李軍徽 安晨宇 李翠萍 張靖祥 劉芮彤

計(jì)及調(diào)峰市場交易的儲(chǔ)能-新能源-火電多目標(biāo)優(yōu)化調(diào)度

李軍徽1安晨宇1李翠萍1張靖祥1劉芮彤2

（1. 現(xiàn)代電力系統(tǒng)仿真控制與綠色電能新技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室（東北電力大學(xué)） 吉林 132012 2．國網(wǎng)遼寧省電力有限公司電力科學(xué)研究院 沈陽 110006）

大規(guī)模新能源接入對(duì)電網(wǎng)調(diào)峰提出挑戰(zhàn)，如何在提高新能源上網(wǎng)率的同時(shí)兼顧調(diào)峰資源的經(jīng)濟(jì)效益已成為亟須解決的重要問題，該文提出電力市場環(huán)境下考慮棄風(fēng)、棄光的儲(chǔ)能-新能源-火電多目標(biāo)優(yōu)化調(diào)度方法。首先，根據(jù)現(xiàn)行調(diào)峰政策設(shè)計(jì)儲(chǔ)能-新能源-火電調(diào)峰市場交易機(jī)制，并建立以棄風(fēng)率、棄光率為基準(zhǔn)的新能源交易功率模型、報(bào)價(jià)模型和依托現(xiàn)行調(diào)峰規(guī)則的火電報(bào)價(jià)模型；然后，通過開展新能源與儲(chǔ)能、火電之間的雙邊交易，以新能源中標(biāo)功率和系統(tǒng)調(diào)峰成本為多目標(biāo)進(jìn)行出清，優(yōu)化得到火電機(jī)組出力、新能源中標(biāo)功率、儲(chǔ)能充放電功率及出清價(jià)格；最后，采用算例進(jìn)行驗(yàn)證，結(jié)果表明所提出優(yōu)化調(diào)度方法在降低新能源棄風(fēng)棄光率的同時(shí)能夠顯著提高參與調(diào)峰市場主體的經(jīng)濟(jì)效益。

棄風(fēng)棄光 新能源報(bào)價(jià) 儲(chǔ)能調(diào)峰 調(diào)峰成本 市場出清

0 引言

為實(shí)現(xiàn)碳達(dá)峰、碳中和的“雙碳”目標(biāo)，構(gòu)建以新能源為主體的新型電力系統(tǒng)，需要大力發(fā)展風(fēng)能、太陽能等可再生能源[1-3]。然而，新能源大規(guī)模接入給電力系統(tǒng)調(diào)度運(yùn)行帶來嚴(yán)重挑戰(zhàn)。據(jù)國家能源局印發(fā)的《完善電力輔助服務(wù)補(bǔ)償市場機(jī)制工作方案》可知，目前我國大部分地區(qū)的電力市場化改革尚在推進(jìn)，調(diào)峰輔助服務(wù)機(jī)制尚未完善[4-7]。隨著新能源發(fā)電占比不斷提高，如何在電力市場環(huán)境下實(shí)現(xiàn)調(diào)峰資源（火電、儲(chǔ)能）最優(yōu)調(diào)度已成為當(dāng)前亟須解決的問題之一[8-9]。

目前，國內(nèi)外針對(duì)火電、儲(chǔ)能的聯(lián)合調(diào)峰已經(jīng)取得了一定的研究成果。文獻(xiàn)[10]基于容量市場合同構(gòu)建用戶實(shí)時(shí)電價(jià)需求響應(yīng)模型，然后計(jì)及容量市場建立儲(chǔ)能定容雙層優(yōu)化配置模型；文獻(xiàn)[11]綜合考慮調(diào)峰指標(biāo)和系統(tǒng)調(diào)峰成本，提出一種儲(chǔ)能輔助電網(wǎng)調(diào)峰的配置方案；文獻(xiàn)[12]考慮火電機(jī)組調(diào)峰主動(dòng)性約束，提出一種風(fēng)光水火儲(chǔ)多能系統(tǒng)互補(bǔ)協(xié)調(diào)優(yōu)化調(diào)度策略；文獻(xiàn)[13]構(gòu)建了考慮廣義儲(chǔ)能與火電機(jī)組聯(lián)合調(diào)峰的日前-日內(nèi)兩階段滾動(dòng)優(yōu)化模型；文獻(xiàn)[14]針對(duì)儲(chǔ)能調(diào)峰效果和調(diào)峰成本，提出一種儲(chǔ)能輔助火電機(jī)組深度調(diào)峰的分層優(yōu)化調(diào)度方案。

以上針對(duì)火電、儲(chǔ)能的調(diào)峰研究大多以系統(tǒng)調(diào)峰成本和調(diào)峰效果為目標(biāo)，優(yōu)化火電機(jī)組、儲(chǔ)能出力；我國已開展調(diào)峰市場改革，火電機(jī)組可自主報(bào)價(jià)參與調(diào)峰市場，激發(fā)了火電機(jī)組調(diào)峰積極性。

目前，我國調(diào)峰市場的研究大多圍繞火電機(jī)組、儲(chǔ)能及負(fù)荷等交易開展。如文獻(xiàn)[15]以華北電力調(diào)峰市場為例，從調(diào)峰服務(wù)申報(bào)、出清機(jī)制與結(jié)算機(jī)制等多方面分析現(xiàn)行調(diào)峰機(jī)制實(shí)施效果；文獻(xiàn)[16]考慮電源和負(fù)荷響應(yīng)性能，設(shè)計(jì)了計(jì)及源荷雙邊性能指標(biāo)的市場交易模型；文獻(xiàn)[17]提出一種考慮日前現(xiàn)貨市場風(fēng)險(xiǎn)的電力負(fù)荷參與系統(tǒng)調(diào)峰控制模型，該模型能夠在保證日前調(diào)峰效果的同時(shí)提升負(fù)荷調(diào)峰收益；文獻(xiàn)[18]提出一種負(fù)荷聚合商參與的源荷聯(lián)動(dòng)調(diào)峰輔助服務(wù)市場框架；文獻(xiàn)[19]針對(duì)棄風(fēng)現(xiàn)象，提出基于風(fēng)電場報(bào)棄風(fēng)電量、儲(chǔ)熱企業(yè)報(bào)需求函數(shù)的日前市場集中交易方式；文獻(xiàn)[20]提出一種虛擬電廠運(yùn)營商對(duì)外參與電能量市場和調(diào)峰市場、對(duì)內(nèi)與各成員協(xié)作配合的內(nèi)外協(xié)調(diào)競標(biāo)策略；文獻(xiàn)[21]以采用全電量集中競價(jià)模式的日前電能交易和東北深度調(diào)峰交易融合運(yùn)行、聯(lián)合出清為背景，建立一種日前電能量市場和深度調(diào)峰服務(wù)市場聯(lián)合出清模型；文獻(xiàn)[22]考慮在多能量市場中使熱電廠的收益最大化，提出基于兩階段隨機(jī)規(guī)劃的熱電廠深度調(diào)峰輔助服務(wù)市場競價(jià)策略；文獻(xiàn)[23]針對(duì)區(qū)域電網(wǎng)接納區(qū)外清潔能源產(chǎn)生調(diào)峰困難的問題，提出一種調(diào)峰輔助服務(wù)市場出清模型，采用市場化機(jī)制對(duì)參與調(diào)峰的機(jī)組進(jìn)行補(bǔ)償；文獻(xiàn)[24]根據(jù)現(xiàn)行調(diào)峰輔助服務(wù)市場機(jī)制存在的問題，提出動(dòng)態(tài)調(diào)峰輔助服務(wù)市場競價(jià)機(jī)制。

