计及阶梯式碳交易的风-光-火-抽蓄联合系统日前优化调度

李琛玺，燕 恒，张 浩，郭鹏程，2

(1.西安理工大学 水利水电学院，陕西 西安 710048；2.西安理工大学 省部共建西北旱区生态水利国家重点实验室，陕西 西安 710048)

1 研究背景

在“双碳”目标的驱动下，清洁能源特别是风电和光伏装机已进入了快速发展阶段[1]，预计到2030年，我国风光总装机容量将超过12亿千瓦，装机占比突破50%[2]。然而，随着风光在电力系统中的渗透率增加，风光出力的不确定性会导致电源侧的灵活调节能力不足以跟随负荷的实时变化，由此造成的风光能源消纳问题越来越突出[3]。现主要采用多能互补形式即通过水、火、储等可调节电源侧，实现平抑风光出力变幅与瞬时变率，其中抽水蓄能是当前和未来支撑新型电力系统的最佳调节与储能方式[4-5]，而如何进一步在含抽水蓄能的多源电力系统中缓解风光不确定性并兼顾低碳效益是当前面临的重要挑战。

对于含高渗透率的新能源联合系统的典型优化调度问题，诸多学者开展了相关研究。Cheng等[6]基于电网负荷需求提出了一种三步混合算法求解含抽水蓄能电站参与的调峰模型，结合启发式搜索方法确定抽蓄电站的出力，更好地实现抽蓄电站对多个省级电网削峰填谷的目标。随后，申建建等[7]与张振东等[8]考虑风光水联合系统中水风光的互补性，分别建立了多能系统的灵活性量化与风光互补优化方法，以及发电效益-稳定性多目标短期优化调度模型，探讨了风光装机比例、水电爬坡能力及调峰需求对灵活性调节能力的影响，提高了风光水互补的科学调度性。王义民等[9-10]对雅砻江下游的水风光多能能源基地开展研究，提出补偿机制详细量化了各发电主体的损益关系；随后进一步提出基于水风光多能源集总式调度运行模式，该模式可充分考虑风光出力过程，最大发挥水电的调峰能力来实现新能源的消纳。刘斌等[11]以最大化风光电力占比和最小化系统总成本为目标，分析了风光电力占比提高过程中系统容量配置的变化规律。明波等[12]以龙羊峡水光互补电站为工程背景，分别针对水光互补发电计划编制和光伏出力波动平抑方法开展了研究。Yin等[13]采用Copula理论生成风电出力与光伏出力之间具有相关性的场景，提出一种随机调度模型来开展日前协调调度。Karimi等[14]建立了含抽蓄机组的多能互补优化调度模型，在满足机组安全约束组合的情况下，通过该地区电网的实际数据论证了抽蓄电站的加入降低了火电机组在负荷高峰期满负荷运行的情景，联合抽蓄机组可降低火电机组的运行成本和总运行成本。Hu等[15]建立了风-水-抽蓄联合运行系统日前调度和实时调度两阶段模型，在实时阶段增加抽水蓄能机组快速平衡风电功率和负荷的偏差，提出了一种基于改进Shapley值法的效益分配方法以提高整体运行效率。钱韦廷等[16]使用Copula函数量化风电出力的不确定性，提出基于概率预测的风储联合优化调控方法。Wang等[17]分别以中国西北电网、青海-甘肃跨区域电网为应用实例，探讨了多电源补偿运行原理和协调运行模式，以促进新能源大规模消纳，减少温室气体排放。现阶段也有学者[18]逐步考虑了能源规划的多维性质及新能源的不确定性，以期最大限度提高能源利用效率。上述研究针对多源联合系统中的风光特性及优化调度进行了详细分析，其中阐明了联合系统中风光出力的波动性强，特别分析了风电和光伏发电之间的相关性。而关于风光出力的不确定性问题，当前的研究正在逐步开展，初步对风电的不确定性引入概率分析，但如何综合考虑风光的不确定性并兼顾联合系统的效益与碳减排还有待深入研究。

