碳交易机制下多主体虚拟电厂参与电力市场的优化调度竞标策略

2023-11-01郁海彬张煜晨刘扬洋陆增洁翁锦德

发电技术 2023年5期

郁海彬，张煜晨，刘扬洋，陆增洁，翁锦德

（1. 国网上海市电力公司市北供电公司，上海市静安区 200070；2. 国网上海市电力公司松江供电公司，上海市松江区 201699；3. 国网上海市电力公司，上海市浦东新区 200122）

0 引言

基于经济、能源、碳排放“S”形增长趋势与碳达峰、碳中和目标约束，国家能源局提出要推动储能(stored energy，ES)[1]、负荷聚合商[2]、虚拟电厂(virtual power plant，VPP)[3-4]和新能源微电网[5]等新兴市场主体参与电力市场(electricity market，EM)交易。分布式能源(distributed energy resource，DER)[6]存在间歇性的缺陷，很难独立参与EM，但因其容量占比不断提升，电网调频调峰成为常态化，因此电力交易的管理模式亟待优化。碳交易机制[7]是一种促进节能减排的市场化途径，通过碳排放权的分配和交易等措施来提高VPP 整体参与EM 的低碳和经济性，有助于实现“3060”能源战略目标。在此背景下，VPP 作为DER的智能管理手段，可显著提升电网的灵活性与可调节能力；制定竞标策略，对外可参与EM和碳交易市场，对内可协调内部成员利益分配。文献[8]建立碳交易机制下考虑用电行为的VPP模型，促进用户与发电侧协同，算例表明碳交易机制具有促进可再生能源消纳总量的优点。文献[9]构建含风电机组(wind turbine，WT)、光伏发电(photovoltaic power，PV)、微型燃气轮机(gas turbine，GT)、电动汽车(electric vehicl，EV)及ES的VPP 模型参与EM，辅助服务市场以及碳市场(carbon market，CM)，表明碳-电一体化交易策略模型能显著降低高碳机组的竞价出力，优化VPP 内能源出力结构及竞价策略。文献[10]将发电侧与需求侧调峰资源相结合，建立考虑碳交易的核-火-VPP 三阶段联合调峰模型，从经济性与低碳性两方面分析运行成本，以系统联合调峰成本最低为优化目标，采用三阶段调度方法确定核电机组的最优调峰模式与调峰深度，并有效平抑等效负荷的预测误差。通过算例验证了模型的合理性与有效性，表明其能够缓解系统的调峰压力，减少火电机组的启停调峰，并降低系统的运行成本与碳排放，使经济效益与环境效益得到均衡。上海地区构建黄埔区商业建筑VPP[11]，以柔性负荷(flexible load，FL)为主要成员，通过众多用电设备的负荷削减来降低尖峰时段有功需求，调动需求响应资源参与市场和电网运行。文献[12]综述了CM 主要通过价格传导机制推动电力低碳转型，为助推电力脱碳机制发挥作用，应加强电-碳有机协同建设，积极构建新型电力系统并发展绿色金融体系。

目前，VPP 研究大多考虑电力系统的“源-网-荷-储”侧的灵活性、经济性和可靠性等方面的积极影响，但考虑环保价值的层面较少。本文引入碳交易机制下的多主体VPP 参与电能量市场(electric energy market，EEM)和调峰市场(peak regulating market，PRM)，既保证了VPP 整体与各DER收益的合理分配，又体现了VPP的低碳效应，并在碳交易价格对碳排放量、WT和PV消纳率及VPP 收益为案例分析基础上，进一步探讨了新能源消纳与低碳效益之间的关联性。最后，研究了不同碳配额下碳汇资源交易与电力价格、产量及能源需求变化率的关系，为后续CM 价格机制的优化提供参考。

1 VPP的研究现状

1.1 国内VPP发展现状

我国VPP 处于邀约型向市场型过渡阶段。以深圳为例，到2025年，深圳将建成具备100万kW级可调节能力的VPP，以保障能源电力系统能够安全提供超过20 万kW 的快速、灵活调节能力，形成年度最大负荷5%左右的稳定调控能力；江苏建立了基于需求响应VPP 的主辅联营模式[13]；浙江、上海、冀北等地均开展了大型VPP 试点。国内VPP发展现状如表1所示。

表1 国内VPP发展现状Tab. 1 Development status of domestic VPP

1.2 VPP结构与成员

VPP 结构如图1 所示，VPP 将WT、PV、可控分布式电源(controllable distribution generation，CDG)、ES、FL[14-16]和其他可调控资源等多种DER 聚合为一个虚拟整体，具有对外可参与EM交易和对内可与各成员协调配合的双侧互动特点。

图1 VPP结构Fig. 1 Structure of VPP

VPP 对外参与EM 时，为达到最大市场收益，需获取市场信息并制定相应的竞标计划[17]。VPP 对内参与各成员协调配合工作，实现各DER 互动和效益分配，内部各个成员的功能如下：

