風火調(diào)峰權(quán)交易促進風電再次接納研究

江岳文，張藝淵

（福州大學 電氣工程與自動化學院，福建 福州 350116）

0 引言

2015年3月，國家發(fā)展改革委頒布了《國家能源局關于改善電力運行調(diào)節(jié)促進清潔能源多發(fā)滿發(fā)的指導意見》，提到能源資源豐富地區(qū)、清潔能源裝機比重較大地區(qū)在統(tǒng)籌平衡年度電力電量時，新增用電需求若無法滿足清潔能源多發(fā)滿發(fā)，應采取市場化方式，鼓勵清潔能源優(yōu)先與用戶直接交易，充分挖掘本地區(qū)用電潛力，最大限度消納清潔能源［1］。各地應建立完善調(diào)峰補償機制，加大調(diào)峰補償力度，鼓勵通過市場化方式確定調(diào)峰承擔方，鼓勵清潔能源直接購買輔助服務。2015年11月，《關于有序放開發(fā)用電計劃的實施意見》中提到要組織實施替代，同時實現(xiàn)可再生能源發(fā)電優(yōu)先交易，修訂火電運行技術(shù)規(guī)范，提高調(diào)峰靈活性，為消納可再生能源騰出調(diào)峰空間，鼓勵開展替代發(fā)電、調(diào)峰輔助服務交易［2］。在政策背景下，進行調(diào)峰方面的市場化研究，對促進風電接納具有重要意義。影響風電接納水平的因素主要包括兩大類：一類是電網(wǎng)自身因素，如電網(wǎng)網(wǎng)架結(jié)構(gòu)、系統(tǒng)調(diào)度、備用水平、負荷特性、系統(tǒng)內(nèi)調(diào)峰能力和電網(wǎng)輸電水平等；另一類是風電本身的因素，如風電的反調(diào)峰特性、隨機性和間歇性、風電預測水平、風電場低電壓穿越能力等［3］。提高風電接納的措施主要有：建設跨區(qū)電網(wǎng)和調(diào)峰電源；提升風電并網(wǎng)調(diào)度運行關鍵技術(shù)；提升風功率預測精確度，提高風電機組本身的監(jiān)控水平、故障穿越能力、有功無功控制能力；從政策方面提高完善風電發(fā)展的措施；加強需求側(cè)管理；利用儲能技術(shù)平抑風功率波動等［4-5］。

傳統(tǒng)的調(diào)峰服務是基于機組本身或者網(wǎng)絡本身的優(yōu)化［6-7］，而從市場機制角度考慮通過調(diào)峰促進風電接納的研究較少［8］。國內(nèi)學者于2005年提出調(diào)峰權(quán)的概念［9］，調(diào)峰權(quán)是一種向下調(diào)峰容量購買選擇權(quán)。購買調(diào)峰權(quán)的一方，有權(quán)在合同規(guī)定的期限內(nèi)向售電方按照合同規(guī)定的容量和時段購買調(diào)峰容量，并且按照約定的價格支付。作為輔助服務的市場化手段，調(diào)峰權(quán)市場獨立于發(fā)電權(quán)市場存在，在電力市場中首先進行調(diào)峰權(quán)的交易，確定每臺機組的調(diào)峰容量，再進行發(fā)電權(quán)交易。調(diào)峰權(quán)市場分為期貨市場和現(xiàn)貨市場［9］。

文獻［10］考慮風電場風速隨機性、風電場不同季節(jié)的特性和負荷波動性，研究了風電接納對系統(tǒng)調(diào)峰特性的影響。文獻［11-12］研究了調(diào)峰權(quán)交易的現(xiàn)貨市場和期貨市場，分別以降低環(huán)境成本和能耗成本為出發(fā)點，證明了通過調(diào)峰權(quán)市場能夠降低火電機組的環(huán)境成本和能耗，提高機組參與調(diào)峰的積極性。文獻［13］考慮了調(diào)峰權(quán)和需求管理的關系，但需求管理只考慮了負荷還原，沒有對需求響應進行深入研究。文獻［14］對燃煤機組調(diào)峰交易雙方的效用進行了分析和建模，提出了一種火電機組間的調(diào)峰權(quán)交易數(shù)學模型，并且驗證了調(diào)峰權(quán)交易具有降低全網(wǎng)發(fā)電成本的作用，但其沒有考慮網(wǎng)絡潮流約束。

