簡川黔，劉繼春，蒲天驕，楊知方，王曉輝，劉俊勇

（1. 四川大學(xué) 電氣工程學(xué)院，四川 成都 610065；2. 中國電力科學(xué)研究院有限公司，北京 100192；3. 重慶大學(xué) 輸配電裝備及系統(tǒng)安全與新技術(shù)國家重點實驗室，重慶 400044）

0 引言

2020 年9 月，習(xí)近平總書記提出我國二氧化碳排放力爭于2030年前達(dá)到峰值，努力爭取2060年前實現(xiàn)碳中和［1］。電力行業(yè)作為主要的碳排放源，是我國實現(xiàn)碳中和的主力軍，尋找風(fēng)電、光伏等清潔能源的投資將成為未來發(fā)展方向。隨著我國電力體制不斷深化改革，中長期市場、現(xiàn)貨市場建設(shè)不斷完善，售電主體作為供、售兩端的橋梁，承擔(dān)著負(fù)荷以及市場電價波動帶來的風(fēng)險，因此，未來售電主體如何通過投資高效清潔的分布式能源DG（Distributed Generation）和儲能設(shè)備來降低市場風(fēng)險將是研究熱點。

近年來，國內(nèi)外學(xué)者在DG 與儲能規(guī)劃以及需求響應(yīng)等方面進(jìn)行了大量研究。文獻(xiàn)［2］提出基于獨立售電主體非合作博弈的最優(yōu)規(guī)劃方法，確定了以年為時間尺度的發(fā)電設(shè)備投資方案，但其僅考慮了投資規(guī)劃策略，而沒有對售電主體運營模式進(jìn)行深入分析。文獻(xiàn)［3］以售電主體購電成本最小為目標(biāo)，提出基于全壽命周期理論的售電主體儲能設(shè)備投資策略，但其未涉及DG 的投資。文獻(xiàn)［4］使用Wasserstein 生成對抗網(wǎng)絡(luò)WGAN（Wasserstein Generative Adversarial Network）模擬風(fēng)光資源場景，提出以經(jīng)濟(jì)性最優(yōu)為目標(biāo)的新能源容量配置模型，但其未考慮運營策略與需求響應(yīng)策略對新能源投資規(guī)劃的影響。文獻(xiàn)［5］提出利用集群劃分的方法構(gòu)建光儲設(shè)備雙層協(xié)調(diào)選址定容規(guī)劃模型，但其未考慮負(fù)荷側(cè)需求響應(yīng)對系統(tǒng)的影響。文獻(xiàn)［6］考慮風(fēng)光儲微電網(wǎng)源荷的隨機(jī)不確定性與預(yù)測誤差的不確定性，建立儲能容量協(xié)同優(yōu)化模型。文獻(xiàn)［7］分別將風(fēng)電、光伏和儲能的投資者作為博弈者，研究各種博弈規(guī)劃模式下的Nash 均衡策略，得出風(fēng)電和光伏合作博弈是最佳模式。文獻(xiàn)［8］以年平均發(fā)電成本最小為目標(biāo)，考慮全年負(fù)荷缺電率，建立風(fēng)光儲優(yōu)化配置模型。文獻(xiàn)［9］考慮風(fēng)電出力的不確定性，提出電力市場環(huán)境下的風(fēng)儲系統(tǒng)優(yōu)化模型。文獻(xiàn)［10］以電網(wǎng)購電成本和電池容量損失最小為目標(biāo)，解決風(fēng)電并網(wǎng)系統(tǒng)中儲能容量優(yōu)化配置問題。文獻(xiàn)［11］提出利用源荷協(xié)調(diào)促進(jìn)風(fēng)電消納的綜合能源系統(tǒng)雙層優(yōu)化模型。文獻(xiàn)［12-13］研究需求響應(yīng)對儲能設(shè)備投資的影響，但其未考慮對DG 的投資。文獻(xiàn)［14］提出考慮價格型需求響應(yīng)的風(fēng)電-光電-光熱聯(lián)合發(fā)電系統(tǒng)日前優(yōu)化調(diào)度模型，降低了系統(tǒng)的綜合成本。文獻(xiàn)［15］為評估DG 規(guī)劃激勵措施的成本，提出基于聚類網(wǎng)架拓?fù)涞腄G 規(guī)劃方法。文獻(xiàn)［16］分析不同負(fù)荷響應(yīng)的差異性，提出基于需求響應(yīng)的源荷儲協(xié)調(diào)優(yōu)化調(diào)度模型。

