图1 我国西北某省电力系统2024年春季典型日爬坡供需情况
Fig.1 Ramping supply-demand conditions in the power system of a province in Northwest China on a typical spring day in the year 2024
摘要 为解决高比例可再生能源接入引发的净负荷短时间强梯度变化问题，灵活爬坡产品已在多个地区落地应用。然而现有的灵活爬坡产品大多依托于充裕的调节电源开展，无法适应以煤电为主要调节电源、调节速率稀缺的电力系统。为此，该文首先分析了灵活爬坡产品在煤电-可再生能源电力系统中的不适应性，然后设计了一种灵活爬坡产品与旋转备用产品的耦合机制：在日内阶段由慢速煤电机组替换日前中标旋转备用产品的快速煤电机组，使得快速煤电机组能够参与实时阶段的灵活爬坡市场，以实现对煤电机组调节能力的充分利用。该耦合机制在降低系统灵活爬坡采购支出和系统总购电成本的同时，也降低了系统因灵活爬坡能力不足引发切负荷的风险。依托我国西北某省实际算例进行仿真，验证了所提耦合机制的有效性。
关键词：电力辅助服务市场 灵活爬坡产品 旋转备用产品 电力系统灵活性 机制设计
随着我国“双碳”目标的持续推进，可再生能源装机占比不断提升。截至2024年底，我国风电、光伏总装机规模已超14.1亿kW，占比超过25%[1]。高比例可再生能源接入带来的系统灵活爬坡问题[2]已成为新型电力系统转型面对的关键问题之一。
虽然由美国加州电力系统运营商（California Independent System Operator, CAISO）首先提出[3]，并逐步推广至美国中部电力系统运营商（Midcontinent Independent System Operator, MISO）[4]、纽约电力系统运营商（New York Independent System Operator, NYISO）[5]和西南电力库（South Power Pool, SPP）[6]的灵活爬坡产品（Flexible Ramping Product, FRP），已在近6年的运行中被证明是一种能够较好地应对美国电力系统灵活爬坡问题的市场化产品，但是FRP直接应用在我国部分电力系统中时却存在供给不足或价格过高的问题。
受资源禀赋、路径依赖等因素的影响，我国大部分省份仍以燃煤机组作为主要调节电源。除水资源充裕的四川、云南、湖北等地区以水电作为主要调节电源，以及北京、上海、西藏三地以燃气或燃油机组作为调节电源外，其余大部分省份均以煤电机组作为主要调节电源，煤电在调节电源中占比均超过70%。并且按照“煤电机组先立后破”[7]的能源转型原则，可以预见在未来较长一段时间内，大部分省份仍将保持高风电和光伏发电占比、高煤电占比的电源结构，呈现风-光-煤电的三元态势。
煤电机组调节速率的不足使得这类电力系统爬坡速率供给能力严重不足。此外，煤电的调节能力还被旋转备用产品（Spinning Reserve Product, SRP）大量占据，影响其提供灵活爬坡产品的空间。直接应用FRP会面临供给侧短缺的问题，需要频繁调用价格高昂的电化学储能、需求侧响应资源等作为FRP的边际资源，提高FRP整体采购成本，导致辅助服务费用的整体增加。
因此，如何通过FRP和旋转备用产品的协同配合，在满足旋转备用需求的同时，充分利用煤电机组的调节性能，保障系统爬坡能力的充裕性，既对我国电力系统爬坡能力供需关系紧张的现状具有现实意义，也对以煤电为主要调节电源的电力系统中爬坡资源的优化配置具有普适性价值。
现有提升系统爬坡能力充裕度的研究主要集中于以下两方面：
1）通过在FRP中引入新型爬坡主体提高供给能力。文献[8-11]探讨了不同类型电力系统中，电化学储能、抽水蓄能、绝热压缩空气储能、飞轮储能等多类型储能参与FRP的可能性和效果；文献[12-16]研究了电动汽车参与FRP的优化策略和激励措施，验证了电动汽车参与FRP后对系统可靠性和灵活性的贡献；文献[17]提出了一个两阶段优化策略，在考虑氢能系统成本的基础上，确定了其参与日前市场和FRP的报价策略，并评估了氢能系统提供灵活爬坡产品的重要性；文献[18-19]对微电网日前自调度问题提出了一个新的决策框架，使得微电网能够改变自身报价策略以提供FRP；文献[20-22]研究了虚拟电厂参与电力市场并提供灵活爬坡服务的方式，包括虚拟电厂的优化运行策略[20-21]和支持虚拟电厂提供FRPs的云边协同市场架构[22]；文献[23]提出一种大用户激励型需求响应策略，为独立系统运营商获取需求侧灵活性资源提供了有效途径；文献[24]对典型差异化工业高载能负荷进行了灵活性分析，介绍了其参与市场的优化调度模型。
2）通过改进FRP关键机制提升爬坡资源配置效率，包括灵活爬坡需求预测技术改进[25-26]和市场出清模型改进[27-31]。文献[25]以神经网络预测风光出力，使用C-Vine-Copula函数构建多元随机变量预测误差的联合概率分布并测算爬坡需求；文献[26]构建了基于贝叶斯深度学习-长短时记忆神经网络的爬坡需求预测模型；文献[27]提出了一种基于分布稳健机会约束多区间最优潮流的可交付FRPs，同时考虑了风电功率和需求不确定性的时空相关性；文献[28]将爬坡市场的确定性出清模型改进为鲁棒性更强的不确定性出清模型；文献[29-30]通过引入网络约束、功率传输约束提高了爬坡产品的实时可交付性；文献[31]通过考虑多随机交付场景对爬坡市场出清模型进行改进，提高了实时可交付性。
虽然，上述研究成果都能够对提升系统爬坡能力裕度起到积极作用，但其仍有以下局限性。
在FRP中引入新型爬坡主体存在两个主要问题：一是诸如电制氢、微电网等资源现阶段在电力系统中规模较小，对系统爬坡能力提升程度有限；二是这些新型主体从技术上能够提升系统爬坡能力，加强系统的安全性和可靠性，但这类新型主体通常价格较高，大量引入可能大幅提高系统辅助服务支出。
在改进爬坡市场关键机制的研究中，优化爬坡需求预测方法可以降低因净负荷预测误差产生的系统爬坡需求，但受风电、光伏预测精度的限制，其效果并不显著；对出清模型的改进则旨在通过考虑需求的不确定性，提高爬坡产品的可交付性，对系统爬坡能力裕度的提升只是其附带作用，仅在系统阻塞严重时能起到部分作用。
故在以煤电为主要调节电源的电力系统中，上述方法在技术可行性和经济性方面均存在局限性。为此，本文提出了一种FRP和旋转备用市场耦合机制。通过在日内阶段由慢速煤电机组替换日前中标旋转备用产品的快速煤电机组，提高煤电机组实时阶段的爬坡能力，实现有限的煤电调节资源在灵活爬坡产品和旋转备用产品中的高效分配。该机制通过提高煤电机组调节速率的利用效率，实现系统整体爬坡裕度的提高，是解决以煤电为主要调节电源的电力系统爬坡问题最经济且有效的方法。
