式（14）＼～（16）所示：

式中， C_{m2，t，LOCE}^W，CCS 為風電商 m2 的單位碳捕集技術平準化度電成本，其投資設備僅考慮風電機組；（2號 C_m2，t^W，GCT 表示風電每單位發電量所帶來的綠證收入，由于可再生能源發電的不確定性對風電商帶來可能的經濟損失，條件風險價值（ConditionalValueatRisk，CVaR）是一種廣泛應用于經濟學投資領域中的風險評估方法[26]。故構建CVaR模型可以有效提升風電商的風險控制能力，從而實現收益最大化以及風險最小化目標。具體模型構造方法如下：

對所在地區風速進行采樣，通過拉丁超立方抽樣方法生成場景庫，通過BR場景削減方法得到典型場景及其概率，進而獲得每個場景下的風力發電預測值[27]，則風電商在所有場景下的收益表示為：

式中： π（φ） 為生成場景 φ 的概率。進一步地，風電商的風險損失表示為：

R_m2^W-（φ）=R_m2^W（φ）-R_m2，total^W

設風電商 m2 最大風險損失為 R_m2^ψ（φ） ，那么在某一置信水平 μ 中風電商 m2 的損失 d 表示為：

因此，風電商 m2 的CVaR模型表示為：

（φ）-R_m2，VaR^W}

進而，風電商 m2 的目標函數表示為[28]：

R_{m2，R，CVaR}^W=maxR_m2，total^W-ρR_m2，CVaR^W

式中： ρ 為風險偏好因子，當 0lt;ρlt;0.5 時該風電商屬于風險厭惡型；當 0.5lt;ρlt;1 時該風電商屬于風險喜好型。由式（21）可知，風電商根據最低風險下最大收益目標進行發電。

約束條件：

由于風電商的風電申報量以及申報價格約束同式（9）、（10），這里只說明以下約束條件。

綠證申報量約束

風險偏好約束

0?ρ?1

由于光伏發電商的收益模型同風電商的收益模型，且篇幅有限，故本文不再贅述。

（4）尿素商收益模型

當水輸送到PEM電解器進行電解時會發生如下反應：

此時電解槽電壓效率為：

假設電壓效率為 74%^[29] ，那么PEM電解槽產氫為：

式中： M_H2 為氫的摩爾速率， 為PEM電解產氫所需電能， F 為法拉第常數。CASU適用于生產純氮氣、氧氣和其他可用于各種行業的氣體。空氣在該裝置的反應如下：

CASU的產氧電耗為 992.13kW/t ，這一假設是基于真實的數據，誤差小于 2%^[30] 。在ASR中，通過將上述PEM電解水產生的氫氣與CASU空氣分離產生的氮氣反應產生氨，該反應是放熱反應，產生的熱量被低壓蒸汽回收，產生高溫高壓蒸汽。該反應的溫度范圍為 450^qC～500^qC 。反應過程如下：

N₂+3H₂2NH₃

尿素是由二氧化碳和氨在高溫高壓下反應產生的。在第一步中，產生氨基甲酸銨（ NH₂COONH₄ ），然后， NH₂COONH₄ 被脫水以產生尿素（ NH₂CONH₂ ），這兩種反應同時發生，具體如下所示：

2NH₃+CO₂?NH₂COONH₄+Heat

NH₂COONH₄+HearNH₂CONH₂+H₂O

在USR中生產1t尿素所需電量為625.3KW，該假設是基于USR各尿素生產廠的真實數據，誤差小于2.5%[31]

基于上述反應式可以計算出生產1t尿素所需用電量以及 CO₂ 吸收量。在電力市場中，尿素商會

以收益最大化為目標申報價格和購買電量，考慮碳-綠證市場，尿素生成商的收益模型如下所示：

式中： θ_n1^Urea 為尿素和電量的轉換系數。尿素商的單位生產成本包括單位碳市場收益、單位購電成本、單位綠證成本以及單位平準化度電成本，具體模型如下：

C_n1，t，sum^Urea=C_n1，t^Urea，Buy-C_n1，t^{Urea，CCS，CET}+C_n1，t^Urea，GCT+C_{n1，t，LCOE}^Urea，CCS

