考慮不確定性的綜合能源系統(tǒng)日前市場申報(bào)策略

韓照洋，周琳，劉碩，李國棟，付學(xué)謙

(1.中國農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院, 北京市100083；2.北京電力交易中心, 北京市 100031)

0 引 言

近年來，在政策的扶持下，我國風(fēng)電等新能源行業(yè)迅猛發(fā)展。雖然我國棄風(fēng)量及棄風(fēng)率已逐步降低，然而棄風(fēng)問題依舊存在。2019年，中國平均棄風(fēng)率已下降到4%，已處于較低水平，但新疆和甘肅地區(qū)棄風(fēng)率高達(dá)14.0%和7.6%[1]，遠(yuǎn)高于全國平均水平。種種原因制約著風(fēng)電的大規(guī)模消納，如我國電力市場仍處于初步建設(shè)階段，市場機(jī)制不完善，無法體現(xiàn)風(fēng)電低碳特性；風(fēng)電出力受環(huán)境影響較大，出力具有不確定性；冬季熱電廠的投入，以熱定電導(dǎo)致系統(tǒng)調(diào)峰能力不足等?，F(xiàn)貨市場與中長期不同，是對(duì)未來較短的時(shí)間段內(nèi)的功率進(jìn)行交易，可以較好地包容新能源的波動(dòng)性，同時(shí)有利于發(fā)揮新能源邊際成本低的優(yōu)勢，使新能源發(fā)電優(yōu)先得到出清。因此，新能源不確定性及消納問題須依靠電力現(xiàn)貨市場進(jìn)行解決。

合理地設(shè)計(jì)市場機(jī)制，通過市場的力量可以有效促進(jìn)新能源的消納，現(xiàn)有研究主要從發(fā)電權(quán)交易[2-4]、調(diào)峰機(jī)制[5-6]、跨省區(qū)交易[7-8]等方面進(jìn)行了機(jī)制的設(shè)計(jì)。此外，針對(duì)“三北”地區(qū)冬季供熱量大，由以熱定電帶來的棄風(fēng)棄光問題，文獻(xiàn)[9]提出了構(gòu)建熱電聯(lián)合調(diào)度平臺(tái)，兼顧市場成員的交易策略與效益，將熱電聯(lián)合調(diào)度，在保證市場成員利益的同時(shí)提高了新能源消納量；文獻(xiàn)[10]針對(duì)日前市場，設(shè)計(jì)了熱電聯(lián)合出清的市場機(jī)制，能有效解決以熱定電導(dǎo)致的棄風(fēng)棄光問題；文獻(xiàn)[11]兼顧不同負(fù)荷的申報(bào)策略，建立了電-熱聯(lián)合市場出清模型，并提出了負(fù)荷響應(yīng)市場出清信號(hào)的控制策略，能夠增加新能源的消納量。然而，大多數(shù)對(duì)綜合能源系統(tǒng)交易機(jī)制的研究只突出了新能源邊際成本低的特性，而忽略了新能源低碳的特性，對(duì)新能源消納的促進(jìn)作用可進(jìn)一步提高。

風(fēng)電作為電力市場中重要的成員，如何確定申報(bào)策略來實(shí)現(xiàn)效益最大化是參與市場競爭的核心問題。文獻(xiàn)[12-13]構(gòu)建了風(fēng)電與儲(chǔ)能等聯(lián)合優(yōu)化的虛擬電廠競價(jià)模型，利用虛擬電廠的靈活性解決風(fēng)電的不確定性來獲得更高的利潤；文獻(xiàn)[14]基于多階段隨機(jī)優(yōu)化模型提出了風(fēng)電商報(bào)價(jià)策略，可以有效減少風(fēng)電商不平衡結(jié)算成本；文獻(xiàn)[15]基于機(jī)會(huì)約束規(guī)劃，考慮風(fēng)電出力的不確定性，建立了考慮風(fēng)險(xiǎn)和期望利潤的競標(biāo)模型。然而，現(xiàn)有研究大多基于簡單的電力市場交易，沒有考慮綜合能源系統(tǒng)的發(fā)展帶來了市場機(jī)制的變化，對(duì)市場機(jī)制考慮不充分。我國電力市場處于起步階段，市場機(jī)制將會(huì)逐步調(diào)整完善。對(duì)于風(fēng)電商，其申報(bào)策略必須充分考慮市場機(jī)制的變化，才能促進(jìn)風(fēng)電的消納，獲得更高利潤。

