计及灵活性提升的热电厂日前市场竞价策略

2021-03-30章艳，吕泉，张娜，李杨，孙辉

电力系统自动化 2021年6期

章艳，吕泉，张娜，李杨，孙辉

（1. 大连理工大学电气工程学院，辽宁省大连市116024；2. 国网辽宁省电力有限公司经济技术研究院，辽宁省沈阳市110015；3. 华能大连电厂，辽宁省大连市116113）

0 引言

当前，中国正在积极推进电力现货市场建设，国内首批8 个电力现货市场试点已经先后开展结算试运行，标志着中国电力现货市场建设已迈出了关键一步［1］。目前，中国现货市场主要开展日前、日内、实时电能量交易，通过竞争形成分时市场出清价格［2］。现货交易主要在日前市场中进行，并在日内和实时市场中进行调整。研究发电厂商日前报价策略，对帮助发电厂商更好参与现货市场交易非常重要［3-4］。

近年来，在中国北方地区，为提高能效和促进供热系统清洁化［5-6］，大型抽汽燃煤热电联产机组在火电机组中的占比越来越高，已成为火电机组的主体。与此同时，电力系统大规模接入风光新能源又需要热电厂在发电侧具有宽负荷调节能力。为解耦电热耦合约束释放发电调节能力，扩大供热能力，在国家政策［7］推动和调峰激励机制［8］引导下，越来越多的热电厂正在进行运行灵活性提升改造，主要包括低压缸灵活切除、高背压供热改造，以及配置储热、电锅炉/热泵等［9-11］。

热电厂在改造后，其机组类型往往变得多样化，如抽汽供热机组、具有低压缸切除能力的抽汽机组、抽汽-高背压供热机组等，且配置有多种电热解耦设备，如储热、电锅炉等。对于此类热电厂（本文称改造后的热电厂为灵活性热电厂），在即将开展的现货市场中如何进行竞价决策、市场出清结果对热电厂灵活性提升是否具有足够的激励等，成为亟待研究的问题。

对于上述问题，文献［12］研究了热电厂在调峰市场下的运行决策问题，而更多的研究则集中在热电厂灵活性提升方案的对比［13］、提升后的集中调度运行［14］、规划［15］等方面。

国外相关研究多以北欧现货市场下的热电厂为研究对象，文献［16］对此进行了全面的综述。然而，由于中国热电厂多以燃煤抽汽供热机组为主、改造后同一电厂内机组类型呈现多样化等原因，导致国外相关研究模型和结论难以直接套用。

为此，本文以含多类型改造后的热电机组、多种电热解耦设备的热电厂为对象，基于价格接受者角色，研究了热电厂参与现货日前市场的竞价策略问题。采用以实际数据为基础的算例，研究热电厂的最优运行决策、对电热解耦的需求，以及现货市场对配置储热和电锅炉的激励性等问题。

1 热电厂参与日前市场竞价决策分析

1.1 日前市场交易原理

中国日前现货市场主要采用全电量申报、集中优化出清的模式。全电量申报是指发电厂商需要将其全部发电量投入到日前市场参与竞争，各时段获得的中标电量即为次日的发电计划安排。各时段中标电量由市场交易中心根据所有发电厂商在日前现货市场中的报价，以购电成本最低或社会效益最大为目标，以低价优先为原则，采用集中优化出清算法确定。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。

发电厂商报价时，往往需要针对次日每个交易时段（1 h 或15 min）申报报价曲线（一般为分段阶梯形）和相关技术参数；市场根据报价信息，以购电成本最低为目标（若允许需求侧报价，则以社会福利最大化为目标），运行安全约束机组组合（security constrained unit commitment，SCUC）与安全约束经济调度（security constrained economic diapatch，SCED）程序，确定次日各时段、各机组的启停安排和发电功率安排［17］。

1.2 竞价决策思路

发电厂商的竞价决策模型大体可以分为2 类:一类是价格接受者模型，根据市场预测价格进行报价决策，不考虑报价本身对市场价格的影响；另一类是价格制定者模型，考虑市场中每个市场成员报价对最终市场清算价格的影响，通常采用预测竞争对手行为或博弈论的方式构建报价决策。

尽管后一种模型假设更符合实际，但在市场初期，由于竞争对手行为数据缺失，很难通过后一种模式构建报价决策。为此，本文基于价格接受者角色制定竞价策略。考虑到储热设备的时间耦合特点，对报价策略进行了热-电分步决策:首先，基于对次日现货市场价格的预测，进行产量决策，确定厂内电热解耦设备的运行计划；然后，根据机组调节能力，计算热电厂在次日各时段的供电能力范围；进而，根据产量决策结果和市场规则，对供电能力范围进行分段并计算边际成本，构建出阶梯形报价曲线。

