分散决策下分布式光伏储能系统外部性价值量化评估

武昭原，刘婧宇，周 明，元 博，赵会茹，李庚银

（1.华北电力大学经济与管理学院,北京市 102206；2.华北电力大学电气与电子工程学院,北京市 102206；3.国网能源研究院有限公司,北京市 102209）

0 引言

随着“碳达峰·碳中和”目标的提出,加快构建适应新能源占比逐渐提高的新型电力系统已成为未来能源电力的发展形态［1-3］。近年来,随着分布式光伏发电技术的不断成熟,分布式光伏已成为未来电力系统提升新能源渗透率的重要途径,将在未来新型电力系统构建过程中扮演越来越重要的角色［4］。相比于传统的集中式发电技术,分布式光伏具有投资成本低、可就近利用等优势,特别是在需求侧电气化水平不断提高的趋势下,分布式光伏发电能有效满足用户的差异性用电需求,提升资源优化配置效率［5-7］。

在强有力的政策推动下,分布式光伏装机容量近年来有了可喜的增长。尽管光伏成本呈现逐年下降的趋势,但不得不承认的是,受限于当前的电价结构和市场化水平,分布式光伏迅速增长的背后依靠的是国家和地方的大量补贴［8-10］。分布式光伏装机容量的快速提高也进一步带来了消纳难题和可再生能源附加电费不足等问题,补贴退坡和补贴项目清零已成为必然趋势［11］。与此同时,随着储能政策倒逼与储能成本的逐年下降,储能在全球范围内越来越受到重视,储能进程推进速度将加快,在光伏上网电价补贴逐渐减少甚至取消的趋势下,分布式光伏配合储能的运营模式可为用户带来更大的经济效益,提升运行的独立性与经济性［12-14］。在此背景下,开展分布式光伏储能外部性价值量化评估方法的研究具有重要意义。

近年来,已有研究从“电网平价”或成本竞争性的角度评估不同投资主体或应用场景中分布式光伏储能项目的价值［15-17］。文献［15］从政策设计和市场运行的角度分析了不同市场阶段阻碍分布式光伏系统投资的关键要素。文献［16］从电能量价值和容量机制两个维度分析了分布式光伏储能系统的价值,并设计了能够反映不同分布式资源系统差异性的激励机制。文献［17］指出,分布式资源系统的成本可竞争性受到预期的投资回收期和资金回收价值的影响,不同主体对投资相关参数的偏好差异性将会显著影响分布式资源价值量化结果。诚然,以上研究为推动分布式光伏储能系统的发展提供了非常有价值的参考,但其价值量化评估方法大多基于固定的定价或补贴政策,难以反映市场的动态变化。

在气候目标的驱动下,大规模分布式光伏储能的接入在弱化需求侧对电网依赖的同时,也将影响电力系统整体的供需平衡模式,会改变原有的出清电价时空分布［18-19］。也有研究从系统层面研究大规模分布式光伏接入系统的影响［20-22］。文献［20］考虑了分布式光伏储能系统多元应用场景,基于多属性决策理论,从运行效率、低碳价值等多个角度建立了价值评估体系。文献［21］构建了多主体均衡模型,兼顾了分布式光伏定价机制对产业上下游电力供应的影响,解析推导了分布式光伏储能系统投资与社会福利分配效应的耦合关系。文献［22］从系统运行价值的角度,评估了美国加州电力市场中分布式光伏的投资价值,测算了分布式光伏投资规模对系统运行效率的影响。

上述研究中所考虑的分布式光伏储能系统大多站在系统运营商的角度,假定所有主体均按照社会福利最优的方式开展投资决策。然而,随着市场化改革的推进,不同于传统的集中式管理模式,市场环境下需求侧各市场成员均能自主决定参与市场策略,且各市场成员间往往会存在目标不一致的问题。已有文献指出,个体分散决策行为将会显著影响最终的系统整体运行情况和政策作用效果［23］。

