吳琪,趙宣茗,張佳誠,裘智峰

(中南大學自動化學院,長沙市 410083)

0 引 言

“雙碳”目標是加快生態(tài)文明建設和實現(xiàn)高質量發(fā)展的重要抓手,走低碳綠色發(fā)展道路是當前社會發(fā)展的必由之路[1-2]。隨著電力市場改革的不斷推進和碳交易試點工作的完善,電力行業(yè)作為最先納入碳試點工作的行業(yè),被認為具有極大減排潛力[3]。電力市場[4]和碳市場[5-6]具有減排目標一致、政策機制兼容、市場主體重合等特點,在交易品種、參與主體、價格影響等多方面也存在諸多關聯(lián)[7]。

對兩個市場耦合的研究一直備受關注。文獻[8]表明研究電力市場和碳市場之間的相互關系及銜接機制有利于發(fā)揮綜合調控作用,為電力行業(yè)綠色發(fā)展提供決策參考。文獻[9]表明通過設計合理的市場機制研究電力市場與碳市場的耦合,有利于合理引導減排技術與資源的優(yōu)化配置,為市場主體提供減排激勵。在耦合的市場體系中,電市場提高碳市場活躍度,同時碳市場引導電市場主體進行發(fā)用電行為,更好地發(fā)揮市場配置資產的作用。對電-碳耦合市場進行仿真研究有助于實現(xiàn)電力資源優(yōu)化配置、低成本高效率地進行節(jié)能減排。此外,還有針對電-碳耦合市場出清機制的研究。文獻[10]基于經典的古諾競爭模型,對不同類型的發(fā)電商參與市場的運行方式進行建模,構建了兩層優(yōu)化的電力市場出清均衡模型,考慮了能量市場的出清條件。文獻[11-13]從碳市場背景出發(fā),針對碳市場背景下的電力市場均衡問題建立雙層模型并分析碳市場對電力市場均衡的影響,其下層出清模型考慮碳配額總量約束。文獻[14]研究碳交易機制下考慮需求響應的綜合能源系統(tǒng)優(yōu)化運行出清機制,實現(xiàn)系統(tǒng)的經濟性和低碳性。文獻[15]提出考慮碳排放限額的電力市場出清模型,同時考慮系統(tǒng)線路容量約束并以社會效益最大進行市場出清。文獻[16]搭建了碳交易和發(fā)電權交易協(xié)同下的市場架構,分析不同博弈方式下的市場均衡,并基于經濟效用和減排效益最大建立出清模型,結果表明所提模型可以實現(xiàn)出清目標優(yōu)化。文獻[17]提出考慮碳市場影響的日前電力市場兩階段出清模型,結果表明該模型能夠平衡不同目標的沖突,達到改善控制碳排放的效果。以上文獻考慮了碳交易對電力市場出清的影響,但是仍沿用傳統(tǒng)的電力市場出清機制,將所有發(fā)電商報價按照統(tǒng)一的規(guī)則進行高低排序,未能區(qū)分不同類型發(fā)電商的環(huán)境效益,這可能導致以新能源為主的低排放機組出清結果不理想,不能有效激發(fā)新能源被消納的活力,也未體現(xiàn)兩個市場耦合下出清機制對市場結果的影響。事實上,環(huán)境成本通過碳市場傳導進入電市場,碳交易機制將通過價格信號對電市場主體形成激勵和約束,促使更多社會資源轉向低碳領域。有研究顯示,電-碳市場耦合協(xié)同運作對于新能源發(fā)展的促進作用更為顯著[18]。

綜上所述,目前電-碳耦合市場研究暫未考慮發(fā)電商的環(huán)境效益,現(xiàn)有機制下新能源的消納效果不明顯,基于此,本文提出一種促進新能源消納的電-碳市場耦合激勵型出清機制,并對新機制下發(fā)電機組的投標行為及其對新能源的消納作用展開研究,主要創(chuàng)新點如下:

1)設計了一種電-碳市場耦合下的激勵型出清機制,通過引入激勵因子在整個電-碳市場的出清過程中充分考慮發(fā)電商的環(huán)境價值并對其發(fā)電投標策略進行調整,解決當前新能源消納不足的問題。

