基于綠證-碳交易機(jī)制的含風(fēng)電電力系統(tǒng)動(dòng)態(tài)環(huán)境經(jīng)濟(jì)調(diào)度

張家瑞，余朋軍，許忠義，徐加寶，朱澤偉

（三峽大學(xué)電氣與新能源學(xué)院，湖北宜昌 443002）

0 引言

近年來(lái)，環(huán)境污染及化石能源短缺等問(wèn)題日益突出。為促進(jìn)經(jīng)濟(jì)結(jié)構(gòu)綠色轉(zhuǎn)型，我國(guó)于2020 年9月第七十五屆聯(lián)合國(guó)大會(huì)上提出碳達(dá)峰、碳中和目標(biāo)［1］。為實(shí)現(xiàn)“雙碳”目標(biāo)、減少污染物排放、促進(jìn)可再生能源的發(fā)展，同時(shí)引入綠色證書交易機(jī)制和碳排放交易機(jī)制（以下簡(jiǎn)稱碳交易），對(duì)于電力系統(tǒng)節(jié)能減排和綠色低碳發(fā)展有著重要的意義。

目前國(guó)內(nèi)外學(xué)者對(duì)碳交易機(jī)制和綠色證書交易機(jī)制已有較為深入的研究［2-5］。文獻(xiàn)［6］將碳交易機(jī)制引入到含風(fēng)電的電力系統(tǒng)經(jīng)濟(jì)調(diào)度模型中，使碳排放權(quán)成為一種有經(jīng)濟(jì)價(jià)值的資源，建立了一種兼顧系統(tǒng)經(jīng)濟(jì)性和系統(tǒng)環(huán)保性的新型經(jīng)濟(jì)調(diào)度模型。文獻(xiàn)［7］將綠色證書交易機(jī)制和碳交易機(jī)制引入到電源規(guī)劃模型中，建立了以規(guī)劃期內(nèi)系統(tǒng)凈收益最大為目標(biāo)的低碳經(jīng)濟(jì)電源規(guī)劃模型。文獻(xiàn)［8］將綠色證書交易機(jī)制引入電力系統(tǒng)調(diào)度模型中，建立了基于綠色證書交易機(jī)制的含風(fēng)電系統(tǒng)的低碳經(jīng)濟(jì)調(diào)度，并對(duì)不同綠色證書約束水平對(duì)系統(tǒng)成本以及碳排放量的影響進(jìn)行了分析。文獻(xiàn)［9］將碳交易引入到冷熱電聯(lián)供系統(tǒng)的經(jīng)濟(jì)調(diào)度模型中，建立考慮碳交易成本、燃料成本和環(huán)境成本的冷熱電聯(lián)供系統(tǒng)多目標(biāo)優(yōu)化模型。以上文獻(xiàn)都只是孤立地將碳交易機(jī)制或者綠色證書交易機(jī)制應(yīng)用在電力系統(tǒng)中，并未在電力系統(tǒng)多目標(biāo)調(diào)度模型中同時(shí)考慮2種交易機(jī)制。

電力系統(tǒng)的環(huán)境經(jīng)濟(jì)調(diào)度（Environmental Economic Dispatch，EED）問(wèn)題是一個(gè)典型的高緯度、非凸、非線性且強(qiáng)約束的多目標(biāo)優(yōu)化問(wèn)題［10-12］。目前，求解多目標(biāo)優(yōu)化問(wèn)題的方法有間接法和直接法。（1）間接法將多目標(biāo)問(wèn)題轉(zhuǎn)化成單目標(biāo)問(wèn)題，如何進(jìn)行轉(zhuǎn)化是間接解法的關(guān)鍵。然而將多目標(biāo)問(wèn)題轉(zhuǎn)化成單目標(biāo)問(wèn)題，其各目標(biāo)的參數(shù)設(shè)置是未知的、不確定的，容易對(duì)求解結(jié)果產(chǎn)生較大的影響。因此，目前間接法求解多目標(biāo)優(yōu)化問(wèn)題難以得出令人滿意的結(jié)果。（2）相較于間接解法，直接解法搜索效率高、魯棒性強(qiáng)、不易陷入局部最優(yōu)［13］。求解多目標(biāo)優(yōu)化問(wèn)題的直接解法主要有非支配排序遺傳算法（NSGA-П）［14］、多目標(biāo)粒子群（MOPSO）［15］、基于分解的多目標(biāo)進(jìn)化算法（MOEA/D）［16］等。盡管這些算法取得了不錯(cuò)的效果，但也存在著收斂速度慢、運(yùn)行耗時(shí)長(zhǎng)以及種群多樣性喪失等缺點(diǎn)［17］。如何改善算法效率、均衡算法收斂性和保持種群多樣性是高效求解EED問(wèn)題的關(guān)鍵。

