摘要

分析了電力市場環境下園區參與市場的互動行為,考慮園區參與日前市場和實時平衡市場,使用場景描述分布式電源出力的不確定性,并建立基于隨機規劃的日前市場和實時市場聯合出清模型,以及園區參與該市場的雙層優化模型。通過最優性條件將雙層模型轉換為單層混合整數線性規劃問題求解,并通過算例仿真分析了園區的最優報價策略和運行優化。結果表明,在提出的市場機制下,園區的最優報價能夠實現自身的運行優化,并實現需求側對電價響應,提升園區的經濟性,增強可再生能源的消納能力。

0 引言

隨著傳統一次能源的消耗以及對環保問題的日益重視,風力發電、光伏發電等可再生能源得到了快速的發展[1],由于可再生能源的間歇性和波動性,其發電出力具有較強的不確定性,在給供電系統帶來了更多選擇的同時,也對電力系統運行和調度提出了新的挑戰。園區作為一種多能互補、負荷集中、用能形式多樣[2]的新型能源生產與消費體系,有利于可再生能源的消納和需求側的整合,得到了廣泛關注。目前對園區的研究主要包括園區的運行優化、園區供電系統的容量優化配置、能源的多能互補以及負荷側的需求響應等方面,文獻[2]分析了園區供電系統規劃中分布式電源和儲能容量的優化配置,并討論了需求響應對方案的影響。文獻[3]基于魯棒后悔度,分析了光儲微網系統的優化調度。文獻[4]考慮電動汽車的參與,綜合考慮分布式電源的運行特性,優化出使得綜合成本最小的不確定集。文獻[5]在計及需求響應的情況下,對園區微網的資源進行優化配置。文獻[6]討論了含有風電、光伏、微型燃氣輪機的系統,考慮用戶室內溫度需求的條件下,得出了分布式電源的調度策略,并用樓宇熱負荷來平抑分布式電源的波動性。文獻[7]考慮微網參與日前市場和實時市場,分析了微網的最優報價策略。

同時,隨著售電側改革的深化,以園區為主體,通過園區售電商整合需求側資源參與電力市場成為可能,園區中包含的可再生能源發電具有出力不確定性,這種不確定性給電力市場的運營帶來挑戰,為此,應有適當的電力市場的運行機制來應對園區的參與。文獻[8-9]提出了基于隨機規劃的主能量和備用定價方法,探討了考慮不確定性的情況下市場的出清和價格的制定。文獻[10]提出了一種電力聯營市場的日前出清模型,探討了在含風電的情況下電力市場的出清機制,利用場景和概率描述不確定性并推導出出清規則。文獻[11-12]基于隨機規劃,建立了考慮電網的安全約束的出清模型。文

獻[13]研究了含風電的電力市場環境下,大用戶的最優策略行為,對用戶側參與含風電的電力市場進行了分析。文獻[14]運用博弈論,分析了在高比例風電滲透的情況下,電力市場的參與者的最優決策行為。

此前研究多側重于園區本身建設規劃和運行優化,對園區在市場環境下的運行優化以及與主網的互動行為較少涉及。多數文獻將園區等主體視作價格接受者,對園區參與電力市場行為的主動性分析不足。因此,本文提出一個由日前市場和實時平衡市場組成的二階段市場出清模型,并考慮園區通過園區售電商參與此電力市場的運行優化和最優報價策略,以此來更清晰地表明園區主體和市場的相互作用,分析報價對市場、對園區自身的影響?；陔S機規劃,建立雙層優化模型,并通過算例分析了該模型的經濟性和對可再生能源消納的作用。

1 電力市場結構和出清流程

園區售電商參與日前電力市場和實時平衡市場。具體流程為：園區向獨立系統運營商 (independent system operator,ISO)申報未來24 h的負荷報價信息。在日前市場,ISO根據園區以及其他負荷的報價、機組參數等信息,以社會成本最小作為目標函數進行出清,得到每個節點的邊際價格作為日前市場電價;在實時市場,由于可再生能源的出力不確定性,園區中的實際凈負荷會與日前計劃值有所偏差,園區根據其運行的經濟性和調整能力,決策自行處理這種偏差,或者在參與實時市場處理這種偏差,ISO根據園區報價和備用情況參數等信息,進行實時市場出清,并得到實時市場電價。

