0 引言
可再生能源高速增長推動中國能源消費清潔化轉型的同時 [1] ，其不確定性和源網矛盾也帶來了嚴重的棄風棄光問題。從技術和管理多措并舉解決這一問題，成為行業的焦點 [2] 。以促進可再生能源消納作為重要任務之一的中國電力市場改革，已開展了諸多嘗試。一方面，建立了以現貨交易 [3] 、調峰市場 [4] 、調頻市場 [5] 為代表的市場框架，能夠在縮短調度、物理交割交易周期，充分調用系統靈活性資源方面發揮重要作用;另一方面，可再生能源正步入“后補貼”甚至“無補貼”時代，風光發電平價、競價上網，可再生能源項目競標并網 [6] ，正促使可再生能源電力回歸真實價值，發揮電力市場配置優化資源的重要作用。電網消納能力是實現新能源平價上網的必要前提。為解決當前棄風棄光矛盾，在積極推進外送跨區消納的同時，進一步挖掘就地消納潛力也是一個關鍵途徑。以新疆、甘肅為代表的西北地區，普遍面臨著自備電廠裝機過多引發的系統調峰能力不足問題，因此，通過常規電源與風光電源的發電權交易擴增可再生能源上網空間，具有較強的操作性和經濟可行性，是緩解棄風棄光問題的重要途徑。
近年來局部地區電網的企業自備電廠裝機比例有上升趨勢，引發了諸多矛盾。由于自備電廠對沖了部分工業負荷容量，減小了波動性電源的發電空間;而其機組容量小，燃燒效率低，污染嚴重;另外，部分自備電廠管理監督不到位，存在安全隱患。在電力裝機愈加充足、全國電網互聯規模不斷擴大、清潔能源比例逐漸攀升的形勢下，減少或者改造自備電廠，成為必然選擇。但是直接關閉自備電廠，迫使企業全部依靠電網供電，并非合理之舉。而風電企業與自備電廠通過發電權交易，可以保證企業的收益，同時增加風電上網電量。
已有關于發電權交易的研究大多集中在其市場屬性上，對宏觀的市場模式 [7-8] 和參與方的交易策略 [9-10] 關注較多。而在發電權交易效果評估優化方面，研究工作相對較少，現有發電權交易的效益分析多聚焦于節煤、減排兩方面 [11-16] ，且大多基于歷史運行數據統計而來;部分涉及消納能力提升效果的評估多為策略優化結果的簡單比較，缺少成體系的完整模型和機理分析。另外，多采用機組組合方法，其本質依然屬于經濟調度范疇，對交易信息平臺要求較高，在現貨市場建設還未成形的條件下，落地應用還有難度;該方法對時序數據完整度要求較高，且局限于日內運行優化，難以適用于發電權交易常用的月、年尺度。
本文以月、年等中長期尺度的隨機生產模擬為方法基礎，分析發電權交易促進新能源消納的效益。在對發電權交易執行方式及影響因素進行原理性分析基礎上，構建了基于源荷概率模型的風電消納量關鍵指標計算方法，量化分析其促進新能源消納、減少棄風的效益;結合自備電廠的運行特征和發電權交易的交易特點，探究發電權交易時間、交易功率等關鍵參數對降低棄風量的影響，進一步優化交易效果。最后通過完整的算例進行了驗證。
1 發電權交易執行方式及影響因素分析
自備電廠通過與風電企業進行發電權交易將本廠的發電電量騰讓給風電機組，廠內負荷需多購系統電力來滿足供應，增加了系統供電負荷進而擴大了風電上網電量空間。
發電權交易雙方通過雙邊協商、集中交易等方式確定月度或年度交易總電量后，電量實際執行有 2 種方式：(1)利用 AGC 系統對風電限電電量進行發電權交易 [15] ;(2)由調度部門在日前編制雙方發電計劃 [7] ，電量交割按計劃進行。其中，第 1 種方式基于實時信息進行交易，對信息采集平臺要求較高。在該方式下，前期的計劃交易電量完全失去約束作用，交易執行結果存在較大不確定性，雙方的經濟效益難以預判。因此，本文主要基于第 2 種方式進行分析。
現有實踐過程中，雙方的電量計劃是一種總量約束，實施中按照月度結算，當月的誤差量必須在下一月份及時滾平，在年度進行電量總清算，完成交易。在實際運行中，電網部門需在日前為可再生能源電站制定發電權交易發電計劃，同時制定自備電廠的減出力發電計劃，使雙方按照既定曲線實時運行，如圖 1 所示。