2 基于热-电分步决策的竞价策略

假设热电厂含抽汽供热机组、抽汽背压供热机组和具有低压缸灵活切除能力的抽汽供热机组3 种类型机组，并配置有蓄热罐和电锅炉2 种电热解耦设备。

2.1 最优产量决策模型

由于运行时机组发电成本除燃煤费用外，还包括用水、环保等费用，约占可变成本的12%～13%［18］，因此，本文以实际煤价乘以折算系数（1.15 ≈1/(1-13%)）的方式计入该部分费用。决策模型的约束条件如下所示。

1）传统抽汽机组约束

机组可行运行区间的约束如式（2）所示。

图1 不同热电机组可行运行区间Fig. 1 Feasibe operation range of different combined heat and power units

机组爬坡率约束如式（3）所示。

机组煤耗函数如式（4）所示。

式中:ai，bi，ci为第i 台抽汽机组的煤耗系数。

2）低压缸灵活切除能力改造后的抽汽机组约束

由于抽汽机组低压缸存在最小通流量约束，无法连续抽汽到0，因此诸多机组进行了灵活切缸技术改造［19］，改造后的可行运行区间在图1（a）中ABCDA 的基础上，增加了B'C'段，约束如式（5）所示。

改造后的机组爬坡率约束如式（6）所示。

由于切缸后抽汽点位置并没有改变，只是将低压缸蒸汽全部抽出供热，因此煤耗函数与抽汽机组相同，可由式（4）表示。

3）高背压改造后的抽汽背压机组约束

抽汽机组在高背压改造为抽汽背压机组后，其可行运行区间如图1（b）中的MNKLM 所示，其可运行区间约束如式（7）所示。

高背压改造后的抽汽背压机组爬坡率约束如式（8）所示。

式中:uj，vj，wj为第j 台抽汽背压机组的煤耗系数，推导过程详见附录A。

4）储热设备约束

式中:SHA，t为蓄热罐在t 时段的存储热量。

5）电锅炉设备约束

6）供热平衡约束

式中:n1，n2，n3分别为热电厂内包含的抽汽机组、含低压缸灵活切除的抽汽机组、高背压改造后的抽汽背压机组台数；PhLD，t为热电厂在t 时段承担的热负荷，热平衡下PhLD，t=Phplant，t。

7）上网电功率

式中:Ce为厂用电率。

2.2 热电厂供电能力范围计算模型

根据式（1）及其约束条件可确定电热解耦设备在各时段的供热运行状态以及机组承担的供热负荷。在该供热负荷下，由图1 可知，机组整体的出力范围可调，因而热电厂具有一定的供电能力范围。

如式（13）所示，热电厂的上网电功率既与热电机组发电功率有关，又与电锅炉的运行功率有关。在t 时段，其上网电功率上、下限如式（14）所示。

由于储热存在时段耦合作用，且在实际运行时若电价预测较为准确，则实际运行点与2.1 节产量决策制定的计划运行点偏离不大，为此，本文在计算热电厂在次日各时段上网电功率范围时，假设厂内储热和电锅炉的运行状态已知，为2.1 节优化所得的计划值。进而，以式（14）为目标函数，以机组约束和供热平衡约束为条件，可得各时段热电厂最大、最小出力范围，以此作为报价的依据。

2.3 热电厂发电功率范围分段与申报价格模型

在确定电厂上网电功率范围之后，还需要根据市场规则进行分段，并确定分段的申报价格。

作为价格接受者，对于每个分段按照边际成本进行报价，则有

3 算例分析

以中国东北某热电厂为对象，利用本文模型构建其在现货市场中的阶梯形报价曲线。其中，优化模型采用IBM ILOG Cplex 软件进行求解。

3.1 基础数据

该热电厂原有4 台350 MW 抽汽供热机组，其中一台机组经高背压改造为抽汽背压机组，一台通过改造成为具有低压缸灵活切除运行能力，机组参数如附录B 和附录C 表C1 与表C2 所示，取等值煤价为800 元/t，电厂厂用电率为7%，电厂供热价格为40 元/GJ。

考虑整个供暖期内热负荷的波动，将该厂热负荷划分为高、中、低3 种场景，对应热负荷功率分别为1 386，892，492 MW（约为厂内机组最大供热功率的80%，50%，30%）。由于热负荷日内波动不大，因此假设在日内保持不变。

随着热负荷的增加，上网电功率的调整范围逐步变窄（如附录D 图D1 所示），最小只有装机容量的20%，恐难以满足高比例新能源接入所需的调节需求。为此，本文假设该热电厂未来还将配备储热和电锅炉2 种电热解耦设备，其中储热的最大充放功率可保证其在8 h 内完全充/放电完成。取储热的小时热损失率为0.1%，电锅炉的电转热效率为98%。

鉴于东北电网尚没有现货试点。本文以山东省电力现货试点2019 年在试运行期间风光大发、风电大发、风电小发3 种典型场景下的日前市场实际出清价格作为预测价格序列进行分析，如图2 所示。图中α 和β 这2 条虚线分别表示抽汽机组在最大、最小纯凝工况下的边际发电成本（供热时的边际发电成本介于二者之间）。

