碳交易机制下多主体虚拟电厂参与电力市场的优化调度竞标策略

doi:10.12096/j.2096-4528.pgt.23004

碳交易机制下多主体虚拟电厂参与电力市场的优化调度竞标策略

郁海彬¹, 张煜晨², 刘扬洋³, 陆增洁¹, 翁锦德¹

1.国网上海市电力公司市北供电公司，上海市静安区 200070

2.国网上海市电力公司松江供电公司，上海市松江区 201699

3.国网上海市电力公司，上海市浦东新区 200122

Optimal Dispatching Bidding Strategy of Multi-Agent Virtual Power Plant Participating in Electricity Market Under Carbon Trading Mechanism

YU Haibin¹, ZHANG Yuchen², LIU Yangyang³, LU Zengjie¹, WENG Jinde¹

1.Shibei Power Supply Company, State Grid Shanghai Electric Power Company, Jing ’an District, Shanghai 200070, China

2.Songjiang Power Supply Company, State Grid Shanghai Electric Power Company, Songjiang District, Shanghai 201699, China

3.State Grid Shanghai Electric Power Company, Pudong New Area, Shanghai 200122, China

收稿日期: 2023-01-11

基金资助:

国家自然科学基金青年基金项目. 51907092
国网上海市电力公司科学技术项目. SGTYHT/21-JS-223

Received: 2023-01-11

作者简介 About authors

郁海彬(1990)，男，硕士，工程师，研究方向为电力调度及新能源并网运行、电力通信技术等，Yuafuhan@163.com。

摘要

碳交易机制下，虚拟电厂(virtual power plant，VPP)聚合分布式能源(distributed energy resource，DER)参与电力市场(electricity market，EM)交易有助于新能源消纳与提升环境效益。为此，首先，构建风电、光伏、可控分布式电源、储能及柔性负荷的多主体VPP模型，并制定各主体参与电能量市场(electric energy market，EEM)和调峰市场(peak regulating market，PRM)竞标策略。通过EEM及PRM算例展现了VPP参与调峰竞标实现VPP效益最大化及各DER成员利益的合理分配。其次，引入碳交易机制，分析碳交易价格变化与风光消纳率、碳排放量及VPP收益之间的关联性。最后，进一步探索碳汇资源交易对电力价格、产量及能源需求变化率的影响，为碳汇价值的生态保护补偿机制提供依据，也为电-碳市场协同下碳市场(carbon market，CM)对EM的价格传导效应及CM价格机制的优化设计提供参考。

关键词： 碳交易机制 ; 虚拟电厂(VPP) ; 新能源消纳 ; 调峰市场(PRM) ; 电力市场(EM) ; 碳汇资源

Abstract

Under the carbon trading mechanism, virtual power plants (VPP) aggregating distributed energy resource (DER) to participate in electricity market (EM) trading will help new energy consumption and improve environmental benefits. This paper constructed a multi-agent VPP model including wind turbine, photovoltaic power, controllable distribution generation, stored energy, and flexible load, and formulated bidding strategies for each entity participating in the electric energy market (EEM) and peak regulating market (PRM). The EEM and PRM examples showed that participating in peak regulating bidding by VPP could achieve the maximum benefits of VPP and reasonable distribution of the interests among DER members. Moreover, this paper introduced the carbon trading mechanism, analyzed the correlation between changes in carbon trading price and wind and solar consumption rate, carbon emissions and VPP benefits, and further explored the impact of carbon sink resource trading on electricity price, output and energy demand change rate. It provided a basis for the ecological protection compensation mechanism of carbon sink value, and also provided a reference for the price transmission effect of carbon market (CM) on EM under the coordination of electricity-carbon market and the optimization design of CM price mechanism.

