现货市场环境下新能源并网接入对市场出清的影响

图1 现货市场环境下系统结构图

Fig.1 System structure diagram under spot market environment

2 电力现货市场仿真分析框架

2.1 概述

本文基于实际某省级电网现货市场规则,搭建了如图2所示的现货市场仿真分析框架,以实现现货市场环境下新能源对市场出清结果的影响分析.

图2

图2 电力现货市场仿真框架

Fig.2 Simulation framework of electricity spot market

首先是形成市场出清的边界条件,具体包括:负荷预测曲线、新能源出力曲线、联络线功率计划以及电网拓扑结构、机组运行特性参数和报价等,其中新能源的出力时序曲线可由历史出力数据^[18]或气象数据^[19]生成.然后,基于给出的边界条件,由市场出清模型模拟市场出清计算,并形成最后的市场出清结果,即各机组的中标电量与市场电价情况、系统的新能源消纳与碳排放情况等.其中,市场出清模型是电力现货市场仿真的核心组件,由安全约束机组组合与安全约束经济调度组成.

2.2 市场出清数学模型

2.2.1 安全约束机组组合安全约束机组组合是在满足相关安全运行约束的前提下,以调度范围内最小化购电费用为目标,计算每台机组在每个时间步长内(15 min或1 h)的开关机状态与功率输出.

(1) 目标函数.

$\begin{array}{l} \min F = \overset{T}{\sum_{t = 1}} \sum_{i \in G} [\overset{N_{1}}{\sum_{k = 1}} c_{i, k} P_{i, k} (t) + C_{i}^{SU} (t) + \\ C_{i}^{SD} (t)] + \overset{T}{\sum_{t = 1}} \sum_{j \in R} \overset{N_{2}}{\sum_{r = 1}} c_{j, r} P_{j, r} (t) \end{array}$

(1)

式中:F为系统总的购电费用;T为总的调度时段,t为其索引号;G为全省参与现货市场的常规机组组成的集合,i为其索引号;N₁ 为常规机组的报价分段数,k为其索引号;c_i,k 为常规机组i在分段k的报价;P_i,k (t)为常规机组i在分段k的中标量; $C_{i}^{SU} (t)$ 为常规机组i在时刻t的启动费用; $C_{i}^{SD} (t)$ 为常规机组i在时刻t的关机费用;R为全省参与现货市场的新能源机组集合,j为其索引号;N₂ 为新能源机组的报价分段数,r为其索引号; $c_{j, r}$ 分别为新能源机组j在分段r的报价, $P_{j, r} (t)$ 对应分段的中标电量.火电机组的开机、关机费用计算公式详见文献[20].

(2) 功率平衡约束.

$\begin{matrix} \sum_{i \in G} P_{G, i} (t) + \sum_{j \in R} P_{R, j} (t) + T (t) = D (t) \end{matrix}$

(2)

式中: $P_{G, i} (t) 、 P_{R, j} (t)$ 分别为火电机组与新能源机组的中标电量,等于对应的所有分段的中标电量之和;T(t)为省间联络的净输入功率;D(t)为该省在时刻t的负荷功率.该约束保证系统的电力供给与需求相平衡.

(3) 系统备用约束.

$\sum_{i \in G} [u_{i} (t) P_{G, i}^{\max} - P_{G, i} (t)] + \sum_{j \in R} [(1 - e_{j}) P_{R, j}^{\max} (t)] - P_{R, j} (t) \geq R_{up} (t)$

(3)

$\begin{array}{l} \sum_{i \in G} [P_{G, i} (t) - u_{i} (t) P_{G, i}^{\min}] + \sum_{j \in R} [e_{j} P_{R, j}^{\max} (t)] \geq \\ R_{dn} (t) \end{array}$

(4)

