绿色电力交易对电力市场的影响机理及效果

刘利利　冯天天　崔茗莉等

关键词 绿色电力交易；电力市场；影响机理；敏感性分析

中图分类号 TM743 文献标志码 A 文章编号 1002-2104（2024）04-0076-15 DOI：10. 12062/cpre. 20231020

中国政府承诺二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和［1］（以下简称“双碳”目标）。为实现“双碳”目标，中国亟须推动以煤炭为主导的能源结构向以可再生能源为主导的清洁低碳能源结构转型。可再生能源电力作为绿色电力（以下简称绿电），包含电能量价值和环境价值。绿电交易是中国电力市场体制的一大创新，有助于推动能源结构调整，助力实现“双碳”目标。2021年9月中国正式启动绿电交易试点，2022年上半年南方电网和国家电网陆续出台相关规则［2-3］，全国范围内的绿电中长期交易已有规可循；2023年国家发展改革委和国家能源局发布《关于进一步加快电力现货市场建设工作的通知》［4］，推进了电力市场化建设。绿电交易政策和相关规则的出台，推动了中国绿电中长期交易和现货交易市场的融合与发展。随着“双碳”目标的推进、可再生能源电力消纳保障措施的实施和灵活性资源投入力度的加大，新能源电力大规模并网，弃风弃光电量显著减少。中国整体弃风、弃光率从2016年的17. 6%和10. 0%分别下降至2023年6月份的3. 3%和1. 8%［5］。在光伏、风电等设备发电效率日益提升的情况下，清洁能源发电技术逐渐突破效率阈值［6］，绿电市场化程度不断提升，逐渐成为电量供应主体，电力商品价值将逐渐呈现精细化和差异化特性，亟须分析绿电交易市场与电力市场的交互关系，探索绿电交易对电力市场的影响，为促进电源结构转型、建设新型电力系统等提供理论支撑。京津冀地区是中国重要的经济中心和城市群之一，绿电需求旺盛、新能源资源丰富，冀北新能源基地是“十四五”可再生能源发展规划建设的重大陆上新能源基地之一，2023年绿电交易量达193亿kW·h，居全国首位［7］。为促进京津冀地区可再生能源一体化消纳，京津冀地区绿电交易对电力市场影响的研究将为全国范围的电力市场体系建设提供经验和借鉴。因此，本研究以京津冀地区为例，采用非合作博弈模型和系统动力学模型分析绿电交易对电力市场的影响机理及效果，旨在为完善中国电力市场体系、促进能源转型提供理论与现实依据。

1 文献综述

根据已有研究成果，从绿电交易机制建立、绿电交易对电力市场主体行为决策的影响和绿电交易对电力市场影响效果3个方面进行综述。

绿电交易机制建立方面。窦金亮等［8］通过分析中国电力市场改革的机遇和挑战，从加强绿电宣传、建立新能源发电配额制等方面提出绿电市场与电力市场协调发展机制。部分学者借鉴发达国家［9-11］、上海地区［10］、南方区域［12］的绿电交易机制，提出基于可再生能源消纳配额制、绿色证书的绿电市场模式和跨区跨省中长期交易的绿电交易机制。康重庆等［13］分析国内外可再生能源电力参与市场的交易机制，提出绿电参与现货市场和辅助服务市场的建议。史连军等［14］通过分析中国可再生能源发展现状，从统一全国电力市场体系角度建立促进清洁能源消纳的市场机制框架。吴力波等［15］分析了上海市居民购买绿电的意愿，提出中国应发挥需求侧作用，促进绿色能源发展、加快电力市场改革。夏清等［16］分析了中国电力市场存在的问题，提出构建包含清洁能源消纳配额制、跨区跨省输电权市场、电力容量市场等市场机制。Lin等［17］提出设计住宅侧绿电交易机制时，应多考虑居民的自愿选择。徐奇锋等［18］利用区块链技术建立绿电交易双账户机制，发现该机制能够提升绿电交易的灵活度与可信度，并降低电网的补贴压力。

