鐘嘉慶， 靳國臣， 張曉輝， 趙騰飛， 高會芳

(電力電子節(jié)能與傳動控制河北省重點實驗室， 燕山大學(xué)， 河北 秦皇島 066004)

計及碳交易成本及能效電廠的電源規(guī)劃模型

鐘嘉慶， 靳國臣， 張曉輝， 趙騰飛， 高會芳

(電力電子節(jié)能與傳動控制河北省重點實驗室， 燕山大學(xué)， 河北 秦皇島 066004)

在低碳經(jīng)濟背景下，新能源機組及碳交易機制的引入成為電力系統(tǒng)實現(xiàn)低碳減排重要的方法。同時，由于需求側(cè)資源在降低系統(tǒng)碳排放量和增加系統(tǒng)可靠性方面有較大潛力，為此，將需求側(cè)的能效電廠加入到規(guī)劃方案中，建立了包含系統(tǒng)經(jīng)濟性及可靠性的低碳電源規(guī)劃模型，目標函數(shù)中計及了機組建設(shè)成本、能效電廠建設(shè)成本、機組運行成本、碳交易成本，并將可靠性約束條件加入到模型中。采用離散細菌群體趨藥性算法對所建模型進行求解，對兩種電源規(guī)劃模型進行了對比，并在不同碳排放限額、不同電量不足期望值限額兩種情況下進行了靈敏度分析，仿真結(jié)果驗證了模型和算法的有效性。

電源規(guī)劃； 能效電廠； 新能源機組； 可靠性； 離散細菌群體趨藥性算法

1 引言

21世紀人類面臨著煤、天然氣等一次能源的枯竭和嚴峻的環(huán)保問題，為了應(yīng)對這些問題，我國將大力發(fā)展以風能、太陽能為代表的新能源發(fā)電，同時制定了一系列減排機制來協(xié)調(diào)經(jīng)濟發(fā)展與環(huán)境問題之間的矛盾，并力爭在2020年實現(xiàn)單位國內(nèi)生產(chǎn)總值的碳排放量較2005年下降40%～50%。近期我國又提出到2020年、2030年及2050年新能源發(fā)電量占比分別為32%、42%及58%的設(shè)想。碳交易就是在低碳經(jīng)濟目標的前提下提出的一種交易機制，碳交易機制能有效降低CO2的排放量，提升CO2的排放效率[1]。目前，一些學(xué)者將碳交易機制應(yīng)用于電源規(guī)劃中，對電源結(jié)構(gòu)的優(yōu)化配置起到了一定作用。文獻[2]引入碳交易過程，以排放績效標準分配初始碳配額，建立了收益最大的風電場容量規(guī)劃模型。文獻[3]以碳排放權(quán)的買入和賣出差額，建立了含碳交易成本的低碳電源規(guī)劃模型。文獻[4]將碳交易費用、碳排放超過排放軌跡額度的費用、低碳電力費用加入到目標函數(shù)中，以CO2限額為約束條件，從而反映了不同減排模式下電源規(guī)劃成本。

新能源發(fā)電雖然帶來了較高的低碳經(jīng)濟效益，但同時以風能和太陽能為主的新能源的出力具有間歇性、不確定性等特點，隨著其規(guī)模的不斷擴大給系統(tǒng)的可靠性帶來了嚴重的影響[5]。如何協(xié)調(diào)間歇性電源建設(shè)方案的經(jīng)濟性與可靠性成為了電源規(guī)劃急需解決的問題。文獻[6]考慮到風電、光伏、沼氣發(fā)電在時間上具有較強的互補特性，提出了聯(lián)合規(guī)劃建設(shè)來彌補含風電、光伏規(guī)劃方案可靠性差的缺陷。文獻[7]針對風電出力的間歇性，提出了基于機會約束的含風電機組的規(guī)劃模型，給出了不確定環(huán)境下單臺風電機組年出力計算公式。文獻[8]以含風電的源網(wǎng)協(xié)調(diào)規(guī)劃的可靠性為優(yōu)化變量，并建立了虛擬機組模型來分析對電網(wǎng)規(guī)劃的影響，最后用真實機組代替虛擬機組，完成了源網(wǎng)的協(xié)調(diào)規(guī)劃建設(shè)。文獻[9]根據(jù)風電的出力特性，確定了調(diào)節(jié)機組容量，建立了以風電出力不確定性為約束條件和調(diào)節(jié)機組成本、電網(wǎng)建設(shè)成本最小的協(xié)調(diào)規(guī)劃模型。文獻[5-9]針對間歇性電源出力不確定性給系統(tǒng)可靠性帶來的影響建立了不同的模型，雖然取得了一定的成果，但僅限于從供應(yīng)側(cè)資源進行調(diào)整，缺乏考慮需求側(cè)資源的作用。

