一种容量电价与风光火配比相协调的电源规划方法与流程

3673.pst.2021.2117.
10.[6]张涛,胡娱欧,张晶,韩亮,王佩雯,何淼,陈雨果.适应高比例新能源发展的电力市场容量保障机制分析[j].电力建设,2021,42(03):117-125.
[0011]
[7]武昭原,周明,王剑晓,夏清,李庚银.激励火电提供灵活性的容量补偿机制设计[j].电力系统自动化,2021,45(06):43-51.


技术实现要素：

[0012]
针对上述问题，本发明以未来高比例新能源电力系统建设中考虑火电机组容量补偿进行电源规划为研究场景，提出了一种容量电价与风光火配比相协调的电源规划方法包括：规划电源为火电、风电、光伏，考虑火电机组容量补偿机制，建立容量电价与风光火配比相协调的双层电源规划模型，所述双层电源规划模型包括上层的投资规划模型以及下层的优化运行模型；所述上层的投资规划模型以各类电源及火电机组容量补偿电价为规划主体，基于总成本最小进行电源投资决策，并保证各类机组收益；所述下层的优化运行模型基于年运行成本最小的目标进行优化运行模拟；采用遗传算法以及混合整数规划方法求解所述双层电源规划模型。
[0013]
模型的求解包括：
[0014]
初始化春秋、夏、冬典型日下机组调度出力及启停计划，通过遗传算法生成上层电源投资规划初始方案传递给下层运行模型；
[0015]
下层运行模型根据上层的电源投资规划方案，分别在春秋、夏、冬典型日下决策各机组调度出力及启停计划，并将下层运行结果返回给上层模型；
[0016]
上层投资规划模型得到新的各典型日下机组调度出力及启停计划，通过遗传算法重新求解，得到新的电源投资规划方案，并传递给下层运行模型；
[0017]
重复上面的步骤，直至上下层迭代达到最大次数，退出循环，输出最优电源规划结果及运行方案。
[0018]
上层的电源投资规划模型的目标函数为：
[0019]
minf1＝f
inv
f
fix
f
ope
f
gre
f
cap
[0020]
其中，f1为规划水平年总成本，f
inv
为新建机组投资成本、f
fix
为机组年固定维护成本、f
ope
为系统年运行成本、f
gre
为系统可再生能源配额成本、f
cap
为容量补偿费用；其约束条件包括电力约束、装机规模约束、机组年净利润约束、容量电价约束。
[0021]
下层的优化运行模型的目标函数为：
[0022]
minf2＝fo f
ren
f
car
[0023]
其中，f2为日运行成本，fo为日运行成本包括机组运行成本、f
ren
为可再生能源弃电惩罚成本、f
car
为碳排放成本；其约束条件包括功率平衡约束、各类型机组运行约束、机组爬坡约束、启停时间约束。
[0024]
本发明的有益效果在于：本发明通过分析当前国内外现有的容量补偿机制，明确了各种容量补偿机制的适用场景，并结合我国电力市场实际建设现状，提出了适应于我国的基于有效容量的火电机组容量补偿机制，对未来高比例新能源电力系统下火电机组的成本回收具有指导意义。同时基于火电机组容量补偿机制，建立了考虑火电容量补偿的容量电价与风光火配比相协调的双层电源规划模型，该模型可以实现电源与容量电价的协调规
划，在保障系统经济性的同时，有效保障各机组收益，为未来电力系统规划及市场机制的协调发展提供参考。
附图说明
[0025]
图1是本发明中的火电机组容量补偿机制结构；
[0026]
图2是本发明中的电源规划双层模型的整体框架；
[0027]
图3是本发明中电源规划双层模型的求解流程图。
具体实施方式
[0028]
下面结合附图，对实施例作详细说明。
[0029]
在“双碳”目标背景下，为鼓励可再生能源发展，减少系统碳排放量，电力行业提出了许多措施。本发明进行电源规划时考虑碳税及可再生能源配额制，以价格信号将系统运行过程中的碳排放量及可再生能源消纳量量化为系统发电成本，从而调动各主体积极性，引导系统电源配置向清洁能源发展。
