菅學輝, 張 利, 楊立濱, 韓學山, 王明強

(1. 電網智能化調度與控制教育部重點實驗室(山東大學), 山東省濟南市 250061; 2. 國網青海省電力公司電力科學研究院, 青海省西寧市 810008)

0 引言

作為可再生能源的主要組成部分,近年來風電在中國迅速增加,截至2016年底,風電累計并網容量已達1.49×108kW[1]。風電具有不可控波動的秉性,而中國以火電機組為主,嚴重缺乏水電和燃氣機組等可靈活調度的資源,電力系統(tǒng)面臨巨大挑戰(zhàn),全國平均棄風率高達17%[2]。尤其在北方地區(qū),受制于冬季供熱需求,熱電機組以熱定電進一步削弱了系統(tǒng)的調節(jié)能力[3],負荷低谷時段風電高發(fā)時,電網調峰極為困難[4-5]。

解決由調峰能力不足引起的棄風問題,關鍵在于如何合理配置調峰資源。與一般社會資源的配置一樣,調峰資源的配置主要有計劃和市場兩種模式,兩者各有利弊。前者的資源分配由責任機構統(tǒng)一計劃,不考慮資源提供者和使用者的自身意愿;而后者則通過資源相關各方對自身利益最大化的追求而實現(xiàn)。

以計劃模式為視角的研究,重在通過建模與算法實現(xiàn)對技術條件的充分利用,從而對調峰資源深度挖掘與配置。如文獻[6]針對不同調峰資源的特點,文獻[7-9]結合不同地區(qū)電網實際,通過更全面的建模與算法研究,提高系統(tǒng)整體的調峰能力。因此這種視角下,技術條件的極限利用決定了風電消納的水平。但由于決策中風電的價值由調度機構人為認定,缺乏科學合理的依據,因此該模式并不必然導致最優(yōu)的結果。如文獻[10]就指出,一味地追求風電增發(fā)而迫使部分火電機組向下調峰進入非常規(guī)出力狀態(tài),反而會增加全系統(tǒng)的運行成本。迄今為止,市場模式被公認為是最有效的資源配置方式,完善的市場機制可促成各類資源的合理競爭與價值發(fā)現(xiàn),同樣是調峰的重要手段。文獻[11]綜述了北美成熟電力市場中,各地區(qū)實踐的多種靈活性資源市場交易手段,文獻[12]提出一種風電參與能量和備用市場的新思路,文獻[13]則提出一種基于二叉樹期權理論的備用機制,可降低風電市場交易的風險。市場機制的建立需依托成熟的市場環(huán)境,目前還不適用于中國。

在信息完全、競爭充分等理想條件下,無論是計劃模式還是市場模式,調峰資源配置都可實現(xiàn)帕累托改進意義下的系統(tǒng)最優(yōu),即通過整體效益的提升保證個體效益的改善。而中國處于深化電力體制改革初期,上述理想條件并不具備,因此帕累托最優(yōu)難以實現(xiàn)。經濟學理論指出,通過“最大化社會總效益”而使所有人受益變得越來越難時,適度重新“分配利益”的效益優(yōu)勢就開始出現(xiàn),即調整不同參與者之間利益分配可實現(xiàn)卡爾多改進意義下最優(yōu)[14-15]?？柖喔倪M對受損者的利益實施補償,以達成一個現(xiàn)實的帕累托改進,該思想已在社會政策的制定、交通運輸、旅游等領域[16-18]廣泛應用,體現(xiàn)出在參與者之間重新“分配利益”可增進社會總體效益的效果[19]。對于調峰參與者的利益調整,以往僅關注調峰費用的補償,如文獻[20]提出基于等效可用負荷率的調峰費用補償方法,文獻[21]提出考慮火電機組容量差異及系統(tǒng)調峰能力的調峰輔助服務補償模型,文獻[22]則從合作博弈的角度對調峰成本補償?shù)拇_定進行了探討。目前,利益調整影響資源配置的經濟機理以及參與者利益得失的演變規(guī)律尚缺乏系統(tǒng)的分析。