電力需求側(cè)管理(Demand Side Management，DSM)在國家能源戰(zhàn)略中占有重要地位，將DSM應(yīng)用到電源規(guī)劃中能降低系統(tǒng)的投資成本、運行成本、溫室氣體排放量[10]。能效電廠(Efficiency Power Plant，EPP)是DSM的創(chuàng)新模式，它通過實施一系列的節(jié)電計劃及能效項目，不僅能提供常規(guī)機組等價的服務(wù)，而且具有良好的低碳效益[11]?，F(xiàn)階段主要研究內(nèi)容包括EPP的節(jié)電潛力[12]、含EPP的市場競價模型[13]、EPP技術(shù)實現(xiàn)途徑[14]等。文獻[15]建立了綜合資源戰(zhàn)略規(guī)劃模型，模型中計及了常規(guī)電源成本、能效電廠成本，其中采用非線性方法表示了能效電廠成本，仿真結(jié)果表明能效電廠的建設(shè)延緩了常規(guī)機組建設(shè)。文獻[16]提出了含有能效電廠的電力系統(tǒng)可靠性計算方法，計算結(jié)果表明能效電廠能夠明顯增加系統(tǒng)的可靠性。從文獻[10-16]中可以看出，將能效電廠加入到電源規(guī)劃中是十分必要的。

低碳電源規(guī)劃方案可靠性的較重要指標之一為機組的充裕度，充裕度主要是指在規(guī)劃周期內(nèi)所有機組的發(fā)電是否滿足用戶的需求，通常將電量不足期望值(Expected Energy Not Supplied，EENS)作為機組充裕度指標[17-19]。

2 計及碳交易成本及能效電廠建設(shè)的電源規(guī)劃模型

2.1 目標函數(shù)

本文將能效電廠與風電機組、光伏電站、水電機組、燃煤機組、燃氣機組等同納入到電源規(guī)劃方案中，建立了綜合成本最小的目標函數(shù)，其中包含了機組建設(shè)成本、能效電廠建設(shè)成本、機組運行成本、碳交易成本。

(1)

2.1.1 機組的建設(shè)成本

由于機組的使用年限與機組類別有關(guān)，為了計算方便，通過貼現(xiàn)率和機組使用年限將機組投資成本換算成等年值成本。表示為：

(2)

式中，Ωg為待建機組集合；Qi為機組i的靜態(tài)投資成本(億元/臺)；Dit為0～1變量，表示機組是否投建，當Dit=0時表示第t年i機組沒有進行投建，當Dit=1時表示第t年i機組進行了投建；Ni為機組i的使用年限。

2.1.2 能效電廠的建設(shè)成本

能效電廠是依靠一系列的節(jié)電措施，將某地區(qū)減少的電力需求視為能效電廠的出力，與常規(guī)電源相比具有不產(chǎn)生污染氣體、不額外占用土地等特點。按照技術(shù)類型可以劃分為節(jié)能電機EPP、節(jié)能燈EPP、冰儲冷EPP、節(jié)能變壓器EPP等，本文以這四類EPP為研究對象，其單位投資成本可表示為[20]：

(3)