2)根據(jù)所設計的激勵型出清機制,構建了電-碳市場耦合雙層模型,上層對異質發(fā)電商的投標策略建模,下層對激勵型市場出清機制建模。通過深度確定性策略梯度(deep deterministic policy gradient, DDPG)算法求解模型,建立了一個多維度的市場智能體行為-結果-調整行為的一個反復學習過程。

因此,本文從發(fā)電商的環(huán)境效益和電-碳耦合協(xié)同運作下對新能源消納的積極作用出發(fā),首先,通過搭建電-碳市場框架厘清兩個市場之間的耦合關系和交互機理;其次,為促進低碳清潔型機組參與市場的積極性,設計電-碳市場耦合環(huán)境下的激勵型出清機制,該機制包含預出清、修正、正式出清3個階段。在預出清階段,以社會福利最大化為目標,出清結果為市場出清電量和發(fā)電商初次報價系數(shù);在修正階段,以預出清結果為基礎求出碳市場激勵因子;在正式出清階段,通過激勵因子對發(fā)電商報價策略系數(shù)進行調整,提高低碳清潔型機組的發(fā)電占比。最后,基于所提出清機制,構建電-碳市場耦合雙層模型:上層研究異質發(fā)電商策略投標問題,以發(fā)電商利潤最大為目標,求解發(fā)電商的策略投標系數(shù);下層研究激勵型出清機制下的市場出清問題,以社會福利最大化為目標,求解機組中標數(shù)據(jù);上下層之間通過兩層模型的數(shù)據(jù)結果進行交互。采用深度強化學習算法對雙層模型進行求解,并基于改進的IEEE-30節(jié)點網絡進行電-碳市場耦合模型搭建和算例仿真,得出市場出清結果和各機組收益情況,詳細分析電力市場與碳市場之間的相互影響和激勵型出清機制的有效性。

1 電-碳市場耦合下的分析框架

1.1 市場框架與主體關系

本文以碳市場和電力市場為背景,考慮二者之間的耦合關系,建立市場框架如圖1所示。由于輔助服務市場銜接碳市場不是本文考慮的重點內容,且該市場不影響本文電-碳市場耦合模型的有效性分析,因此本文中的電力市場僅考慮電能量市場,碳市場為同時考慮碳抵消市場和碳排放權交易的市場。電力行業(yè)的控排主體是指被生態(tài)環(huán)境部要求的強制納入碳市場總量管制和交易體系的企業(yè),主要指發(fā)電企業(yè),如燃煤火電等;非控排企業(yè)是指清潔的新能源企業(yè),如風電、光伏等。整個電力市場和碳市場依托交易機制進行耦合銜接,在資金流、物理流、信息流等方面存在相互影響。

1.1.1 碳市場概述

碳市場是一個基于總量控制的節(jié)能減排政策工具,分為碳交易市場和碳抵消市場。在實行強制減排的碳交易市場體系中,允許控排主體之間進行自由的碳排放配額交易從而進行配額清繳,即超額排放的主體通過購買與超排量相當?shù)呐漕~完成履約,反之則可以將多余配額在碳市場中出售以獲取收益。在自愿減排的碳抵消市場中,國家核證自愿減排量(Chinese certified emission reduction, CCER)作為碳市場中的一種補充交易機制[19]。目前全國碳市場中經審定的CCER來源主要是可再生能源項目,包括水電、風電、光伏等,控排主體可以按照1∶1的比例購買CCER以完成履約。在本文中,各市場主體只作為碳市場價格的接受者,碳配額總量將依據(jù)規(guī)則分配至各主體,并與電力市場形成聯(lián)動。

1.1.2 電力市場概述

在電力市場中,發(fā)電商向交易中心申報自身的報價曲線,以“電量-電價”對的形式參與競標,電力交易中心在接收到供需雙方的競標信息后進行市場出清,得到節(jié)點邊際電價和各市場成員的中標電量,最后進行交易結算[20]。