式中: $u_{i} (t)$ 为机组i在时刻t的启停状态,机组处于并网状态时为1,反之为0; $P_{G, i}^{\max}$ 为常规机组的最大技术出力; $e_{j}$ 为新能源机组j的预测误差,反映新能源机组出力的随机性; $P_{R, j}^{\max} (t)$ 为新能源机组j预测在时刻t的理论最大出力; $R_{up} (t)$ 为系统的上备用需求; $P_{G, i}^{\min}$ 为常规机组的最小技术出力; $R_{dn} (t)$ 为系统的上备用需求.备用约束保证了在面对一定量的负荷波动与新能源波动或者发生故障时,系统的并网容量能够应对相应的不确定性事件并进行电力电量平衡^[21].

(4) 机组出力上下限约束.

$u_{i} (t) P_{G, i}^{\min} \leq P_{G, i} (t) \leq u_{i} (t) P_{G, i}^{\max}$

(5)

$\begin{array}{l} 0 \leq P_{R, j} (t) \leq P_{R, j}^{\max} (t) \end{array}$

(6)

对火电机组,其出力受到最大技术出力和最小技术出力的限制;而对于新能源机组,其出力受到其理论最大出力的限制(与风速、光照条件有关).对于新能源,若市场规则规定其出力作为边界条件参与电力现货市场,则新能源出力应固定为其理论最大出力,即式(6)应修改为

$\begin{matrix} P_{R, j} (t) = P_{R, j}^{\max} (t) \end{matrix}$

(7)

(5) 机组爬坡能力约束.

$P_{G, i} (t) - P_{G, i} (t - 1) \leq R_{U, i} + M [1 - u_{i} (t - 1)] + M [1 - u_{i} (t)]$

(8)

$P_{G, i} (t - 1) - P_{G, i} (t) \leq R_{D, i} + M [1 - u_{i} (t - 1)] + M [1 - u_{i} (t)]$

(9)

$P_{G, i} (t) \leq P_{G, i}^{\min} + M u_{i} (t - 1)$

(10)

$\begin{array}{l} P_{G, i} (t) \leq P_{G, i}^{\min} + M u_{i} (t + 1) \end{array}$

(11)

式中: $R_{U, i} 、 R_{D, i}$ 分别为常规机组i的上爬坡能力与下爬坡能力(一个时间步长内);M为一个很大的权重系数.该约束反映了火电机组在连续时段的出力变化还受到其爬坡能力的限制.

(6) 最小启停机时间约束.

$\overset{t + T_{U, i} (t) - 1}{\sum_{τ = t}} u_{i} (τ) \geq T_{U, i} (t) [u_{i} (t) - u_{i} (t - 1)]$

(12)

$\overset{t + T_{U, i} (t) - 1}{\sum_{τ = t}} u_{i} (τ) \geq T_{U, i} (t) [u_{i} (t) - u_{i} (t - 1)]$

(13)

$T_{U, i} (t) = \min {M_{U, i}, T - t + 1}$

(14)

$\begin{array}{l} T_{D, i} (t) = \min {M_{D, i}, T - t + 1} \end{array}$

(15)

式中: $T_{U, i} (t)$ 为常规机组i在时刻t仍然需要继续保持运行的时间;τ为时段索引号; $T_{D, i} (t)$ 为常规机组i在时刻t仍然需要继续保持停机的时间; $M_{U, i}$ 为常规机组i的最小开机时间; $M_{D, i}$ 为常规机组i的最小停机时间.因为常规机组不能频繁启停,一则是技术条件不允许,二则频繁启停会导致机组的寿命减少,因此设置了最小开关机时间约束,保证机组的启动与停机都需要一定的时间.

(7) 潮流约束.

