考虑多种上网价格规制的光伏微网运营对比研究

周楠，刘念，张建华

(华北电力大学新能源电力系统国家重点实验室，北京市 102206)

考虑多种上网价格规制的光伏微网运营对比研究

周楠，刘念，张建华

(华北电力大学新能源电力系统国家重点实验室，北京市 102206)

光伏微网是促进光伏就地消纳利用，发挥分布式光伏发电系统效能的有效方式。在光伏微网发展进程中，微网成本-收益的非对称性和光伏发电的正外部性会导致光伏微网投资效益不明显，必须由政府进行干预以扶持其发展，上网价格规制为其中最有效的方式。当前，我国短时间内大幅提高可再生能源发电比例，在政策制定上缺乏系统规划，造成规制效率水平低，不能充分发挥规制工具对光伏微网投资运营的指导作用。因此，该文对不同电价场景下上网电价规制类型对微网各主体收益的影响进行分析。首先，建立微网商业模型，分析微网运营模式及各主体收益分配；其次，基于价格信号构建多场景，即用户电价分别为固定电价和分时电价，上网电价分别为固定电价模型、固定溢价模型和可变溢价模型，提出多场景下微网内储能的充放电策略及整体运行策略，并进行时序仿真，得出典型日内不同微网主体间能量交换关系及收益分配；最后，对多场景下电价模型对各主体收益的影响进行灵敏度分析；将模型应用于广东某微网，验证了所述方法的有效性和可行性，对有关部门进行不同电价场景下微网上网电价的规制决策有较好的借鉴意义。

光伏微网；商业模型；上网价格规制；多场景运行；多主体收益分配

0 引 言

当前，光伏产业迅速发展。国际能源署(international energy agency，IEA)和欧盟联合研究中心(the joint research centre of European commission，JRC)预测到2020年全球光伏发电的发电量将占到总发电量的2%；到2030年将占到总发电量的10%以上。光伏微网是有效融合了先进电力电子技术、分布式光伏发电技术、储能技术以及监控保护技术的小容量分散功能系统；是实现分布式光伏就地消纳利用，发挥分布式光伏发电系统效能的最有效方式。在微网发展初期，大多关注与微网规划[1-2]、配置[3]、控制与运行[4-5]相关的关键技术研究和设备研发，但是技术上的发展不能够完全解决微网持续有效发展的问题。

与传统发电项目相比，微网投资有高成本、高投入、投资回报期长、高端技术尚未完全成熟等特点，其投资建设面临诸多障碍。光伏微网的成本-收益非对称性，如分布式光伏可大大减少化石能源的消耗，降低环境污染的成本，并具有辅助调频、电压支持、调峰、旋转、非旋转备用服务等作用，造成光伏微网投资效益不明显，必须由政府进行干预以扶持其发展。

关于政府对可再生能源项目的规制研究，Duffield、Collins[6]以美国能源政策为例，指出在可再生能源产业发展中，政策扮演重要角色[6]。Burer和Wustenhagen[7]通过对北美和欧洲风险资本和私募基金的60个专业投资顾问的调查得到最优激励性的政策是上网价格规制。Menanteau等[8]对可再生能源上网价格规制分为了以产量为基础和以价格为基础2个方面的规制，并对这2种规制进行了比较研究。Couture、Gagnon[9]将上网价格政策分为了市场独立型与市场依赖型2种政策类型，并进一步划分为7个种子类型，进而分析了不同类型上网价格规制的优缺点和适用条件。Marpaung[10]对可再生能源电价规制政策的理论基础及外部性内部化进行了研究，探讨了不同电价规制政策之间的相互关系及相互作用。Fischer[11]从实践角度分析可再生能源电价机制的合理性，并分析了单个规制政策的作用和相互之间的交叉使用效果。栗宝卿等[12]指出我国的可再生能源政策还存在激励机制缺乏、政策持续性和协调统一性差等问题。