系统爬坡供需情况由爬坡需求和爬坡供给共同决定。系统爬坡需求可分为预计性需求和不确定性需求两部分[32]，前者由相邻时刻间净负荷预测值之差构成，后者则由超短期净负荷预测值与实时市场/实时平衡市场出清时所用净负荷预测值之差引发。考虑到出力预测精度，风电和光伏装机占比的提升通常被认为是引发系统爬坡需求激增的主要因素[33]。系统的爬坡供给能力则是系统中调节电源单位时间内可用爬坡速率之和，主要取决于系统中调节电源类型和对应的装机容量。
在以煤电为主要调节电源的新型电力系统中，风电、光伏的高占比使得系统有较高的爬坡需求；而作为主要调节电源的煤电机组，其较低的调节速率[34]使得系统整体爬坡能力供给不足。
以我国西北某省电力系统为例，截至2024年底，其装机总容量达11 186 MW，其中光伏装机容量为4 692 MW、风电装机容量为2 100 MW，合计占比达60.07%；煤电作为主要调节电源，装机容量为3 631 MW，占比达32.5%，是典型的风-光-煤电电力系统。图1以该省电力系统2024年春季典型日数据为例，展示了在基于日前电能量市场出清形成的机组组合和发电计划中，煤电能够提供的总爬坡能力和系统爬坡需求的对比。其中确定性爬坡需求按照2024年该省实际的日前净负荷预测值计算，不确定性需求基于实际预测误差按照文献[26]方法计算。
图1 我国西北某省电力系统2024年春季典型日爬坡供需情况
Fig.1 Ramping supply-demand conditions in the power system of a province in Northwest China on a typical spring day in the year 2024
从图1可以看出，该省电力系统中爬坡需求的主要成因是不确定性需求，在光伏大发的中午12:00—15:00和风电大发的晚间0:00—5:00，系统上爬坡需求均超过了煤电机组理论上能提供的上爬坡能力，爬坡供需失衡时段占总时段的50%。
该省电力系统面临的爬坡能力供需态势在我国并非个例。本文结合影响爬坡供需的关键因素，构建了一个简化模型以表征不同系统爬坡能力供需形态的差异。需要说明的是，受可再生能源出力特性差异、可再生能源出力预测精度不一、调节资源技术特性不同等具体因素的影响，该模型无法定量分析系统爬坡能力的具体供需大小，仅用于从结构上区分不同系统的爬坡供需特征。
需求侧，通过系统风电、光伏装机容量之和与系统总装机容量的比值表征系统爬坡需求，如式（1）所示。供给侧，通过系统调节电源15 min单向可用爬坡容量与系统总装机容量的比值以表征系统爬坡供给能力，如式（2）所示。
（1）
（2）
式中，
为系统爬坡需求系数；
为系统光伏装机容量；
为系统风电装机容量；
为系统总装机容量；
为系统爬坡供给能力系数；
为煤电机组i优化时段可用爬坡容量。
利用该模型对我国各省与国际典型电力市场爬坡供需态势进行评估，如图2所示。通过其在坐标轴中的分布可以看出：国际典型电力市场大多呈现高爬坡需求-高爬坡供给能力或低爬坡需求的形态，前者通过现有爬坡市场就能较好地实现爬坡资源的配置，后者则暂不面临爬坡问题。而我国大部分省份的爬坡供需态势相近，均呈现高爬坡需求、低爬坡供给能力的形态。由此可见，该省电力系统面临的爬坡供需形态在以煤电为主要调节电源的电力系统中是一个普遍存在的共性问题。
图2 中国各省与国际典型电力市场爬坡供需态势评估
Fig.2 Ramping supply-demand conditions of Chinese provinces and international typical electricity markets
需要说明的是，在这个评估模型和下文中，均未把储能作为常规调节电源纳入我国各省的情况评估中，原因有两方面：技术特性方面，现阶段大部分省份的储能主要承担调峰任务，即在午间净负荷低谷时段充电以消纳新能源，晚间负荷高峰时段放电以保障电能量供应，不具备多余的调节能力以提供爬坡服务；经济特性方面，目前储能提供调节的变动成本较煤电机组仍然较高，利用储能提供爬坡能力可以保障系统的安全和稳定，但不具备良好的经济性。
煤电机组作为部分新型电力系统的主要调节电源，承担着包括调频、旋转备用和灵活爬坡在内的多项调节功能。
各辅助服务产品旨在通过价格信号引导煤电机组在不同的市场中投标，实现调节能力的优化配置。但是煤电的技术特性、新能源出力预测精度和各类辅助服务产品需求的矛盾制约了煤电在各类辅助服务中实现最优配置。其中，煤电机组在旋转备用产品和灵活爬坡产品中的资源错配是造成FRP应用受限的原因。这种错配是市场开展的时序结构和产品调节速率要求共同导致的。时序结构方面，可再生能源预测精度和煤电机组的物理特性导致了旋转备用市场必须在日前阶段开展，而FRP需要在日内阶段开展[32]。
与能够快速起停的燃气机组和各类储能资源不同，燃煤机组起停时间较长。通常情况下，燃煤机组温态起动所需时间约为4 h，冷态起动所需时间则超过6 h，这使得实时或临近实时阶段没有充足的时间安排或修改机组组合，即煤电的机组组合只能在日前市场中完成。我国旋转备用产品同时承担了应对净负荷波动的负荷备用、新能源备用和应对事故的事故备用职能，这使得各省份旋转备用需求通常仅按照系统正常运行方式下的电力系统中任一元件无故障或因故障断开，电力系统应能保持稳定运行和正常供电的原则（N-1原则），或按照N-1原则与最大预测负荷或新能源的一定百分比之和确定，例如宁夏旋转备用需求确定方法，如式（3）所示。
（3）
式中，w、s、d分别为风电场、光伏电站和负荷节点索引；
为系统t时刻旋转备用需求；
和
分别为风电场w与光伏电站s在t时刻的日前出力预测值；
为负荷d在t时刻的日前功率预测值；
为按照N-1原则计算的容量。
加之部分电力系统包含大容量特高压直流输电线路，直流单极闭锁产生的功率缺额较大，如果在机组组合中不加入旋转备用需求的约束，仅依靠机组组合后的机组剩余可用容量通常无法满足旋转备用需求，因此旋转备用的该特点使得其必须在日前机组组合阶段进行出清。
FRP的需求确定高度依赖风电、光伏发电出力的预测精度。虽然各省对风电、光伏日前出力预测的准确率要求不同，但都符合日前准确率要求较低、超短期（提前1～4 h）预测准确率较高的特点。日前较低的风电、光伏出力预测精度使得日前阶段暂不适合开设FRP，而需要在日内阶段开设。
在产品的调节速率需求方面，FRP相较于旋转备用产品在资源调节速率上有更高的要求。FRP中需要调节速率快的电源以应对净负荷的频繁大幅变化，而旋转备用产品多用于事故发生后逐步替换第一时间用于频率恢复的调频容量，所以对中标机组的响应时间要求相对较低，通常认为煤电机组剩余可用发电容量均可提供旋转备用产品，而不用对其调节速率设定阈值。
