电-碳-绿多市场协同下的供电可靠性保障机制

王 歌 华北电力大学经济与管理学院讲师

(资料图片仅供参考)

刚才多位专家对咱们国家的双碳目标宏观的战略设计以及市场的细节设计都进行了非常深刻的介绍，我这个研究更多从电力系统的运行以及电力政策影响的评价，从这个角度来进行的工作。我分享的题目叫“电—碳—绿多市场协同下的供电可靠性保障机制”。

双碳目标刚才很多的专家都已经做了介绍了，不再赘述。

双碳目标实现的路径中，电力系统将会在其中起到非常关键的作用。我们援引了几个著名专家的研究报告，包括清华大学的研究，以及一个典型期刊上面研究报告。

可以看出来，当前我们电力消费在终端消费中要占到将近一半体量，到了2050年，电力消费几乎要占到终端用能消费的90%以上了，我们实现碳中和的目标要通过的很重要的路径，就是在生产侧或者能源供应侧实现可再生能源对于化石能源的替代，而在消费侧也要去实现电力能源对于像散煤、石油、天然气的替代，从而构建起一个以新能源为主体的新型电力系统，既是我们实现双碳目标的关键，也是涉及百万亿级资产投资的重大的需求。

在这样背景下，我们发现中国电力部门同时面临着碳中和转型以及这些年一直在开展的市场化改革的推进。说到电力市场化改革，刚才很多专家也都介绍了，现在电力交易市场、电力部门的碳市场、绿证市场、绿电交易等等这样市场化政策，将会成为我国我们政府促进新型电力系统的建设，实现双碳目标的主要政策工具，主要用来替代像之前的偏向于规划类、规制类的政策。

但是大量的市场类政策的引入也会带来一系列问题，比如像传统的电力市场，它的价格形成机制更多是采取边际出清的机制。但现在像风光电以及储能，他们的发电成本主要集中在固定成本的分摊，而它的边际成本可以认为是等于零的，这种零边际成本的主体大规模进入市场，会对原来电力市场的价格形成机制产生很大冲击，怎么让这个市场能够有效运行，这样的电力机制还有待进一步研究。同时，像碳市场、绿证市场他们如何和电力市场在宏观层面上进行协同运行，这样的价格信号如何去传导，都是有待进一步去分析的。

进行这样的分析，我们认为有两个方面的主要特征：

一方面，在未来碳中和的愿景下，电力系统会变成可再生能源渗透率大幅提升的系统，高比例的可再生能源会对电力系统运行产生非常大冲击，这种风、光的出力，以及电力负荷本身的不确定性，多重不确定性会叠加在一起，这样会导致我们在进行模型工具构建的时候，不能通过比较传统的使用代表天就能够比较好的刻画这一年或者一段时间用电和供电的特征，现在的多重不确定性会要求我们进一步去提升模型的精度，最好达到一个小时级。

另一方面，由于多重市场的共同作用，会导致多政策耦合下市场主体间会产生多重的博弈关系，刚才尚楠老师分享的图，多个市场作用下作用机理的图，非常复杂，这样复杂的关系会影响到市场主体的决策，我们如果要去进行政策的分析，也需要把这些复杂博弈关系带来的非线性的关系刻画出来。

我们首先回顾了一下已有的一些模型，非常多非常知名的专家，比如北京理工大学魏一鸣副校长、清华大学康重庆教授、华中科技大学陈新宇教授、北京大学陈教授等等，这些非常知名的专家也开发了很多用于电力系统分析的模型。这些模型概可以分为三大类：

第一类，基于系统优化的模型。这种模型，通过算力的提升可以做到多期的、动态的、逐小时的分析，比较有代表性的比如华中科技大学陈新宇教授他做的电力规划模型，充分考虑了中国31个省份以及10余种发电机组、8760个小时的电力平衡。但是这种系统优化的模型，本身不能很好的去内生刻画这种市场类政策，只能说优化完了之后再去根据价格形成机制、边际出清的条件等等去导入一个价格出来或者说我们外生给定一个碳价格用于这个模型中，不能内生的去处理。

