Carbon-aware Market Participation for Building Energy Management Systems

📄 arXiv: 2603.08654v1 📥 PDF

作者: Young-ho Cho, Mohamad Chehade, Fatima Al-Janahi, Sol Lim, Javad Mohammadi, Hao Zhu

分类: eess.SY

发布日期: 2026-03-09

💡 一句话要点

提出碳感知能源管理系统，优化建筑能源使用并降低碳排放

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 碳感知能源管理 模型预测控制 混合整数线性规划 Transformer预测 电力市场 碳排放 建筑节能

📋 核心要点

  1. 传统能源管理系统主要关注经济性，忽略了环境影响，无法有效支持电力系统脱碳。
  2. 提出碳感知能源管理系统(CAEMS)，通过集成碳强度信号，协同优化能源使用，参与电力市场。
  3. 实验结果表明，CAEMS在适度碳价格下，显著降低碳排放，同时成本增加可控。

📝 摘要（中文）

为了应对气候变化，电力系统需要快速且深度地脱碳。能源管理系统(EMS)在这一转变中扮演着核心角色，但传统的EMS主要关注经济效率，往往忽略了运营决策对环境的影响。本文提出了一种统一的、实时的建筑级碳感知EMS(CAEMS)，它能够在单个集成框架内同时协同优化电网进口、储能和灵活需求。我们构建了一个混合整数线性规划(MILP)模型，该模型将时变边际碳强度信号直接集成到EMS目标中，以便协调参与日前(DA)和实时(RT)市场。为了放宽完美预测的不现实假设，我们结合了一个由基于Transformer的预测器驱动的模型预测控制(MPC)扩展，该预测器联合预测电价和碳强度。所提出的CAEMS使用来自PJM电力市场的真实数据进行了验证。仿真结果表明，适度的碳价格可以实现22.5%的排放量减少，而成本仅增加1.7%。

🔬 方法详解

问题定义：现有建筑能源管理系统主要关注经济效益，缺乏对碳排放的考虑，无法有效支持电网脱碳。痛点在于无法根据实时碳排放信号动态调整能源使用策略，从而降低碳排放。

核心思路：核心在于将碳排放成本纳入能源管理系统的优化目标中，通过引入时变的边际碳强度信号，引导系统在碳排放较低的时间段使用更多能源，从而降低整体碳排放。同时，利用模型预测控制(MPC)和Transformer预测器，应对不确定性，提高系统的鲁棒性。

技术框架：整体框架包含以下几个主要模块：1) 数据输入模块：接收电价、碳强度等实时数据；2) Transformer预测模块：预测未来电价和碳强度；3) 混合整数线性规划(MILP)优化模块：基于预测数据和碳排放成本，优化电网进口、储能和灵活需求；4) 模型预测控制(MPC)模块：根据实际情况调整优化策略。

关键创新：最重要的创新点在于将碳强度信号直接集成到能源管理系统的优化目标中，实现碳感知的能源管理。此外，使用Transformer预测器来提高预测精度，并结合MPC来处理不确定性，也是关键创新。

关键设计：MILP模型的目标函数包含能源成本和碳排放成本两部分，通过调整碳价格来控制碳排放量。Transformer预测器采用标准的Transformer架构，并针对电价和碳强度预测进行了优化。MPC的滚动优化窗口和控制步长需要根据实际应用场景进行调整。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

使用PJM电力市场的真实数据进行仿真，结果表明，在适度的碳价格下，所提出的CAEMS能够实现22.5%的碳排放量减少，而成本仅增加1.7%。这表明该方法在降低碳排放的同时，能够保持较好的经济性。

🎯 应用场景

该研究成果可应用于智能建筑、微电网等场景，通过优化能源使用策略，降低碳排放，提高能源利用效率。有助于推动电力系统脱碳，实现可持续发展目标。未来可扩展到更大规模的区域能源管理系统，实现更广泛的碳减排。

📄 摘要（原文）

Tackling climate change requires the rapid and deep decarbonization of electric power systems. While energy management systems (EMSs) play a central role in this transition, conventional EMSs focus mainly on economic efficiency and often overlook the environmental impact of operational decisions. To address this gap, this paper proposes a unified, real-time building-level carbon-aware EMS (CAEMS) capable of simultaneously co-optimizing grid imports, energy storage, and flexible demand within a single integrated framework. We formulate a mixed-integer linear program (MILP) model that directly integrates time-varying marginal carbon intensity signals into the EMS objective for coordinated participation in both day-ahead (DA) and real-time (RT) markets. To relax the unrealistic assumption of perfect foresight, we incorporate a model predictive control (MPC) extension driven by a Transformer-based forecaster that jointly predicts electricity prices and carbon intensity. The proposed CAEMS is validated using real-world data from the PJM electricity market. Simulation results demonstrate that modest carbon prices can achieve a significant 22.5% reduction in emissions with only a 1.7% increase in cost.