碳排放流轨：快速算法与加州电网研究

电力系统脱碳是清洁能源转型的焦点。尽管系统运营商和电力公司日益公开系统层面的碳排放信息，但各发电单位排放如何通过电网传输，以及如何影响特定地点的电力用户仍不清晰。本文提出了一种新颖且计算效率高的ethods，用于精确量化节点平均碳排放率和边际碳排放率，可应用于AC和DC最优潮流问题。该方法利用图论拓扑排序和有向环消除技术，应用于由发电调度和最优潮流解构成的有向图。我们提出的算法高效识别每个发电单位对每个节点的贡献，捕捉排放在不同系统条件下的空间分布。为验证其有效性并揭示实际世界中地点和时间上的排放模式，我们使用实际CAISO数据和CATS模型模拟了8,870节点真实的加州电网。基于年长小时数据中的节点负荷和可再生能源发电（来自或估计自CAISO公开数据），该方法准确估计了电力潮流条件、发电构成和系统范围内排放，并为加州每个县提供细粒度时空排放分析。我们的算法和加州研究均已开源，为未来电网排放、规划、运营和能源政策研究奠定了基础。