宋大為，尹碩，何洋，李志恒，張鈞釗，姜欣

(1. 國網(wǎng)河南省電力公司經(jīng)濟技術(shù)研究院，鄭州450052；2. 國網(wǎng)河南省交易中心有限公司，鄭州450056；3. 鄭州大學電氣 工程學院，鄭州450001)

0 引言

多元小微主體是指功率不大、建設在負荷中心附近的、模塊式采用先進信息控制技術(shù)的、清潔環(huán)保、經(jīng)濟、高效、可靠的自主智能供電形式[1]。其種類繁多，包括分布式電源(風電、光電)、儲能裝置以及需求側(cè)響應等。多元小微主體在電力需求側(cè)作為電力供應側(cè)的有力補充，在優(yōu)化調(diào)整負荷曲線、調(diào)節(jié)電力價格、降低能量傳輸損耗、緩解電力系統(tǒng)阻塞、提升電力系統(tǒng)清潔性等方面具有重要作用。然而，多元小微主體中的分布式發(fā)電(distributed generation，DG)給電力系統(tǒng)的運行帶來了許多挑戰(zhàn)，其有限預測性和高可變性使得DG無法被直接調(diào)度[2 - 5]。需求側(cè)響應(demand respond，DR)和分布式儲能(distributed storage，DS)已經(jīng)被證明是部署智能電網(wǎng)最重要的關(guān)鍵因素，可有效緩解高比例DG滲透帶來的挑戰(zhàn)并提高系統(tǒng)可靠性[6 - 9]。虛擬電廠(virtual power plant，VPP)被認為是實現(xiàn)DG與DR和DS成功耦合的有效途徑[10 - 13]。

隨著我國售電市場不斷放開，VPP作為一種特殊形式的售電商，其參與現(xiàn)貨市場最優(yōu)競價問題亟待研究。盡管文獻中有豐富的處理傳統(tǒng)電廠日前(day-ahead, DA)競價策略問題的優(yōu)化模型但目前針對VPP的相同問題的研究還很少[14 - 15]。文獻[16]考慮了由可中斷負荷、儲能、可調(diào)度發(fā)電廠組成的VPP，提出了兩階段隨機混合整數(shù)線性規(guī)劃(mixed integer linear programming, MILP)競價模型，模型同時考慮了日前能量市場與平衡市場，在第一階段模型中VPP被視為價格接受者，在第二階段模型中VPP被視為偏離者(即被動代理人)。文獻[17]提出了一個VPP參與日前市場的最優(yōu)競價策略問題，在一個混合整數(shù)非線性規(guī)劃框架下，使用概率性的投標報價法和點估計法對市場價格和發(fā)電資源的不確定性進行建模。文獻[18]給出了由風電場、光伏電廠和燃氣電廠組成的VPP的最優(yōu)投標策略問題。該問題被表述為MILP模型，并將長期雙邊合同與VPP在DA市場的參與結(jié)合起來。文獻[19]建立了傳統(tǒng)發(fā)電商、售電商與VPP同時參與市場競爭的分段報價模型和優(yōu)化出清模型，采用分段線性的方法得到了VPP在不同時段采取的不同報價策略。文獻[20]建立了VPP的電價競標模型和電量競標模型，將Stackelberg博弈理論應用于VPP的電價競標和電量競標過程中，確定VPP內(nèi)多個分布式電源與控制協(xié)調(diào)中心的交易電價與調(diào)度計劃。文獻[21] 為減小可再生能源發(fā)電的波動性和間歇性對電網(wǎng)造成的沖擊, 提高電網(wǎng)運行的經(jīng)濟性, 提出了一種考慮VPP和分時電價的風光火儲系統(tǒng)兩階段優(yōu)化調(diào)度策略。通過對以上VPP參與現(xiàn)貨市場的競爭策略的分析，可以發(fā)現(xiàn)以下兩點不足。

1)大部分文獻在VPP參與現(xiàn)貨市場的競價中，都把VPP看作是電力市場價格的接受者，即它沒有能力為了自己的利益改變市場結(jié)算價格。但是隨著售電側(cè)改革不斷推進、分布式能源大量并網(wǎng)和互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，售電將直接面向終端用戶。此時用戶的出力變化和策略優(yōu)化調(diào)整將會對市場價格產(chǎn)生影響，因此再把VPP看作是電力市場價格的接受者是不滿足要求的。

