考虑省间交易与源荷互动协调的新能源消纳机制

刘 颖，唐夏菲，蔡 晔，谭玉东，曹一家，肖晓明

（1.长沙理工大学电气与信息工程学院，长沙 410114；2.国网湖南省电力公司经济技术研究院，长沙 410004）

随着经济与社会的不断发展，能源短缺与环境恶化已逐渐成为我国可持续发展战略所面临的严峻考验[1]。为有效应对此类挑战，以风电、光伏发电为主的新能源得到迅速发展[2]。然而，由于风电与光伏发电的间歇性[3-4]，加上区外来电将给受端电网带来一定的调峰压力[5]，造成系统调峰灵活性不足，弃风、弃光现象频发。如何提升系统新能源消纳能力已成为我国目前亟需解决的重要问题之一。

在实际运行中，国内外主要从以下3个方面来促进新能源的消纳：①利用稳固的跨国跨区电网，在新能源大发时期进行电力互助交易，如英国、德国等[6]；②加大燃油燃气和水电等灵活机组在电网中的比例，利用其灵活调控特性协助消纳新能源，如加拿大、法国等[6]；③利用价格或激励性的需求响应参与新能源的消纳，在当前电力市场现状下，需求响应已逐渐成为促进新能源消纳的重要方式[6]。目前，在利用需求响应促进新能源消纳方面已有大量的研究，文献[7]综合考虑了新能源出力与用户需求响应不确定性，建立了以新能源消纳最大化为目标的配电网经济调度优化模型；文献[8]将需求响应与储能技术进行结合，建立了需求响应与热电联产机组联合消纳弃风模型。上述研究结果表明利用需求侧响应可以有效地促进新能源消纳，降低弃风、弃光，缓解系统调峰压力。

近年来，国务院出台了一系列政策[9-10]，积极推进中国电力体制改革，各省提出的改革方案都以省间交易作为未来中国电力市场发展的重要方向，省间交易既能够减缓电力供需不匹配的矛盾，又能实现不同地区电力资源的优化配置，然而目前关于省间交易的研究中，大多忽略了用户的调峰潜力[11-12]。因此，为进一步提升新能源的消纳，应充分利用用户需求响应潜力，为系统提供合理有效的调峰资源。

为此，针对因系统调峰能力不足或市场交易机制不健全造成的新能源消纳困难问题，研究了鼓励用户参与需求响应的新能源消纳机制。首先，从交易上报、出清、结算分摊3个角度，设计了用户参与新能源消纳的省间交易机制。然后，综合考虑了用户的用电需求、需求响应能力以及机组的出力限制等约束，建立了一种促进新能源消纳的中长期源荷协同的优化模型。最后，以某省电网为例展开案例分析验证了本文所提模型的有效性、合理性。

1 用户参与新能源消纳的省间交易机制

考虑到大部分用户不能直接参与电力市场交易，采用“省间交易商IPT（inter-provincial traders）”作为用户代理进行省间交易[11，13]，由于目前正处于省间交易市场建设的初期，各省电网公司将作为IPT代表省内用户进行省间交易[11，14]。本文所提的省间交易机制如图1所示。

图1 交易机制Fig.1 Transaction mechanism

首先，省内新能源厂商向IPT上报新能源出力信息，省内用户向IPT上报用电需求信息，同时还应考虑自身用电计划、调峰能力上报一条或多条用电曲线。针对每条用电曲线，用户还需根据自身为参与需求响应而转移用电负荷所造成的损失，向IPT上报各自的削峰填谷补偿费用。

然后，IPT根据省内新能源出力信息、用户用电需求信息与省内火电机组、水电机组等传统机组出力信息确定外购电需求量，并将需求量上报给电力市场交易中心。电力市场交易中心通过运营送电端电力市场来满足IPT的购电需求，并在送电端电力市场交易出清后且满足省间联络线传输功率约束的情况下得出各省间联络线的日传输计划。

