可再生能源消納責任權重制下風電多階段消納策略

方 程， 許彥斌， 張凱琳， 曾 鳴

(華北電力大學 經濟與管理學院，北京 102206)

0 引 言

近年來,隨著可再生能源的發(fā)展,風電、光伏等可再生能源在中國的規(guī)模的正迅速擴大。但可再生能源出力的波動性與不確定性始終阻礙其消納,同時,中國電力負荷較大的峰谷差及市場機制的不完善,共同導致了多地嚴重的棄風、棄光。以風電為例,根據國家能源局發(fā)布的統(tǒng)計數據顯示,2020年上半年中國風電風電整體利用水平提升,但棄風電量仍高居不下。并且長期以來,由于中國一直實行固定上網電價補貼機制,政府補貼資金缺口越來越大,出現了財政補貼危機。另一方面,2015年3月,中共中央、國務院印發(fā)《關于進一步深化電力體制改革的若干意見》[1],明確提出要“逐步建立以中長期交易規(guī)避風險,以現貨市場發(fā)現交易品種齊全、功能完善的電力市場”。2019年5月,國家發(fā)改委發(fā)布《關于建立健全可再生能源電力消納保障機制的通知》[2],明確可再生能源配額制的具體實施機制,指出要做好消納責任權重與電力市場交易的銜接。目前我國正處于電力市場過渡時期,各級市場間缺乏聯(lián)動性,未能完全利用風電資源。如果能構建有效的消納策略使各級電力市場相互承接,將會削弱風電不確定性的影響,對風電的實時消納起到積極作用。

在政策研究方面,文獻[3]在總結分析配額制國際實踐的基礎上,采用微觀經濟學和制度經濟學的相關理論,為配額制提供了一個科學的經濟學解釋,肯定了可再生能源配額制的價值。文獻[4]基于中國可再生能源消納面臨的挑戰(zhàn),設計了基于配額制的國家可再生能源市場及其與省級日前市場的協(xié)調機制,以實現以配額制的方式激勵可再生能源的需求與供給。

在風電消納與交易策略方面,文獻[5]通過使用Kernal密度估算風力發(fā)電和市場價格的不確定性,提出了一種風電優(yōu)化招標的隨機模型,其結果表明該模型可帶來效率增益;文獻[6]構建了基于納什均衡的風火網三方非合作博弈模型,并建立了分散的點模式和鏈聚的網模式兩種交易狀態(tài),結果表明政府對風電的補貼、風電場的發(fā)電成本和電網公司的平均發(fā)電成本不會影響三方博弈納什均衡點的分布。文獻[7]建立了包含風電置信度的機組組合優(yōu)化模型,,研究了電力用戶在日前市場中參與風電消納的交易方式,結果表明所提方法可有效減少風電棄風電量;文獻[8]基于掛牌交易機制,提出了一種發(fā)用電側雙向掛牌的競價模式,通過優(yōu)化兩個交易階段的成交順序,提高了資源優(yōu)化配置的效率。文獻[9]研究了以促進風電消納為目標的風電商—售電商供需互動市場機制構建框架,基于長期電能市場、現貨電能市場、備用市場等市場化交易體系,討論了在多市場購電決策層面,供需互動機制促進風電消納的關鍵因素。文獻[10]針對棄風問題, 提出了考慮發(fā)電集團主體協(xié)調的兩階段調度策略,建立了引入調峰補償實現發(fā)電集團內部自調節(jié)、集團間輔助協(xié)調的風電消納策略。文獻[11]針對大規(guī)模風電不確定和波動性對電力系統(tǒng)調度的影響,提出了含大規(guī)模儲能的雙層風火協(xié)調調度模型,通過合理調度資源促進風電消納;文獻[12]提出了風電聚合模型,風力發(fā)電商通過多種風能源的聚合可以有效降低其不確定性,從而降低風能整合的成本。

以上研究工作主要針對單一市場下的風電交易策略,未考慮到當前時刻所做決策對未來交易的影響,忽略各級市場出清的相關性與市場間聯(lián)動性對風電消納的積極作用,并缺乏對可再生能源消納責任權重制實施背景的考慮。

