电力市场环境下园区售电商的最优报价和运行优化

摘要

分析了电力市场环境下园区参与市场的互动行为,考虑园区参与日前市场和实时平衡市场,使用场景描述分布式电源出力的不确定性,并建立基于随机规划的日前市场和实时市场联合出清模型,以及园区参与该市场的双层优化模型。通过最优性条件将双层模型转换为单层混合整数线性规划问题求解,并通过算例仿真分析了园区的最优报价策略和运行优化。结果表明,在提出的市场机制下,园区的最优报价能够实现自身的运行优化,并实现需求侧对电价响应,提升园区的经济性,增强可再生能源的消纳能力。

0 引言

随着传统一次能源的消耗以及对环保问题的日益重视,风力发电、光伏发电等可再生能源得到了快速的发展[1],由于可再生能源的间歇性和波动性,其发电出力具有较强的不确定性,在给供电系统带来了更多选择的同时,也对电力系统运行和调度提出了新的挑战。园区作为一种多能互补、负荷集中、用能形式多样[2]的新型能源生产与消费体系,有利于可再生能源的消纳和需求侧的整合,得到了广泛关注。目前对园区的研究主要包括园区的运行优化、园区供电系统的容量优化配置、能源的多能互补以及负荷侧的需求响应等方面,文献[2]分析了园区供电系统规划中分布式电源和储能容量的优化配置,并讨论了需求响应对方案的影响。文献[3]基于鲁棒后悔度,分析了光储微网系统的优化调度。文献[4]考虑电动汽车的参与,综合考虑分布式电源的运行特性,优化出使得综合成本最小的不确定集。文献[5]在计及需求响应的情况下,对园区微网的资源进行优化配置。文献[6]讨论了含有风电、光伏、微型燃气轮机的系统,考虑用户室内温度需求的条件下,得出了分布式电源的调度策略,并用楼宇热负荷来平抑分布式电源的波动性。文献[7]考虑微网参与日前市场和实时市场,分析了微网的最优报价策略。

同时,随着售电侧改革的深化,以园区为主体,通过园区售电商整合需求侧资源参与电力市场成为可能,园区中包含的可再生能源发电具有出力不确定性,这种不确定性给电力市场的运营带来挑战,为此,应有适当的电力市场的运行机制来应对园区的参与。文献[8-9]提出了基于随机规划的主能量和备用定价方法,探讨了考虑不确定性的情况下市场的出清和价格的制定。文献[10]提出了一种电力联营市场的日前出清模型,探讨了在含风电的情况下电力市场的出清机制,利用场景和概率描述不确定性并推导出出清规则。文献[11-12]基于随机规划,建立了考虑电网的安全约束的出清模型。文

献[13]研究了含风电的电力市场环境下,大用户的最优策略行为,对用户侧参与含风电的电力市场进行了分析。文献[14]运用博弈论,分析了在高比例风电渗透的情况下,电力市场的参与者的最优决策行为。

此前研究多侧重于园区本身建设规划和运行优化,对园区在市场环境下的运行优化以及与主网的互动行为较少涉及。多数文献将园区等主体视作价格接受者,对园区参与电力市场行为的主动性分析不足。因此,本文提出一个由日前市场和实时平衡市场组成的二阶段市场出清模型,并考虑园区通过园区售电商参与此电力市场的运行优化和最优报价策略,以此来更清晰地表明园区主体和市场的相互作用,分析报价对市场、对园区自身的影响。基于随机规划,建立双层优化模型,并通过算例分析了该模型的经济性和对可再生能源消纳的作用。

1 电力市场结构和出清流程

园区售电商参与日前电力市场和实时平衡市场。具体流程为：园区向独立系统运营商 (independent system operator,ISO)申报未来24 h的负荷报价信息。在日前市场,ISO根据园区以及其他负荷的报价、机组参数等信息,以社会成本最小作为目标函数进行出清,得到每个节点的边际价格作为日前市场电价;在实时市场,由于可再生能源的出力不确定性,园区中的实际净负荷会与日前计划值有所偏差,园区根据其运行的经济性和调整能力,决策自行处理这种偏差,或者在参与实时市场处理这种偏差,ISO根据园区报价和备用情况参数等信息,进行实时市场出清,并得到实时市场电价。

2 模型建立

考虑园区的用户效用最大化,园区售电商根据市场出清规则,预测市场的出清电价,计算相应电价下自身的效用值,并以此来优化自身的报价行为,从而得到最优的报价策略。由此建立双层优化模型,上层为园区的效用最大化,下层为市场出清。市场出清流程见图1。