式中，C0、P0分別為常規(guī)設(shè)備的單位投資成本(萬元)和容量(MW)；CEPP、PEPP分別為同等功效下第j能效電廠的投資成本(萬元)和容量(MW)。以單個節(jié)能燈為例，假設(shè)白熾燈與節(jié)能燈的使用壽命相同，功率為20W、價格為20元的節(jié)能燈照明功效與功率為100W、價格為2元的白熾燈相同，可認為節(jié)能燈EPP的理論容量為80W、價格為18元，則其投資成本換算為每MW為22.5萬元，實際應(yīng)用中EPP是由多個節(jié)能設(shè)備構(gòu)成?？紤]到設(shè)備使用的年限，將EPP投資成本轉(zhuǎn)化為等年值成本：

(4)

式中，Ωd為待建能效電廠集合；Pj為第j類能效電廠的裝機容量(MW)；Nj為第j類能效電廠的使用年限(年)；Sjt為0～1變量，表示第t年第j類能效電廠是否進行投建，Sjt=1表示第t年第j類能效電廠進行了投建，Sjt=0表示第t年第j類能效電廠不進行投建。

2.1.3 機組的運行成本

(5)

式中，ci為機組i的單位運行成本(元/(MW·h))；N為第t年系統(tǒng)擁有的機組數(shù)量；Eit為t規(guī)劃年i機組的發(fā)電量(MW·h)。

2.1.4 碳交易成本

碳交易本質(zhì)是通過碳交易權(quán)的買賣來降低電力系統(tǒng)碳排放的重要機制。碳排放權(quán)的初始分配方式可分為兩種：免費分配和有償分配，由于初始免費分配有助于減輕電力工業(yè)的排放負擔，且能夠?qū)﹄娏I(yè)的低碳發(fā)展起到激勵作用，因此本文采用第一種初始分配方法。則碳交易成本可表示為：

(6)

式中，CGi為機組i單位碳交易成本(元/(MW·h))；Mt為第t年含有能效電廠總數(shù)；Ejt為第j類能效電廠第t年節(jié)電量(MW·h)；CEj為第j類能效電廠單位碳交易成本(元/(MW·h))。本文以發(fā)電量為基準來分配碳排放權(quán)，則

CGi=Hc(δi-η)

(7)

式中，Hc為單位碳交易價格(元/t)；δi為機組i單位電量對應(yīng)的碳排放因子(t/(MW·h))；η為單位電量獲得碳排放權(quán)(t/(MW·h))。對于新能源機組來說，δi=0即新能源不產(chǎn)生CO2。且由于能效電廠也不排放污染物，因此

CEj=Hc(0-η)

(8)

2.2 約束條件

2.2.1 電力約束

第t年，所有機組的裝機有效容量和能效電廠容量之和應(yīng)不小于年最大電力需求：

≥Pt(1+R)

(9)

2.2.2 電量約束

系統(tǒng)內(nèi)所有機組發(fā)電量和能效電廠的節(jié)電量需滿足第t年電量需求：

(10)

2.2.3 單機發(fā)電約束

系統(tǒng)中單臺機組的發(fā)電量應(yīng)滿足：

Iiγi,minβiPi≤Eit≤IiβiPi

(11)

式中，γi,min為機組i的最小技術(shù)出力；Ii為機組i的年利用小時數(shù)。風電及光伏發(fā)電量的下限為0。

2.2.4 能效電廠節(jié)約電量約束

單個能效電廠的節(jié)電量滿足：

Ijγj,minαjPj≤Ejt≤IjαjPj

(12)

式中，γj,min為能效電廠j的最小技術(shù)出力；Ij為能效電廠j的年利用小時數(shù)。

2.2.5 碳排放約束

規(guī)劃期內(nèi)CO2的排放量不能超過其允許的排放量：

(13)

2.2.6 可靠性約束

可靠性指標對電源規(guī)劃的影響比較大，因此將式(14)的可靠性約束加入規(guī)劃方案中：

EENSt≤EENSmax

(14)

式中，EENSt為第t年的電量不足期望值；EENSmax為規(guī)劃方案預(yù)先設(shè)定的最大電量不足期望值。EENSt可表示為[18]：

(15)

(16)

