考虑可再生能源电力消纳的跨区域电源规划研究

张金良，周秀秀

（华北电力大学经济与管理学院，北京 102206）

0 引言

电源规划是电力系统发展规划的重要组成部分，是实现资源合理配置的先决条件。部分区域电力市场中各省电源种类互补，跨区域输电设施较好，有充足的输电能力，能够有效解决供需矛盾问题和可再生能源消纳问题。因此，在区域电力市场中根据不同省份的资源优势进行电源规划统筹协调将更有利于资源的优化配置。2019 年5 月10 日，国家发展改革委、国家能源局联合印发了《关于建立健全可再生能源电力消纳保障机制的通知》，提出建立健全可再生能源电力消纳保障机制，核心是按省级行政区域确定可再生能源电量在电力消费中的消纳责任权重。这将直接改变各省的电力消费结构，并且对各省电力生产产生一定影响。在此背景下，在研究区域电力市场中的电源规划问题时，考虑可再生能源消纳保障机制，一方面能促使各省优先消纳可再生能源，有效缓解弃水弃风弃光问题；另一方面对于推动我国能源结构调整，构建清洁低碳、安全高效的能源体系具有重要意义。

近年来，国内外学者对电源规划多从可再生能源与传统能源的协调［1-2］、可再生能源出力特性［3-4］等角度构建电源规划模型。文献［5］将电力需求侧的能效电厂纳入电力规划，提出了源网荷协同规划的概念与模型，并在源网荷协同规划模型中考虑了风电等新能源的双重不确定性。也有学者结合碳排放交易、绿证交易等政策建立电源规划模型［6-8］。文献［9］将绿色证书交易机制和碳交易机制引入到电源规划模型中，建立了以规划期内系统净收益最大为目标的低碳经济电源规划模型。上述研究较为丰富，但主要集中在可再生能源出力的随机性和波动性等方面，考虑的政策多为绿证交易和碳排放权交易，从可再生能源电力消纳的宏观角度，建立跨区域的电源规划模型的研究并不多见。因此，结合可再生能源消纳机制，综合考虑各省份发电资源储量与发电成本、跨区域输电能力等条件的区别，构建区域电源规划模型，并对某区域内的实际电力系统进行仿真模拟，进一步验证了模型的合理性。

1 模型描述

1.1 目标函数

建立含燃煤机组、水电机组、风电机组以及光伏机组的电源规划方案，将机组的投资成本、运行维护成本、跨区域输电成本等计入目标函数中。另外，为体现可再生能源的环境效益，在目标函数中加入了燃煤机组的碳排放成本。在满足系统约束条件的同时，使区域电力系统综合成本最小。模型的决策变量主要为每个省份每年各类电源的新建装机容量和发电量、跨区输电量。模型的目标函数为

式中：t 为年份；T 为规划周期；ICt、ECt、OCt、ACt、TRCt、CCt分别为第t 年各类型发电机组的装机成本、燃料成本、运营维护成本、废弃成本、电力传输成本及碳排放成本；Wnir为剔除通货膨胀后的无风险利率，体现资金的时间价值。

装机成本函数为

式中：FCt，k，n为第t 年省份k 内机组类型n 的单位装机容量投资成本；NCt，k，n为第t 年省份k 内机组类型n 的新建装机容量；K 为区域内所有省份的集合；N为机组类型集合；I 为折现率，即将装机成本折成等额年金；LIFEn为机组的类型n 的生命周期。

燃料成本函数为

式中：Gt，k为第t 年省份k 内燃煤机组的发电量；Ek为省份k 内机组的能耗量；EPk为省份k 内的能源价格。

运营维护成本函数为

式中：Gt，k，n为第t 年省份k 内机组类型n 的发电量；OMCk，n为省份k 内机组类型n 的单位电量运营成本；CCt，k，n为第t 年省份k 内机组类型n 的累计装机容量；Ht，k，n为第t 年省份k 内机组类型n 的发电时长。

废弃成本函数为

式中：ACt为第t 年省份k 内机组报废处理成本；α 为废弃成本占装机成本的比例；Ict，k，n为第t 年省份k内机组类型n 的装机成本。

电力传输成本函数为

式中：Tt，ki→kj，n为第t 年省份ki通过机组类型n 输送到省份kj的电量；TRVCki→kj为省份ki和省份kj之间线路的单位电量输电费用。

碳排放成本函数为

式中：CPk为省份k 的碳排放权价格；e 为燃煤机组的碳排放系数。

1.2 约束条件

1）电力约束。第t 年省份k 内的装机容量应不小于第t 年省份k 的最大负荷，即

式中：Pt，k，n为第t 年省份k 内机组类型n 的已有装机容量；Rt，k为第t 年省份k 的用电负荷。Pt，k，n和Rt，k的初始值为2018 年的各类装机容量和各省份用电负荷。

