一种考虑碳足迹与交易的光伏发电成本分摊研究方法

摘要

本发明提供一种考虑碳足迹与交易的光伏发电成本分摊研究方法，包括如下步骤：A、构建基于重复博弈的发电成本分摊模型；B、对步骤A所构建的模型进行滚动优化求解。本发明针对PPGP和COCE，建立了一个光伏发电成本分摊的重复博弈模型，结合碳交易背景，对发电成本的影响因素展开研究，说明了碳交易可有效提高发电侧的收益，验证了PPGP在对就近消纳的用户采取优惠措施时，综合考虑碳价折扣和电价折扣对发电成本回收年限的双重影响的合理性与必要性。

权利要求

1.一种考虑碳足迹与交易的光伏发电成本分摊研究方法，其特征在于：包括如下步骤：A、构建基于重复博弈的发电成本分摊模型；

B、对步骤A所构建的模型进行滚动优化求解，具体为：基于MOEA/D‑DRA算法对步骤A所构建的模型进行滚动求解，并在Pareto面上得到Nash均衡解；

所述步骤A包括如下步骤：

A1、在考虑碳足迹情况下，确定光伏发电生产消费者PPGP年总综合发电成本函数其中， 为光伏发电的年电量收益； 为政府的年光伏发电成本补贴；CPPGP为对

0 1 2 t‑1

光伏发电的项目的静态投资； 为PPGP参与碳交易的年收入；(A ,A ,A…A )代表t年前的历史行动，PPGP和碳和电的消费者COCE考虑过去行动对当前的策略空间Ω和收益函数Φ的影响；

A2、确定COCE最小综合用能成本模型Celeccarbon：其中，Celec为COCE的年用电量成本； 为年隔墙交易的电量收益，C′carbon为COCE的年碳购入成本； 为COCE与PPGP年就地交易的成本； 为第x次进入碳市场的第v单的碳成交价格； 为第v单在碳交易所的碳交易量；

为COCE在碳交易所进行的年碳交易成本；Pcarbon为基准碳价；klocal为PPGP对碳消费者就地消纳的优惠系数，也作为PPGP的决策变量； 为第j次就地碳交易的合同碳排放量；m、l和k分别为整数；

A3、确定光伏机组运行约束条件，约束条件包括：

光伏消纳率约束条件：ηlocal+ηgrid+ηself＝1，其中，ηlocal为隔墙消纳比率；ηgrid为入网交易的比率；ηself为PPGP自发自用的比率；

光伏年最大利用小时上下限约束条件：Hpv·t,min≤Hpv·t≤Hpv·t,max，其中，Hpv·t为地区的光伏利用小时数；

单位光伏造价成本上下限约束条件：cq,min{qmin,qmax}≤cq≤cq,max{qmin,qmax}，其中，cq为q容量下的单位光伏造价成本，q表示的是容量范围；

光伏容量上下限约束条件： 其中， 为q容量范围内拟投建的光伏发电项目的容量；

COCE各阶段的碳责任系数约束条件： 其中，π1为光伏组件生产的碳责任系数，π2为光伏组件运输中的碳责任系数；π3为光伏组件回收拆解过程的减排分配系数，w为光伏发电全寿命年限，μ为回收光伏组件消耗的年数。

2.根据权利要求1所述的一种考虑碳足迹与交易的光伏发电成本分摊研究方法，其特征在于：所述步骤A1中，光伏发电的年电量收益 为：其中， 为年入网电量收益， 为年自用电收益；

年入网电量收益 具体为：

其中， 为年隔墙交易的电量收益， 为年入网交易的电量收益，Ppv为PPGP的装机容量，Pelec为PPGP所在电网的用户目录电价，ξlocal为PPGP对就地消纳用户隔墙交易的优惠系数，可作为PPGP的决策变量；

年自用电收益 具体为：

3.根据权利要求1或2所述的一种考虑碳足迹与交易的光伏发电成本分摊研究方法，其特征在于：所述步骤A1中，对光伏发电的项目的静态投资CPPGP为：其中，Cc为光伏发电的建设投资，主要与容量有关，Ccarbon为光伏发电项目的年碳成本，为第i生产阶段的碳排放量， 为第i运输阶段的碳排放量， 为第y年的第i回收阶段的碳排放量。

4.根据权利要求1或2所述的一种考虑碳足迹与交易的光伏发电成本分摊研究方法，其特征在于：所述步骤A1中，PPGP参与碳交易的年收入 具体为：其中， 为第j次交易的撮合碳价，Etotal为年碳排放总量，Ecom为PPGP减排量总和。

