多輪一階密封拍賣碳交易機制下的電力系統低碳經濟調度

胡佳琳，陳 冰，肖 成，韓 博，鐘嘉慶

(1.中國電能成套設備有限公司，北京 100080；2. 河北省電力電子節能與傳動控制重點實驗室(燕山大學)，河北 秦皇島 066004；3. 國網唐山市豐潤區供電分公司，河北 唐山 063000)

面對日益嚴重的環境問題，我國提出了低碳生產的理念，研究低碳調度的方式具有很現實的意義[1-2]。風力發電是解決電力行業溫室氣體排放及環境污染問題最有效且實際的辦法之一,但是風電出力的波動性與不確定性問題給電力系統調度增加了難度[3-4]。文獻[5]針對風電的波動性，建立了時序多狀態風電功率輸出模型。將投運風險度作為運行可靠性指標計入約束條件。文獻[6-7]將風電場風險權重系數或者風險系數引入到模型中，并作為風險成本加入到目標函數中。文獻[8]綜合度量了風電波動的可能性和嚴重性，建立了計及大規模風電和柔性負荷的電力系統供需側隨機調度模型。文獻[9]考慮了風電的概率特性，建立了考慮柔性負荷調峰的大規模風電隨機調度模型。本文利用柔性負荷對風電出力的不確定性進行相關處理。文獻[10]針對計及閥點效應等非線性因素的含風電電力系統經濟調度問題,提出了一種區間經濟調度非線性對偶優化方法,將風電有功功率描述為區間數,建立樂觀及悲觀雙層非線性經濟調度優化模型,結合非線性對偶理論及原對偶內點法求解雙層非線性悲觀解模型。

專家學者就碳交易機制作了較多的研究。文獻[11]文中基于低碳經濟理念，將碳交易機制引入電力系統經濟調度。文獻[12]為應對全球變暖,提高電網運行的經濟與環境效益,引入碳交易機制,以系統發電能源消耗成本與碳交易成本之和作為目標函數,建立了碳交易機制下電力系統優化調度模型。文獻[13]引入碳排放權交易成本函數，建立考慮碳交易成本、燃料成本、環境成本的冷日電聯供系統低碳調度多目標優化模型。文獻[14]合理運用相關理論，引入投票選舉的方式以及加總原理，建立了在求償權下的電力碳排放權分配模型。文獻[15]創立了一種基于歷史排放赤字的電力初始碳排放權公理化分配方法。文獻[16]比較了電力市場環境下，采用兩種分配準則，分析了碳交易在增加利潤方面的潛力和對電力行業的意義。文獻[17-18]分別分析了多準則情況下碳排放權的初始分配問題和碳排放權分配的公平性存在嚴重分歧，均提出碳排放權初始分配模型，解決了分配過程中的公平性問題。文獻[19]分析了三種傳統分配方式的優劣，并對歐盟的拍賣分配機制深入研究，提出符合我國國情的分配方式。文獻[20]考慮了拍賣機制中拍賣人對價格的保留對結果的影響，構建了在保留價影響下，競價策略可變的碳交易拍賣模型。

1 碳交易的引入

1.1 碳交易內涵

碳交易是把碳排放權看成一種商品進行買賣。其目的是減少碳排放量。為了限制碳排放的總量，監督管理部門將碳排放權發給各個碳排放源。各碳排放源可以將剩余碳排放權賣出，獲得利潤。當碳排放權不足時，則可以購買，但需要支付碳交易成本。引入碳交易機制，不但可以使清潔能源得到優化配置，而且還會使碳排放產生成本，碳減排產生負成本。風電非化石能源，因此碳交易機制只是針對火電機組。

1.2 碳排放權交易

分析發電機組碳排放權交易量考慮以下幾種情況。

a. 當火電機組的碳排放權額度不足時，則需購買碳排放權。在總成本中包括交易成本及拍賣成本兩部分，依據本文，這兩部分碳排放權都將通過多輪一階密封拍賣的方式獲得，總成本為

(1)

(2)

(3)

b. 當火電機組的碳排放權額度剩余時，可將其賣出而獲得一定收入。其收益的公式為

(4)

c. 當發電機組的實際碳排放量大于系統免費分配額度，但是小于發電機組總分配額度時，系統的成本公式為

(5)

買家i的最優報價為

(6)

式中:Ci為買家i的預算；k為單位成交價比例；n為買家的個數。

2 多輪一階密封拍賣碳交易機制下的含風電系統低碳經濟調度模型

傳統拍賣機制研究，通常沒有考慮買家的購買能力，即預算，但買家的資本限制和邊際減排成本都可能會影響拍賣效果，所以需要金額的預算約束考慮到拍賣過程中。另外，由于碳交易中的拍賣方通常是政府管理者委托的碳交易所或者專門機構，因此，成交后，要考慮傭金的影響。

