階梯碳交易下新型電力系統協同優化出力策略

［摘 要］ 為協調新能源與火電協調配合過程中的經濟性和靈活性問題。提出一種電源經濟靈活協同優化出力策略。為約束碳排放和碳交易成本，引入碳交易機制對系統中的碳排放配額及實際碳排放進行建模，將碳排放轉化為有經濟價值的調度資源。針對新能源高占比系統靈活性不足問題，進行系統靈活性供需能力分析并建立電源經濟靈活協同優化出力模型，然后用輪盤賭選擇和跳躍基因改進NSGA-Ⅱ算法提高模型求解效率。最后以改進的IEEE30節點為算例進行仿真分析并設置對比，結果表明模型的有效性。

［關鍵詞］ 新型電力系統； 協同優化； 改進NSGA-Ⅱ算法； 階梯式碳交易； 電力系統靈活性

［中圖分類號］ TM732 ［文獻標識碼］ A

在環境污染和能源危機問題日漸加劇的背景下，中央財經委員會第九次會議提出建立一種高效低碳經濟的新型能源體系，構建以清潔能源為主體的新型電力系統[1]。電力系統中新能源占比提升會減少系統發電成本，從而提高綜合經濟效益，但由于風光資源的波動性，常規機組參與調度的頻率和深度都會大幅增加，將對系統各環節靈活性提出更高的要求。一旦常規機組面臨靈活性不足問題，無法跟蹤凈負荷波動，就會出現棄風棄光現象，這違背了發展新型電力系統的初衷，且會造成嚴重的經濟損失，所以如何調控各類型發電機組出力，提出一個低碳環保、安全經濟且能有效應對電網運行中多種不確定性因素擾動的電源出力策略十分必要。

為解決新型電力系統機組出力調控靈活性不足和經濟運行之間日益加劇的矛盾，首先研究階梯式碳交易（tiered carbon trading，TCT）機制特點進行建模，綜合分析系統靈活性供需能力，在滿足功率平衡等約束條件下提出一種協同經濟性和靈活性的電源優化出力策略。然后以經濟效益最大和平均凈負荷波動率最小為目標建立新型電力系統電源經濟靈活協同優化出力模型，并改進NSGA-Ⅱ算法加速實現該雙目標模型的協同尋優，最后的仿真結果也很好地驗證了所提策略在低碳經濟運行和提升系統靈活性方面的有效性，充分發揮TCT在新能源協同調度中的作用。

1 TCT機制及建模

TCT機制是為減少以CO1為代表的溫室氣體排放所提出的將碳排放權作為商品進行交易的階梯式市場交易機制，即當實際碳排放量低于其配額時，系統在碳交易市場中將盈余的配額出售獲得部分收益，且碳排放量越小的區間對應的碳價越高；相反，實際碳排放量大于配額時，需要購買一定的碳排放權，碳排放量與其配額差值越大，面臨的碳排放配額購買價格越高。圖1可反應TCT機制中碳價和碳交易量之間的關系，Esys，t在x軸的正軸上時表示碳排放配額不足，需要在TCT市場中購買；相反，負軸上則表示系統可以出售多余的配額獲取一定的經濟收益。

目前我國的碳排放配額以無償分配為主，占比在90%以上，風電、水電、光伏機組均為綠色無污染、清潔的電源，在運行過程中產生極少量的溫室氣體，所以本文認為新型電力系統的碳排放源主要來自常規火電機組，則初始配額模型和實際碳排放模型為：

2.3 改進NSGA-Ⅱ算法

傳統的NSGA-Ⅱ算法使用非支配快速排序并重新定義擁擠距離代替共享函數來進行選擇操作，但存在選擇壓力小、擁擠度計算復雜等缺點[11]。為進一步提高其收斂速度和多樣性，受優良親本更容易產生優良子代啟發，將含最佳基因組的初始隨機種群加入到原算法的框架中，并且在選擇過程中使用輪盤選擇算法，然后在精英策略中先對個體進行跳躍基因（Jumping Genes，JG）操作[11]，這幾個調整提高了算法優化效率，在同時處理大量變量的實時應用程序中顯得很重要。具體步驟如下：

