图1 电力现货市场出清电价形成机制示意图
Fig.1 Sketch of market clearing price in spot market
摘要 在新型电力系统中，容量市场起到补偿电源投资成本、引导电源合理投资的重要作用。然而，新型电力系统中存在新能源和灵活性电源等不同类型电源，其成本结构差异显著。当前研究尚缺乏容量市场机制对差异化电源成本结构的适用性探讨，鲜有研究提出相应的机制改进策略。该文通过定量推导说明，现有容量市场机制下将产生差异化成本结构电源的“搭车”现象，难以对不同类型电源施加差异化的投资激励信号。对此，该文提出一种新能源和灵活性电源分平台竞价的容量市场组织模式，构建了表征容量市场投资激励效用的投资模拟计算方法，提出了基于投资激励效用闭环反馈的容量市场关键参数设定策略，形成面向差异化电源成本结构的容量市场机制。算例结果表明，所提机制能实现新能源和灵活性电源差异化的容量补偿需求，在可控的容量补偿费用下引导更合理的电源结构发展，支撑新型电力系统建设。
关键词：容量市场 成本结构差异 容量需求曲线 发电容量充裕性 发电投资
构建以新能源为主体的新型电力系统是实现“双碳”战略目标的重要支撑。风电、光伏等新能源电源将成为电力系统的重要供应主体[1-2]。新能源的大规模发展降低了火电机组等灵活性电源的发电量及利用小时数，但由于新能源出力具有不确定性，灵活性电源的容量仍对维持电力系统的可靠运行意义重大。由于灵活性电源发电利用小时数持续下降，多个地区灵活性电源的成本回收困难，投资主体的市场参与和投资意愿不足[3-5]。如不妥善解决火电等灵活性电源的成本回收问题，将影响系统灵活调节容量的有序稳定发展，未来随着存量机组的大批集中退役，系统容量充裕性将受到威胁。因此，亟须建立适应新能源快速发展的容量保障机制，以确保我国能源体系安全平稳转型[6]。
容量市场作为一种有效的市场化容量保障机制，对解决高比例新能源下的电力系统容量充裕性问题意义重大，受到国内外学者的广泛关注[7-8]。现有容量市场研究主要包括对于宏观层面上的容量市场政策方针、容量市场建设路线等方面的探讨。例如，文献[9]分析了我国容量机制建设的关键要点和总体推进思路；文献[10]结合我国资源分布特性及可再生能源发电优先消纳的要求，提出了适应我国电网情况的跨区域容量市场建设建议。也有文献聚焦于容量市场技术层面上的研究，如文献[11]提出一种容量市场最优需求曲线的设定方法；文献[12]构建了内嵌系统可靠性约束的容量市场出清模型；为研究容量市场中的市场决策行为，文献[13]构建了引入投资决策的容量市场建模与均衡分析；文献[14]提出了基于供需多方互动的容量市场机制，通过利用不同市场主体间的多方互动实现不平衡预测偏差的校正；为促进更多市场主体参与容量市场，有学者分别研究了储能[15-16]、需求响应[17]、虚拟电厂[18]等新型容量资源参与容量市场的交易规则。这些研究从不同侧面对容量市场做出改进，以适应特定的电力系统应用场景或建设需求。
上述容量市场研究聚焦于保障系统总体的容量充裕性需求，并未充分考虑各类电源不同的成本结构特性所产生的差异化容量补偿需求。事实上，容量市场的建设目的之一是解决基于变动成本竞价的纯能量市场中的电源固定成本回收问题。在以火电为主的传统电力系统中，由于电源的固定成本和变动成本比例相似，容量市场机制具有较好的适应性。然而，在未来高比例新能源系统中，更多新能源主体将参与提供容量资源。新能源和火电等灵活性电源具有显著不同的成本结构，通常情况下，风电、光伏的固定成本占比远高于火电的固定成本占比[19]。若容量市场缺乏对电源成本结构差异的考虑，将难以兼顾各类电源不同的成本回收诉求，影响投资激励信号的准确产生。例如：若将高固定成本占比电源的容量成本足额补偿，可能导致某类固定成本占比较低的电源容量补偿过剩而具备较大的竞争优势，长期发展下去将形成单一、不合理的电源结构，偏离容量市场的设计初衷[20]。当前国内山东[21]、广东[22]、云南[23]等多省份已开展容量机制的初步实践，但仅针对燃煤、燃气机组建立了容量补偿办法。针对未来新能源和灵活性电源共同提供容量价值下的差异化电源成本结构容量补偿协调问题，当前尚缺乏理论研究和实践依据。因此，探索面向差异化电源成本结构的容量市场机制将是应对未来高比例新能源场景下容量市场建设的关键策略之一。
当前针对电源差异所带来的协调问题，有学者提出分平台竞争的思路，如文献[20]提出将容量资源划分为煤电、气电、水电、核电等，并相应设置不同的竞价平台。但这种根据电源类型直接划分多个竞价平台的容量市场设计较为繁复，且尚未对所提思路开展论证。另有学者对新能源参与市场做了差异化的规则设定，如文献[24]分析了现有美国和英国容量市场中新能源参与容量市场的可信容量计算；文献[25]对风电机组额外设置了容量市场准入成本，以保证灵活性电源具有合理的利润空间。这些差异化的设置在一定程度上兼顾了公平性，有利于引导合理的电源结构，但尚缺乏面向差异化电源成本结构的容量市场参数定量设置方法，容量市场对高比例新能源电力系统的适应性提升效果有限。还有一些学者在容量市场出清模型中嵌入了电源结构约束[26-27]，反映了新能源和灵活性电源不同的容量需求，但由于欠缺对容量投资行为的模拟，难以验证真实的系统电源结构演化情况是否按照预期容量市场设计目标发展。总体而言，现有研究虽然定性地提出了容量市场中不同类别电源的差异化处理思路，但尚缺乏对差异化电源成本结构带来的容量市场建设问题的定量分析，且如何设置容量市场需求曲线等参数以适应差异化成本结构电源发展需求，仍有待研究。
因此，本文提出了一种面向差异化电源成本结构的容量市场机制，主要贡献有：
1）本文定量分析了电源成本结构差异下的容量市场激励效用问题，并提出了面向差异化电源成本结构的容量市场设计框架。本文以新能源和常规化石能源为例阐述了电源成本结构差异下存在的差异化成本结构电源“搭车”现象，并进一步建立数学模型定量说明了差异化成本结构下单一竞价容量市场的问题，提出了新能源和灵活性电源分平台竞价的容量市场设计思路。
