基于主从博弈的售电商储能增值服务模式及其策略模型

2023-10-31许梓荣刘友波李梓玮唐志远

电力系统自动化 2023年20期

许梓荣，刘友波，殷科，李梓玮，马超，唐志远

（1.四川大学电气工程学院，四川省成都市 610065；2.国网四川综合能源服务有限公司，四川省成都市 610072）

0 引言

2015 年3 月，《关于进一步深化电力体制改革的若干意见》的印发标志着中国新一轮电力体制改革启动。在能量市场形成多元化售电主体、培育售电侧市场竞争是此次改革的重要任务［1］。通过增值服务来提升市场竞争力，已成为当前售电市场的研究热点。储能技术快速发展为售电商带来了全新的能源服务手段，针对既定价格机制的模式设计、合理配置、优化运行使储能在用户侧创造效益成为可能。

在售电商购售电决策方面，目前的研究大多基于多时间尺度批发市场制定购电策略提高收益，主要考虑中长期市场、日前市场与实时市场的时序性差异［2-5］，忽略了中长期市场水电、火电、光伏等多类型交易品种对购电策略的影响。随着现货市场建设的推进，中长期交易与现货市场的有序衔接亟须解决，其首要问题是中长期双边交易曲线如何确定［6］。目前，大量学者针对中长期双边合约电量分解展开研究［7-9］，但该方法易造成市场主体对分解公平性的质疑，因此，文献［6］指出应建立带电力曲线的中长期交易机制。国家发展改革委也提出自2020 年开始，中国将逐步完善中长期市场带电力曲线交易机制［10］。目前，针对售电商购售电策略的研究大部分采用电量合约，如文献［11-12］将交易标的物由总电量转化为峰、平、谷时段电量，虽细化了合约时间颗粒度，但本质上仍是电量合约；部分研究考虑了带电力曲线的双边交易，但将合约电价当作常数，忽略了购电曲线形状对合约电价的影响［3-5］。

针对用户侧储能应用的研究大多基于“共享储能”商业模式，且应用主体多为用户或储能运营商，如文献［13-14］为促进新能源消纳提出了用户与配电网运营商的储能共享模式和互动套餐机制；文献［15-16］提出了基于容量分配的用户共享储能模式以降低用电成本；储能运营商则是向用户出售储能使用容量或租赁充放电服务实现共享储能［17-18］。售电商储能应用方式则大多集中在租赁业务的开展和机制制定中，未考虑将储能归为资产进行投资运营，如文献［11］在传统购电方式基础上，考虑了储能租赁等购电途径；文献［19］设计了售电商基于实时租赁的储能容量合约机制。售电商储能收益分析大多从控制电量偏差、降低考核费用角度进行考虑［19-20］；少部分从多市场购电、偏差考核、可中断负荷调用角度考虑储能投资配置［21-22］。因此，均只考虑了利用储能削减购电成本，收益结构较为单一。针对售电商增值服务的研究则主要集中在需求响应［3-4，23］与优质供电［24-25］两方面。自2021 年起，中央财政不再补贴工商业分布式光伏并对其实行平价上网，在此趋势下，分布式光伏通过上网获利的可能性减小，售电商有必要针对园区光伏提出相应的增值服务。

针对上述问题，设计了储能增值服务模式，并提出了该模式下售电商合约定价与储能配置策略。首先，阐述了储能增值服务的概念及其运营模式，并与已开展的相关商业模型进行对比，分析其实现的可能性。其次，基于带电力曲线的中长期交易机制，考虑不同品种发电商对合约曲线的偏好，提出了发电商双边合约定价机制；在此基础上，建立了多交易品种、多时间尺度批发市场的售电商购电模型。然后，分别以考虑风险的售电商收益最大化和考虑电价弹性的园区用电成本最小化为目标，构建基于主从博弈的售电商合约定价与储能配置策略模型。算例分析表明，储能增值服务运营模式能有效增强园区黏性并提高售电商购售电收益，同时，园区基本实现了光伏就地消纳用电成本的降低。

