基于金融儲能權的市場風險規避方法

馮胤鑫,韓 冬

(上海理工大學電氣工程系,上海市 楊浦區 200093)

0 引言

化石能源逐漸枯竭和引發環境惡化等問題,諸多國家已經減少對傳統能源的依賴,大力發展風力發電和太陽能發電,導致可再生能源在電網中滲透率迅速上升[1-4]?？稍偕茉窗l電具有不確定性和波動性[5],大規?？稍偕茉床⒕W會造成線路阻塞等問題[6-7]。當發生線路阻塞時,會導致節點邊際電價波動,為市場參與者增添了不確定性風險[8-10]。

已有眾多國內外學者對電力現貨市場風險規避機制及方法展開研究。一方面,通過建立基于差價合約[11-13]、結算權轉讓[14]、金融輸電權[15-16]、金融儲能權[17]等的交易機制,幫助市場參與者規避阻塞風險。發電企業可以通過發電權交易實現可再生能源發電消納,降低阻塞風險[18-19]。針對我國電力現貨市場結算機制特征,文獻[14]提出結算權轉讓交易機制實現阻塞風險管理。金融輸電權可以幫助市場參與者在發生線路阻塞時獲得補償,規避節點電價波動風險[16,20]。儲能對解決電力系統引入可再生能源造成的阻塞問題十分重要[2,21-22],文獻[17]提出金融儲能權的概念,可以幫助市場用戶利用儲能實現阻塞風險管理,但只提出并驗證了金融儲能權基本原理,并未將金融儲能權與電力市場交易結合。文獻[23]提出了一種基于金融輸電權和金融儲能權的混合拍賣機制,幫助用戶同時避免輸電阻塞和儲能阻塞引起的節點電價波動風險,但只基于多主體之間交易進行仿真驗證,未將模型拓展至實際網絡架構中。

另一方面,通過建立考慮運行成本及風險的最優模型,求解得到市場主體在電力市場中的最優策略以規避不確定性風險[24-27]。文獻[24]建立了一個有風險約束的兩階段模型,以規避可再生能源導致電價波動的不確定風險。為盡可能降低用戶負荷成本,文獻[25]提出考慮可再生能源發電不確定性以及負荷需求的優化模型。文獻[26]提出通過灰色頂權聚類對負荷聚合商進行分類的方法,建立考慮分布式電源發電不確定性的阻塞管理模型。文獻[27]提出交直流柔性配電網協調優化調度的方法,解決線路阻塞問題。

現有文獻對各類型市場主體參與電力現貨市場的決策優化研究已較為全面[28-30],但針對處于發展初期的我國電力現貨市場而展開的阻塞風險規避機制研究仍不充分[31]。因此,本文針對中國電力現貨市場特征,提出基于金融儲能權的阻塞風險規避機制。構建基于金融儲能權的阻塞風險規避模型,使金融儲能權收益最大化,并在拓展的IEEE 33節點系統中進行仿真驗證。

1 基于金融儲能權的阻塞風險規避機制

1.1 金融儲能權

金融儲能權即將儲能容量的產權貨幣化,使儲能設備的所有權與其物理屬性完全解耦。持有儲能權的用戶擁有分配系統運營商在最優調度下收取的儲能阻塞費用的權力,即分配儲能堵塞盈余的權力。系統運營商整合儲能資源集中調度,按照一定價格向市場參與者出售金融儲能權。市場參與者可以通過其交易獲得儲能阻塞補償,實現跨時期套利和規避價格波動風險。當線路發生阻塞,市場參與者i可以通過金融儲能權獲得儲能向用電用戶j供電的收益為

1.2 基于金融儲能權的阻塞風險規避機制

目前,我國電力現貨市場先按照中長期合同價格對中長期合同電量進行交易,對于需求電量不足部分的現貨電量再根據現貨電價進行交易[14]。假定節點i處有1臺機組與用戶簽訂了t時刻電價為λK、交易電量為的中長期合同,交割點為用戶側統一結算點?？紤]到交易中的阻塞費用,不同節點機組因所處位置不同應該具有不同的價值,節點i處機組收益和用戶用電成本分別如下:

1) 節點i處機組收益為

2) 用戶購電成本為

式中:λi,t和分別為節點i在時段t內的現貨電價和用戶側統一結算點的現貨電價;Pi,t和分別為節點i在時段t內的現貨出清電量和用戶在時段t的用電量。

根據所提出的考慮阻塞費用的我國電力現貨市場結算機制,機組可以通過金融儲能權實現阻塞風險管理。

節點i處機組可以通過支付固定費用E購買節點j處的容量為X的金融儲能權,以獲得分配儲能阻塞盈余的權力。此時,節點i處機組收益為

當節點出現用電阻塞情況時,節點電價會相應提高。通過上式我們可以發現,購買金融儲能權可以增加機組以節點電價交易的電量,減少其以合約電價交易的電量,提高其在發生用電阻塞時的收益。

用戶也可以通過支付固定費用F購買節點j處的金融儲能權,以獲得分配儲能阻塞盈余的權力。此時,用戶收益為

當系統發生用電阻塞時,用戶側統一結算點的現貨電價也會相應提高。對于用電用戶而言,購買金融儲能權可以增加其以合約電價交易的電量,減少其以現貨電價交易的電量,進而降低其在發生用電阻塞時的用電成本。

綜上所述,金融儲能權交易在系統發生阻塞時,既可以提高發電機組的收益,又可以降低用電用戶的成本,幫助電力市場參與者規避節點邊際電價波動的風險。

2 基于金融儲能權的風險規避模型

本文將儲能設備與含有高比例可再生能源發電的配電網結合,提出基于金融儲能權的配電網收益優化模型。

鑒于本文研究內容側重研究因負荷的波動性和可再生能源發電的不確定性引起的儲能充放電功率變化而造成金融儲能權交易變化,故不考慮各發電機組及儲能設備的建設成本。

該模型的目標函數為系統收益最大化,Rgrid為向上級電網售電收益,RBESS為儲能收益,RCON為系統的阻塞收益,Cgrid為向上級電網購電成本,即目標函數為

(1) 潮流約束。

式中:θi,j,t表示在t時刻,母線i和母線j之間的相位差;分別表示在t時刻,從節點i輸出的有功功率和無功功率;表示在t時刻,節點i的無功功率負荷;Si,j,t,Pi,j,t和Qi,j,t分別表示在t時刻,從節點i流向節點j的視在功率,有功功率和無功功率;Ui,t表示在t時刻,節點i的電壓幅值;Gi,j和Bi,j分別表示節點導納矩陣中從節點i到節點j支路的元素的實部和虛部;Yi,j,0表示從節點i到節點j支路的支路電納的標幺值。

式(12)—(16)均為配電網潮流平衡方程式,式(12)(13)保證節點功率平衡;式(14)(15)說明支路有功潮流和無功潮流與節點電壓之間的關系;式(16)說明支路視在功率與支路有功功率和無功功率之間的關系。

(2) 系統安全運行約束。

不等式(17)限制了電壓幅值的范圍;不等式(18)—(19)為發電機組功率約束,不等式(18)限制了發電機組輸出有功功率的范圍,不等式(19)限制了發電機組輸出無功功率的范圍;不等式(20)為支路容量約束,限制了支路視在功率的范圍;不等式(21)限制了配電網首端節點注入功率波動范圍,以控制系統功率波動對上級電網的影響。

(3) 儲能運行約束。

式(22)定義了儲能系統充放電過程的能量平衡;式(23)(24)定義了荷電狀態,并限制了荷電狀態取值范圍;式(25)—(27)限制了儲能系統充放電功率范圍;式(28)定義了儲能系統的初始狀態。式(29)限制了儲能總充放電功率,保證儲能在下一周期穩定運行。

(4) 金融儲能權交易約束。

式中:τ為金融儲能權交易限制系數,用戶可根據日前阻塞價格決定其上限,優化金融儲能權交易收益。

式(30)—(32)限制了金融儲能權在某一時刻的交易范圍以及總交易量,避免出現市場產生的總阻塞盈余無法償付FSR持有者收益的情況。

3 仿真

為驗證本文所提出的經濟調度模型的有效性,以IEEE 33節點配電網作為算例,配電網結構見文獻[15]。所建立的模型通過Yalmip 工具箱在MATLAB中實現,并利用GUROBI10.0求解器解決模型中的線性規劃問題,上述操作均在配備Intel Core i7-10875H 處理器以及16GB RAM 的計算機上完成。

