电力现货市场中新能源--光热联合发电系统的储热系统容量优化配置

尹 航，汤建方，张 继，颜 豪，胡晓睿，王 澍

（1中国广核新能源控股有限公司，北京 100071；2天津浩宇信息技术有限公司，天津 300000）

随着全球气候变化问题日趋严重，中国承诺在2060 年前实现碳中和，加速清洁能源的开发和利用，预计到2030 年，新能源计划总装机容量将达到12 亿千瓦，相比2022 年末的7.5 亿千瓦，装机量增加60%。但由于新能源发电受到自身特性与技术限制导致其发电特性具有反调峰、不可控、难预测等电网不友好特性，典型地，光伏发电主要集中在负荷需求不高的中午发电，在傍晚负荷需求高峰期发电较少。新能源发电的电网不友好特性直接增加了电力系统对新能源整体的消纳压力，新能源弃电情况在持续增加，同比第二季度，蒙西的新能源利用率从2021 年的93.9% 降低到2022 年的90.8%，甘肃的新能源利用率从2021 年的96.8%降低到2022年的91.3%。

电力现货市场是电力市场体系最关键的组成部分，自2017 年国家发改委要求开展8 个省份的电力现货市场试点工作以来，电力现货市场的建设从起步逐渐完善并走向成熟，包括山西、山东、甘肃等省份的电力现货市场已经持续运行超过了1年以上，实现了电力系统新能源消纳、电力保供和发电效率的提升。由于电力现货市场根据时变的市场供需形成价格，并且发电电源需要按照时变价格进行发电电费结算，当新能源进入市场后，不再“报价报量”的新能源电站会经常性面临低价甚至负价发电的情况，导致新能源电站的经济效益不佳。因此，提升电力市场中的经济效益是新能源电站的核心经营目标。

储热技术作为储能的一个重要技术路线，通过其高可控性能够提升新能源电站总体功率控制能力，在新能源与光热电站结合的新能源-光热联合发电系统中，由于储热系统的储能特性不仅能在电价较低时储存电量，还能在电价高时发电，能够提高电站经济效益，还能起到辅助电力系统削峰填谷作用，并减少新能源“弃电”。结合电力现货市场的价格特征，导致新能源发电经济效益较低。在成本方面，光热储能的储热系统成本特征为功率模块单位造价高，电量模块单位造价低，在经济效益方面，需要结合电力现货市场的价格特征以及新能源发电特征综合评估不同规模储热系统对场站的发电收入提升。因此，需要在电力市场环境中，综合考虑储热系统成本及其带来的经济效益增量，合理配置储热系统实现场站综合经济效益的最优。