本文首先對(duì)市場機(jī)制進(jìn)行完善，在市場層面，考慮到有實(shí)際功率小于成交功率的可能，設(shè)計(jì)繳納欠發(fā)罰款的交易機(jī)制。為發(fā)揮新能源低碳的特性，設(shè)置碳交易機(jī)制。隨后設(shè)計(jì)考慮不確定性的風(fēng)電運(yùn)行場景模擬方法。因風(fēng)電具有較強(qiáng)的不確定性，準(zhǔn)確預(yù)測較為困難，采用場景法可以模擬未來可能發(fā)生的不同情況。但若場景過多，計(jì)算復(fù)雜度將顯著提高，場景較少，其隨機(jī)分布的特性無法準(zhǔn)確模擬，兼顧上述兩點(diǎn)，給出基于聚類算法的風(fēng)電運(yùn)行典型場景提取方法。典型場景的概率特征與削減前概率特征相符，場景的數(shù)學(xué)期望與預(yù)測值吻合。由于綜合考慮各種場景，風(fēng)電申報(bào)不必過于保守，可以大幅度減少由于實(shí)際值大于成交值而導(dǎo)致的棄風(fēng)和此部分利潤的喪失，且采用場景的模擬方法定量描述風(fēng)電商的收益。最后，建立充分市場化的風(fēng)電申報(bào)模型，對(duì)完整的市場進(jìn)行建模。通過仿真分析，驗(yàn)證本文提出的模型對(duì)風(fēng)電消納的促進(jìn)作用。

1 能源供應(yīng)商模型

1.1 熱電聯(lián)產(chǎn)機(jī)組

系統(tǒng)中采用背壓式汽輪機(jī)組，其運(yùn)行狀態(tài)區(qū)域如圖1所示[16]。機(jī)組的功率可以用極限點(diǎn)的凸組合進(jìn)行表示，運(yùn)行過程中CO2排放量與機(jī)組的發(fā)電功率成正相關(guān)。

圖1 背壓式汽輪機(jī)組運(yùn)行區(qū)域Fig.1 Feasible operating region of a back-pressure steam turbine

(1)

(2)

(3)

(4)

Echp,t=kcpchp,t

(5)

式中：pchp,t和qchp,t分別為t時(shí)刻機(jī)組的電功率和熱功率；N為運(yùn)行區(qū)域的極限點(diǎn)的個(gè)數(shù)；ak,t為機(jī)組在t時(shí)刻關(guān)于第k個(gè)極限運(yùn)行點(diǎn)的系數(shù)，1表示機(jī)組運(yùn)行，0表示機(jī)組停止運(yùn)行；pchp,k與qchp,k分別為第k個(gè)運(yùn)行點(diǎn)機(jī)組的電功率與熱功率；pchp,min與qchp,min分別為機(jī)組最小發(fā)電功率與最小產(chǎn)熱功率；Cchp,t為機(jī)組在t時(shí)刻的運(yùn)行成本；Cchp,k為機(jī)組在端點(diǎn)k運(yùn)行的成本；Echp,t為機(jī)組在t時(shí)刻的CO2排放量；kc為機(jī)組CO2排放系數(shù)。

1.2 燃?xì)忮仩t

燃?xì)忮仩t為重要的供熱設(shè)備，在熱電聯(lián)產(chǎn)機(jī)組產(chǎn)熱量不能滿足負(fù)荷時(shí)補(bǔ)充供熱。其供熱功率及CO2排放量為：

qb,t=ηVtHg

(6)

Eb,t=kbVt

(7)

