考慮可再生能源消納責任權重的年度合同電量月度分解方法

姜 曼，司馬琪，鮑玉昆，劉定宜

（1.國家電網公司華中分部，湖北省武漢市 430077；2.華中科技大學管理學院，湖北省武漢市 430074）

0 引言

電力系統電能計劃根據計劃周期和時間提前量可分為長期計劃（一般為一年）、中期計劃（一般為季度或月）和短期計劃（一般為天）。省級電力交易中心按照“年度合同電量計劃-月度電能交易計劃-日調度計劃-96點調電曲線”的流程制定發電計劃，指揮電能有序生產［1］。其中，月度電能交易計劃不僅可以為年度合同電量計劃提供有序的電量完成方式，還能為日調度計劃提供經濟、可靠的機組中期運行方式。因此，編制合理的月度電能交易計劃是電力交易中心的主要工作，也是保障電力系統平穩運行的關鍵。

當前，已有很多文獻對月度電能交易計劃的編制方法進行研究，但往往僅考慮常規機組參與的電力系統電量分解［2-7］。隨著可再生能源大規模并網，單一類型機組的合同電量分解方法已不再適用。為此，學者們分別從機組運行經濟性、電力市場環境、執行進度公平性、運行方式優先級等角度出發，對含多類型能源、多類型機組的電力系統的合同電量分解模型和算法進行研究。文獻［8-10］分別基于可再生能源發電機組的運行特性，從機組運行經濟性角度提出含多類型機組的電力系統電量分解方法。文獻［11］從電力市場的角度出發，提出了中長期交易電量的分解方法。文獻［12］考慮執行進度的公平性，基于時序仿真法，提出了“分段建模、前細后粗”的四階段建模思路。文獻［13］考慮不同機組運行方式優先級，設計了面向多類型機組的分解原則。

2019年5月，為進一步促進可再生能源電力消納，緩解“棄風”、“棄水”等問題，國家發展改革委、國家能源局正式發布了《關于建立健全可再生能源電力消納保障機制的通知》（發改能源〔2019〕807號，以下簡稱807號文件）［14］，文件指出“將按照省級行政區域設定可再生能源電力消納責任權重，即可再生能源電力消費應達到其電力消費設定的比重”。由于807號文件中所設定的可再生能源電力消納責任權重為年度指標，且可再生能源出力具有不確定性和一定的季節性，比如水電存在枯水期和豐水期等。因此，作為可再生能源電力消納責任權重的義務承擔者，如何制定協同常規能源機組和可再生能源機組的月度電能交易計劃以完成消納任務，達到考核要求，成為省級電力交易中心亟待解決的問題。但是，鮮有文獻關注這一因素，并從可再生能源消納的角度對月度電能交易計劃的編制方法進行研究。

此外，火電機組在發電過程中會排放SO2、NOx等氣體，對地區空氣造成污染，從而影響地區居民身體健康，甚至導致某些疾病高發。因此，在制定電能交易計劃時有必要考慮火電污染物排放對環境空氣質量和區域居民健康造成的影響。

本文提出了一種考慮可再生能源電力消納責任權重的年度合同月度滾動分解方法，基于決策理論和優化理論，建立了考慮可再生能源電力消納責任權重指標完成難度和空氣污染指數（API）的雙目標優化模型，并采用非支配排序遺傳算法Ⅱ（NSGA-Ⅱ）進行求解。

1 建模思路與方法

在將年度合同總電能分解到月度電能交易計劃的過程中，考慮807號文件和節能減排要求，為保證月度電能交易計劃的合理性、可行性和有效性，需要使分解結果滿足以下要求。

1）盡量為電力交易中心提供能完成可再生能源電力消納責任權重指標（年度指標）且完成難度較低的月度電能交易方案，從實際執行層面促進807號文件落地，協助電力交易中心完成消納目標，并通過考核。使電力交易中心在可再生能源電量資源較為豐富的月份盡量多消納可再生能源，在較為匱乏的月份轉而更多消納傳統能源，避免出現資源豐富月份（如豐水期）“棄風”、“棄水”，資源匱乏月份（如枯水期）無力消納，甚至年底無法完成全年強制性考核指標的情況，導致高價購買綠證的現象出現。

