计及风电不确定信息间隙的火电-储能-需求响应多源低碳调峰交易优化模型

李鹏，余晓鹏，周青青，谭忠富，鞠立伟，乔慧婷

(1.国网河南省电力公司经济技术研究院，郑州市 450000；2.华北电力大学经济与管理学院，北京市 100026；3.南方电网能源发展研究院有限责任公司技术经济中心，广州市 510530)

0 引 言

近年来，以风电为代表的间歇性电源接入电网规模不断提高，拉大负荷峰谷差，系统调峰压力越来越大[1]，对调峰资源提出更高需求。若仅依靠火电深度调峰，将面临极高系统运行成本。实际上，火电深度调峰在促进风电并网的同时，也会降低系统碳排放量。伴随着“双碳”目标及全国碳交易市场启动[2]，火电调峰产生的碳减排量将带来经济收益，从而补偿火电深度调峰成本。由此，如何平衡火电调峰经济性与性能，及如何挖掘和优化利用新调峰资源，具有重要的理论价值和实践意义。

就火电机组而言，在进行深度调峰时，会因为降低发电出力而减少碳排放量，但也因发电工况处于低功率状态，单位发电煤耗增加导致的碳排放量也将增加[3]。若火电机组调峰的净碳排放量为正，且在碳交易市场售出，将有利于提升火电机组深度调峰经济性[4]。文献[5]提出碳排放权交易能提升系统消纳清洁能源的积极性。文献[6]证明碳交易的引入能够提升火电调峰经济性。进一步，文献[7]通过建立电-碳协同调度优化模型，发现较高碳价将有利于风电的大规模利用。上述文献分析了碳排放权交易对清洁能源利用的积极作用，但未考虑如何将碳排放权交易与调峰交易融合，提升火电调峰成本，这是本文考虑的一个关键问题。

除火电机组深度调峰外，储能和需求响应(demand response，DR)正成为电力系统调峰资源。文献[7]分析了储能在风电调峰中的作用。文献[8]建立了可常规调峰机组、电网弹性优化、负荷分级响应及储能系统调峰模型。文献[9]评估了储能系统调峰的经济效益和调峰效果。进而文献[10]提出了一种兼顾技术性和经济性的储能系统调峰方法。文献[11]针对风电最大接纳和经济接纳模式，对储能系统容量进行了优化。进一步，DR是提升负荷侧灵活性的主要手段，具有响应快、灵活性强的优点[12]。文献[13]针对多类型负荷的异构特性，建立了日前-日内的调峰优化模型。文献[14]建立了便于调峰调度的空调负荷虚拟机组。综上，较多文献讨论了储能和DR辅助系统调峰的优化策略。但火电、储能和DR三者如何协同参与调峰未被考虑。

对含大规模风电电力系统来说，其输出功率不确定性是调峰交易决策的重要问题。一般来说，不确定性分析方法主要包括2个路径，即模拟不确定性变量概率分布[15]和建立不确定性度量方法[16]，如文献[17]应用拉丁超立方抽样法对风电和光伏发电的概率密度进行模拟，文献[18]利用条件风险价值(conditional value at risk，CVaR)方法对负荷不确定性进行建模。实际上，不确定性分析主要是决策变量实际状态与预测值发生偏差，也称为信息间隙，如何刻画这种信息间隙是不确定性分析的重要问题。由此，本文引入信息间隙决策理论(information gap decision theory，IGDT)[19]构造考虑不确定性的多源调峰交易优化模型。

如认为善意取得的物权是从无权处分人处继受取得，那么就侵犯与误解了“任何人不得转让大于自己权利的权利”的法律公理。诚如日本民法典起草者富井政章先生所言：“承继人不得取得前主所未有之权利”，[10]使其物权变动的逻辑存在不可调和的缺陷。故超过自己权利的处分是无法依据其意思表示而变动物权的，突破该原则的物权变动只能是依据法律的直接规定，即后手不是依据任何前手而取得权利。此外，虽善意取得制度在外部形态上表现为对该公理的突破，但更多的考量在于保护交易安全。因此，受让人无法从无权处分人处取得所有权。

综上，本文考虑火电、储能及需求响应多源联合调峰路径，构造计及风电不确定性的多源低碳调峰交易优化模型。首先，从多源调峰的碳排放和成本2个方面，构建多源调峰碳排放成本测算方法；然后，以联合调峰成本最小为目标，构造常规火电、储能及需求响应多源调峰交易模型。之后，利用IGDT方法刻画风电不确定性，构造考虑不确定性的多源低碳调峰交易优化模型。最后，选取中国西北某局域电网作为仿真系统，验证所提模型的有效性和适用性。

