考虑负荷调节的分布式市场交易模式

韩国栋，吉培荣，王飞

(1. 三峡大学 电气与新能源学院，湖北 宜昌 443002；2. 国网湖北省电力有限公司荆门供电公司，湖北 荆门 448000)

0 引言

随着高比例光伏（photovoltaic，PV）接入电网，考虑到储能设备（energy storage systems，ESS）的优势，光伏和储能的协调配合逐渐受到关注[1-5]，亟须探究配网公司和光储投资商在分布式市场中进行电能交易的模式，从而为用户提供更好服务。

电力市场的电能交易主要分为集中式交易和分散式交易[6-8]。针对集中式交易方式，文献[9-10]提出了市场交易模型，得到了配网公司的最优购电策略。文献[11]设计了基于线路容量的主动配电网实时竞价模式，对配网公司购电策略具有指导意义。在当前电力市场下，用户侧出现了不同类型的利益主体，例如独立的分布式电源（distributed generation，DG）投资商、ESS 设备投资商等。文献[9-11]研究了交易模式，但所提方法不能较好地适应于分布式的电力供应者。

针对分布式电力供应商的交易问题，文献[12-13]建立了一种双层模型来模拟电能交易过程。文献[14]提出一种针对用户侧多个分布式的电力供应商的电能交易框架。文献[15]提出了去中心化的配网运行模式和方法。文献[12-15]针对分布式电能交易所进行了研究，但都只考虑到了PV 产生的电能交易。由于ESS 具有储存电能的优势，ESS 和PV 协调配合不仅能够缓解随机性和波动性给电力系统带来的影响，同时ESS 也可以利用峰谷价差在“高储低放”过程中给市场主体带来更多的效益。在此情况下，要研究用户侧光储协调的分布式电能交易。文献[16]建立了多时步双层鲁棒优化模型，以研究分布式光储系统的电能交易。文献[17-18]研究了用户侧分布式光储协调的电能交易问题。综上，现有分布式光伏和储能的电能交易研究并没有考虑到不同类型的多个投资商的情况，也没有在交易过程中考虑用户实施需求响应来调整负荷的情况。

本文考虑了系统末端配电网和用户层面出现大量市场主体的情况，提出一种考虑光储协调和用户负荷调整的分布式市场交易模式。首先针对配网公司、多个光储投资商之间电能和信息的传递关系，提出了分布式市场交易的框架；然后建立配网公司和不同类型的多个光储投资商的市场交易模型；接着提出了适用于该市场交易双层优化模型的求解方法；最后仿真结果验证了该市场交易模型的可行性。

1 市场主体交易模型

本文提出的分布式交易框架如图1 所示。在图1 中，分布式市场交易包括配网公司、独立光储投资商和电力用户。配网公司在与光储投资商进行交易时，购买PV 发电量，在与上一级电网进行交易时，从电力日前市场和实时市场进行购电[19-20]。光储投资商可以确定PV 售电电价，并确定自身拥有光储机组的发电售电量和ESS 设备的充、放电量，并与配网公司进行电能交易来提高自身收益。电力用户则主动实施需求响应，以积极调整负荷[21-22]。

图1 分布式市场交易框架Fig. 1 Transaction framework of the distributed market

1.1 配网公司交易模型

配网公司作为连接光储投资商和电力用户交易的市场主体，从光储投资商和上一级电网的电力市场买电，将其出售给电力用户。配网公司市场交易模型的目标函数为

1.2 光储投资商交易模型

光储投资商将PV 机组所发电能出售给配网公司，当PV 发电量充足时，利用储能装置将多余PV 电量储存起来。本文假设每个光储投资商都可以投资建设属于自己的ESS 装置。光储投资商市场交易模型的目标函数为

2 分布式市场交易模型求解

在分布式市场交易中，配网公司的优化问题和光储投资商的优化问题相互影响。本文将分布式市场交易模型的求解过程转变为双层优化问题，双层优化模型如图2 所示。

图2 双层优化模型Fig. 2 Two-layer optimization model

光储投资商根据配网公司的策略，同时结合用户负荷来决定PV 和ESS 的相关策略，而配网公司的收益也依赖于光储投资商的策略。本文采用粒子群算法[23-24]来求解上层配网公司的优化问题，基于Matlab 中的Cplex 求解器[25]来求解下层光储投资商的优化问题。市场交易双层模型的具体优化算法如下。

（1）初始化。初始化负荷数据、网络参数；初始化粒子数量、迭代次数、迭代收敛误差；初始化配网公司的决策变量，包括日前市场购电电量、实时市场购电电量以及用户需求响应调整的负荷量。

（2）下层光储投资商优化。基于配网公司的决策变量，以收益最大化为目标，计算自身收益，进行最优决策，包括PV 售电价格、PV 售电电量、ESS 电量。

（3）基于步骤（2）中光储投资商的优化策略，计算粒子适应度，从而更新配网公司的优化决策。

（4）判断算法是否达到收敛条件，如果是，则输出配网公司和光储投资商的优化策略；如果否，则返回步骤（2）进行下一步迭代。

3 算例分析

采用IEEE 33 节点配网系统验证所提方法的有效性。配网结构如图3 所示。本文假设整个分布式市场交易中存在3 个光储投资商。在图3 中，红色、绿色和蓝色虚线框所划分出的3 个区域内的电力用户所消耗的PV 电能分别来自不同的光储投资商。

