李凌昊, 邱曉燕，張浩禹，趙有林，張楷

(1.中國(guó)電力科學(xué)研究院，北京市 100085；2.智能電網(wǎng)四川省重點(diǎn)實(shí)驗(yàn)室(四川大學(xué))，成都市 610065)

0 引 言

近年來(lái)，全球能源危機(jī)日益加劇，傳統(tǒng)化石能源對(duì)環(huán)境的污染問(wèn)題也亟需解決。根據(jù)國(guó)際能源署(International Energy Agency, IEA)發(fā)布的《世界能源展望2019》，至2040年，以風(fēng)電、光伏為代表的新能源發(fā)電將占總發(fā)電量的44%，成為最主要的發(fā)電類(lèi)型。IEA認(rèn)為，隨著能源轉(zhuǎn)型的不斷深入，可再生能源發(fā)電正從最初的政府財(cái)政支持轉(zhuǎn)向大規(guī)模的商業(yè)開(kāi)發(fā)[1]。另一方面，我國(guó)電力市場(chǎng)持續(xù)開(kāi)放，分布式發(fā)電、儲(chǔ)能、電動(dòng)汽車(chē)、智慧社區(qū)、工業(yè)園區(qū)等具有調(diào)度潛力的分布式能源(distributed energy resources, DER)和柔性負(fù)荷(flexible load, FL)正越來(lái)越多地參與到電力市場(chǎng)交易中[2]?；谝陨蠗l件，通過(guò)整合、協(xié)調(diào)可調(diào)度資源參與電力市場(chǎng)交易的虛擬電廠技術(shù)具有廣泛的應(yīng)用前景。

虛擬電廠(virtual power plant, VPP)的概念最早由Shimon Awerbuch提出，二十多年來(lái)，VPP技術(shù)在歐洲和北美地區(qū)已取得廣泛應(yīng)用[3-5]，國(guó)內(nèi)也已進(jìn)行了大量相關(guān)研究。文獻(xiàn)[6]分析了泛在電力物聯(lián)網(wǎng)背景下VPP的組成和特性，以此為依據(jù)設(shè)計(jì)了VPP參與的“批發(fā)-零售”兩級(jí)市場(chǎng)交易體系，從較為全面的角度闡述了這一體系下VPP組合的內(nèi)在機(jī)理和調(diào)度方式。文獻(xiàn)[7]研究了以電動(dòng)汽車(chē)和需求響應(yīng)為主體的VPP在參與日前、實(shí)時(shí)和平衡市場(chǎng)時(shí)的競(jìng)價(jià)策略，分析了不同競(jìng)價(jià)方案對(duì)VPP收益的影響。文獻(xiàn)[8]對(duì)并網(wǎng)型儲(chǔ)能和用戶(hù)側(cè)儲(chǔ)能展開(kāi)分析，設(shè)計(jì)了含分布式儲(chǔ)能的VPP調(diào)度模型。文獻(xiàn)[9]研究了VPP在多階段電力市場(chǎng)中競(jìng)價(jià)及出清過(guò)程，并采用隨機(jī)規(guī)劃的方法求解。

上述文獻(xiàn)大多以經(jīng)濟(jì)性為目標(biāo)研究了VPP在市場(chǎng)中的決策過(guò)程，但對(duì)VPP的風(fēng)險(xiǎn)管理和內(nèi)部利益分配方法涉及較少。文獻(xiàn)[10]采用條件風(fēng)險(xiǎn)價(jià)值(conditional value at risk, CVaR)對(duì)負(fù)荷聚集商(load aggregator, LA)進(jìn)行風(fēng)險(xiǎn)管理，并根據(jù)夏普利值(Shapley value)和獨(dú)立風(fēng)險(xiǎn)貢獻(xiàn)度 (stand-alone contribution, SAC)對(duì)LA進(jìn)行風(fēng)險(xiǎn)效益分析。文獻(xiàn)[11]通過(guò)CVaR分析微電網(wǎng)風(fēng)險(xiǎn)偏好及市場(chǎng)結(jié)算機(jī)制對(duì)其收益影響。文獻(xiàn)[12]基于CVaR建立了兩階段VPP能量管理模型，研究可控風(fēng)險(xiǎn)下VPP的市場(chǎng)行為。以上文獻(xiàn)研究對(duì)象并不都是VPP，但其研究方法和結(jié)論可作為借鑒。