在此背景下,本文围绕分散决策下分布式光伏储能系统外部性价值量化评估方法展开研究,主要创新点可总结为以下两个方面：

1）提出了分布式光伏储能外部性价值评估框架,在此基础上构建了双层模型评估分布式光伏储能外部性价值,所构建的双层模型能够很好地捕捉多个需求侧市场成员分散决策行为与系统整体运行的交互性。不仅如此,该双层模型还具有很强的可扩展性,能够兼容不同地区市场模式、电源结构、负荷特性等多方面差异性,精准测算分散决策下分布式储能系统的外部性价值,具有较好的工程实用价值。

2）从个体层和系统层两个维度,设计了计及运行经济性和低碳性的市场运营评估指标体系,有助于揭示区域差异与分布式光伏储能系统外部性价值的关联关系。算例结果表明,分散决策在分布式光伏储能系统投资和调度决策阶段均可能导致不同程度的效率损失,且不同于直观的感觉,分布式光伏储能的大规模投资并不意味着电网公司收益的降低,反而可能会导致系统碳排放强度的增加。研究成果为各区域“因地制宜”设计合理的分布式光伏价格机制和激励政策的制定提供了有效的仿真工具和设计思路。

1 分布式光伏储能系统外部性价值评估框架

就目前而言,需求侧市场成员的分布式光伏主要有“全额上网”和“自发自用,余电上网”两种模式。已有研究指出,采用“自发自用,余电上网”的模式能够更为有效地改善用电结构、降低对电网的依赖性,有望在整县光伏政策和补贴逐渐下降的趋势下成为未来的主流模式。在该模式下,用户自主为分布式光伏配置储能可以有效提升户用光伏的自用率,降低对上级电网的依赖程度。考虑到分布式光伏储能系统由市场主体自主投资建设,其调度决策目标与系统整体目标可能存在差异。随着分布式光伏储能系统规模的逐渐扩大,这种依赖性的降低也将根本性改变原有系统的电力供需情况,伴随其带来的外部性影响也将难以忽视。

在本文中,分布式光伏储能的“外部性价值”指的是在用户投资分布式光伏储能后,自身的净负荷曲线变化对系统整体运行效率及其余市场主体所产生的影响。具体而言,市场成员投资分布式光伏储能的本质影响在于其改变了用户的负荷曲线,降低了用户对上级电网的依赖性,进而会改变原有系统的调度运行方式。系统调度运行方式的改变一方面会影响运行的经济性和低碳性,即会改变原有的系统运行成本和碳排放强度；另一方面,对上级电网依赖性的降低会减少系统输配电成本和延缓部分线路投资。

基于此,本文构建了如图1 所示的分布式光伏储能系统外部性价值评估框架。外部性价值主要体现在运行价值、环境价值和非线路性替代价值3 个方面,其中的非线路性替代价值表现为分布式光伏储能系统的投资有助于用户降低对电网的依赖性,进而降低线路占用率。

图1 分布式光伏储能系统外部性价值评估框架Fig.1 Externality value evaluation framework of distributed photovoltaic energy storage system

在上述框架下,为实现分布式光伏储能系统外部性价值的精准评估,一方面需要模拟在当前给定的价格机制下个体决策行为与系统运行的交互关系,另一方面需要考虑分散决策行为对系统运行的影响,从多个维度构建外部性价值评估体系。为此,本文通过构建计及分布式光伏储能投资决策的双层模型来捕捉需求侧市场主体分散决策行为与系统整体运行情况的关系,以实现分布式光伏储能系统的外部性价值的精准测算,为后续政策评估提供理论基础和仿真工具,具体的模型详见第2 章。

2 分布式光伏储能系统外部性价值评估模型

在传统集中调度情况下,系统运营商可根据实际需求,确定合理的储能投资规模和调度运行方式,以最小化系统运行成本。然而,在市场化环境下,大规模需求侧市场成员将呈现分散决策的形态,市场主体能够根据自身用电需求、分布式光伏出力情况、当前的费率结构确定适合自身的储能投资容量以及相应的储能运行方式,以最小化自身的用电成本。为探索海量需求侧市场主体分散决策行为与上级电网运行的耦合关系,进而量化评估分布式光伏储能系统的外部性价值,本文基于前述评估框架构建了分布式光伏储能外部性价值评估双层模型。

