李 慧，于德鰲，范新橋，劉思嘉

(北京信息科技大學(xué)自動化學(xué)院，北京 100192)

中國堅持走生態(tài)優(yōu)先、綠色低碳的發(fā)展道路，力爭在2030年前實現(xiàn)碳達峰、2060年前實現(xiàn)碳中和。為此，供電公司實施碳排放權(quán)交易機制，鼓勵發(fā)電企業(yè)積極響應(yīng)節(jié)能減排政策[1]。另外，國家大力開發(fā)風(fēng)電等清潔能源，有效地緩解電力工業(yè)碳排放污染。然而，大規(guī)模風(fēng)電的接入影響了電力系統(tǒng)安全穩(wěn)定運行，促使儲能設(shè)備在新能源發(fā)電領(lǐng)域有著廣闊的應(yīng)用前景。正是國家這些政策及法律條文的頒布，以及風(fēng)電并網(wǎng)容量的增加、儲能新技術(shù)的應(yīng)用，給電力系統(tǒng)調(diào)度提出了新的要求。同時，大用戶直購電作為電力市場改革的重要措施[2]，其引入對發(fā)電調(diào)度也帶來了新的挑戰(zhàn)。所以，有必要研究大用戶直購電參與的風(fēng)儲火聯(lián)合系統(tǒng)環(huán)境經(jīng)濟調(diào)度(environmental economic dispatch，EED)問題，這對環(huán)境保護及經(jīng)濟可持續(xù)發(fā)展具有深遠意義。

近年來，學(xué)者們從不同角度對電力系統(tǒng)的經(jīng)濟調(diào)度模型展開研究，比如引入大用戶直購電、碳權(quán)交易、儲能系統(tǒng)和考慮多目標優(yōu)化等。文獻[3]提出了含大用戶直購電的火電機組動態(tài)EED模型，采用改進約束處理的多目標細菌群體趨藥性優(yōu)化算法進行求解；文獻[4]以最大化發(fā)電系統(tǒng)運行期望效益為目標，建立了包含大用戶直購電的風(fēng)電效益權(quán)衡模型和風(fēng)電優(yōu)先調(diào)度模型，用于分析大用戶直購電交易模式對系統(tǒng)調(diào)度帶來的影響；文獻[5]建立了含大用戶直購電的電力系統(tǒng)風(fēng)電消納模型，在系統(tǒng)運行總利潤目標中引入直購電合同消減的懲罰項，以保證風(fēng)電出力的消納；文獻[6]建立了考慮風(fēng)電不確定性和大用戶直購電的電力系統(tǒng)調(diào)度模型，以發(fā)電企業(yè)收益最高為目標，采用改進粒子群算法對模型進行求解；文獻[7]引入碳權(quán)購買裕度，建立了考慮碳排放交易與風(fēng)荷預(yù)測誤差的多目標EED模型；文獻[8]建立了含風(fēng)光儲微網(wǎng)的大用戶短期交易決策模型，實現(xiàn)了日前市場和平衡市場購電成本最小化和售電收益最大化；文獻[9]提出一種儲能輔助火電機組深度調(diào)峰的分層優(yōu)化調(diào)度方案，利用儲能降低負荷峰谷差，提高風(fēng)電消納空間；文獻[10]將燃料費用和污染排放作為優(yōu)化目標，并計及閥點效應(yīng)、網(wǎng)絡(luò)損耗和各種等式及不等式約束，構(gòu)建了含風(fēng)電場的多目標動態(tài)EED問題，采用基于分解的多目標進化算法進行求解。

然而，現(xiàn)有文獻在電力系統(tǒng)EED 問題的建模過程中沒有綜合考慮到風(fēng)電系統(tǒng)、大用戶直購電、儲能系統(tǒng)以及環(huán)境保護等多個因素的影響?；诖吮尘?，本文構(gòu)建適用于風(fēng)火儲聯(lián)合系統(tǒng)的環(huán)境經(jīng)濟調(diào)度模型，兼顧環(huán)境保護、經(jīng)濟效益和清潔能源利用最大化等諸多因素，以火電廠與大用戶簽訂雙邊合同交易的形式，在優(yōu)化調(diào)度目標函數(shù)中考慮備用成本、儲能充放電綜合成本、大用戶直購電收益等因素，在約束條件中考慮系統(tǒng)備用容量約束、儲能系統(tǒng)相關(guān)約束、大用戶合同電量約束等因素，采用改進的混沌自適應(yīng)螢火蟲算法對所提的優(yōu)化調(diào)度模型進行求解。算例結(jié)果表明，大用戶的參與能顯著降低系統(tǒng)總成本；而儲能系統(tǒng)的參與能顯著降低火電成本和棄風(fēng)率、提高風(fēng)電并網(wǎng)電量，但增加了備用成本。