最后，省内开展常规电力市场出清，并在出清后按照‘谁获利，谁负责’的公平性原则进行用户补贴成本的分摊。

为响应国家大力发展新能源，优先消纳新能源的号召[15]，同时鉴于省外购电存在着电力电量的强耦合关系[16]（电力与电量之间必须具备明确的函数关系），在新能源出力不确定性的叠加作用下，外购电量过大可能会形成备用不足、调峰困难等情况，且压缩了省内市场交易空间，降低了本地发电厂商发电积极性。因此，本文将详细说明了促进新能源消纳的中长期源荷协同优化模型，通过优化省内用户的负荷需求，在促进新能源消纳的同时，对外购电需求进行优化。

2 考虑社会环境因素的用户需求响应模型

峰谷分时电价作为一种重要的电价制度，能够通过经济杠杆的作用来激励用户转移自身用电负荷，以达到削峰填谷的目的。因此本文考虑价格型需求响应，在峰谷分时电价的基础上建立用户响应模型。

价格型需求响应通常采用价格弹性系数来表示。价格弹性系数是各时段用电量对电价的灵敏度[17]，分为自弹性系数与交叉弹性系数，其中，自弹性系数表示当前i时段电价变化对当前时段用电量的影响，交叉弹性系数表示其他j时段的电价变化对当前i时段用电量的影响，具体表示为

式中：L0,t为响应前t时刻的用电负荷；P0,t、P0,h分别为响应前t时刻和h时刻的电价；ΔLt为t时刻用电负荷的相对变化量；ΔPt和ΔPh分别为t时刻与h时刻电价的相对变化量；ε(t,t)为自弹性系数；ε(t,h)为互弹性系数。

在调度周期内，以峰谷分时电价为基础，将价格弹性系数矩阵表示为

式中，下标m、n、o分别代表峰、平、谷时段。矩阵中各元素分别对应各时段的自弹性系数与互弹性系数。

基于上述分析，可得用户参与响应后的用电量为

式中，L0,t、Lt分别为t时刻响应前、后的用户负荷。

上述基于价格弹性矩阵的需求响应模型在月度交易过程中显得过于理想化，在实际响应过程中，由于用户具有主观能动性，因此用户是否参与需求响应除了受电价政策影响，同时还会受需求响应政策宣传时间和力度、用户群体行为等社会因素的影响。为了量化用户参与度对负荷的影响，本文在传统需求响应模型的基础上，加入了用户的响应意愿系数。图2为用户响应意愿系数曲线。

图2 用户响应意愿曲线Fig.2 Curve of user response willingness

用户响应意愿曲线主要分为3个阶段：0～t1为政策实施初始阶段，该阶段由于宣传力度较小、用户对新政策不了解等原因，用户响应意愿不高，意愿系数为 μ1；t1～t2阶段，随着宣传力度加大，且其余未响应用户观察到响应者获得可观的经济效益，意愿系数不断增加；t2时刻，意愿系数达到饱和，全部用户参与响应，意愿系数为1。因此，考虑用户响应意愿系数后的需求响应模型修改为

式中：μ为意愿系数。

3 促进新能源消纳的中长期源荷协同优化模型

3.1 模型框架

促进新能源消纳的中长期源荷协同优化模型框架包括短时间尺度和月度省间交易2个层面，模型框架如图3所示。

图3 模型框架Fig.3 Model framework

在以日为交易周期的短时间尺度内，采用考虑社会环境因素的用户需求响应模型来反映用户的需求响应能力，由于弃风、弃光现象多发生在平谷时段，通过实行削峰填谷补贴引导用户将峰时段负荷转移至平谷时段，让用户负荷需求和风电/光伏发电曲线时序上最大化贴近，尽可能地消纳新能源。

在以月为交易周期的中长期时间尺度上，在短时间尺度日出清结果的基础上，开展月度连续省间交易，建立以电网公司和新能源发电厂商利益最大化为目标函数、促进新能消纳的月度省间交易优化模型。在交易出清后根据受益主体的各自收益量进行用户补贴成本的合理分摊。

3.2 目标函数

电网公司与新能源企业的经营目标是在电网安全稳定运行的基础上实现各自经济效益最大化，因此，综合考虑电网公司的经济性以及新能源的消纳能力，为促进新能源消纳与满足电网公司收益最大化，本文的目标函数为