在上述研究的基礎(chǔ)上，本文分析VPP內(nèi)部各成員特性和相應(yīng)權(quán)責(zé)，設(shè)計(jì)VPP參與的兩階段電力市場(chǎng)流程。建立了VPP風(fēng)險(xiǎn)厭惡模型，根據(jù)負(fù)荷的響應(yīng)特性設(shè)計(jì)差異化合約，并在決策過(guò)程中采用CVaR對(duì)VPP進(jìn)行風(fēng)險(xiǎn)管理。此外，本文通過(guò)夏普利值和邊際期望損失(marginal expected shortfall, MES)對(duì)VPP內(nèi)部成員的風(fēng)險(xiǎn)效益量化分析，并據(jù)此提出利益分配方法。以上分析和方法望能對(duì)VPP的推廣應(yīng)用提供一點(diǎn)參考。

1 VPP組成及參與市場(chǎng)流程

1.1 VPP組成介紹

VPP是在利益驅(qū)動(dòng)下，VPP運(yùn)營(yíng)商通過(guò)數(shù)字、控制和通信技術(shù)協(xié)調(diào)和整合風(fēng)電、光伏等分布式電源、智慧社區(qū)、工業(yè)園區(qū)和EV等柔性負(fù)荷，以及小型發(fā)電機(jī)和儲(chǔ)能，對(duì)外作為一個(gè)整體參與電力市場(chǎng)交易和電力系統(tǒng)調(diào)度，同時(shí)為系統(tǒng)提供調(diào)峰、調(diào)頻、緊急負(fù)荷控制等輔助服務(wù)[6]。上述過(guò)程中，VPP運(yùn)營(yíng)商是主體，其主要商業(yè)模式是發(fā)掘可調(diào)度資源潛力，加以協(xié)調(diào)以滿(mǎn)足市場(chǎng)準(zhǔn)入規(guī)則，通過(guò)資源優(yōu)化配置和市場(chǎng)決策獲取電價(jià)套利和輔助服務(wù)補(bǔ)償，同時(shí)承擔(dān)風(fēng)險(xiǎn)責(zé)任，因此，VPP運(yùn)營(yíng)商可以通過(guò)簽訂雙邊合同的方式實(shí)現(xiàn)對(duì)資源的調(diào)用，而不必?fù)碛邢鄳?yīng)的資產(chǎn)。

根據(jù)以上分析，考慮VPP運(yùn)營(yíng)商整合資源的多樣、復(fù)雜性，本文將可調(diào)度資源歸納為3種聚合，并設(shè)定相應(yīng)的優(yōu)先級(jí)：

1)可再生能源，主要包括風(fēng)電、光伏等。單一風(fēng)光機(jī)組并網(wǎng)成本較高，通過(guò)VPP運(yùn)營(yíng)商的整合可有效降低其并網(wǎng)成本。此外，風(fēng)光電廠初期投資成本較高，VPP運(yùn)營(yíng)商作為市場(chǎng)決策者不必參與其投資，而是通過(guò)take-or-pay合同與其合作[10]，共同分?jǐn)偝~利潤(rùn)。同時(shí)，風(fēng)光發(fā)電具有較強(qiáng)的時(shí)空互補(bǔ)特性，可以借助錯(cuò)峰效應(yīng)構(gòu)成平抑內(nèi)部波動(dòng)的自然聚合[6]。為保證可再生能源優(yōu)先消納，這類(lèi)資源具有最高的調(diào)度優(yōu)先級(jí)。

風(fēng)光的不確定性是VPP主要風(fēng)險(xiǎn)來(lái)源之一，在棄風(fēng)棄光情況下，VPP運(yùn)營(yíng)商需要向風(fēng)光電廠支付相應(yīng)的懲罰。因此，在風(fēng)險(xiǎn)偏大時(shí)，VPP運(yùn)營(yíng)商可選擇與風(fēng)光電廠進(jìn)行風(fēng)險(xiǎn)責(zé)任共擔(dān)，并支付相應(yīng)的擔(dān)責(zé)補(bǔ)償。

