“雙碳”目標下風氫聯合系統參與現貨市場的優化運行與效益分析

時維帥，孫欣，謝敬東，嚴佳嘉，張譽勻

(1.上海電力大學電氣工程學院, 上海市 200090;2.上海電力大學能源電力科創中心, 上海市 200090)

0 引言

“雙碳”目標下,深化電力體制改革,構建以新能源為主體的新型電力系統成為我國實現“碳達峰、碳中和”愿景的重要路徑[1-2]。 預計到2035年,我國風電裝機規模將達到7 億千瓦,光伏發電裝機規模將達到6.5億千瓦,以風電、光伏為主的新能源將成為電能量市場的主要參與者。 由于新能源出力具有隨機性和間歇性,高比例新能源接入電網在減少碳排放的同時也將給電力市場的運行帶來新的挑戰,造成電力現貨市場嚴重的價格波動[3],同時增加了棄風、棄光現象[4]。

當前,電力系統中主要通過調用儲能等靈活性調節資源平抑新能源出力,解決可再生能源帶來的挑戰[5]。 氫儲能、抽水蓄能和電化學儲能都是有效的儲能方式。 由于氫能能夠大規模、長周期存儲,因此與抽水蓄能和電化學儲能相比,氫儲能具有跨季節儲能的優勢,對可再生能源的利用也較為充分。 未來隨著規模化氫儲能的應用,可通過儲氫應對風能、太陽能和水力發電的季節性趨勢實現跨季調峰。 此外運儲方式靈活也是氫儲能區別于抽水蓄能和電化學儲能的重要特性,后期可結合交通用能系統的改造,為消納新能源、建設新型電力系統、實現“雙碳”目標提供新的思路和方法。

風氫聯合系統運用電轉氫(power to hydrogen,P2H)技術在電網的下調峰能力不足時充分利用棄風電量制氫,或者在夜間負荷低谷時段利用低價電制氫,既提高了風電利用率又實現了氫的廉價制取[6],因此,風電制氫技術作為電轉氫技術在電力行業中的重要應用,不僅能夠有效解決大規模棄風問題,也將探索出不同于抽水蓄能和電化學儲能的風電消納新途徑[7]。 未來“風力發電+水電解制氫”將成為我國大規模制氫的有效路徑。

目前,對于風電耦合制氫技術已有相對成熟的研究。 文獻[8]針對全網集中式調度的煤風氫能源網提出了一種基于P2H 效率特性的煤風氫能源網日運行能量調度優化策略。 文獻[9]在考慮風電保障性消納的前提下提出了P2H 裝置在綜合能源系統中的不同控制方式,并以系統運行成本最低為目標構建了含P2H 的綜合能源系統優化模型。 文獻[10]在風電固定上網電價的前提下以風電制氫系統收益最大化為目標,研究了并網型風電制氫系統的最優運行方案。文獻[11]則以包含投資、維護、運行以及棄風懲罰成本的期望年化成本最小為目標,構建了風-氫低碳能源系統優化配置模型。 上述研究重點是綜合能源系統或微網環境下風氫聯合系統的優化運行研究,對于電力市場環境下風氫聯合系統的優化運行研究較少。 現階段隨著我國電力市場化改革的進一步推進,大規模風電將逐步進入電力市場與火電同臺競價,相較于固定上網電價,市場環境下電價的變化規律更加難以預測,需要在現貨市場環境下制定更為靈活的風氫聯合系統優化運行策略以充分發揮其巨大的經濟潛力。

基于此,本文主要從風氫聯合系統參與電能量現貨市場的角度展開研究,按照國內現有電力現貨市場組織方式,構建包含日前和實時兩級的上層電能量現貨市場競價交易優化模型;同時,考慮P2H 的經濟性,建立下層風氫聯合系統實時出力優化模型;最后,以改進的IEEE 30 節點系統為例,分析高比例風電參與電力市場帶來的電價波動風險,驗證電力現貨市場環境下風氫聯合系統實時優化模型的經濟性和可行性,同時關注風氫聯合系統對電價和常規機組收益的影響。