Keywords： carbon trading scheme ; virtual power plant (VPP) ; new energy consumption ; peak regulating market (PRM) ; electricity market (EM) ; carbon sink resources

PDF (3248KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

郁海彬, 张煜晨, 刘扬洋, 陆增洁, 翁锦德. 碳交易机制下多主体虚拟电厂参与电力市场的优化调度竞标策略. 发电技术[J], 2023, 44(5): 634-644 DOI:10.12096/j.2096-4528.pgt.23004

YU Haibin, ZHANG Yuchen, LIU Yangyang, LU Zengjie, WENG Jinde. Optimal Dispatching Bidding Strategy of Multi-Agent Virtual Power Plant Participating in Electricity Market Under Carbon Trading Mechanism. Power Generation Technology[J], 2023, 44(5): 634-644 DOI:10.12096/j.2096-4528.pgt.23004

0 引言

基于经济、能源、碳排放“S”形增长趋势与碳达峰、碳中和目标约束，国家能源局提出要推动储能(stored energy，ES)^[1]、负荷聚合商^[2]、虚拟电厂(virtual power plant，VPP)^[3-4]和新能源微电网^[5]等新兴市场主体参与电力市场(electricity market，EM)交易。分布式能源(distributed energy resource，DER)^[6]存在间歇性的缺陷，很难独立参与EM，但因其容量占比不断提升，电网调频调峰成为常态化，因此电力交易的管理模式亟待优化。碳交易机制^[7]是一种促进节能减排的市场化途径，通过碳排放权的分配和交易等措施来提高VPP整体参与EM的低碳和经济性，有助于实现“3060”能源战略目标。在此背景下，VPP作为DER的智能管理手段，可显著提升电网的灵活性与可调节能力；制定竞标策略，对外可参与EM和碳交易市场，对内可协调内部成员利益分配。文献[8]建立碳交易机制下考虑用电行为的VPP模型，促进用户与发电侧协同，算例表明碳交易机制具有促进可再生能源消纳总量的优点。文献[9]构建含风电机组(wind turbine，WT)、光伏发电(photovoltaic power，PV)、微型燃气轮机(gas turbine，GT)、电动汽车(electric vehicl，EV)及ES的VPP模型参与EM，辅助服务市场以及碳市场(carbon market，CM)，表明碳-电一体化交易策略模型能显著降低高碳机组的竞价出力，优化VPP内能源出力结构及竞价策略。文献[10]将发电侧与需求侧调峰资源相结合，建立考虑碳交易的核-火-VPP三阶段联合调峰模型，从经济性与低碳性两方面分析运行成本，以系统联合调峰成本最低为优化目标，采用三阶段调度方法确定核电机组的最优调峰模式与调峰深度，并有效平抑等效负荷的预测误差。通过算例验证了模型的合理性与有效性，表明其能够缓解系统的调峰压力，减少火电机组的启停调峰，并降低系统的运行成本与碳排放，使经济效益与环境效益得到均衡。上海地区构建黄埔区商业建筑VPP^[11]，以柔性负荷(flexible load，FL)为主要成员，通过众多用电设备的负荷削减来降低尖峰时段有功需求，调动需求响应资源参与市场和电网运行。文献[12]综述了CM主要通过价格传导机制推动电力低碳转型，为助推电力脱碳机制发挥作用，应加强电-碳有机协同建设，积极构建新型电力系统并发展绿色金融体系。

目前，VPP研究大多考虑电力系统的“源-网-荷-储”侧的灵活性、经济性和可靠性等方面的积极影响，但考虑环保价值的层面较少。本文引入碳交易机制下的多主体VPP参与电能量市场(electric energy market，EEM)和调峰市场(peak regulating market，PRM)，既保证了VPP整体与各DER收益的合理分配，又体现了VPP的低碳效应，并在碳交易价格对碳排放量、WT和PV消纳率及VPP收益为案例分析基础上，进一步探讨了新能源消纳与低碳效益之间的关联性。最后，研究了不同碳配额下碳汇资源交易与电力价格、产量及能源需求变化率的关系，为后续CM价格机制的优化提供参考。

1 VPP的研究现状

1.1 国内VPP发展现状

我国VPP处于邀约型向市场型过渡阶段。以深圳为例，到2025年，深圳将建成具备100万kW级可调节能力的VPP，以保障能源电力系统能够安全提供超过20万kW的快速、灵活调节能力，形成年度最大负荷5%左右的稳定调控能力；江苏建立了基于需求响应VPP的主辅联营模式^[13]；浙江、上海、冀北等地均开展了大型VPP试点。国内VPP发展现状如表1所示。

