0 引言

　　可再生能源高速增長推動中國能源消費(fèi)清潔化轉(zhuǎn)型的同時 [1] ，其不確定性和源網(wǎng)矛盾也帶來了嚴(yán)重的棄風(fēng)棄光問題。從技術(shù)和管理多措并舉解決這一問題，成為行業(yè)的焦點(diǎn) [2] 。以促進(jìn)可再生能源消納作為重要任務(wù)之一的中國電力市場改革，已開展了諸多嘗試。一方面，建立了以現(xiàn)貨交易 [3] 、調(diào)峰市場 [4] 、調(diào)頻市場 [5] 為代表的市場框架，能夠在縮短調(diào)度、物理交割交易周期，充分調(diào)用系統(tǒng)靈活性資源方面發(fā)揮重要作用;另一方面，可再生能源正步入“后補(bǔ)貼”甚至“無補(bǔ)貼”時代，風(fēng)光發(fā)電平價、競價上網(wǎng)，可再生能源項(xiàng)目競標(biāo)并網(wǎng) [6] ，正促使可再生能源電力回歸真實(shí)價值，發(fā)揮電力市場配置優(yōu)化資源的重要作用。電網(wǎng)消納能力是實(shí)現(xiàn)新能源平價上網(wǎng)的必要前提。為解決當(dāng)前棄風(fēng)棄光矛盾，在積極推進(jìn)外送跨區(qū)消納的同時，進(jìn)一步挖掘就地消納潛力也是一個關(guān)鍵途徑。以新疆、甘肅為代表的西北地區(qū)，普遍面臨著自備電廠裝機(jī)過多引發(fā)的系統(tǒng)調(diào)峰能力不足問題，因此，通過常規(guī)電源與風(fēng)光電源的發(fā)電權(quán)交易擴(kuò)增可再生能源上網(wǎng)空間，具有較強(qiáng)的操作性和經(jīng)濟(jì)可行性，是緩解棄風(fēng)棄光問題的重要途徑。

　　近年來局部地區(qū)電網(wǎng)的企業(yè)自備電廠裝機(jī)比例有上升趨勢，引發(fā)了諸多矛盾。由于自備電廠對沖了部分工業(yè)負(fù)荷容量，減小了波動性電源的發(fā)電空間;而其機(jī)組容量小，燃燒效率低，污染嚴(yán)重;另外，部分自備電廠管理監(jiān)督不到位，存在安全隱患。在電力裝機(jī)愈加充足、全國電網(wǎng)互聯(lián)規(guī)模不斷擴(kuò)大、清潔能源比例逐漸攀升的形勢下，減少或者改造自備電廠，成為必然選擇。但是直接關(guān)閉自備電廠，迫使企業(yè)全部依靠電網(wǎng)供電，并非合理之舉。而風(fēng)電企業(yè)與自備電廠通過發(fā)電權(quán)交易，可以保證企業(yè)的收益，同時增加風(fēng)電上網(wǎng)電量。

　　已有關(guān)于發(fā)電權(quán)交易的研究大多集中在其市場屬性上，對宏觀的市場模式 [7-8] 和參與方的交易策略 [9-10] 關(guān)注較多。而在發(fā)電權(quán)交易效果評估優(yōu)化方面，研究工作相對較少，現(xiàn)有發(fā)電權(quán)交易的效益分析多聚焦于節(jié)煤、減排兩方面 [11-16] ，且大多基于歷史運(yùn)行數(shù)據(jù)統(tǒng)計而來;部分涉及消納能力提升效果的評估多為策略優(yōu)化結(jié)果的簡單比較，缺少成體系的完整模型和機(jī)理分析。另外，多采用機(jī)組組合方法，其本質(zhì)依然屬于經(jīng)濟(jì)調(diào)度范疇，對交易信息平臺要求較高，在現(xiàn)貨市場建設(shè)還未成形的條件下，落地應(yīng)用還有難度;該方法對時序數(shù)據(jù)完整度要求較高，且局限于日內(nèi)運(yùn)行優(yōu)化，難以適用于發(fā)電權(quán)交易常用的月、年尺度。