1）初始化：一般來說質量最好的初始親本個體可能會產生更加優秀的子代個體，這有助于以更快的速度收斂到pareto最優前沿，首先隨機生成大小為N的初始隨機種群P，并計算該種群中每一個個體的目標函數適應值，挑選其中具有最大適應度值的個體分配并復制到一個新改進的父代種群IP中直到種群數量達到N。

2）擁擠度距離排序：對種群IP中每個個體進行快速非支配排序并計算它們的擁擠度距離生成新種群IP1，若非支配等級不同，傾向于等級高的個體；若非支配等級相同，則傾向于擁擠度距離小的個體。

3）輪盤賭選擇：在選擇的過程中使用輪盤選擇算法，每個個體像輪盤賭上的插槽一樣被淘汰，這些個體被淘汰的概率等于輪盤停止旋轉時落入插槽的概率，每個個體i插槽面積大小由該個體的目標函數結果決定，最終生成種群新IP1。

4）交叉、變異：交叉使用分散交叉，是指隨機產生一個與父代相同格式的二進制向量；變異則使用標準變異，然后獲得子代種群D。

5）新的精英策略：對種群D中個體進行JG操作，生成新種群D1，之后合并種群IP1和D1得到新種群IP1D1，大小為2N，對該種群中每個個體進行快速非支配排序生成非支配集Zi，再計算其擁擠度算子向父代種群中插入Z1，當父代種群數量大于等于N時，則繼續插入下一個非支配集Z1，直至插入到ZN時，對ZN中的每個個體進行擁擠度比較算子，插入排序較前的個體使個體數量達到N，產生新的子代種群，最后從該種群中選擇出數量為N的最優個體。

采用上述改進NSGA-Ⅱ算法對模型進行求解，為驗證該算法有效性，將其與原NSGA-Ⅱ算法、MOPSO算法、MOEA/D算法進行對比，本文使用標準函數ZDT1進行測試，將所有算法迭代次數設置為10000，種群大小設置為100。反世代距離評價指標（inverted generational distance， IGD）是一個綜合性能評價指標，它可以評價算法的收斂性、多樣性和分布性能，值越小表示算法的綜合性能越好。圖2展示的是將ZDT1進行優化得到的IGD指標曲線。

可以看出改進NSGA-Ⅱ算法在迭代3000次后，IGD指標達到了最小值，并且曲線下降速度是最快的，可見該算法的綜合性能更強。

2.4 求解流程

對原模型進行線性化處理，然后用改進NSGA-Ⅱ算法對模型求解得到pareto最優前沿，通過TOPSIS決策確認最優解，從而得出電源全年各時段最優出力策略（圖3）。

3 仿真算例分析

3.1 算例參數設置

本節應用IEEE30節點算例進行分析，拓撲圖見圖4。

測試算例中有總裝機容量為130 MW的火電機組、總裝機容量為260 MW的水電機組、一個裝機容量90 MW的風電場和一個裝機容量60 MW的光伏，其中火電機組參數來自IEEE30標準節點，水電機組參數來自文獻[13]并做了部分修改，調度總周期為一年，每一個小時為一個時段，共8760個時段。設置火風光水上網平均電價ρG、ρH、ρP、ρW分別為0.39、0.43、0.42、0.37元/kWh，燃煤價格為0.65元/kg，風電、光伏的發電成本系數μW、μP分別為0.05、0.08萬元/MWh。火電機組單位電量配額SymbolhA@G為0.79kg/kWh，新能源機組單位棄電成本μr為0.008萬元/MWh，TCT市場區間長度v為60 t，價格增長幅度α為 25%，碳交易基價c為252元/t。其中將本算例所運用的改進NSGA-Ⅱ算法最大迭代次數設定為500，種群大小設定為100，個體長度設定為30，仿真試驗均采用 MATLAB 編程實現。

為驗證本文策略優勢，設置四種策略進行對比分析。策略1：考慮經濟靈活協同優化出力且計及TCT方式，即本文策略；策略2：考慮經濟靈活協同優化出力且計及傳統碳交易方式；策略3：只考慮經濟性且計及TCT方式。策略4：只考慮靈活性且計及TCT方式。