$\begin{matrix} - F_{l, \max} \leq \sum_{b} G_{l, b} P_{inj, b} (t) \leq F_{l, \max} \end{matrix}$

(16)

式中: $F_{l, \max}$ 为线路(即断面)l的最大传输容量;b为节点序号;l为线路序号; $G_{l, b}$ 为节点b对于线路l的功率传输分配因子; $P_{inj, b} (t)$ 为节点b的注入功率,由节点上的发电机出力与负荷功率值相减计算而得.实际上,线路传输功率应该由交流潮流计算得到,但由于交流潮流模型是非线性模型,大大提高了问题的计算复杂度^[22],所以国内外电力市场都采用了线性模型的直流潮流法进行建模与计算.

2.2.2 安全约束经济调度安全约束经济调度是指在发电机启停状态已知的情况下,在满足系统运行的相关安全约束的前提下,对发电机组的出力进行优化从而实现系统的购电费用最小化.安全约束经济调度的目标函数为

$\begin{array}{l} \min F = \overset{T}{\sum_{t = 1}} \sum_{i \in G} \overset{N_{1}}{\sum_{k = 1}} c_{i, k} P_{i, k} (t) + \\ \overset{T}{\sum_{t = 1}} \sum_{j \in R} \overset{N_{2}}{\sum_{r = 1}} c_{j, r} P_{j, r} (t) \end{array}$

(17)

由于机组的启停计划是由安全约束机组组合所确定,所以目标函数(17)相较于目标函数(1)减少了机组的启停费用项,其余项不变.对于约束条件,由于机组的启停计划已经确定,经济调度模型中不再考虑启停爬坡约束与最小开关机时间约束(式(10)~(15)),其余约束不变.

通过安全约束机组组合后,得到了机组在调度时段内的启停状态,然后基于得到的机组启停计划,经过安全约束经济调度,就能得到机组的功率输出情况、全网的新能源消纳情况与全系统的发电费用、碳排放量等信息.

2.2.3 电价计算根据边际价格理论,在t时刻,电价m(t)由下式进行计算:

$\begin{matrix} m (t) = \frac{\partial F}{\partial D (t)} \end{matrix}$

(18)

在t时刻,增加单位负荷,系统的总购电费用的增量,为系统的边际价格.在网络没有阻塞时,出清电价即为式(2)的拉格朗日乘子;当网络发生阻塞时则是式(2)、(16)的拉格朗日乘子的线性组合^[23].所建立的安全约束机组组合、安全约束经济调度以及电价计算均是在Anaconda环境下使用Python 3.7调用CPLEX求解器进行求解.

3 案例介绍

本文选择某实际省级电网的电网运行数据为研究对象,基于本文搭建的现货市场仿真分析框架,定量分析现货市场环境下新能源对市场出清结果的影响.当前,该省级电网具有燃煤、燃气机组共200余台,新能源渗透率达19.52%.预计到2025年,该省电网将规划建设较多的风电机组,此时新能源渗透率将达到25.68%.

本文分别从春、夏、秋、冬四季选择典型周进行相关分析,代替全年的市场运行结果^[24],其负荷曲线形状如图3所示,图中D^*为电力负荷标幺值.目前,电力现货市场的市场化机组主要是由燃煤、燃气机组组成,核电机组、抽水蓄能机组、省间联络线等均是按照各自的发电/输电计划作为市场出清的边界条件.对于新能源电站,考虑两种参与方式:① 新能源电站出力作为边界条件参与市场出清;② 新能源电站报量报价参与现货市场.

图3

图3 四季典型周电力负荷曲线

Fig.3 Representative weekly demand profiles of different seasons

燃煤、燃气机组的分段报价通过机组的成本特性曲线进行生成,而燃煤、燃气、新能源机组的年化投资成本则使用净现值法进行计算^[19]:

$\begin{matrix} C = Q \frac{x {(1 + x)}^{y}}{{(1 + x)}^{y} - 1} \end{matrix}$

(19)

式中:Q为工程单位容量固定投资费用;x为贴现率,一般为7%; $y$ 为机组使用年限.

对于新能源机组,由于其边际发电成本极低,趋近于0,而在边际定价机制下,市场成员会倾向于按照边际成本进行报价^[14],所以假设新能源机组在现货市场中报价为0^[25].