2)鮮有文獻研究VPP參與現(xiàn)貨聯(lián)合市場的競價策略，以及競價決策過程中自身報價的隨機性和競爭對手策略的不確定性對競價策略的影響。

因此，本文從多元小微主體參與現(xiàn)貨市場出發(fā)，提出了一種基于VPP的兩階段雙層聯(lián)合競價模型。首先第一階段，依據(jù)先進的信息通信技術(shù)和控制架構(gòu)，把多元小微主體聚合成一個VPP。其次根據(jù)對多元小微主體的出力特性分析，對整個VPP內(nèi)部進行優(yōu)化調(diào)度，由此確定整個VPP充放電的上下限。第二階段為VPP參與日前能量市場與輔助服務市場聯(lián)合競價策略主從博弈模型，其目標為與預期的實時生產(chǎn)和不平衡費用最小化相結(jié)合的日前利潤最大化。引入多場景描述交易決策博弈過程中競爭對手的不確定性給VPP收益帶來的風險，保障VPP理性參與市場化交易。

1 多元小微主體的聚合模型

1.1 多元小微主體聚合模型

多元小微主體接入電網(wǎng)是對電力系統(tǒng)發(fā)電側(cè)一次巨大的補充。由于多元小微主體具有快速調(diào)頻以及快速響應能力，使得電網(wǎng)更加穩(wěn)定、可靠地運行。但鑒于多元小微主體容量、體積較小的緣故，其很難直接被電網(wǎng)調(diào)度和管理。為了更好地管理多元小微主體，使其在電網(wǎng)運行中發(fā)揮有益作用，多種聚合技術(shù)營運而生，這些技術(shù)以高級計量設備、智能電網(wǎng)設備、先進通信系統(tǒng)為基礎，作為電網(wǎng)與多元小微主體的中間層存在于電力系統(tǒng)中。而其中應用最廣泛的一種技術(shù)當屬虛擬電廠技術(shù)。VPP將各類分布式資源有機結(jié)合，并利用相關(guān)調(diào)控、通信技術(shù)實現(xiàn)整體管理(如圖1所示)。

把各個多元小微主體聚合為一個VPP后，整個VPP對外表現(xiàn)的模型就是售電與購電的過程，其模型可以表示為：

(1)

1.2 多元小微主體不確定性分析

把各多元小微主體聚合成一個VPP后，首先要預測風電與光伏的出力曲線，再對VPP內(nèi)部進行優(yōu)化調(diào)度，大致確定第二天VPP的出力曲線，從而更好地制定VPP參與日前能量市場與輔助服務市場的競價策略。本文首先利用拉丁超立方抽樣法生成風電機組與光伏機組出力的場景集，再基于后向場景縮減技術(shù)生成3種經(jīng)典場景[22]，最后采用概率加權(quán)法計算平均出力曲線，即最優(yōu)預測曲線。

2 基于主從博弈的VPP競標模型

2.1 Stackelberg博弈

Stackelberg博弈模型適用于有主從遞階結(jié)構(gòu)的動態(tài)博弈關(guān)系，參與者通常被分為兩種：領導者和跟隨者。領導者首先做出決策，跟隨者可以觀察到領導者的決策，從而做出自己的決策。VPP首先要考慮的自身利益最大化，但是也要考慮到其他競爭對手報價和網(wǎng)絡運行約束來進行報量報價。調(diào)度和交易中心得到市場各主體的報量報價后依照系統(tǒng)購電成本最小為目標進行日前能量市場和輔助服務市場的統(tǒng)一出清，得到日前能量市場和輔助服務市場各時段機組的出清電量和出清電價。因此，VPP參與現(xiàn)貨市場競價的博弈過程可視為一種Stackelberg主從博弈，其中VPP為決策的領導者，調(diào)度和交易中心為決策的跟隨者。

虛擬電廠作為Stackelberg博弈中的上層領導者，其參與競價的目標函數(shù)為：

(2)

調(diào)度和交易中心作為Stackelberg博弈中的下層領導者即跟隨者，其目標是以系統(tǒng)總報價成本最小為目標函數(shù)，其表達式為：

(3)