表1 国内VPP发展现状

Tab. 1 Development status of domestic VPP

地区	场景	试点项目	响应资源	特征
上海	削峰填谷、商业楼宇、能源管理	黄埔商业需求侧管理示范项目，嘉定泛在电力物联网智慧充放电试点项目	工商业负荷、储能及电动汽车等	以商业楼宇及电动汽车为主的VPP体系
江苏	需求响应、新能源消纳	大规模源网荷友好互动系统示范工程	可中断/可调节负荷	国内规模最大源网荷系统
浙江	需求响应、削峰填谷	丽水和宁海VPP试点项目，宁波离网光伏VPP，义乌小商品市场等	储能、充电桩、空调及照明等	“削峰填谷”让利消费侧，国内单次响应体量最大
冀北	新能源消纳、广域需求响应	泛在电力物联网VPP示范工程	光伏、电采暖	多主体参与

新窗口打开| 下载CSV

1.2 VPP结构与成员

VPP结构如图1所示，VPP将WT、PV、可控分布式电源(controllable distribution generation，CDG)、ES、FL^[14-16]和其他可调控资源等多种DER聚合为一个虚拟整体，具有对外可参与EM交易和对内可与各成员协调配合的双侧互动特点。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 VPP结构

Fig. 1 Structure of VPP

VPP对外参与EM时，为达到最大市场收益，需获取市场信息并制定相应的竞标计划^[17]。VPP对内参与各成员协调配合工作，实现各DER互动和效益分配，内部各个成员的功能如下：

1）WT、PV处理不可控分布式电源的出力不确定性，VPP调用内部CDG和灵活性资源来增强整体的可靠性。

2）CDG快速响应调度指令，在一定范围内进行功率调整，保证VPP的功率平衡。

3）灵活性资源ES工作在充/放电模式时，分别等效为负荷/电源；FL在VPP中根据需求制定相应的充放电策略来有效转移负荷，以实现削峰填谷、辅助服务等。

2 VPP的竞标策略

VPP参与CM和EM进行交易，竞标策略如图2所示。在CM区域，VPP作为独立个体参与碳交易与碳汇交易，此时VPP拥有碳排放权；在EM区域，VPP对外参与EEM和PRM，通过制定最佳竞标策略保证其参与EM时获取最大效益^[18-20]。在VPP区域，VPP对内部DER各成员进行优化调度管理，具体如下：VPP对外参与日前EEM与PRM，在获取2个市场的信息后，VPP以整体获利最大为目标，确定灵活性资源在EEM与PRM的竞标电量，从而确定VPP在2个市场的竞标计划。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 VPP竞标策略

Fig. 2 VPP bidding strategy

2.1 VPP内部各DER成员的追求目标

1）对WT、PV出力消纳

竞标流程：向VPP申报日前WT、PV出力预测，制定发电计划^[21-23]；根据预测偏差，通过CDG和FL正负备用容量，实现WT、PV消纳及参与VPP后的经济效益提升。

2）对ES运行补偿

ES在EEM通过负荷转移降低购电成本，通过充放电提供填谷削峰调峰服务获得补偿。竞标决策具体如下：VPP根据外部市场和内部成员信息^[24-25]，制定ES的充放电计划和补偿价格。ES参与PRM时，VPP给予ES一定的调峰补偿收益。

3）对CDG、FL的最优决策

制定价格并引导CDG、FL进行竞标决策，流程如下：VPP引导整体经济效益最大，制定价格信号，CDG与FL跟随决策，以各自效益最大为目标制定竞标计划。

2.2 VPP的利益分配过程

VPP在EEM和PRM的收益分配如图3所示。1）EEM收益分配规则：VPP获得EEM收益后，向内部WT、PV和CDG分配售电收益，向ES和FL给予补偿等。2）PRM收益分配规则：VPP获取PRM收益，向ES和FL分配部分调峰收益^[26-27]。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 VPP收益分配框图