綜上所述，現(xiàn)有關(guān)于風(fēng)光儲容量配置的研究較少綜合考慮建設(shè)周期內(nèi)電源容量和負(fù)荷的變化以及電力市場環(huán)境下售電主體中長期市場購電、現(xiàn)貨市場購電、用戶側(cè)彈性負(fù)荷、環(huán)境效益等因素對風(fēng)光儲容量配置的影響，且較少將基于共享經(jīng)濟(jì)概念多售電主體風(fēng)險共擔(dān)、利益共享的投資模式應(yīng)用于售電側(cè)風(fēng)光儲容量配置。為此，本文基于年時序仿真提出一種考慮需求響應(yīng)和環(huán)境效益的售電主體風(fēng)光儲容量優(yōu)化配置方法。首先，綜合考慮售電主體中長期市場、日前現(xiàn)貨市場、需求響應(yīng)以及環(huán)境效益等因素的影響，將售電主體投資與運營一體化，建立基于年時序仿真的兩階段隨機(jī)規(guī)劃模型，并采用動態(tài)回收周期評估售電側(cè)的投資效果，得到售電主體風(fēng)光儲容量投資策略；然后，基于共享經(jīng)濟(jì)概念提出多售電主體共建共享投資模型，并且基于其貢獻(xiàn)度進(jìn)行利益分配；最后，通過算例對所提方法進(jìn)行分析驗證。

1 多售電主體共建共享投資模式設(shè)計

1.1 基于年時序仿真的投資運營一體化設(shè)計

投資與運營系統(tǒng)結(jié)構(gòu)如圖1 所示。售電主體將風(fēng)光儲設(shè)備作為可調(diào)度資源進(jìn)行投資運營。儲能設(shè)備在電力供需方面提供靈活性，其智能充放電策略使得售電主體可以更好地利用DG 資源，減少現(xiàn)貨市場電價波動的影響。售電主體通過感知用戶用電特性，合理制定電力價格，充分挖掘用戶側(cè)需求響應(yīng)潛力，以降低運營成本。

圖1 投資與運營系統(tǒng)結(jié)構(gòu)Fig.1 Structure of investment and operation system

售電主體的投資和運營決策是緊密耦合的，大時間尺度（年）下采取計及建設(shè)周期內(nèi)DG 出力和負(fù)荷波動的年時序投資，更加符合實際投資決策，同時也決定了時變的供電可用性和電力調(diào)度的靈活性，進(jìn)而在小時間尺度（天）下影響售電主體的運營策略。在小時間尺度下，需求響應(yīng)可以將用戶需求與時變的能源供應(yīng)相匹配，最大化可再生能源的效益，甚至在大的時間范圍內(nèi)減少不必要的投資支出。因此，本文充分考慮建設(shè)周期內(nèi)風(fēng)光儲容量和負(fù)荷的波動，以售電主體逐年綜合成本最小為目標(biāo)，將投資與運營一體化考慮，建立基于年時序仿真的兩階段隨機(jī)規(guī)劃模型。在階段1，提出DG 和儲能設(shè)備的逐年組合投資策略；在階段2，充分考慮需求響應(yīng)和環(huán)境效益，建立售電主體逐年運營模式，以優(yōu)化售電主體市場購電成本、碳排放量折算成本以及用戶不適成本，并基于分布式次梯度投影算法得到最優(yōu)日前定價和用戶能耗。

