0 引言
近年来，为了推动清洁能源发展，国家推出了清洁能源优先发展战略，使得清洁能源发展步伐显著加快，我国风电、光伏新增装机容量均位列世界第一[1-2]。其中，东北电网为了响应这一战略，通过市场化途径提高清洁能源电量占比，东北能源监管局于2016 年11 月18 日印发了《东北电力辅助服务市场运营规则》，并于2017 年1 月1 日起施行。截至目前，该市场机制在接纳新能源方面取得了良好效果，仅在2016 年上半年，黑龙江省、吉林省和辽宁省的弃风率分别高达23%、39%和19%。而截至2019 年上半年，三省的弃风率已经分别下降至2.0%、3.3%和0.6%。表面上来看，该市场机制取得了巨大成功，但与此同时，东北地区也逐渐面临着调峰难题，使得弃风率降低的进程停滞不前，甚至还有反弹的趋势。造成这一难题的原因一方面是由于东北地区的新能源建设步伐显著加快[3]，而在另一方面，现行的调峰辅助服务市场机制无法充分调动所有火电机组的调峰积极性则是造成这一难题的主要原因。随着新能源的建设步伐进一步加快，现行的调峰辅助服务市场机制将难以维持市场的良性运行。因此，迫切需要提出新的市场机制，以调动所有火电机组积极参与调峰，引导东北电力市场向着健康、良性的方向发展。
在我国，调峰问题一直是众多学者研究的焦点。文献[4-8]提出可以利用储能装置来降低电网存在的调峰压力。文献[9-11]提出可以通过给机组配置储热装置的方式提高供热期机组的调峰能力。文献[12-14]根据机组的调峰成本以及容量差异，设计了机组提供调峰辅助服务的补偿方法。文献[15]分析了调峰买卖双方的成本及收益，并设计了跨省低谷调峰市场。文献[16]在发电权交易的背景下，设计了风火之间的调峰定价机制。文献[17-18]根据华东电网的实际情况，设计了华东地区省间调峰辅助服务市场机制。文献[19-20]研究了高比例新能源并网场景下，多区域间的调峰互济方法。文献[21-22]结合东北地区大规模新能源并网的实际场景，介绍了东北区域调峰辅助服务市场机制与实践情况。上述研究虽为调峰辅助服务市场机制的研究提供了理论支持，但仍存在以下问题：①上述部分文献侧重于通过技术改造或者补偿的方式提高机组的调峰能力，却忽略了通过市场化途径提高系统的调峰能力；②上述对于调峰辅助服务市场机制的研究仅局限于省间市场机制的研究，而与省内调峰市场研究相关的文献都属于综述性文献，缺乏对于省内调峰市场的创新性研究。
本文在前述研究的基础上，首先分析了现行调峰辅助服务市场机制下，东北电网调峰存在的问题及问题存在的原因；然后根据现行调峰辅助服务市场机制存在的问题，有针对性地提出动态调峰辅助服务市场竞价机制，其中主要包括浮动调峰基准以及利于市场监管的报价规则；最后结合本文提出的市场机制建立了调峰辅助服务市场双层竞价调度模型，并以辽宁省电网的实际数据进行算例分析，验证了本文提出的动态调峰辅助服务市场竞价机制具有优越性。
1 动态调峰辅助服务市场竞价机制设计
1.1 现行调峰辅助服务市场竞价机制分析
1.1.1 现行调峰辅助服务市场竞价机制
由于本文针对东北地区的调峰交易困境进行实时调峰市场机制的设计，所以本文只介绍东北地区现行的实时深度调峰辅助服务市场竞价机制（以下简称为现行机制）。
在现行机制中，东北能源监管局将调峰辅助服务分为无偿调峰辅助服务和有偿调峰辅助服务两类（现行机制中的调峰辅助服务特指下调峰辅助服务）。无偿调峰辅助服务指的是开机的火电机组通过降低出力至有偿调峰基准以上提供的调峰辅助服务，而有偿调峰辅助服务指的是开机的火电机组通过降低出力至有偿调峰基准以下提供的调峰辅助服务。现行机制下火电厂的有偿调峰基准见表1。
表1 现行机制下火电厂的有偿调峰基准
Tab.1 Paid peak regulation benchmark for thermal power plants under the current mechanism
时期非供热期供热期火电厂类型 有偿调峰基准纯凝火电机组 平均负荷率50%热电机组 平均负荷率48%纯凝火电机组 平均负荷率48%热电机组 平均负荷率50%
表1 中的平均负荷率指的是开机的火电机组在单位统计周期（15min）内的平均负荷率，火电机组的平均负荷率为
式中，λi,n为机组i 在第n 个统计周期的平均负荷率；Pi,n 为机组i 在第n 个统计周期的平均出力值；Ca,i为机组i 的容量。
日前，各火电厂向交易中心上报调峰意愿（即是否有意愿参与调峰）及有功出力可调区间，有意愿参与调峰的火电厂还要根据报价规则上报各自的报价，现行机制下的报价规则采取分两档报价的方式，具体报价规则见表2。
表2 现行机制下的报价规则
Tab.2 Quotation rules under the current mechanism
时期 报价档位火电厂类型火电厂负荷率(%)报价下限/[元/(kW·h)]报价上限/[元/(kW·h)]40～50非供热期纯凝火电机组第一档0 0.4热电机组40～48第二档 全部火电机组0～40 0.4 1纯凝火电机组40～48供热期第一档0 0.4热电机组40～50第二档 全部火电机组0～40 0.4 1
日内，由电力调度机构根据电网的实际调峰需求，优先调用无偿调峰辅助服务。如果无偿调峰辅助服务无法满足调峰需求，电力调度机组将根据日前的竞价结果由低到高调用有偿调峰辅助服务。
日后，交易中心将根据火电机组提供的各档有偿调峰电量及各档的系统边际价格进行结算。
现行机制下，提供调峰辅助服务的火电机组获得的调峰辅助服务费用由负荷率高于有偿调峰基准的火电厂、风电场、光伏电站及核电厂共同承担，由于本文不研究分摊规则，所以本文不再介绍现行的调峰辅助服务费用分摊机制。
1.1.2 现行机制存在的问题
由表1 所示的现行机制下的有偿调峰基准可以了解到：在现行机制下，任意一台火电机组的有偿调峰基准在某一特定时期下是一个固定值。例如，在非供热期，容量为600MW 的纯凝火电机组的有偿调峰基准在一日内均为300MW。