绿电交易对电力市场主体行为决策的影响方面。国内外学者主要从市场主体经济效益、影响因素角度展开研究。其中：①市场主体经济效益方面。部分学者建立可再生能源配额制度（Renewable Portfolio Standard， RPS）下绿电厂商、火电厂商和大用户直购电的博弈优化模型，分析各发电商优化报价策略，结果表明RPS驱动和博弈竞价机制可提升绿电厂商竞争力［19-20］。也有学者通过構建优化模型，分析风力和火力发电组合下发电商的发电策略，结果表明该组合模式能够提高市场主体经济效益［21-22］。其他学者研究风电、光伏和燃气轮机［23］，以及风电、光伏发电和储能［24-26］组合下交易策略，发现多市场下能够提升市场主体收益。Nijsse等［27］指出将储能成本分配给消费者，能够降低绿电发电商整体系统成本，激励绿电参与市场交易。②影响因素方面。Zugno等［28］研究风力发电商参与短期电力市场交易，发现风力发电量预测分布的形状影响发电商出价策略。赵新刚等［29］构建发电厂商策略行为演化博弈模型，分析发现发电商交易策略受配额权重和单位罚金因素影响。部分学者采用两阶段随机规划，研究发现可再生能源供需的相关性和风险规避影响发电和售电计划［30-31］。涂强等［32］通过评估中国可再生能源政策的实施效果，发现可再生能源发电技术影响风电和光伏发电装机的投资成本。也有学者通过构建市场主体决策优化模型，分析发现新能源渗透率影响市场主体效益［33-35］。

绿电交易对电力市场的影响方面。国内外学者主要从电力优化调度、多市场衔接和电源结构优化方面展开研究。①电力优化调度方面。翁振星等［36］提出风电场发电成本模型，并将其引入传统的电力系统动态经济调度模型中，解决风电接入电力系统的经济优化调度问题。部分学者构建Weibull概率密度函数［37］、短期负荷预测模型［38-40］，以及风电和光伏发电预测误差模型［41-48］研究电力系统优化调度。②多市场衔接方面，如省际省内市场［49-50］、绿电交易与现货市场［51-52］，以及风电、光伏发电与储能市场［53］的衔接能够提高新能源消纳能力。③电源结构优化方面。刘国中等［54］基于智能代理的市场仿真方法，求解模型发现可再生能源激励机制促进可再生能源发展，优化电源结构。He等［55］基于产能扩张模型，模拟可再生能源对中国电力系统的影响，结果表明可再生能源成本的快速下降使得风电和光伏发电装机容量增加，到2030年中国62%的电力可能来自非化石能源。Lu等［56］构建成本优化模型，发现绿电项目投资能够满足印度2040年预计80%的电力需求。Duan等［57］基于宏观能量模型，分析1980—2019年42个国家可再生能源发电情况，研究发现风力和光伏发电可以向电力市场提供成本较低的绿电，且能使电力系统减排量达到80%。Gulagi等［58］基于能源系统转型模型，探讨电力行业可再生能源转型路径，结果表明到2050年可再生能源电力发电系统能够使温室气体净排放量为零，并为大约17亿人提供可靠的电力。

综上所述，绿电交易机制仍在逐步完善，关于如何兼顾绿电交易市场与电力市场的交互关系，建立其耦合机制以满足电力消费者需求、促进新能源消纳等成为各市场主体重点关注的问题，目前关于此方面的研究仍有待深化。已有研究多采用博弈理论建立发电主体的最优利润模型，分析市场主体经济效益以及不同影响因素下市场主体的交易策略，为研究绿电交易对电力市场主体行为决策的影响奠定基础。学术界多从电力优化调度、多市场衔接和电源结构优化方面研究绿电交易对电力市场的影响，但较少从“源-网-荷”侧多市场主体共同作用角度，动态仿真分析绿电交易对电力市场电源结构、电价等方面的影响。基于此，本研究的贡献主要为以下三个方面：第一，基于绿电交易机制，分析绿电市场与电力市场的耦合机制，为研究绿电交易对市场主体行为决策和电力市场的影响提供理论基础。第二，构建“源-网-荷”侧市场主体在可再生能源电力消纳责任权重政策约束下非合作博弈模型，从微观层面分析绿电交易对电力市场主体行为决策的影响。第三，构建绿电市场与电力市场耦合的系统动力学模型，设置不考虑外购电力和考虑外购电力两种情景，对比分析电价、在建装机容量、发电量等指标的波动趋势，从宏观层面模拟分析绿电交易对电力市场的影响效果。

