微电网运营商提供无功辅助服务下各市场主体的利益分配

2018-03-13 14:05:01 电网技术　点击量：评论 (0)

摘要：随着售电侧市场改革的不断深入,研究多个微电网运营商参与下的配电侧市场交易和竞价机制具有重要意义。针对该问题,提出了一种双层优化

从图5和图6中可见,当市场达到均衡时,虽然3个微电网运营商报价都高于批发市场的节点边际电价,DSO依然能够通过优化微电网的功率注入,改善系统的潮流分布,从而降低总购电成本。其中,微电网运营商2报价最高,达到0.082 8 USD/(kW•h),该价格即为此时的市场出清电价。由式(2)可知,各微电网在该市场价格下的最优发电功率为340 kW。

在图6中,微电网运营商1和微电网运营商3的中标量最接近最优值,因此两者的净利润都大于微电网运营商2。在该场景下,微电网运营商发电成本相同而最优报价不同的原因在于微电网的接入位置不同,对系统潮流优化的贡献程度也不同,因此,相同报价下DSO向各个运营商购买的功率也有所不同。

在场景2中,微电网运营商3的成本最高,因此其报价也相对较高(图7)。该场景下,由于微电网运营商2的成本较低,其报价始终处于较低的水平。在微电网运营商2的竞争下,市场的最终出清电价要低于场景1,为0.078 9 USD/(kW•h)。此时各个运营商的最优发电功率依次为539 kW、770 kW和317 kW。从图8中可以看出,运行成本最低的微电网运营商2在竞争中处于明显优势,中标量等于最优值,因而能够实现自身收益的最大化。

3.2 微电网联盟场景下的竞价博弈仿真

针对图4所示的配电系统,分别考虑微电网1/2联盟、微电网2/3联盟和微电网1/3联盟3种情况,各微电网的运行成本系数如3.1中的场景1所示。联盟场景下各微电网的报价、联盟体的净利润以及DSO的总购电成本分别如表2、表3和表4所示。

表2 联盟场景下微电网的报价

表3 联盟场景下微电网的净利润

表4 联盟场景下DSO的购电成本

在3.1的场景1中,不联盟情况下微电网1、微电网2和微电网3的报价依次为0.0786 USD/(kW•h)、0.0828 USD/(kW•h)、0.0802 USD/(kW•h)。从表2可以看出,无论是微电网1和微电网2联盟,还是微电网2和微电网3联盟,联盟体内的微电网都有提高报价的意愿,联盟后市场的出清电价相比

不联盟的情况都有所提高。因此,联盟体的整体收益也有所提高,如表3中微电网1和微电网2联盟时整体收益提高了0.1 USD,微电网2和微电网3联盟时整体收益则提高了0.13 USD。此时,由于市场出清电价的提高,DSO的购电成本也相应地提高,如表4所示。

对于微电网1和微电网3联盟情况,由3.1中的分析可知,微电网1和微电网3通过竞价,都能够最大化自身的收益,此时无论是微电网1还是微电网3都无法通过改变自身报价进一步提高联盟整体的收益,因此这种场景下各个微电网的报价和不联盟的情况相同,各方的收益及DSO的购电成本也维持不变。

3.3 考虑微电网无功服务下的竞价博弈仿真

在上述的仿真分析中,仅考虑了微电网运营商参与有功功率竞价的过程。实际上,微电网运营商除了能够提供有功功率之外,还能够通过提供无功功率服务进一步优化系统的潮流,降低网络损耗,同时依靠无功功率服务获取一定的收益。

在本文中,考虑DSO对无功功率装置的投资运行成本和无功功率价值进行补偿。其中,各个微电网运营商按投资和运维成本折算出相应的无功成本,由DSO支付微电网运营商提供无功功率所支出的成本费用;其次,DSO计算出市场均衡时各微电网运营商不提供无功功率和提供无功功率服务下的系统网损,两者的差值与市场出清电价的乘积即为无功功率效益,将这部分效益按降低网损的贡献度分别对各个运营商进行补偿。设定各个微电网运营商能够提供的无功补偿范围为±1 Mvar,无功功率成本为1.6 USD/Mvar[24],微电网的运行成本系数和3.1中的场景1相同。不考虑微电网联盟的情况,该场景下的仿真结果如图9和图10所示。