2)FL和EV用戶(hù)，主要包括智慧社區(qū)、工業(yè)園區(qū)和EV等，這類(lèi)資源主要表現(xiàn)為可中斷負(fù)荷和可平移負(fù)荷。EV并網(wǎng)時(shí)由VPP向其提供充電電量，并充當(dāng)小型分布式儲(chǔ)能；FL用戶(hù)靈活調(diào)節(jié)能力強(qiáng)，相較于發(fā)電機(jī)，在其調(diào)節(jié)范圍內(nèi)沒(méi)有爬坡的約束，常參與輔助服務(wù)市場(chǎng)交易。這類(lèi)資源具有次一級(jí)調(diào)度優(yōu)先級(jí)，VPP運(yùn)營(yíng)商通過(guò)與用戶(hù)簽訂雙邊合同獲取對(duì)資源的調(diào)用權(quán)，并支付相應(yīng)補(bǔ)償。

在經(jīng)濟(jì)學(xué)中，當(dāng)邊際成本等于邊際收益時(shí)獲取最大利潤(rùn)。VPP運(yùn)營(yíng)商在擬定合同時(shí)應(yīng)充分考慮用戶(hù)調(diào)度潛力和價(jià)格彈性，根據(jù)用戶(hù)特性簽訂差異化合同[6]。

3)小型發(fā)電機(jī)和儲(chǔ)能。這類(lèi)資源具有最低的調(diào)度優(yōu)先級(jí)，主要作為備用進(jìn)行風(fēng)險(xiǎn)管控，屬于確定性調(diào)度，VPP運(yùn)營(yíng)商擁有其所有權(quán)。當(dāng)有足夠調(diào)節(jié)裕度時(shí)，這類(lèi)資源也可以參加電力市場(chǎng)，獲取電價(jià)套利。

1.2 兩階段電力市場(chǎng)流程

單一VPP體量小，其市場(chǎng)決策在完全競(jìng)爭(zhēng)時(shí)對(duì)電價(jià)無(wú)影響，將其作為價(jià)格的接受者(price-taker)。本文參考新能源滲透率較高且較為成熟的北美及歐洲電力市場(chǎng)[13]，設(shè)計(jì)了包含日前、實(shí)時(shí)主能量市場(chǎng)和輔助服務(wù)市場(chǎng)的電力市場(chǎng)交易流程，如圖1所示。

日前階段，EV用戶(hù)向VPP運(yùn)營(yíng)商上報(bào)次日出行信息和并、離網(wǎng)時(shí)間，VPP運(yùn)營(yíng)商需要確保其離網(wǎng)時(shí)有足夠的電量。VPP獲取市場(chǎng)準(zhǔn)入后參與電力市場(chǎng)交易。在日前市場(chǎng)，VPP需要完成日前風(fēng)光出力預(yù)測(cè)和電價(jià)預(yù)測(cè)，并于中午12:00前向主能量市場(chǎng)申報(bào)次日24 h的電量-電價(jià)曲線(xiàn)，向輔助服務(wù)市場(chǎng)申報(bào)次日參與系統(tǒng)調(diào)峰、調(diào)頻和緊急負(fù)荷控制的容量。日前市場(chǎng)于16:00出清，確定日前交易量和出清電價(jià)。實(shí)時(shí)市場(chǎng)中，VPP需要完成超短期風(fēng)光預(yù)測(cè)和電價(jià)預(yù)測(cè)，在主能量市場(chǎng)中根據(jù)日前出清電量與實(shí)際交割電量完成差額交易，進(jìn)行不平衡電量結(jié)算；輔助服務(wù)市場(chǎng)根據(jù)對(duì)VPP的調(diào)用情況確定調(diào)用補(bǔ)償和缺額懲罰。

圖1 電力市場(chǎng)交易流程Fig.1 Transaction flow chart of electric power market

2 VPP風(fēng)險(xiǎn)厭惡模型

2.1 風(fēng)光出力預(yù)測(cè)

