独立微网电能市场区间报价报量交互式交易优化

程诺, 张振宇, 赵婉婷, 江岳文

(1. 福建省电力有限公司经济技术研究院, 福建 福州 350012; 2. 福建省电力有限公司电力科学研究院, 福建 福州 350007; 3. 国网福建省电力有限公司超高压分公司, 福建 福州 350013; 4. 福州大学电气工程与自动化学院, 福建 福州 350108)

0 引言

微网作为分布式可再生能源的重要载体, 在能源转型进程上具有很大优势. 因此, 学者们对以分布式能源发电为主体的微网能源优化展开研究, 主要分为微网系统优化运行和微网市场优化交易两方面.

在微网系统优化运行上, 文献[1]构建一个日前市场的能源微网系统, 提出微网运行成本最小化和微网系统可靠性最大化的多目标优化模型. 文献[2-3]建立微网冷热电联供优化调度模型, 采用多目标进化算法求解最优配置方案, 提高可再生能源消纳. 文献[4]基于区间优化方法研究冷热电联供微网日前优化调度, 采用加速的交替方向乘子法实现分布式求解. 文献[5]建立综合能源微网stackelberg主从博弈优化模型, 研究微网运营商收益. 通过上述文献分析可知, 目前, 普遍构建含可再生能源发电、 储能和负荷的微网系统, 研究对象涵盖微网单一电能或多能源, 系统优化目标为运行成本最小化和环境效益最大化的多目标优化运行.

随着分布式发电市场开放[6], 大规模分布式主体涌入市场, 微网运行模式逐渐向市场交易模式转变, 学者们开始关注微网市场交易研究. 文献[7-11]研究社区微网电力交易, 探讨基于拍卖或双边合同的点对点交易机制有效性. 文献[12-13]基于迭代出清机制研究分布式可再生能源发电商、 储能商和用户参与区域多能源市场交易策略优化. 文献[14-15]研究区块链在分布式发电市场交易应用, 设计具有公平性、 透明性和实时性的交易机制. 文献[16-20]基于多智能体和纳什均衡理论, 研究售电公司、 分布式发电公司和电动汽车充电站博弈的最优交易策略. 上述微网市场交易模式、 可再生能源发电商或售电公司交易策略研究, 对成员参与市场的报价报量交易能力要求较高, 缺少微网与聚合商或用户的充分互动, 成员参与市场程度低, 并且主从博弈无法保证市场成员自由公平竞争. 未来分布式发电、 电动汽车储能等灵活性资源大量涌入市场, 负荷侧主动性增加, 这将导致市场交易模式更加灵活, 市场开放程度亟需提高. 由于微网市场参与者交易水平参差不齐, 传统的一次性点值报价报量方式难以适应市场主体的需求, 需根据新形势下微网的发展, 提出相适应的微网电能市场交易优化方法.

因此, 本研究综合考虑参与者交易效能和市场社会经济效益, 探索大规模分布式参与者在有限条件下, 不依赖于自身交易水平、 自由灵活公平竞争的微网市场交易优化方法. 通过建立由多个风力和光伏发电商、 负荷聚合商以及电动汽车聚合商组成的微网市场交易框架, 分析评估各个参与者效能及电动汽车数量对微网电能市场交易的影响.

1 微网电能市场交易框架

微网电能市场参与者由分布式可再生能源发电商、 负荷聚合商、 电动车聚合商和市场运营商组成. 每类参与者数量不限. 其中, 分布式可再生能源发电商包括风力和光伏发电商, 向微网市场提交售电报价报量投标策略; 负荷聚合商通过与微网多个小规模电能消费者签订合同, 聚合微网电能用户需求优化购电报价报量投标策略参与市场交易赚取收益; V2G电动汽车聚合商可以向微网市场购买或出售电能, 在满足电动汽车用户出行需求前提下, 优化电动汽车用户的充放电时间和功率, 向市场提交购、 售电的报价报量投标策略, 赚取交易差价; 微网市场运营商按照社会经济效益最大化为目标出清, 社会经济效益具体包括社会福利和可再生能源消纳两部分.

本研究中独立微网与外界电网无连接, 孤立运行. 为满足微网用户负荷需求, 聚合商在微网市场出清不平衡量, 可以向微网备用系统购电实现平衡, 备用系统主要由燃气轮机发电, 其售电价格已知. 考虑微网市场各参与者交易水平参差不齐, 为了不依赖参与者交易水平优化参与者交易策略, 同时提高投标策略灵活性, 提出基于区间投标策略的交互式交易优化机制, 即参与者只需向市场提交报价和报量区间, 基于此区间, 各参与者根据自身效能最大化优化期望的出清结果, 市场运营商遵循社会福利和可再生能源消纳最大化优化出清结果, 通过参与者与市场运营商不断的交互优化, 充分考虑参与者交易效能和社会经济效益, 实现微网电能市场交易优化, 保证市场公平竞争, 保护参与者隐私, 提高交易灵活性.