2）本文提出了针对差异化电源成本结构的容量市场参数协调配合方法。为定量表征容量市场运行效用，建立了容量-能量市场环境下的时序容量投资模拟流程，形成了容量市场投资激励效用的定量表述。为确保满足不同电源差异化的容量补偿需求，本文提出了协调电源差异的容量需求曲线参数配置方法，建立了基于市场激励效用的容量市场参数反馈迭代修正策略，实现了面向系统容量投资需求的分平台的容量市场机制协调。
不同类别电源的成本结构不同，尤其是新能源和常规化石能源间存在较大的成本结构差异。在此情况下，单一竞价市场难以同时满足不同电源的成本补偿需求，并会造成某类电源“搭车”，影响容量市场投资激励作用的真实效用。本节首先以新能源搭车现象为例分析了差异化成本结构下的容量市场建设问题，然后基于数学分析进一步说明因电源成本结构差异造成的容量补偿不合理的问题。
容量市场是通过对容量资源尤其是火电等灵活性电源提供容量补偿从而激励电源投资，保障能源转型进程中的系统充裕性和灵活性。然而，当前容量市场机制存在新能源“搭车”现象，可能造成新能源借助容量市场获取超额利润，进一步挤压灵活性电源的盈利空间，违背了容量市场建设初衷。对容量市场中存在的新能源“搭车”现象详述如下。
当新能源和常规化石能源同时参与电力现货市场时，基于节点电价理论，按价格从低到高排序后，通常最后一台满足供电要求的火电机组将作为边际机组，其边际成本定为市场出清价格（如图1所示）。在此情形下，新能源因其发电成本低廉具有较高的发电利润空间。此外，新能源可在绿证交易获得额外补贴。因此，新能源的发电收益可几乎覆盖全部成本或高于成本。
图1 电力现货市场出清电价形成机制示意图
Fig.1 Sketch of market clearing price in spot market
而在容量市场中，容量资源按照成本缺额报价，即上报未能回收的成本。对于新能源，尽管投资成本相较常规化石能源更高，由于已在现货市场具有较高收益空间，故在容量市场中可申报较低价格。根据供需匹配原则，通常高价机组（如燃气）成为边际机组，其容量报价定为市场出清价格（如图2所示）。因此，新能源依靠容量市场回收成本的需求不大，却通过“搭车”获得超额盈利，造成了容量市场补偿费用过高。且由于对新能源的过度补贴，不利于引导电源结构平稳转型，影响了容量市场真实效用。尽管有实际市场通过测算等效可靠容量降低了新能源收益空间[28-29]，但仍不能避免地使已在能量市场实现盈利的新能源机组额外在容量市场获得容量收益，且通过单个竞价平台分别对两类成本结构差异较大的商品提供准确有效的价格信号难以实现。
图2 容量市场出清电价形成机制示意图
Fig.2 Sketch of market clearing price in capacity market
为进一步论证容量市场中存在“搭车”现象，基于合理假设建立了当前市场的简单数学模型并进行推导分析。假设系统中存在新能源（如风电）和灵活性电源（如火电）两类电源。新能源和灵活性电源的单位容量年化固定成本分别为
和
，其比值为K，边际发电成本分别为
和
。现针对系统中某台容量为
的新能源机组
和某台容量为
的灵活性电源机组
展开收支情况分析。其中假设新能源机组每小时出力为
，则对应容量市场中的容量可信度设为
。需要说明的是，当假设新能源出力保持一致时，容量可信度的设置可认为是准确的，且本研究主要基于电源在能量市场和容量市场中总体收益的分析，该假设具有合理性。
在能量市场中，假设全年以新能源为边际机组出清的概率为
，对应出清价格即为，此时机组出清而机组未能出清，以灵活性电源为边际机组出清的概率为
，对应出清价格即为，此时两机组均实现出清。假设当两机组出清时均按照上报电量全出清，即两机组均作为非边际机组出清。该假设虽然不能覆盖市场中的所有情形，但能代表实际市场中可能普遍出现的一类场景。机组和的年总成本和能量市场年总收益为
（1）
（2）
（3）
（4）
式中，
、
分别为和的年总成本；
、
分别为和的年固定成本；
、
分别为和的年变动成本；
、
分别为和的年能量市场收益。
定义机组和的固定/变动成本比值分别为
和
，有
（5）
（6）
在容量市场中，机组上报在能量市场未能回收的成本，则和单位容量的容量报价分别为
（7）
（8）
当容量市场满足灵活性电源机组的成本全补偿时，容量市场出清价格为的容量报价
，的收益率为1，刚好实现盈亏平衡。此时对应的新能源机组的容量市场收益
和收益率
为
（9）
（10）
将式（1）～式（9）代入式（10）中，可得到新能源机组的收益率为
（11）
由式（11）可知，新能源机组的收益率与电源的成本结构关系（K、、）、新能源容量可信度（
）以及能量市场出清情况（）有关。
容量市场若要同时为新能源和灵活性电源提供合理的容量补偿，式（11）的应为1或接近于1。式（11）中由于新能源可信度的取值是基于新能源有效容量计算得到，事实上并不能确保式（11）的为1或接近于1。这说明在当前单一竞价平台的容量市场中，即便通过考虑新能源的容量折算对不同电源做差异化设置，也不能保证同时满足各类电源差异化的容量补偿需求。事实上的值可能大于或小于1，主要和系统负荷情况有关。若和1差别较大，说明存在新能源搭车或者灵活性电源搭车，此时容量市场会对某类电源容量补偿不足，或者为实现所有电源的全成本回收而费用较高。
若基于当前系统经验值进行取值，
取1.5，
取0.45，取3，取0.25，取0.65（对应灵活性电源利用小时数为3 942 h）计算得到
，即在灵活性电源刚好收支平衡时，新能源获得了28.75%的净利润，这说明在当前市场环境下存在新能源“搭车”现象，需要提出容量市场机制改进策略。值得说明的是，分析实际市场中电源的收支情况时还需考虑线路潮流约束、机组的空载成本和起停成本、来自辅助服务市场等市场的收入等，相对应的电源“搭车”现象的严重程度会有差异，但本节基于简化模型的数学分析仍说明了“搭车”现象的存在。
新能源和灵活性电源具有不同的成本回收诉求，其市场功能定位和所提供的容量价值也不同。考虑到单一竞价平台难以协调两类电源的差异，且随着新型电力系统构建，新能源参与容量市场的体量将逐步发展到与灵活性电源一致，因此本文提出新能源和灵活性电源分平台竞价的容量市场建设构想。同时，为满足新能源和灵活性电源差异化的容量补偿需求，从而产生有效的差异化投资激励信号，需进行有效的市场参数配合。
