Abstract Deep exploration of user-side flexibility resources is crucial for large-scale renewable energy consumption. This paper proposed a typical integrated energy system (IES) that comprehensively includes wind power, photovoltaic, thermal power, combined heat and power, hybrid energy storage, and flexible load and constructed the system’s unified power flow model based on the heat current method. On this basis, the regulation capabilities of different typical industrial and residential flexible loads were considered the symmetrical source-type load, which can transfer load and align user demand with the peaks and valleys of renewable energy generation, thus achieving power-energy decoupling. This contributes effectively to renewable energy accommodation capacity when the total electrical energy consumption remains constant. In both typical industrial and residential load scenarios, flexible load reduces integrated costs, increases renewable energy consumption, lowers peak thermal power generation, and decreases the requirement for a battery energy storage system (BESS). Besides, on typical industrial and residential load days, smoothing thermal power generation necessitates 12% and 18% flexible load, respectively, while replacing BESS requires 18% and 23% flexible load, respectively. Therefore, we can obtain the feasible operation ranges of symmetrical source-type load and provide suggestions for configuration capacity design of demand response in integrated energy systems.

Abstract Formulating tailored emission reduction policies for each Chinese province is crucial due to regional differences in carbon emission evolution patterns. This paper proposes a novel and comprehensive research framework that integrates data envelopment analysis (DEA), Tobit regression, and system dynamics (SD) model to analyze the influence factors and evaluate provincial emission reduction policies while considering regional differences. The DEA method assesses each province's development resource allocation and carbon emission efficiency. Based on the DEA results, each provinces’ key emission influencing factors can be derived combining with Tobit regression and sensitivity analysis of SD. Policies are then selected based on these factors to gauge their effectiveness. SD method is used to simulate carbon emissions under different policy scenarios in the future. The analysis results present obvious differences in resource allocation and regional characteristics among provinces. Qinghai's emission reduction potential has been preliminarily explored as an example. Energy structure, industry structure, energy intensity, forest coverage, and R&D input intensity are its main influencing factors for carbon emission. The forest carbon sink plays a significant role. The emission reduction of the integrated scenario is not a linear sum of all other scenarios. To ensure the completion of the neutralization goal, further adjustments to the long-term policy and extra measures are needed.