2 绿电交易市场与电力市场的耦合机制

2. 1 绿电交易机制分析

绿电产品是指符合国家有关政策要求的风电、光伏等可再生能源发电企业上网电量。市场初期，主要指风电和光伏发电企业上网电量，根据国家有关要求可逐步扩大至符合条件的其他电源上网电量。绿电交易是指以绿电产品为标的物的电力中长期交易，交易电力同时提供国家规定的可再生能源绿色电力证书（以下简称绿证），用以满足发电企业、售电公司、电力用户等市场主体出售、购买绿电产品的需求。其中，绿证是国家对发电企业每兆瓦时可再生能源上网电量颁发的具有唯一代码标识的电子凭证，作为绿电环境价值的唯一凭证。根据北京电力交易中心于2023年8月印发的《北京电力交易中心绿色电力交易实施细则（修订稿）》［59］，绘制绿电交易机制框架图，如图1所示。

自2021年起，新备案的集中式光伏电站、新核准陆上风电等项目不再进行补贴［60］，自2022年起，新增海上风电和光热项目不再纳入中央财政补贴范围［61］。这说明新能源发电已初步具备与火电平价上网的能力，其市场化程度进一步提高。因此，对绿电交易参与电力市场开展研究有助于建立健全新能源电力市场交易机制、实现绿电供需有效对接和发挥市场资源配置作用，对促进能源转型和新型电力系统建设具有重要的现实意义［62］。

2. 2 绿电交易对电力市场的作用分析

研究绿电交易对电力市场的影响，需要厘清绿电市场与电力市场之间的耦合关系。图2展示了绿电市场与电力市场基本交易框架，发电企业包括绿电厂商和传统能源发电厂商，其中绿电厂商包括风电、光伏新能源企业。从时间尺度上将电力市场分为中长期市场和现货市场，绿电以“电证捆绑”的方式参与电力中长期交易。绿电交易鼓励电力用户通过直接交易方式向绿电厂商购买绿电，如无法满足绿电消费需求，电力用户可向电网企业购买其保障收购的绿电产品。同样，电力用户也可以直接在电力市场上购买火电，也可通过电网代购的方式购买火电。在绿电发展的过程中，需要火电提供支持，平衡绿电产生的系统偏差。电网企业负责为参与电力交易的电力用户提供公平的报装、计量、抄表、结算、收费等供电服务，并汇总电力用户需求，购买电力产品，在电力交易平台登记电力用户对电力产品的电量、电价等需求信息。

3 绿电交易对电力市场主体行为决策影响的非合作博弈模型

考虑经济性、清洁性和稳定性，以系统利润最优为目标，以电力市场供需平衡、出力功率、发电成本函数等为约束条件构建电力市场发电企业（包括火电和绿电厂商）、电网企业、电力用户最优利润模型，从微观层面分析绿电交易对电力市场各主体行为决策的影响。针对“源-网-荷”侧最优利润评估过程见图3。

对于“源”侧，对发电主体的固定成本、发电成本进行测算，考虑“双碳”目标约束，测算机组灵活性改造成本、燃料改造成本、弃风弃光成本等指标。明确发电政策收益、上网电价收益和其他售电收益，通过分析成本与收益的关系，计算出京津冀地区发电主体的最优利润，并分析不同绿电占比对发电商最优利润的影响。