1 多源调峰碳排放和交易成本测算

1.1 多源调峰碳排放

当火电、储能与DR联合参与风电调峰服务时，考虑调峰成本、碳交易成本、弃风机会成本和失负荷惩罚成本，以联合调峰综合成本最小为目标函数，具体为：

对于钢筋拉断的试件，钢筋与灌浆料接触面接触良好，无粘结滑移，因此模型的钢筋与灌浆料之间均采用“tie”连接。采用位移控制对有限元整体模型进行单向拉伸加载。为方便提取拉力值，在钢筋端部的加载位置进行了刚性处理，把钢筋上的均布力变成集中荷载，钢筋另一端对6个自由度全约束。采用结构化网格划分技术，网格模型如图2所示。

通过对2组患者实施不同的治疗措施，2组患者病情均出现不同程度的好转，但是观察组患者治疗有效率97.1%显著高于对照组患者62.9%，差异有统计学意义（P<0.05）。 见表 1。

图1 多源联合调峰模式Fig.1 Multi-source joint peak-shaving mode

根据图1，多源联合调峰主要存在碳减排和碳增排两方面效应。其中，碳减排主要源于火电机组减少发电出力、储能充电和DR提供下调峰出力，接受更多风电或部分火电出力，降低系统碳排放量。由于火电机组发电煤耗曲线为一元二次函数，当火电出力在额定工况时，单位发电煤耗最低，而当火电出力低于额定工况时，单位发电煤耗要增加。因此，碳增排主要是源于火电机组发电出力低于额定工况时，单位发电煤耗和启停煤耗将增加，导致等量发电出力的碳排放总量增加[18]。这是由于储能和DR替代了原有火电机组进行上调峰，尽管系统总的碳排放量会增加，但从个体角度来说，火电机组等量发电的碳排放增量是由于储能和DR引起的，故本文设定这部分碳排放需由储能和DR承担。

1)净负荷功率变化的剧烈程度。净负荷功率变化越大，则可能造成的不利影响越大。

墨镜男回来时，手上多了一个易拉罐，是给范坚强作烟缸用的。这还是在读美院的时候养成的习惯。范坚强有时画画没感觉，便摸出一支烟来抽，画室里没有烟缸，他便把烟灰抖在作为写生静物的陶罐或者易拉罐里。现在他还保持了这种习惯。

(1)

式中：ECO2(gcoal)表示火电机组CO2排放量；gcoal表示火电机组发电出力；a、b、c表示火电机组的碳排放系数。

若考虑碳排放权交易，当DR提供上调峰服务时，会降低火电出力，导致火电出力单位碳排放量提高；当DR提供下调峰服务时，会增加火电发电出力，降低火电单位发电碳排放。此时，DR调峰成本为：

(2)

(3)

2012年Suk等[20]提出与临床紧密贴合的，适用于螺钉系统矫形手术时代的分型，Suk分型。首先根据Cobb角、端椎、中立椎及顶椎的旋转度分为4型，然后根据端椎、中立椎的具体位置分为2个亚型，确定了每型手术融合的水平和方法。但目前尚未见应用该分型以及融合策略对特发性脊柱侧凸进行矫正的临床前瞻性研究和术后随访评估的文献报道。

1.2 多源低碳调峰成本

1.2.1 火电机组

火电机组调峰分为常规调峰、深度调峰和投油调峰3个阶段。随着调峰程度的加深，火电调峰成本也逐步增加[20]。设定火电机组参与调峰产生的碳减排量，都能在碳排放权交易市场售出，则火电低碳调峰成本将包括调峰成本和碳交易收益两部分，具体为：

(4)

(5)

情景1：常规调峰情景，不考虑碳排放权交易和不确定性，当储能和需求响应独立参与风电调峰时，设定合理弃风率为3.5%，联合参与风电调峰时，设定合理弃风率为3.0%。

Cev(gcoal)=Wf(gcoal)δSΔη+
WpolluteQcost+Spunish(gcoal,Qcost)

(6)

式中：W表示硫化物排放费用；f(gcocal)表示火电机组发电煤耗量；δS表示燃煤全硫分含量；Δη表示脱硫效率变化值；Wpollute表示单位燃油产生的污染气体排放费用；Qcost表示火电投油稳定燃烧时的耗油量；Spunish(·)表示污染物排放量高于标准时的惩罚函数。