2 模型建立

考慮園區的用戶效用最大化,園區售電商根據市場出清規則,預測市場的出清電價,計算相應電價下自身的效用值,并以此來優化自身的報價行為,從而得到最優的報價策略。由此建立雙層優化模型,上層為園區的效用最大化,下層為市場出清。市場出清流程見圖1。

圖1 市場出清流程Fig. 1 Market clearing progress

2.1 園區模型

假設該園區含有可控負荷,可控分布式電源(DG),風力發電、光伏發電以及儲能設備,參數見附錄B,使用可再生能源發電的場景及其概率來描述出力的不確定性,假設可再生能源發電場景滿足期望為μμ,標準差為0.2μ0.2μ的正態分布。

目標函數為

2.2 市場出清模型

目標函數為

第一項為發電機組的成本,第二項為園區內用戶的效用值,第三項為其他負荷的效用值。市場出清的目標函數為最小化社會成本[15],社會成本表示為運行需要支出的成本減去獲得的效用值。文獻[8]證明,二階段的隨機規劃模型可以用單個目標函數表出,因此式(14)為日前市場和實時平衡市場聯合出清的目標函數。

市場出清滿足的約束條件及其對偶變量如下。

2.3 雙層模型的線性化處理

將下層的市場出清問題用其KKT(Karush-Kuhn-Tucker conditions)最優性條件表示,可將下層優化問題轉換為約束條件,同時使用互補松弛條件和強對偶條件將上層問題依賴的下層變量表示出來,從而使雙層問題變為單層的混合整數線性規劃(mixed-integer linear programming,MILP)問題求解。

下層問題KKT條件為

3 算例分析

本文使用IEEE-RTS 24節點系統為基礎并做適當調整。設置其18號節點為園區,該園區中最大負荷為360 kW,其中10%為可控負荷,可作為備用調整;為保證負荷供應的可靠性,園區中配置容量為300 kW的可控DG;風力發電的裝機容量為300 kW,光伏發電的裝機容量為100 kW;儲能裝置的容量為200 kW·h,最大的充放電功率為50 kW;負荷和可再生能源參數及電網其余負荷和發電側機組數據見附錄B。本文算例使用Matlab建模并使用cplex的MILP求解器進行求解。在相對誤差限設置為0.1%的情況下,各個算例的平均計算時間為36.1 s,可以滿足日前市場和實時市場出清計算的實時要求。

3.1 園區可再生能源發電量較高時的運行優化和報價策略

當可再生能源出力較高時,園區的發電容量余裕,此時園區可將多余的發電量向主網返送以獲得更好的效益,此時可再生能源發電情況見表B3,對上述模型進行求解,得到園區24 h的運行優化如圖2所示。

圖2 園區運行優化結果(1)Fig. 2 Optimal result of industrial park(1)

從圖2可以看出,在凌晨0時到7時,系統負荷較小,此時預測的出清電價較低,而風力發電出力較大,因此,在這個時段,園區的可控DG不出力,而主要通過風力發電和從主網購電滿足負荷需求,同時,儲能裝置充電。

在7時到10時、13時到19時,此時屬于平時段,系統負荷增加,此時風力發電出力有所減少,而光伏發電開始出力,但可再生能源出力總體仍有下降。在電價水平提高的情況下,從主網購電已不經濟,為了減少從主網的購電量,園區降低報價,減少出清的負荷量。而向主網返送電則有良好的經濟性, 因此,在該時段,園區的DG出力作為主要供能單元,同時,多余電量向主網返送以獲得更好的經濟效益。

在11時到12時,20時到21時,此時系統負荷達到峰值,出清電價最高,園區的報價也相應提高。此時,園區的可控DG出力進一步增加,以滿足負荷需求,儲能裝置在該時段放電。在12時,負荷達到峰值而可再生能源發電出力最低,園區需要從主網少量購電以補足負荷缺額,在20時到21時,風力發電出力有所增加,此時園區向主網返送電以獲得更好的經濟效益,也起到為主網調峰的作用。

園區與主網的互動是通過報價實現的,園區根據系統的信息、市場出清的規則和自身的運行情況,預測市場出清的結果,根據自身與主網交互的需求,優化自身的報價行為。

從主網ISO的角度看來,園區對外表現為一個受控的負荷或電源,ISO無需了解園區的底層細節,只需按照市場出清的規則,根據園區的報價,按照最優化社會成本的方式進行出清。以社會成本的觀點分析,園區的報價實際上相當于其作為負荷時的用電效用或作為電源時的發電成本。

