考虑清洁能源参与的跨区域能源配置优化模型*

张立辉，熊 俊†，鞠立伟，吴鸿亮，谭忠富

(1．华北电力大学 经济与管理学院，北京 102206; 2．南方电网科学研究院，广东 广州 510080)

考虑清洁能源参与的跨区域能源配置优化模型*

张立辉1，熊 俊1†，鞠立伟1，吴鸿亮2，谭忠富1

(1．华北电力大学 经济与管理学院，北京 102206; 2．南方电网科学研究院，广东 广州 510080)

分别以区域发电成本最优、区域碳排放最优以及综合效益最优为目标，结合区域能源优化中涉及的经济效率、碳排放以及输电约束等问题，构建了含清洁能源的跨区域发电计划优化模型.利用GAMS软件进行模拟分析，结果表明模型能在一定程度上优化区域间的发电成本和环境成本；对比清洁能源参与、不参与区域能源优化的结果可知:清洁能源在优化中的贡献度明显高于化石能源；区域间碳排放价格的差异将影响清洁能源与化石能源所实现的能源置换效益.

发电计划；清洁能源；碳排放价格；区域能源配置

我国经济的区域发展呈现东部优于西部的格局，然而支撑经济发展所需的能源，不管是煤炭、石油等化石能源，抑或是风能、太阳能等清洁能源均主要分布于西部内陆地区.资源与负荷逆向分布的基本国情已经成为制约我国经济持续发展的瓶颈.智能电网以及先进输电技术的推广应用为负荷与能源的跨区域协调优化从技术层面、经济层面提出了可行方案，以特高压、超高压输电网络作为突破口调度西部能源，以输电替代输煤维系国家能源安全.

根据国家“十二五”能源科技规划，未来五年国家将推进坚强特高压网架建设.在华北、华东、华中地区形成“三横三纵”的特高压主网架；在西北地区建设覆盖西北重要负荷中心及电源基地的750千伏电网；在南方地区形成“八交八直”的送电通道，促进云贵地区西电东送.区域间电力输送在社会经济层面满足区域间优势互补、协调经济发展的要求；在能源效率层面保障西部地区风能、光伏等可再生能源发电的接入与消纳，透过发电置换优化电源发电效率，降低供电煤耗；在环境层面则总体上减少温室气体、污染气体的排放总量，区域间降低东部人口密集地区的环境成本.

电力优化配置的问题本质上是机组组合(Unit Commitment)问题，其试图通过优化不同能源类别、不同容量、不同地域分布的电源的发电计划，在满足社会用电需求的同时实现电力供应经济性、环保性的目标.文献[1-4]针对机组组合问题分别提出了人工蜂群算法[1]、混合整数二次约束规划[2]、帝国主义竞争算法[3]、粒子群算法[4]等优化算法；文献[5]则将风电出力纳入发电调度计划进行经济调度.上述文献针对电力资源的优化主要以经济效益以及电力安全为目标，对于环境问题的考虑较少.而为了优化发电资源与减少环境污染，2007年国务院颁布了《发电节能调度办法(试行)》[6]，因此部分研究围绕环境效益展开.文献[7-8]提出了适应节能调度的优化算法；文献[9]则以节能减排为向导，构建出发电侧与售电侧峰谷分时电价联合优化模型；文献[10-11]则分别从行政手段以及市场机制两种途径设计节能调度的经济补偿机制；文献[12]则兼顾能源的环境效益，针对含有风电的电力系统提出低碳调度的优化模型.

上述研究主要针对区域内电源进行优化配置，而关于区域间能源协调发展的研究，文献[13-14]构建了区域间最大功率交换能力的求解模型，并利用连续型潮流计算方法进行求解；文献[15]基于电力市场机制构建了多区域电力交易模型；文献[16]基于电力潮流以及机组启停的约束构建了跨区域机组发电计划优化模型，并借助广义Benders分解算法对模型进行求解；文献[13-16]均未涉及环境因素的优化，文献[17]基于减排与输电成本的约束对区域间发电功率互换提出了优化模型，其研究主要针对燃煤机组，并未体现出新能源机组参与区域能源优化的效益.

本文综合考虑跨区域能源优化配置过程中涉及的发电成本、输电费用以及排放成本等要素，构建不同优化目标下的跨区域发电计划模型.利用GAMS软件对模型进行求解，发掘跨区域能源优化配置的经济与环境效益.另外，通过对比清洁能源参与、不参与区域能源优化配置下模型的求解，研究清洁能源参与区域能源优化所带来的效益.最后，通过设置送电与受电区域的碳排放价格函数研究碳排放价格对清洁能源与化石能源参与跨区域能源配置价值的影响程度.

