深度文章｜促进风电消纳的发电权交易优化方法

4 算例分析

4.1 仿真系统

以北方某省级电网历史数据进行供暖季内1—3 月份的逐月模拟计算。该地区全网最大发电负荷为 27 330 MW，最小发电负荷 19 082 MW，发电负荷均值为 23 309 MW。总装机容量 46 800 MW，其中煤电 33 000 MW，水电 800 MW，风电约13 000 MW。统调火电机组装机容量为 26 760 MW，自备电厂装机容量 6 240 MW。由于水电容量较小，且供暖季内水资源匮乏，可暂忽略水电机组。供暖季部分统调火电机组运行状态调整为热电联产（CHP）模式，容量为 15 980 MW，全部在线运行，最小稳定发电功率为额定容量的 80%。

统调非供暖机组容量为 10 780 MW，最小稳定发电功率约为额定容量的 50%，各月在线运行机组有所变化，根据实际弃风率试算，形成典型运行场景，如表 1 所示。

4.2 发电权交易对风电概率特性的影响模拟

本文尝试在较宽的数据范围内，选取不同的日内交易时段、启动交易风电理论功率阈值与最大交易功率参数组合，分析弃风指标的变化情况。图 5 显示了在启动交易风电理论功率阈值为2 000 MW 和最大交易容量为 5 000 MW 时，不同电理论功率与自备电厂所属企业新增用电功率之差，简称“置换后风电理论功率”）累积概率曲线的变化情况。仿真结果显示，该措施主要对置换后风电理论功率概率曲线的低功率部分产生影响，这反映出该地区在风电理论功率较小时段，其概率分布曲线下降沿在发电权交易作用下变得更加平缓。

图 6 显示了不同最大交易功率与启动交易风电理论功率阈值下概率曲线的变化情况，图中每条曲线的时段设置与图 5 完全一致。可以看出，启动交易风电理论功率阈值越低，最大交易功率越大，置换后风电理论功率曲线的修正越明显。

但是图 6c）、d）说明最大交易功率为 4 000 MW时，降低启动交易风电理论功率阈值已经很难对风电产生影响。另一方面，不同的功率配置下，仅有置换后风电理论功率概率分布曲线低功率部分变化，发电权交易在具体实行过程中还应考虑地区风资源情况进行灵活调度。

4.3 发电权交易促进消纳效果评估

本文算例计算机硬件环境为 Intel core i7-6700HQ 2.60Hz（CPU）\16GB RAM，软件环境为Matlab R2018b。计算速度方面，单组参数进行单月消纳评估计算的时间为 12~40 s，较常规的机组组合模型求解速度有大幅提升。

在发电权交易效果对参数敏感度仿真中，以1—3 月份为研究对象，假定风电理论功率一旦大于 4 000 MW，即可开始进行发电权交易，图 7 显示了系统内消纳情况与发电权交易功率、交易时段两者之间的关系。

在系统原始情况下，1—3 月份的初始弃风率分别为 35%、33%、36%。具体来看，当一天内有14 h 允许发电权交易、最大交易功率为 3 000 MW时，1 月份弃风率可控制在 20% 以下，2、3 月份分别为 24% 和 22%，较 1 月份响应程度略低。另外，相比于 3 月份，1、2 月份的弃风率下降较快段集中于交易时间长、交易功率大的情景下。

依然选择 1—3 月份为研究月，对消纳效果与最大交易功率和启动交易风电理论功率阈值两参数的关系进行数值模拟，仿真结果如图 8 所示，此时交易时间设定为 10 h。可以看出，两参数的二维平面上色阶分布呈倒“L”型，这说明在最大交易功率较小时，弃风情况随最大交易功率的增加而快速减小，当超过 1 000~1 500 MW 时，弃风率对交易功率值敏感度快速下降。而当启动交易风电理论功率阈值较高时，弃风率随该参数的下降而快速降低，但是降至 4 000 MW 后，弃风率变化不再明显。

若自备电厂最大交易功率设定为 2 000 MW，启动交易风电理论功率阈值为 3 500 MW 以下时，1—3 月份的弃风率可以分别控制在 25%、28%、28% 水平上，系统的可再生能源消纳能力增强。

