楊賢東，袁旭峰，熊煒，祝健楊，徐玉韜，鄒曉松

（1.貴州大學(xué)電氣工程學(xué)院，貴州貴陽 550025；2.貴州電網(wǎng)有限公司電力科學(xué)研究院，貴州貴陽 550002）

0 引言

隨著全球氣候變暖和能源危機(jī)問題日益凸顯，大力發(fā)展風(fēng)電、光伏等清潔能源成為全球普遍共識(shí)[1]。但風(fēng)電、光伏大規(guī)模并網(wǎng)時(shí)，其固有的不確定性、波動(dòng)性和反調(diào)峰性，嚴(yán)重影響了電力系統(tǒng)安全穩(wěn)定運(yùn)行，調(diào)度中兼顧系統(tǒng)的低碳經(jīng)濟(jì)和新能源的安全消納，具有重要意義。

在“3060 雙碳”（我國(guó)力爭(zhēng)在2030 年實(shí)現(xiàn)碳達(dá)峰，2060 年實(shí)現(xiàn)碳中和）戰(zhàn)略目標(biāo)背景下[2]，經(jīng)濟(jì)調(diào)度引入碳交易成本模型，以實(shí)現(xiàn)節(jié)能減排和提高清潔能源并網(wǎng)容量，學(xué)者已經(jīng)有不少研究[3-5]。文獻(xiàn)[6]引入碳交易機(jī)制控制綜合能源系統(tǒng)的碳排放，建立電氣熱綜合能源系統(tǒng)低碳化運(yùn)行模型。文獻(xiàn)[7]為進(jìn)一步兼顧綜合能源系統(tǒng)的低碳性與經(jīng)濟(jì)性，引入碳交易機(jī)制，并在需求側(cè)考慮電、熱、氣3 種負(fù)荷之間的需求響應(yīng)和替代性的調(diào)度優(yōu)化。文獻(xiàn)[8]為提高傳統(tǒng)火電機(jī)組的靈活性調(diào)節(jié)和減少碳排放，利用風(fēng)火儲(chǔ)打捆發(fā)電方式，充分考慮了風(fēng)電反調(diào)峰性和不確定性。這些文獻(xiàn)引入碳交易和負(fù)荷側(cè)需求響應(yīng)機(jī)制對(duì)綜合能源的影響，展示了風(fēng)火、風(fēng)火儲(chǔ)系統(tǒng)減碳的顯著效果，但電源側(cè)未更多發(fā)揮清潔能源減碳作用。到2030 年全國(guó)風(fēng)電、太陽能發(fā)電總裝機(jī)容量將達(dá)到1.2×109kW 以上[9]。且截至2020 年底風(fēng)電、光伏在電源結(jié)構(gòu)中成為第3 和第4 大電源，占比分別為13%和12%[10]。低碳經(jīng)濟(jì)調(diào)度中應(yīng)給予光伏發(fā)電更多的重視。

碳交易成本模型引入提高了風(fēng)電、光伏并網(wǎng)容量，但其具有的波動(dòng)性、不確定性和反調(diào)峰性給調(diào)度穩(wěn)定運(yùn)行帶來更多問題[11]。針對(duì)清潔能源和負(fù)荷的不確定性，已經(jīng)引起越來越多的關(guān)注。相比于缺乏靈活性的傳統(tǒng)備用[12]、滿足最壞情況具有保守性的魯棒優(yōu)化法[13]、需綜合考慮各種可能出現(xiàn)計(jì)算量較大的場(chǎng)景法[14]、根據(jù)人為經(jīng)驗(yàn)主觀設(shè)立模糊隸屬度參數(shù)的模糊法[15]，隨機(jī)模擬機(jī)會(huì)約束滿足根據(jù)實(shí)際情況設(shè)定的置信水平[16]，本文在現(xiàn)有處理源荷不確定性方法的基礎(chǔ)上，采用全面考慮風(fēng)電、光伏和負(fù)荷不確定性的隨機(jī)模擬機(jī)會(huì)約束法。