　　本文以月、年等中長期尺度的隨機(jī)生產(chǎn)模擬為方法基礎(chǔ)，分析發(fā)電權(quán)交易促進(jìn)新能源消納的效益。在對發(fā)電權(quán)交易執(zhí)行方式及影響因素進(jìn)行原理性分析基礎(chǔ)上，構(gòu)建了基于源荷概率模型的風(fēng)電消納量關(guān)鍵指標(biāo)計算方法，量化分析其促進(jìn)新能源消納、減少棄風(fēng)的效益;結(jié)合自備電廠的運(yùn)行特征和發(fā)電權(quán)交易的交易特點(diǎn)，探究發(fā)電權(quán)交易時間、交易功率等關(guān)鍵參數(shù)對降低棄風(fēng)量的影響，進(jìn)一步優(yōu)化交易效果。最后通過完整的算例進(jìn)行了驗(yàn)證。

　　1 發(fā)電權(quán)交易執(zhí)行方式及影響因素分析

　　自備電廠通過與風(fēng)電企業(yè)進(jìn)行發(fā)電權(quán)交易將本廠的發(fā)電電量騰讓給風(fēng)電機(jī)組，廠內(nèi)負(fù)荷需多購系統(tǒng)電力來滿足供應(yīng)，增加了系統(tǒng)供電負(fù)荷進(jìn)而擴(kuò)大了風(fēng)電上網(wǎng)電量空間。

　　發(fā)電權(quán)交易雙方通過雙邊協(xié)商、集中交易等方式確定月度或年度交易總電量后，電量實(shí)際執(zhí)行有 2 種方式：(1)利用 AGC 系統(tǒng)對風(fēng)電限電電量進(jìn)行發(fā)電權(quán)交易 [15] ;(2)由調(diào)度部門在日前編制雙方發(fā)電計劃 [7] ，電量交割按計劃進(jìn)行。其中，第 1 種方式基于實(shí)時信息進(jìn)行交易，對信息采集平臺要求較高。在該方式下，前期的計劃交易電量完全失去約束作用，交易執(zhí)行結(jié)果存在較大不確定性，雙方的經(jīng)濟(jì)效益難以預(yù)判。因此，本文主要基于第 2 種方式進(jìn)行分析。

　　現(xiàn)有實(shí)踐過程中，雙方的電量計劃是一種總量約束，實(shí)施中按照月度結(jié)算，當(dāng)月的誤差量必須在下一月份及時滾平，在年度進(jìn)行電量總清算，完成交易。在實(shí)際運(yùn)行中，電網(wǎng)部門需在日前為可再生能源電站制定發(fā)電權(quán)交易發(fā)電計劃，同時制定自備電廠的減出力發(fā)電計劃，使雙方按照既定曲線實(shí)時運(yùn)行，如圖 1 所示。

　　該種交易方式遵循“計劃電+市場電”的組成原則，方便計算過網(wǎng)電費(fèi)，可操作性強(qiáng)，調(diào)度成本較低，不必大規(guī)模更新調(diào)度方式，在現(xiàn)貨市場建設(shè)過渡期具有很好的適用性。但該方式對系統(tǒng)調(diào)度部門要求較高，消納提升量完全取決于日內(nèi)的運(yùn)行計劃的編制，自備電廠削減出力水平將直接影響系統(tǒng)消納能力，日內(nèi)計劃編制時調(diào)度人員應(yīng)依據(jù)風(fēng)資源和企業(yè)負(fù)荷情況進(jìn)行判斷。因此，本文嘗試從中長期角度對運(yùn)行計劃的編制給出參考信息，幫助調(diào)度人員合理安排月內(nèi)每天的運(yùn)行方式，實(shí)現(xiàn)風(fēng)電消納提升最大化與月度電量執(zhí)行偏差最小化的最佳平衡。

