计及碳交易-绿证和储能成本的含风光发电的电力系统优化调度

郭 凯，阿敏夫，雅斯太，刘紫琦

（1.内蒙古电力（集团）有限责任公司内蒙古电力科学研究院分公司，呼和浩特 010020；2.内蒙古自治区新型电力系统智能化电网企业重点实验室，呼和浩特 010020）

0 引言

全球气候环境危机正在加速发展，已给人类的健康和安全造成威胁，为促进各行各业绿色转型，我国于2020 年9 月第七十五届联合国大会上提出碳达峰、碳中和目标[1]。为实现双碳目标，减少碳排放，促进电力行业碳减排，减少污染物的排放，在电力系统优化调度中同时引入碳交易-绿色证书（以下简称绿证）交易机制和储能系统，对电力行业的节能减排和绿色发展具有十分重要的意义[2-3]。

围绕碳交易机制和绿证交易机制，国内外学者已经开展了大量研究[4-6]。文献[7]提出含有碳交易-绿证交易机制的综合能源系统优化调度模型，可有效提高新能源消纳率，减少系统碳排放量。文献[8]将碳交易机制和绿证交易机制引入电力系统环境经济调度中，建立以经济成本最小和污染物排放量最小的多目标调度模型。文献[9]建立了基于碳交易成本和绿证交易成本的源-荷互动优化调度模型，实现了发电侧资源和多种柔性负荷资源的优化分配。文献[10]建立综合考虑碳交易机制与绿证交易机制的含风电电力系统优化调度模型，并采用机会约束理论处理风电预测误差的不确定性，提高了新能源消纳能力，实现了优化调度。

为提升系统灵活性、促进新能源消纳能力，针对储能系统方面的应用已经做了大量的研究。文献[11-12]建立了含有储能模型的微电网优化调度模型，并通过仿真验证了调度模型的有效性。文献[13]提出了考虑含有碳交易成本和储能成本的电热联合系统优化调度策略，深入分析了碳交易机制的引入对电热联合系统的影响以及储能促进风电消纳的机理。文献[14]通过充分考虑储能系统与需求响应之间的有效配合，提出了一种计及储能系统与需求响应的风水火联合电力系统经济调度模型。文献[15]为提升系统风电消纳能力，建立了碳交易、储能系统以及两者共同参与下的电力系统风电消纳优化模型，得出储能参与系统优化调节，有利于抑制风电功率波动。文献[16]详细分析了新能源所接的电储能、热电联产所接的热储能、电制热设备所接的热储能三类储能在消纳新能源弃电和电负荷削峰场景下的互补协调关系，建立了综合能源系统优化调度模型，验证了电储能和热储能协调运行能有效降低新能源弃电量。

上述研究对碳交易机制、绿证交易机制的数学模型和求解算法进行了详细的研究，但研究中未考虑储能的引入对碳交易-绿证交易机制下调度结果的影响。本文同时考虑将碳交易-绿证机制和储能系统引入电力系统，建立计及碳交易-绿证和储能成本的含风光发电的电力系统优化调度模型。通过仿真算例分析，验证了碳交易-绿证机制和储能系统的引入可有效优化能源结构，减少系统碳排放。

1 碳交易-绿证交易机制成本模型

1.1 碳交易机制成本模型

1.1.1 碳排放配额

目前，我国碳交易市场尚处于起步阶段，电力行业碳排放配额主要以免费分配和有偿购买为主，免费分配部分本文选择基准线法，即按照各火力发电厂的发电量按比例进行免费碳排放配额分配[17]，单位电量碳排放分配系数可根据国家发展改革委员会发布的区域电网基准线排放因子确定[18]。当火电厂的碳排放量大于免费碳排放配额时，需要在碳交易市场中购买碳排放配额；反之，可以在碳交易市场中出售多余的免费碳排放配额来获取一定的利益。

