摘 要：

新能源高占比电网运行中，基本调峰的功率调节数量激增，直接交易合同执行与新能源消纳间的矛盾凸显。针对基本调峰任务分配不公平问题，以机组调整改变负荷率所引起的运行成本与损耗的数量增加为依据，利用基尼系数构造了可衡量基本调峰公平程度的量化指标；为了解决交易合同执行与新能源舍弃之间的冲突，设计了新能源舍弃惩罚因子与直接交易合同违约惩罚因子；基于公平量化指标和惩罚因子，构建了双轨制电量配给下考虑基本调峰调整量公平的日前机组组合模型。仿真结果分析表明：基尼系数约束下可使在无约束下机组数量占比近50%的不参与调节的小型机组参与调节，同时系统收益降幅仅为0.18%,而平均分配情况下系统收益降幅为6.5%;系统总收益随着交易电量的增加而呈现先升后减的趋势，拐点是由弃风和交易消减所致，降幅为6.5%;参与交易的机组种类和数量越多，合同签订的时间尺度越长，则系统总收益越显著。

关键词：

机组组合;基本调峰;电力交易;风电消纳;公平分摊;基尼系数;

作者简介：

李正文(1980—),男，高级工程师，硕士，主要从事电网运行规划、分析、控制研究。E-mail:zhengwen_li@163.com;

*李卫东(1964—),男，教授，博士研究生导师，博士，主要从事电力系统及其自动化方面的教学和科研工作。E-mail:wdli@dlut.edu.cn;

基金：

国家自然科学基金资助项目“大功率缺失下的动态频率响应运行调度理论”(51677018);

引用：

李正文，许静，王智博，等． 一种电量双轨制下考虑基本调峰分配公平的日前机组组合模型［J］. 水利水电技术( 中英文) ，2021，52( 8) : 181-192.

LI Zhengwen，XU Jing，WANG Zhibo，et al． A day-ahead unit commitment model considering the fairness distribution of basic peak regulation under dual-track system of electricity［J］. Water Ｒesources and Hydropower Engineering，2021，52( 8) : 181-192.

0 引 言

机组组合是指在满足电力供需平衡、系统与元件运行限制和备用要求的基础上，对指定时间尺度内发电机组的启停和出力预先进行调度安排。在原先垂直一体化经营与管理的统一电力系统运行中，由于系统内各环节为同一利益主体，机组组合模型的设计原则是在满足电网运行安全与优质的前提下，追求经济性或其他目标(如有害气体排放)或多目标的组合最优。随着在生产实践中的不断运用和理论研究的日趋深入，机组组合模型的内涵更为充实，其算法性能亦不断提升，可有效保障电力系统在安全可靠运行的前提下更好地权衡安全、优质和经济与环保等各种目标。

伴随着电力市场的发展，厂网分开后，机组组合的原则已随之改变，不仅要考虑系统运行的整体效果，还要关注发电企业的个体利益。特别是随着以风电和光伏为代表的新能源发电容量占比不断提升,其输出功率的强不确定性导致综合负荷曲线波动加剧，造成系统运行调峰需求显著增加，机组组合面临新的问题与挑战。针对该问题，利用场景法描述新能源高占比电网的运行调峰需求，文献提出了一种调峰运行特性分析理论。文献分析了在源荷互动情境下，风电接入对于系统调度与调峰性能的影响。上述研究主要关注电力交易与系统收益间的关系和对新能源输出强不确定性影响的应对，但未见相关情况对“三公”调度影响的研究。

所谓“三公”调度是指，调度机构在电网运行中所做出的调控指令，对电网中每个运行主体的影响应该基本相当，每个运行主体依据该指令所获得的收益亦应大体相等，即保证每个运行主体在电网运行中所受到待遇要公平与合理。在机组组合制定过程中，“三公”调度主要包含电量分配公平与电力(功率)调整公平两项内涵。各发电主体的电量主要由计划安排部门分配和市场竞价电量两部分构成，包括年度、季度、月度和日前与实时等时间尺度，具体组成比例视市场情况而定。电量分配公平是指各时间尺度的电量在被分解到短时间尺度过程中，要综合考虑多种因素，以保证所有发电主体在执行中所获取利益的多寡相对均衡，避免厚此薄彼。关于计划电量的公平分解方法，已有研究者进行了探索,取得了相应的成果。本文的关注点是电力(功率)调整分配中的公平。