目前，多數(shù)文獻(xiàn)引入碳交易機(jī)制，利用綜合能源系統(tǒng)在需求側(cè)多種能源融合，或者供給電源側(cè)僅考慮風(fēng)火、風(fēng)火儲(chǔ)來減少碳排放；較少文獻(xiàn)立足供給電源側(cè)資源稟賦，計(jì)及清潔能源和負(fù)荷不確定性，采用風(fēng)光火儲(chǔ)多能協(xié)同來兼顧系統(tǒng)低碳經(jīng)濟(jì)性和清潔能源安全消納。由此，本文構(gòu)建考慮源荷不確定性的風(fēng)光火儲(chǔ)系統(tǒng)低碳經(jīng)濟(jì)調(diào)度模型，針對(duì)風(fēng)電、光伏和負(fù)荷預(yù)測(cè)誤差不確定性，利用隨機(jī)機(jī)會(huì)約束規(guī)劃轉(zhuǎn)化為確定性模型來求解；將帶懲罰的碳交易機(jī)制模型引入傳統(tǒng)經(jīng)濟(jì)調(diào)度中，綜合考慮系統(tǒng)的運(yùn)行成本和安全穩(wěn)定。

1 源荷不確定性模型的構(gòu)建及處理

1.1 源荷不確定性模型構(gòu)建

計(jì)及不確定性的影響，風(fēng)電、光伏出力和負(fù)荷的實(shí)際值通?？杀硎緸榇_定的預(yù)測(cè)值加上不確定的預(yù)測(cè)誤差[17]，即：

式中：Plr,t，Pgr,t，Plr,t分別為風(fēng)電、光伏、負(fù)荷實(shí)際值；Pwpre,t，Pgpre,t，Plpre,t分別為風(fēng)電、光伏、負(fù)荷預(yù)測(cè)功率；εw,t，εg,t，εl,t分別為風(fēng)電、光伏、負(fù)荷預(yù)測(cè)誤差功率。

根據(jù)中心極限定理，不確定性誤差服從正態(tài)分布，即：

式中：σw,t，σg,t，σl,t分別為風(fēng)電、光伏、負(fù)荷服從均值為0 的正態(tài)分布標(biāo)準(zhǔn)差；Pwr和Pgr分別為風(fēng)電與光伏額定裝機(jī)容量。

風(fēng)速、光照強(qiáng)度、負(fù)荷受自然條件和用電習(xí)慣的不確定影響，造成很難精準(zhǔn)預(yù)測(cè)?？紤]風(fēng)光負(fù)荷不確定性的表達(dá)式為式（7）—式（8）。

功率平衡：

旋轉(zhuǎn)備用平衡：

1.2 機(jī)會(huì)約束模型處理

機(jī)會(huì)約束是以概率的形式滿足約束條件，即調(diào)度結(jié)果在一定程度上可以超出約束范圍，但允許約束條件成立的概率不小于事先設(shè)定的置信水平。

一般形式的機(jī)會(huì)約束規(guī)劃模型為：

將式（1）—式（8）帶入式（9），可得調(diào)度的機(jī)會(huì)約束模型為：

式中：α，β分別為功率平衡和旋轉(zhuǎn)備用平衡的置信水平。

本文采用蒙特卡洛模擬隨機(jī)機(jī)會(huì)約束法[18]。即將含隨機(jī)變量的約束條件進(jìn)行蒙特卡洛隨機(jī)模擬，模擬出的結(jié)果需要滿足置信水平。

