考虑柔性负荷和阶梯型碳交易的低碳经济优化调度策略

2024-03-05王钦陈业夫蔡新雷孟子杰宋东阔

广东电力 2024年1期

王钦，陈业夫，蔡新雷，孟子杰，宋东阔

(1.广东电网有限责任公司电力调度控制中心，广东广州 510277；2.国电南瑞科技股份有限公司，江苏南京 211106)

随着“双碳”目标的提出和不断落实，我国大力推进可再生能源的发展，持续推进绿色低碳生产生活方式，促进碳减排迎来历史性转折[1-2]。据调查，我国电力行业造成的二氧化碳排放量近乎占全国碳排放总量的一半[3]，加快推动电力行业的绿色发展，促进节能减排，这将是我国早日实现碳达峰、碳中和目标的关键。推动电力行业绿色转型成为实现碳达峰、碳中和目标的重中之重。风光作为主要的可再生能源，接入电网的规模持续增大，已经成为能源发展的主要方向之一。然而，受到风速、太阳辐照度波动性、间歇性的影响，各类新能源的高比例接入给风光能源的消纳和调度增加了难度[4]，给电力系统的安全稳定运行带来了极大的挑战。

为了在技术和市场的双重因素下提升电网消纳风光能源的消纳潜力和水平，已有大量专家学者开展了相关研究。文献[5]提出了一种计及风电场和光伏电站出力互补的风光出力联合概率密度模型；在调度模型成本设置中考虑补偿成本和惩罚成本，进一步促进风光消纳。文献[6-8]均考虑了源-网-荷-储的联合调度策略，其中：文献[6]引入聚光太阳能热发电参与调节，构建了两阶段调度模型，在优化过程中，保证风光消纳实现最大及成本最优；文献[7]为了使得更多的风光并网，引入钠硫电池以提高系统灵活性，有效提高风光消纳能力，同时降低火电成本；文献[8]综合考虑风光的出力特性及电化学储能和抽水蓄能的互补特性，根据生成式对抗网络与峰值密度聚类算法生成风光出力场景，构建多时间尺度优化调度模型。但高比例的风光发电需要与其他能源形式协同运行，以确保能源的平衡供给。这需要优化能源调度技术，以便在需要时提供可靠的电力。此外，风光发电的成本与传统能源形式相比，仍然存在一定的差距，如何在风电大量并网的情况下经济最优化也是一个需要考虑的问题。

随着电网逐渐智能化，电网与用户侧的交互不断加强，互动调控有利于提高新能源消纳水平，提升不确定性增强条件下电力系统的平衡调节能力。国内外学者在负荷侧参与电力系统优化调度方面也开展了大量的研究。文献[9]在引入光热电站平抑功率波动的基础上，将高载能负荷作为可调节资源参与调度，以促进风光的消纳，减小系统的弃风、弃光量。文献[10]利用冰蓄冷空调深度、灵活调节的特点，综合考虑需求响应和冰蓄冷空调协同调度，基于场景法模拟生成可再生能源出力场景和负荷场景，构建经济-风险调度模型。

具备可控特征的柔性负荷也为新能源的消纳提供了更多思路。由于柔性负荷类型的多样化，如何充分利用柔性负荷以提升新能源利用率，达到节能减排的目的，这个问题越来越受到关注。文献[11]在风光储联合发电系统模型的基础上，引入柔性负荷并应用了补偿/激励机制策略，对柔性负荷采取分级协调，在目标函数中考虑柔性负荷协调成本及弃风、弃光成本，以提高风光能源的消纳能力及系统运行的稳定性。文献[12]为保障用户用电的满意度，考虑风光出力的不确定性，构建了3类柔性负荷响应量期望的不确定性模型以改进优化算法中的不确定集，提出一种楼宇群柔性负荷的优化调度策略，有效减少了弃风、弃光现象及系统运行成本。