4 案例分析

4.1 对市场出清电价与系统运行情况的影响

为分析新能源对现货市场出清价格与系统运行情况的影响,本文对不同新能源渗透率下,考虑上述两种新能源参与方式,得到全年的市场出清结果,分别如表2所示.

表2 不同水平年下的市场出清结果对比

Tab.2 Comparison of the market-clearing results in different years

新能源参与方式	2021年(新能源渗透率:19.52%)			2025年(新能源渗透率:25.68%)
新能源参与方式	平均出清电价/ [元·(MW·h)^-1]	平均发电成本/ [元·(MW·h)^-1]	新能源消纳率/%	平均出清电价/ [元·(MW·h)^-1]	平均发电成本/ [元·(MW·h)^-1]	新能源消纳率/%
作为边界条件	300.37	257.02	99.98	308.74	248.77	99.90
报量报价	296.93	256.12	99.77	289.92	244.89	98.54

新窗口打开| 下载CSV

从系统运行情况来看,首先,新能源消纳率上,当新能源作为市场化机组报量报价参与现货市场后,相较于直接作为边界条件,新能源消纳率有一定幅度的下降,且随着新能源渗透率的提高,该现象更加明显(下降幅度从0.08%增加到1.23%).这是因为当新能源作为边界条件进行出清时,是将新能源电站作为优先发电机组,然后在进行其余市场化机组的购电费用最小化,这样是最大化利用了电力系统的新能源消纳能力.然而当新能源以报量报价的形式参与市场后,新能源电站会与常规机组一道在市场里进行同台竞争,虽然新能源机组由于在市场竞价中具有较大优势,但由于新能源的波动性、间歇性等负外部性,优先消纳新能源反而会导致系统总的运行成本提高.即在现货市场环境下,市场决策会通过一定数量的弃风弃光来降低系统总的运行成本.

从市场出清电价上看,新能源参与现货市场会较大幅度地降低系统的出清电价,同样随着新能源渗透率的提高,该现象会更加明显(下降幅度从3.44 元/(MW·h)增加到18.82 元/(MW·h)).以2025年冬季典型周为例解释该现象出现的原因,其电力电量平衡图如图4所示,图中P^*为功率标幺值,市场平均出清价格如图5所示,图中λ为出清电价.可以看到,当允许新能源机组报价后,在部分时刻会出现零电价的情况.这是因为市场的出清电价是由边际机组决定,而新能源参与市场后,如果出现弃风弃光,则新能源机组将成为边际机组(即新增 1 MW 负荷将优先调用被削减的新能源发电资源),市场出清价格将由新能源机组的报价所决定,即出现了零电价.而如果将新能源发电作为边界条件,系统则会尽可能消纳新能源,即使由于系统的物理消纳极限受限制而导致出现了少量的弃风弃光现象,也因为其不能成为边际机组而不会出现零电价的现象.并且,随着新能源渗透率的提高,将新能源作为边界条件出清对于灵活性的需求会越来越高,这导致燃料成本更高的气电机组在更多时刻成为边际机组.因此,当新能源渗透率提高时,虽然平均发电成本下降了8.25 元/(MW·h),但出清电价反而增加了8.37 元/(MW·h).

图4

图4 冬季典型周电力电量平衡结果

Fig.4 Power balancing results of a representative week in the winter

图5

图5 冬季典型周出清电价

Fig.5 Clearing prices of a representative week in the winter

4.2 对市场化机组的收益影响

在现货市场环境下,新能源不但会对市场出清电价造成影响,还会挤占常规机组的发电空间,这些因素势必会对机组的盈利情况造成巨大影响.在新能源电力系统中,机组参与现货市场是否有充足的收入覆盖机组的燃料成本与投资成本,并存在合理的利润空间,对于现货市场乃至电力行业的健康发展具有重要意义.

