基于电价的控制

基于电价的控制（精选7篇）

基于电价的控制 篇1

0 引言

根据国务院最新规划,到2015年,纯电动汽车和插电式混合动力汽车累计产销量力争达到50万辆;到2020年,纯电动汽车和插电式混合动力汽车生产能力达200万辆、累计产销量超过500万辆[1]。由于电动汽车作为充电负荷在时间和空间上的不确定性,使得规模化的电动汽车充电给电网的运行和控制带来新的挑战[2,3,4]。另一方面,电动汽车电池作为分散式的储能装置,若能有效利用,可以作为电网的可调度资源以平抑电网的峰谷差[5,6]。因此,如何通过对电动汽车充电的合理控制,规避规模化电动汽车充电给电网带来的负荷波动,有效平抑电网峰谷差以提高电网利用效率,成为亟待解决的重要问题。

针对电动汽车接入对电网负荷波动的影响,已有相关研究成果发表。文献[7]建立了以峰谷差率最小为目标的优化模型,采用遗传算法对谷电价时段用户的充电时间进行了优化求解。但该文献未针对电动汽车在峰电价时段接入电网提出相应的充电策略。文献[8]分析了电动汽车用户的使用需求,在此基础上建立了以减小电网负荷峰谷差为有序充电调度目标的优化模型,并采用了考虑电动汽车充电不确定性的电网调度随机最优潮流模型。但充电涉及电网和用户两方面,该文献没有太多考虑用户的充电需求。文献[9]从充电站运营效益的角度出发,通过动态响应电网分时电价,采用有序充电控制方法提高电动汽车充电站的经济效益。但该文献研究过程中假设充电电价相同且没有考虑电网负荷波动,使大量电动汽车集中在电价相对便宜的夜间时段充电,从而导致另外一个用电高峰的出现。

本文以电动私家车慢充方式为主要研究对象,在电网分时电价时段划分的基础上,提出充电分时电价(包括电池充电电费和充电管理费)时段划分方法,旨在研究基于充电分时电价的电动汽车有序充电控制策略,以达到平抑电网峰谷差的目的;在保证用户充电经济性的前提下,安排电动汽车尽快开始充电,以提高用户的满意度。最后,以一个局域配电网为例,采用蒙特卡洛方法模拟用户的充电需求,仿真分析了采用有序充电策略调控前后电动汽车充电对电网峰谷差的影响;在不同的用户响应系数下,对比分析了有序充电策略的仿真结果。

1 电动汽车充电控制目标

1.1 控制目标等效处理

以减小电网峰谷差为电动汽车有序充电的控制目标,可以达到减少电网运行和投资成本,提高设备利用率的目的。由于电动汽车充电涉及电网和用户两方面的利益,所以有序充电控制策略不仅要能减小电网峰谷差,还要在电网稳定运行的前提下尽量满足用户的充电需求。电网分时电价是根据用户需求以及电网在不同时段的实际负荷情况,将每天的时间划分为峰、谷、平3个时段,对各时段分别制定不同的电价水平,以鼓励用户和发电企业削峰填谷,提高电力资源的利用效率。规模化电动汽车接入电网,若制定的充电分时电价能够有效反映电网负荷波动,则引入分时电价后,意味着用户所付充电费用越小,则电动汽车接入电网所引起的负荷波动越小。而本文以用户充电费用最小作为有序充电的控制目标,还可以兼顾电动汽车用户的充电经济性。此外,为提高用户的满意度,本文的另一个控制目标为电池起始充电时间最早。采取多目标的优化控制方法可以同时达到减小电网峰谷差和提高用户满意度的目的。

1.2 充电分时电价

电网分时电价是针对某一地区非特殊负荷而制定的。电动汽车接入局域配电网后,会出现局域配电网实际峰平谷负荷波动不同于电网分时电价中峰平谷时段划分的情况。例如:电动汽车充电管理机构从电网购电的分时电价采用国内工业用电分时电价划分方式,即峰平谷分时电价时段划分为:峰时段8h(08:00—12:00,17:00—21:00);平时段8h(12:00—17:00,21:00—24:00);谷时段8h(00:00—08:00)。图1为某局域配电网的典型工作日负荷曲线。可以看出,电网电价为平时段时,局域配电网负荷却部分呈现高峰状态,若采用电网分时电价引导电动汽车用户充电,可能会造成大量电动汽车在负荷高峰时段充电,从而导致局域配电网出现“峰上加峰”的现象。这既不利于电网的稳定、经济运行,也降低了设备的利用率,增大了局域配电网网损。

如图1所示,在电网分时电价的平时段(12:00—17:00),局域配电网却出现了一天中的负荷高峰。为解决这一问题,本文在电网分时电价时段划分的基础上,根据局域配电网的预测负荷波动情况,小范围划分充电分时电价时段。如图1所示,将电网分时电价平时段(12:00—17:00)进行细分,使对应时间段内的充电电价划分为平和峰2个时段。新的划分结果使得局域配电网的负荷波动情况与充电分时电价时段划分基本相符。在大量电动汽车充电时,这样的划分方法既保证了局域配电网不出现“峰上加峰”的情况,也使得电网稳定、经济运行。

2 有序充电控制策略、模型及算法

2.1 有序充电控制策略

根据局域配电网的历史常规负荷,可以预测当日常规负荷曲线。本文采用96点日负荷曲线预测法,时间间隔为15min,第j(j=1,2,…,96)个时段内的常规负荷大小为Pj。慢充方式下充电机的额定充电功率均为ΔP,且充电机能够根据程序的设定自启动和结束充电操作。本文研究假设充电机给电动汽车锂电池充电过程为恒功率充电[10]。

设电动汽车电池容量为ω,充电时电池起始充电电量为Ss,用户到达充电地点的时间为Tc,用户需自行设置结束充电时的电池电量Se,以及取车时间Tg,则用户所需充电电量SSOC的计算方法如下:

电动汽车的停留时间为:

设第j个时段内正在充电的电动汽车负荷大小为pj,共有n台电动汽车进行充电,则有:

第j个时段的电网负荷Psumj为电动汽车负荷pj与常规负荷Pj的叠加,即

在用户停车的时间段(Tc,Tg)内,以用户充电费用最低且电池起始充电时间最早作为充电控制目标函数,以平抑电动汽车接入给电网带来的负荷波动,并将电网的峰谷差作为控制结果的验证函数。

充电控制目标函数如下:

式中:sj为充电分时服务费。

验证函数如下:

式中:var(x)为x的方差函数。

2.2 有序充电负荷模型

本文采用蒙特卡洛方法模拟用户充电需求从而建立电动汽车负荷模型。蒙特卡洛模拟是一种随机模拟方法。基于概率和统计理论,使用随机数进行计算机模拟或抽样,以获得问题的近似解。本文根据已掌握的电动汽车充电行为数据,建立了电池起始充电电量Ss和电池结束充电电量Se的概率模型。根据人们的日常行为习惯服从正态分布的特点,建立了用户到达充电地点的时间Tc和取车时间Tg的概率模型。然后对所得出的概率分布的概率模型进行随机抽样。根据Ss,Se,Tc,Tg的抽样结果可近似建立电动汽车负荷模型,从而实现采用蒙特卡洛方法模拟电动汽车用户的充电行为。

2.3 有序充电控制算法

有序充电控制算法流程如图2所示。由于模拟用户充电行为存在随机性,所以会出现不符合客观事实的数据,使得Tg-Tc≤0并且Se-Ss≤0。这些数据需要消除。

3 算例分析

以图1所示局域配电网为例进行仿真分析。为与有序充电结果形成对比,首先计算无序充电情况下电网负荷曲线及其峰谷差。无序充电是指用户来到充电地点立即开始给电动汽车电池充电,直到满足用户要求的电池电量时停止充电。无序充电仿真计算时,所需要的用户到达工作区充电地点和到达居住区充电地点的时间以及电池起始和终止充电电量的概率分布都与有序充电相同。

3.1 有序充电参数设置

充电管理方从电网购电的电价采用国内工业用电分时电价的形式,而电动汽车充电电价采取峰、平、谷按5∶3∶1的比例由充电管理方收取。电网分时电价和充电电价及其时段划分见表1。

电动私家车在居住区和工作区停留时间较长,可采用慢充方式充电。根据相关统计结果,用户在工作区和居住区充电的比例分别为35.5%和64.5%。根据私家车上下班时间的出行规律,到达工作区充电及离开的时间分别近似服从正态分布N(9,0.52)[11]和N(18,0.52),到达居住区充电及离开的时间分别近似服从正态分布N(19,1.52)[11]和N(7,0.52)。相比之下,用户下班后到达居住区充电的时间较为分散。

本文根据电动汽车充电行为的相关统计结果设置电池容量概率分布,电动汽车用户在电池剩余电量为20%~50%时开始充电。而有76%的用户会选择一次性充满电池,另有15%的用户选择充到电池容量的90%以上。

本文仿真采用电动私家车慢充方式,电动汽车电池容量为15kW·h,车载充电机功率为3kW。因为用户受充电分时电价的引导程度未知,所以引入用户响应系数η。η为受充电分时电价影响能够进行有序充电的电动私家车数量占总电动私家车数量的百分比。

3.2 结果分析

3.2.1 无序充电和有序充电结果比较

图3为无序充电和有序充电时电网总负荷与常规负荷曲线。可以看出:有序充电时,白天电动汽车负荷多集中在局域配电网的平时段充电,起到“避峰”的作用;夜间电动汽车负荷转移到负荷相对更低的谷时段进行充电,起到“填谷”的作用。仿真结果表明,相比无序充电,有序充电的峰谷差有所减小,所以充电分时电价能够引导减小电网负荷峰谷差。

由于电动汽车电池目前仍存在一些技术问题,导致电池容量不能满足用户对续驶里程的要求。本文基于中国现有电动私家车车型进行仿真,效果一般。但若假设电池技术成熟,在电动汽车规模化应用的条件下,本文的控制策略能够有效减小电网峰谷差,仿真结果如图4所示。

3.2.2 不同用户响应系数下的仿真结果

图5为用户响应系数η=30%,60%,90%时的仿真结果(表示分别有30%,60%,90%的用户受充电分时电价的影响采用有序充电方式,而其余70%,40%,10%的用户仍采用无序充电方式)。可以看出:白天充电时间内,电动汽车负荷由局域配电网峰时段转移到平时段进行充电;夜晚充电时间内,电动汽车又由局域配电网平时段转移到谷时段进行充电,且影响系数越大,这种现象越明显。上述结果表明,受充电分时电价引导的用户越多,电网负荷曲线峰谷差越小,且电动汽车充电也越经济。

4 结语

本文针对电动汽车接入电网充电的模式,研究了电动汽车有序充电控制策略。该策略首先基于分时电价将用户充电费用最小作为一级控制目标,以达到减小电网峰谷差的目的。然后将电池起始充电时间最早作为二级控制目标,以提高用户满意度。结合两级控制目标从而实现多目标控制策略。该策略引导电动汽车在电网负荷非高峰时进行充电,避免了“峰上加峰”的现象,从而通过电动汽车充电实现对电网负荷“避峰填谷”的作用。本文利用蒙特卡洛方法模拟电动汽车有序和无序充电行为,仿真结果表明,本文提出的有序充电策略能够有效实现“避峰填谷”和用户经济性充电的双重目标,尤其在电动汽车规模化应用后效果更加明显。由于目前还处在电动汽车市场推广的初期,用户充电响应行为不确定,本文给出的不同用户响应系数下的仿真结果具有参考意义。

另外,电动汽车向电网放电模式是电动汽车接入电网的一个重要研究内容。下一步的研究思路是通过控制电动汽车放电来降低电网负荷高峰,并配合电动汽车充电,实现对电网和电动汽车之间能量双向流动的控制以达到“削峰填谷”的目标。

参考文献

[1]中华人民共和国国务院.节能与新能源汽车产业发展规划(2012—2020年)[R/OL].[2012-06-28].http://www.gov.cn/zwgk/2012-07/09/content_2179032.htm.