3.2 仿真結果分析

首先根據負荷需求預測對測試系統的機組進行負荷分配，使用改進NSGA-Ⅱ算法對本文所提模型進行尋優求解得到非劣解集的pareto前沿圖，然后使用TOPSIS法進行最優點的選取，可以得出最優解是經濟收益3.75×107萬元，平均凈負荷波動率5.13%。選取調度周期中凈負荷時序波動最大的一天作為典型日進行靈活性分析，圖5展示了優化前后凈負荷曲線，可以看出優化后的凈負荷曲線波動趨勢明顯變緩，特別是在9.00—16.00時段，整體看來曲線峰谷差減少，趨于平緩。

圖6是優化前后典型日凈負荷波動率曲線對比，可以看出在初始出力策略典型日的16：00—19：00是用電高峰期，其凈負荷波動率超出了允許的最大波動裕量，系統出現了靈活性不足的問題，可能會導致棄風棄光和切負荷。而優化后的凈負荷最大波動裕量指標較初始出力策略有明顯提升，從27.48%提高至44.46%，且平均日負荷波動率也有所下降，從12.16%減少至5.56%。

綜上，本文所提策略解決了在用電高峰時段系統靈活性不足問題，并且每一個時段都滿足了凈負荷最大允許裕量，有效提升了電力系統的靈活性。

對上述四種策略進行優化計算，得到的系統運行結果如表1。在低碳方面，策略1在引入了TCT機制后，比策略2碳交易成本下降了929萬元，即減少了24.19%，碳排放量也下降了0.36×106t，即下降了10.76%，并且其他三個策略的碳排放量和碳交易成本較策略2都有下降，說明TCT機制對降低碳排放量和碳交易成本有一定效果；在靈活性方面，策略1、2、3平均凈負荷波動率相差并不多，其中策略1的波動率最小，由于只考慮靈活性，策略4的平均凈負荷波動率有明顯降低；在經濟性方面，考慮經濟性的策略3總運行成本是四個場景中最低的，因此經濟效益是最高的，但策略1在剩余三個場景中也有著不錯的經濟效益；綜上，策略1可提升系統并網經濟效益和系統靈活性，并有良好的碳減排效果，達到了經濟效益、低碳、靈活性各方面平衡，綜合性能最優。

4 結束語

本文提出了新型電力系統電源經濟靈活協同優化出力模型，通過改進NSGA-Ⅱ算法求解，并用修改的算例分析驗證，得到以下結論：

1）本文研究新能源協調火電機組的最優出力策略，并設置對比驗證了本文策略在保證經濟效益的基礎上有效降低平均凈負荷波動率，能兼顧系統的經濟性和靈活性，實現綜合效益最優。

2）將原NSGA-Ⅱ算法改進，并以ZDT1為測試函數與原NSGA-Ⅱ、MOPSO、MOEA/D進行對比，通過比較IGD指標曲線得出了本文提出的改進NSGA-Ⅱ算法綜合性能最強，驗證了新算法在雙目標優化問題中的優勢。

3）引入TCT機制后碳交易成本和碳排放量分別下降了24.19%和10.76%，說明相較于傳統的碳交易方式，TCT更有利于清潔能源機組上網，降碳效果和經濟性更優。

［ 參 考 文 獻 ］

［1］ 中央財經委員會. 習近平主持召開會議：構建以新能源為主體的新型電力系統. 北京：共產黨員網站， [EB/OL]. [2021-03-15]. https：∥www.12371.cn/2021/03/15/ARTI1615813934096145.shtml.

[2] XIAN LIU， XU WILSUN. Minimum emission dispatch constrained by stochastic wind power availability and cost[J]. IEEE Trans-actions on Power Systems， 2010， 25（03）：1705-1713.

[3] AHMED YOUSUF SABER， GANESH KUMAR VENAYAGAMOORTHY. Intelligent unit commitment with vehicle-to-grid—A cost-emission optimization[J]. Journal of Power Sources， 2009， 195（03）：898-911.