由于尿素商的購電成本等于出清價格乘以中標購電量，碳市場收益和綠證成本同式（6）、（7），這里只對尿素商的平準化度電成本進行展開：

式中： 1000p_n1，t^PEM[32-34] 、 350p_n1，t^{CASU[35，36]} ）1. 6817×8000×Pn1， 21]分別為PEM電解器、CASU以0. 6253及USR的投資成本。因此，式（33）表示尿素生產消耗單位電量所分攤的各種設備總投資成本。設尿素商所購買的電量由PEM電解器、CASU、USR這3種設備用電量組成，如式（34）所示：

p_{n1，t，clear}^Urea=p_{n1，t，clear}^PSM+p_{n1，t，clear}^CASU+p_{n1，t，clear}^USR

約束條件：

由于尿素商的購電申報量以及申報價格約束同式（9）、（10），這里只說明以下約束條件。

綠證申報量約束

氣體存儲量約束

式中：m，、 cO2及 mni，max mni，max ） ncO分別為氮氣、氫氣、氨和碳 的存儲質量及其上限

反應量約束

式中：m、m m，和 m，tr 、 分別為氮氣、氫氣、氨和碳的反應量和輸送量。式（40）＼～（43）表示反應過程的時滯性。由于其他用戶的收益模型僅包括購電成本和綠證交易成本，模型分別與尿素商的購電成本及綠證交易成本相似，且約束條件僅包括購電申報約束、價格約束以及綠證交易約束，模型也分別與式（9）、（10）、（35）相似，加之篇幅有限，故本文不再贅述。

2.3.2 下層優化模型

當發電商和用戶都根據自身利益最大化目標向市場提交了報價和電量，市場會結合發電商和用戶的信息依據社會福利最大化目標對電價和電量進行出清，具體模型如下：

c_m3，t^PVp_m3，t^PV）

式中， F 為總社會福利，采用用戶對電量的需求與發電商的發電成本之差表示。

約束條件：

市場出清模型約束條件除各發電商和用戶報價（10）和電量約束（9）以及火電爬坡約束（12）

外，還包括功率平衡約束，具體模型如下：

2.3.3 模型求解

上層發電商用戶的投標決策模型是一個典型的非凸非線性多目標優化問題，可以采用非支配排序遺傳算法（Non-dominated Sorting Genetic Al-gorithm-ⅡI，NSGA-Ⅱ）求解。NSGA-Ⅱ具有較強的變量處理能力，最大限度地保持了優化目標之間的獨立性，可以有效地解決多目標問題[37，38]。市場出清層模型是一個帶有均衡約束的數學規劃問題，可以用商業求解器求解。求解過程如圖3所示：

步驟1：將電力市場、碳市場和綠證市場的規則以及不同類型發電商和用戶的特性輸入算法中。

步驟2：隨機生成發電商和用戶的申報電量和價格數據。

步驟3：根據各發電商和用戶的電量和電價信息，確定各發電商和用戶的中標電量和電力市場的出清電價。

步驟4：根據中標電量和出清電價，計算各發電商的預期利潤，得到下一個市場狀態。

步驟5：如果滿足納什均衡，或者迭代次數達到最大值，則算法循環結束，否則重復步驟 2～ 步驟4。

3算例分析

3.1 情景設定

選取某一正常天氣1天24小時進行日前市場出清優化。在日前電力市場發電側，共有4組傳統燃煤火力發電廠、1座風電站以及1座光伏發電站參與市場競標。假設每組火電廠僅有1臺機組，其中火力發電廠1碳捕集覆蓋率一般，碳排放量低，發電成本較高；火力發電廠2碳捕集覆蓋率一般，碳排放量較低，發電成本較低；火力發電廠3碳捕集覆蓋率低，碳排放量高，發電成本一般；火力發電廠4碳捕集覆蓋率最高，達到90% ，碳排放量最低，發電成本最高。風電和光伏發電屬于可再生資源，由于可再生資源發電的間歇性和不確定性導致風電和光伏的發電成本和平準化度電成本比火電高。發電商具體參數如表1所示。其中，碳、綠證市場交易價格設置為年度均價，分別為70元/t和50元/本，火電免費碳配額均為 65% ，綠證懲罰價格為200元/本，綠證比例為0.05，綠證與可再生能源換算系數為0.5，風電滿負荷運行時間為2200小時，光伏滿負荷運行時間為1500小時，貼現率為0.8。將風電、光伏可能的發電情況分為10個場景，這10個風電、光伏發電預測情況及對應概率分布如圖4、表2所示。由于尿素生產反應裝置單位產出所需電量和相關參數已在第二章提出，這里不再闡述。將市場分為3種情景：