風(fēng)電及光伏出力主要與風(fēng)速和光照強(qiáng)度有關(guān)[8]，可分別采用兩參數(shù)的Weibull分布和Beta分布來(lái)描述一定時(shí)間段內(nèi)的風(fēng)電和光伏出力[14-15]。

風(fēng)電出力的概率密度函數(shù)表達(dá)如下：

(1)

式中：PW為風(fēng)電出力；k、c分別為Weibull分布的形狀參數(shù)和尺度參數(shù)，通過(guò)調(diào)整這2個(gè)參數(shù)可改變風(fēng)電出力的趨勢(shì)和峰谷值；e為自然常數(shù)。

光伏出力的概率密度函數(shù)表達(dá)如下：

(2)

式中：PPV為光伏出力；PPVmax為光伏出力上限；α、β為Beta分布形參；Γ(·)為Gamma函數(shù)。

為減少風(fēng)光不確定性所帶來(lái)的影響，采用蒙特卡羅模擬生成多個(gè)風(fēng)電、光伏場(chǎng)景，通過(guò)K-means聚類(lèi)對(duì)場(chǎng)景進(jìn)行削減，得到目標(biāo)場(chǎng)景集[16]。利用錯(cuò)峰效應(yīng)將風(fēng)光出力疊加得到較為平緩的風(fēng)光聯(lián)合出力曲線(xiàn)，在風(fēng)、光出力相對(duì)獨(dú)立的情況下，其概率為對(duì)應(yīng)風(fēng)電場(chǎng)景概率和光伏場(chǎng)景概率乘積。

2.2 價(jià)格彈性下的差異化合約

對(duì)VPP運(yùn)營(yíng)商而言，理想的合約要求邊際成本等于邊際收益，在完全競(jìng)爭(zhēng)條件下，邊際收益即為市場(chǎng)電價(jià)。

建立補(bǔ)償電價(jià)——FL響應(yīng)率模型，將FL對(duì)電價(jià)的響應(yīng)分為死區(qū)、線(xiàn)性區(qū)和飽和區(qū)3個(gè)階段[17]，如圖2所示。

VPP運(yùn)營(yíng)商對(duì)第i類(lèi)FL調(diào)用成本為：

CFL.i=rFL.i·LR.i

(3)

其中

(4)

式中：CFL.i為調(diào)度成本；rFL.i為單位補(bǔ)償電價(jià)；Li、LR.i、LR.imax分別為負(fù)荷總量、響應(yīng)量和最大響應(yīng)量；ωi為第i類(lèi)FL的價(jià)格彈性系數(shù)；ai、bi分別為死區(qū)電價(jià)和飽和區(qū)電價(jià)。

圖2 補(bǔ)償電價(jià)-響應(yīng)率模型Fig.2 Compensation power price vs response rate

在線(xiàn)性區(qū)中，將式(4)代入式(3)，并對(duì)LR.i求導(dǎo)，得到第i類(lèi)FL的邊際成本：

(5)

根據(jù)歷史電價(jià)數(shù)據(jù)生成典型日電價(jià)，由于邊際成本等于邊際收益，則VPP運(yùn)營(yíng)商與第i類(lèi)FL簽訂的單位補(bǔ)償價(jià)格和調(diào)用量分別為：

(6)

(7)

式中：Rt為典型日t時(shí)刻市場(chǎng)電價(jià)。

2.3 基于CVaR的VPP風(fēng)險(xiǎn)厭惡模型

2.3.1條件風(fēng)險(xiǎn)價(jià)值(CVaR)

條件風(fēng)險(xiǎn)價(jià)值是基于風(fēng)險(xiǎn)價(jià)值(value at risk, VaR)的風(fēng)險(xiǎn)度量指標(biāo)，表示超過(guò)某一分位點(diǎn)下VaR的損失的期望值[18]，因其具有良好的數(shù)學(xué)特性而得到廣泛應(yīng)用[19]。相比于VaR只考慮給定分位點(diǎn)下的最大損失，CVaR考慮了小概率事件下的極端場(chǎng)景，其計(jì)算囊括了分位點(diǎn)及其尾部信息，更能體現(xiàn)潛在風(fēng)險(xiǎn)。

