电能量和旋转备用市场下电-热综合能源系统低碳优化运行

江 婷， 邓 晖， 陆承宇， 王 旭， 蒋传文， 龚 开

(1. 上海交通大学 电力传输与功率变换控制教育部重点实验室，上海 200240；2. 国网浙江省电力有限公司 电力科学研究院，杭州 310014；3. 国网浙江省电力有限公司 电力市场仿真实验室，杭州 310014)

能源是人类社会发展的重要引擎.近年来，为应对气候变化和环境污染等问题，世界各国正积极进行能源可持续与低碳化转型的实践与探索，纷纷制定了宏伟的节能减排目标，并推进能源供给、消费、体制、技术革命[1].2019年，欧盟碳排放交易体系覆盖的排放量较2018年下降9.1%，创10年来最大降幅[2].2020年9月，习近平总书记也郑重宣布中国将力争2030年前实现碳达峰、2060年前实现碳中和[3].由此可见，构建清洁低碳、安全高效的能源体系具有重要战略意义.

多能耦合综合能源系统由于对提升能源系统经济性和清洁性的显著作用[4]，被认为是节能减排的最有效举措之一[5]，电-热综合能源系统的低碳运行一直是该领域的研究热点.目前，有关电-热综合能源系统的研究集中在经济调度方面.文献[6]建立了考虑电-热负荷波动的不确定性的电网和热网的基础稳态潮流模型.文献[7]和[8]分别采用区间数和模糊向量描述风力发电出力及电、热负荷的不确定性，分别基于区间优化和模糊机会约束规划建立了考虑热网热损失和热延迟动态特征的区域电-热综合能源系统模型，并量化了热电协调和动态热网运行的经济效益和环保效益.文献[9]以经济性和环保性最优为目标，建立了考虑电热传输损耗与网络传输约束的电-热综合能源系统优化调度模型，并设计了双层双Lagrange乘子迭代算法对该问题进行有效求解.上述模型尽管考虑了电-热综合能源系统的工作特性并实现了兼顾环保性的同时经济性最优，但对环境问题描述不够详尽，且缺乏合理的市场机制以促进市场主体向低碳环保转型.

碳交易被认为是减少碳排量的有力举措，与此同时，低碳优化运行也成为兼顾能量生产经济性和系统排放低碳性的重要手段.目前我国碳市场尚处于摸索阶段，其主要分为传统碳交易机制和阶梯式碳交易机制[5].在传统碳交易机制的基础上，文献[10]在机组组合优化目标中加入了碳排放成本，提出了考虑碳排放权交易的智能电网机组组合模型.文献[11]结合我国实际地理环境因素和电力行业特殊，提出了基于区域比较的两级分配机制，保证了碳排放权分配的合理性和高效性.文献[12]提出了考虑场景概率的含风电系统低碳经济调度模型，通过改进的多目标粒子群算法验证了本文所提模型具有的社会效益和经济效益.文献[13]在综合能源系统电-气耦合调度中引入阶梯式碳交易机制，研究发现综合需求响应和天然气市场有利于减少电力系统碳排放量，但考虑碳排放量后综合需求响应可能会导致电力负荷出现反向特性.然而，电-热综合能源系统在运行过程中面临可再生能源出力和负荷波动等多种不确定因素，给决策和系统安全运行带来巨大挑战，上述文献均未在碳交易中考虑这些不确定因素.

本文在前人研究的基础上，引入阶梯式碳交易机制，提出综合考虑经济性和环保性的电能量和旋转备用市场下电-热综合能源系统低碳优化运行模型.针对该综合能源系统面临的不确定性问题和由此带来的风险，采用随机优化处理风电出力和电负荷的不确定性，并通过条件风险价值(CVaR)量化风险，降低不确定性决策的盲目性；在此基础上，重点讨论不同综合能源系统决策方案和风险系数对系统利润的影响，以及各分布式能源的优化情况.最后，通过仿真算例和对比分析验证了阶梯式碳交易机制下综合能源系统低碳优化运行模型的合理性，并分析了储能容量对系统决策的影响.

1 电-热综合能源系统结构和基本原理

电-热综合能源系统通过能量转换设备将传统的电网和热网耦合起来，对各种能源的产生、传输、转换、消费、交易等环节实施有机协调与优化，实现经济可靠运行.其中，电负荷由微型燃气轮机(MT)、燃料电池(FC)、热电联产(CHP)机组、电储能(ES)和风电机组(WT)供给，热负荷由CHP机组、锅炉和热储能(TS)供给.电负荷包括固定负荷部分和参与电力需求响应(EDR)部分，其中EDR主要考虑的是可中断类型，综合能源系统可中断EDR，但需向用户支付补偿费用.而热负荷包括固定负荷部分和参与热力需求响应(HDR)的灵活热负荷部分，其中HDR主要考虑的是的热水负荷类型.综合能源系统可通过调整内部MT、FC、CHP机组备用容量和EDR水平，在保证供电供热稳定的前提下向旋转备用市场提供一定备用，从而提高决策灵活性，进而获取更大收益[14].典型的电-热综合能源系统结构如图1所示，其中：箭头方向为能量流动方向.