在刚性的市场时序结构下，煤电机组在日前阶段对于自身可能在FRP中获得的收益是未知的——既包括系统需求量，也包括可能的出清价格，因而参加电能量市场和旋转备用市场是更好的选择。而调节速率较快的煤电机组通常是装机容量较大或服役年龄较短的新型机组，其变动成本也较低，这使得它们更容易在日前电能量市场和旋转备用市场中中标。调节速率较低的煤电机组则通常是装机容量较小或较老旧的机组，较高的变动成本使得它们无法在日前电能量市场或旋转备用市场大量中标，但剩余的容量受调节速率的限制，仅有一小部分能够在实时阶段提供FRP。
综上所述，大量旋转备用产品在日前占据了快速煤电机组的调节能力，使得日内的FRP供给严重不足，导致供需失衡。
本文设计的FRP与旋转备用产品耦合机制在实时阶段嵌入实时现货市场和灵活爬坡市场的联合出清中。耦合机制将在实时阶段释放日前市场中已中标旋转备用产品的容量，并将其纳入FRP的优化中。同时，为满足系统旋转备用需求，将从因调节速率较慢而无法提供灵活爬坡的机组可用容量中采购相应备用容量。
需要强调的是，实施耦合机制存在一个关键前提：系统中必须有充足的可用容量来完全替代需解锁的快速机组日前中标旋转备用容量。当实时阶段剩余可用容量不足时，耦合机制将因前提条件不满足而不会被触发，此时日前中标的快速机组容量将继续履行其旋转备用义务，而不会被纳入FRP优化。这一前提保证了系统不会因旋转备用被占用而引发新的安全与保供风险。
对于系统而言，耦合机制实现了对煤电机组在电能量市场、旋转备用市场和FRP的再优化，使得社会福利得到了提升。
对于煤电机组，尤其是快速煤电机组而言，耦合机制使得其无需在日前承担因系统爬坡需求不确定性引发的FRP收益不确定性的风险——既不用在旋转备用市场中报高价实现经济持留，以博取FRP的高收益；也无需担心在日前旋转备用市场的中标使得实时市场没有足够多的容量参与FRP，影响自身收益。这极大地降低了机组的报价难度。
包含FRP和旋转备用市场耦合机制的出清模型涉及日前和实时两阶段。日前阶段为现货市场与旋转备用产品联合出清；实时阶段为电能量市场、FRP以及日内旋转备用产品三者联合出清。其中电能量现货市场采用发电方单侧单向报价的集中式电力市场模式，爬坡市场对于未参与现货市场的主体采用需求侧单向单段式报价的方式。
日前出清模型同常见的电能量现货市场与旋转备用市场联合出清模型[35]一致，本文不再赘述，仅对涉及耦合机制的实时安全约束经济调度（Security Constraint Economic Dispatch, SCED）模型进行介绍。
实时SCED模型目标为系统总购电成本最小，表示为
（4）
其中
（5）
式中，C为系统购电总成本，元；t0为初始优化时段；n为滚动优化时段数；
为机组i在日内t时段的电能量投标报价成本，元/(MW·h)；
为实时t时段旋转备用采购成本；
、
分别为实时t时段上、下爬坡采购成本，元；
、
分别为实时t时段切负荷和弃风光惩罚，元；b为机组报价段索引；
为机组i在实时t时段电能量市场b报价段的报价，元/(MW·h)；
为机组i在实时t时段电能量市场b报价段的中标量，MW；
为单位优化时段与1 h的比值；
为机组i在实时t时段旋转备用市场的报价，元/(MW·h)；
为机组i在实时t时段旋转备用市场中标量，MW；
、
分别为实时t时段上、下爬坡松弛采购量；
、
为实时t时段上、下爬坡市场价格，元/(MW·h)；
、
分别为切负荷和弃风光惩罚系数，元/(MW·h)；
为负荷节点d在实时t时段的切负荷值，MW；
、
分别为光伏机组s、风电机组w在实时t时段的弃电值，MW。
约束条件包括新能源弃电与系统切负荷约束，即
（6）
式中，
、
分别为风电机组w、光伏机组s在实时t时段的出力优化值，MW；
为负荷节点d在实时t时段的负荷优化值，MW；
、
分别为风电机组w、光伏机组s在实时t时段的出力预测，MW；
为负荷节点d在实时t时段负荷预测值，MW；W、S、D分别为风电机组、光伏机组和节点负荷集合。
节点功率平衡约束为
（7）
式中，KI、KW、KS分别为节点-可调节机组、节点-风电机组、节点-光伏关联矩阵；KD为节点-负荷关联矩阵；KL为节点-支路关联矩阵；
为由
构成的可调节机组优化出力向量；
为由
构成的风电机组优化出力向量；
为
构成的光伏机组优化出力向量；
为由
构成的节点负荷向量；
为t时段支路有功潮流向量。
机组出力上下限约束为
（8）
式中，
为机组i在t时段b报价段的最大中标量，MW；
为机组i在t时段的起停情况，该变量为0-1变量，0表示停机状态，1表示起动状态；B为报价的总段数；
为机组i在实时t时段中标总容量，MW；
、
分别为机组i在t时段的上、下爬坡产品中标量；
为机组i最大技术出力；
为机组i最小技术出力。
耦合机制可耦合量约束为
（9）
（10）
式中，
为机组i在实时t时段日前旋转备用容量中因耦合机制转而提供爬坡的容量，MW；
为机组i在日前t时段中标的旋转备用容量，MW；
为机组i在实时t时段中标的旋转备用容量，MW；
为实时旋转备用产品价格，为该约束对偶乘子。
机组爬坡速率约束为
（11）
式中，
、
分别为机组i出力为p时的最大上调速率和最大下调速率，MW/min；
为现货市场出清间隔时间，min。
系统爬坡需求约束为
（12）
式中，
、
分别为系统在t时段的上、下爬坡需求，MW。
线路潮流约束为
（13）
式中，B为通过删除节点导纳矩阵中松弛节点对应行和列得到的非奇异导纳矩阵；
为支路m的电抗，(pu)；N为系统总支路数；
为支路最大传输功率向量。
由于耦合机制的结算涉及FRP与旋转备用两个产品，其结算机制较为复杂，需要在结算的公平性和结算复杂度之间取得平衡。考虑到耦合机制在不同市场环境下实际发挥的效果不同，本文设计了三种适应不同情况的结算机制。
2.3.1 旋转备用产品与FRP独立结算（以下简称独立结算）
当系统爬坡能力相对充裕，耦合机制不频繁生效时，可直接结算资源在耦合前获得的全部旋转备用收益和耦合后获得的全部FRP收益，即
（14）
式中，
为资源i在第一种结算机制下旋转备用产品和FRP的总收益；
为日前旋转备用产品的出清价格。
2.3.2 旋转备用产品双结算（以下简称双结算）
当系统爬坡能力供需紧张，耦合机制频繁触发时，为避免独立结算机制中因耦合机制导致的同一容量同时获取旋转备用和FRP的重复收益，宜采用双结算机制。具体而言，对于因耦合机制而由旋转备用转为提供FRP的中标容量，可在爬坡市场中获得相应的实时FRP收益，但因其客观上未提供旋转备用服务，需退回该部分容量对应的日前旋转备用收益。双结算机制下资源的收益为
2.3.3 旋转备用产品与FRP耦合结算（以下简称耦合结算）
