計及風電不確定信息間隙的火電-儲能-需求響應多源低碳調峰交易優化模型

李鵬，余曉鵬，周青青，譚忠富，鞠立偉，喬慧婷

(1.國網河南省電力公司經濟技術研究院，鄭州市 450000；2.華北電力大學經濟與管理學院，北京市 100026；3.南方電網能源發展研究院有限責任公司技術經濟中心，廣州市 510530)

0 引 言

近年來，以風電為代表的間歇性電源接入電網規模不斷提高，拉大負荷峰谷差，系統調峰壓力越來越大[1]，對調峰資源提出更高需求。若僅依靠火電深度調峰，將面臨極高系統運行成本。實際上，火電深度調峰在促進風電并網的同時，也會降低系統碳排放量。伴隨著“雙碳”目標及全國碳交易市場啟動[2]，火電調峰產生的碳減排量將帶來經濟收益，從而補償火電深度調峰成本。由此，如何平衡火電調峰經濟性與性能，及如何挖掘和優化利用新調峰資源，具有重要的理論價值和實踐意義。

就火電機組而言，在進行深度調峰時，會因為降低發電出力而減少碳排放量，但也因發電工況處于低功率狀態，單位發電煤耗增加導致的碳排放量也將增加[3]。若火電機組調峰的凈碳排放量為正，且在碳交易市場售出，將有利于提升火電機組深度調峰經濟性[4]。文獻[5]提出碳排放權交易能提升系統消納清潔能源的積極性。文獻[6]證明碳交易的引入能夠提升火電調峰經濟性。進一步，文獻[7]通過建立電-碳協同調度優化模型，發現較高碳價將有利于風電的大規模利用。上述文獻分析了碳排放權交易對清潔能源利用的積極作用，但未考慮如何將碳排放權交易與調峰交易融合，提升火電調峰成本，這是本文考慮的一個關鍵問題。

除火電機組深度調峰外，儲能和需求響應(demand response，DR)正成為電力系統調峰資源。文獻[7]分析了儲能在風電調峰中的作用。文獻[8]建立了可常規調峰機組、電網彈性優化、負荷分級響應及儲能系統調峰模型。文獻[9]評估了儲能系統調峰的經濟效益和調峰效果。進而文獻[10]提出了一種兼顧技術性和經濟性的儲能系統調峰方法。文獻[11]針對風電最大接納和經濟接納模式，對儲能系統容量進行了優化。進一步，DR是提升負荷側靈活性的主要手段，具有響應快、靈活性強的優點[12]。文獻[13]針對多類型負荷的異構特性，建立了日前-日內的調峰優化模型。文獻[14]建立了便于調峰調度的空調負荷虛擬機組。綜上，較多文獻討論了儲能和DR輔助系統調峰的優化策略。但火電、儲能和DR三者如何協同參與調峰未被考慮。

對含大規模風電電力系統來說，其輸出功率不確定性是調峰交易決策的重要問題。一般來說，不確定性分析方法主要包括2個路徑，即模擬不確定性變量概率分布[15]和建立不確定性度量方法[16]，如文獻[17]應用拉丁超立方抽樣法對風電和光伏發電的概率密度進行模擬，文獻[18]利用條件風險價值(conditional value at risk，CVaR)方法對負荷不確定性進行建模。實際上，不確定性分析主要是決策變量實際狀態與預測值發生偏差，也稱為信息間隙，如何刻畫這種信息間隙是不確定性分析的重要問題。由此，本文引入信息間隙決策理論(information gap decision theory，IGDT)[19]構造考慮不確定性的多源調峰交易優化模型。