該種交易方式遵循“計劃電+市場電”的組成原則，方便計算過網電費，可操作性強，調度成本較低，不必大規模更新調度方式，在現貨市場建設過渡期具有很好的適用性。但該方式對系統調度部門要求較高，消納提升量完全取決于日內的運行計劃的編制，自備電廠削減出力水平將直接影響系統消納能力，日內計劃編制時調度人員應依據風資源和企業負荷情況進行判斷。因此，本文嘗試從中長期角度對運行計劃的編制給出參考信息，幫助調度人員合理安排月內每天的運行方式，實現風電消納提升最大化與月度電量執行偏差最小化的最佳平衡。
棄風功率是影響發電權是否進行交易的直接因素，而風力資源是影響發電權交易是否執行的間接因素。在本文所聚焦的時間范圍和執行方式下，調度人員能夠通過歷年積累的風資源數據對未來月的風電理論功率分布進行預測，其難度較直接預測棄風情況更低，因此，風電理論功率(限電前風電功率)將作為影響發電權交易效果的主要因素。發電權交易啟動時的風電理論功率閾值設置太小時，發電權交易電量上升，但火電機組負荷率下降甚至停機，造成系統電源向上調峰能力不足;風電理論功率閾值設置太大則限制消納量。因此，合理設置啟動交易時的風電理論功率閾值能夠保證消納電量和系統安全。此外，最大交易功率受自備電廠可減少發電功率的影響，決定了發電權交易的最大潛力。
由于風電的不確定性，部分時刻的發電權交易分解電量可能執行不足，風電理論功率難以滿足自備電廠所屬企業的用電需求，因此除了配合完善的結算校核機制外，本文在中長期預排計劃中根據風資源情況給出最佳交易時段。
綜上，發電權交易優化的目的是給出日內交易時間、自備電廠最大允許交易功率、啟動交易風電理論功率閾值 3 類參數的確定方法，對日內計劃的編制提供指導信息。
2 風電棄電評估概率模型
以發電權交易減少的棄風電量作為主要評價指標，計算中長期風電消納電量是本文方法核心。
2.1 棄風限電的概率原理
系統發生棄風的典型場景為負荷低谷且風資源豐富時，系統內常規電源無法下調功率，導致部分風電無法上網而發生棄風。在中長期場景下，風電預測不準甚至無法預測，時序方法應用受限，因此，本文基于隨機生產模擬方法進行中長期棄風電量評估。
對一段時期內的負荷進行統計，形成累積概率分布曲線(見圖 2)。機組組合方法中優化電源出力以滿足負荷需求的過程對應于隨機生產模擬中對負荷曲線包絡面積進行填充。隨機生產模擬的本質是概率體系下的電量平衡，以風電功率長期概率分布代替時序數據進行電量計算。
以圖 2 為例，機組 A 承擔系統基荷，該部分負荷的累積概率為 1，A 的所有發電量均可直接消納，沒有棄電現象。機組 B 承擔負荷區段累積概率小于 1，若機組不能有效調節其功率大小，則有一定概率會發生棄電。機組各狀態有一定的發生概率，因此該部分面積與發電概率乘積代表棄電總量期望。
2.2 棄風電量評估計算
假設目標系統內包括火電和風電兩類電源，火 電 機 組 由 公 網 統 一 調 度 ( 以 下 簡 稱 為 “ 統調”)的火電機組和自備電廠機組組成。根據風電優先原則，機組生產安排時，除了火電機組必須滿足的最小出力(基荷)之外，首先安排風電機組，然后安排剩余火電機組容量。如果火電基荷與風電出力理論功率超過負荷峰值，則會發生棄風。隨機生產模擬 [17] 的步驟如下。
(1)根據歷史數據生成研究周期內區域內公網發電負荷(不含自備電廠供電負荷)的等效持續負荷曲線(equivalent load duration curve, ELDC)。
基于等效電量函數法，對等效持續曲線進行離散化，生成電力負荷序列 [18] 。
等效持續負荷曲線定義為
(7)安排剩余的火電機組參與生產，填補未滿足電量。安排方式同上。