1 風氫聯合系統參與現貨市場的雙層優化改進模型

目前國內外對于風氫直接參與電力市場的研究較少,普遍的研究集中于綜合能源系統或微網環境下風氫聯合系統的優化運行。 由于電力現貨市場的組織具有時間先后性,因此文中日前現貨市場交易優化模型、風氫聯合系統實時優化模型和實時現貨市場優化模型在時間上也具有先后性,難以將雙層優化問題轉化成單層優化問題在同一時間內進行統一優化求解。 對此本文提出了基于迭代思想的風氫聯合系統參與現貨市場的雙層優化改進模型,具體結構如圖1 所示。

圖1 風氫聯合系統參與現貨市場的雙層優化模型Fig.1 Decision process of wind-hydrogen power system

1.1 上層電能量現貨市場交易優化模型

本文按照國內現有電力現貨市場建設方案,構建了包含日前和實時兩級的電能量現貨市場交易優化模型。 其中,日前現貨市場按照“發電側全電量申報,集中優化出清”的方式開展。 實時現貨市場基于日前封存的機組申報信息和最新的實時電網運行邊界條件進行集中出清。 新能源場站以報量報價的方式參與現貨市場與常規機組同臺競爭。

1.1.1 日前現貨市場交易優化模型

首先,以系統購電成本最小化為目標構建日前現貨市場競價交易優化模型,目標函數具體表示為:

式中:T為運行日所考慮的時段總數;NG為系統常規機組數量;NR為系統新能源場站數量;ρi,t為常規機組i在t時段的報價;為t時段常規機組i的出力;ui,t為表示機組i在t時段啟停狀態的0 -1 變量,其中1 表示開機,0 表示停機;Si為常規機組i的啟動成本;ρj,t為t時段新能源場站j的報價;為t時段新能源場站j的出力。

1)系統功率平衡約束。 式(2)為系統功率平衡約束,即t時段市場中常規機組出力與新能源場站出力之和需要滿足系統負荷需求:

式中:PL,Pn,t為t時段節點n的短期負荷預測值;N為系統中的總節點數。

2)常規機組運行約束。 式(3)為常規機組出力上下限約束,式(4)、(5)為常規機組爬坡速率約束,式(6)、(7)為常規機組最小開停機時間約束:

3)系統旋轉備用約束。 系統各個時段機組出力的上調能力總和與下調能力總和需滿足實際運行的上調、下調旋轉備用要求:

4)新能源場站運行約束。 式(10)為新能源場站出力上下限約束:

式中:PR,Pj,t為新能源場站j在t時段的日前短期發電功率預測值。

5)線路潮流約束:

式中:Gl-i為常規機組i所在節點對線路l的發電機輸出功率轉移分布因子;Gl-j為新能源場站j所在節點對線路l的發電機輸出功率轉移分布因子;Gl-n為節點m對線路l的發電機輸出功率轉移分布因子;為線路l的傳輸功率極限;PL

n,t為t時段節點n的超短期負荷預測值。

1.1.2 實時現貨市場交易優化模型

以社會福利最大化為目標構建實時現貨市場競價交易優化模型,目標函數為:

1)系統功率平衡約束:

由于實時現貨市場一般于系統實際運行前15 min出清,此時的風功率預測可達到較高的水平,故本文近似認為實時出清時新能源場站的超短期預測曲線與其實際出力曲線相吻合。

2)新能源場站運行約束:

實時市場競價交易優化模型的常規機組出力上下限約束與式(3)一致,常規機組爬坡速率約束與式(4)、式(5)一致,系統旋轉備用約束與式(8)、式(9)一致,線路潮流約束與式(11)一致。

1.1.3 價格機制

文中機組采用斜線式報價[12]的方式進行量價申報,現貨市場采用系統邊際定價[3]的方式形成市場統一出清電價,即某時段市場出清電價為該時段中標機組的最高價格,則t時段日前現貨市場與實時現貨市場的統一出清電價表示為:

式中:αi,t、βi,t分別為機組i在t時段的報價參數;Pi,t為t時段機組i的出力。 新能源場站邊際成本較低,可通過報低價或置0 得以優先出清。

1.2 下層風氫聯合系統實時優化模型

本文以風氫聯合系統的實時計劃申報出力和P2H 功率為決策變量,風氫聯合系統收益最大化為優化目標,構建的下層風氫聯合系統實時優化模型的目標函數為:

1)風電出力約束:

2)P2H 運行約束。 正常情況下,電解槽的輸入功率與產氫速率近似為線性關系[13],則用電耗量表示的P2H 的輸入輸出關系如式(18)所示,式(19)為電解槽輸入功率上下限約束:

1.3 模型求解

上層優化模型中日前現貨市場交易優化模型和實時現貨市場交易優化模型目標函數中的機組運行費用項和均是與機組出力相關的二次函數,約束條件通過建模均被描述為線性約束形式,本文所建立的風氫聯合系統參與現貨市場的雙層優化改進模型為混合整數二次規劃(mixed integer quadratic programming,MIQP)問題。 圖2 為模型求解的數據流,符號含義詳見各優化模型。

圖2 優化模型數據交流圖Fig.2 Data exchange diagram of optimization model

本文MIQP 優化模型的求解流程包括以下三個階段:

階段1:松弛0 -1 變量,將0 -1 變量轉化為[0,1]區間的連續變量。 首先設MIQP 問題表示為:

式中:G為n階正定矩陣,式(20)則為一凸二次規劃問題,其任何局部最優解也是全局最優解;C、ai和aj均為n維列向量;x∈X={Bm×Rn-m} ;Bm為m階0-1 向量集合。將x連續松弛后,可將MIQP 問題轉化為一個連續松弛問題,即:

階段2:利用有效集法求解不含整數變量的一般二次規劃問題:

設xk是式(21)的一個可行解,相應的有效集為Ik,Ak為A中對應于Ik的子陣,由此可將連續松弛問題轉化為式(22)進行求解,求解步驟如下:

1)令k =1 ,由x1確定I1。

2)求解式(22)得到yk,若yk≠0 則轉4),否則轉3)。

3)計算式(22)的拉格朗日乘子向量λk,并求。 若(λk)s≥0 ,則xk為式(21)的最優解,計算終止;否則,令Ik=Ik/{s} ,相應改變Ak,轉2)。

4)由αk=確定αk,令xk+1=xk+αkyk。

5)若αk＜1,則令Ik+1=Ik∪{t},其中t由確定,否則令Ik+1=Ik。6)令k = k +1 ,轉2)。

階段3:對優化結果中0 -1 變量的非整數解采用割平面法尋優得到可行解:

7)求解式(22),若其最優解x*的前m個變量為整數,則x*為式(20)的最優解,計算終止。

8)產生不滿足x*的割平面,將其作為約束加入式(22),產生新的連續松弛問題,轉1),若找不到滿足要求的割平面,則計算終止。

最后在MATLAB 2016b 仿真平臺上借助Yalmip工具箱分別對三個優化問題進行建模,調用求解器Gurobi 9.5.0 依時序分別對三個優化問題進行求解。

2 算例分析

2.1 算例概況

本文以改進的IEEE 30 節點系統為例進行分析,該系統包含6 臺常規機組和41 條支路,在24 節點接入1 個風電場,常規機組參數[14]見表1。 風電場歷史數據參照文獻[15],并換算至本算例數量級。 常規機組在電能量現貨市場中的報價數據[14]見附錄表A1。 對于大多數風電場來講,其邊際成本很低甚至為零,但投資成本較高,因此其最大的目標是生產盡可能多的電能,以回收巨大的投資成本。 故在個體理性的情況下,風電場報量報價參與現貨市場與火電機組同臺競價時其市場行為多是以低價搶占市場發電空間,以期在現貨市場中得以優先出清,因此其報價參數按最低300 元/(MW·h)來設置。

