考慮多類型主體的日前能量-調(diào)峰聯(lián)合市場優(yōu)化

摘 要：新型電力系統(tǒng)中，風電滲透率持續(xù)攀升，調(diào)峰需求隨之增加，有必要通過日前能量-調(diào)峰聯(lián)合出清調(diào)動市場主體調(diào)峰意愿，支撐大規(guī)模風電消納。在對燃煤機組、風電場與儲能等多類型市場主體調(diào)峰能力與報價規(guī)則進行分析的基礎上，建立綜合考慮燃煤機組深度調(diào)峰、啟停調(diào)峰，風電場主動“棄風”調(diào)峰與儲能充電調(diào)峰的日前能量-調(diào)峰聯(lián)合市場優(yōu)化模型。模型以能量與調(diào)峰輔助服務總采購成本最小為優(yōu)化目標，同時考慮各市場主體技術(shù)約束、投標約束與電網(wǎng)潮流約束，是大規(guī)?；旌险麛?shù)規(guī)劃問題，可采用CPLEX求解器求解?；诟倪MIEEE 14節(jié)點系統(tǒng)的仿真實驗驗證該文所提日前能量-調(diào)峰聯(lián)合市場優(yōu)化模型與求解方法的有效性。此外，結(jié)合仿真實驗對各市場主體參與調(diào)峰輔助服務的收益進行詳細分析。

關鍵詞：儲能；風電；電力市場；調(diào)峰服務；聯(lián)合市場優(yōu)化

中圖分類號：TM73 " " " " 文獻標志碼：A

0 引 言

近年來，隨著化石燃料的逐漸枯竭與環(huán)境污染的日益加劇，以風電為代表的可再生能源得到了飛速發(fā)展。截至2021年底，中國風電累積裝機達3.28億kW，占發(fā)電總裝機容量的13.8%，已成為中國電網(wǎng)第三大主力電源［1］。隨著新型電力系統(tǒng)建設目標的確立，中國風電裝機容量有望持續(xù)增長。中國電網(wǎng)中，常規(guī)機組以調(diào)節(jié)能力較差的燃煤機組為主，調(diào)峰能力有限。因此，在風電并網(wǎng)容量持續(xù)增長的背景下，受制于系統(tǒng)調(diào)峰能力，可能出現(xiàn)大規(guī)?！皸夛L”［2-3］。

對燃煤機組進行靈活性改造、提升調(diào)峰能力是促進風電消納的有效措施之一。文獻［4］通過靈活性改造，實現(xiàn)了630 MW超臨界機組32%額定負荷穩(wěn)定運行。除燃煤機組靈活性改造外，電池儲能技術(shù)的快速發(fā)展，為利用儲能提升系統(tǒng)調(diào)峰能力，促進風電接納提供了可能［5-6］。為緩解大規(guī)模風電并網(wǎng)后的系統(tǒng)調(diào)峰壓力，中國國家能源局出臺一系列政策，鼓勵機組進行靈活性改造、增加調(diào)峰能力，同時，也積極鼓勵以電化學儲能為代表的新型儲能資源參與調(diào)峰輔助服務［7-8］。

燃煤機組深度調(diào)峰會造成轉(zhuǎn)子軸系熱應力過大、縮短機組壽命，并需投油助燃，進而導致發(fā)電成本大幅度上升［9］。目前，電池成本依然較高，儲能參與調(diào)峰將消耗電池循環(huán)壽命，同樣對應著較高的調(diào)峰成本（主要體現(xiàn)為電池損耗成本）［10］。顯然，若缺乏合理的市場機制與有效的激勵政策，無論是燃煤機組還是儲能，參與調(diào)峰輔助服務的意愿均不強烈，進而影響電網(wǎng)風電接納能力的充分發(fā)揮。

為鼓勵市場主體參與調(diào)峰輔助服務，2014年，中國啟動東北電力調(diào)峰輔助服務市場［11］。為解決廣西電網(wǎng)調(diào)峰的迫切需要，南方電網(wǎng)也以廣西為試點，開展了省級調(diào)峰輔助服務市場的試點工作［12］。調(diào)峰輔助服務市場的建立為激勵市場主體參與調(diào)峰服務，促進風電接納起到了積極作用。

對各市場主體來說，其在能量市場與調(diào)峰輔助服務市場的報價行為密切相關，為充分發(fā)揮各市場主體的調(diào)節(jié)能力，支撐大規(guī)模風電消納，有必要將日前能量市場與調(diào)峰輔助服務市場合二為一，構(gòu)成日前能量-調(diào)峰聯(lián)合市場，進行能量-調(diào)峰輔助服務聯(lián)合出清。文獻［13］對山西火電電能量市場與深度調(diào)峰市場進行了聯(lián)合優(yōu)化，嘗試以市場化手段解決山西電網(wǎng)調(diào)峰能力不足與新能源消納受限矛盾；文獻［14］設計了考慮火電機組深度調(diào)峰和新能源避免削減降價的日前能量-調(diào)峰聯(lián)合市場出清機制，激勵可再生能源出讓部分發(fā)電上網(wǎng)紅利，以共贏的方式促進可再生能源的接納；文獻［15］提出考慮深度調(diào)峰輔助服務的年發(fā)電計劃優(yōu)化模型，實現(xiàn)了能量-調(diào)峰聯(lián)合市場的長周期優(yōu)化；文獻［16］提出考慮調(diào)峰輔助服務的電熱系統(tǒng)聯(lián)合優(yōu)化方法，通過能量-調(diào)峰市場聯(lián)合優(yōu)化挖掘儲熱系統(tǒng)調(diào)峰潛力，促進風電消納?，F(xiàn)有研究對能量-調(diào)峰聯(lián)合市場優(yōu)化進行了初步探討，但未同時考慮燃煤機組，風電場與儲能等市場主體的調(diào)峰能力與所能提供的各類調(diào)峰輔助服務，無法適應風電滲透率逐步提升且電網(wǎng)側(cè)儲能不斷涌現(xiàn)的新型電力系統(tǒng)發(fā)展現(xiàn)狀，具有一定的局限性。