Fig. 3 Block diagram of VPP benefit distribution

2.3 碳交易机制

引入碳交易与碳汇交易2种模式：1）碳交易中，VPP在t时段的实际碳排放量低于配额量时，剩余碳排放权可在市场出售获利，反之则必须购买超额部分的碳排放权；2）碳汇交易是通过市场交易给予资源丰富地区生态补偿的手段，是资源丰富地区出售碳汇给超额碳排放企业或地区以消减其碳排放量^[28-30]。2种碳交易模式可互为补充，推动低碳经济发展。电力客户碳汇资源获取方式如图4所示。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 电力客户碳汇资源获取方式

Fig. 4 Methods of obtaining carbon sink resources for power customers

3 竞标模型

3.1 VPP内部成员的数学模型

3.1.1 成员模型

1）WT模型

VPP向调度上报发电出力预测值为

P_{W T, t} = P_{W T 1, t} + ε_{W T}

(1)

式中：P_WT1,_t 为风电机组在t时段的实际出力值；ε_WT为风电在t时段的预测误差。

2）PV模型

PV出力预测值为

P_{P V, t} = P_{P V 1, t} + ε_{P V}

(2)

式中：P_PV1,_t 为光伏发电机组在t时段的实际出力值；ε_PV为光伏发电机组在t时段的预测误差。

3）GT模型

GT在运行阶段的发电成本为

f_{G T, t} = a_{G T} P_{G T, t}^{2} + b_{G T} P_{G T, t} + c_{G T}

(3)

式中：P_GT,_t 为GT在t时段的输出功率；a_GT、b_GT和c_GT分别为GT发电成本的二次项系数、一次项系数和常数项。

4）ES模型

ES的充放电双向特性表示为

- P_{E S, m a x}

≤

P_{E S, e, t}

≤

P_{E S, m a x}

(4)

式中：P_ES,e,_t 为ES在t时段的充放电功率；P_ES,max为ES充放电功率的最大值。

5）FL模型

本文仅考虑FL中可转移负荷(shiftable load，SL)与可中断负荷(interruptible load，IL)，SL表示如下：

P_{S L, t} = P_{S L, t_{0}} + Δ P_{S L, t}

(5)

\sum_{t = 1}^{T} Δ P_{S L, t} = 0

(6)

Δ P_{S L, m i n}

≤

Δ P_{S L, t}

≤

Δ P_{S L, m a x}

(7)

式中：P_SL_,t 为SL在t时段的实际负荷；P_SL,_t₀为SL在t时段的负荷转移量；ΔP_SL,_t 为SL在t时段的调整量；ΔP_SL,max和ΔP_SL,min分别为SL在t时段的调整上、下限；T为研究周期的时段数，T=24。

IL表示为

P_{I L, t} = P_{I L, t_{0}} + Δ P_{I L, t}

(8)

式中：P_IL,_t 为IL削减后t时段负荷；P_IL,_t₀为IL在t时段初始负荷；ΔP_IL,_t 为IL在t时段的负荷削减量。

3.1.2 目标函数

VPP竞标决策时，其优化目标为PRM的整体收益最大，可表示如下：

m a x F_{V P P} = B_{e n e r g y} + C_{V P P}

(9)

B_{e n e r g y} = \sum_{t = 1}^{T} (ρ_{s, t} P_{s, t} - ρ_{b, t} P_{b, t})

(10)

C_VPP=C_CDG+C_WT+C_PV+C_FL(11)

式中：F_VPP为VPP整体收益；C_VPP为VPP的总成本；B_energy为VPP与电网交互的收益；P_b,_t 为VPP在t时段从电网购电的功率；ρ_b,_t 为VPP从电网购电的价格；P_s,_t 为VPP在t时段向电网售电的功率；ρ_s,_t 为VPP向电网售电的价格；C_CDG为CDG的发电成本；C_WT为风电的惩罚成本；C_PV为光伏的惩罚成本；C_FL为VPP向柔性负荷支付的补偿费用。

3.1.3 约束条件

1）功率平衡约束为

P_{b, t} - P_{s, t} = P_{L O A D, t} - P_{W T, t} - P_{P V, t} - P_{C D G, t} + P_{E S, e, t}

(12)

式中：P_LOAD,_t 为FL调整后在t时段的实际负荷；P_CDG,_t 为t时段CDG的实际发电功率。

2）备用约束如下：

R_{C D G, u p, t} \geq Δ P_{W T -, t} + Δ P_{P V -, t}

(13)