如認為善意取得的物權是從無權處分人處繼受取得，那么就侵犯與誤解了“任何人不得轉讓大于自己權利的權利”的法律公理。誠如日本民法典起草者富井政章先生所言：“承繼人不得取得前主所未有之權利”，[10]使其物權變動的邏輯存在不可調和的缺陷。故超過自己權利的處分是無法依據其意思表示而變動物權的，突破該原則的物權變動只能是依據法律的直接規定，即后手不是依據任何前手而取得權利。此外，雖善意取得制度在外部形態上表現為對該公理的突破，但更多的考量在于保護交易安全。因此，受讓人無法從無權處分人處取得所有權。

綜上，本文考慮火電、儲能及需求響應多源聯合調峰路徑，構造計及風電不確定性的多源低碳調峰交易優化模型。首先，從多源調峰的碳排放和成本2個方面，構建多源調峰碳排放成本測算方法；然后，以聯合調峰成本最小為目標，構造常規火電、儲能及需求響應多源調峰交易模型。之后，利用IGDT方法刻畫風電不確定性，構造考慮不確定性的多源低碳調峰交易優化模型。最后，選取中國西北某局域電網作為仿真系統，驗證所提模型的有效性和適用性。

1 多源調峰碳排放和交易成本測算

1.1 多源調峰碳排放

當火電、儲能與DR聯合參與風電調峰服務時，考慮調峰成本、碳交易成本、棄風機會成本和失負荷懲罰成本，以聯合調峰綜合成本最小為目標函數，具體為：

對于鋼筋拉斷的試件，鋼筋與灌漿料接觸面接觸良好，無粘結滑移，因此模型的鋼筋與灌漿料之間均采用“tie”連接。采用位移控制對有限元整體模型進行單向拉伸加載。為方便提取拉力值，在鋼筋端部的加載位置進行了剛性處理，把鋼筋上的均布力變成集中荷載，鋼筋另一端對6個自由度全約束。采用結構化網格劃分技術，網格模型如圖2所示。

通過對2組患者實施不同的治療措施，2組患者病情均出現不同程度的好轉，但是觀察組患者治療有效率97.1%顯著高于對照組患者62.9%，差異有統計學意義（P<0.05）。 見表 1。

圖1 多源聯合調峰模式Fig.1 Multi-source joint peak-shaving mode

根據圖1，多源聯合調峰主要存在碳減排和碳增排兩方面效應。其中，碳減排主要源于火電機組減少發電出力、儲能充電和DR提供下調峰出力，接受更多風電或部分火電出力，降低系統碳排放量。由于火電機組發電煤耗曲線為一元二次函數，當火電出力在額定工況時，單位發電煤耗最低，而當火電出力低于額定工況時，單位發電煤耗要增加。因此，碳增排主要是源于火電機組發電出力低于額定工況時，單位發電煤耗和啟停煤耗將增加，導致等量發電出力的碳排放總量增加[18]。這是由于儲能和DR替代了原有火電機組進行上調峰，盡管系統總的碳排放量會增加，但從個體角度來說，火電機組等量發電的碳排放增量是由于儲能和DR引起的，故本文設定這部分碳排放需由儲能和DR承擔。

1)凈負荷功率變化的劇烈程度。凈負荷功率變化越大，則可能造成的不利影響越大。

墨鏡男回來時，手上多了一個易拉罐，是給范堅強作煙缸用的。這還是在讀美院的時候養成的習慣。范堅強有時畫畫沒感覺，便摸出一支煙來抽，畫室里沒有煙缸，他便把煙灰抖在作為寫生靜物的陶罐或者易拉罐里。現在他還保持了這種習慣。

(1)

式中：ECO2(gcoal)表示火電機組CO2排放量；gcoal表示火電機組發電出力；a、b、c表示火電機組的碳排放系數。

若考慮碳排放權交易，當DR提供上調峰服務時，會降低火電出力，導致火電出力單位碳排放量提高；當DR提供下調峰服務時，會增加火電發電出力，降低火電單位發電碳排放。此時，DR調峰成本為：

(2)

(3)