需要說明的是，風電在 ELDC 下的安排位置僅取決于火電機組的基荷容量位置，因此，該方法暗含了風電與系統負荷為獨立變量的假設。已有研究根據實際運行數據證明了風電功率與負荷之間呈現弱相關性 [19] ，也顯示二者之間的相關系數隨時間變化劇烈 [20] ，這都反映了運行尺度下風電波動性與負荷波動性關聯性較弱，二者之間峰谷值出現不同步的特征，與運行經驗相吻合。因此，本文不考慮風電、負荷的波動相關性、同時性等特征，隨機生產模擬方法獨立性條件自然滿足，該模型的評估結果能夠反映一段時間內的棄能情況。
3 發電權交易優化方法
本節基于棄風評估模型對發電權交易進行優化，討論日內交易時間、自備電廠最大允許交易功率、啟動交易風電理論功率閾值對減小棄風量的影響。通過在固定交易時段和固定風電功率區間內進行交易的方式，進行生產模擬計算，獲得不同參數設置下的棄風情況，給出最優交易方案。在生產模擬中，假設自備電廠少發的電量完全由風電企業提供，系統等效持續負荷曲線無變化，而公網上網風電累積概率曲線發生變化。風電累積概率曲線如何變化是分析重點。
3.1 交易場景選擇
在中長期交易優化中，應首先確定發電權交易的時段范圍和風電理論功率范圍。對研究周期
4 算例分析
4.1 仿真系統
以北方某省級電網歷史數據進行供暖季內1—3 月份的逐月模擬計算。該地區全網最大發電負荷為 27 330 MW，最小發電負荷 19 082 MW，發電負荷均值為 23 309 MW?？傃b機容量 46 800 MW，其中煤電 33 000 MW，水電 800 MW，風電約13 000 MW。統調火電機組裝機容量為 26 760 MW，自備電廠裝機容量 6 240 MW。由于水電容量較小，且供暖季內水資源匱乏，可暫忽略水電機組。供暖季部分統調火電機組運行狀態調整為熱電聯產(CHP)模式，容量為 15 980 MW，全部在線運行，最小穩定發電功率為額定容量的 80%。
統調非供暖機組容量為 10 780 MW，最小穩定發電功率約為額定容量的 50%，各月在線運行機組有所變化，根據實際棄風率試算，形成典型運行場景，如表 1 所示。
4.2 發電權交易對風電概率特性的影響模擬
本文嘗試在較寬的數據范圍內，選取不同的日內交易時段、啟動交易風電理論功率閾值與最大交易功率參數組合，分析棄風指標的變化情況。圖 5 顯示了在啟動交易風電理論功率閾值為2 000 MW 和最大交易容量為 5 000 MW 時，不同電理論功率與自備電廠所屬企業新增用電功率之差，簡稱“置換后風電理論功率”)累積概率曲線的變化情況。仿真結果顯示，該措施主要對置換后風電理論功率概率曲線的低功率部分產生影響，這反映出該地區在風電理論功率較小時段，其概率分布曲線下降沿在發電權交易作用下變得更加平緩。
圖 6 顯示了不同最大交易功率與啟動交易風電理論功率閾值下概率曲線的變化情況，圖中每條曲線的時段設置與圖 5 完全一致?？梢钥闯?，啟動交易風電理論功率閾值越低，最大交易功率越大，置換后風電理論功率曲線的修正越明顯。
但是圖 6c)、d)說明最大交易功率為 4 000 MW時，降低啟動交易風電理論功率閾值已經很難對風電產生影響。另一方面，不同的功率配置下，僅有置換后風電理論功率概率分布曲線低功率部分變化，發電權交易在具體實行過程中還應考慮地區風資源情況進行靈活調度。
4.3 發電權交易促進消納效果評估
本文算例計算機硬件環境為 Intel core i7-6700HQ 2.60Hz(CPU)\16GB RAM，軟件環境為Matlab R2018b。計算速度方面，單組參數進行單月消納評估計算的時間為 12~40 s，較常規的機組組合模型求解速度有大幅提升。
在發電權交易效果對參數敏感度仿真中，以1—3 月份為研究對象，假定風電理論功率一旦大于 4 000 MW，即可開始進行發電權交易，圖 7 顯示了系統內消納情況與發電權交易功率、交易時段兩者之間的關系。