由于风电和光伏具有随机性，当风电和光伏接入电网后，为保证电网安全，需要增加火电机组的旋转备用容量，提高了火电机组运行成本，所以本文考虑从实际出发，对火电机组的碳排放配额进行补偿。

火电机组免费碳排放配额为：

式中：Eq1为火电机组免费碳排放配额；T 为优化时段数；δ为区域电网基准线排放因子；PGi,t为t时刻火电机组i的出力；NG为常规火电机组总数；Pw,t为t时刻风电出力；α为风电出力的备用系数；Pk,t为t时刻光伏出力；β为光伏出力的备用系数；λ为风力发电和光伏发电碳配额修正系数。

风电场免费碳排放配额为：

式中：Eq2为风电场免费碳排放配额。

光伏电站免费碳排放配额为：

式中：Eq3为光伏电站免费碳排放配额。

1.1.2 碳排放成本

由于风电和光伏为清洁能源，不产生CO2，所以本文考虑CO2的排放均来自于火电机组，火电机组的碳排放量与有功出力成比例，可表示为：

式中：EC为火电机组碳排放量；ηi为第i 台火电机组碳排放系数。

根据碳交易机制原理，可得出系统碳交易成本为：

式中：FC为系统碳交易成本；PCO2为碳交易价格。

1.2 绿证交易机制成本模型

绿证是可再生能源电量绿色属性的证明，也是认定可再生能源生产、消费的唯一凭证[19-20]。自2021年起我国实行配额制下的绿证交易，绿证作为一项辅助手段进入了消纳的考核范畴。2022-09-15，国家发展改革委员会、国家能源局发布《关于推动电力交易机构开展绿色电力证书交易的通知》，提到要积极稳妥扩大绿电和绿证交易范围，更好体现可再生能源的环境价值，推动电力交易机构开展绿证交易。从绿证类型看，目前我国绿证主要包括补贴绿证和无补贴绿证两类。其中补贴绿证核发范围为纳入国家补贴清单的陆上风电、光伏电站项目；无补贴绿证核发范围为平价（低价）陆上风电、光伏发电项目。

绿证交易机制是保证可再生能源配额制度有效贯彻的配套措施，由政府机构对特定的可再生能源发电量进行认证，发放具有可再生能源电量标识的可交易的证书[21]。当实际可再生能源消纳量大于绿证配额比例时，可以出售多余可再生能源发电量产生的绿证来获得利益；当实际可再生能源消纳量小于绿证配额比例时，则对不足可再生能源消纳量需要购买绿证。其绿证交易成本模型如下：

式中：FS为系统绿证交易成本；k 为可再生能源发电量占上网电量的配额比；PD,t为系统t 时刻的负荷；PTCG为绿证交易价格。

2 电储能成本模型

电储能系统可以通过一定介质存储电能，在需要时将所存能量释放发电[22-24]。电储能技术的引入将有效削减负荷峰谷差，降低供电成本，有效实现需求侧管理。同时，储能技术的广泛应用将大大增强电网对大规模可再生能源的接纳能力，实现间歇式可再生能源发电的可预测、可控制、可调度，促进传统电网的升级与变革，实现发电和用电之间在时间和空间上的解耦，彻底改变现有电力系统的建设模式。由于电储能系统并不是电源，仅作为电力系统能量转移装置，可根据其他电源的出力情况解耦电能的生产和消耗。

电储能装置作为灵活调控装置可利用其自身对时间的迁移能力，从而在时间上解耦电能的生产和消费来达到增加新能源并网空间的目的。同时电储能装置具备响应速度快、实时调节的优点。本文考虑的电储能装置采用电化学储能装置，其运行成本表示为：