2 風(fēng)光火儲(chǔ)系統(tǒng)的低碳經(jīng)濟(jì)調(diào)度模型

根據(jù)居民用電習(xí)慣1 d 內(nèi)負(fù)荷曲線呈現(xiàn)早晚“雙峰”特點(diǎn)，而風(fēng)電功率大發(fā)往往在夜間和凌晨，日間出力小，風(fēng)電與負(fù)荷有明顯的反調(diào)峰特性；而光伏日間出力大發(fā)，夜晚和凌晨出力幾乎為零。各自單獨(dú)發(fā)電并網(wǎng)會(huì)增大凈負(fù)荷峰谷差，進(jìn)而增加火電機(jī)組調(diào)峰壓力，且風(fēng)電、光伏利用率不高。利用風(fēng)光時(shí)間上的互補(bǔ)性聯(lián)合并網(wǎng)，能在一定程度上平緩風(fēng)光并網(wǎng)發(fā)電的波動(dòng)性[19]。儲(chǔ)能的“能量時(shí)移”，在風(fēng)光出力高而負(fù)荷需求低時(shí)存儲(chǔ)電能，當(dāng)其出力低而負(fù)荷需求高時(shí)釋放電能，進(jìn)一步平滑出力曲線和解決反調(diào)峰性。

2.1 系統(tǒng)碳交易成本模型

相比于設(shè)置碳限額的溫和減碳方式[20]，碳交易機(jī)制是根據(jù)《京都議定書》對(duì)電力生產(chǎn)商的碳權(quán)引入市場(chǎng)交易手段，以經(jīng)濟(jì)杠桿為原理，對(duì)高污染低成本和低污染高成本進(jìn)行科學(xué)的機(jī)組組合，從而實(shí)現(xiàn)減少碳排放量的目的。

2.1.1 實(shí)際碳排放

常規(guī)燃煤機(jī)組運(yùn)行過程中產(chǎn)生大量的CO2，低于或者超出碳排放配額的部分可以進(jìn)行碳權(quán)的買賣；風(fēng)電、光伏等清潔能源發(fā)電，雖然運(yùn)行中不產(chǎn)生CO2，但風(fēng)電、光伏的不確定性，在其并網(wǎng)時(shí)將會(huì)造成火電備用而產(chǎn)生大量碳排放量，本文將風(fēng)電、光伏和負(fù)荷不確定性造成的火電備用碳排放增加量，視為風(fēng)光荷的碳排放量，即：

式中：EGt，Ewt，Egt，Elt分別為火電、風(fēng)電、光電和負(fù)荷的第t時(shí)刻實(shí)際碳排放量；δ為火電機(jī)組碳排放強(qiáng)度；PGi,t，Pwb,t，Pgb,t，Plb,t分別為第i臺(tái)火電、風(fēng)電、光電和負(fù)荷備用第t時(shí)刻的日前調(diào)度出力。

2.1.2 碳排放權(quán)配額

目前我國(guó)處于低碳減排政策實(shí)施的初期，大部分碳交易配額為無償分配，則碳排放源獲得相應(yīng)碳排放配額為：

式中：DGt，Dwt，Dgt，Dlt分別為火電、風(fēng)電、光電和負(fù)荷備用的第t時(shí)刻碳排放配額；λ為采用基準(zhǔn)線法單位電量碳排放分配額。

2.1.3 碳交易成本

根據(jù)碳源實(shí)際排放量與碳配額、購(gòu)買碳權(quán)的大小關(guān)系，帶懲罰的碳交易成本主要為3 個(gè)[4]：碳權(quán)購(gòu)買成本、碳收益和過排放懲罰。計(jì)算公式為：

式中：Ept，Eqt，Ect分別為碳源實(shí)際排放量、碳排放配額和市場(chǎng)碳排放權(quán)購(gòu)買得到的量；Cco2,t為t時(shí)刻系統(tǒng)碳交易成本；Kpt，Kft分別為t時(shí)刻碳交易價(jià)格和超額罰金價(jià)格；μ為碳權(quán)購(gòu)買裕度。

2.2 系統(tǒng)運(yùn)行目標(biāo)函數(shù)