式中：qb,t為t時(shí)刻供熱鍋爐的產(chǎn)熱功率；η為供熱鍋爐的熱效率因數(shù)；Vt為t時(shí)刻供熱鍋爐消耗燃?xì)獾捏w積；

Hg為天然氣平均低位發(fā)熱量；Eb,t為t時(shí)刻供熱鍋爐的CO2排量；kb為單位體積天然氣的CO2排放系數(shù)。

2 市場交易模型

系統(tǒng)內(nèi)的熱電聯(lián)產(chǎn)機(jī)組、燃?xì)忮仩t等參與碳交易市場，根據(jù)實(shí)際排放量購買或出售碳排放權(quán)，其生產(chǎn)成本也會(huì)相應(yīng)改變，在申報(bào)時(shí)的報(bào)價(jià)會(huì)隨之改變。風(fēng)電場不同的申報(bào)方案，會(huì)影響上述機(jī)組的碳排放量及市場出清的結(jié)果，風(fēng)電場的利潤也會(huì)隨之變化。上述因素是相互影響的，綜合考慮上述因素，才能得到市場出清的結(jié)果。因此，分別對(duì)碳交易市場、風(fēng)電申報(bào)模型、市場出清模型進(jìn)行建模。

2.1 碳交易機(jī)制

為了減少CO2等溫室氣體的排放，碳交易機(jī)制被逐步采用。政府通過評(píng)估一段時(shí)間內(nèi)某地區(qū)的總碳排放量，將總碳排放量分成若干份，稱為一份排放權(quán)，通過制定相關(guān)政策規(guī)則，將碳排放權(quán)進(jìn)行分配。碳排放權(quán)可由持有者自由買賣，當(dāng)發(fā)電商所獲得的排放額高于實(shí)際排放量時(shí)，發(fā)電商可將多余部分進(jìn)行出售以獲得利潤；但當(dāng)所持有的碳排放額度小于實(shí)際排放量時(shí)，發(fā)電商將面臨高額罰款。

2.1.1碳排放初始配額的分配

目前，碳交易市場中主要通過免費(fèi)分配和有償分配的方式對(duì)初始配額進(jìn)行分配。我國碳市場尚處于建設(shè)初期，以免費(fèi)分配的方式為主。對(duì)于電力行業(yè)一般都采取基于歷史的分配法或基于基準(zhǔn)線法。本文采用免費(fèi)分配的方式，通過基準(zhǔn)線法對(duì)初始配額進(jìn)行分配，對(duì)各參與者在t時(shí)刻分配到的碳排放權(quán)配額為：

(8)

2.1.2碳交易成本

對(duì)參與市場的各主體的碳交易成本可用式(9)進(jìn)行刻畫，當(dāng)實(shí)際排放量小于初始配額，可將剩余部分拋售以獲得利潤；當(dāng)實(shí)際排放量多于初始配額，但小于購買的裕度時(shí)，僅需支付超出初始配額的部分；當(dāng)實(shí)際排放量超過所擁有的總額度時(shí)，需支付額外的罰金。

(9)

(10)

2.2 風(fēng)電申報(bào)模型

2.2.1風(fēng)電出力不確定性模型

由于風(fēng)電功率具有較大的不確定性，對(duì)其出力預(yù)測精度有限，其實(shí)際出力可由預(yù)測出力與預(yù)測誤差之和表示：

(11)

ξw,t可近似地認(rèn)為服從期望為0，方差為σ2的正態(tài)分布，σ可由式(12)計(jì)算[18]。

(12)

式中：Wwp為風(fēng)電場裝機(jī)容量。

對(duì)于風(fēng)電的不確定性，本文采用場景集法進(jìn)行處理。場景集法根據(jù)具有不確定性因素的概率分布，采用隨機(jī)采樣技術(shù)生成初始場景集，將連續(xù)變量離散化，但生成的場景數(shù)量龐大，不利于計(jì)算，因此再應(yīng)用場景削減技術(shù)對(duì)初始場景集進(jìn)行處理，生成數(shù)量較少，具有代表性的場景集。對(duì)于風(fēng)電場，生成的每一種場景都是對(duì)未來可能發(fā)生的實(shí)際情況的描述。本文采用拉丁超立方法生成風(fēng)電出力的場景，并采用k-means聚類法提取典型場景集。歐氏距離是聚類分析中最常用的距離，歐氏距離度量可用于k-means聚類。具體步驟如下：