為彌補現(xiàn)有研究的不足，本文在對燃煤機組、風電場與儲能等多類型市場主體調(diào)峰能力、可提供的調(diào)峰服務與報價方法進行研究的基礎上，建立同時考慮燃煤機組深度調(diào)峰、啟停調(diào)峰，風電場主動“棄風”調(diào)峰與儲能充電調(diào)峰的日前能量-調(diào)峰聯(lián)合市場優(yōu)化模型。該模型以能量與調(diào)峰輔助服務總采購成本最小為優(yōu)化目標，同時考慮各市場主體技術(shù)約束、投標約束與電網(wǎng)潮流約束，是大規(guī)模混合整數(shù)規(guī)劃（mixed integer programming，MIP）問題，可采用GAMS軟件提供的CPLEX求解器求解［17］。基于改進IEEE 14節(jié)點系統(tǒng)的仿真實驗驗證本文所提日前能量-調(diào)峰聯(lián)合市場優(yōu)化模型與求解方法的有效性。此外，結(jié)合仿真實驗對各市場主體參與調(diào)峰輔助服務的收益進行詳細分析。

1 日前能量-調(diào)峰聯(lián)合市場框架

1.1 市場主體調(diào)峰能力與報價

目前，調(diào)峰資源不足是制約風電消納的重要因素之一［18］，日前能量-調(diào)峰聯(lián)合市場可充分調(diào)動燃煤機組、風電場與儲能等多類型市場主體的調(diào)峰意愿，共同促風電消納。對燃煤機組、風電場與儲能的調(diào)峰能力與報價規(guī)則進行分析是日前能量-調(diào)峰聯(lián)合市場優(yōu)化的基礎。

1.1.1 燃煤機組調(diào)峰能力與報價

靈活性改造后，燃煤機組可提供3類調(diào)峰輔助服務，即基本調(diào)峰、深度調(diào)峰與啟停調(diào)峰。對燃煤機組[g]來說，若在時段[t]的發(fā)電出力為[Pgeng，t][Pgeng，t][Pgeng，t][Pgeng，t]，則可提供的基本調(diào)峰容量[Pgpeak1g，t]、深度調(diào)峰容量[Pgpeak2g，t]與啟停調(diào)峰容量[Pgpeak3g，t]分別為：

[Pgpeak1g，t=Pgeng，t-αPmaxg，αPmaxglt;Pgeng，t≤Pmaxg0，Pming≤Pgeng，t≤αPmaxg] （1）

[Pgpeak2g，t=αPmaxg-Pming，αPmaxglt;Pgeng，t≤PmaxgPgeng，t-Pming，Pming≤Pgeng，t≤αPmaxg] （2）

[Pgpeak3g，t=Pming] （3）

式中：[a]——燃煤機組基準調(diào)峰系數(shù)；[Pmaxg]——燃煤機組[g]的額定出力，MW；[Pming]——燃煤機組[g]經(jīng)靈活性改造后的最小技術(shù)出力，MW。對燃煤機組來說，提供基本調(diào)峰服務是基本義務，交易中心不會對其進行補償，因此，也無需提交報價。提供深度調(diào)峰服務時，需投油助燃，并將造成轉(zhuǎn)子軸系熱應力過大、縮短機組壽命，因此，能量市場中的多段遞增式報價不能真實反映機組的深度調(diào)峰成本，進而導致機組缺乏提供深度調(diào)峰服務的意愿。為解決這一問題，日前能量-調(diào)峰聯(lián)合市場要求機組提交多段遞增的深度調(diào)峰報價，具體如圖1所示。機組提供啟停調(diào)峰服務需付出額外的啟停成本，因此，日前能量-調(diào)峰聯(lián)合市場要求機組提交啟停調(diào)峰報價。

1.1.2 風電場調(diào)峰能力和報價

近年來，隨著滲透率的逐漸攀升與發(fā)電成本的不斷下降，風電逐步由保障性收購轉(zhuǎn)變?yōu)楦們r上網(wǎng)［19-20］。風功率準確預測是提升風電競爭力的重要舉措之一，風電場整體出力預測誤差小于單臺風電機組出力預測誤差［21-22］，因此，本文以風電場為市場主體，對其調(diào)峰能力與報價規(guī)則進行分析。

考慮到風電場有最小利用小時數(shù)與最低上網(wǎng)電量要求，日前能量-調(diào)峰聯(lián)合市場不支持風電場通過無限“棄風”參與調(diào)峰。此時，對風電場[k]來說，若其在時段[t]的上網(wǎng)功率為[Pwpk，t]，則其調(diào)峰能力[Pwpeakk，t]為：

[Pwpeakk，t=Pwpk，t-Pwp，mink，t，Pwp，mink，t≤Pwpk，t≤Pwp，maxk，t] （4）

式中：[Pwp，maxk，t]——風電場k在時段[t]的風功率預測值，即風電最大理論出力，MW；[Pwp，mink，t]——風電場[k]在時段[t]的最低上網(wǎng)功率，MW，一般設為風電場最大理論出力的固定比例，即：

[Pwp，mink，t=βPwp，maxk，t] （5）

式中：[β]——風電場調(diào)峰系數(shù)。

風電場參與調(diào)峰將減少上網(wǎng)電量，影響售電收入，若不進行補償，風電場將毫無調(diào)峰動力。為激勵風電場主動參與調(diào)峰，日前能量-調(diào)峰聯(lián)合市場要求風電場申報高于能量報價的兩段遞增調(diào)峰報價，具體如圖2所示。從圖2可看出，風電場兩段遞增調(diào)峰報價均高于能量報價，也就是說，風電場一旦中標調(diào)峰輔助服務，其獲得的調(diào)峰補償將高于其在能量市場損失的售電收入，從而鼓勵風電場積極參與調(diào)峰輔助服務市場。此外，與火電機組不同，風電場無需消耗燃料，短期運行成本可忽略，因此，圖2中的能量報價保持不變。風電場參與調(diào)峰后，除獲得售電收入外，還可根據(jù)實際中標調(diào)峰容量獲得調(diào)峰補償。