本算例中,首先對IEEE 33節點配電網系統進行拓展,在第8、14和24節點接入光伏發電機組PV1、PV2、PV3,在第7、18、30節點分別接入風力發電機組WT1、WT2、WT3,發電機組的輸出功率如圖1所示。風電出力的峰谷特性與傳統峰谷電價的特性形成互補,為儲能權交易市場參與者實現峰谷套利提供了條件。為平抑風光發電出力的波動,保證負荷正常供電,儲能設備主要安裝在風光發電機組節點和風光發電機組相鄰的節點,在本算例中將其接入第8節點。系統基準容量為100MV·A,基準電壓為1kV,仿真單位時間為1h。節點電壓限制范圍為0.9～1.1kV 風電、光伏發電機組輸出的有功功率和無功功率的上限為10MW,上級電網輸出功率的波動范圍為8MW。儲能系統的荷電狀態初始值、上限值、下限值分別為0.50、0.10、0.90,儲能系統充放電最大功率為3MW,金融儲能權交易限制系數上限為0.3。

圖1 可再生能源發電量Fig.1 Renewable energy generation

為探索金融儲能權交易在中國電力市場的有效性,以及節點邊際價格不同對金融儲能權收益的影響。本算例邊際節點電價和阻塞價格分別采用美國PJM 市場5月31日的日前邊際節點電價和日前阻塞價格,PJM 市場的邊際節點電價和阻塞價格如圖2—3所示。當向上級電網購電價格和節點邊際價格相同時,考慮到傳輸過程的電能損耗,系統優先調用儲能設備彌補用電高峰的電力缺失。

圖2 節點邊際電價Fig.2 Locational marginal price

圖3 阻塞價格Fig.3 Congestion price

通過算例仿真,配電網系統向上級電網購電量如圖4所示。當系統風力和光伏發電以及儲能設備注入功率沒法滿足系統需求或向上級電網購電的成本比向儲能設備購電的成本低時,配電網系統會選擇向上級電網購電。

圖4 配電網負荷及向上級電網購電量Fig.4 Distribution network load and purchase of electricity from the upper grid

通過算例仿真,配電網系統儲能荷電狀態、充放電功率及金融儲能權交易量如圖5所示。

圖5 儲能荷電狀態及充放電功率Fig.5 State of charge and charge/discharge power of energy storage

由圖5可知:(1) 儲能選擇在00:00—07:00和21:00—24:00日前邊際節點電價較低時充電,在12:00—21:00日前邊際節點電價較高時放電。通過觀察07:00、22:00時刻的充電電量,可以發現總充電功率受到限制時儲能優先在節點電價較低的時刻充電。由此也可以得出,當總放電功率受到限制時儲能優先在節點電價較高的時刻放電。

(2) 用戶可以選擇在13:00—21:00日前阻塞價格較高時購買金融儲能權。通過觀察21:00時刻金融儲能權交易量可以發現,當交易量受到限制時用戶優先在阻塞價格較高時購買金融儲能權。

根據日前邊際節點電價和實時邊際節點電價,發生阻塞時的金融儲能權收益情況如圖6所示。

圖6 金融儲能權收益Fig.6 Revenue of Financial Storage Rights

由圖6可以發現,本文所提出的模型根據日前邊際節點電價和阻塞價格所做出的金融儲能權購買決策,可以在實時交易階段獲得比日前階段預測收益更高的收益。

4 結論

針對高比例可再生能源配電網阻塞風險管理的難題,本文提出一種基于金融儲能權的阻塞風險規避機制,并建立了基于金融儲能權的阻塞風險規避模型。通過建模和仿真分析,得出的研究結論如下:

1) 本文提出的阻塞風險規避機制可以提高發電機組在系統發生阻塞時的收益,降低用電用戶在系統發生阻塞時的成本。

2) 本文所提出的阻塞風險規避模型可以根據日前邊際節點電價優化儲能充放電方案,使儲能收益最大化。

3) 本文所提出的阻塞風險規避模型可以根據日前阻塞價格優化金融儲能權交易策略,使金融儲能權交易收益最大化。

4) 根據本文所提出的阻塞風險規避模型得出的金融儲能權交易策略,可以在實時市場獲得超過日前預期的收益。