1 储能增值服务

1.1 储能增值服务概念

为提高园区光伏消纳能力并降低其用电成本，以吸引园区与售电商达成长期购电合作，提出了储能增值服务概念。售电商在用户侧投资储能以提供光伏电能存储服务，并收购光伏富余电量。储能增值服务运行结构如图1 所示。

图1 储能增值服务运行结构Fig.1 Operation structure of energy storage value-added services

售电商在园区之间配置储能，并通过直流计量装置与光伏相连。园区在享有增值服务的同时需满足售电商相关规定，具体如下：1）该增值服务仅为光伏提供电能存储服务；2）园区需提前制定储能使用计划（充电为正、放电为负），并于现货市场开放前上报售电商；3）实时运行时园区需严格执行上报计划，实际值与上报值的正偏差即为出售的富余电量。

在费用结算方面，售电商根据直流计量装置数据与上报计划向园区支付光伏收购费用，并利用电量计量装置数据和实际用电量结算用电费用。因此，图1 中各计量装置将数据信息上传至售电商，售电商同时向储能变流器下发控制信号实现实时控制。

1.2 储能增值服务运营模式

当前，储能投资成本高、容量定制化难、设备利用率低等因素削减了园区投资储能的意愿［18］。在储能增值服务模式下，园区可利用该增值服务提高光伏消纳并降低用电成本，且其无须承担储能投资运营风险并支付额外费用，因此，该模式有效提高了园区合作意愿。在长期购电合约中，园区购电具有价格优惠优势，这有助于园区降低生产成本并扩大生产规模，该长期效益期望亦增加了园区黏性。

在储能增值服务模式下，售电商在吸引园区签订合约的同时，利用储能闲置容量优化购电策略以降低购电成本，其运营模式如附录A 图A1 所示。签约前，售电商确定合约定价，包括购电年限、购售电价和增值服务规模；园区反馈签约意愿，双方达成签约意向后签订合约；售电商确定储能配置策略。履约期间，售电商基于负荷预测确定长期市场购电策略，并基于园区上报计划确定现货市场购电策略和储能运行策略。

当前，售电市场上零售合约普遍为一年制，售电商面临用户流动性强、代理负荷波动大等风险，二者共同制约了售电商购售电收益。因此，对售电商，园区用电规模与负荷特性能扩大代理电量规模并有效平抑负荷波动，以提高中长期购电策略的准确度；合理的储能运行策略能优化中长期购电曲线，降低购电价格，并在控制偏差考核费用的基础上利用现货市场合理套利，其盈利模式如附录A 图A2 所示。同时，储能增值服务可有效增强园区黏性，延长零售合约签约年限。因此，随着园区生产规模扩大，其稳定基荷的作用进一步凸显，售电商收益将逐步扩大。在此模式下，针对充电需求和富余电量，售电商可选择供应其余用户或储能充电；而针对放电需求，则可选择市场购电或储能放电。因此，售电商可充分利用储能扩大收益，缩小储能投资回收年限。

1.3 已开展的相关商业模式

目前，已开展的分布式储能商业模式可归类为租赁模式、共享模式、虚拟电厂模式和社区储能模式。作为目前应用最广泛的投资模式，美国Stem 与德国Entega 等公司已开展租赁模式为用户提供储能服务［18］。本文所提模式与租赁模式相类似，二者均是由第三方投资运营储能设备来为用户提供储能服务，而不同点在于：

1）开展租赁业务的主要是储能公司，其运营侧重点是对用户负荷合理预测，挖掘其差异性和互补性，以为储能投资规模和时机提供优化空间；所提模式主要针对售电商，其运营侧重点如1.2 节所述。

2）租赁模式下，用户通过租赁储能使用容量或充放电服务获得自治权，即储能实时运行策略由用户自行安排；所提模式将储能使用容量作为增值服务免费提供给园区，但园区需提前上报使用计划并严格执行。