2.1 上层模型

上层模型以各市场成员用电成本最小为目标,根据所拥有的分布式光伏的预期出力、价格机制和自身电力供需,确定需要配置的最优分布式储能容量。上层模型的决策变量为市场主体i投资的分布式光伏容量和储能存储容量,分别用和表示,市场主体i的净负荷曲线可由表示。对某一市场主体而言,具体的投资决策模型如下：

上层模型中,目标函数包含三部分：购售电成本、分布式光伏和储能对应的等效年化投资成本,其中,来源于下层市场出清模型,取决于具体的分布式光伏价格政策。分布式光伏和储能的年化投资成本可由式（2）和式（3）计算得到,式（4）和式（5）描述了市场主体i的净负荷需求,式（6）至式（10）描述了市场主体i所投资储能的相关约束,式（11）和式（12）描述了市场主体i负荷需求和多余的电量均为非负变量。需要说明的是,上层模型中各市场主体的行为决策彼此独立。由式（4）可知,各市场主体净负荷曲线可根据各自对分布式光伏储能系统的投资及调度决策计算得到,各用户的净负荷曲线将作为下层市场出清模型的输入,且本文并未考虑用户用电行为的价格弹性,下层模型所得到的分时段出清电价只会影响市场主体对分布式光伏储能系统的投资,初始负荷曲线保持不变。

2.2 下层模型

双层模型的下层为市场出清模型,目标函数式（13）以系统总成本最小为目标,其中,系统运行成本包括传统机组发电成本及碳排放成本,决策变量为系统中各机组分时段出清功率P,具体模型如下：

在下层模型中,式（14）描述了典型运行日s下各时刻的功率平衡约束,该约束对应的对偶变量即为市场出清电价；式（15）描述了各市场成员形成的总净负荷需求,由上层模型的输出直接计算得到；为避免赘述,式（16）中g(xt)描述了其余市场出清涉及的相关约束,如机组出力上下限约束、爬坡约束和最小连续开停机约束等。

总体来看,该双层模型上层包含多个需求侧市场成员,分别根据自身用电需求、屋顶光伏可用面积及光照强度以及下层形成的市场价格确定分布式光伏和储能的投资决策,该投资决策将会改变其在下层市场出清模型中的净负荷曲线；下层模型为市场出清模型,根据上层模型形成的净负荷曲线确定系统调度运行策略,形成市场出清电价传递给上层。需要注意的是,为突出分布式光伏储能投资对系统供需特性和优化运行方式的影响,厘清分布式光伏储能系统在不同地区的价值异质性,本文在下层模型中并未考虑网络约束。

2.3 模型求解及可扩展性

2.3.1 模型求解

由上述分析可知,本文上层模型中各市场成员均可根据市场出清结果自由确定分布式光伏储能投资规模,为传统主从博弈模型的扩展。本质上讲,所构建的双层模型为带均衡约束的均衡问题（equilibrium problem with equilibrium constraints,EPEC）,具有非凸非线性的特征,难以直接高效求解［24］。为此,本文采用对角化算法通过上下层迭代的方式依次确定各需求侧市场成员的投资行为［25］。事实上,下层市场出清模型与上层每个需求侧市场成员的迭代过程都可以理解为一个具有均衡约束的数 学 规 划 问 题（mathematical programs with equilibrium constraints,MPEC）,当所有MPEC 全部求解后,一次迭代结束,迭代将持续到所有市场成员决策行为均达到均衡状态,从而实现该双层模型的求解。该求解算法的伪代码见附录A。

由对角化算法伪代码可以看出,双层模型求解算法的收敛依赖于在各个市场主体与市场出清间的多轮迭代。对于某个市场主体而言,其最终的分布式光伏储能投资决策方案可能会在两个或多个方案间振荡。具体而言,判断迭代中振荡会发生的依据如下所示：