求解的最優報價策略和相應的園區與主網的互動情況如圖3所示。

圖3 園區的最優報價(1)Fig. 3 Optimal bidding of industrial park(1)

從圖3可以看出,在谷時段,由于電價較低,此時園區從主網購電,相當于負荷,為了能夠在市場出清時出清得到相應的電量,園區的報價至少要相當于此時系統邊際發電機的成本,也即此時系統的邊際價格,該價格即為出清電價,因此該時段園區的報價值等于出清電價。

在平時段,出清電價提高,此時園區向主網返送電具有更好的經濟效益,相當于電源,為了保證市場出清時能夠將自身作為電源調用,園區的報價值應小于等于此時系統邊際發電機的成本,在平時段,園區發電能力余量較大,因此能夠以最大聯絡線功率向外送電,為了保證這部分電量能全部出清送出,園區采取了最穩妥的報價即報價的下限。

在第一個峰時段,由于自身發電缺額,園區需要從主網購電,相當于負荷,因此此時報價值等于日前出清價格,保證獲得所需電量。在第二個峰時段,此時風力發電增大,發電能力又有余量,因此相當于電源,但由于自身負荷需求也在峰值,因此不能以最大聯絡線功率向外送電,因此此時不需要采取一個低報價來保證自身的外送電被優先出清,因此此時園區報價仍等于邊際機組的成本即出清價格。

3.2 園區可再生能源發電量較低時的運行優化和報價策略

由于可再生能源發電出力依賴于風、光等一次能源,當氣候條件受限時,可再生能源的出力水平較低,此時可再生能源發電情況見表B4,園區主要通過調用自身可控DG來滿足負荷需求,并將缺額部分從市場購電補足,求解模型,得到運行優化結果見圖4。

圖4 園區運行優化結果(2)Fig. 4 Optimal result of industrial park(2)

從圖4可以看到,由于可再生能源發電出力的減小,此時園區的主要電力來源變為可控DG以及從主網購電,在谷時段,由于出清電價較低,從主網購電較為經濟,此時DG不出力,園區以從主網購電滿足負荷需求,同時儲能裝置充電,這起到了谷時段填谷的作用。

在平時段,隨著主網整體負荷的增大,出清電價也增加,而園區負荷也在增加,因此此時除了從主網購電滿足負荷需求外,可控DG也增加出力,補足發電量缺額。

在峰時段,電價較高,此時從主網購電成本較高,因此園區主要通過DG發電和儲能裝置放電供應負荷,而只從主網購電補足缺額,雖然此時園區負荷達到峰值,但與主網的交互功率反而下降,在峰時段起到了削峰的作用。

該算例中園區的報價策略如圖5所示。

圖5 園區的最優報價(2)Fig. 5 Optimal bidding of industrial park(2)

從圖5可知,可再生能源出力較低的情形下,園區需要從主網購電供應負荷,對外表現為負荷,為了能在市場上出清負荷,園區報價應大于或等于系統的邊際成本即出清電價。

在谷時段,由于電價較低,園區從主網購電,此時由于缺額不大,園區以系統的邊際價格報價。

在平時段,園區需要主網以最大聯絡線功率供電,因此為了保證能夠出清足夠的負荷,園區報價選擇最為穩妥的高于系統邊際價格的報價方式。

在峰時段,此時園區主要以可控DG供電,僅從市場上補足缺額,因此此時報價也為系統的邊際價格。

上述分析表明,在園區的最優報價決策下,園區的能夠優化自身的運行,實現自身所調度的多源互補,并與市場的價格信號響應,通過調度自身的可控負荷和可控DG,在追求效益最優的同時,實現削峰填谷,有利于主網的運行和經濟性。

3.3 園區最優報價的效益

下面比較園區最優報價和以邊際效用報價的優化結果,說明園區最優報價帶來的效益。

圖6為以園區負荷邊際效用報價時的優化結果。

圖6 園區邊際報價優化結果Fig. 6 Optimal result of industrial park marginal bidding

當以邊際效用報價時,由于園區負荷的邊際效用較高,因此報價較高,ISO始終將園區當作負荷處理并以聯絡線最大功率供給電力,在此情況下,園區自身的優化運行只能在接受主網供給的情況下進行,其優化結果見表1。