以上調(diào)峰市場交易手段雖然在一定程度上提高了新能源消納水平，但新能源場站只能被動(dòng)接受調(diào)峰出清結(jié)果，無法自主控制盈虧，調(diào)峰積極性不足，未能充分體現(xiàn)電力市場的價(jià)值規(guī)律和調(diào)節(jié)作用。

根據(jù)上述分析，本文設(shè)計(jì)了計(jì)及調(diào)峰市場交易的儲(chǔ)能-新能源-火電多目標(biāo)優(yōu)化調(diào)度方法：首先針對(duì)新能源棄風(fēng)棄光，建立以棄風(fēng)率、棄光率為基準(zhǔn)的新能源交易功率模型和交易報(bào)價(jià)模型以及現(xiàn)行調(diào)峰規(guī)則下火電機(jī)組報(bào)價(jià)模型；其次，考慮儲(chǔ)能電站、火電機(jī)組調(diào)峰作用，設(shè)計(jì)了儲(chǔ)能-新能源-火電調(diào)峰市場交易機(jī)制，并建立以系統(tǒng)調(diào)峰成本和新能源中標(biāo)功率為多目標(biāo)的市場出清模型，優(yōu)化火電機(jī)組出力、儲(chǔ)能電站功率以及新能源場站的中標(biāo)功率和出清價(jià)格；最后通過算例驗(yàn)證了上述方法的合理性和有效性。

1 含多市場主體的區(qū)域電網(wǎng)

本文主要研究電力市場環(huán)境下儲(chǔ)能-新能源-火電的優(yōu)化調(diào)度問題，以含儲(chǔ)能電站、風(fēng)電場、光伏電站和火電廠的區(qū)域電網(wǎng)為研究對(duì)象，其結(jié)構(gòu)如圖1所示。

對(duì)于新能源場站，調(diào)峰交易的中標(biāo)功率包含儲(chǔ)能-新能源雙邊交易中達(dá)成的中標(biāo)功率及新能源-火電雙邊交易中達(dá)成的中標(biāo)功率，有

新能源場站并網(wǎng)功率等于調(diào)峰交易前新能源場站并網(wǎng)功率和新能源場站參與調(diào)峰交易中標(biāo)功率之和，有

2 儲(chǔ)能-新能源-火電優(yōu)化調(diào)度方法

2.1 儲(chǔ)能-新能源-火電優(yōu)化調(diào)度方法框架

針對(duì)新能源大規(guī)模并網(wǎng)帶來的新能源棄電和調(diào)峰資源經(jīng)濟(jì)效益無法兼顧的問題，本文提出了儲(chǔ)能-新能源-火電優(yōu)化調(diào)度方法：通過設(shè)計(jì)儲(chǔ)能-新能源-火電調(diào)峰市場交易機(jī)制，新能源場站在棄風(fēng)棄光時(shí)段與儲(chǔ)能電站、火電機(jī)組開展雙邊交易，充分發(fā)揮新能源場站參與調(diào)峰市場交易的積極性；在降低新能源棄風(fēng)棄光的同時(shí)，提高了調(diào)峰市場主體的經(jīng)濟(jì)效益。圖2為儲(chǔ)能-新能源-火電優(yōu)化調(diào)度框架。

圖2 儲(chǔ)能-新能源-火電優(yōu)化調(diào)度框架

2.2 儲(chǔ)能-新能源-火電調(diào)峰交易機(jī)制實(shí)現(xiàn)關(guān)鍵

儲(chǔ)能-新能源-火電調(diào)峰市場交易機(jī)制分為調(diào)峰申報(bào)、調(diào)峰調(diào)用、市場出清三個(gè)階段。

3 調(diào)峰申報(bào)

現(xiàn)行調(diào)峰機(jī)制是以“火電機(jī)組單邊報(bào)價(jià)”為主體的交易模型，調(diào)度中心會(huì)考慮火電機(jī)組調(diào)峰成本和電網(wǎng)運(yùn)行的穩(wěn)定性，適當(dāng)舍棄部分新能源發(fā)電；然而在《清潔能源消納行動(dòng)計(jì)劃》中，國家對(duì)新能源的棄電率進(jìn)行明確要求：計(jì)劃在2020年將新能源棄電率控制在5%以內(nèi)；因此本文將以滿足電網(wǎng)運(yùn)行穩(wěn)定性為目標(biāo)，針對(duì)各時(shí)段風(fēng)光出力和棄電情況，建立以棄風(fēng)率、棄光率為基準(zhǔn)的新能源交易功率模型和交易報(bào)價(jià)模型，新能源場站可在意向交易的各時(shí)段，通過申報(bào)交易功率和交易報(bào)價(jià)，購買儲(chǔ)能和火電的調(diào)峰空間，從而降低新能源棄電率。

3.1 新能源交易功率模型

3.1.1 目標(biāo)函數(shù)