容量需求曲线是容量市场设计中的重要环节。以美国PJM容量市场为例，其容量需求曲线为向下倾斜曲线[30]，如图3所示。确定容量需求曲线的参数为基准容量
和基准价格
两个参数。假设提高基准容量值，意味着提高容量拍卖需求，对应容量补偿增加，将刺激产生更多容量投资；反之则容量投资减弱。改变基准价格值有类似的情况。可见，容量需求曲线是形成容量拍卖结果的核心，也是容量市场产生正确投资激励效用的关键。因此，本文选取容量需求曲线参数作为协调电源成本结构差异的市场参数。本文提出基于容量市场投资激励效用反馈修正市场参数的方法，通过设定合适的容量需求曲线参数值，激励出既能满足新能源和灵活性电源各自的容量需求，又不至于过多造成投资浪费的容量投资，实现新能源和灵活性电源的协调发展。
图3 容量市场中的容量需求曲线
Fig.3 Demand curve of capacity market
最终，本文所提新能源和灵活性电源分平台竞价的容量市场框架如图4所示。
分平台竞价的容量市场包含新能源容量市场和灵活性电源容量市场两个子市场。风电、光伏等新能源参与新能源容量市场，暂不考虑可信容量折算；灵活性电源容量市场暂只考虑燃煤、燃气等常规能源参与。水电、储能等灵活性资源在充分考虑建设和运行成本特性后，根据成本回收诉求与火电的差异，可考虑参与同一灵活性电源容量市场拍卖，或新设竞价平台。同理，可根据新能源类型进一步划分新能源容量市场竞价平台。两个容量市场由市场运营机构以年为单位在同一时期组织，分别按照未来某一目标年新能源和灵活性电源各自的容量需求目标进行拍卖。竞价机制采用集中竞价模式，结算由市场运营机构统一向容量资源支付容量费用，并最终分摊至终端用户。
图4 新能源和灵活性电源分平台竞价的容量市场框架
Fig.4 Framework of capacity market with renewable energy and flexible resources bidding in different platforms
本文容量市场采用图3所示的容量需求曲线，待设定的容量需求曲线参数即基准容量和基准价格，设定思路如图5所示。首先输入和两个容量需求曲线参数值，再通过模拟容量-能量市场环境下的容量投资以实现容量市场投资激励效用构建，得到系统装机容量
，然后通过比较系统装机容量和预设容量目标，迭代修正参数，直至满足容量需求，最终确定容量需求曲线。容量需求曲线参数基于模拟得到的容量投资激励效用进行反馈迭代修正，可适用于不同市场场景。通过在构建容量投资激励效用时考虑不同的市场建模因素，可形成适应不同市场模型下的容量市场参数配置。
图5 基于投资激励效用的容量需求曲线参数设定思路
Fig.5 Algorithm for determining the parameter settings of capacity market demand curve based on investment incentive effect
本文第3节将详细介绍容量需求曲线参数的设定方法。构成容量-能量市场环境下的容量投资模拟流程的具体模块将在3.1节详述。
目前常用于容量市场机制仿真的方法有系统动力学和代理仿真。相较于系统动力学，代理仿真能更精细地模拟机组的动态投资行为，有利于容量市场投资激励效用的有效构建及市场参数的设置。因此，本文基于代理仿真建立了容量-能量市场环境下的容量投资模拟流程。为更真实地模拟容量投资行为，本文考虑到容量-能量市场环境相较于单一能量市场环境的特殊性，提出包含初始投资阶段和最终投资阶段的两阶段投资决策模型，并根据时序关系建立包括初始投资决策模块、能量市场预估模块、容量市场运行模块和最终投资决策模块的容量投资时序模拟流程，如图6所示。模拟流程中应针对各类型电源的运行成本特性差异分别建模，以正确模拟不同类型电源的容量投资行为。
图6 容量投资模拟流程
Fig.6 Flow chart of capacity investment simulation
3.1.1 初始投资决策模块
在参与容量市场前，发电商首先需初步确定拟新建的机组容量。发电商根据预设的初始投资率设定初始投资容量，如式（12）所示。
（12）
式中，
为机组编号；
为年数；
为机组建设周期；
为发电商
的初始投资容量；
为初始容量投资率；
为属于发电商的机组集合；
为拟新建机组建设完成前一年的预测机组容量。
3.1.2 能量市场预估模块
机组在参与容量市场前将预估在目标年能量市场中可获得的年收入，作为容量报价的参考依据。为简化计算复杂度，选取目标年内若干典型负荷场景进行以h为单位的能量市场运行模拟。最终得到机组的能量市场年收入
与初始容量投资、系统已建机组情况
及目标年的典型负荷场景
有关，具体计算见附录。
3.1.3 容量市场运行模块
容量市场假设一年拍卖一次。容量市场的出清模型为
（13）
（14）
（15）
式中，
为社会福利；
为容量购买方的支付意愿；
为容量供应方的生产成本；
为容量需求；
表示容量需求曲线；
为机组的上报容量价格；
为机组的上报容量，包括已建机组容量和拟新建机组容量；I为机组集合，包括已建机组和拟新建机组；
为容量平衡约束对应的对偶乘子；
为机组的容量上限。式（13）为目标函数，为最大化社会福利；式（14）为容量平衡约束，即机组的总供给容量应满足系统容量需求；式（15）为机组提供容量的上、下限约束。
容量需求曲线（见图3）中的基准容量和基准价格为确定容量需求曲线的参数，其设定方法将在3.2节详述。
机组在容量市场的报价假设按照真实成本缺额上报，即机组的年总成本扣除预估的能量市场年收入。如果机组已经完全回收成本，则认为报价为0。对于机组，容量市场的报价为
（16）
式中，
为机组的年总成本，是机组的年化投资成本、年总运维成本和年总发电成本的总和。
经容量市场出清后，最终机组的容量市场年总收入为
（17）
3.1.4 最终投资决策模块
考虑到容量市场和目标年实际运行的能量市场间存在较长的时间差，通常长达1～3年的时间，因此机组有动机以及充分的时间基于容量市场提供的激励信号，在正式投建容量前调整初始投资决策，形成最终投资决策。
参考常用的基于净现值评估（Net Present Value, NPV）的投资决策模型[31]，本文提出基于净收益率调整初始决策的最终投资决策模型。发电商的净收益率为