1.1.3 儲能調(diào)峰能力和報價

隨著電化學儲能技術(shù)的不斷進步，儲能在電網(wǎng)中不斷涌現(xiàn)。提供調(diào)峰服務是儲能的重要應用場景之一［23］，目前，中國對儲能與調(diào)峰的相關機制尚處于探索階段，青海、甘肅等地已試點儲能調(diào)峰競價交易［24］。

儲能通過充電參與調(diào)峰，調(diào)峰能力同時受制于其最大充電功率與最大允許荷電狀態(tài)。對儲能b來說，若時段t的荷電狀態(tài)為[Esocb，t]，則其調(diào)峰能力[Pbpeakb，t]如下所示：

[Pbpeakb，t=minPch，maxb，（Esoc，maxb-Esocb，t）CcapbΔTηchb] （6）

式中：[Esoc，maxb]——儲能[b]的最大允許荷電狀態(tài)，%；[Pch，maxb]——儲能[b]的額定充電功率，MW；[Ccapb]——儲能[b]的容量，MWh；[ηchb]——儲能[b]的充電效率；[ΔT]——優(yōu)化時段長度，h。

充電調(diào)峰將導致電池循環(huán)壽命損耗，若缺少補償，儲能將缺乏調(diào)峰動力。為此，日前能量-調(diào)峰聯(lián)合市場要求儲能提交充電報價與放電報價。為確保調(diào)峰收益，放電報價高于充電報價，且價差高于儲能度電成本，具體為：

[λdisb，t-λchb，t≥Ccostb+εb] （7）

式中：[λchb，t]——儲能[b]在時段[t]的充電報價，元/MW；[λdisb，t]——儲能[b]在時段[t]的放電報價，元/MW；[εb]——儲能[b]的利潤空間，元/MW；[Ccostb]——儲能[b]的度電成本，元/MW，主要取決于儲能生命周期內(nèi)的充放電次數(shù)和充放電深度，可由式（8）擬合。

[Cbcostb=CyearbTyearbQtotalb] （8）

式中：[Cyearb]——儲能投資、運維成本等年值，元；[Tyearb]——儲能日歷壽命，a；[Qtotalb]——儲能[b]全壽命周期充放電總量，MWh，由循環(huán)壽命、充放電深度、充放電效率、每次循環(huán)的等效容量保持率等因素共同決定，具體計算流程可參見文獻［25］，此處不再贅述。

1.2 日前能量-調(diào)峰聯(lián)合市場交易流程

1.2.1 申報流程

日前能量-調(diào)峰聯(lián)合市場中，各市場主體在日前向交易中心提交報價與相關技術(shù)參數(shù)，具體包括：

燃煤機組：申報能量報價、深度調(diào)峰報價與啟停調(diào)峰報價，以及額定出力、最小技術(shù)出力、爬坡約束、最短開機時間與最短停機時間等技術(shù)參數(shù)；

風電場：申報最大理論出力（即交易日內(nèi)的風功率預測值）、能量報價與調(diào)峰報價。

儲能：申報充電價格與放電價格，以及額定容量、充放電功率、起始荷電狀態(tài)、最大/最小允許荷電狀態(tài)等技術(shù)參數(shù)。

用戶：申報次日用電負荷曲線。

從以上描述可看出，本文研究的日前能量-調(diào)峰聯(lián)合市場為單邊市場，即發(fā)電側(cè)報量報價、用戶側(cè)報量不報價，各市場主體根據(jù)自身特點向交易中心分散報價。

1.2.2 出清流程

交易中心收到各市場主體申報的報價與技術(shù)參數(shù)后，按能量與調(diào)峰輔助服務總采購成本最小為目標進行日前能量-調(diào)峰聯(lián)合市場優(yōu)化，在考慮網(wǎng)絡潮流約束的前提下，確定成交市場對象、成交電量、成交調(diào)峰容量與成交價格，并完成市場結(jié)算。下文將詳細介紹日前能量-調(diào)峰聯(lián)合市場優(yōu)化過程，包括優(yōu)化目標、約束條件與模型求解。

2 日前能量-調(diào)峰聯(lián)合市場優(yōu)化

2.1 優(yōu)化目標

日前能量-調(diào)峰聯(lián)合市場優(yōu)化以能量與調(diào)峰輔助服務總采購成本F最低為目標，具體為：

[minF=t=1Tg=1Ngen（Cgstartg，t+Cgpeakg，t+Cgpowg，t）+t=1Tk=1NwpCwk，t+t=1Tb=1NbessCbessb，t] （9）

式中：[T]——日內(nèi)優(yōu)化時段數(shù)；[Ngen]——燃煤機組數(shù)量；[Nwp]——風電場數(shù)量；[Nbess]——儲能數(shù)量；[Cgstartg，t]——交易中心支付給燃煤機組[g]的時段[t]啟停調(diào)峰服務購買成本，元；[Cgpeakg，t]——交易中心支付給燃煤機組[g]的時段[t]深度調(diào)峰輔助服務購買成本，元；[Cgpowg，t]——交易中心支付給燃煤機組[g]的時段[t]能量購買成本，元；[Cwk，t]——交易中心支付給風電場[k]的時段[t]能量購買成本與調(diào)峰輔助服務購買成本之和，元；[Cbessb，t]——交易中心支付給儲能[b]的時段[t]調(diào)峰輔助服務購買成本，元。下文將對式（9）中涉及的各類購電成本進行詳細描述：

1）燃煤機組啟停調(diào)峰服務購買成本

[Cgstartg，t=xg，t（1-xg，t-1）Sg] （10）

式中：[xg，t]——燃煤機組[g]在時段[t]開機狀態(tài)0-1變量，“1”表示開機狀態(tài)，“0”表示關機狀態(tài)；[Sg]——機組[g]的啟停調(diào)峰輔助服務報價，元/MW。