1.2 電-碳市場耦合的原理介紹

電-碳市場在運行機制上緊密聯(lián)系、相互影響。電力市場中的各主體以日為時間尺度向交易中心進行投標,常規(guī)火電機組的初始碳配額分配和配額清繳以年為單位進行,并以季為時間尺度在碳市場進行碳排放權交易。對于電力市場和碳市場的耦合,主要考慮在市場機制和市場主體行為方面的協(xié)同。就市場機制而言,電力市場通過出清的節(jié)點電價、機組出力等數(shù)據(jù)影響初始碳配額的分配和碳排放權交易,從而對碳市場產生影響;碳市場通過碳價、碳配額總量等數(shù)據(jù)影響機組發(fā)電成本和發(fā)電收益,從而影響電力市場的發(fā)電商報價決策和出清電量。就主體行為而言,發(fā)電商需要統(tǒng)籌考慮2個市場中的特性和各方面約束,從而做出最佳決策,同時考慮整個市場體系的社會效益和環(huán)境效益最大化。電-碳市場耦合問題框圖如圖2所示。

1.3 電-碳市場耦合交易流程

為解決單個市場無法最大程度促進資源配置和節(jié)能減排的問題,考慮從加強電力市場和碳市場協(xié)同運作和優(yōu)化市場機制方面入手,通過模擬主體在市場中的行為決策和改進出清方式,促進新能源消納和節(jié)能減排。本文所研究的電-碳耦合交易流程具體步驟如下:

步驟1：交易中心發(fā)布市場信息。其中電力市場發(fā)布次日負荷曲線和功率曲線等信息,碳市場發(fā)布碳價、碳配額等信息;各市場主體做好競價前期準備。

步驟2：發(fā)電機組根據(jù)市場交易信息申報次日的意愿成交電量及對應價格。

步驟3：交易中心接收到各市場主體的申報信息,進行預出清。預出清以直流潮流網絡模型構建安全約束,出清目標為考慮發(fā)用電側雙方的社會福利最大化,出清結果為市場出清電量和初次報價系數(shù)。

步驟4：考慮到環(huán)境效益和新能源消納問題,正式出清以激勵因子為引導,在預出清結果的基礎上對發(fā)電商的初次報價系數(shù)進行修正和調整,出清目標及其他約束不變,出清結果為市場出清電量和對應的出清節(jié)點電價。

步驟5：將市場出清信息反饋至各主體,形成次日發(fā)電計劃并進行安全校核。

步驟6：結合電力市場交易數(shù)據(jù),進行碳排放權交易,得到碳市場交易結果。

步驟7：交易結果反饋至電力市場,并同時影響下一次發(fā)電機組報價和出清約束條件。機組基于此優(yōu)化下一階段的報價策略,如此循環(huán),最終達到市場均衡狀態(tài)。

2 激勵型出清機制及電-碳市場耦合雙層模型的建立

2.1 基于電-碳市場耦合的激勵型出清機制

市場出清需要解決常規(guī)能源機組和新能源機組同臺競價問題,既要保證市場公平有序和穩(wěn)定運行,又要兼顧減排效益和社會效益。與常規(guī)能源機組相比,新能源機組有著投入成本高的特點,因此其報價在市場競價過程中不具備優(yōu)勢;但從環(huán)境效益的角度考慮,新能源機組的碳排放量顯著低于常規(guī)能源機組。由于碳市場將環(huán)境成本傳導至電市場調度決策中,進而影響市場出清結果。而傳統(tǒng)的電力市場出清機制將所有的發(fā)電商報價按照統(tǒng)一的規(guī)則進行高低排序,忽略了新能源的環(huán)境效益,導致以新能源為主的低排放機組出清結果不理想,這與低碳建設的理念相悖。因此,本文設計一種基于電-碳市場耦合的激勵型出清機制,以期促進新能源消納和低碳減排。該機制分為預出清、報價修正和正式出清三階段:在預出清階段,以社會福利最大化為目標,出清結果為市場出清電量和發(fā)電商初次報價系數(shù);在修正階段,結合預出清階段模擬的各機組中標情況,計算得到整個系統(tǒng)的平均碳排放系數(shù),將其與每個機組的碳排放系數(shù)進行比對,求解出碳市場激勵因子;正式出清階段,通過該激勵因子對發(fā)電商報價策略系數(shù)進行調整,重新改變機組報價,排放系數(shù)高于平均值的機組報價增加,低于平均值的機組報價降低,因此能夠提高低碳清潔型機組的中標電量占比,有效促進新能源消納,同時保證社會效益和環(huán)境效益。兩次出清階段均考慮到機組中標電量、節(jié)點功率平衡、負荷中標電量、支路潮流和碳配額總量等約束條件,出清結果包括碳交易和電力市場交易情況以及機組中標情況。整個出清機制作為雙層模型的下層參與市場決策。激勵型出清機制框架如圖3所示。