当前，我国短时间内大幅提高可再生能源发电比例，在政策制定上缺乏系统规划，造成规制效率水平低，不能充分发挥规制工具对光伏微网投资运营的指导作用。因此，本文建立微网商业模型，分析微网运营模式及各主体收益分配。其次，基于价格信号构建多场景，即微网向用户的售电电价分别为固定电价和分时电价，上网电价分别为固定电价模型、固定溢价模型和可变溢价模型，提出多场景下储能充放电策略及光伏微网运行策略，采用MATLAB软件进行时序仿真，得出典型日内不同微网主体间能量交换关系。从而对不同电价场景下上网电价规制类型对微网各主体收益的影响进行分析，为有关部门进行微网上网电价的规制决策提供借鉴意义。

1 光伏微网系统

本文所述的光伏微网系统典型结构如图1所示，主要包括光伏发电系统、光伏DC/AC逆变器、储能系统、储能双向AC/DC变流器、负荷和控制中心等。其中，控制中心采集负荷光伏电源和储能数据，负责传递系统的成本信息、给用户发送指令。

图1 光伏微网系统典型结构Fig.1 Typical structure of PV-MG system

微网按照市场电价和上网电价与电网进行电能交易。市场电价为电网向微网的售电电价，分为固定电价、峰谷电价和实时电价。上网电价为微网向电网的售电电价，是政府根据市场条件、成本因素需要制定一个收购价格(固定价格或溢价)，在一段时期内强制性要求电网公司有义务收购由可再生能源(含光伏)贡献的电力。政府可通过制定一个高于市场电价的上网价格，从而给予可再生发电产业以政策优惠的措施，上网电价与市场电价的差值由政府、消费者或者化石能源企业进行分摊。

2 微网商业模型及各主体收益

本文从价值观点出发，对光伏微网进行商业建模，如图2所示。涉及的主体包括：政府、微网投资商、微网运营商、电网及用户。为简便分析，本文中微网投资商与运营商为同一主体。

微网运营商作为电力公司和用户的中间商，负责运营和管理微网，需综合考虑各主体的利益。首先，微网运营商可以通过合理的运营方式获得利润；其次，微网运营商与电网之间签订的合同可要求微网与电网之间采用合适的供需平衡方式，便于电网平衡负荷曲线和提高供电可靠性；最后，从用户的角度出发，用户与运营商签订合同的前提条件是用户从微网的购电价格低于直接从电网购电的价格。为鼓励用户使用微网电能，通常情况下，微网按市场电价的一定比例向用户售电，本文选取广东某实际微网，微网按90%市场电价向用户售电，因此用户也能获得相对的收益。

图2 光伏微网商业模型Fig.2 Business model of PV-MG

典型日光伏微网内能量交换为

Pd(t)=PPV(t)+Pi(t)-Pe(t)+Pb(t)

(1)

式中：Pd(t),PPV(t),Pi(t),Pe(t)分别为时段t负荷功率、光伏出力、微网从大电网购电功率和微网内光伏上网功率，kW；Pb(t)为时段t储能充放电功率，kW，放电为正，充电为负。

典型日微网运营商、电网和用户收益分别为：

(2)

(3)

(4)

式中：Co,Cg,Cd分别为典型日内微网运营商、电网和用户收益，元；Vd(t),Ve(t),Vi(t)分别表示时段t用户用电电价、微网内光伏上网电价、大电网购电电价，元/(kW·h)，本文取Vd(t)=0.9Vi(t)；VPV为光伏补贴电价，0.42元/(kW·h)。

光伏自消纳率SPV为

(5)

式中：Eb为储能所消纳的光伏电能。当配置储能容量能够完全消纳午间过剩光伏，并于剩余时段重新供给负荷时，光伏消纳率为100%。

3 上网电价规制模型

和其他规制政策相比，如可再生能源配额制、可交易绿色证书、排放权交易制等，上网电价规制被认为是在吸引风险资本投资、鼓励创新以及建立市场体系等方面最有效的一种规制政策。上网电价规制类型可分为固定电价、不变溢价以及可变溢价。

3.1 固定电价模型

固定电价是指政府制定的规制价格独立于市场价格(如图3所示)，在这种规制方式下，微网运营商将获得无风险的固定补贴额，表示为

Ve=VF

(6)