深度調峰的最高目標是“最大化社會總效益”,但實現(xiàn)途徑與參與者的“利益分配”密切相關。針對高比例風電并網下如何合理解決深度調峰中涉及的“利益分配”問題,本文以深度調峰中“利益分配”是什么,為什么“分配”,以及如何“分配”為線索,從卡爾多改進的含義、作用機理和實現(xiàn)三個角度展開討論,通過成本補償和分攤的手段在參與者之間實現(xiàn)利益重新分配,從而挖掘系統(tǒng)的深度調峰潛力。最后,通過模擬中國電源結構和構成比例的算例仿真驗證了模型與方法的有效性和合理性。

1 深度調峰數(shù)學模型

本文討論的調峰是指電網調度部門通過平滑穩(wěn)定地調整并網機組出力、改變機組運行狀態(tài)以跟蹤負荷峰谷極端變化的運行決策。從目前形勢看,產生棄風的根本原因在于負荷低谷時段火電機組因經濟、技術限制無法降低出力,系統(tǒng)缺乏調節(jié)空間以消納風電,即系統(tǒng)的調峰能力不足。隨著風電并網比例的不斷提高,更加要求火電機組增強可調節(jié)能力,通過深度調峰以提高風電的消納水平。

調度決策中,每個時間斷面內,電網的電力供需都必須平衡,且所有機組出力須滿足技術出力約束,即

(1)

(2)

由式(1)可知,風電出力增加時,如果負荷不變,火電機組出力必須相應減少。如圖1的C區(qū)域所示,火電出力場景1下,系統(tǒng)的下調峰能力不足,不得不棄風;火電出力場景2由于具有[A,B]的下調空間,則可與風電出力較好“匹配”,有效減少或完全避免棄風。綜上,深度調峰機制設計的關鍵就在于如何通過適當?shù)慕洕?、技術措施挖掘該部分下調峰潛力,而這與機組的效益實現(xiàn)密切相關。

圖1 深度調峰示意圖Fig.1 Schematic diagram of deep-peak regulation

1.1 模型建立

深度調峰是經濟調度問題,優(yōu)化目標為追求社會總效益最大,其數(shù)學模型為:

(3)

式中:Fsociety為社會總效益;Fsurplus為消費者剩余;Fbenefit為機組調峰效益;P為機組出力向量;g和h分別為系統(tǒng)運行需滿足的等式和不等式約束條件集合;u和x分別為控制變量和狀態(tài)變量;T為調度時間。

消費者剩余可表示為:

(4)

機組調峰效益的通式可表示為:

(5)

(6)

考慮到目前中國銷售電價固定,則消費者總效用Futility在該優(yōu)化問題中可視為常數(shù),故式(3)等效為:

(7)

式中:Fcost為機組發(fā)電的等效運行成本。由于各類型機組的成本特性與技術特點不同,其運行成本和約束條件的表達也不盡相同,詳述如下。

1)純凝機組

(8)

式中:a0,i,a1,i,a2,i為機組i的煤耗成本特性擬合系數(shù)。

圖2 單臺火電機組能耗特性曲線Fig.2 Energy consumption characteristic curve of a single thermal power unit

(9)

因此,機組運行成本與有功出力的關系為:

(10)

機組出力須滿足技術出力約束:

(11)

純凝機組最小技術出力約束是制約其深度調峰能力的主要約束,通過投油助燃,機組的最小技術出力可實現(xiàn)調整。

2)熱電機組

在非供熱期,熱電機組和純凝機組的運行特性類似;在供熱期,熱電機組既生產電能,又利用汽輪發(fā)電機做過功的蒸汽供熱,因此其煤耗成本特性為[24]:

(12)