2）燃煤機組能量購買成本與深度調(diào)峰輔助服務購買成本

[Cgpowg，t=m=1Nmλgpowg，mPgpowg，t，mΔT] （11）

[Cgpeakg，t=n=1Nnλgpeakg，nPgpeakg，t，nΔT] （12）

式中：[Nm]——燃煤機組能量報價總段數(shù)；[λgpowg，m]——燃煤機組[g]在第[m]個能量報價段的報價，元/MW；[Pgpowg，t，m]——時段[t]燃煤機組[g]在第[m]個能量報價段中標的發(fā)電出力，MW；[Nn]——燃煤機組深度調(diào)峰輔助服務報價總段數(shù)；[λgpeakg，n]——燃煤機組[g]在第[n]個深度調(diào)峰輔助服務報價段的報價，元/MW；[Pgpeakg，t，n]——時段[t]燃煤機組[g]在第[n]個報價段中標的深度調(diào)峰輔助服務功率，MW。燃煤機組[g]在時段[t]的發(fā)電出力如式（13）所示。

[Pgeng，t=m=1NmPgpowg，t，m，" αPmaxg≤Pgeng，t≤PmaxgαPmaxg-n=1NnPgpeakg，t，n，" Pminglt;Pgeng，tlt;αPmaxg] （13）

從式（13）可看出，燃煤機組發(fā)電出力由能量市場與調(diào)峰輔助服務市場的中標情況共同決定，因此，有必要構(gòu)建日前能量-調(diào)峰聯(lián)合市場，進行能量-調(diào)峰輔助服務聯(lián)合出清。

3）風電場能量購買成本與調(diào)峰輔助服務購買成本總和

[Cwk，t=λwpowkPwpk，tΔT+r=1Nrλwpeakk，rPwpeakk，t，rΔT] （14）

式中：[λwpowk]——風電場[k]的能量報價，元/MW；Nr——風電場調(diào)峰報價總段數(shù)；[λwpeakk，r]——風電場[k]在第[r]個調(diào)峰報價段的報價，元/MW；[Pwpeakk，t，r]——時段[t]風電場[k]在第[r]個報價段中標的調(diào)峰功率，MW。風電場[k]在時段[t]的上網(wǎng)功率為：

[Pwpk，t=Pwp，maxk，t-r=1NrPwpeakk，t，r] （15）

4）儲能調(diào)峰購買成本

[Cbessb，t=（λdistPdisb，t-λchtPchb，t）ΔT] （16）

式中：[Pdisb，t]——儲能[b]在在時段[t]中標的放電功率，MW；[Pchb，t]——儲能[b]在在時段[t]中標的充電功率，MW。

2.2 約束條件

1）系統(tǒng)功率平衡約束

[g=1NgenPgeng，t+k=1NwpPwpk，t+b=1Nbess（Pdisb，t-Pchb，t）=Ploadt] （17）

式中：[Ploadt]——時段[t]的系統(tǒng)負荷，MW。

2）燃煤機組爬坡約束和出力約束

[-Prdg≤Pgeng，t-Pgeng，t-1≤Prug] （18）

[xg，tPming≤Pgeng，t≤xg，tPmaxg] （19）

式中：[Prug]——燃煤機組[g]的上爬坡速率，MW/h；[Prdg]——燃煤機組[g]的下爬坡速率，MW/h。

3）燃煤機組啟、停時間約束

[yg，t+u=0Tongzg，t+u≤1] （20）

[zg，t+u=0Tongyg，t+u≤1] （21）

式中：[yg，t]——燃煤機組[g]是否在時段[t]進行開機操作的0-1變量；[zg，t]——燃煤機組[g]是否在時段[t]進行關機操作的0-1變量，“1”表示進行開、關機操作，“0”表示不進行開、關機操作；[Tong]——機組[g]的最短持續(xù)運行時間，h；[Toffg]——機組[g]的最短持續(xù)運行、停機時間，h。

4）燃煤機組啟、停邏輯約束

[xg，t-xg，t-1=yg，t-zg，t] （22）

[yg，t+zg，t≤1] （23）

5）燃煤機組能量/深度調(diào)峰輔助服務分段中標約束

[0≤Pgeng，t，m≤Pgpow，maxg，m-Pgpow，ming，m] （24）

[0≤Pgpeakg，t，n≤Pgpeak，maxg，n-Pgpeak，ming，n] （25）

式中：[Pgpow，maxg，m]——燃煤機組[g]第[m]個能量報價段的功率上限，MW；[Pgpow，ming，m]——燃煤機組[g]第[m]個能量報價段的功率下限，MW；[Pgpeak，maxg，n]——燃煤機組[g]第[n]個深度調(diào)峰輔助服務報價段的功率上限，MW；[Pgpeak，ming，n]——燃煤機組[g]第[n]個深度調(diào)峰輔助服務報價段的功率下限，MW。

6）風電場出力約束

[Pwp，mink，t≤Pwpk，t≤Pwp，maxk，t] （26）

7）風電場調(diào)峰輔助服務分段中標約束

[0≤Pwpeakk，t，r≤Pwpeak，maxk，r-Pwpeak，mink，r] （27）

式中：[Pwpeak，maxk，r]——風電場[k]第[r]個調(diào)峰輔助服務報價段的功率上限，MW；[Pwpeak，mink，r]——風電場[k]第[r]個調(diào)峰輔助服務報價段的功率下限，MW。

8）儲能運行約束

[Esoc，minb≤Esocb，t≤Esoc，maxb] （28）

[Esocb，t=Esocb，t-1+ηchbuchb，tPchb，tCcapb-Pdisb，tudisb，tηdisbCcapbΔT] （29）

[0≤uchb，tPchb，t≤uchb，tPch，maxb] （30）

[0≤udisb，tPdisb，t≤udisb，tPdis.maxb] （31）

[udisb，t+uchb，t≤1] （32）

式中：[Esoc，minb]——儲能[b]的最小允許荷電狀態(tài)；[ηdisb]——儲能[b]放電效率；[Pdis，maxb]——儲能[b]額定放電功率，MW；[uchb，t]——儲能[b]在時段t是否充電的0-1變量，“1”表示充電，“0”表示未充電；[udisb，t]——儲能[b]在時段[t]是否放電的0-1變量，“1”表示放電，“0”表示沒有放電。