本文中，假設(shè)VPP在置信度δ下可能產(chǎn)生的最大損失為VVaR.δ，則損失超過(guò)δ分位數(shù)的期望值為：

VCVaR.δ=E[Vloss.s,p|Vloss.s,p>VVaR.δ]

(8)

也可以表示為：

(9)

式中：VVaR.δ、VCVaR.δ分別為置信度δ下的VaR和CVaR；NS、NP分別為風(fēng)光聯(lián)合出力預(yù)測(cè)和電價(jià)預(yù)測(cè)的場(chǎng)景數(shù)；πs、πp為場(chǎng)景對(duì)應(yīng)概率；[Vloss.s,p-VVaR.δ]+表示max{Vloss.s,p-VVaR.δ,0}，Vloss.s,p為該場(chǎng)景下產(chǎn)生的損失。

2.3.2目標(biāo)函數(shù)

VPP運(yùn)營(yíng)商以VPP綜合收益最大為目標(biāo)進(jìn)行決策，針對(duì)可再生能源和電價(jià)波動(dòng)，引入CVaR進(jìn)行風(fēng)險(xiǎn)管控[10]：

(10)

(11)

(12)

(13)

EV成本為蓄電池?fù)p耗成本[7]：

(14)

式中：NJ為EV總量；PEVdis.j,t、ηEVdis.j為第j輛EV放電功率和放電效率；CEVpur.i、MEV.j、SEV.j、DEV.j分別為該EV電池價(jià)格、全壽命周期循環(huán)充放電次數(shù)、電池容量和可用放電深度。

小型機(jī)組和儲(chǔ)能成本包括運(yùn)行成本和儲(chǔ)能購(gòu)電成本：

(15)

(16)

VPP在實(shí)時(shí)市場(chǎng)中的收益為：

(17)

2.3.3約束條件

主要約束條件包括電量平衡約束、風(fēng)光出力約束、EV約束、FL調(diào)用約束、儲(chǔ)能約束、機(jī)組約束和VPP備用約束。

PSTdis.tηSTdis+PWD.t+PPV.t+PGEN.t

(18)

0≤PWD.t≤PWDmax

(19)

0≤PPV.t≤PPVmax

(20)

0≤PEVcha.j,t≤uEVcha.j,tPEVchamax

(21)

0≤PEVdis.j,t≤uEVdis.j,tPEVdismax

(22)

uEVcha.j,t+uEVdis.j,t=uEV

(23)

uEVmin≤uEVcon

(24)

(25)

SocEVmin≤SocEV.j,t≤SocEVmax

(26)

(27)

(28)

(29)

(30)

uGEN.tPGENmin≤PGEN.t≤uGEN.tPGENmax

(31)

0≤PSTcha,t≤uSTPSTchamax

(32)

0≤PSTdis.t≤(1-uST)PSTdismax

(33)

(34)

SocSTmin≤SocST.t≤SocSTmax

(35)

(36)

(37)

式(18)為電量平衡約束；式(19)—(20)為風(fēng)光出力約束；式(21)—(26)為EV充放電速率、并網(wǎng)狀態(tài)、最小連續(xù)并網(wǎng)時(shí)長(zhǎng)和SOC約束；式(23)表示EV需要在并網(wǎng)狀態(tài)下進(jìn)行充放電調(diào)度；式(27)—(29)為可轉(zhuǎn)移負(fù)荷出力、負(fù)荷總量約束；式(30)為可削減負(fù)荷約束；式(31)為機(jī)組出力約束；式(32)—(35)為儲(chǔ)能充放電速率、SOC約束；式(36)—(37)為機(jī)組和儲(chǔ)能備用約束。

3 VPP內(nèi)部利益分配

VPP是在VPP運(yùn)營(yíng)商的整合下，由可再生能源、EV、FL、儲(chǔ)能和小型機(jī)組等成員共同組成的一個(gè)商業(yè)聯(lián)盟，其目的是通過(guò)各成員之間的相互協(xié)調(diào)和平抑來(lái)應(yīng)對(duì)潛在風(fēng)險(xiǎn)，共同參與電力市場(chǎng)并獲得超額利潤(rùn)。本文定量分析VPP各成員對(duì)聯(lián)盟收益和風(fēng)險(xiǎn)的邊際貢獻(xiàn)度，并以此為依據(jù)設(shè)計(jì)VPP內(nèi)部利益分配方法。

