考慮省間交易與源荷互動(dòng)協(xié)調(diào)的新能源消納機(jī)制

劉 穎，唐夏菲，蔡 曄，譚玉東，曹一家，肖曉明

（1.長(zhǎng)沙理工大學(xué)電氣與信息工程學(xué)院，長(zhǎng)沙 410114；2.國(guó)網(wǎng)湖南省電力公司經(jīng)濟(jì)技術(shù)研究院，長(zhǎng)沙 410004）

隨著經(jīng)濟(jì)與社會(huì)的不斷發(fā)展，能源短缺與環(huán)境惡化已逐漸成為我國(guó)可持續(xù)發(fā)展戰(zhàn)略所面臨的嚴(yán)峻考驗(yàn)[1]。為有效應(yīng)對(duì)此類挑戰(zhàn)，以風(fēng)電、光伏發(fā)電為主的新能源得到迅速發(fā)展[2]。然而，由于風(fēng)電與光伏發(fā)電的間歇性[3-4]，加上區(qū)外來(lái)電將給受端電網(wǎng)帶來(lái)一定的調(diào)峰壓力[5]，造成系統(tǒng)調(diào)峰靈活性不足，棄風(fēng)、棄光現(xiàn)象頻發(fā)。如何提升系統(tǒng)新能源消納能力已成為我國(guó)目前亟需解決的重要問題之一。

在實(shí)際運(yùn)行中，國(guó)內(nèi)外主要從以下3個(gè)方面來(lái)促進(jìn)新能源的消納：①利用穩(wěn)固的跨國(guó)跨區(qū)電網(wǎng)，在新能源大發(fā)時(shí)期進(jìn)行電力互助交易，如英國(guó)、德國(guó)等[6]；②加大燃油燃?xì)夂退姷褥`活機(jī)組在電網(wǎng)中的比例，利用其靈活調(diào)控特性協(xié)助消納新能源，如加拿大、法國(guó)等[6]；③利用價(jià)格或激勵(lì)性的需求響應(yīng)參與新能源的消納，在當(dāng)前電力市場(chǎng)現(xiàn)狀下，需求響應(yīng)已逐漸成為促進(jìn)新能源消納的重要方式[6]。目前，在利用需求響應(yīng)促進(jìn)新能源消納方面已有大量的研究，文獻(xiàn)[7]綜合考慮了新能源出力與用戶需求響應(yīng)不確定性，建立了以新能源消納最大化為目標(biāo)的配電網(wǎng)經(jīng)濟(jì)調(diào)度優(yōu)化模型；文獻(xiàn)[8]將需求響應(yīng)與儲(chǔ)能技術(shù)進(jìn)行結(jié)合，建立了需求響應(yīng)與熱電聯(lián)產(chǎn)機(jī)組聯(lián)合消納棄風(fēng)模型。上述研究結(jié)果表明利用需求側(cè)響應(yīng)可以有效地促進(jìn)新能源消納，降低棄風(fēng)、棄光，緩解系統(tǒng)調(diào)峰壓力。

近年來(lái)，國(guó)務(wù)院出臺(tái)了一系列政策[9-10]，積極推進(jìn)中國(guó)電力體制改革，各省提出的改革方案都以省間交易作為未來(lái)中國(guó)電力市場(chǎng)發(fā)展的重要方向，省間交易既能夠減緩電力供需不匹配的矛盾，又能實(shí)現(xiàn)不同地區(qū)電力資源的優(yōu)化配置，然而目前關(guān)于省間交易的研究中，大多忽略了用戶的調(diào)峰潛力[11-12]。因此，為進(jìn)一步提升新能源的消納，應(yīng)充分利用用戶需求響應(yīng)潛力，為系統(tǒng)提供合理有效的調(diào)峰資源。

為此，針對(duì)因系統(tǒng)調(diào)峰能力不足或市場(chǎng)交易機(jī)制不健全造成的新能源消納困難問題，研究了鼓勵(lì)用戶參與需求響應(yīng)的新能源消納機(jī)制。首先，從交易上報(bào)、出清、結(jié)算分?jǐn)?個(gè)角度，設(shè)計(jì)了用戶參與新能源消納的省間交易機(jī)制。然后，綜合考慮了用戶的用電需求、需求響應(yīng)能力以及機(jī)組的出力限制等約束，建立了一種促進(jìn)新能源消納的中長(zhǎng)期源荷協(xié)同的優(yōu)化模型。最后，以某省電網(wǎng)為例展開案例分析驗(yàn)證了本文所提模型的有效性、合理性。