在系統原始情況下，1—3 月份的初始棄風率分別為 35%、33%、36%。具體來看，當一天內有14 h 允許發電權交易、最大交易功率為 3 000 MW時，1 月份棄風率可控制在 20% 以下，2、3 月份分別為 24% 和 22%，較 1 月份響應程度略低。另外，相比于 3 月份，1、2 月份的棄風率下降較快段集中于交易時間長、交易功率大的情景下。
依然選擇 1—3 月份為研究月，對消納效果與最大交易功率和啟動交易風電理論功率閾值兩參數的關系進行數值模擬，仿真結果如圖 8 所示，此時交易時間設定為 10 h?？梢钥闯?，兩參數的二維平面上色階分布呈倒“L”型，這說明在最大交易功率較小時，棄風情況隨最大交易功率的增加而快速減小，當超過 1 000~1 500 MW 時，棄風率對交易功率值敏感度快速下降。而當啟動交易風電理論功率閾值較高時，棄風率隨該參數的下降而快速降低，但是降至 4 000 MW 后，棄風率變化不再明顯。
若自備電廠最大交易功率設定為 2 000 MW，啟動交易風電理論功率閾值為 3 500 MW 以下時，1—3 月份的棄風率可以分別控制在 25%、28%、28% 水平上，系統的可再生能源消納能力增強。
在相同的算例系統中，對比文獻 [21] 的計算結果可知，與火電機組靈活性改造相比，發電權交易提升消納效果作用有限，在火電深度調峰潛力用盡時，發電權交易可以作為備用措施參與消納。
5 結論
本文在總結發電權交易執行方式和影響因素的基礎上，基于隨機生產模擬方法建立了適用于自備電廠與風電企業發電權交易提升風電消納效果的中長期評估模型，提出了交易關鍵參數的優化方案。通過仿真研究了發電權交易對增強系統消納能力的促進作用，得到了以下結論。
(1)實時運行中，發電權交易時段設置直接影響最大消納潛力，應適當放開發電權交易時段限制。
(2)總體來看，發電權交易具有棄風緩解作用。降低發電權啟動交易風電理論功率閾值、增加最大交易功率均可增強消納提升作用，但效果提升緩慢，最理想工況(日內運行 14 h、最大交易功率 3 000 MW、啟動交易風功率閾值 4 000 MW)下僅能將供暖季內 1 月份的棄風率控制在 20% 水平。
本文所提方法能夠在規劃階段將發電權交易納入計算框架，并為后期運行中交易時段設計等關鍵參數優化提供快速簡潔的試算方法，計算速度較常規生產模擬有明顯提升，提高了遠期市場機制設計與系統運行邊界確定的決策能力，也為市場參與方電量估算提供了參考信息。
參考文獻：
IRENA: Renewable capacity statistics 2018[R]. 2018. [1]張正陵. 中國“十三五”新能源并網消納形勢、對策研究及多情景運行模擬分析 [J]. 中國電力, 2018, 51(1): 2–9.ZHANG Zhengling. Research on situation and ermeasures ofnew energy integration in the 13th five-year plan period and its multi-scenario simulation[J]. Electric Power, 2018, 51(1): 2–9.[2]
PEI W, DU Y, DENG W, et al. Optimal bidding strategy and [3]intramarket mechanism of microgrid aggregator in real-timebalancing market[J]. IEEE Transactions on Industrial Informatics,2016, 12(2): 587–596.