[2]CLEMENT-NYNS K,HAESEN E,DRIESEN J.The impactof charging plug-in hybrid electric vehicles on a residentialdistribution grid[J].IEEE Trans on Power Systems,2010,25(1):371-380.

[3]SHAO Shengnan,PIPATTANASOMPORN M,RAHMAN S.Challenges of PHEV penetration to the residential distributionnetwork[C]//Proceedings of IEEE Power&Energy SocietyGeneral Meeting,July 26-30,2009,Calgary,AB,Canada:1-8.

[4]YU Xiaolong.Impacts assessment of PHEV charge profiles ongeneration expansion using national energy modeling system[C]//Proceedings of IEEE Power&Energy Society GeneralMeeting—Conversion and Delivery of Electrical Energy in the21st Century,July 20-24,2008,Pittsburgh,PA,USA:1-5.

[5]BRADLEY T,QUINN C.Analysis of plug-in hybrid electricvehicle utility factors[J].Journal of Power Sources,2010,195(16):5399-5408.

[6]QUINN C,ZIMMERLE D,BRADLEY T.The effect ofcommunication architecture on the availability,reliability,andeconomics of plug-in hybrid electric vehicle-to-grid ancillaryservices[J].Journal of Power Sources,2010,195(5):1500-1509.

[7]葛少云,黄镠,刘洪,等.电动汽车有序充电的峰谷电价时段优化[J].电力系统保护与控制,2012,40(10):1-5.GE Shaoyun,HUANG Liu,LIU Hong,et al.Optimization ofpeak-valley TOU power price time-period in ordered chargingmode of electric vehicle[J].Power System Protection andControl,2012,40(10):1-5.

[8]黄润,周鑫,严正,等.计及电动汽车不确定性的有序充电调度策略[J].现代电力,2012,29(3):57-63.HUANG Run,ZHOU Xin,YAN Zheng,et al.The controlledcharging dispatch strategy by considering of the uncertainty ofelectric vehicles[J].Modern Electric Power,2012,29(3):57-63.

[9]徐智威,胡泽春,宋永华,等.充电站内电动汽车有序充电策略[J].电力系统自动化,2012,36(11):38-43.XU Zhiwei,HU Zechun,SONG Yonghua,et al.Coordinatedcharging of plug-in electric vehicles in charging stations[J].Automation of Electric Power Systems,2012,36(11):38-43.

[10]周祖德,徐超.全CMOS三段式锂电池充电器设计[J].武汉理工大学学报,2006,28(4):109-111.ZHOU Zude,XU Chao.A three stage Li-ion battery chargerIC based on full CMOS[J].Journal of Wuhan University ofTechnology,2006,28(4):109-111.

[11]罗卓伟,胡泽春,宋永华,等.电动汽车充电负荷计算方法[J].电力系统自动化,2011,35(14):36-42.LUO Zhuowei,HU Zechun,SONG Yonghua.Study on plug-in electric vehicles charging load calculating[J].Automation ofElectric Power Systems,2011,35(14):36-42.

基于电价的控制 篇2

电动汽车作为零污染零排放的交通工具受到越来多国家政府的重视[1],我国多地政府出台各项优惠政策解决充电站相关问题,新能源汽车产业链景气度将迎爆发期[2],电动汽车大量接入电网将会对电网的规划和运行产生巨大影响[3]。电动汽车的采用电价进行引导和控制的有序充电成为人们研究的热点,有关学者对此进行了大量的研究。文献[4]研究了以缩小负荷峰谷差,减少车主充电支出为目的,在考虑充电电价条件下,如何安排电动汽车集中智能充电,文献[5]提出了电动汽车的四种不同的充电模式,无序控制充电模式,错峰充电模式,延迟充电模式,持续充电模式,并分析了接入20万台电动汽车时对负荷曲线的影响。文献[6]分析了电动汽车在不同的充放电模型下对电网运行成本和环境的影响。研究表明,大量的电动汽车接入电网会导致电网负荷增加,配电变压器过载,影响电网的电能质量[7,8,9,10],公平合理的电价机制有利于引导市场健康有序的发展,因此,采用电价引导电动汽车车主的充电行为成为重要的控制策略。

1电动汽车充电规律及模型

电动汽车的充电规律主要体现在充电开始时刻和日行驶里程,电动汽车的使用具有随机性和分散性,文献[11,12]清楚地描述了这种规律,图1给出了10000个电动汽车车主到家时刻对应的行驶里程,这里不再赘述。

2充电电价弹性矩阵

为了合理利用电能资源,利用经济手段对电网负荷进行调节是缓解供需矛盾的有效手段,电力市场中应对不同需求的用户制定不同的电价,可以用经济学中的需求价格弹性反映。需求价格弹性是指商品价格的变化对商品需求量影响大小的量度。一般用于对中短期需求相应的量化。需求价格弹性的公式为:

式中,ΔQ为需求的变化量,ΔP为价格变化量,Q,P分别为需求和价格的基准值。对于某一时段有如下公式[13]:

该矩阵中包含了自弹性系数与交叉弹性系数。

电力需求弹性反映了用户对电价的敏感度,需求弹性的不同可以将用户分为以下几类:

(1)时,这类用户对电价敏感,用电需求富有弹性,能根据电价的变化调整用电时间和用电负荷的大小,这类用户的用电习惯易于利用电价引导用电习惯,改善电网的负荷曲线。

(2)时,这类用户电力需求不太有弹性,对电价不太敏感,也能随电价的变化调整用电习惯,但是影响程度较前一种小。

(3)时,这类用户用电需求基本没有弹性,电价的变化对其用电习惯影响很小或没有影响。

利用电力需求弹性控制电动汽车充电过程如图2所示。

3仿真算例

以某居民小区为例对充电汽车的充电负荷进行仿真,居民小区变压器容量为500k VA。采用弹性电价引导用户的充电,假定参数如下:电动汽车电池容量为30k Wh,电动汽车的额定充电功率为8k W,汽车行使每百公里耗电量为12k Wh,充电效率为93%,电网电价采用统一的工业用电分时电价。以下的仿真过程从凌晨0点到24点,根据电网采集负荷数据的规律,每15分钟采集一次,一共96个点,图中的时段0对应凌晨0点。该小区电动汽车共200台。

采用蒙特卡罗方法模拟电动汽车车主的用电习惯,可得到在无序充电时的负荷曲线。

从上面的曲线可以看出,当用户在无序充电状态时,车主会选择在下班回家后立即充电,与电网的用电高峰重叠,造成“峰上加峰”。

电动汽车的充电有其随机性和分散性的特点,电网不能直接对车辆的充电行为进行调度控制,但可以通过电动汽车管理平台利用价格弹性对电动汽车的充电进行有序引导,在高峰负荷时提高充电服务价格,在负荷低谷时降低充电服务价格,在保证充电运营商利益的前提下,以车主电费支出最小,电网负荷波动最小,为目标函数,以遗传算法进行优化,调整车主的充电时间,实现电价引导的充电控制。

目标函数:

式中,N为电动车台数,p为电动汽车充电功率,本文中取8k W,Pc为充电价格,Lj为j时段原始负荷,Lc为充电负荷。

由图4可见,在电价引导下不会出现新的用电高峰,“峰上加峰”的现象明显改善,车主选择在低谷电价的时候充电,可以削峰填谷,有利于电网的安全稳定运行。

4结论

基于用户负荷率电价的探讨 篇3

用户负荷率电价就是考虑用电户负荷特性差异, 以真实反映电力成本为原则, 以提高定价效率为目的的电价, 它具有很强的先进性。负荷率电价在世界许多国家得到了广泛的应用, 强化了资源配置功能, 取得了很好的效果, 如法国、意大利等, 而我国的负荷率电价体系尚未建立, 国内有关论述也很少。因此, 笔者依据所学的经济学理论及电网实际, 结合同业者对负荷率电价的相关论述, 谈谈自己对负荷率电价的认识, 以期为我国电价的改革贡献一份微薄之力。

1 负荷率电价

负荷率电价顾名思义就是考虑负荷率因素的电价方案, 是对两部制电价的完善和补充。负荷率电价同其它电价一样是经济学在电网领域中的具体应用, 它采用长期边际成本的方法计算电量成本和容量成本, 即社会成本定价理论、均衡价格论、管制经济学理论和福利经济学四种经济理论, 共同构成了负荷率电价的理论依据。研讨负荷率电价的目的是为以后年度推出负荷率定价方案做好准备, 以便引导用电户合理控制接网变压器容量, 提高用电负荷率, 节约或延缓电网建设投资, 达到节能减排的目的。

负荷率是指在一定时间内平均有功负荷与最高有功负荷之比的百分数, 用以衡量平均负荷与最高负荷的差异程度。负荷率从内容上分为两种:一种是用户负荷率, 另一种是系统负荷率。用户负荷率就是某一用户的平均有功功率和其最高有功功率比值的百分数, 它是负荷率电价执行的依据;系统负荷率就是整个电力企业系统中总有功平均功率和总最高有功功率比值的百分数, 它决定需要分摊的系统容量成本。

2 负荷率电价容量成本及电量成本

电力成本是由容量成本和电量成本构成的。容量成本是电力投资的固定部分, 而电量成本是包括燃煤等消耗的可变部分投资。

2.1 用户容量成本

用户容量成本是用户用电占用一定系统容量而需支付的成本。我国幅员辽阔, 各地经济发展不平衡, 电价的核算一般以省级电网企业为单位进行。根据电网企业的成本特征, 容量成本一般包括设备材料费、人员工资、福利费、折旧费、修理维护费及其它费用等, 这些费用均与电量没有直接关系, 可视为省级电网企业的总容量成本。为便于测算及考虑测算结果为实际所用, 总容量成本为总输变配电成本, 即实际年销售收入扣减电网为用户年购电成本, 可表示为:总用户容量成本 (Cc) =用户的年销售收入 (MP) ———电网为用户支付的年购电成本 (Mg) 。

总容量成本在各电压等级之间的分摊比例就是各电压等级固定资产原值占各电压等级固定资产原值之和的比例。

在计算各电压等级固定资产时, 需要将变电、输电资产计入主要受电电压等级, 因为变压器主要是为下一电压等级服务的, 所以, 对应比例的总容量成本应该由相应受电电压等级的用户承担。由于低电压等级用户除了利用本级直接上网的电量外, 还需用到由高电压等级经过降压供电给本电压等级的电量, 所以, 低电压等级的用户需要承担高电压等级容量成本中的一部分, 高电压等级的容量成本要按照各电压等级向低电压等级供电的比例转到低电压等级。

2.2 用户电量成本

用户电量成本是用户消耗每千瓦时电而需支付的成本。在电价一定的情况下, 所购电量越多, 购电费用越高, 因此可将电网全部购电成本作为用户总电量成本。对于省级电网公司, 由于电源结构和购电方式不尽相同, 既使同一电网公司, 不同年份购电成本也不尽相同, 为此, 总电量成本可采用前3年的平均值确定。总电量成本应是省级电网公司年总购电成本的一部分, 即用户单位电量成本与其它类别用户的单位电量成本是一样的, 都等于上网电价。为便于后面论述, 在这里设各电压等级用户的单位电量成本为bi元/千瓦时, i为电压等级。