双结算机制在特定场景下，可能会引发资源参与耦合机制后的收益不增反降的问题，有损公平性。其根本原因在于价格倒挂：系统旋转备用紧张导致旋转备用出清价格较高，而爬坡需求恰好处在既需要耦合机制提供额外爬坡能力，又无需调用电化学储能、需求侧响应等高价场外资源的程度。此时FRP按影子价格出清，可能低于旋转备用出清价格，造成耦合资源的实际收益降低。
为了提高资源参与耦合机制的公平性与积极性，同时避免重复支付，可采用旋转备用与FRP耦合结算机制，使资源能够按照旋转备用和FRP中较高的价格进行结算。耦合结算机制下资源的收益为
2.3.4 结算机制对比
为适应不同的运营环境，本文设计了三种结算机制，其在公平性与结算复杂度上存在显著差异。
独立结算机制避免了日前旋转备用收益与FRP收益的耦合，操作最为简便，大幅降低了结算复杂度。但是这种结算模式使得因耦合机制转而提供FRP的容量重复获得了日前旋转备用收益与实时FRP收益，不符合市场协同设计中的收益互斥原则[36]，导致系统辅助服务总成本上升。当耦合机制生效不频繁时，因耦合机制重复支付的辅助服务成本可能低于开展更复杂结算机制的交易成本，此时选择独立结算机制是符合科斯定理的。
双结算机制遵循收益互斥原则，使得资源严格按照其实际提供的服务获得收益，避免重复付费，在绝大多数场景下有较好的公平性。但其价格与中标数据量成倍增加，也增加了结算复杂度与技术实施难度。
耦合结算机制能够在任何场景下确保公平性，其核心是出清后对耦合容量按旋转备用与FRP中的较高价格进行结算。由于涉及两产品中标量与价格数据的高频交互，结算复杂度最高。
上述三种结算机制均可沿用旋转备用产品和FRP日清月结的模式。由电力交易机构按照市场计量与结算规则[37]在Dday+1或Dday+2日对资源在Dday-1日开展的日前旋转备用市场和Dday日开展的耦合机制、实时旋转备用市场进行清分和账单发布，按月与电能量市场、FRP同步开展费用结算。表1对这三种结算机制的公平性和结算复杂度进行了综合对比。
表1 结算机制公平性和结算复杂度对比
Tab.1 Comparison of fairness and technical difficulty in settlement mechanisms
结算机制公平性结算复杂度 独立结算仅在耦合机制少量生效场景下有较好的公平性低 双结算大多数场景下有较好公平性中 耦合结算任何场景下均具备较好公平性高
为验证本文所设计灵活爬坡产品的有效性，本节以我国西北某省电力系统2024年全年实际场景为例，通过时序生产模拟进行全年日前和实时阶段的电力市场仿真，得到市场出清结果。仿真模型采用Matlab R2021a调用杉数COPT 7.2.4求解器进行求解。
算例中进行如下设置：
1）仿真场景中的现货市场按照该省实际情况采用集中式市场模式，日前现货市场和实时现货市场出清间隔均为15 min，实时现货市场采用4 h前瞻性滚动优化出清。
2）该省旋转备用需求为N-1原则取值、各时段预测负荷的2.5%和各时段新能源出力预测值的20%之和。
3）该省爬坡需求采用文献[26]中基于净负荷特征提取的系统爬坡需求计算方法得到。
4）假设机组在电能量现货市场中按照其变动成本报价，其中煤电机组报价曲线为3段；风电、光伏机组报价为0。
5）由于该省尚未开展旋转备用市场，煤电机组在旋转备用市场中的报价参考PJM旋转备用市场中的煤电机组报价和其在电能量市场中的报价关系，将均值设为15元/(MW·h)，按照不同机组发电变动成本上下浮动，报价曲线为单段。
6）爬坡需求曲线参照MISO采用单段需求曲线[4]，松弛价格按照该省削峰需求侧响应价格设为2元/(kW·h)。
7）基于该省电力系统供需分析，其耦合机制调用频繁，且不会经常出现旋转备用价格远高于爬坡价格的情况，故计算资源收益时采用双结算机制。
算例共包括两种情况。情况A：日前阶段为联合出清的日前电能量现货市场和旋转备用市场，实时阶段为联合出清的实时现货市场和FRP。情况B：日前阶段与情况A一致，实时阶段为加入耦合机制的实时现货市场、日内旋转备用市场和FRP。
通过对2024年全年日场景的聚类分析可知，该省电力系统年度负荷波动相对平稳，但风电、光伏出力存在显著差异性。鉴于系统爬坡需求与可再生能源发电量之间存在强相关性，依据风光出力水平将年度运行场景划分为四类典型场景。场景Ⅰ：风电与光伏发电出力水平均较低，以2月8日为代表；场景Ⅱ：高风电出力、低光伏发电出力，以4月5日为代表；场景Ⅲ：低风电出力、高光伏发电出力，以3月25日为代表；场景Ⅳ：风电与光伏发电出力均较高，以9月9日为代表。
图3展示了各典型场景下的风光出力、负荷曲线、净负荷曲线及系统爬坡需求，图4展示了耦合机制的作用时段，表2列出了通过耦合机制可增加的系统爬坡能力，以及各典型场景下购电成本的减少情况。仿真结果表明，该耦合机制在各个场景下均表现出较好的效果。
图3 典型场景净负荷堆积图
Fig.3 Net load diagram of four typical scenarios
图4 典型场景耦合机制生效情况
Fig.4 Effects of the coupling mechanism of four typical scenarios
表2 各场景下耦合机制表现
Tab.2 Effect of coupling mechanism in typical scenarios
场景耦合机制增加爬坡能力/(MW·h/天)耦合机制减少的采购成本/(百万元/天) Ⅰ14 251.0511.38 Ⅱ12 966.9510.34 Ⅲ11 787.009.42 Ⅳ9 072.997.25
鉴于该省电力系统中可再生能源渗透率较高，即使在可再生能源出力相对较低的场景Ⅰ，部分时段仍出现了系统爬坡需求超过燃煤机组总爬坡能力的情况，耦合机制使得这些时段储能采购量整体降低了70%。在爬坡需求较低的场景Ⅰ中，由于爬坡松弛量（即无法通过煤电机组覆盖的爬坡需求）较少，耦合机制额外提供的爬坡量也相对较低。但是通过耦合机制，能够覆盖系统全部的爬坡松弛量，避免昂贵的储能资源成为FRP的边际资源，因而在抑制FRP价格方面效果突出。
场景Ⅱ和Ⅲ表明，随着可再生能源发电量增加，早晚净负荷高峰时段及中午光伏大发时的净负荷低谷时段均出现了大量爬坡需求松弛量。在净负荷低谷时段，快速爬坡机组的可用容量在日前旋转备用产品中大量中标，这使得耦合机制在这些时段表现突出。在净负荷高峰时段，大部分快速爬坡容量已在现货市场中中标，留给耦合的旋转备用容量有限。因此，尽管耦合机制在净负荷高峰时段依然有效，但其效果相较于净负荷低谷时段有所减弱。
当风光发电量达到场景Ⅳ水平时，净负荷低谷已趋近于零，耦合机制的性能较场景Ⅱ和Ⅲ有所下降。主要原因是为了避免可再生能源大规模弃电，净负荷低谷时段开机数量减少（场景Ⅱ最小开机数量为27台，场景Ⅲ为56台，场景Ⅳ为54台），快速和慢速煤电机组的剩余可用容量均被锁定在旋转备用产品中，导致耦合机制“快慢资源替代”效应无法充分发挥。