当前在光热发电技术领域已经进行了相关研究，文献[1]介绍了一种基于金属氢化物的太阳能热能储存技术，利用化学反应实现热能的储存和释放，用于提高光热电站储能利用率。在文献[2]中研究发现熔盐储热技术在能量密度、可靠性和成本方面都比其他储热技术更具优势。在文献[3]中，研究证明了配置熔盐储热系统和燃料备用系统的太阳能热电厂整体效率最高。在文献[4]中，构建了熔盐储热系统和储热控制策略，并最终实现了熔盐线性菲涅尔式聚光集热系统的控制和优化。文献[5-6]研究了储热系统对光热电站运行的影响，并给出了影响储热容量的重要因素；文献[7]提出了槽式太阳能热发电项目供电量与太阳倍数(SM)和储热时间的关系，并给出了项目年利用小时数与太阳倍数的简化计算公式。文献[8]建立了集热场效率计算模型，包括槽式太阳能发电系统的集热场能量平衡和流量控制方程。文献[9]中提出的LCOE参数是太阳能热电厂经济研究分析中最常用的指标，用于平均化电力成本。文献[10]对阿尔及利亚的50 MW 光伏-光热联合发电模型中光热系统的太阳倍数和储热容量等参数进行了优化，使联合发电站的LCOE 最小。文献[11]提出了一种含光热电站的热电联供系统优化调度策略，在促进风电消纳的同时降低系统综合成本。文献[12]提出了光热电站能源管理系统的基本构架和管理运行模式。在文献[13]中，提出了一种优化配置方法，兼顾系统运行成本与光热电站收益，用于提高发电效率。在文献[14]中，提出了一种全面评估光热电站容量效益、电量效益的等值年费用法，并计及了机组启停、储能电源跨日调节。在文献[15]中，通过改变储热系统的太阳能倍数和满负荷小时数，以某年发电量最高时LCOE的最低值为目标，优化了拟建光热电站的性能。在文献[16]中，针对定日镜、吸热器和储能配比，提出了优化配置方案，最终得出在一定资源环境下建设大容量塔式光热发电系统各关键设备的最优配置方案。在文献[17]中，提出了用于系统控制的模型预测控制(MPC)算法，以实现对光热电站运行状态的实时监测和调整。在文献[18]中，提出了一种基于最小化发电成本的光热电站最优运行模型，该模型考虑了集中式太阳能电站的各种限制条件，包括太阳辐射强度、储热系统容量和效率、发电机组出力限制等。在文献[19]中，分析了光热发电技术的电力贡献、经济性和环境效益，并讨论了其与其他可再生能源技术的协同作用。在文献[20]中，提出了一种协调风电场与光热电站的运行策略，即利用光热电站和风电场的优势来平衡发电和用电需求，该运行策略能有效提高发电系统的可靠性和经济性。

1 新能源-光热联合发电基本原理及功能

储热型独立光热电站主要有三种技术形式，分别为槽式、塔式和菲涅尔式。在当前的光热发电技术中，槽式光热电站为主要技术路线。槽式光热电站主要由聚光器、集热器、传热工质、储热系统、汽轮机等模块构成。光热电站通过反射太阳光到集热器聚集热量，再通过换热装置生成高压过热蒸汽驱动汽轮机，汽轮机作为最后的发电环节向电网发出电能。聚光器是光热电站的核心部件之一，其作用是将太阳光线聚焦到集热器上，提高集热器的温度。目前常用的聚光器类型有抛物面镜和曲面椭圆镜，其形状和大小可以根据具体的光热电站设计需求进行调整。集热器是槽式光热电站的另一个重要部分，主要作用是将聚光器集中的热量传递给传热工质。传热工质是通过集热器吸收热量的流体，可以是水蒸气、油、熔盐等。传热工质在集热器内受热膨胀，随后通过换热装置将热能转移给储热系统或者汽轮机。储热系统是为了解决光热电站存在的间歇性问题而设计的，其主要作用是将多余的热能储存起来，在需要时使用。储热系统可以是熔盐储热器、石墨储热器等，其具体类型也取决于光热电站的设计需求。最后，经过传热工质的驱动，高压过热蒸汽进入汽轮机驱动发电机发电。整个槽式光热电站的各个部分密切联系，共同完成从太阳能到电能的转换过程。具体槽式光热电站结构如图1所示。

图1 槽式光热电站系统组成图Fig.1 Schematic diagram of PTC power station

新能源-光热联合发电系统在原有的光热发电仅利用太阳能发电的基础上引入了风力发电资源，除了光照能量能够转换和存储为热能，通过电能转化为热能的形式也可以将风电储存在储热罐中，利用此方式能将太阳能以及风能进行联合发电。这种联合发电系统的优势在于，在技术层面，仅利用光照能实现光热发电，但无法充分利用储热模块的能量存储能力，风力发电的日内发电功率的时段分布更为均匀，使得储热模块从光照和风电获取的能量更为充分，形成互补效果，在经济层面，独立光热储能的单位造价较高，将风电作为联合发电系统的一部分，通过充分利用储热能力，实现综合经济效益的提升。