2.3 用户单位容量成本和单位电量成本对应不同负荷率时的负荷率电价

我们知道, 对于容量相同的用户, 负荷率越高, 实际占用的容量越多, 实际容量成本越高, 单位容量成本也越高;反之, 负荷率越低, 实际占用的容量越少, 容量成本越小, 单位容量成本也越小, 即容量成本与负荷率成正比。对于容量相同的用户, 负荷率越高, 在相同的时间内使用的电量越多, 单位电量成本越低;反之, 负荷率越低, 在相同的时间内使用的电量越少, 单位电量成本也越高, 即单位电量成本与负荷率成反比。从前面论述中可知, 工商业用户单位容量成本为ai元/千瓦, 单位电量成本为bi元/千瓦时, 若设对应于负荷率为gi (0﹤gi≦1) 的负荷率电价为Li, 则由单位容量成本和单位电量成本与负荷率的对应关系得:Li=aigi+bi (1-gi) , 式中i为相应电压等级。

3 负荷率电价的实现方式

对于我国现有电价体系而言, 负荷率电价实际是对两部制电价的补充性调整或设计。负荷率是个瞬时值, 无法准确表征负荷率电价, 因此, 这里所指某用户的负荷率应为其年平均负荷率, 即年平均负荷与其最大负荷的比率。当然, 也可采用年最大负荷利用小时数来表示。以年负荷率为例, 两者有确定的比例关系, 因此, 负荷率电价也可以年负荷利用小时数 (实际为年最大负荷利用小时数, 本文简称年负荷利用小时数) 为依据, 来进行有效操作。负荷率电价在实现方式上有3种:第一种是实时负荷率电价, 即一个负荷率对应于一个负荷率电价, Li=aigi+bi (1-gi) 。这种方式需要每月对每个用户进行一次负荷率测算, 比较繁杂;第二种是标准负荷率电价, 即对所有用户规定一个标准负荷率, 高于或低于标准负荷率的用户在电价上受到相应的奖励或惩罚;第三种是用户自选择负荷率电价, 即将用户负荷率分成几种情况, 对应不同成本分担后的相应电价, 让用户自由选择其中的某种电价 (用户根据其负荷率情况选择) 。在国际上, 以上3种方式都有应用, 但第三种方式 (可选择负荷率电价) 因更能反映负荷率电价的资源职能, 更具有操作性, 更有利于引导用户合理用电, 提高负荷率, 降低系统容量成本, 因而得到更广泛的应用。

4 用户自选择负荷率电价

负荷率电价的定价原则是负荷率越高电价越低, 反之, 越高。前面所述, 负荷率在实际工作中很难准确测算, 可以年最大负荷利用小时数来表述负荷率的相对高低, 进而制定可操作的负荷率电价方案。考虑行业负荷率因素的用户主要分为2类或3类 (根据国外负荷率电价政策经验) , 即高负荷率用户和低负荷率用户, 或者高、中、低负荷率用户。10千伏和35千伏因用户数量多, 平均负荷率相对较高, 分为3类, 把10千伏、35千伏商业用户按负荷率分为高负荷率、中负荷率和低负荷率3类:低负荷率用电年利用小时数小于2500, 中负荷率用电年利用小时数为2500~5000, 高负荷率年利用小时数大于5000;把110千伏~220千伏及以上分为2类:低负荷率用电年利用小时数小于2400, 高负荷率用电年利用小时大于2400。依据不同的用电年利用小时数定出不同的电价供用电户选择。

5 结束语

基于发电有效容量成本的电价机制 篇4

当前,智能电网的研究在全球方兴未艾,其愿景是通过技术革新、硬件升级、充分互动和机制设计,提高电力系统的投资效率,提高电网承载新能源发电的能力,建设安全稳定、节能减排、环境友好的新型电网[1,2]。其中,机制设计不可或缺,否则智能电网各方面的技术价值难以得到充分发挥,建设所花费的巨额投入也难以得到高效利用[3]。

作为贯穿整个电力行业价值链的核心要素,合理的电价机制是机制设计的重中之重。但当前的研究多集中于探讨价格机制对于用户响应的激励[4,5]。实际上,科学的电价机制应该是一把“双刃剑”,不仅能够激励用户的互动响应,还应引导发输电合理投资,从而以价格机制为杠杆,全面提升电力系统在发、输、配、用全环节上的投资效率。

本文重点关注发电和用电环节。在发电侧,发电装机的规划建设通常以对用户负荷需求的预测为基础,并适度超前,以保障容量的充裕性。但在传统的会计成本定价方法下,所有机组建设的固定成本都可以全额分摊至电力用户[6],投资风险不大,发电企业往往有着较强的动力扩建机组,导致在部分地区装机容量过剩,机组利用小时数较低。生产能力扩张与需求增长的脱节,可能造成巨大的社会资源浪费和效率损失。因此,在智能电网的建设过程中,必须结合成本监管,通过科学的电价机制改进,建立需求与供给之间的有效耦合互动,避免盲目的生产扩张,激励资产的高效利用。这方面,国外在输电成本监管中的经验可资借鉴,通过核准“准许获取回报的基准资产”,促进有效投资决策的实现[7]。

在用电侧,电力用户的响应方式将对电力系统的资产利用效率产生重要的影响,因此产生了各种促进用户响应的价格机制,其目标都是引导电力用户形成与电力系统运行更加友好的消费行为。然而,在传统的定价机制下,由于分摊的总固定成本保持不变,用户并未能分享到资产利用效率提高所产生的效益。在智能电网建设过程中,如果期望进一步促进用户响应,就必须改变这一状况,在考虑电力资产实际利用情况的基础上动态核算成本,并将成本的分摊方式与用户的负荷特性挂钩。

本文通过引入有效容量成本、合理的成本分摊,科学地核算电价中的发电容量成本部分,以先进的价格机制提高发电投资效率和促进用户侧响应。

1 有效容量成本的基本概念

从电力消费者的角度看,超出自身需求的多余装机容量实际等同于“无效投资”。为此,本文以“按需定量”为原则,将“准许获取回报的基准资产”这一理念引入发电侧,提出了“有效装机容量(CE)”和“有效容量成本(FE)”的概念,以此作为对发电投资是否合理的一种衡量。

1.1 有效装机容量

有效装机容量是指对于一个相对独立、完整的电力系统,在一定计价周期(通常为一年)内,满足用户用电需求并保证在系统供电连续性、可靠性的前提下,使得总发电成本最低的装机容量。

根据定义,可基于以下数学模型计算一个特定系统的有效装机容量。优化目标为:

$\text{m}\text{i}\text{n}{\displaystyle \sum _{i=1}^{{\rm N}}(}\alpha {}_{i}C{}_{\text{F}i}+E{}_i{\rm P}{}_i)(1)$

式中:αi为0-1整数变量,与机组i的运行状态对应,表示该机组在年内是否被使用;Ei为机组i的年发电量;Pi为机组i的单位发电变动成本;N为系统中机组的总台数;CFi为机组i的固定成本年值(包括运行、维护、人工等固定成本项)。

约束条件如下。

1)电力平衡约束

${\displaystyle \sum _{i=1}^{{\rm N}}\alpha }{}_{i}G{}_i\ge D{}_{\max }(1+\beta )(2)$

式中:Gi为机组i在计价周期内的可用容量;Dmax为系统全年最大负荷值;β为系统负荷备用系数。

2)年电量平衡约束

${\displaystyle \sum _{i=1}^{{\rm N}}E}{}_i=E{}_{\text{s}\text{u}\text{m}}(3)$

式中:Esum为系统全年总用电量。

3)机组利用小时数约束

$\alpha {}_i{\rm T}{}_{\text{m}\text{i}\text{n}i}G{}_i\le E{}_i\le \alpha {}_i{\rm T}{}_{\text{m}\text{a}\text{x}i}G{}_i(4)$

式中:Tmaxi和Tmini 分别为机组i在计价周期内的利用小时数上、下限,可由政府监管部门按机组类型分类确定。

对模型进行优化求解,可求得最优解 α*i。基于模型最优解,可进一步计算系统有效装机容量,即

$C{}_{\text{E}}={\displaystyle \sum _{i=1}^{{\rm N}}\alpha }{}_i^{*}G{}_i(5)$

式(5)表示在考虑了备用、电力电量平衡前提下的有效容量总和。

上述模型在考虑电力电量平衡的基础上,通过在电力平衡中添加负荷备用系数,考虑了负荷备用;通过限定机组的利用小时数上限Tmaxi,考虑了检修、事故备用。这是因为,考虑到发电投资风险和系统安全稳定运行的需要,各类备用机组即便很少被使用,也仍然有其存在的重要价值。政府监管部门应根据不同地区的负荷增长情况、经济发展预期不同、电力系统可靠性、停电损失等,分别为之确定有关参数,保证系统发电容量的合理充裕性。为了与负荷水平相适应,有效装机容量应按一定周期(例如一年)进行动态核准。

1.2 有效容量成本

有效容量成本(FE)即为应分摊至用户的有效固定成本,它的计算以有效装机容量为基础。由于不同电源类型的单位装机成本差异较大,因此需要将有效装机容量按各电源类型分解,分别计算相应的成本后再进行叠加:

$F{}_{\text{E}}={\displaystyle \sum F}{}_{\text{E}k}(6)$

式中:FEk为第k类电源对应的有效容量成本。

若该类电源共有Nk台机组,则有

$F{}_{\text{E}k}={\displaystyle \sum _{i=1}^{{\rm N}{}_k}\alpha }{}_i^{*}C{}_{\text{F}i}(7)$

上述模型中的有效容量成本是根据会计学方法计算的,也可以采用当量电价中的经济学方法计算,后者引入了容量影子成本作为新的量度。

总装机容量减去有效装机容量就形成了无效装机容量。无效装机容量对应的成本应由所有的机组承担,其经济学意义在于:由于需求侧负荷响应导致负荷峰值下降的风险属于系统风险,与所有机组均相关。与此同时,考虑到机组投产次序和装机容量对这一风险的影响,应根据各机组不同投产年份和装机容量的大小进行分摊。投产年份越早,分摊比例越小;机组容量越大,分摊比例越大。

有效装机容量和有效容量成本的核准将从根本上改变传统电价机制的不对称性。以往的价格机制都是让用户承担所有供给的成本,激励需求侧响应只是在这一基础上设计峰谷电价,用户并没有充分享受到由负荷峰值降低、容量需求下降所产生的效益,仍然需要承担无效装机容量的成本。这样的价格机制是单边的,用户需求侧响应的效率是不高的,对发电侧投资没有制约。考虑了有效容量成本后,用户将不再承担无效装机容量的成本,必然可进一步降低整个电价水平,从而形成需求侧响应的深度激励。作为发电监管的重要内容,发电装机与负荷增长之间的互动还将形成发电投资者与电力用户风险共担的有效机制,促使发电企业在合理评价负荷增长水平的前提下,理性地投资建设电源。这正是智能电网互动效应所期望产生的价值。

2 基于资产利用效率的容量成本分摊

在得到系统一定计价周期的有效容量成本之后,需要将其通过合理的方法分摊。鉴于同一时段的用户共同组成了该时段的负荷,从公平性出发,不应区分哪个用户应承担哪一台机组的成本,应由全体用户共同承担该时段所对应的成本。为此,本文将所有发电容量成本视为一个整体,并认为发电容量成本需求随用户负荷水平线性增长。

在这一前提下,如果不考虑变动成本,不同时段之间电能价值的差异源于以下几个方面:首先,负荷水平不同,容量的稀缺性不同;其次,负荷的持续时间不同,对于同样的发电容量,其资产利用效率不同(持续时间越短的尖峰负荷,对应的发电容量利用效率越低,单位负荷成本则越大,反之亦然)。因此,合理的容量成本分摊方法应统筹考虑负荷水平和负荷持续时间这2个因素。