2012年Suk等[20]提出與臨床緊密貼合的，適用于螺釘系統矯形手術時代的分型，Suk分型。首先根據Cobb角、端椎、中立椎及頂椎的旋轉度分為4型，然后根據端椎、中立椎的具體位置分為2個亞型，確定了每型手術融合的水平和方法。但目前尚未見應用該分型以及融合策略對特發性脊柱側凸進行矯正的臨床前瞻性研究和術后隨訪評估的文獻報道。

1.2 多源低碳調峰成本

1.2.1 火電機組

火電機組調峰分為常規調峰、深度調峰和投油調峰3個階段。隨著調峰程度的加深，火電調峰成本也逐步增加[20]。設定火電機組參與調峰產生的碳減排量，都能在碳排放權交易市場售出，則火電低碳調峰成本將包括調峰成本和碳交易收益兩部分，具體為：

(4)

(5)

情景1：常規調峰情景，不考慮碳排放權交易和不確定性，當儲能和需求響應獨立參與風電調峰時，設定合理棄風率為3.5%，聯合參與風電調峰時，設定合理棄風率為3.0%。

Cev(gcoal)=Wf(gcoal)δSΔη+
WpolluteQcost+Spunish(gcoal,Qcost)

(6)

式中：W表示硫化物排放費用；f(gcocal)表示火電機組發電煤耗量；δS表示燃煤全硫分含量；Δη表示脫硫效率變化值；Wpollute表示單位燃油產生的污染氣體排放費用；Qcost表示火電投油穩定燃燒時的耗油量；Spunish(·)表示污染物排放量高于標準時的懲罰函數。

1.2.2 風電

對于風電場來說，其大規模并網依賴火電提供調峰服務，導致火電單位發電碳排放量增加，考慮風電、儲能和DR共同承擔火電碳排放增量，則風電低碳調峰成本為：

(7)

1.2.3 儲能系統

參照文獻[20]，ESS調峰成本包括初始投資分攤成本和運維成本，而運維成本包括固定成本和可變成本，具體計算為：

(8)

（1）風機耗電率偏高。由于循環流化床鍋爐自身的特點，入爐煤粒徑較粗，所需一次風、二次風壓頭較高，造成鍋爐風機耗電率偏高，最高達5%左右，占廠用電率的40%～50%。

若考慮碳排放權交易，當儲能釋能放電時，相當于替代火電進行調峰，壓低火電出力，導致火電單位發電碳排放增加；當儲能充電蓄能時，可能會利用部分火電，提升火電發電出力，降低火電單位發電碳排放。因此，儲能調峰成本應考慮碳排放權交易成本：

(9)

(10)

1.2.4 用戶DR

方案規定在0～600m井段用PTB-64鉆具鉆進，用PTB—480鉆進。如果說利用PTB—64鉆進沒有大的問題、直徑508mm管柱下放和注漿跟設計沒有誤差的話；而采用PTB—480鉆進時，則發現頂角在600m深處增大 1°15'， 在 880m 處達 4°15’， 即每 100m 為 1°30’；這需要在鉆井鉆進工藝方面做大的改變，采取了停止使用 PTB消除下降梯度不大于每 100m為 1°30’2總曲度的方案。這一任務通過鉆進直徑295mm先導孔完成。成套工具中采用了偏心距17mm的偏心接頭，接頭位于鉆頭上方。而后，井眼直徑擴至480mm。

用戶靈活性負荷能根據電力供需情況選擇增加或減少用電，為風電提供調峰服務。需求響應方式包括價格型需求響應(price-base demand response，PBDR)和激勵型需求響應(incentive-based demand response，IBDR)。參照文獻[16]，計算用戶靈活性負荷參與DR的調峰補償成本。

(11)

火電機組碳減排和碳增排的計算公式為：

(12)