圖3 激勵型出清機制框架Fig.3 Framework of incentive clearing mechanism

2.2 雙層模型框架

在電-碳市場耦合問題中,各發(fā)電主體根據(jù)自身數(shù)據(jù)進行報價競標,為達到自身利益最大化選擇最優(yōu)策略,其行為影響市場出清結果;而電力交易中心根據(jù)發(fā)用雙方的申報數(shù)據(jù)進行集中統(tǒng)一出清,碳排放權交易中心對發(fā)電機組的碳排放進行總量約束,綜合所有報價信息和電碳市場運行參數(shù)后得到的出清結果反饋至發(fā)電商并決定其中標電量和收益;發(fā)電商基于此完成碳配額清繳與履約。整個交易過程綜合考慮到主體的交易行為和市場出清環(huán)境,兩者相互影響。因此,本文搭建發(fā)電商報價決策層和市場出清層相結合的電-碳市場耦合雙層模型,如圖4所示。

圖4 電-碳市場耦合雙層模型Fig.4 Two-layer model of electricity-carbon coupling market

2.2.1 上層:異質發(fā)電商的策略性投標

電-碳耦合的市場主體在一個統(tǒng)一的市場環(huán)境中參與競爭。上層解決發(fā)電商在策略約束下進行報價選擇使得自身利益最大化的問題。

對于常規(guī)火電商而言,主要考慮供電燃料成本,構建其成本函數(shù)為單位時間內出力的二次函數(shù):

(1)

(2)

(3)

考慮常規(guī)火電機組和新能源機組進行同臺競價,發(fā)電商基于自身報價特性及市場運行規(guī)則,追求利潤最大化,構建詳細數(shù)學模型如下:

max{RF,RN}

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(11)

此外,與發(fā)電商投標模型相對應建立負荷側的線性需求模型,反映其愿意接受的用電價格與用電量之間的關系,模型如下:

(12)

(13)

2.2.2 下層:市場出清模型

本文中電-碳耦合市場出清模型參考電力庫模型,為市場主體競爭的下層模型。市場獨立運營商根據(jù)各方主體的投標報價,以社會福利最大化為目標進行市場出清,上層模型中的發(fā)電商投標決策系數(shù)在本層模型中為已知量。采用激勵型出清機制進行市場出清,設計思路如2.1節(jié)所述。具體建模過程如下:

1)預出清階段。

(14)

式中:π表示整個電-碳耦合市場的總社會福利。

2)報價修正階段。

考慮到常規(guī)火電機組和新能源機組具有不同的環(huán)境效益,因此進行報價策略修正。總體思路是在預出清模擬各機組中標情況的基礎上,計算出整個系統(tǒng)的平均碳排放系數(shù)。將其與每個機組的碳排放系數(shù)進行比對,求出碳市場激勵因子。對于排放系數(shù)超過平均值的機組用該激勵因子抬高其報價系數(shù),使得其中標量減少;反之,對低于平均值的機組降低其報價系數(shù),使其獲得更多的中標量,從而降低整個系統(tǒng)的碳排放量。

對于m個常規(guī)火電機組而言,根據(jù)其競價信息可得系統(tǒng)平均碳排放系數(shù)Eb為:

(15)

(16)

用激勵因子修正火電商報價,同時考慮到新能源的清潔性,不進行報價的修正:

(17)

采用修正報價的意義在于通過激勵因子的作用將碳市場的減排約束和電力市場的出清結果結合起來,區(qū)分了不同市場主體的環(huán)境特性,在保證基本負荷需求的同時兼顧社會效益和環(huán)境效益。

3)正式出清階段。

按照修正后的報價重新進行集中交易。正式出清階段的目標函數(shù)如下:

(18)

電-碳耦合市場需運行于出清規(guī)則約束和系統(tǒng)物理約束下,兩出清階段的約束條件相同。在接收到各發(fā)電商報價信息后,市場運營機構以統(tǒng)一邊際價格,形成總報價曲線和總需求曲線進行匹配出清,并確定中標電量和電價。約束條件如下:

1)發(fā)電機組中標電量約束。

(19)

2)負荷中標電量約束。

(20)

3)節(jié)點功率平衡約束。

(21)

式中:m、n、k分別表示常規(guī)火電商、新能源發(fā)電商和電力負荷的數(shù)量。

4)支路潮流約束。

(22)

式中:σPTDF為功率傳輸轉移分布因子,能夠對模型進行有效的潮流約束;Lmax為傳輸線路最大容量限制。

5)碳配額總量約束。

(23)

式中:Mi為市場中的總碳排放量約束。

3 電-碳市場均衡分析及模型求解

3.1 電-碳市場均衡分析

(24)

3.2 模型求解

對于雙層模型的求解,目前現(xiàn)有研究中,分為人工智能算法[24,27-28]和轉化為單層模型的線性化求解算法[11, 29-31]兩種。而深度強化學習[32-33]作為人工智能算法中的一個分支,通過在動態(tài)環(huán)境中反復探索與試錯從而找到最優(yōu)策略,能夠在兼顧多方利益的同時較好地幫助主體在兩個市場中進行協(xié)同[34-35]。本文采用DDPG算法,將尋找最佳策略的優(yōu)化問題轉化為智能體搜索經驗的更新問題,進行模型求解,基于DDPG算法的競價模型求解示意如圖5所示。用四元組{sgt,agt,pgt,rgt}描述電-碳耦合市場的馬爾可夫模型[30],其中sgt表示狀態(tài)空間,agt表示動作空間,pgt表示策略,rgt表示獎勵函數(shù),具體如下:

圖5 基于DDPG算法的競價模型求解示意Fig.5 Schematic diagram of bidding model solving based on DDPG algorithm

2)動作空間:DDPG算法能夠處理連續(xù)動作空間。在本模型中,動作空間為按報價系數(shù)給出的報價曲線,如式(3)所示。

4)獎勵函數(shù):獎勵函數(shù)作為智能體執(zhí)行動作后環(huán)境的反饋。在本模型中,由于市場理性,發(fā)電商只在意自身的利潤回報,因此將每個發(fā)電商的利潤作為獎勵函數(shù)。

整個模型求解流程如圖6所示。

4 算例分析

4.1 算例設置

本文仿真測試基于硬件平臺Intel(R) Core(TM) i5-7200U CPU實現(xiàn),深度強化學習算法均在python3.7中執(zhí)行,仿真環(huán)境為pytorch框架。

采用改進的IEEE-30節(jié)點系統(tǒng)為例驗證本文模型的有效性,其中G1、G2、G3、G4為常規(guī)火電機組,G5、G6為新能源發(fā)電機組。網絡中各節(jié)點之間的阻抗相同,不考慮線路阻塞的影響。機組的成本參數(shù)和性能參數(shù)如表1和表2所示[36]。此外,G5和G6的度電成本分別為220、250元/MWh。根據(jù)文獻[37]設置碳價為58元/t,CCER價格為36元/t,按照文獻[38]設定機組碳排放配額百分比為0.86,CCER比例取5%。

表1 機組成本參數(shù)Table 1 Cost parameter of generators

表2 機組性能參數(shù)Table 2 Performance parameter of generators

設置實驗仿真參數(shù):最大實驗仿真次數(shù)T=20 000;學習訓練初始化次數(shù)Tcap=1 000;學習訓練次數(shù)Ttra=19 000;更新率ρ=10-3;折扣因子γ=0.9。