在相同的算例系统中，对比文献 [21] 的计算结果可知，与火电机组灵活性改造相比，发电权交易提升消纳效果作用有限，在火电深度调峰潜力用尽时，发电权交易可以作为备用措施参与消纳。

5 结论

本文在总结发电权交易执行方式和影响因素的基础上，基于随机生产模拟方法建立了适用于自备电厂与风电企业发电权交易提升风电消纳效果的中长期评估模型，提出了交易关键参数的优化方案。通过仿真研究了发电权交易对增强系统消纳能力的促进作用，得到了以下结论。

（1）实时运行中，发电权交易时段设置直接影响最大消纳潜力，应适当放开发电权交易时段限制。

（2）总体来看，发电权交易具有弃风缓解作用。降低发电权启动交易风电理论功率阈值、增加最大交易功率均可增强消纳提升作用，但效果提升缓慢，最理想工况（日内运行 14 h、最大交易功率 3 000 MW、启动交易风功率阈值 4 000 MW）下仅能将供暖季内 1 月份的弃风率控制在 20% 水平。

本文所提方法能够在规划阶段将发电权交易纳入计算框架，并为后期运行中交易时段设计等关键参数优化提供快速简洁的试算方法，计算速度较常规生产模拟有明显提升，提高了远期市场机制设计与系统运行边界确定的决策能力，也为市场参与方电量估算提供了参考信息。

参考文献：

IRENA: Renewable capacity statistics 2018[R]. 2018. [1]张正陵. 中国“十三五”新能源并网消纳形势、对策研究及多情景运行模拟分析 [J]. 中国电力, 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.

胡朝阳, 毕晓亮, 王珂, 等. 促进负备用跨省调剂的华东电力调峰辅助服务市场设计 [J]. 电力系统自动化, 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]华夏, 罗凡, 张建华, 等. 促进新能源消纳的自备电厂发电权交易模式可行性探讨 [J]. 电力系统自动化, 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, 刘坤, 温蜜. 基于区块链技术的跨省发电权交易模型 [J].电力建设, 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, 宋栋, 夏天, 等. 基于合作博弈论的常规能源与新能源发电权置换交易模式研究 [J]. 电网技术, 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]张显, 耿建, 庞博, 等. 发电权交易在中国节能减排中的应用及分析 [J]. 电力系统自动化, 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 diverse market-based approaches to integrate renewable energy: experiences fromChina[J]. Energy Policy, 2019, 125: 330–337.

[13]王雁凌, 邱小燕, 许传龙. 以节能降耗为目标的发电权交易阻塞管

理模型 [J]. 电网技术, 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, 吴继平, 王运, 等. 适应发电权交易的可再生能源有功控制策略 [J]. 电力系统自动化, 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“互联网+”的风火发电权交易促进风电接纳研究 [J]. 太阳能学报, 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, 鲁宗相, 乔颖, 等. 基于非时序生产模拟的风电消纳评估方法 [J]. 电力建设, 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.吴少雷, 冯玉, 吴凯, 等. 基于交换卷积的含高比例新能源电力系统运行评估方法 [J]. 中国电力, 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]马彦宏, 姜继恒, 鲁宗相, 等. 基于随机生产模拟的火电机组深度调峰提升新能源消纳能力评估方法 [J]. 全球能源互联网, 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]

作者简介：

徐昊亮 (1981—)，男，硕士，高级工程师，从事电力系统自动化、电网智能化规划等方面研究，E-mail: 17523016@qq.com；

靳攀润 (1985—)，男，硕士，高级工程师，从事电力系统继电保护、智能电网规划应用等相关研究，E-mail:pf1091@163.com；

姜继恒 (1994—)，男，通信作者，博士研究生，从事电力系统规划研究，E-mail: jiheng1020@163.com；鲁宗相 (1974—)，男，博士，副教授，从事风电/太阳能发电并网分析与控制、能源与电力宏观规划、电力系统可靠性、分布式电源及微电网研究，E-mail: luzongxiang98@tsinghua.edu.cn；

乔颖 (1981—)，女，博士，副研究员，从事新能源、分布式发电、电力系统安全与控制研究，E-mail: qiaoying@tsinghua.edu.cn。