在國家不再對風電進行補貼的可再生能源消納責任權重實施背景下,本文從多級市場間的聯(lián)動出發(fā),綜合考慮中長期電力市場、日前市場、實時平衡市場和綠證(tradable green certificate,TGC)市場的特點及相關性,提出了一種促進風電消納的多階段優(yōu)化策略,并構建了相應的交易模型。通過算例表明,該策略對提高風電的消納率,提高發(fā)電商收益,推動清潔高效的能源體系發(fā)展具有積極意義。

1 風電多階段協(xié)同消納設計

1.1 風電多階段協(xié)同交易機制設計

風電交易從時間維度可分為中長期電力交易、日前電力交易和實時電力交易,同時考慮可再生能源消納責任權重的影響引入TGC交易。通過優(yōu)化市場機制與加強市場間聯(lián)動,以提高市場交易效率,促進風電消納?；谑袌鲩g的協(xié)同聯(lián)動建立的風電多階段消納策略,其示意圖如圖1所示。

圖1 風電多階段消納策略圖Fig. 1 Diagram of multi-stage wind power consumption strategy

風力發(fā)電商在中長期市場中根據風電的中長期出力預測簽訂合約,由電力交易中心進行逐級分解并在交割日前根據預測負荷情況行等電量順負荷出清,確保無波動段優(yōu)質風電的提前消納。日前市場中,電力交易中心根據上一階段的出清結果進行負荷修正,通過聯(lián)合火電參與調峰的合作出清方式,解決風電出力與負荷不協(xié)調的問題,提高風電消納[13,14]。實時平衡市場中,風力發(fā)電商首先與日前市場進行出力偏差結算[15],當風電仍有多余出力時,則進行單向掛牌交易出清,進一步提高風電消納。TGC市場中,TGC的價格直接受供求關系的影響,風力發(fā)電商由古諾模型指導其出售TGC決策,以獲取更多收益。

1.2 風電多階段交易流程

本文所提的風電多階段交易策略的交易流程如圖2所示。

圖2 風電多階段交易流程圖Fig. 2 Flow chart of wind power multi-stage transaction

市場成員數據包括負荷預測曲線、機組報價曲線、風電機組預測出力、火電機組爬坡能力、機組功率上下限、機組最大最小開停機等參數。出清結果包括各機組的發(fā)電計劃、成交價格與風電剩余電量的統(tǒng)計。出清結果匯總后形成結算清單存檔,并將交易結果反饋給各發(fā)電商。

2 風電多階段交易模型

本文設計的風電多階段協(xié)同交易出清模型的結構關系如圖3所示,符號含義見后文模型。

圖3 交易模型關系圖Fig. 3 Transaction model diagram

2.1 中長期市場合約交割模型M1

盡管風電在較長期預測上呈現極大不確定性,但基本在風電出力曲線的底部會形成一塊持續(xù)穩(wěn)定的出力區(qū)域,如圖4所示。參考文獻[16]的分段方法,將風電中長期預測出力誤差帶的下限作為參與中長期合約的交割電量,在交割日前,交易中心對風電平衡成本極低的高品質風電優(yōu)先進行消納出清[17]。

圖4 風電品質分段示意圖Fig. 4 Section diagram of wind power quality

交易中心在交割日前的調度出清以風電消納量最大為目標函數：

(1)

約束條件為：

(2)

(3)

2.2 日前市場出清模型M2

圖5 火電電廠調峰示意圖Fig. 5 Schematic diagram of peak regulation in thermal power plant

考慮調峰的火電機組發(fā)電成本如下：

(5)

該出清模型以系統(tǒng)運行成本最小為目標函數：

(6)

約束條件為：

(7)

(8)

(9)

(10)

(11)

排種器是大蒜播種機的核心部件，其工作質量將直接影響大蒜播種的效率，因此有必要重點研究一下大蒜播種機的排種裝置。本研究的目的是通過對蒜瓣外形特征參數進行測量并統(tǒng)計分析，研究設計了一種傾斜圓盤轉勺式大蒜播種試驗裝置，并通過試驗確定它的參數和結構形式，確定工作效果達到最優(yōu)時，轉速和取種盤傾斜角度的最佳組合。