图3 IEEE 33 节点系统Fig. 3 IEEE 33 node system

3 个光储投资商分别在各自所属的区域内每个节点都安装有光伏和储能装置。光储投资商的相关信息如表1 所示。在粒子群算法中，本文设置粒子个数为50，最大迭代次数为100 次，收敛判定的允许误差值为1 0-3。

表1 光储投资商信息Table 1 Information of DG investors

电力用户实施需求响应调整负荷后，配网公司的日前市场购电量、实时市场购电量和售电量、ESS 充、放电量如图4～7 所示。由图4 可知，用电高峰时间段内日前市场购电量要明显高于用电低谷时段的购电量。这是因为用户在高峰时期内对电力的需求大于低谷时期，配网公司要满足用户的负荷需求，要在高峰时期从日前市场购买更多的电能。由图5 可知，实时市场购电量曲线在08:00—18:00 内较低，在其余时间段内相对较高。PV 售电量则刚好相反，07:00—18:00内相对较高，尤其是10:00—15:00 时段内，而其他时段内较低。在08:00—18:00 内，PV 机组可以发电，尤其在10:00—15:00 光照强烈，PV 发电充足，PV 售电价格降低，因此在0 8:0 0—18:00 时段内实时市场购电量较少，主要利用PV 电量。结合图6 和图7 可知，ESS 的充电电量在09:00—18:00 时较高，而在其他时段内则为0，其放电电量刚好相反。

图4 配网公司日前市场购电量Fig. 4 Electricity of distribution company from dayahead market

图5 实时市场购电量和售电量Fig. 5 Real time market power purchase and sales

图6 ESS 充电电量Fig. 6 Charge electricity of ESS

图7 ESS 放电电量Fig. 7 Discharge electricity of ESS

将用户实施需求响应调整负荷后的一天内各时段不同光储投资商的PV 价格和配网公司购买的实时市场电能价格进行对比，如图8 所示。由图8 可知，在时段08:00—18:00，实时市场电力价格大体上是略高于其他时间段内的价格的。在时段1 0:0 0—1 5:0 0，光储投资商的PV 价格略低，时段01:00—7:00 和19:00—24:00，PV 价格为0。由于时段10:00—15:00 上PV 机组能够产生较多的电量。光储投资商为了追求利益，决策出较低的PV 价格，从而卖出更多的PV 电量，增加了自身的售电收益。

图8 实时市场电价和PV 电价Fig. 8 Real time market price and PV price

进一步，对比考虑用户负荷调整的分布式市场交易（场景1）和不考虑用户负荷调整的分布式市场交易（场景2）结果，来说明负荷调整对分布式市场交易的影响。2 种场景下实时市场购电量和PV 价格对比如图9 和图10 所示。从图9可以看出，场景1 下配网公司的实时市场购电电量在时段01:00—04:00 高于场景2。其原因是在该时段，场景1 考虑到了负荷的调整，用户将一部分高峰负荷转移到了该时段内。在时段10:00—13:00，场景1 的实时市场购电量高于场景2，则在该在时段内PV 的售电量有所减少。在时段18:00—22:00，场景1 的实时市场购电电量要低于场景2。从图10 可以看出，场景1 下3 个光储投资商的PV 价格都高于场景2，因为场景1 下的PV 售电量较少，光储投资商为了追求自身利润，适当提高了PV 的售电电价。

图9 实时购电量Fig. 9 Real time power purchase

图10 PV 价格Fig. 10 PV price

2 种场景下配网公司和光储投资商的总收益如表2 所示。由表2 可知，配网公司和3 个光储投资商在场景1 下得到的总收益相较于场景2 分别增加了15.61 万元、29.47 万元、23.86 万元和27.75 万元。其原因在于，对于配网公司而言，用户将高峰时期的负荷调整到低谷时期，使得配网公司在高峰时段18:00—22:00 从实时市场购电电量降低，但是在时段01:00—04:00 和10:00—13:00 上的实时购电量增加。总体来看，销售给电力用户实时市场电量增加，从而增加了总收益。对于光储投资商而言，虽然用户调整负荷使得其高峰时期的用电量降低，光储投资商的光伏电能在高峰时期的收益有所降低，但是其拥有的储能供电能够利用峰谷价差获得更多的收益，从而导致光储投资商的总收益有所增加。

表2 总收益Table 2 Total revenue万元

4 结语

本文基于市场改革后出现大量市场主体的背景，针对系统末端即配电网和用户层面，提出了一种考虑光储协调和用户负荷调整的分布式市场交易模式，建立了配网公司和不同类型的多个光储投资商的市场交易模型，并进行求解。仿真结果验证了所提方法的可行性以及在市场交易模型中考虑用户负荷转移的必要性。