1 考慮大用戶直購電的風(fēng)火儲聯(lián)合環(huán)境經(jīng)濟調(diào)度模型

本文將環(huán)境保護、清潔能源利用、大用戶等諸多因素進行量化，分別以碳排放權(quán)交易成本、風(fēng)力發(fā)電成本、儲能充放電綜合成本、大用戶直購電收益等體現(xiàn)在目標函數(shù)中。以系統(tǒng)總成本最小為優(yōu)化目標，在考慮功率平衡約束、火電機組啟停約束、備用容量約束、大用戶合同電量約束、儲能充放電約束等情況下，分配系統(tǒng)中各火電機組出力、風(fēng)電場出力及儲能系統(tǒng)出力等，滿足電網(wǎng)負荷需求。由于大用戶對電能質(zhì)量的要求較高，因此所構(gòu)建模型中只考慮火電廠參與大用戶直購電，大用戶與火電廠采取就近原則簽署供電合同。

1.1 目標函數(shù)

在大用戶直購電參與的風(fēng)火儲聯(lián)合系統(tǒng)環(huán)境經(jīng)濟調(diào)度模型中，以系統(tǒng)總成本最小為目標，其目標函數(shù)為

C=min(Cf+Cce+Cw+Cpr+

Cnr+Cbess-Clu)

(1)

式中C為系統(tǒng)總成本，元；Cf為火力發(fā)電燃料成本，元；Cce為碳排放權(quán)交易成本，元；Cw為風(fēng)力發(fā)電成本，元；Cpr、Cnr分別為正、負備用成本，元；Cbess為儲能充放電綜合成本，元；Clu為大用戶直購電收益，元。

因篇幅所限，火力發(fā)電燃料成本及碳排放權(quán)交易成本的表達式參見文獻[11]。本文主要介紹風(fēng)力發(fā)電成本、備用成本、儲能充放電綜合成本和大用戶直購電收益的計算方法。

1)風(fēng)力發(fā)電成本。風(fēng)電場除了初始投資和后期維護成本以外，并不產(chǎn)生額外成本。在獲取風(fēng)電場使用壽命及年均發(fā)電量后，可折算出該風(fēng)電場的發(fā)電成本，即

(2)

式中Iw為風(fēng)電場初始投資成本，元；Mw為風(fēng)電場后期維護成本，元；Lwy為風(fēng)電場使用壽命，a；Wwy為風(fēng)電場年均發(fā)電量，MW·h；Wwt為風(fēng)電場在t時段的并網(wǎng)電量，MW·h；T為調(diào)度運行時間，h。

2)備用成本。調(diào)度模型中采用儲能系統(tǒng)配合火電機組旋轉(zhuǎn)備用的方式提供備用，當(dāng)旋轉(zhuǎn)備用無法滿足需求時，儲能系統(tǒng)則參與備用。因此，備用成本包含旋轉(zhuǎn)備用成本與儲能備用成本2部分，每部分又分為正備用和負備用。正、負備用總成本為

(3)

正備用是為了應(yīng)對負荷突然增加或?qū)嶋H風(fēng)電出力小于預(yù)測值的情況，負備用是為了應(yīng)對負荷突然減少或?qū)嶋H風(fēng)電出力大于預(yù)測值的情況。式(3)中正的旋轉(zhuǎn)備用容量與儲能備用容量之和為正備用總?cè)萘?，可由風(fēng)電場和火電機組獲得；負的旋轉(zhuǎn)備用容量與儲能備用容量之和為負備用總?cè)萘浚捎娠L(fēng)電場獲得。正、負備用總?cè)萘勘磉_式為

(4)