第二类，市场均衡类的模型，比如一般均衡，CGE模型，或者说有很多用于气候变化研究综合评估的模型，GCAM模型等等，这种模型非常大，不仅可以用于分析中国的电力市场，还可以用于分析电力市场和其他部门的联动，以及中国和国外的能源环节的联动等等。但是这种模型因为体量非常大，所以每次想要去往里面增加一个新的技术，比如我们想增加一个新的储能技术，或者说我要往里面考虑一个新的政策，比如把绿电交易政策考虑进去，都需要对这个模型进行非常大规模的更改，在更改过程中又涉及数据的校对等等，工作量非常大，因此这种大型的模样不断更新技术和更新政策工具的时候面临一些困难。

因此我们课题组结合这两种模型的特征一直在进行电力部门局部模型的构建，从我读博士期间，大概从2015年开始就一直在进行这方面的工作，很多论文刻画了电、碳、绿证多市场、多区域的均衡模型，也初步实现了模型的预期。但是在近期的分析中我们发现，可再生能源对于电力系统可靠性产生非常大的影响。之前这个模型得到的结果在进行实际的验证模拟中会发现，它可能会存在着模型的结果导致的装机量是不足够的，不能够达到每个小时完全的可靠供电。

因此，我们又构建了一个新的模型，就是在我们已有的局部均衡的模型基础上引入了一个电力平衡的模拟模块，以及一个可靠性的提升机制的政策工具，通过这两者与原来局部均衡模型的连接和迭代收敛，从而构建起了一个适用于高比例可再生能源的电力市场政策模拟的工具。

模型的架构如图所示，分为了三个部分，第一部分，发电机组投资决策的模块。在这个模块里，考虑我国的各个省份，各个省份下面我们考虑了10类发电机组，一个省份、一个发电机组作为投资的一个参与主体，这个参与主体要在这个模型中去决策它的装机量，以及在各个市场中的市场交易行为。以它的净现值最大化为决策目标，去进行投资的决策。它的投资决策过程将会作为他们市场参与主体的行为模式，输入到多区域、多市场均衡的模块中去。在这个模块中，我们除了考虑发电机组就是电力生产者的投资决策行为以外，也考虑到消费者购买电力的行为。同时我们考虑了四个市场，从下往上依次是可再生能源的配额以及绿证交易的市场，接下来是碳市场，第三个是电量交易的市场，上面还有一个容量交易的市场。

我们均衡出来这个结果之后，接下来把各地的装机结构会输入到一个电力平衡模拟的模块，在这个模块中，我们会根据各地的装机结构进行8760小时电力平衡的模拟，这个模拟结果会得出来我这个装机结构能不能保障这个年度供电的可靠性，如果说可靠性不够的话，我们会进入到均衡的模块中去，去提升我们刚才提到的可靠性提升机制，这些政策进行调整，直到这个模型均衡出来的装机结构能够实现供电可靠性的约束条件，这样模型达到收敛得到结果。这里边我们使用了全国的供电可靠性指标，是考虑所有地区供电不足小时数平均值的指标，就是供电不足的小时数，以此为指标去进行的刻画。

接下来简单展示一下我们模型的分析结果。

第一个结果，我们对电、碳、绿多个市场它们之间的耦合机制进行的分析。刚才前面几位专家都有提到，碳市场、绿证市场它们之间既在执行主体上是有区分，碳市场执行在发电侧上，特别是咱们国家现在全国碳市场里面电力部分的执行对象主要是火电机组，绿证市场执行在用电侧，针对电网企业，包括售电公司、电力用户，他们作为绿证市场的主体，从这个角度来说这两个政策是分割的，但同时这两个政策即使碳市场可以去压缩火电机组的收益，从而减少火电机组的装机，而绿证市场是通过让消费者愿意支付更多的绿电溢价，给可再生能源机组，从而实现再生能源机组装机的提升，它们在政策目标上会有一定重叠。这两个市场我们从国家层面去进行分析的话，会发现这两个政策有一个互恰区间的，这个区间比如说这两条线中间夹的这个区间，这个区间是比较小的区间，在这个区间内我们执行碳市场的碳配额目标和绿证市场RPS配额的分配，如果说这两个政策指标是在这个区间内的话，这两个政策都在同时的起作用，如果落在这个区间外的话，这两个政策中会有一个是不起作用的。