表1 常規機組參數Table 1 Parameters of conventional units

為分析不同風電滲透率下風氫聯合系統對風電利用率、市場電價以及常規機組收益的影響,本文設定5 種情景,各情景下風電場裝機容量見表2。 根據“3060 計劃”,全國多數地區的風電裝機容量占比在35%到50%之間,情景1、情景2 和情景3 分別對應于常見電力市場環境下風電裝機占比的下限、中位數及上限。 考慮到我國沿海地區風能資源豐富,光伏用地緊缺,情景4 和情境5 分別對應于部分風電滲透率較高的沿海地區的風電裝機占比下限和上限。

表2 風電機組參數Table 2 Parameters of wind power generators

某地區典型春季負荷需求[15]如圖3 所示,每1 個時段為1 h。 由于目前電力現貨市場中的不平衡功率主要由負荷預測誤差和風功率預測誤差引起,相較于風功率的預測,負荷預測技術相對比較成熟,負荷運行規律也相對比較穩定,預測誤差較小,本文為突出風功率預測誤差的影響,暫未考慮負荷預測誤差的影響。

圖3 電力市場各時段負荷需求Fig.3 Load demand of power market in each period

2.2 風電功率的置信區間估計

盡管風功率預測技術近年來得到了很大的發展,但日前短期風功率預測誤差仍是不可忽略的因素,且在時間尺度上呈現“近小遠大”的特點[16]。 為研究風電出力不確定性對現貨市場出清電價的影響,本文采用置信區間估計[17]方法來描述風電出力的不確定性。 不失一般性,認為風電預測誤差服從正態分布,根據西北某地區風電歷史數據[15,18],計算得到95%置信度水平下[19]風電場實際出力區間如圖4 所示,該范圍基本能涵蓋風電場的實際出力。

圖4 95%置信度水平下的風電場實際出力區間Fig.4 Actual range of wind power at 95% confidence level

2.3 算例結果及分析

2.3.1 風氫聯合系統對風電利用率的影響

基于機組量價申報信息,求解雙層優化模型得到不同預測誤差下風電場無P2H 和配備55 MW P2H參與現貨市場時系統風電利用率隨風電裝機容量的變化情況分別如圖5 和圖6 所示。 不同P2H 容量下日前預測誤差為+10%的風電場在不同情景下的風電利用率情況見表3。

圖5 無P2H 時風電利用率情況Fig.5 Wind power utilization without P2H

圖6 55 MW P2H 時風電利用率情況Fig.6 Wind power utilization at 55MW P2H

從圖5 可知,無P2H 的風電場報量報價參與現貨市場時,風電利用率將隨著風電裝機容量和風電場日前預測誤差的增大而減小。 這是因為風電場出力波動較大且具有反調峰特性,風電裝機容量增加的同時風電場峰谷差也相應增大。 白天負荷高峰時段,風電出力較小,常規機組中標以滿足負荷平衡約束,以盡可能減少系統失負荷量。 由于常規機組最小開停機時間約束的限制,白天負荷高峰時段中標的常規機組在夜晚負荷低谷時段仍以最小出力中標,導致風電場中標電量減少,棄風增多。 此外,隨著風電場日前預測誤差的增大,電網的調峰能力越顯不足,尤其是負荷低谷時段,常規機組開機較少,導致常規機組的下調能力不足,風電場棄風量增大。

對比圖6 和圖5 可知,風電場配備55 MW P2H參與現貨市場時,不同日前預測誤差下風電利用率均得到有效提升,且從表3 可知,不同情景下風電利用率隨P2H 容量的增大而增大。 例如,情景3 下,日前預測誤差為+10%的風電場配備20 MW 的P2H 裝置可實現風電99.33%消納,與風電場不配置P2H 相比風電利用率提升了1.99%。 風電場配備55 MW的P2H 裝置參與現貨市場時,系統風電利用率為99.89%,與風電場不配置P2H 裝置相比風電利用率提升了3.91%。 因此可以證明風電場配備一定容量的P2H 裝置可以有效解決棄風問題,為高比例風電進入電力市場提供新的途徑。