图6所示为2个水平年下,燃煤机组与燃气机组的年度收益情况,图中φ为利润.对于煤电机组,随着新能源装机比例的不断提高,在新能源参与现货市场后,其收益均能覆盖其燃料成本与投资成本,并保证一定收益,这是因为煤电机组的燃料费用较低,在现货市场中发电顺序较高(仅次于新能源机组).

图6

图6 常规机组收益情况

Fig.6 Revenue of conventional units

对于气电机组,由于新能源的装机比例提高,为应对新能源发电的波动性与间歇性,更为灵活、成本较高的气电机组越来越多地承担调峰任务,导致其出力被挤压在最小技术出力处或停机,更多时刻成为非边际机组,其报价没有参与市场定价,出清电价反而由成本更低的煤电机组与新能源机组报价决定,进而导致气电机组的亏损.

此外,在新能源作为边界条件出清的前提下,随着新能源装机的增加,出现了机组利润略微增加的现象,这是由于新能源渗透率增加后,由于灵活性紧张,气电机组成为边际机组的时刻增加.而与之相反地,在新能源报量报价情况下,由于其对出清电价的下降作用与挤占传统电源的发电空间等原因,常规机组利润有不同程度的下降.

对于新能源机组,当作为边界条件出清时,按照政府规定的上网电价进行支付,其中已经考虑了其运行成本与投资成本.但当新能源报量报价参与市场时,新能源的收益就由市场定价所决定.新能源机组的收益情况如图7所示,虽然新能源机组的边际发电成本很低,不考虑投资成本时机组收益很高(发电顺序高于燃煤机组),但由于目前新能源机组,特别是海上风电机组的技术成熟度相对常规机组较低,而投资成本较高,这将导致新能源机组参与现货市场可能存在亏损的现象.对于陆上风电,仅需要0.03元/(kW·h)左右的补贴,就能在现货市场中实现收支相抵,且考虑到风电成本的持续下降^[26],补贴力度可以进一步退坡.但对于海上风电,还至少需要0.4~0.5元/(kW·h)的补贴方能在现货市场实现收支平衡.

图7

图7 新能源机组收益情况

Fig.7 Revenue of renewable energy units

5 结论

在电力市场化改革的背景下,要构建以新能源为主体的新型电力系统,尽快实现“碳达峰、碳中和”目标,就需要定量分析现货市场环境下新能源对于市场出清结果的影响.在此背景下,本文基于搭建的现货市场仿真分析框架,得到如下结论,以期对未来市场机制设计与新能源发展规划起到指导作用.

(1) 相较于直接作为边界条件,新能源报量报价参与现货市场后,市场会通过一定量的弃风弃光,降低系统总的发电成本,但新能源报量报价参与市场的情况下,不能最大化发挥系统的新能源消纳作用.

(2) 新能源报量报价参与现货市场后,电价波动性更加剧烈,平均电价降低甚至会在部分时刻现货市场出现零电价的现象.而作为边界条件出清时,随着新能源渗透率的提高,会有更多时刻气电机组成为边际机组,反而可能导致出清电价略有增加.

(3) 在现货市场环境下,新能源会造成部分市场化机组成本难以回收的问题,尤其是气电机组,囿于高额的燃料成本,短期运行成本都无法完全覆盖;而对于新能源机组,特别是海上风电机组,仍需要依赖于高额的补贴方能实现在现货市场的收支相抵.

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

中共中央国务院. 关于进一步深化电力体制改革的若干意见(中发〔2015〕9 号)文[EB/OL].[2015-03-15]. http://www.china-nengyuan.com/news/91900.html.

URL [本文引用: 2]

CPC Central Committee and State Council. Several opinions on further deepening the reform of the electric power system[EB/OL]. [2015-03-15]. http://www.china-nengyuan.com/news/91900.html.

URL [本文引用: 2]

[2]

陈启鑫, 房曦晨, 郭鸿业, 等.