图1 为非供热期某600MW 的纯凝火电机组在某一日内的计划出力值曲线、调峰出力值曲线及现行机制下的有偿调峰容量基准曲线。通过观察图1可以分析得出：在负荷低谷时期，该机组出售了大量的有偿调峰电量，但由于现行机制下的有偿调峰基准是一个固定值且负荷低谷时期机组的计划出力值一般低于有偿调峰基准，所以可以了解到该机组在负荷低谷时期实际提供的调峰电量小于现行机制下该机组在负荷低谷时期出售的有偿调峰电量，即现行机制使得火电机组在负荷低谷时期获得了更多的调峰收入，同时也导致新能源机组在负荷低谷时期承担了更多的调峰辅助服务费用。而在负荷高峰时期，由于现行机制下的有偿调峰基准是一个固定值且负荷高峰时期机组的计划出力值要远大于有偿调峰基准，所以导致火电机组在负荷高峰时期实际提供的调峰电量要远大于现行机制下火电机组在负荷高峰时期出售的有偿调峰电量（两者的差值即为火电机组在负荷高峰时期提供的无偿调峰电量），即现行机制使得火电机组在负荷高峰时期获得了更少的调峰收入,甚至无调峰收入。
图1 现行机制下火电机组调峰示意图
Fig.1 Schematic diagram of thermal power unit peak regulation under the current mechanism
同时，又由于在现行机制下，火电机组在负荷低谷时期多获益的有偿调峰电量远小于在负荷高峰时期少获益的有偿调峰电量，使得火电机组的调峰积极性大打折扣。再者，又由于火电企业想要回收负荷高峰时期提供的无偿调峰电量的成本以及存在各火电企业联合抬高市场价格等违规操作的问题，导致现行机制下各火电机组的调峰报价很高，均趋于各档的报价上限，最终导致市场出清价格很高。
综上，现行机制主要存在两个问题：①调峰基准不合理，导致火电机组的调峰积极性不高；②火电机组的报价较高，导致市场出清价格过高。本文主要针对以上两个问题进行调峰辅助服务市场竞价机制的设计。
1.2 动态调峰辅助服务市场竞价机制
为了解决前文提到的现行机制存在的两个问题，本文制定浮动调峰基准及利于市场监管的报价规则，以形成本文的动态调峰辅助服务市场竞价机制（以下简称为动态机制）。
1.2.1 浮动调峰基准的制定
通过前文分析现行机制有偿调峰基准存在的问题可知：为了使各火电机组的结算调峰电量能够更接近各火电机组实际提供的调峰电量，在负荷高峰时期，新机制的调峰基准相比现行机制的有偿调峰基准应该更高，而在负荷低谷时期则应该更低，即动态机制下的调峰基准应该与负荷的波动趋势相同。
根据东北能源监管局的规定：各机组在没有接收到调度指令时应该运行在其计划出力值上[23]。辽宁省某日实际负荷曲线及净负荷预测曲线如图2 所示。由图2 可以看出，净负荷预测曲线与实际负荷曲线的波动趋势大致相同，因此本文建议将净负荷预测值按照火电机组的装机容量占比分配到每一台机组上作为动态机制下火电机组的计划出力值，并将各机组的计划出力值称为各机组的浮动调峰基准，故浮动调峰基准与负荷的波动趋势也大致相同。该浮动调峰基准相比于分别提高和降低负荷峰谷时期的调峰基准具有明显优势，因为系统的负荷与电源结构的不断变化会导致市场场景的变化，分别提高和降低负荷峰谷时期的调峰基准只能适应一时的市场场景，而根据净负荷预测值制定的浮动调峰基准则可以更好地适应未来场景的变化。
图2 辽宁省某日实际负荷曲线及净负荷预测曲线
Fig.2 Actual load curve and net load forecasting curve of a certain day in Liaoning Province
本文提出的动态机制规定：正常情况下，在各机组没有接收到调度指令时，各机组必须严格运行在计划出力值上（由于动态机制下机组的计划出力值是跟随负荷波动的，所以当机组运行在计划出力值上时，即可认为机组尽到了调峰义务，并且，机组故障时紧急调用厂内备用机组不算违背此项规定）。当某机组接收到调度指令而将出力调整至浮动调峰基准以上时，则视为该机组提供上调峰辅助服务。相反，当某机组接收到调度指令而将出力调整至浮动调峰基准以下时，则视为该机组提供下调峰辅助服务（本文调峰辅助服务定义中涉及的调度指令不包括事故发生时的应急调度指令）。同时，为了应对事故发生的情况，各机组应与所有备用机组签署双边合同，并将合同附件、机组故障时调用备用机组的优先级和各机组的备用容量交与调度中心报备。当某台机组出现事故时，机组所在电厂将优先调用厂内备用机组。若厂内备用机组无法满足故障机组在该调度时段的出力要求时，调度中心应根据实际的备用容量需求调用优先级较高且满足备用容量需求的机组，以满足故障机组在该调度时段的出力要求，并从下一个调度时段开始调整备用机组的出力值使得故障机组与备用机组的出力值之和跟随这两者的计划出力值之和（若因为故障机组停机导致调用冷备用机组时，则要求冷备用机组的出力值跟随故障机组的计划出力值）直至故障机组恢复正常。即在事故发生的下一个调度时段开始直至故障解除，故障机组与被调用的备用机组不得参与调峰竞价且不能提供调峰辅助服务。
1.2.2 机组调峰成本分析
若要分析各火电机组的调峰报价以制定新的报价规则，首先需要分析火电机组的调峰成本。由于机组参与上调峰时出力增加，机组总体收益增加，又顾及需要支持风电等新能源的发展，故本文提出的动态机制规定机组参与上调峰无需报价，也无调峰收入。因此，只需要分析机组参与下调峰的成本。
机组参与下调峰的成本主要分为两部分：一部分是由于机组下调出力而损失的发电收益，即机会成本；另一部分是由于机组下调出力引起机组燃烧效率发生变化，进而引起的煤耗成本。
机组参与下调峰的机会成本等于机组由于降低出力值而损失的发电收入扣除这部分电量的煤耗成本所得的值，机组提供下调峰辅助服务的机会成本可以表示为