与此同时，在以新能源为主的新型电力系统中引入碳交易机制也成为了当前的研究热点。米阳等[19]考虑风光不确定性和碳交易机制，综合考虑源荷两侧的需求响应，以各主体利益最大为目标建立综合能源系统模型，实现了系统的低碳经济运行。张晓辉等[20]在综合能源系统规划中引入了碳交易机制，提出了奖惩碳交易模型，分析了碳交易成本对系统规划与运行的影响。Qu等[21]针对综合能源系统提出去中心化的最优多能流碳交易机制，分析碳交易价格对系统的影响。Saboori等[22]提出燃煤发电厂配备碳捕获和储存系统，通过多阶段发电规划最大限度的减少规划成本和CO2排放。Wang等[23]将电网中的需求侧管理和碳排放交易结合，构建两阶段调度模型有效实现碳减排。张笑演等[24]通过引入储能“荷碳率”的概念衡量碳交易，并结合调度周期内碳排放守恒的原则实现降低碳排放。以上研究表明碳交易机制的引入可有效降低联合系统的碳排放量，如何确定更合理的碳交易机制，量化碳排放量，同时考虑联合系统的高风光渗透率与风光出力的不确定性，需要精细建立低碳经济调度模型，优化系统的负荷及分配计划。

综上，考虑碳交易机制能够优化系统的资源配置，提高联合系统中风光的消纳量，降低火电机组的出力，但随风光并网容量的进一步增加，风光出力的波动性对整个系统的影响也将随之加大。因此，迫切需要在开展联合系统优化调度时兼顾风光出力的不确定性与碳交易的量化评估。为此，本文构建计及阶梯式碳交易的风-光-火-抽蓄联合系统日前优化调度模型，引入阶梯式碳交易计算获得碳排放成本，并以火电机组运行成本、弃风弃光惩罚成本、抽蓄电站运行成本以及碳排放成本最低为优化目标，采用分段线性化方法处理非线性目标函数，同时耦合模糊机会处理功率平衡约束。最后，选取西北地区某新能源基地为研究对象，验证本文所构建的模型。

2 日前优化调度模型

本文研究的联合运行系统如图1所示，主要包括风电、光伏、火电、抽蓄机组。

图1 风-光-火-抽蓄联合系统示意

随着风电、光伏高渗透率并入系统，碳减排就变得尤为重要，联合运行系统在引入阶梯式碳交易之后保证火电机组最小技术出力，以运行成本和CO2的排放量最低为优化目标，综合考虑系统功率平衡和各机组的运行约束，在风光出力不确定情况下，通过联合运行系统中火电、抽蓄可调节电源机组追踪用户的负荷值，构建考虑阶梯式碳交易的风-光-火-抽蓄联合运行系统日前优化调度模型。

2.1 目标函数构建联合运行系统日前优化调度模型的目标函数主要包括4部分：火电厂运行成本、弃风弃光惩罚成本、抽蓄电站运行成本和碳排放成本，优化调度的目的是优化各电源的出力使联合运行系统的总运行成本最小。本文所建模型的目标函数为：

(1)

2.1.1 火电厂运行成本 火电机组运行成本是一个凸性的非线性二次函数[25]，公式为：

(2)

在建模过程中对火电机组非线性燃料成本函数进行分段线性化处理，分段线性之后求解器可进行较好的分析计算。因此，对火电机组非线性燃料成本函数分5段，进行线性化处理，如图2所示。

图2 火电机组燃料成本曲线分段线性化

(3)

(4)

2.1.2 弃风弃光惩罚成本 弃电的成本为弃风成本和弃光成本之和，即：

(5)

2.1.3 抽蓄电站的运行成本 抽蓄电站的运行成本主要包括向电网购买电能的费用和机组的启停成本，本文仅考虑向电网购买电能的费用，主要跟抽水的功率和电网的电价有关：

(6)