基于以上討論，本文將碳交易機(jī)制和綠色證書交易機(jī)制同時(shí)引入電力系統(tǒng)EED 中，構(gòu)建計(jì)及碳交易機(jī)制和綠色證書交易機(jī)制的含風(fēng)電的電力系統(tǒng)多目標(biāo)環(huán)境經(jīng)濟(jì)調(diào)度模型：在經(jīng)濟(jì)調(diào)度目標(biāo)模型中引入棄風(fēng)懲罰機(jī)制，提高風(fēng)電的適應(yīng)性；同時(shí)引入旋轉(zhuǎn)備用容量調(diào)度模型應(yīng)對(duì)風(fēng)電及負(fù)荷預(yù)測(cè)不確定性對(duì)電力系統(tǒng)產(chǎn)生的不利影響，提出一種基于反向?qū)W習(xí)混沌搜索多變異策略（OLSMS）的多目標(biāo)進(jìn)化算法MOEA/D-OLSMS 對(duì)模型進(jìn)行求解。該算法在MOEA/D 的基礎(chǔ)上，采用廣義反向?qū)W習(xí)初始化種群擴(kuò)大種群多樣性，并采用DE/rand/1 和DE/currentto-rand/1 策略進(jìn)行進(jìn)化，同時(shí)引入基于Logistic 映射的混沌搜索算法增強(qiáng)算法的局部搜索能力。仿真驗(yàn)證結(jié)果證明了該模型的合理性、有效性以及MOEA/D-OLSMS算法的可行性、優(yōu)越性。

1 計(jì)及綠證-碳交易機(jī)制的含風(fēng)電電力系統(tǒng)EDD模型

1.1 綠色交易證書機(jī)制數(shù)學(xué)模型

綠色證書交易機(jī)制是可再生能源配額制的輔助政策工具。其中，可再生能源配額指標(biāo)是指政府規(guī)定發(fā)電企業(yè)中可再生能源發(fā)電量要達(dá)到或占有總發(fā)電量一定的比例。政府將發(fā)電企業(yè)生產(chǎn)的綠色電能可以按比例量化為綠色證書。當(dāng)發(fā)電企業(yè)生產(chǎn)的綠色證書超過(guò)配額指標(biāo)時(shí)，可出售綠色證書獲取利潤(rùn)；反之，則需要為購(gòu)買綠色證書。其綠色證書交易成本模型如下

1.2 碳交易機(jī)制數(shù)學(xué)模型

目前，世界范圍內(nèi)初始碳分配額主要有免費(fèi)分配、拍賣分配、免費(fèi)分配與拍賣混合分配3 種方式。我國(guó)主要采用免費(fèi)分配的方式。在政府免費(fèi)分配給企業(yè)一定碳排放權(quán)配額的情況下，當(dāng)企業(yè)實(shí)際產(chǎn)出的碳排放量大于給定配額時(shí)，需要在市場(chǎng)上購(gòu)買碳排放配額；反之，可以在市場(chǎng)上出售碳排放配額以獲取利潤(rùn)。

（1）碳排放模型。

式中：Eq為火電機(jī)組碳排放配額；δq，i為發(fā)電機(jī)組i單位電量分配的碳排放配額，由國(guó)家發(fā)改委規(guī)定的“區(qū)域電網(wǎng)基準(zhǔn)線排放因子”確定。

（3）碳交易模型。

1.3 機(jī)組成本

考慮閥點(diǎn)效應(yīng)，火電機(jī)組的發(fā)電成本費(fèi)用目標(biāo)函數(shù)為

式中：ai，bi，ci，di，ei為機(jī)組i的成本費(fèi)用系數(shù)；Pi，min為機(jī)組i的出力下限。

1.4 風(fēng)電場(chǎng)運(yùn)行成本

1.4.1 風(fēng)電運(yùn)行維護(hù)成本

為了促進(jìn)可再生能源的利用，將風(fēng)電進(jìn)行大規(guī)模并網(wǎng)，風(fēng)電場(chǎng)在運(yùn)行過(guò)程中雖然無(wú)能源消耗，但會(huì)產(chǎn)生運(yùn)行維護(hù)成本，其數(shù)學(xué)模型為