（18）
发电商的最终投资量
和初始投资量认为在一定区间内呈线性关系，线性系数为
。当净收益率为某设定的基准收益率值
时，认为发电商刚好获得预期利润，此时投资决策不作调整，即按照初始投资量进行最终投资决策；当净收益率大于时，发电商获得超出预期的盈利并按照线性关系增加容量投资，考虑到存在资金、场地及投资风险等限制，设置了最大允许投资上限
；当净收益率小于时，发电商将削减投资量直至完全放弃容量投资。
确定容量投资后，结合系统当前容量和退役容量，可得到系统装机容量为
（19）
式中，
为第年的系统装机容量；
为在第
年的投资决策容量，即在第
年将投入使用的新建容量；
为在第年内退役的发电容量。
本文提出可用于两个竞价平台市场的基于投资激励效用闭环反馈的容量需求曲线参数设定方法，具体步骤如下。
1）系统运营机构形成预测的未来目标年典型年负荷曲线及新能源出力曲线，并结合系统可靠性要求和电源规划，基于市场模拟确定新能源或灵活性电源的容量需求
及初始补偿价格
。其中初始补偿价格取为市场中指定类型的电源成本缺额预测值的平均值。
2）设置容量调整系数
和价格调整系数
两个需求曲线调整系数的初始值为1。
3）根据调整系数值设定用于确定容量需求曲线的基准容量和基准价格两个关键参数，如式（20）、式（21）所示，从而形成初步设定的容量需求曲线。然后基于3.1节介绍的容量投资模拟流程，形成容量投资结果，并得到系统装机容量。
（20）
（21）
4）比较系统装机容量与预设容量需求目标
的差值。预设容量需求目标由系统运营机构结合目标年负荷预测情况、系统可靠性要求、系统等效可用容量情况等确定。若差值的绝对值小于设定阈值，认为能满足容量目标，流程结束并将当前容量需求曲线设为用于容量拍卖的容量需求曲线；若系统装机容量不能满足容量目标，进入步骤5）。
5）迭代更新需求曲线调整系数，并返回步骤3），其中调整系数更新策略如下。
为实现容量市场激励效用结果与预期一致，理想的调整系数取值应满足
（22）
式中，
=或，认为两个调整系数按照相同迭代策略更新；
为系统初始容量；
为经仿真得到的系统投资增量。
调整系数的更新思路应为通过迭代计算使调整系数更接近式（22）中
的根，因此更新策略为
（23）
式中，j为迭代次数；
为关于的导数，实际即为关于的导数。
由于的解析式难以直接获得，进而不能通过解析求导得到。因此，本文采用迭代计算投资增量
关于调整系数的变化率
来近似得到，有
（24）
式中，
为初始迭代时变化率的设定值。
本文基于所提容量-能量市场环境下的容量投资模拟流程形成容量市场投资激励效用构建，用于验证容量市场运行效果。在模拟流程中的容量市场运行模块应用了两种容量市场模型。
1）目前普遍采用的新能源和灵活性电源同台竞价的容量市场模型，其中新能源经过可信容量折算参与容量市场，容量需求曲线参数的确定方法参见附录。该容量市场模型在算例中简称为“单一市场”或“单一容量市场”。
2）本文提出新能源和灵活性电源分平台竞价的容量市场模型，其中两个容量市场的容量需求曲线参数将基于所提参数设定方法根据投资激励效用结果进行迭代修正，算例中简称为“分平台市场”或“分平台容量市场”。
本文通过分析两种容量市场模型下的市场运行结果说明新能源和灵活性电源成本结构差异造成的容量市场建设问题，并验证所提容量市场机制的有效性。
本算例中发电资源包含风电及A、B、C三类燃煤机组，初始装机容量分别为7 500、6 900、6 900和9 200 MW，各类机组的基本技术经济参数见表1，投资模型相关参数见表2。初始年已建的燃煤机组将每年退役4%的容量。年负荷增长率设为5%，折现率为8%。新能源的可信容量折算系数经计算取为0.45，每年新能源的规划装机增长率为13%。日前电能量市场模拟中考虑了五个典型场景，容量市场以年为单位组织对未来两年的容量拍卖，备用裕度目标为15%。仿真时长为15年。
表1 各类发电机组的技术经济参数
Tab.1 Techno-economic parameters of various types of generators
类型总投资成本/(元/kW)运维成本/[元/(kW·年)]发电成本/[元/(MW·h)]建设周期/年生命周期/年 风电6 0003232.3～37.5220 A类燃煤3 70020210～234230 B类燃煤3 60020296～340230 C类燃煤350020360～396230
表2 机组投资模型参数
Tab.2 Parameters of generator investment model
投资模型参数数值 新能源的初始投资率(%)与规划一致，设为13 灵活性电源能源的初始投资率依据年容量增长需求确定 基准净收益率值(%)10 线性系数g0.9 每年的最大允许容量投资上限25%机组装机容量
4.2.1 系统容量分析
经仿真得到单一容量市场和分平台容量市场下的新能源和灵活性电源的装机容量变化趋势如图7所示。由于容量市场组织对未来两年开展容量拍卖即预测两年后的容量情况，故图7展示的年限为第3～17年。根据容量规划目标，新能源的装机容量持续高速上升，灵活性电源的需求增长率逐渐缩小，新能源占比将由初始的24.5%上升至64.4%。在单一市场和分平台市场下实际的电源装机容量变化趋势与规划目标一致，且均能满足系统容量充裕度要求，但单一市场模式下新能源的装机容量增长速度明显超过规划的新能源发展速度。
图7 新能源和灵活性电源的装机容量
Fig.7 Installed capacity of renewables and conventional energy resources
表3进一步展示了系统装机容量与目标容量间的差异。由表3可知，分平台容量市场中的新能源和灵活性电源的容量演化均更接近预期目标。单一容量市场中灵活性电源的容量变化较符合预期，但新能源的容量误差较大，在第12年容量误差最大，达到28.86%。可见，当新能源和灵活性电源同台竞价时，新能源可能因获得超额容量补偿而产生了过量的容量投资，这将导致系统电源结构变化过快，因新能源占比快速上升而相应带来的快速增加的系统灵活性要求难以满足，不利于系统的安全稳定。
表3 装机容量误差
