日前电能市场与深度调峰市场联合出清模型
（来源：中国电力 作者：张明理1, 张娜1, 武志锴2, 高靖1, 徐熙林1, 李健3, 吕泉3）
（1. 国网辽宁省电力有限公司经济技术研究院，辽宁 沈阳 110015; 2. 国网辽宁省电力有限公司，辽宁 沈阳 110015; 3. 大连理工大学 电气工程学院，辽宁 大连 116024）
摘要：以采用全电量集中竞价模式的日前电能交易和东北深度调峰交易融合运行、联合出清为背景，建立一种日前电能量市场和深度调峰服务市场联合出清模型。模型以系统电能量费用、启动费用、调峰费用与新能源限电惩罚费用之和最小为目标函数，以系统电力平衡与备用、火电机组和新能源2类发电单元运行边界为约束条件，实现新能源优先消纳基础上的2市场整体最优；模型通过日前电能量市场预出清与2市场联合再出清的分步计算方法，在可接受的时间内，实现2市场的联合出清。
引文信息
张明理, 张娜, 武志锴, 等. 日前电能市场与深度调峰市场联合出清模型[J]. 中国电力, 2022, 55(2): 138-144.
ZHANG Mingli, ZHANG Na, WU Zhikai, et al. Joint clearing model of day-ahead energy market and down regulation service market for accommodation of renewable energy[J]. Electric Power, 2022, 55(2): 138-144.
引言
在北方风光新能源并网比例高的地区，存在严重的新能源消纳难题[1-2]。为了激励火电提升运行灵活性消纳新能源，各地区在现货市场[3-5]之前已经建设了较为成熟的调峰市场[6-8]，并取得了很好的效果[9-11]，已成为新能源消纳重要的机制保障。为了保持对火电运行灵活性提升改造[12-15]的激励性，一些现货市场保留了深度调峰交易，如山西、甘肃等[16]。
对东北电网而言，其电源结构中，风、光、核、热电联产等非灵活性电源占比很高，当前及未来调峰供需矛盾非常突出[17-18]。考虑到当前多个电力现货市场试点在模拟运行中所呈现的低电价特性，在东北电网中，现货市场恐难以为燃煤热电厂运行灵活性提升改造提供足够的经济激励与投资补偿[19]，在现货市场试点建设时继续保留调峰市场可能是激励电源运行灵活性提升、缓解调峰供需矛盾、保障火电供给长期充裕性的重要机制。
为此，有必要实现日前电能交易和深度调峰交易的联合出清，使市场清算效率最大化，降低整体运行成本。文献[20]首次建立了考虑深度调峰的日前市场出清模型，为解决日前电能交易和深度调峰交易融合问题提供了非常好的思路。不过，其所描述的深度调峰交易场景是风光新能源向火电购买深度调峰服务，与现有风光优先上网消纳，其后系统深度调峰费用再根据责任分摊的东北深度调峰交易场景并不匹配。
本文以采用全电量集中竞价模式的日前电能交易和东北深度调峰交易融合运行、联合出清为背景，建立一种面向新能源优先消纳的日前电能量市场和深度调峰服务市场联合出清模型，解决了因目标函数中火电运行成本项呈非凸特性而导致的求解困难问题。
1日前电能交易与深度调峰交易联合出清模型
1.1 含深度调峰日前现货市场交易原理
从试点来看，中国日前现货市场主要为全电量申报、集中优化出清模式[3,21-23]。中长期交易主要采用差价合约方式，其分解曲线和价格主要用于结算，不影响日前计划曲线的形成。
发电厂在日前市场报价时，往往需要以机组为单位，针对次日每个交易时段申报报价曲线，一般为分段阶梯形，如图1 a)所示，其中PN为机组额定功率，λ为发电报价，λPR为调峰补偿报价；市场根据报价信息，以购电成本最低为目标，确定次日各时段、各机组的启停安排和发电功率安排[19]。
图1 火电机组发电报价与等值成本示意Fig.1 Schematic diagram of the bids and equivalent operating cost of thermal power units