情景一：開設電、碳、綠證市場，且無尿素商參與購電。

情景二：僅開設電力市場，尿素商參與購電。

情景三：在情景一的基礎上，尿素商參與購電。

基于上述情景，對系統碳排放量以及尿素產量進行對比分析，結果如圖5所示。從圖5可以看出，尿素商參與購電這一行為使電力系統碳減排效果顯著提升，提升效果高于電、碳、綠證市場耦合機制。隨著碳、綠證市場的再次引進，碳排放進一步降低，尿素生產量提高。這是因為碳市場交易機制鼓勵尿素商吸收碳進行生產，使得尿素商的利潤進一步提高，產量也進一步提高，總體碳排放量減少。因此本文基于情景三進行靈敏度分析研究對系統碳減排量、尿素生產量以及尿素商利潤產生的影響。

計算出清結果，最終成交電負荷和出清電價如圖6所示。出清價格與電力需求波動趨勢一致，在凌晨1點到6點時段、中午12點到下午16點時段、下午21點到凌晨0點時段，系統用電處于低谷狀態，日前電力市場出現供過于求現象，因此出清價格持續下降；在凌晨6點到中午12點時段、下午16點到下午21點時段，此時系統用電處于高峰狀態，此時日前電力市場開始出現供不應求現象，因此出清價格持續升高。

3.2 靈敏度分析

為了探究耦合電力市場、碳市場、綠證市場交互機制對尿素商的尿素產量以及系統總碳排放量產生的影響，本文選取尿素商參與規模、碳價、綠證比例、免費碳配額作為靈敏度調整參數。

3.2.1 尿素商的生產規模產生的影響

尿素商的規模提升 0.5% 。由式（33）可知，尿素商的設備投資成本與廠商的用電量有關，因此可以理解為：隨著尿素商的規模提升，自身的用電量上下限也會提高，尿素商可以向日前電力市場購買更多的電以滿足自身的生產需求。隨著尿素商的規模不斷擴大，碳排放量和在用戶側所得收益如圖7和圖8所示。由圖7可知，隨著尿素商的生產規模不斷擴大，碳減排水平進一步提升，這是因為隨著尿素商規模的提高，自身邊際收入提高，為了獲得更高的收人，尿素商會購買更多的電量完成生產，由2.2可知，尿素商消耗的電量越多，產品產出量越大，碳吸收量也就越多，從而碳減排量越高。而由圖8可知，隨著尿素商的生產規模不斷增加，尿素商的收益會不斷增加。此外，其他用戶所需購電成本隨尿素商的生產規模增加而下降，這是因為尿素商競爭購電提高，其他用戶競爭購電降低。

3.2.2 碳價變動產生的影響

對碳價在原先的場景上提升30元/t并計算出市場出清結果和各廠商的收益及各用戶的成本，最終結果如圖9、10所示，對于傳統火力發電商，碳價的提升會導致邊際發電成本提高，火電為了獲取最優收益，必然會提高競價，減少發電量，從而影響市場出清電價；對于可再生能源發電商，碳價的提升會導致自身邊際成本降低，高碳排放的火力發電商為了保證充足的發電計劃，提高競價，因此市場出清電價隨著碳價的增長而增加，這將增加普通用戶的購電成本。但值得注意的是，碳價的提升對高碳捕集覆蓋率的火電商以及尿素商這一碳利用型用戶收益具有正向作用，這是因為碳價的增長所帶來的邊際收益大于總邊際成本，發（購）電量提高，對于尿素商，碳吸收量增加。碳價的增長會抑制碳排放，一是限制了火力發電商的發電計劃，二是鼓勵以尿素商為代表的碳吸收型用戶實現碳的二次利用。