说明书

一种考虑碳足迹与交易的光伏发电成本分摊研究方法

技术领域

[0001] 本发明属于储能系统优化领域，特别涉及一种考虑碳足迹与交易的光伏发电成本分摊研究方法。

背景技术

[0002] 随着分布式光伏发电市场化的改革，分布式光伏发电逐渐由政策补贴走向市场竞争，从2017年发改委发布《关于调整新能源标杆上网电价的通知》中提出适当降低分布式光伏补贴标准，到准许分布式光伏发电项目进入市场交易，2019年进一步下调了分布式光伏发电的补贴，补贴对象包括已建成并网但未纳入国家补贴范围的户用分布式光伏发电并网项目，而目前的市场上也涌现出了一批平价及竞价项目。实际上目前分布式发电的安装主体有相当部分是光伏发电的产消者，即自发自用，并将剩余的电量并网进行交易。随着分布式光伏项目扶持力度的下降，及光伏材料成本的波动，分布式光伏项目上网竞争程度的加剧，对PPGP(Photovoltaic power generation prosumer，光伏发电生产消费者)的发电成本分摊提出了新的挑战。

[0003] 目前碳交易与发电市场的不断深入融合，碳交易为分布式光伏发电项目的成本分摊提供了新的途径，但都未给出在碳交易背景下分布式光伏发电商提供具体成本分摊的决策支持。另外，分布式光伏发电项目并非没有碳排放，光伏发电项目从生产到运行的过程中均会产生碳排放，现有研究都未将光伏发电的从生产到废弃全过程的碳排放进行精细化建模，而且若PPGP加入碳市场交易，其发电的碳成本不能忽略，应当纳入分布式光伏发电项目的发电成本。而当前对这方面的研究还较少。

发明内容

[0004] 本发明的目的是针对现有技术的不足，提出一种考虑碳足迹与交易的光伏发电成本分摊研究方法，针对PPGP和COCE(Consumer of Carbon and Electricity，碳和电的消费者)，建立了一个光伏发电成本分摊的重复博弈模型，结合碳交易背景，对发电成本的影响因素展开研究，说明了碳交易可有效提高发电侧的收益，验证了PPGP在对就近消纳的用户采取优惠措施时，综合考虑碳价折扣和电价折扣对发电成本回收年限的双重影响的合理性与必要性。

[0005] 本发明通过以下技术方案实现：

[0006] 一种考虑碳足迹与交易的光伏发电成本分摊研究方法，其特征在于：包括如下步骤：

[0007] A、构建基于重复博弈的发电成本分摊模型；

[0008] B、对步骤A所构建的模型进行滚动优化求解。

[0009] 进一步的，所述步骤A包括如下步骤：

[0010] A1、在考虑碳足迹情况下，确定PPGP年总综合发电成本函数

[0011]

[0012] 其中， 为光伏发电的年电量收益； 为政府的年光伏发电成本补贴；CPPGP0 1 2 t‑1
为对光伏发电的项目的静态投资； 为PPGP参与碳交易的年收入；(A ,A ,A ...A )代表t年前的历史行动，PPGP和COCE考虑过去行动对当前的策略空间Ω和收益函数Φ的影响；

[0013] A2、确定COCE最小综合用能成本模型Celeccarbon：

[0014]

[0015] 其中，Celec为COCE的年用电量成本； 为年隔墙交易的电量收益；Ccarbon为COCE的年碳购入成本； 为COCE与PPGP年就地交易的成本； 为第x次进入碳市场的第v单的碳成交价格； 为第v次在碳交易所的碳排放量；
为COCE在碳交易所进行的年碳交易成本；Pcarbon为基准碳价；klocal为PPGP对碳消费者就地消纳的优惠系数，也作为PPGP的决策变量； 为第j次就地碳交易的合同碳排放量；m和n分别为整数；

[0016] A3、确定光伏机组运行约束条件，约束条件包括：

[0017] 光伏消纳率约束条件：ηlocal+ηgrid+ηself＝1，其中，ηlocal为隔墙消纳比率；ηgrid为入网交易的比率；ηself为PPGP自发自用的比率；

[0018] 光伏年最大利用小时上下限约束条件：Hpv·t,min≤Hpv·t≤Hpv·t,max，其中，Hpv·t为该地区的光伏利用小时数；

[0019] 单位光伏造价成本上下限约束条件：cq,min{qmin,qmax}≤cq≤cq,max{qmin,qmax}，其中，cq为q容量下的单位光伏造价成本，q表示的是容量范围；