2.3 實時平衡市場出清模型M3

在實時平衡市場中,風電預測的不確定性及波動性大幅降低,當風電實際可出力大于日前市場出清電量時,進行單向掛牌交易。該模型以最小化可競部分負荷量的購電費用為目標函數。

(12)

約束條件有：

(13)

(14)

(15)

(16)

2.4 綠證市場交易模型M4

綠證作為考核可再生能源消納量的重要依據,是配額制下的風電參與電力市場的補充。TGC市場價格建立在以交易量為基礎的古諾模型上[21],價格根據古諾模型計算為

(17)

式中：αTGC、βTGC分別為古諾模型逆價格函數的截距與系數,通過TGC市場參數計算可得。

(18)

(19)

(20)

TGC價格和交易量之間的關系如圖6所示。

圖6 TGC價格與數量關系圖Fig. 6 Diagram of relationship between TGC price and trading volume

(21)

風電機組在綠證市場的收益包括立刻交易的即時收益和未來交易的預期收益。

約束條件為風電機組可交易綠證的約束,φ為可再生電力轉換綠證系數。

(22)

3 算例分析

算例通過對比分析多級市場協(xié)同交易策略下的出清結果、風電消納比例結果,驗證本文所設計策略與模型的有效合理性。該模型是一個非線性模型,故利用強對偶定理和二值展開法對目標函數中的二次函數以及約束條件中的機組最小開機和最小機時間約束等非線性因素進行線性化處理,最終轉化為混合整數線性模型[22,23],應用商業(yè)軟件CPLEX建模求解上述混合整數規(guī)劃問題。

3.1 算例基礎數據

圖7 某地區(qū)日前負荷和風電場預測日出力曲線Fig. 7 Curve of day-ahead load and forecast output of wind farm in an area

3.2 風電未參與多級市場出清結果

在風電未參與多級市場交易,風電廠與火電廠僅通過日前市場參與市場交易的情況下,以系統(tǒng)運行成本最低為目標函數,求解得發(fā)電廠日出力計劃圖8所示,風電的消納情況如圖9所示。

圖8 發(fā)電廠日出力計劃Fig. 8 Daily output schedule for power plant

圖9 風電消納情況Fig. 9 Wind power consumption

對比上圖可見,考慮到風電功率存在的預測誤差和風電具有的波動性,為確保電力系統(tǒng)安全性,波動性強的風電不確定出力只能棄掉,以確保電力系統(tǒng)安全穩(wěn)定,且由于風電自身具有反調峰性,為保障系統(tǒng)負荷平衡,在7～8時間段,受火電機組最小啟停時間及最小出力限制,僅能下調少量技術出力,同樣在18時,受火電機組爬坡率的影響,火電廠所提供的調旋轉備用有限,致使負荷低谷期出現風電消納困難的現象。

3.3 風電參與多級市場出清結果

(1)M1出清情況

中長期合約在交割日前的交割電量通過上述模型求解結果如表1所示,修正后的日負荷曲線如圖10所示。在該階段中,風電按順負荷曲線出力,承擔了其追蹤負荷的責任,不需要其他常規(guī)電源平衡,并網成本為零,修正前后的日負荷曲線變化趨勢一致。

表1 各風電廠M1階段出清結果Tab.1 Clearing results at M1 stage in each wind power plant

圖10 修正后的日負荷曲線圖Fig. 10 Curve of Revised daily load

(2)M2出清情況

在日前市場中,考慮火電參與調峰前后火電廠各項運行成本和利潤以及風電廠利潤的變化情況,如表2,出力情況如圖11所示。

表2 考慮調峰主動性后各參與方經濟參數對比結果Tab.2 Comparison results of economic parameters of each participant considering the peak-shaving initiative

圖11 考慮調峰主動性前后各機組優(yōu)化調度結果Fig. 11 Optimal scheduling results of each unit before and after peak-shaving initiative are considered