　　棄風(fēng)功率是影響發(fā)電權(quán)是否進(jìn)行交易的直接因素，而風(fēng)力資源是影響發(fā)電權(quán)交易是否執(zhí)行的間接因素。在本文所聚焦的時間范圍和執(zhí)行方式下，調(diào)度人員能夠通過歷年積累的風(fēng)資源數(shù)據(jù)對未來月的風(fēng)電理論功率分布進(jìn)行預(yù)測，其難度較直接預(yù)測棄風(fēng)情況更低，因此，風(fēng)電理論功率(限電前風(fēng)電功率)將作為影響發(fā)電權(quán)交易效果的主要因素。發(fā)電權(quán)交易啟動時的風(fēng)電理論功率閾值設(shè)置太小時，發(fā)電權(quán)交易電量上升，但火電機(jī)組負(fù)荷率下降甚至停機(jī)，造成系統(tǒng)電源向上調(diào)峰能力不足;風(fēng)電理論功率閾值設(shè)置太大則限制消納量。因此，合理設(shè)置啟動交易時的風(fēng)電理論功率閾值能夠保證消納電量和系統(tǒng)安全。此外，最大交易功率受自備電廠可減少發(fā)電功率的影響，決定了發(fā)電權(quán)交易的最大潛力。

　　由于風(fēng)電的不確定性，部分時刻的發(fā)電權(quán)交易分解電量可能執(zhí)行不足，風(fēng)電理論功率難以滿足自備電廠所屬企業(yè)的用電需求，因此除了配合完善的結(jié)算校核機(jī)制外，本文在中長期預(yù)排計劃中根據(jù)風(fēng)資源情況給出最佳交易時段。

　　綜上，發(fā)電權(quán)交易優(yōu)化的目的是給出日內(nèi)交易時間、自備電廠最大允許交易功率、啟動交易風(fēng)電理論功率閾值 3 類參數(shù)的確定方法，對日內(nèi)計劃的編制提供指導(dǎo)信息。

　　2 風(fēng)電棄電評估概率模型

　　以發(fā)電權(quán)交易減少的棄風(fēng)電量作為主要評價指標(biāo)，計算中長期風(fēng)電消納電量是本文方法核心。

　　2.1 棄風(fēng)限電的概率原理

　　系統(tǒng)發(fā)生棄風(fēng)的典型場景為負(fù)荷低谷且風(fēng)資源豐富時，系統(tǒng)內(nèi)常規(guī)電源無法下調(diào)功率，導(dǎo)致部分風(fēng)電無法上網(wǎng)而發(fā)生棄風(fēng)。在中長期場景下，風(fēng)電預(yù)測不準(zhǔn)甚至無法預(yù)測，時序方法應(yīng)用受限，因此，本文基于隨機(jī)生產(chǎn)模擬方法進(jìn)行中長期棄風(fēng)電量評估。

　　對一段時期內(nèi)的負(fù)荷進(jìn)行統(tǒng)計，形成累積概率分布曲線(見圖 2)。機(jī)組組合方法中優(yōu)化電源出力以滿足負(fù)荷需求的過程對應(yīng)于隨機(jī)生產(chǎn)模擬中對負(fù)荷曲線包絡(luò)面積進(jìn)行填充。隨機(jī)生產(chǎn)模擬的本質(zhì)是概率體系下的電量平衡，以風(fēng)電功率長期概率分布代替時序數(shù)據(jù)進(jìn)行電量計算。

　　以圖 2 為例，機(jī)組 A 承擔(dān)系統(tǒng)基荷，該部分負(fù)荷的累積概率為 1，A 的所有發(fā)電量均可直接消納，沒有棄電現(xiàn)象。機(jī)組 B 承擔(dān)負(fù)荷區(qū)段累積概率小于 1，若機(jī)組不能有效調(diào)節(jié)其功率大小，則有一定概率會發(fā)生棄電。機(jī)組各狀態(tài)有一定的發(fā)生概率，因此該部分面積與發(fā)電概率乘積代表?xiàng)夒娍偭科谕?/p>