图2 日前市场典型日出清电价Fig.2 Typical clearing price in day-ahead market

3.2 当前热电厂对现货市场的适应性

利用2.1 节所示模型，分析该热电厂在高、中、低3 种热负荷时，以及在风光大发、风电大发、风光小发3 种场景下参与现货市场时的最优运行曲线和利润曲线。图3 给出了高热负荷下的计算结果，其他2 种热负荷的情况如附录D 图D2 和图D3 所示。

图3 高热负荷下热电厂优化运行曲线与分时利润Fig.3 Optimal operation curves and time-sharing profits of combined heat and power（CHP）plant with high heat load

由图3 可以看出，价格合理引导了热电厂的发电计划，在电价高于边际发电成本的时段，发电功率处于以热定电发电功率的上限；在电价低于边际发电成本的时段，发电功率处于以热定电发电功率的下限。从利润来看，在电价低于边际发电成本的时段，发电厂的利润为负值。这意味着，热电厂应该继续降低发电功率以避免损失，然而，由于供热约束，发电厂无法降低发电功率，因此需要进一步提升其运行灵活性。

图4 给出了不同热负荷在不同电价场景下热电厂的日利润对比。由图4（a）可以看出，热负荷越大，电厂的发电利润水平越低，高热负荷且风光大发时，利润甚至变为负值。这是因为，热负荷越大，电厂以热定电的发电功率范围越窄，导致其在电价高的时段难以多发电获利，而在电价低的时段又无法少发电以避免损失。同时，由图4（b）可以看出，当计及热收益时，整体利润水平增大，这是因为热电厂联产供热的成本较低，供热水平越高，获利越大。这意味着在风光大规模接入后电厂发电收益下降的背景下，热电厂售热可能会逐渐成为热电厂盈利的主要部分。

图4 不同场景下热电厂利润对比Fig.4 Profit comparison of CHP plant among different scenarios

3.3 热电厂运行灵活性提升对电厂利润的影响

3.2 节分析结果表明，热电厂需要进一步提升运行灵活性以提高发电侧利润或降低亏损。为此，进一步分析热电厂单独配置热储能、电锅炉和同时配置二者的利润情况。其中，储热取容量为7 200 MW·h，最大放热功率为900 MW，可满足持续8 h 的放热需求，且放热功率可满足厂内4 台机组在高热负荷下将运行点降到最小发电功率点时的补偿供热需求；电锅炉容量取为600 MW，可在满足高热负荷时将电厂上网电功率降为0。满足3 种热负荷在3 种电价场景下电厂的日利润如图4 所示。

可以看出，配置储热、电锅炉后，利润水平均有提升，但总体提升不大。原因在于:配置储热后（电厂最优运行曲线如附录D 图D4（a）所示），尽管可以通过蓄热罐放热在低电价（01:00，03:00—05:00，13:00）时段降低发电功率以减少发电损失、在高电价（18:00）时段提高发电功率增大发电利润，但因周期末未满足蓄热约束，所以电厂需要在其他电价高于发电成本的时段增大抽汽以蓄热，导致这些时段的发电功率下降，因此整体利润提升不大。

电锅炉与储热情况不同，触发电锅炉启动的电价较发电边际成本更低，在本算例中需要电价低于约100 元/（MW·h）（详见附录E 推导），因此电锅炉仅在少量时段（03:00，04:00，13:00）进行了调用，故而整体利润提升不大。不过，随着风光穿透比例的不断上升，近零电价的时段可能会越来越多，配置电锅炉的效益会逐步显现。

3.4 热电厂参与日前市场报价分析

根据已有现货交易规则，假设分段最小容量为发电功率范围的1/10，且分段数不超过5 段。下文以高热负荷、风光大发场景为例，分析热电厂在配置电锅炉和蓄热罐后的报价曲线。

如1.2 节所述，先根据预测电价计算最优运行曲线（如附录D 图D4（c）所示），然后以计算的储热和电锅炉运行状态为基准，考虑机组的调节性能，确定上网电功率的调节范围，如图5 所示。

图5 配置储热和电锅炉后热电厂上网电功率范围Fig.5 Output electricity power range of CHP plant configured with heat storage and electric boiler

可以看出，在确定电锅炉和储热运行功率后，电厂在各时段的运行范围明显不同。这是因为在储热、电锅炉运行状态确定之后，厂内所有机组共同承担的热负荷在各时段均不相同。

根据第2.3 节所述原则计算的各时段报价曲线如附录F 图F1 所示。在该报价曲线下，若清算的价格与预测电价相同，则所得日内发电曲线与优化所得的发电计划完全一致。

考虑到实际市场清算价格有可能偏离预测价格，进而导致清算发电曲线偏离最优发电曲线。附录F 图F2 还给出了实际清算市场价格较预测价格偏离±10%时的最优发电曲线（由式（1）优化得到）与清算发电曲线（依据实际电价和附录F 图F1 中的分段报价曲线所得到的中标电力）。从图中可以看出，二者在局部时段仅存在少量偏差。