熱電機組的供熱量需滿足區(qū)域內的熱負荷需求,即

(13)

同時,熱電機組運行需滿足熱電比約束:

(14)

由熱電比約束可以將供熱量折算成用供電量表示的統(tǒng)一形式,單臺熱電機組運行工況如附錄A圖A1所示,供熱期以熱定電是其主要運行方式,熱負荷平衡約束和熱電比約束導致的可調節(jié)能力不足是限制該類機組深度調峰能力的主要原因[25]。

3)風電機組

風電機組不可調度,此類機組邊際運行成本為0。

4)其他約束條件

除以上機組出力約束外,模型還可加入網絡約束等系統(tǒng)安全穩(wěn)定運行的其他約束條件[26]。鑒于本文重點在于討論基于卡爾多改進的深度調峰新機制,為簡化問題分析,故暫未計及這些約束。

1.2 基于卡爾多改進的深度調峰機理

經濟調度中,安全穩(wěn)定約束為剛性的,而經濟約束為柔性的,這也是通過卡爾多改進可實現(xiàn)深度調峰潛力挖掘的基礎。

如前所述,在圖2的o點左側,機組需要投油才能維持穩(wěn)定燃燒,經濟性下降?？柖喔倪M的資源分配策略的核心思想是通過轉移支付手段,促進資源的傾向性分配,因此如需機組進一步調低出力,則必須對該部分效益損失進行fc的補償,而補償費用應由資源重新分配后的受益者來承擔,在深度調峰問題中,費用分攤fd應由受益的火電機組以及風電場共同承擔。

對式(7)的模型引入拉格朗日乘子,將其轉化為無約束條件的極值問題:

(15)

式中:λt為拉格朗日乘子,它反映了機組深度調峰的邊際發(fā)電成本,是系統(tǒng)邊際電價π的影子成本。

由KKT條件,得到運行成本最小時的必要條件為:

(16)

(17)

1.3 深度調峰中機組效益的變化

下面結合不同機組的特點,具體探究深度調峰中機組效益的變化。

1)純凝機組

對純凝機組,由式(16)可得:

(18)

2)熱電機組

3)風電機組

風電機組屬于不可調度資源,該類機組不參與調峰只分攤費用的機制,使得風電的單位效益有所下降,但深度調峰能力的提高使得棄風量減少,從而增加了風電在電能市場的份額,即機組的總效益是增加的,與分攤的費用相比,自身增發(fā)電量帶來的效益更大,因此拿出部分收益來承擔分攤費用具有可行性。

(19)

其中最大深度調峰潛力可表示為:

(20)

(21)

由式(21)可知,機組特性決定了機組的深度調峰潛力和補償閾值。

2 卡爾多改進的實現(xiàn)

基于卡爾多改進的深度調峰新機制,是通過成本補償和分攤的手段,調整不同參與者之間的利益分配。事實上,由于政策扭曲和效益扭曲的存在[23],分攤總額需要通過公共資金的影子成本進行調整,出于簡化分析的考慮,本文設定補償總額等于分攤總額,暫不考慮分攤總額的調整。

2.1 卡爾多補償?shù)拇_定

如前所述,卡爾多改進通過成本補償挖掘機組的調峰潛力,機組投油助燃成本得到補償后,會下調出力到低于常規(guī)出力下限的水平,最佳的補償費用應由邊際補償費用等于邊際投油助燃成本來確定。為方便工程實現(xiàn),本文采用負荷率來確定補償費用,當機組平均負荷率低于常規(guī)出力下限的對應值,即意味著機組進入深度調峰階段,需要進行補償。負荷率是表征機組效益的關鍵指標,平均負荷率α定義為統(tǒng)計周期τ內開機機組負荷率的平均值:

(22)