式中ppr、pnr分別為正、負備用總?cè)萘浚琈W；βw為風(fēng)電場的發(fā)電備用系數(shù)(取現(xiàn)階段風(fēng)功率預(yù)測誤差最大值)；βc為火電機組的發(fā)電備用系數(shù)(取現(xiàn)階段負荷預(yù)測誤差最大值)；pwt為t時段風(fēng)電場發(fā)電功率，MW；pit為t時段第i臺火電機組發(fā)電功率，MW；N為火力發(fā)電機組臺數(shù)。

3)儲能充放電綜合成本。本文采用鋰電池儲能系統(tǒng)，儲能充放電綜合成本除了初始投資與后期維護成本外，還要考慮儲能電池更換成本，其表達式為

(5)

其中

(6)

式(5)、(6)中Ibess為儲能系統(tǒng)初始投資年均成本，元；Mbess為儲能系統(tǒng)維護年均成本，元；Gbess為儲能電池更換年均成本，元；pbey為儲能系統(tǒng)年均充放電總功率，MW；pbesst為t時段儲能系統(tǒng)充放電功率，MW，若儲能系統(tǒng)處于充電時其值為負，若儲能系統(tǒng)處于放電時其值為正；γp為單位功率成本，元；pbess為儲能系統(tǒng)額定功率，MW；γE為單位容量成本，元；Ebess為儲能系統(tǒng)額定容量，MV·A；Ybess為儲能系統(tǒng)使用壽命，a；γom為單位容量年運行維護費用，元；εbess為電池更換率。

4)大用戶直購電收益。本文考慮大用戶與火電廠簽訂雙邊合同交易，其直購電收益是指在一定調(diào)度運行時間內(nèi)，各時段大用戶合同電量與直購電價乘積的總和，其表達式為

(7)

1.2 約束條件

1)系統(tǒng)功率平衡約束。為保證負荷需求與發(fā)電出力之間的實時平衡，系統(tǒng)中任意t時刻電力的供需應(yīng)滿足等式約束，即

(8)

式中plt為t時段負荷需求，MW；l為線損率。

2)機組最小啟停時間約束。機組最小啟停時間約束為

(9)

3)系統(tǒng)備用容量約束。為了應(yīng)對風(fēng)電出力的突然減少和風(fēng)電場的強迫停運給系統(tǒng)帶來的失負荷風(fēng)險以及風(fēng)電出力突然增加導(dǎo)致系統(tǒng)頻率過高風(fēng)險，本文模型綜合考慮了風(fēng)電及儲能系統(tǒng)對系統(tǒng)的正負備用容量約束。

系統(tǒng)正備用約束表示為

(10)

其中

(11)

系統(tǒng)負備用約束表示為

(12)

其中

(13)

4)大用戶合同電量約束。因大用戶直購電量只考慮由火電廠提供，任意t時刻第i臺火電機組出力應(yīng)不小于其大用戶直購電量，即

(14)

5)儲能系統(tǒng)充放電功率上下限約束。儲能系統(tǒng)的實時輸出功率受儲能系統(tǒng)的最大充放電額定功率約束，需滿足：

管理會計是從傳統(tǒng)會計中分離出來與財務(wù)會計并列的、著重為企業(yè)改善經(jīng)營管理、提高經(jīng)濟效益服務(wù)的一個會計分支。管理會計主要服務(wù)于企業(yè)內(nèi)部經(jīng)營管理，通過對財務(wù)會計資料、統(tǒng)計資料及其他業(yè)務(wù)資料在內(nèi)的各種數(shù)據(jù)進行加工，向企業(yè)內(nèi)部管理者提供有用的經(jīng)營信息以幫助他們正確確定經(jīng)營目標，進行經(jīng)營決策，對企業(yè)經(jīng)營活動實施控制，使企業(yè)的經(jīng)營活動處于最優(yōu)狀態(tài)。

(15)

6)儲能系統(tǒng)荷電狀態(tài)約束。儲能系統(tǒng)荷電狀態(tài)是t時段的剩余容量與額定容量的之比，應(yīng)該滿足以下約束：

(16)

式中Eini為儲能系統(tǒng)的能量初值，MW·h；δ為儲能系統(tǒng)充放電效率。

7)儲能系統(tǒng)調(diào)度周期始末狀態(tài)約束。為保證儲能系統(tǒng)可持續(xù)利用，儲能系統(tǒng)調(diào)度周期始末的荷電狀態(tài)相等，即

(17)