但是，上述研究在引入负荷侧参与系统调度的同时，未考虑系统碳排放的情况。目前，大量的研究致力于优化清洁能源与传统能源的协同调度，旨在提高清洁能源的可持续性，并减少碳排放。文献[13]构建了基于碳交易的综合能源系统低碳经济调度模型，通过市场交易手段对系统的碳排放量进行控制，激励各市场主体降低碳排以获取碳交易收益。但碳交易与能源调度涉及多个因素的优化，尚需进一步深入探索。同时，为了提高新能源的消纳水平及电力系统的稳定安全性，明晰柔性负荷的引入对新能源消纳水平的影响程度，有必要对风光资源的调度的技术问题进行深入研究，兼顾系统的安全性、经济性、低碳环保性，提出不同组合机组的优化调度策略。

针对以上问题，本文构建一种考虑柔性负荷和阶梯型碳交易的低碳经济优化调度模型。通过发挥3种类型柔性负荷的特性，对系统起到削峰填谷的作用，促进系统对风光能源的消纳；建立考虑柔性负荷和风光消纳的经济优化调度模型，以系统综合运行成本最小为目标，并将阶梯型碳交易机制引入到系统优化运行中，实现系统低碳经济运行。通过3种场景对比分析柔性负荷对提高系统消纳新能源、减小电负荷峰谷差的作用，验证本文阶梯型碳交易机制的合理性。

1 电网柔性负荷特性分析

随着用户侧用电需求日益增长，甚至超过电力供应时，可调控不同类型的柔性负荷，利用其削峰填谷的作用[14]，维持电力系统安全稳定运行，同时促进可再生能源的消纳。引入柔性负荷参与调度越来越受到关注和重视。柔性负荷是指在一定时间段内灵活可调的负荷，根据不同的调节特性分为多种类型。作为一种可调控的负荷资源，电网中的柔性负荷对电力系统的影响越来越明显。柔性负荷通过引导用户主动参与，在电力系统中柔性负荷可以利用自身可调节的特性来灵活响应用电需求[15]，丰富了电网调度运行和调节手段，对系统来说实现经济效益和整体资源配置，从而获得一定的补偿。

根据柔性负荷参与调度的方式，一般将柔性负荷分为3种类型[16]：

a)可平移负荷：负荷曲线只在不同的时间段内整体平移；

b)可转移负荷：在一个调度周期内，负荷总量不变，但是不同时段内的负荷量允许灵活调控；

c)可削减负荷：根据需求对用电量进行削减。

1.1 可平移负荷

(1)

可平移负荷参与调度后的功率

(2)

1.2 可转移负荷

(3)

同时，转移前后功率总量保持不变，受到以下约束：

(4)

1.3 可削减负荷

可以根据需要在一定程度上切掉一些可削减负荷。削减后的负荷功率

(5)

2 阶梯型碳交易机制

通过柔性负荷的调控可以弥补风电、光伏出力波动造成的功率缺额，从而提高可再生能源的消纳水平，减小系统的碳排放量[19-20]。在建立调度模型中考虑引入阶梯型碳交易机制，并设置奖励系数，以进一步限制碳排放量，降低系统调度成本。另一方面，在仿真阶段通过比较是否考虑阶梯型碳交易机制下的机组出力及综合成本，以验证柔性负荷在促进新能源消纳方面的作用。

全球碳排放交易的市场模型是一个基于配额的市场，它通过实际排放量和基于配额的排放量之间的规模差异来决定交易。碳交易是指二氧化碳排放量的交易，是一种基于市场的措施，旨在缓解温室气体效应。在碳交易机制中，监管机构对碳排放水平设定了总限额。如果参与者的实际排放量低于限额，参与者可以出售多余的碳排放额度，而那些过度污染的参与者会购买这些额度[21]。

为进一步优化碳交易机制，本文构建了阶梯型碳交易成本计算模型，设置总碳排量值，并将其平均划分为若干个区间，对实际碳排放量进行线性化处理。当碳排放量小于免费分配的碳排放额时，供能企业可以在碳交易市场出售多余的碳排放配额，碳排放量越小的区间对应的碳交易价格越高；如果系统的二氧化碳排放量超过了免费分配的额度，能源供应商就不得不在碳交易市场上购买额度，若碳排放量越高，碳交易的价格也相应地越高[22]。在对模型求解时，本文采用的阶梯型碳交易机制如下：