举个简单的例子，比如碳市场，我把碳配额的目标，比如给火电机组全部都定成零，定成零之后这个火电机组理论上是不能发电的，这个时候火电机组就不能运行，肯定会有大量可再生能源机组进行装机才能够保障电力的供电，这个时候可再生能源的装机量、发电量可能就会达到100%或者说80%、90%，如果考虑核电的话。这个时候我的RPS包括绿证可再生能源的消纳配额定一个30%的目标，这个30%的目标跟没有是一样的，即使没有这个政策，靠单这个非常激进的碳市场也能达到这个目标，只有在这样的互恰区间内，这两个政策才可以去有效运行的，这个也是我们在进行政策制定的时候需要严格去考虑政策数值的设定。

同时，我们也考虑我们执行两个市场政策是不是就比之前单一的市场政策要好，我们也进行了一个分析，如果我们分别去执行碳市场或者去执行绿证市场的话，它的比如碳价格、绿证价格都是相对比较高的，如果我们同时执行两个政策的话，单一市场的交易量包括价格都会有所下降，但是他们的交易量加起来实际和执行单一市场是大差不差的。

这样我们通过两个市场共同执行的话，实际是在保障整体的我们对于绿电、对于低碳发展的支持规模不变的情况下，降低了这个各个市场的价格，价格低了自然这个风险是会下降。最简单的例子，比如我们买一个绿证，只能一个一个绿证买，如果这一个绿证卖100元，你买了，你要不想用的话可能就亏了，但如果一个绿证只有5元、只有10元，投资一些亏了就亏了，对你的影响就不大，这样可以起到降低市场风险的。

接下来，我们看看这些政策的执行对供电可靠性的影响。

我们选取了2040年为模拟对象，当然我们选择2040年，主要是因为说到2030年咱们国家火电机组还有很多，到2030年几乎没有特别大的退役，同时可再生能源在2030年也不会特别多，2030年供电的可靠性还是有保障的，因此我们就拉长了时间尺度，到2040年要实现电力部门的总排放量低于40亿吨的目标，在这个目标下我们去模拟了几种不同的政策情景下的供电可靠性，当然40亿吨的目标也不是非常激进，是比较温和的目标。

在这个目标下我们考虑了四种政策情景，分别是：1、NP，没有政策。2、RPS，只执行可再生能源配额与绿证交易。3、ETS，我们只执行碳市场政策。4、COM，可再生能源配额与绿证交易、碳市场一起去肢协。在这样的政策情景下我们会发现，如果不执行任何政策，到2040年干发展，这个时候供电的可靠性也就只有98%左右，如果执行RPS政策，大量去发展可再生能源，这个时候供电可靠性就会降到95%点多。如果我们执行可再生能源配额和碳市场结合的政策，这时候供电可靠性也不足96%，如果只执行碳市场的话，就是说只在火电范围内去进行规制的话，这个时候供电可靠性能达到99%以上。即使按碳市场的政策达到99%，实际也和我国近期的供电可靠性指标是有明显差距的，我国2017年到2021年这四年平均的供电可靠性都在99.7%左右，还是有非常明显差距的。

我们发现，在这样的市场政策下，仅依靠这些市场政策是没有办法保障未来的供电可靠性的。我们从定性大概去分析的话，发现我们对可再生能源支持的越激烈的政策它的可靠性越低，也可以从这个角度去佐证可再生能源的高比例渗透是供电可靠性不足的一个主要原因。