2）电量平衡约束。为保持电力系统安全稳定运行，任何时段内省份k 的电力需求应与本地发电量及跨省输入输出电量保持平衡，且跨区域输电的前提是两个地区之间存在输电线路连接，即

式中：Dt，k为第t 年省份k 的用电需求；GINt，k，n和GOUt，k，n分别指第t 年省份k 内机组类型n 的跨省输入至省份k的电量和省份k 输出至其他省份的电量。

3）可再生能源机组装机约束。规划期内可再生能源机组的累计装机容量不应超过该地区相应资源的承受范围，即

式中：CRCk，n，t为第t 年省份k 内机组类型n 的可再生能源机组的累计装机容量；ULCk，n为省份k 内机组类型n 的可再生能源机组的装机容量上限。

4）发电量约束。各类电源发电量应满足可发电量上下限，即

式中：Gln，t、Gn，t和Gun，t分别为第t 年n 类型发电机组可发电量的下限、发电量与发电量上限。

5）线路容量约束。跨省传输电量总计应小于等于省间通道的输送能力，即

式中：Lki→kj为省份ki和省份kj之间的传输容量；Lmax为线路最大容量。

6）可再生能源配额约束。可再生能源配额分为水电配额和非水电配额，各省实际消纳的可再生能源电力应大于等于规定的可再生能源配额量［10］，即：

式中：GNHt，k为第t 年省份k 内风电机组和光伏机组的发电量；TNHkj→ki，t为第t 年输入至省份ki的风力和光伏发电量；TNHki→kj，t为第t 年省份ki输出的风力和光伏发电量；NHRPSk为省份k 的非水可再生能源配额指标；RPSk为省份k 的可再生能源配额指标；Dt，k为第t 年省份k 的用电需求；GHt，k为第t 年省份k 内水电机组的发电量；THkj→ki，t为第t 年输入至省份ki的水力发电量；THki→kj，t为第t 年省份ki输出的水力发电量。

2 模型求解与数据来源

2.1 模型求解算法

遗传算法遵循自然界中“适者生存、优胜劣汰”的原则，是一种基于生物界规律和自然遗传机制的并行搜索算法［11］。其对于复杂的优化问题无须建模和进行复杂运算，具有较强的全局搜索能力［12-13］。使用遗传算法对模型进行求解，求解流程如图1 所示。

图1 求解流程

2.2 基础数据

算例以某区域内4 个省份2018 年的数据为基础进行计算，规划周期为2019—2024 年。4 个省份间的输电容量上限及省间输电费用［14］如图2 所示。

图2 区域间输电线路分布及输电价格

基于各类电源的规模和占比，主要对风电、光伏、水电及火电（燃煤）4 种电源类型进行研究分析。2018年各省已有的发电装机容量、用电负荷及可再生能源电力消纳责任权重分别如表1 和表2 所示，此外，由于部分省份未建立碳交易试点，本文按各省的经济水平，根据现有试点省份的实际数据对碳排放价格进行了估算。由于不同省份地理位置、资源禀赋存在差异，基于各地电价水平，对各地区装机成本、煤炭成本等进行了估算，如表3 所示。各省年平均利用小时数及可再生能源上限如表4 所示。此外，对于废弃成本，由于风电等机组在报废时尽管需要一定的处理费用，但由于其仍具有一定残值，可以冲抵相关费用［15］，因此本文仅考虑光伏的废弃成本，并按照装机成本的25%［16］进行计算。无风险利率为2%，折现率为10%［10］。