式（17）所表示振荡判断依据的物理含义可理解为由于节点边际电价的滞后性,某个市场成员在根据第k轮迭代的市场价格信号所做出决策更新后的节点边际电价,即λ(k+1)下的总成本会升高,新一轮k+2 的投资决策可能会退回到第k次的方案,故而在迭代中呈现振荡,若该振荡为等幅振荡则算法无法收敛。当双层模型求解过程中出现振荡且无法满足设定的收敛判据时,本文以用户侧成本最小为原则确定该用户的分布式光伏储能投资方案。

2.3.2 可扩展性分析

尽管上述双层模型需要预先满足一些前置假设条件,并在某些环节简化了建模,但值得一提的是,针对分布式光伏储能外部性价值评估,上述双层模型能够很好地捕捉到多个需求侧市场成员分散决策行为与系统整体运行的交互性。不仅如此,上述双层模型还具有很强的可扩展性,能够兼容不同地区市场模式、边界条件、激励政策等多方面差异性,精准测算分散决策下分布式储能系统的外部性价值,具体可总结为以下几方面。

1）定价机制

实际中由于各地区发展水平和能源政策的差异性,分布式光伏储能系统往往面临不同的定价机制,式（1）中和可根据实际情况替换为不同的定价机制,用于评估不同定价机制或激励政策下分布式光伏储能的外部性价值。

2）电源结构

需求侧市场成员对分布式光伏储能系统的分散决策的本质改变了各市场成员的净负荷曲线,这将影响电力系统整体的供需平衡模式和机组调度计划。本文所构建双层模型中,下层市场出清模型式（13）至式（16）中电源结构可根据实际区域特性替换为不同类型的电源组合,形成各时段系统聚合供给曲线,可适用于测算不同区域中分布式光伏储能系统的外部性价值,进而为因地制宜的市场机制设计提供仿真工具和理论支撑。

3）负荷特性

从主体类型来看,工业用户、商业建模、居民等不同主体的区别主要来自相关参数的差异性,如初始负荷曲线、相关价格机制、分布式光伏储能最大投资规模和投资成本等,参数在模型中都有相应的变量,在应用中根据实际需求输入相应的参数,即可有效区分不同主体组合对分布式光伏储能系统的外部性价值评估的影响。

此外,不同市场成员对电价的敏感程度不同。在实际系统运行和价值评估中,个体的异质性和有限理性行为将会影响其实际的投资决策行为,还有部分市场成员不愿意或缺少条件投资分布式光伏储能系统。为了尽可能模拟差异性的负荷特性,本文中在下层模型约束式（14）中添加了PLi,t,s变量,表示系统中不受市场价格影响的刚性需求。通过这样的方式,所提模型能够更好地拟合实际系统负荷特性,实现分布式光伏储能系统外部性价值的精准评估。

2.4 市场运行评价指标

如前所述,针对不同的系统及边界条件,分散决策下分布式光伏储能系统投资所对应的外部性价值存在显著差异性。为有效评估分散决策下分布式光伏储能对系统整体运行效率的影响,揭示其一般性的外部性价值规律,厘清分布式光伏储能系统在不同地区的外部性价值异质性,本节考虑系统运行经济性和低碳性,从个体行为层和系统运行层两个维度定义了下述市场运行评价指标：

1）无秩序代价（price of anarchy,POA）：POA 指标用来衡量相比于集中式决策方法,个体对分布式光伏储能系统的分散决策所导致的效率损失,可通过对比不同模式下系统运行成本计算得到。

2）边际碳排放强度（marginal emission intensity,MEI）：MEI 指标指的是系统每单位用电量增长所带来的二氧化碳排放量,可从环境效益的角度量化分布式光伏储能系统的外部性价值。

3）用电侧平均碳排放强度（average carbon emission intensity of demand side,ACED）：不同于MEI 指标反映的是系统侧边际碳排放特征,ACED指标用来衡量某个用户其用电行为对应的ACED。

4）电网依赖性（reliance on the utility, ROU）：ROU 指标用来衡量需求侧市场成员对电网供电的依赖性,对于某一市场成员而言,其ROU 指标可由某时段内向电网购电量和总需求电量的比值计算得到。