火電機(jī)組作為傳統(tǒng)的可控電源，對(duì)電網(wǎng)的穩(wěn)定安全運(yùn)行起著重要作用；風(fēng)光等清潔能源由于風(fēng)速、光照強(qiáng)度等自然條件的影響，造成輸出功率的不確定性，再加上其大規(guī)模并網(wǎng)時(shí)，本身的間歇性，很難與負(fù)荷的需求進(jìn)行匹配，會(huì)造成大量的棄風(fēng)棄光。本文綜合考慮火電機(jī)組運(yùn)行、棄風(fēng)棄光、儲(chǔ)能運(yùn)行、碳交易和旋轉(zhuǎn)備用等經(jīng)濟(jì)成本。

系統(tǒng)綜合成本為：

式中：Fc為系統(tǒng)綜合成本；CGi,t，Cqf,t，Cqg,t，Cess,t，Cri,t分別為火電機(jī)組發(fā)電成本、棄風(fēng)棄光懲罰成本、儲(chǔ)能成本、備用機(jī)組成本，具體如下：

式中：Dcw和Dcg為棄風(fēng)棄光懲罰系數(shù)；Dce為儲(chǔ)能成本系數(shù)；Ds為旋轉(zhuǎn)備用成本系數(shù)分別為t時(shí)刻正、負(fù)旋轉(zhuǎn)備用容量。

2.3 系統(tǒng)運(yùn)行約束條件

1）火電機(jī)組約束

（1）出力約束為：

（2）爬坡約束為：

式中：Rdi，Rui分別為第i火電機(jī)組向上、向下爬坡速率。

2）風(fēng)電約束

（1）出力約束為：

（2）棄風(fēng)量約束為：

3）光伏約束

（1）出力約束為：

（2）棄光量約束為：

4）儲(chǔ)能約束

（1）儲(chǔ)能電量為：：

式中：ηc，ηd分別為充放電效率；ρ為電能損耗率；Et為儲(chǔ)能等效電源電量。

（2）功率約束為：

（3）備用約束為：

（4）荷電狀態(tài)的容量約束為：

式中：Emin，Emax分別為儲(chǔ)能最小、最大電量。

3 算例分析

3.1 模型求解

粒子群算法（Particle Swarm Optimization，PSO）具有參數(shù)少、收斂速度快、全局最優(yōu)解更好篩選等優(yōu)勢(shì)，對(duì)于非線性、多峰問題[21-23]均有較強(qiáng)的求解能力。由于本文的功率平衡和旋轉(zhuǎn)備用平衡約束條件中含有隨機(jī)變量，采用隨機(jī)模擬技術(shù)和粒子群算法處理，稱為隨機(jī)模擬粒子算法，流程圖如圖1 所示。其中，J為隨機(jī)模擬次數(shù)。

圖1 隨機(jī)模擬粒子群算法Fig.1 Random simulation of PSO

3.2 算例參數(shù)

本文采用IEEE 30 節(jié)點(diǎn)系統(tǒng)作為算例進(jìn)行分析。調(diào)度周期為24 h，間隔時(shí)間段為1 h，火電機(jī)成本系數(shù)和單位電量排放強(qiáng)度相應(yīng)參數(shù)[24]，儲(chǔ)能相應(yīng)參數(shù)[11]如表1 所示。風(fēng)電光電和負(fù)荷預(yù)測(cè)參數(shù)如圖2所示。其中，單位電量基準(zhǔn)線配額為0.798 t/（MWh）；碳交易價(jià)格為120 元/t；機(jī)會(huì)約束置信水平α=100%，β=97%；碳權(quán)購(gòu)買裕度為0.3；棄風(fēng)棄光懲罰和備用成本系數(shù)[25]分別為500 元/（MW）和200 元/（MW）。算法參數(shù)為學(xué)習(xí)因子c1=1.3，c2=1.492；最大迭代次數(shù)為500 次；隨機(jī)模擬次數(shù)J=3 000。

表1 儲(chǔ)能參數(shù)Table 1 Energy storage parameters

圖2 各時(shí)段風(fēng)光預(yù)測(cè)出力和負(fù)荷預(yù)測(cè)出力Fig.2 Output of wind，solar and load forecasts in various periods