3）租赁模式下，开发商只需对用户储能使用情况进行监控以便于结算租赁费用；所提模式下，售电商除监控园区用电行为和储能使用情况之外，还需根据园区储能使用计划统筹优化储能运行策略和购电策略以提升收益。

由此可见，两种模式的运营决策均为涉及规划运行的优化问题，只是所提模式需更多考虑售电商购电组合和储能运行策略，故其模型较为复杂。而二者最大差异在于所提模式下售电商需对储能实时控制以参与电力市场交易，其可参考虚拟电厂模式。

虚拟电厂模式是利用中央控制室聚合用户侧分布式储能和分布式发电，通过优化储能运行最大化消纳新能源发电，同时参与电网服务获取收益。目前，德国Sonnen 公司已利用该模式拓展储能收益渠道。Sonnen 公司将拥有光伏和储能的用户聚合形成虚拟能源池以分享自发电力。基于区块链的集中式软件平台和智能电表实现了用户间的虚拟、智能连接，用户将多余电力输入能源池，或从能源池中获取所需电力。该模式通过掌握分布式资源实时数据进行集群聚合和优化控制，并作为整体参与电网调度运行与电力市场交易［26］。而所提模式在运行层面上，由于园区储能使用计划已提前上报，相当于在已知储能闲置容量情况下参与现货市场交易。因此，二者的实时运行场景具有相似性，但显然前者的控制对象更为复杂，对设备、通信、量测与算法的要求更为严苛。虚拟电厂模式的实践在一定程度上为所提模式的应用提供了技术支撑。

2 售电商批发市场购电模型

2.1 中长期市场购电

现阶段中国开展的中长期双边交易主要是电量合约，其结算仅涉及电量和电价，与合约分解曲线无关。诚然，电量合约方便了市场主体进行双边交易和合约转让，但其对合约曲线形状的忽略也导致了全市场合约电价趋近［6］。作为中长期与现货交易有序衔接的首要问题，当前运行日的双边交易曲线有两种确定方式：一是按一定规则将其分解至各时段；二是开展约定曲线或时段的双边交易。前者作为过渡方案，主要针对现货市场开放前签订的合约，难以实现对不同市场主体的完全公平；后者将双边交易由传统无时空价值的指标性电量转变为带时标的电力曲线，以更好地厘定双方实时偏差的责任。因此，后者与现货市场具有较高的适配性，且能充分反映电力的商品属性。

随着带电力曲线中长期交易机制的推进，双边合约中电力曲线的时序价值将愈发凸显。而购售双方对优质曲线理解的偏差将影响双边合约的签订，其中，发电商作为电能生产者对电价的制定起到了决定作用。考虑到不同品种发电商对曲线偏好的差异，本文将中长期交易品种分为光伏、水电和火电。光伏出力与太阳辐照度密切相关，其出力曲线随一天内太阳辐照度变化先增后减，午时达到峰值；曲线整体呈现半包络形态［27］。若购电曲线与光伏出力曲线相贴合，则光伏工作在最大功率点位置；反之，则会出现弃光现象。因此，受制于光伏的能源属性，光伏电厂倾向于日单峰型曲线。火电机组运行成本涉及煤耗燃料成本，负荷曲线波动直接影响到机组出力和爬坡速度，负荷波动越大，机组出力调整越大，机组相应煤耗率越高，燃料成本越大［28］。因此，火电厂倾向于平稳型曲线。虽然水电机组不涉及燃料成本，但机组频繁调整出力会缩短其运行寿命并增加调度工作量［29］，因此，水电厂亦倾向于平稳型曲线。由于售电商劣质购电曲线在一定程度上会增加发电商运行成本，其购电曲线与发电商偏好的偏离程度将直接影响合约电价。构建售电商v品种购电曲线与发电商偏好的偏离度函数lv为：假设发电商是价格制定者而售电商是价格接受者，在完全理性情况下售电商购电曲线偏离度越大则合约电价越高，二者呈线性关系［30］。但实际上发电商对购电曲线偏离会适当留有裕度，并且电价随偏离度变化而变化将不利于合约制定与管理。因此，需对合约电价制定进行简化，发电商根据偏离度设置电价阶梯递增的若干档，各档实行不同偏离度标准和价格标准。售电商中长期市场购电成本Cm为：