4.2 電碳市場耦合均衡求解的演化過程

圖7展示了在激勵型出清機制下,電-碳耦合市場中發(fā)電商競價過程以及對應的收益情況。對模型訓練20 000個回合,由圖7可以看出,市場在前5 000輪仿真中不斷波動,說明智能體在初期策略探索性較強,經驗池中存儲著大量的經驗有利于模型的學習,各智能體之間在不斷地進行博弈對抗以爭取自身最大利益,在6 000輪實驗之后逐漸趨于穩(wěn)定,最終每個發(fā)電商的報價達到了收斂的均衡效果,由此得出相對應的利潤結果。整個訓練過程耗時1 757.12 s。

4.3 電碳市場耦合對比分析

4.3.1 場景設置

為了更清晰地對比分析不同情況下發(fā)電商的報價策略以及市場均衡情況,本節(jié)設置了三個場景:

場景1：單一電力市場(electricity market,EM)場景,即不考慮發(fā)電商的碳排放行為,且市場中不對發(fā)電商的碳排放量進行總量約束;

場景2：簡單碳市場 (carbon market,CM) 場景,即考慮市場中的碳排放總量約束但不考慮發(fā)電商的碳交易行為;

場景3：電-碳市場耦合 (electricity-carbon market,ECM) 場景,即在市場碳排放總量約束的前提下,考慮各發(fā)電商之間進行自由的碳排放權交易。

多場景實驗下機組報價策略組合和交易結果如表3所示。

表3 多場景實驗下機組報價策略組合和交易結果對比Table 3 Comparison of unit quotation strategy combination and trading results under multi-scenario experiment

4.3.2 結果分析

1)對比ECM和CM場景結果可知,常規(guī)火電機組通過發(fā)電行為產生碳排放量,在沒有碳排放權交易行為的情況下,發(fā)電機組只能在各自的碳排放約束下進行發(fā)電行為,在一定程度上造成了碳排放權和發(fā)電權的浪費;而在電碳市場耦合中考慮到發(fā)電商之間的排放權交易行為,系統(tǒng)中的碳排放量由CM場景中的189.71 t降為ECM場景中的186.92 t,發(fā)電量由319.6 MW·h增加為323.1 MW·h,即能夠在增加發(fā)電量的同時降低碳排放。隨著總發(fā)電量的增加,即使在節(jié)點電價由460.47元/(MW·h)降低到451.88元/(MW·h)的情況下,機組獲得的利潤也得到提升,由CM中的61 785.90元增加到ECM中的63 690.38元。

2)對比ECM和EM場景結果可知,隨著碳市場交易的引入,常規(guī)火電機組因碳交易而增加的成本會折算到發(fā)電側報價中,從而間接地改變發(fā)電商報價策略和節(jié)點電價,因此,碳市場會改變電力市場交易環(huán)境。以G3、G4和G6為例,相比于EM場景,在ECM場景中,G3的報價由249.28元/(MW·h)上升至259.18元/(MW·h),G4的報價由305.23元/(MW·h)上升至354.15元/(MW·h),同時新能源機組G6的報價由359.17元/(MW·h)下降至339.15元/(MW·h)。由此可見,常規(guī)火電機組會抬高發(fā)電報價以滿足自身的利潤最大化,新能源機組為了競爭會降低報價以獲取更多的中標電量,二者報價的變化均影響出清的節(jié)點電價。

碳成本反映在發(fā)電機組利潤中,發(fā)電機組利潤也會隨著發(fā)電商的中標電量而變化,因而造成常規(guī)火電機組的利潤有不同程度的下降,而新能源機組和排放量較低的G2機組利潤有不同程度的上升。但總體而言,節(jié)點電價整體抬升,有利于提升系統(tǒng)整體收益,機組總利潤由56 125.37元增加至63 690.38元。