3.3 算例結(jié)果分析

3.3.1 碳交易和機(jī)會(huì)約束對(duì)系統(tǒng)的影響

儲(chǔ)能參數(shù)見表1。

為驗(yàn)證經(jīng)濟(jì)目標(biāo)函數(shù)引入碳交易和機(jī)會(huì)約束對(duì)系統(tǒng)備用的有效性，本文設(shè)置了5 種不同調(diào)度模式進(jìn)行對(duì)比分析。（1）模式1：采用機(jī)會(huì)約束模型處理風(fēng)電、光伏出力和負(fù)荷不確定性，并計(jì)及碳交易成本；（2）模式2：采用機(jī)會(huì)約束模型處理風(fēng)電、光伏出力和負(fù)荷不確定性，不計(jì)及碳交易成本；（3）模式3：計(jì)及碳交易成本，采用傳統(tǒng)旋轉(zhuǎn)備用容量方法處理不確定性；（4）模式4：計(jì)及碳交易成本，風(fēng)電出力和負(fù)荷采用機(jī)會(huì)約束模型處理不確定性，光伏出力采用傳統(tǒng)旋轉(zhuǎn)備用容量方法處理不確定性；（5）模式5：計(jì)及碳交易成本，光伏出力和負(fù)荷采用機(jī)會(huì)約束模型處理不確定性，風(fēng)電出力采用傳統(tǒng)旋轉(zhuǎn)備用容量方法處理不確定性。

調(diào)度規(guī)劃結(jié)果如表2 所示。

表2 5種模式的調(diào)度規(guī)劃結(jié)果Table 2 Planning results of 5 scheduling modes

1）引入碳交易模型對(duì)系統(tǒng)的影響。

根據(jù)表2 模式1 與模式2 對(duì)比分析可知，經(jīng)濟(jì)目標(biāo)函數(shù)中考慮碳交易成本時(shí)，能夠降低高污染的火電機(jī)組出力，提高清潔能源的上網(wǎng)容量，碳交易成本雖然增加了3.73 萬元，但棄風(fēng)棄光懲罰和綜合運(yùn)行成本分別減少了65.48%，14.94%；風(fēng)電、光伏更多的并網(wǎng)，造成總備用容量增加了113.21 MW，但碳排放量減少了590.19 t。

2）引入機(jī)會(huì)約束模型對(duì)系統(tǒng)的影響。

表2 中模式1 相比模式3，置信水平滿足97%情況下，總備用容量、碳排放量分別減少了372.35 MW和983.2 t，綜合運(yùn)行成本減少了49.25 萬元；模式1相比模式2、模式3，同時(shí)考慮風(fēng)光負(fù)荷不確定性比僅考慮風(fēng)電負(fù)荷和光伏負(fù)荷單一清潔能源不確定性，備用容量分別減少了104.45 MW，285.59 MW，碳排放量分別減少了223.82 t，805.71 t，綜合成本減少了11.2 萬元，30.23 萬元。整體考慮風(fēng)光負(fù)荷不確定性，避免了傳統(tǒng)備用方法將旋轉(zhuǎn)備用過多投入使用，帶來的總備用容量、碳排放量和綜合成本的增加。

考慮不同置信度和不同碳權(quán)購(gòu)買裕度對(duì)系統(tǒng)經(jīng)濟(jì)性靈敏度影響，相應(yīng)的系統(tǒng)調(diào)度結(jié)果如表3，表4 所示。

表3 不同置信度下系統(tǒng)調(diào)度結(jié)果Table 3 Scheduling results at different confidence levels

表4 不同碳權(quán)購(gòu)買裕度下系統(tǒng)調(diào)度結(jié)果Table 4 Scheduling results of different carbon right purchase margins

由表3 可知，隨著置信度的增加，備用容量和經(jīng)濟(jì)成本也增加，置信水平的高低反映著系統(tǒng)應(yīng)對(duì)源荷不確定性風(fēng)險(xiǎn)的能力。在調(diào)度決策中，調(diào)度人員應(yīng)根據(jù)系統(tǒng)的實(shí)際需求，綜合考慮系統(tǒng)的安全性和經(jīng)濟(jì)性，選擇合適的置信水平。