1.5 污染物排放量目標(biāo)函數(shù)

火電機(jī)組在運(yùn)行中會(huì)產(chǎn)生大量污染環(huán)境的氣體，以CO2，SO2及NOx等氣體為主，其中CO2主要參與碳交易，氣體污染物排放以SO2及NOx為主，污染物的排放量（E）用一定的權(quán)重系數(shù)來(lái)表示，

式 中：γi，S，βi，S，αi，S為 機(jī) 組i的SO2排 放 特 征 系 數(shù)；γi，N，βi，N，αi，N為機(jī)組i的NOx排放特征系數(shù)；ei為SO2的權(quán)重系數(shù)；hi為NOx的權(quán)重系數(shù)。

1.6 約束條件

（2）系統(tǒng)旋轉(zhuǎn)備用容量約束。為了應(yīng)對(duì)風(fēng)電出力不確定性對(duì)系統(tǒng)的影響，系統(tǒng)需要預(yù)留一定的備用容量。

2 MOEA/D-OLSMS算法

本文在MOEA/D 算法的基礎(chǔ)上，結(jié)合OLSMS 提出了一種MOEA/D-OLSMS優(yōu)化算法。

2.1 MOEA/D算法

MOEA/D 算法框架由模型分解和進(jìn)化搜索組成：首先將多目標(biāo)優(yōu)化問(wèn)題分解為一系列的子問(wèn)題；然后利用單目標(biāo)進(jìn)化算法求解每個(gè)子問(wèn)題。MOEA/D 算法是于2007 年提出的一種新穎的求解多目標(biāo)問(wèn)題優(yōu)化算法，包括模擬二進(jìn)制交叉（Simulated Binary Crossover，SBX）和 差 分 進(jìn) 化（Differential Evolution，DE）［18-20］2 種進(jìn)化算子。本文采用了DE進(jìn)化算子。

DE進(jìn)化算子主要通過(guò)變異、交叉和選擇操作進(jìn)行智能搜索。算法一般設(shè)置NP個(gè)種群，每個(gè)個(gè)體的維度為n，個(gè)體表示為xi，G=(x1i，G，x2i，G，…，xni，G)，其中種群個(gè)數(shù)i=（1，2，…，NP），G為當(dāng)前種群的進(jìn)化代數(shù)。

（1）策略1，若采用目前被廣泛使用的DE/rand/1變異策略，可得到

式中：vi，G為第G代種群變異后生成的第i個(gè)體；xr1，G，xr2，G，xr3，G為從種群規(guī)模中隨機(jī)產(chǎn)生3 個(gè)互不相等的個(gè)體，而xbest，G為當(dāng)前最優(yōu)個(gè)體；w0為縮放因子。

若采用DE/current/1變異策略，

上述分析可見(jiàn)，DE進(jìn)化算子關(guān)鍵部分是變異操作。不同的變異策略所具有的特性不一樣，DE/rand/1 變異策略具有全局搜索能力突出、較強(qiáng)的全局收斂性能，且傾向于開(kāi)采能力，DE/best/1 變異策略全局搜索能力弱，局部尋優(yōu)能力和傾向于探索能力，收斂速度快［20］。DE/current-to-best/1 變異策略同時(shí)具有DE/rand/1 和DE/best/1 的特性，被廣泛用于各類算法。

（2）策略2，根據(jù)DE/current-to-best/1 變異策略改進(jìn)得到DE/current-to-rand/1變異策略，

2.2 反向?qū)W習(xí)混沌搜索多變異策略O(shè)LSMS

2.2.1 反向?qū)W習(xí)原理

反向?qū)W習(xí)由Tizhoosh［21］于2005 年提出，其主要思想是根據(jù)當(dāng)前解得出反向解，并從當(dāng)前解和反向解中擇優(yōu)選取候選解。