1 用戶參與新能源消納的省間交易機(jī)制

考慮到大部分用戶不能直接參與電力市場(chǎng)交易，采用“省間交易商IPT（inter-provincial traders）”作為用戶代理進(jìn)行省間交易[11，13]，由于目前正處于省間交易市場(chǎng)建設(shè)的初期，各省電網(wǎng)公司將作為IPT代表省內(nèi)用戶進(jìn)行省間交易[11，14]。本文所提的省間交易機(jī)制如圖1所示。

圖1 交易機(jī)制Fig.1 Transaction mechanism

首先，省內(nèi)新能源廠商向IPT上報(bào)新能源出力信息，省內(nèi)用戶向IPT上報(bào)用電需求信息，同時(shí)還應(yīng)考慮自身用電計(jì)劃、調(diào)峰能力上報(bào)一條或多條用電曲線。針對(duì)每條用電曲線，用戶還需根據(jù)自身為參與需求響應(yīng)而轉(zhuǎn)移用電負(fù)荷所造成的損失，向IPT上報(bào)各自的削峰填谷補(bǔ)償費(fèi)用。

然后，IPT根據(jù)省內(nèi)新能源出力信息、用戶用電需求信息與省內(nèi)火電機(jī)組、水電機(jī)組等傳統(tǒng)機(jī)組出力信息確定外購(gòu)電需求量，并將需求量上報(bào)給電力市場(chǎng)交易中心。電力市場(chǎng)交易中心通過運(yùn)營(yíng)送電端電力市場(chǎng)來(lái)滿足IPT的購(gòu)電需求，并在送電端電力市場(chǎng)交易出清后且滿足省間聯(lián)絡(luò)線傳輸功率約束的情況下得出各省間聯(lián)絡(luò)線的日傳輸計(jì)劃。

最后，省內(nèi)開展常規(guī)電力市場(chǎng)出清，并在出清后按照‘誰(shuí)獲利，誰(shuí)負(fù)責(zé)’的公平性原則進(jìn)行用戶補(bǔ)貼成本的分?jǐn)偂?/p>

為響應(yīng)國(guó)家大力發(fā)展新能源，優(yōu)先消納新能源的號(hào)召[15]，同時(shí)鑒于省外購(gòu)電存在著電力電量的強(qiáng)耦合關(guān)系[16]（電力與電量之間必須具備明確的函數(shù)關(guān)系），在新能源出力不確定性的疊加作用下，外購(gòu)電量過大可能會(huì)形成備用不足、調(diào)峰困難等情況，且壓縮了省內(nèi)市場(chǎng)交易空間，降低了本地發(fā)電廠商發(fā)電積極性。因此，本文將詳細(xì)說(shuō)明了促進(jìn)新能源消納的中長(zhǎng)期源荷協(xié)同優(yōu)化模型，通過優(yōu)化省內(nèi)用戶的負(fù)荷需求，在促進(jìn)新能源消納的同時(shí)，對(duì)外購(gòu)電需求進(jìn)行優(yōu)化。

2 考慮社會(huì)環(huán)境因素的用戶需求響應(yīng)模型

峰谷分時(shí)電價(jià)作為一種重要的電價(jià)制度，能夠通過經(jīng)濟(jì)杠桿的作用來(lái)激勵(lì)用戶轉(zhuǎn)移自身用電負(fù)荷，以達(dá)到削峰填谷的目的。因此本文考慮價(jià)格型需求響應(yīng)，在峰谷分時(shí)電價(jià)的基礎(chǔ)上建立用戶響應(yīng)模型。

價(jià)格型需求響應(yīng)通常采用價(jià)格彈性系數(shù)來(lái)表示。價(jià)格彈性系數(shù)是各時(shí)段用電量對(duì)電價(jià)的靈敏度[17]，分為自彈性系數(shù)與交叉彈性系數(shù)，其中，自彈性系數(shù)表示當(dāng)前i時(shí)段電價(jià)變化對(duì)當(dāng)前時(shí)段用電量的影響，交叉彈性系數(shù)表示其他j時(shí)段的電價(jià)變化對(duì)當(dāng)前i時(shí)段用電量的影響，具體表示為