通過圖11中的機組出力可以看出,優(yōu)化前風電機組在3：00～8：00時段由于出力與負荷不協(xié)調,造成了大量風電的浪費,優(yōu)化后G2在3：00～5：00時段運行在不投油深度調峰階段,6：00～7：00時段運行在深度調峰狀態(tài),G3在7：00～8：00 時段運行在不投油深度調峰狀態(tài),通過火電機組的深度調峰,為風電機組的提供了更多的消納空間,有效解決了風電在3：00～8：00時段出力與負荷不協(xié)調造成的資源浪費,同時根據表2結果表明火電機組的調峰補償和節(jié)煤效益完全可以彌補機組深度調峰增加的額外運行成本和電量損失成本,促進了火電廠主動參與深度調峰的積極性與風電場進行深度調峰合作。同時,火電參與調峰后,風電消納提高,風電場的售電收益始終大于其調峰分攤費用,風電廠積極參與調峰交易。

(3)M3出清情況

實時平衡市場中,假設系統(tǒng)存在2.5%以內的日負荷偏差電量,風電機組實際出力與預測出力一致,模型求解得實時平衡市場的掛牌出清結果如表3所示。進入實時平衡市場后,負荷預測以及風電預測由短期進入超短期,大大提高預測準確性,即風電波動性削弱,相比于風電整體直接進入現貨市場交易,將波動性較強的風電電量過濾到最后的實時平衡市場中,可完成波動性強的風電消納。

表3 實時平衡市場出清結果Tab.3 Balanced market clearing results in real time

(4)M4出清情況

根據雙層模型求解結果顯示,風電廠W1的最優(yōu)決策為出售2 772個TGC,留存896個,預期綠證收益為101.08萬元;風電廠W2的最優(yōu)決策為出售2 490個TGC,留存805個,預期綠證收益為90.8萬元。

(5)算例結果總結

由算例結果計算得到,在中長期市場、日前市場和實時平衡市場中的風電消納率分別為18.71%、74.55%、5.33%,總計消納率為98.59%,對比直接參與日前市場的90.16%的消納率有顯著提升。同時,風電參與多級市場協(xié)同交易后,發(fā)電商單位平均發(fā)電成本由149.41元/ MW·h降至143.26元/ MW·h,降低了6.15元/MW·h,而發(fā)電商的單位平均利潤提高了6.96元/MW·h。在市場參與方面,本文設計的基于多級市場協(xié)同交易機制下的消納策略增加了中長期市場、日前市場、實時平衡市場與TGC市場的聯(lián)動性,提高風電商的在各級市場的參與度。在經濟效益方面,通過高質量風電的提前消納修正了日負荷,降低了電力并網成本;風電參與火電調峰的日前市場在提高風電消納率并增加了雙方的利潤,同時,引入TGC市場,增加風電廠商利潤空間。在社會環(huán)境方面,該策略提高了風電利用率,優(yōu)化了資源配置,從而降低了電力生產成本,提升社會效益。

4 結 論

本文通過構建了多層次、多階段的交易出清模型,提出了一種基于多級市場聯(lián)動的風電消納策略。為了評估該策略的有效性,綜合建立了參與多級市場和不參與多級市場兩種不同交易策略的對比算例,并應用CPLEX進行了模型求解。

建立的模型的主要研究結果如下：

中長期市場中,風電廠商在可信出力范圍內與購電商提前簽訂合約,可確保風電穩(wěn)定段的消納,鎖定部分售電收益,交割日前的順負荷電量出清也可有效較低社會用電成本。

日前市場中,通過火電參與調峰,有效解決了風電出力與負荷不匹配的問題,風電廠提高上網電量的同時,增加了其經濟收益與社會消納量,火電廠也通過為風電并網提供輔助服務提高了經濟效益。

在實時平衡市場中,風電預測準確性提高,通過建立基于單側掛牌交易市場出清模型,將有利于優(yōu)化風電的實時消納。

TGC市場中,通過古諾模型模擬TGC價格與交易數量的關系,通過建立雙層模型求解,將使風電廠的預期收益達到最大。

仿真結果表明,該交易策略可強化風電的市場參與度,有效促進風電消納,并降低社會發(fā)電成本,增大社會福利,具有一定的應用價值,為未來電力市場的協(xié)同建設提供參考價值。未來可進一步研究其他清潔能源、儲能等更多主體參與的多級電力市場聯(lián)動策略。