2.1.4 碳排放成本 相比于设置碳限额的碳减排方式，文献[26]将碳交易机制是根据《京都议定书》对电力生产商的碳全引入市场交易手段，以实现碳减排的目的。

1)实际碳排放量。对于高碳排放的企业，将碳交易机制作为碳排放量的自由交易商品是实现减排机制的重要途径。目前我国主要有两种碳交易配额分配方法，为历史法和基准线法。本文采用基准线法进行碳排放额的分配，风光作为可再生能源，不产生碳排放量，近似认为系统碳排放额与火电机组的出力成正比。系统的碳排放额计算公式为：

(7)

式中：EP为系统总的碳排放额；T为一个运行周期时长；ε为单位电量排放额。

2)阶梯式碳交易成本。根据碳排放量与碳交易的价格，为更好地控制系统碳排放量，对联合运行系统采用阶梯式碳交易机制，即通过碳排放每上一个阶梯碳交易价格增长一个幅度，如图3所示，分析碳排放量对联合系统储能优化配置的影响。具体计算为：

图3 阶梯型碳排放成本示意图(本次计算分三阶)

(8)

式中：cCO2为碳排放的成本；EP为系统总的碳排放额；EL为第一阶梯的碳排放配额；μ为碳交易的价格；d为碳排放量的区间长度；k为碳交易价格的增长幅度，每升高一个阶梯碳交易就增长基准成本的25%。

2.2 约束条件

2.2.1 模糊机会处理功率平衡约束

1)联合运行系统的功率平衡等式为：

(9)

2)采用模糊机会约束处理调度问题的方法是：允许调度结果满足不等式约束条件，在调度结果成立时不小于某一置信区间，融入模糊变量的单目标规划[27]如：

(10)

式中：x为决策变量；ξ为参数向量；minf(x，ξ)为目标函数；g(x，ξ)为约束条件；α为系统的置信度水平。当α≥0.5，式(10)的约束清晰等价为下式：

(11)

3)采用一种模糊机会处理方法，将风光在t时刻的预测值作为模糊参数，表征风光并入电网值的误差，采用模糊参数等价风光的并网值：

(12)

根据式(12)将风光的预测出力参数化，如下式：

(13)

式中Pwi，t、Ppvi，t(i=1，2，3)分别为风电和光伏的预测值模糊化参数。

4)将式(9)中的风光预测误差松弛为某一置信水平α条件下的功率约束平衡，使该平衡约束条件成立的可能性不小于α，构造不确定因素集：

(14)

式中Pr表示事件的可信性。

2.2.2 火电机组约束

1)机组出力约束：

(15)

2)爬坡率约束：

(16)

3)机组最小启停时间约束：

(17)

式中：ui，t为机组的启停状态；Ti，on和Ti，off分别为机组i的开/关机时间。

2.2.3 风电、光伏约束条件 风电和光伏的上网功率小于等于其最大预测出力，即：

(18)

(19)

2.2.4 抽蓄电站约束 电站的输出/输入功率主要受装机容量和上下水库的水量限制。在满足电站的库容允许条件下，要求机组能够在发电/抽水工况下调节。抽蓄电站的约束如下：

1)电站库容约束。对于任意时段τ∈T，有以下约束：

(20)

2)电站发电出力约束。抽蓄电站出力应满足上下限的约束，并且不能同时出现有的机组发电、有的机组抽水的情况，即：

(21)

3 模型验证与结果分析

3.1 模型求解在求解模糊机会约束规划的问题时，处理约束条件是重点，通常有两种方法[28]：第一种是可以将约束条件中的参数与决策变量进行分离，或者两者存在某种线性关系，将其转换为清晰的等价问题，从而采用传统的求解方法进行求解；第二种是采用随机模拟技术进行处理，模拟是一个近似的过程。相较两种处理方式，第二种近似模拟的结果精确性较差且对样本容量过度依赖，因此，本文采用第一种的求解方法建立模糊约束处理方法。包含模糊约束处理方法的风-光-火-抽蓄联合运行系统优化调度模型建模及求解的具体步骤如下：

