新型电力系统下考虑风电消纳的共享储能定价模型研究

齐彩娟，车彬，陈宝生，靳盘龙

（国网宁夏电力有限公司经济技术研究院，宁夏 银川 750004）

0 引 言

目前，构建新型电力系统已成为贯彻落实国家能源安全新战略、实现碳达峰碳中和目标的重大需要[1]。文献[2]提出传统能源逐步退出必须建立在新能源安全可靠的替代基础上。因此，新能源在电力系统中的重要性与安全可靠性日益提升。近年来，风电装机容量迅速增长，其不确定性给电网运行带来的安全问题也逐渐增多。但是，储能可通过在时间尺度上转移负荷来达到削峰填谷，能有效解决新能源的反调峰特性。在2021年，风光配置储能逐渐成为带有一定“强制性”的配置[3]。其中，宁夏发布了《关于加快促进储能健康有序发展的通知》，力争到2025年全区储能设施容量不得低于新能源装机规模的10%、且连续储能时长2 h 以上。然而，电池储能的投资成本使得它的应用受到限制，因此，可通过建设共享储能来实现风电机组共同使用储能单元。可将原本分散的储能集中起来，为风电机组提供储能服务，使其更好地应用储能资源、跟踪出力曲线，达到充分利用新能源的目的。

共享储能发展的快慢和其自身能获得多少利润密不可分，而利润的多少主要取决于共享储能的定价机制与商业模式，在此方面，目前已经有一些研究。例如，文献[4]提出多微电网并网系统租赁共享储能组成微电网联盟参与配电网调峰调度的模型，实现多主体利益共赢。文献[5]提出了公寓式厂房共享储能服务模式，在保证参与者获得适当利润的同时，实现共享储能服务提供商利润最大化。文献[6]提出了家庭共享社区储能的合作模型，使家庭和公用事业公司都能从社区储能中受益。

不管是对于共享储能的投建者或是使用者，储能服务的定价显得尤为重要。本文介绍共享储能在新型电力系统中的应用，设计了一种可供风电场使用储能服务的共享储能运营商。首先，建立了一种以运营商为领导者，风电场为跟从者的主从博弈共享储能定价模型，双方目标函数均为收益最大；其次，利用Gurobi 求解器与粒子群优化算法相结合进行迭代求解，找到运营商对不同风电场各自的最优定价与运行策略。最后，对算例仿真结果进行了相关分析，验证模型的有效性与合理性。

1 共享储能介绍及其应用

1.1 共享储能四大基本构架

当前，共享储能的基本构架主要有图1中(a)、(b)、(c)、(d)四种，分别为私有储能、互联储能、通用储能与独立储能四种[7]。

1.1.1 私有储能

图1(a)中的储能称为私有储能，即每个储能作为用户的私有财产且独立运行[8]，用户与用户之间的储能没有直接的能量联系。带有储能的用户与用户之间间接共享储能。在这种结构中，用户之间的私有储能并不是共享的资源，而是支持用户之间能源交换的内部能源设施[9]。

1.1.2 互联储能

图1(b)中的储能称为互联储能，即互联储能用户所属的储能与储能间有直接的能量联系，可直接共享[10-11]。结构(b)用户可以通过在其储能中创建用于交易的容量块，与他人共享其储能的容量，可解决单个储能规模可能导致的低效率问题。在实际应用中，互联储能已应用于基于储能的虚拟电厂项目中。

1.1.3 通用储能

图1(c)中的储能称为通用储能，在结构(c)中，将所有需要使用储能的用户聚合在一起，为所有用户安装了一个共享储能以共同使用。该结构是储能共享系统的主流结构。这种结构在现实世界中的应用之一是社区型储能，即在用户聚集的能源社区中安装一个共享储能以供不同家庭使用储能服务。通用储能可以直接给每个用户划定一定容量以供使用[12-13]。

1.1.4 独立储能

图1(d)中的储能称为独立储能，共享储能是由独立的第三方的运营商进行投建并管理，即共享储能运营商，本文将主要结构(d)展开研究。首先，共享储能的价格由共享运营商决定，它根据用户对共享系统容量请求和能量交换的决策来控制共享系统。与结构(c)中共享储能的聚合器相比，结构(d)中的共享储能运营商对共享储能进行投资，并向用户提供储能服务。然而，结构(d)需要设计一个有效处理共享储能与储能用户之间相互作用的能源交易与服务定价模型。