凈負(fù)荷和凈負(fù)荷平均值計(jì)算公式為

3.1.2 約束條件

1）棄風(fēng)率約束

語文是一門綜合性的人文學(xué)科。教師在農(nóng)村小學(xué)語文的教學(xué)中，可以結(jié)合教學(xué)的實(shí)際需要，開展多樣化的口語交際活動(dòng)，讓學(xué)生在參與活動(dòng)的過程中不斷提高自己的口語交際水平。例如，教師在語文教學(xué)活動(dòng)中，開展“朗誦”活動(dòng)，朗誦的題材不限，可以是詩歌、散文等。朗誦準(zhǔn)備的過程以及參與比賽的過程，就是加強(qiáng)學(xué)生口語交際訓(xùn)練的過程。此外，農(nóng)村小學(xué)語文教師還可以積極地開展演講比賽、辯論賽等與語言交際有關(guān)的活動(dòng)，讓學(xué)生在積極參與活動(dòng)的過程中得到很好的語言交際訓(xùn)練，促使學(xué)生語言表達(dá)能力的提升。

2）棄光率約束

3.2 新能源報(bào)價(jià)模型

目前針對(duì)新能源場站參與雙邊交易報(bào)價(jià)的研究尚不完善，國家也沒有對(duì)新能源場站深度調(diào)峰報(bào)價(jià)有明確規(guī)定；現(xiàn)行的調(diào)峰市場交易流程中，火電機(jī)組采用“階梯式”報(bào)價(jià)方式，分不同擋位浮動(dòng)報(bào)價(jià)。因此，本文將根據(jù)火電機(jī)組的調(diào)峰報(bào)價(jià)方式，根據(jù)每時(shí)段新能源場站棄風(fēng)、棄光情況設(shè)計(jì)新能源場站調(diào)峰報(bào)價(jià)方式。圖3為新能源場站分擋報(bào)價(jià)。

圖3 新能源場站分擋報(bào)價(jià)

由圖3可知，根據(jù)新能源場站的棄光、棄風(fēng)率將新能源報(bào)價(jià)分為個(gè)報(bào)價(jià)擋位，每個(gè)報(bào)價(jià)擋位對(duì)應(yīng)不同的報(bào)價(jià)上限和下限。新能源場站首先針對(duì)各時(shí)段棄風(fēng)率、棄光率確定報(bào)價(jià)擋位；其次根據(jù)棄風(fēng)率（棄光率）與所在報(bào)價(jià)擋位的棄風(fēng)率（棄光率）下限的大小關(guān)系確定具體報(bào)價(jià)。以風(fēng)電場為例，新能源場站報(bào)價(jià)函數(shù)為

3.3 火電機(jī)組報(bào)價(jià)模型

火電機(jī)組參與調(diào)峰市場分為三個(gè)階段：義務(wù)調(diào)峰階段、深度調(diào)峰不投油階段和深度調(diào)峰投油階段；機(jī)組處于義務(wù)調(diào)峰階段時(shí)，需要無償提供一部分調(diào)峰容量，不進(jìn)行報(bào)價(jià)；當(dāng)機(jī)組出力小于常規(guī)調(diào)峰最小負(fù)荷率時(shí)，機(jī)組會(huì)產(chǎn)生損耗成本及投油成本，此時(shí)允許機(jī)組進(jìn)行補(bǔ)償報(bào)價(jià)。

火電運(yùn)行成本表達(dá)式為

1）能耗成本

2）損耗成本

3）投油成本

4）環(huán)境保護(hù)稅

目前，國家通過宏觀手段對(duì)火電機(jī)組深度調(diào)峰進(jìn)行補(bǔ)償，各省份的補(bǔ)償報(bào)價(jià)大多按照階梯式價(jià)格進(jìn)行補(bǔ)償。東北地區(qū)對(duì)于火電機(jī)組參與深度調(diào)峰補(bǔ)償報(bào)價(jià)的規(guī)則見表1。

表1 現(xiàn)行機(jī)制下的火電調(diào)峰報(bào)價(jià)規(guī)則

Tab.1 Thermal power peak - regulating quotation rules under the current mechanism

東北地區(qū)根據(jù)火電機(jī)組負(fù)荷率分成兩個(gè)報(bào)價(jià)擋位，不同報(bào)價(jià)擋位設(shè)置不同的上下限，因此火電機(jī)組參與深度調(diào)峰報(bào)價(jià)函數(shù)為

4 儲(chǔ)能-新能源-火電調(diào)峰交易市場出清模型

4.1 系統(tǒng)調(diào)峰成本模型

系統(tǒng)調(diào)峰成本主要包含火電調(diào)峰運(yùn)行成本、儲(chǔ)能調(diào)峰運(yùn)行成本及棄風(fēng)棄光懲罰成本。3.3節(jié)中對(duì)火電運(yùn)行成本進(jìn)行了理論建模，在本節(jié)中分別對(duì)儲(chǔ)能運(yùn)行成本和棄風(fēng)棄光懲罰成本進(jìn)行理論建模。

4.1.1 儲(chǔ)能運(yùn)行成本模型

儲(chǔ)能調(diào)峰運(yùn)行成本主要包含充放電帶來的損耗成本，表達(dá)式為

4.1.2 棄風(fēng)棄光懲罰成本模型

為增加風(fēng)電、光伏的接納量，降低系統(tǒng)棄風(fēng)棄光率，設(shè)立棄風(fēng)棄光懲罰成本，其公式為

4.2 目標(biāo)函數(shù)

儲(chǔ)能-新能源-火電調(diào)峰交易以新能源中標(biāo)功率最大和系統(tǒng)調(diào)峰成本最小為目標(biāo)進(jìn)行出清，因?yàn)槎嗄繕?biāo)函數(shù)的優(yōu)化目標(biāo)不同，本文將兩個(gè)目標(biāo)函數(shù)標(biāo)幺化處理，采用線性加權(quán)的方法將兩個(gè)不同量綱的函數(shù)進(jìn)行轉(zhuǎn)換得到一個(gè)目標(biāo)函數(shù)，即