步驟1：確定場景數(shù)量，假設(shè)需N個(gè)。

步驟2：隨機(jī)產(chǎn)生N個(gè)聚類中心，每個(gè)采樣點(diǎn)都被分配到離中心最近的位置，形成N個(gè)簇。

步驟3：對(duì)每個(gè)簇的聚類中心進(jìn)行重新計(jì)算。重復(fù)上述過程，直到所有簇的聚類中心不再變化。

步驟4：計(jì)算每個(gè)簇中樣本點(diǎn)占計(jì)算空間中所有樣本點(diǎn)的比例。

2.2.2風(fēng)電申報(bào)模型目標(biāo)函數(shù)

在日前市場，各參與主體向市場監(jiān)管申報(bào)次日96個(gè)時(shí)間段的功率及電價(jià)，監(jiān)管出清得到各主體成交功率及出清價(jià)格。在本文的市場機(jī)制中，風(fēng)電站的收益可表示為日前市場的收益與欠發(fā)懲罰的差值。風(fēng)電場申報(bào)以在所有場景中收益的期望值最大為目標(biāo)函數(shù)，具體可表示為：

(13)

2.2.3風(fēng)電申報(bào)模型約束條件

根據(jù)電力市場的申報(bào)規(guī)則，風(fēng)電場的申報(bào)要符合式(14)—(15)的約束。

(14)

0≤Cwp≤Cmax

(15)

2.3 市場出清模型

2.3.1出清模型等式約束

可平移負(fù)荷參與市場能夠削弱負(fù)荷的波動(dòng)，平移前與平移后的總量應(yīng)相等，即：

(16)

式中：pup,t為可平移負(fù)荷平移后在t時(shí)刻的功率；pdown,t為可平移負(fù)荷平移前在t時(shí)刻的負(fù)荷。

每個(gè)時(shí)段電能流與熱能流均需保持供需平衡，可表示為：

(17)

(18)

式中：pe1,t為t時(shí)段電力供應(yīng)商1的中標(biāo)功率；plink,t為t時(shí)段的外送功率；pi,t為t時(shí)段第i個(gè)電力負(fù)荷的中標(biāo)功率；m為參與市場的電力負(fù)荷的個(gè)數(shù)；qj,t為t時(shí)段第j個(gè)熱力負(fù)荷的中標(biāo)功率；n為參與市場的熱力負(fù)荷的個(gè)數(shù)。

計(jì)及碳交易成本后，熱電聯(lián)產(chǎn)機(jī)組與供熱機(jī)組的成本為基礎(chǔ)成本與碳交易成本之和，可表示為：

(19)

(20)

2.3.2出清模型不等式約束

日前市場的出清模型中成交的功率受到多個(gè)不等式的約束。能源供應(yīng)側(cè)包括熱電聯(lián)產(chǎn)機(jī)組、供熱鍋爐的運(yùn)行約束，受到其他供應(yīng)商的申報(bào)約束。熱電聯(lián)產(chǎn)機(jī)組的不等式約束為：

-Dchp≤pchp,t+1-pchp,t≤Uchp

(21)

式中：Dchp與Uchp分別為機(jī)組的向下和向上爬坡率約束值。

供熱鍋爐交易熱量的不等式約束為：

-Db≤qb,t+1-qb,t≤Ub

(22)

0≤qb,t≤Hbmax

(23)

式中：Hbmax表示供熱鍋爐供熱功率極限；Db與Ub分別表示供熱鍋爐向下和向上爬坡率約束值。

風(fēng)電與電力供應(yīng)商1的成交功率的不等式約束為：

(24)

(25)

綜合能源系統(tǒng)與外部電網(wǎng)相連，功率可根據(jù)市場成交情況進(jìn)行外送或流入，可以表示為：

0≤plink,t≤plinkmax

(26)

式中：plinkmax為聯(lián)絡(luò)線功率上限。

在需求響應(yīng)市場中，可平移負(fù)荷可在一定的時(shí)間內(nèi)進(jìn)行轉(zhuǎn)移，平移負(fù)荷的約束為：

0≤pup,t≤pupmax

(27)