2 新能源场站参与电力现货市场

随着电力现货市场的发展，新能源将直接地参与到市场中，与其他类型发电电源以“技术中立”原则，在电力现货市场的报价、出清、定价、结算等市场环节中同台竞争。在报价方面，新能源需要申报日前预测功率、电能价格；在出清方面，新能源申报信息将置入考虑安全约束的机组组合和经济调度优化算法中完成发电计划和实际发电安排；在定价方面，采用节点边际电价形成新能源场站所在节点的15 min 间隔的分时价格；在结算方面，新能源的发电电费采用中长期交易、日前市场和实时市场的量和价综合结算，其中日前市场和实时市场的价格都按照现货出清的分时节点边际电价结算。

作为新能源场站的一种形式，联合发电系统的发电资产也将参与现货市场。由于新能源-光热联合发电系统存在消纳难、结算价格低的运营风险，联合发电系统将面临如何提高发电收入的挑战。而联合发电系统中储热系统作为技术层面的优质灵活性电源，能够在一定程度上缓解联合发电系统在技术和经济方面的运营困难。主要表现在：面对新能源上网消纳难的状况，储热系统提供弃电回收的功能，如果在发生新能源弃电的时段，即在联合发电系统上网功率受限时段，如图2中的13∶00时段和15∶00 时段，通过电加热子系统将电能转化成热能并存储在储热系统中；在上网功率富余时段，将储热热量转换成电量放电，如图2 中的19∶00—21∶00时段，可减少弃电，提高上网电量。面对新能源机组经济性差的问题，储热系统可以提高联合发电系统的发电收入，当午间光伏发电较多时，现货价格往往较低，甚至出现负价，如图2中红线所示，场站的现货市场收入为负，但高价时段通常不会出现在新能源大发时段如图2 中负荷早高峰的10∶00 时段和晚高峰的19∶00—21∶00 时段。储热模块能够以联合发电系统发电收入提升为运行目标，通过精准预测现货市场价格，在低价时段将聚光集热模块的热能以及新能源电能转化成热能存储起来，在高价时段将储热模块中的热能转化成电能发出，提高联合发电系统总体电量收入。

图2 储热系统在电力现货市场中的充放热情况Fig.2 Charging and discharging operation of thermal storage system in an power spot market

3 数学模型及方法论

3.1 新能源--光热联合发电系统优化调控模型

新能源-光热联合发电系统分为光热子系统和新能源子系统，新能源子系统通过电加热子系统与光热子系统中的储热模块耦合相连构成完整的新能源-光热联合发电系统，其能量流示意图如图3所示。

图3 新能源-光热联合发电系统能量流示意图Fig.3 Schematic diagram of energy flow in renewable-thermal-storage generation system

本工作建立了一个新能源-光热联合发电系统的优化控制数学模型，旨在以最大化场站整体收益为优化目标，对储热系统的运行进行优化。模型搭建过程中考虑了储热系统放热速度、储热上下限、蓄热罐吸热与放热功率、能量平衡、发电与储热系统的约束等因素，在场站外围的全市场层面，考虑了电力现货市场时变电价以及电力系统的新能源消纳能力。

目标函数方面，该模型以最大化场站整体收益为目标，市场收益包括电能收益与热负荷收益，具体表达式如式(1)所示。

式中，Pnett为t时段新能源-光热联合发电系统上网功率，πt为t时段上网电价，QDt为t时段热负荷，λt为热价格，τ为时段时长，T为优化时间段数，优化时段可以对典型日进行优化，也可以对全年8760 小时进行整体优化。πt所指的上网电价不是固定电价，是电力现货市场预期的时变出清电价，联合发电系统的电费收入部分需要根据该时变电价进行结算，所以优化问题在求解过程中会通过储热能力尽可能将电能在高价时段上网。