在以上文獻研究的基礎上，本文借鑒調(diào)峰權(quán)交易機制，將風電引入調(diào)峰權(quán)交易模型中，提出風電參與調(diào)峰權(quán)交易的市場模式，分析火電機組調(diào)峰權(quán)交易成本與風電場調(diào)峰權(quán)交易效益。綜合考慮社會效益和風電再次接納量最大，建立了多目標的調(diào)峰權(quán)交易模型，使用多目標粒子群優(yōu)化算法進行求解。

1 風電參與調(diào)峰權(quán)市場模式及效用分析

1.1 風電參與調(diào)峰權(quán)交易的市場模式

負荷低谷時，火電機組大多以最低出力運行，由于風電的反調(diào)峰特性，預測的風功率比計劃接納的功率多，導致棄風。在負荷低谷時風電場可以借助調(diào)峰權(quán)市場，使棄風最大限度地降低，達到國家提倡多發(fā)滿發(fā)的政策要求。

假設電網(wǎng)在日前運行調(diào)度中對風電場j在t時段計劃接納水平為Preceive，本文把Preceive稱為風電一次消納水平，即根據(jù)現(xiàn)有風電消納技術(shù)和電網(wǎng)運行狀態(tài)實現(xiàn)的風電計劃被接納水平。當風電場j在t時段預測出力Pforecast大于電網(wǎng)一次消納水平Preceive（即ΔP=Pforecast-Preceive>0）時，風電場j可能會棄風。對于可能的棄風功率ΔP，促進全部或部分ΔP的消納稱為風電的再次消納。

本文將風電引入調(diào)峰權(quán)交易中，提出風電參與調(diào)峰權(quán)交易的市場模式，以促進風電的再次消納。已有的研究中，調(diào)峰權(quán)交易是在調(diào)峰能力強的火電機組與調(diào)峰能力差的火電機組之間進行?？紤]風電參與的調(diào)峰權(quán)交易市場是在調(diào)峰能力強的火電機組與風電場之間進行。由于時間尺度越短風電預測準確度越高，所以風電場參與調(diào)峰權(quán)交易市場以小時前市場為主，風電場參與的調(diào)峰權(quán)交易市場模式如下。

a.調(diào)峰權(quán)交易市場交易申報。

交易中心在小時前組織調(diào)峰權(quán)交易市場，各風電場按照確定性邊際發(fā)電收益及預測偏差情況向交易中心申報調(diào)峰權(quán)交易價格和容量；各火電機組按邊際調(diào)峰成本向交易中心申報調(diào)峰權(quán)交易價格和容量。另外，火電機組需上報爬坡能力、出力上下限等；風電場需上報下一時段電網(wǎng)對風電場計劃接納的風電功率、風電場的預測功率以及預測精度。

b.交易計劃的形成。

交易中心以社會效益最大、風電再次接納最大為目標，進行交易配對，形成初步交易計劃。然后將交易計劃提交調(diào)度部門，調(diào)度部門考慮電網(wǎng)安全約束，對交易計劃進行調(diào)整，修改反饋給交易中心，最終形成考慮安全約束的交易計劃。

c.交易清算。

形成最終的交易計劃后，交易中心將修改后的交易計劃下達給各火電機組和風電場，各機組按照該時段出清價格進行結(jié)算。在下一時段交易雙方按照交易容量對機組出力進行調(diào)整，若下一時段風電場實際出力無法達到交易規(guī)定的發(fā)電容量，則需要調(diào)用輔助服務，產(chǎn)生的費用作為風電場的懲罰成本。

交易中心的出清方式可以選擇撮合或者雙邊協(xié)商方式。撮合是按機組報價進行排序，風電場按照報價從高到低排序，火電機組按照報價從低到高排序，直到雙方申報的調(diào)峰權(quán)交易容量有一方已經(jīng)完全交易完畢。采用統(tǒng)一邊際出清，按雙方報價曲線交易完畢的最后一對交易的平均價格進行統(tǒng)一出清，得到調(diào)峰權(quán)出清價格。雙邊協(xié)商出清方式是火電機組與風電場自行進行雙邊協(xié)商，一般采用交易雙方報價的平均價格作為出清價格。