本文基于年负荷持续曲线,构建了一种精度更高、实用性更强的有效容量成本分摊方法。不同于文献[8],本文的方法在形成负荷持续曲线后,首先通过沿负荷水平的横向切分,得到每一负荷增量中对应单位电量的容量成本;然后通过纵向累加,计算得到每个时段内单位电量的发电容量成本。下面详细描述其计算过程。

1)步骤1:形成负荷持续曲线

首先将时序负荷曲线转化为负荷持续曲线,如图1所示。图中:Δt为负荷采样时间间隔;ti为负荷水平为Di的持续时间,标号按照负荷由小到大的方式排序;ΔDn为从Dn-1到Dn的负荷增量;En为Dn出现在Δt时间内的电量(图1阴影部分)。

由图1可以得到:

$\begin{array}{l}D{}_n-D{}_{n-1}=\text{Δ}D{}_n(8)\\ t{}_n-t{}_{n-1}=\text{Δ}t(9)\\ E{}_n=D{}_n\text{Δ}t(10)\end{array}$

2)步骤2:横向切分

在水平方向沿着各个负荷自下而上可将En切分为n段,分别为En,1,En,2,…,En,i,…,En,n-1,En,n(其中i=1,2,…,n),如图2所示。

设分摊在En,i上的容量成本为Fn,i,下面以Fn,n为例介绍Fn,i的求取过程。

设与Dmax对应的系统有效容量成本为FE;从Dn-1到Dn的电量增量为ΔEn(图2阴影部分)。由于负荷增长,需要系统提供的容量成本也相应增加,增加值ΔFn为:

$\text{Δ}F{}_n=F{}_{\text{E}}\frac{\text{Δ}D{}_n}{D{}_{\max }}(11)$

则ΔEn中单位电量的容量成本ΔPn为:

$\text{Δ}{\rm P}{}_n=\frac{\text{Δ}F{}_n}{\text{Δ}E{}_n}=F{}_{\text{E}}\frac{\text{Δ}D{}_n}{D{}_{\max }}\frac{1}{\text{Δ}D{}_{n}t{}_n}=\frac{F{}_{\text{E}}}{D{}_{\max }t{}_n}(12)$

对比图1和图2,注意到En,n恰好为En和ΔEn的交叉部分,因此Fn,n可计算如下:

$\begin{array}{l}F{}_{n,n}=\text{Δ}{\rm P}{}_{n}E{}_{n,n}=\frac{F{}_{\text{E}}}{D{}_{\max }t{}_n}\text{Δ}D{}_n\text{Δ}t=\\ F{}_{\text{E}}\frac{\text{Δ}D{}_n}{D{}_{\max }}\frac{\text{Δ}t}{t{}_n}(13)\end{array}$

3)步骤3:纵向叠加

依式(13)类推,可逐一计算得到分摊在电量En,i上的容量成本Fn,i (i=1,2,…,n)为:

$F{}_{n,i}=F{}_{\text{E}}\frac{\text{Δ}D{}_i}{D{}_{\max }}\frac{\text{Δ}t}{t{}_i}(14)$

在竖直方向上对Fn,i逐一累加求和,即可得到分摊在电量En上的容量成本Fn为:

$F{}_n={\displaystyle \sum _{i=1}^{n}F}{}_{n,i}(15)$

由式(10)、式(14)、式(15)可知,负荷曲线上大小为Dn的负荷对应的单位电量的发电容量成本PCn可计算如下:

${\rm P}{}_{\text{C}n}=\frac{F{}_n}{E{}_n}=\frac{F{}_{\text{E}}}{D{}_{\max }D{}_n}{\displaystyle \sum _{i=1}^n\frac{\text{Δ}D{}_i}{t{}_i}}(16)$

式(16)表明,计算得到的结果不仅与负荷水平相关,还与负荷的持续时间相关。这与依据机组容量成本和时段电量按比例分摊的当量电价等方法得到的结果有着本质的区别。

3 实施机制

3.1 实施流程

基于上述有效容量成本分摊方法,可得到适用于全年不同时段的发电容量成本。为增强新的电价机制在实际应用中的适应性,考虑负荷预测偏差以及电力用户响应的滞后性[9],本文以周为滚动周期,设计了以下实施流程,如图3所示。

首先根据第1节建立的模型,在年度负荷预测的基础上,结合系统电力供需情况、煤炭市场价格等因素,计算当年有效容量成本FE。

得到FE后,逐周滚动计算电价。在全年的第i-1周(i=[1,52],i∈N)周末,预测当年剩余时段的负荷曲线;在当年的历史负荷数据和第i周至年底的预测负荷数据形成年负荷持续曲线上,按照第2节的方法对FE进行分摊,得到第i周至年底逐时段单位电量的发电容量成本。

在此基础上,可计算得到各周工作日和休息日的24点典型电价曲线。其中,第i周的电价就按该计算结果发布实施;后续若干周的结果也可一并发布,以引导用户改变用电行为。

以第i周为例,记其逐时段容量价格为Pi,k,t,相应的负荷为Di,k,t(其中k=1,2,…,7;t=1,2,…,24),则工作日第t时段的容量价格PWt和休息日第t时段的容量价格PRt可分别计算如下:

$\begin{array}{l}{\rm P}{}_{\text{W}t}=\frac{{\displaystyle \sum _{k=1}^5{\rm P}}{}_{i,k,t}D{}_{i,k,t}}{{\displaystyle \sum _{k=1}^{5}D}{}_{i,k,t}}(17)\\ {\rm P}{}_{\text{R}t}=\frac{{\displaystyle \sum _{k=6}^7{\rm P}}{}_{i,k,t}D{}_{i,k,t}}{{\displaystyle \sum _{k=6}^{7}D}{}_{i,k,t}}(18)\end{array}$

形成未来一周各时段容量成本后,叠加单位发电变动成本和输配电价格,形成相应的销售电价。

这一电价的发布实施有利于激励用户响应,由此形成的移峰填谷效应将使得用户实际缴纳的费用低于年度预测的有效容量成本。对于减少的这一部分费用,如果全年用户负荷峰值与年度预测值相比没有变化,则在年底结算时应将少缴部分结转至下一年;如果全年用户负荷峰值与预测值相比有所下降,则应按照实际的负荷峰值重新计算有效容量成本,用户实缴与应缴的费用差额结转至下一年。

3.2 机制优越性分析

通过上述分摊方法和价格形成机制,将有效容量成本对年负荷持续曲线滚动分摊,这不仅具备很强的可操作性,而且具备以下优点。

1)按周滚动计算、发布实施工作日和休息日的典型电价曲线,既有利于发挥中短期负荷预测精度较高的优势,又给予用户较为充裕的时间响应电价变化。提供后续若干周的电价曲线,还将为用户合理安排中长期生产提供更为充分的信息。

2)具有更强的尖峰抑制作用。在年负荷持续曲线上,上凸部分越陡峭,相应的容量价格增长越快,这一特性将有力促使尖峰负荷转移。

3)形成的价格具有明确的物理意义,并能够确保发电投资合理回收,还为其他电价的形成提供了基础。例如可以形成峰谷电价:在划分峰、谷时段之后,分别计算计价周期内的峰、平、谷时段平均容量成本电价,最后叠加平均单位变动成本即可。

4)根据全年实际负荷峰值与预测值的对比,确定用户实际缴纳费用与有效容量成本的不平衡量如何进行年度结转,从而既修正了原先的负荷预测误差,又将用户响应所节约的有效容量成本进一步转化为对用户的激励。

4 算例分析

下面采用某省2010年的数据来验证以上模型和方法的合理性。该省装机由火电、风电机组构成,2010年统调火电装机容量为57 563 MW,共264台机组,典型机组及有关参数如表1所示,其中单位千瓦造价基于2009年工程限额设计参考造价[10]。风电装机容量为2 637.8 MW,造价取4 000元/kW进行计算。

4.1 有效容量成本计算

取2010年该省实测的8 760点负荷数据,作为2009年底负荷预测的数据进行模拟。年电量为2 904 066.5 TW·h;负荷峰值为44 839.234 MW,出现在7月29日。设火电机组寿命为30 a,开机机组的年利用小时数上、下限分别设定为Tmax=6 000 h,Tmin=2 000 h;风电机组寿命为20 a,可信容量为659.45 MW;系统负荷备用系数β=5%;煤炭价格取P=740元/t(标煤);折现率为10%。暂不考虑年度间的结转。求解结果如下。

火电开机机组共147台,机组容量为145 MW及以上的机组全部开机,其中除了一台机组容量为145 MW机组利用小时数略小于6 000 h以外,其他机组利用小时数均达到6 000 h;此外还有一台容量为50 MW的机组开机,利用小时数为2 000 h。由此计算得到,火电机组对应的有效装机容量为47 726 MW,相应的有效容量成本FEf= 2.119×1010元。

风电机组对应的有效装机容量(即可信容量)为659.45 MW,但对应的有效容量成本等于风电机组全部装机成本FEw=1.239×109元。

因此,2010年某省全系统有效容量成本FE为:

$F{}_{\text{E}}=F{}_{\text{E}\text{f}}+F{}_{\text{E}\text{w}}=2.243\times 10{}^{10}\text{元}$

4.2 价格计算

4.2.1 年负荷持续曲线的分摊

将场景设置为在7月18日(星期日)计算并发布后续4周的电价。设7月18日及之前各日负荷为已知的实际负荷,之后各日的负荷为预测的数据。首先,将FE对年负荷持续曲线进行分摊,得到逐时段单位电量的发电容量成本时序曲线如图4所示。

图4中,单位电量的容量成本最大值为4.985元/(kW·h),出现在与年负荷峰值对应的时段;最小值为0.057 6元/(kW·h),也出现在与年最小负荷对应的时段。这一结果与当量电价等容量分摊方法相比,具有显著的峰谷价格差,其合理性正是来自于不同负荷持续时间对发电容量利用效率的差异:尖峰时段负荷对应的年容量利用率不到1%,与低谷时段80%以上的年容量利用率相比,峰谷单位电能应承担的固定成本费用理应有很大的差异。如果按单位变动成本为0.4元/(kW·h)计算,最大峰谷电价之比达到了11。实际上,国外峰谷电价比常常为8～10,例如:佛罗里达州海湾电力公司2003年实施的电费节省选择项目(good cents select program)峰谷电价比就达到了8.3[11]。

基于上述分摊结果,在不同的时间尺度下,既可以形成日价格曲线,也可以形成峰谷分时电价。

4.2.2 日价格曲线的形成

在图4的基础上,可按式(17)和式(18)计算得到自7月19日起4周工作日、休息日单位电量的发电容量成本曲线,如图5所示。其中从7月19日起1周内的电价按该结果发布实施,后续3周的电价曲线则作为用户的参考信息。

图5中,单位电量的容量成本最大值为1.323元/(kW·h),出现在第2周工作日的16时,与年负荷峰值对应;单位电量的容量成本最小值为0.059 9元/(kW·h)。若叠加单位变动成本为0.4元/(kW·h),则峰谷价格比超过了3.7,与中国当前3～5的峰谷电价比[12]大体相当。

4.2.3 峰谷分时电价的形成

基于图4还可以形成峰谷电价。首先根据某省的负荷特性划分尖峰、峰、平、谷时段,如表2所示。

在此基础上,如果以周为单位形成峰谷电价,则从7月19日起后续4周的峰谷电价如表3所示,在年最大负荷所在的第2周,尖峰电价与谷时电价的价格比超过2.2。

4.3 电价特性分析

为进一步分析上述机制抑制尖峰的良好特性,在4.2节模拟结果的基础上,假设7月19日至年底的负荷通过对电价的响应发生了如下整形:表2中每个峰时段都有2%的负荷发生了转移,转移的负荷平摊在当天的谷时段中;尖峰时段和平时段负荷保持不变。将FE对整形后的负荷曲线进行分摊。对比整形前后,从7月19日起至年底,尖峰、峰、平、谷时段的容量成本价格变化情况如表4所示。