由表4 可知，當(dāng)碳權(quán)購(gòu)買裕度較小時(shí)，高昂的碳排放懲罰促使成本高但碳排放低的機(jī)組增加出力，從而碳排放量較少，但綜合成本較高；隨著碳權(quán)購(gòu)買裕度增加，此時(shí)碳排放量小于碳配額與購(gòu)買所得到的碳權(quán)之和，造成罰金成本為負(fù)數(shù)，即表明購(gòu)買多的碳權(quán)再次出售而獲利減小成本，但綜合成本不受罰金作用時(shí)碳排放量也隨之增加。

綜合5 種模式分析，采用滿足功率平衡和備用平衡的隨機(jī)模擬機(jī)會(huì)約束，增加了系統(tǒng)備用的靈活性，避免資源的浪費(fèi)，進(jìn)而減少系統(tǒng)運(yùn)行成本、碳排放量；在經(jīng)濟(jì)調(diào)度模型中引入碳交易成本，優(yōu)先調(diào)度碳排放小的機(jī)組和清潔能源，碳排放總量過高時(shí)進(jìn)行經(jīng)濟(jì)懲罰，與傳統(tǒng)經(jīng)濟(jì)調(diào)度相比雖然成本增加了，但碳排放量明顯減少，有利于電力經(jīng)營(yíng)過程中，權(quán)衡利弊更加注重環(huán)境的影響，從而加快實(shí)現(xiàn)“碳達(dá)峰、碳中和”的愿景。

3.3.2 不同電源接入的對(duì)比分析

為了直觀驗(yàn)證不同電源接入對(duì)碳排放和清潔能源的積極作用，設(shè)置了5 種情景進(jìn)行對(duì)比分析。（1）情景1：火電單獨(dú)出力；（2）情景2：光伏和火電系統(tǒng)聯(lián)合出力；（3）情景3：風(fēng)電和火電系統(tǒng)聯(lián)合出力；（4）情景4：風(fēng)光打捆與火電系統(tǒng)聯(lián)合出力；（5）情景5：風(fēng)光火儲(chǔ)系統(tǒng)聯(lián)合出力。表5 為調(diào)度優(yōu)化結(jié)果。

表5 不同電源接入的調(diào)度優(yōu)化結(jié)果Table 5 Scheduling optimization results of different power supplies

圖3—8 為情景1—5 各種電源出力和凈負(fù)荷曲線。

圖3 情景1電源出力Fig.3 Different power output of scenario 1

圖4 情景2不同電源出力Fig.4 Different power output of scenario 2

圖5 情景3不同電源出力Fig.5 Different power output of scenario 3

圖6 情景4不同電源出力Fig.6 Different power output of scenario 4

圖7 情景5不同電源出力Fig.7 Different power output of scenario 5

圖8 5種情景調(diào)度下的凈負(fù)荷曲線Fig.8 Net load curve under five scenarios

由表5 可知，相比情景1，情景2 和情景3 綜合運(yùn)行成本分別減少了8.68%，19.21%；碳排放量分別減少了834.05 t，1 605.23 t。通過圖3—5 可知，光伏在日間，風(fēng)電在全天，降低了高排放高成本的火電機(jī)組的出力，進(jìn)而減少了高額的碳排放懲罰，可見風(fēng)火打捆、光火打捆并網(wǎng)能夠大幅度減少碳排放量和綜合運(yùn)行成本。