图1 电-热综合能源系统结构Fig.1 Structure of integrated electricity-heat energy system

2 电-热综合能源系统低碳优化运行模型

2.1 碳交易机制及其分配原则

图2 阶梯式碳交易模型Fig.2 Tiered carbon trading model

阶梯式碳交易是指将CO2排放量设置为若干个阶梯分段或分档次定价计算费用，通过分段CO2排放量可以实现细分市场的差别定价，提高能源效率.

基于以上模型，碳交易成本Ccm可表示为

(4)

式中：E0为无偿碳排放额.

2.2 电-热综合能源系统多目标优化模型

2.2.1目标函数 电-热综合能源系统以参与电能量和旋转备用市场获得的经济收益Fsys最大化为目标进行决策，因此优化模型的目标函数如下：

(5)

(6)

(7)

(8)

(9)

(10)

(11)

CVaR值FCVaR可用来度量由于电价不确定性以及风电出力不确定性导致总收益变动的风险.对于一个离散的收益分布来说，当置信水平为α时，FCVaR对应小概率1-α场景集合的期望收益[19]：

(12)

式中：ξ为风险价值(VaR)；φω为场景ω下总收益与ξ的差额.

2.2.2约束条件

(1) MT和FC约束.

(13)

(14)

(15)

(16)

(17)

(18)

(19)

(20)

(21)

(22)

(2) CHP机组约束.

(29)

(3) 锅炉约束.

(30)

(4) ES和TS约束.

(37)

由于TS与ES约束条件式(31)～(37)一致，在此不再赘述.

(5) EDR约束.

EDR激励价格与电负荷削减量的关系表现为如图3所示的阶梯形[20-21]，用户可提供的中断负荷容量越大，对应更高的中断水平，其获得的EDR激励价格也相应越高.

图3 EDR阶梯形价格曲线Fig.3 Tiered EDR pricing curve

因此EDR约束可以表示为

(40)

(6) HDR约束.

(43)

(7) 电、热功率平衡约束.

(44)

(45)

(46)

(47)

(48)

(49)

(9) 电-热综合能源系统备用约束.

(50)

(10) 碳交易约束.

(51)

(11) CVaR相关约束.

(52)

φω≥0

(53)

2.3 模型求解

本文假定风机出力和电负荷分别满足一定的概率分布，通过蒙特卡洛抽样方法构建场景集，再通过聚类方法完成场景缩减，从而得到典型场景[23].电-热综合能源系统运行优化问题属于0-1混合整数线性规划问题(MILP)，可以基于MATLAB 2019b软件及YALMIP调用Gurobi 9.0对上述模型进行计算，使用计算机的配置为Intel Core CPU i7-9750H 2.60 GHz.算法流程如图4所示.

图4 所提模型的计算流程图Fig.4 Calculation flowchart of the proposed model

3 算例分析

3.1 参数设置

为验证上述模型的有效性与可行性，本节以2台MT、2台FC、3台WT机组、5台CHP机组、5台锅炉、5个ES单元、5个TS单元、电负荷和热负荷构成综合能源系统.系统调度周期为1天，分为24时段.电能量市场和旋转备用市场电价、各设备参数、电负荷和热负荷数据参考文献[18]，其中热负荷和电负荷场景如图5所示.备用服务时间ts为 10 min[24]，实际碳排放量计算系数见文献[25]，碳配额初始分配方案见文献[17]， 基准碳价为0.93欧元/kg，碳价区间为4个，碳价增量为0.27欧元/kg， 碳配额增量为300 kg[13]，初始水温Thw,ini设为 15 ℃[22]，置信水平α=0.95.

图5 各时段电负荷和固定热负荷Fig.5 Electric loads and fixed thermal loads in each period

3.2 优化结果对比及分析

图6 各时段CHP机组供电功率和备用容量Fig.6 Electric power output and reserve capacity of CHPs in each period

图7 各时段MT和FC输出功率和备用容量Fig.7 Electric power output and reserve capacity of MT and FC generators in each period

图8 各时段锅炉供热功率Fig.8 Heating power output of boils in each period

图9 各时段ES荷电状态和TS储热状态Fig.9 Electric storage capacity of ESs and thermal storage capacity of TSs in each period

图10为EDR和HDR优化结果，其中：Dt为各时段各能源负荷.由图10可知，对于电负荷，EDR在低电价时段向旋转备用市场提供备用，而高电价时段，综合能源系统切除可中断电负荷获取更大利润.由于电负荷的中断水平越低则补偿价格也越低，综合能源系统优先切除低级中断水平电负荷，且切除负荷量与电能量市场电价正相关.而对于热负荷，综合能源系统提高了傍晚的热力供应，并降低了其余时间的灵活热负荷，有利于实现电力与热力的峰谷平衡.

图10 各时段EDR和HDR优化结果Fig.10 Optimization results of EDR and HDR in each period

3.2.1不同模型优化结果对比

模型1不采用CVaR来应对风电出力与电负荷的不确定性，在阶梯型碳交易模型下，目标函数仅包含系统运行成本，不包含碳交易成本.