式中，Copp,i,t 为机组i 在t 时刻提供下调峰辅助服务的机会成本；Pi,t,plan 为机组i 在t 时刻的计划出力值；Pi,t 为机组i 在t 时刻的实际出力值；ρe 为火电机组的上网电价；ρc 为燃煤价格；Fi 为火电机组i 的耗量特性函数，Fi(Pi,t,plan)为火电机组i 在t 时刻运行在计划出力值时的煤耗量；ai、bi、ci 为机组i 的耗量特性参数。
机组参与下调峰的煤耗成本等于机组剩余发电量的煤耗量与运行在计划出力值时发出同等电量对应的煤耗量相比的差值，机组提供下调峰辅助服务的煤耗成本可以表示为
式中，Ccoal,i,t 为机组i 在t 时刻提供下调峰辅助服务的煤耗成本。
机组参与下调峰的总成本可以表示为
式中，Ci,t 为机组i 在t 时刻提供下调峰辅助服务的总成本。
由此，可以推导出机组参与下调峰的边际成本为
式中，Mc,i,t 为机组i 在t 时刻提供下调峰辅助服务的边际成本；ΔPi,t 为机组i 在t 时刻提供的下调峰容量。
1.2.3 报价规则的制定
由于机组产出（提供的下调峰容量）不同时其边际成本是不同的，所以为了市场价格更为合理，即市场价格与边际成本的相关性更强，本文建议以产出为自变量、报价为因变量的报价函数作为各机组的报价规则。
若要制定较为合理的报价规则，首先要从火电机组的角度考虑问题，以允许所有的火电机组尽可能地实施他们的报价策略。而每个火电机组的目标都是其自身利润的最大化，即
式中，Ri,t 为机组i 在t 时刻提供下调峰辅助服务所获得的利润；Ii,t 为机组i 在t 时刻提供下调峰辅助服务所获得的调峰收入。每个火电机组利润最大化的一阶条件为
显而易见，式（8）右侧的部分就是机组提供下调峰辅助服务的边际成本，而机组的调峰收入等于系统下调峰边际价格与该机组提供下调峰容量的乘积，所以有
式中，mp,t 为t 时刻的系统下调峰边际价格。系统下调峰边际价格为
众所周知，在普遍的情况下，市场参与方的报价都是基于其报价等于系统边际价格的假设下制定的，即各机组都假定自己是边际机组。因此，各市场参与方的报价可以由系统边际价格的公式近似表达。所以，各机组的报价可以表示为
式中，Bi,t 为机组i 在t 时刻提供下调峰辅助服务的报价。
可以看出，所有机组的下调峰报价可以表示为每个机组参与下调峰的边际成本与另外一项的和。而在另外一项中，∂mp,t/∂ΔPi,t 其实就是每个机组的剩余需求曲线的斜率，即剩余需求函数的一阶导数。而剩余需求曲线可以通过市场需求曲线和其他机组的总供给曲线得出（剩余需求等于市场需求与其他机组总供给的差值），市场需求曲线与其他机组的总供给曲线可以从过去的市场数据中推测获得。
本文将∂mp,t/∂ΔPi,t 取正后的函数命名为决策函数，则决策函数为
式中，Si(ΔPi,t)为机组i 的决策函数。
所以，每个机组的报价函数的最终形式为
本文制定的报价规则规定：所有机组要在该市场机制运行前向交易中心及市场监管方上报自身的边际成本函数中的各项参数值（包括ai、bi、ci 以及ρc）并及时更新参数值，上报参数值的准确性应由市场监管方核实。而在交易日前，各机组应向交易中心上报决策函数，这样交易中心就可获得各台机组的报价函数，从而完成交易日内的竞价。为了便于模型求解，机组上报的决策函数必须为连续函数，但却未必要遵循式（13）的形式，因为式（13）只体现了众多竞价策略中的一种形式，机组上报的决策函数并不是一个已知的确定函数，而是一个不确定函数，它是由机组所掌握的市场信息及其实施的竞价策略所决定的（例如，若某台机组根据其掌握的市场信息分析得出，当该机组提供单位下调峰容量多获益3 元时其利润最大化。这时，该机组上报的决策函数就会是3/ΔPi,t），这样就保证了每台机组实施其竞价策略的自由性。而在结算的时候，市场监管方又可以通过将ΔPi,t代回报价函数和边际成本函数的方式来获得每个机组的具体报价值和边际成本，并以此来判断报价偏离机组实际边际成本的程度，防止各机组之间联合抬高市场价格，以保证市场健康运行。
2 调峰辅助服务市场双层竞价调度模型
2.1 双层竞价调度模型的结构
上层模型以系统的弃风弃光量最低为目标，通过考虑系统功率平衡约束、机组总出力值约束、机组总爬坡速率约束、机组总计划出力值爬坡速率约束以及新能源出力值约束，确定各时刻有意愿参与调峰的火电机组的总出力值及弃风弃光量，并将各时刻有意愿调峰的火电机组的总出力值结果传递到下层模型。
下层模型在需要调用不同类型的调峰辅助服务时选择不同的目标函数。在需要调用下调峰辅助服务的情况下，以购买下调峰辅助服务费用最低为目标，而在需要调用上调峰辅助服务的情况下，以系统的总煤耗成本最低为目标。再结合火电机组功率平衡约束、机组出力值约束、机组爬坡速率约束及机组计划出力值爬坡速率约束求解出各火电机组在各时刻的出力值、提供的调峰容量、各机组报价以及市场出清价格等结果。
2.2 上层模型
2.2.1 上层模型目标函数
调峰辅助服务市场除了有维持电网两端供需平衡的目标以外，其主要的目标就是在尽可能接纳新能源的基础上引导电力市场向着健康良性的方向发展[24]，故上层模型的目标为系统的弃风弃光量最低，即
式中，tQ 为t 时刻系统的弃风弃光量；Pnew,t,max 为t时刻系统内所有新能源机组的总出力能力；Pnew,t 为t 时刻系统内所有新能源机组的总出力值。
2.2.2 上层模型约束条件
1）系统功率平衡约束[25]
式中，
为 t 时刻系统内所有有意愿参与调峰机组的总出力值；
为t 时刻系统内所有无意愿参与调峰机组的总计划出力值；Pload,t 为t 时刻系统负荷值。
2）机组总出力值约束[26]
式中，Pmin,N 为系统内所有有意愿参与调峰机组的最小技术出力值之和；Pmin,b,N 为系统内所有有意愿参与调峰机组上报的最小出力值之和；