本文的电力调整是指发电单元在参与系统运行调峰过程中所做的功率增减调节，可用调整数量和调整次数来表征。而电力调整公平是指机组间被分配电力调整数量的均衡性，属于运行计划制定范畴。以前由于系统运行中调峰需求较小，发电机组被分配的电力调整即使差异较大，对机组也不会有较大的影响，因此，由调峰所造成的经济影响在机组间差异不大。随着新能源容量占比的不断提升，其输出功率强不确定性导致系统运行调峰需求数量，无论是调整数量还是频次，均显著增加。机组功率的调整会造成机组损耗，机组负荷率的改变会导致机组运行效率发生变化，因此，机组参与系统调峰，不论是增减功率还是调节频次均会造成机组运行经济性的改变，从而影响机组的运行收益。由于目前机组的基本调峰属于义务性服务而不予补偿,因此再沿用以往的机组组合模型，由于未考虑机组间参与调峰的均衡性，将会导致不公平，从而挫伤机组参与调峰服务的积极性，可能会影响电网运行秩序，甚至危及电网运行安全。

针对上述问题，采用分时电价计及电力市场引入带来的影响，考虑机组基本调峰导致负荷率变化所引起的厂用电变化与调整所引起的机组损耗，设计了基本调峰调整量化指标。从参与调峰调整对机组运行经济性的影响入手，考虑以基尼系数等方式保证基本调峰调整数量、调整次数在各机组间分配的公平性，建立了一种计及调整公平的机组组合模型。使用CPLEX及MATLAB软件，应用混合整数规划得到系统内各机组在调度周期内的出力安排情况及直接交易合同在日内的分配情况；对比两种不同的公平性约束对系统的影响；以机组的总收益等指标分析电力直接交易与公平性约束对电力系统的影响。

1 关键技术问题剖析

1.1 电力调整对机组运行经济性的影响

发电机组的运行经济性取决于运行工况等诸多因素，输出功率调整即是其一。其包含两个方面：功率调整数量和调整次数。发电机组进行功率调整改变了机组的负荷率，进而使得机组运行效率发生变化；功率调整会导致机组损耗，进而降低机组运行寿命，因此，调节的频繁程度会影响运行的经济性。

机组运行效率，即其运行经济性，取决于其运行工况，机组负荷率即是影响因素之一。机组负荷率的升降，不仅会改变汽轮机热耗率、导致锅炉运行效率变化，还直接影响机组厂用电率，进而造成机组单位电能生产煤耗的增减。由于机组发电煤耗增加与负荷率之间关系呈现非线性，在较低的负荷率下，单位负荷率的降低会造成供电煤耗的显著上升。目前被广泛使用的典型的机组组合模型就是合理安排机组启停和出力计划，使得整个系统的运行经济性达到最佳。注意到，全网经济性最佳并不意味着个体机组的运行效率最佳。在厂网分开前如此调度不会带来问题，但在厂网分开后，在调峰服务需求较大的情况下，若不考虑机组间的调整均衡，则可能会造成机组运行由于参与调峰任务不均衡而导致效率差异显著，进而产生调度公平问题。

机组在参与调峰服务中，功率调节的频次也会显著影响机组运行的经济性。机组输出功率升降调节不仅会改变机组的运行效率，其调节本身也会给机组运行带来问题。一方面，功率增减过程中需要运行调度人员协调控制，不仅会增加运行人员的工作负担，亦会增加故障的风险；另一方面，机组进行功率增减的快速调节，与正常调节相比，其锅炉与汽轮机的损耗将显著增加，进而将降低机组的服役年限。

因此，考虑调峰过程中各机组间调节公平，不仅要关注功率调节数量，还要计及调整频次。

1.2 调峰辅助服务中的基本调峰

为规范发电单元在参与调峰辅助服务的行为和调动其参与调峰辅助服务的积极性，以便更好地维护系统安全稳定运行，有必要对调峰辅助服务提出相关规定并予以一定补偿。调峰辅助服务一般包含基本与有偿辅助服务。基本和有偿调峰划分的标准可以是机组的负荷率水平，只有在规定的负荷率要求范围内参与调峰，方可被认定为有偿调峰，否则为基本调峰而不予补偿。我国某区域电力市场深度调峰的判别条件和补偿标准如表1所列。