Tab.3 Error in installed capacity （%）
类型单一容量市场分平台容量市场 新能源最大误差28.864.25 新能源平均误差16.972.54 灵活性电源最大误差1.700.05 灵活性电源平均误差0.570.03
4.2.2 机组收益分析
图8为新能源和灵活性电源在两种容量市场模式下的收益率。此处收益率定义为机组预测的目标年电能量市场和容量市场中的年总收入与年总成本的比值。由于认为机组容量投资与收益率呈正向线性关系，因此保障新能源和灵活性电源各自的收益率合理是容量市场产生有效的差异化投资激励信号的关键。
图8 新能源和灵活性电源的收益率
Fig.8 Benefit-cost ratio of renewables and conventional energy resources
在单一容量市场中，新能源在初期（3～7年）具有很高的利润空间，收益率达到1.6左右，并因此产生过量投资。随着新能源占比的继续扩大，收益率逐步减小。在后期（13～17年）新能源的收益率低于灵活性电源，仅为0.8左右，此时新能源无法实现成本回收。而在分平台容量市场中，新能源和灵活性电源之间的收益率差异更小，因此各电源将按照更接近初始规划的投资量投资，系统电源结构更为合理，且各电源的收益率始终保持在1以上且不会过大（不超过1.3），说明分平台市场为各电源提供了合理的容量补偿。
表4进一步展示了整个仿真时长内新能源和灵活性电源在两种容量市场模式下的累计收益情况。可以看出，在分平台容量市场模式下，新能源和灵活性电源的收益率均有所下降。这是因为分平台市场减少了电源“搭车”的情况（结合图8分析可知，在单一市场中，前期约3～7年新能源搭车，后期约13～17年灵活性电源搭车），可降低由此产生的容量过补偿费用。
表4 新能源和灵活性电源的累计收益情况
Tab.4 Accumulated benefit situation of renewables and flexible energy sources
市场模式类型新能源灵活性电源 单一容量市场收入/(元/kW)570.511632.696 成本/(元/kW)511.212480.827 收益率1.1161.316 分平台容量市场收入/(元/kW)545.828579.336 成本/(元/kW)511.357499.975 收益率1.0671.159
为进一步说明单一市场竞价平台下因新能源和灵活性电源成本结构差异带来的容量补偿不合理的问题，对比了新能源在两种市场模式中的成本缺额及净收益，两种容量市场模式下新能源的成本缺额和容量净收益如图9所示。此处展示的是容量市场实际拍卖结果，故对应年限为第1～15年。
图9 两种容量市场模式下新能源的成本缺额和容量净收益
Fig.9 Shortfall and net revenue of renewables in two capacity market models
在容量市场中，机组将上报成本缺额即未回收的成本。因此，若在容量市场中的净收益为正，则机组实现成本回收，否则机组将处于亏损状态。由图9可以看出，在单一容量市场中，前期（1～10年）新能源的成本缺额为负值，即新能源已通过能量市场获得盈利，不需要额外的容量补偿。然而由于新能源和灵活性电源同台竞价，产生新能源“搭车”，新能源额外获得了较高的容量收入。在后期（11～15年）由于新能源渗透率较高，新能源不能再依靠能量市场完全回收成本，在容量市场中的成本缺额为正值，且高于同台竞价的灵活性电源。以第11年为例，新能源的成本缺额和灵活性电源中最高的成本缺额值分别为244.49元/kW和226.93元/kW。因此，此时新能源在容量市场不具备竞争优势，将导致获得的容量补偿不足，容量净收益为负。在分平台容量市场中，当新能源已在能量市场实现盈利时（1～13年）容量市场不予以容量补贴，而当新能源存在未覆盖的成本时（14～15年），分平台容量市场保障了成本回收并产生一定的净收益。
以上结果表明，新能源和灵活性电源的成本结构差异会造成补偿过剩或不足问题，进而影响系统长期的容量合理配置，即便考虑了对新能源的可信容量折算仍无法有效协调各电源的合理收益。建立针对新能源和灵活性电源的分平台竞价市场，有利于引导更合理的电源结构。
4.2.3 容量市场费用分析
在保障电源的成本回收需求下，两种容量市场模式下的容量市场运行费用如图10所示。前期（1～13年）分平台容量市场费用远低于单一容量市场费用。以第1年为例，此时尚未进行容量投资演化，两种市场模式下的系统情况完全一致。单一容量市场的运行总费用为98.35亿元，采用分平台容量市场后运行费用下降至62.99亿元，降低了35.95%。其原因是，当新能源已在能量市场获得足够多收益时，分平台市场避免了新能源因搭车而获得额外容量收益。后期（14～15年）单一容量市场无法实现电源全成本回收，将影响容量投资激励，而分平台市场仍可以保障电源成本回收。此时分平台市场的容量市场费用出现明显上升，原因是此时新能源在能量市场收益不足，分平台市场为新能源提供了足以回收成本的容量补贴，以确保新能源继续按预期增长率投资。
图10 两种容量市场模式下的容量市场费用
Fig.10 Capacity market costs in two capacity market models
4.2.4 容量市场参数设定方法有效性验证
分平台市场中的容量需求曲线参数将基于容量市场投资激励效用的闭环反馈修正策略确定。相关参数设置如下：设定阈值，即允许系统容量误差为±1.5%，初始迭代变化率
设为0.8。本文算例共有17次需要通过迭代计算确定参数。在所有17次迭代计算过程中算法均可收敛，平均迭代次数为6次，最高迭代次数为12次，呈现出了较为良好的收敛性。图11展示了对第16年的新能源容量市场中的容量需求曲线调整系数
或
的迭代更新过程。可以看到，经过5次迭代后系统容量资源满足了预期目标，此时或的取值为0.800 4，则容量需求曲线中的基准容量参数和基准价格参数应在原有基础上乘以0.800 4。相较现有的容量需求曲线参数设定方法（等效于调整系数始终取1），本文所提方法能基于所构建的市场投资激励效用反馈修正市场参数，从而实现系统投资情况与预期目标一致。
图11 容量需求曲线调整系数的迭代收敛结果