　　2.2 棄風(fēng)電量評估計算

　　假設(shè)目標(biāo)系統(tǒng)內(nèi)包括火電和風(fēng)電兩類電源，火 電 機(jī) 組 由 公 網(wǎng) 統(tǒng) 一 調(diào) 度 ( 以 下 簡 稱 為 “ 統(tǒng)調(diào)”)的火電機(jī)組和自備電廠機(jī)組組成。根據(jù)風(fēng)電優(yōu)先原則，機(jī)組生產(chǎn)安排時，除了火電機(jī)組必須滿足的最小出力(基荷)之外，首先安排風(fēng)電機(jī)組，然后安排剩余火電機(jī)組容量。如果火電基荷與風(fēng)電出力理論功率超過負(fù)荷峰值，則會發(fā)生棄風(fēng)。隨機(jī)生產(chǎn)模擬 [17] 的步驟如下。

　　(1)根據(jù)歷史數(shù)據(jù)生成研究周期內(nèi)區(qū)域內(nèi)公網(wǎng)發(fā)電負(fù)荷(不含自備電廠供電負(fù)荷)的等效持續(xù)負(fù)荷曲線(equivalent load duration curve, ELDC)。

　　基于等效電量函數(shù)法，對等效持續(xù)曲線進(jìn)行離散化，生成電力負(fù)荷序列 [18] 。

　　等效持續(xù)負(fù)荷曲線定義為

　　(7)安排剩余的火電機(jī)組參與生產(chǎn)，填補(bǔ)未滿足電量。安排方式同上。

　　需要說明的是，風(fēng)電在 ELDC 下的安排位置僅取決于火電機(jī)組的基荷容量位置，因此，該方法暗含了風(fēng)電與系統(tǒng)負(fù)荷為獨(dú)立變量的假設(shè)。已有研究根據(jù)實(shí)際運(yùn)行數(shù)據(jù)證明了風(fēng)電功率與負(fù)荷之間呈現(xiàn)弱相關(guān)性 [19] ，也顯示二者之間的相關(guān)系數(shù)隨時間變化劇烈 [20] ，這都反映了運(yùn)行尺度下風(fēng)電波動性與負(fù)荷波動性關(guān)聯(lián)性較弱，二者之間峰谷值出現(xiàn)不同步的特征，與運(yùn)行經(jīng)驗(yàn)相吻合。因此，本文不考慮風(fēng)電、負(fù)荷的波動相關(guān)性、同時性等特征，隨機(jī)生產(chǎn)模擬方法獨(dú)立性條件自然滿足，該模型的評估結(jié)果能夠反映一段時間內(nèi)的棄能情況。

　　3 發(fā)電權(quán)交易優(yōu)化方法

　　本節(jié)基于棄風(fēng)評估模型對發(fā)電權(quán)交易進(jìn)行優(yōu)化，討論日內(nèi)交易時間、自備電廠最大允許交易功率、啟動交易風(fēng)電理論功率閾值對減小棄風(fēng)量的影響。通過在固定交易時段和固定風(fēng)電功率區(qū)間內(nèi)進(jìn)行交易的方式，進(jìn)行生產(chǎn)模擬計算，獲得不同參數(shù)設(shè)置下的棄風(fēng)情況，給出最優(yōu)交易方案。在生產(chǎn)模擬中，假設(shè)自備電廠少發(fā)的電量完全由風(fēng)電企業(yè)提供，系統(tǒng)等效持續(xù)負(fù)荷曲線無變化，而公網(wǎng)上網(wǎng)風(fēng)電累積概率曲線發(fā)生變化。風(fēng)電累積概率曲線如何變化是分析重點(diǎn)。

　　3.1 交易場景選擇

　　在中長期交易優(yōu)化中，應(yīng)首先確定發(fā)電權(quán)交易的時段范圍和風(fēng)電理論功率范圍。對研究周期

　　4 算例分析

　　4.1 仿真系統(tǒng)

