Carbon Emission Flow Tracing: Fast Algorithm and California Grid Study
作者: Yuqing Shen, Yuanyuan Shi, Daniel Kirschen, Yize Chen
分类: eess.SY
发布日期: 2025-07-24 (更新: 2025-09-08)
备注: In Submission, 16 pages, 12 figures, code available at https://github.com/yuqing5/Carbon-Tracker-California
💡 一句话要点
提出一种快速碳排放流追踪算法，用于量化电力系统节点碳排放率，并应用于加州电网研究。
🎯 匹配领域: 支柱八：物理动画 (Physics-based Animation)
关键词: 碳排放追踪 电力系统 最优潮流 图论 拓扑排序
📋 核心要点
- 电力系统脱碳是清洁能源转型的核心，但发电机的排放如何在电网中传输并影响特定位置的电力用户尚不清楚。
- 论文提出了一种基于图论的碳排放流追踪算法，通过拓扑排序和有向环去除技术，高效地量化节点平均和边际碳排放率。
- 通过模拟加州电网，验证了算法的有效性，并揭示了加州各县的时空排放模式，相关算法和数据已开源。
📝 摘要（中文）
本文提出了一种新颖且计算高效的方法，用于精确量化节点平均和边际碳排放率，适用于交流和直流最优潮流问题。该方法利用基于图的拓扑排序和有向环去除技术，应用于由发电调度和最优潮流解形成的 directed graphs。我们提出的算法有效地识别了每个发电机对每个节点的贡献，捕捉了排放如何在不同系统条件下空间分布。为了验证其有效性并揭示真实世界中的位置和时间排放模式，我们使用实际 CAISO 数据和 CATS 模型模拟了 8,870 节点加州电网。基于从 CAISO 公开数据获得或估计的全年每小时节点负荷和可再生能源发电数据，我们的方法准确地估计了潮流条件、发电组合和全系统排放，并为每个加州县提供了细粒度的时空排放分析。我们的算法和加州研究都是开源的，为未来电网排放、规划、运营和能源政策的研究奠定了基础。
🔬 方法详解
问题定义：论文旨在解决电力系统中碳排放来源追踪的问题，即如何确定每个发电机对电网中特定节点的碳排放贡献。现有方法可能计算效率低，难以处理大规模电网，或者无法准确捕捉排放的空间分布特征。
核心思路：论文的核心思路是将电力系统建模为有向图，其中节点代表电力节点，边代表电力传输线路。通过分析发电调度和最优潮流解，确定电力流动的方向和大小，从而追踪碳排放的流动路径。利用图论中的拓扑排序和有向环去除技术，可以高效地计算每个发电机对每个节点的碳排放贡献。
技术框架：该方法主要包含以下几个阶段：1) 构建电力系统有向图，节点表示电力节点，边表示电力传输线路，边的权重表示电力潮流；2) 利用最优潮流（OPF）计算电力潮流分布；3) 应用拓扑排序算法消除图中的环路，确保碳排放追踪的准确性；4) 基于电力潮流和拓扑排序结果，计算每个发电机对每个节点的碳排放贡献。
关键创新：该方法最重要的创新点在于利用图论中的拓扑排序和有向环去除技术，实现了碳排放流的快速和精确追踪。与传统方法相比，该方法计算效率更高，能够处理大规模电网，并且能够准确捕捉排放的空间分布特征。
关键设计：算法的关键设计包括：1) 如何有效地构建电力系统有向图，准确反映电力潮流；2) 如何选择合适的拓扑排序算法，确保计算效率；3) 如何处理有向环，避免循环依赖，保证碳排放追踪的准确性。论文中使用了实际的CAISO数据和CATS模型进行验证，保证了算法的实用性。
🖼️ 关键图片
📊 实验亮点
论文使用实际的加州电网数据（8,870节点）进行了实验，验证了算法的有效性和效率。实验结果表明，该方法能够准确估计潮流条件、发电组合和全系统排放，并为每个加州县提供了细粒度的时空排放分析。算法和加州研究的数据集均已开源。
🎯 应用场景
该研究成果可应用于电力系统规划、运行和能源政策制定。例如，可以帮助电力公司优化发电调度，降低碳排放；可以为政府制定更有效的碳排放政策提供数据支持；还可以帮助用户了解其用电的碳排放来源，从而做出更环保的选择。该方法为精细化碳排放管理提供了技术支撑。
📄 摘要（原文）
Power systems decarbonization are at the focal point of the clean energy transition. While system operators and utility companies increasingly publicize system-level carbon emission information, it remains unclear how emissions from individual generators are transported through the grid and how they impact electricity users at specific locations. This paper presents a novel and computationally efficient approach for exact quantification of nodal average and marginal carbon emission rates, applicable to both AC and DC optimal power flow problems. The approach leverages graph-based topological sorting and directed cycle removal techniques, applied to directed graphs formed by generation dispatch and optimal power flow solutions. Our proposed algorithm efficiently identifies each generator's contribution to each node, capturing how emissions are spatially distributed under varying system conditions. To validate its effectiveness and reveal locational and temporal emission patterns in the real world, we simulate the 8,870-bus realistic California grid using actual CAISO data and the CATS model. Based on year long hourly data on nodal loads and renewable generation, obtained or estimated from CAISO public data, our method accurately estimates power flow conditions, generation mixes, and systemwide emissions, and delivers fine grained spatiotemporal emission analysis for every California county. Both our algorithm and the California study are open-sourced, providing a foundation for future research on grid emissions, planning, operations, and energy policy.