3.2.3 綠證比例變動產生的影響

由圖11、12可知，當其他參數不變，只增加綠證比例時，火力發電商的綠證需求量提高，購買綠證成本提高，而可再生能源發電商的綠證收益提高。火力發電商在日前電力市場的優勢減弱，可再生能源發電商的競爭優勢增強。當綠證比例為0.08時，提高綠證比例將導致發電商的收入降低，因為當綠證比例低于0.1時，可再生能源發電商的綠證數量尚未達到上限。當綠證比例從0.08上升到0.1時，可再生能源發電商的綠證數量達到上限，此時綠證比例的增加會減少可再生能源發電商的邊際綠證收入，此時可再生能源發電商的申報價格會降低。因此在最后的市場出清階段，市場平均價格下降。此時火力發電商獲得更多的發電份額，總碳排放量有所波動。對于綠色尿素商來說，綠證比例的增加也意味著購買自己的綠證的成本增加，對自己購買電力的需求降低，從而導致尿素生產量減少。

將免費碳配額在原有情景上降低 5% ，各市場參與者收益、平均價格、總碳排放量、尿素生產量變化如圖13、14所示，隨著免費碳配額的降低，可再生能源發電商的收益增加，火電商的收益降低，這是因為隨著免費碳配額的降低，火電商的碳排放權需求緊縮，碳交易成本增加，火電商在日前電力市場的競爭優勢降低，進而提高了可再生能源發電商的競爭優勢，出清價格提高，碳排放量降低。由于出清價格的提高影響了用戶的購電成本，尿素商的總體收益減小，尿素生產量降低。因此免費碳配額收緊是以破壞高碳捕集火力發電商和潛在碳減排用戶的利益為代價的降低碳排放手段。

4結論

本文綜合考慮發電商與用戶側共同參與電力市場交易機制，消費側重點考慮綠色尿素商購電策略，考慮電、碳、綠證市場耦合機制對市場交易結果產生的影響，建立雙層目標優化模型，上層模型采用NSGA-Ⅱ算法求解，下層模型利用商業求解器求解，最后，通過算例分析了尿素商規模、碳價、綠證比例以及免費碳配額對市場交易結果產生的影響。主要結論如下：

（1）算例表明擴大碳交易市場在其他行業的應用范圍可以有效促進技術的進步并刺激社會總產量的提高。這有助于提升能源利用效率，并對碳減排帶來協同效應，進一步提升碳減排量。因此，政府可以完善碳交易政策，對具有碳減排甚至負排放的市場參與者可在碳市場賣出剩余或自生的碳排放權來提高市場供給，通過市場機制為工業碳減排技術的發展注人活力。

（2）碳、綠證市場交易機制的相互作用對工業總產量帶來復雜的影響。碳價的增加對可再生能源發電商、高碳捕集火力發電商、綠色尿素商的激勵作用提高，對傳統火電商的要求更為嚴格。提高碳價對于具有碳減排潛力的行業來說具有抵消成本，激勵減碳增產的作用。因此政府可以完善碳交易機制，通過制定相應的碳價實現碳減排企業的產量目標并維持企業發展

（3）綠證比例的增加和免費碳配額的縮減分別從增加綠證成本和增加市場最終出清電價的角度為消費側增加了購電成本。盡管對電力系統的碳減排以及可再生能源行業發展具有正向效果，但這會破壞碳減排用戶的利益，導致綠色尿素商的最終尿素產量減少。因此下一步的研究重點是如何引導碳減排工業部門消納可再生能源以促進可再生能源技術與工業產能共同提升。

參考文獻

[1]Desa UN.World Population Prospects 2O19：Highlights[R].NewYork（US）：United Nations Department for Economic and Social Af-fairs，2019.

[2]Yuan T，Voznyy O.Guidelines for Reliable Urea Detection inElectrocatalysis[J].Cell Reports Physical Science，2023，4（8）：101521.

[3]LiD，XuN，Zhao Y，etal．AReliable and Precise Protocol forUrea Quantification in Photo/electrocatalysis [J].Small Methods，2022，6 （9）：2200561.

[4]MengN，HuangY，LiuY，etal.Electrosynthesis of Urea fromNitrite and CO 2 Over Oxygen Vacancy-rich ZnO Porous Nanoshee-ts[J].Cell Reports Physical Science，2021，2（3）：100378.

[5]SaravanakumarD，Song J，Lee S，et al.Electrocatalytic Con-version of CarbonDioxide andNitrate Ions toUreabya TitaniaNafion Composite Electrode[J].ChemSusChem，2017，10（20）：3999～4003.