电力现货市场建设进展与关键问题

[J]. 电力系统自动化, 2021, 45(6):3-15.

CHEN

Qixin

, FANG

Xichen

, GUO

Hongye

, et al.

Progress and key issues for construction of electricity spot market

[J]. Automation of Electric Power Systems, 2021, 45(6):3-15.

[3]

汪宁渤, 马明, 强同波, 等.

高比例新能源电力系统的发展机遇、挑战及对策

[J]. 中国电力, 2018, 51(1):29-35.

WANG

Ningbo

, MA

Ming

, QIANG

Tongbo

, et al.

High-penetration new energy power system development: Challenges, opportunities and countermeasures

[J]. Electric Power, 2018, 51(1):29-35.

[4]

国家能源局.

2020年全国电力工业统计数据

[EB/OL]. [2021-01-20]. http://www.nea.gov.cn/2021-01/20/c_139683739.htm.

National Energy Administration.

National electric power industry statistics in 2020

[EB/OL]. [2021-01-20]. http://www.nea.gov.cn/2021-01/20/c_139683739.htm.

[5]

DEMETRIOU

, HADJISTASSOU

Can China decarbonize its electricity sector?

[J]. Energy Policy, 2021, 148:111917.

DOI:10.1109/TPWRS.2018.2827003 URL [本文引用: 1]

[6]

CHEN X

, LV

, MCELROY M

, et al.

Power system capacity expansion under higher penetration of renewables considering flexibility constraints and low carbon policies

[J]. IEEE Transactions on Power Systems, 2018, 33(6):6240-6253.

[7]

DOMÍNGUEZ

, CONEJO A

, CARRIÓN

Toward fully renewable electric energy systems

[J]. IEEE Transactions on Power Systems, 2015, 30(1):316-326.

DOI:10.1109/TPWRS.2014.2322909 URL [本文引用: 1]

[8]

DU Y

, TAKEUCHI

Does a small difference make a difference? Impact of feed-in tariff on renewable power generation in China

[J]. Energy Economics, 2020, 87:104710.

[9]

DONG C

, ZHOU R

, LI J

Rushing for subsidies: The impact of feed-in tariffs on solar photovoltaic capacity development in China

[J]. Applied Energy, 2021, 281:116007.

[10]

周博, 艾小猛, 方家琨, 等.

计及超分辨率风电出力不确定性的连续时间鲁棒机组组合

[J]. 电工技术学报, 2021, 36(7):1456-1467.

ZHOU

, AI

Xiaomeng

, FANG

Jiakun

, et al.

Continuous-time modeling based robust unit commitment considering beyond-the-resolution wind power uncertainty

[J]. Transactions of China Electrotechnical Society, 2021, 36(7):1456-1467.

DOI:10.1016/j.apenergy.2017.06.086 URL [本文引用: 1]

[11]

LIAO S

, YAO

, HAN X

, et al.

Chronological operation simulation framework for regional power system under high penetration of renewable energy using meteorological data

[J]. Applied Energy, 2017, 203:816-828.

[12]

ZHU M

, QI

, BELIS

, et al.

The China wind paradox: The role of state-owned enterprises in wind power investment versus wind curtailment

[J]. Energy Policy, 2019, 127:200-212.

DOI:10.1016/j.enpol.2018.10.059 URL [本文引用: 1]

[13]

宋怡, 林晨韵, 梁高琪, 等.

基于电力现货市场仿真的海上风电接入对广东省电力行业碳减排影响评估

[J]. 全球能源互联网, 2020, 3(4):363-373.

SONG

, LIN

Chenyun

, LIANG

Gaoqi

, et al.

Assessing the impacts of large-scale offshore wind power integration on carbon emission reduction in Guangdong Province based on electricity spot market simulation

[J]. Journal of Global Energy Interconnection, 2020, 3(4):363-373.

[14]

肖云鹏, 王锡凡, 王秀丽, 等.