1)创建联合运行系统模型的决策变量，主要包括风电、光伏、火电以及抽蓄机组出力；

2)初始化模型中各机组参数，包括火电机组、风电、光伏、负荷数据和置信水平等模型数据；

3)确定日前优化调度模型的目标函数，包括火电厂运行成本、弃风弃光惩罚成本、碳排放成本和抽蓄机组的抽水成本；

4)采用分段线性化方法处理火电机组燃料成本的非线性问题，解决目标函数中非线性项难以求解的情况；

5)在Matlab平台中建立基础的风-光-火-抽蓄联合系统日前调度模型：包括各机组的运行约束、系统功率平衡约束，火电机组出力、爬坡和最小启停约束，风电光伏出力约束，抽蓄电站的库容约束等，并将约束条件中的参数和决策变量进行分离；

6)在构建的模型中，采用模糊机会处理功率平衡约束，耦合阶梯式碳交易计算方法，建立考虑风光不确定性与阶梯式碳交易成本的风-光-火-抽蓄联合系统优化调度模型；

7)利用Cplex求解器求解所构建的调度模型，获得优化调度方案，并对不同场景下的优化调度方案进行对比分析。

3.2 系统模型参数本文选取西北地区某一新能源基地为研究对象，构建风-光-火-抽蓄联合运行系统优化调度模型，开展日前优化调度分析。优化周期以该新能源基地提供的实际日电负荷数据为基准，日电负荷数据为一天24 h，数据点以小时划分，故日前优化调度的周期为24 h，以1 h为时间划分尺度。系统配备总容量为700 MW的风电场、350 MW的光伏电站，风电的惩罚费用ξw取350元/(MWh)，光伏的惩罚费用ξpv取290元/(MWh)。抽蓄电站的装机容量为300 MW，抽水和发电时的平均水量/电量转换系数分别为ηc=ηf，取值0.75，抽蓄电站的抽水成本按照分时电价计算如表1所示[29]，上水库最大库容Wmax=8.86×106m3，最小库容为Wmin=1.59×106m3，取W0=Wmin。火电厂的出力上限和下限分别为1200 MW和700 MW，其中火电机组的爬坡速率为300 MW/h，火电机组的燃煤耗系数见文献[30]，火电机组的出力运行稳定性计算如式(22)所示：

表1 抽蓄电站运行峰平谷时段划分

(22)

根据该地区一年四季中出现全网最大负荷的时间，分别选取3月1日、7月8日、10月1日、12月30日4个典型日对联合系统进行日前优化调度分析。负荷曲线如图4(a)所示，风电预测曲线如图4(b)所示，光伏预测曲线如图4(c)所示。由图4分析知，4个典型日的负荷预测需求曲线呈现出“驼峰”的特点，不同季节的日负荷预测需求曲线差异较大，其中日负荷差最大是7月8日，最小的是10月1日。风电的出力呈现反调峰特性，即日负荷在波峰时风电出力小，波谷时风电出力大。光伏的出力在中午(12∶00—14∶00)最大，日负荷在这个时段处于波峰，与日负荷曲线呈现一致的特点，且在该地区，夏季高温会对光伏组件及逆变器产生影响，从而影响到光伏出力影响，导致光伏的出力会略低于晴朗的冬季。

图4 不同典型日负荷、风电、光伏出力预测

3.3 日前优化调度模型方案设置本文设置了三种不同方案进行对比分析，其中方案Ⅰ、Ⅱ考虑联合运行系统的基本运行特征(抽蓄机组对风光出力的调节能力与可再生能源渗透率的影响)，方案Ⅲ在方案Ⅰ的基础上重点分析在实际运行系统中引入碳交易成本计算和模糊机会约束处理方法的有效性。

3.3.1 方案Ⅰ 方案Ⅰ设置的目的是探究联合运行系统中通过抽蓄机组调节风光的出力反调峰特性，分析抽蓄机组对本文选取联合系统实例的运行成本、CO2的排放量以及火电机组的出力稳定性的影响。具体方案如下：针对4个典型日设置了两种不同的联合运行系统，一种是不考虑抽蓄的风-光-火电联合运行，第二种是风-光-火-抽蓄联合运行。