1）WT、PV处理不可控分布式电源的出力不确定性，VPP调用内部CDG和灵活性资源来增强整体的可靠性。

2）CDG 快速响应调度指令，在一定范围内进行功率调整，保证VPP的功率平衡。

3）灵活性资源ES 工作在充/放电模式时，分别等效为负荷/电源；FL 在VPP 中根据需求制定相应的充放电策略来有效转移负荷，以实现削峰填谷、辅助服务等。

2 VPP的竞标策略

VPP参与CM和EM进行交易，竞标策略如图2所示。在CM区域，VPP作为独立个体参与碳交易与碳汇交易，此时VPP 拥有碳排放权；在EM区域，VPP对外参与EEM和PRM，通过制定最佳竞标策略保证其参与EM时获取最大效益[18-20]。在VPP 区域，VPP 对内部DER 各成员进行优化调度管理，具体如下：VPP 对外参与日前EEM 与PRM，在获取2 个市场的信息后，VPP 以整体获利最大为目标，确定灵活性资源在EEM 与PRM的竞标电量，从而确定VPP 在2 个市场的竞标计划。

图2 VPP竞标策略Fig. 2 VPP bidding strategy

2.1 VPP内部各DER成员的追求目标

1）对WT、PV出力消纳

竞标流程：向VPP 申报日前WT、PV 出力预测，制定发电计划[21-23]；根据预测偏差，通过CDG 和FL 正负备用容量，实现WT、PV 消纳及参与VPP后的经济效益提升。

2）对ES运行补偿

ES 在EEM 通过负荷转移降低购电成本，通过充放电提供填谷削峰调峰服务获得补偿。竞标决策具体如下：VPP 根据外部市场和内部成员信息[24-25]，制定ES 的充放电计划和补偿价格。ES 参与PRM 时，VPP 给予ES 一定的调峰补偿收益。

3）对CDG、FL的最优决策

制定价格并引导CDG、FL进行竞标决策，流程如下：VPP 引导整体经济效益最大，制定价格信号，CDG 与FL 跟随决策，以各自效益最大为目标制定竞标计划。

2.2 VPP的利益分配过程

VPP 在EEM 和PRM 的收益分配如图3 所示。1）EEM 收益分配规则：VPP 获得EEM 收益后，向内部WT、PV 和CDG 分配售电收益，向ES 和FL 给予补偿等。2）PRM 收益分配规则：VPP 获取PRM 收益，向ES 和FL 分配部分调峰收益[26-27]。

图3 VPP收益分配框图Fig. 3 Block diagram of VPP benefit distribution

2.3 碳交易机制

引入碳交易与碳汇交易2种模式：1）碳交易中，VPP 在t时段的实际碳排放量低于配额量时，剩余碳排放权可在市场出售获利，反之则必须购买超额部分的碳排放权；2）碳汇交易是通过市场交易给予资源丰富地区生态补偿的手段，是资源丰富地区出售碳汇给超额碳排放企业或地区以消减其碳排放量[28-30]。2 种碳交易模式可互为补充，推动低碳经济发展。电力客户碳汇资源获取方式如图4所示。

图4 电力客户碳汇资源获取方式Fig. 4 Methods of obtaining carbon sink resources for power customers

3 竞标模型

3.1 VPP内部成员的数学模型

3.1.1 成员模型

1）WT模型VPP向调度上报发电出力预测值为

式中：PWT1,t为风电机组在t时段的实际出力值；εWT为风电在t时段的预测误差。

2）PV模型

PV出力预测值为

式中：PPV1,t为光伏发电机组在t时段的实际出力值；εPV为光伏发电机组在t时段的预测误差。

3）GT模型

GT在运行阶段的发电成本为

式中：PGT,t为GT在t时段的输出功率；aGT、bGT和cGT分别为GT 发电成本的二次项系数、一次项系数和常数项。

4）ES模型

ES的充放电双向特性表示为

式中：PES,e,t为ES在t时段的充放电功率；PES,max为ES充放电功率的最大值。

5）FL模型

本文仅考虑FL 中可转移负荷(shiftable load，SL)与可中断负荷(interruptible load，IL)，SL表示如下：

式中：PSL,t为SL 在t时段的实际负荷；PSL,t0为SL在t时段的负荷转移量；ΔPSL,t为SL 在t时段的调整量；ΔPSL,max和ΔPSL,min分别为SL 在t时段的调整上、下限；T为研究周期的时段数，T=24。