模型约束条件如下。

蓄热罐在储热和放热的时候，热功率的变化不能超过设备设计的最大速率。具体表达式如式(2)～式(3)所示。

蓄热罐能够存储的热能是有限的，任何时刻都需要处于上下限之间。具体表达式如式(4)所示。

式中，γ为储热系统热耗散率，ηFS聚光集热模块储热效率，ηWS为电加热子系统的储热效率，ηSE为储热系统发电放热效率，ηD为储热系统供热放热效率。

如图3所示，新能源子系统的总电功率经过功率控制系统调节后，分为上网电功率和传递到电热转换模块的电功率，多余的新能源功率可以放弃。具体表达式如式(6)所示。

式中，PWt为t时段新能源子系统出力，PWEt为t时段新能源上网功率，ΔPcurt为t时段弃电功率。

如图3所示，集热系统输出的热功率分为三部分，一部分传递给发电子系统发电，另一部分传递给蓄热罐存储起来，多余的热功率可以放弃。具体表达式如式(7)所示。

如图3所示，全系统净电能输出功率等于发电子系统的发电功率加上新能源子系统的发电功率，再减去弃电和从电网的购电功率。具体表达式如式(8)所示。

式中，ηPW为电热转换效率。

传递给发电子系统的热功率，经过如下函数转化为电功率。具体表达式如式(10)所示。

式中，a、b和c分别是热电转化函数系数，ut为机组t时段运行状态，yt为机组t时段启动状态，QST为机组启动耗热。

传递给发电子系统的热功率不能超过发电设备的限制。具体表达式如式(11)所示。

式中，QPB,max为最大输入热功率。

发电子系统的电功率输出受机组最小出力和最大出力的限制。具体表达式如式(12)所示。

式中，PCSP,min为最小输出功率，PCSP,max为最大输出功率。

发电机功率输出不能任意变化，要受到爬坡速度的限制。具体表达式如式(13)所示。

式中，PD为爬坡率限制。

发电机组一旦停机，需要停机一段时间后才能启动。发电子系统中的各种热力动力设备由停机到启动的状态转换过程中，工况改变很大，考虑到设备安全和寿命，同时也需要进行充分的准备工作，机组停机后不能立刻启动。具体表达式如式(14)所示。

式中，Toff为机组最短停机时间，zt为机组t时段停机状态。

发电机组一旦运行，则需要运行一段时间后才能停机。具体表达式如式(15)所示。

式中，Ton为机组最短运行时间。

向用户供热的功率需要保证大于等于最小供热功率，并不超过最大供热功率，如果热负荷不可调节，则最小供热功率等于最大供热功率等于不可调热负荷。具体表达式如式(16)所示。

式中，QFS,max为聚光集热储热功率上限。

蓄热罐放热传递给发电子系统的热功率不能超过设计上限。具体表达式如式(18)所示。

式中，QSE,max为储热系统放热功率上限。

电加热子系统向蓄热罐传递的热功率不能超出设计上限。具体表达式如式(19)所示。

式中，QWS,max为电加热子系统储热功率上限。

整个电站向外输出电能受到传输通道容量或电网运行安全性的限制。具体表达式如式(20)所示。

式中，Pmaxt为t时段电站整体输出电功率上限。

3.2 储热系统容量优化配置方法

针对新能源-光热联合发电系统而言，储热容量的配置对电站的发电优化和经济效益将产生重要影响。尽管更大的储热系统可以提高整个发电系统的出力控制能力，但高昂的投资成本意味着储热配置不能无限制增加。本工作结合前述优化调控模型，提出了新能源-光热联合发电系统的储热系统容量优化配置方法。

因新能源-光热联合发电系统中各子系统之间能量耦合情况复杂难以对单一储热系统进行研究分析，因此本工作将无储热系统的新能源-光热电站作为参照，用以抵消各子系统之间的能量耦合对储热配置研究的影响。为了更科学有效地研究储热配置方案的经济效益，本工作引入内部收益率(IRR)作为评估储热系统投资盈利的指标，IRR指标即资金流入现值总额与资金流出现值总额相等、净现值等于零时的折现率，是一项投资预期达到的报酬率。