Fig.11 Iterative convergence result of the adjustment coefficient of the capacity demand curve
单一市场中的容量需求曲线参数也可应用本文所提的闭环反馈修正方法进行设定，但仅能实现系统总装机容量满足系统总容量需求，而无法实现新能源和灵活性电源的容量资源分别达到期望值（见附表1）。这是由于新能源和灵活性电源差异化的容量补偿需求无法通过单一容量需求曲线参数的设置实现，因此有必要对差异化成本结构的电源分设竞价平台。
随着新型电力系统构建不断深入，新能源将逐步参与容量市场提供容量可靠性。新能源和灵活性电源间较大的成本结构差异引起了差异化的成本回收诉求。当前传统容量市场难以兼顾不同类别电源的容量补偿需求。为此，本文提出了一种面向差异化电源成本结构的容量市场机制。通过建立新能源和灵活性电源分平台竞价的容量市场，配置市场参数以协调因电源成本结构差异造成的差异化容量补偿需求，最终形成面向差异化电源成本结构的容量市场设计框架。
本文以火电和风电为例进行算例分析，算例结果表明所提方法可实现对不同类别电源产生差异化的投资激励信号，有利于引导合理的电源结构。本文所提容量市场设计思路可适用于储能等新型灵活性资源和新能源间的容量市场拍卖问题，但需要对电源的成本特性建模、成本回收情况等做进一步研究，以形成本思路在不同类型电源上的具体实现方案。
附 录
1. 能量市场年收入计算
能量市场的出清模型为
（A1）
（A2）
（A3）
（A4）
（A5）
式中，
为典型日编号；
为时段编号；
为每天的时段数；
为机组
在第个典型日的第个时段的报价；
为机组在第个典型日的第个时段的出力；
为负荷，假设各机组预测的负荷一致；
为功率平衡约束对应的对偶乘子；
为功率转移分布因子；
为线路
的传输容量限制；
和
分别为传输容量约束上限和下限对应的对偶乘子；
和
分别为机组出力上限和下限；
和
分别为机组爬坡上限和下限。式（A1）为目标函数，为最小化发电成本；式（A2）为功率平衡约束；式（A3）为传输容量上下限约束；式（A4）为机组出力约束；式（A5）为机组爬坡约束，机组的能量市场年总收入为
（A6）
（A7）
式中，
为预估的机组的能量市场总收入；
为典型日数；
为典型日的天数；
为市场出清价格。
2. 单一市场模式中的容量需求曲线参数
单一市场的基准容量
定为目标年的系统容量需求，是基于系统负荷预测峰值、备用容量裕度要求以及系统等效可用容量情况确定，其表达式为
（A8）
式中，
为目标年峰值负荷；
为系统备用裕度；
为区域内机组的平均等效可用率。
单一市场的基准价格
定为市场新建参考机组单位容量的净成本，由新建参考机组的总成本扣除其在能量市场、辅助服务市场等除容量市场外的其他市场的总预估收益得到，其表达式为
（A9）
式中，
为参考机组的总成本，是年化投资成本、年运维成本和年可变成本之和；
为参考机组在目标年的电能量市场预估年收益；
为参考机组在目标年的辅助服务市场预估年收益；
为机组容量。
3. 单一市场模式中应用闭环反馈修正参数策略的市场运行结果
附表1 单一市场模式中应用闭环反馈修正参数策略的市场运行结果
App.Tab.1 Market operation results of applying the parameter correction strategy based on the closed-loop feedback in the single market mode
年份/系统总容量误差(%)新能源容量误差(%)灵活性电源容量误差(%) 30.866 50.865.93-0.20 40.734 11.3211.791.94 50.467 30.1817.35-2.72 60.624 61.2123.22-3.94
（续）
年份/系统总容量误差(%)新能源容量误差(%)灵活性电源容量误差(%) 70.444 50.8425.33-4.43 80.516 11.4129.86-5.14 90.391 10.6431.13-6.68 100.369 11.3632.83-7.38 110.773 71.1331.76-9.07 121-0.1321.711.27 131.264 7-0.7212.772.25 141.877 8-0.818.832.54 151.884 3-0.896.821.05 161-1.487.560.52 171.282 5-0.627.990.43
参考文献
[1] 周孝信, 赵强, 张玉琼. “双碳”目标下我国能源电力系统发展前景和关键技术[J]. 中国电力企业管理, 2021(31): 14-17.
Zhou Xiaoxin, Zhao Qiang, Zhang Yuqiong. Development prospect and key technologies of China’s energy and power system under the goal of “double carbon”[J]. China Power Enterprise Management, 2021(31): 14-17.
[2] 姜云鹏, 任洲洋, 李秋燕, 等. 考虑多灵活性资源协调调度的配电网新能源消纳策略[J]. 电工技术学报, 2022, 37(7): 1820-1835.
Jiang Yunpeng, Ren Zhouyang, Li Qiuyan, et al. An accommodation strategy for renewable energy in distribution network considering coordinated dispatching of multi-flexible resourrces[J]. Transactions of China Electrotechnical Society, 2022, 37(7): 1820-1835.
[3] 吴珊, 边晓燕, 张菁娴, 等. 面向新型电力系统灵活性提升的国内外辅助服务市场研究综述[J]. 电工技术学报, 2023, 38(6): 1662-1677.