表3 不同P2H 容量下風電利用率情況Table 3 Wind power utilization under different P2H capacities

2.3.2 現貨市場情景下風氫聯合系統經濟性分析

采用平準化能源成本法[20]分析風氫聯合系統的制氫成本。 風氫聯合系統的主要設備及初始投資參數見附錄表A2,假定水的價格為10 元/t,電解槽每年工作時間為4500 h。 由于本文P2H 與風電場屬于同一利益主體,因此在計算單位氫氣價格時將P2H耗電價格設為0,計算得到單位氫氣的平準化成本隨P2H 裝機容量的變化曲線如圖7 所示。

圖7 單位氫氣的平準化成本Fig.7 Levelized cost per unit of hydrogen

從圖7 可知,在制氫耗電價格為0 元/(MW·h)的前提下,隨著P2H 裝機容量的增大,單位氫氣的平準化成本呈先減小后增大的趨勢。 P2H 裝機容量為20 MW 時,單位氫氣的平準化成本最低為0.688 元/m3。 由此可見,隨著P2H 裝機容量的增大,風氫聯合系統在提高風電利用率的同時其投資成本也在逐漸上升。

進一步分析風氫聯合系統參與現貨市場的經濟性,以確定風氫聯合系統的最佳規模。 目前堿性電解槽的電耗量為4.2 ～5.5 (kW·h)/m3,因此P2H 的電耗量μH取為4.5 (kW·h)/m3[13],氫氣自提售價設為3.5 元/m3。 本文電能量現貨市場發電側按照“偏差結算”的原則開展,日前電能量現貨市場根據機組日前中標量與日前市場出清電價計算電費,實時電能量現貨市場根據機組實際分時上網電量與日前市場分時出清電量之間的差額,以及實時市場出清電價計算偏差電費。

在情景3、風電場日前預測誤差為+10%的基礎上,基于圖7 不同裝機容量下單位氫氣的平準化成本[20],計算不同P2H 容量下風電場日收益情況,結果如圖8 所示。

圖8 風電場日收益隨P2H 容量的變化趨勢Fig.8 Trend of daily income of wind farm with P2H capacity

從圖8 可知,在情景3、風電場日前預測誤差為+10%的基礎上,隨著P2H 裝機容量的增加,風電場參與現貨市場的日收益變化趨勢為先增加后減少。 當風電場配備55 MW 的P2H 裝置時,風電場日收益達到最大為96.77 萬元,此時風氫聯合系統經濟性最佳。

2.3.3 風氫聯合系統對現貨市場電價的影響

1)無P2H 時風電滲透率對電價的影響。

求解日前現貨市場競價交易優化模型,得到無P2H 時日前市場分時電價和平均電價隨風電滲透率的變化趨勢分別如圖9 和圖10 所示。

綜合圖9 和圖10 可知,隨著風電滲透率的增大,日前平均電價整體呈下降趨勢,但日前分時電價并非嚴格單調遞減。 例如時段t =5 時,情景4 下的電價最高為380.25 元/(MW·h),t =24 時,情景3 下的電價最高為371.26 元/(MW·h)。 相較于其他時段,時段1—6 和時段15—18日前系統邊際電價下降較為明顯。 這是因為負荷低谷時段往往是風電大發時段,風電穿透率越高,風電機組在現貨市場中對高邊際成本機組的代替性就越強。 若無價格限制,市場有可能出現零價或者負電價情況。

圖9 無P2H 時日前分時電價隨風電滲透率的變化情況Fig.9 The variation of day-ahead electricity price with wind power penetration without P2H

圖10 無P2H 時日前平均電價隨風電滲透率的變化情況Fig.10 The variation of day-ahead average price with wind power penetration without P2H