1.2 調(diào)峰權(quán)交易成本與效益分析

1.2.1 調(diào)峰權(quán)銷售方調(diào)峰成本分析

調(diào)峰權(quán)的銷售方為火電機組，由于調(diào)峰權(quán)交易，火電機組的出力將下降。出力下降對火電機組的影響主要有3個方面，火電機組參與調(diào)峰權(quán)交易的調(diào)峰成本也從這3個方面考慮：

a.機組發(fā)電出力下降以后所造成的單位煤耗上升，單位發(fā)電成本增加，出力超過深度調(diào)峰時還需要增加投油燃燒的成本；

b.機組出力變化過程中產(chǎn)生機械損耗，對機組壽命產(chǎn)生影響所增加的成本；

c.機組因參與調(diào)峰權(quán)交易，不能按照計劃發(fā)電所損失的發(fā)電收入。

調(diào)峰權(quán)交易旨在促使火電機組主動發(fā)揮自身的調(diào)峰潛力。由于深度調(diào)峰對火電機組損傷很大，在調(diào)峰權(quán)交易中，火電機組出售調(diào)峰權(quán)的數(shù)量是主動申報的，一般不會使自身出力下降至深度調(diào)峰狀態(tài)。當機組不處于深度調(diào)峰狀態(tài)時，出力變化過程產(chǎn)生的機械損耗成本相對燃煤成本很小且很難量化［14］，故本文暫忽略機械損耗成本，主要考慮出力改變所造成的發(fā)電成本變化和發(fā)電收入的損失。

火電機組出力調(diào)整是一個改變閥門大小的漸進過程，而不是躍變過程，所以發(fā)電成本的改變也是一個連續(xù)變化的過程。假設發(fā)電機組原出力為P0，調(diào)峰權(quán)交易下降的出力為調(diào)峰權(quán)交易前后所產(chǎn)生的直接發(fā)電成本變化量為：

其中，F(xiàn)（P）為機組的發(fā)電成本函數(shù)；F′（P）為火電機組的邊際發(fā)電成本函數(shù)；a、b、c為發(fā)電機組的成本系數(shù)。

火電機組損失的發(fā)電收入為：

其中為火電機組的標桿電價。

調(diào)峰權(quán)交易銷售方的調(diào)峰成本為：

將式（4）左右兩邊同除以并且令即為機組的邊際調(diào)峰成本：

其中，CMS為火電機組在出力為P0時的邊際發(fā)電成本。

如果則火電機組的邊際調(diào)峰成本大于0，為了在調(diào)峰權(quán)交易中受益，火電機組調(diào)峰權(quán)交易報價底線應大于或等于邊際調(diào)峰成本。

1.2.2 調(diào)峰權(quán)交易購買方效益分析

風電場購買調(diào)峰權(quán)后，所獲得的收益與成本分析如下。

a.風電場發(fā)電收益增加。風電場通過調(diào)峰權(quán)交易提升了電網(wǎng)對其再次接納水平，風電場發(fā)電量增加，從而使發(fā)電收益增加。增加的發(fā)電收益等于風電場再次被接納的發(fā)電量收入與發(fā)電成本之差［15］。

b.輔助服務成本增加。若交易時段風電場實際出力無法達到調(diào)峰權(quán)交易規(guī)定的發(fā)電容量，則需要調(diào)用輔助服務，從而產(chǎn)生額外的交易成本，主要是購買旋轉(zhuǎn)備用的成本。該成本和風電預測偏差有關，研究表明實際風電預測誤差服從一定的概率分布［16］，因此備用成本為一個隨機變量，本文稱為不確定性的懲罰成本。

根據(jù)以上分析，風電參與調(diào)峰權(quán)交易效益由確定性的邊際發(fā)電收益和不確定性的懲罰成本兩部分構(gòu)成。以下對這兩部分分別進行推導。

a.確定性的邊際發(fā)電收益。

設風電機組購買調(diào)峰權(quán)之前的電網(wǎng)計劃接納風電場發(fā)電出力為Preceive，但風電場預測出力Pforecast大于計劃被接納出力，風電場為了減少棄風，擬向火電機組購買調(diào)峰權(quán)容量所得的發(fā)電收益增加值為：

