计及碳排放权交易与需求响应的风电并网调度优化模型

陈　俐，彭道鑫，张翔宇，谭清坤，余顺坤，谭忠富

(1.华北电力大学 能源经济与环境研究所，北京 102206; 2.北京农学院，北京 102206)



计及碳排放权交易与需求响应的风电并网调度优化模型

陈俐1,2，彭道鑫1，张翔宇1，谭清坤1，余顺坤1，谭忠富1

(1.华北电力大学 能源经济与环境研究所，北京 102206; 2.北京农学院，北京 102206)

摘要：为缓解风电出力随机性、波动性对系统安全运行的影响，提升风电并网电量，引入需求响应理论和碳交易机制，分别构建了需求响应协助风电调度优化模型、碳交易协助风电调度优化模型；进一步构建了需求响应和碳交易协同作用下的风电调度优化模型。随后以10台火电机组和2 800 MW的风电场构成模拟仿真系统，对所提模型进行算例仿真。结果显示需求响应的引入能够平滑用电负荷曲线，提升了风电并网空间。碳交易的引入提升了火电发电成本，增加风电参与发电调度的竞争优势。同时引入需求响应和碳交易能够最大化减少风电弃风，提升机组利用效率，降低系统发电煤耗，系统利润较单一引入需求响应的328.45万元和碳交易的293.38万元提升至330.62万元。因此，需求响应和碳排放权交易能够促进风电并网调度，协同效益明显。

关键词：需求响应；碳交易；风电；协同调度

0引言

风电资源丰富，但是由于其出力的随机性和不确定性，导致弃风现象严重，能源未能进行合理有效利用。需求相应与碳排放权交易机制是促进清洁、可再生风电能源开发利用的两大有利手段，然而，受制于风电消纳过程中的随机性与间歇性，这两大手段单一引入对于风电消纳的贡献度有限。研究需求侧与碳交易协同机制双管齐下的大背景下，风电能源如何克服自身资源、技术瓶颈扩大其消纳程度具有较强的研究价值。此外，在新电改以及严峻环境背景下，其对于加大可再生能源开发利用程度也具有积极的促进作用[1]。

需求响应[2-3]是供需双侧联动推进可再生能源开发利用过程中重要的促进工具，多年来，始终是国内外专家研究的热点，文献[4-5] 引入需求响应和储能系统来分析风电的系统优化调度问题，并得出利用需求响应和储能系统的协作效应，可以抑制风电功率的不确定性，提高系统风电利用效率。文献[6]则在输电规划中引入需求侧响应机制，优化用户用电行为，提升系统容纳风电随机性能力。此外，国内为专家提出碳交易市场[7-8]对于提高可再生能源市场竞争能力的巨大贡献能力，也致力于相关领域的研究，其中，文献[9-10]梳理了碳排放权交易的衍化过程，介绍了碳排放权交易组织机构的运作特点，归纳总结了国外碳排放权交易市场的基本现状，并对未来进行了展望。文献[11-12]则从绿色证书交易机制着手，析了合约电量、绿色证书价格、绿色能源波动等关键因素对市场均衡以及可再生能源发电发展促进的影响。然而，随着电改对可再生能源的支持力度的加大，国内外学者注意到无论是需求侧还是碳交易机制的单一引入，对风电消纳水平提高能力有限，多种技术联合使用促进风能开发则成为了新的关注热点，关于碳交易机制促进风电消纳，文献[13]具体阐述了引入碳交易机制以及储能系统后期对电力系统的风电消纳能力的促进作用。关于需求响应对风电消纳的影响，文献[14]进行了详细的描述，其考虑在输电系统规划中引入需求侧响应以及以可中断电价为主的电价激励举措，以此来应对风电出力波动与随机。

基于上述分析，本文分别基于需求响应协助风电调度模型以及碳交易机制协助风电调度优化模型，逐步引出与构建需求响应、碳交易协助机制以及风电并网三者共同参与下的风电消纳优化调度模型。最后，选用10台火电机组和2 800 MW的风电装机容量构成仿真系统，对比分析了需求响应以及碳交易协助机制引入后系统消纳风电能力提升的效果。