2.2 基于Stackelberg博弈的VPP模型架構(gòu)

如圖2所示，第一階段以VPP優(yōu)化調(diào)度為研究對象，目的是確定VPP出力的上下限，受到各多元主體運營約束以及VPP內(nèi)部功率平衡約束。第二階段為Stackelberg博弈雙層模型，上層模型以VPP作為研究對象，建立VPP作為投標主體進行競價決策的交易決策模型；下層模型為現(xiàn)貨市場出清模型，包括集中競價交易模式下日前電能量市場與輔助服務市場聯(lián)合出清。上層模型中的VPP作為領導者以自身利潤最大化為目標函數(shù)進行日前聯(lián)合競價，并受到外部的競標約束以及內(nèi)部調(diào)頻容量、調(diào)頻里程的約束。下層模型是以調(diào)度和交易中心為跟隨者，以購電成本最小為目標函數(shù)，并受到日前功率平衡約束、網(wǎng)絡安全約束等約束。

圖2 VPP參與現(xiàn)貨市場競價的博弈模型架構(gòu)Fig.2 Game model architecture of virtual power plant participating in joint market bidding

3 VPP參與現(xiàn)貨聯(lián)合市場競價模型

3.1 VPP協(xié)調(diào)優(yōu)化調(diào)度模型

3.1.1 目標函數(shù)

將多元小微主體聚合為一個VPP，根據(jù)風電、光伏的預測曲線，調(diào)節(jié)儲能裝置各時段充放電功率、負荷削減量和VPP與上級電網(wǎng)購售電量，以VPP運行成本最小為目標，協(xié)調(diào)調(diào)度內(nèi)部各小微主體。并將優(yōu)化后的出力曲線作為下階段系統(tǒng)運營優(yōu)化的基礎，其目標函數(shù)為：

(4)

3.1.2 約束條件

1)VPP內(nèi)部功率平衡約束

(5)

2)風電

(6)

3)光伏

(7)

4)分布式儲能

(8)

5)可調(diào)負荷

(9)

3.2 上層交易決策模型

3.2.1 目標函數(shù)

VPP參與現(xiàn)貨零售市場的收益包括日前能量和日前調(diào)頻市場的總收益，其目標是日前能量與日前調(diào)頻市場相結(jié)合的日前利潤的最大化，VPP在參與日前能量與輔助服務市場報價時，需同時考慮不同場景下日前市場價格期望曲線，每一個競爭對手的報價策略為價格期望曲線上或者曲線上方或下方的一個點且都會影響日前市場價格期望曲線的趨勢，而大體量的競爭對手的報價在日前市場更具有話語權(quán)，更能夠影響價格期望曲線的趨勢。因此本文選取不同場景下典型競爭對手的報價，根據(jù)其典型競爭對手的報價及時調(diào)整自己的報價策略，使自身的收益最大化。為了精準地預測典型競爭對手的報價，本文首先通過拉丁超立方抽樣生成典型競爭對手報價場景集，再基于場景縮減技術(shù)選取典型競爭對手報價的典型場景r。其目標函數(shù)為：

(10)

值得說明的是：典型競爭對手的不確定報價報量信息將影響第二階段下層聯(lián)合市場的出清結(jié)果，下層出清得到的現(xiàn)貨市場價格返回上層又將進一步影響VPP報價。因此，下層目標函數(shù)考慮期望場景時，上層VPP交易決策模型中的目標函數(shù)中也需要將不確定場景包含在表達式中。

3.2.2約束條件

1)VPP競標電量約束

考慮到 VPP 與主網(wǎng)傳輸功率限制，VPP 在電力市場的競標電量需滿足如約束式(11)所示。

(11)

2)VPP上下調(diào)容量約束

(12)

3)VPP上下調(diào)里程約束

(13)

3.3 下層交易決策模型

3.3.1 日前能量市場聯(lián)合出清模型

調(diào)度與電力交易中心為下層決策者，即Stackelberg博弈中的跟隨者，根據(jù)市場中的需求狀況、以及電力市場中其他典型競爭對手的報價策略、報價偏好和發(fā)電成本等，在滿足供需平衡以及各類機組安全約束的條件下，進行日前聯(lián)合市場出清，其目的是使總購電成本最小。其目標函數(shù)為：