为t 时刻系统内所有有意愿参与调峰机组的计划出力值之和；Pmax,N为系统内所有有意愿参与调峰机组的最大技术出力值之和；Pmax,b,N 为系统内所有有意愿参与调峰机组上报的最大出力值之和。
3）机组总爬坡速率约束[27]
式中，Pup,N 为系统内所有有意愿参与调峰机组的最大向上爬坡速率之和；Pdown,N 为系统内所有有意愿参与调峰机组的最大向下爬坡速率之和；T 为统计周期时长，T=15min。
4）机组总计划出力值爬坡速率约束
由于动态机制规定未被调用调峰辅助服务的机组必须运行在计划出力值上，所以在某一时刻调用某一机组的调峰辅助服务时，必须要保证这个机组有能力在下一时刻回到计划出力值，以确保若出现下一时刻没有调用此机组的情况下，此机组的最大爬坡速率有能力使其回到计划出力值。所以对于有意愿参与调峰的所有机组整体，有约束
5）新能源出力值约束[28]
2.3 下层模型
2.3.1 下层模型目标函数
下层模型需要在不同的情况下调用不同的目标函数。在系统需要下调峰辅助服务时，根据优先调用低报价机组的原则，选择以购买下调峰辅助服务费用最低为目标函数调用下调峰辅助服务[29]。而在系统需要上调峰辅助服务时，由于此时各机组不需要报价，新能源机组无需承担调峰辅助服务费用，根据节能减排的原则，本文选择以系统的总煤耗成本最低为目标函数调用上调峰辅助服务[30]。故下层模型目标函数为
式中，Bt 为t 时刻系统购买下调峰辅助服务的总费用；
为t 时刻系统的总煤耗成本；N 为有意愿提供调峰的机组数量。
2.3.2 下层模型约束条件
1）火电机组功率平衡约束
2）机组出力值约束
式中，
为系统内有意愿参与调峰机组i 的最小技术出力值；
为系统内有意愿参与调峰机组i上报的最小出力值；
为系统内有意愿参与调峰机组i 的最大技术出力值；
为系统内有意愿参与调峰机组i 上报的最大出力值。
3）机组爬坡速率约束
式中，
为机组i 的最大向上爬坡速率；
为机组i 的最大向下爬坡速率。
4）机组计划出力值爬坡速率约束
如前所述，在某一时刻调用某一机组的调峰辅助服务时，必须保证这个机组有能力在下一时刻回到计划出力值，此约束为
3 调峰辅助服务市场结算方法
本文提出的动态机制以系统的调峰边际价格为市场出清价格，某一时段的市场出清价格的获得有以下三个步骤：
（1）首先，判断该时段调用的调峰辅助服务类型。若该时段调用的调峰辅助服务类型为上调峰辅助服务，则该时段的市场出清价格为0，否则转到步骤（2）。
（2）其次，将该时段的市场调度结果（即各机组的出力值）代入各机组上报的报价函数公式中，便可以得到各机组的下调峰辅助服务报价。
（3）最后，从步骤（2）计算得出的报价中筛选出被调用下调峰辅助服务的机组的报价，并将这些报价由低到高排列，队列中的最后一台机组即可被理解为被调用的最后一台机组（即系统边际机组），该台机组的报价即为市场出清价格。
各火电机组在各时段的调峰辅助服务收入为
新能源机组在各时段承担的总调峰辅助服务费用为
式中， ft 为在t 时刻新能源承担的总调峰辅助服务费用。
4 算例分析
本文采用辽宁省电网某典型日实际运行数据为基础构造算例，每个竞价调度时段为15min，即一天有96 个时段。本文选用LINGO 软件求解调峰辅助服务市场双层竞价调度模型，并对求解出的结果进行分析。
4.1 算例原始数据分析
本算例采用的辽宁省某典型日的实际负荷曲线，新能源功率曲线及净负荷曲线如图3 所示。
图3 辽宁省某日新能源功率及负荷曲线
Fig.3 New energy and load data of a certain day in Liaoning Province
表3 为辽宁省电网在该典型日开机的59 台火电机组数据。通过对表格中各火电机组的出力上下限值及爬坡速率数据的分析得出，所有火电机组的总出力上下限值分别为21 510MW 和6 611MW，对比该日的净负荷上下限（13 101.1MW 和10 077.2MW），可以了解到辽宁省具备富余的调峰容量。而所有火电机组的总爬坡速率为230.5MW/min，在一个时段内最大可调整出力值为3 457.5MW（=230.5MW/min×15min），远大于该日净负荷上下时刻波动最大值458.8MW，由此可知，辽宁省的火电机组容量富余且具备灵活性。综上所述，辽宁省电网具备富余的调峰容量与机组灵活性，而该日两个档位的市场出清价格均为档内的最高报价，所以可以推断出，在现行机制下，市场出清价格较高的原因大致分为两种；第一种原因是火电机组的调峰积极性不高，使得市场供给并非远大于需求，最终导致参与调峰的火电机组抬高报价；第二种原因是存在违规操作，即部分火电企业联合起来抬高市场价格。该结论恰好印证了第1 节中提到的现行机制存在的问题。
表3 算例火电机组数据
Tab.3 Example data of thermal power unit
机组编号 最大技术出力/MW最小技术出力/MW爬坡速率/(MW/min)1～4 350 70 3.5 5 300 70 4 6, 7 350 60 3.5 8 135 60 1.5 9, 10 330 80 4 11, 12, 58 350 120 3.5 13, 14 320 120 3.2 15, 16 600 90 6 17, 18 600 170 6 19 350 105 3.7 20, 21 350 130 3.5 22～27 300 100 3 28, 29 350 100 6 30～33, 40，41, 46, 47 600 180 6 34, 35 270 100 3 36, 37 350 135 3.5 38, 39 300 90 5 42～45 300 120 3 48, 49 220 88 2.2 50 90 40 2 51 135 60 3 52, 53 330 120 3.5 54, 55 350 150 3.5 56, 57 330 95 3 59 150 60 2