1）矩陣標(biāo)準(zhǔn)化

2）計(jì)算矩陣元素概率

3）計(jì)算指標(biāo)信息熵

4）計(jì)算信息效用值

5）歸一化信息效用值

4.3 系統(tǒng)運(yùn)行約束條件

系統(tǒng)運(yùn)行約束條件包含儲(chǔ)能運(yùn)行約束條件、火電運(yùn)行約束條件以及調(diào)峰交易約束條件。

4.3.1 調(diào)峰交易約束

1）新能源中標(biāo)功率約束

2）儲(chǔ)能-新能源雙邊交易約束

3）新能源-火電雙邊交易約束

4.3.2 儲(chǔ)能運(yùn)行約束

1）儲(chǔ)能出力約束

2）儲(chǔ)能荷電率約束

4.3.3 火電運(yùn)行約束

1）火電機(jī)組出力約束

2）火電機(jī)組爬坡速率約束

3）火電機(jī)組上下旋轉(zhuǎn)備用約束

5 市場主體調(diào)峰經(jīng)濟(jì)性評(píng)估

新能源場站通過與儲(chǔ)能、火電進(jìn)行雙邊交易，提高新能源上網(wǎng)率同時(shí)，需要支付給儲(chǔ)能和火電調(diào)峰補(bǔ)貼費(fèi)用。通過建立市場主體調(diào)峰效益模型，能夠更好地評(píng)估調(diào)峰交易的實(shí)施效果。

5.1 儲(chǔ)能調(diào)峰效益模型

儲(chǔ)能電站與新能源場站達(dá)成雙邊交易獲得調(diào)峰補(bǔ)貼收益的同時(shí)，儲(chǔ)能電站通過放電能夠獲取一定的電量收益，儲(chǔ)能電站參與調(diào)峰凈收益表達(dá)式為

5.2 火電調(diào)峰效益模型

火電機(jī)組參與調(diào)峰交易通過出讓有償發(fā)電空間獲得補(bǔ)貼收益；火電機(jī)組出讓的有償發(fā)電空間分為兩部分：一部分有償發(fā)電空間由調(diào)度中心直接調(diào)用，接納新能源；另一部分則參與調(diào)峰市場，用于雙邊交易。因此火電機(jī)組調(diào)峰補(bǔ)貼收益包含兩部分：調(diào)度中心直接調(diào)用的有償發(fā)電空間按照火電機(jī)組調(diào)峰補(bǔ)貼報(bào)價(jià)結(jié)算，參與調(diào)峰市場調(diào)用的有償發(fā)電空間按照出清價(jià)格結(jié)算，即

因此火電機(jī)組調(diào)峰凈成本表達(dá)式為

5.3 新能源調(diào)峰效益模型

新能源場站參與調(diào)峰市場通過支付給儲(chǔ)能、火電補(bǔ)貼，提高新能源上網(wǎng)率，減少棄風(fēng)棄光懲罰；以風(fēng)電場為例，新能源場站參與調(diào)峰交易的凈收益表達(dá)式為

6 儲(chǔ)能-新能源-火電調(diào)峰交易機(jī)制求解

在Matlab環(huán)境中通過YALMIP工具箱調(diào)用 CPLEX 求解器對(duì)本文模型進(jìn)行求解。該軟件可有效分析解決混合整數(shù)線性模型的優(yōu)化問題，模型求解流程如圖4所示。

圖4 儲(chǔ)能-新能源-火電優(yōu)化調(diào)度方法求解流程

7 算例驗(yàn)證

7.1 算例條件

以東北某地區(qū)為例，驗(yàn)證策略的可行性。地區(qū)火電廠裝機(jī)容量為2 400 MW，風(fēng)電場容量為500 MW，光伏電站容量為300 MW，其中包含2臺(tái)300 MW火電機(jī)組，2臺(tái)400 MW火電機(jī)組，1臺(tái)1 000 MW火電機(jī)組；1 000 MW火電機(jī)組參與深度調(diào)峰，其余機(jī)組只參與義務(wù)調(diào)峰，火電機(jī)組參數(shù)見表2。

表2 火電機(jī)組運(yùn)行參數(shù)

其他參數(shù)說明如下：

2）5臺(tái)機(jī)組全部運(yùn)行，無檢修計(jì)劃。

6）儲(chǔ)能電站充放電價(jià)按照日內(nèi)電價(jià)結(jié)算，日內(nèi)電價(jià)分為谷時(shí)、平時(shí)、高峰和尖峰。其中谷時(shí)為1:00—5:00和22:00—24:00，電價(jià)為0.5元/(kW·h)；平時(shí)為6:00—7:00和13:00—17:00，電價(jià)為0.7元/ (kW·h)；高峰為8:00—12:00和20:00—21:00，電價(jià)為1元/(kW·h)；尖峰為18:00—19:00，電價(jià)為1.2元/ (kW·h)。

儲(chǔ)能電站選擇全釩液流電池儲(chǔ)能，儲(chǔ)能配置50 MW/200 MW·h，具體參數(shù)見表3。

風(fēng)電預(yù)測出力、光伏預(yù)測出力、負(fù)荷功率數(shù)據(jù)如圖5所示。

表3 儲(chǔ)能電站相關(guān)參數(shù)

Tab.3 Related parameters of energy storage power station

圖5 某典型日負(fù)荷、風(fēng)電、光伏出力

7.2 新能源調(diào)峰交易分析

7.2.1 新能源申報(bào)分析

圖6 各時(shí)段棄風(fēng)率、棄光率

由圖6、圖7可知，在10:00新能源棄風(fēng)率和棄光率分別為3.32%和31.43%，交易報(bào)價(jià)分別為266.7元/(MW·h)和322.9元/(MW·h)，在1擋報(bào)價(jià)區(qū)間260～280元/(MW·h)和4擋報(bào)價(jià)區(qū)間320～340元/(MW·h)之間，符合新能源報(bào)價(jià)方式。

圖7 新能源場站交易功率與交易報(bào)價(jià)

由圖7可知，風(fēng)電的交易量主要集中于4:00—8:00，風(fēng)電場處于一天中發(fā)電的高峰時(shí)段，且負(fù)荷處于低谷時(shí)段，從而導(dǎo)致該時(shí)段內(nèi)風(fēng)電場棄風(fēng)率較高，交易功率較高；在10:00—15:00，風(fēng)電場整體發(fā)電水平為一天中最低，棄風(fēng)率較低，交易功率偏低，該時(shí)段內(nèi)由于日照充足，光伏電站發(fā)電功率為一天中最高，光伏交易功率集中于該時(shí)段內(nèi)。