2）盡量使該地區各月的環境質量維持穩定，API趨于均衡化。雖然年度合同電量確定了全年總排污量，但由于環境空氣質量狀況受當前空氣中的污染物濃度影響，在時間維度上不可累加，因此可以通過優化排污量的月度分布，使按分解結果執行月度電能交易計劃后，各月傳統電能綜合排放指標與當月API呈反向關系，即在空氣質量較差的月份較少消納傳統能源以減少污染物排放，在空氣質量較好的月份較多消納傳統能源以保證完成年度合同電量，在一定程度上降低電力系統對環境質量的影響，避免出現極端污染天氣，影響地區人民生活。

3）保證提供的月度電能交易計劃滿足電能平衡約束，使電力系統正常運行。同時，盡可能保證與電力交易中心簽訂年度電量合同的單位均完成年度合同電量計劃，減少“棄風”、“棄水”等情況，充分利用各單位的發電能力。

綜上所述，在考慮可再生能源電力消納責任權重指標完成難度和API的情況下，基于決策理論和優化理論，本文建立雙目標優化分解模型，并采用滾動分解的方法對年度合同電量進行分解，保障年度合同電量計劃和消納責任權重指標的順利完成，分解方法如附錄A圖A1所示。在任意一個計劃月月初，首先進行統計（包括各機組已完成年度合同電量和省內已消納可再生能源電量等）和預測（包括各機組未來各月的最大發電量情況、未來各月省內總消納量等）工作。然后，基于統計和預測數據，采用所提模型將剩余未完成的合同電量分解到未來各月（包括計劃月），以獲得未來各月月度電能交易計劃，并對上個計劃月所制定未來各月月度電能交易計劃進行修正，該月則按修正后的計劃執行交易。類似地，下個計劃月月初重復上述過程，從而實現年度電能交易計劃的月度滾動修正，對預測誤差所造成的影響進行控制。

根據807號文件，可再生能源電力消納責任權重分為“非水電消納責任權重”和“總量消納責任權重”，各省級行政區域年度整體完成的消納責任權重＝（區域內生產且消納的可再生能源電量＋區域外輸入的可再生能源電量＋市場主體消納量凈受讓量之和＋綠證認購量之和－免于考核電量對應的可再生能源電量）/（區域全社會用電量－免于考核電量）。為了聚焦研究內容，本文假定免于考核電量和市場主體消納量凈受讓量之和均為0，且由于綠證交易不影響每月可再生能源電量的實際消納，因此在進行年度合同電量分解時，不考慮綠證交易。

1.1 可再生能源電力消納責任權重指標完成難度

除了發展時間較長且應用較早、較廣泛的水電之外，隨著對風、光等可再生能源研究的逐漸深入，相應的發電和輸電技術也逐漸提高，風電、光電等機組與水電機組一樣，也進入省級電力交易中心年度交易范疇。與傳統電能不同，這些可再生能源可控性較差，在時間維度上，資源豐富度與電網消納能力相互獨立分離，缺乏一致性，導致可再生能源電力資源豐富而消納能力弱，或可再生能源電力資源貧乏而消納能力強的情況經常出現。因此，為了降低完成消納責任權重指標的難度，保證月度交易計劃的合理性和可行性，在進行年度合同電量分解時，需要從供需角度出發，綜合考慮各月對可再生能源電力的消納難度和獲取難度。

1）可再生能源電力消納難度

一般來說，省內當月消納總量相比其他月份越大，則當月消納可再生能源電力的難度就相對越低。因此，本文采用消納總量的相對大小來衡量當月消納可再生能源電力的難度，計算方法如下。

式中：γdiff，use，m為第m月可再生能源電力消納難度；M為制定計劃時所處月份；［M，12］為待分配月份的集合；Wi，load為第i月預 計消納總 量。

2）可再生能源電力獲取難度

一般來說，省內當月各可再生能源機組預測發電總量越大，則當月可再生能源電力資源越豐富，獲取難度就越低。因此，本文采用各可再生能源機組預測發電總量的相對大小來衡量當月獲取可再生能源電力的難度，計算方法如下。

第m月含水可再生能源電力獲取難度γdiff，get1，m為：

式中：r為簽訂年度電量合同的水電發電機組序號；f為簽訂年度電量合同的風電發電機組序號；g為簽訂年度電量合同的光電發電機組序號；SR、SF、SG分別為與電力交易中心簽訂年度電量合同的水電發電機組集合、風電發電機組集合和光電發電機組集合；Wm，r、Wm，f、Wm，g分 別 為 第m月 與 電 力 交 易 中 心 簽訂年度電量合同的水電發電機組r、風電發電機組f和光電發電機組g的預測最大發電量。