2.2 现货市场购电

考虑到当前中国现货市场处于过渡阶段，假设

3 基于主从博弈的售电商策略模型

储能增值服务模式下，售电商合约定价与储能配置策略是一个涉及规划与运行的多维度、多时间尺度优化问题。出于简化计算考虑，基于典型日对售电商策略进行优化。在运行尺度上，园区根据典型日负荷和光伏出力确定用电计划并将储能使用计划上报，售电商基于园区上报计划制定购电组合与储能运行策略；在规划尺度上，园区基于典型日用电计划反馈签约意向，售电商据此调整策略。

3.1 售电商与园区的主从博弈关系

售电商作为服务提供商和价格制定者处于主导地位，其诉求为收益最大化；园区作为电能使用者处于跟随地位，其诉求为成本最小化。二者诉求产生矛盾，构成主从博弈关系，如图2 所示。

图2 售电商与园区主从博弈架构Fig.2 Stackelberg game framework between electricity retailer and parks

园区基于合约定价调整用电行为、制定用电计划，并反馈签约意向和用电计划；售电商根据反馈信息确定购电组合和储能运行策略锁定收益，并重新制定策略与园区进行二次博弈互动。在博弈过程中，售电商通过合约定价影响园区成本；园区通过调整用电计划和签约意向影响售电商收益。因此，售电商需制定合理的合约定价与储能配置策略以吸引园区签约和引导其用电计划，并确定最优购电组合和储能运行策略。

3.2 考虑电价弹性的园区用电计划模型

合理的分时电价能有效引导园区用电行为，故可利用电价弹性矩阵量化电价变动引起的用电量变化。根据用电特性，将园区负荷分为基础负荷、刚性负荷和柔性负荷。基础负荷是基本生产需求，不具有弹性；刚性负荷只能基于自弹性系数εt实现单时段响应，代表受电价影响的生产规模；柔性负荷能根据交叉弹性系数εti进行灵活的跨时段转移。假设园区完全理性，其电价弹性响应后的典型负荷为：间间隔。

大量文献均基于成本满意度和舒适满意度构造用户满意度函数［12，31］。考虑电价弹性的舒适满意度并不单一反映在负荷时序转移上，其更多体现在电能需求变化上。因此，采用与文献［32-33］相似的数学模型构建园区满意度函数D如式（13）所示。

式（13）中等式右边第1 项用来衡量舒适满意度，其随电能需求增加而递增，但同时边际满意度会递减，即随用电需求增加满意度会趋于饱和［33］；等式右边第2 项用于减少的用电成本来衡量成本满意度。通过园区满意度来衡量其签约意向，当满意度低于预期值vmin时园区拒绝签订合约。

3.3 考虑风险的售电商购售电策略模型

售电商面临多重不确定性带来的风险，因此，需对购电组合和储能运行策略进行风险评估［34-35］。由于条件风险价值（conditional value at risk，CVaR）改进了风险价值（value at risk，VaR）尾部风险损失度量的缺陷，满足一致性检验原则，且求解CVaR 值时可间接获取VaR 值，本文利用CVaR 对售电商潜在风险价值进行评估，以考虑期望收益和风险损失的综合效益Cr最大化为目标。目标函数为：