表1 園區最優報價和邊際效用報價Tab. 1 Industrial park optimal and marginal bidding

從表1可知,在以邊際效用報價時,園區在市場上始終作為負荷出清,因此自身的運行優化受到限制,結果表明,與最優報價時相比,園區的可控DG出力大幅減小,由5 978.02 kW·h下降為977.95 kW·h,這是由于大部分電力由主網供給,同時,可再生能源發電的消納能力也大幅下降,最優報價的情況下,可再生能源發電能夠得到完全消納,而以邊際效用報價時,24 h的棄風、棄光量達到了1 235.00 kW·h。

由于自身的優化運行受到限制,在以邊際效用報價的情況下,園區的經濟性也受到影響,相比最優報價時,園區的總效用由1 572.33 USD下降為1 355.24 USD。

上述分析表明,園區通過報價來實現自身與主網的互動,在園區最優報價的情況下,可以更好的實現自身的運行優化,增強可再生能源的消納能力,并具有更好的經濟性。

3.4 園區參與實時市場的作用

在本文的二階段市場模型中,園區參與日前市場和實時平衡市場,本節比較園區參與實時市場和不參與實時市場的優化結果,說明該市場機制對園區運行的影響。園區參與實時市場的優化結果見表2。

表2 園區參與實時市場的優化結果Tab. 2 Optimal result of industrial park real time market

從表2數據可以分析,在參與實時平衡市場的情況下,園區有更大的調整裕度來出力可再生能源發電的波動性,因而將更多可再生能源發電電量在實時進行消納,而不參與實時市場時,在日前計劃時就偏向保守,將更多可再生能源發電量列入日前計劃。同時,參與實時市場可以更多的消納可再生能源發電的發電量,不參與實時市場時,可再生能源發電的消納量由3 671.25 kW·h下降為3 666.26 kW·h。

從可控DG出力的角度分析,由于不參與實時市場,因此總的可再生能源發電利用量減少,同時需要DG更多的調整來應對出力的不確定性,因此可控DG的出力較參與實時市場更大。

參與實時市場對園區來說具有更好的經濟性,因為此時園區具有更多的選擇,對于出力的波動,園區可以根據需要花費的支出來決策是調用自身備用資源處理出力偏差還是通過實時市場處理偏差,數據表明,參與實時市場的園區效用為1572.33 USD,大于不參與實時市場時的1 568.02 USD。

上述分析表明,園區參與實時市場有利于更好的消納可再生能源的發電量,并且具有更好的經濟性。

4 結論

本文建立了日前市場和實時平衡市場的二階段電力市場出清模型,并建立了園區參與此市場的雙層優化模型,通過最優性條件對雙層模型進行處理,將其轉換成單層模型的MILP問題求解,并通過算例仿真分析了園區的最優報價策略和運行優化,主要結論如下：

1)在園區最優報價決策下,園區能夠實現對市場價格的響應,優化自身運行,充分利用需求側資源,實現削峰填谷,實現與主網的友好互動。

2)園區通過報價實現與主網的互動,在最優報價的情況下,園區能夠最大限度的優化自身運行,提高經濟性,并增強可再生能源消納能力。

3)園區參與實時平衡市場有助于增強園區應對可再生能源發電波動的能力,提高可再生能源消納能力,提升經濟效益。

附錄A

互補松弛條件：

附錄B

參考文獻

[1]江澤民.對中國能源問題的思考[J].上海交通大學學報,2008,42(3):345-359.JiangZemin.Reflections on energy issues in China[J].Journal of Shanghai Jiaotong University,2008,42(3):345-359(in Chinese).

[2]吳鳴,任學婧,周丹,等.新電改背景下產業園區供電系統容量優化配置方法[J].電力系統自動化,2017,41(1):3-18.WuMing,RenXueqian,ZhouDan,et al.Optimal allocation method for capacity of power supply system in industrial park under new electricity market reform[J].Automation of Electric Power Systems,2017,41(1):3-18(in Chinese).

[3]王剛,孫文健,李歧強,等.基于魯棒后悔度的光儲微網優化調度[J].電網技術,2017,41(1):106-111.WangGang,SunWenjian,LiQiqiang,et al.Robust regret optimal scheduling of microgrid with PV and battery[J].Power System Technology,2017,41(1):106-111(in Chinese).