在储热成本构建过程中本工作考虑单位储热容量成本投资造价乘上储热系统储热容量，具体表达式如式(21)所示。

式中，C为储热系统投资成本，B为单位储热容量投资造价。

通过仿真计算新能源-光热联合发电系统与其在不具备储热系统时的年收益情况的差值，即为增加储能系统后电站的年收入增量作为储热系统的年利润值。通过储热系统的年利润值与储热系统投资成本，可求解储热系统IRR指标。IRR指标的计算公式如式(22)、(23)所示。

式中，CFt为每年的现金流量即储热系统的每年收益，t为现金流的发生时间，考虑储热系统实际运行年限一般设定为10～20 年。Plt为第t年的光热联合发电一体化电站年收益，Pb为无储热系统时光热联合发电一体化电站年收益。上述IRR指标公式可结合计算机。通过比较不同储热系统配置的IRR 指标获得最佳配置方案。IRR 公式中CFt的全年收益的计算采用前述新能源-光热联合发电系统的优化控制模型得出，即考虑全年的时序新能源发电、光热能量、场站所在位置的市场出清电价等，通过优化储能系统的调控，计算场站全年的收益。

为实现最佳储热容量配置，本工作提出了以下配置优化方案，该方案由两阶段组成。具体流程如图4所示。

图4 最佳储热配置方案流程图Fig.4 Flowchart of optimal thermal energy storage configuration

步骤1：将储热容量为0 的无储热系统作为基准参照，按较大步长逐渐生成不同储热容量的配置方案，并通过仿真计算不同储热配置的IRR 指标，对比相邻两储热配置的IRR指标变化情况，随着储热容量不断增加IRR指标会不断增大，当IRR指标出现减小趋势时停止仿真计算。此时最大IRR指标所对应的储热容量区间定义为最佳储热配置区间。对此区间进行下一阶段的仿真计算。

步骤2：确定最佳储热配置区间后，按较小步长对区间内的储热配置容量逐步递增，生成新的储热配置方案，并仿真计算相邻两储热配置方案的IRR指标变化情况。当IRR指标再次出现由增加到减小趋势时停止仿真计算。此时的最大IRR指标值及其相对应的储热容量区间段可以再次确定新的最佳储热配置区间，经过对该区间以更小步长仿真计算后又可以再次求得范围更小、精度更高的储热配置区间。通过以不断减小步长的方式可以最终确定新能源-光热联合发电系统最佳储热配置方案，以及该方案所对应的最大经济指标IRR值。

此优化方案具有快速、精确的特点。通过大步长快速确定最佳储热方案的所在区间范围，再以不断减少的小步长方式对其进行精准定位，结合以上两种方法可以快速找到最大经济效益下的新能源-光热联合发电系统的最佳储热配置。

4 算例分析

下文对新能源-光热联合发电系统的储热容量优化配置进行实证分析。本工作中的仿真算例基于构建的新能源-光热联合发电系统，该发电系统包括300 MW 汽轮机组、100 MW 风力发电机组、100 MW 光伏发电机组和一个最大输出热功率为300 MW的槽式光热子系统，其中300 MW汽轮机组的作用是将槽式光热子系统以及储能系统所传输的热能通过换热装置生成高压过热蒸汽驱动汽轮机转子转动进行发电。本工作所述仿真模型的各项参数都经过合理设定，并将用于仿真算例的实证分析。详细参数设定如表1所示。

表1 新能源--光热联合发电系统运行参数Table 1 Operational parameters of the renewable-CSP integrated plant

新能源发电子系统由风电机组与光伏机组构成，经过仿真计算后得出以下数据：新能源发电子系统全年最大发电功率为194.44 MW，全年总发电量为431.26 GWh。槽式光热子系统全年最大输出热功率为250.63 MW，全年总输出热量为477.69 GWh。新能源发电子系统全年时序出力曲线如图5所示，槽式光热子系统中集热系统全年时序热功率曲线如图6所示。