图1 共享储能的四大基本构架

1.2 共享储能的应用价值

1.2.1 减少弃风，充分利用新能源

据国家能源局统计，全国弃风弃光总量在2019年时达到16.8 TW·h，2020年为16.6 TW·h，因此，由“弃风”问题造成的经济损失仍然很大，中国所面临的风电的消纳问题也相对严峻，因此，减小“弃风”率，提高电网消纳能力仍是首要任务。为此，风电场可以在风力充足时向共享储能系统充电，以减少由于风力等新能源出力具有波动性而造成的弃风现象，达到充分利用新能源的目的[14-15]。

1.2.2 平抑风电出力波动

共享储能系统不仅可以在风电场出力尖峰时吸收功率，在其出力低谷时输出功率,实时地调整跟踪风电场的出力,在风电场实际出力加上共享储能出力后的联合功率曲线变得平滑，从而友好化新能源并网[16]，以支撑新能源电力外送持续发展。

1.2.3 跟踪计划出力曲线

根据风电场出力预测曲线，不仅可以合理协调安排电力系统调度部门高效配合，以达到及时调整调度计划的目的，还可以降低风电等随机电源的接入的不良影响。除此之外，随着新能源逐步深入参与我国电力市场，风电功率预测也是报量、报价的重要基础。但是，目前的新能源预测技术仍旧有一定的限制，较大的误差依旧不可避免[16]。然而，利用共享储能系统对风电实际出力与计划出力间的差额进行补偿跟踪，可高效大力地缩小实际出力与计划出力曲线之间的偏差。

2 共享储能运营商定价模型

2.1 系统结构

本文以基本构架中的独立储能形式为研究基础，考虑共享储能为独立的运营商，以发电侧共享储能为例，建立了主从博弈模型，又称为斯塔克尔伯格[17]（Stackelberg）模型，参与博弈的主体包括共享储能运营商与风电场。

首先，由共享储能运营商制定一天内的不同风电场的服务使用费，风电场组结合定价和自身利益，调整服务使用量。于是，运营商基于风电场的策略再次调整自身的价格使自身收益达到最大，如此循环，直至寻找到同时满足两者最优定价策略。

显然，两者收益冲突，且决策都受对方影响并有先后顺序。由于“强制配储”等政策要求，风电场需调用储能实现目标，因此运营商在博弈中占主导地位，即领导者为共享储能运营商，跟随者为风电场。为使求解过程清晰，将模型分为上层和下层进行描述，博弈框架如图2所示。

图2 基于主从博弈的共享储能运营商定价模型博弈框架

2.2 上层模型

2.2.1 目标函数

模型中由共享储能运营商投资独立储能，并将分散的能源设备聚合在一起，为需要使用储能的风电场提供及时有效的储能服务，在提高设备整体的利用率的同时，赚取风电场的服务使用费。

若风电场功率缺额，需要共享储能放电[18]，则需要向共享储能运营商缴纳一定费用。为了跟踪计划出力曲线而不受电网惩罚，在发电充足时风电场向共享储能充电，也将向共享储能运营商缴纳一定费用。

共享储能运营商的目标函数为自身获利最大，在不考虑设备投建成本与寿命损耗的情况下，运营商的总收益为向风电机组售电的总收益减去运行成本，如式（1）所示：

式中：FSES为共享储能运营商总收益；t为时间索引；T为时间段总数；u为共享储能设备索引；U为共享储能设备总数；w为风电场索引；W为风电场总数；、分别为风电场w 在t时段向共享储能u的充、放电功率；、分别是t时段共享储能u向电网购、售电的功率；与分别为风电场w在t时段的充放电功率单价；λCC与λDC分别为运营商的充、放电单位成本；λsale、λbuy分别是运营商向电网售、购电的单位成本。

2.2.2 共享储能系统模型

2.2.2.1 储能水平约束

共享储能系统u的容量在一天内第t+1 个时段的容量可表示为

式中：Eu,t+1、Eu,t分别表示共享储能u在t+1、t时段的容量；表示共享储能u的充放电功率；ηCu和ηDu分别表示使用者的充、放电效率；Δt为t至t+1 的时间间隔；Eumin、Eumax分别表示共享储能u容量上下限。