其中為風電機組的標桿電價；CMB為風電單位發(fā)電成本［15］。

風電場的確定性邊際發(fā)電收益為：

b.不確定性的懲罰成本。

在常規(guī)的系統(tǒng)規(guī)劃備用問題中，風電場實際出力與預測不同時，需要調(diào)用上下旋轉(zhuǎn)備用，利用備用價格懲罰促使風電場能主動提高自身的預測精度。調(diào)峰權(quán)交易市場則不同，因為調(diào)峰權(quán)交易的前提是低谷調(diào)峰，在系統(tǒng)調(diào)峰壓力很大的情況下，以市場的形式激勵火電機組進行更深度調(diào)峰，促進風電再次接納。購買下旋轉(zhuǎn)備用會使系統(tǒng)調(diào)峰壓力加劇，違背調(diào)峰權(quán)交易的初衷，所以不考慮風電場在出力盈余時購買下旋轉(zhuǎn)備用，即風電場實際出力超過交易申報容量則棄風。若實際風電出力不能達到申報交易容量，需購買上旋轉(zhuǎn)備用。因此，定義風電場懲罰成本為風電場申報交易容量確定的情況下，實際風電出力不足所需購買上旋轉(zhuǎn)備用的成本。懲罰成本推導過程如下。

調(diào)峰權(quán)可交易風電容量為：

其中，為風電場調(diào)峰權(quán)可交易容量；ΔPF為風電場預測誤差，假設其服從 N（0，σ2）。

Pforecast和 Preceive是已知的，由式（8）可知 Preceivereality服從 N（μ1，σ2），其中 μ1=Pforecast－Preceive。

懲罰成本為：

其中，CP為風電場的懲罰成本；Cru為上旋轉(zhuǎn)備用價格；ΔPW為需要購買的上旋轉(zhuǎn)備用容量；Pbuy為風電場調(diào)峰權(quán)交易成交容量，即風電場再次被電網(wǎng)接納的容量。

ΔPW的概率分布為：

其中為的概率密度函數(shù)；Φ（·）為標準正態(tài)分布的分布函數(shù)。

由式（11）可知，ΔPW服從 N（μ1，σ2）。 由式（9）可知，當Cru為常數(shù)時，CP的概率分布與ΔPW相同，CP服從 N（Cruμ1，（Cruσ）2）。

c.風電場參與調(diào)峰權(quán)交易的效益。

風電場參與調(diào)峰權(quán)交易的效益為：

其中，CB為風電場參與調(diào)峰權(quán)交易的效益。

從式（12）可以看出，風電場參與調(diào)峰權(quán)交易，通過增加自身再次接納的容量發(fā)電獲得收益，同時還要承擔風電隨機性造成的懲罰。風電場在調(diào)峰權(quán)交易中，報價上限為確定性邊際發(fā)電收益，并且需要對不確定性成本部分進行考慮，才能在調(diào)峰權(quán)交易中獲益。

2 調(diào)峰權(quán)交易促進風電接納模型

典型的以社會效益最大化的雙邊拍賣市場交易模型如下［14，17］：

其中分別為買方j、賣方i成交的交易量；分別為買方 j、賣方 i的報價；分別為買方j、賣方i申報的交易量；MB和MS分別為買方和賣方的個數(shù)。

式（13）—（16）拍賣模型的目的是使社會效益最大化，文獻［14］在此基礎上深入探究了調(diào)峰權(quán)交易雙方的調(diào)峰效用，但僅考慮火電機組間的調(diào)峰權(quán)交易。本文將風電引入調(diào)峰權(quán)交易中，針對風電出力的不確定性，在社會效益中考慮風電出力隨機性變化對交易產(chǎn)生的影響，以科學評估風火調(diào)峰權(quán)交易實際產(chǎn)生的社會效益。在完全競爭市場下，交易雙方若根據(jù)邊際成本或邊際效用報價，將達到社會效益最大化。因此，本文根據(jù)確定性的火電廠邊際調(diào)峰成本（式（5））和確定性的風電場調(diào)峰邊際發(fā)電效用（式（7）），考慮風電不確定性的懲罰成本（式（9）—（11）），可得到基于社會效益最大化的風火調(diào)峰權(quán)交易目標如式（17）所示。

目標函數(shù)1：社會效益最大。

其中，CMBj、CMSi分別為風電場j的單位發(fā)電成本和火電機組i的邊際發(fā)電成本；WB為風電場的數(shù)量；GS為火電機組的數(shù)量分別為風電場 j、火電機組i的標桿電價；CPj為風電場j的懲罰成本。

式（17）中等號右邊第一部分表示風電參與調(diào)峰權(quán)交易的效益，為發(fā)電收益與調(diào)用上旋轉(zhuǎn)備用的成本之差；第二部分為火電機組參與調(diào)峰權(quán)交易的成本。風電功率預測偏差使得懲罰成本很難精確估計，從而社會效益也很難精確估計，因此本文采用期望社會效益作為社會效益的估計值，即：