式中：L0,t為響應(yīng)前t時(shí)刻的用電負(fù)荷；P0,t、P0,h分別為響應(yīng)前t時(shí)刻和h時(shí)刻的電價(jià)；ΔLt為t時(shí)刻用電負(fù)荷的相對(duì)變化量；ΔPt和ΔPh分別為t時(shí)刻與h時(shí)刻電價(jià)的相對(duì)變化量；ε(t,t)為自彈性系數(shù)；ε(t,h)為互彈性系數(shù)。

在調(diào)度周期內(nèi)，以峰谷分時(shí)電價(jià)為基礎(chǔ)，將價(jià)格彈性系數(shù)矩陣表示為

式中，下標(biāo)m、n、o分別代表峰、平、谷時(shí)段。矩陣中各元素分別對(duì)應(yīng)各時(shí)段的自彈性系數(shù)與互彈性系數(shù)。

基于上述分析，可得用戶參與響應(yīng)后的用電量為

式中，L0,t、Lt分別為t時(shí)刻響應(yīng)前、后的用戶負(fù)荷。

上述基于價(jià)格彈性矩陣的需求響應(yīng)模型在月度交易過程中顯得過于理想化，在實(shí)際響應(yīng)過程中，由于用戶具有主觀能動(dòng)性，因此用戶是否參與需求響應(yīng)除了受電價(jià)政策影響，同時(shí)還會(huì)受需求響應(yīng)政策宣傳時(shí)間和力度、用戶群體行為等社會(huì)因素的影響。為了量化用戶參與度對(duì)負(fù)荷的影響，本文在傳統(tǒng)需求響應(yīng)模型的基礎(chǔ)上，加入了用戶的響應(yīng)意愿系數(shù)。圖2為用戶響應(yīng)意愿系數(shù)曲線。

圖2 用戶響應(yīng)意愿曲線Fig.2 Curve of user response willingness

用戶響應(yīng)意愿曲線主要分為3個(gè)階段：0～t1為政策實(shí)施初始階段，該階段由于宣傳力度較小、用戶對(duì)新政策不了解等原因，用戶響應(yīng)意愿不高，意愿系數(shù)為 μ1；t1～t2階段，隨著宣傳力度加大，且其余未響應(yīng)用戶觀察到響應(yīng)者獲得可觀的經(jīng)濟(jì)效益，意愿系數(shù)不斷增加；t2時(shí)刻，意愿系數(shù)達(dá)到飽和，全部用戶參與響應(yīng)，意愿系數(shù)為1。因此，考慮用戶響應(yīng)意愿系數(shù)后的需求響應(yīng)模型修改為

式中：μ為意愿系數(shù)。

3 促進(jìn)新能源消納的中長(zhǎng)期源荷協(xié)同優(yōu)化模型

3.1 模型框架

促進(jìn)新能源消納的中長(zhǎng)期源荷協(xié)同優(yōu)化模型框架包括短時(shí)間尺度和月度省間交易2個(gè)層面，模型框架如圖3所示。

圖3 模型框架Fig.3 Model framework

在以日為交易周期的短時(shí)間尺度內(nèi)，采用考慮社會(huì)環(huán)境因素的用戶需求響應(yīng)模型來(lái)反映用戶的需求響應(yīng)能力，由于棄風(fēng)、棄光現(xiàn)象多發(fā)生在平谷時(shí)段，通過實(shí)行削峰填谷補(bǔ)貼引導(dǎo)用戶將峰時(shí)段負(fù)荷轉(zhuǎn)移至平谷時(shí)段，讓用戶負(fù)荷需求和風(fēng)電/光伏發(fā)電曲線時(shí)序上最大化貼近，盡可能地消納新能源。

在以月為交易周期的中長(zhǎng)期時(shí)間尺度上，在短時(shí)間尺度日出清結(jié)果的基礎(chǔ)上，開展月度連續(xù)省間交易，建立以電網(wǎng)公司和新能源發(fā)電廠商利益最大化為目標(biāo)函數(shù)、促進(jìn)新能消納的月度省間交易優(yōu)化模型。在交易出清后根據(jù)受益主體的各自收益量進(jìn)行用戶補(bǔ)貼成本的合理分?jǐn)偂?/p>

3.2 目標(biāo)函數(shù)

電網(wǎng)公司與新能源企業(yè)的經(jīng)營(yíng)目標(biāo)是在電網(wǎng)安全穩(wěn)定運(yùn)行的基礎(chǔ)上實(shí)現(xiàn)各自經(jīng)濟(jì)效益最大化，因此，綜合考慮電網(wǎng)公司的經(jīng)濟(jì)性以及新能源的消納能力，為促進(jìn)新能源消納與滿足電網(wǎng)公司收益最大化，本文的目標(biāo)函數(shù)為