7.2.2 新能源中標(biāo)功率分析

圖8 儲(chǔ)能-新能源-火電調(diào)峰交易新能源中標(biāo)功率

由圖8可知，在新能源-火電雙邊交易中，新能源中標(biāo)功率與交易報(bào)價(jià)呈正相關(guān)。在3:00—4:00，風(fēng)電場交易報(bào)價(jià)不斷提高，風(fēng)電中標(biāo)功率也隨之提高。在5:00—7:00，雖然風(fēng)電交易報(bào)價(jià)不斷升高，但此時(shí)段內(nèi)火電機(jī)組總出力為1100 MW，處于不投油深度調(diào)峰臨界值，若繼續(xù)提高風(fēng)電中標(biāo)功率，則火電機(jī)組將處于投油深度調(diào)峰。1 000 MW機(jī)組調(diào)峰報(bào)價(jià)曲線如圖9所示。由圖9可知，當(dāng)1 000 MW機(jī)組出力低于不投油深度調(diào)峰臨界值400 MW，火電機(jī)組的調(diào)峰成本將增加投油成本，此時(shí)火電機(jī)組補(bǔ)貼報(bào)價(jià)將超過新能源交易報(bào)價(jià)上限360元/(MW·h)，風(fēng)電場支付的調(diào)峰補(bǔ)貼總和將低于調(diào)用火電機(jī)組的調(diào)峰補(bǔ)貼總和，不滿足新能源-火電雙邊交易約束條件，因此該時(shí)段內(nèi)僅達(dá)成部分風(fēng)電交易功率。

圖9 1 000 MW機(jī)組調(diào)峰報(bào)價(jià)曲線

儲(chǔ)能充放電功率、荷電率如圖10所示。在9:00—11:00，風(fēng)電場和光伏電站共同參與調(diào)峰交易，由圖10可知，儲(chǔ)能電站在10:00和12:00放電，會(huì)占用一部分火電機(jī)組的有償發(fā)電空間，導(dǎo)致火電機(jī)組可調(diào)用功率降低；由圖7可知，9:00—11:00時(shí)，光伏電站交易報(bào)價(jià)高于風(fēng)電場交易報(bào)價(jià)，因此調(diào)度中心會(huì)優(yōu)先進(jìn)行光伏電站與火電廠的雙邊交易；雖然在10:00風(fēng)電場申報(bào)的交易功率為14.13 MW，但由于其交易報(bào)價(jià)低于光伏電站的交易報(bào)價(jià)，加之儲(chǔ)能電站的放電影響，因此火電機(jī)組只與光伏電站達(dá)成雙邊交易。在13:00—15:00，新能源整體交易功率處于較低水平，由于儲(chǔ)能參與深度調(diào)峰為正常充放電操作，不會(huì)產(chǎn)生額外附加成本，儲(chǔ)能深度調(diào)峰調(diào)用優(yōu)先級(jí)高于火電機(jī)組。因此由圖8可知，13:00—15:00調(diào)度中心只進(jìn)行儲(chǔ)能與新能源場站的雙邊交易。

圖10 儲(chǔ)能充放電功率、荷電率

7.3 典型日內(nèi)系統(tǒng)優(yōu)化調(diào)度分析

為驗(yàn)證提出交易機(jī)制的有效性，本文設(shè)置以下三種場景：場景1，只進(jìn)行火電機(jī)組單邊交易；場景2，新能源-火電雙邊交易，不考慮儲(chǔ)能；場景3，儲(chǔ)能-新能源-火電調(diào)峰交易。

7.3.1 火電機(jī)組出力分析

不同場景下火電機(jī)組出力如圖11所示。

由圖11可知，場景2和場景3中火電機(jī)組出力相較于場景1有所下降：在24 h調(diào)度周期內(nèi)，三種場景下五臺(tái)火電機(jī)組總出力分別為29 428.80 MW、29 013.82 MW和28 861.86 MW，場景2和場景3火電機(jī)組總出力相較于場景1分別下降414.98 MW、566.94 MW；由于相比于場景1以“火電機(jī)組單邊交易”的交易模式，場景2和場景3將新能源場站作為與火電對(duì)等的調(diào)峰市場主體，通過申報(bào)交易功率和交易報(bào)價(jià)的方式參與調(diào)峰交易，火電機(jī)組可以獲得更多調(diào)峰收益；場景3中由于儲(chǔ)能放電影響，占用火電機(jī)組部分有償調(diào)峰空間，導(dǎo)致場景3中火電-新能源雙邊交易量為362.87 MW，相較于場景2中414.98 MW下降52.11 MW。

7.3.2 新能源消納分析

新能源場站通過與火電和儲(chǔ)能達(dá)成雙邊交易，從而降低棄風(fēng)、棄光率。不同場景下棄風(fēng)功率、棄光功率如圖12所示。

由圖12可知：在3:00—8:00，由于火電機(jī)組出讓更多的有償發(fā)電空間，場景2和場景3中棄風(fēng)功率相比與場景1有明顯下降；在3:00—5:00，儲(chǔ)能進(jìn)行充電，接納部分風(fēng)電功率，場景3中棄風(fēng)功率相較于場景2進(jìn)一步下降；在10:00，由于儲(chǔ)能電站放電導(dǎo)致場景3中火電機(jī)組只與光伏電站達(dá)成雙邊交易，場景2棄風(fēng)功率低于場景3；在9:00—14:00，火電和儲(chǔ)能共同接納光伏發(fā)電，場景3中棄光功率較場景1、場景2有明顯下降。不同場景下棄風(fēng)率和棄光率見表4。

表4 不同場景下棄風(fēng)率和棄光率

Tab.4 Wind abandon rate and light abandon rate in different scenarios

場景2中，棄風(fēng)率、棄光率相比于場景1下降4.21%和5.26%。由于加入儲(chǔ)能，場景3中棄風(fēng)率和棄光率相比場景2進(jìn)一步下降了1.77%和2.25%，新能源消納能力明顯提升。