[4]梁子鵬,陳皓勇,王勇超,等.含電動汽車的微網魯棒經濟調度[J].電網技術,2017,41(8):2647-2656.LiangZipeng,ChenHaoyong,WangYongchao,et al.Robust economic dispatch of microgrids containing electric vehicles[J].Power System Technology,2017,41(8):2647-2656(in Chinese).

[5]朱蘭,嚴正,楊秀,等.計及需求側響應的微網綜合資源規劃方法[J].中國電機工程學報,2014,34(16):2621-2628.ZhuLan,YanZheng,YangXiu,et al.Integrated resources planning in microgrid based on modeling demand response[J].Proceedings of the CSEE,2014,34(16):2621-2628(in Chinese).

[6]Nguyen DT,Le LB.Optimal bidding strategy for microgrids considering renewable energy and building thermal dynamics[J].IEEE Transactions on Smart Grid,2014,5(4):165-180.

[7]LiuG,XuY,TomsovicK.Bidding strategy for microgrid in day-ahead market based on hybrid stochastic/robust optimization[J].IEEE Transactions on Smart Grid,2016,7(1):227-237.

[8]WongS,Fuller JD.Pricing energy and reserves using stochastic optimization in an alternative electricity market[J].IEEE Transactions on Power Systems,2007,22(2):631-638.

[9]Arroyo JM,Galiana FD.Energy and reserve pricing in security and network-constrained electricity markets[J].IEEE Transactions on Power Systems,2005,20(2):634-643.

[10]邵成成,王錫凡,王秀麗,等.考慮風電的電力聯營市場日前出清模型[J].電力系統自動化,2014,38(13):45-50.ShaoChengcheng,WangXifan,WangXiuli,et al.An electricity market clearing model for day-ahead pool market considering wind power[J].Automation of Electric Power Systems,2014,38(13):45-50(in Chinese).

[11]BouffardF,Galiana FD,Conejo AJ.Market-clearing with stochastic security-part I: formulation[J].IEEE Transactions on Power Systems,2005,20(4):1818-1826.

[12]BouffardF,Galiana FD,Conejo AJ.Market-clearing with stochastic security-part II: case studies[J].IEEE Transactions on Power System,2005,20(4):1827-1835.

[13]DaraeepourA,Kazempour SJ,Patiño-EcheverriD,et al.Strategic demand-side response to wind power integration[J].IEEE Transactions on Power Systems,2016,31(5):3495-3505.

[14]DaiT,QiaoW.Finding equilibria in the pool-based electricity market with strategic wind power producers and network constraints[J].IEEE Transactions on Power Systems,2017,32(1):389-399.

[15]Schweppe FC,Caramanis MC,Tabors RD,et al.Spot pricing of electricity[M].Springer US,1988:162-388.

[16]Wood AJ,Wollenberg BF.Power generation, operation, and control[M].J. Wiley & Sons,1996:689-742.

[17]Fortuny-AmatJ,McCarl B.A representation and economic interpretation of a two-level programming problem[J].The Journal of the Operational Research Society,1981,32(9):783-792.

甘宇翔1, 蔣傳文1, 白宏坤2, 王江波2, 楊萌2

1.電力傳輸與功率變換控制教育部重點實驗室(上海交通大學 電氣工程系),上海市 閔行區 200240

2.國網河南省電力公司經濟技術研究院,河南省 鄭州市 450000

甘宇翔(1993),男,碩士研究生,主要研究方向為可再生能源發電、電力市場,E-mail：w12379564@sjtu.edu.cn;

蔣傳文(1966),男,通信作者,教授,博士生導師,主要研究方向為電力市場、主動配電網,E-mail：jiangcw@sjtu.edu.cn;

白宏坤(1971),女,博士,主要研究方向為能源電力經濟、電網規劃,E-mail：baihongkun @ha.sgcc.com.cn;

王江波(1985),男,碩士,主要研究方向為能源電力經濟、電網規劃,E-mail：wangjiangbo@ha.sgcc.com.cn;

楊萌(1988),男,碩士,主要研究方向為能源電力經濟、電網規劃,E-mail：angmeng7@ha.sgcc.com.cn。