3 算例分析

3.1 優(yōu)化算法

細菌群體趨藥性(Bacterial Colony Chemotaxis，BCC)算法是一種從生物行為中獲取靈感的智能優(yōu)化算法，具有收斂速度快、精度高的特點。一些學(xué)者將 BCC算法應(yīng)用于配電網(wǎng)故障搶修[21]、負荷預(yù)測方法優(yōu)化[22]、電力系統(tǒng)最優(yōu)旋轉(zhuǎn)備用容量的確定[23]等。考慮到電源規(guī)劃是一個離散的時間問題，因此本文采用離散細菌群體趨藥性算法(Discrete Bacterial Colony Chemotaxis，DBCC)進行優(yōu)化求解，文獻[3]已經(jīng)給出了詳細的DBCC算法求解過程，這里不再贅述。

3.2 基礎(chǔ)數(shù)據(jù)

仿真中，將某規(guī)劃區(qū)內(nèi)一年的規(guī)劃時間段劃分為兩個時期，即當年的10～12月和當年1～3月為第一時期、當年的4～9月為第二時期，分別取兩個時期內(nèi)典型日負荷曲線作為規(guī)劃區(qū)水平年典型日負荷曲線，以標幺值的形式給出，如圖1所示。

圖1 某地區(qū)典型日負荷曲線Fig.1 Typical day load curve of one region

取文獻[24]給出的風電場、光伏電站第一時期、第二時期兩個典型日出力曲線作為其典型出力曲線(縱坐標是以裝機容量為基準值的出力標幺值)。本文將風電場當做一個大型的風電機組。該地區(qū)未來五年內(nèi)的年最大負荷和年用電量見表1。系統(tǒng)原有機組、待建機組、待建能效電廠參數(shù)分別見表2、表3、表4。假設(shè)貼現(xiàn)率為0.05，基準排放因子為0.798，單位碳交易價格為130元/t，備用率取17%，為了計算方便，本文采用文獻[13]的假設(shè)，即不考慮能效電廠運行成本和能效電廠的強迫停運率。

表1規(guī)劃期內(nèi)負荷增長預(yù)測數(shù)據(jù)

Tab.1 Load growth forecasts for planning period

年份年最大負荷/MW年用電量/(億kW·h)201725001202018290013220193200145.220203500159.7220213880175.7

表2原有機組參數(shù)

Tab.2 Parameters for units existed

參 數(shù)數(shù) 值燃煤A機組燃煤B機組燃氣機組風電機組單機容量/MW100300400100運行成本/(元/(MW·h))317.5285.6658.4100.5碳排放強度/(t/(MW·h))0.9050.7460.4620年利用小時數(shù)/h6000600070002500臺數(shù)4328最小技術(shù)出力0.750.750.750強迫停運率0.0650.050.020.05

表3 規(guī)劃期內(nèi)待建機組參數(shù)

表4 規(guī)劃期內(nèi)待建能效電廠參數(shù)

3.3 仿真結(jié)果

基準方案下，利用DBCC算法進行仿真，得到規(guī)劃期內(nèi)各類機組及能效電廠的裝機容量，如圖2所示。規(guī)劃期內(nèi)各項成本的折現(xiàn)值見表5。

圖2 規(guī)劃期內(nèi)新增資源容量Fig.2 Capacities of new installed resources in planning period

規(guī)劃年運行成本/億元機組投資成本/億元能效電廠投資成本/萬元碳交易成本/億元201751.0832.553177.536-3.958201854.1951.3700-2.908201957.0171.0480-3.206202059.8571.623443.942-5.182202163.5781.418569.110-5.109

通過上述的仿真結(jié)果可以看出，在滿足碳排放約束的條件下，為了保證系統(tǒng)電量需求，2017年投建了燃煤B機組、燃煤A機組；與此同時為了降低碳交易成本，由于風電機組和光伏電站的出力間歇性、不確定性且投資成本較大，因此2017年投建了運行成本小、年利用小時數(shù)大的水電機組。碳交易值為負數(shù)表示碳交易收益，規(guī)劃方案中碳交易成本絕對值占總成本的7.96%，促進了新能源機組的建設(shè)。自2020年開始，受限于碳排放量的限制，系統(tǒng)不得不投建風電機組和光伏電站。2021年電力系統(tǒng)總裝機容量與年最大負荷需求相差不大，投建機組將增加系統(tǒng)的成本，因此投建了節(jié)能電機EPP、節(jié)能燈EPP、節(jié)能變壓器EPP。綜上所述，與常規(guī)機組相比，太陽能和風能發(fā)電雖然能帶來低碳效益，但因其利用率低、高投資成本、出力間歇性和不確定性等，在電源規(guī)劃中并不具備優(yōu)勢，在未來一段時間內(nèi)火電機組依然是發(fā)電的主力。