Wu Shan, Bian Xiaoyan, Zhang Jingxian, et al. A review of domestic and foreign ancillary services market for improving flexibility of new power system[J]. Transactions of China Electrotechnical Society, 2023, 38(6): 1662-1677.
[4] 亢丽君, 王蓓蓓, 薛必克, 等. 计及爬坡场景覆盖的高比例新能源电网平衡策略研究[J]. 电工技术学报, 2022, 37(13): 3275-3288.
Kang Lijun, Wang Beibei, Xue Bike, et al. Research on the balance strategy for power grid with high proportion renewable energy considering the ramping scenario coverage[J]. Transactions of China Electrotechnical Society, 2022, 37(13): 3275-3288.
[5] 李军徽, 安晨宇, 李翠萍, 等. 计及调峰市场交易的储能-新能源-火电多目标优化调度方法[J]. 电工技术学报, 2023, 38(23): 6391-6406.
Li Junhui, An Chenyu, Li Cuiping, et al. Multi-objective optimization scheduling method considering peak regulating market transactions for energy storage-new energy-thermal power[J]. Transactions of China Electrotechnical Society, 2023, 38(23): 6391-6406.
[6] 喻芸, 荆朝霞, 陈雨果, 等. 电力市场环境下典型发电容量充裕性机制及对我国的启示[J]. 电网技术, 2019, 43(8): 2734-2742.
Yu Yun, Jing Zhaoxia, Chen Yuguo, et al. Typical generation resource adequacy mechanism in electricity market and enlightenment to China[J]. Power System Technology, 2019, 43(8): 2734-2742.
[7] Hogan M. Follow the missing money: ensuring reliability at least cost to consumers in the transition to a low-carbon power system[J]. The Electricity Journal, 2017, 30(1): 55-61.
[8] 孙启星, 尤培培, 李成仁, 等. 适应中国现行电力市场环境下的容量市场机制设计[J]. 中国电力, 2022, 55(8): 196-201.
Sun Qixing, You Peipei, Li Chengren, et al. Capacity market mechanism design under electricity market mechanism in China[J]. Electric Power, 2022, 55(8): 196-201.
[9] 袁家海, 张为荣, 杨炯君. 电力容量机制设计与完善的关键要点探析[J]. 中国电力企业管理, 2021(4): 32-36.
Yuan Jiahai, Zhang Weirong, Yang Jiongjun. Analysis on the key points of the design and improvement of power capacity mechanism[J]. China Power Enterprise Management, 2021(4): 32-36.
[10] 孙启星, 邢栋, 张超, 等. 适应中国背景的跨省区容量市场联合出清机制[J]. 电力系统及其自动化学报, 2022, 34(10): 145-151.
Sun Qixing, Xing Dong, Zhang Chao, et al. Trans-provincial joint clearing mechanism for capacity market in China[J]. Proceedings of the CSU-EPSA, 2022, 34(10): 145-151.
[11] Zhao Feng, Zheng Tongxin, Litvinov E. Constructing demand curves in forward capacity market[J]. IEEE Transactions on Power Systems, 2018, 33(1): 525-535.
[12] 张柏林, 雷绅, 吴锋, 等. 面向新能源电力系统的容量市场出清模型[J]. 电工电能新技术, 2022, 41(12): 1-8.
Zhang Bolin, Lei Shen, Wu Feng, et al. Capacity market clearing model for renewable power systems[J]. Advanced Technology of Electrical Engineering and Energy, 2022, 41(12): 1-8.
[13] 张妍, 陈启鑫, 郭鸿业, 等. 引入投资决策的电力容量市场均衡分析[J]. 电力系统自动化, 2020, 44(20): 11-18.
Zhang Yan, Chen Qixin, Guo Hongye, et al. Equilibrium analysis of power capacity market incorporating investment decision[J]. Automation of Electric Power Systems, 2020, 44(20): 11-18.
[14] 陈政, 张翔, 马子明, 等. 引导电力供需长期有效均衡的容量市场设计[J]. 中国电力, 2020, 53(8): 164-172.
Chen Zheng, Zhang Xiang, Ma Ziming, et al. A capacity market design guiding the long-term effective balance of power supply and demand[J]. Electric Power, 2020, 53(8): 164-172.
[15] 丁涛, 孙嘉玮, 黄雨涵, 等. 储能参与容量市场的国内外现状及机制思考[J/OL]. 电力系统自动化, 2023: 1-22. https://kns.cnki.net/kcms/detail/32.1180. TP.20230424.1608.006.html.
Ding Tao, Sun Jiawei, Huang Yuhan, et al. Domestic and foreign present situation of capacity market with energy storage and thought on its mechanism[J/OL]. Automation of Electric Power Systems, 2023: 1-22. https://kns.cnki.net/kcms/detail/32.1180.TP.20230424.1608.006.html.
[16] 麻秀范, 陈静, 余思雨, 等. 计及容量市场的用户侧储能优化配置研究[J]. 电工技术学报, 2020, 35(19): 4028-4037.
Ma Xiufan, Chen Jing, Yu Siyu, et al. Research on user side energy storage optimization configuration considering capacity market[J]. Transactions of China Electrotechnical Society, 2020, 35(19): 4028-4037.
[17] Liu Yingqi. Demand response and energy efficiency in the capacity resource procurement: case studies of forward capacity markets in ISO New England, PJM and Great Britain[J]. Energy Policy, 2017, 100: 271-282.
[18] Neuhoff K, De Vries L. Insufficient incentives for investment in electricity generations[J]. Utilities Policy, 2004, 12(4): 253-267.
[19] 北极星售电网. “拉闸限电”频发？—关于高比例新能源情况下电力供应充裕度的探讨[EB/OL]. [2021-02-22]. https://news.bjx.com.cn/html/20210222/ 1137394.shtml.
[20] 陈雨果, 张轩, 张兰, 等. 南方(以广东起步)电力容量市场机制设计探讨[J]. 广东电力, 2020, 33(2): 45-53.
Chen Yuguo, Zhang Xuan, Zhang Lan, et al. Discussion on mechanism design of Southern China (starting from Guangdong) power capacity market[J]. Guangdong Electric Power, 2020, 33(2): 45-53.