式中：X為一個(gè)可行解；Xˉ為X的反向解；X0為當(dāng)前解和反向解中的最優(yōu)解。

2.2.2 基于Logistic映射的混沌搜索

混沌搜索具有遍歷性、隨機(jī)性和規(guī)律性等特點(diǎn)［22］，根據(jù)這些特點(diǎn)可以不重復(fù)地遍歷整個(gè)搜索空間。本文采用了Logistic 映射法，其具體數(shù)學(xué)表達(dá)式為

（4）根據(jù)混沌搜索生成的新解，計(jì)算其適應(yīng)度值，并比較新解適應(yīng)度值和原解適應(yīng)度值的大小，更優(yōu)的解進(jìn)入下一次迭代，直至混沌搜索迭代達(dá)到最大迭代數(shù)，輸出混沌搜索的結(jié)果；否則，k=k+ 1，轉(zhuǎn)入式（28）。

2.2.3 反向?qū)W習(xí)混沌搜索多變異策略

將反向?qū)W習(xí)策略、基于Logistic映射混沌搜索以及多變異策略融入到MOEA/D 算法中，可得其基于反向?qū)W習(xí)混沌搜索多變異策略的MOEA/D-OLSMS算法步驟。

（1）基于廣義反向?qū)W習(xí)的最優(yōu)初始種群生成。首先采用隨機(jī)策略生成最初種群，其次采用廣義反向?qū)W習(xí)策略求出反向種群，根據(jù)式（24）生成反向種群，分別計(jì)算最初種群和反向種群的個(gè)體適應(yīng)度值，最后根據(jù)式（25）來(lái)選擇最終初始種群。

（2）多變異策略搜索。根據(jù)（1）中得出初始種群，先經(jīng)過(guò)策略1 中DE/rand/1 變異、交叉、選擇生成當(dāng)前個(gè)體，計(jì)算當(dāng)前個(gè)體的適應(yīng)度值，并保存最優(yōu)個(gè)體和更新種群適應(yīng)度值，再經(jīng)過(guò)策略2 中DE/current-to-rand/1 策略變異、交叉、選擇生成當(dāng)前個(gè)體，計(jì)算當(dāng)前個(gè)體的適應(yīng)度值，并保存最優(yōu)個(gè)體和更新種群適應(yīng)度值。

（3）基于Logistict 映射混沌搜索。根據(jù)（2）中得出最優(yōu)個(gè)體和種群適應(yīng)度值，對(duì)最優(yōu)解進(jìn)行混沌搜索得出新解并計(jì)算出新適應(yīng)度值，保存新解和更新種群適應(yīng)度值，將得出的更優(yōu)解進(jìn)入下一次迭代。

2.3 基于MOEA/D-OLSMS 算法的含風(fēng)電場(chǎng)的電力系統(tǒng)模型求解

2.3.1 參數(shù)設(shè)置

（1）輸入機(jī)組數(shù)據(jù)、風(fēng)電場(chǎng)數(shù)據(jù)、綠色證書交易數(shù)據(jù)、碳交易數(shù)據(jù)以及日負(fù)荷數(shù)據(jù)。

（2）設(shè)置算法中種群規(guī)模和子問(wèn)題個(gè)數(shù)都為NP，權(quán)重向量鄰域大小為M0，交叉概率為CR，變異概率為pm，縮放因子為w0，最大迭代次數(shù)F1(y)。

2.3.2 算法初始化

（1）采用廣義反向?qū)W習(xí)策略初始化種群F1(y)，即機(jī)組有功出力，以及初始化權(quán)重向量λ={λ1，λ2，λ3，…，λNP}。計(jì)算任意2 個(gè)權(quán)重向量之間的歐氏距離，為每個(gè)權(quán)重向量選出最近的M0個(gè)向量作為它的鄰域，則設(shè)鄰域B(i) ={i1，i2，i3，…，iM}，以及進(jìn)化代數(shù)G= 0。

2.3.3 算法更新

（1）根據(jù)2.2.1 中所述廣義反向?qū)W習(xí)策略生成初始種群。

（2）根據(jù)機(jī)組出力約束條件，初始化個(gè)體xi經(jīng)過(guò)策略1 中DE/rand/1 變異、交叉、選擇修復(fù)生成個(gè)體y，得到變異修復(fù)后的機(jī)組出力，代入目標(biāo)函數(shù)計(jì)算適應(yīng)度值Fψ(y)，如果zψ＞Fψ(y)，則zψ=Fψ(y)。