3)相比于EM場景,ECM場景中碳排放量由209.79 t下降到186.92 t,可見碳交易的引入對于碳減排效果更為顯著。系統(tǒng)中的新能源發(fā)電量由EM場景中的66.24 MW·h上升至ECM場景中的80.74 MW·h,即電碳市場耦合能夠提高新能源發(fā)電量并促進新能源消納。但是系統(tǒng)的總發(fā)電量有所下降,將在下節(jié)中做進一步的改進。

4)整體上,電碳市場耦合能夠結合2個市場各自的優(yōu)勢,電力市場的電力資源得以優(yōu)化配置,提高了新能源發(fā)電量;碳市場的碳配額總量約束和碳排放權交易行為也進一步約束了發(fā)電機組的發(fā)電行為,降低了系統(tǒng)的碳排放量,有助于實現(xiàn)減排目標。

4.4 激勵型出清機制的有效性分析

為了進一步驗證激勵型出清機制對機組行為的影響,本節(jié)設置傳統(tǒng)出清機制和激勵型出清機制的對比實驗,討論2種出清規(guī)則對于發(fā)電機組報價和交易結果造成不同的影響,對比結果分別如表4和表5所示,分析如下:

表4 不同出清階段發(fā)電機組報價及中標情況對比Table 4 Comparison of bidding and quotation of generator sets in different clearing stages

1)在預出清階段,新能源機組G5和G6由于報價較高,在與常規(guī)火電機組同臺競價中不具備優(yōu)勢。在修正階段計算出系統(tǒng)平均碳排放系數(shù)為0.62,顯然,G1、G3和G4的排放系數(shù)均高于該值,因此采用激勵因子進行調整,結果如表4所示。在正式出清階段,G5和G6機組的報價系數(shù)相比之下更具優(yōu)勢,從而獲得了更多的中標電量。激勵因子將機組報價特性和環(huán)境成本結合并反映在市場出清中,改變機組中標出力情況。

2)由表5可以看出,相比于傳統(tǒng)出清機制而言,激勵型出清機制能夠顯著地降低系統(tǒng)的節(jié)點電價,增加社會福利,降低系統(tǒng)碳排放量,同時兼顧社會效益和減排效益。系統(tǒng)的總發(fā)電量由323.05 MW·h提高到346.70 MW·h,在一定程度上可以彌補發(fā)電不足而造成的缺電問題,短期的電力缺口可以通過調整出力來滿足;而系統(tǒng)的碳排放量由186.9 t下降至167.5 t,節(jié)點電價降幅11.4%,即在提高系統(tǒng)總發(fā)電量的同時降低了節(jié)點電價和碳排放量,有利于電力行業(yè)綠色發(fā)展。

3)在傳統(tǒng)出清機制中,由于G3的報價較G1和G4而言更低,所以在不考慮其碳排放的情況下系統(tǒng)將按照報價高低進行統(tǒng)一排序,G3可能獲得更多的中標電量。但是由于碳市場激勵因子的引入,重新對發(fā)電商的報價策略進行調整,從而降低G3發(fā)電機組的出力比重。不同出清規(guī)則的發(fā)電量對比如圖8所示,G3和G4的發(fā)電量顯著降低,相比之下,G1和G2機組由于排放系數(shù)較小,其發(fā)電量略有上升。此外,新能源機組G5、G6的發(fā)電量均有顯著的增加,市場中的新能源發(fā)電占比由25%提升到36.3%。即高能效機組的競爭優(yōu)勢提高,低能效機組的市場份額下降,同時有效提高新能源發(fā)電占比,促進新能源消納。因此,激勵型出清機制能夠調整市場中機組發(fā)電的報價策略,改變現(xiàn)有的發(fā)電側中標出力格局。

圖8 不同出清規(guī)則的發(fā)電量對比Fig.8 Comparison of energy generation under different clearing rules