[0030]
碳税以税收的方式对机组碳排放量进行定价，由于火电机组为最主要碳源，系统碳排放成本即火电机组的碳排放成本，计算公式如下：
[0031]ficar
＝γ
carei
piꢀꢀꢀ
(1)
[0032]
式中：γ
car
表示碳税；ei表示火电机组i的碳排放系数；pi表示火电机组i发电量。
[0033]
绿色证书交易机制作为可再生能源配额制的配套制度，将可再生能源发电量量化，当配售电公司未完成政府规定的配额要求时，可以通过向其他考核主体购买绿色证书的方式完成配额要求。本发明考虑整个系统的可再生能源配额成本，当系统可再生能源发电量不满足系统配额要求时，需要购买绿证，支付可再生能源配额成本，同时，当系统可再生能源发电量高于系统配额要求时，可以出售绿证，获得可再生能源配额收益，可再生能源配额成本f
gre
如下所示：
[0034]fgre
＝γ
gre
k(δ
gre
p
all-p
ren
)
ꢀꢀꢀ
(2)
[0035]
式中：γ
gre
表示绿色证书交易价格；k表示量化系数，将可再生能源配额量化为绿色证书的数量，k＝1本/mw
·
h；δ
gre
表示可再生能源配额系数；p
all
表示系统发电量之和；p
ren
表示系统可再生能源发电量之和。
[0036]
当前国内外容量补偿机制主要可分为三大类，分别是容量市场机制、纯能量市场稀缺定价机制及容量补贴机制。容量市场机制对容量需求曲线的准确性提出了较高的要求，我国正处于经济高速发展时期，大部分省市的电力负荷难以准确预见，另外，容量市场需要与完善的电能量市场相协调，因此，我国当前不具备建设容量市场的条件；稀缺定价机制仅能反映短时供需关系，导致电价波动，使长期发电投资存在高风险，并且我国当前市场信息披露不足，无法区分市场稀缺电价的出现是否合理，不适用于我国当前市场发展现状；容量补贴机制简单易行，适用于电力市场发展初期，并已在我国山东、广东等省份得到应用。因此，本发明选取适应我国目前发展现状的容量补贴机制进行容量补偿设计，并针对具有代表性的火电机组。通过对容量电价和火电机组补偿容量的核算，实现对火电机组发电容量成本的回收。容量补偿机制结构如图1所示。
[0037]
1)容量电价
[0038]
本发明以火电机组单位容量固定成本为依据核算单位容量电价。投资成本折旧费是固定成本的主要组成部分，其余成本与机组运营效率相关。因此，本发明主要考虑火电机组的投资成本折旧费作为容量电价的核算依据。下式为火电单位容量电价λ
cap
的定价范围：
[0039][0040]
式中：k
g,inv
为火电机组的单位容量投资成本；σ为贴现率，一般为7％；ni为机组使用年限，一般为30年。
[0041]
2)补偿容量
[0042]
本发明容量补偿机制中的补偿容量基于机组有效容量进行计算。首先考虑机组燃料可用率、厂用电率、检修时间占比、强迫停运率计算机组可用系数。另外，由于不同投产年限的机组折旧费用差异较大，根据机组投产年限计算投产年限修正系数，将机组装机容量与可用系数及投产年限修正系数的乘积作为各机组的可补偿容量。
[0043]
考虑机组燃料可用率、厂用电率、年度检修计划对火电机组i装机容量进行调整，得到机组初步有效容量
[0044][0045]
式中：为火电机组i的装机容量；f
i1
为火电机组i的燃料可用率；f
i2
为火电机组i的厂用电系数；f
i3
为火电机组i的年度检修维护时间占比系数。
[0046]
在机组初步有效容量基础上，采用多状态机组概率模型考虑机组强迫停运率，得到机组有效容量
[0047][0048]
式中：εi为机组i的等效强迫停运率。
[0049]
最后，将机组有效容量按照机组投产年限进行修正，得到每个机组的补偿容量
[0050][0051]
式中：f
i4
为火电机组i的投产年限修正系数，新建机组取1，原有老旧机组按照投产年限折算。