（3）根據(jù)步驟（2）的生成個(gè)體和適應(yīng)度值。更新 鄰 域B（i），如 果gte(y|λi，z)≤gte(x|λi，z)，則x=y，F(xiàn)ψ(x) =Fψ(y)，ψ= 1，2，更新得出全局最優(yōu)個(gè)體x和全局最優(yōu)值Fψ(x)。

（4）全局最優(yōu)個(gè)體x和全局最優(yōu)值Fψ(x)經(jīng)過(guò)策略2 中DE/current-to-rand/1 策略變異、交叉、選擇修復(fù)生成個(gè)體y'，代入目標(biāo)函數(shù)計(jì)算得到適應(yīng)度值Fψ(y')。根據(jù)個(gè)體y'和適應(yīng)度值Fψ(y')，同時(shí)更新鄰域B（i），得出全局最優(yōu)個(gè)體x0和全局最優(yōu)值Fψ(x0)。

（5）根據(jù)2.2.2，對(duì)全局最優(yōu)個(gè)體x0和全局最優(yōu)值Fψ(x0)進(jìn)行混沌搜索，得出最優(yōu)個(gè)體y0進(jìn)入下一次迭代。

2.3.4 迭代終止判斷

如果G=Gmax，則停止迭代計(jì)算，輸出Pareto 最優(yōu)解集。否則，G=G+1，則轉(zhuǎn)到2.3.3的步驟（3）。

2.4 模糊決策

在得出Pareto 最優(yōu)解集后，采用模糊決策方法選取最佳折中解，通常取標(biāo)準(zhǔn)化滿意度最大的非劣解為最優(yōu)折中解。一般隸屬度函數(shù)表示為

式中：μr為第r個(gè)Pareto 最優(yōu)解集中各非劣解的標(biāo)準(zhǔn)化滿意度；l為在Pareto最優(yōu)解的個(gè)數(shù)。

3 算例分析

3.1 算例陳述

為了驗(yàn)證本文提出調(diào)度模型的有效性以及算法的優(yōu)越性，以某風(fēng)電場(chǎng)和10臺(tái)火電機(jī)組的電力系統(tǒng)進(jìn)行仿真算例研究。設(shè)定一個(gè)調(diào)度周期T=24 h，綠色證書交易價(jià)格為20 美元/（MW·h），風(fēng)電場(chǎng)發(fā)電成本價(jià)格為80 美元/（MW·h），風(fēng)電懲罰成本為50美元/（MW·h），系統(tǒng)的正負(fù)旋轉(zhuǎn)備用容量取系統(tǒng)負(fù)荷的5%，置信水平取0.95，可再生能源配額系數(shù)為0.15。碳交易價(jià)格為15 美元/t，碳排放權(quán)的裕度為0.4，碳交易的超額罰金價(jià)格為50 美元/t。MOEA/D-OLSMS 算法的參數(shù)設(shè)置見(jiàn)表1，火電機(jī)組發(fā)電成本及排污參數(shù)見(jiàn)表2 和表3，網(wǎng)損系數(shù)矩陣元素見(jiàn)表4，風(fēng)電出力日預(yù)測(cè)曲線和日負(fù)荷預(yù)測(cè)數(shù)據(jù)如圖1所示。

圖1 負(fù)荷和風(fēng)電出力預(yù)測(cè)曲線Fig.1 Load and wind power output prediction curves

表1 MOEA/D-OLSMS算法參數(shù)設(shè)置Tab.1 MOEA/D-OLSMS algorithm parameter settings

表2 機(jī)組能耗特性參數(shù)Tab.2 Energy consumption characteristic parameters of the units

表3 機(jī)組排污特性方程參數(shù)Tab.3 Blowdown characteristic equation parameters of the units

表4 網(wǎng)損系數(shù)矩陣B元素Tab.4 Network loss factor matrix B element

3.2 仿真結(jié)果及分析

3.2.1 不同算法調(diào)度結(jié)果分析

為了驗(yàn)證本文所提MOEA/D-OLSMS 算法具有有效性和優(yōu)越性，采用MOEA/D-OLSMS 和MOEA/D算法分別求解含風(fēng)電電力系統(tǒng)環(huán)境經(jīng)濟(jì)調(diào)度模型。圖2為算法求解模型得到的Pareto 最優(yōu)邊界，表5為2種算法求得的最優(yōu)極端解和折中解。

