獨立微網電能市場區間報價報量交互式交易優化

程諾, 張振宇, 趙婉婷, 江岳文

(1. 福建省電力有限公司經濟技術研究院, 福建 福州 350012; 2. 福建省電力有限公司電力科學研究院, 福建 福州 350007; 3. 國網福建省電力有限公司超高壓分公司, 福建 福州 350013; 4. 福州大學電氣工程與自動化學院, 福建 福州 350108)

0 引言

微網作為分布式可再生能源的重要載體, 在能源轉型進程上具有很大優勢. 因此, 學者們對以分布式能源發電為主體的微網能源優化展開研究, 主要分為微網系統優化運行和微網市場優化交易兩方面.

在微網系統優化運行上, 文獻[1]構建一個日前市場的能源微網系統, 提出微網運行成本最小化和微網系統可靠性最大化的多目標優化模型. 文獻[2-3]建立微網冷熱電聯供優化調度模型, 采用多目標進化算法求解最優配置方案, 提高可再生能源消納. 文獻[4]基于區間優化方法研究冷熱電聯供微網日前優化調度, 采用加速的交替方向乘子法實現分布式求解. 文獻[5]建立綜合能源微網stackelberg主從博弈優化模型, 研究微網運營商收益. 通過上述文獻分析可知, 目前, 普遍構建含可再生能源發電、 儲能和負荷的微網系統, 研究對象涵蓋微網單一電能或多能源, 系統優化目標為運行成本最小化和環境效益最大化的多目標優化運行.

隨著分布式發電市場開放[6], 大規模分布式主體涌入市場, 微網運行模式逐漸向市場交易模式轉變, 學者們開始關注微網市場交易研究. 文獻[7-11]研究社區微網電力交易, 探討基于拍賣或雙邊合同的點對點交易機制有效性. 文獻[12-13]基于迭代出清機制研究分布式可再生能源發電商、 儲能商和用戶參與區域多能源市場交易策略優化. 文獻[14-15]研究區塊鏈在分布式發電市場交易應用, 設計具有公平性、 透明性和實時性的交易機制. 文獻[16-20]基于多智能體和納什均衡理論, 研究售電公司、 分布式發電公司和電動汽車充電站博弈的最優交易策略. 上述微網市場交易模式、 可再生能源發電商或售電公司交易策略研究, 對成員參與市場的報價報量交易能力要求較高, 缺少微網與聚合商或用戶的充分互動, 成員參與市場程度低, 并且主從博弈無法保證市場成員自由公平競爭. 未來分布式發電、 電動汽車儲能等靈活性資源大量涌入市場, 負荷側主動性增加, 這將導致市場交易模式更加靈活, 市場開放程度亟需提高. 由于微網市場參與者交易水平參差不齊, 傳統的一次性點值報價報量方式難以適應市場主體的需求, 需根據新形勢下微網的發展, 提出相適應的微網電能市場交易優化方法.

因此, 本研究綜合考慮參與者交易效能和市場社會經濟效益, 探索大規模分布式參與者在有限條件下, 不依賴于自身交易水平、 自由靈活公平競爭的微網市場交易優化方法. 通過建立由多個風力和光伏發電商、 負荷聚合商以及電動汽車聚合商組成的微網市場交易框架, 分析評估各個參與者效能及電動汽車數量對微網電能市場交易的影響.

1 微網電能市場交易框架

微網電能市場參與者由分布式可再生能源發電商、 負荷聚合商、 電動車聚合商和市場運營商組成. 每類參與者數量不限. 其中, 分布式可再生能源發電商包括風力和光伏發電商, 向微網市場提交售電報價報量投標策略; 負荷聚合商通過與微網多個小規模電能消費者簽訂合同, 聚合微網電能用戶需求優化購電報價報量投標策略參與市場交易賺取收益; V2G電動汽車聚合商可以向微網市場購買或出售電能, 在滿足電動汽車用戶出行需求前提下, 優化電動汽車用戶的充放電時間和功率, 向市場提交購、 售電的報價報量投標策略, 賺取交易差價; 微網市場運營商按照社會經濟效益最大化為目標出清, 社會經濟效益具體包括社會福利和可再生能源消納兩部分.

本研究中獨立微網與外界電網無連接, 孤立運行. 為滿足微網用戶負荷需求, 聚合商在微網市場出清不平衡量, 可以向微網備用系統購電實現平衡, 備用系統主要由燃氣輪機發電, 其售電價格已知. 考慮微網市場各參與者交易水平參差不齊, 為了不依賴參與者交易水平優化參與者交易策略, 同時提高投標策略靈活性, 提出基于區間投標策略的交互式交易優化機制, 即參與者只需向市場提交報價和報量區間, 基于此區間, 各參與者根據自身效能最大化優化期望的出清結果, 市場運營商遵循社會福利和可再生能源消納最大化優化出清結果, 通過參與者與市場運營商不斷的交互優化, 充分考慮參與者交易效能和社會經濟效益, 實現微網電能市場交易優化, 保證市場公平競爭, 保護參與者隱私, 提高交易靈活性.