1需求响应下风电调度优化模型

1.1需求响应模型

电力需求响应主要是反映电能终端用户对电力价格的响应程度，电能终端用户根据电力价格改变自身用电行为。从经济学角度来说，提高电价会减少用户用电量，这部分电量可能会直接削减或转移至其他时段。电力需求响应对负荷的作用效果，一般分为转移和削减两个部分，设未实施需求响应时，峰平谷3个时段的电力需求分布为Gpeak、Gflat、Gvalley，则电力需求Gt为

(1)

(2)

(3)

此时，考虑提升峰时段电价导致的减少负荷需求比例为α，其中，削减负荷与转移负荷的比例分别为1-α1和α1，则转移负荷由转移至谷时段1-α2和峰时段α2构成。同样，考虑降低电价导致增加负荷需求比例为β，转移负荷和新增负荷的比例分别为1-β1、β1，其中，转移负荷主要由峰时段转移负荷β2和谷时段转移负荷1-β2组成，则需求响应实施后各时段用电负荷为

(4)

(5)

(6)

此时，若设处于同一时段内各时点的负荷同比例变化，则各时点负荷为

(7)

(8)

(9)

1.2需求响应协助风电调度模型

引入需求响应能改变用户用电负荷，调整社会负荷分布情况，影响系统调度计划安排方案。为了促进系统接纳风电，以系统参与发电调度利润最大化为目标，建立需求响应协助风电调度模型z1

(10)

式中：πw为风电发电利润；πc为火电发电利润。

(11)

(12)

式中：pw和pc分别为风电和火电发电上网电价；θw和θc,i分别风电机组、火电机组i的厂用电率；OMw和OMc,i为发电机组投运后的运维成本；Dw和Dc,i为发电机组投运后的折旧成本；Cfuel为火电机组发电燃煤成本；Qi,t为机组i在时刻t的并网电量。

(13)

(14)

式中：pcoal为机组发电燃煤价格；ui,t为0-1变量，ui,t=0时，机组停运，发电成本为0。ai、bi、ci均为火电机组发电煤耗系数。SUi和SDi分别为火电机组启停成本。

需求响应下风电机组调度模型需要综合考虑系统供需约束、系统备用约束和机组运行约束，具体如下：

(1)系统供需平衡约束

引入需求响应前，系统供需平衡约束为

(15)

引入需求响应后，系统供需平衡约束为

(16)

(2)系统发电备用约束

为了满足系统供需平衡约束，发电机组出力需要具备调整裕度，可进行上旋转备用和下旋转备用。

(17)

(18)

(19)

(20)

(21)

(22)

(3)机组发电功率约束

(23)

(4)机组爬坡功率约束

(24)

(5)火电机组启停约束

(25)

(26)

(6)风电出力约束

风电实时发电功率需要满足风电场装机容量约束：

(27)

式中：δt为时刻t风电场的等效利用率；Pw为风电场总装机容量。

2碳交易机制协助风电调度优化模型

2.1火电机组发电的碳排放成本

碳交易的引入能够将环境效益转变为经济成本，影响机组的发电成本。若机组二氧化碳排放量高于获得的初始配额，就需要从碳交易市场中购买相应的碳排放权，导致发电成本变动为

(28)

(29)

式中：Cco2为机组发电的碳排放成本；Eco2和E0分别为火电机组的碳排放量和碳排放配额；pco2为碳交易价格，其与碳交易的需求相关。火电机组的碳排放量一般可以通过历史数据回归如下：

(30)

(31)

式中：aco2,i、bco2,i、cco2,i为机组发电的碳排放系数。

2.2碳交易机制下风电消纳优化模型

碳交易的引入能够影响火电机组的发电成本，改变系统发电调度计划。与1.2节相同，本节仍以系统整体发电利润最大化为目标，建立碳交易机制下风电调度模型。碳交易引入后，机组发电利润变动如下：