3.4 模型的比較

為了比較能效電廠的建設(shè)對電源規(guī)劃方案的影響，建立了一個傳統(tǒng)模型，記為模型2，本文提出的模型記為模型1。兩種模型在2021年的新增裝機容量如圖3所示。規(guī)劃期內(nèi)各項成本的折現(xiàn)值見表6。

圖3 兩種模型在2021年各資源新建容量Fig.3 Capacities of two models in 2021

指 標數(shù) 值模型1模型2運行成本/億元63.57865.491機組投資成本/億元1.4181.652能效電廠投資成本/萬元569.1100碳交易成本/億元-5.109-5.061總成本/億元59.94462.082EENS/(MW·h)44805324

從圖3可以看出，考慮能效電廠時投建的機組為一臺300MW的燃煤機組、一臺100MW的燃煤機組和兩個20MW的光伏電站；不考慮能效電廠建設(shè)時，為了滿足系統(tǒng)的電力需求增加投建了一個20MW光伏電站。從表6中可以得出，與模型2相比，模型1的運行成本降低了2.9%，機組投資成本降低了14.2%，總成本降低了2.138億元。根據(jù)式(15)計算得出，與未考慮能效電廠相比，加入能效電廠后系統(tǒng)的EENS值減少了15.9%，由此可知能效電廠的建設(shè)在維護系統(tǒng)可靠性方面有積極作用。

3.5 靈敏度分析

3.5.1 不同碳排放限額對規(guī)劃方案的影響

在基準方案下，以2019年為目標年，將碳排放限額分別下調(diào)30%和下調(diào)50%，得到不同碳排放限額的電源規(guī)劃方案，如圖4所示。

圖4 不同碳排放限額下系統(tǒng)新建資源容量Fig.4 Installed capacities rescources under different amount of carbon dioxide emissions

從圖4中可以看出，隨著碳排放限額的不斷降低，燃煤機組的建設(shè)越來越少，而具有零碳排放的水電機組、風電機組容量不斷增加，由于風電機組具有出力間歇性、不確定性且投資成本較大，考慮到電源規(guī)劃建設(shè)的經(jīng)濟性和可靠性，在中碳排放限額階段投建了一臺水電機組代替高碳排放階段的一臺燃煤A機組。在低碳排放限額階段，為了滿足系統(tǒng)的電力需求和碳排放限額，系統(tǒng)新建了兩臺風電機組和一臺燃煤A機組代替了中碳排放階段的燃煤B機組。

3.5.2 系統(tǒng)中不同的EENSmax對電源規(guī)劃方案的影響

基準方案下，以2018年為目標年，將EENSmax的數(shù)值上升25%，得到不同可靠性約束條件下的規(guī)劃方案，如圖5所示。

圖5 不同電量不足期望值限額下系統(tǒng)新建資源容量Fig.5 Installed capacities rescources under different EENSmax

由圖5可以看出，當年最大電量不足期望值限額升高時，系統(tǒng)以一臺100MW的水電機組、一臺20MW的光伏電站和兩臺100MW的風電機組替代了原來兩臺100MW的燃煤A機組，為了滿足可靠性約束，額外投建了兩個能效電廠，此時系統(tǒng)總投資成本折現(xiàn)值(能效電廠投資成本和新建機組投資成本)為2.649億元，運行成本折現(xiàn)值為51.886億元，與低EENS限額相比，投資成本升高了48%，運行成本降低了4.3%，投資運行成本之和降低了1.03億元。從仿真結(jié)果可以看出，隨著電量不足期望值限額的降低，系統(tǒng)的投資運行成本之和升高，即高可靠性帶來高成本；反之當電量不足期望值限額升高時，系統(tǒng)的投資運行成本之和降低，表現(xiàn)為高風險帶來高回報。