图5 新能源发电子系统出力曲线Fig.5 Power profile of the renewable generation

图6 光热电站集热系统热功率曲线Fig.6 Thermal power proflie of CSP collector system

在电站的节点边际电价方面，新能源-光热联合发电系统的年平均电价为195.08元/MWh，全年日内平均最大价差为754.99元/MWh，全年时序电价曲线如图7所示。

图7 全年时序电价曲线Fig.7 Annual time-series electricity price curve

在储热系统方面，本工作所述仿真算例皆设定放能效率为0.99，充能效率为0.98，初始能量为0，耗散率为0.00042，储热建设成本为42.16万元/MWh。

算例仿真第一阶段，设定初始储热容量为0，以固定步长250 MWh 逐步增加储热容量，生成9 种不同储热方案。通过8760 仿真程序仿真计算，具体仿真数据结果如表2所示。

表2 第一阶段储热配置仿真结果统计Table 2 Statistical results of thermal storage configuration simulation in the first stage

通过表2中的仿真数据构建第一阶段新能源-光热联合一体化电站IRR指数趋势图，如图8所示。

图8 第一阶段储热配置IRR趋势图Fig.8 IRR trend chart of thermal storage configuration in the first stage

由图8与表2所示，最佳储热配置介于CASE2与CASE4 之间，因此对CASE2 与CASE4 所对应储热容量区间500～1000 MWh 进行第二阶段小步长仿真计算。经多次小步长仿真计算后最终确定了最佳储热容量位于718～722 MWh 内，以步长1 MWh 对此区间内储热配置方案进行仿真计算，结果如表3 所示。图8 中CASE1-CASE3 的IRR 指标随着储热容量的增加出现急剧上升的趋势表明当储热容量由0逐步增加时联合发电系统的储热能力得到明显提升，联合发电系统可以利用储热系统的储热功能在低电价时储存更多的热能用于高电价时的发电，并且逐步上升的储热容量也能储存更多的热能用于供热提供更大的经济收益，而由图8可明显看出CASE3 的IRR 指标达到了最大值，此时随着储热容量的增加IRR指标呈现下降趋势，此现象表明储热容量的增加伴随而来的也有储热系统成本的上涨，同时联合发电系统高价时的发电能力也受限于联合发电系统的热电转换能力与汽轮机最大输出功率等因素的限制，当储热收益与储热成本达到一定平衡时IRR指标达到最大，此时增加储热容量带来的收益增幅小于成本的增幅，会降低储热投资的回报情况。

表3 1 MWh步长下储热配置仿真结果统计Table 3 Statistical results of thermal storage configuration simulation with a 1 MWh step

通过表3中的仿真数据结果构建第一阶段新能源-光热联合一体化电站IRR 指数趋势图，如图9所示。

图9 1 MWh步长下储热配置IRR趋势图Fig.9 IRR trend chart of thermal storage configuration with a 1 MWh step

由表3与图9可知新能源-光热联合一体化电站的最佳储热配置为720 MWh，此配置下的最佳经济效益指标IRR 为14.624%。由图9 中CASE11-CASE12、CASE13-CASE14 与CASE14-CASE15的IRR指标变化趋势可知，当储热容量达到CASE13的720 MWh 时联合发电系统经济效益最佳，而CASE13 的储热容量增加1 MWh 到CASE14 时储热成本变化较小，IRR指标下降趋势较低，但当储热容量增加到CASE15 的722 MWh 时IRR 指标开始急剧下降，能明显看出储热成本的增加开始影响到了储热投资的回报情况。

考虑到发电子系统的最大输出功率也会影响联合发电系统的输出功率，进而影响到储热系统的优化调度。因此本工作通过对不同汽轮机装机容量下的储热方案进行仿真计算，分析各方案IRR指标的变化，以研究发电子系统中不同汽轮机装机容量对储热配置优化的影响。