9）電網(wǎng)潮流約束

為降低模型求解難度，采用直流潮流模型計算線路潮流，因此，存在如式（33）所示的支路潮流約束。

[-Pmaxl≤Pl，t=θstartl，t-θendl，tXl≤Pmaxl，l∈Ωline] （33）

式中：[Xl]——支路[l]電抗，Ω；[Pl，t]——支路[l]在時段[t]的有功潮流，kW；[Pmaxl]——支路[l]的潮流傳輸極限；[θstartl，t]——支路[l]首節(jié)點在時段[t]的電壓相角；[θendl，t]——支路l末節(jié)點在時段[t]的電壓相角，由燃煤機組、風電場與儲能等市場主體的實際上網(wǎng)功率與系統(tǒng)負荷需求共同決定；[Ωline]——支路集合。

2.3 模型求解

從上文可看出，日前能量-調(diào)峰聯(lián)合市場優(yōu)化模型為考慮復雜約束的MIP問題，本文采用GAMS軟件提供的CPLEX求解器對其進行求解。

3 算例分析

為驗證所提日前能量-調(diào)峰聯(lián)合市場優(yōu)化模型的有效性，本文對IEEE 14節(jié)點系統(tǒng)進行改進，并以此為基礎進行仿真分析。

3.1 算例介紹

本文分別將兩座風電場與儲能接入IEEE 14節(jié)點系統(tǒng)，構(gòu)成如圖3所示的算例系統(tǒng)。

圖3中，風電場A、B分別接入節(jié)點8與9，裝機容量分別為80與120 MW；儲能A、B同樣分別接入節(jié)點8與9，容量均為100 MWh，由磷酸鐵鋰電池集成，技術(shù)參數(shù)見附表A1。燃煤機組1～5分別接入節(jié)點1、2、8、6與3，裝機容量分別為100、155、300、350與350 MW，技術(shù)參數(shù)見附表A2。

交易日內(nèi)，算例系統(tǒng)負荷預測結(jié)果如圖4所示，最小值與最大值分別為677.44與1200 MW，出現(xiàn)在時段5與時段19。除節(jié)點1、7與8外，其他11個節(jié)點均接入負荷，各節(jié)點負荷占負荷的百分比見附表A3。風電場A、B交易日內(nèi)風功率預測值如圖5所示，圖中給出的風功率預測值即為風電場A、B在交易日內(nèi)的最大理論出力。

日前能量-調(diào)峰聯(lián)合市場中，燃煤機組需同時向交易中心提交分段遞增能量報價與深度調(diào)峰輔助服務報價。能量報價從機組最小技術(shù)出力開始，分5段連續(xù)報價（即[Nm=5]），各報價段功率上限與報價見附表A4。深度調(diào)峰輔助服務報價從機組基準調(diào)峰功率開始，分4段連續(xù)報價（即[Nn=4]），各報價段功率下限與報價見附表A5。風電場向交易中心提交單一能量報價與分段遞增調(diào)峰輔助服務報價。算例假定風電場A、B向交易中心提交的能量報價均為200元/MWh。風電場調(diào)峰輔助服務報價從最大理論出力開始，將調(diào)峰空間均分為兩段進行報價（即[Nr=2]），具體價格見附表A6。儲能A、B向交易中心提交的充電價格分別為200與210元/MWh，放電價格均為450元/MWh。

3.2 日前能量-調(diào)峰聯(lián)合市場優(yōu)化結(jié)果

采用本文提出的方法對算例系統(tǒng)交易日內(nèi)的運行工況進行優(yōu)化，優(yōu)化結(jié)果對應的總購電成本為5117607.77元，總“棄風”電量為249.2 MWh，“棄風率”為6.41%。燃煤機組1～5在交易日內(nèi)的發(fā)電出力如圖6所示，圖中，虛線表示各機組的基準調(diào)峰功率；風電場A、B交易日內(nèi)的最大理論出力（即預測出力）與實際出力如圖7所示。儲能A、B交易日的充放電功率如圖8所示，圖中，充放電功率大于零表示儲能放電，反之，則表示儲能充電。

交易日內(nèi)，時段03：00—07：00為負荷低谷時段之一，此階段，為滿足調(diào)峰需求：燃煤機組1～3實際出力低于圖6中給出的基準調(diào)峰功率，中標深度調(diào)峰輔助服務；風電場A、B的實際上網(wǎng)功率低于最大理論出力，通過“棄風”提供調(diào)峰輔助服務，如圖7所示；儲能A、B通過充電供調(diào)峰輔助服務，如圖8所示。日前能量-調(diào)峰聯(lián)合市場中，提供調(diào)峰輔助服務會獲得額外收益，因此，各市場主體將主動參與調(diào)峰，共同促進風電接納。

若假定燃煤機組僅提供基本調(diào)峰輔助服務，且儲能A、B不參與調(diào)峰，交易日內(nèi)總購電成本將由5117607.77元增加為5140244.83元，增加額度為22637.06元。與此同時，風電場A、B將大量“棄風”，“棄風”電量將從249.2 MWh上升至337.6 MWh，對應的“棄風”率由6.41%上升為8.68%。從以上結(jié)果可看出，本文提出的能量-調(diào)峰聯(lián)合優(yōu)化方法能統(tǒng)籌考慮燃煤機組深度調(diào)峰、啟停調(diào)峰，風電場主動“棄風”調(diào)峰與儲能充電調(diào)峰等多種調(diào)峰形式，并通過能量-調(diào)峰聯(lián)合優(yōu)化，在最小化能量與調(diào)峰輔助服務總采購成本的同時，促進風電消納。

節(jié)點邊際購電成本是電力市場中的一個重要概念，其物理含義為節(jié)點增加單位負荷后，系統(tǒng)購電成本的增加額。算例系統(tǒng)在交易日內(nèi)未出現(xiàn)阻塞，因此，各節(jié)點邊際購電成本相同，如圖9所示。從圖可看出，負荷低谷時段邊際購電成本最低，其中，時段03：00—07：00邊際購電成本甚至為負。此處，以時段4為例對邊際購電成本小于零的原因進行分析：該時段，風電場B是邊際機組，能量報價與調(diào)峰輔助服務報價分別為200與270元/MWh。此時，若系統(tǒng)負荷增加1 MW，交易中心向風電場B多采購1 MW能量，但同時少采購1 MW調(diào)峰功率，對應的總采購成本將減少70元，因此，時段4的系統(tǒng)邊際購電成本為-70元/MWh。