日前现货市场建设后，深度调峰市场将与省内日前电能市场相结合，进行联合优化、一体出清，形成含深度调峰交易的日前发电计划曲线[16]。因此，发电厂在日前现货市场申报时，除了为机组申报电能报价曲线之外，还需为其深度调峰容量（负荷率低于基本调峰负荷率以下的容量[6]）申报补偿要价，一般分为多档区间。以东北深度调峰服务为例，深度调峰容量分两档区间，如图1a)中虚线所示。当2个市场联合出清时，考虑到深度调峰会造成机组发电效率下降、需投油稳燃、机组寿命受损耗问题[24-25]，电厂索取的补偿费用往往较高，发电机组的等值总发电成本曲线就变为随着发电量的增加先单调下降而后再单调上升，如图1b)所示。这将使得联合出清模型变成非凸而难于求解[20]。因此需要设计合适的模型求解方法。下文首先构建了面向新能源优先消纳的日前电能市场与深度调峰市场联合出清模型，并设计了分步求解算法。1.2 目标函数日前电能量市场与深度调峰服务市场联合出清时，其模型的目标函数包含3部分：（1）日前电能量市场的电能量费用（包含了运行费用和启动费用）；（2）深度调峰服务市场的调峰费用；（3）新能源限电的惩罚费用。目标函数为
式中：t为周期内时段标号；j为机组标号；k为机组深度调峰报价的档位标号；T为时段集合；J为机组标号的集合；K为深度调峰档位集合；为火电机组j在时段t的运行费用；为火电机组j在时段t的启停费用；为火电机组j在时段t处于第k档深度调峰的补偿费用；为时段t的新能源限电惩罚的费用。通过设置较高的惩罚，可促使市场充分利用深度调峰容量消纳新能源弃电电能。火电机组的运行费用为
式中：NL为分段线性电价函数的段数；l为段号；Aj为火电机组j在最小技术出力下的运行费用；vj,t为布尔变量，表示火电机组j在时段t开停机状态，0为停机，1为开机；λl,j为火电机组j在l段的电能量报价；δl,j,t为火电机组j时段t在分段报价函数的l段的发电功率；pj,t为火电机组j在时段t的发电出力；分别为火电机组j的最大、最小技术出力；El,j为分段线性报价函数中l段的发电功率上限。
火电机组启动费用为
式中：为火电机组j的启动报价。
火电机组深度调峰费用为
式中：为火电机组j第k档的深调报价；为火电机组j在时段t第k档的深调功率；分别为机组j在k档深度调峰的负荷率上、下限。
新能源限电惩罚费用为
式中：λw为新能源限电惩罚系数；为时段t的新能源限电功率。
1.3 约束条件
（1）系统电力平衡约束为
式中：Dt为时段t的负荷功率；为时段t新能源实际发电功率。
（2）系统备用约束为
式中：为时段t新能源发电预测功率；ε为系统备用率；ω为新能源发电可信度。
（3）新能源发电范围约束为
（4）机组出力范围约束为
式中：分别为火电机组j在时段t的最大最小出力，其中最小出力为考虑深度调峰后的最小出力。
（5）火电机组爬坡率约束为
式中：分别为火电机组j的运行上、下爬坡率；分别为火电机组j的启动、停机爬坡率。
（6）火电机组最小开机时间约束为
式中：NT为周期时段数；为火电机组j的最小开机时间；Gj为火电机组j周期开始时段必须开机的时段数，由上一周期运行结果求得，是已知量。
（7）火电机组最小停机时间约束为
式中：为火电机组j的最小停机时间；Lj为火电机组j周期开始时段必须停机的时段数，由上一周期运行结果求得，是已知量。
2求解方法
由图1可知，机组在日前市场的报价曲线是先下降后上升，不具有单调性，进而使得市场出清模型难于求解。为此，本文设计了分步计算的方法：首先，进行日前电能量市场预出清。即，先将各火电机组的出力最小值固定到基本调峰下限，进而对不考虑调峰市场的出清模型进行求解，得到次日各时段火电机组的开停机状态、机组各时段出力与各时段新能源的限电功率。
各机组出力基本调峰下限为
式中：为机组j基本调峰负荷率下限。
然后，再进行两市场联合再出清。此时：将火电机组开停机状态根据上步计算结果设置为常量；利用各时段新能源的限电功率确定新能源限电时段Ut：当时，Ut=1；当时，Ut=0；在非新能源限电时段，不参与深度调峰市场，出力范围不变，在新能源限电时段，参与深度调峰市场，机组出力和深度调峰量之和大于基本调峰下限，机组出力要小于上步日前市场机组出力结果。再出清模型中机组出力范围具体如式（14）所示；然后，对模型进行求解，得到火电机组的次日计划发电功率与新能源的计划发电功率和限电功率。
再出清模型中机组出力范围为
3算例分析
3.1 基础数据