2 微网电能市场交易优化

微网电能市场交易是一个双层交互优化问题. 上层为各参与者优化交易效能, 下层为市场运营商优化出清, 通过上、 下层优化的出清结果不断交互逼近, 求得兼顾参与者交易效能和市场社会经济效益的最优出清结果. 基于交替方向乘子算法, 建立微网电能市场分层交互式交易优化模型, 通过上、 下层的增广拉格朗日函数惩罚项, 实现上、 下层优化变量交互, 使各参与者优化的出清量、 出清价与市场运营商优化的出清价、 出清量具有相同值, 保证微网分层优化结果的全局一致性.

2.1 上层参与者出清效能优化模型

根据参与者出清效能最大化建立各参与者优化模型, 出清效能最大化定义为微网市场各参与者交易收益最大化或交易成本最小化.

1) 分布式可再生能源发电商优化模型. 关于分布式可再生能源发电商iA的收益最大化模型为

(1)

2) 负荷聚合商优化模型. 关于负荷聚合商iB的交易成本最小化模型为

(2)

(3)

3) V2G电动汽车聚合商. 关于电动汽车聚合商iC的收益最大化模型为

(4)

(5)

(6)

2.2 下层市场出清优化模型

下层市场运营商以社会福利、 可再生能源消纳最大化为目标优化出清价和出清量, 市场出清优化模型为

(7)

(8)

(9)

(10)

2.3 市场交易优化求解

3 算例分析与结果讨论

3.1 算例设置

为了更加清晰地分析市场优化结果和不同类型参与者效能, 同一类型参与者数量设置为2个, 即微网电能市场参与者由1个小型风力发电商、 1个小型光伏发电商、 2个负荷聚合商和2个电动汽车聚合商组成, 并假设微网所有负荷都归负荷聚合商管辖, 所有电动汽车都归电动汽车聚合商管辖. 其中, 弃能成本系数为0.5元·(kW·h)-1. 电动汽车聚合商1的最大充放电功率为100 kW, 额定容量上、 下限分别为400和25 kW·h; 电动汽车聚合商2的最大充放电功率为200 kW, 额定容量上下限分别为600和50 kW·h; 蓄电池充电效率皆取0.95. 可再生能源发电商24时段出力预测值、 2个负荷聚合商24时段电负荷预测值、 电动汽车聚合商出行负荷, 如图1所示.

图1 可再生能源发电和聚合商出力预测值Fig.1 Values of RG output and aggregator load forecasting

为了突出重点, 假设所有参与者24时段的报价区间上下限相同, 各参与者的报价区间上限为微网备用电源已知的售电价格, 报价区间下限为保证发电商收益的最低售电价格, 以保证各类型参与者主动参加微网电能市场交易. 同理, 负荷侧为减小购电成本, 其报价区间上限不会超过备用电源的售电价格, 下限不低于发电商的售电价格, 这样才能在微网市场中购买电能满足自身需求. 24时段报价区间如图2所示. 为尽可能满足各参与者交易量意愿, 各参与者报量区间上下限是依据各自出力或负荷预测值确定, 报量区间上限值为各自24时段出力或负荷预测值, 报量区间下限值为各参与者各时段预测值的0.9.

图2 参与者报价的区间Fig.2 Limits of the range quoted by participant

3.2 结果与讨论

3.2.1出清结果与算法收敛性分析

图3 ADMM算法收敛结果Fig.3 Convergence results of ADMM algorithm

各参与者交易收益或交易成本随迭代求解的变化情况,如图4所示. 可再生能源发电商和电动汽车聚合商的交易收益逐渐减小并趋于收敛, 负荷聚合商的交易成本逐渐增大也趋于收敛. 这是因为在迭代初期, 各参与者主要以自身效能函数为优化方向, 即交易收益较大或交易成本较小, 随着迭代次数增加, 各参与者优化不断考虑市场出清社会福利和可再生能源消纳最大化, 即交易收益不断减小或交易成本不断增加. 当迭代求解收敛时, 参与者交易效能也收敛。

图4 微网市场参与者收益或成本Fig.4 Benefits or costs for micro-grid market participants

2) 微网社会福利和可再生能源消纳. 以可再生能源弃能成本表示微网可再生能源消纳情况, 弃能成本越小即可再生能源消纳越多. 微网市场社会福利和弃能成本随迭代求解变化情况, 如图5所示. 社会福利由最大值逐渐减小并趋于收敛, 弃能成本迭代初期增大, 后面不断减小并趋于收敛. 这一变化情况分析与上面参与者效能分析大体相似, 迭代初期, 市场社会福利较大, 弃能成本较小, 随着迭代次数增加, 社会福利不断减小, 10次左右迭代基本已在最优解附近波动; 弃能成本前10次迭代由最小值逐渐增大, 随着优化求解不断趋于收敛, 弃能成本不断减小并基本保持不变.