式中：VF为固定电价，基于电网向微网的售电电价即市场电价Vi上下浮动。

图3 固定电价规制模型Fig.3 FOPT price model

3.2 固定溢价模型

如果政府选择的上网电价规制与市场价格相关，此时将包括2种情形：一种为固定溢价，如图4所示；另一种为可变溢价，如图5所示。在这2种方式下，微网的最终利润会随着市场环境的变化而发生波动。

图4 固定溢价模型Fig.4 CPOPT price model

图5 可变溢价模型Fig.5 VPOPT price model

当溢价水平固定时，上网电价为

Ve=Vi+ζ

(7)

式中：ζ为固定溢价。

3.3 可变溢价模型

当溢价率随着市场价格的变动而发生变动时，这种情形变得相对复杂。为分析的简便，这里仅仅假定随着市场价格的变动，溢价率是恒定的，则上网电价为

Ve=(1+λ)Vi

(8)

式中λ为溢价率。

4 多场景下微网运行策略

4.1 固定电价场景

固定电价下，储能充放电策略为：储能消纳午间多余光伏，光伏出力不足时，储能放电供给负荷。光伏微网整体运行策略如图6所示。图中C1至C4分别表示Case 1至Case4的发生次数，初值为0。

图6 固定电价下微网运行策略Fig.6 PV-MG operation strategy under fixed price

(1)当光伏发电功率不小于负荷时，运行策略如下：Case1，储能未充满，多余的光伏为储能装置充电；Case2，储能装置充满后，余下功率上网。

(2)当光伏发电功率小于负荷时，运行策略如下：Case3，储能满足负荷功率缺额，储能放电；Case4，储能不能满足负荷功率缺额，储能以最大功率放电，电网满足余下的功率缺额。

4.2 分时电价场景

分时电价下，储能充放电策略为：电价低谷时段从电网购电为储能电池充电，将存储的电能在电价峰值时段向负荷供应；其次，将光伏对负荷供电的剩余电能对储能进行充电，在电价高峰时，储能放电供给负荷。光伏微网整体运行策略如图7所示。图中C1至C10分别表示Case1至Case10的发生次数，初值为0。

图7 分时电价下光伏微网优化运行策略Fig.7 PV-MG operation strategy under TOU scenario

(1)当光伏发电功率不小于负荷时，运行策略如下：Case1，若处于电价高峰时段，光伏供给微网本地负荷，能实现一定的“削峰”作用，同时减少微网购电成本，且多余的光伏为储能充电；Case2，若处于电价高峰时段，储能已充满，余下光伏上网；Case3，若处于电价低谷时段，储能未充满，光伏除供给微网本地负荷外，余下光伏和主网共同为储能充电；Case4，若处于电价低谷时段，储能已充满，余下光伏上网；Case5，若处于电价平时段，储能无充放，余下光伏上网。

(2)当光伏发电功率小于负荷时，运行策略如下：Case6，若处于电价高峰时段，储能有余电，光伏、储能和主网共同供给微网本地负荷；Case7，若处于电价高峰时段，储能电量已放尽，光伏和主网共同供给微网本地负荷；Case8，若处于电价低谷时段，储能未充满，除光伏和主网共同供给本地负荷外，主网给储能充电，此时充电成本较低，并能实现一定的“填谷”作用；Case9，若处于电价低谷时段，储能已充满，光伏和主网除共同供给微网本地负荷；Case10，若处于电价平时段，储能无充放，光伏和主网供给本地负荷。

5 算例分析

5.1 基础数据

本文选取广东某实际微网园区夏季典型日的负荷数据进行算例分析。该区域包含5个电力用户，(基础数据见表1)。所有用户均安装了屋顶光伏系统，其额定容量从250 kW到550 kW。光伏输出功率曲线如图8所示，各用户每小时的平均功率曲线、日净功率曲线以及光伏用户群的总平均负荷曲线如图9、图10所示。

表1 分布式用户基础数据
Table 1 Basic dataof distributed users

图8 分布式用户光伏输出功率Fig.8 PV power output of distributed users

图9 分布式用户功率Fig.9 Load power of distributed users

图10 用户总功率及总光伏Fig.10 Users’ total load power and photovoltaic output

储能电池最大容量为500 kW，如果放电深度过大容易损坏储能电池，在优化过程中应保持它的荷电状态估计在20%～100%。该微网峰谷时段划分为：峰时段10:00～15:00，17:00～22:00，谷时段 00:00～07:00；其余时间段为平时段。