1.2 多售電主體共建共享投資框架設(shè)計

近年來共享經(jīng)濟(jì)發(fā)展迅速，出現(xiàn)了共享單車、共享充電寶、共享汽車等成功案例?？紤]到風(fēng)光儲設(shè)備投資金額巨大，單個售電主體難以承受，本文基于共享經(jīng)濟(jì)概念，利用售電主體用戶之間用能曲線的差異，提出基于貢獻(xiàn)度分配的多售電主體共建共享投資模式，如圖2 所示。圖中m為加入共建共享模式的售電主體數(shù)量。

圖2 共建共享投資模式框架Fig.2 Framework of co-construction and sharing investment mode

多個售電主體打捆作為利益共同體，結(jié)合上述兩階段隨機(jī)規(guī)劃模型，將目標(biāo)變?yōu)槎嗍垭娭黧w逐年綜合成本最小，進(jìn)而得到共建共享模式下的風(fēng)光儲容量配置策略，在此基礎(chǔ)上根據(jù)每個售電主體的貢獻(xiàn)度分配其所得利益。在該模式下對設(shè)備實行集中管理、統(tǒng)一調(diào)度，不僅可以有效分?jǐn)傇O(shè)備建設(shè)、安裝和維護(hù)成本，還可以降低售電主體投資風(fēng)險，縮短回收周期，提高設(shè)備利用率。

2 售電主體容量優(yōu)化配置模型

在兩階段隨機(jī)規(guī)劃模型中，售電主體的逐年組合投資策略與用戶的用電需求、彈性負(fù)荷以及其運營模式緊密相關(guān)。售電主體決定大時間尺度下的DG和儲能設(shè)備投資以及小時間尺度下的電價，用戶根據(jù)電價確定用電方案。本文假設(shè)售電主體有N個用戶，每個用戶均裝有智能電表，以1 d 作為1 個運營周期。

兩階段隨機(jī)規(guī)劃通用模型為：

式中：xinv、yope分別為投資決策變量、運營變量；ξ為運營階段的隨機(jī)變量；f(?)、Q(?)分別為投資階段、運營階段的目標(biāo)函數(shù)；Eξ(Q(xinv，ξ))為Q(xinv，ξ)的數(shù)學(xué)期望；G(?)、H(?)分別為投資階段的不等式、等式約束；g(?)、h(?)分別為運營階段的不等式、等式約束；q(?)為將xinv、ξ?作為已知變量，關(guān)于yope的運營成本函數(shù)。

2.1 售電主體年時序投資模型

考慮在售電主體投資建設(shè)期間，用戶不斷增加，對其后續(xù)投資決策產(chǎn)生影響，因而采取年時序投資［17］方法。本文假設(shè)設(shè)備壽命周期為R年，建設(shè)周期為Y年，建設(shè)完成后根據(jù)負(fù)荷增長情況按需考慮是否追加投資，當(dāng)負(fù)荷達(dá)到飽和時不再考慮繼續(xù)投資。

2.1.1 逐年投資成本

售電主體確定的投資周期內(nèi)逐年DG 和儲能設(shè)備的投資容量，將影響運營階段DG 每天的出力和電力供需的靈活性，進(jìn)而影響運營成本。

第y年售電主體投資成本為：

式中：xpv，y、xw，y、xe，y為投資決策變量，分別表示第y年光伏、風(fēng)電和儲能設(shè)備的投資容量；cpv、cw、ce分別為單位容量光伏、風(fēng)電和儲能設(shè)備的投資成本，投資成本涵蓋所有支出，包括相關(guān)設(shè)備費用、安裝費用和維護(hù)費用。

截至第y年，售電主體投入運行的光伏、風(fēng)電和儲能設(shè)備的總?cè)萘糠謩e為：

由于本文的研究重點是售電主體的能量管理，而不是系統(tǒng)的暫態(tài)穩(wěn)定性，因此本文假設(shè)轄區(qū)配電網(wǎng)穩(wěn)定性不受投資策略影響。進(jìn)而光伏、風(fēng)電和儲能設(shè)備的約束條件為：