R_{C D G, d o w n, t} \geq Δ P_{W T +, t} + Δ P_{P V +, t}

(14)

式中：ΔP_WT+,_t 和ΔP_PV+,_t 分别为WT和PV在t时段的正偏差，VPP需要为其保留相应的负备用；ΔP_WT-,_t 和ΔP_PV-,_t 分别为风电和光伏在t时段的负偏差；R_CDG,up,_t 和R_CDG,down,_t 分别为CDG在t时段提供的正、负备用。

3）CDG的功率约束为

P_{C D G, m i n} + R_{C D G, d o w n, t} \leq P_{C D G, t} \leq P_{C D G, m a x} - R_{C D G, u p, t}

(15)

式中P_CDG,max和P_CDG,min分别为P_CDG_,t 的上、下限。

4）FL中SL的约束为

P_{L O A D, t} = P_{L O A D, t_{0}} - P_{I L, t} - P_{S L, t}

(16)

式中P_LOAD,_t₀为FL调整后在t时段的初始负荷。

FL中IL的约束为

0 \leq Δ P_{I L, t} \leq Δ P_{I L, m a x}

(17)

式中ΔP_IL,max为IL在t时段的负荷削减的上限。

5）ES约束如下：

S_{O C, E S, t_{0}} - S_{O C, E S, t} = 0

(18)

S_{O C, E S, m i n} \leq S_{O C, E S, t} \leq S_{O C, E S, m a x}

(19)

式中：S_OC,ES,_t 为ES在t时段的荷电状态；S_OC,ES,_t₀为ES的初始荷电状态；S_OC,ES,max和S_OC,ES,min分别为ES荷电状态的最大值和最小值。

3.2 碳交易机制数学模型

1）碳交易

VPP在t时段的实际碳排放量低于该时段配额量时，可将剩余的碳排放权在市场上出售获利；反之则必须购买超额部分的碳排放权，可表示为

Δ E_{t} = E_{t} - C_{t}

(20)

式中：E_t 为t时段碳配额；C_t 为t时段碳排放总量；ΔE_t 为差值，差值为正代表VPP有富余的碳排放权可供出售，差值为负代表VPP需从碳交易市场上购买碳排放权，可表示为

F_{c, t} = q_{c} Δ E_{t}

(21)

式中：F_c,_t 为碳排放权交易收益；q_c为单位碳配额的交易价格。

2）碳汇资源交易

电力客户的碳汇资源可表示为

D = A_{b a s e} + δ P - Δ φ

(22)

式中：A_base为电网分配给电力客户的基本碳配额；δP为电力客户绿色发电量为P时获得的碳配额奖励量，其中，δ为电力客户新能源发电碳汇资源转化因子；Δφ表示电力客户自身产生的碳排放量。

4 算例分析

4.1 参数设置

VPP内部成员为WT、PV、GT、ES、FL(包括SL和IL)。图5为WT和PV预测出力。GT模型参数如下：额定功率2 MW；最小发电功率0.5 MW；成本系数a_GT、b_GT和c_GT分别为0.008、0.017、105。ES模型参数如下：额定容量10 MW $\cdot$ h；额定充放电功率2 MW；荷电状态范围为0.1~0.9；初始荷电状态0.2；充放电效率0.95。规定各时段负荷的25%为SL，各时段最大削减量负荷的10%为IL，预测误差为10%。VPP经配网购售电，峰平谷时段的电价如表2所示。VPP制定内部成员出力计划，保证VPP整体效益和各DER利益。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 WT与PV预测出力

Fig. 5 Forecast output of WT and PV

表2 峰平谷电价 (元/(MW $\cdot$ h))

Tab. 2 Power prices

类型	谷时段	平时段	峰时段
售电价格	165.35	314.50	465.30
购电价格	326.20	624.80	922.60

注：谷时段为01:00—08:00；平时段为13:00—17:00和22:00—24:00；峰时段为09:00—12:00和18:00—21:00。

新窗口打开| 下载CSV

4.2 EEM及PRM算例

VPP内各成员出力在EEM中的调度策略如图6所示，可以发现：该策略优先解决弃风弃光问题，满足绿色低碳需求；购电功率在01:00—08:00(谷时段)较为集中，匹配较多的SL调整量；GT根据内部负荷与外部市场价格情况制定相应的发电出力；ES满足低负荷时充当负荷、高负荷时充当电源的双向特性。VPP在购电价格较高的平时段13:00—17:00、22:00—24:00和峰时段19:00—21:00不进行购电，在峰时段09:00—12:00进行售电，最大程度优化调度。VPP与电网交互获得收益并分配给内部成员，如表3所示。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 EEM中的调度策略