(14)

約束條件：

1)能量市場功率平衡約束

(15)

式中PL,t為t時刻系統(tǒng)負荷的大小。

2)網(wǎng)絡安全約束

pl,min≤pl,t≤pl,max

(16)

式中：pl,t為線路在t時刻的潮流；pl,max、pl,min分別為線路的最大、最小傳輸容量。

3)系統(tǒng)調(diào)頻容量約束

(17)

4)系統(tǒng)調(diào)頻里程約束

(18)

5)常規(guī)機組功率約束

(19)

式中：Pg,t,r為t時刻機組g的出力值；Pgmax、Pgmin分別為機組g的最大、最小出力。常規(guī)機組約束還包含爬坡約束、申報的調(diào)頻容量和里程約束等其他約束。其中，申報的調(diào)頻容量、里程約束與儲能的形式相同。中標量約束包括常規(guī)機組各時段中標量之和不超額定容量以及儲能各時段中標量之和不超額定容量和額定功率。在此都不作贅述。

3.4 模型求解

本文提出的VPP報價策略模型屬于非線性、混合整數(shù)優(yōu)化問題，模型的非線性來源于第二階段上層模型中的雙線性項：各交易類型中VPP的申報量和申報價格，因此重點闡述對第二階段的求解過程，具體的步驟如圖3所示。

圖3 模型求解流程圖Fig.3 Model solving flowchart

4 算例分析

4.1 基礎數(shù)據(jù)

本文以風電機組、光伏機組、儲能機組和4 000戶家庭構(gòu)成的VPP為算例，選取IEEE 30節(jié)點系統(tǒng)并進行適當?shù)母倪M，其接線情況見附圖A1。各機組參數(shù)及對應節(jié)點情況見附表A1。VPP內(nèi)部優(yōu)化調(diào)度后各主體充放電功率如圖4所示。VPP內(nèi)部優(yōu)化后的負荷量如圖5所示。系統(tǒng)上、下調(diào)頻里程乘子分別見附表A2。機組調(diào)頻市場報價情況見附表A3，并把聚合而成的VPP接入25節(jié)點。

圖4 VPP內(nèi)部優(yōu)化后各主體充放電功率Fig.4 Charging and discharging power of each main body after internal optimization of VPP

圖5 VPP內(nèi)部優(yōu)化過的負荷量Fig.5 Internal optimized load of VPP

4.2 各市場參與聯(lián)合市場的競價結(jié)果

4.2.1 各主體日前市場的中標量

市場各主體日前能量市場中標情況如圖6所示。各市場主體日前輔助市場調(diào)頻容量中標情況如圖7所示。各市場主體日前輔助市場調(diào)頻里程中標情況如圖8所示。

由圖6可以看出，在日前能量市場上，傳統(tǒng)機組G1、G2提供了絕大多數(shù)能量，而VPP主要在1：00—6:00與13:00—15:00期間提供能量，這是由于風電在夜間提供了較大的出力，正午時太陽的光照能力較強，此時光伏提供較大的出力。在9：00—11：00與17：00—19：00期間VPP需要從電網(wǎng)購買電量，這是由于VPP內(nèi)負荷用電量較大(見圖4)。

圖6 市場各主體日前能量市場中標情況Fig.6 Bid winners of the energy market in the energy market

圖7 各市場主體日前輔助市場調(diào)頻容量中標情況Fig.7 Bid winners situation of the auxiliary market frequency modulation capacity of each market entity

圖8 各市場主體日前輔助市場調(diào)頻里程中標情況Fig.8 Bid winners of the FM mileage of the auxiliary market in each market

對比圖7和圖8，VPP承擔了系統(tǒng)主要的調(diào)頻容量和調(diào)頻里程任務。這是由于相較與常規(guī)機組的調(diào)節(jié)輸出，提供相同的調(diào)節(jié)容量時，VPP中因含有分布式儲能裝置，在向上和向下方向上對調(diào)節(jié)信號的響應更加頻繁，因此能夠比常規(guī)機組提供更多的調(diào)頻里程，在調(diào)頻市場上會被系統(tǒng)優(yōu)先調(diào)用。由圖還可以看出G2機組在輔助服務市場中相對于其它常規(guī)機組，中標了大量的調(diào)頻容量和調(diào)頻里程，這是由于G2機組自身參數(shù)決定的，說明其對調(diào)節(jié)信號反應迅速，爬坡能力強。