2.1.2 逐年綜合成本

本文分析風(fēng)光歷史出力數(shù)據(jù)，并假設(shè)未來風(fēng)光出力遵循相同分布，利用場景縮減法得到v個典型場景及各場景概率，將1 個運營周期分為T個時段，建立場景r（r∈Ω，Ω為場景的集合）下售電主體的容量配置優(yōu)化模型，其以售電主體年綜合成本最小為目標(biāo)：

式中：Cy為第y年售電主體綜合成本；D=365 d；Cday，y為第y年售電主體每日運營成本。

2.2 售電主體逐年運營模型

將階段2 的優(yōu)化目標(biāo)設(shè)置為第y年售電主體每日運營成本最小化：

2.2.2 碳排放折算成本

風(fēng)光發(fā)電基本不產(chǎn)生碳排放，若將風(fēng)光發(fā)電折算為燃煤發(fā)電的碳排量，則第y年場景r下售電主體碳排放折算成本為：

式中：βCO2為碳排放價格系數(shù)；eCO2為碳排放系數(shù)，本文取我國平均值1.03 t／（MW·h）［18］；Pr，t為場景r下t時段的DG出力。

2.2.3 用戶不適成本

對售電主體的一個重要考核指標(biāo)是其保留存量用戶的同時爭取盡可能多的增量用戶的能力，因此用戶體驗對于售電主體非常重要。在用戶參與需求響應(yīng)的過程中，若使其用電習(xí)慣產(chǎn)生過大的改變可能會引發(fā)其不適感。第y年場景r下用戶不適成本為：

式中：βdr為引起用戶不適的成本系數(shù)，表示用戶對偏離首選負(fù)荷曲線的敏感度；為場景r下t時段用戶i的負(fù)荷總和；為t時段用戶i不參與需求響應(yīng)時的首選負(fù)荷。

2.2.4 負(fù)荷約束

單個用戶的用電負(fù)荷根據(jù)需求特性可以分為非彈性負(fù)荷和彈性負(fù)荷。非彈性負(fù)荷主要包括用戶生活照明、冰箱、生產(chǎn)用電等剛性需求負(fù)荷，這種負(fù)荷不隨時間輕易轉(zhuǎn)移，一般不參與需求響應(yīng)。彈性負(fù)荷包括可轉(zhuǎn)移負(fù)荷和可削減負(fù)荷兩部分，如電動汽車、洗衣機(jī)、空調(diào)等，均可參與需求響應(yīng)。彈性負(fù)荷滿足的約束條件為：

2.2.5 DG出力約束

假設(shè)售電主體能夠在日前準(zhǔn)確預(yù)測運營周期內(nèi)DG的出力情況。在t時段，售電主體需要確定DG出力Pr，t、市場購電量qr，t和儲能設(shè)備充放電量，以滿足所有用戶用電需求。

考慮到一般接入配電網(wǎng)的DG 容量較小，售電主體還需要再從電力市場購買電能，即：

與傳統(tǒng)發(fā)電不同，可再生能源發(fā)電不消耗燃料，因此本文假設(shè)可再生能源發(fā)電成本為0，售電主體應(yīng)盡可能地使用可再生能源來滿足需求。

2.2.6 儲能設(shè)備約束

儲能設(shè)備可以平滑DG 出力的波動性，并實現(xiàn)電能與其他能源靈活轉(zhuǎn)化、綜合利用，因此本文利用儲能充放電轉(zhuǎn)移負(fù)荷，降低由市場環(huán)境、負(fù)荷波動、DG出力預(yù)測誤差等因素造成的售電主體運營風(fēng)險，同時儲能在低電價時段充電，高電價時段放電，可以提升售電主體經(jīng)濟(jì)效益。