3.1 邊際收益貢獻(xiàn)度——夏普利值

夏普利值是目前研究聯(lián)盟內(nèi)多成員利益分配時(shí)常采用的方法，其主要思想是各成員所得利益與其對(duì)聯(lián)盟總利益的邊際貢獻(xiàn)度相等。假設(shè)某聯(lián)盟中包含N個(gè)成員，其中任意n(0≤n≤N)個(gè)成員可以構(gòu)成子聯(lián)盟S(n=0時(shí)為空集)。x表示其中的一個(gè)成員，x未參與時(shí)，子聯(lián)盟S的收益為V(S)，x參與后子聯(lián)盟S收益增加為V(S∪x)。則x的夏普利值為其對(duì)所有子聯(lián)盟收益的邊際貢獻(xiàn)平均值[21]：

(38)

3.2 邊際期望損失(MES)

VPP市場(chǎng)交易時(shí)所面臨的風(fēng)險(xiǎn)主要由可再生能源不確定性、市場(chǎng)電價(jià)波動(dòng)和VPP市場(chǎng)決策等因素造成，可采用邊際期望損失量化分析在這些風(fēng)險(xiǎn)因素下各成員對(duì)聯(lián)盟風(fēng)險(xiǎn)的貢獻(xiàn)度[22]。

期望損失表示不利情況下的條件預(yù)期損失，與CVaR等價(jià)[23]，二者均滿(mǎn)足一致性原則，且連續(xù)可微。對(duì)于N個(gè)成員組成的聯(lián)盟，若各成員在聯(lián)盟中所占權(quán)重為xi，則置信度δ下各成員的邊際損失期望為[24]：

(39)

式中：ES.δ為聯(lián)盟總期望損失，本文中為VPP條件風(fēng)險(xiǎn)價(jià)值VCVaR.δ。

3.3 利益分配方法

VPP內(nèi)部利益分配問(wèn)題涉及各成員之間的利益交換和超額利潤(rùn)的分?jǐn)?。成員間利益交換包括EV用戶(hù)向VPP運(yùn)營(yíng)商支付的充電費(fèi)用、VPP運(yùn)營(yíng)商向風(fēng)光電廠支付的基礎(chǔ)合同費(fèi)用、風(fēng)光電廠風(fēng)險(xiǎn)擔(dān)責(zé)時(shí)VPP運(yùn)營(yíng)商支付的擔(dān)責(zé)補(bǔ)償。超額利潤(rùn)的分?jǐn)傊饕娠L(fēng)電、光伏發(fā)電和VPP運(yùn)營(yíng)商完成，EV和FL均采用確定價(jià)格的調(diào)用合同，小型機(jī)組和儲(chǔ)能屬VPP運(yùn)營(yíng)商所有，不考慮其利益分配。VPP運(yùn)營(yíng)商的收益為：

BEV.cha-χ(BW.rsp+BPV.rsp)

(40)

式中：φvpp和MES.VPP分別為VPP運(yùn)營(yíng)商的夏普利值和邊際期望損失；B為VPP總體收益；BEV.cha為EV充電收益；BWP.ess為風(fēng)光基本合同調(diào)用費(fèi)用；BW.rsp、BPV.rsp為風(fēng)光擔(dān)責(zé)補(bǔ)償，其中包括了棄風(fēng)棄光的補(bǔ)償；ρ和χ為輔助參數(shù)。

同理，風(fēng)電、光伏的收益分別為：

BW.ess+χBW.rsp

(41)

BPV.ess+χBPV.rsp

(42)

4 算例分析

4.1 算例參數(shù)

與VPP運(yùn)營(yíng)商合作的風(fēng)電、光伏機(jī)組分別為10 MW和7 MW，預(yù)測(cè)誤差滿(mǎn)足正態(tài)分布，日前預(yù)測(cè)生成100個(gè)場(chǎng)景，削減結(jié)果及日前電價(jià)場(chǎng)景見(jiàn)附圖A1。FL參數(shù)及差異化合同計(jì)算結(jié)果見(jiàn)表1。EV選取比亞迪E6和寶馬MINI各100輛，詳細(xì)參數(shù)見(jiàn)文獻(xiàn)[7]。儲(chǔ)能和機(jī)組參數(shù)見(jiàn)附表A1。