2 微網電能市場交易優化

微網電能市場交易是一個雙層交互優化問題. 上層為各參與者優化交易效能, 下層為市場運營商優化出清, 通過上、 下層優化的出清結果不斷交互逼近, 求得兼顧參與者交易效能和市場社會經濟效益的最優出清結果. 基于交替方向乘子算法, 建立微網電能市場分層交互式交易優化模型, 通過上、 下層的增廣拉格朗日函數懲罰項, 實現上、 下層優化變量交互, 使各參與者優化的出清量、 出清價與市場運營商優化的出清價、 出清量具有相同值, 保證微網分層優化結果的全局一致性.

2.1 上層參與者出清效能優化模型

根據參與者出清效能最大化建立各參與者優化模型, 出清效能最大化定義為微網市場各參與者交易收益最大化或交易成本最小化.

1) 分布式可再生能源發電商優化模型. 關于分布式可再生能源發電商iA的收益最大化模型為

(1)

2) 負荷聚合商優化模型. 關于負荷聚合商iB的交易成本最小化模型為

(2)

(3)

3) V2G電動汽車聚合商. 關于電動汽車聚合商iC的收益最大化模型為

(4)

(5)

(6)

2.2 下層市場出清優化模型

下層市場運營商以社會福利、 可再生能源消納最大化為目標優化出清價和出清量, 市場出清優化模型為

(7)

(8)

(9)

(10)

2.3 市場交易優化求解

3 算例分析與結果討論

3.1 算例設置

為了更加清晰地分析市場優化結果和不同類型參與者效能, 同一類型參與者數量設置為2個, 即微網電能市場參與者由1個小型風力發電商、 1個小型光伏發電商、 2個負荷聚合商和2個電動汽車聚合商組成, 并假設微網所有負荷都歸負荷聚合商管轄, 所有電動汽車都歸電動汽車聚合商管轄. 其中, 棄能成本系數為0.5元·(kW·h)-1. 電動汽車聚合商1的最大充放電功率為100 kW, 額定容量上、 下限分別為400和25 kW·h; 電動汽車聚合商2的最大充放電功率為200 kW, 額定容量上下限分別為600和50 kW·h; 蓄電池充電效率皆取0.95. 可再生能源發電商24時段出力預測值、 2個負荷聚合商24時段電負荷預測值、 電動汽車聚合商出行負荷, 如圖1所示.

圖1 可再生能源發電和聚合商出力預測值Fig.1 Values of RG output and aggregator load forecasting

為了突出重點, 假設所有參與者24時段的報價區間上下限相同, 各參與者的報價區間上限為微網備用電源已知的售電價格, 報價區間下限為保證發電商收益的最低售電價格, 以保證各類型參與者主動參加微網電能市場交易. 同理, 負荷側為減小購電成本, 其報價區間上限不會超過備用電源的售電價格, 下限不低于發電商的售電價格, 這樣才能在微網市場中購買電能滿足自身需求. 24時段報價區間如圖2所示. 為盡可能滿足各參與者交易量意愿, 各參與者報量區間上下限是依據各自出力或負荷預測值確定, 報量區間上限值為各自24時段出力或負荷預測值, 報量區間下限值為各參與者各時段預測值的0.9.

圖2 參與者報價的區間Fig.2 Limits of the range quoted by participant

3.2 結果與討論

3.2.1出清結果與算法收斂性分析

圖3 ADMM算法收斂結果Fig.3 Convergence results of ADMM algorithm

各參與者交易收益或交易成本隨迭代求解的變化情況,如圖4所示. 可再生能源發電商和電動汽車聚合商的交易收益逐漸減小并趨于收斂, 負荷聚合商的交易成本逐漸增大也趨于收斂. 這是因為在迭代初期, 各參與者主要以自身效能函數為優化方向, 即交易收益較大或交易成本較小, 隨著迭代次數增加, 各參與者優化不斷考慮市場出清社會福利和可再生能源消納最大化, 即交易收益不斷減小或交易成本不斷增加. 當迭代求解收斂時, 參與者交易效能也收斂。

圖4 微網市場參與者收益或成本Fig.4 Benefits or costs for micro-grid market participants

2) 微網社會福利和可再生能源消納. 以可再生能源棄能成本表示微網可再生能源消納情況, 棄能成本越小即可再生能源消納越多. 微網市場社會福利和棄能成本隨迭代求解變化情況, 如圖5所示. 社會福利由最大值逐漸減小并趨于收斂, 棄能成本迭代初期增大, 后面不斷減小并趨于收斂. 這一變化情況分析與上面參與者效能分析大體相似, 迭代初期, 市場社會福利較大, 棄能成本較小, 隨著迭代次數增加, 社會福利不斷減小, 10次左右迭代基本已在最優解附近波動; 棄能成本前10次迭代由最小值逐漸增大, 隨著優化求解不斷趨于收斂, 棄能成本不斷減小并基本保持不變.