1 区域能源优化配置模型

1.1 区域发电成本优化模型

假设各区域电厂的发电成本函数为[18-19]：

(1)

式中，gt为t时段电厂的发电量，af，bf和cf分别为函数系数.受电区域往往远离化石能源产地，因此受电区域边际发电成本将高于送电区域.而风电这类可再生能源电厂发电变动成本很少，加之通过高压输电线路外送消纳的电能属于弃风发电，因此其发电变动成本可视为零[20]，即bf=cf=0.

假设受电区域清洁能源不参与跨区域能源优化，在不考虑环境约束的情况下构建区域发电成本以及输电成本的优化模型P1：

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(11)

(12)

1.2 区域环境效益优化模型

假设各区域电厂的CO2排放函数为：

E(gt)=bE×gt+cE×(gt)2．

(13)

式中，bE，cE为排放函数系数；对于清洁能源而言，其排放量可视为零，即bE=cE=0.

以往基于环境约束的机组发电计划优化的研究一般都以排放总量最少为目标，如此构建模型将丢失区域间减排效益差异的相关信息.温室气体、污染气体排放的影响往往与区域人口、人均GDP、环境价值等因素相关[21]．这些因素的综合作用将最终通过价值机制以影子价值的形式体现出来，一般经济发达地区价值较高，经济欠发达地区价值较低.因此，本文引入区域减排价格变量作为优化区域减排目标优化的参数，体现减排的综合价值.另外，现阶段我国脱硫、脱硝技术已经趋于成熟，化石能源电厂安装脱硫、脱硝装置后处理能力达到90%以上．本文仅以CO2的排放成本作为优化目标，构建区域减排约束优化模型P2：

minZ2=

(14)

s.t.式(3)～(12)

(15)

(16)

1.3 区域综合优化模型

为同时满足发电成本以及环境效益优化的需求，联合模型P1，P2构建综合优化模型P3：

minZ3=Z1+Z2；

(17)

s.t.式(3)～(12)，式(15)～(16)．

Ctr*=

(18)

(19)

送电与受电区域平均发电成本：

ptr*=

(20)

(21)

t时段送电与受电区域的均衡碳排放价格：

(22)

(23)

2 模拟分析

2.1 基础数据

假设送电区域与受电区域各有6个电厂参与能源优化配置，其中送电区域有1个风电厂，其余均为火电厂.碳排放价格系数如表1所示.区域间机组未来一小时发电计划、机组状态、发电成本系数、CO2排放系数的模拟数据如表2所示.输电价格为0.008万元/MWh，输电线损率为3%.

表1 区域碳排放相关参数

表2 机组发电计划与相关系数

2.2 不同目标模型优化结果对比分析

利用GAMS软件对上述三个模型进行求解，求解结果见表3.由于风电变动成本接近于零且发电过程不会排放CO2，因此，在电力系统允许的前提下可考虑尽可能多地接纳风电.而在三个目标模型下，由于风力发电的变动成本及环境成本为零，风电均被全部纳入生产发电计划.对于燃煤机组而言，其发电成本、CO2排放量与机组效率相对一致，而一般而言大机组效率优于小机组，因此机组发电计划的优化基本上是通过大机组代替小机组发电来实现.模型优化的结果也与此优化策略相一致，利用送电区域的大机组取代受电区域小机组，满足受电区域的负荷需求.对于机组个体而言，送电区域机组的综合成本随着发电量的增加而增加，受电区域机组的综合成本随着发电量的减少而减少.值得注意的是，部分机组虽然发电计划没有发生变化，但由于区域内发电总量的变化引致区域碳排放价格的同向变化，其所承担的环境成本也随之同向变化.

图1为不同目标下综合发电成本构成的对比.总体而言，三个优化模型的综合发电成本相当，相差幅度在100元以内.然而，对比初始发电计划与优化后的综合成本，可以发现优化效果明显，综合成本最多可减少7.40万元，为初始成本的4.73%.关于发电成本，通过优化机组的发电成本最多可降低8.39万元，为初始发电成本的5.72%；关于环境成本，通过优化机组总体环境成本最多可降低1.81万元(模型P2)，为初始环境成本的18.65%；另外，区域能源优化将产生输电费用，三个目标下的输电成本分别为2.59，2.49和2.78万元.