模型2不采用CVaR来应对风电出力与电负荷的不确定性，但将阶梯型碳交易成本计入目标函数中.

模型3采用CVaR处理风电和负荷预测不确定性问题，且不将阶梯型碳交易成本计入目标函数中.

模型4采用CVaR处理风电和负荷预测的不确定性，并将阶梯型碳交易成本计入目标函数中.

不同模型优化结果对比如表1所示.由表1可知，本文所提出的模型4总收益最多，这是由于该模型可以帮助综合能源系统对其内部资源和风险因素协调管理，优化范围更广，充分发挥了综合能源系统减排潜力.与不采用CVaR来应对不确定性的模型2相比，尽管模型4的碳排放量和碳交易成本略高一些，但这不影响模型总体经济性.这是因为采用CVaR以后，系统需要适量增大MT、FC和CHP机组等设备出力，增加备用容量以规避风险.

表1 不同模型优化结果对比Tab.1 Comparison of optimization results of different models

与模型1相比，模型2的碳排放得到改善，碳排放量降低6.61%，同时碳交易成本减少720.85欧元，这说明在低碳市场背景下综合能源系统充分考虑碳排放环境效益对其经济效益的影响十分重要.

采取风险管理措施的模型3相较于不采取任何风险规避措施的模型1总收益提高了25.48%；但碳排放量有小幅增加，碳排放成本增加了0.57%；一个调度周期内电能量市场收益和总备用收益分别减少了692.65欧元和270.10欧元.由于模型1没有有效的风险规避措施，为保证系统安全运行，所提供的备用容量较大.总体上DR调用水平与碳交易和风险因素无关.

图11 各时段电能量和旋转备用市场竞标量Fig.11 Bids for electric energy market and spinning reserve market in each period

3.2.3储能不同容量时的优化结果对比 为分析在接入不同容量的电、热储能设备时电—热综合能源系统的运行状态，本节比较分析当β=0.6时原本系统和电、热储能设备容量放大3倍下系统的在各时段向电能量和旋转备用市场投标量，如图13所示.对比可知，当各类储能容量较大时，由于储能调节能力变大，系统在电价低谷时增加购电，在电价较高时将这一部分电能转移出售， 进而在电能量市场套利.当各类储能容量较小时，由于储能调节能力不足，系统减小旋转备用量以保证经济运行.

图13 储能不同容量时各时段电能量和旋转备用市场竞标量Fig.13 Bids for electric energy market and spinning reserve market in each period at different energy storage capacities

图14～18为各时段所有CHP机组供电功率和备用容量、MT和FC供电功率及备用容量、ES荷电状态和TS储热状态优化结果、电负荷和热负荷优化结果.对比图6～10和图14～18可见，总体上当储能接入容量较大时，应对实际情况与日前预测结果的偏差有更充分的旋转备用空间，对日前优化方案进行调整，增大各设备备用容量，保障系统供需平衡和运行稳定，由此可见储能设备有利于增加系统灵活性；而由于热力系统需要考虑的不确定性因素可以近似忽略，电、热储能容量对热力供应的影响不大.对于低概率场景，若特地为其配置较多的储能容量以提升可支配的旋转备用容量，这一部分会有很大概率被浪费，且储能成本会随着配置储能容量的增加而大幅增加.因此，在实际决策中，需要权衡好储能容量与旋转备用容量的配置.

图14 储能容量较高时各时段CHP机组供电功率和备用容量Fig.14 Electric power output and reserve capacity of CHPs in each period at a higher energy storage capacity

图15 储能容量较高时各时段MT和FC输出功率和备用容量Fig.15 Electric power output and reserve capacity of MT and FC generators in each period at a higher energy storage capacity

图16 储能容量较高时各时段锅炉供热功率Fig.16 Heating power output of boils in each period at a higher energy storage capacity

图17 储能容量较高时各时段ES荷电状态和TS储热状态Fig.17 Electric storage capacity of ES and thermal storage capacity of TS in each period at a higher energy storage capacity

图18 容量较高时各时段EDR和HDR优化结果Fig.18 Optimization results of EDR and HDR in each period at a higher energy storage capacity

4 结论

针对电—热综合能源系统在能源转换以及碳排放管理方面的作用，本文提出了考虑电—热综合能源系统参与的电力系统低碳优化运行策略模型，并采用条件风险价值度量其决策风险，主要结论有.

(1) 本文综合考虑阶梯型碳交易机制对电—热综合能源系统优化运行的影响，在兼顾经济性的同时，有效提高了系统运行的环保性，符合我国电力行业节能减排、低碳环保的发展理念.

(2) 新能源出力和负荷存在的不确定性造成了电—热综合能源系统运行的风险.所提模型利用条件风险价值衡量风电出力与电负荷日前预测的不确定性造成的经济影响，通过风险偏好系数表征决策者对风险的重视程度.随着风险偏好系数的增大，系统的风险收益不断增大，但总预期收益大幅减小，反应了决策者对风险的厌恶程度持续升高.

(3) 电、热储能容量大小对电—热综合能源系统的优化运行有影响，主要体现在系统留有备用容量上，在做运行决策时考虑储能的接入容量能够更好地提高系统经济性.