图4 现行机制与动态机制的调峰容量需求
Fig.4 Peak regulation capacity demand of current mechanism and dynamic mechanism
4.2 火电机组调峰积极性分析
现行机制与动态机制下该典型日各时刻的调峰容量需求如图4 所示。图中某一点的值若是正值代表此时刻的调峰容量需求为下调峰容量需求；若为负值则为上调峰容量需求。
由图4 可以看出，两种机制下该日负荷低谷时期的调峰需求不同（现行机制为下调峰需求，动态机制为上调峰需求），这种差异是由于市场机制不同所导致的。在现行机制下，调峰需求主要是由负荷与新能源出力能力的大小决定的，而在负荷低谷时期负荷值较小且风电出力能力往往较大，所以为了充分接纳新能源往往需要机组提供下调峰服务。而在动态机制下，调峰需求是由新能源出力能力的预测偏差及负荷值的预测偏差共同决定的（当
时，调峰容量需求为下调峰容量需求；当
时，调峰容量需求为上调峰容量需求）。根据辽宁省该日实际数据计算得出该日负荷低谷时期需要上调峰。并且，新能源发电企业要向火力发电企业支付调峰辅助服务费用并不是因为新能源机组抢占了火电机组的发电空间，而是因为新能源机组出力的不确定性对系统造成了影响，火电机组调峰就是为了在维持系统功率平衡的基础上让新能源机组并网，即火电机组为新能源机组提供了辅助服务。因此，动态机制的调峰容量需求在很大程度上受新能源出力能力预测偏差的影响，体现了本文动态机制的合理性。
为了简化问题，本文将每个机组的决策函数都假设为一个不变的常数，等于除此机组以外其他所有机组边际成本曲线斜率的平均值，即认为每个机组的报价都考虑了其他所有机组的边际成本。由此得出的动态机制下该典型日每个时段的调峰容量出清结果如图5 所示。图中每一段柱形图的长度对应每个机组在该时段提供的调峰容量，若柱形图在0轴上方代表该时段的调峰容量需求为下调峰容量需求，否则为上调峰容量需求。
图5 动态机制的调峰容量出清结果
Fig.5 Peak regulation capacity clearing results under dynamic mechanism
再者，由图4 同样可以看出，动态机制相比于现行机制可以明显增大负荷高峰期的有偿下调峰容量需求，同时也可以明显降低负荷低谷期的有偿下调峰容量需求。由于两种机制下该典型日的弃风弃光量均为零（由算例原始数据及算例结果得出），所以任一时刻的有偿下调峰容量需求都等于该时刻所有机组出售的有偿下调峰容量，即动态机制使得所有机组出售的有偿下调峰容量在负荷高峰时期增大了，而在负荷低谷时期减小了，达到机组出售的有偿下调峰容量与机组实际提供的下调峰容量更为接近的效果，使得市场机制更为合理。
由于本文的机组数量庞大，逐台机组分析调峰积极性需要占用大量的篇幅，所以本文决定挑选典型机组的竞价结果进行分析。为了分析机组在动态机制下的调峰积极性，本文选择了32 号机组作为典型机组进行分析，32 号机组在现行机制的实际出力曲线如图6 所示。
图6 现行机制32 号机组及15 号机组实际出力值曲线
Fig.6 Actual output curve of unit 32 and unit 15 under the current mechanism
32 号机组为一台容量为600MW 的纯凝火电机组。由图6 中现行机制下32 号机组在该典型日的实际出力值曲线可以看出，32 号机组为一台典型的调峰积极性较差的机组，即在该日的96 个时段32号机组的出力值均高于其有偿调峰基准（300MW），而本文选择了一台容量同样为600MW 的15 号纯凝火电机组与之对比。该机组在该日的实际出力值曲线如图6 所示。由图6 可知，15 号机组为一台提供了调峰辅助服务的机组。由于15 号机组与32 号机组同样为600MW 容量的纯凝火电机组并且难以估计32 号机组若在该日参与调峰的情况下的报价及实际出力值，所以可将15 号机组在该日的运行结果假设为若32 号机组在该日有意愿参与调峰的运行结果，并将此结果与32 号机组在该日的实际运行结果（即32 号机组在该日无意愿参与调峰的运行结果）进行对比。
根据两台机组在该日的实际出力值计算得出的现行机制下机组该日全天利润见表4。
表4 现行机制下32 号机组的调峰利润分析
Tab.4 Peak regulation profit analysis of unit 32 under the current mechanism（单位：元）
机组 电费收入 煤耗成本 调峰收入 分摊费用 全天利润32 号 3 691 648.1 2 757 735.6 0 74 070.57 859 841.93 15 号 2 703 019.7 1 905 725.8 54 501.5 3 959.77 847 835.63
由上述分析可知，15 号机组的利润结果可以作为32 号机组若在该日有意愿参与调峰的利润结果。所以，由表4 中的计算结果可以看出：32 号机组在该日不参与调峰相比于参与调峰，虽然由于未参与调峰辅助市场承担了74 070.57 元的调峰辅助服务分摊费用且增加了852 009.8（=2 757 735.6-1 905 725.8）元的煤耗成本，但同时也由于出力值整体升高，电费收入增加了988 628.4（=3 691 648.1-2 703 019.7）元，导致32 号机组在该日不参与调峰比参与调峰多获得利润12 006.3（=859 841.93-847 835.63）元。由上述分析可知，在现行机制下存在火电机组不提供调峰辅助服务时可比提供调峰辅助服务时获得更高的利润，从而引起部分火电机组参与调峰的积极性下降，从而揭示了现行机制难以调动所有火电机组调峰积极性的弊端。
图7 为在本文提出的动态机制下32 号机组的实际出力曲线及计划出力曲线。
图7 动态机制32 号机组实际出力及计划出力曲线