由图10可见：其用电主要集中在上午和下午上班时间2个高峰时段，而中午休息时间，负荷有所降低，有明显的日峰夜谷的特点。

5.2 多场景优化设置及优化运行结果

5.2.1 多场景优化设置

电网向微网的售电电价为市场电价，分为固定电价和分时电价，微网向电网的售电电价为上网电价，分为固定电价、不变溢价和可变溢价。市场电价为固定电价的场景下，上网电价通常采用固定电价。市场电价为分时电价的场景下，光伏上网电价规制可采用固定电价、不变溢价及可变溢价，因此本文考虑4种场景下微网的优化运行，分析不同价格信号下微网各主体收益情况。

场景1：市场电价为固定电价，取0.5元/(kW·h)，上网电价通常采用固定电价模型，取0.4元/(kW·h)；

场景2：市场电价为分时电价，取峰平谷电价分别为0.8，0.6，0.3元/(kW·h)，上网电价采用固定电价模型0.4元/(kW·h)。

场景3：市场电价为分时电价，取峰平谷电价分别为0.8，0.6，0.3元/(kW·h)，上网电价采用固定溢价模型，固定溢价水平ζ取-0.1元/(kW·h)，即上网电价采用峰平谷电价，分别为0.7，0.5，0.2元/(kW·h)，峰谷时段划分与场景2相同。

场景4：市场电价为分时电价，取峰平谷电价分别为0.8，0.6，0.3元/(kW·h)，上网电价采用可变溢价模型，溢价率λ=-10%，即上网电价采用峰谷平电价，分别为0.72，0.54，0.27元/(kW·h)。

5.2.2 多场景微网优化运行结果

采用Matlab软件进行微网时序仿真，得到典型日内固定电价场景和分时电价场景下微网内光伏、负荷及储能能量流动分别如图11、12所示。

图11 固定电价下微网内能量交换Fig.11 Energy exchange in PV-MGunder fixed price

图12 分时电价场景下微网内能量交换Fig.12 Energy exchange in PV-MG under TOU price

可以得到，固定电价场景下光伏自消纳率为84.87%，分时电价场景下光伏自消纳率为87.37%。可见，分时电价场景下，微网储能系统利用峰谷差进行购售电，和光伏共同为负荷供电，可促进光伏的就地消纳。

典型日内多场景下微网运营商、电网、用户收益见表2，各主体收益对比分析如图13所示。可见，从场景1到场景4，微网运营商收益逐渐递增，且分时电价下微网运营商的收益均高于电网收益。这是因为，在分时电价下，微网运营商结合分时电价调度储能，电价低谷时充电，电价高峰时放电，从而增加收益。对于微网运营商、电网、用户，场景2下的收益均大于场景1下的收益，可见，分时电价有利于增加微网整体收益。对于用户，场景2到场景4下，用户收益不变，原因在于用户收益来源于微网运营商给用户的电价相对于市场电价的优惠，与微网上网电价模型无关。

表2 多场景下典型日微网各主体收益
Table 2 Multi-agent incomeunder multi-scenarios on typical day 元

图13 多场景下各主体收益对比分析Fig.13 Multi-agent income comparison under multi-scenarios

5.2.3 敏感性分析

场景1下，微网采取固定市场电价场景下的运行策略，固定上网电价取0～0.5元/(kW·h)，步长为0.02元/(kW·h)。场景2下，微网采取分时市场电价场景下的运行策略，固定上网电价取0～0.5元/(kW·h)，步长为0.02元/(kW·h)。场景1与场景2微网中各主体典型日内收益变化对比如图14所示。可见，市场电价实行峰谷电价时，微网整体收益提高。

图14 场景1与场景2敏感性分析对比Fig.14 Sensitivity analysis comparison between scenario 1 and 2