　　以北方某省級電網(wǎng)歷史數(shù)據(jù)進(jìn)行供暖季內(nèi)1—3 月份的逐月模擬計算。該地區(qū)全網(wǎng)最大發(fā)電負(fù)荷為 27 330 MW，最小發(fā)電負(fù)荷 19 082 MW，發(fā)電負(fù)荷均值為 23 309 MW?？傃b機(jī)容量 46 800 MW，其中煤電 33 000 MW，水電 800 MW，風(fēng)電約13 000 MW。統(tǒng)調(diào)火電機(jī)組裝機(jī)容量為 26 760 MW，自備電廠裝機(jī)容量 6 240 MW。由于水電容量較小，且供暖季內(nèi)水資源匱乏，可暫忽略水電機(jī)組。供暖季部分統(tǒng)調(diào)火電機(jī)組運(yùn)行狀態(tài)調(diào)整為熱電聯(lián)產(chǎn)(CHP)模式，容量為 15 980 MW，全部在線運(yùn)行，最小穩(wěn)定發(fā)電功率為額定容量的 80%。

　　統(tǒng)調(diào)非供暖機(jī)組容量為 10 780 MW，最小穩(wěn)定發(fā)電功率約為額定容量的 50%，各月在線運(yùn)行機(jī)組有所變化，根據(jù)實(shí)際棄風(fēng)率試算，形成典型運(yùn)行場景，如表 1 所示。

　　4.2 發(fā)電權(quán)交易對風(fēng)電概率特性的影響模擬

　　本文嘗試在較寬的數(shù)據(jù)范圍內(nèi)，選取不同的日內(nèi)交易時段、啟動交易風(fēng)電理論功率閾值與最大交易功率參數(shù)組合，分析棄風(fēng)指標(biāo)的變化情況。圖 5 顯示了在啟動交易風(fēng)電理論功率閾值為2 000 MW 和最大交易容量為 5 000 MW 時，不同電理論功率與自備電廠所屬企業(yè)新增用電功率之差，簡稱“置換后風(fēng)電理論功率”)累積概率曲線的變化情況。仿真結(jié)果顯示，該措施主要對置換后風(fēng)電理論功率概率曲線的低功率部分產(chǎn)生影響，這反映出該地區(qū)在風(fēng)電理論功率較小時段，其概率分布曲線下降沿在發(fā)電權(quán)交易作用下變得更加平緩。

　　圖 6 顯示了不同最大交易功率與啟動交易風(fēng)電理論功率閾值下概率曲線的變化情況，圖中每條曲線的時段設(shè)置與圖 5 完全一致?？梢钥闯?，啟動交易風(fēng)電理論功率閾值越低，最大交易功率越大，置換后風(fēng)電理論功率曲線的修正越明顯。

　　但是圖 6c)、d)說明最大交易功率為 4 000 MW時，降低啟動交易風(fēng)電理論功率閾值已經(jīng)很難對風(fēng)電產(chǎn)生影響。另一方面，不同的功率配置下，僅有置換后風(fēng)電理論功率概率分布曲線低功率部分變化，發(fā)電權(quán)交易在具體實(shí)行過程中還應(yīng)考慮地區(qū)風(fēng)資源情況進(jìn)行靈活調(diào)度。

　　4.3 發(fā)電權(quán)交易促進(jìn)消納效果評估

　　本文算例計算機(jī)硬件環(huán)境為 Intel core i7-6700HQ 2.60Hz(CPU)\16GB RAM，軟件環(huán)境為Matlab R2018b。計算速度方面，單組參數(shù)進(jìn)行單月消納評估計算的時間為 12~40 s，較常規(guī)的機(jī)組組合模型求解速度有大幅提升。

　　在發(fā)電權(quán)交易效果對參數(shù)敏感度仿真中，以1—3 月份為研究對象，假定風(fēng)電理論功率一旦大于 4 000 MW，即可開始進(jìn)行發(fā)電權(quán)交易，圖 7 顯示了系統(tǒng)內(nèi)消納情況與發(fā)電權(quán)交易功率、交易時段兩者之間的關(guān)系。

　　在系統(tǒng)原始情況下，1—3 月份的初始棄風(fēng)率分別為 35%、33%、36%。具體來看，當(dāng)一天內(nèi)有14 h 允許發(fā)電權(quán)交易、最大交易功率為 3 000 MW時，1 月份棄風(fēng)率可控制在 20% 以下，2、3 月份分別為 24% 和 22%，較 1 月份響應(yīng)程度略低。另外，相比于 3 月份，1、2 月份的棄風(fēng)率下降較快段集中于交易時間長、交易功率大的情景下。