从表1可见，当负荷率降至50%之下时，机组运行达到深度调峰认定条件，因此可获得深度调峰补偿。

1.3 已有机组组合模型存在问题剖析

如前述，与深度调峰可获取补偿不同，基本调峰属于义务调节服务而不予补偿，因此，按照已有机组组合模型进行调峰辅助服务调度，其本质上是按照系统整体调峰需求进行调用，并未考虑机组间的调节均衡。这意味着按照该算法所进行的调度，既没有考虑机组频繁调节中调度人员的工作成本和设备损耗所导致的设备成本的增减，也没有计及机组负荷率改变而引起的运行效率增减所造成的运行成本增减，因而无法保证机组间基本义务调整服务分配的公平性。

电量获取双轨制给电网运行带来诸多问题。目前在我国，发电单元总的电量来自于上级部门分配的计划电量(简称计划电量)和直接合同交易电量(简称交易电量)。计划电量一般是按照年、季度和月等时间尺度下发，并依照其执行情况在年终前(一般是在11月份)进行调整。计划电量的执行一般是通过一定规则将年度或季度电量分解到月和日，并按照日计划执行，执行中视情况滚动修正。与计划电量不同，交易电量一般在合同中规定了交易数量和执行时间。由于可再生能源输出功率具有强不确定性,交易电量在执行中可能会与可再生能源消纳发生冲突。解决该问题可采用可再生能源电量全额消纳与部分消纳等两种方式。全额消纳，意味着对交易电量进行削减；而如果全额消纳存在问题，则可对可再生能源电量进行部分舍弃。无论是对交易电量进行削减，还是对可再生能源电量进行部分舍弃，都要承担一定的经济惩罚。因此，该问题本质上是一个协调优化问题。

2 机组间调峰公平的量化

2.1 调峰成本量化指标

为了在机组组合模型中考虑机组间基本调峰辅助服务分配的公平性，首先需要将表征机组调峰程度的功率调节数量和频次予以量化，并据此抽象和设计出相应的指标，以作为优化模型中的约束条件。如前述，功率调节数量和频次直接影响机组运行的经济性，因此，可以利用功率调节数量与频次造成机组运行成本增减的数量关系作为调峰成本量化的基础。

研究表明，机组厂用电率的变动与负荷率的变化之间关系并非是简单的线性比例递减，而是呈现出一定的非线性变化特征。某300 MW机组的厂用电率随负荷率变化的关系如图1所示。

根据厂用电率差值与负荷率差值之间的对应关系，利用数值拟合技术，可将负荷率对厂用电率之间的对应关系进行抽象。分析表明，机组负荷率与厂用电率之间的变动关系可拟合为一次函数，其关系的表达如下

式中，Xi为机组i的调整幅度量化指标；Pi为机组i的输出功率(MW);Li为机组i的厂用电率；ΔLi为机组i厂用电率的变化量；Ll为机组i按照负荷率线性变化的厂用电率。

有关分析亦表明,机组在参与调峰过程中的短时功率快速过量调整，会造成汽轮机的损耗，这些损耗所导致的成本降低理应在基本调峰公平性衡量中予以考量。本文中，对基本调峰过程中单次短时功率阶跃调整超过10%的调节纳入公平性衡量。短时过量调整所引起机组成本变化的量化指标计算公式为

式中，Si为机组i单次快速功率过量调整所引起寿命损耗(元/MWh);SLi为机组i启停所导致的寿命损耗率；CUi,ti,tU为机组i单次启停成本(元);Wzi为机组i的总启停次数；WJi为机组i快速过量调整的次数；ΔXi为机组i参与基本调峰的修正量，标幺值；λi为上网电价(元/MWh)。

一般而言，机组的启停费用为已知，因此，根据启停成本、机组启停次数以及相应的总寿命损耗，可计算出单次短时过量调整所对应的成本损失。其中，将损耗量化指标除以机组上网电价是使前述函数系数的单位相同。