其中，E（Π）為調(diào)峰權(quán)交易期望社會效益；E（CPj）為風電場j期望的懲罰成本。

目標函數(shù)1從經(jīng)濟效益的角度優(yōu)化調(diào)峰權(quán)交易；另外，本文從再生能源消納最大化的角度出發(fā)優(yōu)化資源配置，增加目標函數(shù)2，如式（19）所示。這2個目標相輔相成，既保證調(diào)峰權(quán)交易的社會效益，調(diào)動參與者的積極性，同時也為可再生能源的充分消納提供支持。

約束條件如下。

a.買賣雙方交易容量約束：

b.賣方交易容量約束：

c.買方交易容量約束：

d.潮流約束：

e.火電機組爬坡約束：

其中，Pl為支路l的有功潮流功率；Pl.max為對應的上限值；L 為支路總數(shù)；Pi，t-1、Pi，t分別為火電機組 i在 t-1 時段和 t時段的出力；ΔPi，up和 ΔPi，down分別為火電機組i的上、下爬坡限制。

3 基于多目標粒子群優(yōu)化算法的調(diào)峰權(quán)交易求解

多目標問題中，多個目標函數(shù)彼此可能是互相沖突的，一個解對于某個目標函數(shù)可能是較好的，而對于其他目標函數(shù)可能是較差的，這樣就存在一個折中解的集合，稱為Pareto最優(yōu)解或者非支配解集，所有Pareto最優(yōu)解組成的曲面稱為Pareto前沿，該前沿能為決策制定者提供有價值的折中信息。決策者能根據(jù)決策意愿和市場導向，利用理想點法或模糊隸屬度法或交互式方法［18］，從中挑選出某一個折中解，得到確定的交易結(jié)果。

針對調(diào)峰權(quán)交易，本文采用基于Pareto最優(yōu)的多目標粒子群優(yōu)化算法。粒子群的單個粒子設計為m×n維，其中m為調(diào)峰權(quán)出售方的個數(shù)，n為調(diào)峰權(quán)購買方的個數(shù)，則矩陣中的元素為第i個調(diào)峰權(quán)購買方和第j個調(diào)峰權(quán)方所交易的容量，每行的和為第i個購買方的總購容量，每列的和為第j個出售方的總售容量，需要滿足其所申報容量上限的限制，如圖1所示。

圖1 粒子設計示意圖Fig.1 Schematic diagram of particle design

基于多目標粒子群優(yōu)化算法的流程如圖2所示，圖中zbest為個體最優(yōu)值，gbest為全局最優(yōu)值。

4 算例分析

4.1 系統(tǒng)參數(shù)設置

算例選取IEEE 14節(jié)點5機系統(tǒng)，設火電機組的標桿電價為 60$／（MW·h），風電場的標桿電價為100$／（MW·h），在節(jié)點 2、3、6、8 分別增加 4 臺火電機組出售調(diào)峰權(quán)，在節(jié)點12接入容量為100 MW的風電場，火電機組數(shù)據(jù)部分采用文獻［19］中的數(shù)據(jù)，如表1所示。Pforecast=61.3 MW，Preceive=52 MW，σ=5%，CMB采用文獻［15］中的數(shù)據(jù)，取 61.5$／（MW·h），CP=30$／（MW·h）。采用 Monte-Carlo模擬 10000個實際風電出力偏差。所有火電機組的ΔPup和ΔPdown取90 MW ／h。

圖2 多目標粒子群優(yōu)化算法流程圖Fig.2 Flowchart of multi-objective particle swarm optimization algorithm

表1 火電機組參數(shù)Table 1 Parameters of thermal units

粒子群優(yōu)化算法的種群規(guī)模為300，迭代次數(shù)為300。

風電場和火電機組申報容量，火電機組根據(jù)邊際調(diào)峰成本報價，風電場根據(jù)邊際發(fā)電收益報價。由式（5）和式（7）得到的火電機組和風電場報價見表2。

表2 各機組申報調(diào)峰權(quán)交易容量和報價Table 2 Trading capacity and quotation of peak regulation right trading for each unit

4.2 算例結(jié)果分析

根據(jù)式（17）—（24），以 1 h 為考察期，基于上述參數(shù)，采用多目標粒子群優(yōu)化算法得到調(diào)峰權(quán)交易社會效益和風電場再次接納容量變化的曲線如圖3所示。