0≤pdown,t≤pdownmax

(28)

式中：pupmax和pdownmax分別為可平移負(fù)荷的上調(diào)和下調(diào)極限。

日前市場的出清以社會(huì)福利最大為目標(biāo)函數(shù)，尋求市場的供需均衡點(diǎn)，成交的電量和熱量約束為：

(29)

(30)

2.3.3出清模型目標(biāo)函數(shù)

市場中各參與主體向系統(tǒng)運(yùn)營商提交申報(bào)價(jià)格與申報(bào)功率，按統(tǒng)一出清的方式確定各主體的成交功率與價(jià)格，所有參與者均按照統(tǒng)一的出清價(jià)結(jié)算，即圖2中供需曲線交點(diǎn)所對(duì)應(yīng)的價(jià)格。確定了市場統(tǒng)一出清價(jià)后，每個(gè)市場成員的社會(huì)福利為其報(bào)價(jià)與出清價(jià)之差與出清量的乘積，即圖2中各部分陰影部分面積，總社會(huì)福利為陰影面積之和，可進(jìn)一步轉(zhuǎn)化為用戶成交電量與其報(bào)價(jià)的乘積與供應(yīng)商成交電量與其報(bào)價(jià)的乘積之差。因此，以社會(huì)福利最大為目標(biāo)函數(shù)，日前市場出清模型的目標(biāo)函數(shù)可表示為：

(31)

式中：Cp,i表示第i個(gè)電力用戶的報(bào)價(jià)；Cq,j表示第j個(gè)熱力用戶的報(bào)價(jià)；Clink,t表示t時(shí)刻外部電網(wǎng)負(fù)荷的報(bào)價(jià)；Ce1表示電力供應(yīng)商1的申報(bào)價(jià)格。

市場采用統(tǒng)一出清價(jià)格的出清方式，出清價(jià)格為圖2供需曲線的交點(diǎn)所對(duì)應(yīng)價(jià)格，同時(shí)考慮到曲線可能不存在交點(diǎn)的情況，則出清價(jià)格可表示為成交的用戶中能源供應(yīng)商申報(bào)價(jià)格的最高價(jià)和用戶申報(bào)的最低價(jià)的均值，未成交的申報(bào)價(jià)格不計(jì)入。具體可表示為：

圖2 市場出清示意圖Fig.2 Schematic of the market clearing

Cpower,t=0.5max(Cchp,t,Cwp,Ce1,Cdown) +

0.5min(Cp,i,Cup,Clink,t)

(32)

Cheat,t=0.5max(Cchp,t,Cb,t)+0.5minCq,j

(33)

式中：Cpower,t為電力出清價(jià)格；Cheat,t為熱出清價(jià)格。

3 模型求解

發(fā)電商申報(bào)模型考慮了市場出清的結(jié)果，是一個(gè)雙層規(guī)劃模型。模型上層的市場出清模型是一個(gè)混合整數(shù)規(guī)劃模型，采用CPLEX求解包對(duì)該模型進(jìn)行求解。下層是一個(gè)大規(guī)模、高維數(shù)、非線性模型，針對(duì)此類模型，粒子群算法是一類有效的計(jì)算方法[19]。具體流程如圖3。

圖3 模型求解流程Fig.3 Flow chart for model solving

(34)

(35)

式中：ω1為速度權(quán)重因子，取0.8；c1和c2為常數(shù)，通常取2；nmax為最大進(jìn)化代數(shù)；Xmax和Xmin為粒子位置的上下限值。

4 數(shù)值仿真

4.1 基礎(chǔ)數(shù)據(jù)設(shè)置

參考國內(nèi)現(xiàn)貨市場的交易政策，每15 min進(jìn)行一次出清。用戶側(cè)和除風(fēng)電以外的供應(yīng)商申報(bào)的功率見附錄表A1。燃?xì)忮仩t在額定功率下效率最高，按照額定功率進(jìn)行申報(bào)。熱電聯(lián)產(chǎn)機(jī)組則向市場監(jiān)管提供機(jī)組的運(yùn)行參數(shù)如表1，其他主體申報(bào)價(jià)格如表2。