因篇幅所限，機組出力上下限約束、機組爬坡速率約束、風(fēng)電場出力約束等計算公式詳見文獻[11]。

2 基于混沌自適應(yīng)螢火蟲算法的EED模型求解

當(dāng)風(fēng)電系統(tǒng)、大用戶直購電、儲能系統(tǒng)及生態(tài)環(huán)境等多因素參與到電力系統(tǒng)經(jīng)濟調(diào)度后，系統(tǒng)調(diào)度模型具有耦合性高、約束性強、求解難度大等特點。本文在螢火蟲算法(glowworm swarm optimization, GSO)[12]基礎(chǔ)上，引入混沌映射優(yōu)化螢火蟲算法初始種群，采用自適應(yīng)的步長調(diào)整因子，提出一種混沌自適應(yīng)螢火蟲算法用于所提EED模型的優(yōu)化求解問題。

2.1 混沌自適應(yīng)GSO算法

1)改進的混沌Tent映射?；煦鐑?yōu)化是利用混沌變量的遍歷性、隨機性、有界性和普適性等尋優(yōu)搜索特性，將優(yōu)化解線性轉(zhuǎn)化到優(yōu)化空間。引入混沌映射可以增強螢火蟲初始種群的多樣性和隨機性，有利于實現(xiàn)搜索域?qū)饪臻g的全覆蓋。但是，傳統(tǒng)Tent映射[13]在迭代過程中存在不穩(wěn)定周期點，例如{0.25,0.5,0.75}或xn+1=xn+m，m={0,1,2,3,4}，這些都將會迭代至不動點{0}。為了避免Tent映射迭代落入小周期循環(huán)的問題，本文引入隨機函數(shù)，對序列進行小范圍擾動，使Tent映射的迭代跳出小周期點或不動點，重新進入混沌狀態(tài)，其改進后的Tent映射函數(shù)表達式為

(18)

2)自適應(yīng)步長。在同一次迭代過程中，每個螢火蟲距離其鄰域內(nèi)最大熒光素個體的距離都不同，若采用相同的步長，既不利于距離最大熒光素個體較遠的螢火蟲快速向其收斂，也會導(dǎo)致較近的螢火蟲個體出現(xiàn)超進化溢出解集約束空間的情況，無法在全解集內(nèi)搜索到最優(yōu)解。為了解決此類問題，本文引入自適應(yīng)的步長判斷機制，使螢火蟲個體在解集約束空間內(nèi)合理進化，即

(19)

式中si,k為第i只螢火蟲第k次迭代步長；xi(k)為第i只螢火蟲第k次迭代位置；xmax(k)為第k次迭代最大熒光素個體位置；sk為第k次迭代步長；smax與smin分別為固定步長的最大值和最小值；scg為步長調(diào)節(jié)因子；xim(k)為第i只螢火蟲第k次迭代其鄰域內(nèi)最大熒光素個體位置；scgt為第k次迭代步長擾動因子，通常取值范圍為[1,2]。

3)覓食行為。為了提升螢火蟲算法的局部尋優(yōu)搜索能力，本文采用魚群算法的覓食行為尋找最高熒光素值個體的位置。若螢火蟲i的鄰域Ni(k)為空集，則引入覓食行為，使螢火蟲i在小范圍隨機移動N次，第j次覓食后的個體位置表達式為

(20)

(21)

如果N次覓食后的熒光素值始終小于覓食前的熒光素值，則認為覓食前位置已是熒光素最高值位置，螢火蟲位置不移動。

2.2 基于混沌自適應(yīng)GSO的EED問題求解步驟

采用混沌自適應(yīng)GSO算法求解大用戶直購電參與的風(fēng)火儲聯(lián)合系統(tǒng)EED問題的步驟如下。

1)初始化螢火蟲種群和參數(shù)。將調(diào)度周期內(nèi)火電機組、風(fēng)電場、儲能系統(tǒng)等各自出力作為螢火蟲個體，采用式(18)Tent映射生成0到1之間的數(shù)據(jù)序列，根據(jù)螢火蟲個體的取值范圍及約束條件，將數(shù)據(jù)序列轉(zhuǎn)化為螢火蟲個體形成初始螢火蟲種群，并對步長、熒光素值、動態(tài)決策域等參數(shù)進行初始化。