小型机组的技术指标较差，按照其被分配的调节指令参与调节，其短时过量调整的数量一般不会超过其额定容量的10%,因此，在短时过量调整修正中不考虑这部分机组。

2.2 机组间调峰公平的衡量方式

2.2.1 基尼系数

基尼系数是目前国际上公认的衡量事务公平性的指标，该系数是在洛伦兹曲线的基础上所提出，可作为总体上衡量公平性的经济统计指标，因此，被用于衡量社会收入分配的公平程度。近期其原理被用于电量分配中作为公平性约束基础，达到了预期的效果。洛伦兹曲线是反映收入累计百分比和人口累计百分比之间关系的曲线，其情形如图2所示。

根据洛伦兹曲线可计算基尼系数，其计算公式为

之所以将基尼系数换算为SB来表示，是出于计算方便。由式(4)可知，SA部分面积越大，则基尼系数G越大，表示分配不均匀程度越大，说明分配越不公平；当SA的面积为零，则G为零，表明分配绝对公平。一般认为，当G小于0.4时，表明分配基本达到公平，小于0.3则说明公平性较优。

基尼系数的计算方法主要有直接计算法、回归曲线法、基数等分法和群组分解法等，文中采用直接计算法，以便于构造约束条件函数。

2.2.2 平均分配方式

为了保证公平性，调度运行人员在实际调度运行中可采用轮换调整的方式，以便较为平均地分配调峰功率调整。所谓轮换调整，就是基于调度经验将在线运行的机组分为若干小组，在指定的调度周期，按照实际调峰需求数量顺序平均分配。当某一组机组参与调节时，其余组保持相对稳定的功率输出。

在本文中，指定调度周期为72 h, 并将其分为三个长度相等的时段，每个时段长度为24 h。将系统内机组分为两个小组，并在后两个时段进行轮换调整。鉴于风电一般具有夜间出力增加的特性，指定每一时段的前后3 h时段为频繁调峰时段，并增加调峰功率调整数量。所设计的调峰需求平均分配调度方式如图3所示。

3 优化模型的构建

3.1 目标函数

本文的优化目标是追求系统发电电量执行综合收益最大化。在电量执行过程中，需要考虑两个方面的收益减损：(1)由于是追求电量执行综合收益最优，因此就可能无法保证新能源电量的全额消纳，即允许新能源发电有一定数量的舍弃；本文中将新能源电量的预测值作为其出力上限，实际输出功率大于该值，将二者差作为舍弃电量；为促进新能源消纳，在目标函数中引入新能源电量舍弃惩罚项，惩罚项的数量等于惩罚因子与舍弃电量之积。(2)随着直接交易合同所涉及功率数量的不断增加，其执行与新能源消纳之间的矛盾会愈加突出；当二者间出现矛盾时，为保证新能源消纳将消减部分直接交易，而交易不能执行会受到合同违约惩罚。

综上，优化的目标是整个系统电量执行所获得收益去除由于新能源舍弃和直接合同交易违约两部分惩罚，该目标必须要在满足系统安全稳定运行的约束条件下实现。

目标函数

式中，W为整个系统电量执行所获取的综合收益(元);Pi,t与Zi,t分别为机组i在时刻t的计划和直接交易的功率数量(MW);pwttw与pprettpre分别为时刻t的风电实际和预测出力(MW);λDZ与λw分别为直接交易电合同削减和新能源舍弃的惩罚因子；N与T分别为机组和时段的集合；λstts与λzttz分别为时刻t的上网电价和直接交易电价(元/MWh);DZi为机组i在调度周期内的直接交易电合同削减量(MW);Cfi,ti,tf、Coni,ti,ton和Coffi,ti,toff分别为机组i在时刻t的燃料消耗、启动与停机成本(元)。

其中，燃料消耗成本为

式中，Ui,t为机组i在时刻t的状态参数，1为开机，0为停机；ai、bi和ci为机组i的燃料成本函数系数(元/MW2h、元/MWh和元/h)。

启动成本为

式中，Si与Sfi分别为机组i的单位启动和停机费用(元)。

3.2 约束条件

各机组参与基本调峰量化指标之间的基尼系数要满足公平约束，即

式中，X为各机组参与调峰的量化指标值；Xi-Xj是任何一对机组的指标差；N为样本容量，为机组数目；G0为满足公平条件的基尼系数取值。

4 算例分析

为了验证所提出模型与方法的正确与可行，以文献[2]中的10机组系统作为仿真对象，利用MATLAB调用CPLEX进行了仿真分析。10台机组的特性数据如表2所列。

[2] PADHY N P.Unit commitment-a bibliographical survey[J].IEEE Transactions on Power Systems,2004,19(2):1196-1205.