3.3.2 方案Ⅱ 方案Ⅱ设置的目的是分析在风光不同容量配置下可再生能源渗透率对联合运行系统的运行成本和CO2排放量的影响。此方案中，选取典型日中负荷预测需求最大的一天(夏季典型日)，构建不同可再生能源渗透率下的风-光-火-抽蓄联合运行系统日前调度模型。情景设置如下：风电和光伏的比例为2∶1配置，风电容量从300 MW增加至900 MW，依次增加100 MW；光伏容量从150 MW增加至450 MW，依次增加50 MW，即一共设置7种不同情景，涵盖可再生能源的渗透率从中比例(10%～30%)增加至高比例(30%～50%)的情况，其中，风光预测出力计算以情景1计算结果为基准，与方案 Ⅰ 不同，不同情景中风光预测出力以情景1的结果乘以相应的系数而得，该系数为不同情景中的风光容量配置与情景1的风光容量配置相比获得。具体情景设置参数如表2所示。

3.3.3 方案Ⅲ 方案Ⅲ是基于方案Ⅰ中的风-光-火-抽蓄联合运行系统，综合考虑风光出力的不确定性和碳交易成本，构建计及阶梯式碳交易的低碳运行模型。通过置信区间表征风光出力的不确定性，采用模糊机会处理功率平衡的不等式约束，图5(a)(b)给出了夏季典型日(7月8日)风光出力的波动区域的示意图，表征风光出力的不确定性，此示意图中风光的置信区间为0.65。

图5 基于风光不确定性的风光出力区间(7月8日，α=0.65)

方案Ⅲ中引入阶梯式碳交易计算方法进一步改善系统的低碳效益。为验证引入阶梯式碳交易和模糊机会功率平衡方法对改善系统运行成本和碳排放量的有效性，设置了置信水平的模型1与模型2对比分析引入阶梯式碳交易计算对系统的运行成本与碳排放的影响，进一步设置模型3，探究置信水平对联合系统运行性能的影响机制。具体的模型设置如下：

模型1：基于方案Ⅰ中的风-光-火-抽蓄联合运行系统，采用模糊机会处理功率平衡等式约束(置信水平α=0.90)，目标函数包括火电厂运行成本、弃风弃光成本和抽水成本，不包含碳交易成本。

模型2：基于方案Ⅰ中的风-光-火-抽蓄联合运行系统，采用模糊机会处理功率平衡等式约束(置信水平α=0.90)，引入阶梯式碳交易，目标函数包括火电厂运行成本、弃风弃光成本、抽水成本以及阶梯式碳交易成本。

模型3：基于方案Ⅰ中的风-光-火-抽蓄联合运行系统，设置6种不同的置信区间表征风光出力的不确定性(置信水平α分别为0.65，0.70，0.75，0.80，0.85和0.90)，其余设置与模型2相同。

3.4 不同方案结果分析

3.4.1 方案Ⅰ 风-光-火联合运行系统在4个典型日的日前优化调度结果如图6所示，4个典型日联合系统的运行成本、碳排放量及火电出力稳定性结果对比如表3所示，火电稳定性值越高，火电出力波动性越大。4个典型日的调度图显示，一年四季中风电与光伏出力均体现出明显的波动性和间歇性，且均会影响到火电出力的稳定性。而具体的运行结果显示，在春、夏、秋、冬四季的4个典型日中，风-光-火联合运行系统的运行成本最大在夏季；CO2的排放量最高在春季，火电机组在夏季和秋季的出力波动较大。