从根本上说，耦合机制通过提高煤电机组利用效率来提供额外爬坡能力。然而，鉴于煤电机组总容量有限，耦合机制的有效性存在上限。当可再生能源引发的爬坡需求超过燃煤机组调节能力时，耦合机制仅能作为辅助解决方案，引入新的爬坡资源仍然至关重要。
以典型场景Ⅲ为例，对引入耦合机制前后市场出清情况进行对比分析。
3.3.1 日前市场出清结果
情况A与情况B的日前仿真结果一致。
算例将该省电网共71台燃煤机组按调节速率划分为三类：快速调节机组（包括2台1 060 MW机组与8台1 000 MW机组）、中速调节机组（包括18台660 MW机组、3台600 MW机组与1台经改造的350 MW机组）以及慢速调节机组（包括8台350 MW机组、25台330 MW机组、2台200 MW机组与4台150 MW机组）。需要说明的是，由于该省燃煤机组每分钟可上/下调节容量普遍为装机容量的1.5%，故机组调节速率与其装机容量呈现较强的相关性，但在其他电力系统中，也存在新建小容量煤电机组调节速率高于老旧大容量机组的情况。
图5展示了日前市场中各容量等级机组旋转备用中标情况。表3列出了各级别机组中标容量占系统总旋转备用需求比例和中标容量占自身剩余可用容量比例。结果与此前分析一致：快速调节机组因变动成本较低，成为旋转备用产品的主要资源，其中标量占自身剩余可用容量的比例也最高；中速调节机组作为旋转备用产品的主要补充；慢速调节机组仅在净负荷高峰时段，且当快速调节机组和中速调节机组可用容量均用尽时，方能少量中标。
图5 各类机组日前旋转备用中标情况
Fig.5 Clearing results of each unit class in the day-ahead SRP
表3 各场景下耦合机制表现
Tab.3 Cleared capacity ratios in the SRP and ratio to self-available generation capacity
机组类型中标容量占系统总旋转备用需求比例(%)中标容量占自身剩余可用容量比例(%) 快速调节机组61.669 中速调节机组34.825 慢速调节机组3.62
3.3.2 实时市场出清结果
由于耦合机制的作用，情况A与情况B在日内阶段的旋转备用产品与FRP出清结果均存在差异。情况A中，日前阶段旋转备用出清结果在日内阶段保持不变，最终结果与图5所示一致。
图6展示了引入耦合机制后各等级机组旋转备用中标量。耦合机制使得中速和慢速调节机组大量替代快速调节机组中标旋转备用，使得快速调节机组能够中标更多的FRP，这也正是耦合机制能够提升系统爬坡能力的原因所在。
图6 情况B中各类机组旋转备用中标情况
Fig.6 Clearing results of each unit class in the SRP of Case B
图7展示了情况A与情况B中FRP中标情况对比。耦合机制能够提供多少额外爬坡能力取决于日前旋转备用产品中各等级机组的中标情况。当日前阶段有更多快速调节机组中标旋转备用时，耦合机制的效果更为显著。在可再生能源出力较高的9:00—12:00时段，快速调节机组中标大量旋转备用，使得耦合机制能够提供可观的爬坡能力。然而，在19:00的净负荷峰值时段，快速调节机组的发电容量已在日前现货市场中完全利用，因此耦合机制无法提供额外的爬坡能力。
图7 情况A和情况B中FRP中标情况对比
Fig.7 Clearing results of each unit class in the FRP
3.3.3 耦合机制效益分析
耦合机制的效益主要体现在系统经济效益和主体经济效益两个方面。
系统经济效益表现为耦合机制能够有效地降低FRP的采购成本和系统总购电成本。尽管耦合机制会在日内阶段产生额外的旋转备用采购成本，但系统总采购成本显著下降。情况A与情况B系统经济性比较见表4。由表4可知，引入耦合机制后，旋转备用成本虽增加了2.91%，但FRP成本下降了31.97%，最终实现日均总成本降低4.64%。
表4 情况A与情况B系统经济性比较
Tab.4 Comparisons of system cost in Case A and Case B （单位：百万元/天）
成本情况A情况B变化量 FRP成本32.446 922.072 6-10.374 3 旋转备用成本1.448 91.491 1+0.042 2 总购电成本223.037 0212.704 9-10.332 1
耦合机制的系统经济效益还包括对FRP价格的平抑作用。耦合机制提供的额外爬坡能力能够减少需要调用储能以满足系统爬坡需求的时段，从而避免储能成为FRP的边际机组。
场景Ⅲ中，耦合机制在10个时段内将FRP价格从需求曲线规定的2元/(kW·h)拉低至煤电机组提供爬坡能力影子价格（低于10元/(MW·h)）。在爬坡需求较低的场景或电力系统中，耦合机制平抑FRP效果将更为显著。
机组的经济效益在于，其无需在日前阶段预测系统爬坡需求和FRP，也无需在日前阶段通过经济持留减少自身在日前阶段的中标量。机组只需要申报实际的发电成本与旋转备用成本，耦合机制即可基于此进行资源优化配置，使快速机组能够在日内阶段FRP中中标，并获得FRP收益。
尽管应用耦合机制后FRP整体价格的降低使机组在FRP中的收入呈下降趋势，但耦合机制实现了各级别机组旋转备用收入与FRP收入的再分配，使快速调节机组在FRP中收入的降幅相对较低。耦合机制生效前后，快速调节机组收益下降16%，而中速和慢速调节机组降幅分别为49%与29%。这也体现了耦合机制激励煤电机组提升调节速率的作用。
3.3.4 灵敏度分析
为评估快慢速机组占比对耦合机制稳健性的影响，本节基于场景Ⅲ，设计了一个简化算例，对耦合机制在快慢速机组不同配置比例下的作用效果进行灵敏度分析。
简化算例假设系统中只有快速与慢速两类机组，单机容量均为500 MW。为满足系统最大负荷与旋转备用需求，系统总装机容量设定为32 000 MW。
为进一步比较快慢速机组调节速率差异对耦合机制作用效果的影响，算例设计了两个对比方案。方案1：快速机组调节速率为15 MW/min，慢速机组调节速率为5 MW/min；方案2：快速机组调节速率为7.5 MW/min，慢速机组调节速率为5 MW/min。两个方案均以12.5个百分点为步长，将快速机组占比从0%逐步提高至100%，得到耦合机制的作用效果如图8所示。
图8 耦合机制效果灵敏度分析
Fig.8 Coupling mechanism effect sensitivity analysis
从计算结果可以看出：
1）方案1中耦合机制的作用效果普遍优于方案2。因为耦合机制的作用原理是由慢速机组承担对速率要求较低的旋转备用产品，从而释放快速机组的调节能力。两类机组调节速率差异越大，相同容量替换所能释放的调节能力也越大。
