方 程， 许彦斌， 张凯琳， 曾 鸣
(华北电力大学 经济与管理学院，北京 102206)
近年来,随着可再生能源的发展,风电、光伏等可再生能源在中国的规模的正迅速扩大。但可再生能源出力的波动性与不确定性始终阻碍其消纳,同时,中国电力负荷较大的峰谷差及市场机制的不完善,共同导致了多地严重的弃风、弃光。以风电为例,根据国家能源局发布的统计数据显示,2020年上半年中国风电风电整体利用水平提升,但弃风电量仍高居不下。并且长期以来,由于中国一直实行固定上网电价补贴机制,政府补贴资金缺口越来越大,出现了财政补贴危机。另一方面,2015年3月,中共中央、国务院印发《关于进一步深化电力体制改革的若干意见》[1],明确提出要“逐步建立以中长期交易规避风险,以现货市场发现交易品种齐全、功能完善的电力市场”。2019年5月,国家发改委发布《关于建立健全可再生能源电力消纳保障机制的通知》[2],明确可再生能源配额制的具体实施机制,指出要做好消纳责任权重与电力市场交易的衔接。目前我国正处于电力市场过渡时期,各级市场间缺乏联动性,未能完全利用风电资源。如果能构建有效的消纳策略使各级电力市场相互承接,将会削弱风电不确定性的影响,对风电的实时消纳起到积极作用。
在政策研究方面,文献[3]在总结分析配额制国际实践的基础上,采用微观经济学和制度经济学的相关理论,为配额制提供了一个科学的经济学解释,肯定了可再生能源配额制的价值。文献[4]基于中国可再生能源消纳面临的挑战,设计了基于配额制的国家可再生能源市场及其与省级日前市场的协调机制,以实现以配额制的方式激励可再生能源的需求与供给。
在风电消纳与交易策略方面,文献[5]通过使用Kernal密度估算风力发电和市场价格的不确定性,提出了一种风电优化招标的随机模型,其结果表明该模型可带来效率增益;文献[6]构建了基于纳什均衡的风火网三方非合作博弈模型,并建立了分散的点模式和链聚的网模式两种交易状态,结果表明政府对风电的补贴、风电场的发电成本和电网公司的平均发电成本不会影响三方博弈纳什均衡点的分布。文献[7]建立了包含风电置信度的机组组合优化模型,,研究了电力用户在日前市场中参与风电消纳的交易方式,结果表明所提方法可有效减少风电弃风电量;文献[8]基于挂牌交易机制,提出了一种发用电侧双向挂牌的竞价模式,通过优化两个交易阶段的成交顺序,提高了资源优化配置的效率。文献[9]研究了以促进风电消纳为目标的风电商—售电商供需互动市场机制构建框架,基于长期电能市场、现货电能市场、备用市场等市场化交易体系,讨论了在多市场购电决策层面,供需互动机制促进风电消纳的关键因素。文献[10]针对弃风问题, 提出了考虑发电集团主体协调的两阶段调度策略,建立了引入调峰补偿实现发电集团内部自调节、集团间辅助协调的风电消纳策略。文献[11]针对大规模风电不确定和波动性对电力系统调度的影响,提出了含大规模储能的双层风火协调调度模型,通过合理调度资源促进风电消纳;文献[12]提出了风电聚合模型,风力发电商通过多种风能源的聚合可以有效降低其不确定性,从而降低风能整合的成本。
以上研究工作主要针对单一市场下的风电交易策略,未考虑到当前时刻所做决策对未来交易的影响,忽略各级市场出清的相关性与市场间联动性对风电消纳的积极作用,并缺乏对可再生能源消纳责任权重制实施背景的考虑。
在国家不再对风电进行补贴的可再生能源消纳责任权重实施背景下,本文从多级市场间的联动出发,综合考虑中长期电力市场、日前市场、实时平衡市场和绿证(tradable green certificate,TGC)市场的特点及相关性,提出了一种促进风电消纳的多阶段优化策略,并构建了相应的交易模型。通过算例表明,该策略对提高风电的消纳率,提高发电商收益,推动清洁高效的能源体系发展具有积极意义。
1.1 风电多阶段协同交易机制设计
风电交易从时间维度可分为中长期电力交易、日前电力交易和实时电力交易,同时考虑可再生能源消纳责任权重的影响引入TGC交易。通过优化市场机制与加强市场间联动,以提高市场交易效率,促进风电消纳。基于市场间的协同联动建立的风电多阶段消纳策略,其示意图如图1所示。