式中：Sf、Sw和SG分別為用戶參與需求響應(yīng)后風(fēng)電、光伏的新增收益與電網(wǎng)公司收益；Sh為用戶參與需求響應(yīng)所得的補(bǔ)償成本；分別為交易前、后的風(fēng)電與光伏消納量；分別為交易前、后的外購(gòu)電量；p1和p2分別為風(fēng)電與光電標(biāo)桿上網(wǎng)電價(jià)；p3為外購(gòu)電合同電價(jià)；xt為t時(shí)刻的補(bǔ)貼價(jià)格；T為時(shí)間周期。

3.3 約束條件

（1）火電機(jī)組出力約束為

（2）風(fēng)電、光伏出力不確定性約束。受自然條件及其他外界未知因素的影響，現(xiàn)有預(yù)測(cè)方法所得的結(jié)果與實(shí)際的風(fēng)光出力存在著一定的誤差。當(dāng)風(fēng)光大規(guī)模并網(wǎng)時(shí)，這些誤差不能被忽略。本文采用文獻(xiàn)[18]中的不確定集合表示方法，對(duì)風(fēng)光出力的不確定進(jìn)行表述為

（3）風(fēng)電、光伏出力限額約束為

（4）火電機(jī)組運(yùn)行時(shí)間約束為

（5）火電機(jī)組爬坡約束為

式中，ri,up、ri,down分別為機(jī)組的爬坡上、下限。

（6）功率平衡約束，任意時(shí)刻各機(jī)組的總出力與外購(gòu)電量之和等于當(dāng)前時(shí)刻的負(fù)荷需求，表示為

式中：Pg,t為火電機(jī)組總出力量；μi,t為火電機(jī)組i在t時(shí)刻的運(yùn)行狀態(tài)，μi,t=0表示機(jī)組處于停運(yùn)狀態(tài)，μi,t=1表示機(jī)組處于運(yùn)行狀態(tài)；I為火電機(jī)組個(gè)數(shù)；為水電機(jī)組出力量，本文對(duì)于水電的重視程

式中：ΔLt為t時(shí)刻的用戶負(fù)荷轉(zhuǎn)移量，為當(dāng)前時(shí)刻柔性負(fù)荷的可轉(zhuǎn)移上限。

（8）外購(gòu)電功率約束為度較高，因此假設(shè)交易前后水電皆全額消納。

（7）柔性負(fù)荷響應(yīng)能力約束為

本文模型屬于復(fù)雜的混合整數(shù)規(guī)劃問題，采用改進(jìn)粒子群算法對(duì)其進(jìn)行優(yōu)化求解[19]。為方便求解，本文借鑒文獻(xiàn)[19]中的粒子修補(bǔ)策略對(duì)不符合約束條件的粒子編碼矩陣進(jìn)行修復(fù)，直至滿足條件為止，同時(shí)在迭代求解過程中加入懲罰函數(shù)，對(duì)于不滿足約束條件的粒子設(shè)定一個(gè)較大的閾值，使其跳出不可行域。

3.3 交易結(jié)算

交易結(jié)算中應(yīng)考慮的關(guān)鍵點(diǎn)在于用戶參與需求響應(yīng)后，所產(chǎn)生的用戶補(bǔ)償成本應(yīng)由哪些市場(chǎng)主體分?jǐn)偂Ｓ脩魠⑴c需求響應(yīng)的效益主要體現(xiàn)在以下兩方面：①電網(wǎng)公司峰時(shí)段大幅度減少外購(gòu)電量；②新能源在平谷時(shí)段大幅度提升消納量。

本文按照“誰(shuí)獲利，誰(shuí)負(fù)責(zé)”的公平性準(zhǔn)則，設(shè)計(jì)了一種交易結(jié)算方法。具體結(jié)算規(guī)則為：電網(wǎng)公司、新能源發(fā)電廠商在用戶參與需求響應(yīng)后均受益，因此兩者皆需分?jǐn)傆脩粞a(bǔ)償成本，分?jǐn)偞笮「鶕?jù)外購(gòu)電減少量、新能源新增消納量在兩者電量和中的占比確定。具體計(jì)算公式為

式中：φ為交易出清后的需支付的用戶補(bǔ)償成本；QG和Qx分別為外購(gòu)電減少量和新能源新增消納量；ω為分?jǐn)偙壤籪G和fx分別為電網(wǎng)公司和新能源發(fā)電廠商應(yīng)分?jǐn)偟难a(bǔ)償成本。