2）随着快速机组占比的升高，耦合机制的效果呈现先上升后减小，最终归零的趋势。
在快速机组占比较低（0%～25%）时，耦合机制效果随快速机组占比的提升而快速提升，原因在于该阶段中，快速机组日前剩余容量几乎全部被旋转备用占据，耦合机制的生效使得快速机组的调节速率得到了全额释放，因而效果显著。
同时，从图8可以看出，当快速机组占比从0%逐步升高至25%时，在没有耦合机制的情况下，FRP松弛量（即图中各方案的耦合量与FRP松弛量之和）持续增长。造成这一现象的原因在于，快速机组承担了大量旋转备用任务，使得其空有调节速率而没有可用容量；而慢速机组的可用容量虽然充裕，但调节速率有限，最终造成系统的总爬坡能力不足，FRP出现了较大缺口。相比之下，当全部机组均为慢速机组时，各机组均匀承担旋转备用任务，系统总爬坡能力反而较高。耦合机制的引入有效地纠正了上述资源错配问题，使得无论是方案1还是方案2的FRP松弛量均快速下降。
当快速机组占比进一步提高（37.5%～50%）时，耦合机制的效果开始下降。原因在于，随着快速机组数量增加，单台快速机组被旋转备用锁定的容量相应减少；与此同时，由于系统中慢速机组总容量下降，因而可供耦合的慢速机组容量也在降低，供需两侧共同挤压了耦合机制的作用空间。但快速机组占比的提升本身就提高了系统的爬坡能力，因此该阶段FRP松弛量仍在显著下降。
随着快速机组占比的进一步增高，耦合机制不再生效。这是因为在本文所设算例中，为了兼顾净负荷爬坡需求和净负荷低谷新能源消纳需求，慢速机组在新能源大发时段大量停机。待到爬坡需求较为紧迫的时段，系统中在运机组均为快速机组，机组之间已无调节速率差异，因此耦合机制失去了发挥作用的前提条件。此时，FRP松弛量仅受限于快速机组本身的调节速率，继续增加快速机组占比对提升系统爬坡能力已无效果，这也是方案1末段FRP松弛量不再随快速机组占比增加而降低的原因。
3）方案1中耦合机制的失效点先于方案2到来。这是因为方案2中快速机组调节速率不足，为了减少FRP松弛量，系统在起动全部快速机组的情况下，仍以增加弃风弃光为代价起动了少量慢速机组，使得耦合机制在快速机组高占比的情况下仍有部分生效空间。需要说明的是，这一差异源于算例中设定的爬坡松弛价格高于弃风光价格。如果消纳风光的优先级高于减小爬坡松弛量，则两种方案下耦合机制的失效点将趋于一致。
通过灵敏度分析可以看出，耦合机制的核心价值在于优化配置机组的爬坡速率以充分发挥机组的调节潜力。虽然通过快慢机组的容量替换可以提高系统的爬坡能力，但其本质仍是“存量优化”的手段，无法提高系统调节能力上限。因此，当系统中快速机组占比过高时，系统爬坡能力的瓶颈已从资源错配变为快速机组本身的调节速率上限，耦合机制无法突破这一由机组物理特性决定的天花板。
本文提出了一种FRP与旋转备用产品的耦合机制。该机制通过在日内运行阶段利用慢速调节燃煤机组替代已在日前阶段中标旋转备用的快速调节燃煤机组，释放了快速机组被旋转备用产品锁定的爬坡能力，提升了系统整体调节性能。
基于算例分析，验证了所提耦合机制的有效性。首先，耦合机制显著降低了系统因爬坡能力不足而对储能、需求响应等昂贵爬坡资源的调用。这既显著提高了系统灵活性，也降低了FRP采购成本和系统总购电成本。在典型场景中，耦合机制的应用使得FRP采购成本下降了31.97%，系统总购电成本降低了4.64%。其次，耦合机制还减少了市场时序结构对燃煤机组报价策略的负面影响。燃煤机组可通过申报真实变动成本实现旋转备用和FRP的综合收益最大化，系统也能充分利用煤电机组的调节速率。因此，该耦合机制实现了旋转备用产品和FRP的激励相容。
但是，灵敏度分析结果也揭示出耦合机制的局限性。其本质是提升系统爬坡能力的高效辅助手段，但无法突破既有资源的物理调节上限。在新型电力系统背景下，若要实现爬坡能力的根本性提升，仍需依靠新建快速调节机组、改造现役煤电机组调节性能，同时引入高调节速率的新型市场主体，直接提高系统的调节容量与速率上限。该耦合机制可作为优化工具，最大化既有资源调节能力的利用效率，进一步提升系统爬坡能力与运行经济性。
参考文献
[1] 国家电网发展部. 发展消纳概览[EB/OL]. (2025-09-26)[2025-09-27]. https://sgnec.sgcc.com.cn/renewable Energy/developmentSituation.
[2] 韩丽, 王冲, 于晓娇, 等. 考虑风电爬坡灵活调节的碳捕集电厂低碳经济调度[J]. 电工技术学报, 2024, 39(7): 2033-2045. Han Li, Wang Chong, Yu Xiaojiao, et al. Low-carbon and economic dispatch considering the carbon capture power plants with flexible adjustment of wind power ramp[J]. Transactions of China Electrotechnical Society, 2024, 39(7): 2033-2045.
[3] California ISO. Flexible ramping product refinements deliverability[EB/OL]. (2024-03-25)[2025-09-27]. http: //www.prod.caiso.com/Documents/Presentation-Flexible-Ramping-Product-Refinements-Deliverability-Training. pdf.
[4] Midcontinent Independent System Operator. Ramp capability product development IR048[EB/OL]. (2024-03-25)[2025-09-27]. https://www.misoenergy. org/engage/MISO-Dashboard/ramp-capability-produc t-development.
[5] NYISO. Market assessment design concepts-flexible ramping product[R]. New York: NYISO, 2018.
[6] SPP. Ramp capability products[R]. Little Rock: Southwest Power Pool, 2019.
[7] 林水静. 煤电“先立后改”破解电力供应难题[N]. 中国能源报, 2023-03-12(11).