4 結(jié)論

本文針對風電機組和光伏電站出力的間歇性、不確定性，在電源規(guī)劃方案中加入了可靠性約束條件。在該模型下重點比較了兩種場景，一種加入能效電廠，一種不包含能效電廠。仿真結(jié)果表明，加入能效電廠能達到增加系統(tǒng)的可靠性和延緩機組建設(shè)的目的；靈敏度分析表明隨著碳排放限額降低和電量不足期望值限額的增加，燃煤機組的裝機容量不斷降低，具有低碳排放效益和運行可靠性較低的新能源機組的裝機容量不斷增加，這對電源結(jié)構(gòu)調(diào)整有明顯的作用。本文的研究能夠推動能效電廠的建設(shè)，對需求側(cè)與供應(yīng)側(cè)資源的綜合優(yōu)化配置具有一定意義。

致謝：本文得到了河北省高等學(xué)?？茖W(xué)技術(shù)研究項目(ZD2016049)及燕山大學(xué)青年教師自主研究課題(16LGA006)的資助，謹此致謝。

[1] 蔣超，薛禹勝，黃杰，等(Jiang Chao， Xue Yusheng， Huang Jie, et al.)．基于實驗經(jīng)濟學(xué)仿真構(gòu)建碳排放交易的多代理模型(Modeling multi-agent in carbon emission market based on experimental economics simulations) [J]．電力系統(tǒng)自動化(Automation of Electric Power Systems)，2014，38(17)：80-86.

[2] 劉文霞，凌云頔，趙天陽，等(Liu Wenxia， Ling Yundi，Zhao Tianyang， et al.)．低碳經(jīng)濟下基于合作博弈的風電容量規(guī)劃方法(Cooperative game based capacity planning model for wind power in low-carbon economy) [J]． 電力系統(tǒng)自動化(Automation of Electric Power Systems)，2015，39(19)：68-74.

[3] 張曉輝，閆鵬達，鐘嘉慶，等(Zhang Xiaohui， Yan Pengda，Zhong Jiaqing， et al.)．可再生能源激勵制度下的低碳經(jīng)濟電源規(guī)劃(Research on generation expansion planning in low-carbon economy environment under incentive mechanism of renewable energy sources) [J]． 電網(wǎng)技術(shù)(Power System Technology)，2015, 39 (3)：655-662.

[4] 盧斯煜，婁素華，吳耀武(Lu Siyu， Lou Suhua， Wu Yaowu)．低碳經(jīng)濟下基于排放軌跡約束的電力系統(tǒng)電源擴展規(guī)劃模型(A model for generation expansion planning of power system based on carbon emission trajectory model under low-carbon economy)[J]．電工技術(shù)學(xué)報(Transactions of China Electrotechnical Society)，2011，26(11)：175-181.

[5] 王凱，栗文義，李龍，等(Wang Kai， Li Wenyi， Li Long， et al.)．含風/光互補發(fā)電系統(tǒng)可靠性與經(jīng)濟性評估(Reliability and economy evaluation of complementary power systems containing wind and solar energy)[J]．電工電能新技術(shù)(Advanced Technology of Electrical Engineering and Energy)，2015，34(6)：52-56.

[6] 馬藝瑋，楊蘋，郭紅霞(Ma Yiwei， Yang Ping， Guo Hongxia)．風-光-沼可再生能源分布式發(fā)電系統(tǒng)電源規(guī)劃(Power source planning of Wind-PV-Biogas renewable energy distributed generation system)[J]．電網(wǎng)技術(shù)(Power System Technology)，2012，36(9)：9-14.

[7] 張節(jié)潭，程浩忠，姚良忠，等(Zhang Jietan， Cheng Haozhong， Yao Liangzhong， et al.)．分布式風電源選址定容規(guī)劃研究(Study on siting and sizing of distributed wind generation)[J]．中國電機工程學(xué)報(Proceedings of the CSEE)，2009，29(16)：1-7.