式中：Fn—储能装置运行成本；

Pchu—储能装置运行成本系数；

Pc,t—储能装置t时刻充放电功率。

3 优化调度模型

3.1 目标函数

常规火电机组的发电成本通常表示为其发电功率的二次函数：

式中：FG为火电机组的发电成本；ai，bi和ci为机组i的燃料成本系数。

风电机组和光伏发电设备在发电过程中会存在一定的运行维护成本，风电和光伏出力成本可以分别表示为：

式中：FW—风电出力成本；

Fk—光伏出力成本；

μW—风电出力成本系数；

μk—光伏出力成本系数。

综上所述，建立系统运行成本最小的目标函数为：

3.2 约束条件

3.2.1 功率平衡约束

3.2.2 系统旋转备用容量约束

考虑为了应对新能源出力不确定性对系统的影响，系统需要预留一定的备用容量[24-25]：

式中：PGi,tmax为第i 台火电机组t 时刻最大出力；PGi,tmin为第i台火电机组t时刻最小出力；Ru,t、Rd,t为t时刻系统的上、下备用容量；uf、df分别为负荷预测误差增加的上、下旋转备用率；uw、dw分别为风电出力预测误差增加的上、下旋转备用率；uk、dk分别为光伏出力预测误差增加的上、下旋转备用率。

3.2.3 火电机组出力约束

式中：PGi,max、PGi,min分别为常规火电机组出力上、下限；ΔPui、ΔPdi为机组i 的最大上、下爬坡出力；PGi,t-1为t-1时刻火电机组i的出力。

3.2.4 风电和光伏出力约束

风电和光伏的出力应在预测范围之内：

式中：Pwf,t、Pkf,t为t时刻风电机光伏预测出力值。

3.2.5 电储能运行功率约束

本文中电储能装置主要考虑充放电功率上下限约束以及充放电工作状态装束[13]。

4 算例分析

4.1 算例参数

本文所建的优化模型在Matlab软件平台上调用CPLEX求解器进行仿真求解。仿真系统由6台常规火电机组、1 个风电场和1 个光伏电站构成，选取调度周期为24 h，单位调度时长为1 h。火电机组参数如表1 所示。系统负荷、风电和光伏的预测功率见图1 和图2；碳交易价格为15 美元/t，可再生能源配额系数取0.19，绿证交易价格取20 美元/MWh，δ为0.90，λ为0.15，风电、光伏以及负荷备用系数均取0.10。储能装置的容量为200 MWh，充放电最大功率均为50 MW/h，初始荷电状态为0.2，运行成本系数为5美元/MWh，充放电效率取0.95。风电运维成本系数取18 美元/MW，光伏运维成本系数为10 美元/MW。

图1 负荷预测功率Fig.1 Load forecasting power

图2 风电和光伏预测功率Fig.2 Predicting power of wind power and photovoltaic

表1 火电机组参数Tab.1 Parameters of thermal power unit

为验证碳交易-绿证机制对含风光发电的电力系统调度运行的积极作用以及引入储能装置对系统低碳经济调度的优势，对以下3 种调度方式进行仿真对比分析。

方式1：不考虑碳交易-绿证机制和储能装置；

方式2：不考虑碳交易-绿证机制；

方式3：考虑本文所提及碳交易-绿证机制和储能装置。

4.2 各调度方式结果对比分析

三种调度方式下系统运行成本、碳交易成本、绿证交易成本、储能运行成本和碳排放量对比结果如表2 所示。由表2 可知，方式2 的系统运行成本最低，因为方式2 是在方式1 的基础上引入了储能装置，储能装置促进了夜间风电的消纳，减少了负荷高峰期间火电机组出力，机组的发电成本相对减小，同时减少了系统碳排放量。

表2 三种调度方式下优化结果对比分析Tab.2 Comparative analysis of optimization results under three dispatching modes