[0052]
3)结算方式
[0053]
基于机组的投资成本，可确定机组的容量电价补偿上限；基于各机组的装机容量，修正后可确定机组的可补偿容量；容量补偿费用从用户侧收取，按月结算。火电机组的总收入等于其电量收入和容量收入之和。火电机组i获得的容量补偿收入为f
icap
：
[0054][0055]
与容量电价相协调的电源规划问题具有双层结构。本发明主要规划电源为火电、风电、光伏，上层模型以各类电源及火电机组容量补偿电价为规划主体，基于总成本最小进
行电源投资决策，并保证各类机组收益；下层模型基于年运行成本最小的目标进行优化运行模拟。电源规划双层模型的整体框架如图2所示。
[0056]
上层电源投资规划模型以规划水平年总成本f1最低为目标，总成本包括新建机组投资成本f
inv
、机组年固定维护成本f
fix
、系统年运行成本f
ope
、系统可再生能源配额成本f
gre
及容量补偿费用f
cap
。决策变量为新建机组方案，包括待选火电机组i是否投建αi、待选风电机组j是否投建αj、待选光伏机组k是否投建αk及火电机组单位容量电价补偿变量λ
cap
。目标函数具体可表示为：
[0057]
min f1＝f
inv
f
fix
f
ope
f
gre
f
cap
ꢀꢀꢀ
(8)
[0058]
1)新建机组投资成本
[0059][0060][0061]
式中：φ
g,new
、φ
w,new
、φ
pv,new
分别表示新建火电风电、光伏机组集合，φ
g,old
表示已有火电机组集合；crf表示资金回收系数；k
g,inv
、k
w,inv
、k
pv,inv
分别表示新建火电机组、风电机组及光伏机组的单位容量投资成本；表示火电机组i、风电机组j、光伏机组k的容量；ni、nj、nk分别表示各机组的使用寿命；αi、αj、αk是0-1变量，分别表示火电机组i、风电机组j及光伏机组k的状态，对于已有火电、风电、光伏机组，α
i,j,k
＝1，对于待选火电机组及可再生能源机组，α
i,j,k
＝0代表不投建，α
i,j,k
＝1代表投建。
[0062]
2)机组年固定维护成本
[0063][0064]
式中：φg、φw、φ
pv
分别表示所有火电机组和风电光伏机组集合；k
g,fix
、k
w,fix
、k
pv,fix
表示火电机组、风电机组及光伏机组的单位容量固定维护成本。
[0065]
3)系统年运行成本
[0066]
由于不同季节负荷特性不同，选取春秋、夏、冬3个典型日优化运行。具体可表示为：
[0067][0068]
式中：s表示等效水平年内典型日；f
2,s
为典型日s的日运行成本，由下层优化运行得到，即下层目标函数；θs为典型日s的天数。
[0069]
4)系统可再生能源配额成本
[0070][0071]
式中：p
i,s,t
、p
j,s,t
、p
k,s,t
分别表示火电机组i、风电机组j、光伏机组k在第s各典型
日t时刻的发电量。
[0072]
5)容量补偿费用
[0073][0074]
式中：λ
cap
表示火电机组i的单位容量补偿电价；表示火电机组i的补偿容量。
[0075]
约束条件如下：
[0076]
1)电力约束
[0077][0078]
式中：xw、x
pv
分别为风光机组的置信容量系数；p
d,max
为全年最大负荷；rd表示容量备用系数。
[0079]
2)装机规模约束
[0080][0081][0082][0083]
式中：c
g,max
、c
w,max
、c
pv,max
分别表示火电、风电、光伏机组最大装机规模。
[0084]
3)机组年净利润约束
[0085][0086][0087][0088]
式中：ni、nj、nk分别表示火电机组i、风电机组j、光伏机组k在等效水平年的净利润；λg、λw、λ
pv
分别表示火电机组、风电、光伏机组的上网电价。
[0089]