2)無P2H 時風電不確定性對電價的影響。

為研究風電不確定性對電力現貨市場出清電價的影響,在情景3 的基礎上,將日前風功率預測精度分別設定為5%、10%、15%,20%,得到無P2H 時不同風電預測誤差下實時現貨市場的出清電價區間如圖11 所示。 文中正誤差代表風電場實際出力高于日前預測值,負誤差代表風電場的實際出力值低于日前預測值。

從圖11 可以看出,當系統滲透率較高且無P2H時,風電不確定性將造成實時市場出清電價的劇烈波動,例如風電日前預測誤差為20%時,在t =15 下實時市場的電價波動范圍為300.0 ～451.4 元/(MW·h)。日前風功率預測誤差越大,實時市場與日前市場出清電價價差越大,且呈現“正電量低價,負電量高價”的特點。 這是因為在實時市場中風電場正誤差出力將擠占日前市場邊際成本較高的常規機組的發電空間,進而導致實時市場出清電價下降;而風電場負誤差出力將迫使市場決策者通過調用高價機組的發電量來平衡風電場的負功率誤差,導致實時市場出清電價上升。

圖11 無P2H 時不同預測誤差下實時電價波動情況Fig.11 Real-time electricity price fluctuation with different forecast errors without P2H

在日前風功率預測精度為10%的基礎上,計算得到情景3 下實時市場與日前市場時段0—24 價差變化情況如圖12 所示。

圖12 無P2H 時實時與日前市場價差24 h 變化趨勢Fig.12 24 h trend of real-time and day-ahead market price difference without P2H

由圖12 可知,相較于其他時段,時段2—5 和時段15—18下日前市場與實時市場的價差更大。 這是因為這兩個時段是風電出力高峰時段,同時也是負荷需求低谷時段,當系統風電滲透率較高、風電場日前預測誤差較大以及日前現貨市場的邊際機組在日前中標容量較小時,風電場的正誤差出力有可能完全擠占在日前市場中標的小容量機組的發電空間,成為實時市場的邊際機組,造成實時市場出清價格的大幅度下降,導致風電場收益進一步降低,甚至虧本。 此外,隨著風電比例提高,風電不確定性將導致系統對靈活性資源的需求大幅增加,日平均電價下降的同時系統運行成本也相應增加。

由此可見,無P2H 時,高比例風電情景下現貨市場電價的下降以及靈活性資源分攤費用的增加將進一步壓低風電場收益,不利于風電場的發展。

3)有P2H 時風電場參與現貨市場對電價的影響。

進一步,分析情景3 下風電場配備55 MW P2H裝置參與現貨市場對電價的影響如圖13 所示。

由圖13 可知,風電場配備55MW 的P2H 裝置參與現貨市場時,不同風電預測誤差下實時市場與日前市場的價差均明顯降低。 例如,t =16 ,風電日前預測誤差為+ 10% 時實時市場與日前市場價差由-94.19 元/(MW·h)降為-0.42 元/(MW·h),降幅為99.58%。 可見,現貨市場情景下,風電場配置一定容量的P2H 裝置能夠有效避免實時市場價格的進一步下降,有助于平抑電能量現貨市場的電價波動風險,保障風電場參與現貨市場的收益。

圖13 有P2H 時不同預測誤差下實時電價波動情況Fig.13 Influence of wind-hydrogen combined system on spot market price

2.3.4 雙層優化模型有效性驗證

為驗證本文模型的正確性及有效性,對相同算例系統及參數下不同優化運行策略的優化結果進行對比分析。 其中模型1 是以風電場總收益最大為目標的風氫聯合系統單層優化模型,該模型通過調用P2H平抑風電日前預測誤差,提高風電消納能力。 模型2為本文所提雙層優化模型。 兩種優化運行策略下P2H 功率如圖14 所示。

