能源与电力是国家的生命线与活力源,为经济的发展提供不竭动力。随着新能源电力系统不断推进,可再生能源的发电装机容量在系统中占比日益增加,燃煤发电机组调峰形势日益严峻。新常态下,频繁、深度调峰对燃煤机组发电效益提出了严峻挑战。自2016年起,各个地区相继出台试行电力辅助服务运营规则,对参与调峰的机组给予一定的鼓励与补偿。现有的调峰补偿机制多为划定统一的电厂补偿界限,也少有考虑环境因素。为了使火电厂能够获得公平的调峰补偿金额,提高其参与区域调峰的积极性,对环境保护给予一定重视以及为了探究火电机组参与调峰的经济性,以应对调峰带来的不利影响。本文分析了当前的火电机组调峰补偿现状以及深度调峰经济性现状,通过建立兼顾火电机组经济性与环保性的模型,得出了更为合理的调峰补偿界限。建立比较矩阵并通过模糊处理,提出环保补偿系数的概念,完善了现有的调峰补偿机制。提出实时度电成本模型,建立了机组效益测算与调峰补偿报价预测模型。通过使用滑动窗口与BP神经网络等数据挖掘方法,对案例机组实时度电成本进行了预测分析,并最终求得不同效益下可申报的补偿报价,为机组调峰策略提供数据参考。研究结果表明:改进后的调峰补偿模型以收支平衡点为划分界限,提高了补偿电量进而提高了补偿金额,能够提高火电机组参与调峰的积极性。通过引入环保补偿系数,以机组的排放情况修正补偿金额,也是其对环境保护给予足够的重视。对电厂实时成本的预测分析表明将大数据技术应用于电厂实际是可行的、有效的。对间接空冷机组而言,环境温度、环境风速与机组负荷同时影响着机组的实时成本预测结果;随着环境温度的降低,尤其0℃以下,度电成本会出现再次升高的趋势;而环境风速会增加机组发电成本,但是随着风速的增加,存在一个经济性最差的临界点。成本的预测能够得出不同环境参数下的补偿报价,为机组的调峰策略提供数据支持。