对于“网”侧，收集和归纳电网侧在“双碳”目标约束下的成本和收益因素，结合京津冀地区发展需求对成本和收益因素进行精细化处理，根据归纳的输配电、网损等方面的收益和成本指标来测算电网企业的最优利润，并分析不同绿电占比对电网企业最优利润的影响。

对于“荷”侧，归纳整理新型电力系统用户的成本和收益因素，考虑经济发展、环境约束、政策扶持等因素，以用电主体利润最大为目标，测算用户的用电成本和需求响应收益，并分析不同绿电占比对电力用户购电成本的影响。

3. 1 发电企业

4 绿电交易对电力市场影响效果的系统动力学模型

在分析绿电交易对各市场主体效益影响的基础上，进一步探究绿电市场对电力市场的影响。需要说明的是，第3部分根据绿电厂商、火电厂商、电网企业和电力用户在电力市场中的成本和收益函数关系，构建了非合作博弈模型，本部分则基于该模型，借助系统动力学对各市场主体的相互作用关系进一步扩展和延伸。

系统动力学模型是在特定环境下完成的，需要系统界定和假设条件。

系统界定：通过研究绿电市场与电力市场的作用机理，确定该系统动力学模型由绿电厂商子系统和火电厂商子系统构成。

假设条件：电力市场发电商包括火电和绿电厂商，绿电厂商进行风力和光伏发电，火电厂商根据绿电发电占比调整其发电量。

4. 1 因果关系模型

根據绿电市场与电力市场的相互作用关系，构建火电厂商子模块和绿电厂商子模块的因果关系见图4。

4. 2 存量流量模型

在因果关系模型基础上绘制绿电市场与电力市场交互的存量流量模型见图5。图5将绿电厂商、火电厂商、电网企业和电力用户之间的关系可视化，并用不同颜色表示各市场主体，以方便识别非合作博弈模型在系统动力学模型中的应用。例如，图5中绿电厂商的利润空间和销售电价是绿电上网电价的延续，火电厂商的利润空间和销售电价是火电上网电价的延续。通过采用不同符号来表示不同类型变量，不同类型箭头代表不同的函数关系。模型中变量分为四类：状态变量、速率变量、辅助变量和常量。

5 算例分析

5. 1 基础数据和参数设定

本研究以京津冀地区为例，火力发电量、风电和光伏发电量、装机容量等数据来自2022年《中国电力统计年鉴》、国家统计局、国家能源局、中国电力企业联合会等，发电机组的成本系数见表1，发电检修成本标准见表2，系统仿真模型初始值的设定见表3，系统仿真计算流程图见图6。

5. 2 主体行为决策的影响分析

（1）发电厂商和电网企业决策分析。绿电发电比例对发电厂商和电网企业最优利润的影响见图7。整体来看，随着绿电发电比例增加，火电厂商最优利润呈下降趋势，而绿电厂商和电网企业最优利润呈上升趋势。具体来看，受煤电价格上浮带动影响，绿电环境价值不断提高，增加了绿电厂商收益。当绿电占比超过63%时，绿电厂商利润大于火电厂商利润。电网企业收益主要是来源于输配电，其利润随绿电发电比例的增加呈现上升趋势。随着绿电占比增加，电网企业发挥着优化能源资源配置的枢纽平台作用，保障绿电上网的同时，也为电力用户购买绿电提供便捷可行的途径，有效满足用户绿电消费需求，扩大绿电交易规模。

（2）电力用户决策分析。电力用户的购电成本随绿电发电比例变化的趋势见图8，假设电力用户购买绿电的意愿分别为0. 4、0. 5、0. 6。随着绿电发电比例的增加，电力用户不管持何种购买意愿，其购电成本均呈现下降趋势。具体而言，电力用户购买绿电的意愿越强，其购电成本越小。一方面可能是在电网保供能力许可的范围内，实施需求侧管理对消费绿电比例较高的用户优先保障，避免了需求响应收益受损；另一方面，随着绿电装机和发电量的增加，为鼓励更多电力用户消纳绿电以促进碳减排，会降低绿电电价，进而降低电力用户购买绿电成本。