面向高比例可再生能源的电力市场研究综述

[J]. 中国电机工程学报, 2018, 38(3):663-674.

XIAO

Yunpeng

, WANG

Xifan

, WANG

Xiuli

, et al.

Review on electricity market towards high proportion of renewable energy

[J]. Proceedings of the CSEE, 2018, 38(3):663-674.

[15]

樊宇琦, 丁涛, 孙瑜歌, 等.

国内外促进可再生能源消纳的电力现货市场发展综述与思考

[J]. 中国电机工程学报, 2021, 41(5):1729-1752.

FAN

Yuqi

, DING

Tao

, SUN

Yuge

, et al.

Review and cogitation for worldwide spot market development to promote renewable energy accommodation

[J]. Proceedings of the CSEE, 2021, 41(5):1729-1752.

[16]

国家发展改革委办公厅, 国家能源局综合司.

关于开展电力现货市场建设试点工作的通知(发改办能源[2017]1453号)文

[EB/OL].(2017-09-05)[2021-06-30]. http://www.nea.gov.cn/2017-09/05/c_136585412.htm.

National Development and Reform Commission, National Energy Administration.

Notice on pilot work of electricity spot market construction

[EB/OL].(2017-09-05) [2021-06-30]. http://www.nea.gov.cn/2017-09/05/c_136585412.htm.

[17]

宋永华, 包铭磊, 丁一, 等.

新电改下我国电力现货市场建设关键要点综述及相关建议

[J]. 中国电机工程学报, 2020, 40(10):3172-3187.

SONG

Yonghua

, BAO

Minglei

, DING

, et al.

Review of Chinese electricity spot market key issues and its suggestions under the new round of Chinese power system reform

[J]. Proceedings of the CSEE, 2020, 40(10):3172-3187.

[18]

于鹏, 黎静华, 文劲宇, 等.

含风电功率时域特性的风电功率序列建模方法

[J]. 中国电机工程学报, 2014, 34(22):3715-3723.

Peng

, LI

Jinghua

, WEN

Jinyu

, et al.

A wind power time series modeling method based on its time domain characteristics

[J]. Proceedings of the CSEE, 2014, 34(22):3715-3723.

[19]

廖诗武

风电接入区域电力系统的潜力及环境效益评估方法

[D]. 武汉: 华中科技大学, 2017.

LIAO

Shiwu

Evaluating the potential and environmental benefits for wind energy integration in regional power systems

[D]. Wuhan: Huazhong University of Science and Technology, 2017.

DOI:10.1109/TPWRS.2006.876672 URL [本文引用: 1]

[20]

CARRION

, ARROYO J

A computationally efficient mixed-integer linear formulation for the thermal unit commitment problem

[J]. IEEE Transactions on Power Systems, 2006, 21(3):1371-1378.

[21]

PONCELET

, DELARUE

, D’HAESELEER

Unit commitment constraints in long-term planning models: Relevance, pitfalls and the role of assumptions on flexibility

[J]. Applied Energy, 2020, 258:113843.

DOI:10.1049/gtd2.v14.25 URL [本文引用: 1]

[22]

HUANG

, AI X

, FANG J

, et al.

Holomorphic embedding approach for VSC-based AC/DC power flow

[J]. IET Generation, Transmission & Distribution, 2020, 14(25):6239-6249.

[23]

房欣欣, 杨知方, 余娟, 等.

节点电价的理论剖析与拓展

[J]. 中国电机工程学报, 2020, 40(2):379-390.

FANG

Xinxin

, YANG

Zhifang

, YU

Juan

, et al.

Theoretical analysis and extension of locational marginal price

[J]. Proceedings of the CSEE, 2020, 40(2):379-390.

[24]

VERÁSTEGUI

, LORCA

, OLIVARES

, et al.

Optimization-based analysis of decarbonization pathways and flexibility requirements in highly renewable power systems

[J]. Energy, 2021, 234:121242.