同时这种供电可靠性不足，我们又把它各个区域上的分布画了出来，可以看出来供电可靠性不足主要集中在中东部地区，它的特征，这些地区用电量大，同时跨省传输容量相对不足，从而导致了供电可靠性不足。

接下来我们研究了两种供电可靠性的提升机制，一个是通过对于新增风光装机按一定比例进行强制地配套储能，第二个，我们去执行容量市场，刚才也有很多老师都介绍过这些机制。

我们就把这两种机制带入到模型中进行模拟，控制变量，其他都不变，然后只是添加了这两种政策机制，我们可以发现，左边这个图是我们执行的，让这种新增的可再生能源机组都去配套一个一小时时长的储能，这个储能配套的功率比例是从0%一直模拟到40%，我们可以发现，说随着配套功率比例的增加，在各个政策情景下供电可靠性都是有所增加的。

第二个图，模拟了容量市场对于供电可靠性的提升。在这个容量市场里面，我们考虑了对于风光机组的置信容量进行了模拟。我们知道，在容量市场里面，像1000瓦煤电的装机它在容量市场里面就只算1000瓦的容量，但是像这种风光装机，因为它有一个间歇性的发电，我们不能让它1000瓦的装机就算1000瓦的容量，因为它很可能在某个时刻就发不出来电。这个时候我们对这个值的话，风光的1000瓦装机到底能折算多多少容量，在容量市场里面被称为置信容量，我们对风光的置信容量进行了敏感性分析，分别是从100%就是1000瓦折1000瓦，一直到0%就是说1000瓦折0千瓦，就是这样的角度进行了模拟，然后发现在这个容量市场里面我们去压低风光的置信容量可以去提升供电可靠性的。它的原理就是，风光的置信容量压低之后就需要更多的火电机组装机，来去实现容量市场的需求，这样也可以去提升考核性。

我们知道两种机制有助于提升可靠性，我们自然就会去关心这两种机制到底谁的经济性会好一些。我们从电力系统整体的运行成本的角度去进行了模拟，我们发现红色的线是容量市场的成本曲线，横轴是供电可靠性，纵轴是总成本，我们发现，容量市场提升供电可靠性的成本是相对比较低的，蓝色的线是通过强制配储带提升供电可靠性的成本曲线，随着蓝色颜色的加深我们强制配套储能的储能时长在增加。

我们就发现，通过强制配储要比容量市场的成本要高，同时强制配储，提升储能时长并不能让可靠性有非常明显的提升，反而增加了成本，因此我们也得到一个结果，提升强制配储的充放电功率是要比提升配储的容量是更有助于提升供电的靠性的。

我们通过对于不同情景下装机的均衡结果，以这个为抓手，分析了容量市场和强制配储这两种机制去提升供电可靠性内生的机理。我们发现，通过容量市场，实际是在激励天然气机组投资去进行可靠性的提升的，因为天然气机组本身响应速度非常快，同时它的固定投资相比于煤电比较小，更不容易产生资产搁浅的问题，容量市场激励了天然气机组的装机。可再生能源强制配储，如果说我们是在一个小时或者两个小时的短时储能，实际就是在利用储能充放电的机制去实现可靠性的提升，就是电多的时候放到储能里，供电不足的时候从储能里面出来，这样是提升的机制。比较有意思的是，如果强制去配套四个小时以上储能，这个时候我们发现，实际就不只是在利用储能了，反而是增加风光电投资的成本，因为配套储能的成本是随着储能容量上升线性增长的，配套四个小时储能大幅增加了风光电投资成本，导致风光电投资就没有经济性了，从而减少了整个电力结构中风光的占比，而为了去满足可再生能源配额以及绿证市场会去安装生物质的装机，生物质发电本质上是一种火电，它的可靠性是比较高的，从而我们如果强制配套长时储能，是通过压低风光比例，提升生物质的比例，来提升可靠性。