圖14 棄風量與電轉氫量對比Fig.14 Comparison of abandoned wind power and hydrogen conversion

由圖14 可知,風電場棄風現象在時段2—6 較為明顯,模型1 下各個時段的P2H 功率均較大,風電場實時計劃申報出力更接近于其日前計劃出力,而模型2 僅在時段23—7 和時段16—18 P2H 功率較大。 由圖12 可知,日前市場與實時市場的價差在時段2—5和時段15—18 較大,模型2 下P2H 功率較大時段與風電場棄風電量較大或市場價差較大時段高度重合。由此可以驗證本文所提雙層優化模型的正確性。

為衡量部分電量經P2H 轉換為氫氣售出所給風電場帶來的效益,本文提出等效售電收益指標,計算公式如式(23)所示:

表4 為兩種模型下風電利用率和風電場總收益對比,由表格數據可知,兩種優化模型下風電利用率均在99% 以上,模型2 比模型1 風電利用率高0.13%,模型2 售電收益相對較大為59.14 萬元,等效售電收益相對較小為37.64 萬元,風電場總收益較模型1 增加了4.54 萬元。 綜上所示,本文所建模型的效果要優于普通的風氫聯合系統單層優化模型。

表4 不同風氫優化模型對比Table 4 Comparison of different optimization models

2.3.5 風氫聯合系統對常規機組收益的影響

以常規機組2 為例,在情景3、日前風功率預測誤差+ 10% 的基礎上,采用無P2H、50 MW P2H、55 MW P2H三種計算場景,分析風氫聯合系統參與現貨市場對常規機組收益的影響。 假設常規機組2的發電成本為251 元/(MW·h),發電側按“偏差結算”的原則開展時,火電機組的利潤計算公式如式(24)所示:

通過計算雙層優化模型得到常規機組2 參與現貨市場的中標電量如圖15 所示,進一步結合式(24)計算出常規機組2 的利潤情況如圖16 所示。

圖15 風氫聯合系統對常規機組中標電量的影響Fig.15 Influence of wind-hydrogen combined system on output of conventional units

綜合圖15 和圖16 可知,常規機組2 在時段1—3、時段5、時段16—19 和時段23—24 下能獲得更多的中標出力。 例如,在t =16 時段下常規機組2 中標出力由25 MW 上升到53.24 MW,在t =24 時段下常規機組2 中標出力由52.76 MW 上升到80 MW。此外,由于風氫聯合系統在部分時段將富余風電轉化為氫氣,降低了實時市場與日前市場的價差,有效避免了實時市場電價的進一步下降,因此常規機組2 在市場中的利潤增大。 例如在t =17 時段下常規機組2 利潤從0.48 萬元上升到0.81 萬元,同比增長了68.81%。 由此可見,在高比例風電的新型電力系統情景下,風氫聯合系統可實現常規電力填谷,提高電力系統效率、安全性和經濟性。

圖16 常規機組2 的利潤情況Fig.16 Profit of conventional unit 2

3 結論

1)隨著風電滲透率增大,電能量現貨市場系統邊際電價整體呈下降趨勢且系統對靈活性資源的需求不斷上升;日前風功率預測誤差將引起實時市場出清電價的劇烈波動,當電網調峰能力不足時,風電場棄風增加,難以保障風電場投資成本的回收。

2)風氫聯合系統可以有效解決風電大發或者電網調峰能力有限時產生的棄風問題。 風電場通過合理利用富余電量和低價電量制氫,有效降低制氫成本,提高風電利用率,在經濟上具有可行性。

3)風氫聯合系統參與電力市場可以降低日前預測誤差造成的實時市場電價波動風險,幫助風電場減少偏差考核費用以及靈活性資源的分攤費用,有效解決了風電場參與現貨市場的收益問題。 此外,風氫聯合系統還可以實現常規電力填谷,提升常規機組效益,具有良好的應用價值。

需要說明的是,P2H 作為靈活性調節資源在電力市場中有多種參與方式,對于P2H 作為獨立市場主體參與現貨市場的分析,還需要在后續研究中進一步完善。

附錄A

表A1 各時段常規機組報價數據Table A1 Initial investment parameters of wind-hydrogen combined system ?

表A2 風氫聯合系統初始投資參數Table A2 Quotation parameters of conventional units in each period ?