综上所述，随着绿电发电比例上升，绿电厂商和电网企业利润均呈上升趋势，火电厂商利润和电力用户购电成本呈下降趋势。因此，对电源侧而言，绿电通过市场竞争进入电力市场，促进绿电厂商优化电源装机容量，扩大绿电装机比例，提高风电和光伏的利用效率，在绿电发展的过程中火电起到调峰调频作用，以保障电力系统稳定运行。对电网侧而言，绿电交易离不开电网传输。根据供需理论，随着绿电需求和上网电量的增加，电网公司从中获得的输配电收益空间增大。对电力用户而言，绿电交易市场通过市场竞争机制，形成分时用户电价，引导用户高峰时少用电，低谷时多用电，提高供电效率，优化用电方式，从而在完成同样用电功能的情况下提高负荷率，降低供用电成本，达到节约能源和保护环境的长远目标。

5. 3 影响效果的模拟仿真分析

全国绿电交易在2021年启动，因此模型的初始化参数设定以2021年1月为基期，至2030年12月，时间步长为1个月，时间跨度为120个月。考虑到京津冀地区用电需求大于供给时，会通过跨省跨区向外购入电力。因此设置两种情景：情景一是不考虑外购电力，情景二是考虑外购电力。外购电量的大小用总用电量与总发电量之差来表示，模拟两种情景下电价、装机容量、发电量等指标的波动情况。

5. 3. 1 情景一：未考虑外购电力

本部分假设京津冀地区不向外购买电力，仅考虑京津冀内部的电力输送，分析火电和绿电上网电价、在建装机容量和发电量的波动情况。

（1）火电和绿电上网电价变化趋势分析。火电和绿电上网电价变化情况见图9，二者呈先下降后上升趋势。2021年1月—2025年6月绿电上网电价低于火电上网电价，未能体现绿电的环境价值，仍缺乏清晰的绿电权益流转认定和核销机制。随着消纳责任权重增加，电力用户对绿电的需求量增大，根据市场供需决定价格的理论，2025年7月—2027年8月绿电上网电价高于火电上网电价。同时，绿电厂商会加大绿电资本投入，提高绿电装机容量和发电量以满足绿电市场需求。随着绿电供给的增加，在2027年9月—2030年12月呈现绿电上网电价小于火电的趋势，从而吸引更多电力用户购买绿电，自上而下地推动碳减排。

（2）火电和绿电厂商在建装机容量、发电量变化趋势分析。火电和绿电厂商在建装机容量、发电量变化趋势见图10（a）和10（b）。图10（a）显示2021—2030年火电在建装机容量呈现先上升后下降再上升的趋势，绿电在建装机容量一直呈上升趋势。自2022年起，中国全面停止新能源发电补贴，绿电厂商在建装机费用全部由个人承担，使其在建装机增速略微下降，但仍大于火电在建装机增速。火电和绿电厂商发电量受其各自发电装机容量影响，从图10（b）中可以看出火电发电量呈缓慢上升趋势，但小于绿电发电量的上升速度，在2026年1月—2030年12月绿电发电量超过火电发电量。随着“双碳”目标的推进，火力发电占比会逐渐降低。然而，风电和光伏出力具有波动性、不稳定性等特征，需要火电提供辅助服务以保证电力系统稳定运行。

（3）电源结构变化趋势分析。2021—2030年电源结构变化趋势见图11，火电和绿电上网电量呈递增趋势，从2026年10月开始，绿电上网电量高于火电上网电量，且二者上网电量的差距逐渐增大。绿电上网电量占比从2021年的28. 64% 上升到2030 年的63. 44%。由此可见，“双碳”背景下电源结构正在不断变化，全社会用能增量将主要由绿电承担，火电的角色定位由基核电源加速向调峰电源转变。随着京津冀地区绿电市场机制逐步优化完善，各类示范性绿电交易陆续开展，拓宽了京津冀地區电力用户购买绿电的渠道，能够满足企业清洁用能需求，促进京津冀地区绿电与火电协同发展、能源清洁低碳转型。