2）购售电约束：中长期购电中水电和光伏配比具有一定限制，并且各时段购售电量需满足如下平衡条件。

3.4 考虑储能增值服务的售电商策略模型

售电商与园区的优化问题共同构成主从博弈模型，其数学模型为：进行电价弹性响应Qen并制定用电计划yn，进而得到签约意向In反馈给售电商；售电商根据反馈信息和储能规模确定购售电策略x2。售电商结合风险与收益重新制定合约定价与储能配置策略x1进行二次博弈互动，如此进行迭代直至实现利益均衡，且任意主体策略改变不会引起另一主体改变自身策略时，才能得到博弈互动最优策略，即主从博弈均衡。

4 求解方法

本文在附录A 中，对所提基于主从博弈的售电商策略模型存在唯一博弈均衡解进行了证明［36-37］。

在模型求解方法方面，由于售电商运营决策涵盖长期购电合约定价、批发市场购电、储能规划与实时运行，具有多维度、多时间尺度特点，其难以采用常规解析方法求解。考虑到粒子群优化（particle swarm optimization，PSO）算法具有一定的记忆性与进化性，且能完整保存迭代过程中所有粒子局部最优解和全局最优解，采用PSO 算法并调用CPLEX求解器进行求解。通过分层求解将规划与运行问题进行分离，外层采用PSO 算法对合约定价与储能规划问题进行优化，内层调用CPLEX 求解器求解运行问题。具体流程如下：

1）外层：初始化各粒子速度和位置（合约定价与储能配置规模），并将位置信息传递给内层。

2）内层：基于外层信息调用CPLEX 求解器进行求解。首先，求解各园区最优用电计划；然后，基于园区用电计划，求解售电商最优购售电策略；最后，将售电商期望收益传递给外层作为粒子适应度值。

3）外层：根据各粒子适应度值，更新粒子局部最优位置和粒子群全局最优位置。

4）外层：结合自适应权重法和各粒子适应度值更新惯性权重、速度和位置。

5）重复上述步骤，直至达到最大迭代次数并满足收敛误差，得到售电商合约定价与储能配置策略。

5 算例分析

5.1 参数设置

拟定与配置光伏的3 家园区签订合约，其负荷类型分别为单峰型、双峰型和平稳型；典型日现货电价、负荷与光伏出力见附录B 图B1；原电价和园区电价弹性系数见表B1 和表B2。假设各品种发电商曲线偏好见图B2，品种基础价格分别为300、350、400 元/（MW·h）；品种敏感系数分别为0.4、0.7、1；水电和光伏配比限制分别为65%、5%；最大偏差裕度为3%。储能功率和容量建设成本分别为320 元/kW、1 150 元/（kW·h）；年运行维护成本为72 元/kW；总循环次数为6 600 次。PSO 算法迭代次数为60，种群数量为30。

5.2 优化结果分析

假设售电商置信水平为0.95、风险规避系数为0.5、合约年限为8 年时，园区满意度预期值为0.09，且随购电年限减小，预期值衰减率为10%。经模型求解，不同合约年限售电商合约定价与储能配置策略分别如表1 和表2 所示。

表1 不同合约年限下的定价策略Table 1 Pricing strategies under different contract terms

表2 不同合约年限下的储能配置策略及收益Table 2 Energy storage configuration strategies and profits under different contract terms

本文在配置ADM 锐龙7-5800H 处理器和16 GB 内存的笔记本电脑上求解模型。根据不同合约年限下连续5 次模型求解的平均计算时长，可得各合约年限下模型平均求解时长约为15 h。合约定价与储能配置策略属于长期规划决策，即该决策只需事先制定，不要求实时性。因此，虽然所提算法求解时间较长，但依旧能满足实际应用需求。

5.2.1 主从博弈迭代收敛情况

为分析售电商与园区主从博弈迭代收敛结果，绘制出合约年限为8 年时，售电商期望收益与园区总用电成本迭代变化以及各园区用电满意度迭代变化如附录B 图B3 所示。图B3（a）中，前15 次迭代的售电商与园区博弈程度较为显著，但随着博弈深入，双方目标值逐渐趋于稳定，15～40 次迭代的曲线波动大幅减小；直至40 次迭代时达到收敛条件，博弈任意方策略的改变均不会影响对方最优决策，即实现主从博弈均衡。博弈中售电商通过不断调整合约定价，尽可能减小让利以提高收益。因此，随着迭代进行，园区满意度始终高于预期值但逐步趋近，如附录B 图B3（b）所示。