方式3 在方式2 的基础上，进一步考虑了碳交易-绿证机制，系统火电机组多出的碳排放配额需要购买，但风电和光伏作为清洁能源，能够在碳交易市场中获益，同时绿证机制的引入也可进一步促进清洁能源的消纳，减少系统碳排放量。由上述结果可知，碳交易-绿证机制在减少系统碳排放、促进新能源出力等方面具有良好的效果。同时考虑了碳交易成本和绿证交易成本的方式3与方式1和2相比，其经济成本会有所上升，但碳排放量会进一步减少，因此建立有序的碳交易市场和绿证交易市场对电力系统节能减排、促进新能源消纳具有很重要的作用。

4.3 碳交易价格对调度结果的影响

碳交易价格的大小对系统碳排放量影响较大，为实际验证碳交易价格对系统碳排放量的影响效果，本文以方式3为例，分析系统碳交易价格与系统碳排放量、系统总成本的关系（见图3）。由图3 可知，系统碳排放量随着碳交易价格的升高而降低，但系统总成本随着碳交易价格的升高而升高，当碳交易价格升高至18 美元/t 时，系统的碳排放量基本保持不变，系统碳减排能力达到上限。

图3 碳交易价格对优化结果的影响Fig.3 The influence of carbon trading price on optimization results

4.4 不同可再生能源配额系数和绿证交易价格的结果分析

本文考虑了不同可再生能源配额系数下对系统运行成本和碳排放量的影响。本文设定了3种运行方式，可再生能源配额系数分别为0.18、0.19、0.20。表3 为调度方式3 下，不同可再生能源配额系数的结果分析。

表3 方式3在不同可再生能源配额系数下调度结果Tab.3 Dispatching results of mode 3 under different renewable energy quota coefficients

由表3可知，随着可再生能源配额比例的提高，绿证交易成本会加大，这是由于系统为完成配额任务，会提高部分风电和光伏消纳量，但仍无法满足系统配额任务，因此在可再生能源配额系数为0.20时，会加大系统绿证交易成本，从而进一步加大系统运行成本。但是，由于风电和光伏消纳量有所增加，导致系统碳排放量会有所减少。由上述分析可知，绿证交易机制在电力行业的应用将对于促进新能源消纳和低碳电力的发展有重要作用。本文设定可再生能源配额系数为0.18时，绿证交易价格分别为19 美元、20 美元和21 美元的3 种运行方式（见表4）。

表4 不同绿证交易价格时的调度结果Tab.4 Dispatching results under different trading prices of green certificates

由表4可知，随着绿证交易价格增加，系统运行成本逐步增加，绿证交易成本也会进一步增加，但是系统碳排放量会有所减少，这是由于绿证交易价格提高，导致系统需要花费更多成本完成配额任务，为减少系统运行成本，会提高部分风电和光伏消纳量，进一步促进新能源消纳量。

5 结论

本文将碳交易机制、绿证交易机制以及电储能同时引入电力系统中，构建综合考虑碳交易机制成本、绿证交易机制成本、储能运行成本、常规火电机组运行成本、风电运行成本以及光伏运行成本的含风光电力系统优化调度模型，得到如下结论。

（1）首先提出将电储能系统引入电力系统优化调度中，储能装置可进一步促进夜间风电消纳，减少了负荷高峰期间常规火电机组出力，导致火电机组的发电成本相对减小，虽然储能装置充放电会产生运行成本，但系统总成本有所减小，同时系统碳排放量进一步减少。

（2）将绿证交易机制、碳交易机制同时引入电力系统中，在保证电力系统一定比例可再生能源出力时，考虑常规火电机组的碳排放量，有效提高了系统的环境效益，促进可再生能源消纳。

（3）分析了不同碳交易价格、不同可再生能源配额系数和绿证交易价格对系统调度的影响。结果表明：系统碳排放量随着碳交易价格的升高而降低，但系统总成本随着碳交易价格的升高而升高，当碳交易价格升至一定时，系统的碳排放量基本保持不变。可再生能源配额系数越高，系统中会购买更多的绿证数量，导致可再生能源出力增加，从而减少系统碳排放量。