图1 风电多阶段消纳策略图Fig. 1 Diagram of multi-stage wind power consumption strategy
风力发电商在中长期市场中根据风电的中长期出力预测签订合约,由电力交易中心进行逐级分解并在交割日前根据预测负荷情况行等电量顺负荷出清,确保无波动段优质风电的提前消纳。日前市场中,电力交易中心根据上一阶段的出清结果进行负荷修正,通过联合火电参与调峰的合作出清方式,解决风电出力与负荷不协调的问题,提高风电消纳[13,14]。实时平衡市场中,风力发电商首先与日前市场进行出力偏差结算[15],当风电仍有多余出力时,则进行单向挂牌交易出清,进一步提高风电消纳。TGC市场中,TGC的价格直接受供求关系的影响,风力发电商由古诺模型指导其出售TGC决策,以获取更多收益。
1.2 风电多阶段交易流程
本文所提的风电多阶段交易策略的交易流程如图2所示。
图2 风电多阶段交易流程图Fig. 2 Flow chart of wind power multi-stage transaction
市场成员数据包括负荷预测曲线、机组报价曲线、风电机组预测出力、火电机组爬坡能力、机组功率上下限、机组最大最小开停机等参数。出清结果包括各机组的发电计划、成交价格与风电剩余电量的统计。出清结果汇总后形成结算清单存档,并将交易结果反馈给各发电商。
本文设计的风电多阶段协同交易出清模型的结构关系如图3所示,符号含义见后文模型。
图3 交易模型关系图Fig. 3 Transaction model diagram
2.1 中长期市场合约交割模型M1
尽管风电在较长期预测上呈现极大不确定性,但基本在风电出力曲线的底部会形成一块持续稳定的出力区域,如图4所示。参考文献[16]的分段方法,将风电中长期预测出力误差带的下限作为参与中长期合约的交割电量,在交割日前,交易中心对风电平衡成本极低的高品质风电优先进行消纳出清[17]。
图4 风电品质分段示意图Fig. 4 Section diagram of wind power quality
交易中心在交割日前的调度出清以风电消纳量最大为目标函数：
(1)
约束条件为：
(2)
(3)
2.2 日前市场出清模型M2
图5 火电电厂调峰示意图Fig. 5 Schematic diagram of peak regulation in thermal power plant
考虑调峰的火电机组发电成本如下：
(5)
该出清模型以系统运行成本最小为目标函数：
(6)
约束条件为：
(7)
(8)
(9)
(10)
(11)
排种器是大蒜播种机的核心部件，其工作质量将直接影响大蒜播种的效率，因此有必要重点研究一下大蒜播种机的排种装置。本研究的目的是通过对蒜瓣外形特征参数进行测量并统计分析，研究设计了一种倾斜圆盘转勺式大蒜播种试验装置，并通过试验确定它的参数和结构形式，确定工作效果达到最优时，转速和取种盘倾斜角度的最佳组合。
2.3 实时平衡市场出清模型M3
在实时平衡市场中,风电预测的不确定性及波动性大幅降低,当风电实际可出力大于日前市场出清电量时,进行单向挂牌交易。该模型以最小化可竞部分负荷量的购电费用为目标函数。
(12)
约束条件有：
(13)
(14)
(15)
(16)
2.4 绿证市场交易模型M4
绿证作为考核可再生能源消纳量的重要依据,是配额制下的风电参与电力市场的补充。TGC市场价格建立在以交易量为基础的古诺模型上[21],价格根据古诺模型计算为
(17)
式中：αTGC、βTGC分别为古诺模型逆价格函数的截距与系数,通过TGC市场参数计算可得。
(18)
(19)
(20)
TGC价格和交易量之间的关系如图6所示。
图6 TGC价格与数量关系图Fig. 6 Diagram of relationship between TGC price and trading volume