图1 不同优化目标下综合成本构成对比

表3 不同目标下机组发电量变化对比

表4对比分析了送电与受电区域发电消耗情况，送电区域发电成本随着区域内发电量的增加而有所上升；而送电区域的发电均价则有所下降，原因在于发电需求上升提高了送电区域发电机组的利用水平，从而降低了单位电能所分摊的发电固定成本.相反，受电区域受发电需求下降的影响，发电总成本下降的同时，发电均价则有所上升.

表4 不同目标下区域成本与发电均价对比

2.3 清洁能源参与区域能源优化效益分析

从表3可知，不同优化目标下风电均被全额纳入发电计划，为了研究其在区域能源优化中的影响程度，现考虑风电不参与区域能源优化，并对模型P3进行求解，结果如表5所示.送电区域大部分机组发电出力均达到出力上限，总发电量增加220 MWh，少于风电参与区域能源优化情况下送电区域增加的发电量364.5 MWh.而从发电成本优化的角度来看，风电不参与区域优化的情况下，两区域总综合成本为145.64万元，优化后总综合成本为144.98万元，仅减少0.66万元.相反，若仅有风电参与区域能源优化，两区域总综合成本将由96.90万元下降至90.92万元，节省成本5.98万元.如果按风电与火电机组各自对成本的节省水平作为权重，那么风电对区域能源优化的贡献率为90.06%，可见清洁能源在区域能源优化中具有举足轻重的作用.

表5 风电不参与优化情况下机组发电优化结果

2.4 碳排放价格对能源置换价值的影响

算例中送电区域与受电区域初始的碳排放价格分别为79.27，104.04元/t，随着区域间CO2排放的取代，在模型P3中分别变为83.29，99.58元/t.区域间能源的优化配置影响着碳排放价格的水平，事实上区域间碳排放的定价也影响着区域能源置换的价值.为研究碳排放价格对区域能源置换效益的影响，测算出不同碳排放价格组合下跨区域能源置换所节省的综合成本，如图2所示.当区域间初始碳排放价格趋于相等时，此时区域间的电力输送量较少，区域间电力置换所节省的综合成本较少；而随着送电区域与受电区域碳排放价格的差距的扩大，送电区域输出的电量将逐步增加，区域间电力置换也就实现了更高的价值.

图2 不同碳排放价格组合下跨区域能源置换的价值

为进一步区分清洁能源与化石能源机组对能源置换的贡献程度，针对不同碳排放价格组合下，清洁能源参与、不参与能源置换所实现的价值作对比.如图3所示，在各种碳排放价格组合下，清洁能源对能源置换价值贡献度保持在80%以上；而随着区域间碳排放价格差距的扩大，贡献度呈现出下降趋势．原因在于送电区域的化石能源机组能够通过置换受电区域较高成本的碳排放实现一定的环境价值，从而淡化清洁能源对区域能源置换价值的贡献度.这在一定程度上说明在缺乏碳排放价格机制支撑的情况下，化石能源进行跨区域能源配置的效益相对有限；而清洁能源实现能源置换价值对于碳排放价格机制的依赖程度较低，其较低的发电变动成本优势能够在能源置换过程中大幅度降低受电区域的发电成本，从而提高区域间的总体发电经济效益.

图3 不同碳排放价格组合下清洁能源的置换价值贡献度

综上所述，碳排放价格的区域差异设置将影响能源跨区域置换的实施深度，影响能源跨区域置换的价值实现.而从清洁能源与化石能源机组的优化置换效果对比来看，化石能源跨区域的深度置换需要碳排放价格的协调推进，而清洁能源则可更多依靠自身的变动成本优势实现更高的跨区域能源置换价值.

3 结 论

东西部能源与负荷逆向分布制约我国经济的发展，传统的输煤模式需耗费巨额的运输费用，而特高压输电线路为我国能源传输提供了另一途径.然而，通过输电协调区域能源供应需解决输送多少、如何设置发电计划等问题，不合理的输电计划将影响区域能源优化的经济性，同时无法协调相关区域的环境发展.基于上述背景本文构建了发电成本最优、环境效益最优以及综合效果最优的决策模型，通过模拟分析得出以下结论：

1)跨区域能源优化主要通过送电区域清洁能源以及高效率的大机组将替代受电区域小机组向受电区域提供负荷来实现，同时机组总体的综合成本将下降，为机组创造更多的利润.

2)对比风电参与、不参与区域能源优化配置的结果可知：清洁能源对于能源优化的贡献率很高.结合我国的国情，特高压输电线路应在满足线路安全的条件下充分调度西部风电，低碳化电源结构，降低我国经济发展的化石能源强度，通过丰富电源结构维系国家能源安全.