表4表明,尖峰价格显著上升,峰时价格有所下降,平时、谷时价格变化不大。这是因为如果尖峰负荷不动,部分峰荷转移,负荷曲线的尖峰部分将更加陡峭,相应容量的利用小时数进一步降低,导致了价格的上扬,从而产生抑制尖峰负荷的效果。

5 结语

1)提出了“有效装机容量”和“有效容量成本”的概念,改变了传统电价机制的不对称性,以实现对发电资产有效性的动态校核,形成了发电投资回报与用户实际需求的耦合互动,将改变“只要建电厂必须有回报”的传统模式,实现发电与用电的风险共担,形成对需求侧响应的深度激励,全面提高发电侧的投资效率。

2)对有效容量成本,设计了兼顾负荷水平和负荷持续时间,并能够动态调整的分摊机制。通过沿负荷水平的横向切分,引入负荷持续时间对资产利用效率的影响;通过纵向叠加,体现不同负荷水平的差异;逐周滚动形成年负荷持续曲线,分摊得到单位电量的发电容量成本,并按工作日和休息日发布各周价格曲线;根据年负荷实际峰值与预测值的差异,确定用户缴纳费用与有效容量成本间不平衡量的年度结转。由于分摊的基础是有效容量成本,用户将获得系统资产利用效率提高所带来的效益,有利于进一步调动需求侧响应的积极性。

3)通过某省电网的实际数据,验证了模型、方法和机制的有效性。

本文的工作是初步的。有关模型中负荷备用系数的选取、非火电机组有效装机容量的核算方式,以及无效容量成本如何更加公平地分摊至电厂等问题,还有待进一步深入研究。

感谢审稿专家提出的问题,你们的问题是我们深入研究的动力。

附录 学术讨论

审稿人意见:

《基于发电有效容量成本的电价机制》一文能够直面电力工业体制改革的深层次问题,为破解中国电力工业难题提供解决思路,实属难能可贵。解决传统基于成本的定价方法带来的过投资问题的最根本的出路在于完善电力市场机制。论文按照负荷水平的高低分摊年发电容量成本,为引导合理投资建设中国智能电网提供了科学合理的方法。

负荷越高,其分摊的容量成本就越高。认识到电价中“容量成本”的这个特性非常重要。一方面,当这个特性表现在用户电价上时,将引导用户用电,减少峰谷差;另一方面,当这个特性表现在发电机组的上网电价上时,将引导发电机组的投资,使得一些提供调峰服务的机组能够得到更加合适的投资回报。电价的这个性质在当量电价中曾经被强调过[13],且用来作为发电机组上网电价形成机制的内容之一。充分认识其特点并运用到电力定价中值得进一步探讨与研究。该文再次突出该性质,并基于此建立了新的电价机制,是一次有益的尝试。当然,我们不可能希望一篇文章就能够建立一个完善的电价机制。文中有些概念和方法还有进一步延伸的空间,提出以下意见,以便进一步深入讨论。

1)文中主要讨论了用户电价的形成机制,对于发电机组的上网电价还未深入讨论。如果仅仅只是体现在用户电价上,似乎并不完整,至少会有如下的一些缺憾。①如果发电机组的上网电价还是按照现行的机制进行,就起不到引导发电机组投资的作用。②如果发电机组上网电价不进行相应的改变,因有效容量而减小的部分发电容量成本将会由电网公司承担,这很难行得通。③如果发电机组的上网电价中容量投资的回报按照该文的“有效容量成本”核算,可能还需要独立的输配电电价配合,而如何构建合适的输配电电价则可能是另一个问题。从该文看,作者显然也注意到这个问题,只是篇幅限制,未来得及讨论,期待作者能够加快研究,给出更全面的解决方案。

2)该文首先通过建立数学模型来选择有效装机容量,然后通过确定选择出来的机组容量成本之和得到有效容量成本。有效容量成本显然对于抑制过投资有作用,但是如果用其来引导投资则还需要进一步论证。①首先有效容量成本是否能够保证较为长期的电力系统可靠性的要求还需要论证。按照未来一年的负荷加上备用系数核算的需求与长期可靠性之间的关系如何,目前尚不清楚。从北美电力系统运行看,按照短期运行的电价能否引导出长期可靠的电力投资是有疑问的。②如果使用有效容量成本作为上网电价的容量成本基础,就有可能引导发电投资按照其选择的有效容量来进行。以未来年度的运行成本最小化目标产生的机组组合是否可以作为引导合适的电源组合也需要进一步论证。

电价机制是电力工业的关键问题。从传统的基于成本的定价到完全的市场竞争电价之间需要渐次进行改革,不能够完全不动,也不能够期望一朝一夕之间完成。而该文的讨论对于改善目前的状态是有益的,笔者对论文作者深表敬意。

(上海大学 邹斌)

作者答复:

非常感谢审稿专家对文章的肯定以及提出的宝贵意见、建议。正如审稿专家所言,《基于发电有效容量成本的电价机制》一文旨在解决中国电力工业体制改革中传统基于成本的定价方法带来的过投资问题。研究中抓住了“负荷越高,其分摊的容量成本就越高”这一特性,并引入负荷持续时间对分摊结果的影响,形成了新的电价机制。下面逐一回答专家提出的问题。

1)文中主要讨论了如何将发电侧的有效容量成本在用户侧合理分摊的形成机制,没有探讨如何基于有效容量成本形成上网电价,而是直接将发电侧的有效容量与用户的价格相关联,根据用户用电行为对发电资产利用率的大小,形成销售电价,实现了发电侧与用户的直接互动,不需要电网公司承担任何发电容量成本。这一机制改变了以往需求侧管理的不对称性,用户将享受到由于降低负荷峰值所产生的节约投资的效益,形成对需求侧管理的深度激励。本文还探讨了如何将无效容量成本对所有机组进行分摊,即应根据各机组不同投产年份和装机容量的大小进行分摊。“投产年份越早,分摊比例越小;机组容量越大,分摊比例越大”这一机制实现发电侧的投资风险由所有市场成员共同分摊。此外,作为完整的电价机制,还需要独立的输配电电价予以配合,作者将在未来对相关问题展开进一步的研究,希望能给出更全面的解决方案,形成完整的电价机制。

2)有效容量成本对抑制过投资作用明显,但如何引导投资使得发电容量充裕性保持在合理的水平上并形成合适的电源组合,本文采用了由监管部门给出的合理备用水平的方法。至于有效容量成本能否用来引导投资,本文的贡献就在于此,不是政府大包大揽发电侧的所有投资,而是由用户的需求引导投资,政府只是建立一种基于有效容量的机制,这正是电力市场化的发展方向。另一方面,有效容量机制并没有改变“以未来年度运行成本最小化为目标产生的机组组合”,只是要求发电行业在预测未来的电力需求时,要考虑需求的弹性,科学预测有效容量需求,没有改变基于成本最小的电源优化模型。

基于集约化的电价管理探讨 篇5

财务集约化不单单指财务部一个部门的集约化, 它涉及企业的每一个业务部门、管理部门。电力企业在推进财务集约化过程中, 一定要与计划发展部、市场营销部、基建工程部、物流中心、生产技术部、人力资源部、信息科技部等职能部门的集约化管理同步, 为财务集约化提供坚强的业务保障。

通过与营销系统集成, 电力企业实现了电力销售和业务收费明细数据自动采集, 所有电厂机组、电价等基础信息实现了动态更新, 上网电费结算实现全过程在线处理, 上网电价政策信息实现网络化发布, 丰富了电价分析的手段和方法。

1 我国目前电价管理的现状

(1) 分类标准不科学。随着市场经济的发展, 经营分类的细化, 新型产业不断涌现, 出现了很多依据老政策难以明确用户用电性质的情况, 如种植用地的排涝、灌溉用电是属于农业生产用电还是非普工业用电?电梯、消防用电是属于居民生活用电还是非居民照明、商业用电?在实际执行电价过程中容易造成供用电矛盾和争执。

(2) 电价结构不合理。不同类别的电价没有按用电负荷特性和真实占用电力成本的原则制定, 主要表现为商业用电、非普工业用电给农业、居民用电补贴, 高压用户给低压用户补贴, 高负荷用户给低负荷用户补贴, 负担不合理。

(3) 输配电价水平需要拓展。输配电价水平难以支撑电网快速可持续发展要求, 但由于发电环节经营困难、物价指数高企、输配电价调整缺乏机制, 进一步争取电价政策的难度很大。

(4) 电价电费监管压力加大。国家发改委和电力监管机构对公司电价政策和输配电成本监管将更加严格, 社会舆论高度关注垄断企业相关行为, 稍有不慎就可能引发舆论热点, 需要增强政府监管和舆论监督的应对能力。

(5) 营销人员素质不一。营销人员由于对电价理解不同, 不能准确界定用电类别, 有的高价低套, 有的低价高套, 管理上的漏洞必然使电力企业经济利益和服务质量受损, 电价管理手段还需提升。

2 基于集约化, 加强和深化电价工作

电力企业需进一步整合公司电价管理资源, 完善电价政策标准体系, 进一步加强电价研究, 积极争取电价政策, 规范电价政策执行, 深化电价信息化应用, 努力提升电价集约化管理水平。

2.1 建立与电力体制改革相适应的分环节电价机制

在具备竞争条件的发电环节, 加快引入竞价上网电价机制, 通过竞争, 激励管理水平高、设备效率高的机组在竞争中获得额外收益, 在市场中取得主导地位, 并淘汰落后产能和能耗高、管理落后的机组, 实现优胜劣汰, 提高发电资源的综合利用效率。

在输配电环节, 尽快界定与输配电相关的有效资产, 科学核定输配电成本水平, 并以此核定成本, 考虑电网投资相应的资本金回报, 计入相关税金, 建立独立的输配电价, 确保电网可持续发展。

销售电价环节, 考虑线路和设备的损耗, 以及销售环节的各项成本支出费用, 核定用户应当承受的能源价格水平。并以多种销售电价结构类型去适应不同用户的用电需求, 出台可中断电价、高可靠供电电价;制定合理的峰谷分时电价和力调考核标准;扩大基本电价执行范围和在电价总水平中的比重。使销售环节电价既体现上游价格水平, 又促进电力能源和资源的自身节约, 实现电力资源的社会效用最大化, 促进电力资源的合理配置。

建立分环节的电价机制后, 通过建立平衡账户机制等措施, 对机组关停、脱硫加价、竞价上网等能源节约和资源长期发展规划产生的社会成本在全社会负担, 并通过与电价调整周期衔接, 通过销售电价向终端用户传递国家宏观调控信息, 实现全社会资源成本的降低。

2.2 建立统一的电价政策

逐步建立公司系统规范统一的电价政策体系, 努力规避由于各地政策不同引发的监管和舆论风险。争取国家加快推行销售电价分类结构调整, 逐步实现城乡同价和工商并价;推进各省执行统一销售电价政策, 减少省内多价区并存状况;推动国家尽快修订销售电价分类说明, 统一电力用户的电价适用类别, 明确新增用电类别电价执行标准;完善电气化铁路电价机制, 争取出台电气化铁路标杆电价政策。