[8] Gao Xiang, Zhang Jiahao, Chang Jiang, et al. Employing battery energy storage systems for flexible ramping products in a fully renewable energy power grid: a market mechanism and strategy analysis through multi-Agent Markov games[J]. Energy Reports, 2024, 12: 5066-5082.
[9] 吕婉煜, 赵红生, 韩应生, 等. 供需不确定性下抽水蓄能提升系统灵活性的分层优化调度[J]. 电工技术学报, 2025, 40(21): 6984-6999. Lü Wanyu, Zhao Hongsheng, Han Yingsheng, et al. Hierarchical optimal scheduling for pumped storage to enhance system flexibility under supply-demand uncertainty[J]. Transactions of China Electrotechnical Society, 2025, 40(21): 6984-6999.
[10] 王玉照, 葛鹏江, 刘继春, 等. 计入储能的电能量与爬坡市场联合出清方法研究[J]. 电网技术, 2025, 49(3): 1045-1055. Wang Yuzhao, Ge Pengjiang, Liu Jichun, et al. Research on method of joint clearing of electricity market and ramping market incorporating energy storage resources[J]. Power System Technology, 2025, 49(3): 1045-1055.
[11] 王杰, 苗世洪, 王廷涛, 等. 基于近端策略优化算法的电力系统多类型储能爬坡功率分配策略[J]. 高电压技术, 2025, 51(9): 4796-4806. Wang Jie, Miao Shihong, Wang Tingtao, et al. Ramping power allocation strategy for multi-type energy storage in power system based on proximal policy optimization[J]. High Voltage Engineering, 2025, 51(9): 4796-4806.
[12] Zhang Bei, Kezunovic M. Impact on power system flexibility by electric vehicle participation in ramp market[J]. IEEE Transactions on Smart Grid, 2016, 7(3): 1285-1294.
[13] Chang Yifan, Xie Jun, Qiu Chenguang, et al. A disposal strategy for tight power balance considering electric vehicle charging station providing flexible ramping capacity[J]. IEEE Access, 2022, 10: 119805-119813.
[14] Chen Wenzhe, Sun Haishun, Peng Chaoyi, et al. Distributed optimization for EVs integrated power system considering flexible ramping requirement[J]. International Journal of Electrical Power & Energy Systems, 2024, 160: 110104.
[15] Zhang Xian, Hu Jiefeng, Wang Huaizhi, et al. Electric vehicle participated electricity market model considering flexible ramping product provisions[J]. IEEE Transactions on Industry Applications, 2020, 56(5): 5868-5879.
[16] 韩丽, 陈硕, 王施琪, 等. 考虑风光消纳与电动汽车灵活性的调度策略[J]. 电工技术学报, 2024, 39(21): 6793-6803. Han Li, Chen Shuo, Wang Shiqi, et al. Scheduling strategy considering wind and photovoltaic power consumption and the flexibility of electric vehicles[J]. Transactions of China Electrotechnical Society, 2024, 39(21): 6793-6803.
[17] Habibifar R, Awad A S A, Azzouz M A. Optimal scheduling and routing for integrated power-hydrogen systems in day-ahead energy and flexible ramp product markets[J]. International Journal of Hydrogen Energy, 2025, 98: 1415-1429.
[18] Bahramara S, Sheikhahmadi P, Mazza A, et al. Provision of the flexible ramping product in a microgrid considering the trading strategies in the energy markets[J]. Sustainable Energy, Grids and Networks, 2022, 32: 100953.
[19] Bahramara S, Sheikhahmadi P, Mazza A, et al. Day-ahead self-scheduling from risk-averse microgrid operators to provide reserves and flexible ramping ancillary services[J]. International Journal of Electrical Power & Energy Systems, 2022, 142: 108381.
[20] Kong Weile, Ye Hongxing, Ge Yinyin, et al. Privacy-preserving multi-VPPs scheduling for peak ramp minimization[J]. Electric Power Systems Research, 2025, 241: 111375.
[21] 邬凯浪, 李寅晓, 李立, 等. 楼宇型虚拟电厂参与能量和灵活爬坡市场优化运行策略[J]. 上海交通大学学报, 2026, 60(4): 604-616. Wu Kailang, Li Yinxiao, Li Li, et al., Optimal operation strategy of building-type virtual power plant participating in energy and flexible ramping markets [J]. Journal of Shanghai Jiao Tong University, 2026, 60(4): 604-616.
[22] 彭超逸, 陈文哲, 徐苏越, 等. 支持虚拟电厂提供灵活爬坡服务的云边协同市场模型[J]. 上海交通大学学报, 2025, 59(2): 186-199. Peng Chaoyi, Chen Wenzhe, Xu Suyue, et al. Modeling of cloud-edge collaborated electricity market considering flexible ramping products provided by VPPs[J]. Journal of Shanghai Jiao Tong University, 2025, 59(2): 186-199.
[23] 黄大为, 郭念康, 于娜, 等. 面向系统灵活性提升的大用户激励型需求响应优化策略[J]. 电工技术学报, 2024, 39(21): 6778-6792. Huang Dawei, Guo Niankang, Yu Na, et al. Optimization strategy for enhancing system flexibility through incentive demand response of large-scale users[J]. Transactions of China Electrotechnical Society, 2024, 39(21): 6778-6792.
[24] 赵旭东, 王艺博, 王博闻, 等. 考虑差异化工业高载能负荷灵活性挖掘的市场实施及调度模型研究综述[J]. 电工技术学报, 2025, 40(7): 2043-2062, 2161. Zhao Xudong, Wang Yibo, Wang Bowen, et al. Review of market implementation and scheduling models considering the flexibility extraction of differentiated industrial energy-intensive loads[J]. Transactions of China Electrotechnical Society, 2025, 40(7): 2043-2062, 2161.
[25] 黄悦华, 刘兴韬, 张磊, 等. 基于C藤Copula及条件风险价值的综合能源系统灵活爬坡优化调度[J]. 中国电机工程学报, 2023, 43(24): 9411-9422. Huang Yuehua, Liu Xingtao, Zhang Lei, et al. Flexible ramping optimal scheduling of integrated energy system based on C-vine Copula and conditional value at risk[J]. Proceedings of the CSEE. 2023, 43(24): 9411-9422.
[26] 韩慕尧, 陈皓轩, 黄弦超.基于净负荷特征提取的新型电力系统爬坡需求预测[J/OL]. 华北电力大学学报(自然科学版), 2024: 1-10[2025-09-27]. http: //kns.cnki.net/kcms/detail/13.1212.TM.20240726.1326.002.html. Han Muyao, Chen Haoxuan, Huang Xianchao. Net load feature extraction based on a new type of power system, ramping demand forecast[J/OL]. Journal of North China Electric Power University (Natural Science Edition), 2024: 1-10[2025-09-27]. http://kns. cnki.net/ kcms/detail/13.1212.TM.20240726.1326.002.html.