表3 风-光-火联合运行系统日前调度结果

图6 风-光-火典型日日前优化调度

由图6(b)可知，夏季7月8日风电与光伏的出力波动最大，多能联合系统为满足用电的负荷需求，需要火电机组通过快速变负荷和深度调峰运行，系统的综合运行成本也最大。实际上，由于风电和光伏出力的随机性和波动性，火电机组的出力特性与用户的日负荷曲线呈现出趋势相同的特点，火电机组的变负荷调节频繁，但实时调节快速变负荷会在很大程度上降低火电机组的运行寿命。

在上述某新能源基地的联合系统中加入300 MW的抽蓄机组后形成风-光-火-抽蓄联合运行系统，图7展示了该系统在一年四季4个典型日的日前优化调度结果，系统的运行成本、CO2排放量及火电出力稳定性如表4所示。一年四季中夏季的风电和光伏出力波动性最大，但当联合运行系统加入抽蓄机组后，抽蓄机组可协助火电机组满足用户负荷需求，同时减小火电机组调峰压力和减缓火电的快速变负荷，进而提高火电机组的运行稳定性。且由日前优化调度结果图7得出，当风电、光伏和火电的出力大于负荷需求时，抽蓄机组能够优先消耗联合系统中风电和光伏的出力，同时能够减小弃风光率，由此验证了抽蓄机组对实际联合系统的调节能力。

表4 风-光-火-抽蓄联合运行系统日前调度结果

图7 风-光-火-抽蓄典型日日前优化调度

由方案Ⅰ知，当抽蓄机组加入联合运行系统后，联合系统在四季的4个典型日的运行成本与碳排放量减小，火电出力的稳定性显著提升。特别是在夏季，抽蓄机组的加入使得碳排放量减小最多，主要是西北地区夏季水资源与光伏资源丰富，抽蓄机组能最大限度协助火电机组实现深度调峰与新能源消纳。综上，以能源基地为实例，验证了抽蓄机组可有效调节联合运行系统中的风光出力波动性，提高系统的稳定性与低碳效益，充分表明储能是实现横向多能互补及协调的关键。

3.4.2 方案Ⅱ 以方案Ⅰ中的风-光-火-抽蓄联合运行系统为基础，探究联合系统受不同可再生能源渗透率的影响，设置7种不同风光渗透率的情景进行分析。详细情景设置及优化调度结果如表5所示。当风光的渗透率从23%增加到47%时，系统的运行成本分别为990.8、966.8、942.9、919.1、899.6、899.0和898.8万元，CO2的排放量为10796.2、9770.3、8746.6、7724.1、6889.0、6854.0和6842.7 t。故风光渗透率从低比例增加到高比例时，日前优化调度结果显示系统的运行成本与碳排量均随风光渗透率的增加而减少。

表5 风光不同渗透率联合系统日前调度结果

图8直观地展示了在风-光-火-抽蓄联合运行系统中，风光渗透率与联合系统的运行成本、CO2排放量之间的关系。由图可知，当风光渗透率从23%增加到41%时，联合系统的运行成本和CO2排放量均逐渐减小，与风光渗透率呈线性关系；而当风光渗透率继续增加达到47%后，联合系统的运行成本和CO2的排放量趋于平缓。以上结果表明，增加联合系统中的可再生能源渗透率，即从低比例增加至中高比例时，可提高系统的综合效益和低碳化，但对含较高比例可再生能源的联合系统，进一步增加可再生能源渗透率对联合系统的影响较小，系统的运行成本与碳排放量变化趋于平缓。

图8 不同容量配置下各指标的变化

3.4.3 方案Ⅲ 基于前面的两种方案，方案Ⅲ主要探究风光不确定性与碳交易机制对联合系统的影响。通过对夏季典型日(7月8日)的联合运行系统中的功率平衡约束条件引入模糊机会处理方法，以此表征风光的不确定性，对风-光-火-抽蓄联合系统进行优化调度，其中模型1中目标函数未考虑碳交易成本，而模型2中目标函数增加了阶梯式碳交易成本。具体结果如表6所示。