2.2.2.2 充放电功率约束

任何时段，每个共享储能的充放电不可同时进行，且充放电的功率应在限定范围内：

式中：ICu,t为储能系统充电的状态变量；IDu,t为储能系统放电的状态变量，均为0～1 变量；为t时段从共享储能u的充电功率；PuC,min、PuC,max分别为共享储能系统u的最小、最大充电功率；为t时段共享储能u充电的功率；PuD,min、PuD,max分别为共享储能u的最小、最大放电功率。

2.2.2.3 系统购售电约束

共享储能u在t时段向电网购电或售电的功率也受到如下约束：

2.2.2.4 共享储能运营商服务持续性约束

为保证共享储能系统能够持续为风电场提供服务，令每个共享储能u的初末容量相等，即：

2.3 下层模型

2.3.1 目标函数

风电场为本文主从博弈模型的跟随者，其主要收益来自风电上网收益。但若上网风电偏离预测风电时，将会向电网缴纳一笔惩罚费用。风电上网偏差惩罚的计算公式如式（8）所示：

式中：λg为风电上网功率实际与预测出力不符合的价格惩罚系数；Pw,t表示t时段风电场w 的实际出力，Pfw,t表示t时段风电场w的预测出力。

模型中，需要进行如下约束处理以去掉目标函数中的绝对值：

所以，fg可转换为

风电场需利用共享储能系统以逼近当日发电功率目标。每个风电场的目标函数均为各自收益最大，目标函数如下所示：

式中：λw为风电场w 的上网电价；λg为风电上网功率实际与预测出力不符惩罚系数，为了使总出力逼近出力预测曲线，λg一般设置的较大；Pw,t表示t时段风电场w的实际出力；表示t时段风电场w的预测出力。

2.3.2 风电场模型

2.3.2.1 功率波动约束

风电场功率波动存在一定约束：

式中：m表示最大功率波动百分比，Pw是风电场w的装机容量。

2.3.2.2 风电场充放电功率约束

同样，风电场使用储能充电、放电功率也有一定的限制，约束(13)为充放电功率守恒约束，约束(14)为风电场的充放电功率上下限限制。

3 模型的求解

本文模型选用Gurobi 求解器与粒子群优化算法（particle swarm optimization，PSO）相结合在MATLAB2018B下进行求解。

3.1 粒子群优化算法

PSO 是一种进化计算技术。源于鸟群捕食，基本思想为通过群体中个体之间的协作和信息共享来寻找最优解[19]。PSO 简单、容易实现、需调节参数少，已被广泛应用于函数优化、神经网络训练等应用[20]。因为能够完整保存并更新全局最优解，PSO 对于价格的优化具有一定优势[21-22]，所以，本文上层的共享储能运营商价格的优化采用PSO。

3.2 求解步骤

本模型的求解流程如图3所示。

图3 求解流程

具体步骤如下：

1)首先，输入风电场与共享储能系统的已知相关参数；

2)设置PSO的相关参数、求解的迭代次数；

3)利用PSO初始化运营商的价格数据；

4)利用Gurobi求解下层风电场需求与上层优化策略，并计算双方收益，得到起始最优策略；

5)令迭代次数r=1，进入迭代优化部分；

6)根据当前下层风电场的充放电服务使用策略，利用PSO生成新的价格策略；

7)根据当前上层共享储能运营商的价格策略，利用Gurobi 求解下层风电场的充放电服务使用量；

8)计算此段共享储能运营商收益，保存当前迭代最优解。

9)判断当前迭代次数是否大于最大迭代次数R。若未达到最大迭代次数，重复步骤(6)—(8)的迭代过程，直到达到最大迭代次数R的时候，输出当前最优解。

4 仿真分析

4.1 系统参数设置

假设周期为一天，分为24 个时段，即t=24，共享储能运营商拥有两个共享储能，并且，有三个风电场需要使用储能服务，系统参数设置算例场景如图4所示。

图4 共享储能与风电场算例场景设置

4.1.1 风电场系统参数

三个风电场分别为W1、W2、W3，图5所示为三个风电场的预测出力曲线。

图5 风电场预测出力曲线

W1、W2、W3的装机容量分别为100 MW、120 MW、150 MW。由图可见W1功率预测曲线在三者中最为平稳，仅在午间时刻出力稍有波动；W2在凌晨时刻预测出力逐渐减小，但波动不大，从午间过后开始较大幅度的波动；W3则与W2相反，在凌晨与上午出力波动较为剧烈，而中午过后出力逐渐平缓。