1）儲能充放電約束。

式中：Sr，t為場景r下t時段儲能剩余電量水平；Smin、Smax分別為儲能最小、最大儲存電量；ηc、ηdis分別為儲能充、放電轉(zhuǎn)換效率，ηc∈(0，1)，ηdis∈(0，1)。

3）儲能存儲電量一致性約束。

本文設(shè)置優(yōu)化時段始、末儲能設(shè)備中電量一致，以便電池可以獨立運行。

4）儲能運行壽命。

儲能運行壽命是其容量損耗過程的反映。放電深度定義為最大放電量與電池容量的比值。通常，電池的運行壽命可以通過在給定最大放電深度Dod，max下的充放電循環(huán)次數(shù)來測量。

設(shè)置較高的Dod，max將會導(dǎo)致儲能運行壽命驟減，因此本文將Dod，max設(shè)置得較低（即Smin較高），以延緩電池老化的影響，從而確保電池壽命不短于投資年限。

2.2.7 電量平衡約束

電量平衡約束為：

2.3 DG出力不確定性的影響

上述研究均是基于售電主體可以準(zhǔn)確預(yù)測DG出力情況，然而由于不確定的天氣條件和不同的預(yù)測方法，實際DG 出力可能偏離預(yù)測值。因此本文假設(shè)預(yù)測誤差在給定的集合內(nèi)，則上述兩階段隨機(jī)規(guī)劃模型中運營階段的實際DG 出力變成預(yù)測值與預(yù)測誤差之和，本文考慮DG 實際出力偏離預(yù)測出力最大的情況對投資的影響。

2.4 動態(tài)投資回收期

動態(tài)投資回收期是評估項目經(jīng)濟(jì)效益的重要指標(biāo)，當(dāng)項目動態(tài)投資回收期短于基準(zhǔn)回收期時，說明該項目可行，能夠在規(guī)定的時間內(nèi)收回成本，否則說明該項目不可行。第λ年的凈現(xiàn)值表示為：

3 多售電主體共建共享投資模型

3.1 多售電主體共建共享投資優(yōu)化模型

多售電主體打捆作為利益共同體，共同投資風(fēng)光儲設(shè)備，將上述兩階段隨機(jī)規(guī)劃模型中各時段儲能充放電量改為多售電主體充放電量總和，各時段用電量改為多售電主體用電量總和，以多售電主體逐年綜合總成本最小化為目標(biāo)，建立多售電主體共建共享投資模型。具體優(yōu)化模型為：

3.2 基于貢獻(xiàn)度的利益分配

本文按照單個售電主體的貢獻(xiàn)度來計算其經(jīng)濟(jì)效益。將所有售電主體年運營成本變化值與系統(tǒng)總投資成本的比值定義為投資產(chǎn)出比，用γ表示：

將售電主體n對系統(tǒng)的貢獻(xiàn)度用φn表示：

式中：γn，1、γn，0分別為售電主體n加入投資前、后的產(chǎn)出比。因此，根據(jù)售電主體n的貢獻(xiàn)度，其經(jīng)濟(jì)效益en為：

4 基于分布式算法求解

為解決上述兩階段隨機(jī)規(guī)劃問題，本文先采用分布式次梯度投影算法解決運營階段需求響應(yīng)的問題，再解決投資階段風(fēng)光儲組合投資問題。

4.1 需求響應(yīng)