Fig.7 Curve of actual output value and planned output value of Unit 32 under dynamic mechanism
由图7 中可以看出，除了1～13 时段及96 时段（即系统需要上调峰容量的时段）外，32 号机组均被调用了调峰辅助服务（下调峰辅助服务），而且32号机组在系统需要下调峰容量的时段，其出力值相比于其计划出力值降低明显，即在动态机制下32 号机组的调峰积极性更高。
在动态机制下，32 号机组的全天利润分析见表5。
表5 动态机制下32 号机组的调峰利润分析
Tab.5 Peak regulation profit analysis of unit 32 under the dynamic mechanism（单位：元）
与调峰电费收入煤耗成本 调峰收入 分摊费用是否参全天利润不参与 3 081 487.5 2 220 910.2 0 0 860 577.27参与 2 526 474.2 1 768 053.7 198 729.43 0 957 149.88
由表5 中的结果可以看出：32 号机组在该日参与调峰相比于不参与调峰，虽然由于机组降低出力导致机组电费收入降低了555 013.3（=3 081 487.5-2 526 474.2）元，但同时也由于降低出力提供了调峰辅助服务获得了198 729.43 元的调峰收入并节省煤耗成本452 856.5（=2 220 910.2-1 768 053.7）元，最终使得32 号机组在该日参与调峰相比于不参与调峰多获得利润96 572.61（=957 149.88-860 577.27）元。由上述分析可知，在本文提出的动态机制下32号火电机组提供调峰辅助服务时可比不提供调峰辅助服务时获得更高的利润，由此验证了32 号机组在动态机制下的调峰积极性更高。
图8 为动态机制下该日所有开机机组的下调峰收益（即该日下调峰时段机组的实际总收入与机组无调峰意愿时该日下调峰时段机组的总收入之间的差值）及提供的下调峰电量。
图8 各机组的下调峰收益及下调峰电量
Fig.8 Down-regulation revenue and down-regulation electric quantity of each unit
显而易见，提供下调峰的所有机组均可获得更高的收入，且机组提供的下调峰电量越多，机组在该日的下调峰收益越大（机组的下调峰收益与机组提供的下调峰电量之间的相关系数为0.989 7，相关系数的计算公式见式（28））。由此证明，动态机制确实可以充分调动机组的调峰积极性。
4.3 市场出清价格分析
在动态机制下，该典型日的调峰辅助服务市场出清价格曲线如图9 所示。经过将图9 的调峰辅助服务市场出清价格曲线与图4 中动态机制的调峰容量需求曲线对比后可以发现：在系统上调峰时段，市场出清价格为0，这是由于动态机制下机组免费提供上调峰辅助服务所致。而在系统下调峰时段，两个曲线的走势大致相同，即下调峰容量需求大的时候市场出清价格较高，而下调峰容量需求较小的时候市场出清价格较低。市场出清价格跟随市场需求的增大而升高，这体现了动态机制下的调峰辅助服务市场出清价格具有合理性。
图9 动态机制的调峰辅助服务市场出清价格
Fig.9 Clearing prices for peak regulation ancillary service market under dynamic mechanism
为了定量地比较现行机制与动态机制的市场价格的合理性，本文通过计算调峰辅助服务市场出清价格与下调峰容量需求之间的相关系数来评价这两个变量之间的联系紧密程度，进而比较两种机制下市场出清价格的合理性。相关系数ρX,Y 的计算式为
式中，X 和Y 为两个随机变量；cov(X,Y)为X 和Y 的协方差；D(X)和D(Y)分别为X 和Y 的方差；E(X)和E(Y)分别为X 和Y 的数学期望。
动态机制下，该典型日调峰市场出清价格与下调峰容量需求之间的相关系数见表6。
表6 市场出清价格与下调峰容量需求之间的相关性
Tab.6 The correlation between the market clearing price and the down-regulation capacity demand
现行机制 动态机制下调峰容量需求与出清价格的相关性0.200 1 0.814 2
由表6 可以看出，在现行机制下，市场出清价格与下调峰容量需求之间的相关性并不是很强。而在本文提出的动态机制下，市场出清价格与下调峰容量需求之间联系紧密，即下调峰容量需求越大，市场的出清价格越高。市场出清价格与需求的关系能够充分反映市场机制在资源配置上起到的作用，证明了本文提出的动态机制在资源配置上具有显著的优越性。
5 结论
在中国大力发展新能源，东北地区新能源建设步伐显著加快的背景下，随着新能源机组装机容量的逐年攀升，由于当前东北地区施行的调峰辅助服务市场机制的调峰基准以及报价规则存在问题，导致机组参与调峰的积极性不足且市场价格虚高。鉴于此背景，本文提出了浮动调峰基准以及利于市场监管的报价规则，从而形成了动态调峰辅助服务市场竞价机制。除此之外，本文还在考虑各种机组运行约束的基础上建立了调峰辅助服务双层竞价调度模型。最后，基于辽宁省电网某典型日的实际运行数据，验证了本文提出的动态竞价机制可以有效提高机组调峰的积极性并将市场价格控制在合理范围内。
目前东北地区的调峰辅助服务市场的售卖方仅考虑火电机组，后续还会考虑将水电机组等其他市场参与方纳入到市场的售卖方中，并且如何在新能源机组之间分摊调峰辅助服务费用将是后续研究的重点。
[1] 夏鹏, 刘文颖, 张尧翔, 等. 考虑风电高阶不确定性的分布式鲁棒优化调度模型[J]. 电工技术学报,2020, 35(1): 189-200.