5. 3. 2 情景二：考虑外购电力

本部分考虑京津冀地区通过跨省跨区向外购买电力，进一步分析考虑外购电力情景下火电和绿电上网电价、在建装机容量和发电量的变动情况。

（1）火电和绿电上网电价变化趋势分析。火电和绿电上网电价的变化情况见图12，二者变化趋势与不考虑外购电力情景相比，具有明显差异。具体来看，在2021年1月—2024年2月，火电上网电价高于绿电上网电价，二者的电价差距范围在0～0. 045元（/ kW·h）；2024年3月—2030年12月，绿电上网电价超过火电上网电价，且二者的电价差距逐渐增加。但与情景一相比，2021—2030年火电和绿电上网电价均下降，火电上网电价下降幅度大于绿电，且二者下降幅度的差距逐渐增大。一方面，跨省区输配电成本高，提高了外购电力价格，为降低用户购电成本，京津冀地区会降低绿电和火电上网电价来平衡用户外购电需求；另一方面，京津冀地区在清洁低碳、安全高效的能源结构转型过程中，外购电力以绿电为主，降低了火电需求，使得火电上网电价下降的幅度更大。

（2）火电、绿电厂商在建装机容量和发电量变化趋势分析。火电和绿电厂商在建装机容量和发电量变化情况分别见图13（a）和13（b）。整体来看，火电和绿电厂商在建装机容量、发电量的变化趋势与不考虑外购电力情景的变化趋势较为一致。与情景一相比，火电和绿电的在建装机容量、发电量的变动情况呈先上升后下降，在后期火电下降的幅度大于绿电。具体来看，2021年1月—2023年5月，火电在建装机容量变动情况呈先上升后下降且为正值，2023年6月—2030年12月其变动情况降为负值，说明从此时开始引入外购电力，对本地火电在建装机容量产生消极影响；2021年1月—2025年4月火力发电量变动情况呈先上升后下降趋势且为正值，2025年5月开始其变动情况降为负值，说明从此时开始引入外购电力，对本地火电发电量产生消极影响。2021年1月—2025年7月，绿电在建装机容量变动情况呈先上升后下降趋势，2025年8月—2030年12月其变动情况降为负值；2021年1月—2029年4月，绿电发电量变动情况呈先上升后下降趋势，2029年5月—2030年12月其变动情况降为负值，但其负值相对较小，对本地绿电发电量的负面影响较弱。

考虑外购电力情景下，2025年10月以后绿电发电量超过火力发电量，不考虑外购电力情景下，2026年以后绿电发电量超过火力发电量。引入外购电力，火电在建装机容量和发电量的下降幅度大于绿电，使得绿电发电量提前两个月超过火力发电量。究其原因可知，与情景一相比，引入外购电力之后，火力发电量变动情况降为负的时间比绿电早了将近4年时间，2024年5月—2030年12月引入外购电力给火电带来负面影响，本地火电需求降低，进而缩减火力发电规模，降低火电利用小时数，火力发电商利润空间减少，使得火电在建装机容量降低；火力发电量除受其在建装机容量影响，还受辅助服务影响，因提供辅助服务的火力发电量减少，导致火力发电量下降。

（3）外购电力的敏感性分析。假设设定2021—2030年外购电力的年均增长率分别为-10%、-5%、0、5%、10%，进行外购电力的敏感度分析，具体分析外购电力的变化对绿电和火电上网电价、在建装机容量、发电量的影响，结果见图14。