因此用戶i成本最小化問題表示為：

約束條件為式（14）—（18）。

售電主體需綜合考慮市場購電費用、市場競爭力、環(huán)境效益以及用戶滿意度等因素制定售電電價，其具體最優(yōu)電價約束［19］為：

本階段使用分布式次梯度投影算法［20］，采用遞減步長λ(k)>0（k為迭代次數(shù)），其滿足：

次梯度投影算子?g為：

算法具體步驟如下。

4）問題的可行解滿足式（54），約束條件為式（14）—（18）。

5）迭代次數(shù)k=k+1。

分布式算法示意圖如圖3 所示。售電主體和用戶之間的信息交換最少，用戶僅向售電主體報告他們的電力消耗，售電主體基于總電力負(fù)荷向所有用戶廣播電價。用戶不需要相互協(xié)調(diào)或透露他們的私人信息（如成本函數(shù)和消費約束）。售電主體制定的電價對所有用戶均相同，反映的是總電力負(fù)荷，沒有透露單個用戶的用電量。由售電主體設(shè)定的最優(yōu)定價方案引導(dǎo)用戶達(dá)到最優(yōu)能耗，進(jìn)而使售電主體的經(jīng)濟(jì)效益和環(huán)境效益最大化。

圖3 分布式算法示意圖Fig.3 Schematic diagram of distributed algorithm

4.2 容量優(yōu)化配置

在解決了階段2的需求響應(yīng)問題之后，則階段1相當(dāng)于解決如下問題：

約束條件為式（4）—（8）、（14）—（26）、（29）。

由于上述問題屬于凸二次規(guī)劃，因此選擇內(nèi)點法在MATLAB環(huán)境中求解。

5 算例分析

5.1 基礎(chǔ)數(shù)據(jù)

本文假定設(shè)備預(yù)期壽命為20 a，建設(shè)周期為4 a，在本年度風(fēng)光儲設(shè)備運行的同時售電主體對下一年風(fēng)光儲設(shè)備進(jìn)行投資，其中負(fù)荷按年均增漲10%計算，第6年負(fù)荷達(dá)到飽和，基準(zhǔn)回收期為10 a，基準(zhǔn)折現(xiàn)率為8%，T=24。采用場景縮減法得到光伏和風(fēng)電的典型出力場景，見附錄A 圖A1 和圖A2。用戶不適成本系數(shù)βdr=500，單位容量光伏、風(fēng)電和儲能設(shè)備投資成本分別為cpv=850萬元／MW、cw=600萬元／MW 和ce=210 萬元／（MW·h），彈性負(fù)荷比例α=20%。負(fù)荷曲線見附錄A圖A3。

本文設(shè)置售電主體所需電量的90%從長期雙邊交易市場中購買，剩余電量在日前現(xiàn)貨市場中進(jìn)行交易。假設(shè)長期雙邊交易市場中的合同電價為400 元／（MW·h），由于我國現(xiàn)貨市場交易處于起步階段，因此根據(jù)美國電力市場PJM（Pennsylvania-New Jersey-Maryland）出清電價制定日前現(xiàn)貨市場購電價格，見附錄A 圖A4。設(shè)定售電主體平均售電電價為580 元／（MW·h），售電電價范圍設(shè)置為［220，850］元／（MW·h）。

5.2 逐年優(yōu)化配置結(jié)果

在負(fù)荷達(dá)到飽和前售電主體風(fēng)光儲容量逐年優(yōu)化配置結(jié)果如圖4所示。

圖4 逐年優(yōu)化配置結(jié)果Fig.4 Year-by-year optimal allocation results

由圖4 可以看出，在投資建設(shè)的前兩年，由于受到投資預(yù)算以及當(dāng)?shù)貧夂虻挠绊?，?yōu)先考慮投建光伏設(shè)備。隨著投資建設(shè)的進(jìn)行，風(fēng)電和儲能設(shè)備隨之增加，但系統(tǒng)整體還是以光伏設(shè)備為主，這是由于當(dāng)?shù)毓庹?、風(fēng)速等因素使得光伏出力高于風(fēng)電，導(dǎo)致風(fēng)電競爭力不足，儲能設(shè)備主要是用于減少風(fēng)光出力波動、市場電價波動以及彈性負(fù)荷波動所帶來的影響。第6 年時負(fù)荷達(dá)到飽和，則不再選擇繼續(xù)增加投資。

