计及源荷双侧风险管理的光储微网两阶段低碳运行优化研究

2023-12-05张冰玉韩桂楠朱雅魁赵俊鹏王洪莹

智慧电力 2023年11期

陶鹏，张冰玉，韩桂楠，朱雅魁，赵俊鹏，王洪莹，王伟

（1.国网河北省电力有限公司营销服务中心，河北石家庄 050000；2.华北电力大学，北京 102206）

0 引言

光伏发电与储能技术耦合所形成的光储微网系统，成为目前微电网系统发展的主要形式之一[1-2]。因为光伏出力存在很大不确定性及间歇性，需求侧也存在负荷不确定性问题，综合考虑供需两侧不确定性是光储微网系统运行的关键问题[3-4]。同时，面向双碳目标，光储微网系统如何在碳交易机制下实现环境效益最优，是另一个关键问题[5-6]。

对于计及不确定性的光储微网系统运行优化，从供给侧，李建林等[7]提出一种基于改进多目标粒子群算法的接入配电网的储能配置优化方法。姚钢等[8]提出了一种基于模糊控制的光储系统控制优化策略。刘迎澍等[9]提出了一种基于模糊控制理论的光储微网能量管理优化策略以克服光储出力的随机性。从需求侧，南斌等[10]提出了考虑需求响应和负荷不确定性的并网型光储微电网储能系统优化配置策略。焦冰琦[11]提出了计及负荷需求增长和储能成本下降不确定性的光储并网型微电网两阶段鲁棒规划方法。面向双碳目标，卢志刚等[12]建立了考虑碳中和约束的光储微网两阶段鲁棒规划模型。薛贵挺等[13]建立了以购电成本、碳排放成本、容量电费等为目标的光储微网系统日前经济运行策略模型。随着碳市场的构建，碳交易机制将成为控制能源系统的关键措施，其中奖惩阶梯型碳交易机制更具激励与约束作用。李红伟等[14]构建了以光伏光热为主的能源系统经济调度模型的阶梯型碳交易成本模型。陈志等[15]提出了一种基于阶梯型碳交易机制的能源系统多阶段规划优化模型。

综上所述，光储微网源荷不确定性属于风险管理过程，所以本文基于条件风险价值理论提出源荷双侧风险管理模型。结合碳交易机制，建立了计及源荷双侧风险管理与奖惩阶梯型碳交易机制的光储微网两阶段低碳运行优化模型，并通过算例对所提模型进行了验证。

1 光储微网两阶段优化框架

从时间尺度上将光储微网运行优化过程分为2个阶段，如图1 所示。在第1 阶段，以负荷损失值最小及运行成本最小为优化目标构建第1 阶段运行优化模型。在第2 阶段，以经济效益最大化及减排效益最大化为目标，构建光储微网低碳运行优化模型。

图1 光储微网两阶段优化调度框架Fig.1 Two-stage optimization scheduling framework for photovoltaic storage microgrid

2 模型构建

2.1 第1阶段优化模型

2.1.1 目标函数

综合考虑柔性负荷损失值最小及系统运行总成本最低2 个目标，构建第一阶段的目标函数F1如下：

式中：C1为电负荷损失总成本；C2为其他总运行成本；T为24 个时段；t为当前时段；PVOLL为电负荷损失值（Value of Lost Load，VOLL）；Co&m，Cgrid，CDR，CVOLL分别为系统运营维护成本、外部购电成本、电力需求响应（Demand Response，DR）引导成本、负荷损失补偿成本。

式中：pm为光储微网中第m个设备的运维成本系数；Pm为第m个设备的输出功率；pB为备用电源在t时段购买燃料的费用；GB为备用电源在t时段购买燃料量；pgrid为外部购电的电价；Pgrid为与电网交互的功率；pDR为实施电力需求响应的调度成本系数；HU与DU分别为电负荷增加和削减量；εVOLL为电负荷供能不足惩罚成本系数；

2.1.2 用户DR模型

用户侧DR 考虑可削减与可转移负荷[16-17]。此外，考虑负荷预测的不确定性，对负荷曲线进行概率修正，以得到考虑实时误差的负荷曲线，如式（7）所示。

式中：PU,act为概率修正后的负荷曲线；PU为原始负荷曲线；ΔPU为负荷预测误差，服从正态分布

2.1.3 风险管理模型

基于所建立的光伏出力和负荷误差的概率分布函数，运用拉丁超立方抽样进行情景生成，以模拟不确定性情景。针对日前预测存在的不确定性误差，使用条件风险价值理论[18]进行风险划分，将光储微网负荷中潜在风险进行量化，使得日前供需优化策略更具可靠性和灵活性。风险管理模型如下：

式中：D为能量负荷需求值；E(PU)为负荷供给PU的期望值；δ为风险系数，0 ≤δ≤1；s为预测场景；μ为置信水平；为第s个场景在置信水平μ下的负荷损失阈值，即条件风险价值。

因此，供需双侧调度优化模型可表示为：

式中：Q为总负荷量；Ω为微网日前预测情景s的集合；ρs为第s个情景发生概率；ζ与πs均为中间参量，无具体物理意义。

2.2 第二阶段优化模型

2.2.1 目标函数

综合考虑经济效益最大化及碳减排效益最大化2 个目标，构建第2 阶段的目标函数F2如下：

式中：R1，R2分别为经济效益、碳减排效益；RE为光储微电网通过出售电能所获得收益；为碳减排收益。

式中：pe为光储微电网的售电单价。

2.2.2 奖惩阶梯型碳交易机制

光储微网系统的碳减排效益可根据中国区域电网基准线排放因子计算，光储微网的碳减排量计算如下：

式中：PB为备用电源的出力；为光伏发电减排量；EF为电网基准线排放因子；EFOM为电量边际排放因子；EFBM为容量边际排放因子。

为了提高碳减排积极性，研究构建阶梯型碳交易机制模型[19-20]。设定初始碳价格，d为碳排放量区间长度，σ为每个阶梯碳交易价格的增长幅度，每上升一个阶梯，碳交易价格就增加个单位。具体模型如下：