7.3.3 市場主體調(diào)峰經(jīng)濟(jì)性分析

不同場景下，風(fēng)電場、光伏電站、火電廠和儲(chǔ)能電站調(diào)峰效益見表5～表8。

表5 火電廠凈成本

Tab.5 Net cost of thermal power plant（單位：萬元）

表6 風(fēng)電場凈收益

Tab.6 Net revenue of wind power station（單位：萬元）

表7 光伏電站凈收益

Tab.7 Net income of photovoltaic power station（單位：萬元）

表8 儲(chǔ)能電站凈收益

Tab.8 Net income of energy storage power station（單位：萬元）

由表5～表8可知，當(dāng)新能源場站加入到調(diào)峰市場中，能夠通過提供補(bǔ)貼報(bào)價(jià)調(diào)用火電機(jī)組的發(fā)電空間，在火電機(jī)組獲得更多的補(bǔ)償收益的同時(shí)，新能源場站能夠提高上網(wǎng)率，增加電量收益并降低棄風(fēng)棄光懲罰成本。因此場景2中火電機(jī)組的凈調(diào)峰成本相比場景1降低8.83萬元，風(fēng)電場和光伏電站凈收益相比場景1分別提升21.16、6.12萬元，漲幅分別為10.60%、14.81%。場景3中，由于儲(chǔ)能的加入，新能源場站的上網(wǎng)率將進(jìn)一步提高，雖然儲(chǔ)能放電造成火電機(jī)組交易量有所下降，但場景3中火電機(jī)組的調(diào)峰凈成本相較場景1仍下降5.61萬元，場景3中風(fēng)電場和光伏電站凈收益相比場景2分別提升9.36、2.89萬元，漲幅為4.24%、6.09%。同時(shí)24 h調(diào)度周期內(nèi)，儲(chǔ)能參與調(diào)峰獲得凈收益為7.48萬元，考慮折現(xiàn)率為8%，推算至儲(chǔ)能全生命周期20年內(nèi)凈收益為26 085.5萬元，成本覆蓋率212.94%。

8 結(jié)論

本文針對(duì)新能源大規(guī)模接入帶來?xiàng)夛L(fēng)棄光和調(diào)峰資源經(jīng)濟(jì)效益無法兼顧問題，依托現(xiàn)行調(diào)峰機(jī)制，設(shè)計(jì)了以新能源中標(biāo)功率和系統(tǒng)調(diào)峰成本為多目標(biāo)的儲(chǔ)能-新能源-火電優(yōu)化調(diào)度策略，結(jié)論如下：

1）本文構(gòu)建的新能源交易功率模型和報(bào)價(jià)模型，以各時(shí)段棄風(fēng)率、棄光率為基準(zhǔn)，能夠充分體現(xiàn)各時(shí)段新能源場站的交易意愿，提高新能源場站參與調(diào)峰市場積極性。

2）通過設(shè)置三種場景進(jìn)行驗(yàn)證，本文提出的優(yōu)化調(diào)度策略相比“火電單邊”和“新能源-火電雙邊”交易模式，典型日內(nèi)新能源棄風(fēng)率、棄光率分別下降4.21%、5.26%和1.77%、2.25%，新能源消納效果明顯。

3）本文提出的優(yōu)化調(diào)度策略在降低棄風(fēng)率、棄光率同時(shí)，能夠提高市場主體調(diào)峰經(jīng)濟(jì)效益。典型日內(nèi)，火電機(jī)組調(diào)峰凈成本相比“火電單邊”交易模式下降5.61萬元，風(fēng)電場和光伏電站凈收益分別提高30.52萬元和9.01萬元，同時(shí)儲(chǔ)能參與市場交易的凈收益折算為全生命周期能夠達(dá)到成本覆蓋率212.94%，市場主體調(diào)峰經(jīng)濟(jì)效益提升顯著。

[1] 國家能源局. 2020 年上半年風(fēng)電并網(wǎng)運(yùn)行情況[R/OL]. [2020-07-31]. http://www.nea.gov.cn/2020-07/31/c_ 139254298.htm．

[2] 麻秀范, 王戈, 朱思嘉, 等. 計(jì)及風(fēng)電消納與發(fā)電集團(tuán)利益的日前協(xié)調(diào)優(yōu)化調(diào)度[J]. 電工技術(shù)學(xué)報(bào), 2021, 36(3): 579-587. Ma Xiufan, Wang Ge, Zhu Sijia, et al. Coordinated day-ahead optimal dispatch considering wind power consumption and the benefits of power generation group[J]. Transactions of China Electrotechnical Society, 2021, 36(3): 579-587.

[3] 魯宗相, 李海波, 喬穎. 高比例可再生能源并網(wǎng)的電力系統(tǒng)靈活性評(píng)價(jià)與平衡機(jī)理[J]. 中國電機(jī)工程學(xué)報(bào), 2017, 37(1): 9-20. Lu Zongxiang, Li Haibo, Qiao Ying. Flexibility evaluation and supply/demand balance principle of power system with high-penetration renewable electricity[J]. Proceedings of the CSEE, 2017, 37(1): 9-20.

[4] 李豐, 張粒子. 大規(guī)模風(fēng)電跨省消納與交易機(jī)制的研究[J]. 電力自動(dòng)化設(shè)備, 2013, 33(8): 119-124. Li Feng, Zhang Lizi. Accommodation and transaction mechanism of transprovincial large-scale wind power[J]. Electric Power Automation Equipment, 2013, 33(8): 119-124.

[5] 國家發(fā)展改革委．關(guān)于深圳市開展輸配電價(jià)改革試點(diǎn)的通知[EB/OL]. (2014-10-23)[2020-04-03]．https:www.jiaheu.com/topic/234546.html．

[6] 胡朝陽, 畢曉亮, 王珂, 等. 促進(jìn)負(fù)備用跨省調(diào)劑的華東電力調(diào)峰輔助服務(wù)市場設(shè)計(jì)[J]. 電力系統(tǒng)自動(dòng)化, 2019, 43(5): 175-182. Hu Zhaoyang, Bi Xiaoliang, Wang Ke, et al. Design of peak regulation auxiliary service market for East China power grid to promote inter-provincial sharing of negative reserve[J]. Automation of Electric Power Systems, 2019, 43(5): 175-182.

[7] 王鵬遠(yuǎn). 考慮風(fēng)電并網(wǎng)影響的調(diào)峰輔助服務(wù)市場機(jī)制研究[D]. 北京: 華北電力大學(xué)（北京）, 2018.

[8] 尚瑨, 邰能靈, 劉琦, 等. 采用區(qū)間控制的蓄電池儲(chǔ)能電站調(diào)峰運(yùn)行控制策略[J]. 電工技術(shù)學(xué)報(bào), 2015, 30(16): 221-229. Shang Jin, Tai Nengling, Liu Qi, et al. Load shifting scheme of battery energy storage system based on interval controlling[J]. Transactions of China Electrotechnical Society, 2015, 30(16): 221-229.