圖3 風電場再次接納容量和社會效益的Pareto前沿Fig.3 Pareto front of second accommodation of wind power and social benefit

從圖3中可以看出，社會效益曲線先增大后減小。因為隨著風電場再次接納容量增大，風電場效益增加，但懲罰成本也隨之增加，因此有一個達到社會效益最大的交易容量。此時風電再次接納容量為8.46 MW，即調(diào)峰權(quán)交易使風電接納增加了8.46MW，產(chǎn)生的社會效益為$74.57。

根據(jù)式（17），調(diào)峰權(quán)交易社會效益可分為兩部分，一部分是風電場發(fā)電收益與火電機組調(diào)峰成本之差，另一部分是懲罰成本，這兩部分的差值為社會效益，如圖4中的AB段（σ=5%）所示。從圖4中可以看出，風電場發(fā)電收益與火電機組調(diào)峰成本之差的增長速率不變，懲罰成本的增長速率不斷增加，當二者速率相同即風電場再次接納量為P1（σ=5%）時，達到社會效益最大。在2條線的交點E上，社會效益為 0（σ=5%）。

圖4 社會效益兩部分之間的關系Fig.4 Relationship between two parts of social benefits

4.3 調(diào)峰權(quán)交易模型參數(shù)對風電再次接納影響分析

為更好地分析調(diào)峰權(quán)交易模型中參數(shù)設置對風電再次接納及社會效益產(chǎn)生的影響，對風電預測誤差σ、上旋轉(zhuǎn)備用價格、電網(wǎng)計劃接納風電場容量、風電場和火電廠標桿電價進行分析。分析結(jié)果如圖5—9所示。

風電預測誤差σ對Pareto前沿的影響如圖5所示，從圖5中可以看出，σ增大對Pareto前沿的影響如下。

a.Pareto前沿整體向左下方移動，達到社會效益最大的風電場再次接納容量逐漸降低。圖4中σ=8%時懲罰成本變化曲線對應的最大社會效益為CD段，相應的風電場再次接納容量為P2，易知P2

圖5 風電預測誤差σ對Pareto前沿的影響Fig.5 Impact of wind power prediction error σ on Pareto front

b.風電場再次接納容量范圍逐漸增大。因為σ越大，代表風電預測精度越低，估計參與調(diào)峰權(quán)交易容量越不準確，產(chǎn)生懲罰的概率越高，社會效益越小，所以Pareto前沿下移，并且范圍增大。

c.在風電場再次接納容量達到一定數(shù)值時，σ增大對Pareto前沿影響很小。由1.2.2節(jié)可知，CP的概率分布與ΔPW相同。圖6為σ改變對ΔPW的概率分布的影響?？梢钥闯靓W>18 MW以后，不管σ取圖中何值，ΔPW概率和大小基本一樣，此時懲罰成本的數(shù)值也基本一致，所以不同σ對懲罰成本的影響很小。因此，當風電再次接納容量大于18 MW時，σ增大對Pareto前沿的影響很小。

圖6 σ對上旋轉(zhuǎn)備用容量調(diào)用概率分布的影響Fig.6 Impact of σ on probability distribution of spinning reserve dispatch

上旋轉(zhuǎn)備用價格對Pareto前沿的影響如圖7所示，從圖中可以看出，隨著上旋轉(zhuǎn)備用價格的增加，Pareto前沿整體向左下方移動，并且降低的斜率逐漸變大。因為上旋轉(zhuǎn)備用價格是懲罰成本的系數(shù)，改變上旋轉(zhuǎn)備用價格，會同時改變懲罰成本的均值和方差，所以上旋轉(zhuǎn)備用價格的增加使懲罰費用的增長速率增加，斜率增加，并且達到社會效益最大時的風電再次接納容量也逐漸降低。

圖7 上旋轉(zhuǎn)備用價格對Pareto前沿的影響Fig.7 Impact of spinning reserve price on Pareto front

圖8為計劃風電接納容量對Pareto前沿的影響，從圖中可以看出，隨著電網(wǎng)對風電場計劃接納容量增加，Pareto前沿整體向左下方移動，達到社會效益最大的風電場再次接納容量也減少了。因為隨著電網(wǎng)對風電場計劃接納容量的增加，需要參與調(diào)峰權(quán)交易的風電容量減少，風電場與火電機組效益之差減小，社會效益降低。