表1 各省用电负荷及可再生能源电力消纳权重

表2 2018 年各省已有发电装机容量 GW

表3 各省发电投资成本概况

表4 各省年平均利用小时数及可再生能源上限

3 算例分析

3.1 情景设置

为了验证模拟结果及判断不同场景对电源新建、投资成本的影响，算例在完全竞争市场情形下运行，考虑如下3 种方案。

方案Ⅰ：不考虑区域电力交易和可再生能源电力的消纳比例。

方案Ⅱ：考虑区域电力交易，但不考虑可再生能源电力的消纳比例。

方案Ⅲ：同时考虑区域电力交易和可再生能源电力的消纳比例。

在进行灵敏度分析时，重点研究改变不同省份可再生能源电力的消纳比例、跨区域电力交易比例等因素改变时，各省各类电源新建容量、区域内投资成本等指标的变化情况。

3.2 方案分析

在规划期末年，3 种方案中各省的新增装机容量情况如表5 所示。方案Ⅰ中新建机组的类别主要为火电机组，且集中在省份C 建设，这是因为在不考虑其他因素的情况下，各省在新建机组时主要以本省电力需求为主，相对来说省份C 电力需求最大，因此集中在省份C 建设。在方案Ⅱ中，省份B 和省份C均有一部分新建机组，但考虑到跨区域输电成本，在区域内存量机组无法满足总电力需求时，尽管省份C的装机成本较高，但依然选择在省份C 新建一部分火电机组。方案Ⅲ中新建机组类型和选址较为分散，这主要是因为各省为满足可再生能源电力消纳比例，依据本省资源禀赋和已有机组容量采取不同的建设方案。总体来看，方案Ⅰ主要新建火电机组，方案Ⅱ会建设一部分水电机组，方案Ⅲ中新建的可再生能源机组容量最大。

表5 规划期末3 种方案中各省新增装机容量 GW

规划期末3 种方案的关键指标如表6 所示，方案Ⅰ中区域内的碳排放量最高，不利于发电行业的节能减排；方案Ⅱ中的总成本和总新建机组容量和碳排放量都低于方案Ⅰ和Ⅲ，由此可见开展跨区域电力交易能够有效提高资源配置的效率，降低电发电行业的总成本；而对于方案Ⅲ，尽管对可再生能源发电量规定了一定比例，但各省为了满足要求不得不在本省新建或从其他省份购买可再生能源电力，由于可再生能源机组的建设成本较高，从而导致区域内发电行业的总成本增加，但不能否认其对可再生能源机组建设的促进作用。

表6 规划期末3 种方案的关键指标

3.3 灵敏度分析

3.3.1 不同跨区域输电比例的影响

使用上文构建的模型可以求解出跨区域输电量占总发电量的30%，即以当前输电线路布局为基础，跨区域输电比例最高为30%。为有效对比不同跨区域输电比例对电源新建的影响，分别选取了25%、20%和15%的跨区域输电比例进行分析，如表7所示。

从表7 可以看出，各省新建机组类型及容量较大程度上取决于本省已有的电源结构和电力需求情况，且跨区域输电比例越低，在本省新建的火电机组越多，区域内总装机容量也越高。由此可见，跨区域输电比例的变化会对区域内的电源规划产生较大影响。

表7 不同跨区域输电比例下各省的新建装机容量 GW

3.3.2 不同可再生能源电力消纳比例的影响

将基准方案中各省可再生能源电力消纳比例以方案Ⅲ中的规定为准，分别上调1%和下调1%，得到不同的电源规划方案。

当可再生能源电力消纳比例下调时，由于跨区域输电成本较高，各省在消纳本省可再生能源电力以及规定比例的可再生能源电力后，将不会从其他省份购入可再生能源电力，转而由火电机组代替发电，从而导致可再生能源机组新建装机数量较低，火电新建容量较高；极端情况下，当可再生能源电力消纳比例为0 时，区域内将主要新建火电机组；当可再生能源电力消纳比例上调时，区域内可再生能源机组无法满足规定的比例时，将优先选择在建设成本较低的省份新建可再生能源机组，即选择在省份A和省份B 新建，只有省份A 和省份B 达到装机上限后，才开始在省份C 和省份D 新建。

表8 不同可再生能源电力消纳比例下各省的新建装机容量 GW

4 结语

结合各省能源价格和跨区域输电价格及其火电标杆电价水平，估算了不同省份不同电源的投资成本、运维成本和燃煤价格，据此构建了以系统总成本最小为目标函数的电源规划模型，并通过算例验证了所建模型的合理性。构建的模型充分考虑了不同省份经济水平和资源禀赋，能够有效模拟各省在当前政策背景下的电源新建情况，对新形势下的电源规划具有一定的指导作用。但在考虑区域内电力交易时忽略了省间壁垒等外在因素的影响，此外，也忽略了各类装机成本在不同年份的变化，未来将针对这两方面对模型进一步补充和完善，以提高模型的适用性和实用性。