本文研究的基于多輪一階密封拍賣也屬于密封拍賣。考慮了競價方數量、預算、傭金比例等影響因素，求解出最優的報價策略，使碳排放權盡多的流向了碳排放量高的電力企業，不僅鼓勵了高碳電力企業減排，而且可以以最佳收益進行碳交易，從而進一步降低碳交易成本。針對風電并網的不確定性問題，本文通過柔性負荷來進行處理。最終建立了基于多輪一階密封拍賣的碳交易機制和基于柔性負荷的含風電系統多目標低碳調度模型。

2.1 目標函數

2.1.1 基于多輪一階密封拍賣的碳交易機制下的低碳調度目標

現階段的拍賣機制具有一階密封拍賣的性質。因此需要用一階密封拍賣模型來解釋參與拍賣的發電企業的競拍策略，這樣可以反映更加接近實際且對買家有利的價格。根據本文1.2節，綜合考慮三種碳交易的情況，其中可將情況二的收益最大化等價認為負的成本最小化，因此，本文建立了基于多輪一階密封拍賣的碳交易機制下低碳調度目標，其表達式如下：

(7)

2.1.2 基于柔性負荷的含風電系統經濟調度目標

柔性負荷可有效解決風電并網不確定性問題。這是因為其響應快且較經濟，可依據用戶的需求安排用電。因此，本文將柔性負荷應用于含風電電力系統調度模型中，其表達式為

(8)

a. 風電全壽命周期內的平均發電成本

風電并不消耗化石能源，風電成本計及風電投資和運行維護成本。因此，風電全壽命周期內的平均發電成本可表示為

(9)

式中:CW為風電機組在調度時段t的發電成本系數(萬元/MWh)。

b. 柔性負荷成本

柔性負荷是指中斷負荷和激勵負荷。可中斷負荷是在風功率處于波谷時段，電網根據與用戶的協議支付補償費用。此時，可中斷負荷充當備用容量使用。激勵負荷是在風功率處于波峰時段，通過獎金和降低電價的方法激勵用戶用電。從而可以提高風電的利用率，減少棄風。

據以上分析，可中斷負荷的補償成本函數為

(10)

式中:ρj為用戶j補償電價(萬元/MWh)；Ujt為負荷用戶的狀態，Ujt=1為用戶j的負荷被中斷，Ujt=0為用戶j的負荷未被中斷；SILjt為t時刻被中斷的容量(MW)。

激勵負荷的激勵成本函數為

(11)

式中:ρk為用戶k的激勵負荷電價(萬元/MWh)；Ukt為用戶的增減狀態，Ukt=1為增加用戶k的負荷，Ukt=0為不增加用戶k負荷；SILkt為在t時刻增加的容量(MW)。

c. 風電旋轉備用容量補償成本

風能雖是清潔能源，但是隨著風電大規模并網，風電預測出力的精度問題逐漸凸顯，與實際出力存在很大偏差，為了實現減少棄風量的目標，系統為風電預先準備了足夠的熱備用容量。本文考慮將風電預測功率的可信度應用于風電熱備用中。系統在時段內的風電旋轉備用容量補償成本為

FRT=pRT(1-γt)PWt

(12)

式中:pRT為時段t內的旋轉備用容量價格(萬元/MWh)；γt為風電預測功率在時段t內的可信度；PWt為時段t內的風電預測功率(MW)。

d. 火電機組的環境補償成本

由于能源的過度消耗及環境污染問題愈發嚴重，全球各國均對污染物的排放進行控制。因此，本文將火電機組的排污特性以環境補償成本的形式表示，在時段內火電機組的環境補償成本為

(13)

式中:pε為時段t內火電機組單位環境補償價格(元/t)；fεit為機組i在時段t內的排放物質量(t)。

feit=?i+βiPit+λiPit2+ζiexp(ξiPit)

(14)

式中:?i、βi、λi、ζi、ξi為火電機組i的排污特性系數；Pit為機組i在時段t內的輸出功率(MW)。

e. 火電機組發電成本

汽輪機進氣閥突然開啟時的拔絲現象會在機組的耗量特性曲線疊加1個脈動效果，稱為點效應。所以，發電成本中應該考慮閥點效應成本。另外，風電出力的隨機性會使火電機組啟停調度策略發生變化。由此需將火電機組的啟停成本加入到經濟調度目標函數中，即：

+Qit]

(15)

式中：FG為火電機組運行的綜合成本(元)；T為系統調度期間的時段數；N為火電機組數；PGit為火電機組i在時段t的有功出力(MW)；Uit為機組i在t時段的狀態，Uit=1表示開機，Uit=0表示停機；Si為機組i的開機費用(元)；C(PGit)為火電機組i在t時段的發電成本。