2 火電-儲能-需求響應多源調峰交易模型

2.1 目標函數

本文提出的多源聯合調峰模式主要包括火電、儲能、用戶需求響應3個主體。圖1為多源聯合調峰模式。

試驗現象和結果表明：對于鉛礦石標準物質，兩種前處理方法均能將其消解完全，溶液澄清透明，且認定值和測得值吻合較好。對于鉛礦石實際樣品而言，密閉酸溶法均能將樣品消解完全，溶液澄清透明，各元素回收率在80%～115%之間；敞開酸溶法能將樣品1消解完全，溶液澄清透明，各元素回收率在80%～120%之間；敞開酸溶法對樣品2的消解效果不好，溶液中仍有黑渣殘留(可能是石墨類、炭類溶質或一些重金屬元素氧化物)，且Ge、In兩種元素回收率異常偏低，這可能是由于在溶樣過程中Ge揮發或者黑渣吸附In所致。因此，實驗選擇密閉酸溶法消解樣品。

(13)

(14)

(15)

(16)

(17)

(18)

2.2 約束條件

1)調峰供需平衡約束。

(19)

2)火電機組運行約束。

圖2 火電機組調峰示意圖Fig.2 Schematic diagram of peak-shaving strategy of thermal power units

3)儲能系統運行約束。

情景4：綜合調峰情景，綜合考慮碳排放權交易和不確定性，設定預測目標偏差系數σc的初始值為0.2，并對最惡劣情景進行分析。

(20)

(21)

(22)

(23)

式中：SOC,T、SOC,0分別表示ESS的蓄電池在調度周期末和調度周期初的荷電狀態。

4)DR出力約束。

當DR參與風電調峰時，DR出力包括PBDR和IBDR兩部分。

(24)

(25)

5)旋轉備用約束。

(26)

(27)

3 考慮不確定性的多源低碳調峰交易優化模型

3.1 IGDT理論方法

自20世紀80年代開始，Yakov Ben-Haim等人提出并不斷完善了信息間隙決策理論[19]。IGDT方法不依賴不確定性變量的概率分布函數或隸屬度函數，主要關注的是不確定性變量的信息差距。信息差距主要是指已獲取信息和未知信息間的差距，即不確定性變量的預測值和實際值間的差距。這種差距會帶來兩方面影響：當實際值向不好的方向偏移時，會帶來更加嚴重的后果；當實際值向好的方向偏移時，則可能帶來計劃外收益。IGDT基本模型主要包括3個部分，即系統模型、不確定性模型和最低需求模型，具體見文獻[19]。

3.2 不確定性調峰交易模型

針對風電輸出功率的不確定性，本節利用IGDT方法對其進行處理，在第2節提出的確定性聯合調峰交易模型基礎上，導出基于IGDT的聯合調峰模型，具體如下：

1)風電功率不確定性模型。

軍事英語的教學活動是一種創造性的建構活動，幫助學生習得語塊就意味著向創造性的語言輸出過渡。作為具有成熟分析能力的學習者，在這種創新性教學模式的引導下，通過對語塊不斷認知、總結和使用，學生一定能獲得軍事英語詞匯生成規則并能創造性地產出和使用。

采用信息差距模型表達風電不確定性為：

(28)

式中：α為相對預測偏差。

2)風電調峰魯棒決策模型。

采用確定性調峰模型，根據風電輸出功率的預測值可得到目標函數的最優值C0及決策者的預期目標值Cc：

Cc=(1+σc)C0

(29)

式中：σc為預測目標偏差系數，用于保證決策方案的魯棒性，預期成本目標值Cc高于C0，因此，σc取大于0的值。此時，對應的調峰成本應該不高于決策者預期目標值Cc，具體為：

(30)

在滿足調峰交易決策成本不高于預期目標Cc的情況下，求解最大不確定性程度α，μ為0，v為不確定參數，具體如下：

歸化翻譯可以讓大家通過譯文很容易的明白陜西美食文化的中文含義，利用歸化翻譯介紹美食的制作和來源以及背景故事，更容易讓游客接近和融入，減少譯文中有些不為人知的異域風情。現在很多陜西美食的譯名都采用歸化翻譯的方法，比如通過食材進行翻譯的菜名：“蕎面饸饹”翻譯成“Cold buckwheat noodles”，“漢陰炸米餃”翻譯成“Hanyin Fried Rice Dumpling”，有些以烹飪的方法來命名，比如“灌湯包子”翻譯成“Dumpling Stuffed with Hot Gravy”，“石子饃”翻譯成“Crispy pastry Baked on Hot Cobbles”等。