5.2.2 售电商购售电策略分析

选取合约年限为8 年的合约定价对售电商购售电策略进行分析。中长期水电、火电和光伏购电量占比分别为65%、35%和5%，恰好符合各品种购电配比限制，这是因为水电价格最低、光伏价格最高，故在满足购电配比限制的条件下，最大化水电配比、最小化光伏配比是最优的购电策略。中长期购电策略如图3 所示，通过与附录B 图B2 对比可得，火电与光伏购电曲线基本与发电商偏好曲线相近，而水电购电曲线则偏离较大。这是因为水电基础价格最低且敏感系数最小，其购电曲线偏离对购电成本的影响最小，故其承担了峰谷负荷的波动。

图3 售电商中长期市场购电策略Fig.3 Medium- and long-term market electricity purchase strategy for electricity retailer

选取概率最大的典型场景分析售电商现货市场购电策略。从附录B 图B4（a）可以看出，在中长期市场购电量与实际需求出现不平衡时，售电商利用储能充放电及时消耗部分不平衡量。因此，在图B4（b）中，售电商现货市场购电量均能控制在偏差考核内，且在部分峰时段和平时段进行“售电”套利。由图B4（c）可以看出，时段8、13 和14 的园区充电需求恰好与售电商放电需求相等，针对这些时段的园区充电需求，售电商选择将其输送给其余用户，故储能不动作；时段9 操作同理。因此，售电商在满足园区需求的前提下，能有效减小储能动作次数以满足日循环次数限制；在为园区提供增值服务的同时，能有效利用储能创造收益。

5.2.3 园区用电计划分析

由附录B 图B4（d）至（f）可见，园区在时段7、8选择存储光伏发电量；而时段9～12 在光伏即发即用基础上将存储电量全部释放。这是因为在峰时段利用光伏发电能最大限度地节省电费。时段13～17 光伏发电优先自用，其次存储及余量出售，这是因为增值服务有容量和功率限制且收购电价低于售电电价；最后，在晚间峰时段释放存储电量。因此，园区能有效利用储能增值服务和光伏以最大限度地节省电费。

5.3 经济性分析

5.3.1 售电商经济性分析

同等储能规模下，设置模式1（售电商代理分散用户，利用储能优化购电策略），对比所提模式（模式2）对售电商降低购电成本、提高售电收益的有效性。选取合约年限为8 年的合约定价，得到不同模式下售电商成本与收益期望值如表3 所示。

表3 不同模式下的售电商成本与收益Table 3 Cost and profit of retailer in various modes

与模式2 购电策略相似，模式1 中长期购电策略符合水电、火电、光伏的最优配比为65∶30∶5。虽然模式1 相比于模式2 代理电量较小，但由于储能容量有限，难以大幅改变水电购电曲线的偏差，故水电购电价格不变。因此，中长期市场平均度电购电成本相同。

由于现货市场购电策略因场景而异，各典型场景下售电商成本与收益不同，如图4 所示。结合表3和图4 可知，由于园区负荷稳定基荷的作用，模式2中长期购电策略准确性提高，实际负荷与中长期购电量的偏差较小，因此，模式2 大部分场景现货市场购电成本和平均度电成本均小于场景1，总期望值也小于场景1；模式2 通过储能增值服务与价格优惠吸引园区用户，故其平均度电收益小于场景1，然而，售电商通过代理园区使代理电量规模扩大，故期望收益明显高于模式1。