2)更新螢火蟲的熒光素值。以熒光素值反映螢火蟲個體接近目標解的程度，其值越大，表示越接近目標。以系統(tǒng)總成本為目標函數(shù)確定每次迭代過程中每個螢火蟲的熒光素值。

3)確定螢火蟲的個體鄰域。在動態(tài)決策域內(nèi)，選擇熒光素高于自身的螢火蟲個體組成鄰域。

4)確定螢火蟲移動方向。計算每個螢火蟲在其鄰域內(nèi)向其它螢火蟲移動的概率，將概率值最大的那個螢火蟲作為移動目標。

5)判斷鄰域是否為空。如果鄰域為空，引入覓食行為，由式(20)和(21)確定最高熒光素值個體的位置；否則，螢火蟲個體在滿足解集約束條件下向步驟4選中的熒光素值更大的個體移動位置，以此實現(xiàn)尋優(yōu)。

6)更新每個螢火蟲的動態(tài)決策域半徑，并利用式(19)引入自適應(yīng)的步長判斷機制，更新螢火蟲個體步長，使螢火蟲個體在解集約束空間內(nèi)合理進化。

7)判斷是否達到精度要求或超過迭代次數(shù)的限值，若是，則執(zhí)行步驟8；否則，返回至步驟2。

8)程序結(jié)束，輸出最優(yōu)的系統(tǒng)總成本以及對應(yīng)的各部分出力。

3 算例分析

3.1 基本數(shù)據(jù)和參數(shù)

本文采用IEEE 39節(jié)點系統(tǒng)進行仿真分析，該系統(tǒng)由10臺火電機組、1個風(fēng)電場和1套集中式電池儲能系統(tǒng)組成，系統(tǒng)拓撲如圖1所示。

圖1 IEEE 39系統(tǒng)拓撲Figure 1 The topology of the IEEE 39 system

表1 系統(tǒng)各項成本值Table 1 Cost values of the system

表2 分時電價與電量Table 2 Time-of-use price and electricity quantity

3.2 混沌自適應(yīng)GSO算法性能對比

為了驗證本文提出的混沌自適應(yīng)GSO算法的有效性，以系統(tǒng)總成本最小為目標函數(shù)，采用24個調(diào)度時段的負荷及風(fēng)電預(yù)測數(shù)據(jù)進行仿真計算，與傳統(tǒng)GSO算法進行對比，2種GSO算法性能對比如表3所示?；煦缱赃m應(yīng)GSO算法的參數(shù)設(shè)置為：螢火蟲個數(shù)為150，熒光素l0=2±0.5隨機分配，最大步長smax=40，最小步長smin=0.01，步長調(diào)節(jié)因子scg=-4，步長擾動因子scgt=1.3，動態(tài)決策域r0=200±10隨機分配，領(lǐng)域閾值nt=15，熒光素消失率ρ=0.3，熒光素更新率γ=500 000，動態(tài)決策域更新率ε=0.08，螢火蟲感知域rs=210，最大迭代次數(shù)kmax=1 500。

由表3可知，70%以上的時段混沌自適應(yīng)GSO算法比傳統(tǒng)GSO算法在總成本、迭代次數(shù)和運行時間上均占優(yōu)勢。雖然個別時段上前者比后者的總成本偏高，但是在迭代次數(shù)和運行時間上，前者遠遠優(yōu)于后者。由此說明，混沌自適應(yīng)GSO算法引入混沌映射與自適應(yīng)步長機制后，在求解多約束尋優(yōu)問題中，具有適應(yīng)性強、全局搜索能力強、收斂速度快、尋優(yōu)穩(wěn)定性高等優(yōu)點。

表3 2種GSO算法各項指標對比Table 3 Index comparison of two GSO methods

3.3 不同場景下的調(diào)度對比分析

為了驗證含大用戶直購電的風(fēng)火儲聯(lián)合系統(tǒng)調(diào)度模型的有效性，分析大用戶、儲能系統(tǒng)的參與對風(fēng)火聯(lián)合系統(tǒng)調(diào)度在環(huán)境和經(jīng)濟效益方面的影響，設(shè)計4種場景進行對比分析：場景1為風(fēng)火聯(lián)合系統(tǒng)環(huán)境經(jīng)濟調(diào)度；場景2為大用戶直購電參與的風(fēng)火聯(lián)合系統(tǒng)環(huán)境經(jīng)濟調(diào)度；場景3為風(fēng)火儲聯(lián)合系統(tǒng)環(huán)境經(jīng)濟調(diào)度；場景4為大用戶直購電參與的風(fēng)火儲聯(lián)合系統(tǒng)環(huán)境經(jīng)濟調(diào)度。