IL表示为

式中：PIL,t为IL 削减后t时段负荷；PIL,t0为IL 在t时段初始负荷；ΔPIL,t为IL 在t时段的负荷削减量。

3.1.2 目标函数

VPP竞标决策时，其优化目标为PRM的整体收益最大，可表示如下：

式中：FVPP为VPP 整体收益；CVPP为VPP 的总成本；Benergy为VPP与电网交互的收益；Pb,t为VPP在t时段从电网购电的功率；ρb,t为VPP从电网购电的价格；Ps,t为VPP 在t时段向电网售电的功率；ρs,t为VPP向电网售电的价格；CCDG为CDG的发电成本；CWT为风电的惩罚成本；CPV为光伏的惩罚成本；CFL为VPP向柔性负荷支付的补偿费用。

3.1.3 约束条件

1）功率平衡约束为

式中：PLOAD,t为FL 调整后在t时段的实际负荷；PCDG,t为t时段CDG的实际发电功率。

2）备用约束如下：

式中：ΔPWT+,t和ΔPPV+,t分别为WT和PV在t时段的正偏差，VPP需要为其保留相应的负备用；ΔPWT-,t和ΔPPV-,t分别为风电和光伏在t时段的负偏差；RCDG,up,t和RCDG,down,t分别为CDG 在t时段提供的正、负备用。

3）CDG的功率约束为

式中PCDG,max和PCDG,min分别为PCDG,t的上、下限。

4）FL中SL的约束为

式中PLOAD,t0为FL调整后在t时段的初始负荷。

FL中IL的约束为

式中ΔPIL,max为IL在t时段的负荷削减的上限。

5）ES约束如下：

式中：SOC,ES,t为ES 在t时段的荷电状态；SOC,ES,t0为ES 的初始荷电状态；SOC,ES,max和SOC,ES,min分别为ES荷电状态的最大值和最小值。

3.2 碳交易机制数学模型

1）碳交易

VPP在t时段的实际碳排放量低于该时段配额量时，可将剩余的碳排放权在市场上出售获利；反之则必须购买超额部分的碳排放权，可表示为

式中：Et为t时段碳配额；Ct为t时段碳排放总量；ΔEt为差值，差值为正代表VPP有富余的碳排放权可供出售，差值为负代表VPP 需从碳交易市场上购买碳排放权，可表示为

式中：Fc,t为碳排放权交易收益；qc为单位碳配额的交易价格。

2）碳汇资源交易

电力客户的碳汇资源可表示为

式中：Abase为电网分配给电力客户的基本碳配额；δP为电力客户绿色发电量为P时获得的碳配额奖励量，其中，δ为电力客户新能源发电碳汇资源转化因子；Δφ表示电力客户自身产生的碳排放量。

4 算例分析

4.1 参数设置

VPP 内部成员为WT、PV、GT、ES、FL(包括SL 和IL)。图5 为WT 和PV 预测出力。GT模型参数如下：额定功率2 MW；最小发电功率0.5 MW；成本系数aGT、bGT和cGT分别为0.008、0.017、105。ES 模型参数如下：额定容量10 MW∙h；额定充放电功率2 MW；荷电状态范围为0.1~0.9；初始荷电状态0.2；充放电效率0.95。规定各时段负荷的25%为SL，各时段最大削减量负荷的10%为IL，预测误差为10%。VPP经配网购售电，峰平谷时段的电价如表2 所示。VPP 制定内部成员出力计划，保证VPP 整体效益和各DER利益。

图5 WT与PV预测出力Fig. 5 Forecast output of WT and PV

表2 峰平谷电价Tab. 2 Power prices元/(MW∙h)

4.2 EEM及PRM算例

VPP内各成员出力在EEM中的调度策略如图6 所示，可以发现：该策略优先解决弃风弃光问题，满足绿色低碳需求；购电功率在01:00—08:00(谷时段)较为集中，匹配较多的SL调整量；GT根据内部负荷与外部市场价格情况制定相应的发电出力；ES 满足低负荷时充当负荷、高负荷时充当电源的双向特性。VPP在购电价格较高的平时段13:00—17:00、22:00—24:00和峰时段19:00—21:00不进行购电，在峰时段09:00—12:00进行售电，最大程度优化调度。VPP与电网交互获得收益并分配给内部成员，如表3所示。

图6 EEM中的调度策略Fig. 6 EEM scheduling policy

表3 VPP内部成员收益Tab. 3 VPP internal member income元

设定PRM 的准入条件为竞标电量大于2.5 MW∙h，VPP安排ES和FL作为调峰资源来参与调峰，在01:00—08:00参与填谷调峰，在09:00—12:00 和18:00—21:00 参与削峰调峰。设定5 种场景来分析，如表4 所示：1）场景1 中发布有填谷调峰、削峰调峰2 种需求；2）场景2 中发布填谷调峰需求；3）场景3 中发布削峰调峰需求；4）场景4中发布2种价格的填谷调峰需求；5）场景5中发布2种价格的削峰调峰需求。表5为不同场景的VPP 收益结果，可知，PRM 需求为场景1中需求时，VPP收益最大。