图4 各典型场景下的售电商成本和收益Fig.4 Cost and profit of retailer in typical scenarios

5.3.2 园区经济性分析

设置模式1（原电价）和模式2（原电价且独立配置储能）对比所提模式（模式3）对园区降低用电成本、提高光伏消纳能力的有效性。选取合约年限为8 年，得到不同模式下的园区优化结果分别如表4 至表6 所示。

表4 模式1 园区优化结果Table 4 Optimization results of parks in mode 1

对比表4 与表6 可得，相比于模式1，模式3 下园区光伏消纳率均提升约10%。其中，园区A 和园区C 基本实现光伏就地消纳，储能增值服务规模基本满足园区需求；双峰型园区B 负荷高峰与光伏高发时刻有偏差，储能需求较大，因此，当前增值服务难以实现光伏就地消纳。模式3 下园区购电成本下降幅度分别为10%、12%和14%，其平均度电成本下降幅度分别为15%、18%和18%，二者偏差主要是电价弹性响应导致园区用电需求增大。

结合表5 和表6 可知，除园区B 以外，模式3 基本能达到模式2 独立配置储能促进光伏就地消纳的效果。在用电需求增大的前提下，模式3 下园区购电成本仍小于模式2。同时，相比于模式2，模式3园区平均度电成本下降幅度分别为14%、13%和15%。因此，相比于模式2，模式3 能基本实现光伏就地消纳，其降低园区用电成本也更为显著。

表5 模式2 园区优化结果Table 5 Optimization results of parks in mode 2

表6 模式3 园区优化结果Table 6 Optimization results of parks in mode 3

5.4 合约年限对经济性的影响

5.4.1 购电年限对售电商经济性的影响

基于表1 和表2 优化结果，计算不同合约年限售电商各年度总体收益和期望收益分别如表7 和图5（a）所示。随园区用电需求增大，售电商优惠电量规模逐年扩大，因此，年度度电服务费将随用电年度的增加而减小；合约年限越长，合约定价优惠程度越大，因此，售电商各年度期望收益将随购电年限增大而减小。然而，图5（a）中Y为6 年时的各年度期望收益均小于Y为7 年时，因此，售电商将放弃该合约年限。结合图5（a）和表7 可得，Y为5 年时的各年度度电服务费均为最高，因此，重视收益效率的售电商偏好该合约年限；Y为8 年时的总收益最高且平均期望年度收益与最大值相近，因此，重视整体收益的售电商偏好该合约年限；而兼顾效率和收益的售电商则偏好Y为7 年，这是因为其平均年度期望收益最高，且总收益和平均度电服务费仅略低于Y为8 年和Y为5 年时。

表7 不同合约年限下的售电商总体收益Table 7 Total profits of retailer under different contract terms

图5 不同合约年限下的售电商与园区收益Fig.5 Profit of retailer and parks under different contract terms

5.4.2 合约年限对园区经济性的影响

基于表1 合约定价，计算不同合约年限下园区平均年度收益如图5（b）所示。由图5（b）可以看出，衡量园区平均年度收益的两项指标中，园区A 均低于其余园区，这是因为单峰型园区的负荷曲线与光伏出力曲线契合度较高，随用电需求增长自身即可实现光伏就地消纳，储能增值服务作用有限；同时，单峰型园区峰时段购电量较大，而该峰时段的电价折扣较小。因此，在3 类园区中，单峰型园区签约意愿最低。

合约年限选择偏好上，图5（b）中园区A 和园区B 的平均年度节省成本和平均度电节省成本均随合约年限的增长而递增，因此，单峰型园区A 和双峰型园区B 均偏好Y为8 年时的合约定价。而园区C的平均年度节省成本虽随合约年限增长而递增，但Y为7 年与Y为8 年时基本持平；平均度电节省成本在Y为7 年时最高，这是因为平稳型园区的谷时段购电量较大，而Y为7 年时的谷时段电价折扣力度也最大，故园区C 偏好该合约定价。由此可见，各类园区均偏好年限较长的合约定价，储能增值服务模式能有效增加园区黏性。