1.2.2 风电

对于风电场来说，其大规模并网依赖火电提供调峰服务，导致火电单位发电碳排放量增加，考虑风电、储能和DR共同承担火电碳排放增量，则风电低碳调峰成本为：

(7)

1.2.3 储能系统

参照文献[20]，ESS调峰成本包括初始投资分摊成本和运维成本，而运维成本包括固定成本和可变成本，具体计算为：

(8)

（1）风机耗电率偏高。由于循环流化床锅炉自身的特点，入炉煤粒径较粗，所需一次风、二次风压头较高，造成锅炉风机耗电率偏高，最高达5%左右，占厂用电率的40%～50%。

若考虑碳排放权交易，当储能释能放电时，相当于替代火电进行调峰，压低火电出力，导致火电单位发电碳排放增加；当储能充电蓄能时，可能会利用部分火电，提升火电发电出力，降低火电单位发电碳排放。因此，储能调峰成本应考虑碳排放权交易成本：

(9)

(10)

1.2.4 用户DR

方案规定在0～600m井段用PTB-64钻具钻进，用PTB—480钻进。如果说利用PTB—64钻进没有大的问题、直径508mm管柱下放和注浆跟设计没有误差的话；而采用PTB—480钻进时，则发现顶角在600m深处增大 1°15'， 在 880m 处达 4°15’， 即每 100m 为 1°30’；这需要在钻井钻进工艺方面做大的改变，采取了停止使用 PTB消除下降梯度不大于每 100m为 1°30’2总曲度的方案。这一任务通过钻进直径295mm先导孔完成。成套工具中采用了偏心距17mm的偏心接头，接头位于钻头上方。而后，井眼直径扩至480mm。

用户灵活性负荷能根据电力供需情况选择增加或减少用电，为风电提供调峰服务。需求响应方式包括价格型需求响应(price-base demand response，PBDR)和激励型需求响应(incentive-based demand response，IBDR)。参照文献[16]，计算用户灵活性负荷参与DR的调峰补偿成本。

(11)

火电机组碳减排和碳增排的计算公式为：

(12)

2 火电-储能-需求响应多源调峰交易模型

2.1 目标函数

本文提出的多源联合调峰模式主要包括火电、储能、用户需求响应3个主体。图1为多源联合调峰模式。

试验现象和结果表明：对于铅矿石标准物质，两种前处理方法均能将其消解完全，溶液澄清透明，且认定值和测得值吻合较好。对于铅矿石实际样品而言，密闭酸溶法均能将样品消解完全，溶液澄清透明，各元素回收率在80%～115%之间；敞开酸溶法能将样品1消解完全，溶液澄清透明，各元素回收率在80%～120%之间；敞开酸溶法对样品2的消解效果不好，溶液中仍有黑渣残留(可能是石墨类、炭类溶质或一些重金属元素氧化物)，且Ge、In两种元素回收率异常偏低，这可能是由于在溶样过程中Ge挥发或者黑渣吸附In所致。因此，实验选择密闭酸溶法消解样品。

(13)

(14)

(15)

(16)

(17)

(18)

2.2 约束条件

1)调峰供需平衡约束。

(19)

2)火电机组运行约束。

图2 火电机组调峰示意图Fig.2 Schematic diagram of peak-shaving strategy of thermal power units

3)储能系统运行约束。

情景4：综合调峰情景，综合考虑碳排放权交易和不确定性，设定预测目标偏差系数σc的初始值为0.2，并对最恶劣情景进行分析。

(20)

(21)

(22)

(23)

式中：SOC,T、SOC,0分别表示ESS的蓄电池在调度周期末和调度周期初的荷电状态。

4)DR出力约束。

当DR参与风电调峰时，DR出力包括PBDR和IBDR两部分。

(24)

(25)

5)旋转备用约束。

(26)

(27)

3 考虑不确定性的多源低碳调峰交易优化模型

3.1 IGDT理论方法

自20世纪80年代开始，Yakov Ben-Haim等人提出并不断完善了信息间隙决策理论[19]。IGDT方法不依赖不确定性变量的概率分布函数或隶属度函数，主要关注的是不确定性变量的信息差距。信息差距主要是指已获取信息和未知信息间的差距，即不确定性变量的预测值和实际值间的差距。这种差距会带来两方面影响：当实际值向不好的方向偏移时，会带来更加严重的后果；当实际值向好的方向偏移时，则可能带来计划外收益。IGDT基本模型主要包括3个部分，即系统模型、不确定性模型和最低需求模型，具体见文献[19]。