表1 FL參數(shù)及差異化合同Table 1 FL parameters and divergence contracts

日前輔助服務(wù)購(gòu)買(mǎi)價(jià)格為0.5倍市場(chǎng)出清電價(jià)，輔助服務(wù)調(diào)用概率為負(fù)荷高峰期0.3，低谷期0.1，調(diào)用補(bǔ)償為1.5倍市場(chǎng)售電電價(jià)，購(gòu)電系數(shù)為1.1。偏差懲罰電價(jià)與棄風(fēng)棄光懲罰均為800元/MW，風(fēng)光基礎(chǔ)調(diào)用合同和擔(dān)責(zé)補(bǔ)償均為300元/MW。EV并、離網(wǎng)時(shí)間以及初始SOC根據(jù)EV出行規(guī)律采用蒙特卡羅法在上下限內(nèi)隨機(jī)生成，充電電價(jià)采用市場(chǎng)出清電價(jià)。

日前，實(shí)時(shí)市場(chǎng)收益模型均為混合整數(shù)線(xiàn)性規(guī)劃(mixed-integer linear programming，MILP)問(wèn)題，同時(shí)CVaR為凸性的風(fēng)險(xiǎn)度量指標(biāo)，其最優(yōu)解的存在性已得到證明[25]。在Matlab中調(diào)用Yalmip和Gurobi工具包聯(lián)合求解。

4.2 算例結(jié)果分析

取置信度δ、風(fēng)險(xiǎn)厭惡系數(shù)μ分別為0.95和0.40，VPP中各成員收益情況、夏普利值和MES見(jiàn)表2。風(fēng)電對(duì)VPP的收益及風(fēng)險(xiǎn)貢獻(xiàn)均為最高，這是由于風(fēng)電在系統(tǒng)中占比較大，主能量市場(chǎng)的交易量主要由風(fēng)電和光伏構(gòu)成。VPP運(yùn)營(yíng)商代表了小型機(jī)組、儲(chǔ)能、EV和FL，這些資源屬于VPP運(yùn)營(yíng)商或與之簽訂確定價(jià)格的調(diào)度合同，其夏普利值和MES由VPP運(yùn)營(yíng)商體現(xiàn)。

表2 VPP成員收益、夏普利值、MESTable 2 Profits, Sharply value and MES of each VPP member 元

EV總充放電及SOC變化見(jiàn)圖3，隨機(jī)選取一輛比亞迪E6，其充放電和SOC變化見(jiàn)圖4。圖3中，EV整體主要于02:00—08:00，13:00—15:00兩個(gè)時(shí)段充電，在充電過(guò)程中SOC的下降是由于不斷有EV離網(wǎng)造成的。根據(jù)仿真數(shù)據(jù)，EV并網(wǎng)數(shù)量基本維持在90～130輛之間，凌晨03:00數(shù)量最多，隨后遞減。EV主要放電時(shí)段為09:00—11:00和17:00—22:00，這兩個(gè)時(shí)段是電價(jià)的峰時(shí)段，VPP通過(guò)調(diào)用EV電能最大化電價(jià)套利。支付給EV的調(diào)用補(bǔ)償為1 739元(扣掉充電費(fèi)用)，若不參與VPP，EV需要支付的充電費(fèi)用為3 731元(以市場(chǎng)售電電價(jià)結(jié)算)。圖4中，比亞迪E6車(chē)主03:00—05:00、09:00—12:00以及16:00之后3個(gè)時(shí)段并網(wǎng)。根據(jù)電價(jià)和EV出行需求的變化，03:00電價(jià)較低時(shí)，充電至接近SOC上限；10:00電價(jià)偏高，充電至電池容量的75%以滿(mǎn)足用戶(hù)出行需求；16:00之后用戶(hù)無(wú)出行需求，VPP在19:00電價(jià)峰時(shí)段調(diào)用剩余電量進(jìn)行交易，SOC達(dá)到下限。