2.3 优化模型求解

本文提出的两阶段优化调度均为多目标优化模型，使用ε-约束方法对该模型进行求解[21-22]，并基于ε-约束方法获得帕累托最优解，通过max-min 模糊算法从帕累托前沿中得到最优解[23-24]。

3 算例分析

3.1 基础数据

以某园区光储微网为例进行算例分析，负荷和光伏预测功率及其二者潜在波动范围如图2 所示，设备参数见表1；光储微网系统向外部购电的电价采用分时电价，如表2 所示；备用电源的外部市场购气价格为3.45 元/m3。此外，由于电负荷损失值VOLL 存在不确定性，其惩罚系数设定为电价的120%，考虑DR 时，其可控柔性负荷为预测负荷的5%，补偿价格为0.15 元/kWh[25]，碳交易价格为250 元/t。通过MATLAB 仿真并调用GUROBI 对优化模型进行求解。

表1 光储微网设备基本参数Table 1 Basic parameters of photovoltaic storage microgrid equipment

表2 不同时段下光储微网系统的外部购电电价Table 2 External electricity purchase price forphotovoltaic storage microgrid system at different time periods 元·(kWh)-1

图2 负荷和光伏预测功率及其二者潜在波动范围Fig.2 Load and photovoltaic predicted power and their potential fluctuation range

3.2 情景设置

为研究源荷不确定性和碳交易机制对光储微网系统运行优化的影响，设置5 种情景进行仿真分析如表3 所示。

表3 多情景设置Table 3 Multiple scenario settings

3.3 风险管理策略分析

图3 为情景1 与情景2 的风险管理策略对比分析。情景1 与情景2 均未考虑负荷的转移，电负荷存在较明显的峰谷差。在构建风险管理模型后，情景2 在高峰时段的光伏出力减少，将更多高峰时段的太阳能储存在储能设备中，在低谷时段放电满足负荷需求，实现了供给曲线的平抑。

图3 情景1与情景2的风险管理策略对比Fig.3 Comparison of risk management strategies for scenario 1 and scenario 2

图4 为情景2 与情景3 的风险管理策略对比分析。因为情景3 实施了价格引导的需求响应策略，实现了负荷的转移，负荷曲线发生了改变。对高峰时段10:00—15:00 的柔性负荷以经济补偿的形式进行负荷转移引导，从高峰期转移到低谷时段0:00—8:00。

图4 情景2与情景3的风险管理策略对比Fig.4 Comparison of risk management strategies for scenario 2 and scenario 3

由图4 可知，对于负荷损失来说，在情景1 中负荷损失平均达到2.96%，负荷损失的不稳定性对于光储微网的运行存在很大的风险。情景2 考虑了风险管理模型，负荷损失降低为1.53%。而情景3 中的负荷平均损失只有1.04%，所有时段的负荷损失均低于1.5%。通过3 种情景的对比，可以发现在光储微网中通过风险管理和电力需求响应的协调作用可实现能源供需结构的优化。

3.4 运行效益分析

对情景1、情景4、情景5 的运行效益及各部分成本进行了对比分析，如表4 所示。

表4 3种情景运行效益对比Table 4 Comparison of operating benefits between three scenarios 元

情景4 相比于情景1，外部购电成本与燃料购买成本分别降低19.26%与17.09%，而能源机组运维成本增加了3.60%，说明引入碳交易机制后，光储系统可更多地消纳太阳能资源，相应地，碳排放成本降低了4.66%。从总运行效益上看，情景4 比情景1 增加了19.26%，说明引入碳交易机制后可有效增加系统运行效益。情景5 相比于情景4 负荷损失成本降低了66.02%。因为情景5 考虑了供需优化，很大程度上降低了因负荷不确定性所带来的经济损失。相应地，其碳交易成本也降低了5.53%，说明情景5 碳排放略微降低，这也得益于供需优化对负荷曲线与光伏预测曲线耦合性的提高。

3.5 不同碳价下运行效益

在情景5 中，奖惩阶梯型碳交易机制主要受碳交易价格的影响。因此，对碳交易价格进行了敏感性分析，以0～500 元/t 作为敏感性分析区间，如图5所示。结果表明，随着碳价的升高，系统的碳排放量逐渐降低。系统运行效益在碳价格为300 元/t 时达到最大为9 379.43 元；碳价超过300 元/t 时系统的运行效益将有所降低。因此，系统的碳排放量随着碳交易价格提升得到有效控制，但过高的碳价会导致系统的运行效益降低，不利于激励碳减排，所以碳价设置在300 元/t 左右最为合适。

图5 不同碳价下运行效益分析Fig.5 Analysis of operational benefits under different carbon prices

3.6 模型有效性验证

为验证所提模型的有效性，选取光储微网运行中多个典型日（典型日2，典型日3，典型日4）并进行重复仿真实验，并将每个典型日在情景1 和情景5 下的运行成本与效益进行对比，如表5 所示。结果表明，在不同典型日下，与情景1 相比，情景5 的负荷损失费用及碳交易成本都有所降低，尤其是负荷损失费用大幅度降低。此外，每个典型日情景中实施源荷双侧风险管理及碳交易机制后，总效益都有所提升。