3.2 不确定性调峰交易模型

针对风电输出功率的不确定性，本节利用IGDT方法对其进行处理，在第2节提出的确定性联合调峰交易模型基础上，导出基于IGDT的联合调峰模型，具体如下：

1)风电功率不确定性模型。

军事英语的教学活动是一种创造性的建构活动，帮助学生习得语块就意味着向创造性的语言输出过渡。作为具有成熟分析能力的学习者，在这种创新性教学模式的引导下，通过对语块不断认知、总结和使用，学生一定能获得军事英语词汇生成规则并能创造性地产出和使用。

采用信息差距模型表达风电不确定性为：

(28)

式中：α为相对预测偏差。

2)风电调峰鲁棒决策模型。

采用确定性调峰模型，根据风电输出功率的预测值可得到目标函数的最优值C0及决策者的预期目标值Cc：

Cc=(1+σc)C0

(29)

式中：σc为预测目标偏差系数，用于保证决策方案的鲁棒性，预期成本目标值Cc高于C0，因此，σc取大于0的值。此时，对应的调峰成本应该不高于决策者预期目标值Cc，具体为：

(30)

在满足调峰交易决策成本不高于预期目标Cc的情况下，求解最大不确定性程度α，μ为0，v为不确定参数，具体如下：

归化翻译可以让大家通过译文很容易的明白陕西美食文化的中文含义，利用归化翻译介绍美食的制作和来源以及背景故事，更容易让游客接近和融入，减少译文中有些不为人知的异域风情。现在很多陕西美食的译名都采用归化翻译的方法，比如通过食材进行翻译的菜名：“荞面饸饹”翻译成“Cold buckwheat noodles”，“汉阴炸米饺”翻译成“Hanyin Fried Rice Dumpling”，有些以烹饪的方法来命名，比如“灌汤包子”翻译成“Dumpling Stuffed with Hot Gravy”，“石子馍”翻译成“Crispy pastry Baked on Hot Cobbles”等。

(31)

3.3 最恶劣场景的建立

当风电输出功率低于预测值，且负荷攀升时，将导致系统净负荷大幅增加，对电力系统安全运行造成不利影响，这种不利影响的程度主要受到下列几个因素的影响：

进一步，参照文献[16]，火电机组碳排放量一般通过历史数据回归确立的一元二次函数描述，具体计算为：

若安享于小雪节气，就不要急着把那些大雪纷飞、银装素裹的诗歌翻出来，真的还不到时候。这个时节，往往是天空阴沉，飘落些许冷雨丝。天色渐暗，不经意间，雨丝变成了雨夹雪，雨夹雪变成了“盐籽儿”。你也许很期待明天早晨起来，地面是一片白茫茫，但更多时候，小雪在半夜就悄无声息地停了下来，第二天，太阳照常升起，河湖的水，很清很冷，似冻未冻。这或许便是“小雪”节气的精妙所在了。

2)电力系统对净负荷功率变化的耐受能力，主要受到2个因素的影响：

(1)常规机组提供的备用辅助服务平衡净负荷功率波动的能力。常规机组若能够提供足够容量、快速增出力的备用来平衡净负荷的波动，则不利影响较小。

(2)总负荷容量。总负荷容量越大，同样程度的净负荷波动对系统的影响越小。

基于上述分析，本文定义t时刻的净负荷波动指标ft，具体如下：

(32)

(33)

根据式(32)和(33)可得到负荷波动特性，从中筛选负荷波动程度最大情景，即作为风电功率波动最恶劣情景Sworst：

(34)

式中：T表示风电调峰交易决策方案的全部时段。

通过求解式(34)，即可得到造成不利影响最大的最恶劣情景。进一步，构建对应最恶劣情景Sworst的风电调峰交易决策模型目标函数。

gDR,v)≤Cc}

(35)