5）电网公司净收益（net profits of the utility,NPU）：已有研究指出,需求侧分布式光伏占比的提高可能会降低用户从电网的购电量,进而影响电网公司的盈利能力,NPU 指标用于衡量电网公司的净收益,可根据售电收益和发电侧购电成本计算得到。

6）峰值负荷需求（peak load demand, PLD）：如前所述,分布式光伏储能系统的大规模投资在降低需求侧对电网依赖性的同时,也将根本性改变原有系统的电力供需情况。PLD 指标能够衡量分布式光伏储能系统的建设对于净负荷曲线改变在系统层面的效果。

3 算例分析

3.1 算例设置

本文算例采用中国河南省某地区用户负荷曲线和分布式光伏容量因子数据。为便于模型求解,用户侧负荷曲线已通过聚类的方式形成30 个聚合大用户。为便于分析,假设市场主体所投资的储能均为储能时长为2 h 的电化学储能,分布式光伏储能系统外部性价值分析模型所涉及的相关参数如附录A 表A1 所示。由表A1 可知,在基础算例中分布式光伏回收价格假定等于批发市场出清价格,将在3.5节中进一步分析差异化的分布式光伏回收价格对其外部性价值的影响。同时,为测算市场成员分散决策行为对其外部性价值的影响,本节首先构造了如下两个对比场景,分别从规划和运行两个维度突出上述双层模型中需求侧市场主体分散决策性所带来的影响。

1）对比场景1（M1）

根据需求侧用电需求和分布式光伏容量因子,由市场运营商以社会福利最大化为目标统筹分布式光伏和储能的投资和调度决策方式。该对比场景下集中优化储能投资行为,能够消除分散决策所带来的储能投资效率下降。

2）对比场景2（M2）

基于本文上述模型中计算得到的各用户分布式光伏和储能的投资策略,由市场运营商以社会福利最大化为目标统筹所投资储能调度决策方式,即可以理解为各市场主体所投资的储能处于完全共享的理想模式。该对比场景采用集中式优化调度,能够消除储能分散决策所带来的效率损失。

具体的场景特征如表1 所示。表中：M3 为本文所提的分布式光伏储能分散决策模型；M4 为基准场景,该场景下用户无法自主投资分布式光伏储能系统,全部负荷需求均依靠上级电网供应。

表1 各场景不同阶段决策方式差异性Table 1 Differences in decision-making modes at different stages in different scenarios

3.2 外部性价值分析

如前所述,分布式光伏储能系统的外部性价值主要体现在3 个方面,即运行价值、环境价值和非线路性替代价值。在本节中,上述三方面价值将分别通过对比M3 和M4 场景系统运行结果得到。具体而言,运行价值为M3 和M4 场景下系统整体运行成本的差值,系统整体运行成本即为式（13）的第1 项；环境价值为M3 和M4 场景下系统碳排放成本的差值,系统碳排放成本可由碳排放总量和单位碳排放权价格的乘积计算得到,即式（13）的第2 项；非线路性替代价值为M3 和M4 场景下系统输配电成本的差值,其中,输配电成本可由从各时段该区域向上级电网购电量和单位输配电成本计算得到。图2 为某典型日各时段分布式光伏储能系统的外部性价值测算图。

图2 典型日不同时段分布式光伏储能系统外部性价值Fig.2 Externality value of distributed photovoltaic energy storage system in different periods of typical days

如图2 所示,分布式光伏储能系统不同维度的外部性价值存在明显的时段差异性,但整体趋势较为一致,在13：00—17：00 时段价值较高,这主要是因为中午分布式光伏出力较高,且储能能够将中午高峰时段多余光伏转移到下午时段的负荷高峰时刻。因此,中午及后续时段的外部性价值相比于其他时段相对较高。此外还可以发现,环境价值和非线路性替代价值在01：00—02：00 时段呈现负值,这主要是由于初始时段系统发电成本相对较低,相比于M4 场景,M3 场景下市场主体所投资储能在上述时段充电行为会在一定程度上增加系统层面碳排放和输配电成本。