在11机测试系统中，单元1~8为热电机组，供暖期不进行启停，单元8~11为纯凝机组，其中单元9和单元10为600 MW大机组，日内也不启停，仅单元8机组可以启停调峰。各机组爬坡率取值为额定功率的40%。每台机组分别对电能、调峰、启动进行报价。其中：电能报价采用分段阶梯形报曲线，如图1所示；第1段深度调峰负荷率范围为50%~40%，第2段负荷率范围为40%~0%；启动费用根据机组自身的启动成本申报报价。系统备用率εd取5%；新能源发电可信度εcr取20%；新能源限电惩罚系数λw取1 000元/(MW·h)。算例中共分析2种计算求解方法：（1）采用顺序出清的方法。先进行日前电能量市场出清；再对新能源限电时段进行独立深度调峰服务市场出清。（2）采用本文第2节所提联合出清方法。先日前电能量市场预出清、后两市场联合再出清的分步计算方法。3.2 联合出清的必要性方法（1）和方法（2）出清后火电机组的总体出力，如图2所示。可以看出，在新能源大发早、晚时段，无论方法（1）顺序出清还是方法（2）联合出清，都在起始时段和夜间低谷时段通过调用火电机组的两级深度调峰对新能源弃电进行了消纳。然而，从效果上来看，联合出清由于考虑了日前市场与调峰市场的衔接，消纳新能源的效果比顺序出清更好，前者消纳了6 737 MW·h的新能源弃电、后者消纳了6 651 MW·h，前者比后者多消纳了86 MW·h。
图2 联合出清与顺序出清火电出力对比Fig.2 Comparison of coal-fired power output between joint clearing and sequential clearing
在大部分时段，两者的出清结果是相同的，但在22:00−23:00时段，方法I顺序出清下火电总出力比方法II联合出清高出力86 MW。这是因为22:00−23:00风电突然大发，由非弃风时段转向弃风（夜间无光伏）。在顺序出清的方法（1）下，由于机组1、2报价较低，在非弃风的21:00−22:00时段安排了较高的出力，使得其在弃风的22:00−23:00时段受爬坡率约束（额定功率的40%）无法降低到调峰基准负荷 (175 MW) 以下进行深度调峰，从而散失了深度调峰能力。这就使得在顺序出清下后续深度调峰市场中的系统深度调峰能力不足，无法完全消纳弃风。而在两市场联合出清的方法II下，在安排非弃风时段的电能出力时考虑了后续深度调峰市场的深度调峰需求，故而在21:00−22:00时段时将机组1、2出力降低到了280 MW，从而为两机组在23:00−24:00参与深度调峰市场分别留出了35 MW的深度调峰容量。10号纯凝机组也类似，在联合出清下，23:00−24:00增加了80 MW深度调峰容量。
由上述分析可以看出，联合出清可充分考虑电能市场后续深度调峰市场的下调峰需求，从而为后续风电消纳预留深度调峰容量，实现新能源消纳的最大化。
2种出清方法在不同爬坡率下的总成本与新能源限电量，如表1所示。可以看出，爬坡率越小，联合出清较之顺序出清的效果就越明显。这是因为机组爬坡率越小，时段耦合性越强，机组在电能市场出清结果对其后续时段参与深度调峰的容量影响就越明显，故而联合出清的效益就越大。
表1 不同爬坡率下的总成本和新能源限电量Table 1 Total cost and renewable energy curtailment under different ramp rates3.3 联合出清算法的有效性
为了分析计算规模的扩大对本文所提联合出清算法有效性的影响，本文采取了将机组、负荷、新能源预测发电出力扩大为原来的1~10倍，其运算时间如图3所示。
图3 算法的计算时间Fig.3 Algorithm calculation time
将系统扩大规模到110台机组后，其整数变量、连续变量、非零系数、约束条件分别达到了1 750、26 559、170042、63 122个，但算法仍在较短的时间内获得了结果，可以满足现实中省级电网的工程应用需求。
4 结语
本以采用全电量集中竞价模式下日前电能交易和东北深度调峰交易融合运行、联合出清为背景，建立一种面向新能源优先消纳的日前电能量市场和深度调峰服务市场联合出清模型。该模型实现了新能源优先消纳基础上的两市场整体最优，解决了火电运行成本因深度调峰报价而非凸导致的难以求解问题。计算表明联合出清模型可充分考虑电能市场后续深度调峰市场的下调峰需求，从而为后续风电消纳预留深度调峰容量，实现新能源消纳的最大化。（责任编辑 杨彪）
作者介绍
张明理（1977—），男，博士，高级工程师（教授级），从事电力能源系统研究，E-mail：zml_jyy@ln.sgcc.com.cn；
★
张娜（1986—），女，博士，高级工程师，从事电力经济、电力系统规划运行研究，E-mail：zn_jyy@126.com;
★
武志锴（1986—），男，硕士，高级工程师，从事电力经济研究，E-mail：wzk@ln.sgcc.com.cn.