胡朝陽, 畢曉亮, 王珂, 等. 促進負備用跨省調劑的華東電力調峰輔助服務市場設計 [J]. 電力系統自動化, 2019, 43(5): 175–182.
HU Zhaoyang, BI Xiaoliang, WANG Ke, et al. Design of peakregulation auxiliary service market for East China power grid topromote inter-provincial sharing of negative reserve[J]. Automationof Electric Power Systems, 2019, 43(5): 175–182.
[4]MOISEEVA E, HESAMZADEH M R, BIGGAR D R. Exercise ofmarket power on ramp rate in wind-integrated power systems[J].IEEE Transactions on Power Systems, 2015, 30(3): 1614–1623.
[5]XU R H, SONG Z X, TANG Q F, et al. The cost and marketability ofrenewable energy after power market reform in China: a review[J].Journal of Cleaner Production, 2018, 204: 409–424.
[6]華夏, 羅凡, 張建華, 等. 促進新能源消納的自備電廠發電權交易模式可行性探討 [J]. 電力系統自動化, 2016, 40(12): 200–206.HUA Xia, LUO Fan, ZHANG Jianhua, et al. Feasibility analysis oftrade mode promoting new energy consumption based on generationrights trade of self-generation power plants[J]. Automation of Electric
Power Systems, 2016, 40(12): 200–206.
[7]施泉生, 劉坤, 溫蜜. 基于區塊鏈技術的跨省發電權交易模型 [J].電力建設, 2017, 38(9): 15–23.SHI Quansheng, LIU Kun, WEN Mi. Interprovincial generationrights trading model based on blockchain technology[J]. ElectricPower Construction, 2017, 38(9): 15–23.
[8]XUE B K, QI T X, ZHANG W, et al. Research on market biddingmechanism of generation rights trade for promoting new energyconsumption[J]. The Journal of Engineering, 2017, 2017(13):1378–1382.
何永秀, 宋棟, 夏天, 等. 基于合作博弈論的常規能源與新能源發電權置換交易模式研究 [J]. 電網技術, 2017, 41(8): 2485–2490.
HE Yongxiu, SONG Dong, XIA Tian, et al. Mode of generation righttrade between renewable energy and conventional energy based oncooperative game theory[J]. Power System Technology, 2017, 41(8):2485–2490.
[10]張顯, 耿建, 龐博, 等. 發電權交易在中國節能減排中的應用及分析 [J]. 電力系統自動化, 2014, 38(17): 87–90, 129.
ZHANG Xian, GENG Jian, PANG Bo, et al. Application andanalysis of generation right trade in energy-saving and emissionreduction in China[J]. Automation of Electric Power Systems, 2014,38(17): 87–90, 129.
[11]LIU Y X, ZHANG N, KANG C, et al. Impact of carbon market onChina's electricity market: an equilibrium analysis[C]//2017 IEEEPower & Energy Society General Meeting, July 16–20, 2017.
Chicago, IL. IEEE, 2017: 1–5.[12]LI S T, ZHANG S F, ANDREWS-SPEED P. Using perse market-based approaches to integrate renewable energy: experiences fromChina[J]. Energy Policy, 2019, 125: 330–337.