4.5 CCER和碳配額比例的靈敏度分析

CCER和碳配額的比例對于政府進行市場調控至關重要,因此,本節(jié)分別分析了二者對電碳市場耦合的影響。

1)首先,CCER比例取1%至10%時的火電機組利潤變化情況如圖9所示。由圖可知,隨著CCER抵消比例的提高,由于CCER自身價格低于碳價的優(yōu)勢,可以促使發(fā)電機組購買CCER以更加經濟的方式完成履約,降低參與碳市場的成本從而獲得更高的發(fā)電利潤,提高發(fā)電機組參與碳市場的積極性。但需要注意的是,作為控排主體,常規(guī)火電機組理應致力于自身的碳減排。如果過度放開CCER抵消比例可能會增加機組的利潤,打破市場平衡,減排效果不佳甚至與建立碳市場的初衷相悖。

圖9 CCER抵消比例靈敏度分析結果Fig.9 CCER offset proportional sensitivity analysis results

2)再有,碳配額取10%～90%時市場的節(jié)點電價和發(fā)電量的變化如圖10所示。在碳價一定的前提下,隨著碳配額的收緊,節(jié)點電價呈現(xiàn)逐步上升的趨勢,發(fā)電量呈現(xiàn)逐步下降的趨勢。當碳配額比例下降到40%以下時,出現(xiàn)個別發(fā)電商的負利潤;當碳配額比例下降到20%以下時,幾乎所有的常規(guī)能源火電機組無法正常發(fā)電。因此,碳配額的設置應有其合理性依據(jù)。當碳配額比例過于寬松,可能減排效果不突出,環(huán)境保護效益未能凸顯;當碳配額比例過于收緊,將會導致節(jié)點電價的急劇上漲和社會福利減少。合理的碳配額比例設置能夠在滿足負荷需求、保證電力系統(tǒng)安全穩(wěn)定運行的前提下盡可能地降低二氧化碳排放量,提高清潔能源機組競爭力,約束發(fā)電機組的發(fā)電行為,促進市場節(jié)能減排和低碳發(fā)展。

圖10 碳配額比例靈敏度分析結果Fig.10 Carbon quota proportional sensitivity analysis results

5 結 論

“雙碳”目標的提出進一步加強了電力系統(tǒng)和碳相關交易的耦合關系。為促使電碳市場協(xié)同發(fā)展,本文首先搭建電-碳市場耦合框架,分析2個市場之間的耦合關系和交互機理。針對現(xiàn)有出清機制因忽略發(fā)電商的環(huán)境效益而導致以新能源為主的低排放機組出清結果不理想的情況,本文提出了激勵型出清機制。綜合考慮碳成本、碳配額、碳交易等多種復雜的市場條件,構建電-碳市場耦合雙層模型研究機制的可行性。最后,采用深度強化學習算法進行多場景對比分析。研究表明:

1)電碳市場耦合能夠結合2個市場各自的優(yōu)勢,電力市場的電力資源得以優(yōu)化配置,同時,新能源發(fā)電量由66.24 MW·h提升至80.74 MW·h,即相對于單純電力市場而言,在電-碳耦合市場中新能源的發(fā)電量提高約22%;碳市場的碳配額總量約束和碳排放權交易行為也進一步約束了發(fā)電機組的發(fā)電行為,有助于實現(xiàn)減排目標。

2)激勵型出清機制可以顯著降低節(jié)點電價,增大社會福利,增加高能效機組的競爭優(yōu)勢。市場中的新能源發(fā)電占比由25.0%提升到36.3%,系統(tǒng)的總發(fā)電量由323.05 MW提高到346.70 MW,即該機制能夠顯著提高新能源發(fā)電占比和系統(tǒng)的總發(fā)電量,有效促進新能源消納,在保證減排效果的前提下避免因發(fā)電量不足而造成缺電問題。

3)適量比例的CCER和碳配額可以提高機組參與碳市場的積極性,鼓勵發(fā)電集團加大自身節(jié)能減排力度和清潔轉型,在滿足負荷需求、保證電力系統(tǒng)安全穩(wěn)定運行的前提下盡可能地降低二氧化碳排放量。

本文提出的模型考慮到我國碳市場建設的實際情況,并研究電力市場和碳市場之間的耦合關系,同時結合低碳要求對傳統(tǒng)出清機制做出進一步改善,對于后續(xù)電-碳市場建設有一定的理論意義和實踐價值。