[0020] 光伏容量上下限约束条件： 其中， 为q容量范围内拟投建的光伏发电项目的容量；

[0021] COCE各阶段的碳责任系数约束条件：0＜π1,π2,π3≤1，其中，π1为光伏组件生产的碳责任系数，π2为光伏组件运输中的碳责任系数；π3为光伏组件回收拆解过程的减排分配系数， w为光伏发电全寿命年限，μ为回收光伏组件消耗的年数。

[0022] 进一步的，所述步骤A1中，光伏发电的年电量收益 为：

[0023]

[0024] 其中， 为年入网电量收益， 为年自用电收益；

[0025] 年入网电量收益 具体为：

[0026]

[0027] 其中， 为年隔墙交易的电量收益， 为年入网交易的电量收益，Ppv为PPGP的装机容量，Pelec为PPGP所在电网的用户目录电价，ξlocal为PPGP对就地消纳用户隔墙交易的优惠系数，可作为PPGP的决策变量；

[0028] 年自用电收益 具体为：

[0029]

[0030] 进一步的，所述步骤A1中，对光伏发电的项目的静态投资CPPGP为：

[0031]

[0032] 其中，Cc为光伏发电的建设投资，主要与容量有关，Ccarbon为光伏发电项目的年碳成本， 为第i生产阶段的碳排放量， 为第i运输阶段的碳排放量， 为第y年的第i回收阶段的碳排放量。

[0033] 进一步的，所述步骤A1中，PPGP参与碳交易的年收入 具体为：

[0034]

[0035] 其中， 为第j次交易的撮合碳价，Etotal为年碳排放总量，Ecom为PPGP减排量总和。

[0036] 进一步的，所述步骤A2具体为：基于MOEA/D‑DRA算法对步骤A所构建的模型进行滚动求解，并在Pareto面上得到Nash均衡解。

[0037] 本发明具有如下有益效果：

[0038] 1、本发明着重于分布式发电项目的成本分摊问题，在分布式发电商可以参与碳市场交易及“自发自用，余量上网”的模式下，阐述了PPGP这类典型光伏发电商参与碳交易对其发电成本的影响，并基于分布式光伏项目全寿命周期追踪了发电的碳足迹，建立了发电成本分摊的重复博弈模型，并对构建的模型进行滚动优化求解，对碳足迹和碳交易对发电成本的影响进行研究，为制定分布式发电商进入碳市场的准入规则提供依据、为分布式发电商在测算装机容量时的经济提供参考，避免使PPGP在电能和碳排放的就近消纳中给予COCE过低的电价折扣率。

附图说明

[0039] 下面结合附图对本发明做进一步详细说明。

[0040] 图1是两类交易的Pareto图

[0041] 图2是两类交易的Pareto解集图

[0042] 图3是碳价对发电成本的影响图

[0043] 图4是PPGP优惠率对发电成本的影响图

具体实施方式

[0044] 如图1是在碳交易背景下以PPGP与COCE第一年参与发电成本分摊博弈为例，采用MOEA/D‑DRA的算法，得到Pareto面及Nash解；图2所示是传统自发自用和含碳交易两种模式下决策变量的Pareto解集；图3所示是PPGP参与碳交易后，碳价的变动对其发电成本的影响分析；图4所示是PPGP优惠率对发电成本的影响分析。

[0045] 考虑碳足迹与交易的光伏发电成本分摊研究方法，包括如下步骤：

[0046] A、构建基于重复博弈的发电成本分摊模型；

[0047] 在PPGP的发电成本在其自身和COCE二者之间进行分摊，因此二者存在博弈行为，在保证电量和碳排放出清的过程下，二者分别以最小综合发电成本和最小综合用能成本(仅包含与PPGP交易部分)为目标在发电运行年限内展开重复博弈；

[0048] 具体包括如下步骤：

[0049] A1、在考虑碳足迹情况下，确定PPGP年总综合发电成本函数

[0050]

[0051] 其中， 为光伏发电的年电量收益； 为政府的年光伏发电成本补贴；CPPGP为对光伏发电的项目的静态投资； 为PPGP参与碳交易的年收入； 是0 1 2 t‑1
在博弈论上的决策空间表述，(A ,A ,A…A )代表
t年前的历史行动，PPGP和COCE考虑过去行动对当前的策略空间Ω和收益函数Φ的影响，
0 1 2 t‑1
A ,A ,A…A 分别代表每一个决策空间，策略空间Ω和收益函数Φ是一种定义化的说法，是该理论的数学表达；

[0052] 光伏发电的年电量收益 为：

[0053]