由表5 和圖4—6 可知，相比情景2，情景3 和情景4 棄風(fēng)棄光量分別減少了13.56%，5.81%，可控火電電源自身的調(diào)峰作用，保證著系統(tǒng)接納風(fēng)電光伏的容量，避免大量棄風(fēng)棄光；綜合運(yùn)行成本分別減少了23.02%，12.99%，碳排放量分別減少了1 684.22 t，913.04 t，這主要是因?yàn)楣夥鼜浹a(bǔ)了風(fēng)電在日間功率出力不足，風(fēng)電消除了光伏凌晨的無功率現(xiàn)象，風(fēng)光火打捆并網(wǎng)從而進(jìn)一步減少綜合運(yùn)行成本和火電機(jī)組的出力。

由表5 和圖6—7 可知，情景5 在情景4 基礎(chǔ)上添加了儲(chǔ)能，則在風(fēng)電、光伏電量大發(fā)，而負(fù)荷需求少時(shí)，進(jìn)行充電；反之進(jìn)行放電，減少了風(fēng)電、光伏與負(fù)荷不匹配和系統(tǒng)接納能力不足造成的棄置量。棄風(fēng)棄光懲罰成本和碳交易成本減少的優(yōu)勢(shì)，抵消了風(fēng)光利用率提高帶來的儲(chǔ)能成本，從而綜合運(yùn)行成本明顯降低；風(fēng)光消納率提高，則碳排放量也隨之降低。根據(jù)圖8，情景5 相比于情景1—4，最大凈負(fù)荷峰谷差分別減少了71.59 MW，44.83 MW，15.07 MW，12.99 MW，且凈負(fù)荷曲線更加平滑，風(fēng)光火儲(chǔ)聯(lián)合出力很好地改善了系統(tǒng)的波動(dòng)性和反調(diào)峰性。

綜上所述，風(fēng)光打捆并網(wǎng)實(shí)現(xiàn)了風(fēng)光互補(bǔ)，再加上“能量時(shí)移”的儲(chǔ)能，有力地降低高排放高成本火電機(jī)組出力，提高了清潔能源消納率，有利于構(gòu)建以新能源為主體的新型電力系統(tǒng)。

4 結(jié)語

本文構(gòu)建了考慮源荷不確定性的風(fēng)光火儲(chǔ)系統(tǒng)低碳經(jīng)濟(jì)調(diào)度模型，通過對(duì)模型進(jìn)行求解，得出以下結(jié)論：

1）引入帶懲罰碳交易機(jī)制，高昂的碳排放懲罰促使優(yōu)先調(diào)度碳排放低的火電機(jī)組和新能源，雖然碳交易成本增加了3.73 萬元，但碳排放量、棄風(fēng)棄光懲罰、綜合運(yùn)行成本分別減少了8.35%，65.48%，14.94%。

2）采用隨機(jī)機(jī)會(huì)約束處理源荷兩側(cè)不確定性，通過設(shè)置不同置信水平控制系統(tǒng)應(yīng)對(duì)風(fēng)險(xiǎn)能力，相比傳統(tǒng)備用容量和考慮單一風(fēng)電負(fù)荷、光電負(fù)荷不確定性備用方法，提高了系統(tǒng)備用靈活性，從而總備用容量分別減少了31.84%，11.59%，26.38%；綜合成本分別減少了26.83%，7.70%，18.37%。

3）不同電源接入系統(tǒng)后，風(fēng)光時(shí)間上的出力互補(bǔ)和儲(chǔ)能的“能量時(shí)移”，相比少數(shù)能源間互補(bǔ)，風(fēng)光消納率分別提高了21.98%，14.23%，8.42%；綜合成本分別減少了30.33%，21.25%，9.49%；最大凈負(fù)荷峰谷差分別減少了23.75%，15.07%，12.99%。

隨著人們對(duì)電力需求逐年增多，不同等級(jí)用戶負(fù)荷量對(duì)新能源消納和凈負(fù)荷波形改善有著重要影響；水電具有良好的調(diào)節(jié)性和低碳性，在構(gòu)建新型電力系統(tǒng)中，與火電在承擔(dān)基礎(chǔ)負(fù)荷和調(diào)節(jié)能力存在著角色互換。未來工作著重從這兩方面對(duì)低碳經(jīng)濟(jì)調(diào)度的研究。