(6)

式中：ΔE为系统碳排放权交易额，ΔE=Ep-Ec，Ep为发电机组的碳排放总量，Ec为发电机组的碳排放总额；且；f6为总碳交易成本；λ为奖励系数；c为市场上的碳交易价格；α为每个阶梯碳交易价格增长幅度；v为碳排放量区间长度。

3 计及风光消纳和柔性负荷参与的低碳经济优化调度模型

风能和太阳能的发电量依赖于自然环境，其中，风力发电量直接受到风速变化的影响，太阳能发电量受到太阳辐射强度的影响。尽管气象预测技术已经得到了显著进展，但是短期内精确预测风速和太阳辐射仍然具有挑战性。考虑到风电、光伏出力的不确定性，大量的风光能源并网会对电网稳定性带来问题，因此在电网调度时需要足够的调节能力来应对风光发电量的快速变化。本文引入柔性负荷缩减功率缺额，引入阶梯型碳交易机制减小系统碳排放量，促进风光消纳，构建计及风光消纳和柔性负荷参与的低碳经济优化调度模型。柔性负荷指的是具备调整消耗能力的电力负荷，包括可灵活调整的家庭、工业和商业用电设备等。通过与用户达成协议，可以根据电网供需情况对柔性负荷进行调度，使其在可再生能源出力不足时增加负荷，在可再生能源出力充足时减少负荷，从而实现电力系统的平衡。在满足系统各项约束的前提下，优化求解实现系统综合运行成本最小化及风光消纳最大化，使得电网系统社会效益最佳。

3.1 目标函数

为了实现新能源消纳最大化，在调度过程中除了保障电力电量的可靠供应外还要最大限度地降低系统综合成本，本文所建立模型综合考虑利用柔性负荷参与调度，最大程度地利用风光发电，兼顾安全性、经济性及低碳环保。

目标函数中综合考虑了火电机组运行成本、风电和光伏的运维成本、蓄电池充放电成本、风光未消纳的惩罚成本、3种柔性负荷的补偿成本、阶梯型碳交易成本，数学表达式为

minF=f1+f2+f3+f4+f5+f6.

(7)

式中：minF=f1+f2+f3+f4+f5+f6为火电机组运行成本；f2为风电、光伏的运维成本；f3为蓄电池充放电成本；f4为风光未消纳的惩罚成本；f5为柔性负荷补偿成本。

a)火电机组运行成本

(8)

式中：m1为常规机组参与调度的时段数；n1为常规机组数量；aj、bj、cj为常规机组j发电的成本系数；Pcg，i，j为第i个时段第j台常规机组的出力。

就在我考上大学的那年暑假，父亲走上了自己的路。祖父去世后留下一大块田地，后来田地被划入住宅建地，父亲因此意外地得到了一笔可观的财富。他决定带着那笔财富从这个不愉快的家庭里抽身而退。

b)风电、光伏的运维成本

(9)

式中：m2为风电/光伏机组参与调度运行时段数；n2为风电/光伏机组数量；Cwd，j为风电机组的单位出力运维成本；Pwd，i，j为第i个时段第j台风电机组的出力；Cpv，j为光伏机组的单位出力运维成本；Ppv，i，j为第i个时段第j台光伏机组的出力。

c)蓄电池充放电成本

(10)

式中：m3为蓄电池充放电时段数；n3为蓄电池数量；Pin，i，j、Pout，i，j分别为蓄电池充电、放电的功率；Cin，j、Cout，j分别为蓄电池充电、放电成本系数。

d)风光未消纳的惩罚成本

(11)

e)柔性负荷补偿成本

f5=fsh+ftrs+fcut，

(12)

(13)

(14)

(15)