场景3下，微网采取分时市场电价场景下的运行策略，上网电价的固定溢价水平ζ处于-0.2～ 0.2元/(kW·h)，步长0.02元/(kW·h)。场景4下，微网采取分时市场电价场景下的运行策略，上网电价的溢价率λ处于-20%～20%，步长2%。场景3与场景4下，上网电价的峰平谷电价变化如图15所示。可见，可变溢价模型下电价变化率高于固定溢价模型的电价变化率。

图15 场景3与场景4峰谷分时电价变化对比Fig.15 TOU comparisonin scenario 3 and 4

场景3与场景4下，微网中各主体收益差值如图16所示，可见，微网运营商收益提高，电网收益降低，用户收益不变。当固定溢价水平和溢价率小于等于0时，微网运营商在场景3下的收益低于场景4下的收益，电网在场景3下的收益高于场景4下的收益，当固定溢价水平和溢价率大于0，结果相反。场景3与场景4下，用户收益均保持不变。

由表3灵敏度分析可以看出，固定价格机制变化率对微网运营商收益影响最大，且固定价格制定在使用过程中最为简便，微网投资者更倾向于固定价格规制的环境。

图16 场景3与场景4各主体收益差值Fig.16 Multi-agent income differencein scenario 3 and 4

6 结 语

本文研究了价格信号对微网内各运营主体收益的影响。首先，建立微网商业模型，分析微网运营模式及各主体收益分配。其次，基于价格信号构建多场景，即微网向用户的售电电价分别为固定电价和分时电价，上网电价分别为固定电价模型、固定溢价模型和可变溢价模型，提出多场景下储能充放电策略及光伏微网运行策略，采用MATLAB软件进行时序仿真，得出典型日内不同微网主体间能量交换关系。最后，对不同价格场景下，微网各主体收益及电价模型对收益的影响进行灵敏度分析。

结果显示：相对于固定电价场景，分时电价场景下微网光伏自消纳率和经济效益更高。同时，在分时电价场景下，上网电价模型中，微网运营商的收益对固定上网电价的变化最为敏感，可变溢价次之。固定上网电价下微网运营商收益不受市场影响，对快速促进微网市场建设、增加微网内装机容量更有效。可变溢价与固定溢价随市场变化，对加强微网成本控制、提高动态效率和方便技术变迁更加有效。可见，上网电价规制发挥重要作用需要合理考虑微网项目的发展目标和合理的回报，本文的研究对微网上网电价的规制决策具有较好的借鉴意义。

[1]郭力，刘文建，焦冰琦，等.独立微网系统的多目标优化规划设计方法[J].中国电机工程学报，2014，34(4)：524-536. GUO Li，LIU Wenjian，JIAO Bingqi，et al.Multi-objective optimal planning design method for Stand-alone microgrid system[J].Proceedings of the CSEE，2014，34(4)：524-536.h

[2]BASUX A K，BHATTACHARYA A，CHOWDHURY S，et al.Planned scheduling for economic power sharing in a CHP-based micro-grid[J].IEEE Transactions on Power Systems，2012，27(1)：30-38.

[3]朱兰，严正，杨秀，等.风光储微网系统蓄电池容量优化配置方法研究[J].电网技术，2012，36(12)：26-31. ZHU Lan，YAN Zheng，YANG Xiu，et al.Optimal configuration of battery capacity in microgrid composed of wind power and photovoltaic generation with energy storage[J].Power System Technology，2012，36(12)：26-31.

[4]牛铭，黄伟，郭佳欢，等.微网并网时的经济运行研究[J].电网技术，2010，34(11)：38-42. NIU Ming，HUANG Wei，GUO Jiahuan，et al.Research on economic operation of grid-connected microgrid [J].Power System Technology，2010，34(11)：38-42.

[5]茆美琴，孙树娟，苏建徽.包含电动汽车的风/光/储微电网经济性分析分析[J].电力系统自动化，2011，35(14)：30-35. MAO Meiqin，SUN Shujuan，SU Jianhui.Economic analysis of microgrid with wind/ photovoltaic/ storages and electric vehicles[J].Automation of Electric Power Systems，2011，35(14)：30-35.

[6]DUFFIELD J A，COLLINS K. Evolution of renewable energy policy[J]. Choices the Magazine of Food Farm & Resource Issues, 2006，21(1)：9-14.