(31)

3.3 最惡劣場景的建立

當風電輸出功率低于預測值，且負荷攀升時，將導致系統凈負荷大幅增加，對電力系統安全運行造成不利影響，這種不利影響的程度主要受到下列幾個因素的影響：

進一步，參照文獻[16]，火電機組碳排放量一般通過歷史數據回歸確立的一元二次函數描述，具體計算為：

若安享于小雪節氣，就不要急著把那些大雪紛飛、銀裝素裹的詩歌翻出來，真的還不到時候。這個時節，往往是天空陰沉，飄落些許冷雨絲。天色漸暗，不經意間，雨絲變成了雨夾雪，雨夾雪變成了“鹽籽兒”。你也許很期待明天早晨起來，地面是一片白茫茫，但更多時候，小雪在半夜就悄無聲息地停了下來，第二天，太陽照常升起，河湖的水，很清很冷，似凍未凍。這或許便是“小雪”節氣的精妙所在了。

2)電力系統對凈負荷功率變化的耐受能力，主要受到2個因素的影響：

(1)常規機組提供的備用輔助服務平衡凈負荷功率波動的能力。常規機組若能夠提供足夠容量、快速增出力的備用來平衡凈負荷的波動，則不利影響較小。

(2)總負荷容量。總負荷容量越大，同樣程度的凈負荷波動對系統的影響越小。

基于上述分析，本文定義t時刻的凈負荷波動指標ft，具體如下：

(32)

(33)

根據式(32)和(33)可得到負荷波動特性，從中篩選負荷波動程度最大情景，即作為風電功率波動最惡劣情景Sworst：

(34)

式中：T表示風電調峰交易決策方案的全部時段。

通過求解式(34)，即可得到造成不利影響最大的最惡劣情景。進一步，構建對應最惡劣情景Sworst的風電調峰交易決策模型目標函數。

gDR,v)≤Cc}

(35)

根據式(35)確立最惡劣情景下系統調峰交易決策目標，該情景求取的風電調峰交易決策方案為最保守交易方案。

4 算例分析

4.1 基礎數據

2.2.11 手術記錄 手術記錄應在術后及時完成，重點描述腫瘤外觀、大小、部位，以及電切程度和完整性等。

表1 火電機組運行參數Table 1 Operational parameters of thermal power units

該局域電網中5個類型火電上網電價分別為374.9、370.0、355.0、345.0、330.0元/(MW·h)，風電上網電價為520元/(MW·h)。儲能充電價格為410元/(MW·h)，放電價格為745元/(MW·h)。其中，日最大和最小負荷分別為6 000、5 085 MW，峰谷比為1.18，負荷、風電的上旋轉備用系數為8%，風電下旋轉備用系數為5%。圖3為典型負荷日負荷需求和風電可用出力。

圖3 典型負荷日負荷需求和風電可用出力Fig.3 Typical daily load demand and available output of wind power

考慮DR參與風電調峰交易服務，參照文獻[13]選取電力價格彈性矩陣，并劃分負荷需求峰、平、谷時段，DR前價格為500元/(MW·h)，設定PBDR和IBDR提供的出力均不超過原始負荷的10%。PBDR后峰、平、谷時段價格分別為400、500、600元/(MW·h)，IBDR提供上下調峰價格分別為300、750元/MW。進一步，設定4種仿真情景：