[9] 王蕭博, 黃文燾, 邰能靈, 等. 一種源-荷-儲(chǔ)協(xié)同的電熱微網(wǎng)聯(lián)絡(luò)線功率平滑策略[J]. 電工技術(shù)學(xué)報(bào), 2020, 35(13): 2817-2829. Wang Xiaobo, Huang Wentao, Tai Nengling, et al. A tie-line power smoothing strategy for microgrid with heat and power system using source-load-storage coordination control[J]. Transactions of China Electrotechnical Society, 2020, 35(13): 2817-2829.

[10] 麻秀范, 陳靜, 余思雨, 等. 計(jì)及容量市場的用戶側(cè)儲(chǔ)能優(yōu)化配置研究[J]. 電工技術(shù)學(xué)報(bào), 2020, 35(19): 4028-4037. Ma Xiufan, Chen Jing, Yu Siyu, et al. Research on user side energy storage optimization configuration considering capacity market[J]. Transactions of China Electrotechnical Society, 2020, 35(19): 4028-4037.

[11] 李軍徽, 張嘉輝, 李翠萍, 等. 參與調(diào)峰的儲(chǔ)能系統(tǒng)配置方案及經(jīng)濟(jì)性分析[J]. 電工技術(shù)學(xué)報(bào), 2021, 36(19): 4148-4160. Li Junhui, Zhang Jiahui, Li Cuiping, et al. Configuration scheme and economic analysis of energy storage system participating in grid peak shaving[J]. Transactions of China Electrotechnical Society, 2021, 36(19): 4148-4160.

[12] 李鐵, 李正文, 楊俊友, 等. 計(jì)及調(diào)峰主動(dòng)性的風(fēng)光水火儲(chǔ)多能系統(tǒng)互補(bǔ)協(xié)調(diào)優(yōu)化調(diào)度[J]. 電網(wǎng)技術(shù), 2020, 44(10): 3622-3630. Li Tie, Li Zhengwen, Yang Junyou, et al. Coordination and optimal scheduling of multi-energy complementary system considering peak regulation initiative[J]. Power System Technology, 2020, 44(10): 3622-3630.

[13] 崔楊, 周慧娟, 仲悟之, 等. 考慮廣義儲(chǔ)能與火電聯(lián)合調(diào)峰的日前–日內(nèi)兩階段滾動(dòng)優(yōu)化調(diào)度[J]. 電網(wǎng)技術(shù), 2021, 45(1): 10-20. Cui Yang, Zhou Huijuan, Zhong Wuzhi, et al. Two-stage day-ahead and intra-day rolling optimization scheduling considering joint peak regulation of generalized energy storage and thermal power[J]. Power System Technology, 2021, 45(1): 10-20.

[14] 李軍徽, 張嘉輝, 穆鋼, 等. 儲(chǔ)能輔助火電機(jī)組深度調(diào)峰的分層優(yōu)化調(diào)度[J]. 電網(wǎng)技術(shù), 2019, 43(11): 3961-3970. Li Junhui, Zhang Jiahui, Mu Gang, et al. Hierarchical optimization scheduling of deep peak shaving for energy-storage auxiliary thermal power generating units[J]. Power System Technology, 2019, 43(11): 3961-3970.

[15] 史普鑫, 史沛然, 王佩雯, 等. 華北區(qū)域電力調(diào)峰輔助服務(wù)市場分析與運(yùn)行評(píng)估[J]. 電力系統(tǒng)自動(dòng)化, 2021, 45(20): 175-184. Shi Puxin, Shi Peiran, Wang Peiwen, et al. Analysis and operation evaluation of power peak-shaving ancillary service market in North China[J]. Automation of Electric Power Systems, 2021, 45(20): 175-184.

[16] 索瑞鴻, 陳杏, 宋依群, 等. 計(jì)及源荷雙邊性能指標(biāo)的市場交易模型[J]. 電力自動(dòng)化設(shè)備, 2019, 39(2): 173-180. Suo Ruihong, Chen Xing, Song Yiqun, et al. Trading model considering bilateral performance indexes of generation and load[J]. Electric Power Automation Equipment, 2019, 39(2): 173-180.

[17] 韓小齊, 劉文穎, 龐清侖, 等. 考慮日前現(xiàn)貨市場風(fēng)險(xiǎn)的電力負(fù)荷參與系統(tǒng)調(diào)峰控制模型[J]. 電力系統(tǒng)保護(hù)與控制, 2022, 50(17): 55-67. Han Xiaoqi, Liu Wenying, Pang Qinglun, et al. Peak shaving control model of power load participation system considering day-ahead spot market risk[J]. Power System Protection and Control, 2022, 50(17): 55-67.

[18] 任景, 薛晨, 馬曉偉, 等. 源荷聯(lián)動(dòng)調(diào)峰輔助服務(wù)市場兩階段模型[J]. 電力系統(tǒng)自動(dòng)化, 2021, 45(18): 94-102. Ren Jing, Xue Chen, Ma Xiaowei, et al. Two-stage model of peak regulation ancillary service market with source-load interaction[J]. Automation of Electric Power Systems, 2021, 45(18): 94-102.

[19] 羅桓桓, 程中林, 孫婧卓, 等. 儲(chǔ)熱參與調(diào)峰輔助集中交易市場模式及優(yōu)化認(rèn)購模型[J]. 電力系統(tǒng)自動(dòng)化, 2019, 43(24): 187-193. Luo Huanhuan, Cheng Zhonglin, Sun Jingzhuo, et al. Market mode and optimal subscription model of peak regulation auxiliary centralized trading with heat storage[J]. Automation of Electric Power Systems, 2019, 43(24): 187-193.

[20] 孫輝, 范軒軒, 胡姝博, 等. 虛擬電廠參與日前電力市場的內(nèi)外協(xié)調(diào)競標(biāo)策略[J]. 電網(wǎng)技術(shù), 2022, 46(4): 1248-1262. Sun Hui, Fan Xuanxuan, Hu Shubo, et al. Internal and external coordination bidding strategy of virtual power plant participating in day-ahead power market[J]. Power System Technology, 2022, 46(4): 1248-1262.