3.3 市場主體調(diào)峰輔助服務中標容量與收益分析

03：00—07：00為負荷低谷時段之一，調(diào)峰需求大。此階段，各市場主體均主動參與調(diào)峰，共同促進風電接納。風電場、燃煤機組與儲能在時段03：00—07：00的調(diào)峰輔助服務中標容量如圖10～圖12所示。

交易日內(nèi)，兩座風電場能量報價相同，但風電場A調(diào)峰輔助服務報價低于風電場B，因此，風電場A在時段03：00—07：00中標的深度調(diào)峰輔助服務容量高于風電場B，分別為143.45與105.85 MWh，占各自理論可用調(diào)峰容量的百分比分別為21.54%與10.45%。對風電場來說，參與調(diào)峰輔助服務的收益為調(diào)峰輔助服務收入減去因參與調(diào)峰損失的能量上網(wǎng)收入。按此計算，風電場A、B在時段03：00—07：00獲得的調(diào)峰收益分別為6109.3元與2324.58元。從以上對比可看出，風電場B調(diào)峰輔助服務報價較高，但中標的調(diào)峰輔助服務容量與獲得的調(diào)峰收益均低于報價較低的風電場A。也就是說，風電場申報較高的調(diào)峰輔助服務價格未必會獲得較高的調(diào)峰收益，從而引導風電場在日前能量-調(diào)峰聯(lián)合市場中合理報價，避免不合理的調(diào)峰輔助服務報價。

從圖11可看出，燃煤機組1～3在負荷低谷時段03：00—06：00中標深度調(diào)峰輔助服務，總中標容量分別為19.6、10.0與42.0 MWh。其中，燃煤機組01：00—03：00在時段03：00—06：00中標深度調(diào)峰輔助服務；燃煤機組2在時段03：00—06：00中標深度調(diào)峰輔助服務。燃煤機組深度調(diào)峰輔助服務中標容量與其申報價格與容量有關。對燃煤機組來說，一檔深度調(diào)峰輔助服務申報價格最低。燃煤機組3一檔深度調(diào)峰輔助服務申報容量為10.5 MW，遠高于燃煤機組1、2的一檔深度調(diào)峰輔助服務申報容量，因此，機組3中標的深度調(diào)峰輔助服務容量最多。與風電場一樣，燃煤機組參與深度調(diào)峰輔助服務的收益為調(diào)峰輔助服務收入減去因參與深度調(diào)峰損失的能量上網(wǎng)收入。按此計算，燃煤機組1～3在時段03：00—06：00獲得的深度調(diào)峰收益分別為294.94、52.5與818.16元。

從附表A1給出的儲能技術(shù)參數(shù)可計算出儲能A、B在時段03：00—07：00可提供的最大理論調(diào)峰輔助服務容量（即最大充電容量）均為61.22 MWh。從圖12可看出，時段03：00—06：00的調(diào)峰需求較大，因此，盡管儲能A的充電報價略低于儲能B的充電報報價，但儲能A、B在此時段中標的總調(diào)峰輔助服務容量均達到其理論最大值61.22 MWh。與其他市場主體不同，儲能參與調(diào)峰輔助服務的收益體現(xiàn)在負荷高峰時段將參與調(diào)峰輔助服務吸收的能量以更高的價格出售給交易中心。

3.4 儲能容量對市場優(yōu)化結(jié)果的影響

圖13給出了儲能容量對日前能量-調(diào)峰聯(lián)合市場優(yōu)化結(jié)果影響。若系統(tǒng)中未配置儲能，交易日總購電成本與“棄風”率分別為5151246.57元與10%。隨著儲能配置容量增加，總購電成本和“棄風”率均呈下降趨勢，當儲能總?cè)萘吭鲋?00 MWh時，總購電成本由5151246.57降至5099962.30元，下降幅度為0.99%；“棄風”率由10%降至3.8%，下降幅度為62%。由此可見，對算例系統(tǒng)來說，配置儲能可有效降低總購電成本，并顯著提升風電接納能力。

4 結(jié) 論

現(xiàn)有研究未在能量-調(diào)峰聯(lián)合市場優(yōu)化模型中對燃煤機組、風電場以及儲能的調(diào)峰能力進行全面考慮，具有一定的局限。為彌補這一不足，本文建立同時考慮燃煤機組深度調(diào)峰、啟停調(diào)峰，風電場主動“棄風”調(diào)峰與儲能充電調(diào)峰的日前能量-調(diào)峰聯(lián)合市場優(yōu)化模型，并采用CPLEX求解器求解。基于改進IEEE 14節(jié)點系統(tǒng)的仿真分析表明：

1）本文提出的日前能量-調(diào)峰聯(lián)合優(yōu)化方法能激勵燃煤機組、風電場與儲能等市場主體提供深度調(diào)峰、啟停調(diào)峰、“棄風”調(diào)峰與充電調(diào)峰等多類型調(diào)峰服務，在確保能量與調(diào)峰輔助服務總采購成本最低的同時，盡可能消納風電，支撐新型電力系統(tǒng)發(fā)展。

2）日前能量-調(diào)峰聯(lián)合市場中，調(diào)峰輔助服務申報價格較低的風電場將中標更多的調(diào)峰容量，即主動“棄風”電量更多、進而有可能獲得更多調(diào)峰收益，在解決風電場不公平“棄風”問題的同時，引導風電場在調(diào)峰輔助服務市場中合理報價，保證市場平穩(wěn)運行。

3）儲能是日前能量-調(diào)峰聯(lián)合市場中的新型調(diào)峰資源，可通過“充電”提供調(diào)峰輔助服務，配置儲能可有效降低能量與調(diào)峰輔助服務總采購成本，并顯著提升風電接納能力?，F(xiàn)階段，儲能成本仍高居不下，有必要進一步探索系統(tǒng)中的最優(yōu)儲能配置容量。

［參考文獻］

［1］ 國家能源局. 2022年一季度網(wǎng)上新聞發(fā)布會文字實錄［EB/OL］. 2022（2022-1-28） ［2022-3-30］. www.nea.gov.cn /202201/28/c_1310445390.htm.