　　依然選擇 1—3 月份為研究月，對消納效果與最大交易功率和啟動交易風(fēng)電理論功率閾值兩參數(shù)的關(guān)系進(jìn)行數(shù)值模擬，仿真結(jié)果如圖 8 所示，此時交易時間設(shè)定為 10 h?？梢钥闯?，兩參數(shù)的二維平面上色階分布呈倒“L”型，這說明在最大交易功率較小時，棄風(fēng)情況隨最大交易功率的增加而快速減小，當(dāng)超過 1 000~1 500 MW 時，棄風(fēng)率對交易功率值敏感度快速下降。而當(dāng)啟動交易風(fēng)電理論功率閾值較高時，棄風(fēng)率隨該參數(shù)的下降而快速降低，但是降至 4 000 MW 后，棄風(fēng)率變化不再明顯。

　　若自備電廠最大交易功率設(shè)定為 2 000 MW，啟動交易風(fēng)電理論功率閾值為 3 500 MW 以下時，1—3 月份的棄風(fēng)率可以分別控制在 25%、28%、28% 水平上，系統(tǒng)的可再生能源消納能力增強(qiáng)。

　　在相同的算例系統(tǒng)中，對比文獻(xiàn) [21] 的計算結(jié)果可知，與火電機(jī)組靈活性改造相比，發(fā)電權(quán)交易提升消納效果作用有限，在火電深度調(diào)峰潛力用盡時，發(fā)電權(quán)交易可以作為備用措施參與消納。

　　5 結(jié)論

　　本文在總結(jié)發(fā)電權(quán)交易執(zhí)行方式和影響因素的基礎(chǔ)上，基于隨機(jī)生產(chǎn)模擬方法建立了適用于自備電廠與風(fēng)電企業(yè)發(fā)電權(quán)交易提升風(fēng)電消納效果的中長期評估模型，提出了交易關(guān)鍵參數(shù)的優(yōu)化方案。通過仿真研究了發(fā)電權(quán)交易對增強(qiáng)系統(tǒng)消納能力的促進(jìn)作用，得到了以下結(jié)論。

　　(1)實(shí)時運(yùn)行中，發(fā)電權(quán)交易時段設(shè)置直接影響最大消納潛力，應(yīng)適當(dāng)放開發(fā)電權(quán)交易時段限制。

　　(2)總體來看，發(fā)電權(quán)交易具有棄風(fēng)緩解作用。降低發(fā)電權(quán)啟動交易風(fēng)電理論功率閾值、增加最大交易功率均可增強(qiáng)消納提升作用，但效果提升緩慢，最理想工況(日內(nèi)運(yùn)行 14 h、最大交易功率 3 000 MW、啟動交易風(fēng)功率閾值 4 000 MW)下僅能將供暖季內(nèi) 1 月份的棄風(fēng)率控制在 20% 水平。

　　本文所提方法能夠在規(guī)劃階段將發(fā)電權(quán)交易納入計算框架，并為后期運(yùn)行中交易時段設(shè)計等關(guān)鍵參數(shù)優(yōu)化提供快速簡潔的試算方法，計算速度較常規(guī)生產(chǎn)模擬有明顯提升，提高了遠(yuǎn)期市場機(jī)制設(shè)計與系統(tǒng)運(yùn)行邊界確定的決策能力，也為市場參與方電量估算提供了參考信息。

　　參考文獻(xiàn)：

　　IRENA: Renewable capacity statistics 2018[R]. 2018. [1]張正陵. 中國“十三五”新能源并網(wǎng)消納形勢、對策研究及多情景運(yùn)行模擬分析 [J]. 中國電力, 2018, 51(1): 2–9.ZHANG Zhengling. Research on situation and ermeasures ofnew energy integration in the 13th five-year plan period and its multi-scenario simulation[J]. Electric Power, 2018, 51(1): 2–9.[2]

　　PEI W, DU Y, DENG W, et al. Optimal bidding strategy and [3]intramarket mechanism of microgrid aggregator in real-timebalancing market[J]. IEEE Transactions on Industrial Informatics,2016, 12(2): 587–596.