[4] 陳錦鵬，胡志堅，陳嘉濱，等. 考慮階梯式碳交易與供需靈活雙響應的綜合能源系統優化調度[J]. 高電壓技術，2021，47（09）：3094-3106.

[5] 張曉輝，劉小琰，鐘嘉慶. 考慮獎懲階梯型碳交易和電熱轉移負荷不確定性的綜合能源系統規劃[J]. 中國電機工程學報，2020，40（19）：6132-6142.

[6] 楊歡紅，謝明洋，黃文燾，等. 含廢物處理的城市綜合能源系統低碳經濟運行策略[J]. 電網技術，2021，45（09）：3545-3552.

[7] 王守相，陳建凱，王洪坤，等. 綜合考慮電動汽車充電與儲能及可中斷負荷調度的配電網兩階段靈活性提升優化方法[J]. 電力自動化設備，2020，40（11）：1-10.

[8] 高慶忠，趙琰，穆昱壯，等. 高滲透率可再生能源集成電力系統靈活性優化調度[J]. 電網技術，2020，44（10）：3761-3768.

[9] 趙福林，俞嘯玲，杜詩嘉，等. 計及需求響應的含大規模風電并網下電力系統靈活性評估[J]. 電力系統保護與控制，2021，49（01）：42-51.

[10] 李靜軒，周明，朱凌志，等. 可再生能源電力系統運行靈活性需求量化及優化調度方法[J]. 電網技術，2021，45（07）：2647-2656.

[11] DEB K， PRATAP A， AGARWAL S， et al. A fast and elitist multiobjective genetic algorithm： NSGA-Ⅱ [J]. IEEE Transactions on Evolutionary Computation， 2002， 6（02）： 182-197.

[12] RAHUL B. KASAT， SANTOSH K. GUPTA. Multi-objective optimization of an industrial fluidized-bed catalytic cracking unit （FCCU） using genetic algorithm （GA） with the jumping genes operator[J]. Computers and Chemical Engineering，2003，27（12）：1785-1800.

[13] 葛曉琳， 金 言， 夏 澍， 等. 面向調峰調頻需求的風水火電協調優化調度[J]. 電網技術， 2019， 43（11）： 3917-3926.

A New Power System Collaborative Optimization OutputStrategy under Tiered Carbon Trading

WANG Xinzhi1，HUANG Wentao1，HE Zhongwei2，HE Jun1，LUO Jie1，DENG Minghui1

（1 School of Electrical and Electronic Engineering， Hubei Univ. of Tech.， Wuhan 430068，China;2 Enshi Power Supply Company， State Grid Hubei Electric Power Company， Enshi 445000， China）

Abstract： With the increase in the proportion of new energy in the power system， the contradiction between the comprehensive economic benefits of the system and the lack of flexibility in output regulation caused by fluctuations in new energy has intensified. To this end， this paper proposes a power economy flexible synergistic optimization output strategy. In order to constrain carbon emissions and carbon trading costs， a carbon trading mechanism is introduced to model carbon emissions quotas and actual carbon emissions in the system， and convert carbon emissions into dispatch resources with economic value. Aiming at the lack of flexibility of the high proportion of new energy system， the system flexibility supply and demand capability is analyzed and a power economy flexible collaborative optimal scheduling model is established. Then， the NSGA Ⅱ algorithm is improved by roulette selection and jumping genes to improve the model solving efficiency. Finally， the improved IEEE30 node is taken as an example for simulation analysis and comparison. The results show that the model proposed in this paper is effective.

Keywords： new power system; collaborative optimization; improved NSGA-Ⅱ algorithm; tiered carbon trading; power system flexibility

［責任編校： 張巖芳］

［收稿日期］ 2022-05-26

［基金項目］ 湖北工業大學博士基金（BSQD2019013）

［第一作者］ 王歆智（1996-），男，湖北十堰人，湖北工業大學碩士研究生，研究方向為電網安全穩定與控制。

［通信作者］ 黃文濤（1984-），男，湖北武漢人，湖北工業大學高級工程師，研究方向為電網安全穩定與控制。