圖8 計劃接納風電容量對Pareto前沿影響Fig.8 Impact of planned wind power accommodation capacity on Pareto front

風電場和火電機組標桿電價對Pareto前沿的影響如圖9所示，從圖中可以看出，隨著風電場與火電機組標桿電價差增大，Pareto前沿整體向右上方移動，當風電場與火電機組的標桿電價改變的差值相同時，Pareto前沿不變。因為在懲罰成本不變的情況下，社會效益中風電場效益與火電機組成本之差等于每個交易對的風電場效益與火電機組i的成本之差的總和。在每個交易對的社會效益中，如果火電機組的邊際發(fā)電成本和風電場的單位發(fā)電成本不變，風電場效益與火電機組成本之差的增長速率將取決于風電場和火電機組的標桿電價差，差值越大，增長速率越快，差值一樣時，增長速率相同。

圖9 風電和火電標桿電價對Pareto前沿的影響Fig.9 Impact of benchmark prices of wind power and thermal units on Pareto front

5 結(jié)論

隨著我國電力市場化改革的穩(wěn)步前進，進行調(diào)峰方面的市場化研究對促進風電接納有重大的意義。為了促進風電的接納，本文將風電引入調(diào)峰權(quán)交易模型中，主要的研究工作和結(jié)論如下。

a.提出風電參與調(diào)峰權(quán)交易的市場模式。并對調(diào)峰權(quán)交易中火電機組的調(diào)峰成本與風電場的調(diào)峰效益進行分析，考慮風電不確定性，推導了風電場懲罰成本。

b.考慮社會效益和風電場再次接納容量，建立了火電機組與風電場的多目標調(diào)峰權(quán)交易模型。使用多目標粒子群優(yōu)化算法進行求解，算例證明調(diào)峰權(quán)交易有利于風電再次接納容量和社會效益增加。

c.對調(diào)峰權(quán)交易模型影響因素進行分析。得出風電預測誤差、上旋轉(zhuǎn)備用價格、電網(wǎng)計劃接納風電場容量和風電場與火電機組標桿電價都會對風火調(diào)峰權(quán)交易的Pareto前沿產(chǎn)生不同的影響，從而對風電再次接納的容量產(chǎn)生影響。交易中心可以根據(jù)需要對調(diào)峰市場進行設計，促進風電接納的同時兼顧風電場和火電機組雙方的效益。

參考文獻：

［1］國家發(fā)展改革委員會，國家能源局.關于改善電力運行、調(diào)節(jié)促進清潔能源多發(fā)滿發(fā)的指導意見［Z］.2015-03-23.

［2］國家發(fā)展改革委員會，國家能源局.關于有序放開發(fā)用電計劃的實施意見［Z］.2015-11-30.

［3］江岳文，溫步瀛.從調(diào)度模式經(jīng)濟性角度評估電網(wǎng)風電出力接納能力［J］. 電工電能新技術(shù)，2014，33（4）：54-60.JIANG Yuewen，WEN Buying.Evaluation of acceptance of wind power capacity in grid from economy of dispatching model［J］.Advanced Technology ofElectricalEngineering and Energy，2014，33（4）：54-60.

［4］朱凌志，陳寧，韓華玲.風電消納關鍵問題及應對措施分析［J］.電力系統(tǒng)自動化，2011，35（22）：29-34.ZHU Lingzhi，CHEN Ning，HAN Hualing.Key problems and solutions of wind power accommodation［J］.Automation of Electric Power Systems，2011，35（22）：29-34.

［5］MOHSENI M，ISLAM S M.Review of international grid codes for wind power integration：diversity，technology and a case for global standard［J］.Renewable&Sustainable Energy Reviews，2012，16（6）：3876-3890.

［6］劉德偉，黃越輝，王偉勝，等.考慮調(diào)峰和電網(wǎng)輸送約束的省級系統(tǒng)風電消納能力分析［J］. 電力系統(tǒng)自動化，2011，35（22）：77-81.LIU Dewei，HUANG Yuehui，WANG Weisheng，et al.Analysis on provincial system available capability of accommodating wind power considering peak load dispatch and transmission constraints［J］.Automation of Electric Power Systems，2011，35（25）：77-81.

［7］張濤，李家玨，張延峰，等.計及電網(wǎng)調(diào)峰約束的風電接納調(diào)度方法研究［J］. 電力系統(tǒng)保護與控制，2014，42（21）：74-80.ZHANG Tao，LIJiajue，ZHANG Yanfeng，etal.Research of scheduling method for the wind power acceptance considering peak regulation［J］.Power System Protection and Control，2014，42（21）：74-80.