4.1.2 共享储能系统参数设置

算例中，考虑共享储能运营商有两个共享储能，具体参数如表1所示。

表1 共享储能系统参数设置

4.1.3 价格参数设置

算例中，价格相关参数设置如表2所示。

表2 模型相关价格设置（元/MW）

4.2 算例分析

4.2.1 风电场运行策略分析

如图6所示，分别为最优价格策略下的三个风电场运行策略。

由图6（a）可知，虚线为出力W1、W2、W3的预测出力曲线，实线分别为使用储能后的实际出力与实际出力加上使用储能后的实际上网曲线，每个风电场使用共享储能需求如图6(b）所示。0：00—12：00 期间W2的充放电需求强烈，而12：00 以后为W3的需求时段。对于波动较小的W1仅在午间时段有所需求。

图6 风电场运行策略

可以明显看出，通过使用共享储能的服务，W1、W2、W3分别在不同时刻使用储能以满足自身需求，具有良好的互补性，实际出力曲线也得到了一定程度的平滑化，并且在使用了共享储能后的上网曲线也能够很好地逼近出力预测曲线。

4.2.2 最优价格求解结果

图7、图8为共享储能运营商的运行策略与对三个不同风电场最优定价求解结果。将图8的定价求解结果曲线结合图6与图7的运行策略进行分析。

图7中，共享储能运营商针对下层W1、W2、W3的充放电需求对共享储能资源进行了合理的分配，并在当容量无法满足风电场需求时，将向电网购电，并在容量充裕时向电网售电。

图7 共享储能运营商运行策略

如图8所示，在W1波动的午间时段共享储能放电价格达到高峰，后半时间段则价格较低，W2、W3的价格曲线也在随需求波动，可以明显看出，在需求最大的后半时间段，W3的充放电价格在轮流持续达到最高。

图8 共享储能运营商定价策略求解结果

当风电场必须使用储能以跟踪出力曲线或平抑波动时，运营商在该时段的服务定价将会达到较高的位置。而在不需要使用服务的时段，价格会在一个较低位置以鼓励风电场积极使用储能服务。其余时刻，共享储能的定价受到了该时段容量的一定影响，如在午间容量最小的时刻，对于三个不同的风电场，充放电定价都处于较高位置。

4.2.3 定价策略对比分析

表3所示为在运营商不同定价策略下的W1、W2、W3的收益与共享储能运营商的收益对比情况。表中设置了各方的最低定价与最高定价，平均定价则取两者的平均值500 元/MW。

表3 二次调频综合指标对比

虽然模型的求解定价下的双方收益并不是各自的最优收益，但却是博弈的最优解。

由表3可知，对于出力较为平缓的W1，共享储能运营商对它的收益影响不大。然而对于W2与W3这类风电场，随着定价升高，他们的收益逐渐减小，而运营商的收益猛烈增长。当定价过高与过低时，总有一方收益较低。在本文模型的求解定价下，双方受益均衡，运营商收益达到9.80万元/天，而W1、W2、W3的收益处于一个相对较优的位置。

5 结 论

1）针对储能投资成本高、回报周期长等问题，设计了可供风电场使用的发电侧共享储能运营商，并建立了一种以共享储能运营商为领导者、风电场为跟从者的主从博弈共享储能定价模型，目标函数均为自身收益最大。

2）利用本文模型，针对不同需求的风电场，共享储能运营商将制定不同的最优价格曲线，不仅可提升自身收益，也可减小风电场的上网功率偏差，平滑风电出力曲线，在一定程度上提升风电场收益。

3）在本文模型中，共享储能运营商的充放电价格曲线不仅与风电场的实际需求相关，还受到储能此时的容量的影响。即当风电场必须使用储能以跟踪出力曲线或平抑波动时，运营商在该时段的服务定价较高，反之，价格会在一个较低位置；另外，若共享储能的当前容量处在较低值时，运营商的充电定价应定的较低以鼓励风电场积极使用储能服务向共享储能充电。