Xia Peng, Liu Wenying, Zhang Yaoxiang, et al. A distributionally robust optimization scheduling model considering higher-order uncertainty of wind power[J].Transactions of China Electrotechnical Society, 2020,35(1): 189-200.
[2] Gao Chao, Liu Hui, Jiang Hao, et al. Research on the sub-synchronous oscillation in wind power connected to series compensated power system and its influencing factors[J]. CES Transactions on Electrical Machines and Systems, 2017, 1(3): 334-340.
[3] 唐程辉, 张凡, 张宁, 等. 基于风电场总功率条件分布的电力系统经济调度二次规划方法[J]. 电工技术学报, 2019, 34(10): 2069-2078.
Tang Chenghui, Zhang Fan, Zhang Ning, et al.Quadratic programming for power system economic dispatch based on the conditional probability distribution of wind farms sum power[J]. Transactions of China Electrotechnical Society, 2019, 34(10):2069-2078.
[4] 姜欣, 郑雪媛, 胡国宝, 等. 市场机制下面向电网的储能系统优化配置[J]. 电工技术学报, 2019,34(21): 4601-4610.
Jiang Xin, Zheng Xueyuan, Hu Guobao, et al.Optimization of battery energy storage system locating and sizing for the grid under the market mechanism[J]. Transactions of China Electrotechnical Society, 2019, 34(21): 4601-4610.
[5] 李佳琪, 陈健, 张文, 等. 高渗透率光伏配电网中电池储能系统综合运行控制策略[J]. 电工技术学报, 2019, 34(2): 437-446.
Li Jiaqi, Chen Jian, Zhang Wen, et al. Integrated control strategy for battery energy storage systems in distribution networks with high photovoltaic penetration[J]. Transactions of China Electrotechnical Society, 2019, 34(2): 437-446.
[6] 李军徽, 张嘉辉, 穆钢, 等. 储能辅助火电机组深度调峰的分层优化调度[J]. 电网技术, 2019, 43(11):3961-3970.
Li Junhui, Zhang Jiahui, Mu Gang, et al. Stratified optimization scheduling of deep peak shaving for energy storage auxiliary thermal power units[J].Power System Technology, 2019, 43(11): 3961-3970.
[7] 黎静华, 汪赛. 兼顾技术性和经济性的储能辅助调峰优化方案[J]. 电力系统自动化, 2017, 41(9): 44-50.
Li Jinghua, Wang Sai. Optimal combined peak shaving scheme using energy storage for auxiliary considering both technology and economy[J].Automation of Electric Power Systems, 2017, 41(9):44-50.
[8] 尚瑨, 邰能灵, 刘琦, 等. 采用区间控制的蓄电池储能电站调峰运行控制策略[J]. 电工技术学报,2015, 30(16): 221-229.
Shang Jin, Tai Nengling, Liu Qi, et al. Load shifting scheme of battery energy storage system based on interval controlling[J]. Transactions of China Electrotechnical Society, 2015, 30(16): 221-229.
[9] 车泉辉, 娄素华, 吴耀武, 等. 计及条件风险价值的含储热光热电站与风电电力系统经济调度[J].电工技术学报, 2019, 34(10): 2047-2055.
Che Quanhui, Lou Suhua, Wu Yaowu, et al. Economic dispatching for power system of concentrated solar power plant with thermal energy storage and wind power considering conditional value-at-risk[J].Transactions of China Electrotechnical Society, 2019,34(10): 2047-2055.
[10] 罗桓桓, 程中林, 孙婧卓, 等. 储热参与调峰辅助集中交易市场模式及优化认购模型[J]. 电力系统自动化, 2019, 43(24): 187-193.
Luo Huanhuan, Cheng Zhonglin, Sun Jingzhuo, et al.Market mode and optimal subscription model of peak regulation auxiliary centralized trading with heat storage[J]. Automation of Electric Power Systems,2019, 43(24): 187-193.
[11] 吕泉, 陈天佑, 王海霞, 等. 配置储热后热电机组调峰能力分析[J]. 电力系统自动化, 2014, 38(11):34-41.
Lü Quan, Chen Tianyou, Wang Haixia, et al. Analysis on peak-load regulation ability of cogeneration unit with heat accumulator[J]. Automation of Electric Power Systems, 2014, 38(11): 34-41.
[12] 王若谷, 王建学, 张恒, 等. 水电机组调峰服务的成本分析及实用补偿方法[J]. 电力系统自动化,2011, 35(23): 41-46.
Wang Ruogu, Wang Jianxue, Zhang Heng, et al. A cost analysis and practical compensation method for hydropower units peaking service[J]. Automation of Electric Power Systems, 2011, 35(23): 41-46.
[13] 赵晓丽, 王玫, 赵越, 等. 基于火电机组容量差异的调峰辅助服务补偿机制改进模型[J]. 电力系统自动化, 2013, 37(4): 57-61.
Zhao Xiaoli, Wang Mei, Zhao Yue, et al. A model of compensation mechanism on peak-regulating ancillary services based on capacity variance across thermal power units[J]. Automation of Electric Power Systems, 2013, 37(4): 57-61.
[14] 吴迪, 程海花, 赵晋泉, 等. 基于平衡成本的风电分段及火电调峰补偿方法[J]. 电力系统自动化,2019, 43(3): 116-123.
Wu Di, Cheng Haihua, Zhao Jinquan, et al. Balancing cost based wind power segmentation and compensation method of peak regulation for thermal power[J]. Automation of Electric Power Systems,2019, 43(3): 116-123.
[15] 梅坚, 杨立兵, 李晓刚, 等. 调峰市场效用分析与低谷调峰市场设计[J]. 电力系统自动化, 2013,37(21): 134-138.