附錄A 圖A5 為典型日系統(tǒng)DG 出力、儲能電量以及市場購電量的情況。由于天氣原因，DG出力主要集中在白天中午時段，其余時段為滿足用戶需求，售電主體選擇使用更多的中長期合同電量和日前市場電量。

附錄A 圖A6 為日前市場購售電價以及儲能電量。由于售電主體重點投資光伏設(shè)備，在11:00—16:00 時段，電能供應(yīng)較為充足，此時售電電價相對較低，從而保證清潔能源的消納，并且使得售電主體保持足夠的市場競爭力；在其余時段，售電電價基本上隨著日前購電電價變化而變化，以避免售電主體因日前購電電價過高導(dǎo)致利益受損。儲能設(shè)備可以減少DG 出力波動、市場電價波動以及彈性負(fù)荷波動所帶來的影響，其充放電策略有跟蹤電價波動的特性，在低電價時段充電，高電價時段放電，從而降低售電主體運營成本，增加市場盈利。

5.3 需求響應(yīng)的影響

本文分別分析彈性負(fù)荷比例α為0（無需求響應(yīng)）、5%、10%、20%、30%對系統(tǒng)投資的影響。售電主體在投資前年購電總成本為122 852.75 萬元。投資結(jié)果如附錄A 表A1 所示，負(fù)荷轉(zhuǎn)移情況如附錄A圖A7所示。

由附錄A 表A1 知，在各彈性負(fù)荷比例下，售電主體投資建設(shè)風(fēng)光儲設(shè)備能有效降低市場購電成本，避免市場電價波動帶來的影響。如彈性負(fù)荷比例α=20%時，售電主體年購電成本為88 865 萬元，年購電成本下降了27.76%，年碳減排量為579434 t，若按照廣東省碳交易價格13.20 元／t，則可以帶來764.85萬元的收益，有效降低了碳排放量，有利于滿足低碳環(huán)保的要求。

進(jìn)一步分析表A1可知，售電主體有需求響應(yīng)優(yōu)化（α≠0）時，系統(tǒng)的總投資成本以及動態(tài)回收期均低于無需求響應(yīng)優(yōu)化（α=0）時的情況，這說明本文的需求響應(yīng)策略能夠有效避免過度投資，進(jìn)而節(jié)約投資成本，縮短回收周期。如彈性負(fù)荷比例α=30%相較于α=0時的總投資成本減少了6.32%，年購電成本下降了664 萬元，動態(tài)回收期縮短了0.51 a。隨著彈性負(fù)荷比例的上升，系統(tǒng)減少了對儲能設(shè)備的投資，降低了總投資成本。由附錄A 圖A7可知，隨著彈性負(fù)荷比例的增加，在需求響應(yīng)的作用下，用戶側(cè)負(fù)荷主動轉(zhuǎn)移的需求增大，提高了系統(tǒng)的靈活性，因此彈性負(fù)荷的增加在一定程度上降低了系統(tǒng)對儲能設(shè)備的依賴，進(jìn)而減少了對儲能設(shè)備的投資并促使系統(tǒng)總投資成本不斷降低。

5.4 儲能設(shè)備的靈敏性分析

為進(jìn)一步探究儲能設(shè)備與投資預(yù)算、彈性負(fù)荷比例之間的關(guān)系，本文對儲備設(shè)備進(jìn)行靈敏性分析。

儲能設(shè)備投資容量隨投資預(yù)算和彈性負(fù)荷比例變化的曲線分別如附錄A 圖A8 和圖A9 所示。由圖A8 可知，彈性負(fù)荷比例保持不變（α=20%）時，儲能設(shè)備投資容量隨著投資預(yù)算的增加而不斷增加，當(dāng)投資預(yù)算高于280 000 萬元時，年購電成本不再下降，若繼續(xù)增加投資則不會帶來經(jīng)濟(jì)效益，因此儲能設(shè)備投資容量達(dá)到最優(yōu)時不再繼續(xù)投入儲能設(shè)備。由圖A9可知，儲能設(shè)備的投資容量與彈性負(fù)荷比例呈負(fù)相關(guān)，彈性負(fù)荷比例的上升會減少儲能設(shè)備的投資，其靈敏系數(shù)大約為2.87。