因此，在臨床膿毒癥救治過程中，需要高度重視患者血小板的功能變化，積極采取有效的干預措施，從而提升膿毒癥患者的治愈率。2012版嚴重膿毒癥/膿毒性休克治療指南指出，輸注血小板的指導原則來源于專家共識意見和化療引起的血小板減少癥的經驗[3]。陳樸等[15]的研究結果顯示重組人血小板生成素治療能夠有效促進膿毒癥患者血小板計數恢復，減少患者輸注濃縮血小板等血制品的數量，降低患者的病死率。

情景2：低碳調峰情景，考慮碳排放權交易下風電調峰交易，設定合理棄風率為3.5%。

情景3：隨機調峰情景，考慮不確定性，設定預測目標偏差系數σc的初始值為0.1。

為保障ESS的持續安全穩定運行，本文引入蓄電池荷電狀態(state of charge,SOC)描述蓄電池剩余容量，具體為：

4.2 結果分析

4.2.1 算例結果

為對比分析DR和儲能對風電發電并網的作用，對情景1設定4種子情景：

情景1-1：僅火電參與風電調峰；

情景1-2：火電和DR聯合參與風電調峰；

情景1-3：火電和儲能聯合參與風電調峰；

情景1-4：火電、DR和儲能聯合參與風電調峰。

表2為情景1中風電調峰交易優化方案。

根據表2，相比儲能和DR參與調峰前，僅ESS參與調峰(情景1-3)時，主要調峰源為250、150 MW機組，僅DR參與調峰(情景1-2)時，DR替代150 MW機組承擔峰時段調峰需求，主要調峰源為250 MW機組，150 MW機組僅提供較少調峰服務。當儲能和DR聯合參與調峰(情景1-4)時，250 MW機組、DR和儲能已能滿足風電調峰服務，故150 MW機組未被調用。圖4為不同目標偏差σc對應的風電不確定性程度和調峰成本。

根據圖4，隨著預期目標偏差系數的增大，風電調峰成本也相應最大，即允許的風電輸出功率的不確定性程度也相應增大。可針對不同的預期調峰交易成本，計算出所能容忍的風電輸出功率的預測誤差。例如，當預期成本偏差系數為0.2時，即預期風電調峰為2 251.762萬元時，對應的風險不確定性程度為0.156，表示當風電輸出功率在預測值的[0.156,0.844]范圍內波動時，采用本文所提方法得到調峰交易決策方案，能保證調度決策方案的成本小于2 251.762萬元，即符合決策者的心理預期。火電、儲能和DR多源聯合調峰交易結果如圖5所示。

圖4 不同預測目標偏差下風電不確定性程度和調峰交易成本Fig.4 Uncertainty degree of wind power and transaction cost of peak-shaving under different forecast target deviations

表2 情景1中風電調峰交易優化方案Table 2 Optimization scheme of wind power peak-shaving transaction in scenario 1

圖5 火電、儲能和DR聯合參與風電調峰交易結果Fig.5 The results of the joint participation of thermal power,energy storage and DR in wind power peak-shaving transactions

根據圖5，當同時考慮碳排放權交易和風電不確定性時，600 MW和350 MW機組始終處于滿發狀態，用于滿足負荷需求，而300 MW機組因其較高的調峰成本和較差的調峰能力，僅在峰時段(17:00—21:00)被調用，更多的250 MW和150 MW機組被調用提供靈活的風電調峰服務。相比情景3，碳排放權交易提升了250 MW和150 MW機組調峰效益，故ESS提供調峰出力最低，而DR因其提供下調峰能力較強，故提供調峰出力要低于情景3，但高于情景1和情景2。表3為4種情景下火電機組參與風電調峰狀態。