[8] 穆永錚，魯宗相，周勤勇，等(Mu Yongzheng， Lu Zongxiang， Zhou Qinyong， et al.)．基于可靠性均衡優(yōu)化的含風電電網(wǎng)協(xié)調(diào)規(guī)劃(Optimized reliability balancing based transmission coordinating expansion planning for power grid with wind farms)[J]．電網(wǎng)技術(shù)(Power System Technology)，2015，39(1)：16-22.

[9] 高賜威，吳天嬰，何葉，等(Gao Ciwei， Wu Tianying，He Ye， et al.)．考慮風電接入的電源電網(wǎng)協(xié)調(diào)規(guī)劃(Generation and transmission coordinated planning considering wind power integration)[J]．電力系統(tǒng)自動化(Automation of Electric Power Systems)，2012，36(22)：30-35.

[10] Aghaei J，Akbari M，Roosta A，et al ．Integrated renewable-conventional generation expansion planning using multiobjective framework[J] ． IET Generation Transmission and Distribution，2012，6(8)：773-784.

[11] 李莉，王建軍，李寧，等(Li Li， Wang Jianjun， Li Ning， et al.)．低碳經(jīng)濟下能效電廠的半方差風險投資組合優(yōu)化模型(A risk investment portfolio optimization model of energy efficiency power plant based on mean semi-variance theory in low-carbon economy environment)[J]．電網(wǎng)技術(shù)(Power System Technology)，2011，35(8)：26-29.

[12] 王雁凌，王晶晶，吳京鍇，等(Wang Yanling， Wang Jingjing， Wu Jingkai， et al.)．能效電廠項目的節(jié)電潛力優(yōu)化模型(An electricity-saving potential optimization model of efficiency power plant)[J]．電網(wǎng)技術(shù)(Power System Technology)，2014，38(4)：941-946.

[13] 李泓澤，王寶，郭森(Li Hongze，Wang Bao，Guo Sen)．智能電網(wǎng)條件下能效電廠參與市場競價的分析模型及效益測算(Analytic model and benefits measurement of efficiency power plant participating in market bidding transaction in smart grid environment)[J]．電網(wǎng)技術(shù)(Power System Technology)，2012， 36(7)：111-116.

[14] 王丹，范孟華，賈宏杰(Wang Dan， Fan Menghua，Jia Hongjie)．考慮用戶舒適約束的家居溫控負荷需求響應(yīng)和能效電廠建模(User comfort constraint demand response for residential thermostatically-controlled loads and efficient power plant modeling)[J]．中國電機工程學(xué)報(Proceedings of the CSEE)，2014，34(13)：2071-2077.

[15] Yuan Jiahai， Xu Yan， Kang Junjie，et al．Nonlinear integrated resource strategic planning model and case study in China’s power sector planning[J]．Energy，2014，67(1)：27-40.

[16] 周景宏，胡兆光，田建偉，等(Zhou Jinghong， Hu Zhaoguang， Tian Jianwei， et al.)．基于發(fā)電系統(tǒng)可靠性分析的能效電廠有效容量確定(Effective capacity determination of efficiency power plant based on generation system reliability analysis)[J]．電力系統(tǒng)自動化(Automation of Electric Power Systems)，2011，35(8)：44-48.

[17] Liu Guodong， Tomsovic Kevin．Quantifying spinning reserve in systems with significant wind power penetration[J]．IEEE Transactions on Power Systems，2012，27(4)：2385-2393.

[18] Aminifar Farrokh，F(xiàn)otuhi-Firuzabad Mahmud， Shahidepour Mohammad. Unit commitment with probabilistic spinning reserve and interruptible load considerations[J]．IEEE Transactions on Power Systems，2009，24(1)：388-397.

[19] Safdarian Amir，F(xiàn)otuhi-Firuzabad Mahmud，Aminifar Farrokh．Compromising wind and solar energies from the power system adequacy viewpoint[J]．IEEE Transactions on Power Systems，2012，27(4)：2368-2376.