　　胡朝陽, 畢曉亮, 王珂, 等. 促進(jìn)負(fù)備用跨省調(diào)劑的華東電力調(diào)峰輔助服務(wù)市場設(shè)計 [J]. 電力系統(tǒng)自動化, 2019, 43(5): 175–182.

　　HU Zhaoyang, BI Xiaoliang, WANG Ke, et al. Design of peakregulation auxiliary service market for East China power grid topromote inter-provincial sharing of negative reserve[J]. Automationof Electric Power Systems, 2019, 43(5): 175–182.

　　[4]MOISEEVA E, HESAMZADEH M R, BIGGAR D R. Exercise ofmarket power on ramp rate in wind-integrated power systems[J].IEEE Transactions on Power Systems, 2015, 30(3): 1614–1623.

　　[5]XU R H, SONG Z X, TANG Q F, et al. The cost and marketability ofrenewable energy after power market reform in China: a review[J].Journal of Cleaner Production, 2018, 204: 409–424.

　　[6]華夏, 羅凡, 張建華, 等. 促進(jìn)新能源消納的自備電廠發(fā)電權(quán)交易模式可行性探討 [J]. 電力系統(tǒng)自動化, 2016, 40(12): 200–206.HUA Xia, LUO Fan, ZHANG Jianhua, et al. Feasibility analysis oftrade mode promoting new energy consumption based on generationrights trade of self-generation power plants[J]. Automation of Electric

　　Power Systems, 2016, 40(12): 200–206.

　　[7]施泉生, 劉坤, 溫蜜. 基于區(qū)塊鏈技術(shù)的跨省發(fā)電權(quán)交易模型 [J].電力建設(shè), 2017, 38(9): 15–23.SHI Quansheng, LIU Kun, WEN Mi. Interprovincial generationrights trading model based on blockchain technology[J]. ElectricPower Construction, 2017, 38(9): 15–23.

　　[8]XUE B K, QI T X, ZHANG W, et al. Research on market biddingmechanism of generation rights trade for promoting new energyconsumption[J]. The Journal of Engineering, 2017, 2017(13):1378–1382.

　　何永秀, 宋棟, 夏天, 等. 基于合作博弈論的常規(guī)能源與新能源發(fā)電權(quán)置換交易模式研究 [J]. 電網(wǎng)技術(shù), 2017, 41(8): 2485–2490.

　　HE Yongxiu, SONG Dong, XIA Tian, et al. Mode of generation righttrade between renewable energy and conventional energy based oncooperative game theory[J]. Power System Technology, 2017, 41(8):2485–2490.

　　[10]張顯, 耿建, 龐博, 等. 發(fā)電權(quán)交易在中國節(jié)能減排中的應(yīng)用及分析 [J]. 電力系統(tǒng)自動化, 2014, 38(17): 87–90, 129.

　　ZHANG Xian, GENG Jian, PANG Bo, et al. Application andanalysis of generation right trade in energy-saving and emissionreduction in China[J]. Automation of Electric Power Systems, 2014,38(17): 87–90, 129.

　　[11]LIU Y X, ZHANG N, KANG C, et al. Impact of carbon market onChina's electricity market: an equilibrium analysis[C]//2017 IEEEPower & Energy Society General Meeting, July 16–20, 2017.

　　Chicago, IL. IEEE, 2017: 1–5.[12]LI S T, ZHANG S F, ANDREWS-SPEED P. Using perse market-based approaches to integrate renewable energy: experiences fromChina[J]. Energy Policy, 2019, 125: 330–337.

　　[13]王雁凌, 邱小燕, 許傳龍. 以節(jié)能降耗為目標(biāo)的發(fā)電權(quán)交易阻塞管

　　理模型 [J]. 電網(wǎng)技術(shù), 2012, 36(6): 272–276.WANG Yanling, QIU Xiaoyan, XU Chuanlong. Congestionmanagement of generation rights trade based on energyconservation[J]. Power System Technology, 2012, 36(6): 272–276.