[13]王雁凌, 邱小燕, 許傳龍. 以節能降耗為目標的發電權交易阻塞管
理模型 [J]. 電網技術, 2012, 36(6): 272–276.WANG Yanling, QIU Xiaoyan, XU Chuanlong. Congestionmanagement of generation rights trade based on energyconservation[J]. Power System Technology, 2012, 36(6): 272–276.
[14]于昌海, 吳繼平, 王運, 等. 適應發電權交易的可再生能源有功控制策略 [J]. 電力系統自動化, 2017, 41(9): 71–76.
YU Changhai, WU Jiping, WANG Yun, et al. Active power controlstrategy for renewable energy generation adapted to generation righttrade[J]. Automation of Electric Power Systems, 2017, 41(9): 71–76.
[15]江岳文, 余代海. 面向“互聯網+”的風火發電權交易促進風電接納研究 [J]. 太陽能學報, 2019, 40(1): 249–258.JIANG Yuewen, YU Daihai. Research on power generation righttrading between wind farms and thermal units to promoteaccommodation of wind power through‘internet+'[J]. Acta EnergiaeSolaris Sinica, 2019, 40(1): 249–258.
[16]李海波, 魯宗相, 喬穎, 等. 基于非時序生產模擬的風電消納評估方法 [J]. 電力建設, 2015, 36(10): 129–137.
LI Haibo, LU Zongxiang, QIAO Ying, et al. evaluation method ofwind power accommodation capacity based on non-sequentialproduction simulation[J]. Electric Power Construction, 2015, 36(10):
[17]129–137.吳少雷, 馮玉, 吳凱, 等. 基于交換卷積的含高比例新能源電力系統運行評估方法 [J]. 中國電力, 2019, 52(4): 25–31.WU Shaolei, FENG Yu, WU Kai, et al. Operation evaluation methodof high proportion renewable energy power system based on
exchange convolution[J]. Electric Power, 2019, 52(4): 25–31.
[18]LI Y, AGELIDIS V G, SHRIVASTAVA Y. Wind-solar resourcecomplementarity and its combined correlation with electricity loaddemand[C]//2009 4th IEEE Conference on Industrial Electronics andApplications, May 25–27, 2009. Xi'an, China. IEEE, 2009:3623–3628.
[19]ZHAO S J, XIE L, SINGH C. Cross-correlation study ofonshore/offshore wind generation and load in Texas[C]//2013 NorthAmerican Power Symposium (NAPS), September 22-24, 2013.Manhattan, KS, USA. IEEE, 2013: 1–5.
[20]馬彥宏, 姜繼恒, 魯宗相, 等. 基于隨機生產模擬的火電機組深度調峰提升新能源消納能力評估方法 [J]. 全球能源互聯網, 2019, 2(1):35–43.
MA Yanhong, JIANG Jiheng, LU Zongxiang, et al. Assessmentmethod of conventional units with deep peak-shaving for renewableenergy accommodation based on probabilistic productionsimulation[J]. Journal of Global Energy Interconnection, 2019, 2(1):35–43.[21]
作者簡介：
徐昊亮 (1981—)，男，碩士，高級工程師，從事電力系統自動化、電網智能化規劃等方面研究，E-mail: 17523016@qq.com;
靳攀潤 (1985—)，男，碩士，高級工程師，從事電力系統繼電保護、智能電網規劃應用等相關研究，E-mail:pf1091@163.com;
姜繼恒 (1994—)，男，通信作者，博士研究生，從事電力系統規劃研究，E-mail: jiheng1020@163.com;魯宗相 (1974—)，男，博士，副教授，從事風電/太陽能發電并網分析與控制、能源與電力宏觀規劃、電力系統可靠性、分布式電源及微電網研究，E-mail: luzongxiang98@tsinghua.edu.cn;
喬穎 (1981—)，女，博士，副研究員，從事新能源、分布式發電、電力系統安全與控制研究，E-mail: qiaoying@tsinghua.edu.cn。
評論