3)碳排放价格对区域间能源优化具有显著的引导作用.我国碳排放交易市场尚处于试点阶段，碳交易法律法规、碳排放权分配、碳排放价格的定位等问题都亟待解决.在碳排放机制尚不完善的情景下，仅化石能源参与跨区域能源配置所能实现的效益较少，而清洁能源参与跨区域能源优化配置有利于保障跨区域能源配置的整体效益的实现.

[1] CHANDRASEKARAN K, HEMAMALINI S, SISHAJ P S,etal. Thermal unit commitment using binary/real coded artificial bee colony algorithm[J]. Electric Power Systems Research, 2012, 84(1): 109-119.

[2] LOPEZ J A, CECILIANO-MEZA J L, MOYA I G,etal. A MIQCP formulation to solve the unit commitment problem for large-scale power systems[J]. Electrical Power and Energy Systems, 2012, 36(1): 68-75.

[3] HADJI M M， VAHIDI B. A solution to the unit commitment problem using imperialistic competition algorithm[J]. IEEE Transactions on Power Systems, 2012, 27(1): 117-124.

[4] GAING Z L, LIN G N. Unit commitment with security assessment using chaotic PSO algorithm[J]. Journal of Circuits Systems and Computers, 2011, 20(7): 1357-1376.

[5] LIAO G C. A novel evolutionary algorithm for dynamic economic dispatch with energy saving and emission reduction in power system integrated wind power[J]. Energy, 2010, 36(2)：1018-1029.

[6] 国务院办公厅. 国办发[2007]53号文件: 国务院办公厅关于转发发展改革委等部门节能发电调度办法(试行)的通知[EB/OL]. 2007-12-31. http://www.gov.cn/zwgk/2007-08/07 /content_708486.

General Office of the State Council. Document GFB[2007]No.53: circular of the general office of the state council on the approval and transmission of a provision submitted by the development and reform commission concerning energy saving generation dispatching(for trial implementation)[EB/OL]. 2007-12-31. http://www.gov.cn/zwgk/2007-08/07/content_ 708486.(In Chinese)

[7] 赵维兴, 林成, 孙斌, 等. 安全约束条件下综合煤耗最优的节能调度算法研究[J]. 电力系统保护与控制, 2010, 38(9): 18-22.

ZHAO W X, LIN C, SUN B,etal．Study on economic dispatch method of the optimal composite coal loss under security constraints[J]. Power Systems Protection and Control, 2010, 38(9): 18-22.(In Chinese)

[8] 苏鹏, 刘天琪, 赵国波, 等. 基于改进粒子群算法的节能调度下多目标负荷最优分配[J]. 电网技术, 2009, 33(5): 48-53.

SU P, LIU T Q, ZHAO G B,etal. An improved particle swarm optimization based multi-objective load dispatch under energy conservation dispatching[J]. Power System Technology, 2009, 33(5): 48-53.(In Chinese)

[9] 谭忠富, 陈广娟, 赵建保, 等. 以节能调度为导向的发电侧与售电侧峰谷分时电价联合优化模型[J]. 中国电机工程学报, 2009, 29(1): 55-62.

TAN Z F, CHEN G J, ZHAO J B,etal. Optimization model for designing peak-valley time-of-use power price of generation side and sale side at the direction of energy conservation dispatch[J]．Proceedings of the CSEE, 2009, 29(1): 55-62.(In Chinese)

[10]尚金成. 节能发电调度的经济补偿机制研究(一): 基于行政手段的经济补偿机制设计与分析[J]. 电力系统自动化, 2009, 33(2): 46-48.

SHANG J C. Research on economic compensation mechanism for energy-saving generation dispatch part one: design and analysis of economic compensation mechanism based on administrative means[J]. Automation of Electric Power Systems, 2009, 33(2): 46-48.(In Chinese)

[11]尚金成. 节能发电调度的经济补偿机制研究(二): 基于市场机制的经济补偿机制设计与分析[J]. 电力系统自动化, 2009, 33(3): 46-50.

SHANG J C. Research on economic compensation mechanism for energy-saving generation dispatch part two: design and analysis of economic compensation mechanism based on market mechanism[J]. Automation of Electric Power Systems, 2009, 33(3): 46-50.(In Chinese)

[12]CHEN D J, GONG Q W, ZOU B C,etal. A low-carbon dispatch model in a wind power integrated system considering wind speed forecasting and energy-environmental efficiency[J]. Energies, 2012, 5(4):1245-1270.

[13]王成山, 李国庆, 余贻鑫, 等. 电力系统区域间功率交换能力的研究(一)——连续型方法的基本理论及应用[J]. 电力系统自动化, 1999, 23(3): 23-26.