3.3 分散决策对系统运行效率的影响分析

如上所述,分布式光伏储能的投资将呈现多元化的外部性价值,本节中将进一步从系统运行效率的角度分析分散决策对分布式光伏储能系统外部性价值的影响。

本质上讲,大规模分布式光伏储能的投资决策改变了需求侧的净负荷曲线,进而会影响系统原有的调度优化运行方式,其突出表现为对电网依赖性的降低和PLD 的差异性。基于此,本节选取了上述两个指标以及POA 指标以量化分析投资和调度决策两个不同阶段分散决策对系统运行效率的影响,M1 至M4 场景下3 个指标的值如图3 所示。同时,为便于反映指标间的差异性,对POA 和PLD 指标进行了归一化处理,其中,PLD 指标归一化前反映的是各典型日内负荷需求最高的4 个时段的均值。

图3 不同阶段分散决策对系统运行效率的影响Fig.3 Impact of decentralized decision-making at different stages on system operation efficiency

对比图中不同场景下的指标可以明显看出,M1至M4 场景下的POA 指标呈现递减状态,相比于M1 场景下的集中式优化,M2 和M3 场景下所对应的效率损失分别是由于分散决策下分布式光伏储能的过度投资以及储能调度决策的次优性所导致的。从PLD 和ROU 指标来看,相比于M1 场景,M2 场景所对应的指标值反而相对较好,这主要是因为在M2 场景所投资的储能规模相对较高,在集中优化下将有助于降低需求侧的电网依赖性和PLD。相应的M2 场景下储能的过度投资也导致其系统整体成本相对较高,在POA 指标中已有反映。

3.4 分布式光伏储能对系统低碳运行的影响分析

随着分布式光伏补贴的逐渐下降,大多数地区分布式光伏回收价格明显低于零售电价,分布式光伏搭配储能系统有助于提升需求侧市场主体运行灵活性,降低用电成本。但理论上讲,尽管对某个用户而言,分布式光伏搭配储能可以更好地拟合自身需求,但从系统整体来看,若系统有足够的分布式光伏消纳能力,受限于储能的充放电效率这种个体层面的用电曲线拟合将会导致清洁能力的“浪费”,反而可能引起系统碳排放量提高。

为此,本节将从环境价值的角度分析分布式光伏储能对系统低碳运行的影响。在原有M3 场景的基础上,额外设置了M3*场景。该场景下将移除各市场成员所投资的储能,多余的分布式光伏将直接被上级电网回收。图4 给出了M3 和M3*场景下部分市场主体的ACED 指标和系统层面的MEI 指标。由于系统层面MEI 指标各时段存在差异性,图中黄、蓝色虚线给出的MEI 指标分别为场景M3 和M3*所选择典型日的平均值。

图4 M3 和M3*场景下部分市场主体ACED 指标和系统的MEI 指标Fig.4 ACED indices of partial market entities and system MEI indices in M3 and M3* scenarios

从图中散点变化趋势可以看出,市场主体的用电ACED 与储能投资容量似乎没有明显的关联性,但从整体来看,这主要是因为不同主体本身负荷规模和曲线存在差异性,而ACED 指标反映单位用电量的平均碳排放量,因而其与储能投资容量的关联性不明显；另一方面来看,分布式光伏搭配储能有助于市场主体自身降低对上级电网依赖性,提升自身用电量中分布式光伏所占比例,因而M3 场景的ACED 指标数值明显低于M3*场景。但正如前面所提到的,系统层面的M3*场景下平均MEI 指标反而略低于M3 场景,这主要是因为本文所构造场景中系统层面有较强的调节能力,能够全部消纳午间的分布式光伏,这一现象在个体层面将表现为M3 场景下系统中其余未配置分布式光伏储能的刚性负荷ACED 指标将会高于M3*场景。

3.5 分布式光伏价格机制的影响分析

在前文分析中已经可以发现,大量分布式光伏储能系统的投资会对系统运行经济性和低碳性产生一系列影响,其所产生的外部性价值的本质在于分布式光伏储能系统的投资会降低需求侧对电网依赖性。从利益分配的角度来看,这种依赖性的降低可能导致电网公司收益降低,进而存在潜在的政策阻力,这也在一定程度上导致了近年来分布式光伏回收价格的不断下降。