(16)

式中：ai、bi、ci為火電機組i的發電成本參數；Qit為閥點效應產生的能耗成本(元)。

Qit=|ei·sin[fi(Pi min-PGit)]|

(17)

式中：ei、fi為閥點效應系數；Pi min為機組i的出力下限(MW)。

2.2 約束條件

a. 系統功率平衡約束

(18)

式中：PLt為時段t的系統總負荷需求量(MW)。

b. 柔性負荷約束

SILj min≤SILjt≤SILj max

(19)

SHk min≤SHkt≤SHk max

(20)

c. 系統的正、負旋轉備用約束

≥β1

(21)

≥β2

(22)

式中:Rut為系統的旋轉備用率；Rdt為系統的負旋轉備用率；β1、β2為置信水平。

d. 系統爬坡能力約束

(23)

式中:φj為風電機組j可能的最大出力變化率(%/h)；β3、β4為置信水平。

e. 火電機組出力約束

(24)

f. 機組爬坡能力約束

(25)

g. 最小啟停時間約束

(26)

(27)

h. 風電出力波動范圍約束

風電功率的預測往往存在偏差，允許其出力上下偏差±25%，則風電場的隨機出力范圍滿足以下約束條件：

0.75PWjt≤PWjt≤1.25PWjt

(28)

i. 風電穿透功率極限約束

PWjt≤μPLt

(29)

式中:μ為風電穿透功率系數。

3 算例分析

3.1 優化算法

隨機模擬混合PSO算法是將能逼近隨機函數的隨機模擬應用于PSO算法的一種新算法。其基本原理如下：

a. 在原有PSO算法的前提下，把每次迭代的PSO按適應值排序；

b. 在群體中選出最好的和最差的一半粒子的位置和速度，將其互換；

c. 保留原來全體的歷史最優值。

將隨機模擬混合PSO應用于低碳經濟調度的求解，提高算法的精度和優化速度。在采用隨機模擬混合PSO算法進行求解時，其核心是對隨機變量或隨機函數進行估計，流程如圖1所示。

圖1 算法流程

3.2 基礎數據

表1 各火電機組參數

圖2 負荷功率預測數據

3.3 多目標優化調度結果及分析

3.3.1 優化調度結果

采用混合PSO算法對本章模型進行求解。假設免費配額比例為3%，碳價為60元/t。則系統優化調度結果如表2所示。各火電機組及風電場的出力變化曲線如圖3所示。

表2 各火電機組和風電場的優化調度結果

圖3 各機組出力

從表2及圖3中火電機組和風電場在研究周期內各時段的出力數據分析可知，本文所提模型在調度周期內，風電的實際出力與其出力的預測值基本相同，實現了風電全額上網。圖3中各火電機組的出力也與系統負荷的大小變化基本一致。

3.3.2 不同模式對比分析

為了研究與分析本文所提出的多輪一階密封拍賣的含風電電力系統的低碳經濟調度的優越性及其優點，給出兩種方案進行比較分析。

方案一：基于碳交易的含風電系統多目標低碳經濟調度模型。

方案二：本文所建立的低碳經濟多目標模型，同時兼顧碳排放量最低、發電總成本最低，順應“低碳經濟”進一步發展的目標。

在以上各種調度方案中，均在保證安全的前提下，風電全額并網。兩種調度方案下分別在一個調度周期內各火電機組總出力的結果對比如圖4所示。兩種調度方案下，各自優化調度后的目標函數值對比如表3所示。

圖4 不同模式下各火電機組總出力對比

對圖4進行對比分析可得出以下結論：在方案一中G2、G3的出力均要比方案二高，而G1、G4的出力卻要比方案二低，這是由于方案二中碳交易機制中的拍賣采用了多輪一階密封拍賣機制，使得碳排放權更多地出售給了減排成本較高的機組G2、G3，讓大部分減排任務由減排成本較低的機組G1、G4來承擔的原因。這樣既保證了經濟性，又能保證減排高效進行。

兩種方案分別在一個調度周期內下，根據各自目標函數得出的經濟調度目標成本和低碳調度目標成本如表3所示。

表3 兩種調度模式的成本對比 萬元

在方案一中，一個調度周期內的經濟調度成本為152.64萬元，碳排放權交易的成本為-1.87萬元，為負值，也就是說通過碳交易獲得了收益；方案二中經濟調度成本僅為145.48萬元，比方案一降低了4.69%，說明其相比方案一經濟性更好，而碳排放權交易成本則達到了-3.11萬元，說明也獲得了收益，并且比方案一多獲得1.24萬元，相當于提高了方案一收益的66.31%。這表明，在調度過程中，方案二的CO2排放量較少，剩余了免費配額，將這部分多余碳排放配額放到碳交易市場上出售獲得了收益，綜合評價其經濟調度成本和碳排放權交易成本均優于方案一。這種方案兼顧了電能生產經濟性的同時，也考慮了低碳性，實現了“低碳經濟”。