图1 市场出清流程Fig. 1 Market clearing progress

2.1 园区模型

假设该园区含有可控负荷,可控分布式电源(DG),风力发电、光伏发电以及储能设备,参数见附录B,使用可再生能源发电的场景及其概率来描述出力的不确定性,假设可再生能源发电场景满足期望为μμ,标准差为0.2μ0.2μ的正态分布。

目标函数为

2.2 市场出清模型

目标函数为

第一项为发电机组的成本,第二项为园区内用户的效用值,第三项为其他负荷的效用值。市场出清的目标函数为最小化社会成本[15],社会成本表示为运行需要支出的成本减去获得的效用值。文献[8]证明,二阶段的随机规划模型可以用单个目标函数表出,因此式(14)为日前市场和实时平衡市场联合出清的目标函数。

市场出清满足的约束条件及其对偶变量如下。

2.3 双层模型的线性化处理

将下层的市场出清问题用其KKT(Karush-Kuhn-Tucker conditions)最优性条件表示,可将下层优化问题转换为约束条件,同时使用互补松弛条件和强对偶条件将上层问题依赖的下层变量表示出来,从而使双层问题变为单层的混合整数线性规划(mixed-integer linear programming,MILP)问题求解。

下层问题KKT条件为

3 算例分析

本文使用IEEE-RTS 24节点系统为基础并做适当调整。设置其18号节点为园区,该园区中最大负荷为360 kW,其中10%为可控负荷,可作为备用调整;为保证负荷供应的可靠性,园区中配置容量为300 kW的可控DG;风力发电的装机容量为300 kW,光伏发电的装机容量为100 kW;储能装置的容量为200 kW·h,最大的充放电功率为50 kW;负荷和可再生能源参数及电网其余负荷和发电侧机组数据见附录B。本文算例使用Matlab建模并使用cplex的MILP求解器进行求解。在相对误差限设置为0.1%的情况下,各个算例的平均计算时间为36.1 s,可以满足日前市场和实时市场出清计算的实时要求。

3.1 园区可再生能源发电量较高时的运行优化和报价策略

当可再生能源出力较高时,园区的发电容量余裕,此时园区可将多余的发电量向主网返送以获得更好的效益,此时可再生能源发电情况见表B3,对上述模型进行求解,得到园区24 h的运行优化如图2所示。

图2 园区运行优化结果(1)Fig. 2 Optimal result of industrial park(1)

从图2可以看出,在凌晨0时到7时,系统负荷较小,此时预测的出清电价较低,而风力发电出力较大,因此,在这个时段,园区的可控DG不出力,而主要通过风力发电和从主网购电满足负荷需求,同时,储能装置充电。

在7时到10时、13时到19时,此时属于平时段,系统负荷增加,此时风力发电出力有所减少,而光伏发电开始出力,但可再生能源出力总体仍有下降。在电价水平提高的情况下,从主网购电已不经济,为了减少从主网的购电量,园区降低报价,减少出清的负荷量。而向主网返送电则有良好的经济性, 因此,在该时段,园区的DG出力作为主要供能单元,同时,多余电量向主网返送以获得更好的经济效益。

在11时到12时,20时到21时,此时系统负荷达到峰值,出清电价最高,园区的报价也相应提高。此时,园区的可控DG出力进一步增加,以满足负荷需求,储能装置在该时段放电。在12时,负荷达到峰值而可再生能源发电出力最低,园区需要从主网少量购电以补足负荷缺额,在20时到21时,风力发电出力有所增加,此时园区向主网返送电以获得更好的经济效益,也起到为主网调峰的作用。

园区与主网的互动是通过报价实现的,园区根据系统的信息、市场出清的规则和自身的运行情况,预测市场出清的结果,根据自身与主网交互的需求,优化自身的报价行为。

从主网ISO的角度看来,园区对外表现为一个受控的负荷或电源,ISO无需了解园区的底层细节,只需按照市场出清的规则,根据园区的报价,按照最优化社会成本的方式进行出清。以社会成本的观点分析,园区的报价实际上相当于其作为负荷时的用电效用或作为电源时的发电成本。

求解的最优报价策略和相应的园区与主网的互动情况如图3所示。

图3 园区的最优报价(1)Fig. 3 Optimal bidding of industrial park(1)