[20] 曾博，董軍,張建華，等(Zeng Bo， Dong Jun， Zhang Jianhua， et al.)．節(jié)能服務(wù)環(huán)境下的電網(wǎng)綜合資源協(xié)調(diào)規(guī)劃新方法(A coordinated planning approach for grid-side integrated resources in an energy environment)[J]．電力系統(tǒng)自動化(Automation of Electric Power Systems)，2013，37(9)：34-40.

[21] 盧志剛，劉照拯，張晶，等(Lu Zhigang， Liu Zhaocheng，Zhang Jing， et al.)．含分布式電源的配電網(wǎng)災(zāi)后分階段搶修策略(Staged rush repair strategy of distribution networks with distributed generators after disaster)[J]．電工電能新技術(shù)(Advanced Technology of Electrical Engineering and Energy)，2015，34(1)：69-74.

[22] 曾鳴，呂春泉，田廓，等(Zeng Ming， Lv Chunquan， Tian Kuo， et al.)．基于細菌群落趨藥性優(yōu)化的最小二乘支持向量機短期負荷預(yù)測方法(Least squares-support vector machine load forecasting approach optimized by bacterial colony chemotaxis method) [J]．中國電機工程學(xué)報(Proceedings of the CSEE)，2011，31(34)：93-99.

[23] 殷桂梁，張雪，操丹丹，等(Yin Guiliang， Zhang Xue，Cao Dandan， et al.)．考慮風電和光伏發(fā)電影響的電力系統(tǒng)最優(yōu)旋轉(zhuǎn)備用容量確定(Determination of optimal spinning reserve capacity of power system considering wind and photovoltaic power affects) [J]．電網(wǎng)技術(shù)(Power System Technology)，2015，39(12)：3497-3504.

[24] 段建民，王志新，王承民，等(Duan Jianmin， Wang Zhixin， Wang Chengmin， et al.)．考慮碳減排效益的可再生電源規(guī)劃(Renewable power planning considering carbon emission reduction benefits)[J]．電網(wǎng)技術(shù)(Power System Technology)，2015，39(1)：11-15.

Generationexpansionplanningmodelincorporatingcarbontradingcostandefficiencypowerplant

ZHONG Jia-qing, JIN Guo-chen, ZHANG Xiao-hui, ZHAO Teng-fei, GAO Hui-fang

(Key Laboratory of Power Electronics for Energy Conservation and Motor Drive of Hebei Province, Yanshan University, Qinhuangdao 066004, China)

Under the background of low carbon economy, the introduction of renewable energy unit and carbon emissions trading scheme has become an important method to realize carbon emission reduction in electric power system. At the same time, due to the demand side resources has great potential in reducing carbon emissions and increasing the reliability of the system, the efficiency power plant of demand side is added to the generation planning scheme. A generation expansion planning (GEP) model in low-carbon environment in which the economy and reliability are considered is established. Units investment costs, efficiency power plant construction costs, operating costs and carbon trading costs are considered in the objective function. In addition, this paper also introduces the power supply reliability constraint in the model. An algorithm based on the discrete bacterial colony chemotaxis algorithm was used to solve the problem, and two generation expansion planning models are compared. Under the two conditions, namely the different amount of carbon dioxide emissions and the different limit of expected energy being not supplied, the sensitivity analyses are carried out. The simulation results verify the validity of the model and algorithm.

generation expansion planning (GEP); efficiency power plant; renewable energy unit; reliability; discrete bacterial colony chemotaxis algorithm

2016-06-07

國家自然科學(xué)基金項目(61374098)、教育部高等學(xué)校博士學(xué)科點專項科研基金項目(20131333110017)

鐘嘉慶(1973-), 男, 江蘇籍，副教授, 博士, 研究方向為電力系統(tǒng)規(guī)劃、電力系統(tǒng)經(jīng)濟運行與分析；靳國臣(1990-), 男, 河南籍, 碩士研究生, 研究方向為BCC多目標算法及魯棒優(yōu)化理論在電源規(guī)劃中的應(yīng)用(通訊作者)。

10.12067/ATEEE1606012

1003-3076(2017)12-0022-08

TM715