仿真算例中，首先说明了模型计算的背景信息，包括计算中所需要的参数与数据，并计算了各机组的相关指标；接着仿真并分析了在系统运行中电力直接交易和风电消纳之间的相互影响，以说明模型中对电力直接交易处理的正确与必要；最后通过有与无基本调峰公平性约束这两种条件下系统运行情况的对比分析，验证了引入该约束的有效与可行。

4.1 算例仿真系统基本参数与数据

利用表2中的机组数据，根据式(1)求取了各机组基本调峰调整量化函数，形式为Ax+B,具体参数如表3所列。

根据式(2)和(3)得到各机组汽轮机损耗的量化修正系数，具体如表4所列。

为了分析系统接纳风电数量与电能直接交易执行数量之间的相互影响，在上述10机系统中引入了一台装机容量为400 MW的风电机组，机组参数来自于文献[23],风电容量占比达到平均负荷的35.4%。该风电机组的风电预测出力数据如表5所列。算例中的需求数据同样来自于文献[23],具体亦如表5所列。本文中的系统调峰容量是指系统的有效负荷和系统最小总开机之差，计算中，取备用率r=0.1。

[23] 侯婷婷，娄素华，吴耀武，等.含大型风电场的电力系统调峰运行特性分析[J].电工技术学报，2013,28(5):105-111.HOU Tingting,LOU Suhua,WU Yaowu,et al.Analysis on peak load regulation operation characteristics of power system integrated with large-scale wind power[J].Transactions on China Electrotechnical Society,2013,28(5):105-111.

为了分析和说明不同交易电价的影响，利用我国某省现行的分时电价进行分析与计算，基本电价信息如表6所列，交易电价处于上网电价和售电电价之间。

利用典型日分时电价进行分析，三个不同场景下的具体电价数据如表7所列。

作为影响运行调度的两个因素，直接交易计划执行与风电消纳数量在运行中会产生矛盾。由于可再生能源相关法规较为完善且规定明确，因此，弃风惩罚因子的设置要大于尖峰电价，当直接交易计划执行与风电消纳数量发生冲突时，应优先消纳风电。同时，为保证直接交易合同执行，对合同削减予以惩罚，惩罚力度应小于弃风惩罚因子，二者间的差异可依据具体情况予以调整。不同惩罚力度下的弃风与合同削减情况如图4所示。

分析图4可以发现，在合同削减惩罚因子固定不变的情况下，随着弃风惩罚因子数值的增加，弃风数量会随之减少，但降幅会逐渐降低。当弃风惩罚因子为尖峰上网电价的1.5倍时，弃风数量维持基本不变。同样，在最小弃风量固定不变的情况下，当合同削减惩罚因子取值为尖峰上网电价的0.5倍时，直接交易合同的消减不再明显下降。

4.2 直接交易合同执行对系统运行的影响分析

目前在我国，直接交易合同约束是电量而非功率约束，这意味着交易合同电量只需在调度周期内完成即可，而不用考虑各时段的出力安排。由于电价在各时段各不相同，因此，交易发电机组在满足交易电量的前提下，可通过优化安排合同交易的出力计划来获取更多收益。

设定第3和6号机组参与直接交易，并各自签订了3 000 MWh的直接交易合同。利用所提出的优化模型在表4中3组不同的交易电价下安排机组启停的出力计划。限于篇幅，只给出场景2交易电价下的交易电量分配计划如图5所示。

由图5可知，在优化运行中，交易机组倾向在电价差额较高的时段内安排交易。由于直接交易电量的执行被安排在电价差额较高时段，则可获得较大的收益，因此，可以通过调整差价的时间分布来引导机组的运行行为。