基于此,本节中将进一步分析分布式光伏价格机制对市场主体投资决策和电网公司收益的影响。相比于前述算例中固定的分布式光伏回收价格,在本节中引入了价格系数β,相应的分布式光伏回收价格如下：

在上述价格机制下,当价格系数β为1 时,分布式光伏回收价格为零售电价与输配电成本的差值；当价格系数β为0 时,分布式光伏回收价格为上述差值与批发市场出清电价的较小值。图5 给出了不同价格系数下分布式光伏投资比例和电网公司收益的变化。图中：分布式光伏投资比例指的是相比于市场主体实际投资的分布式光伏占最大可投资容量的比例。

图5 不同价格系数下分布式光伏投资比例和电网公司收益Fig.5 Distributed photovoltaic investment ratio and grid company revenue under different price coefficients

如图5 所示,与预期一致的是随着分布式光伏回收价格系数的增加,分布式光伏投资比例不断增加。然而,可以发现NPU 并没有单纯随着价格系数和分布式光伏投资容量的增加而降低,而是整体呈现略微上升而后下降的趋势。后一阶段下降的趋势容易理解,过高的分布式光伏回收价格显然容易导致NPU 的下降；前一阶段的NPU 略微上升的原因主要在于分布式光伏储能投资比例提高后,系统整体净负荷需求相应下降,较低的净负荷需求导致了较低的批发市场出清电价,进而降低了电网公司购电成本,如图中蓝色条纹柱形所示。

这样的结果也再次说明,分布式光伏储能的投资在为系统提供多元外部性价值的同时,一般并不会导致电网公司收益的下降,即便当回收电价较高时,上述结论依然成立。这也从侧面表明,定价机制的设计给分布式光伏储能系统投资所带来的社会福利分配转移效应具有重要意义。

4 结语

在“整县光伏”等强有力政策的驱动下,分布式光伏储能系统已逐渐成为能源结构转型的关键性环节之一。本文围绕分散决策下分布式光伏储能系统外部性价值量化评估方法展开研究,通过构造双层模型模拟需求侧市场成员与系统运行的交互关系,准确测算不同边界条件下分布式光伏储能系统外部性价值。最后,基于实际系统数据分析了不同区域边界条件下分布式光伏储能系统的外部性价值,以及市场成员分散决策行为对其外部性价值的影响。算例结果表明：

1）分布式光伏储能系统的外部性价值主要体现在3 个方面,即运行价值、环境价值和非线路性替代价值,其中,分散决策在分布式光伏储能系统投资和调度决策阶段均可能导致不同程度的效率损失,个体层面的自利性分散决策将可能导致系统出现新的负荷需求高峰；

2）从低碳运行的角度来看,当系统有足够的分布式能源消纳能力时,市场主体对分布式光伏储能的分散决策行为在促进个体层面分布式光伏出力与自身用电曲线拟合的同时也将导致清洁能源的“浪费”,反而可能引起系统碳排放量提高；

3）不同于直观感觉中分布式光伏的大规模接入可能导致NPU 下降。本文结果表明,当考虑分布式光伏储能投资对上级系统净负荷曲线的影响时,电网公司净收益并没有单纯随着价格系数和分布式光伏投资容量的增加而降低,而是整体呈现略微上升然后下降的趋势；

4）本文所提模型具有较强的实用价值和可扩展性,能够揭示电源结构、供需特性等区域差异与分布式光伏储能系统外部性价值的关联关系,厘清分布式光伏储能系统在不同地区的价值异质性。

本文针对的是市场环境下分布式光伏储能系统外部性价值评估问题,后续将进一步研究分布式光伏储能系统对不同类型用户的价值差异性,以及计及区域异质性的分布式光伏储能定价方法及激励机制。以期为各区域“因地制宜”设计合理的分布式光伏价格机制和激励政策提供理论支撑和仿真工具,为分布式光伏和储能产业的深度融合提供有力支撑和保障。

附录见本刊网络版（http：//www.aeps-info.com/aeps/ch/index.aspx），扫英文摘要后二维码可以阅读网络全文。