根据式(35)确立最恶劣情景下系统调峰交易决策目标，该情景求取的风电调峰交易决策方案为最保守交易方案。

4 算例分析

4.1 基础数据

2.2.11 手术记录 手术记录应在术后及时完成，重点描述肿瘤外观、大小、部位，以及电切程度和完整性等。

表1 火电机组运行参数Table 1 Operational parameters of thermal power units

该局域电网中5个类型火电上网电价分别为374.9、370.0、355.0、345.0、330.0元/(MW·h)，风电上网电价为520元/(MW·h)。储能充电价格为410元/(MW·h)，放电价格为745元/(MW·h)。其中，日最大和最小负荷分别为6 000、5 085 MW，峰谷比为1.18，负荷、风电的上旋转备用系数为8%，风电下旋转备用系数为5%。图3为典型负荷日负荷需求和风电可用出力。

图3 典型负荷日负荷需求和风电可用出力Fig.3 Typical daily load demand and available output of wind power

考虑DR参与风电调峰交易服务，参照文献[13]选取电力价格弹性矩阵，并划分负荷需求峰、平、谷时段，DR前价格为500元/(MW·h)，设定PBDR和IBDR提供的出力均不超过原始负荷的10%。PBDR后峰、平、谷时段价格分别为400、500、600元/(MW·h)，IBDR提供上下调峰价格分别为300、750元/MW。进一步，设定4种仿真情景：

因此，在临床脓毒症救治过程中，需要高度重视患者血小板的功能变化，积极采取有效的干预措施，从而提升脓毒症患者的治愈率。2012版严重脓毒症/脓毒性休克治疗指南指出，输注血小板的指导原则来源于专家共识意见和化疗引起的血小板减少症的经验[3]。陈朴等[15]的研究结果显示重组人血小板生成素治疗能够有效促进脓毒症患者血小板计数恢复，减少患者输注浓缩血小板等血制品的数量，降低患者的病死率。

情景2：低碳调峰情景，考虑碳排放权交易下风电调峰交易，设定合理弃风率为3.5%。

情景3：随机调峰情景，考虑不确定性，设定预测目标偏差系数σc的初始值为0.1。

为保障ESS的持续安全稳定运行，本文引入蓄电池荷电状态(state of charge,SOC)描述蓄电池剩余容量，具体为：

4.2 结果分析

4.2.1 算例结果

为对比分析DR和储能对风电发电并网的作用，对情景1设定4种子情景：

情景1-1：仅火电参与风电调峰；

情景1-2：火电和DR联合参与风电调峰；

情景1-3：火电和储能联合参与风电调峰；

情景1-4：火电、DR和储能联合参与风电调峰。

表2为情景1中风电调峰交易优化方案。

根据表2，相比储能和DR参与调峰前，仅ESS参与调峰(情景1-3)时，主要调峰源为250、150 MW机组，仅DR参与调峰(情景1-2)时，DR替代150 MW机组承担峰时段调峰需求，主要调峰源为250 MW机组，150 MW机组仅提供较少调峰服务。当储能和DR联合参与调峰(情景1-4)时，250 MW机组、DR和储能已能满足风电调峰服务，故150 MW机组未被调用。图4为不同目标偏差σc对应的风电不确定性程度和调峰成本。

根据图4，随着预期目标偏差系数的增大，风电调峰成本也相应最大，即允许的风电输出功率的不确定性程度也相应增大。可针对不同的预期调峰交易成本，计算出所能容忍的风电输出功率的预测误差。例如，当预期成本偏差系数为0.2时，即预期风电调峰为2 251.762万元时，对应的风险不确定性程度为0.156，表示当风电输出功率在预测值的[0.156,0.844]范围内波动时，采用本文所提方法得到调峰交易决策方案，能保证调度决策方案的成本小于2 251.762万元，即符合决策者的心理预期。火电、储能和DR多源联合调峰交易结果如图5所示。

图4 不同预测目标偏差下风电不确定性程度和调峰交易成本Fig.4 Uncertainty degree of wind power and transaction cost of peak-shaving under different forecast target deviations

表2 情景1中风电调峰交易优化方案Table 2 Optimization scheme of wind power peak-shaving transaction in scenario 1

图5 火电、储能和DR联合参与风电调峰交易结果Fig.5 The results of the joint participation of thermal power,energy storage and DR in wind power peak-shaving transactions

根据图5，当同时考虑碳排放权交易和风电不确定性时，600 MW和350 MW机组始终处于满发状态，用于满足负荷需求，而300 MW机组因其较高的调峰成本和较差的调峰能力，仅在峰时段(17:00—21:00)被调用，更多的250 MW和150 MW机组被调用提供灵活的风电调峰服务。相比情景3，碳排放权交易提升了250 MW和150 MW机组调峰效益，故ESS提供调峰出力最低，而DR因其提供下调峰能力较强，故提供调峰出力要低于情景3，但高于情景1和情景2。表3为4种情景下火电机组参与风电调峰状态。