由圖2 可知，MOEA/D-OLSMS 算法求解的最優(yōu)邊界解要優(yōu)于MOEA/D 算法，且本文算法求得的Pareto 最優(yōu)解集在目標(biāo)空間多樣性要比MOEA/D 算法的范圍更廣，可為決策者提供更多更優(yōu)的選擇。

圖2 不同算法下電力系統(tǒng)調(diào)度Pareto最優(yōu)邊界Fig.2 Pareto optimal boundary for power system dispatchingunder different algorithms

由表5 可知，在最優(yōu)解方面，本文MOEA/DOLSMS 算法求得的經(jīng)濟(jì)成本和污染排放分別為79.60 萬(wàn)美元和93.61 t，相比MOEA/D 算法，經(jīng)濟(jì)成本減少了1.37 萬(wàn)美元，污染排放減少了5.12 t。在最優(yōu)折中解方面，本文算法求得的最優(yōu)折中解優(yōu)于其他MOEA/D 算法，經(jīng)濟(jì)成本和污染排放分別為90.65 萬(wàn)美元和98.11 t。因此，本文所提MOEA/DOLSMS 算法在求解電力系統(tǒng)動(dòng)態(tài)環(huán)境經(jīng)濟(jì)調(diào)度模型優(yōu)于MOEA/D算法。

表5 不同算法的最優(yōu)折中解和極端解Tab.5 Optimal compromise and extreme solutions of different algorithms

3.2.2 不同調(diào)度情景的結(jié)果分析

為了研究綠色證書交易機(jī)制和碳交易機(jī)制對(duì)含風(fēng)電場(chǎng)電力系統(tǒng)環(huán)境經(jīng)濟(jì)調(diào)度的影響，設(shè)定3 種情景，見(jiàn)表6：情景1 為經(jīng)濟(jì)成本不計(jì)及綠色證書交易成本和碳交易機(jī)制；情景2 為經(jīng)濟(jì)成本只計(jì)及綠色證書交易成本；情景3 為經(jīng)濟(jì)成本同時(shí)計(jì)及綠色證書交易成本和碳交易成本。

表6 不同情景下的調(diào)度結(jié)果Tab.6 Scheduling results under different scenarios

通過(guò)調(diào)度結(jié)果可知，雖然情景2 較情景1 經(jīng)濟(jì)成本增加了7.05 萬(wàn)美元，但污染物排放量減少了0.82 t，同時(shí)風(fēng)電懲罰成本減少了1.63萬(wàn)美元，說(shuō)明風(fēng)電出力增大，棄風(fēng)量減少。考慮碳交易成本的情景3雖然經(jīng)濟(jì)成本較情景2上升了11.33萬(wàn)美元，但污染物排放量減少0.49 t，同時(shí)風(fēng)電懲罰成本減少了0.38萬(wàn)美元，說(shuō)明風(fēng)電出力有所增大，棄風(fēng)減少。由上可知，考慮綠色證書交易機(jī)制與考慮碳交易機(jī)制相比，在節(jié)能減排、促進(jìn)風(fēng)電出力、降低棄風(fēng)率等方面的效果更佳。同時(shí)考慮碳交易成本和綠色證書交易成本的情景3 與情景1 相比，經(jīng)濟(jì)成本會(huì)進(jìn)一步上升，但污染物排放量進(jìn)一步減少，風(fēng)電懲罰成本進(jìn)一步減少。

在3 種情景下，10 臺(tái)不同機(jī)組（G1—G10）的出力如圖3 所示。G1 和G2 的出力最大，單位機(jī)組出力高，單位污染排放低。較于情景1，情景2 的部分機(jī)組出力有所減少，這是因?yàn)樵谪?fù)荷一定的情況下，風(fēng)電機(jī)組出力增大導(dǎo)致火電機(jī)組出力減少。較情景1，情景3中G7和G10的機(jī)組出力有所增加，這是由于情景3 中計(jì)及了碳交易機(jī)制，同時(shí)情景3 中G7和G10的碳排放強(qiáng)度低于初始分配碳排放權(quán)。

圖3 不同情景下各火電機(jī)組出力對(duì)比Fig.3 Comparison of the output of each thermal power unit under different scenarios