表4 PRM中的不同场景Tab. 4 Different scenarios in the PRM

表5 不同场景的VPP收益Tab. 5 Income of VPP in different scenarios元

图7为VPP 在场景1—5 中的PRM 竞标电量。不同需求下，VPP 调整规则如下：1）发布有填谷、削峰调峰2种需求时，VPP 调动ES充电和增加FL来参与填谷调峰，调动ES放电和削减FL参与削峰调峰；2）发布填谷调峰需求时，VPP调动ES 充电和增加FL 来参与填谷调峰；3）需求相同调峰价格不同时，VPP会改变调峰竞标电量来提高收益。场景4中VPP调峰收益和总收益小于场景3，在削峰调峰价格不同时，VPP在高价时段增大调峰竞标电量，低价时段减小调峰竞标电量，使调峰收益和总收益增大。场景5中VPP的调峰收益和总收益大于场景2。在填谷调峰价格不同时，VPP使高价时段的调峰竞标电量增大，使低价时段的调峰竞标电量减小，从而使调峰收益增大。

图7 5种场景下调峰竞标电量Fig. 7 Peak bidding power under 5 scenarios

当调峰竞标电量不满足准入条件时，VPP内调峰资源不能有效参与调峰，如VPP 在场景1的谷时段04:00—05:00、场景2 的谷时段04:00—05:00 和场景4 的谷时段01:00—04:00 的调峰市场竞标电量为0，仅靠FL 的负荷增加不能达到准入条件，使VPP 在该时段无法参与调峰。场景1 中ES与FL参与优化结果如图8所示。

图8 场景1中ES与FL的优化结果Fig. 8 Optimization results of ES and FL in scenario 1

ES 运行策略：参与PRM 时，获得VPP 调峰补偿；参与EEM 充电时，购电成本由VPP 承担，放电时获得VPP补偿。补偿价格会影响制定的ES出力计划，改变VPP与ES的收益，而合适的补偿价格既能保证VPP 收益，又能提高ES 和调峰收益。场景1 和2 中ES 及能量放电补偿价格如图9所示，VPP调动ES参与填谷调峰并给予相应的填谷调峰补偿价格，设定ES 调峰补偿价格为PRM价格的一半。场景1 中在填谷调峰和削峰调峰均参与的情况下，ES 获得的调峰补偿价格收益最大；场景2 的能量放电补偿价格由VPP 制定，以提高ES收益。

图9 场景1和2中补偿价格Fig. 9 Compensation prices in scenarios 1 and 2

VPP 通过提供CDG 和FL 正负备用容量来优化WT、PV 出力的不确定性和提升新能源出力的稳定性。场景1 中VPP 的备用容量如图10 所示：GT 提供正备用容量促进WT、PV 出力全额消纳；FL提供正、负备用容量填补WT、PV所需出力与GT出力的差值。

图10 场景1中VPP的备用容量Fig. 10 Backup capacity of VPP in scenario 1

4.3 碳交易机制的影响

不考虑需求响应，图11为不同碳交易价格下VPP 碳排放量、WT/PV 消纳率和VPP 收益曲线。图11(a)分为3 个区域，分别为平缓区域、加速消纳与加速减排区域、缓冲区域。当碳交易价格在120元/t以下时，碳交易价格对WT、PV消纳率和碳排放量的影响较小；当碳交易价格在120~200元/t时，新能源出力加速消纳且加速减少碳排放；当碳交易价格在200 元/t 以上时，2 条曲线总体分别呈现缓慢上升与下降趋势。2 条曲线整体呈轴对称型，这是因为WT和PV出力替代了部分GT。由图11(b)可知，当碳交易价格较低时，VPP收益对碳交易价格的变化不敏感，减排能力有限；随着碳交易价格进一步提升，WT和PV消纳率增加，碳排放量降低，VPP总收益提高。

图11 不同碳交易价格下碳排放量、WT/PV消纳率和VPP收益曲线Fig. 11 Carbon emission, WT/PV accommodation rate and VPP revenue curve under different carbon trading prices

设定碳排放总量限制在5%、10%、20%和30%的情景，模拟出碳汇资源交易价格与电力价格、产量及能源需求变化率的关系曲线，如图12所示，可以看出：1）碳排放总量限制越高，碳汇资源交易价格越高，抑制CO2排放效果更好；2）对碳汇资源碳价设定太低，主观上会导致部分电力客户购买市场中的碳汇资源，缺乏主动减排及技术改造行为，设定太高，减排效果更明显，但破坏市场规律，影响碳资源的社会优化配置。因此，应根据各省内碳市场的实际建设情况制定政策，因地制宜，综合考虑各方因素设定碳、电价格，引导和培育电力客户适应低碳经济发展模式。