第m月非水可再生能源電力獲取難度γdiff，get2，m為：

3）可再生能源電力消納責任權重指標完成難度

從供需角度出發，各月每單位分配電量的完成難度是不同的，完成的難度包括消納難度和獲取難度，且由于不同地區電網特點不同，消納難度和獲取難度對完成單位分配電量難度的影響不同。對于可再生能源電力資源相對豐富的地區，比如四川、云南等，消納難度是主要影響因素；對可再生能源電力資源相對匱乏的地區，比如北京等，獲取難度是主要影響因素。因此，本文用某月消納難度與獲取難度的加權衡量該月完成單位分配電量的難度，則可再生能源電力消納責任權重指標完成難度即為所有待計劃月份完成分配電量的難度之和，計算方法如下。

含水可再生能源電力消納責任權重指標完成難度γdiff1為：

式 中：Wd，m，r、Wd，m，f、Wd，m，g分 別 為 水 電 發 電 機 組r、風電發電機組f和光電發電機組g第m月的電量分解值；ω1(0≤ω1≤1)為含水可再生能源電力獲取難度對完成單位分配電量（含水）難度的影響系數，ω1越接近1表示含水可再生能源電力獲取難度對完成單位分配電量（含水）難度的影響越大。

非水可再生能源電力消納責任權重指標完成難度γdiff2為：

式中：ω2(0≤ω2≤1)為非水可再生能源電力獲取難度對完成單位分配電量（非水）難度的影響系數，ω2越接近1表示非水可再生能源電力獲取難度對完成單位分配電量（非水）難度的影響越大。

1.2 API

火電機組一般采用燃煤等方式進行發電，在發電過程中，會排放SO2、NOx、CO2、CO等污染物，是對空氣質量造成嚴重影響的主要原因之一。API是評估空氣質量狀況的常用指標之一，將常規監測的幾種空氣污染物濃度簡化為單一的概念性指數值形式，并分級表征空氣污染程度和空氣質量狀況［7］。

式中：γAPI，m為考慮火電污染排放時第m月該地區的API；γAPI，base，m為第m月未考慮火電污染排放時該地區API預測值；t為與電力交易中心簽訂年度電量合同的火電發電機組序號；ST為與電力交易中心簽訂年 度 電 量 合 同 的 火 電 發 電 機 組 集 合；Wd，m，t為 火 電發 電 機 組t第m月的電量分 解 值；γPRI，t為 火 電機組t的單位電能加權綜合排放系數；β為該地區API關于單位電能加權綜合排放系數的特性調節系數；a、b、c、d分 別 為SO2、NOx、CO2、CO的 相 對 權 重；ESO2，t、ENOx，t、ECO2，t、ECO，t分別為火電機組t單 位發電量SO2、NOx、CO2、CO的排放量。

2 合同電量分解模型及求解方法

2.1 目標函數

1）最小化可再生能源電力消納責任權重指標完成難度，協助電力交易中心通過考核，從實際執行層面促進807號文件落地。807號文件中考核指標包含含水可再生能源電力消納責任權重和非水可再生能源電力消納責任權重，因此，通過考核完成消納責任權重指標的難度為：

式中：γdiff為完成可再生能源電力消納責任權重指標和通過考核的難度。

2）最小化API波動，保證空氣質量穩定。

2.2 約束條件

1）系統（供需）平衡約束

2）含水可再生能源電力消納責任權重約束

3）非水可再生能源電力消納責任權重約束

式中：γRES2為非水可再生能源電力消納責任權重。

4）發電能力約束

式 中：Wd，m，k為機組k第m月 的 電 量分解 值；Wm，k為第m月與電力交易中心簽訂年度電量合同的機組k的預測最大發電量。

5）年度合同電量約束

2.3 求解方法

分解模型為雙目標模型，因此，本文采用NSGA-Ⅱ［15］對模型進行求解。相比于傳統的NSGA，NSGA-Ⅱ主要優勢為：①采用快速非支配排序算法，極大降低了計算的復雜度；②引入精英策略，提高了優化結果的精度；③采用擁擠度和擁擠度比較算子，不僅克服了NSGA中需要人為指定共享參數的缺陷，而且保證了種群的多樣性。

通過NSGA-Ⅱ計算得到的結果并非是一個單獨的最優解，往往是多個互不支配（占優）的解構成的解集，但決策者在進行決策時只能選擇一個最優解執行。因此，本文基于“多屬性決策原理”為決策者選出最優折中解［16］作為最終的月度電能交易計劃方法。在實際的執行過程中，決策者可綜合實際情況，根據對2個決策目標的偏好程度從多個方案中選擇適合的方案執行。