　　[14]于昌海, 吳繼平, 王運(yùn), 等. 適應(yīng)發(fā)電權(quán)交易的可再生能源有功控制策略 [J]. 電力系統(tǒng)自動化, 2017, 41(9): 71–76.

　　YU Changhai, WU Jiping, WANG Yun, et al. Active power controlstrategy for renewable energy generation adapted to generation righttrade[J]. Automation of Electric Power Systems, 2017, 41(9): 71–76.

　　[15]江岳文, 余代海. 面向“互聯(lián)網(wǎng)+”的風(fēng)火發(fā)電權(quán)交易促進(jìn)風(fēng)電接納研究 [J]. 太陽能學(xué)報, 2019, 40(1): 249–258.JIANG Yuewen, YU Daihai. Research on power generation righttrading between wind farms and thermal units to promoteaccommodation of wind power through‘internet+'[J]. Acta EnergiaeSolaris Sinica, 2019, 40(1): 249–258.

　　[16]李海波, 魯宗相, 喬穎, 等. 基于非時序生產(chǎn)模擬的風(fēng)電消納評估方法 [J]. 電力建設(shè), 2015, 36(10): 129–137.

　　LI Haibo, LU Zongxiang, QIAO Ying, et al. evaluation method ofwind power accommodation capacity based on non-sequentialproduction simulation[J]. Electric Power Construction, 2015, 36(10):

　　[17]129–137.吳少雷, 馮玉, 吳凱, 等. 基于交換卷積的含高比例新能源電力系統(tǒng)運(yùn)行評估方法 [J]. 中國電力, 2019, 52(4): 25–31.WU Shaolei, FENG Yu, WU Kai, et al. Operation evaluation methodof high proportion renewable energy power system based on

　　exchange convolution[J]. Electric Power, 2019, 52(4): 25–31.

　　[18]LI Y, AGELIDIS V G, SHRIVASTAVA Y. Wind-solar resourcecomplementarity and its combined correlation with electricity loaddemand[C]//2009 4th IEEE Conference on Industrial Electronics andApplications, May 25–27, 2009. Xi'an, China. IEEE, 2009:3623–3628.

　　[19]ZHAO S J, XIE L, SINGH C. Cross-correlation study ofonshore/offshore wind generation and load in Texas[C]//2013 NorthAmerican Power Symposium (NAPS), September 22-24, 2013.Manhattan, KS, USA. IEEE, 2013: 1–5.

　　[20]馬彥宏, 姜繼恒, 魯宗相, 等. 基于隨機(jī)生產(chǎn)模擬的火電機(jī)組深度調(diào)峰提升新能源消納能力評估方法 [J]. 全球能源互聯(lián)網(wǎng), 2019, 2(1):35–43.

　　MA Yanhong, JIANG Jiheng, LU Zongxiang, et al. Assessmentmethod of conventional units with deep peak-shaving for renewableenergy accommodation based on probabilistic productionsimulation[J]. Journal of Global Energy Interconnection, 2019, 2(1):35–43.[21]

　　作者簡介：

　　徐昊亮 (1981—)，男，碩士，高級工程師，從事電力系統(tǒng)自動化、電網(wǎng)智能化規(guī)劃等方面研究，E-mail: 17523016@qq.com;

　　靳攀潤 (1985—)，男，碩士，高級工程師，從事電力系統(tǒng)繼電保護(hù)、智能電網(wǎng)規(guī)劃應(yīng)用等相關(guān)研究，E-mail:pf1091@163.com;

　　姜繼恒 (1994—)，男，通信作者，博士研究生，從事電力系統(tǒng)規(guī)劃研究，E-mail: jiheng1020@163.com;魯宗相 (1974—)，男，博士，副教授，從事風(fēng)電/太陽能發(fā)電并網(wǎng)分析與控制、能源與電力宏觀規(guī)劃、電力系統(tǒng)可靠性、分布式電源及微電網(wǎng)研究，E-mail: luzongxiang98@tsinghua.edu.cn;

　　喬穎 (1981—)，女，博士，副研究員，從事新能源、分布式發(fā)電、電力系統(tǒng)安全與控制研究，E-mail: qiaoying@tsinghua.edu.cn。