(32)

碳交易机制下风电消纳优化模型需要考虑供需平衡、火电机组运行约束、风电机组运行约束以及碳排放约束等，具体见公式(15)、(17)~(27)，(29)~(31)。

3需求响应与碳交易协同作用风电调度优化模型

需求响应的实施缓和了系统负荷的波动水平，降低火电为风电机组调峰的难度，碳交易机制改变了火电机组的边际发电成本。在需求响应和碳交易协同作用下，风电机组发电成本基本不发生变化，而火电机组发电成本需要综合考虑燃煤成本、启停成本、碳排放成本，具体如下：

(33)

需求响应和碳交易机制协同作用下的风电消纳优化模型需要考虑供需平衡、火电机组运行约束、风电机组运行约束、需求响应约束和碳排放约束等，具体见公式(15)、(17)~(27)，(29)~(31)。

4算例分析

4.1基础数据

为了分析需求响应和碳交易对系统调度的影响，本文以10台火电机组和装机容量为2 800 MW的风电机组构成仿真系统。其中，火电机组相关参数、典型负荷日系统负荷、风电可用出力参照文献[15]选取示，其中，风电等效利用率见表1所示。若风电机组和火电机组的发电上网电价分别为540元/MW·h和380元/MW·h，机组运维与折旧成本为600万元，火电机组的发电燃煤价格为800元/ t[15]。

表1　风电机组等效利用率

参照文献[15]，划分负荷曲线的峰时段、谷时段和平时段，具体见表2所示。其中， α1、α2的分别为0.95、0.70；β1、β2的分别为0.90、0.40。α、β均为5%。

表2　分时电价时段划分

4.2算例分析

4.2.1需求响应对风电消纳的影响

为了分析需求响应对风电并网的影响，设定3种仿真情景。情景1为基础情景，不引入需求响应；情景2和情景3引入需求响应，α与β分别取3%和5%。可以得到3种情景下的系统负荷分布情景，具体见图1所示。

图1　不同情景下系统负荷Fig.1　System load under different scenarios

根据图1，情景1、情景2和情景3的峰谷差分别为1 400、1 252、1 153 MW，峰谷比分别为2.17、2.00、1.90。可见，需求响应实施程度越深，负荷曲线越平滑，三种情景下的系统调度结果见表3所示。可见，需求响应的引入能够降低风电弃风，情景1中弃风率约为23.68%；情景2和情景3中的弃风率分别为23.11%和19.69%，风电机组利用率随弃风率的降低而提升。

进一步，分析火电机组发电煤耗情况，需求响应的引入平滑了用电负荷曲线，风电并网电量的增加挤占了火电发电量，但系统对火电机组的调峰需求也相应降低，使得火电发电煤耗有所降低。相比情景1，情景2和情景3的发电煤耗分别为331.39 kg/MW·h和328.70 kg/MW·h。

表3　不同情景下电力系统调度优化结果

最后，分析系统利润水平，情景1中的系统利润为318.24万元，引入需求响应后，情景2和情景3的系统利润分别为320.53万元和328.45万元，可见，需求响应的引入能够提升系统发电利润，且随着实施程度的加深，提升效果也更加显著。

4.2.2碳交易对风电消纳的影响

为了分析碳交易对风电消纳的影响，设定3个仿真情景。情景4作为基础情景，不考虑碳排放交易，碳排放配额为总排放量29 079.7 t的98%，即初始碳排放权为28 498.1 t。情景5和情景6引入碳排放交易，且碳排放价格分别为80元/和100元/t。3种情景下的系统调度优化结果如表4所示。

表4　不同情景下电力系统调度优化结果

根据表4，分别3种情景的系统调度优化结果。在情景4中，不引入碳排放交易的风电发电量为17 670.82 MW·h；情景5和情景6中引入碳排放交易后，风电并网电量有所提升。其中，在碳交易价格为80元/t时，风电发电量提升了6.16 MW·h，在碳交易价格为100元/t时，风电发电量提升了470.21 MW·h，弃风率下降至18.12%。图2为不同碳交易价格下火电机组发电量对比结果。