2.3 提升电价理论和政策研究水平

统筹公司内外研究资源, 开展适应公司“五大”体系建设的输配电价体系研究;对各环节两部制电价形式、抽水蓄能电价、电网发展东西帮扶机制等难点问题, 以及电力增值业务服务收费、电动汽车充放电价格、分布式能源价格、可再生能源接网补贴、同价方式等热点问题进行深入研究, 提出操作性强的政策建议;研究电力市场化改革相关电价问题, 重点对发电竞价上网电价机制和平衡账户管理办法、电力用户与发电企业直接交易输配电价核定提出政策建议;加强电力相关能源价格比价、电价调整与物价指数, 以及电价对各行业经济发展的影响等电价相关问题研究;梳理电价研究成果, 夯实电价基础理论研究, 完成电价管理丛书编写工作。

2.4 建立独立的跨省区电力交易价格机制, 促进资源在更大范围的有效配置

独立的、合理的跨省区输电价格是理顺跨省区电力交易价格机制的关键和核心。统筹考虑跨省区输电价格机制, 建立公平、公开、透明地跨省区的输电价格是破解当前能源结构性问题的必然选择。跨省区的电力交易可采用送端电网公司与受端电网公司之间进行交易的模式。送电省的输电价格以国家公布的各省输配电价格作为参考, 适当考虑电压等级间成本差别确定。受电省按照年度交易电量和够电成本水平与本省上网电价水平差异, 通过销售电价向用户传递, 实现跨省区的送电价格与受电省的销售电价联动。

2.5 建立好电价政策执行机制

严肃电价执行权限, 严格电价批准和执行流程。规范电价、政府性基金及附加、收费政策的执行, 制定《政府性基金及附加管理实施办法》。集中清理和规范统一电价码, 加强对特殊电价码的审批与管理。拓展电价管控模块功能, 借助营销、交易等部门信息系统和电价管控系统, 通过在信息系统中设定电价异常波动报警程序等方式, 对电价政策执行情况进行在线监控, 监督国家专项电价政策落实情况;建立异常情况跟踪机制, 发现问题及时通知相关业务部门进行跟踪、整改, 规避电价执行风险。

协同营销、交易中心等部门, 健全外部监管迎检工作制度和流程, 做好迎检协调、沟通工作;研究建立分业务监管报表体系, 做好电价电费监管信息的报送工作。

2.6 深化电价管控模块应用

开发电价辅助分析决策系统, 深度开展数据挖掘, 建立以输配电价为核心的电价分析体系, 支持多维度、多口径的查询和分析, 全面展现电价政策及执行分析结果;深化分析结果应用, 建立各单位电价政策及电价水平的对比评价体系, 促进各单位优化电价政策和电价方案。深化电价测算高级应用, 建立成本加收益输配电价、经营期电价等电价测算模型。完善购售电预算模块, 提高购售电预算审核效率;优化集成方案, 完善营销、交易系统数据集成和校验等功能, 提高购售业务信息集成质量;优化设计和配置, 简化表单和流程, 提供快速操作指南, 提升系统易用性;跟踪分析电价关键问题和重大政策影响, 强化过程控制。

全面应用电价管控工作平台, 实现购售电预算、结算、核算以及电价报表编制、电价分析、测算等业务工作都在电价管控模块中完成;强化电价基础数据校核, 建立数据变动协同机制和差错处理机制, 提高营销、交易数据集成的全面性、准确性和及时性;建立公司总部电价管控平台, 实现电价数据在线审核和准确性考核, 开展多角度的电价监控和分析。

一是完善财务核算与营销应收、实收及账务核算数据的集成, 保证营销系统与财务应用数据的一致性、准确性和时效性, 全面推进营销电费账务与财务电费账务的协同工作和集约化管理;二是与营销部门共同建立完善营销系统账务核算规则, 完善实收分类汇总信息、营销账务总分类核算信息数据集成规则, 在分类汇总数据到供电所的基础上, 拓展接口功能, 满足财务核算大用户管理要求;三是通过集成财务管控银行明细交易数据, 统一营销系统到账确认及在途资金的账务处理方式。

摘要：电价管理是我国电力体制改革的重点内容, 通过分析我国电力企业电价管理的现状, 浅谈基于财务集约化电价管理中尚待深化和拓展的工作, 促进电力企业持续、健康发展, 为我国国计民生提供优质安全的能源供应。

关键词：电价,集约化,管理

参考文献

[1]李雪梅.浅谈电力价格调整与电价管理[J].北方经济, 2007, (24) .

[2]段莉莉.电价管理存在的问题和对策[J].中国西部科技, 2009, (03) .

[3]朱成章.中国的电价问题[J].电力需求侧管理, 2005, (02) .

[4]施家乐.浅谈县级供电公司电价管理存在的问题及对策[J].农村电工, 2006, (04) .

基于减排效益的水电上网电价研究 篇6

1基于减排效益的水电上网电价理论

资源性产品是指人力劳动与自然资源相结合、以自然资源为主要载体的劳动产物[1]。通过人类的生产劳动,开发出来的可供人类利用的原油、煤炭、电力等能源产品就属于资源性产品。资源性产品在生产过程中往往会创造出社会价值、经济价值、生态价值等。现行的资源型产品价格仍以成本定价,导致其价格普遍偏低,价值与价 格倒挂。水电是重 要的资源 性产品,本身具有减少CO2、SO2、氮氧化物、烟尘等污染物排放的清洁能源价值,但其价格不仅远低于其他可再生能源发电价格, 同时也低于环境污染较大的火电价格,不符合《电力法》中上网电价“同网同质同价”的规定。

近几年,国家积极推进燃煤机组脱硫、脱硝及除尘改造,对实施这些改造的火电企业在上网电价上给予一定的补贴。以四川新建 电站为例,目前水电 上网标杆 电价仅为0.308元/kWh,而采取脱硫、脱硝、除尘措施的火电上网标杆 电价为0.460 7元/kWh,远远高于具有相同电能质量的水电价格。若某一燃煤机组安装脱硫、脱硝、除尘设施,则该机组的标杆上网电价=不含脱硫、脱硝、除尘电价 + 脱硫补偿 + 脱硝补偿 + 除尘补偿。其中,不含脱硫、脱硝、除尘电价是指燃煤机组不安装脱硫、脱硝、除尘设施时,根据社会平均成本按照经营期算法计算得出的燃煤机组获得合理收益时应具备的价格水平。因此, 在确定基于减排效益的水电上网电价时,可以参照火电定价机制,将环境效益内部化,“承认”水电的减排效益,在价格制定中予以疏导,体现“同网同质同价”。新的水电上网电价定价机制应在原来成本+利润+税金的基础上加上由于减排而获得的分摊到单位千瓦上的收益,即:

式中:Pc为考虑减 排效益的 水电上网 电价,简称清洁 电价; V减排为水电的减排 效益,及由于开 发水电项 目而减少CO2、 SO2、氮氧化物、烟尘等排放产生的减排效益;P清洁为清洁能源价格,即单位电量减排效益;PCO为单位上网电量年平均CO2减排效益,简称二氧 化碳电价;PSO2为单位上 网电量年 平均SO2减排效益,简称二氧化硫电价;PNO2为单位上网电量年平均氮氧化物减排效益,简称氮氧化物电价;P烟尘为单位上网电量年平均烟尘减排效益,简称烟尘电价;β为政策激励系数。

考虑目前对水电的减排效益分析存在难以精确计量、价格难以到位等因素,本文在此引入一个政策激励系数β,β值的大小可以具体灵活调整,其体现了政府对水电这一清洁可再生能源的支持力度[2]。该电价测算模型是从促进水电等清洁可再生能源可持续发展的角度出发,在原有的水电上网电价定价机制的基础上,附加一个清洁能源价格,由此体现水电的减排效益,并利用价格这一经济杠杆来调整能源结构和电源结构,对促进水电清洁能源和可再生能源的使用具有重要作用。

2减排效益电价计算方法

2.1CDM方法学

水电项目是参与国际CDM市场的重要组成部分[3],早在2002年南非世界可持续发展高 峰会议上,水电包括 大型水电 作为清洁可再生能 源的作用 就已经得 到国际社 会的充分 肯定[4]。凡是经CDM执行理事 会 (EB)批准并注 册后的水 电CDM项目,都可在项目计算期内出售其温室气体减排量,从而获得经济补偿。因此可采 用CDM项目方法 学计算水 电项目CO2减排量及其产生的经济效益。

CDM方法学的内容由 方法选定、基准线确 定、额外性评 价、项目边界确定和泄露估算等几方面组成。目前可应用于确定水电项目二氧化碳减排量的方法学有AMS-I.D(小容量可 再生能源计算方法)和ACM0002(经批准的可再生 能源发电 并网项目整合的基准线方法)两种。由于AMS-I.D方法学仅适用于装机小于15 MW的小水电项目,在此不加赘述。根据ACM0002方法学,水力发电项目的CO2减排效益的计算过程如下。

(1)水力发电项目所 产生的排 放量PEy。根据方法 学规定,定义功率密度ω=新电站的装机容量或改造电站的增加容量/水库满水位时淹没表面积(W/m2),其值作为阈值来确定水力发电项目所产生的排放量PEy。当4 W/m2≤ω≤10 W/m2时,PEy=90kg/(MW·h);当ω>10 W/m2时,忽略来自水库的CO2排放量,PEy=0。

(2)基准线排放BEy。基准线是指若没有水电这 个CDM项目,为了获得相同质量的服务,最可能建设的其他项目所产生的温室气体排放量,该替代项目被称为基准线项目。水电项目与基准线相比较其减少的CO2排放量就是它自身产生的减排效益[5]。该水电项目最佳基准线情景替代方案为该项目所在地区电网提供与该项目年上网电量等额的电量。其基准线排放量为:

式中:BEy为基准排放量;EGy为y年该水电 项目上网 电量; CM为水电项目所在电网排放因子。

根据ACM0002方法学的规定,电网基准线排放因子为电量边际排放因子OM和容量边 际排放因 子BM的加权平 均, 即:

水电CDM项目并入电网后,其可以对电网产生两种影响: 一种是影响电网发电和运行调度(OM);另一种影响电网的容量建设(BM)。因为OM和BM的计算非常繁琐,为简化CO2减排量的计算,默认的权重系数为ωOM=ωBM=0.5。国家发改委发布了以区域电网为单位的基准线排放因子,各地区有所不同,具体见表1。

(3)泄漏的排放。泄露是指审定项目边界外的、可计量的、 由于开展CDM项目活动 所产生的 温室气体 排放的净 变化值[6]。ACM0002方法学中规定不考虑泄漏,即Ly=0。

(4)水电项目CO2减排量ERy。在某一具体年份y,水力发电项目产生的CO2减排量ERy是基准线排放量BEy与水力发电项目 所产生的 排放量PEy和泄漏量Ly的差值。 公式如下:

(5)CO2减排效益。在减排效益计算期限、交易单价及年CO2减排量都确定 的情况下,具体某一 年份的CO2减排效益为:

一般水电站经营期为30a,则单位电量CO2减排效益也即CO2电价PCO2的计算公式为:

式中:ABCO2,y为第y年CO2减排效益;p为碳交易 单价;Q为年平均上网电量。

2.2绿色GDP核算

自改革开放以来,我国的GDP以年约10%的高速度增长, 创造了现代世界经济发展的奇迹,但是,我国经济的发展是以资源的消耗和环境退化为代价的[7]。绿色GDP是一种在现有国民核算体系基础 上,扣除资源 消耗与环 境成本之 后的GDP核算。在绿色GDP核算体系中,环境污染损失成本法是核算SO2的环境退化成本的重要方法,即可推算出由于水力发电减少SO2排放而降 低的环境 污染损失,以此作为SO2的减排效益。