4 結論

針對現有的碳排放權交易中的拍賣機制的不足，本文對碳排放權交易的拍賣機制進行了改進，從而建立了一種新的拍賣方式下的經濟調度模型。同時考慮到風電出力的不確定性問題，引入柔性負荷，建立了基于柔性負荷的含風電系統的經濟調度目標。綜合考慮兩個模型，建立了多輪一階密封拍賣碳交易機制下的電力系統低碳經濟調度多目標模型。

仿真結果表明，本文所建立的模型能夠實現風電的全額上網，通過兩種方案的對比，說明了方案二，即本文所提方案的經濟調度成本更低，同時碳排放交易較方案一更小，即方案二的收益較高。因此本文所建立模型是有效的，既保證了經濟性，又促進了節能減排的高效進行。

[1] 陳啟鑫，康重慶，夏 清，等．低碳電力調度方式及其決策模型[J]．電力系統自動化， 2010，34(12) ：18-33．

[2] 李亮亮，范振亞，王希若，等．基于碳交易的含碳捕集電廠與風電接入的電力系統低碳經濟調度[J]．陜西電力，2017，45(5)：48-54．

[3] 翁振星，石立寶，徐 政，等．計及風電成本的電力系統動態經濟調度[J]．中國電機工程學報，2014，34(9)：514-523．

[4] 汪超群，韋 化，吳思緣．計及風電不確定性的隨機安全約束機組組合[J]．電網技術，2017，41(5)：1 419-1 427．

[5] 胡國偉，別朝紅，王錫凡．考慮運行可靠性的含風電電力系統優化調度[J]．電工技術學報，2013，28(5)：58-67．

[6] Chen C L． Optimal wind-thermal generating unit commitment[J]． IEEE Transactions on Energy Conversion， 2008，23 (1)：273-280．

[7] Lee T Y． Optimal spinning reserve for a wind-thermal power system using EIPSO[J]. IEEE Transactions on Power Systems， 2007， 22 (4)：1 612-1 621．

[8] 楊 楠，王 波，劉滌塵．計及大規模風電和柔性負荷的電力系統供需側聯合隨機調度方法[J]．中國電機工程學報，2013，33(16)：63-70．

[9] 楊 楠，王 波，劉滌塵，等．考慮柔性負荷調峰的大規模風電隨機優化調度方法[J]．電工技術學報，2013，28(11)：231-237．

[10] 周 瑋，胡姝博，孫 輝，等．考慮大規模風電并網的電力系統區間非線性經濟調度研究[J]．中國電機工程學報，2017，37(2)：557-564．

[11] 婁素華，胡 斌，吳耀武，等．碳交易環境下含大規模光伏電源的電力系統優化調度[J]．電力系統自動化，2014，38(17)：91-97．

[12] 鄭 宇，趙俊華，孟 科，等．計及碳交易機制的電力系統隨機優化調度[J]．電力建設，2017，38(6)：21-27．

[13] 周任軍，李紹金，陳瑞先，等．采用模糊自修正粒子群算法的碳排放權交易冷熱電多目標調度[J]．中國電機工程學報，2014，34(34)：6 119-6 126．

[14] 梅天華，謝 俊，甘德強．基于求償權的電力碳排放權多準則分配機制[J]．電網技術，2016，40(2)：419-424．

[15] 梅天華，湯優敏，甘德強．考慮歷史排放赤字的電力初始碳排放權公理化公平分配方法[J]．電力系統自動化，2016，40(3)：52-58．

[16] Zhou Xun, Geoff J， Ariel L， et al． Partial Carbon Permits Allocation of Potential Emission Trading Scheme in Australian Electricity Market[J]. IEEE Transactions on Power Systems, 2010, 25(1): 543-553.

[17] Thi B, Thao P, Kasemsan M，et al．Development of an Inventory and Temporal Allocation Profiles of Emission from Power Plants and Industrial Facilities in Thailand[J]． Science of the Total Environment， 2008， 397(1-3)： 103-118．

[18] Paul G H，Alice S Y C，Rasmus K．China and Climate Justice：Moving beyond Statism[J]．International Environmental Agreements， 2013(13)： 291-305．

[19] 蔡琬琳．碳排放權的拍賣機制研究[D]．長春：吉林大學，2016：12-14．

[20] 王素鳳，楊善林．考慮保留價影響報價策略的碳排放權拍賣模型[J]．管理工程學報，2016，30(2)：181-187．