[7]BÜRER M J, WÜSTENHAGEN R. Which renewable energy policy is a venture capitalist’s best friend? Empirical evidence from a survey of international cleantech investors[J]. Energy Policy, 2009, 37(12): 4997-5006.

[8]MENANTEAU P, FINON D, LAMY M L. Prices versus quantities: choosing policies for promoting the development of renewable energy[J]. Energy policy, 2003, 31(8): 799-812.

[9]COUTURE T, GAGNON Y. An analysis of feed-in tariff remuneration models: Implications for renewable energy investment[J]. Energy Policy, 2010, 38(2): 955-965.

[10]MARPAUNG C O P, SOEBAGIO A, AMBARITA E. Effect of carbon tax on energy security in the long term energy sector development of Indonesia[C]// Proceedings of the International Symposium on Parameterized and Exact Computation(IPEC)Conference. India：IEEE, 2010: 1129-1133.

[11]FISCHER C, PREONAS L. Combining policies for renewable energy: Is the whole less than the sum of its parts[J]. International Review of Environmental and Resource Economics, 2010,10(4):51-92.

[12]栗宝卿. 促进可再生能源发展的财税政策研究[D]. 北京：财政部财政科学研究所，2010. LI Baoqing, Fiscal and taxation policies to promote the development of renewable energy research[D]. Beijing：Research Institute for Fiscal Science, Ministry of Finance, P.R.China, 2010.

(编辑 张媛媛)

PV-Based Microgrid Operation Contrastive Research Considering On-Grid Power Tariff Regulation

ZHOU Nan, LIU Nian, ZHANG Jianhua

(North China Electric Power University, State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources, Beijing 102206, China)

The photovoltaic-based microgrid (PV-MG) is an effective way to promote the utilization of solar energy locally and develop the efficiency of distributed photovoltaic power generation system. However,in the development of PV-MG, the asymmetry characteristics of the cost-benefit of microgrid and the positive externalities of photovoltaic generation make its investment income benefit not obvious, which must be corrected by government regulation to support its development. On-grid power tariff (OPT) regulation is one of the most effective ways. Currently, in order to improve the proportion of renewable energy generation, the regulation of PV-MG is lack of system planning and has low effective level, which cannot give full play to the guiding role of the regulation tool on the business investment of PV-MG.Thus, this paper studies the influence of OPT regulation type on the investment and multi-agent income distribution of PV-MG under different price scenarios. Firstly, we construct the business model of PV-MG and analyze the operation mode and multi-agent income distribution of PV-MG. Then, we establish multi-scenarios based on price signal, in which the user electricity price are divided into fixed price and time-of-use (TOU) price, the on-grid power price are divided into fixed OPT (FOPT), constant premium OPT (CPOPT) and variable premium OPT (VPOPT). We propose the charging and discharging strategy of energy storage and overall operation strategy of microgrid under the multi-scenarios, and carry out the timing simulation to obtain the energy exchange and income distribution among microgrid subjects on typical day. Finally, we make sensitivity analysis of price models’ impact on multi-agent income under multi-scenarios, and apply the model in a microgrid in Guangdong province to verify the effectiveness and feasibility of the proposed method, which can provide reference to the OPT regulation decision of microgrid under different electricity price scenarios for related departments.

photovoltaic-based microgrid (PV-MG); business model; on-grid power tariff regulation; multi-scenarios operation; multi-agent income distribution

国家高技术研究发展计划项目(863计划)(2014AA052001)；北京市科技计划课题(Z141100003714125)

TM 615, F 426

A

1000-7229(2016)03-0082-08

10.3969/j.issn.1000-7229.2016.03.013

2015-11-27

周楠(1992)，女，硕士研究生，研究方向为微网规划运营；

刘念(1981)，男，博士，副教授，主要研究方向为新能源与智能配用电系统、电力信息安全；

张建华(1952)，男，教授，博士生导师，主要研究方向为电力系统分析与控制。

Project supported by the National High Technology Research and Development Program of China (863 Program) (2014AA052001); Beijing Municipal Science and Technology Project(Z141100003714125)