Mei Jian, Yang Libing, Li Xiaogang, et al. Utility analysis for peak regulation market and trading market design for peak regulation capacity in valley time[J].Automation of Electric Power Systems, 2013, 37(21):134-138.
[16] 吕泉, 李玲, 王海霞, 等. 配置储热的热电厂与风电场的调峰定价机制[J].电力自动化设备, 2015,35(9): 118-124.
Lü Quan, Li Ling, Wang Haixia, et al. Peak regulation pricing mechanism between CHP-plant with heat accumulator and wind farm[J]. Electric Power Automation Equipment, 2015, 35(9): 118-124.
[17] 胡朝阳, 毕晓亮, 王珂, 等. 促进负备用跨省调剂的华东电力调峰辅助服务市场设计[J]. 电力系统自动化, 2019, 43(5): 175-182.
Hu Zhaoyang, Bi Xiaoliang, Wang Ke, et al. Design of peak regulation auxiliary service market for east china power grid to promote inter-provincial sharing of negative reserve[J]. Automation of Electric Power Systems, 2019, 43(5): 175-182.
[18] 徐帆, 葛朝强, 吴鑫, 等. 区域电网省间调峰辅助服务市场机制与出清模型[J]. 电力系统自动化,2019, 43(16): 109-115.
Xu Fan, Ge Zhaoqiang, Wu Xin, et al. Market mechanism and clearing model of inter-provincial peak regulation ancillary service for regional power grid[J]. Automation of Electric Power Systems, 2019,43(16): 109-115.
[19] 张文韬, 王秀丽, 李言, 等. 大规模风电并网下多区域互联系统热电综合调度模型[J]. 电网技术,2018, 42(1): 154-161.
Zhang Wentao, Wang Xiuli, Li Yan, et al. An analysis model of multi-area interconnected power systems with large-scale wind power involved in comprehensive heating and power system scheduling[J]. Power System Technology, 2018, 42(1):154-161.
[20] 马洪艳, 韩笑, 严正, 等. 鲁棒性驱动的含风电不确定性区域间调峰互济方法[J]. 电力系统自动化,2017, 41(7): 28-36.
Ma Hongyan, Han Xiao, Yan Zheng, et al. Robustness driving reciprocal peak-regulation trading method of inter-regional grids containing wind power uncertainty[J]. Automation of Electric Power Systems,2017, 41(7): 28-36.
[21] 张子信, 王珊珊, 白哲. 东北电网统一调峰机制研究[J]. 东北电力技术, 2014, 35(11): 1-4.
Zhang Zixin, Wang Shanshan, Bai Zhe. The study of Northeast grid integrate peaking mechanism[J].Northeast Electric Power Technology, 2014, 35(11):1-4.
[22] 刘永奇, 张弘鹏, 李群, 等. 东北电网电力调峰辅助服务市场设计与实践[J]. 电力系统自动化, 2017,41(10): 148-154.
Liu Yongqing, Zhang Hongpeng, Li Qun, et al. Design and practice of peak regulation ancillary service market for Northeast China power grid[J]. Automation of Electric Power Systems, 2017, 41(10): 148-154.
[23] 国家能源局东北监管局. 关于印发《东北区域发电厂并网运行管理实施细则》、《东北区域并网发电厂辅助服务管理细则》的通知(东北监能市场[2019]115 号)[Z]. 2019.
[24] 史连军, 周琳, 庞博, 等. 中国促进清洁能源消纳的市场机制设计思路[J]. 电力系统自动化, 2017,41(24): 83-89.
Shi Lianjun, Zhou Lin, Pang Bo, et al. Design ideas of electricity market mechanism to improve accommodation of clean energy in China[J].Automation of Electric Power Systems, 2017, 41(24):83-89.
[25] 隋鑫, 卢盛阳, 苏安龙, 等. 计及风电和柔性负荷的核电多目标优化调度研究[J]. 中国电机工程学报, 2019, 39(24): 7232-7241.
Sui Xin, Lu Shengyang, Su Anlong, et al. Research on multi-objective optimal scheduling of nuclear power considering wind power and flexible load[J].Proceedings of the CSEE, 2019, 39(24): 7232-7241.
[26] 王淑云, 娄素华, 吴耀武, 等. 计及火电机组深度调峰成本的大规模风电并网鲁棒优化调度[J]. 电力系统自动化, 2020, 44(1): 118-125.
Wang Shuyun, Lou Suhua, Wu Yaowu, et al. Robust optimal dispatch of large-scale wind power integration considering deep peak regulation cost of thermal power units[J]. Automation of Electric Power Systems,2020, 44(1): 118-125.
[27] Knueven B, Ostrowski J, Watson J P. Exploiting identical generators in unit commitment[J]. IEEE Transactions on Power Systems, 2018, 33(4): 4496-4507.
[28] 于婧, 孙宏斌, 沈欣炜. 考虑储热装置的风电-热电机组联合优化运行策略[J]. 电力自动化设备, 2017,37(6): 139-145.
Yu Jing, Sun Hongbin, Shen Xinwei. Optimal operating strategy of integrated power system with wind farm, CHP unit and heat storage device[J].Electric Power Automation Equipment, 2017, 37(6):139-145.
[29] 孙婧卓, 江全元, 程中林, 等. 大规模电储热参与调峰辅助双边交易容量及价格区间优化模型[J].电网技术, 2019, 43(6): 1995-2001.
Sun Jingzhuo, Jiang Quanyuan, Cheng Zhonglin, et al.Capacity and price range optimization model for large-scale electric heat storage participating in auxiliary peaking service in bilateral transactions[J].Power System Technology, 2019, 43(6): 1995-2001.
[30] 吕泉, 陈天佑, 王海霞, 等. 含储热的电力系统电热综合调度模型[J]. 电力自动化设备, 2014, 34(5):79-85.
Lü Quan, Chen Tianyou, Wang Haixia, et al.Combined heat and power dispatch model for power system with heat accumulator[J]. Electric Power Automation Equipment, 2014, 34(5): 79-85.