表1 熱電聯(lián)產(chǎn)機(jī)組參數(shù)Table 1 Parameters of cogeneration unit

表2 各主體申報(bào)價(jià)格Table 2 Declared price of each entity

在出清模型中，熱電聯(lián)產(chǎn)機(jī)組和燃?xì)忮仩t的申報(bào)價(jià)格按照其運(yùn)行成本計(jì)算，外部電網(wǎng)申報(bào)時(shí)變的價(jià)格，其余主體的申報(bào)價(jià)格如附錄表A2所示。欠發(fā)懲罰為0.6 元/(kW·h)，碳交易價(jià)格為130 元/t CO2，超排懲罰價(jià)格為雙倍碳交易價(jià)格，該系統(tǒng)的基準(zhǔn)線排放因子為0.224，供應(yīng)商的碳購買裕度為0.3。輸送通道的容量為200 kW。

為驗(yàn)證考慮風(fēng)電不確定性及引入碳交易的必要性，本文設(shè)置如下2個(gè)算例進(jìn)行對(duì)比。算例1：采用本文的模型，計(jì)及碳交易，風(fēng)電場采用場景處理后優(yōu)化求解的結(jié)果進(jìn)行申報(bào)；算例2：風(fēng)電場直接按預(yù)測值申報(bào)，不考慮碳交易。

4.2 仿真結(jié)果及分析

4.2.1算例1仿真結(jié)果

場景過多，計(jì)算復(fù)雜度將顯著提高，場景較少，其隨機(jī)分布的特性無法準(zhǔn)確模擬，因此，同時(shí)考慮結(jié)果的準(zhǔn)確性及計(jì)算的復(fù)雜程度，取削減后的場景為7個(gè)[20]。風(fēng)電的預(yù)測功率、削減前后的場景如圖4所示。

圖4 風(fēng)電出力各場景Fig.4 Scenes of a wind power unit

場景削減前，大量的場景數(shù)據(jù)會(huì)降低計(jì)算的效率。從削減后的場景可以看出，削減后的場景雖然數(shù)量較少，但是保留了原有場景的特征。因此在保證結(jié)果準(zhǔn)確的前提下可以大大提高計(jì)算速度。

7個(gè)場景的期望值與預(yù)測值的關(guān)系如圖5所示，二者相差較小。計(jì)算每個(gè)時(shí)間點(diǎn)7個(gè)出力場景的標(biāo)準(zhǔn)差，與各時(shí)間點(diǎn)功率預(yù)測值的比值的均值為20.84%，符合式(12)標(biāo)準(zhǔn)差的定義值，削減后的場景保留了削減前的特征，因此可證明場景削減成功。

圖5 風(fēng)電預(yù)測值與場景期望值Fig.5 Forecasting value and scenario expected value of wind power

求解的風(fēng)電場最終的申報(bào)情況如圖6所示，求解的最優(yōu)申報(bào)價(jià)格為0元/(kW·h)，即地板價(jià)。各時(shí)段的利潤如圖7所示，按照求解結(jié)果進(jìn)行申報(bào)，市場最終出清結(jié)果電力負(fù)荷和熱力負(fù)荷如圖8所示。

圖6 風(fēng)電預(yù)測值與申報(bào)值Fig.6 Forecasting value and Declared value of wind power

圖7 算例1風(fēng)電場各時(shí)段利潤 Fig.7 Profit of each period of the wind farm in the first example

圖8 算例1出清功率Fig.8 Clearing power in the first example

從結(jié)果來看，按照本文的模型分析，風(fēng)電場的申報(bào)值與預(yù)測值并不完全相同，風(fēng)電場會(huì)綜合考慮不同的出力場景，選取一種能使自身利潤最大的方式進(jìn)行申報(bào)。碳交易的引入，增加了如熱電聯(lián)產(chǎn)機(jī)組等高排放機(jī)組的碳排放成本，使風(fēng)電等清潔能源能夠優(yōu)先得到出清。

4.2.2算例2仿真結(jié)果

算例2按照文獻(xiàn)[10]的方式，不考慮碳交易,風(fēng)電場直接按照預(yù)測值進(jìn)行申報(bào)，風(fēng)電商參與市場每個(gè)時(shí)段的利潤如圖9所示，市場出清結(jié)果如圖10所示。