[27] Fang Xin, Sedzro K S, Yuan Haoyu, et al. Deliverable flexible ramping products considering spatiotemporal correlation of wind generation and demand uncertainties [J]. IEEE Transactions on Power Systems, 2020, 35(4): 2561-2574.
[28] Wang Beibei, Hobbs B F. Real-time markets for flexiramp: a stochastic unit commitment-based analysis [J]. IEEE Transactions on Power Systems, 2016, 31(2): 846-860.
[29] 王浩元, 别朝红. 考虑不确定性物理边界的灵活爬坡备用分布鲁棒经济调度[J]. 电力自动化设备, 2023, 43(10): 59-68. Wang Haoyuan, Bie Zhaohong. Distributionally robust economic dispatch of flexible ramping reserve considering physical boundaries of uncertainty[J]. Electric Power Automation Equipment, 2023, 43(10): 59-68.
[30] Park H, Huang Bing, Baldick R. Enhanced flexible ramping product formulation for alleviating capacity shortage in look-ahead commitment[J]. Journal of Modern Power Systems and Clean Energy, 2022, 10(4): 850-860.
[31] 管金昱, 王德林, 昌力, 等. 考虑多随机交付场景的爬坡辅助服务市场出清模型[J]. 电力系统自动化, 2025, 49(23): 186-197. Guan Jinyu, Wang Delin, Chang Li, et al. Clearing model for ramping ancillary service market considering multiple stochastic delivering scenarios [J]. Automation of Electric Power Systems, 2025, 49(23): 186-197.
[32] 陈皓轩, 张粒子, 黄弦超, 等. 基于电力交易产品细分市场协同机理的新型电力系统灵活爬坡市场机制设计[J]. 电力自动化设备, 2026, 46(5): 26-36. Chen Haoxuan, Zhang Lizi, Huang Xianchao, et al. Design of a flexible ramp market mechanism for new power systems based on the coordination principle of subdivided markets for electricity trading products[J]. Electric Power Automation Equipment, 2026, 46(5): 26-36.
[33] 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 Electro-technical Society, 2022, 37(13): 3275-3288.
[34] 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.
[35] 杨萌. 可再生能源高渗透率电力系统的有功辅助服务市场机制设计与出清模型研究[D]. 北京: 华北电力大学, 2020. Yang Meng. Research on market design and clearing model of active power ancillary service for high renewable energy penetration power system[D]. Beijing: North China Electric Power University, 2020.
[36] 张粒子, 陈皓轩, 黄弦超, 等. 电力交易产品细分市场协同机理研究[J]. 中国电机工程学报, 2024, 44(16): 6320-6334. Zhang Lizi, Chen Haoxuan, Huang Xianchao, et al. Research on the synergistic mechanism of power trading product segments market[J]. Proceedings of the CSEE, 2024, 44(16): 6320-6334.
[37] 国家发展改革委, 国家能源局. 关于印发《电力市场计量结算基本规则》的通知[EB/OL]. (2025-07-18) [2025-11-18]. https://www.ndrc.gov.cn/xxgk/zcfb/ghx wj/202508/t20250806_1399686.html.
Abstract The global integration of high-penetration renewable energy sources (RESs) introduces significant short-term net load ramping variations, challenging power system stability. To address this, flexible ramping products (FRPs) have been successfully implemented in several electricity markets, such as CAISO and MISO. However, these market designs predominantly rely on abundant flexible resources like gas turbines or energy storage, rendering them incompatible with power systems where coal-fired units constitute the primary regulating resource—a common scenario in many Chinese provinces. This configuration, termed a “renewable-coal power system,” faces a critical incompatibility: the day-ahead procurement of spinning reserve products (SRPs) often locks the spare capacity of the limited fast-ramping coal-fired units. This pre-commitment leads to a suboptimal allocation of flexibility, leaving insufficient capacity available for the intraday FRP, resulting in frequent market imbalances and high procurement costs.
This paper conducts a comprehensive analysis of the ramping challenges inherent to renewable-coal systems, identifying a fundamental misallocation of coal-fired units between SRPs and FRPs as the core issue. The temporal structure of market operations—where SRPs are cleared day-ahead due to the long startup times of coal units and contingency requirements, while FRPs are more effectively cleared intraday to leverage more accurate renewable forecasts—creates a disconnect. Consequently, fast-ramping coal units, which are also competitive in the day-ahead energy market, are incentivized to secure SRP contracts, leaving their superior ramping capability unavailable for the uncertain intraday FRP. Meanwhile, slower-ramping coal units, often less competitive day-ahead, possess available capacity but cannot adequately meet real-time ramping demands.
To resolve this misallocation, this paper proposes a novel intraday coupling mechanism between the FRP and the SRP. The core of the mechanism involves strategically substituting slow-ramping coal units for the fast-ramping units that were awarded SRP contracts in the day-ahead market during intraday operations. This substitution unlocks the constrained fast-ramping capacity, making it available to supply the FRP in the real-time market. The resulting deficit in spinning reserves is then compensated by procuring additional SRP from the now-freed slow-ramping units. This approach effectively reallocates the limited flexible capacity of coal-fired units between the two ancillary services. The proposed methodology is formulated within a SCED model for the intraday market, which jointly clears the real-time energy, FRP, and the proposed coupling mechanism.
Theoretical derivations demonstrate that the coupling mechanism enhances the system’s maximum available ramping capability and increases total social welfare compared to a decoupled market design. The mechanism’s effectiveness is rigorously validated through year-long simulations based on real-world 2024 data from a province in Northwest China—a typical renewable-coal system with over 60% installed capacity from wind and solar. Case studies compare scenarios with and without the coupling mechanism across four typical operational scenarios characterized by varying wind and solar output levels. Results indicate that the mechanism robustly supplies significant additional ramping capacity, reducing system reliance on expensive resources like energy storage. This leads to a substantial reduction in total procurement costs by lowering FRP expenditure by 31.97%, despite a marginal 2.91% increase in SRP costs. Furthermore, the mechanism mitigates FRP clearing prices by displacing expensive marginal resources and achieves incentive compatibility by allowing units to profit based on their true ramping capabilities without complex strategic bidding.
In conclusion, the proposed coupling mechanism offers a practical and economically viable solution for implementing FRPs in coal-dominated power systems. It optimizes the utilization of existing conventional resources, enhances system flexibility, reduces overall costs, and provides a valuable framework for future ancillary service market design in regions undergoing a transition to high renewable penetration.
keywords：Electricityancillary service market, flexible ramping product, spinning reserve product, power system flexibility, mechanism design
DOI: 10.19595/j.cnki.1000-6753.tces.251676
中图分类号：TM731
国家重点研发计划资助项目（2022YFB2403200）。
收稿日期 2025-09-28
改稿日期 2025-11-21
陈皓轩 男，1997年生，博士研究生，研究方向为电力现货市场、电力辅助服务市场、电力系统灵活性。E-mail：chenhaoxuan@126.com
黄弦超 女，1980年生，副教授，硕士生导师，研究方向为电力市场及配电网优化运行。E-mail：hxc241@163.com（通信作者）