3 算例分析

3.1 計算條件

為了驗證模型的效果，本文采用2組算例數據進行實驗分析。算例1為含6臺火電機組、2臺水電機組、2臺風電機組和2臺光電機組的電力系統，即12臺機組參與某年度（非閏年）合同電能分解。該算例用以驗證所提分解方法的必要性、合理性、公平性和有效性。各機組詳細參數和數據描述見附錄A表A1至 表A5，5至12月API預 測 值 見 附 錄A圖A2。算例2為含60臺火電機組、20臺水電機組、20臺風電機組和20臺光電機組的電力系統，即120臺機組參與某年度（非閏年）合同電能分解。該算例用以驗證所提分解方法的實用性和可操作性。各機組詳細參數和數據描述見附錄B表B1至表B8。

3.2 算例1數據計算及分析

假定當前處于當年5月初，先前已執行該分解方法4個月，后期須將剩余電能滾動分解到5至12月，且該地區空氣質量受電力系統影響較大，污染物加權綜合排放量每增加1 g將導致API上升4×10－10，即β＝4×10－10，年度合同電量允許偏差為±5%，含水可再生能源電力獲取難度的影響系數、非水可再生能源電力獲取難度的影響系數均為0.5。根據807號文件，該地區當年含水可再生能源電力消納責任權重為40%，非水可再生能源電力消納責任權重為10%。

3.2.1 基礎數據計算

根據式（6）可計算出各火電機組單位發電量所對應的污染物綜合排放系數，計算結果如表1所示。在所有火電機組中，火電機組1單位發電量對環境的影響最小，火電機組5和6單位發電量對環境的影響最大。

表1 火電機組單位電能加權綜合排放系數Table 1 Weighted comprehensive emission coefficient of per unit electric energy of thermal power unit

根據式（1）至式（3）可計算出5至12月各月可再生能源電力消納難度和獲取難度，計算結果如表2所示。由表2可知，7、8月份屬于夏季用電高峰，11、12月份屬于冬季用電高峰，這幾個月整體電能需求量較大，因此可再生能源電力的消納難度較小。7、8月份風力不強，光照時長較短，非水可再生能源電力獲取難度整體較高，但屬于豐水期，水電豐富，因此含水可再生能源電力獲取難度整體較低，應多消納水電；同樣地，10、11月份來水較少，含水可再生能源電力獲取難度整體較高，但風力較強，非水可再生能源電力獲取難度整體較低，因此應多消納非水可再生能源電力。綜上所述，綜合考慮消納難度和可再生能源電力獲取難度是十分必要的。

表2 5至12月可再生能源電力消納和獲取難度Table 2 Difficulties in accommodation and obtaining of renewable energy power from May to December

3.2.2 算法有效性分析

設置NSGA-Ⅱ中種群數量為50，迭代次數為500，交叉概率為0.2，變異概率為0.05。作為遺傳算法的一種發展算法，NSGA-Ⅱ本質上仍基于隨機搜索過程對目標進行優化，因此每次優化結果都不盡相同。為了避免隨機性對求解結果的影響，本文基于算例進行了10次重復計算，對結果的穩定性進行分析，統計結果如表3所示。結果表明，在基于NSGA-Ⅱ對模型進行求解時，模型求解結果的穩定性較好，且求解速率較快。

表3 重復計算的結果統計Table 3 Statistics of repeated calculations

3.2.3 計算結果分析

從多次模擬中任選一次結果進行分析，可得各機組5至12月各月電能分解結果，如附錄A表A6所示。可再生能源電力消納責任權重指標完成情況以及各機組年合同電量完成比例見附錄A表A7和表A8，各機組利用率見附錄A圖A3。5至12月電力系統對API影響、可再生能源機組電能分配情況見圖1至圖4。

圖1 5至12月電力系統對API影響Fig.1 Impact of power system on API from May to December

圖2 5至12月非水可再生能源電量Fig.2 Non-hydropower renewable energy electricity from May to December

圖3 5至12月含水可再生能源電量Fig.3 Renewable energy electricity containing hydropower from May to December

圖4 5至12月可再生能源交易電量Fig.4 Renewable energy trading electricity from May to December

由附錄A表A6至表A8可知，通過該方法計算得到的月度電能交易計劃滿足機組各月的發電量約束，使電力交易中心較好地完成了可再生能源電力消納責任權重指標，促進了可再生能源電力消納，同時也保證了各機組按要求履行合同要求，年度實際交易電量在允許的偏差范圍內波動，且整體標準差較小，各機組年度合同電量完成率相對均衡，交易計劃公平、合理、可行，符合決策要求。