［8］呂泉，李玲，王海霞，等.配置儲熱的熱電廠與風電場的調(diào)峰定價機制［J］. 電力自動化設備，2015，35（9）：118-124.Lü Quan，LI Ling，WANG Haixia，et al.Peak regulation pricing mechanism between CHP-plant with heat accumulator and wind farm［J］.Electric Power Automation Equipment，2015，35（9）：118-124.

［9］高志華，任震，黃雯瑩.電力市場中調(diào)峰權(quán)及其交易機制［J］.中國電機工程學報，2005，25（5）：88-92.GAO Zhihua，REN Zhen，HUANG Wenying.Peak regulation right and the corresponding transaction mechanism in electricity market［J］.Proceedings of the CSEE，2005，25（5）：88-92.

［10］姜欣，陳紅坤，向鐵元，等.考慮調(diào)峰特性的電網(wǎng)風電接入能力分析［J］. 電力自動化設備，2014，34（12）：13-18，25.JIANG Xin，CHEN Hongkun，XIANG Tieyuan，et al.Wind power penetration capacity considering peak regulation characteristics［J］.Electric Power Automation Equipment，2014，34 （12）：13-18，25.

［11］耿靜，嚴正，蔣傳文，等.考慮環(huán)境成本的調(diào)峰權(quán)交易研究［J］.電力系統(tǒng)保護與控制，2011，39（20）：111-114.GENG Jing，YAN Zheng，JIANG Chuanwen，et al.The studies of peak regulation transaction considering environment costs［J］.Power System Protection and Control，2011，39（20）：111-114.

［12］徐辰婧，黃民翔，柯人觀.考慮節(jié)能減排效益的調(diào)峰權(quán)交易研究［J］. 華東電力，2014，42（2）：236-239.XU Chenjing，HUANG Minxiang，KE Renguan.Peak regulation right transaction considering energy saving and emission reduction［J］.East China Electric Power，2014，42（2）：236-239.

［13］劉揚洋，蔣傳文，李磊，等.考慮需求側(cè)管理的調(diào)峰權(quán)交易研究［J］. 電力系統(tǒng)保護與控制，2011，39（9）：38-43.LIU Yangyang，JIANG Chuanwen，LI Lei，et al.Peak regulation right trading model considering DSM［J］.Power System Protection and Control，2011，39（9）：38-43.

［14］梅堅，楊立兵，李曉剛，等.調(diào)峰市場效用分析與低谷調(diào)峰市場設計［J］. 電力系統(tǒng)自動化，2013，37（21）：134-138，175.MEI Jian，YANG Libing，LI Xiaogang，et al.Utility analysis for peak regulation market and trading market design for peak regulation capacity in valley time［J］.Automation of Electric Power Systems，2013，37（21）：134-138，175.

［15］程秋琳.基于價值鏈的風力發(fā)電企業(yè)成本分析研究［D］.保定：華北電力大學，2014.CHENG Qiulin.Research on cost analysis of wind power generation enterprises based on value chain［D］.Baoding：North China Electric Power University，2014.

［16］WU J，ZHANG B，DENG W，et al.Application of cost-CVaR model in determining optimal spinning reserve for wind power penetrated system［J］.International Journal of Electrical Power&Energy Systems，2015，66：110-115.

［17］黎燦兵，康重慶，夏清，等.發(fā)電權(quán)交易及其機理分析［J］.電力系統(tǒng)自動化，2003，27（6）：13-18.LI Canbing，KANG Chongqing，XIA Qing，et al.Generation rights trade and its mechanism［J］.Automation of Electric Power Systems，2003，27（6）：13-18.

［18］LIN Y K，YEH C T.Multi-objective optimization for stochastic computer networks using NSGA-Ⅱ and TOPSIS［J］.European Journal of Operational Research，2012，218（3）：735-746.

［19］孫元章，吳俊，李國杰，等.基于風速預測和隨機規(guī)劃的含風電場電力系統(tǒng)動態(tài)經(jīng)濟調(diào)度［J］.中國電機工程學報，2009，29（4）：41-47.SUN Yuanzhang，WU Jun，LI Guojie，et al.Dynamic economic dispatch considering wind power penetration based on wind speed forecasting and stochastic programming［J］.Proceedings of the CSEE，2009，29（4）：41-47．