[6]Feng S，Zhang X.An Electricity-carbon Joint Market OptimizationModel for Coal-fired Power System Under China's“Dual-carbon”Target[J].Journal of Cleaner Production，2023，423：138746.

[7]LiuLL，FengTT，KongJJ.CanCarbon Trading Policy andLocal Public Expenditures Synergize to Promote Carbon EmissionReduction in the Power Industry？[J].Resources，Conservationand Recycling，2023，188：106659.

[8]Wang HR，Feng TT，ZhongC.Effectiveness of CO2 Cost Pass-through to Electricity Prices Under“Electricity-carbon”MarketCoupling in China[J].Energy，2023，266：126387.

[9]Song X，Wang P.Effectiveness of Carbon Emissions Trading andRenewable EnergyPortfolio Standardsin the Chinese Provincialand Coupled ElectricityMarkets[J].UtilitiesPolicy，2O23，84：101622.

[10]JiangH，WangJ，Yu S，etal．ExploringGlobal CarbonMar-ketLink Mechanism：Efficiency Evaluation in the Context of Car-bon Neutrality[J]．Journal of Cleaner Production，2023，420：138474.

[11］松楠.實現“雙碳”目標亟需完善綠證交易機制[J]．中國電力企業管理，2022，（19）：60～62.

「12］朱炳成歐家新“雙碳”目標下我國綠色由力證書交易制25（5）：29～45.

[13]ZhangF，LiY，LiF，etal．Decision-makingBehaviorofPower Suppliers in the Green Certificate Market：A System Dy-namics Analysis[J].Energy Policy，2022，171：113296.

[14］王建輝，包廣清，張安安，等．風險管控下計及綠色證書交易的光伏-氫多主體合作運行方法［J].電力自動化設備，2023，43（12）：248～256.

［15］陳明健，陳勝，王異成，等．考慮氫能綠證的電-氫綜合能源系統機會約束優化調度［J]．電力自動化設備，2023，43（12）：206～213.

[16]Xu S，Xu Q. Optimal Pricing Decision of Tradable Green Certifi-cate for Renewable Energy Power Based on Carbon-electricity Cou-pling［J].Journal of Cleaner Production，2023，410：13711.

［17］詹博淳，馮昌森，尚楠，等．發電聯盟參與電-碳-綠證市場的協同優化策略［J]．電力系統及其自動化學報，2023，35（11）：84～94.

[18]WangY，Wu X，Liu M，et al.Bidding Strategy of the VirtualPower Plant Considering Green Certificates and Carbon Trading[J].Energy Reports，2023，6：73～84.

［19］梁澤琪，周云，馮冬涵，等.考慮電碳綠證市場耦合的園區綜合能源系統日前優化調度[J]．電力建設，2023，44（12）：43～53.

［20］王江磊，樊小朝，史瑞靜，等．碳交易與綜合需求響應下的微能源網優化調度[J]．電氣傳動，2023，53（7）：39～48.

[21]Edrisi A，Mansoori Z，Dabir B. Urea Synthesis Using ChemicalLooping Process—Techno-economic Evaluation of a Novel PlantConfiguration foraGreen Production[J].International JournalofGreenhouseGas Control，2016，44：42～51.

[22]Masjedi S K，Kazemi A，Moeinnadini M ，et al.Urea Produc-tion：An Absolute Environmental Sustainability Assessment [J].Sci Total Environ，2024，908：168225.

[23]Mao C，Byun J，MacLeod HW，et al.Green Urea Productionfor SustainableAgriculture[J].Joule，2024，8（5）：1224～1238.

[24]Matthew JP，Prodromos D. Techno-economic Optimization ofRenewable Urea Production for Sustainable Agriculture and CO 2 Utilization[J].Journal of Physics：Energy，2024，6（1）：015013.

[25］陳巍，江岳文．耦合碳-綠證-消納量市場的日前電量市場交易交互式優化[J]．電網技術，2024，48（5）：1967～1979.

[26]葉海，楊蘋，王雨．基于改進CVaR的售電公司電力現貨日前申報優化策略[J]．電力建設，2024，45（5）：131～140.