圖4 為某典型日3 種情景下的該風(fēng)電場(chǎng)的風(fēng)電出力。情景2 下的風(fēng)電日消納出力明顯高于情景1的，情景3 下的風(fēng)電出力又明顯高于情景2 的，且情景1 的風(fēng)電日消納量為2 505 MW，與日前可調(diào)度風(fēng)電最大出力相比，風(fēng)電棄風(fēng)量為443 MW，棄風(fēng)率為15.01%。情景2的風(fēng)電日消納量2 768 MW，風(fēng)電棄風(fēng)量為180 MW，棄風(fēng)率為6.11%，相較于情景1，棄風(fēng)率降低了8.9%。情景3 的風(fēng)電日消納量為2 845 MW，與日前可調(diào)度風(fēng)電最大出力相比，風(fēng)電棄風(fēng)量為103 MW，棄風(fēng)率為3.47%。相較于情景2，棄風(fēng)率降低了2.64%，相較于情景1，棄風(fēng)率降低了11.54%。由此得出，計(jì)及綠色證書交易機(jī)制和碳交易機(jī)制對(duì)系統(tǒng)都具有促進(jìn)風(fēng)電消納的作用，但計(jì)及綠色證書交易機(jī)制比計(jì)及碳交易機(jī)制的效果更佳。與此同時(shí)，同時(shí)考慮綠色證書交易機(jī)制和碳交易機(jī)制的在促進(jìn)風(fēng)電消納，減少污染排放方面，效果會(huì)進(jìn)一步提升。

圖4 不同情景風(fēng)電機(jī)組出力對(duì)比Fig.4 Comparison of wind turbine output under different scenarios

3.2.3 不同可再生能源配額系數(shù)的結(jié)果分析

為研究可再生能源配額系數(shù)（η）對(duì)系統(tǒng)成本及污染物排放量，以及風(fēng)電出力的影響。設(shè)定3 種情景下不同的η分別為0.13，0.15，0.17。表7 為在不同可再生能源配額下系統(tǒng)的調(diào)度結(jié)果。

表7 不同配額系數(shù)下的調(diào)度結(jié)果Tab 7 Scheduling results under different quota coefficients

由表7可知，隨著可再生能源配額比例的提高，雖然系統(tǒng)的經(jīng)濟(jì)成本增加，但污染物的排放量減少，同時(shí)風(fēng)電日消納量也會(huì)增加，風(fēng)電棄風(fēng)率也隨之降低。這是因?yàn)橄到y(tǒng)必須完成規(guī)定的強(qiáng)制性配額任務(wù)，隨著配額的提高，系統(tǒng)必須提高風(fēng)電機(jī)組消納量或者從綠色證書交易市場(chǎng)購(gòu)買綠色證書數(shù)量。

4 結(jié)論

本文將碳交易機(jī)制和綠色證書交易機(jī)制同時(shí)引入電力系統(tǒng)中，構(gòu)建一個(gè)計(jì)碳交易-綠證的含風(fēng)電電力系統(tǒng)多目標(biāo)動(dòng)態(tài)環(huán)境經(jīng)濟(jì)調(diào)度模型，并提出一種基于反向?qū)W習(xí)混沌搜索多變異策略的MOEA/D-OLSMS算法對(duì)模型進(jìn)行求解。

（1）本文所提MOEA/D-OLSMS 算法求解獲得的最優(yōu)邊界和范圍要優(yōu)于MOEA/D 算法，證明了所提MOEA/D-OLSMS算法的有效性和優(yōu)越性。

（2）本文將綠色證書交易機(jī)制、碳交易機(jī)制和風(fēng)電懲罰機(jī)制引入電力系統(tǒng)中，在保證系統(tǒng)一定比例的綠色電能時(shí)，同時(shí)考慮火電機(jī)組的碳排放，有效提高了風(fēng)電消納能力，降低了系統(tǒng)污染物的排放量，提高了系統(tǒng)的環(huán)境效益，促進(jìn)了可再生能源的發(fā)展。

（3）本文分析了可再生能源配額系數(shù)的不同對(duì)系統(tǒng)的影響。結(jié)果表明：可再生能源配額系數(shù)越高，系統(tǒng)中風(fēng)電出力就越多或者購(gòu)買更多的綠色證書數(shù)量，導(dǎo)致風(fēng)電出力增加，風(fēng)電棄風(fēng)率降低，直接導(dǎo)致系統(tǒng)污染物排放量減少。