图9 考虑无功服务下微电网运营商竞价曲线

图10 考虑无功服务下市场主体有功/无功中标量

从图9和图10中可以看出,考虑微电网运营商提供无功辅助服务后,市场达到均衡时的出清电价和3.1中的场景1相比有所降低。同时,DSO通过对微电网运营商有功功率和无功功率的优化,能

够进一步降低系统的网损,从而使得总购电成本降低。按前文设定的无功补偿机制,不考虑无功服务(3.1场景1)和考虑无功服务下各市场主体的经济指标如表5所示。

从表5中可以看出,当市场中的微电网运营商提供无功服务时,通过本文设定的无功补偿机制,各运营商的收益都有所提高。在该运行状态下,微电网2提供无功功率对网损降低的灵敏度最高,因此中标的无功功率也最高,获得的收益最大。同时,相比于仅考虑有功功率竞价的场景,此时系统的有功网损由73.684 kW降低至33.291 kW,降低了DSO的购电成本,社会效益得到进一步优化。

表5 市场主体经济指标

4 结论

本文采用双层优化算法对含微电网的配电侧市场最优竞价问题进行求解：底层优化以最小化DSO购电成本为目标,实现市场的出清和系统的最优经济调度;上层优化则以各微电网运营商利益最大化为目标,确定最优竞价策略。仿真结果表明：

1)本文所提出的双层优化方法能够有效求解多方参与下的配电侧电力市场的竞价问题,在确保系统经济、安全运行的基础上实现各方收益的优化分配。

2)微电网运营商的运行成本和接入位置将对最终的博弈结果产生影响,运行成本较低的运营商在竞争中处于明显优势。

3)系统中的微电网通过联盟的形式可以进一步提高整体的经济效益,此部分效益的提升效果在非完全信息博弈环境下将更加明显。

4)在微电网运营商同时提供有功功率和无功功率的情况下,依靠合理的无功补偿机制,能够实现各方收益的增加,提高社会的整体效益。

此外,本文所提出的方法也能够进一步扩展应用于非合作不完全信息动态博弈的问题中。

参考文献

[1] 王成山,武震,李鹏.微电网关键技术研究[J].电工技术学报,2014,29(2):1-12. Wang Chengshan,Wu Zhen,Li Peng.Research on key technologies of microgrid[J].Transactions of China Electrotechnical Society,2014,29(2):1-12(in Chinese).

[2] 王蓓蓓,赵盛楠,刘小聪,等.面向可再生能源消纳的智能用电关键技术分析与思考[J].电网技术,2016,40(12):3894-3903. Wang Beibei,Zhao Shengnan,LiuXiaocong,et al.Review on key technologies of smart power utilization for renewable energy integration[J].Power System Technology,2016,40(12):3894-3903(in Chinese).

[3] 张丹,王杰.国内微电网项目建设及发展趋势研究[J].电网技术,2016,40(2):451-458. Zhang Dan,Wang Jie.Research on construction and development trend of micro-grid in China[J].Power System Technology,2016,40(2):451-458(in Chinese).

[4] 程林,刘琛,朱守真,等.基于多能协同策略的能源互联微网研究[J].电网技术,2016,40(1):132-138. Cheng Lin,Liu Chen,Zhu Shouzhen,et al.Study of micro energy internet based on multi-energy interconnected strategy[J].Power System Technology,2016,40(1):132-138(in Chinese).

[5] Bie Z,Zhang P,Li G,et al.Reliability evaluation of active distribution systems including microgrids[J].IEEE Transactions on Power Systems,2012,27(4):2342-2350.

[6] 邢海军,程浩忠,张沈习,等.主动配电网规划研究综述[J].电网技术,2015,39(10):2705-2711. XingHaijun,Cheng Haozhong,Zhang Shenxi,et al.Review of active distribution network planning[J].Power System Technology,2015,39(10):2705-2711(in Chinese).

[7] 乐健,柳永妍,叶曦,等.含高渗透率分布式电能资源的区域电网市场化运营模式[J].中国电机工程学报,2016,36(12):3343-3353. Le Jian,Liu Yongyan,Ye Xi,et al.Market-oriented operation pattern of regional power network integration with high penetration level of distributed energy resources[J].Proceedings of the CSEE,2016,36(12):3343-3353(in Chinese).