3.2 约束条件

为维持电力系统运的安全稳定运行，需满足以下多项约束条件。

a)出力上下限约束为：

(16)

b)发电机爬坡约束为：

(17)

c)风电约束为

(18)

d)光伏约束为

(19)

e)蓄电池充放电功率约束为：

(20)

式中：Pin，max、Pout，max分别为蓄电池充电功率、放电功率的最大值；Ai、Bi分别为第i个时段蓄电池充、放电的状态，当Ai=1∪Bi=0时蓄电池充电，当Ai=0∪Bi=1时蓄电池放电。

f)柔性负荷约束。可转移负荷的出力约束见式(3)及式(4)，可削减负荷受到以下约束：

(21)

g)功率平衡约束为：

Pcg+Ppv+Pwd-Pin+Pout=Pbase+Psh+Ptrs+Pcut.

(22)

式中Pbase为基础负荷的电功率。

4 算例分析

为验证上述研究的合理性，利用IEEE 30节点系统进行仿真验证，其拓扑图如图1所示。其中：常规发电机组单元(G)接在30、37、39号节点，风力发电机(W)接31、34、35、38号节点，光伏发电机组(PV)接33、36号节点，32号节点接柔性负荷(D)。

图1 IEEE30节点系统Fig.1 IEEE 30 node system

4.1 基础数据

本文以24 h为1个周期进行优化调度，在调度优化模型考虑了多项约束条件，借助MATLAB中的Yalmip工具箱，并利用Cplex求解器求解上述调度模型。在求解过程中遇到不可行解时，可利用求解器进行处理，以求解得到最接近可行解的调度方案。

设置可平移电负荷1、2的总功率分别为50、75 MW，可转移电负荷总功率为75 MW，可削减电负荷总功率为770 MW。本文柔性负荷的参数设置[23-24]见表1—3。

表1 可平移负荷参数Tab.1 Translatable load parameters

表2 可转移负荷参数Tab.2 Transferable load parameters

表3 可削减负荷参数Tab.3 Subtractable load parameters

4.2 仿真结果分析

在考虑柔性负荷参与电网调度的情况下，对系统进行低碳经济优化调度，得到1个调度周期内各机组的出力变化。为了验证本文所提优化调度的有效性，采取对比分析，设置场景如下：

场景1：不考虑阶梯型碳交易机制，不考虑引入柔性负荷；

场景2：不考虑阶梯型碳交易机制，考虑引入柔性负荷；

场景3：考虑阶梯型碳交易机制，且考虑引入柔性负荷。

图2为各机组最优出力情况，由图2可知：整个调度周期内火电机组出力较为稳定，减小了风光资源不足而负荷需求较大时对电网的影响。电负荷主要由火电机组和风光机组出力满足，少量由蓄电池充放电来补充，系统保持整体电负荷平衡。在00：00—08：00时段，负荷需求较低，此时无光伏机组出力，而风资源充沛，且由于本文设置风能未消纳的惩罚成本，风电机组大量消纳，多余的电量由蓄电池储存起来，并在其他机组出力不足时放电补充，缓解系统的供电压力。10：00—14：00时段处于第1个电力负荷需求高峰期，光资源充沛，此时充分利用充裕的风光资源提供电能，并利用新能源对蓄电池充电。18：00—22：00为第2个电力负荷需求高峰期，大量利用风电资源供电。

图2 各机组最优出力情况Fig.2 Optimal output of each unit

在不同的场景下，电网消纳风光资源的水平也不一致。通过场景1和场景2的对比，分析引入柔性负荷对于系统消纳新能源的影响。引入柔性负荷并考虑风光消纳和既不考虑阶梯型碳交易机制也不考虑引入柔性负荷的调度模型的弃风弃光量对比如图3所示。由图3可知：在10：00—11：00时段内，引入柔性负荷后的弃风弃光量下降率最大，可达到70%；在02：00—03：00时段内，引入后弃风弃光下降率最小，可达20%。考虑柔性负荷的优化调度策略可有效降低弃风弃光量，促进新能源的消纳。据观察，即使在负荷需求很大的所有时段，有蓄电池参与调度的情况下，场景1和场景2均存在一定程度的弃风弃光。这是因为蓄电池充放电策略没有与风光能源协调波动，导致部分风光资源不能被储存或者释放，造成了一部分弃风弃光的出现。但总体来说，场景2的弃风弃光现象有明显减少，表明了本文所提优化调度策略的有效性。