WANG C S, LI G Q, YU Y X,etal. Study on transmission transfer capability of interconnected electric power systems(Ⅰ): basic theory of continuation method its application[J]. Automation of Electric Power Systems, 1999, 23(3): 23-26.(In Chinese)

[14]王成山, 李国庆, 余贻鑫, 等. 电力系统区域间功率交换能力的研究(二)——最大交换功率的模型与算法[J]. 电力系统自动化, 1999, 23(4): 5-9.

WANG C S, LI G Q, YU Y X,etal. Study on transmission transfer capability of interconnected electric power systems(Ⅱ): the mathematical model and its calculating method of the transfer capability[J]. Automation of Electric Power Systems, 1999, 23(4): 5-9.(In Chinese)

[15]ANDREAS G V, PANDELIS N B. Balancing supply and demand under mixed pricing rules in multi-area electricity markets[J]. IEEE Transactions on Power Systems, 2011, 26(3): 1444-1453.

[16]CHUNG K H, KIM B H, HUR D. Multi-area generation scheduling algorithm with regionally distributed optimal power flow using alternating direction method[J]. Electrical Power and Energy Systems, 2011, 33(9): 1527-1535.

[17]姜海洋, 李莉, 谭忠富, 等. 减排与输电约束下区域间发电功率互换优化模型[J]. 电网技术, 2010, 34(6): 64-72.

JIANG H Y, LI L, TAN Z F,etal. An optimization model for inter-regional economic exchange of generated power under constraint of emission reduction and transmission[J]. Power System Technology, 2010, 34(6): 64-72.(In Chinese)

[18]刘福国, 蒋学霞, 李志. 燃煤发电机组负荷率影响供电煤耗的研究[J]. 电站系统工程, 2008, 24(4): 47-49.

LIU F G, JIANG X X, Li Z. Investigation on affects of generator load on coal consumption rate in fossil power plant[J]. Power System Engineering, 2008, 24(4): 47-49.(In Chinese)

[19]徐帆, 姚建国, 耿建, 等. 机组耗量特性的混合整数模型建立与分析[J]. 电力系统自动化, 2010, 34(10): 45-50.

XU F, YAO J G, GEN J,etal. Modeling and analysis of unit I/O characteristics based on mixed-integer programming[J]. Automation of Electric Power Systems, 2010, 34(10): 45-50.(In Chinese)

[20]朱柯丁, 宋艺航, 谭忠富, 等. 中国风电并网现状及风电节能减排效益分析[J]. 中国电力, 2011, 44(6): 67-70.

ZHU K D, SONG Y H, TAN Z F,etal. China wind power integration status quo and its benefit to energy saving and emission reduction[J]. Electric Power, 2011, 44(6): 67-70.(In Chinese)

[21]祁悦, 谢高地. 碳排放空间分配及其对中国区域功能的影响[J]. 资源科学, 2009, 31(4): 590-597.

QI Y, XIE G D. The carbon emission permits allocation and its impact on regional functions in China[J]. Resources Science, 2009, 31(4): 590-597.(In Chinese)

An Optimization Model for Inter-regional Energy Allocation under Consideration of Clean Energy

ZHANG Li-hui1, XIONG Jun1†, JU Li-wei1, WU Hong-liang2, TAN Zhong-fu1

(1. School of Economics and Management, North China Electric Power Univ, Beijing 102206,China;2. Electric Power Research Institute, CSG, Guangzhou，Guangdong 510080, China)

Three optimization models of inter-regional generation scheduling including clean energy generation, taking minimum regional generation cost, and minimum regional carbon emission cost and minimum comprehensive cost as objective functions respectively, were established, and the models considered the issues of economic efficiency, carbon emission, and transmission constraints. The simulation analysis using general algebraic modeling system(GAMS) shows that, (a) the model presented can optimize the inter-regional generation cost and environmental cost to a certain extent; (b) clean energy plays a more important role in the optimization of inter-regional energy allocation than fossil fuel energy by comparing the results of inter-regional energy allocation optimization with and without clean energy generation; and (c) the difference of carbon emission prices in regions will influence the benefit achieved by the energy replacement of clean energy and fossil fuel energy.

generation scheduling; clean energy; carbon emission price; inter-regional energy allocation

1674-2974(2015)04-0071-07

2014-06-12

国家自然科学基金资助项目(71071053, 71273090, 71171079,71271081)，National Natural Science Foundation of China(71071053,71273090,71171079,71271081)

张立辉(1974-)，男，湖南宁乡人，华北电力大学教授，博士生导师

†通讯联系人，E-mail:ncepuxiongjun@126.com

TM 734

A