式中：Sf、Sw和SG分别为用户参与需求响应后风电、光伏的新增收益与电网公司收益；Sh为用户参与需求响应所得的补偿成本；分别为交易前、后的风电与光伏消纳量；分别为交易前、后的外购电量；p1和p2分别为风电与光电标杆上网电价；p3为外购电合同电价；xt为t时刻的补贴价格；T为时间周期。

3.3 约束条件

（1）火电机组出力约束为

（2）风电、光伏出力不确定性约束。受自然条件及其他外界未知因素的影响，现有预测方法所得的结果与实际的风光出力存在着一定的误差。当风光大规模并网时，这些误差不能被忽略。本文采用文献[18]中的不确定集合表示方法，对风光出力的不确定进行表述为

（3）风电、光伏出力限额约束为

（4）火电机组运行时间约束为

（5）火电机组爬坡约束为

式中，ri,up、ri,down分别为机组的爬坡上、下限。

（6）功率平衡约束，任意时刻各机组的总出力与外购电量之和等于当前时刻的负荷需求，表示为

式中：Pg,t为火电机组总出力量；μi,t为火电机组i在t时刻的运行状态，μi,t=0表示机组处于停运状态，μi,t=1表示机组处于运行状态；I为火电机组个数；为水电机组出力量，本文对于水电的重视程

式中：ΔLt为t时刻的用户负荷转移量，为当前时刻柔性负荷的可转移上限。

（8）外购电功率约束为度较高，因此假设交易前后水电皆全额消纳。

（7）柔性负荷响应能力约束为

本文模型属于复杂的混合整数规划问题，采用改进粒子群算法对其进行优化求解[19]。为方便求解，本文借鉴文献[19]中的粒子修补策略对不符合约束条件的粒子编码矩阵进行修复，直至满足条件为止，同时在迭代求解过程中加入惩罚函数，对于不满足约束条件的粒子设定一个较大的阈值，使其跳出不可行域。

3.3 交易结算

交易结算中应考虑的关键点在于用户参与需求响应后，所产生的用户补偿成本应由哪些市场主体分摊。用户参与需求响应的效益主要体现在以下两方面：①电网公司峰时段大幅度减少外购电量；②新能源在平谷时段大幅度提升消纳量。

本文按照“谁获利，谁负责”的公平性准则，设计了一种交易结算方法。具体结算规则为：电网公司、新能源发电厂商在用户参与需求响应后均受益，因此两者皆需分摊用户补偿成本，分摊大小根据外购电减少量、新能源新增消纳量在两者电量和中的占比确定。具体计算公式为

式中：φ为交易出清后的需支付的用户补偿成本；QG和Qx分别为外购电减少量和新能源新增消纳量；ω为分摊比例；fG和fx分别为电网公司和新能源发电厂商应分摊的补偿成本。

4 算例分析

4.1 算例参数

本文以一个月为交易优化周期，以某省电网作为研究对象开展仿真分析，其峰谷电价及时段数据如表1所示。

表1 峰谷分时电价及时段Tab.1 Peak-valley electricity prices and the corresponding time periods

本次算例仿真假定用户响应意愿曲线中的t1=10、t1=20，μ1=0.3。各时刻柔性负荷可转移上限为该时刻柔性负荷的40%。外购电合同电价为0.313 45元/（kW·h）。风电上网电价为0.47元/（kW·h），出力预测误差取±20%，光伏上网电价为0.49元/（kW·h），出力预测误差取±10%。需求价格弹性系数参考文献[17]，具体数据为

4.2 典型日结果分析

1）机组调度结果

以某典型日为例，通过给与用户削峰填谷电价补贴引导用户参与需求响应后，各机组的调度结果与负荷曲线变化情况如图4所示。可以看出，各机组的总出力情况与用户负荷需求的变化趋势基本保持一致，其中，火电机组的出力最大，占到用户负荷需求的40%～55%。水电机组出力较为稳定。与此同时，用户参与需求响应后，平谷时段的负荷需求得到增加，峰时段的负荷需求得到减少，系统负荷峰谷差减少了4.6%。

图4 优化后各类机组的出力情况与负荷曲线变化情况Fig.4 Output from various units and changes in load curve after optimization