[0054] 其中， 为年入网电量收益， 为年自用电收益；

[0055] 年入网电量收益 具体为：

[0056]

[0057] 其中， 为年隔墙交易的电量收益， 为年入网交易的电量收益，Ppv为PPGP的装机容量，Pelec为PPGP所在电网的用户目录电价，ηlocal为隔墙消纳比率；ηgrid为入网交易的比率；ξlocal为PPGP对就地消纳用户隔墙交易的优惠系数，可作为PPGP的决策变量；

[0058] 年自用电收益 具体为：

[0059]

[0060] 其中，ηlocal为隔墙消纳比率；ηgrid为入网交易的比率；Ppv为PPGP的装机容量，Hpv·t为该地区的光伏利用小时数，Pelec为PPGP所在电网的用户目录电价；

[0061] 对光伏发电的项目的静态投资CPPGP为：

[0062]

[0063] 其中，Cc为光伏发电的建设投资，主要与容量有关，Ccarbon为光伏发电项目的年碳成本，cq为q容量下的单位光伏造价成本，q表示的是容量范围， 为q容量范围内拟投建的光伏发电项目的容量，Pcarbon为基准碳价， 为第i生产阶段的碳排放量， 为第i运输阶段的碳排放量， 为第y年的第i回收阶段的碳排放量；

[0064] PPGP参与碳交易的年收入 具体为：

[0065]

[0066] 其中，Pcarbon为基准碳价，klocal为PPGP对碳消费者就地消纳的优惠系数，也作为PPGP的决策变量， 为第j次就地碳交易的合同碳排放量， 为第j次交易的撮合碳价， 为第j次在碳交易所的碳排放量，Etotal为年碳排放总量，Ecom为PPGP减排量总和，当Etotal＞Ecom时，COCE可以选择将碳配额分成两部分，一部分就地与PPGP交易，另一部分可以进入碳交易所进行交易；

[0067] A2、确定COCE最小综合用能成本模型Celeccarbon：

[0068]

[0069] 其中，Celec为COCE的年用电量成本； 为年隔墙交易的电量收益；Ccarbon为COCE的年碳购入成本； 为COCE与PPGP年就地交易的成本； 为第x次进入碳市场的第v单的碳成交价格，相应地， 为此单中的碳交易量； 为第v次在碳交易所的碳排放量； 为COCE在碳交易所进行的年碳交易成本；Pcarbon为基准
碳价；klocal为PPGP对碳消费者就地消纳的优惠系数，也作为PPGP的决策变量； 为第j次就地碳交易的合同碳排放量；m和n分别为整数；

[0070] A3、确定光伏机组运行约束条件，约束条件包括：

[0071] 光伏消纳率约束条件：ηlocal+ηgrid+ηself＝1，其中，ηlocal为隔墙消纳比率；ηgrid为入网交易的比率；ηself为PPGP自发自用的比率；

[0072] 光伏年最大利用小时上下限约束条件：Hpv·t,min≤Hpv·t≤Hpv·t,max，其中，Hpv·t为该地区的光伏利用小时数；

[0073] 单位光伏造价成本上下限约束条件：cq,min{qmin,qmax}≤cq≤cq,max{qmin,qmax}，其中，cq为q容量下的单位光伏造价成本，q表示的是容量范围；

[0074] 在同级别容量的光伏组件存在边际成本，由于生产工艺和生产线的对容量上下限的制约，对应成本同样存在上下限，即光伏容量上下限约束条件： 其中， 为q容量范围内拟投建的光伏发电项目的容量；

[0075] COCE各阶段的碳责任系数约束条件：0＜π1,π2,π3≤1，其中，π1为光伏组件生产的碳责任系数，π2为光伏组件运输中的碳责任系数；π3为光伏组件回收拆解过程的减排分配系数， w为光伏发电全寿命年限，μ为回收光伏组件消耗的年数；各阶段的碳责任系数不能为0或者1，即光伏发电项目的碳排放行为不能免责或者认定全责；

[0076] B、对步骤A所构建的模型进行滚动优化求解，具体为：基于MOEA/D‑DRA算法对步骤A所构建的模型进行滚动求解，并在Pareto面上得到Nash均衡解。

[0077] 以福建省泉州市某镇的1MW分布式光伏发电项目为例，该地区光伏发电典型年利用小时数为1200h，标杆上网电价0.3932元/kw·h，工业用户目录电价0.5954元/kw·h，光伏发电系统典型造价5500元/kw，基准碳价假设为20元/T，隔墙消纳比率取0.5，入网交易的比率取0.3，生产和运输阶段的碳责任系数取0.5，分布式光伏发电寿命为25年，光伏回收阶段碳减排量按1MW容量折算为3.02×105kg，假设光伏组件的运输距离为1000km,生产和运输阶段碳排量共计约2.03×105T，COCE的碳需求大于PPGP的年减排量，COCE的碳需求为1800T，核算过程如下：