(21)
风电机组在绿证市场的收益包括立刻交易的即时收益和未来交易的预期收益。
约束条件为风电机组可交易绿证的约束,φ为可再生电力转换绿证系数。
(22)
算例通过对比分析多级市场协同交易策略下的出清结果、风电消纳比例结果,验证本文所设计策略与模型的有效合理性。该模型是一个非线性模型,故利用强对偶定理和二值展开法对目标函数中的二次函数以及约束条件中的机组最小开机和最小机时间约束等非线性因素进行线性化处理,最终转化为混合整数线性模型[22,23],应用商业软件CPLEX建模求解上述混合整数规划问题。
3.1 算例基础数据
图7 某地区日前负荷和风电场预测日出力曲线Fig. 7 Curve of day-ahead load and forecast output of wind farm in an area
3.2 风电未参与多级市场出清结果
在风电未参与多级市场交易,风电厂与火电厂仅通过日前市场参与市场交易的情况下,以系统运行成本最低为目标函数,求解得发电厂日出力计划图8所示,风电的消纳情况如图9所示。
图8 发电厂日出力计划Fig. 8 Daily output schedule for power plant
图9 风电消纳情况Fig. 9 Wind power consumption
对比上图可见,考虑到风电功率存在的预测误差和风电具有的波动性,为确保电力系统安全性,波动性强的风电不确定出力只能弃掉,以确保电力系统安全稳定,且由于风电自身具有反调峰性,为保障系统负荷平衡,在7～8时间段,受火电机组最小启停时间及最小出力限制,仅能下调少量技术出力,同样在18时,受火电机组爬坡率的影响,火电厂所提供的调旋转备用有限,致使负荷低谷期出现风电消纳困难的现象。
3.3 风电参与多级市场出清结果
(1)M1出清情况
中长期合约在交割日前的交割电量通过上述模型求解结果如表1所示,修正后的日负荷曲线如图10所示。在该阶段中,风电按顺负荷曲线出力,承担了其追踪负荷的责任,不需要其他常规电源平衡,并网成本为零,修正前后的日负荷曲线变化趋势一致。
表1 各风电厂M1阶段出清结果Tab.1 Clearing results at M1 stage in each wind power plant
图10 修正后的日负荷曲线图Fig. 10 Curve of Revised daily load
(2)M2出清情况
在日前市场中,考虑火电参与调峰前后火电厂各项运行成本和利润以及风电厂利润的变化情况,如表2,出力情况如图11所示。
表2 考虑调峰主动性后各参与方经济参数对比结果Tab.2 Comparison results of economic parameters of each participant considering the peak-shaving initiative
图11 考虑调峰主动性前后各机组优化调度结果Fig. 11 Optimal scheduling results of each unit before and after peak-shaving initiative are considered
通过图11中的机组出力可以看出,优化前风电机组在3：00～8：00时段由于出力与负荷不协调,造成了大量风电的浪费,优化后G2在3：00～5：00时段运行在不投油深度调峰阶段,6：00～7：00时段运行在深度调峰状态,G3在7：00～8：00 时段运行在不投油深度调峰状态,通过火电机组的深度调峰,为风电机组的提供了更多的消纳空间,有效解决了风电在3：00～8：00时段出力与负荷不协调造成的资源浪费,同时根据表2结果表明火电机组的调峰补偿和节煤效益完全可以弥补机组深度调峰增加的额外运行成本和电量损失成本,促进了火电厂主动参与深度调峰的积极性与风电场进行深度调峰合作。同时,火电参与调峰后,风电消纳提高,风电场的售电收益始终大于其调峰分摊费用,风电厂积极参与调峰交易。