圖3 EV總充放電及SOC變化Fig.3 EV charge-discharge & SOC change

圖4 比亞迪E6充放電及SOCFig.4 BYD E6 charge-discharge & SOC change

對(duì)FL的調(diào)用如圖5所示，VPP分別在10:00—13:00，17:00—22:00兩個(gè)用電高峰時(shí)段對(duì)可削減負(fù)荷和可轉(zhuǎn)移負(fù)荷實(shí)現(xiàn)了集中調(diào)用。其中可轉(zhuǎn)移負(fù)荷的彈性系數(shù)最大，對(duì)其優(yōu)先調(diào)用，根據(jù)實(shí)時(shí)的調(diào)用價(jià)格，3種FL的收益分別為7 532元、8 188元和10 360元。

不同μ對(duì)日前主能量、輔助服務(wù)市場(chǎng)交易量的影響如圖6所示?？梢钥闯?，隨著μ的增加，VPP更傾向于在日前主能量市場(chǎng)完成交易。這是由于主能量市場(chǎng)在出清后即完成日前電量交割，VPP獲得確定收益；而輔助服務(wù)市場(chǎng)須等到次日根據(jù)實(shí)際輔助服務(wù)調(diào)用情況完成調(diào)用補(bǔ)償，不確定性增加。

圖5 FL調(diào)用情況Fig.5 Cut & transfer of flexible load

圖6 不同μ時(shí)日前市場(chǎng)交易量Fig.6 Day-ahead market trading under different risk aversion coefficients

表 3分析了μ對(duì)VPP預(yù)期收益和CVaR的影響。隨著μ的增加，預(yù)期收益和CVaR均有所減少，說(shuō)明保守的市場(chǎng)策略在降低風(fēng)險(xiǎn)的同時(shí)也影響了預(yù)期收益。相同成交量下，輔助服務(wù)市場(chǎng)的預(yù)期收益一般高于主能量市場(chǎng)，μ的增加會(huì)減少VPP在輔助服務(wù)市場(chǎng)的交易量，同時(shí)也增大小型機(jī)組和儲(chǔ)能的備用，減少其參與電力市場(chǎng)的交易電量。相較而言，CVaR的減少速度要快于預(yù)期收益。本文認(rèn)為，VPP運(yùn)營(yíng)商作為聯(lián)盟的市場(chǎng)決策者，其決策方向應(yīng)更青睞于長(zhǎng)期、穩(wěn)定、可預(yù)期的市場(chǎng)收益，同時(shí)傾向于風(fēng)險(xiǎn)規(guī)避。

表3 不同μ時(shí)VPP預(yù)期收益與CVaRTable 3 Expected returns & CVaR of VPP with different μ 元

5 結(jié) 論

本文通過(guò)分析VPP內(nèi)部成員特性，建立了兩階段電力市場(chǎng)的VPP風(fēng)險(xiǎn)厭惡模型，并根據(jù)各成員夏普利值和邊際期望損失進(jìn)行利益分配。通過(guò)算例分析得出了以下結(jié)論：

1)VPP運(yùn)營(yíng)商可通過(guò)整合資源、簽訂合同、參與市場(chǎng)、進(jìn)行決策的方式獲利，只需要持有少量風(fēng)險(xiǎn)管控資源，而不需要進(jìn)行大量的初期投資。

2)VPP可在一定程度上實(shí)現(xiàn)內(nèi)部成員出力的相互平抑和協(xié)調(diào)，對(duì)于單個(gè)成員來(lái)說(shuō)，組成聯(lián)盟以獲取超額利潤(rùn)是其參與VPP調(diào)度的驅(qū)動(dòng)力。

3)VPP市場(chǎng)決策中效益與風(fēng)險(xiǎn)并存，其決策時(shí)可減少部分預(yù)期效益以降低風(fēng)險(xiǎn)。在對(duì)VPP風(fēng)險(xiǎn)效益進(jìn)行分析時(shí)，采用邊際的收益和損失貢獻(xiàn)度來(lái)表示內(nèi)部各成員對(duì)整體的影響，可以此為依據(jù)設(shè)計(jì)內(nèi)部的利益分配方法。