根据图2分析碳交易引入对火电机组的影响，由于碳交易的引入提高了火电机组的发电成本，系统调度计划发生了相应的变动。碳排放系数较高的2号和3号机组发电量有所降低，碳排放系数较低的5号机组发电量有所提升。

4.2.3优化结果

为了对比分析，需求响应和碳排放权交易对风电调度的影响，设定3中仿真情景进行对比分析。情景7仅引入需求响应，相关参数参照情景3；情景8仅引入碳排放交易，相关参数参照情景6；情景9同时引入需求响应和碳排放交易，相关参数参照情景2和情景5。三种情景下系统调度优化结果见表5所示。

图2　不同碳交易价格下火电机组发电量对比Fig.2　Conparison of thermal power generation under different carbon prices

对比3种情景系统调度结果，情景7仅引入需求响应时的弃风率约为15.65%，情景8仅引入碳排放交易的弃风率约为18.12%，情景9中同时引入需求响应和碳排放交易的弃风率约为14.27%。可见，需求响应和碳排放交易具有较强的协同性，同时引入后有利于提升风电并网电量，供电煤耗下降至326.98 kg/MW·h。进一步，就系统发电利润而言，情景7和情景8下的系统利润分别为328.45万元和293.38万元，碳交易的引入导致火电发电成本增加较多，系统利润降低明显，但在情景9中同时引入两者后的系统利润接近情景7，表明碳交易和需求响应同时引入后的协同效应明显，此时的碳排放量也达到最低，系统的减排潜力进一步提高。

表5　系统调度运行结果

5结论

新电改环境下，可再生能源发展迎来了发展契机，其中，受制于随机性和间歇性，风电弃风现象是我国风电发展的主要瓶颈，为了解决该问题，本文引入了碳交易机制，提升可再生能源的市场竞争力，进而促进其进一步开发，同时，引入了需求侧响应理论，以优化用户用电行为，提升电网承受风电不确定性能力，有利于促进风电并网，降低风电弃风电量。此外，本文构建了需求响应、碳交易协助机制以及风电并网三者共同参与下的风电消纳优化调度模型并进行了算例仿真，得出如下结论：

(1)通过需求响应单途径、碳交易机制单途径以及需求响应与碳交易机制组合途径协助风电消纳三重情景对比分析，在利润层面，风电消纳中单一引入需求响应，系统利润达到328.45万元，单一引入碳交易机制系统利润则仅为293.38万元，而同时引入需求响应和碳交易机制系统利润也达到了367.78万元。

(2)通过需求响应单途径、碳交易机制单途径以及需求响应与碳交易机制组合途径协助风电消纳三重情景对比分析，在风电弃风层面，由单一引入需求响应的19.69%以及单一引入碳交易机制的18.12%的弃风率下降至14.27%，风能利用效率得到提升。

(3)对比了需求响应单途径、碳交易机制单途径以及需求响应与碳交易机制组合途径协助风电消纳三重情景，得出需求侧与碳交易机制组合途径优化下，供电煤耗有所下降，由单一引入需求响应的328.7 kg/MW·h以及单一引入碳交易机制的330.62 kg/MW·h下降至326.98 kg/MW·h，系统的减排潜力进一步提高。

参考文献：

[1] 朱凌志，陈宁，韩华玲．风电消纳关键问题及应对措施分析[J]．电力系统自动化，2011，35(22):29-34．

[2] 别朝红，胡国伟，谢海鹏．考虑需求响应的含风电电力系统的优化调度[J]．电力系统自动化，2014，38(13)：115-119．

[3] 何勇琪,张建成,鲍雪娜. 并网型风光储混合发电系统中储能系统容量优化研究[J]. 华北电力大学学报， 2012，39(4)：1-5.