图3 弃风弃光量对比Fig.3 Comparison of abandoned wind and abandoned light amount

作为发电调度的补充，柔性负荷为电网调度提供了新的思路和可能性。利用柔性负荷的灵活调节特性，平抑功率出力波动，减小负荷峰谷差，确保电网安全经济调度。图4为柔性负荷的电负荷曲线，反映了柔性负荷的用电需求随时间变化的情况，04：00—07：00及15：00—18：00时段为该柔性负荷的用电低谷，11：00—13：00及19：00—21：00时段为负荷的用电高峰时段。通过了解柔性负荷的电负荷曲线，可以制定精确有效的负荷调度策略。

图4 柔性负荷的电负荷Fig.4 Electric load curve of flexible load

用户侧的电负荷由固定负荷、可平移负荷、可转移负荷、可削减负荷构成。

对比优化前后用户侧的负荷分布(图5、6)可知：基础负荷不可调控，对用户的用电需求完全响应。用户侧在11：00—14：00、19：00—21：00两个时段内处于用电需求高峰期，这与实际生活中早晚高峰用电量较大的情况完全一致。而03：00—07：00时段用电需求很小，造成了较大的峰谷差，对电能质量、电力系统安全经济运行造成影响。考虑引入柔性负荷参与电网优化调度后，通过调控可平移、可转移、可削减负荷，达到削峰填谷的效果。其中，可转移负荷原分布在13：00—16：00连续时段内；优化后，分布在用电峰时段的可转移负荷发生转移，共转移40 MW电负荷填补至用电谷时段，剩余部分负荷保持不变。可平移负荷1优化前分布在12：00—13：00时段，由于其自身整体平移的特点，优化后电负荷整体平移至05：00—06：00时段，可平移负荷2也同样从用电高峰时段整体平移至谷时段。根据不同时段的用电需求及不同类型柔性负荷的特点，合理调用负荷，使发电、用电趋于平衡。通过对比优化前后用户侧柔性电负荷分布情况，验证了本文所提的优化调度策略的合理性，起到了削峰填谷的效果。

图5 优化前用户侧柔性负荷分布Fig.5 Flexible load distribution on the user side before optimization

图6 优化后用户侧柔性负荷分布Fig.6 Optimized user side flexible load distribution

为了验证考虑阶梯型碳交易的影响，对比场景2及场景3下碳交易价格与碳排放量的变化，如图7所示。场景2中，不考虑阶梯型碳交易机制，即在目标函数中不设置碳交易成本项，随着碳交易价格的增长，系统碳排放量不变。场景3下，随着碳交易价格的增长，目标函数中碳交易项的占比逐渐增大，但由于系统经济性最佳的目标，使得碳排放量逐渐减小。当碳交易价格达到400元/kg后，下降趋势逐渐缓和。

图7 碳交易价格对碳排放量的影响Fig.7 The impact of carbon trading price on carbon emission

为进一步验证本文所提优化调度策略中引入柔性负荷及阶梯型碳交易模型对优化调度结果的有效性，对上述3种场景分别进行仿真对比，各场景对比结果见表4。由表4可知：场景1由于未考虑阶梯型碳交易机制，也未考虑引入柔性负荷，需要从外部购买电量，以满足用电需求，系统的各项成本均较高；场景2由于引入了柔性负荷，填补了系统功率缺额，减少了系统弃风弃光现象，因此碳排放量减少，成本降低，对比场景1，总成本减少了约13.8%；场景3为本文提出的策略，碳排放量明显降低，总成本相比场景1减少了约21.12%。