[8] Bakirtzis A G,Ziogos N P,Tellidou A C,et al.Electricity producer offering strategies in day-ahead energy market with step-wise offers [C]//Bulk Power System Dynamics and Control VII.Revitalizing Operational Reliability.Charleston,SC,USA:iREP Symposium,2007:1-18.

[9] 窦春霞,贾星蓓,李恒.基于多智能体的微电网中分布式发电的市场博弈竞标发电[J].电网技术,2016,40(2):579-586. Dou Chunxia,Jia Xingbei,Li Heng.Multi-agent-system-based market bidding strategy for distributed generation in microgrid[J].Power System Technology,2016,40(2):579-586(in Chinese).

[10] Bakirtzis A G,Ziogos N P,Tellidou A C,et al.Electricity producer offering strategies in day-ahead energy market with step-wise offers[J].IEEE Transactions on Power Systems,2007,22(4):1-18.

[11] Kardakos E G,Simoglou C K,Bakirtzis A G.Optimal bidding strategy in transmission constrained electricity markets[J].Electric Power Systems Research,2014,109(4):141-149.

[12] Li J,Li Z,Wang Y.Optimal bidding strategy for day-ahead power market[C]//North American Power Symposium.Charlotte,NC,USA:IEEE,2015:1-6.

[13] Taheri I,Rashidinejad M,Badri A,et al.Analytical approach in computing nash equilibrium for oligopolistic competition of transmission-constrained GENCOs[J].IEEE Systems Journal,2014,16(6):1-11.

[14] Manshadi S D,Khodayar M E.A hierarchical electricity market structure for the smart grid paradigm[J].IEEE Transactions on Smart Grid,2016,7(4):1866-1875.

[15] Zhang G,Zhang G,Gao Y,et al.Competitive strategic bidding optimization in electricity markets using bilevel programming and swarm technique[J].IEEE Transactions on Industrial Electronics,2011,58(6):2138-2146.

[16] Li H,Li Y,Li Z.A multiperiod energy acquisition model for a distribution company with distributed generation and interruptible load[J].IEEE Transactions on Power Systems,2007,22(2):588-596.

[17] 赵敏,沈沉,刘锋,等.基于博弈论的多微电网系统交易模式研究[J].中国电机工程学报,2015,35(4):848-857. Zhao Min,Shen Chen,Liu Feng,et al.A game-theoretic approach to analyzing power trading possibilities in multi-microgrids[J].Proceedings of the CSEE,2015,35(4):848-857(in Chinese).

[18] 史开拓,刘念,张建华,等.多运营主体的微电网随机匹配交易机制[J].电网技术,2016,40(2):587-594.Shi Kaituo,Liu Nian,Zhang Jianhua,et al.Random matching trading mechanism in microgrid of multi-operators[J].Power System Technology,2016,40(2):587-594(in Chinese).

[19] 江润洲,邱晓燕,李丹.基于多代理的多微网智能配电网动态博弈模型[J].电网技术,2014,38(12):3321-3327. Jiang Runzhou,Qiu Xiaoyan,Li Dan.Multi-agent system based dynamic game model of smart distribution network containing multi-microgrid[J].Power System Technology,2014,38(12):3321-3327(in Chinese).

[20] 郭红霞,白浩,刘磊,等.统一电能交易市场下的虚拟电厂优化调度模型[J].电工技术学报,2015,30(23):136-145. Guo Hongxia,Bai Hao,Liu Lei,et al.Optimal scheduling model of virtual power plant in a unified electricity trading market[J].Transactions of China Electrotechnical Society,2015,30(23):136-145(in Chinese).

[21] Pozo D,Contreras J.Finding multiple nash equilibria in pool-based markets:a stochastic EPEC approach[J].IEEE Transactions on Power Systems,2011,26(3):1744-1752.

[22] 王锡凡,方万良,杜正春.现代电力系统分析[M].北京:科学出版社,2003:120-134.

[23] Moradi M H,Abedini M,Hosseinian S M.A combination of evolutionary algorithm and game theory for optimal location and operation of DG from DG owner standpoints[J].IEEE Transactions on Smart Grid,2015,7(2):1-1.

[24] 李婷婷. 电力市场环境下辅助服务的定价研究[D].北京:华北电力大学(北京),2009.