式中:PGN,i為火電機組i的額定容量。

根據國內機組實際的調峰能力[27],在非供熱期,純凝機組常規(guī)出力下限對應的負荷率約為額定容量的50%,熱電機組因配備了高參數(shù)的鍋爐,其對應的負荷率更低;在供熱期,熱電機組必須完成供熱任務,因此常規(guī)出力下限對應的負荷率有所上升,純凝機組主要承擔該時期的調峰任務。

當平均負荷率小于或等于深度調峰補償基準β時，機組應獲得深度調峰補償?？紤]機組實際運行情況,根據是否在供熱期,是純凝還是熱電機組,設置火電機組深度調峰補償基準β1和β2如附錄B表B1所示。其中,β1<β2,受現(xiàn)有機組最大可調峰能力制約,規(guī)定β1的取值不低于40%。

深度調峰電量是指機組平均負荷率低于深度調峰基準形成的未發(fā)電量,核算方法如附錄A圖A3所示,由低于深度調峰補償基準和實際出力之間的差值積分可得。為簡明起見,本文以兩檔為例進行深度調峰電量的計算說明(實際中可以根據需求設置為多檔),如式(23)和式(24)所示,深度調峰補償基準β對應不同時期和機組類型取β1或β2。

(23)

于是,火電機組獲得的補償費用為:

(24)

2.2 卡爾多分攤的確定

基于卡爾多改進的深度調峰新機制,是通過參與者利益分配的調整促進資源的傾向性分配。部分機組降出力參與深度調峰后,一方面風電的消納水平得以提高,另一方面未參與深度調峰的火電機組因避免了降出力而受益。遵循“誰受益,誰分攤”的原則,調峰補償費用應由負荷率高于深度調峰補償基準的火電機組和風電場共同分攤,為兼顧公平,參照文獻[28],確定分攤原則為根據修正后的發(fā)電量,按機組發(fā)電量占總電量的比例進行分攤,如式(25)所示。

(25)

1)火電機組

對于參與分攤費用的火電機組i,按負荷率高中低分為三檔進行電量修正,修正方法如附錄A圖A3所示,圖中γ1和γ2為費用分攤分檔基準(γ1<γ2),計算方法為:

(26)

式中:ki為對應第i檔的修正系數(shù),機組負荷率越高,因未參與深度調峰獲得的售電總收益越多,在費用分攤中應承擔的責任也越大,故設置k1

2)風電場

為了保障并平衡各風電場的收益,對于參與費用分攤的風電場j,當發(fā)電小時數(shù)超過保障性收購小時數(shù)后,發(fā)電量依據上一年度利用小時數(shù)與保障性收購小時數(shù)之差進行修正,如式(27)所示。

(27)

式中:Tj和Tg,j分別為風電場j的上一年度利用小時數(shù)和保障性收購小時數(shù);ceil(·)為向上取整函數(shù);Ts為分檔階梯小時數(shù);Δ為風電場修正系數(shù)，其值小于1。

3 求解流程

圖3 求解流程圖Fig.3 Flow chart of calculation

4 算例分析

4.1 算例基本數(shù)據

1)機組數(shù)據:算例系統(tǒng)由一座純凝電廠(2臺純凝機組)、一座熱電廠(3臺熱電機組)和一個風電場組成。參考中國熱電聯(lián)產機組的平均比例[29],算例系統(tǒng)中熱電機組裝機比例設為33%,風電場裝機容量為200 MW,占系統(tǒng)總容量的22%,純凝和熱電兩類機組參數(shù)分別如附錄B表B2和表B3所示。

2)負荷數(shù)據:選取某日夜間23:00—02:00的負荷數(shù)據,系統(tǒng)負荷需求與風電預測出力如附錄A圖A4所示。由圖A4可知,熱負荷需求受氣候因素影響,全時段維持在較高水平,風電出力呈現(xiàn)明顯的反調峰特性,因此在供熱期,所選時段熱電矛盾對風電消納的制約作用突出。

4.2 新機制有效性驗證和補償基準靈敏性分析

圖4 卡爾多改進與深度調峰的關系Fig.4 Relationship of Kaldor compensation and deep-peak regulation