为了对比不同容量的汽轮机组配置方案下不同储热方案的IRR 指标变化情况，在原有算例的基础上加入了250 MW 和350 MW 的汽轮机组配置方案。针对这三组方案，将储热配置容量以250 MWh 的固定步长由0 逐步增加至2500 MWh，并通过仿真计算不同储热配置方案的IRR指标。仿真计算结果如图10 所示。结果表明，汽轮机装机越大，IRR指标出现拐点所对应的最优储热配置规模也越大。随着汽轮机容量的增加IRR指标的拐点开始向右移动，意味着增大汽轮机容量导致对应最大IRR指标的储热容量值也会随之增加，此现象验证了储热容量最优配置会受到汽轮机容量的影响，当汽轮机容量增大时联合发电系统中储热系统就能在高价时刻将更多的热能转换为电能，间接提高了储热模块增收的能力，可以适当增加储热容量的规模，以实现更优的经济效益指标。

图10 不同汽轮机装机容量下的IRR趋势图Fig.10 IRRs of different gas turbine capacity

在进行储热投资决策时，需要考虑电站所在省级市场的运营状况，当整体市场在未来发生结构性变化，则储热优化模型的电价和消纳边界将相应变化，例如，考虑到未来新能源装机容量、省内负荷需求的增速加快，使电价趋势发生变化，进而会对新能源-光热联合一体化电站最优储热配置产生影响。以上述分析为基础场景进行未来市场多场景对比分析。

构建负荷快速增长场景，即将全网用电负荷需求增加10%。构建新能源快速增长场景，即将全网的新能源装机容量增长10%。针对两个场景，对一体化电站按上述两阶段最佳储热配置方案进行算例分析求解当前场景的最佳储热配置方案，其1 MWh步长下储热配置仿真结果统计如表4和表5所示。

表4 负荷快速增长场景下储热配置结果Table 4 Statistical results of thermal storage configuration simulation

表5 新能源快速增长场景下储热配置结果Table 5 Statistical results of thermal storage configuration simulation

通过对表4 与表5 对比分析可知，随着新能源装机容量增加或者用电负荷需求上升，一体化电站整体储热配置方案的经济效益指标IRR值以及储热系统年利润都产生了相应的变化。负荷快速增长场景中，节点边际电价随着负荷需求的增加而提高，但最终IRR指标整体出现下降现象，这是因为即使节点边际电价上涨，但对比全年平均日内最大电价差时发现原始场景的日内电价差大于负荷增加10%的场景的日内电价差，出现储热系统年利润值以及IRR指标都低于原始场景的现象。新能源快速增长场景中，IRR指标下降主要由于新能源装机容量不断上涨导致市场对新能源的消纳变得困难，节点边际电价对比原始场景会出现降低现象，同时价差也同时下降，最终导致储热系统即使能在高价发电但是收益会比同时段的原始场景略低。由表4 与表5的分析可知当出现上述两种场景时最佳储热配置方案的IRR 指标会受到影响，但最佳储热容量没有变化。

5 结 论

本工作提出了一种电力现货市场环境下新能源-光热联合发电系统储热系统优化配置方法，以提升联合发电系统的经济效益。应用所构建的联合发电系统的内部优化调控模型，提出了两阶段储热系统的优化配置方法。在案例研究中，利用联合发电优化模型对不同的储热方案进行仿真，在时变的市场电价情况下量化获得储热的收入，寻得最优的储热配置规模，验证了所提储热优化方法的有效性。未来，储热最优配置方法仍需要不断改进，一方面针对联合发电系统，在优化时应进一步考虑储热各结构间的耦合关系；另一方面，针对联合发电系统所处的电力市场及电力系统，应加强对市场的节点边际电价和系统的新能源消纳能力的分析预测。