在24 h內(nèi)調(diào)度的系統(tǒng)總成本曲線如圖2所示，4種場景下各種指標的對比結(jié)果如表4所示。

由表4及圖2的分析結(jié)果可知。

表4 4種場景下系統(tǒng)調(diào)度仿真結(jié)果Table 4 Dispatch simulation results in four scenarios

1)對比場景2和場景1。風(fēng)火聯(lián)合系統(tǒng)中加入大用戶直購電后，系統(tǒng)總成本降低了27.8萬元，火電成本降低了5.1萬元，碳排放權(quán)交易成本降低了1.1萬元，棄風(fēng)率降低了3.6%，風(fēng)電滲透率升高了0.9%，風(fēng)電并網(wǎng)電量增加了232 WM·h。但是，風(fēng)電并網(wǎng)電量的增多及大用戶負荷的加入使得備用成本增加了1.5萬元。

2)對比場景3和場景1。風(fēng)火聯(lián)合系統(tǒng)中加入儲能系統(tǒng)后，系統(tǒng)總成本降低了3.8萬元，火電成本降低了31.3萬元，碳排放權(quán)交易成本降低了3.8萬元，棄風(fēng)率降低了12.4%，風(fēng)電滲透率升高了3.1%，風(fēng)電并網(wǎng)電量增加了787.8 WM·h。但是，備用成本增加了3.5萬元。

3)對比場景4和場景2。大用戶直購電參與的風(fēng)火聯(lián)合系統(tǒng)中加入儲能系統(tǒng)后，系統(tǒng)總成本降低了20.4萬元，火電成本降低了28.0萬元，碳排放權(quán)交易成本降低了5.2萬元，棄風(fēng)率降低了10.5%，風(fēng)電滲透率升高了2.6%，風(fēng)電并網(wǎng)電量增加了670.4 WM·h，備用成本僅增加了2.5萬元。

4)對比場景4和場景3。風(fēng)火儲聯(lián)合系統(tǒng)中加入大用戶直購電后，系統(tǒng)總成本降低了43.6萬元，火電成本降低了1.8萬元，碳排放權(quán)交易成本降低了2.5萬元，儲能成本降低了8.6萬元，棄風(fēng)率降低了1.7%，風(fēng)電滲透率升高了0.4%，風(fēng)電并網(wǎng)電量增加了114.6 WM·h，備用成本僅增加了0.5萬元。

由上述分析得出，大用戶的參與對降低系統(tǒng)總成本影響最大，儲能系統(tǒng)的參與對降低火電成本、棄風(fēng)率以及提高風(fēng)電并網(wǎng)電量效果最顯著，但又導(dǎo)致了備用成本相對增加。

4 結(jié)語

針對大用戶直購電、儲能系統(tǒng)、風(fēng)電出力、碳排放權(quán)交易等多因素相互影響的電力系統(tǒng)環(huán)境經(jīng)濟調(diào)度問題，采用混沌自適應(yīng)GSO算法對所提模型進行求解。算例分析表明：

1)混沌自適應(yīng)GSO算法求解精度高、速度快，引入Tent映射使初始種群在值域空間內(nèi)分布范圍更廣、更均勻，引入自適應(yīng)步長使算法擁有更好的迭代進化性能，提高了局部搜索能力；

2)大用戶與火電廠簽署合同電量，雖然在一定程度上增加了旋轉(zhuǎn)備用的成本，但其合同電價的收益降低了系統(tǒng)運行總成本；

3)儲能系統(tǒng)的引入提升了系統(tǒng)總體備用容量，提升了系統(tǒng)供電可靠性，雖在一定程度上增加了儲能成本，但其快充快放能力提高了風(fēng)電消納能力，降低火電成本、碳排放權(quán)交易成本以及棄風(fēng)率等。

因此，大用戶直購電和儲能系統(tǒng)的參與對于提升含風(fēng)電系統(tǒng)調(diào)度的環(huán)境及經(jīng)濟指標具有積極地影響。