由圖4(a)可見,供熱期機組3在卡爾多補償?shù)募钕孪抡{出力,新機制通過“利益分配”促進資源傾向性分配的有效性得證。由圖4(b)可知:①無論是在供熱期還是非供熱期,與不考慮卡爾多改進時相比,風電消納率均有所提高,實現(xiàn)了從社會總體效益的角度促進可再生能源消納;②總運行成本供熱期較非供熱期有所增加,但供熱期風電消納率較同基準下的非供熱期有所下降,原因是受熱電機組以熱定電運行方式的制約,系統(tǒng)整體調峰能力受限;③補償基準設置得過高時,機組響應調峰指令的積極性不高,隨著補償基準的降低,運行成本單調減少,即社會總效益單調增加,實現(xiàn)盡量“最大化社會總效益”,與此同時,機組的調峰潛力得到逐漸挖掘。值得注意的是,在[50%,48%]基準附近運行成本和風電消納率出現(xiàn)飽和,原因是受機組非常規(guī)出力極限剛性約束的限制,單純通過經濟手段挖掘深度調峰潛力達到極限。

4.3 深度調峰利益分配

按本文設定的原則,確定所選調峰時段各機組在供熱期的總補償和總分攤費用,如表1所示。

表1 所選調峰時段各機組總補償和總分攤費用Table 1 Total compensation and allocation expenses of each unit in selected peak-regulation period

由表1可知:①總體上看,由于純凝機組承擔了大部分的深度調峰任務,其調峰補償明顯多于其他類型機組,并且容量較大的純凝機組2調峰能力強,獲得的補償也相對較多;②不論是純凝機組還是熱電機組,在對收益有利的情況下都會參與到調峰中,純凝機組1和熱電機組3所獲得的調峰補償相對較少,在經濟杠桿的作用下,卡爾多改進項的存在將驅使機組下調其出力,通過挖掘自身的調峰潛力,獲得更多的收益;③風電場分攤部分深度調峰補償費用,減輕了火電機組的費用分攤壓力,與此同時,通過電量增發(fā)提高了總收益,從而達到了調峰的效果;④在表1中,僅考慮卡爾多改進的補償和分攤項,機組2，5和風電場是受損的,機組1，3和4是受益的,但由圖4可知,總運行成本降低,即社會總效益是增加的。新機制通過受損者和受益者之間的利益分配,提高了系統(tǒng)的整體調峰能力,增進了可再生能源的消納水平。

5 結語

本文提出一種基于卡爾多改進的深度調峰新機制,通過建立適于中國電網現(xiàn)狀的風火復合系統(tǒng)深度調峰數(shù)學模型,對機制的作用原理與實現(xiàn)方式進行了探討。算例分析可以看出:所提方法利用經濟杠桿的作用,通過調整利益分配促進了資源的傾向性分配,火電機組在補償下主動下調出力,挖掘了系統(tǒng)下調峰潛力,可有效提高風電的消納水平。

該機制下,火電應急啟停、可中斷負荷、電儲能、跨省調度等調峰手段應如何融入,還有待進一步的研究。

附錄見本刊網絡版(http://www.aeps-info.com/aeps/ch/index.aspx)。

參考文獻

[1] 中國能源研究會.中國能源展望2030[M].北京:經濟管理出版社,2016.

[2] 魯宗相,李海波,喬穎.含高比例可再生能源電力系統(tǒng)靈活性規(guī)劃及挑戰(zhàn)[J].電力系統(tǒng)自動化,2016,40(13):147-158.DOI:10.7500/AEPS20151215008.

LU Zongxiang, LI Haibo, QIAO Ying. Power system flexibility planning and challenges considering high proportion of renewable energy[J]. Automation of Electric Power Systems, 2016, 40(13): 147-158. DOI: 10.7500/AEPS20151215008.