[21] 張明理, 張娜, 武志鍇, 等. 日前電能市場與深度調(diào)峰市場聯(lián)合出清模型[J]. 中國電力, 2022, 55(2): 138-144. Zhang Mingli, Zhang Na, Wu Zhikai, et al. Joint clearing model of day-ahead energy market and down regulation service market for accommodation of renewable energy[J]. Electric Power, 2022, 55(2): 138-144.

[22] 田亮, 謝云磊, 周桂平, 等. 基于兩階段隨機(jī)規(guī)劃的熱電機(jī)組深調(diào)峰輔助服務(wù)競價(jià)策略[J]. 電網(wǎng)技術(shù), 2019, 43(8): 2789-2798. Tian Liang, Xie Yunlei, Zhou Guiping, et al. Deep peak regulation ancillary service bidding strategy for CHP units based on two-stage stochastic programming[J]. Power System Technology, 2019, 43(8): 2789-2798.

[23] 徐帆, 葛朝強(qiáng), 吳鑫, 等. 區(qū)域電網(wǎng)省間調(diào)峰輔助服務(wù)的市場機(jī)制與出清模型[J]. 電力系統(tǒng)自動(dòng)化, 2019, 43(16): 109-115. Xu Fan, Ge Zhaoqiang, Wu Xin, et al. Market mechanism and clearing model of inter-provincial peak regulation ancillary service for regional power grid[J]. Automation of Electric Power Systems, 2019, 43(16): 109-115.

[24] 羅桓桓, 王昊, 葛維春, 等. 考慮報(bào)價(jià)監(jiān)管的動(dòng)態(tài)調(diào)峰輔助服務(wù)市場競價(jià)機(jī)制設(shè)計(jì)[J]. 電工技術(shù)學(xué)報(bào), 2021, 36(9): 1935-1947, 1955. Luo Huanhuan, Wang Hao, Ge Weichun, et al. Design of dynamic peak regulation ancillary service market bidding mechanism considering quotation supervision[J]. Transactions of China Electrotechnical Society, 2021, 36(9): 1935-1947, 1955.

[25] 葉澤, 李湘旗, 姜飛, 等. 考慮最優(yōu)棄能率的風(fēng)光火儲(chǔ)聯(lián)合系統(tǒng)分層優(yōu)化經(jīng)濟(jì)調(diào)度[J]. 電網(wǎng)技術(shù), 2021, 45(6): 2270-2280. Ye Ze, Li Xiangqi, Jiang Fei, et al. Hierarchical optimization economic dispatching of combined wind-PV-thermal-energy storage system considering the optimal energy abandonment rate[J]. Power System Technology, 2021, 45(6): 2270-2280.

Multi-Objective Optimization Scheduling Method Considering Peak Regulating Market Transactions for Energy Storage - New Energy - Thermal Power

Li Junhui1An Chenyu1Li Cuiping1Zhang Jingxiang1Liu Ruitong2

（1. Key Laboratory of Modern Power System Simulation and Control & Renewable Energy Technology Ministry of Education Northeast Electric Power University Jilin 132012 China 2. Electric Power Research Institute of State Grid Liaoning Electric Power Co. Ltd Shenyang 110006 China）

Large scale new energy access poses challenges to power grid peak shaving. How to improve the grid connection rate of new energy while taking into account the economic benefits of peak shaving resources has become an important problem that needs to be solved urgently. Therefore, this paper proposes a multi-objective optimization dispatching method of energy storage new energy thermal power under the electricity market environment, which considers the abandonment of wind and light. This paper first designs the trading mechanism of energy storage new energy thermal power peak shaving market according to the current peak shaving policy, and establishes a new energy trading power model, a bidding model and a thermal power bidding model based on the current peak shaving rules, with the wind abandonment rate and light abandonment rate as the benchmark. Secondly, through bilateral transactions between new energy, energy storage and thermal power, with the bid winning power of new energy and system peak shaving cost as multiple objectives, the output of thermal power units, bid winning power of new energy, energy storage charging and discharging power and clearing price are optimized.

In order to verify the effectiveness of the above control strategies, this paper takes a region in Northeast China as an example, and conducts numerical simulation by selecting typical daily system operation data. The specific conclusions are as follows:

First of all, this paper constructs a new energy trading power model and a new energy quotation model for the situation of new energy abandoning wind and light. The model can fully reflect the trading willingness of new energy stations in each period and improve the enthusiasm of new energy stations to participate in the peak shaving market by taking the wind abandonment rate and light abandonment rate in each period as the benchmark.

Secondly, by setting up three scenarios to verify, compared with the market model of “unilateral transaction of thermal power units” in Scenario 1 and the market model of “bilateral transaction of new energy thermal power” in Scenario 2, the optimal dispatching strategy proposed in this paper reduces the wind abandonment rate and light abandonment rate of typical new energy stations by 4.21%, 5.26%, 1.77% and 2.25% respectively, and the new energy consumption capacity of the power system is significantly improved.

Finally, the optimized dispatching strategy proposed in this paper can improve the economic benefits of peak shaving of market players while reducing the wind abandonment rate and light abandonment rate: in typical days, the net cost of peak shaving of thermal power units decreases by 56 100 CNY compared with the "thermal power unilateral" trading mode, and the net income of wind farms and photovoltaic power plants increases by 305 200 CNY and 90 100 CNY respectively. At the same time, when the net income of energy storage participating in market transactions is converted to the full life cycle, the cost coverage rate can reach 212.94%, and the economic benefits of market players for peak shaving can be significantly improved.

Abandon wind and abandon light, new energy quotation, energy storage peak regulating, peak regulating cost, market clearing

10.19595/j.cnki.1000-6753.tces.221720

TM732

國家電網(wǎng)有限公司科技項(xiàng)目資助（5108-202299257A-1-0-ZB）。

2022-09-09

2022-12-22

李軍徽 男，1976年生，教授，博士生導(dǎo)師，研究方向新能源發(fā)電聯(lián)網(wǎng)運(yùn)行關(guān)鍵技術(shù)和儲(chǔ)能技術(shù)的應(yīng)用。E-mail：lijunhui@neepu.edu.cn

李翠萍 女，1982年生，副教授，碩士生導(dǎo)師，研究方向?yàn)閮?chǔ)能技術(shù)在電力系統(tǒng)中的應(yīng)用。E-mail：licuipingabc@163.com（通信作者）

（編輯 赫蕾）