[4] 鞠立伟，于超，谭忠富．计及需求响应的风电储能两阶段调度优化模型及求解算法[J]．电网技术，2015，39(5):1287-1293．

[5] 燕跃豪,鲍薇,李光辉,等. 基于混合储能的可调度型分布式电源控制策略[J]. 华北电力大学学报， 2014，41(2)：28-35．

[6] 曾鸣，吕春泉，邱柳青，等．风电并网时基于需求侧响应的输电规划模型[J]．电网技术，2011，35(4):129-134．

[7] 李婷，李成武，何剑锋．国际碳交易市场发展现状及我国碳交易市场展望[J]．经济纵横,2010，(7):76-80．

[8] 郑静,文福拴,周明磊,等. 计及需求侧响应的含风电场的输电系统规划[J]. 华北电力大学学报， 2014，41(3)：42-48．

[9] 柴大鹏，李钰龙，马明娟，等．低碳背景下风电与输电网综合协调投资规划模型研究[J]．华北电力大学学报，2014，41(4):107-112．

[10] 曾鸣，马向春，杨玲玲．电力市场碳排放权可调分配机制设计与分析[J]．电网技术，2010，34(5):141-145．

[11] 钟宇峰，黄民翔，文福拴，等．计及绿色证书交易机制的大用户直购电市场均衡分析[J]．电力自动化设备，2014，34(2):144-150．

[12] 黄杰，薛禹胜，王彦亮，等．关于电力系统排放权交易及排放阻塞的综述[J]．电力系统自动化，2011，35(13)：1-6．

[13] 雷涛，鞠立伟，彭道鑫，等．计及碳排放权交易的风电储能协同调度优化模型[J]．华北电力大学学报，2015，42(3):97-104．

[14] 郑静，文福拴，周明磊，等． 计及需求侧响应的含风电场的输电系统规划[J]．华北电力大学学报，2014，41 (3): 42 -48．

[15] 董安有．我国解决风电充风的组合途径及优化模型研究[D]．北京：华北电力大学，2014．

Scheduling Optimization Model of Wind Farm Integrated System with Demand Respond and Carbon Emission Trading

CHEN Li1,2，PENG Daoxin1，ZHANG Xiangyu1,TAN Qingkun1，YU Shunkun1，TAN Zhongfu1

(1.Institute of Energy Economics and Environment, North China Electric Power University, Beijing 102206,China； 2.Beijing University of Agriculture, Beijing 102206,China)

Abstract:In order to alleviate the effect of randomness and intermittent of wind power output on safe and stable operation of the power grid and improve system consumptive wind power capacity, the wind power accommodation optimization scheduling model considering demand response and carbon trading mechanism was constructed based on wind power scheduling models of demand response and carbon trading mechanism. Then, 10 thermal power units and one 2 800 MW wind farm constitute simulation systems to analyze the impact of demand respond, carbon trading mechanism and both of them on system wind power consumptive capacity. Finally, numerical example shows: the introduction of demand response could smooth the load curve, and improve the space of wind farm integrated system. The introduction of carbon trading improved the cost of thermal power generation, and increased the competitive advantage of wind power generation scheduling. Meanwhile, they also could reduce abandoned wind, improve unit efficiency, and reduce coal power generation system. As for profits, the profit of this system was 32.845 million yuan with the single demand response to improve wind accommodation, and it was 30.56 million yuan with the single carbon trading mechanism system while the profits of introduction of demand response and carbon trading mechanism system also reached 33.062 million yuan.

Key words：demand respond; carbon trading; wind power; cooperative scheduling

作者简介：陈俐(1972-)，女，副教授，博士研究生，研究方向为技术经济及管理。

中图分类号：TM614;TM732

文献标识码：A

文章编号：1007-2691(2016)01-0104-07

基金项目：国家自然科学基金资助项目(71573084).

收稿日期：2015-10-08.

doi:10.3969/j.ISSN.1007-2691.2016.01.18