4 算例分析

4.1 算例參數(shù)

本文以一個(gè)月為交易優(yōu)化周期，以某省電網(wǎng)作為研究對(duì)象開展仿真分析，其峰谷電價(jià)及時(shí)段數(shù)據(jù)如表1所示。

表1 峰谷分時(shí)電價(jià)及時(shí)段Tab.1 Peak-valley electricity prices and the corresponding time periods

本次算例仿真假定用戶響應(yīng)意愿曲線中的t1=10、t1=20，μ1=0.3。各時(shí)刻柔性負(fù)荷可轉(zhuǎn)移上限為該時(shí)刻柔性負(fù)荷的40%。外購(gòu)電合同電價(jià)為0.313 45元/（kW·h）。風(fēng)電上網(wǎng)電價(jià)為0.47元/（kW·h），出力預(yù)測(cè)誤差取±20%，光伏上網(wǎng)電價(jià)為0.49元/（kW·h），出力預(yù)測(cè)誤差取±10%。需求價(jià)格彈性系數(shù)參考文獻(xiàn)[17]，具體數(shù)據(jù)為

4.2 典型日結(jié)果分析

1）機(jī)組調(diào)度結(jié)果

以某典型日為例，通過給與用戶削峰填谷電價(jià)補(bǔ)貼引導(dǎo)用戶參與需求響應(yīng)后，各機(jī)組的調(diào)度結(jié)果與負(fù)荷曲線變化情況如圖4所示。可以看出，各機(jī)組的總出力情況與用戶負(fù)荷需求的變化趨勢(shì)基本保持一致，其中，火電機(jī)組的出力最大，占到用戶負(fù)荷需求的40%～55%。水電機(jī)組出力較為穩(wěn)定。與此同時(shí)，用戶參與需求響應(yīng)后，平谷時(shí)段的負(fù)荷需求得到增加，峰時(shí)段的負(fù)荷需求得到減少，系統(tǒng)負(fù)荷峰谷差減少了4.6%。

圖4 優(yōu)化后各類機(jī)組的出力情況與負(fù)荷曲線變化情況Fig.4 Output from various units and changes in load curve after optimization

2）新能源消納情況

圖5給出了優(yōu)化前風(fēng)電、光伏的消納與出力情況。可以看出，凌晨負(fù)荷谷時(shí)段棄風(fēng)較為明顯，當(dāng)天棄風(fēng)總量為3 668.73 MW·h，占風(fēng)電總出力的11.37%。光伏在中午平時(shí)段棄光嚴(yán)重，當(dāng)天棄光總量為1 191.68 MW·h，占光伏總出力的20.02%。結(jié)合圖4可知，通過引導(dǎo)用戶參與需求響應(yīng)將自身負(fù)荷需求進(jìn)行轉(zhuǎn)移，增加平谷時(shí)段的用電量，風(fēng)電消納量上升了4.5%，光伏消納量上升了9.1%，有效緩解了棄風(fēng)和棄光問題。

圖5 新能源出力情況Fig.5 Output from renewable energy

3）外購(gòu)電情況

按照實(shí)際運(yùn)行方式，采用三段化分段運(yùn)行方式進(jìn)行省間功率傳輸。圖6為優(yōu)化前后省間聯(lián)絡(luò)線的傳輸功率曲線。可以看出，相比優(yōu)化前的外購(gòu)電功率傳輸曲線，優(yōu)化后的外購(gòu)電量在09∶00—24∶00得到大幅降低，這是因?yàn)榉鍟r(shí)段處于該時(shí)段，通過引導(dǎo)用戶參與需求響應(yīng)將峰時(shí)段的負(fù)荷向平谷時(shí)段進(jìn)行轉(zhuǎn)移，大幅度降低了用戶此時(shí)的用電需求，進(jìn)而減少了省內(nèi)外購(gòu)電需求。

圖6 省間聯(lián)絡(luò)線路傳輸功率曲線Fig.6 Curves of transmission power on inter-provincial connection line