除了电力约束、装机规模约束及机组年利润约束，上层模型约束还包括容量电价约束，见式(3)。
[0090]
下层优化运行模型以日运行成本最低为目标函数优化各机组出力及启停。日运行
成本包括机组运行成本fo、可再生能源弃电惩罚成本f
ren
、碳排放成本f
car
，决策变量为典型日内各时段机组发电量。目标函数具体可表示为：
[0091]
minf2＝fo f
ren
f
car
ꢀꢀꢀ
(22)
[0092]
1)机组运行成本
[0093][0094]
式中：t表示典型日内各运行时段，t＝24；c
g,ope
、c
w,ope
、c
pv,ope
分别表示火电机组、风电机组及光伏机组的单位运行成本；u
i,t
表示t时段火电机组i的启停情况，为0-1变量，u
i,t
＝0代表停机，u
i,t
＝1代表开机；表示火电机组i的启动成本，本发明忽略停机成本；p
i,t
、p
j,t
、p
k,t
分别表示火电机组i、风电机组j、光伏机组k在t时刻的发电量。
[0095]
2)可再生能源弃电惩罚成本
[0096][0097]
式中：ρ
pun
表示可再生能源弃电单位惩罚费用；分别表示风电机组j、光伏机组k在t时段内的预测出力。
[0098]
3)碳排放成本
[0099][0100]
约束条件如下：
[0101]
1)功率平衡约束
[0102][0103]
式中：p
td
表示t时段的负荷量。
[0104]
2)各类型机组运行约束
[0105][0106][0107][0108]
式中：p
ig,min
、p
ig,max
分别表示火电机组i最小、最大出力系数。
[0109]
3)机组爬坡约束
[0110]
p
i-≤p
i,t-p
i,t-1
≤p
i
ꢀꢀꢀ
(30)
[0111]
式中：p
i-、p
i
分别表示火电机组i的向下爬坡速率和向上爬坡速率。
[0112]
4)启停时间约束
[0113][0114]
[0115]
式中，分别为火电机组i允许的最短开、停机时间。
[0116]
容量电价与风光火配比相协调的电源规划模型具有双层结构，上层和下层拥有不同的决策变量和决策目标，但各层决策之间相互关联与制约，即上层决策变量作为参数传递至下层模型，下层决策变量结果影响上层目标函数的最优值。上层以总成本最小为目标，以各机组新建容量、容量电价为决策变量，将机组新建容量传递给下层。下层以年运行成本最小为目标进行运行模拟，以各机组典型日运行出力为决策变量，并将机组日运行出力传递给上层。上层存在决策变量乘积项，为混合整数非线性规划模型，采用遗传算法求解。然后基于yalmip平台采用cplex求解器求解下层混合整数线性规划模型。求解流程如图3所示。
[0117]
具体步骤如下：
[0118]
1)输入风光火机组等基础参数，选取春秋、夏、冬三个典型日，输入典型日负荷及风光预测出力数据；
[0119]
2)设置上下层模型初始迭代次数g为0；
[0120]
3)设置上层模型初始迭代次数k为0；
[0121]
4)初始化各典型日下机组发电调度安排；
[0122]
5)根据机组发电调度安排，上层模型根据式(1)及式(8)至(21)决策出电源规划方案；
[0123]
6)判断上层模型是否达到最大迭代次数，若未达到则对种群进行变异、交叉和选择操作，且迭代次数k 1，重复步骤5)；若达到则输出上层模型最优电源规划方案；
[0124]
7)判断上下层模型是否达到最大迭代次数，若未达到则将上层电源规划方案传给下层，且g 1，然后根据上层电源规划方案，及式(22)至(32)，调用cplex对下层模型进行求解，得到该电源规划方案下的最优电源运行方案，并传给上层；若达到则输出最终规划结果及运行方案；
[0125]
8)重复步骤5)至7)，直至输出最终规划结果。
[0126]
此实施例仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。