接下来我们还研究了这两种不同可靠性提升机制，在需求侧和供给侧成本分担模式的不同，模拟结果显示，容量市场下这种可靠性提升成本，总体上来说都是由消费者承担的。红色线的是消费者的成本，蓝色线的是生产者的利润，随着容量市场强度的增加，生产者的利润在增加，消费者的成本也在增加，就是说他们整体成本都是由消费者来承担的，生产厂商反而可以从中获利。对于这种一个小时、两个小时的短时储能可以看到，消费者成本在上升，生产者的利润是在下降的，短时配储下可靠性提升的成本是由消费者和生产者两方在分担的。

比较有意思的，进入到长时储能之后，我们发现在前期配套比例比较低的时候，消费者成本上升，生产者利润下降。当配套比例非常高的时候，我们发现在消费者成本上升的时候，生产者的利润也开始上升了，就是说当我们去配套高比例储能的时候，这种投资会转向生物质，导致可靠性的成本又由消费者去完全承担了，这是成本分担的机制。

刚才讨论的储能主要都是在发电侧和电网侧，我们课题组在交通领域也有一些研究，我们发现现在电动汽车的发展越来越快，电动汽车里的电池能不能也参与到储能调峰，辅助电网的可靠性中去，我们进行了一些研究。我们考虑了几种充电模式：第一种，无序充电的模式。比如你到了充电站，把充电枪插上就开始充电。第二种，有序充电模式。通过实时电价的调度，让你在供电比较多的时候把充电价格降低吸引来充电，供电不足的时候就不让你来充电，价格弄得高一些让你换个时间再来充。第三种，车网互动模式。我在有序充电的基础上还可以通过V2G技术让电动车可以把它储存的电再释放回电网中，比如说供电不足的时候，可以从电动车的电池里面取一些电释放到电网中去辅助供电。模拟了这样三种供电模式，简单的结果，发现必须有一个高比例的可再生、有一个供电的波动，才涉及电动汽车的有序调度，就是说高比例的可再生和车网协同的技术，不论是有序充电、还是车网互动，它们的存在是电动汽车去替代掉一部分储能的前提。有序充电和车网互动都是可以让电动汽车能够替代电网侧储能的，特别是在车网互动的模式下，我们去提高充放电的功率，就是桩的充放电功率，可以有效增强对储能的替代效果，这个也非常好理解，它本身作为一个电池，电池的放电速率大了，自然用起来就更顺手。

最后，我们针对2035、2050不同装机结构情景下进行定量的测算。我们发现电动汽车在2035年的装机结构，一个70度电电池的纯电动汽车只可以替代掉1.25度电的储能电池，到2050年之后，随着可再生能源进一步渗透，同样的车可以替代掉4.41度电的储能，这是电动汽车对储能的替代效果。

接下来是几点结论：

1、电、碳、绿多市场的共同运行存在协同空间的，我们在进行政策设计的时候需要谨慎设计。

2、仅依靠碳市场、绿证市场的激励投资是没有办法去保障在未来高比例可再生能源渗透率下的供电可靠性的，需要在后续电力市场政策研究中去考虑可靠性的约束。

3、容量市场和新增风、光装机的强制配储都是可以有效提升供电可靠性的市场机制，其中容量市场是通过促进天然气机组装机，短时强制配储是利用储能，长时强制配储只是通过抑制风、光装机来提升供电可靠性的。

4、这几种机制中容量市场的成本是最低的，并且完全由消费者承担，短时配储它的成本是次低的，由供需双方去分摊，长时配储它的成本是最高的，同时也是由消费者完全承担的。

5、我们发现电动汽车可以通过车网协同的技术去实现部分替代电网车储能的投资需求。

因此我们提出了一些政策建议，未来在电、碳、绿多市场协同作用下，我们最好通过容量市场配套短时的强制配储，结合更多的新型储能，比如说电动汽车的一个利用，从而多方综合作用下，实现供电可靠性的保障。

我的分享到此结束，谢谢大家！