基于智能体模型优化分散式电力市场的碳税
系统与控制
2020-06-03 v1 人工智能
机器学习
系统与控制
摘要
避免人为气候变化的影响需要从化石燃料向低碳技术转型。实现这一目标的一种途径是使电网脱碳。然而，要在交通和供暖等其他领域实现完全脱碳还需付出进一步努力。这将减少发电产生的碳排放，并通过提供低碳替代方案助力汽车和供暖等其他来源的脱碳。碳税已被证明是助力这一转型的有效途径。在本文中，我们展示了如何利用遗传算法方法，借助电力市场基于智能体的模型 ElecSim 来寻找最优碳税政策。为此，我们使用 NSGA-II 遗传算法来最小化平均电价和电力结构的相对碳强度。我们证明，可以找到一系列适合不同目标的碳税。我们的结果表明，在每种情况下，我们都能将电力成本降至 \textsterling10/MWh 以下，并将碳强度降至零。在最优碳税策略方面，我们发现 2020 年至 2035 年间递增的策略更优。每条帕累托前沿最优税收策略在每年都至少高于 \textsterling81/tCO2。平均碳税策略为 \textsterling240/tCO2。
引用
@article{arxiv.2006.01601,
title = {Optimizing carbon tax for decentralized electricity markets using an agent-based model},
author = {Alexander J. M. Kell and A. Stephen McGough and Matthew Forshaw},
journal= {arXiv preprint arXiv:2006.01601},
year = {2020}
}
备注
Accepted at The Eleventh ACM International Conference on Future Energy Systems (e-Energy'20) AMLIES Workshop