圖9 算例2風(fēng)電場各時(shí)段利潤Fig.9 Profit of each period of the wind farm in the second example

圖10 算例2出清功率Fig.10 Clearing power in the second example

風(fēng)電場按照預(yù)測值進(jìn)行申報(bào)且不考慮碳交易，風(fēng)電場的中標(biāo)電量較低，會(huì)導(dǎo)致較多的棄風(fēng)。并且從各時(shí)段的利潤看，由于未考慮出力的不確定性，容易忽略極端場景的情況，造成嚴(yán)重欠發(fā)，從而需繳納大量罰款，造成利潤為負(fù)的情況。且在06:00時(shí)負(fù)荷的中標(biāo)電量驟減，不利于系統(tǒng)的穩(wěn)定。

4.2.3仿真結(jié)果對(duì)比及分析

算例1中，風(fēng)電場利潤的期望值為5 598.1元，各場景棄風(fēng)率期望值為3.24%。而算例2中，風(fēng)電場利潤的期望值為4 331.6元，各場景棄風(fēng)率期望值為14.07%。碳交易市場中，熱電聯(lián)產(chǎn)機(jī)組由于碳排放量相對(duì)較大，一天內(nèi)碳交易成本為1 183元，增加了運(yùn)行成本；而供熱鍋爐碳排放量較小，碳交易成本為-29元，即供熱鍋爐的實(shí)際排放額小于免費(fèi)分配的額度，可以在市場中出售獲益。因此，在市場出清時(shí)，碳排放量較少的供應(yīng)商可以優(yōu)先得到出清，符合低碳的理念。

由于風(fēng)電具有不確定性，申報(bào)電量過少會(huì)降低風(fēng)電場利潤和消納容量，申報(bào)電量過多會(huì)造成交易電量缺額從而導(dǎo)致罰款。風(fēng)電不確定性使得運(yùn)行場景復(fù)雜，基于聚類理論的場景削減可以顯著降低不確定性分析的復(fù)雜性。對(duì)結(jié)果進(jìn)行分析可知，僅按照預(yù)測風(fēng)電功率進(jìn)行申報(bào)沒有考慮不確定性帶來的預(yù)測誤差，采用基于場景削減理論的優(yōu)化申報(bào)電量可以顯著提高風(fēng)電場利潤和消納容量；同時(shí)，碳交易的引入，提高了如熱電聯(lián)產(chǎn)機(jī)組等碳排放量較大機(jī)組的運(yùn)行成本，使風(fēng)電等清潔能源能夠得到優(yōu)先出清，從而可以有效地促進(jìn)風(fēng)電消納。

5 結(jié) 論

本文首先對(duì)綜合能源系統(tǒng)的日前市場交易機(jī)制進(jìn)行了完善，設(shè)計(jì)了碳交易機(jī)制與風(fēng)電欠發(fā)懲罰機(jī)制?？紤]到風(fēng)電的預(yù)測誤差，提出了風(fēng)電功率場景建模方法，為新能源報(bào)價(jià)報(bào)量提供了具有概率統(tǒng)計(jì)意義的數(shù)據(jù)。在此基礎(chǔ)上考慮風(fēng)電等新能源出力的不確定性，設(shè)計(jì)了風(fēng)電申報(bào)策略，推動(dòng)風(fēng)力發(fā)電商有了降低不確定性的內(nèi)在驅(qū)動(dòng)力，有利于提高新能源的消納水平。最后采用粒子群與CPLEX相結(jié)合的方法求解風(fēng)電申報(bào)與市場出清雙層模型，進(jìn)行了仿真驗(yàn)證。結(jié)果表明，所設(shè)計(jì)的機(jī)制與提出的申報(bào)策略可以有效提高風(fēng)電的消納水平，促進(jìn)節(jié)能減排。

附錄A

表A1 功率申報(bào)情況
Table A1 Declared power

表A1(續(xù))

表A1(續(xù))

表A2 價(jià)格申報(bào)情況
Table A2 Declared price