SO2的环境退化成本主要由SO2污染造成的健康经济损失、SO2污染造成的农业减产损失及SO2造成的材料损失三部分构成,由于环境统计数据的可得性、剂量反应关系的缺乏等, 采用环境污染损失成本法计算SO2的环境退化成本可行性较差,因此,在计算SO2的减排效益时,本文采用根据各类污染物的污染当量值和 排放量及 总的大气 环境退化 成本计算 得出SO2的环境退化成本。

(1)SO2的环境退化成本。在《排污费征收标准管理办法》 中,污染当量值用来体现不同种类的污染物排放量在综合考虑其污染危害和治理费用方面的一种等标关系。以大气污染中1 kg某污染物为基准,若0.95kg SO2的有害程度和对生物体的毒性以及处理的费用与1kg该污染物相等,则SO2的污染当量值是0.95kg。污染当量数就是污染当量的数量,无量纲[8], 大气污染物的污染当量数为:

式中:Ap,i为i污染物的污染当量数;Qi为i污染物的排放量; Wi为i污染物的污 染当量值。各类污染 物的污染 当量值见 表2。

kg

由于污染当量数代表某一具体污染物染污当量的数量,即对环境的有害程度,因此,可将各类污染物的污染当量数的比值近似的看作各类污染物的环境退化成本之比,则SO2的环境退化成本可由下式得出:

式中:ECy为y年的大气环境退化成本;Ap,SO为SO2的污染当2量数;Ap,NO x为氮氧化物的污染当量数;Ap,烟尘为烟尘的污染当量数。

y年SO2污染的环境退化成本除以该年的SO2排放量即可得到当期的SO2污染造成的单位退化成本:

式中:UECSO2,y为y年SO2污染造成的单位退化成本;VSO2,y为y年SO2的排放量。

由于水电项目的经营期较长,在测算上网电价时项目往往还未投产,逐年计算SO2的单位退化成本的可行性较差。李娟伟、任保平在 《协调中国 环境污染 与经济增 长冲突的 路径研究》[9]一文中指出治理污染的成本与工业品出厂价格指数PPI具有较强的相关性,因此选用工业品出 厂价格指 数PPI计算其他年份由于SO2污染产生的环境退化成本,计算公式为:

(2)y年SO2减排效益。在得到y年由SO2污染造成的环境退化成本后就可依据下面的公式计算y年由于发展水电项目得到的SO2减排效益。

式中:BSO2,y为y年SO2的减排效益;RSO2,y为由于修建水电项目而产生的y年SO2减排量。

则单位上网电量年SO2减排效益的公式如下:

氮氧化物及烟尘的减排效益的计算与二氧化硫的减排效益计算方法同理,可计算出单位上网电量年平均氮氧化物减排效益,即氮氧化物电价PNO2,以及单位上网电量年平均烟尘减排效益,即烟尘电价P烟尘。根据上述计算,水电单位上网电量减排效益即清洁能源价格可由其加和得出,计算公式见式(2)。

3案例研究

某水电站位于四川省阿坝州,电站装机容量2 000 MW,属年调节电站,电站开发 任务以发 电为主,兼顾防洪。 该电站2013年截流,2019年底第一台机组投产发电,2020年机组全部投产,多年平均年 发电量约724 360万kWh(不考虑厂 用电率)。电站工程总投资为3 979 679.4万元,资本金按总投资的20%计,为796 135.9万元,其余资金从银行借款,借款年利率采用6.55%,该水电站发电成本费用各项取值见表3。

3.1经营期电价

目前在计算水电站上网电价时多采用经营期算法。根据省物价局提供的水电站经营期电价测算参数,采用增值税率为17%,所得税税率为25%,城市维护建设税和教育费附加税率分别采用7%和3%;资本金内部收益率一般取8%。该测算应满足如下公式:

式中:CI为第t年的现金流入量;CO为第t年的现金流出量; (CI-CO)t为第t年的净现金流量;n为计算期;IRR为内部收 益率;t为时间序列。

使资本金内部收益率IRR符合要求水平,并且经营期内累计资本金净现金流为0时的上网 电价水平 即为经营 期价格。 经过测算,上网电价应达到0.618元/kWh才能维持电站的正常运营、满足水电企业的合理收益,该电价水平与目前四川省水电站标杆电价0.308元/kWh相比每千 瓦时高出0.31元。 电站属年调节水库,且承担防洪任务,社会效益显著,但由于要修高坝、建大库,调节性能好的电站建设工期长、征地和移民安置费用大,投资成本也相对较高,导致该电站上网电价水平过高,在现行的定价机制下,电站批复电价很难到位。

3.2清洁电价

在此,利用CDM方法学及绿色GDP核算方法计算该水电站发电带来的减排效益,并根据基于减排效益的水电上网电价理论,确定其清洁电价。

(1)CO2电价。该电站装机容量为2 000 MW,水库满水位时淹没表面积为36.6km2,功率密度ω为:ω=2 000MW/36.6 km2=54.64 W/m2,符合ACM0002方法学的适用条件。

根据公式(4)及2013年国家发改委公布的华中电网基准线排放因子OM和BM ,可得该水 电项目所 在电网排 放因子CM为0.738 45tCO2/(MW·h),再由公式(3)、(5)可得经营期平均年CO2减排量ERy为5 349 036t。

2011年11月,北京、上海、天津、重庆、深圳、广东和湖北已被国家发改委确定为首批碳交易试点省市。目前试点地区交易价格及涨跌幅度差异较大,价格从20~80元/t不等。在此取最低价20元/t作为碳交易价格,由公式(6)可得经营期内水电项目CO2年减排效益ABCO2,y为10 698万元,则单位电量二氧化碳减排效益即二氧化碳电价PCO为0.014 8元/kWh。 2

(2)SO2、NOx、烟尘电价。根据2008年《中国环境 经济核算研究报告》的核算数据,全国SO2排放量为2 230万t,氮氧化物排放量为2 494.2万t,烟尘排放量为901.6万t,大气污染造成的环境退化成本为4 725.6亿元。由各污染物排放量、污染当量值及公式(8)、(9)可计算得出其相应的污染当量数及单位环境退化成本,结果见表4。

根据国家公布的PPI指数及公式(11)可求得2009-2013年我国SO2、NOx、烟尘的单位环境退化成本,计算结果见表5。

目前我国燃煤电厂 平均燃烧1t煤的污染 物排放量 见表6。取煤质单 位热值为21.2 MJ/kg,硫含量为1%,灰分为15%,静电除尘效率为99%。

kg / t

该水电项目年发电量724 360万kWh,电站发电后,若以煤耗310g/kWh计,电站每年约减少使用224.55万t煤炭,每年减少SO2排放量4.042万t、NOx排放量1.796万t、烟尘排放量0.09万t。则由公式(12)可得该项目年平均SO2、NOx、烟尘的减排效益分别为37 713.5、16 757.4、365.9万元。再由公式(13),单位上网 电量SO2、NOx、烟尘的减 排效益及SO2、 NOx、烟尘电价分别为0.052 0、0.023 1、0.000 5元/kWh。

由上述计算结果可得出清洁能源价格P清洁为:

P清洁 = PCO2+PSO2+PNOx+P烟尘 =0.090 4 (元/kWh)

目前四川省水电标杆电价为0.308元/kWh,若在此基 础上附加以上 测算的清 洁能源价 格,则该电站 清洁电价 为0.398 4元/kWh,略低于四川燃煤机组安装脱硫、脱硝、除尘设备的火电上网电价。

根据近期四川省对于安装脱硫、脱硝、除尘设施的燃煤发电企业给予电价补偿的政策,经环保部门验收合格的,在原上网电价的基础上每千瓦时分别提高1.5、1和0.2分钱。本例计算得出的SO2、NOx、烟尘电价之和为7.5分钱,高于燃煤机组脱硫脱硝除尘补偿,因此可根据具体情况合理调整政策激励系数β的取值。

4结语

(1)清洁电价能够反映水电项目代替火电项目相应减少污染物的排放而产生的环境效益,体现了水电的清洁能源价值。

(2)以四川省某水电站为例,其测算的清洁电价与安装脱硫、脱硝、除尘设备的火电电价接近,并可灵活调整政策激励系数β,可见基于减排效益的水电上网电价是相对合理的。

基于数值仿真的电价灵敏度分析 篇7

在过去的20多年中, 世界上许多国家开展了以“厂网分开、竞价上网”为主要特征的电力工业市场化改革, 电力企业从垄断型经营模式向竞争性经营模式转变, 电力市场成为国家经济格局中的重要组成部分。其中, 电价作为市场的核心问题, 直接关系到整个市场的发展和稳定。在电力市场环境中, 电价具有较高的波动性和随机性, 其正常波动是电力市场赖以生存和发展的基本条件, 对市场的健康发展具有积极的正面效应;反之, 电价的异常波动将加剧市场成员的运营风险, 并影响电力市场的稳定发展。尤其是2000年美国加州电价的暴涨给美国加州的经济和生活带来了巨大损失, 也引起人们对电价风险问题的普遍关注。然而, 由于电力市场的特殊性, 如何借鉴金融市场风险管理理论进行电价风险分析还有待研究。目前, 已有一些学者对电价问题展开了较为深入的研究, 并取得了丰硕的研究成果, 其研究主要集中在电价预测[1]、波动性分析[2,3,4]、概率分布[5,6,7,8]等方面。

总体而言, 灵敏度分析是常用的风险分析技术, 能够直观地表征自变量与因变量变化之间的内在联系, 这对于电价风险研究而言, 具有重要的理论意义和实用价值。究其原因, 电力市场因素的不确定性具有其客观必然性, 所以, 进行市场因素变化与电价变化之间的定性和定量分析, 以挖掘市场因素不确定性与电价不确定性之间的潜在规律, 实现对电价风险的深层次分析, 具有极其重要的意义。

目前的灵敏度分析方法已在金融资产市场风险分析中得到较为深入的研究和应用[9], 其研究方法大多是直接对目标变量与自变量之间的数学模型进行求导计算灵敏度系数。在电力系统分析领域, 灵敏度分析被广泛应用于系统仿真[10]、保护控制[11,12]、系统稳定性分析[13]等方面, 这些研究大多基于明确的数学模型或系统, 通过灵敏度分析实现对模型变量及参数的动态分析。然而在电价研究方面, 由于价格本身的复杂性和电力市场的特殊性, 对于电价及其影响因素的显示建模存在较大困难, 从而制约了解析法在电价灵敏度分析方面的应用。为解决该问题, 文献[14]提出了电量电价灵敏度矩阵的计算方法, 此方法所求的电价灵敏度是一种静态量度, 对于电价的动态灵敏度问题不适用。

本文从数值仿真的角度, 提出了一种新的电价灵敏度分析模型。该模型首先根据统计学习理论, 建立基于支持向量机的电价仿真模型, 并对电价影响因素进行小扰动模拟, 然后根据智能仿真结果, 计算电价的灵敏度。该模型将支持向量机的黑箱建模技术与灵敏度分析有机结合, 所建模型原理简单、适用性较强。

1模型原理

首先对电价灵敏度模型进行基本定义。设y (t) 为目标交易时段t的电价, x1 (t) , x2 (t) , …, xn (t) 为电价解释变量, 即模型计及的影响因素, 例如历史电价、负荷、网间交换功率、系统可调发电容量等, x (t) =[x1 (t) , x2 (t) , …, xk (t) ]T∈Rk, 且为避免影响因素数据级和单位差异所引起的灵敏度数量级上的差别, x已进行归一化处理。这里定义电价影响因素与电价之间的映射关系为:

$y(t)=f(x{}_1(t),x{}_2(t),\cdots ,x{}_k(t))(1)$

简记为y=f (x) 。则电价y的全增量Δy可近似表达为:

$\begin{array}{l}\text{Δ}y=\frac{\partial f(\mathit{x})}{\partial x{}_1}|{}_{\mathit{x}\stackrel{(0)}{{\displaystyle }}}\text{Δ}x{}_1+\frac{\partial f(\mathit{x})}{\partial x{}_2}|{}_{\mathit{x}\stackrel{(0)}{{\displaystyle }}}\text{Δ}x{}_2+\\ \cdots +\frac{\partial f(\mathit{x})}{\partial x{}_k}|{}_{\mathit{x}\stackrel{(0)}{{\displaystyle }}}\text{Δ}x{}_k=\\ \beta {}_1\text{Δ}x{}_1+\beta {}_2\text{Δ}x{}_2+\cdots +\beta {}_k\text{Δ}x{}_k(2)\end{array}$

式中:βi定义为相对于负荷、历史电价等不同影响因素的电价灵敏度, 且由于x为归一化数据, 所以灵敏度单位与电价单位一致。

进一步将Δy分解为:

$\text{Δ}y={\displaystyle \sum _{i=1}^k\beta }{}_i\text{Δ}x{}_i={\displaystyle \sum _{\underset{i\ne j}{{\displaystyle i,j=1}}}^k\frac{\text{Δ}y}{\text{Δ}x{}_i}}|{}_{\begin{array}{l}\text{Δ}{}_{x{}_i}\ne 0\\ \text{Δ}{}_{x{}_j}=0\end{array}}\text{Δ}x{}_i(3)$

于是, 构建电价灵敏度模型的步骤如下:首先, 建立基于支持向量机的电价仿真模型;然后, 利用该模型, 进行电价的数值仿真;最后, 根据仿真样本, 求解灵敏度系数。

2模型实现

针对动态电价灵敏度研究中存在的有限样本和价格本身的复杂性等问题, 本文提出基于支持向量机的黑箱建模技术, 通过对初始状态附近的各市场因素波动及电价响应的数值仿真, 研究影响因素变化与电价变化之间的动态关系, 实现电价灵敏度分析。

2.1建立基于支持向量机的电价回归模型

电力市场中电价与市场因素之间的回归建模属于复杂的高维非线性回归建模问题。在诸多的回归算法中, 支持向量机作为一项新的数据挖掘技术, 借助于最优化方法解决机器学习问题, 有效地克服了传统算法的“维数灾”和“过学习”等问题, 成为解决高维非线性回归问题的新工具, 已在时间序列预测[15,16]方面得到较广泛的应用。因此, 为保证后续灵敏度模型的准确性, 本文提出基于支持向量机的电价仿真模型。设对于任意交易时段t, 给定电价及其影响数据的训练样本集为:

$[(\mathit{x}{}_1,y{}_1),(\mathit{x}{}_2,y{}_2),\cdots ,(\mathit{x}{}_l,y{}_l)]\in (\mathit{x}\times y){}^l$

式中:x∈Rk;y∈R。

根据统计学习理论, 模型采用非线性映射Φ将数据映射到高维特征空间, 然后在该空间内进行线性回归。设电价仿真模型为:

$f(\mathit{x})=\mathit{\omega }{}^{\text{Τ}}\mathit{\Phi }(\mathit{x})+b(4)$

采用ε-不敏感函数时, 得到优化问题:

$\{\begin{array}{l}\min \frac{1}{2}\mathit{\omega }{}^{\text{Τ}}\mathit{\omega }+C{\displaystyle \sum _{i=1}^l\xi }{}_i\\ \text{s}.\text{t}.|\mathit{\omega }{}^{\text{Τ}}\mathit{\Phi }(\mathit{x}{}_i)+b-y{}_i|\le \epsilon +\xi {}_i\xi {}_i\ge 0\end{array}(5)$

通过引入拉格朗日算子αi, α*i, γi≥0, 得到优化问题的对偶形式[17]:

$\{\begin{array}{l}\max W(\alpha ,\alpha {}^{*})={\displaystyle \sum _{i=1}^l(}\alpha {}_i-\alpha {}_i^{*})y{}_i-\\ {\displaystyle \sum _{i=1}^l(}\alpha {}_i+\alpha {}_i^{*})\epsilon -\frac{1}{2}{\displaystyle \sum _{i,j=1}^l(}\alpha {}_i-\alpha {}_i^{*})\cdot \\ (\alpha {}_j-\alpha {}_j^{*})\mathit{\Phi }{}^{\text{Τ}}(\mathit{x}{}_i)\mathit{\Phi }(\mathit{x}{}_j)\\ \text{s}.\text{t}.{\displaystyle \sum _{i=1}^l(}\alpha {}_i-\alpha {}_i^{*})=00\le \alpha {}_i,\alpha {}_i^{*}\le C\end{array}(6)$

记K (xi, xj) =ΦT (xi) Φ (xj) 。由于上述优化过程只考虑高维特征空间中的内积运算, 因此可采用核函数, 实现电价非线性回归建模, 建立电价仿真模型如下:

$f(\mathit{x})={\displaystyle \sum _{i=1}^{{\rm I}}(}\alpha {}_i-\alpha {}_i^{*}){\rm K}(\mathit{x}{}_i,\mathit{x})+b(7)$

在此模型的基础上, 进一步利用测试集样本进行电价仿真模型的效验。具体地, 基于支持向量机的电价仿真模型实现流程如图1所示, 通过枚举迭代进行寻优, 在参数调整中考察训练误差和测试误差 (见式 (8) ) , 并选取测试精度最高的模型为电价仿真模型。根据该流程, 对各交易时段分别建立模型。

$\{\begin{array}{l}E{}_{\text{m}\text{a}\text{p}\text{e}}=\frac{1}{d}{\displaystyle \sum _{i=1}^d\left|\frac{y{}_{\text{实}\text{际}\text{值}}-y{}_{\text{预}\text{测}\text{值}}}{y{}_{\text{实}\text{际}\text{值}}}\right|}\times 100％\\ E{}_{\text{m}\text{s}\text{e}}=\sqrt{\frac{1}{d}{\displaystyle \sum _{i=1}^d\left(\frac{y{}_{\text{实}\text{际}\text{值}}-y{}_{\text{预}\text{测}\text{值}}}{y{}_{\text{实}\text{际}\text{值}}}\right)}{}^2}\times 100％\end{array}(8)$

2.2数值仿真和电价灵敏度系数求解

该模块利用前述的电价仿真模型, 实现市场因素变化与电价变化之间的数值仿真。

设市场因素与电价的初始状态为[x (0) , y (0) ], 其中, x (0) =[x1 (0) , x2 (0) , …, xk (0) ]T∈Rk。对于任意的电价影响因素xi (i=1, 2, …, k) , 其第s次迭代新值为xi (s) , 且x${}_i^{(s)}$=x${}_i^{(0)}$+sη (xi) 。其中:η (xi) 为xi的迭代步长;s=1, 2, …, mi;mi为xi的仿真次数。相应地, Δx${}_i^{(s)}$=sη (xi) 。同时, xj (j=1, 2, …, k且j≠i) 保持不变, 将此时的影响因素矢量x (s) =[x1 (0) , x2 (0) , …, xi (s) , …, xk (0) ]T输入电价仿真模型, 进行电价增量的估计, 记为Δy (s) =y (s) -y (0) , 得到因素xi变化与电价变化的仿真样本集:

$\begin{array}{l}[(\text{Δ}x{}_i^{(0)},\text{Δ}y{}^{(0)}),(\text{Δ}x{}_i^{(1)},\text{Δ}y{}^{(1)}),\cdots ,\\ (\text{Δ}x{}_i^{(m{}_i)},\text{Δ}y{}^{(m{}_i)})]{}_{x{}_j=x{}_j^{(0)}}\end{array}$

式中:j=1, 2, …, i-1, i+1, …, k。

根据上述样本集绘制电价波动与影响因素xi发生小扰动时的数据曲线, 其切线的斜率即为式 (3) 中电价对市场因素xi的灵敏度系数。以次类推, 建立最终的电价灵敏度模型。

3算例分析

本算例采用2002年10月—12月美国新英格兰现货电能量市场的负荷、网间交换功率和电价实际数据, 构建基于智能仿真的电价灵敏度模型, 并进行有效性验证。其中, 10月和11月的相关数据用于电价仿真模型的训练, 建立12月1日的电价灵敏度模型。

设y为t交易时段的系统边际价格, 电价影响因素x1和x2分别为同时段的负荷和网间交换功率, 则电价灵敏度模型形如Δy=β1Δx1+β2Δx2。首先对负荷和网间交换功率数据进行归一化处理, 根据本文的建模方法, 建立基于支持向量机的电价仿真方程, 其中, 核函数取线性核函数。在此基础上, 对负荷、网间交换功率及电价变化进行智能仿真, 仿真过程中负荷和网间交换功率均采用±3%基值以内之间的均匀波动, 输出为电价波动的仿真结果, 从而建立电价灵敏度模型。所建电价灵敏度模型的相关数据如图2和图3所示。图2为2002年12月1日6:00的电价灵敏度曲线。由图知, 电价与负荷、网间交换功率变化之间存在明显的线性相关性。于是, 求出该交易时段电价对负荷和网间交换功率的灵敏度系数分别为3.972 6美元/ (MW·h) 和-3.312美元/ (MW·h) 。由此发现负荷和网间交换功率对电价变化的不同贡献, 总体而言, 该交易时段电价对负荷和网间交换功率的灵敏度数值大致相同, 但不同因素引起的电价变化却刚好反向。

图3为2002年12月1日24个交易时段的电价灵敏度系数曲线。易见, 各交易时段电价对负荷和网间交换功率的灵敏度系数并不相同。但总体而言, 电价对负荷的灵敏度系数为正数, 说明电价变化与负荷变化方向相同, 即负荷增大时电价有增大的趋势;而在多数交易时段内, 电价对网间交换功率的灵敏度系数却为负数, 且绝对值略小, 说明多数时段内电价变化与网间交换功率变化方向相反, 即网间交换功率增大时电价有减小的趋势。

此外, 算例还将电价对负荷与网间交换功率的灵敏度系数进行了数值比较, 所得的灵敏度系数比率曲线如图4所示。可见, 在绝大多数交易时段, 电价对负荷的灵敏度系数与电价对网间交换功率灵敏度系数的比率都大于1。尤其是在9:00和12:00两个交易时段, 甚至超过10多倍。这说明在这些时段, 负荷对电价的影响占主要地位, 网间交换功率的影响占次要地位。例如12:00的电价灵敏度模型为:

$\text{Δ}y=9.6209\text{Δ}x{}_1-0.2315\text{Δ}x{}_2$

当负荷和网间交换功率都变化3%时, 电价变化0.281 7美元/ (MW·h) , 其中负荷引起的电价变化为0.288 6美元/ (MW·h) , 网间交换功率引起的电价变化为-0.006 9美元/ (MW·h) , 易见2个影响因素对于电价变化贡献的较大差异, 这种波动量分解有助于更好地分析和理解电价波动。另一方面, 当比率远小于1时, 则说明此交易时段网间交换功率占主要地位, 负荷影响占次要地位, 例如在第4个交易时段。

从以上分析可见, 本文灵敏度分析模型原理简单, 易于理解和操作, 且建模过程可解释性强。

4结语

本文基于数值仿真的思想, 提出了一种新的电价灵敏度模型。该模型充分利用支持向量机的黑箱建模技术, 通过对市场因素波动的模拟, 考查不同市场情景下的电价动态响应。再根据激励与响应之间的对应关系, 成功求解出电价灵敏度系数。而且, 本文模型适用于电力市场下的小样本条件, 模型泛化能力较强。但是, 由于本灵敏度分析以回归模型为基础, 电价模型的回归精度会对灵敏度准确性有一定的影响。