由附錄A圖A2和圖1可知，11、12月由火電機組發電排放污染物使得API的增加值與當月API預測值整體呈正向關系，而在5至10月火電機組發電導致API增加值與當月API預測值整體呈反向關系。這是因為在11、12月，可再生能源可發電量減少，且屬于冬季用電高峰，盡管API很高，但為了維持電力系統正常運行，必須較多消納火電。因此可知，該方法很好地考慮到了電力系統對環境的影響，通過調整月度電能交易計劃對所在地區的空氣質量起到了一定的調控作用，維持了該地區空氣質量的穩定。

從圖2至圖4可以看出，通過該方法計算得到的月度電能交易計劃較好地綜合了可再生能源電力獲取難度和消納難度，各月含水可再生能源電能交易量和非水可再生能源電能交易量不僅與可獲取總量的變化趨勢一致（在可再生能源電力較豐富、易獲取的月份設立較多的交易量，在可再生能源電力較貧乏、難獲取的月份設立較少的交易量），還與消納能力的變化趨勢一致（為消納能力強的月份設立較多交易量，為消納能力弱的月份制定較少交易量），可操作性強，很好地降低了完成可再生能源電力消納責任權重指標的難度，促進了可再生能源電力消納，結果合理可行，較好地滿足了決策要求。

此外，通過該方法計算得到的月度電能交易計劃，各機組各月的利用率相對均衡，且大多數月份均在90%以上，如附錄A圖A3所示，能充分利用各單位的發電能力。

3.2 .4滾動修正后的全年各月月度電能交易計劃

基于附錄A圖A1所示的滾動修正的方法，將1月選為計劃月對1至12月度電能交易計劃進行優化，逐月向后滾動，可得滾動修正后的全年各機組月度電能交易計劃和1至12月電力系統對API的影響，如附錄A表A9和附錄A圖A4、圖A5所示。從結果可知，所得月度電能交易計劃滿足機組各月的發電量約束，且對環境的影響較小。

3.3 算例2數據計算及分析

假定當前處于當年1月初，需將年度合同電能分解至12個月，且β＝4×10－10，年度合同電量允許偏差為±10%。根據807號文件，該地區當年含水可再生能源電力消納責任權重為40%，非水可再生能源電力消納責任權重為10%。經過2 487 s的計算后，得到1至12月的月度電能交易計劃，見附錄B表B9至表B13。雖然數據量增大10倍，但是求解速度相對較快，且得到的月度電能交易計劃滿足機組各月的發電量約束，使電力交易中心較好地完成了可再生能源電力消納責任權重指標，證明了所提分解方法的實用性和可操作性。

4 結語

隨著可再生能源電力消納保障機制的不斷推進，電力交易中心在編制月度電能交易計劃時需要綜合考慮可再生能源電力消納的特點，協調多種能源發電，完成消納指標并保障電量執行的可行性和分配的公平性。本文所提出的考慮可再生能源電力消納責任權重的年度合同月度滾動分解方法，基于優化和決策理論，對剩余月份電能交易計劃進行整體優化，很好地滿足了上述要求。

1）該方法考慮到可再生能源電力消納的特點，提出了可再生能源電力消納責任權重指標完成難度的概念，通過建立優化模型，為省級電力交易中心提供了能完成可再生能源電力消納責任權重指標（年度指標）且完成難度較低的月度電能交易計劃，協助省級電力交易中心通過考核，從實際執行的層面促進了807號文件的落地和可再生能源電力的消納。

2）該方法考慮了電力系統對環境的影響，通過對月度電能交易計劃進行調整，對所在地區的空氣質量起到了一定的調控作用，維持了該地區空氣質量的穩定。

3）該方法將滾動分解和整體優化方法相結合，月度間數據滾動，剩余月份整體優化，保證了電量執行的可行性和分配的公平性，以及機組利用的均衡性。

本文在研究過程中，為聚焦可再生能源電力消納責任權重對月度電能交易計劃的影響，忽略了綠證交易等履責形式及區域內外發電單位電能交易分解的差別。下一步將放松模型中的假設條件，使其更符合實踐。除此之外，由于各月預測數據（如月消納量等）是本文模型的一類重要前置參數，而本文僅采用滾動修正的方法對誤差影響進行控制，后續將對如何進一步評估預測準確率進行深入研究。