2）新能源消纳情况

图5给出了优化前风电、光伏的消纳与出力情况。可以看出，凌晨负荷谷时段弃风较为明显，当天弃风总量为3 668.73 MW·h，占风电总出力的11.37%。光伏在中午平时段弃光严重，当天弃光总量为1 191.68 MW·h，占光伏总出力的20.02%。结合图4可知，通过引导用户参与需求响应将自身负荷需求进行转移，增加平谷时段的用电量，风电消纳量上升了4.5%，光伏消纳量上升了9.1%，有效缓解了弃风和弃光问题。

图5 新能源出力情况Fig.5 Output from renewable energy

3）外购电情况

按照实际运行方式，采用三段化分段运行方式进行省间功率传输。图6为优化前后省间联络线的传输功率曲线。可以看出，相比优化前的外购电功率传输曲线，优化后的外购电量在09∶00—24∶00得到大幅降低，这是因为峰时段处于该时段，通过引导用户参与需求响应将峰时段的负荷向平谷时段进行转移，大幅度降低了用户此时的用电需求，进而减少了省内外购电需求。

图6 省间联络线路传输功率曲线Fig.6 Curves of transmission power on inter-provincial connection line

4）用户补偿成本分摊情况

该典型日用户补偿成本为75.01万元，根据第3.3节设计的结算机制，各受益主体分摊结果如表2所示。该典型日新能源日新增电量Qx=1988.38 MW·h，经计算当日新能源发电厂商新增收益94.53万元；电网公司外购电日减少量QG=15 316.19 MW·h，按照合同电价计算电网公司外购电成本减少了480.09万元。按照成本分摊规则计算，新能源发电厂商需承担8.62万元，而电网公司外购电减少量更多，收益更大，因此需承担66.39万元，承担了约88.5%的用户补偿成本。通过在各受益主体之间进行用户补偿成本地合理分摊，在激励电网公司合理利用需求侧资源减少外购电的同时，为新能源的进一步消纳提供了有效合理的市场结算方式。

表2 各受益主体用户补偿成本典型日分摊结果Tab.2 Typical daily allocation results of user compensation costs for each beneficiary entity

4.3 月度交易结果分析

表3给出了月度省间交易后的新能源消纳量、外购电量变化情况及各主体的分摊结果。可知，通过引导用户参与需求响应，新能源月度消纳量从597 625.5 MW·h上升至680 910.7 MW·h，提高了13.9%。月度外购电量从3 621 429.1 MW·h减少至2 611 168.32 MW·h，减少了27.9%。该月需补偿用户5 021.07万元，按照结算机制计算，新能源厂商需承担382.41万元，电网公司需承担4 638.66万元。可以看出，本文所提出的中长期源荷协同优化模型不仅能够有效提升新能源的消纳，减少弃风、弃光，同时还能够有效优化外购电需求，实现不同省份资源的优化配置。

表3 各受益主体用户补偿成本月度分摊结果Tab.3 Monthly allocation results of user compensation costs for each beneficiary entity

5 结论

为进一步提升系统消纳新能源的能力，本文建立了一种促进新能源消纳的中长期源荷协同的优化模型。该模型在短时间尺度建立了考虑社会环境因素的用户需求响应模型，以反映用户在电价与社会环境因素影响下的需求响应能力，中长期时间尺度在短时间尺度日出清结果的基础上，开展月度省间交易，通过优化用户的用电需求，使得用户用电需求与新能源出力精确匹配，实现新能源的最大消纳。算例计算结果表明：

（1）通过实施削峰填谷补贴引导省内用户改变用电习惯，让用户负荷需求和风电/光伏发电曲线时序上最大化贴近，新能源消纳量提升了13.9%，外购电量减少了27.9%，实现了电网公司、新能源、用户的共同受益；

（2）按照“谁获利，谁负责”的公平性原则将用户补偿成本在各主体之间进行合理分摊，在激励电网公司合理利用需求侧资源减少外购电的同时，为进一步促进新能源消纳提供了有效的市场结算模式；

（3）通过开展省间交易，不仅能够提升本省新能源的消纳量，同时有利于不同省份资源的优化配置。

需要指出的是：本文模型仅考虑各主体收益，未考虑交易过程中所产生的成本问题，后续的研究将在本文研究的基础上对该问题进行考虑。