当外购电力的年均增长率为负时，即减少外购电力，火电在建装机容量（红色线）、火电发电量（橙色线）和火电上网价格（紫色线）的敏感度系数为负，外购电力负增长率越靠近0时，其敏感度系数的绝对值越小，可见外购电力对京津冀地区火电产生负面影响，但减少外购电力，其对火电的负面影响会减弱。外购电力减少，京津冀将增加本地区的发电量以满足用电需求。由于风电、光伏发电存在间歇性、波动性等特征，火力发电商会增加火电利用小时数以保证电力系统稳定运行。绿电在建装机容量（黑色线）的敏感度系数为负，但其值几乎接近于0，天津、河北地区拥有丰富的风电、太阳能资源，绿电发电潜力较大，受外购电力的影响较弱。而绿电发电量（蓝色线）的敏感系数为正，绿电上网价格（绿色线）的敏感系数为负，可见减少外购电力会增加京津冀地区的绿电发电量，降低绿电上网价格，进而促进京津冀地区绿电发展。具体分析，当外购电力的负增长率为5%～10%时，火电和绿电在建装机容量、发电量和上网价格的敏感度系数绝对值平稳降低，其中绿电在建装机容量和发电量的敏感度系数接近于0，绿电上网价格的敏感度系数保持不变，说明外购电力负增长率越大，绿电和火电受到的影响越弱。

当外购电力的年均增长率为正时，即增加外购电力，火电在建装机容量、发电量和上网电价的敏感度系数为负，且即随着外购电力的增加，敏感度系数的绝对值越大，再次说明了外购电力对火电产生消极影响，与已有研究结论相符［6］。绿电在建装机容量、绿電发电量的敏感度系数为正，可知增加外购电力促进绿电发展，可能的原因是京津冀地区不断放开新能源市场，充分利用自身的可再生能源资源，为更多电力用户提供绿电需求；绿电上网价格的敏感度系数依然为负，说明增加外购电力，绿电价格降低，并引致电力用户购电成本下降，从而促进绿电消纳，这一结果与已有研究结论保持一致［6］。具体分析，当外购电力增长率为0～5%时，绿电上网价格、在建装机容量和发电量的敏感度系数表现平稳，火电上网价格和在建装机容量的敏感度系数绝对值上升幅度较大，而火电发电量的敏感度系数表现平稳。增加外购电力会缩小京津冀火电装机规模，以实现碳排放“双控”目标。当外购电力增长率为5%～10%时，绿电上网价格、在建装机容量和发电量的敏感度系数表现平稳，火电发电量的敏感度系数表现平稳；与外购电力增长率为0～5%相比，火电上网价格和在建装机容量的敏感度系数绝对值上升幅度变缓，说明增加外购电力依然会抑制火电发展，但抑制作用会减弱，可能的原因是在“双碳”目标下，外购电力会激发火电发电商发电结构转型升级。

6 结论与政策建议

充分考虑绿电交易市场与电力市场的耦合机制，探究绿电交易对电力市场的影响对新型电力系统建设具有重要的实际意义。在分析绿电交易机制、绿电市场与电力市场耦合机制的基础上，构建非合作博弈模型，以京津冀地区为例，分析“源-网-荷”侧市场主体行为决策，并设置不考虑和考虑外购电力两种情景，借助系统动力学模型仿真分析2021—2030年绿色电力交易对电力市场的影响效果和外购电力对绿电和火电发展的影响，通过算例分析，得出以下结论。

（1）绿电发电占比影响市场主体的行为决策。随着绿电发电占比增加，火电厂商利润降低而绿电厂商利润增加，当绿电占比超过63%时，绿电厂商利润大于火电厂商利润；电网收益主要来自输配电，当绿电供需增加时，电网利润增加；电力用户购买绿电意愿越大，其购电成本则越小，在一定程度上激励电力用户优先消纳绿電。

（2）不考虑外购电力情景下，绿电和火电上网电价呈先下降后上升趋势，且在2021年1月—2025年6月绿电上网电价小于火电上网电价。随着绿电需求增加，在2025年7月—2027年8月绿电上网电价呈上升趋势且高于火电上网电价，而在2027年9月—2030年12月绿电上网电价小于火电。绿电在建装机容量不断增加，由于火电在辅助服务方面发挥重要作用，火电在建装机容量呈现先下降后上升趋势，但上升幅度小于绿电。2026年10月—2030年12月绿电上网电量超过火电上网电量，且二者上网电量的差距逐渐拉大，2030年绿电上网电量占比预计达到63. 44%。