从图3可以看出,在谷时段,由于电价较低,此时园区从主网购电,相当于负荷,为了能够在市场出清时出清得到相应的电量,园区的报价至少要相当于此时系统边际发电机的成本,也即此时系统的边际价格,该价格即为出清电价,因此该时段园区的报价值等于出清电价。

在平时段,出清电价提高,此时园区向主网返送电具有更好的经济效益,相当于电源,为了保证市场出清时能够将自身作为电源调用,园区的报价值应小于等于此时系统边际发电机的成本,在平时段,园区发电能力余量较大,因此能够以最大联络线功率向外送电,为了保证这部分电量能全部出清送出,园区采取了最稳妥的报价即报价的下限。

在第一个峰时段,由于自身发电缺额,园区需要从主网购电,相当于负荷,因此此时报价值等于日前出清价格,保证获得所需电量。在第二个峰时段,此时风力发电增大,发电能力又有余量,因此相当于电源,但由于自身负荷需求也在峰值,因此不能以最大联络线功率向外送电,因此此时不需要采取一个低报价来保证自身的外送电被优先出清,因此此时园区报价仍等于边际机组的成本即出清价格。

3.2 园区可再生能源发电量较低时的运行优化和报价策略

由于可再生能源发电出力依赖于风、光等一次能源,当气候条件受限时,可再生能源的出力水平较低,此时可再生能源发电情况见表B4,园区主要通过调用自身可控DG来满足负荷需求,并将缺额部分从市场购电补足,求解模型,得到运行优化结果见图4。

图4 园区运行优化结果(2)Fig. 4 Optimal result of industrial park(2)

从图4可以看到,由于可再生能源发电出力的减小,此时园区的主要电力来源变为可控DG以及从主网购电,在谷时段,由于出清电价较低,从主网购电较为经济,此时DG不出力,园区以从主网购电满足负荷需求,同时储能装置充电,这起到了谷时段填谷的作用。

在平时段,随着主网整体负荷的增大,出清电价也增加,而园区负荷也在增加,因此此时除了从主网购电满足负荷需求外,可控DG也增加出力,补足发电量缺额。

在峰时段,电价较高,此时从主网购电成本较高,因此园区主要通过DG发电和储能装置放电供应负荷,而只从主网购电补足缺额,虽然此时园区负荷达到峰值,但与主网的交互功率反而下降,在峰时段起到了削峰的作用。

该算例中园区的报价策略如图5所示。

图5 园区的最优报价(2)Fig. 5 Optimal bidding of industrial park(2)

从图5可知,可再生能源出力较低的情形下,园区需要从主网购电供应负荷,对外表现为负荷,为了能在市场上出清负荷,园区报价应大于或等于系统的边际成本即出清电价。

在谷时段,由于电价较低,园区从主网购电,此时由于缺额不大,园区以系统的边际价格报价。

在平时段,园区需要主网以最大联络线功率供电,因此为了保证能够出清足够的负荷,园区报价选择最为稳妥的高于系统边际价格的报价方式。

在峰时段,此时园区主要以可控DG供电,仅从市场上补足缺额,因此此时报价也为系统的边际价格。

上述分析表明,在园区的最优报价决策下,园区的能够优化自身的运行,实现自身所调度的多源互补,并与市场的价格信号响应,通过调度自身的可控负荷和可控DG,在追求效益最优的同时,实现削峰填谷,有利于主网的运行和经济性。

3.3 园区最优报价的效益

下面比较园区最优报价和以边际效用报价的优化结果,说明园区最优报价带来的效益。

图6为以园区负荷边际效用报价时的优化结果。

图6 园区边际报价优化结果Fig. 6 Optimal result of industrial park marginal bidding

当以边际效用报价时,由于园区负荷的边际效用较高,因此报价较高,ISO始终将园区当作负荷处理并以联络线最大功率供给电力,在此情况下,园区自身的优化运行只能在接受主网供给的情况下进行,其优化结果见表1。

表1 园区最优报价和边际效用报价Tab. 1 Industrial park optimal and marginal bidding

从表1可知,在以边际效用报价时,园区在市场上始终作为负荷出清,因此自身的运行优化受到限制,结果表明,与最优报价时相比,园区的可控DG出力大幅减小,由5 978.02 kW·h下降为977.95 kW·h,这是由于大部分电力由主网供给,同时,可再生能源发电的消纳能力也大幅下降,最优报价的情况下,可再生能源发电能够得到完全消纳,而以边际效用报价时,24 h的弃风、弃光量达到了1 235.00 kW·h。