(3)M3出清情况
实时平衡市场中,假设系统存在2.5%以内的日负荷偏差电量,风电机组实际出力与预测出力一致,模型求解得实时平衡市场的挂牌出清结果如表3所示。进入实时平衡市场后,负荷预测以及风电预测由短期进入超短期,大大提高预测准确性,即风电波动性削弱,相比于风电整体直接进入现货市场交易,将波动性较强的风电电量过滤到最后的实时平衡市场中,可完成波动性强的风电消纳。
表3 实时平衡市场出清结果Tab.3 Balanced market clearing results in real time
(4)M4出清情况
根据双层模型求解结果显示,风电厂W1的最优决策为出售2 772个TGC,留存896个,预期绿证收益为101.08万元;风电厂W2的最优决策为出售2 490个TGC,留存805个,预期绿证收益为90.8万元。
(5)算例结果总结
由算例结果计算得到,在中长期市场、日前市场和实时平衡市场中的风电消纳率分别为18.71%、74.55%、5.33%,总计消纳率为98.59%,对比直接参与日前市场的90.16%的消纳率有显著提升。同时,风电参与多级市场协同交易后,发电商单位平均发电成本由149.41元/ MW·h降至143.26元/ MW·h,降低了6.15元/MW·h,而发电商的单位平均利润提高了6.96元/MW·h。在市场参与方面,本文设计的基于多级市场协同交易机制下的消纳策略增加了中长期市场、日前市场、实时平衡市场与TGC市场的联动性,提高风电商的在各级市场的参与度。在经济效益方面,通过高质量风电的提前消纳修正了日负荷,降低了电力并网成本;风电参与火电调峰的日前市场在提高风电消纳率并增加了双方的利润,同时,引入TGC市场,增加风电厂商利润空间。在社会环境方面,该策略提高了风电利用率,优化了资源配置,从而降低了电力生产成本,提升社会效益。
本文通过构建了多层次、多阶段的交易出清模型,提出了一种基于多级市场联动的风电消纳策略。为了评估该策略的有效性,综合建立了参与多级市场和不参与多级市场两种不同交易策略的对比算例,并应用CPLEX进行了模型求解。
建立的模型的主要研究结果如下：
中长期市场中,风电厂商在可信出力范围内与购电商提前签订合约,可确保风电稳定段的消纳,锁定部分售电收益,交割日前的顺负荷电量出清也可有效较低社会用电成本。
日前市场中,通过火电参与调峰,有效解决了风电出力与负荷不匹配的问题,风电厂提高上网电量的同时,增加了其经济收益与社会消纳量,火电厂也通过为风电并网提供辅助服务提高了经济效益。
在实时平衡市场中,风电预测准确性提高,通过建立基于单侧挂牌交易市场出清模型,将有利于优化风电的实时消纳。
TGC市场中,通过古诺模型模拟TGC价格与交易数量的关系,通过建立双层模型求解,将使风电厂的预期收益达到最大。
仿真结果表明,该交易策略可强化风电的市场参与度,有效促进风电消纳,并降低社会发电成本,增大社会福利,具有一定的应用价值,为未来电力市场的协同建设提供参考价值。未来可进一步研究其他清洁能源、储能等更多主体参与的多级电力市场联动策略。
猜你喜欢调峰出力风电新常态下电站锅炉深度调峰改造与调试实践中国特种设备安全(2022年3期)2022-07-08调峰保供型和普通型LNG接收站罐容计算煤气与热力(2021年5期)2021-07-22重庆市天然气调峰储气建设的分析煤气与热力(2021年2期)2021-03-19海上风电跃进隐忧能源(2018年6期)2018-08-01分散式风电破“局”能源(2018年6期)2018-08-01风电：弃风限电明显改善 海上风电如火如荼能源(2018年8期)2018-01-15关于宝鸡市天然气调峰问题的分析上海煤气(2016年1期)2016-05-09风电场有功出力的EEMD特性分析电测与仪表(2016年23期)2016-04-12重齿风电风能(2016年12期)2016-02-25要争做出力出彩的党员干部河南电力(2016年5期)2016-02-06