图5 社会福利和弃能成本Fig.5 Social welfare and energy abandonment cost

微网市场出清电价如图6所示. 对比图2参与者报价区间限值可知, 微网市场出清电价介于参与者报价区间内. 由图中可知, 0:00—7:00、 15:00—17:00出清电价较低, 11:00—14:00、 18:00—22:00出清电价高. 这是因为夜间0:00—7:00、 15:00—17:00为负荷低谷时段, 微网市场电能供过于求, 市场出清电价低. 而负荷峰时段, 如11:00—14:00、 18:00—22:00, 市场电能供不应求, 相应的市场出清电价高.

图6 微网市场出清电价Fig.6 Clearing price for micro-grid mark

3.2.2电动汽车数量对微网市场交易影响

为了评估电动汽车聚合商不同储能容量及充放电功率大小对微网电能市场交易影响, 将3.1基础算例设为Case1, 对比电动汽车数量分别为Case1中电动汽车数量的0.5和2.0倍时, 微网电能市场交易.

1)电动汽车数量对市场和参与者效能的影响. 3种电动汽车数量的市场社会福利和弃能成本, 如图7所示. 随着电动汽车数量增加, 社会福利增加, 弃能成本减小. 并且, 相较于电动汽车数量由1倍增大到2倍, 0.5增大到1倍的社会福利增大程度多, 弃能成本减小程度多.

图7 3种EV数量的市场效能Fig.7 Market utility for three cases

图8对比了3种电动汽车数量的微网市场交易参与者效能. 可再生能源发电商、 电动汽车聚合商收益随着电动汽车数量增加而增加, 负荷聚合商成本随着电动汽车数量增加而减小. 这是因为, 电动汽车数量增加, 电动汽车聚合商储电容量增加, 提高了与微网交易的电量, 收益也增大. 对可再生能源发电商而言, 出售给微网的电量增加, 收益也增加; 对负荷聚合商而言, V2G电动汽车聚合商储电量增加, 使负荷峰时段微网市场电能供应增加, 负荷聚合商成本相应减小.

图8 3种电动汽车数量的参与者效能Fig.8 Utility of participants for three cases

2)电动汽车数量对微网可再生能源消纳影响. 图9和图10对比3种不同电动汽车数量的24时微网可再生能源发电总出清量和总利用率. 本研究定义风力和光伏发电商的发电总出清量与发电商总报量比值为微网可再生能源发电利用率. 总出清量和总利用率在0:00—6:00随电动汽车数量增加而增加, 这是因为电动汽车数量越大, 夜间负荷谷时段电动汽车聚合商购电储电量越大, 市场负荷需求量增加, 可再生能源发电出清量和利用率也相应增大.

图9 微网可再生能源发电的总出清量Fig.9 Total clearance of renewable power generation

图10 微网可再生能源发电利用率Fig.10 Utilization rate of renewable energy

在11:00—14:00和18:00—23:00, 3种情况的可再生能源发电出清量基本相近, 可再生能源利用率(φuse)基本接近1. 电动汽车数量增大到2倍时, 出清量和利用率略微减小. 这是因为电动汽车聚合商储电量增加, 在负荷峰时段微网市场售电量相应增加, 发电商和V2G电动汽车聚合商为追求自身效益, 相互竞争向微网市场售电. 因此, 该时段微网可再生能源发电出清量或利用率略微减小, 但总体来看, 电动汽车数量增大, 微网市场可再生能源发电出清量和利用率均是提高的.

4 结语

综合考虑参与者交易效能和市场社会经济效益, 研究有限交易水平的分布式主体灵活参与完全竞争型分布式微网电能市场的交易优化方法. 基于区间报价报量, 提出上、 下层交互式交易的微网市场机制, 保证有限交易水平的分布式参与者公平参与市场竞争, 提高参与者投标策略灵活性, 保护参与者隐私. 通过算例分析得到以下主要结论.

1) 基于区间报价报量的上、 下层交互式交易迭代优化求解能够达到收敛, 各参与者效能、 市场社会福利和弃能成本约在60次左右迭代收敛, 验证了所提微网市场优化方法有效性.

2) 随着上、 下层交互式迭代优化, 各参与者交易收益逐渐减小或交易成本逐渐增大, 并趋于收敛; 市场社会福利和微网可再生能源消纳逐渐减小并收敛, 充分体现参与者效能和市场社会经济效益协调优化; 并且, 微网电动汽车数量扩大, 可以提高微网可再生能源消纳、 参与者效能和社会福利.