为了更好地展示直接交易合同执行对系统运行的影响，将10台机组测试系统扩展为20台(机组编号根据容量大小进行了重新排序),利用所提出模型进行不同交易电量情况下的运行安排结果，交易电量的设置为以1 000 MWh为间隔增加，直到7 000 MWh。不同交易数量下的系统总收益与调峰容量如表8所列，机组开机安排如图6所示。

分析图6可见，在01:00时段，由于此时负荷需求较小，若四台大型机组都在线运行，则会因为风电消纳空间较少而导致弃风，数量为240 MW。由于这种安排方式惩罚费用过高，优化运行中的安排为3号机组停机，从而为风电消纳腾出空间。在24:00时段，直接交易执行电量为4 700 MWh, 该时段在线运行机组为第1、2、3、4、7、9和10号机组。在该时段若交易电量为4 800 MWh时，第7号机组则退出运行，从而为直接交易电量的执行腾出空间。此时，在线机组的最小技术出力之和较之前有所降低，从而为风电消纳让出了空间。

当交易电量为0时，所有机组，包括大型和小型机组，均处于运行状态；随着直接交易电量执行数量的提升，负荷逐渐地被交易电量占据，计划电执行数量的比例将会逐步降低；由于小型机组不能参与直接交易因而只承担计划电量，故随着直接交易计划执行数量的增加，其出力会被挤压，部分小型机组甚至退出运行。这一现象在机组数量较大时较为明显，当机组数量过小时，挤压效果并不显著。

小容量机组参与直接交易会影响系统的收益状况。为分析其影响，将参与交易的机组中纳入8号和10号两台小型机组。直接交易电量执行数量从9 750 MWh开始，以250 MWh间隔增加，8号和10号机组的交易电量总和为250 MWh。小容量机组参与和不参与交易前提下，各种交易电量下的优化运行结果与各项性能指标如表9所列。

从表9可看出，小容量机组参与直接交易将直接影响系统运行总收益，但对弃风和交易消减没有影响。当小容量机组的直接交易电量数量不变时，系统总收益将随大容量机组交易电量执行数量的增加逐步降低，且收益不是单调增加而是呈现先增后减的趋势，这是由于合同电量数量过多将会导致合同电量执行难度加大并出现弃风数量增加的缘故。当直接交易电量的总和数量不变时，4台大型机组共同分担交易电量所获得的总收益，要高于只有3号和6号机组共同承担交易电量，与此同时，所产生的弃风和交易合同削减数量也更少，降幅为6.5%。综上可见，当直接交易电量的总和数量不变时，参与直接交易的机组越多，则系统总的收益就越高。

当改变调度周期时，系统的总收益并非单调增加，其变化形态如图7所示。

在系统签订直接交易电量的总数量不变的情况下，系统总收益随调度周期时段长度的增加而单调递增，且出现非线性快速增长，即时段长度越长，则收益的提升就越为显著。这是因为，合约时间尺度越大，发电机组将具有更大的灵活性将合约的执行安排在差价更大的时段内，以便提升自身收益。

4.3 基尼系数公平性约束的作用效果分析

4.3.1 基尼系数公平性约束的有效性分析

为了验证基尼系数被作为基本调峰公平性衡量指标，通过约束加入优化模型的有效性，将有与没有基尼系数公平性约束的优化模型利用10机系统进行了仿真分析。为简化计算和更好地说明问题，这部分算例中没有加入交易合同而只考虑了大规模风电接入情况，以便更好地展示基本调峰服务的分配情况。各机组在有和没公平性约束的条件下基本调峰量化指标情况如表10所列，其中G0取0.054。

通过表10可见，基本调峰的调整任务在各机组间分配时，总体上呈现按容量大小比例进行分配。在无基尼系数公平性约束时，机组间的基本调峰分配不是很均衡，大型机组参与调节数量较大，数量占比近50%的小型机组很少或不参与调节；在加入基尼系数约束之后，大型机组被分配的基本调峰服务数量有较为显著的降低，同时小型机也参与调节。有和没有公平性约束情况下的基尼系数对比如图8所示。