（3）考虑外购电力情景下，引入外购电力降低当地绿电和火电的上网电价。在2021年1月—2024年4月，引入外购电力给火电发电量带来积极影响，火力发电量增加，而2024年5月—2030年12月火力发电量出现下降。2021年1月—2029年4月，引入外购电力给绿电发电量带来积极影响，绿电发电量增加，而2029年5月—2030年12月绿电发电量略微下降。通过对外购电力敏感性分析发现增加外购电力，对火电的抑制作用减弱，同时会促进绿电发展，绿电厂商通过采取增加绿电装机容量、降低绿电价格等措施增强本地绿电市场竞争力。

本研究构建的“源-网-荷”侧非合作博弈模型，以及嵌入博弈模型的绿电市场与电力市场耦合的系统动力学模型具有创新性，为后续相关研究提供理论参考价值。研究绿电交易对电力市场的影响有助于协调中国绿电市场与电力市场发展、加快电源结构转型、保障电力系统安全稳定运行，具有实践价值。构建新型电力系统是一项复杂系统工程，需要加强电力系统全环节、多要素的统筹协调。结合本研究结论，可从火电和绿电厂商的角色定位、火电价格制定方式和全国统一电力市场建设加以优化。因此，结合“双碳”目标，提出绿电交易参与电力市场协调发展的政策建议如下。

（1）加快电源结构转型，促进绿电和火电在电力市场中的角色转变。在促进新型电力系统建设进程中，电源结构逐步调整，可再生能源发电量不断增加。为弥补可再生能源发电的波动性、随机性和间歇性等缺陷，保障电网安全稳定运行和可靠供电，火力发电商从向电力用户提供电能量逐步转变为向电力系统提供灵活性电力资源。因此，结合本研究结果，建议绿电和火电厂商重新定位各自在电力市场中的功能，火电厂商根据绿电在建装机容量、发电量的变化趋势，利用其自身存量装机容量高的优势，开展调峰辅助服务工作，以更好地为电力用户提供电力保障，提高电力系统运行效率，适应中国低碳转型新趋势。

（2）调整火电定价模式，促进电力价值多维化。当电力系统中绿电占比较高时，常规火电机组需要进行深度调峰，以满足系统功率实时平衡，这样不利于火电机组的安全经济运行。因此，建议火电采取“容量电价+电量电价”两部制动态电价制定措施，即根据电力供需情况、深度调峰损失程度等，动态调整容量电价，以弥补火电机组深调成本。这也与本研究结果一致，即在电力市场发展后期，火电上网价格高于绿电上网价格。一方面，能够充分体现火电的电能量价值、调节性价值等，提高火电提供辅助服务的积极性；另一方面，绿电价格也在逐渐上升，能够在电力市场中充分体现电能量价值和环境价值，实现电力价值的多维化。

（3）推动跨省跨区绿电交易，加快构建全国统一电力市场。受可再生能源消纳责任权重影响，部分送端地区存在“惜电”现象，一定程度上阻碍了跨省跨区绿电交易发展步伐。根据本研究结果可知，外购电力能够降低本地绿电上网电价，进而降低电力用户销售电价；同时火电上网电价也会下降，为绿电提供辅助服务的成本降低，从而促进本地绿电交易市场发展。因此，建议合理制定各地区的可再生能源消纳责任权重，同时建议各地将年度可再生能源消纳责任权重分解到月或日，安排好本地可再生能源消纳目标和外送绿电占比；建议可再生能源富集地区在满足自身消纳权重的基础上加大新能源跨省跨区外送力度，通过合理制定绿电外送价格、发挥电网调配作用以推动电力系统向源荷互动转变，从而增强跨省跨区绿电交易市场的活跃度以促进绿电消纳，助力全国统一电力市场建设。

（责任编辑：王爱萍）