[3] 呂泉,王偉,韓水,等.基于調峰能力分析的電網棄風情況評估方法[J].電網技術,2013,37(7):1887-1894.

LYU Quan, WANG Wei, HAN Shui, et al. A new evaluation method for wind power curtailment based on analysis of system regulation capability[J]. Power System Technology, 2013, 37(7): 1887-1894.

[4] 王蓓蓓,劉小聰,李揚,等.面向大容量風電接入考慮用戶側互動的系統(tǒng)日前調度和運行模擬研究[J].中國電機工程學報,2013,33(22):35-44.

WANG Beibei, LIU Xiaocong, LI Yang, et al. Day-ahead generation scheduling and operation simulation considering demand response in large-capacity wind power integrated systems[J]. Proceedings of the CSEE, 2013, 33(22): 35-44.

[6] LANNOYE E, FLYNN D, O’MALLEY M. Transmission, variable generation, and power system flexibility[J]. IEEE Transactions on Power Systems, 2015, 30(1): 57-66.

[7] 衣立東,朱敏奕,魏磊,等.風電并網后西北電網調峰能力的計算方法[J].電網技術,2010,34(2):129-132.

YI Lidong, ZHU Minyi, WEI Lei, et al. A computing method for peak load regulation ability of Northwest China power grid connected with large-scale wind farms[J]. Power System Technology, 2010, 34(2): 129-132.

[8] 李付強,王彬,涂少良,等.京津唐電網風力發(fā)電并網調峰特性分析[J].電網技術,2009,33(18):128-132.

LI Fuqiang, WANG Bin, TU Shaoliang, et al. Analysis on peak load regulation performance of Beijing-Tianjin-Tangshan power grid with wind farms connected[J]. Power System Technology, 2009, 33(18): 128-132.

[9] 盧恩,王一,陳雨果,等.含復雜電源結構的電網調峰優(yōu)化模型[J].電力系統(tǒng)自動化,2013,37(20):119-126.

LU En, WANG Yi, CHEN Yuguo, et al. Optimization model for peak load regulation of power system with complex generation structure[J]. Automation of Electric Power Systems, 2013, 37(20): 119-126.

[10] 嚴干貴,劉紅哲,穆鋼,等.風電增發(fā)擠出效應及其節(jié)能減排評估方法[J].電網技術,2012,36(4):51-56.

YAN Gangui, LIU Hongzhe, MU Gang, et al. The method to evaluate the value of wind power during the spill out effect caused by the wind power output increase of wind farms[J]. Power System Technology, 2012, 36(4): 51-56.

[11] ELA E, MILLIGAN M, BLOOM A, et al. Evolution of wholesale electricity market design with increasing levels of renewable generation[R]. USA: National Renewable Energy Laboratory (NREL), 2014.

[12] LIANG J, GRIJALVA S, HARLEY R G. Increased wind revenue and system security by trading wind power in energy and regulation reserve markets[J]. IEEE Transactions on Sustainable Energy, 2011, 2(3): 340-347.

[13] GHAFFARI R, VENKATESH B. Options based reserve procurement strategy for wind generators using binomial trees[J]. IEEE Transactions on Power Systems, 2013, 28(2): 1063-1072.

[14] KALDOR N. Welfare propositions of economics and interpersonal comparisons of utility[J]. Economic Journal, 1939, 49(195): 549-552.

[15] HICKS JR. The foundations of welfare economics[J]. Economic Journal, 1939, 49(196): 696-712.

[16] BOSTANI M, MALEKPOOR A. Critical analysis of Kaldor-Hicks efficiency criterion, with respect to moral values, social policy making and incoherence[J]. Advances in Environmental Biology, 2012, 6(7): 2032-2038.

[17] LANE B W, SHERMAN C P. Using the Kaldor-Hicks tableau to assess sustainability in cost-benefit analysis in transport: an example framework for rail transit[J]. Research in Transportation Business & Management, 2013, 7(7): 91-105.