根据表3，对比情景1和情景2，碳排放权交易能降低火电机组调峰成本，350 MW和300 MW机组的调峰成本要低于250 MW机组，故350、300、150 MW机组被调用提供风电调峰，承担更多风电调峰任务，总调峰时间为54 h，其中300 MW机组的最大调峰率为40%(深度调峰)。然后，对比情景1和情景3，当考虑风电输出功率不确定性时，系统调峰需求更高，故350 MW机组提供了部分时段调峰出力，而300 MW机组因其调峰范围较大，承担大部分时段的调峰任务，最大调峰率为40%。最后，当综合考虑碳排放权交易和风电输出功率不确定性时，300、250、150 MW机组的调峰经济性和调峰能力更佳，主要承担风电调峰任务，特别是150 MW机组提供调峰时间最长，250 MW机组的调峰深度最大，已处于投油调峰状态。

4.2.2 结果分析

根据上述分析可知，IGDT方法能反映并控制风电输出功率的不确定性程度，制定适应于不同风险态度决策者的决策方案。进一步，分析所提优化模型在风电输出功率最恶劣情景的适用性，图6为最恶劣情景火电、储能和DR参与风电调峰交易结果。

根据图6，在最恶劣情景中，600 MW机组和250 MW机组始终处于满发状态，350 MW机组在谷时段提供较大的调峰出力，150 MW机组则在峰时段提供调峰出力。在峰时段，由于风电输出功率波动性较大，DR提供调峰出力也增加；在谷时段，350 MW机组提供了较大的调峰范围，系统对ESS调峰需求降低。图7为不同碳交易价格下风电调峰成本和不确定性程度。

图6 最恶劣情景下风电调峰交易结果Fig.6 Wind power peak-shaving transaction results under the worst scenario

表3 4种情景下火电机组参与风电调峰状态(仅考虑启动机组)Table 3 Participation of thermal power units in wind power peak-shaving under four scenarios (only start-up units are considered)

图7 不同碳交易价格下风电调峰成本和不确定性程度Fig.7 Wind power peak-shaving cost and uncertainty under different carbon trading price

根据图7，就非最恶劣情景来说，随着碳排放权交易价格上涨，火电调峰经济性逐渐上涨，在碳排放权交易价格低于80元/t时，风电调峰成本和不确定性程度变动幅度较小，表明现有价格未能弥补火电调峰成本；第二阶段，当碳排放权交易价格处于80～90元/t，同时，风电调峰成本和不确定性程度变动幅度较大，这表明价格已能补偿火电调峰成本，系统调峰能力增强；第三阶段，当碳排放权交易价格高于95元/t时，风电调峰成本和不确定性程度增加，这是因为风电承担部分碳交易成本，并网出力增幅很大，给系统带来了高额调峰成本和运行风险。

然而，对于最恶劣情景来说，调峰成本始终高于确定性情景和不确定性情景，且呈现先降低后增加的趋势。同时，当碳排放权交易价格高于80元/t时，调峰成本就开始上涨，而碳交易价格高于95元/t时，涨幅增强。这是由于碳排放权交易价格增加初期，会提升火电机组调峰积极性，降低风电不确定性影响，但随风电并网功率的增加，火电调峰能力基本达到上限，碳交易价格的增加，会让风电选择更大规模并网，弥补交易成本，故调峰成本逐渐上涨。

5 结 论

本文利用IGDT方法反映风电输出功率的不确定性程度，建立了风电联合调峰交易优化模型。最终，选取中国西北某局域电网开展实例分析，得到以下结论：

1)储能和DR能提升系统调峰灵活性，促进风电发电并网出力，碳排放权交易则能提升火电机组调峰的净经济性，合理分配多源联合调峰增量效益。

2)IGDT方法能描述风电输出功率不确定性风险，随着预期目标偏差系数增大，允许风电输出功率的不确定性程度也相应增大，得到对应的风电不确定性程度，确立符合不同风险态度决策者心理预期的调峰交易方案。。

3)碳排放权交易价格在85～95元/t时，调峰能力逐步增加，风电并网增加，风电调峰成本和不确定性程度能取得最优值，但在最恶劣情景下，碳排放权交易价格应当低于80元/t。