不同市場主體在各市場的收益情況如表1所示。由表1可以看出，傳統(tǒng)機組G1、G2、G6的主要收益主要來自日前能量市場，VPP的主要收益主要包括日前能量市場收益與調(diào)頻容量收益。結(jié)果顯示機組G4和G5在能量市場、調(diào)頻市場上的中標量全為0(本文算例中選取的機組G4、G5發(fā)電成本和啟停成本較高見附表A1)，表明G4和G5未參與到聯(lián)合市場中運行，進而相應的市場收益(能量收益、調(diào)頻容量收益、調(diào)頻里程收益)合計為0。

表1 不同市場主體收益對比表Tab.1 Comparison of income of different market entities

4.2.2 VPP的最優(yōu)競價策略

VPP在各市場中的最優(yōu)報價如圖9所示。VPP在各市場中的最優(yōu)報量如圖10所示。由圖9可以看出，在不同的時段，VPP根據(jù)市場需求，上報不同的電價。而且由于VPP根據(jù)價格差來賺取利潤，因此VPP放電報價總要高于充電報價。VPP調(diào)頻容量報價雖然有所波動，但是整體維持在一條直線上，而VPP調(diào)頻里程報價為一條直線。

圖9 VPP在各市場中的最優(yōu)報價Fig.9 The best quotation of VPP in each market

圖10 VPP在各市場中的最優(yōu)報量Fig.10 The optimal volume of VPP in each market

由圖10可以更直觀地看出，VPP在負荷較低的時段對其內(nèi)部的儲能裝置進行充電，在負荷較高時，儲能裝置對外進行放電。VPP調(diào)頻能力較高，所以其調(diào)頻容量與調(diào)頻里程的中標量較高。

4.2.3 聯(lián)合市場的出清價格

日前能量市場聯(lián)合出清價格如圖11所示。日前輔助市場出清價格如圖12所示。

圖11 日前能量市場聯(lián)合出清價格Fig.11 Day-ahead energy market joint clearing price

圖12 日前輔助市場出清價格Fig.12 Day-ahead auxiliary market clearing price

圖11可以看出，能量市場出清電價與負荷走勢相近，呈現(xiàn)夜間低白天高的變化趨勢，是由于常規(guī)機組按發(fā)電成本報價，報價和發(fā)電量線性相關(guān)，報價趨勢和負荷走勢相近。

由圖12以看出，在日前輔助市場其調(diào)頻容量以及調(diào)頻里程的出清價格都是隨著時間上下波動的。它們都遵循著一個規(guī)律：4：00—6：00出清的價格最低，12：00—14：00、20：00—23：00出清價格最高，但是整體的出清價格沒有較大的波動，都維持在一個大致的水平上。

5 結(jié)論

本文基于Stackelberg主從博弈提出了一個VPP參與現(xiàn)貨市場的兩階段隨機雙層優(yōu)化競價模型，用于優(yōu)化由分布式能源資源、電池存儲系統(tǒng)和電力用戶組成的VPP組合參與現(xiàn)貨市場的競價策略，主要結(jié)論如下。

1)將多元分散的多元小微主體聚合為一個虛擬電廠VPP，由VPP運營商統(tǒng)一調(diào)度，可以很好地利用小微主體出力的互補性，提升了各主體的經(jīng)濟效益。

2)VPP在日前能量市場與傳統(tǒng)機組進行聯(lián)合競價的時候，傳統(tǒng)機組利用其出力大，頻率穩(wěn)定的特性，競標到了絕大多數(shù)的電量。VPP只有在夜間或正午風電、光伏出力較大時才有較少的中標電量。

3)VPP在日前輔助市場上競標到了絕大多數(shù)調(diào)頻容量以及調(diào)頻里程，這是由于VPP內(nèi)部的儲能設備發(fā)揮作用的緣故。在調(diào)頻市場上，低廉的價格和優(yōu)越的調(diào)頻性能使得VPP被系統(tǒng)優(yōu)先調(diào)用，獲得可觀收益。