[18] 田菲,孫怡,邢志勤.帕累托改進還是卡爾多改進—論旅游扶貧視角下京津冀旅游產業(yè)鏈協(xié)同發(fā)展[J].經濟研究導刊,2015(17):100-101.

[19] STRINGHAM E. Kaldor-Hicks efficiency and the problem of central planning[J]. Social Science Electronic Publishing, 2010, 4(2): 41-50.

[20] 胡建軍,胡飛雄.節(jié)能發(fā)電調度模式下有償調峰補償新機制[J].電力系統(tǒng)自動化,2009,33(10):16-18.

HU Jianjun, HU Feixiong. A novel compensation mechanism of remunerative peak load regulation under energy-saving dispatch framework[J]. Automation of Electric Power Systems, 2009, 33(10): 16-18.

[21] 趙曉麗,王玫,趙越,等.基于火電機組容量差異的調峰輔助服務補償機制改進模型[J].電力系統(tǒng)自動化,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.

[22] 謝俊,白興忠,魏建詳,等.西北電網調峰成本補償研究[J].浙江大學學報,2009,43(3):584-588.

XIE Jun, BAI Xingzhong, WEI Jianxiang, et al. Study on peaking cost compensation in Northwest China power grid[J]. Journal of Zhejiang University, 2009, 43(3): 584-588.

[23] 孫蕾.非對稱信息下的卡爾多-?？怂垢倪M[J].南開經濟研究,2008(2): 53-63.

SUN Lei. Kaldor-Hicks improvement under asymmetric information[J]. Nankai Economic Studies, 2008(2): 53-63.

[24] 鄧佳樂,胡林獻,李佳佳.采用二級熱網電鍋爐調峰的消納棄風機理及經濟性分析[J].電力系統(tǒng)自動化,2016,40(18):41-47.DOI:10.7500/AEPS20151001001.

DENG Jiale, HU Linxian, LI Jiajia. Analysis on mechanism of curtailed wind power accommodation and its economic operation based on electric boiler for peak-load regulation at secondary heat supply network[J]. Automation of Electric Power Systems, 2016, 40(18): 41-47. DOI: 10.7500/AEPS20151001001.

[25] 呂泉,陳天佑,王海霞,等.配置儲熱后熱電機組調峰能力分析[J].電力系統(tǒng)自動化,2014,38(11):34-41.DOI:10.7500/AEPS20130724002.

LYU 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. DOI: 10.7500/AEPS20130724002.

[26] 林俐,鄒蘭青,周鵬,等.規(guī)模風電并網條件下火電機組深度調峰的多角度經濟性分析[J].電力系統(tǒng)自動化,2017,41(7):21-27.DOI:10.7500/AEPS20160719005.

LIN Li, ZOU Lanqing, ZHOU Peng, et al. Multi-angle economic analysis on deep peak regulation of thermal power units with large-scale wind power integration[J]. Automation of Electric Power Systems, 2017, 41(7): 21-27. DOI: 10.7500/AEPS20160719005.

[27] 王凱,黃葆華,司派友.火電機組調峰裕度的影響因素研究[J].節(jié)能技術,2012,30(1):52-54.

WANG Kai, HUANG Baohua, SI Paiyou. Research on influencing factors of peak-regulation margin in power plant units[J]. Energy Conversion Technology, 2012, 30(1): 52-54.

[28] 劉永奇,張弘鵬,李群,等.東北電網電力調峰輔助服務市場設計與實踐[J].電力系統(tǒng)自動化,2017,41(10):148-154.DOI:10.7500/AEPS20160706001.

LIU Yongqi, 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. DOI: 10.7500/AEPS20160706001.

[29] 中國國家發(fā)展與改革委員會.煤電節(jié)能減排升級與改造行動計劃(2014—2020年)[R].北京:中國國家發(fā)展與改革委員會,2014.