Fig. 6 EEM scheduling policy

表3 VPP内部成员收益 (元)

Tab. 3 VPP internal member income

内部成员	独立运营收益	VPP中分配的收益
WT	23 565	24 453
PV	10 007	10 056
ES	705	1 086
GT	2 631	4 295
VPP	0	27 848

新窗口打开| 下载CSV

设定PRM的准入条件为竞标电量大于2.5 MW $\cdot$ h，VPP安排ES和FL作为调峰资源来参与调峰，在01:00—08:00参与填谷调峰，在09:00—12:00和18:00—21:00参与削峰调峰。设定5种场景来分析，如表4所示：1）场景1中发布有填谷调峰、削峰调峰2种需求；2）场景2中发布填谷调峰需求；3）场景3中发布削峰调峰需求；4）场景4中发布2种价格的填谷调峰需求；5）场景5中发布2种价格的削峰调峰需求。表5为不同场景的VPP收益结果，可知，PRM需求为场景1中需求时，VPP收益最大。

表4 PRM中的不同场景

Tab. 4 Different scenarios in the PRM

场景	填谷调峰		削峰调峰
场景	时段	价格/元	时段	价格/元
1	01：00—08：00	350	09：00—12：00，18：00—21：00	500
2	01：00—08：00	350
3			09：00—12：00，18：00—21：00	500
4	01：00—04：00 05：00—08：00	250 450
5			09：00—10：00，18：00—19：00	400
5			11：00—12：00，20：00—21：00	600

新窗口打开| 下载CSV

表5 不同场景的VPP收益 (元)

Tab. 5 Income of VPP in different scenarios

场景	VPP内部收益	购电成本收益	调峰收益	VPP运营收益
1	39 109	-15 848	21 303	44 604
2	44 629	-11 357	5 232	38 464
3	43 216	-20 056	16 089	39 257
4	44 453	-11 537	5 683	38 537
5	43 123	-20 082	16 290	39 351

新窗口打开| 下载CSV

图7为VPP在场景1—5中的PRM竞标电量。不同需求下，VPP调整规则如下：1）发布有填谷、削峰调峰2种需求时，VPP调动ES充电和增加FL来参与填谷调峰，调动ES放电和削减FL参与削峰调峰；2）发布填谷调峰需求时，VPP调动ES充电和增加FL来参与填谷调峰；3）需求相同调峰价格不同时，VPP会改变调峰竞标电量来提高收益。场景4中VPP调峰收益和总收益小于场景3，在削峰调峰价格不同时，VPP在高价时段增大调峰竞标电量，低价时段减小调峰竞标电量，使调峰收益和总收益增大。场景5中VPP的调峰收益和总收益大于场景2。在填谷调峰价格不同时，VPP使高价时段的调峰竞标电量增大，使低价时段的调峰竞标电量减小，从而使调峰收益增大。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 5种场景下调峰竞标电量

Fig. 7 Peak bidding power under 5 scenarios

当调峰竞标电量不满足准入条件时，VPP内调峰资源不能有效参与调峰，如VPP在场景1的谷时段04:00—05:00、场景2的谷时段04:00—05:00和场景4的谷时段01:00—04:00的调峰市场竞标电量为0，仅靠FL的负荷增加不能达到准入条件，使VPP在该时段无法参与调峰。场景1中ES与FL参与优化结果如图8所示。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8 场景1中ES与FL的优化结果