[27］車兵，李軒，鄭建勇，等.基于LHS與BR的風電出力場景分析研究[J]．電力工程技術，2020，39（6）：213～219.

[28]Ben Ameur H，Ftiti Z，Louhichi W，etal.Do Green Invest-ments Improve Portfolio Diversification？ Evidence from Mean Con-ditionalValue-at-risk Optimization[J].International ReviewofFinancial Analysis，2024，94：103255.

[29]ShayganM，EhyaeiMA，AhmadiA，etal.Energy，ExergyAdvanced Exergy and Economic Analyses of Hybrid Polymer Elec-trolyte Membrane（PEM）Fuel Celland Photovoltaic Cells to Pro-duceHydrogenand Electricity［J].Journal ofCleanerProduc-tion，2019，234：1082～1093.

[30]Cheng M，Verma P，Yang Z，etal.Flexible Cryogenic Air Sepa-rationUnit——AnApplicationforLow-carbonFossil-fuelPlants[J].Separationand Purification Technology，2022，302：122086.

[31]KumarB，DasPC.Manufacture ofUrea[D].National Insti-tuteof TechnologyRourkela，2007.

[32]ZareV，PalidehV.Employing ThermoelectricGenerator forPowerGeneration Enhancementin a Kalina Cycle Driven byLow-grade Geo-thermal Energy[J].Applied Thermal Engineering，2018，130：418～428.

[33]HabibollahzadeA，GholamianE，AhmadiP，etal.Multi-cri-teriaOptimizationofan Integrated EnergySystemwith Thermoe-lectricGenerator，Parabolic Trough Solar Collector and Electroly-sisforHydrogenProduction[J].International JournalofHydro-genEnergy，2018，43（31）：14140～14157.

[34]ZareV，MoalemianA.ParabolicTroughSolarCollectorsInte-gratedwith aKalina Cycle forHigh TemperatureApplications：Energy，Exergyand Economic Analyses[J].Energy Conversionand Management，2017，151：681～692.

[35]Skorek-OsikowskaA，BartelaL，Kotowicz J.AComparativeThermodynamic，Economic and Risk Analysis ConcerningImple-mentationofOxy-combustionPowerPlants Integrated with Cryo-genicand Hybrid Air Separation Units [J].Energy Conversionand Management，2015，92：421～430.

[36]TafoneA，Dal Magro F，Romagnoli A.Integratingan OxygenEnriched Wasteto Energy Plantwith Cryogenic Engines and AirSeparationUnit：Technical，EconomicandEnvironmental Analy-sis[J].Applied Energy，2018，231：423～432.

[37］張斌，施惟，徐新宇，等.基于NSGA-I的新型混合電力系統優化規劃方法[J]．自動化與儀器儀表，2023，（8）：75～78.

[38]孫斌，王迪.基于改進NSGA2算法的電力系統經濟調度優化[J].機電工程技術，2024，53（3）：258～263.

[Abstract]Establishingcarbon emissiontrading marketsand greencertificate markets isanimportantstrategyforChina toachieveits“dualcarbon”goals.However，existingresearch mostlyanalyzesmarketcoupling relationshipsfromtheeconomicperspectiveofpowergenerators，ignoringthesituationofusersenteringthecarbonmarket.Inresponsetothisdeficiency，itiscnsideredthatureasuppliersare manufacturersthatusecarbondioxideasaproductionfactor，andtheimpactofparticipating inthe marketasusers.Aduallayeroptimizationmodelforurea producers toparticipateinthecarboncertification market wasproposed，introducingadecision-making mechanismforuserparticipationinthecarbon market.Fromtheperspectivesof profitandcarbonreduction，theimpactofurea merchants asa special useronmarket decision-making wasstudied.Theresults indicatethat theparticipation of urea producers in the carbon certification market can generate a “ 1+1gt;2 ”effect. The participation of urea producers inthecarbomarketcansignificantlyiproveteoveralleficiencyofthecoupledmarket.Increasingtheproportionofgreencertificates and reducing carbon quotas will decrease the production of urea producers.

[Key words]electricity market；carbon trading；green certificate trading；dual levelobjectiveoptimization；urea production；non cooperative game；market coupling；non-dominated sorting genetic algorithm

[Jelclassification]L94；D23（責任編輯：張舒逸）