圖5 社會福利和棄能成本Fig.5 Social welfare and energy abandonment cost

微網市場出清電價如圖6所示. 對比圖2參與者報價區間限值可知, 微網市場出清電價介于參與者報價區間內. 由圖中可知, 0:00—7:00、 15:00—17:00出清電價較低, 11:00—14:00、 18:00—22:00出清電價高. 這是因為夜間0:00—7:00、 15:00—17:00為負荷低谷時段, 微網市場電能供過于求, 市場出清電價低. 而負荷峰時段, 如11:00—14:00、 18:00—22:00, 市場電能供不應求, 相應的市場出清電價高.

圖6 微網市場出清電價Fig.6 Clearing price for micro-grid mark

3.2.2電動汽車數量對微網市場交易影響

為了評估電動汽車聚合商不同儲能容量及充放電功率大小對微網電能市場交易影響, 將3.1基礎算例設為Case1, 對比電動汽車數量分別為Case1中電動汽車數量的0.5和2.0倍時, 微網電能市場交易.

1)電動汽車數量對市場和參與者效能的影響. 3種電動汽車數量的市場社會福利和棄能成本, 如圖7所示. 隨著電動汽車數量增加, 社會福利增加, 棄能成本減小. 并且, 相較于電動汽車數量由1倍增大到2倍, 0.5增大到1倍的社會福利增大程度多, 棄能成本減小程度多.

圖7 3種EV數量的市場效能Fig.7 Market utility for three cases

圖8對比了3種電動汽車數量的微網市場交易參與者效能. 可再生能源發電商、 電動汽車聚合商收益隨著電動汽車數量增加而增加, 負荷聚合商成本隨著電動汽車數量增加而減小. 這是因為, 電動汽車數量增加, 電動汽車聚合商儲電容量增加, 提高了與微網交易的電量, 收益也增大. 對可再生能源發電商而言, 出售給微網的電量增加, 收益也增加; 對負荷聚合商而言, V2G電動汽車聚合商儲電量增加, 使負荷峰時段微網市場電能供應增加, 負荷聚合商成本相應減小.

圖8 3種電動汽車數量的參與者效能Fig.8 Utility of participants for three cases

2)電動汽車數量對微網可再生能源消納影響. 圖9和圖10對比3種不同電動汽車數量的24時微網可再生能源發電總出清量和總利用率. 本研究定義風力和光伏發電商的發電總出清量與發電商總報量比值為微網可再生能源發電利用率. 總出清量和總利用率在0:00—6:00隨電動汽車數量增加而增加, 這是因為電動汽車數量越大, 夜間負荷谷時段電動汽車聚合商購電儲電量越大, 市場負荷需求量增加, 可再生能源發電出清量和利用率也相應增大.

圖9 微網可再生能源發電的總出清量Fig.9 Total clearance of renewable power generation

圖10 微網可再生能源發電利用率Fig.10 Utilization rate of renewable energy

在11:00—14:00和18:00—23:00, 3種情況的可再生能源發電出清量基本相近, 可再生能源利用率(φuse)基本接近1. 電動汽車數量增大到2倍時, 出清量和利用率略微減小. 這是因為電動汽車聚合商儲電量增加, 在負荷峰時段微網市場售電量相應增加, 發電商和V2G電動汽車聚合商為追求自身效益, 相互競爭向微網市場售電. 因此, 該時段微網可再生能源發電出清量或利用率略微減小, 但總體來看, 電動汽車數量增大, 微網市場可再生能源發電出清量和利用率均是提高的.

4 結語

綜合考慮參與者交易效能和市場社會經濟效益, 研究有限交易水平的分布式主體靈活參與完全競爭型分布式微網電能市場的交易優化方法. 基于區間報價報量, 提出上、 下層交互式交易的微網市場機制, 保證有限交易水平的分布式參與者公平參與市場競爭, 提高參與者投標策略靈活性, 保護參與者隱私. 通過算例分析得到以下主要結論.

1) 基于區間報價報量的上、 下層交互式交易迭代優化求解能夠達到收斂, 各參與者效能、 市場社會福利和棄能成本約在60次左右迭代收斂, 驗證了所提微網市場優化方法有效性.

2) 隨著上、 下層交互式迭代優化, 各參與者交易收益逐漸減小或交易成本逐漸增大, 并趨于收斂; 市場社會福利和微網可再生能源消納逐漸減小并收斂, 充分體現參與者效能和市場社會經濟效益協調優化; 并且, 微網電動汽車數量擴大, 可以提高微網可再生能源消納、 參與者效能和社會福利.