由基尼系数的计算原理可知，若分配公平度越低，则绝对平均分布线(即图中的红色直线)与收入分布曲线间所围面积越大。考察图8可见，加入公平约束后的收入分布曲线与绝对平均分布线所围面积，小于没有公平约束的结果，其中蓝色实心区域面积即是二者间的差，这说明加入基尼系数公平性约束后，基本调峰服务分配的公平性有明显改善。

4.3.2 与平均分配方式的对比分析

为了展示相较于平均分配调峰任务的优越性，将该分配模式下的运行情况与基尼系数运行约束下进行了对比分析。鉴于篇幅，仅将两种分配模式下机组3和6机组的运行情况予以展示，如图9所示。

对比图9中(a)和(b)两种情形可知，在基尼系数约束方式下，由于系统内的机组均参与调节，且由于基尼系数的约束而较为均衡地分配调节任务，因此各机组长时间稳定出力的时间相对较少；而在平均分配方式下，由于在一定时间段内，部分机组由于不参与调节，这部分机组可以在该时段内较为平稳地运行。两种调整方式下系统总收益与调整指标等情况如表11所列。

对比表11中两种调节方式下的收益与指标情况可知，在基尼系数约束下，所有机组的调整指标大致相当，这意味着调峰任务分配的公平性较好；但此时小型机组亦相对较多地参与基本调峰，导致系统总收益略有下降，但降幅相对不大，仅为0.18%。在平均分配方式下，各机组的调整指标亦较为均衡，表明调峰任务的分配公平性亦有提升。而在平均分配方式下再加入基尼系数公平约束，则调峰任务的分配更为均衡；相较而言，由于小型机组过多地参与调整，导致系统总收益有较为明显的下降，为6.5%。

综上可知，平均分配方式调度操作简便易行，可较为均衡地分配调峰任务，但由于该方式下小型机组过多地参与调峰任务，故与基尼系数约束方式相比，其经济性有所降低。

5 结 论

在我国，新能源容量高占比中机组电量双轨制分配机制下，系统运行呈现出两个问题：直接交易计划执行与新能源消纳之间的矛盾；基本调峰任务在机组间分配的公平性。针对上述问题构建了机组组合模型，基于基尼系数设置公平性衡量指标来保证基本调峰任务分配的公平合理，弃风惩罚因子和直接交易计划违约惩罚二者间的协调可解决相关矛盾。理论分析和算例结果均表明：

(1)直接交易合同为电量合同，可以通过调整电价的时间分布来引导机组更为合理地安排电量执行计划；直接交易合同签订的时间尺度越长，则机组计划安排调整空间越大，系统总效益的提升效果就越显著。

(2)随着交易电量的增加，当直接交易合同总量较低时，系统收益呈现单调增加的趋势；当交易数量增加某一阈值后，由于交易执行与风电消纳间矛盾而导致弃风或合同消减，系统收益有所下降，降幅为6.5%;当交易变量总和保持不变时，参与交易的机组种类和数量越多，系统总收益越显著。

(3)基于机组厂用电率和短时过量调整对机组运行成本的影响，来构造基本调峰成本量化衡量指标，并据此构造基尼系数公平分配约束，利用所构建的机组组合模型可较为公平合理地分配基本调峰服务，与此同时，系统收益下降较少，降幅仅为0.18%;基尼系数公平约束的本质是机组调节功率与运行经济性二者间的协调，实际应用中可调整基尼系数的数值来适应系统实际运行情况。

(4)平均分配方式调度操作简便易行，可较为均衡地分配调峰任务；由于该方式下小型机组过多地参与调峰任务，故与无约束方式相比，其经济性有所降低，降幅为6.5%。

水利水电技术（中英文）

水利部《水利水电技术（中英文）》杂志是中国水利水电行业的综合性技术期刊（月刊），为全国中文核心期刊，面向国内外公开发行。本刊以介绍我国水资源的开发、利用、治理、配置、节约和保护，以及水利水电工程的勘测、设计、施工、运行管理和科学研究等方面的技术经验为主，同时也报道国外的先进技术。期刊主要栏目有:水文水资源、水工建筑、工程施工、工程基础、水力学、机电技术、泥沙研究、水环境与水生态、运行管理、试验研究、工程地质、金属结构、水利经济、水利规划、防汛抗旱、建设管理、新能源、城市水利、农村水利、水土保持、水库移民、水利现代化、国际水利等。