Fig. 8 Optimization results of ES and FL in scenario 1

ES运行策略：参与PRM时，获得VPP调峰补偿；参与EEM充电时，购电成本由VPP承担，放电时获得VPP补偿。补偿价格会影响制定的ES出力计划，改变VPP与ES的收益，而合适的补偿价格既能保证VPP收益，又能提高ES和调峰收益。场景1和2中ES及能量放电补偿价格如图9所示，VPP调动ES参与填谷调峰并给予相应的填谷调峰补偿价格，设定ES调峰补偿价格为PRM价格的一半。场景1中在填谷调峰和削峰调峰均参与的情况下，ES获得的调峰补偿价格收益最大；场景2的能量放电补偿价格由VPP制定，以提高ES收益。

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9 场景1和2中补偿价格

Fig. 9 Compensation prices in scenarios 1 and 2

VPP通过提供CDG和FL正负备用容量来优化WT、PV出力的不确定性和提升新能源出力的稳定性。场景1中VPP的备用容量如图10所示：GT提供正备用容量促进WT、PV出力全额消纳；FL提供正、负备用容量填补WT、PV所需出力与GT出力的差值。

图10

新窗口打开| 下载原图ZIP| 生成PPT

图10 场景1中VPP的备用容量

Fig. 10 Backup capacity of VPP in scenario 1

4. 3 碳交易机制的影响

不考虑需求响应，图11为不同碳交易价格下VPP碳排放量、WT/PV消纳率和VPP收益曲线。图11(a)分为3个区域，分别为平缓区域、加速消纳与加速减排区域、缓冲区域。当碳交易价格在120元/t以下时，碳交易价格对WT、PV消纳率和碳排放量的影响较小；当碳交易价格在120~200元/t时，新能源出力加速消纳且加速减少碳排放；当碳交易价格在200元/t以上时，2条曲线总体分别呈现缓慢上升与下降趋势。2条曲线整体呈轴对称型，这是因为WT和PV出力替代了部分GT。由图11(b)可知，当碳交易价格较低时，VPP收益对碳交易价格的变化不敏感，减排能力有限；随着碳交易价格进一步提升，WT和PV消纳率增加，碳排放量降低，VPP总收益提高。

图11

新窗口打开| 下载原图ZIP| 生成PPT

图11 不同碳交易价格下碳排放量、WT/PV消纳率和VPP收益曲线

Fig. 11 Carbon emission, WT/PV accommodation rate and VPP revenue curve under different carbon trading prices

设定碳排放总量限制在5%、10%、20%和30%的情景，模拟出碳汇资源交易价格与电力价格、产量及能源需求变化率的关系曲线，如图12所示，可以看出：1）碳排放总量限制越高，碳汇资源交易价格越高，抑制CO₂排放效果更好；2）对碳汇资源碳价设定太低，主观上会导致部分电力客户购买市场中的碳汇资源，缺乏主动减排及技术改造行为，设定太高，减排效果更明显，但破坏市场规律，影响碳资源的社会优化配置。因此，应根据各省内碳市场的实际建设情况制定政策，因地制宜，综合考虑各方因素设定碳、电价格，引导和培育电力客户适应低碳经济发展模式。

图12

新窗口打开| 下载原图ZIP| 生成PPT

图12 碳汇资源交易价格与电力价格、产量和能源需求变化率关系

Fig. 12 Relationship between carbon sink price and electricity price, output and energy demand change rate

5 结论

VPP具备的有效能源管理和智能化调度对促进电网供需平衡、实现分布式能源低成本并网、充分消纳清洁能源发电量以及推动绿色能源转型具有重要的现实意义。考虑碳交易机制下的多主体VPP参与EEM和PRM，得出以下结论：

1）VPP可以确保稳定、可靠的电力供应，降低供电中断的风险，具备多能互补特性。

2）碳交易价格的设定有助于提高VPP新能源消纳的积极性，对电力市场价格有传导效应，制定合理的碳交易价格是连接VPP经济与低碳协同的纽带。

3）碳交易机制有利于市场对资源的优化配置及碳减排的目标，未来免费碳配额会减少，碳汇资源成为社会稀缺资源，价格势必会越来越高，引入碳汇资源交易后的长期减排效果可以期待。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

陈逸文，赵晋斌，李军舟，等．

电力低碳转型背景下氢储能的挑战与展望

[J]．发电技术，2023，44(3)：296-304． doi:10.12096/j.2096-4528.pgt.23022