[21] 山东省发展和改革委员会. 关于电力现货市场容量补偿电价有关事项的通知[EB/OL]. [2022-03-30]. https://fgw.shandong. gov.cn/art/2022/3/30/art_91687_10347028.html.
[22] 广东省能源局, 国家能源局南方监管局. 广东电力市场容量补偿管理办法（试行）[EB/OL]. (2020-11-30)[2020-12-01].https://shoudian.bjx.com.cn/html/20201216/ 1122564.shtms.
[23] 云南省发展和改革委员会. 云南省燃煤发电市场化改革实施方案（试行）[EB/OL]. [2022-12-19]. http://yndrc.yn.gov. cn/qtwj/81788.
[24] 王蓓蓓, 亢丽君, 苗曦云, 等. 考虑可信度的新能源及需求响应参与英美容量市场分析及思考[J]. 电网技术, 2022, 46(4): 1233-1247.
Wang Beibei, Kang Lijun, Miao Xiyun, et al. Analysis and enlightenment of renewable energy and demand response participating in UK and US capacity markets considering capacity credibility[J]. Power System Technology, 2022, 46(4): 1233-1247.
[25] 田雪沁, 刘壮壮, 王茜, 等. 顺应节能降碳发展趋势的容量市场机制及竞标策略研究[J]. 节能技术, 2022, 40(5): 397-402.
Tian Xueqin, Liu Zhuangzhuang, Wang Qian, et al. Research on capacity market mechanism and bidding strategy in line with the development trend of energy saving and carbon reduction[J]. Energy Conservation Technology, 2022, 40(5): 397-402.
[26] 尚楠, 张翔, 宋艺航, 等. 适应清洁能源发展和现货市场运行的容量市场机制设计[J]. 电力系统自动化, 2021, 45(22): 174-182.
Shang Nan, Zhang Xiang, Song Yihang, et al. Design of capacity market mechanism adapting to clean energy development and spot market operation[J]. Automation of Electric Power Systems, 2021, 45(22): 174-182.
[27] 陈政, 尚楠, 张翔. 兼容多目标调控需要的新型容量市场机制设计[J]. 电网技术, 2021, 45(1): 198-207.
Chen Zheng, Shang Nan, Zhang Xiang. Design of capacity market mechanism with multi-objective regulation[J]. Power System Technology, 2021, 45(1): 198-207.
[28] Byers C, Levin T, Botterud A. Capacity market design and renewable energy: performance incentives, qualifying capacity, and demand curves[J]. The Electricity Journal, 2018, 31(1): 65-74.
[29] Mastropietro P, Rodilla P, Batlle C. De-rating of wind and solar resources in capacity mechanisms: a review of international experiences[J]. Renewable and Sustainable Energy Reviews, 2019, 112: 253-262.
[30] PJM Capacity Market Operation[EB/OL]. PJM Manual 18: PJM Capacity Market. Revision 40[EB/OL]. [2018-02-22]. https://www.pjm.com/ library/ manuals. aspx.
[31] Ousman Abani A, Hary N, Rious V, et al. The impact of investors’ risk aversion on the performances of capacity remuneration mechanisms[J]. Energy Policy, 2018, 112: 84-97.
Abstract Capacity market is one important solution for the arising generation adequacy issues in power system by compensating for the investment costs of sources and stimulating generation investment. However, due to the differentiated cost structures of different types of sources, such as renewable energy sources and flexible power sources, existing capacity market is difficult to provide effective differentiated investment incentive signals to guide a rational generation investment. Recent research lacks the exploration of capacity market to the differentiated cost structures of power sources, and few studies have proposed corresponding improvement strategies. To address these issues, this paper analyzed the problems in capacity market caused by differentiated cost structures and proposed a capacity market design considering the differentiated cost structures of power sources.
Firstly, the paper explained the issues in existing capacity market by taking the phenomenon of “free-riding” of renewable energy sources as an example and then provided further illustration through quantitative analysis. Secondly, the paper proposed a capacity market organization model with sub-platform biddings for renewable energy and flexible power sources. Thirdly, to set appropriate market parameters so as to coordinate the difference in cost structures of sources, an investment simulation method was proposed to model investment incentive utility in the capacity market, and a strategy for setting key parameters based on the closed-loop feedback of the investment incentive utility was developed. The proposed capacity market design can satisfy the differentiated capacity compensation demand of renewable energy sources and flexible power sources, guide the development of a more reasonable source structure under a controllable capacity compensation cost, and support the construction of the new power system.
To verify the effectiveness of the proposed capacity market design, simulations were conducted on a system with one type of wind power source and three types of coal power sources. Simulation results show that the investment of renewable energy sources in the current capacity market mechanism is much higher than a preset investment goal, while in the proposed capacity market design, the capacity development of both renewable energy sources and flexible sources can follow the investment goal pretty well. The revenue ratio of each type of sources in current capacity market has higher fluctuations than that in the proposed capacity market design. Also, the current capacity market cannot guarantee the full cost recovery of each power source while the proposed capacity market design can provide sufficient but not excessive capacity compensation for each source. Meanwhile, in terms of economy, the proposed capacity market design can lower the market operation cost while guaranteeing the full cost recovery of capacity.
The following conclusions can be drawn from the simulation analysis: (1) In the existing capacity market, there exists a phenomenon of “free-ridding” due to the differentiated cost structures of power sources. (2) The proposed capacity market design can stimulate reasonable capacity investment by satisfying the different capacity compensation demand of renewable energy sources and flexible energy sources. (3) The proposed capacity market design reduces the market operation cost by avoiding paying renewable energy sources an additional payment that is caused by the “free-ridding” of renewable energy sources.
keywords：Capacity markets, cost structure differences, capacity demand curve, generation capacity adequacy, generation investment
中图分类号：TM73
DOI: 10.19595/j.cnki.1000-6753.tces.231474
国家自然科学基金（52177072）和重庆英才计划项目（CQYC2021059365）资助。
收稿日期 2023-09-07
改稿日期 2023-11-03
李琪瑞 女，1994年生，博士研究生，研究方向为电力市场。E-mail：qiruili@cqu.edu.cn
杨知方 男，1992年生，教授，博士生导师，研究方向为电力系统优化、电力市场等。E-mail：zfyang@cqu.edu.cn（通信作者）
（编辑 赫 蕾）