National Energy Administration. Text transcript of the online press conference for the first quarter of 2022［EB/OL］. 2022（2022-1-28）［2022-3-30］. www.nea.gov.cn /202201/28/c_1310445390.htm.

［2］ MA H Y， YAN Z， LI M J， et al. Benefit evaluation of the deep peak-regulation market in the northeast China grid［J］. CSEE journal of power and energy systems， 2019， 5（4）： 533-544.

［3］ 崔楊， 紀銀鎖， 仲悟之， 等. 基于電-熱聯(lián)合儲能的棄風消納調(diào)度方法［J］. 太陽能學報， 2021， 42（12）： 192-199.

CUI Y， JI Y S， ZHONG W Z， et al. Dispatching method of wind power curtailment based on electric-thermal combined energy storage［J］. Acta energiae solaris sinica， 2021， 42（12）： 192-199.

［4］ 何洪浩， 李文軍， 陳文， 等. 630 MW超臨界火電機組深度調(diào)峰適應性研究［J］. 電站系統(tǒng)工程， 2022， 38（1）： 50-52.

HE H H， LI W J， CHEN W， et al. Adaptability research on depth peak-load regulation burning mixture of bituminous coal for a supercritical 630 MW unit［J］. Power system engineering， 2022， 38（1）： 50-52.

［5］ 孫玉樹， 楊敏， 師長立， 等. 儲能的應用現(xiàn)狀和發(fā)展趨勢分析［J］. 高電壓技術(shù)， 2020， 46（1）： 80-89.

SUN Y S， YANG M， SHI C L， et al. Analysis of application status and development trend of energy storage［J］. High voltage engineering， 2020， 46（1）： 80-89.

［6］ 崔楊， 周慧娟， 仲悟之， 等. 考慮火電調(diào)峰主動性與需求響應的含儲能電力系統(tǒng)優(yōu)化調(diào)度［J］. 高電壓技術(shù)， 2021， 47（5）： 1674-1683.

CUI Y， ZHOU H J， ZHONG W Z， et al. Optimal dispatch of power system with energy storage considering deep peak regulation initiative of thermal power and demand response［J］. High voltage engineering， 2021， 47（5）： 1674-1683.

［7］ 國家能源局. 國家能源局正式啟動提升火電靈活性改造示范試點工作［EB/OL］， 2016（2016-6-14） ［2022-3-30］. www.nea.gov.cn/2016-06/20/c_135451050.htm.

National Energy Administration. The National Energy Administration officially launched the pilot project to improve the flexibility of thermal power plants［EB/OL］. 2016（2016-6-14） ［2022-03-30］. www.nea.gov.cn/2016-06/20/c_135451050.htm.

［8］ 國家能源局. 關于促進電儲能參與“三北”地區(qū)電力輔助服務補償（市場）機制試點工作的通知［EB/OL］， 2016（2016-6-18） ［2022-3-30］. http：//zfxxgk.nea.gov.cn/auto92/201606/t20160617_2267.htm.

National Energy Administration. Notice on promoting the pilot work that electric energy storage systems participate the compensation （market） mechanism for electric power ancillary services in the“Three Norths”region［EB/OL］. 2016（2016-6-18） ［2022-3-30］. http：//zfxxgk.nea.gov.cn/auto92/201606/t20160617_2267.htm.

［9］ 楊寅平， 曾沅， 秦超， 等. 面向深度調(diào)峰的火電機組靈活性改造規(guī)劃模型［J］. 電力系統(tǒng)自動化， 2021， 45（17）： 79-88.

YANG Y P， ZENG Y， QIN C， et al. Planning model for flexibility reformation of thermal power units for deep peak regulation［J］. Automation of electric power systems， 2021， 45（17）： 79-88.

［10］ GUO Y F， ZHANG Q Z， WANG Z Y. Cooperative peak shaving and voltage regulation in unbalanced distribution feeders［J］. IEEE transactions on power systems， 2021， 36（6）： 5235-5244.

［11］ 劉永奇， 張弘鵬， 李群， 等. 東北電網(wǎng)電力調(diào)峰輔助服務市場設計與實踐［J］. 電力系統(tǒng)自動化， 2017， 1（10）： 148-154.

LIU Y Q， ZHANG H P， LI Q， et al. Design and practice of peak regulation ancillary service market for northeast China power grid［J］. Automation of electric power systems， 2017， 41（10）： 148-154.

［12］ 施雄華， 薛忠， 唐健， 等. 考慮火電調(diào)峰資源協(xié)調(diào)優(yōu)化的廣西調(diào)峰輔助服務市場實踐［J］. 電力系統(tǒng)自動化， 2021， 45（22）： 183-190.

SHI X H， XUE Z， TANG J， et al. Practice of peak regulation ancillary service market in Guangxi of China considering coordinative optimization of thermal power peak regulation resources［J］. Automation of electric power systems， 2021， 45（22）： 183-190.

［13］ 丁強， 任遠， 胡曉靜， 等. 山西電力現(xiàn)貨與深度調(diào)峰市場聯(lián)合優(yōu)化機制設計與實踐［J］. 電網(wǎng)技術(shù)， 2021， 45（6）： 2219-2228.

DING Q， REN Y， HU X J， et al. Design and practice of joint optimization mechanism for spot market and deep peak shaving regulation market of Shanxi in China［J］. Power system technology， 2021， 45（6）： 2219-2228.

［14］ 李嘉龍， 陳雨果， 劉思捷， 等. 考慮深度調(diào)峰的電力日前市場機制設計［J］. 電力系統(tǒng)自動化， 2019， 43（4）： 9-15， 78.

LI J L， CHEN Y G， LIU S J， et al. Mechanism design of day-ahead market considering deep peak regulation［J］. Automation of electric power systems， 2019， 43（4）： 9-15， 78.