根據表3，對比情景1和情景2，碳排放權交易能降低火電機組調峰成本，350 MW和300 MW機組的調峰成本要低于250 MW機組，故350、300、150 MW機組被調用提供風電調峰，承擔更多風電調峰任務，總調峰時間為54 h，其中300 MW機組的最大調峰率為40%(深度調峰)。然后，對比情景1和情景3，當考慮風電輸出功率不確定性時，系統調峰需求更高，故350 MW機組提供了部分時段調峰出力，而300 MW機組因其調峰范圍較大，承擔大部分時段的調峰任務，最大調峰率為40%。最后，當綜合考慮碳排放權交易和風電輸出功率不確定性時，300、250、150 MW機組的調峰經濟性和調峰能力更佳，主要承擔風電調峰任務，特別是150 MW機組提供調峰時間最長，250 MW機組的調峰深度最大，已處于投油調峰狀態。

4.2.2 結果分析

根據上述分析可知，IGDT方法能反映并控制風電輸出功率的不確定性程度，制定適應于不同風險態度決策者的決策方案。進一步，分析所提優化模型在風電輸出功率最惡劣情景的適用性，圖6為最惡劣情景火電、儲能和DR參與風電調峰交易結果。

根據圖6，在最惡劣情景中，600 MW機組和250 MW機組始終處于滿發狀態，350 MW機組在谷時段提供較大的調峰出力，150 MW機組則在峰時段提供調峰出力。在峰時段，由于風電輸出功率波動性較大，DR提供調峰出力也增加；在谷時段，350 MW機組提供了較大的調峰范圍，系統對ESS調峰需求降低。圖7為不同碳交易價格下風電調峰成本和不確定性程度。

圖6 最惡劣情景下風電調峰交易結果Fig.6 Wind power peak-shaving transaction results under the worst scenario

表3 4種情景下火電機組參與風電調峰狀態(僅考慮啟動機組)Table 3 Participation of thermal power units in wind power peak-shaving under four scenarios (only start-up units are considered)

圖7 不同碳交易價格下風電調峰成本和不確定性程度Fig.7 Wind power peak-shaving cost and uncertainty under different carbon trading price

根據圖7，就非最惡劣情景來說，隨著碳排放權交易價格上漲，火電調峰經濟性逐漸上漲，在碳排放權交易價格低于80元/t時，風電調峰成本和不確定性程度變動幅度較小，表明現有價格未能彌補火電調峰成本；第二階段，當碳排放權交易價格處于80～90元/t，同時，風電調峰成本和不確定性程度變動幅度較大，這表明價格已能補償火電調峰成本，系統調峰能力增強；第三階段，當碳排放權交易價格高于95元/t時，風電調峰成本和不確定性程度增加，這是因為風電承擔部分碳交易成本，并網出力增幅很大，給系統帶來了高額調峰成本和運行風險。

然而，對于最惡劣情景來說，調峰成本始終高于確定性情景和不確定性情景，且呈現先降低后增加的趨勢。同時，當碳排放權交易價格高于80元/t時，調峰成本就開始上漲，而碳交易價格高于95元/t時，漲幅增強。這是由于碳排放權交易價格增加初期，會提升火電機組調峰積極性，降低風電不確定性影響，但隨風電并網功率的增加，火電調峰能力基本達到上限，碳交易價格的增加，會讓風電選擇更大規模并網，彌補交易成本，故調峰成本逐漸上漲。

5 結 論

本文利用IGDT方法反映風電輸出功率的不確定性程度，建立了風電聯合調峰交易優化模型。最終，選取中國西北某局域電網開展實例分析，得到以下結論：

1)儲能和DR能提升系統調峰靈活性，促進風電發電并網出力，碳排放權交易則能提升火電機組調峰的凈經濟性，合理分配多源聯合調峰增量效益。

2)IGDT方法能描述風電輸出功率不確定性風險，隨著預期目標偏差系數增大，允許風電輸出功率的不確定性程度也相應增大，得到對應的風電不確定性程度，確立符合不同風險態度決策者心理預期的調峰交易方案。。

3)碳排放權交易價格在85～95元/t時，調峰能力逐步增加，風電并網增加，風電調峰成本和不確定性程度能取得最優值，但在最惡劣情景下，碳排放權交易價格應當低于80元/t。