由于自身的优化运行受到限制,在以边际效用报价的情况下,园区的经济性也受到影响,相比最优报价时,园区的总效用由1 572.33 USD下降为1 355.24 USD。

上述分析表明,园区通过报价来实现自身与主网的互动,在园区最优报价的情况下,可以更好的实现自身的运行优化,增强可再生能源的消纳能力,并具有更好的经济性。

3.4 园区参与实时市场的作用

在本文的二阶段市场模型中,园区参与日前市场和实时平衡市场,本节比较园区参与实时市场和不参与实时市场的优化结果,说明该市场机制对园区运行的影响。园区参与实时市场的优化结果见表2。

表2 园区参与实时市场的优化结果Tab. 2 Optimal result of industrial park real time market

从表2数据可以分析,在参与实时平衡市场的情况下,园区有更大的调整裕度来出力可再生能源发电的波动性,因而将更多可再生能源发电电量在实时进行消纳,而不参与实时市场时,在日前计划时就偏向保守,将更多可再生能源发电量列入日前计划。同时,参与实时市场可以更多的消纳可再生能源发电的发电量,不参与实时市场时,可再生能源发电的消纳量由3 671.25 kW·h下降为3 666.26 kW·h。

从可控DG出力的角度分析,由于不参与实时市场,因此总的可再生能源发电利用量减少,同时需要DG更多的调整来应对出力的不确定性,因此可控DG的出力较参与实时市场更大。

参与实时市场对园区来说具有更好的经济性,因为此时园区具有更多的选择,对于出力的波动,园区可以根据需要花费的支出来决策是调用自身备用资源处理出力偏差还是通过实时市场处理偏差,数据表明,参与实时市场的园区效用为1572.33 USD,大于不参与实时市场时的1 568.02 USD。

上述分析表明,园区参与实时市场有利于更好的消纳可再生能源的发电量,并且具有更好的经济性。

4 结论

本文建立了日前市场和实时平衡市场的二阶段电力市场出清模型,并建立了园区参与此市场的双层优化模型,通过最优性条件对双层模型进行处理,将其转换成单层模型的MILP问题求解,并通过算例仿真分析了园区的最优报价策略和运行优化,主要结论如下：

1)在园区最优报价决策下,园区能够实现对市场价格的响应,优化自身运行,充分利用需求侧资源,实现削峰填谷,实现与主网的友好互动。

2)园区通过报价实现与主网的互动,在最优报价的情况下,园区能够最大限度的优化自身运行,提高经济性,并增强可再生能源消纳能力。

3)园区参与实时平衡市场有助于增强园区应对可再生能源发电波动的能力,提高可再生能源消纳能力,提升经济效益。

附录A

互补松弛条件：

附录B

参考文献

[1]江泽民.对中国能源问题的思考[J].上海交通大学学报,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]吴鸣,任学婧,周丹,等.新电改背景下产业园区供电系统容量优化配置方法[J].电力系统自动化,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]王刚,孙文健,李歧强,等.基于鲁棒后悔度的光储微网优化调度[J].电网技术,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]梁子鹏,陈皓勇,王勇超,等.含电动汽车的微网鲁棒经济调度[J].电网技术,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]朱兰,严正,杨秀,等.计及需求侧响应的微网综合资源规划方法[J].中国电机工程学报,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,王锡凡,王秀丽,等.考虑风电的电力联营市场日前出清模型[J].电力系统自动化,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, 蒋传文1, 白宏坤2, 王江波2, 杨萌2

1.电力传输与功率变换控制教育部重点实验室(上海交通大学 电气工程系),上海市 闵行区 200240

2.国网河南省电力公司经济技术研究院,河南省 郑州市 450000

甘宇翔(1993),男,硕士研究生,主要研究方向为可再生能源发电、电力市场,E-mail：w12379564@sjtu.edu.cn;

蒋传文(1966),男,通信作者,教授,博士生导师,主要研究方向为电力市场、主动配电网,E-mail：jiangcw@sjtu.edu.cn;

白宏坤(1971),女,博士,主要研究方向为能源电力经济、电网规划,E-mail：baihongkun @ha.sgcc.com.cn;

王江波(1985),男,硕士,主要研究方向为能源电力经济、电网规划,E-mail：wangjiangbo@ha.sgcc.com.cn;

杨萌(1988),男,硕士,主要研究方向为能源电力经济、电网规划,E-mail：angmeng7@ha.sgcc.com.cn。