[0078] 假设COCE为一家水泥生产商，覆盖范围：熟料生产工段和水泥粉磨工段所产生的二氧化碳排放。分配方法：基准线法。

[0079] 1)福建省碳排放计算公式如下：

[0080]

[0081] 式中， 为该水泥厂的年CO2排放量吨；Bclinker为熟料生产工段CO2排放基准；Qclinker为熟料产量；Bgrind为粉磨工段CO2排放基准；Qcement为水泥产量。

[0082] 2)计算公式参数取值，Bclinker取0.8582T CO2/T熟料，Bgrind取0.0152T CO2/T水泥。某年的该水泥厂生产熟料100万吨，水泥50万吨，则碳配额为0.8658×106T，实际的碳排放量为0.8676×106T，超额量为1.8×103T。

[0083] (2)两者交易模式的经济性对比

[0084] 对两种交易模型的经济性指标对比如表1：

[0085] 表1两者交易模式的经济性对比

[0086]

[0087] 碳交易嵌入电能交易后，PPGP的发电成本下降了5％，静态投资回收的年限提前了一年，电价利润率提高了0.4个百分点，虽然PPGP光伏系统的碳成本增加了其发电的综合成本，但发电过程中进行的碳交易对降低成本起到正向作用，提高了PPGP的参加电力市场和碳市场交易的积极性。

[0088] (3)Pareto‑Nash下的决策

[0089] 根据步骤A的博弈分析，在碳交易背景下以PPGP与COCE第一年参与发电成本分摊博弈为例，采用MOEA/D‑DRA的算法，得到Pareto面及Nash解。图1中对比了传统自发自用和含碳交易的自发自用余量上网的Pareto前沿，f1和f2分别表示PPGP的综合发电成本及COCE的综合用能成本，可以看出这两部分成本之间存在冲突，无法同时减少。虽然含碳交易提高了COCE的综合用能成本上升，但只要其碳超排这部分成本仍然存在，但交易的对象不再是PPGP，而对于PPGP言，碳交易使Pareto前沿收缩，即其发电的综合成本明显下降。

[0090] 图2给出了两种交易模式下决策变量的Pareto解集，每一条直线代表一个Pareto前沿解，可以看到解集具有良好的分布性。再从Pareto解集中找到均衡解。Pareto‑Nash均衡解下的最优决策如下，ξlocal和klocal的取值分别为0.84及0.95，就地碳合同交易量为854.9T，在碳市场的挂单交易量为945.1T。

[0091] (4)发电成本影响分析

[0092] 1)碳价对发电成本的影响

[0093] 图3表现了碳价的波动对不同容量的分布式光伏发电的成本都有影响，碳价越高，发电成本回收的时间越短，其中0.5kW和1MW两类装机容量在碳价的波动范围内发电成本的回收年限大致相同，若要达到相同的回收年限，小容量项目只需在碳价为10元/T即可，5MW容量项目则需碳价达到约30元/T的水平，可见大装机容量分PPGP需要在碳价景气的时候进入碳市场展开交易，对其发电成本的分摊更为有利。大装机容量的PPGP的发电成本分摊上对碳价的依赖会更弱。

[0094] 2)PPGP优惠率对发电成本的影响

[0095] PPGP对COCE在电价和碳价两方面都将进行优惠，优惠力度不足无法吸引COCE参与就地消纳的交易，而优惠率太高则又将导致发电成本的升高，图4给出了两类优惠率对发电成本回收年限的影响,一方面，电价折扣力度越大，投资的成本回收的年限越长，当在5折的电价水平下，成本的回收年限将接近光伏发电的运行寿命(25年)，过多的电价折扣会让PPGP的收益下降，因此PPGP不应给予COCE过低的电价折扣；另一方面，碳价折扣系数是在电价折扣的基础上发挥影响，电价折扣力度最大时，碳价不折扣会延长成本回收的年限，电价折扣力度适中或较小，碳价折扣反而缩短成本回收年限。因此，PPGP在制定折扣策略时要考虑因电价折扣力度过大带来的负面影响。

[0096] 以上所述，仅为本发明的较佳实施例而已，故不能以此限定本发明实施的范围，即依本发明申请专利范围及说明书内容所作的等效变化与修饰，皆应仍属本发明专利涵盖的范围内。