［15］ 張愛楓， 劉或讓， 王勇， 等. 計及深度調(diào)峰輔助服務與多典型日的年度發(fā)電計劃優(yōu)化模［J］. 重慶大學學報， 2023， 46（8）： 20-31.

ZHANG A F， LIU H R， WANG Y， et al. Annual power generation plan optimization model considering deep peak regulation auxiliary services and multiple typical day［J］. Journal of Chongqing University， 2023， 46（8）： 20-31.

［16］ 藺晨暉， 吳文傳， 王彬， 等. 考慮調(diào)峰輔助服務的熱電聯(lián)合調(diào)度方法［J］. 中國電力， 2019， 52（6）： 45-53.

LIN C H， WU W C， WANG B， et al. Coordinated dispatch method of heat and power systems considering peaking ancillary services［J］. Electric power， 2019， 52（6）： 45-53.

［17］ 陳錦鵬， 胡志堅， 陳嘉濱， 等. 考慮階梯式碳交易與供需靈活雙響應的綜合能源系統(tǒng)優(yōu)化調(diào)度［J］. 高電壓技術(shù)， 2021， 47（9）： 3094-3104.

CHEN J P， HU Z J， CHEN J B， et al. Optimal dispatch of integrated energy system considering ladder-type carbon trading and flexible double response of supply and demand［J］. High voltage engineering， 2021， 47（9）： 3094-3104.

［18］ 李軍徽， 邢志同， 穆鋼， 等. 供熱期調(diào)峰約束下電網(wǎng)棄風情況分析［J］. 太陽能學報， 2018， 39（3）： 596-602.

LI J H， XING Z T， MU G， et al. Analysis on wind power curtailment under restriction of peak load regulation during heating period［J］. Acta energiae solaris sinica， 2018， 39（3）： 596-602.

［19］ DAI T， QIAO W. Optimal bidding strategy of a strategic wind power producer in the short-term market［J］. IEEE transactions on sustainable energy， 2015， 6（3）： 707-719.

［20］ 武昭原， 周明， 姚尚潤， 等. 基于合作博弈論的風儲聯(lián)合參與現(xiàn)貨市場優(yōu)化運行策略［J］. 電網(wǎng)技術(shù)， 2019， 43（8）： 2815-2824.

WU Z Y， ZHOU M， YAO S R， et al. Optimization operation strategy of wind-storage coalition in spot market based" on" cooperative" game" theory［J］. Power" system technology， 2019， 43（8）： 2815-2824.

［21］ ZHANG H， LIU Y Q， YAN J， et al. Improved deep mixture density network for regional wind power probabilistic forecasting［J］. IEEE transactions on power systems， 2020， 35（4）： 2549-2560.

［22］ 彭小圣， 熊磊， 文勁宇， 等. 風電集群短期及超短期功率預測精度改進方法綜述［J］. 中國電機工程學報， 2016， 36（23）： 6315-6326， 6596.

PENG X S， XIONG L， WEN J W， et al. A summary of the state of the art for short-term and ultra-short-term wind power prediction of regions［J］. Proceedings of the CSEE， 2016， 36（23）： 6315-6326， 6596.

［23］ 黃際元， 楊俊， 黃治國， 等. 基于擴展短期預測和動態(tài)優(yōu)化的儲能調(diào)峰策略［J］. 太陽能學報， 2021， 42（9）： 470-476.

HUANG J Y ， YANG J， HUANG Z G， et al. Control strategy of energy storage power station participating in power grid peak" shaving based on extended" short-term" load forecasting and dynamic optimization［J］. Acta energiae solaris sinica， 2021， 42（9）： 470-476.

［24］ 李建林， 武亦文， 王楠， 等. 吉瓦級電化學儲能電站研究綜述及展望［J］. 電力系統(tǒng)自動化， 2021， 45（19）： 2-14.

LI J L， WU Y W， WANG N， et al. Review and prospect of Gigawatt-level electrochemical energy storage power station［J］. Automation of electric power systems， 2021， 45（19）： 2-14.

［25］ 王荔妍， 陳啟鑫， 何冠楠， 等. 考慮電池儲能壽命模型的發(fā)電計劃優(yōu)化［J］. 電力系統(tǒng)自動化， 2019， 43（8）： 93-100.

WANG L Y， CHEN Q X， HE G N， et al. Optimization of generation scheduling considering battery energy storage life model［J］. Automation of electric power systems， 2019， 43（8）： 93-100.

JOINT OPTIMIZATION OF DAY-AHEAD ENERGY AND PEAK REGULATION CONSIDERING MULTI TYPE MARKET ENTITIES

Zhang Xinsong，Gao Xi，Zhu Jianfeng，Chen Pei，Guo Yunxiang，Lu Cheng

（College of Electrical Engineering， Nantong University， Nantong 226019， China）

Abstract： In new electric power systems， wind power penetration level is increasing continuously， thus requiring more peak-regulation capacities. It is necessary to encourage multi type market entities to actively provide peak-regulation services by joint clear of day-ahead energy and peak regulation markets for a purpose of supporting large-scale wind power consumption. This paper firstly analyzes peak-regulation capacities and bid rules of multi type market entities， such as coal-fired generators， wind farms and energy storage systems. On this basis， a joint optimization of day-ahead energy and peak regulation is developed， which simultaneously considers deep and start-stop peak-regulations of coal-fired generators， wind power curtailment peak-regulation of wind farms and charging peak-regulation of energy storage systems. The optimization attempts to minimize total purchase costs of energy and peak-regulation services subject to technology and bid constraints on market entities， together with constraints on power flow， which is a large-scale mixed integer linear programming （MILP）， and can be solved by the CPLEX solver. The simulation experiments based on improved IEEE 14-bus systems validate the proposed joint optimization of day-ahead energy and peak regulation and its solving algorithm. In addition， benefits of multi type market entities resulting from providing peak-regulation services are analyzed based on the simulation experiments.

Keywords： energy storage； wind power； electricity markets； peak-regulation service； joint optimization