由表6可知，模型2相较于模型1，联合系统的弃风光率降低了14.3%，弃风弃光惩罚成本与火电机组运行成本分别下降了28.3万元和30.1万元，抽蓄机组抽水成本增加了25.4万元，综合运行成本降低了24.5万元，同时CO2排放量降低了1761.5 t。由此可以得出：在考虑风电光伏出力不确定的条件下，引入阶梯式碳交易成本计算方法，能够有效提高可再生能源的利用率，增加风光的消纳量，促进抽蓄机组的深度调峰，减少联合系统的综合运行成本，同时减小CO2排放量。

为考虑风光出力不确定性对联合系统的影响，通过模型3对比不同置信水平下联合系统中可再生能源利用率和运行成本。基于模型2，在引入阶梯式碳交易计算方法下，设置了6种置信水平情况对联合运行系统进行优化调度，结果如表7所示。随着置信度的增加，考虑阶梯式碳交易的风-光-火-抽蓄联合运行系统弃风光率从17.2%减小到了3.6%，系统的综合运行成本从690.3万元增加了744.6万元。其中火电运行成本从623.1万元增加到674.6万元、风光惩罚成本从46.1万元降低到22.5万元、碳排放成本从6.5万元增加到8.5万元、抽水成本从14.6万元增加到39.1万元。显然，风光出力的不确定性会影响火电和抽蓄机组的运行成本，进而影响到整个系统的综合效益。

表7 模型3的优化调度结果(不同置信水平条件)

图9则更直观的展示了联合系统中各指标随着置信水平增加的具体变化趋势。由图9知，随置信水平增加，计算知，弃风光率减小，弃风光惩罚成本逐渐减小，但抽蓄机组的运行成本、火电机组的运行成本与碳排放成本均逐渐增加。因此，在实际的联合运行系统中，当风光出力不确定性减小即置信区间增大时，联合系统的弃风光率降低，但需要火电与抽蓄机组同时发挥频繁调峰作用，才可促进新能源的消纳，因此可能导致火电和抽蓄机组的运行成本增加，继而联合系统的总运行成本增加，故提高风光的消纳即减少弃风弃光与总运行成本之间存在制约关系。

图9 不同置信水平下联合系统的运行成本

综上，方案Ⅰ、Ⅱ考虑了联合运行系统的基本运行特征，抽蓄电站能够对风电光伏的并网提供一定的裕量，并提高火电机组的运行稳定性，特别是对高风光渗透率的联合系统，可有效提高系统的综合效益。方案Ⅲ在方案Ⅰ的基础上用置信区间表征风光出力的不确定性，重点分析了在实际运行系统中引入碳交易成本计算和模糊机会约束处理方法的有效性。风光的置信区间越大，不确定性越低，风光的惩罚成本与碳排放量越低，但抽蓄与火电机组的运行成本有所增加。

4 结论

1)风-光-火-抽蓄联合系统协调调度可平抑风光出力的波动性，协助火电调峰，提高整个系统的稳定性与低碳化。风光渗透率会对风-光-火-抽蓄系统的运行成本和碳排放量有显著影响，当风光渗透率从23%(低比例)增加到41%(高比例)时，联合运行系统的成本与碳排放量随之减小，与风光渗透率呈现线性关系，而继续增加风光渗透率至47%，联合运行系统的运行成本与碳排放量变化趋于平缓。

2)采用本文构建的新型风-光-火-抽蓄联合运行系统日前优化调度模型，以西北某一新能源基地为计算实例，计算结果表明系统的综合运行成本减小了24.5万元，碳排量减少1761.5 t，验证了所构建的新型联合运行系统的调度模型在减小运行成本与降低碳排放量方面的有效性。

3)对联合运行系统运行成本与碳排放量影响的研究表明，当风光置信度从0.65增加至0.90时，联合运行系统的弃风弃光率减小了13.6%，风光的惩罚成本随之降低，但由于负荷需求，系统中的火电和抽蓄机组必须协同调节，导致相应的火电和抽蓄机组运行成本略有增加。因此，实际中提高联合系统的风光消纳能力即减少弃光和弃风与降低综合运行成本之间存在明显的制约关系。