5.5 預(yù)測誤差的影響

本文分別設(shè)置預(yù)測誤差為10%、20%、30%、40%，仿真得到售電主體的投資成本分別為300 700.57、328 000.31、353 000.13、396 000.65 萬元。隨著預(yù)測誤差的增加，售電主體的投資成本也隨之增加，當(dāng)預(yù)測誤差為40%時，投資成本增加了35.8%，因此售電主體應(yīng)提高預(yù)測精度，減小預(yù)測誤差，從而節(jié)約系統(tǒng)的投資成本。

5.6 共建共享投資經(jīng)濟(jì)性分析

本文選取3 個不同的售電主體，其負(fù)荷曲線分別見附錄A 圖A10—A12，通過對比3個售電主體單獨投資與共建共享投資間各項成本的差異來分析投資的經(jīng)濟(jì)效益。3 個售電主體投資風(fēng)光儲設(shè)備前年購電成本分別為51283.41、48091.38、56096.90萬元。

附錄A 表A2 和表A3 分別為3 個售電主體單獨投資和共建共享投資模式下的優(yōu)化結(jié)果。從對比結(jié)果可以看出：3 個售電主體單獨投資的總投資成本為337060萬元，共建共享投資模式下的總投資成本為207 380 萬元，節(jié)約了38.47%的總投資成本；共建共享投資模式下售電主體1—3 的動態(tài)回收周期分別縮短了2.48、1.41、2.39 a，其年購電成本也得到進(jìn)一步降低。這是因為共建共享投資模式下3 個售電主體對風(fēng)光儲容量的投資均大幅減少，但是系統(tǒng)總的DG容量為239.9 MW，儲能容量為102.3 MW·h，相較于3 個售電主體單獨投資時，售電主體可調(diào)度的資源更多，優(yōu)化調(diào)度降低了市場購電風(fēng)險，減少了市場購電成本，縮短了動態(tài)回收周期。可見，多售電主體共建共享投資模式明顯優(yōu)于售電主體單獨投資。

6 結(jié)論

本文基于年時序仿真提出一種考慮需求響應(yīng)和環(huán)境效益的售電主體風(fēng)光儲容量優(yōu)化配置方法，考慮了建設(shè)期間風(fēng)光儲容量和負(fù)荷波動、不同彈性負(fù)荷比例下需求響應(yīng)策略以及DG 出力不確定性對系統(tǒng)投資決策的影響，并對比了售電主體單獨投資與多售電主體共建共享投資之間的經(jīng)濟(jì)效益。主要得出以下結(jié)論。

1）在電力市場環(huán)境下，由于日前電價波動較大，售電主體要承擔(dān)一定的購電風(fēng)險，因此售電主體可根據(jù)當(dāng)?shù)仫L(fēng)光資源特點，逐年投建風(fēng)光儲設(shè)備，這不僅可以有效降低運營成本，還可以減少因購買燃煤發(fā)電產(chǎn)生的碳排放，更加滿足低碳環(huán)保的要求。

2）彈性負(fù)荷增加了系統(tǒng)的靈活性，通過需求響應(yīng)策略能夠減少對儲能設(shè)備的依賴，避免過度投資，節(jié)約投資成本；DG出力的預(yù)測精度對系統(tǒng)投資成本的影響較大。

3）由于風(fēng)光儲設(shè)備投入資金巨大，單個售電主體難以承受，而多個售電主體共建共享投資模式，不僅能有效降低系統(tǒng)總投資成本，也能提高設(shè)備利用率，縮短回收周期，減少運營成本，避免市場購電風(fēng)險。

附錄見本刊網(wǎng)絡(luò)版（http：//www.epae.cn）。