4）用戶補(bǔ)償成本分?jǐn)偳闆r

該典型日用戶補(bǔ)償成本為75.01萬(wàn)元，根據(jù)第3.3節(jié)設(shè)計(jì)的結(jié)算機(jī)制，各受益主體分?jǐn)偨Y(jié)果如表2所示。該典型日新能源日新增電量Qx=1988.38 MW·h，經(jīng)計(jì)算當(dāng)日新能源發(fā)電廠商新增收益94.53萬(wàn)元；電網(wǎng)公司外購(gòu)電日減少量QG=15 316.19 MW·h，按照合同電價(jià)計(jì)算電網(wǎng)公司外購(gòu)電成本減少了480.09萬(wàn)元。按照成本分?jǐn)傄?guī)則計(jì)算，新能源發(fā)電廠商需承擔(dān)8.62萬(wàn)元，而電網(wǎng)公司外購(gòu)電減少量更多，收益更大，因此需承擔(dān)66.39萬(wàn)元，承擔(dān)了約88.5%的用戶補(bǔ)償成本。通過在各受益主體之間進(jìn)行用戶補(bǔ)償成本地合理分?jǐn)偅诩?lì)電網(wǎng)公司合理利用需求側(cè)資源減少外購(gòu)電的同時(shí)，為新能源的進(jìn)一步消納提供了有效合理的市場(chǎng)結(jié)算方式。

表2 各受益主體用戶補(bǔ)償成本典型日分?jǐn)偨Y(jié)果Tab.2 Typical daily allocation results of user compensation costs for each beneficiary entity

4.3 月度交易結(jié)果分析

表3給出了月度省間交易后的新能源消納量、外購(gòu)電量變化情況及各主體的分?jǐn)偨Y(jié)果。可知，通過引導(dǎo)用戶參與需求響應(yīng)，新能源月度消納量從597 625.5 MW·h上升至680 910.7 MW·h，提高了13.9%。月度外購(gòu)電量從3 621 429.1 MW·h減少至2 611 168.32 MW·h，減少了27.9%。該月需補(bǔ)償用戶5 021.07萬(wàn)元，按照結(jié)算機(jī)制計(jì)算，新能源廠商需承擔(dān)382.41萬(wàn)元，電網(wǎng)公司需承擔(dān)4 638.66萬(wàn)元。可以看出，本文所提出的中長(zhǎng)期源荷協(xié)同優(yōu)化模型不僅能夠有效提升新能源的消納，減少棄風(fēng)、棄光，同時(shí)還能夠有效優(yōu)化外購(gòu)電需求，實(shí)現(xiàn)不同省份資源的優(yōu)化配置。

表3 各受益主體用戶補(bǔ)償成本月度分?jǐn)偨Y(jié)果Tab.3 Monthly allocation results of user compensation costs for each beneficiary entity

5 結(jié)論

為進(jìn)一步提升系統(tǒng)消納新能源的能力，本文建立了一種促進(jìn)新能源消納的中長(zhǎng)期源荷協(xié)同的優(yōu)化模型。該模型在短時(shí)間尺度建立了考慮社會(huì)環(huán)境因素的用戶需求響應(yīng)模型，以反映用戶在電價(jià)與社會(huì)環(huán)境因素影響下的需求響應(yīng)能力，中長(zhǎng)期時(shí)間尺度在短時(shí)間尺度日出清結(jié)果的基礎(chǔ)上，開展月度省間交易，通過優(yōu)化用戶的用電需求，使得用戶用電需求與新能源出力精確匹配，實(shí)現(xiàn)新能源的最大消納。算例計(jì)算結(jié)果表明：

（1）通過實(shí)施削峰填谷補(bǔ)貼引導(dǎo)省內(nèi)用戶改變用電習(xí)慣，讓用戶負(fù)荷需求和風(fēng)電/光伏發(fā)電曲線時(shí)序上最大化貼近，新能源消納量提升了13.9%，外購(gòu)電量減少了27.9%，實(shí)現(xiàn)了電網(wǎng)公司、新能源、用戶的共同受益；

（2）按照“誰(shuí)獲利，誰(shuí)負(fù)責(zé)”的公平性原則將用戶補(bǔ)償成本在各主體之間進(jìn)行合理分?jǐn)偅诩?lì)電網(wǎng)公司合理利用需求側(cè)資源減少外購(gòu)電的同時(shí)，為進(jìn)一步促進(jìn)新能源消納提供了有效的市場(chǎng)結(jié)算模式；

（3）通過開展省間交易，不僅能夠提升本省新能源的消納量，同時(shí)有利于不同省份資源的優(yōu)化配置。

需要指出的是：本文模型僅考慮各主體收益，未考慮交易過程中所產(chǎn)生的成本問題，后續(xù)的研究將在本文研究的基礎(chǔ)上對(duì)該問題進(jìn)行考慮。