黃欣，蔣凱，郇嘉嘉，趙敏彤，劉念

（1.廣東電網(wǎng)有限責(zé)任公司電網(wǎng)規(guī)劃研究中心, 廣東省 廣州市510080；2.華北電力大學(xué) 電氣與電子工程學(xué)院, 北京市 昌平區(qū) 102206）

0 引言

近年來，由于氣候變暖和保障國家能源供給安全的客觀需求，發(fā)展以風(fēng)電和光伏為代表的可再生能源發(fā)電變得刻不容緩?？紤]可再生能源（Renewable Energy，RE）天然的波動性與不確定性，電力系統(tǒng)需要耗費額外的成本調(diào)用源荷儲各類靈活資源以促進(jìn)消納，棄風(fēng)棄光問題也是不可避免。為了提高RE消納能力，促進(jìn)綠色能源轉(zhuǎn)型，世界各國提出諸如可再生能源配額制、碳稅等各種各樣的激勵政策，中國也于2019年提出了“可再生能源消納責(zé)任權(quán)重制度”（Renewable Energy Portfolio Standard，RPS）。

截止2020年底，全國全口徑發(fā)電裝機(jī)容量20.2億kW，其中太陽能發(fā)電裝機(jī)2.3億kW，風(fēng)電裝機(jī)2.4億kW[1]。大量并網(wǎng)的RE使得國家補貼的規(guī)模和缺口越來越大，僅2020年預(yù)估補貼缺口高達(dá)3000多億元[2]，為了減輕國家財政負(fù)擔(dān)，2017年國家財政部、發(fā)改委等部門聯(lián)合制定了“可再生能源綠色電力證書核發(fā)及自愿認(rèn)購交易制度”（以下簡稱綠證交易制度）。該制度根據(jù)核定發(fā)電量給RE發(fā)電廠頒發(fā)相應(yīng)數(shù)量的綠色電力證書，并通過建立自愿性質(zhì)的認(rèn)購平臺，試圖借助社會資本彌補財政缺口。然而由于RE發(fā)展形勢變化，綠證交易制度在實施中遇新到了困難，國家發(fā)改委等部門因此提出RPS：一是綠證交易完全基于自愿，缺乏強(qiáng)制約束作用，市場交易不活躍；二是綠證交易的設(shè)立本質(zhì)上是政府補貼的替代品，隨著風(fēng)光平價上網(wǎng)時代的到來，綠證交易的制度背景發(fā)生了改變。當(dāng)前RE發(fā)展的主要問題已經(jīng)由建設(shè)成本高昂，變成了由于大量RE電力并網(wǎng)造成的消納困難。

目前，由于綠證交易制度出臺的較早，且與國外實施的可再生能源配額制類似，學(xué)者們對其展開了大量的研究。這些研究大致分為兩個方向，其中一個方向從規(guī)則制定和經(jīng)濟(jì)性的角度出發(fā)，比較了綠證和其他激勵政策的區(qū)別[3-4]，提出機(jī)制的改進(jìn)措施[5-6]；另一方向從模型角度出發(fā)研究了綠證交易對電力市場運行或市場主體決策的影響[7-9]。然而，RPS與綠證交易制度在考核主體、履約方式和交易內(nèi)容等方面均存在著不同之處，因此研究中國新形勢（RPS）下計及電力市場中源荷儲互動的用電側(cè)投資、交易、運行策略及形成的市場均衡狀態(tài)變得尤為重要。

考核主體方面，RPS明確按照省級行政區(qū)域?qū)﹄娏οM設(shè)定可再生能源電力消納責(zé)任權(quán)重，包括電網(wǎng)在內(nèi)的售電公司、參與批發(fā)市場的電力用戶和有自備電廠的企業(yè)作為承擔(dān)消納責(zé)任的市場主體接受考核[10]；履約方式方面，電網(wǎng)公司代替非市場用戶采購綠電，其余主體以電力市場化交易或者自發(fā)自用RE電力滿足考核要求；交易內(nèi)容方面，上述考核主體超過消納責(zé)任額外消納的RE電量被計為超額消納量，可作為等價履約配額在市場中自由交易。目前關(guān)于消納責(zé)任權(quán)重的研究大致分為3個方向：一是從機(jī)制設(shè)計和實施結(jié)果入手，分析市場設(shè)計的關(guān)鍵要素或者宏觀上的影響：例如文獻(xiàn)[2,11]從交易品種、市場準(zhǔn)入、交易周期、考核監(jiān)督、信用等方面研究了RPS的設(shè)計準(zhǔn)則和適用性，文獻(xiàn)[12]分析了當(dāng)前用電情況下，RPS對RE發(fā)電企業(yè)、在運電廠乃至整個行業(yè)的影響；二是從測算入手，研究關(guān)鍵指標(biāo)的設(shè)定：例如文獻(xiàn)[13]基于多學(xué)科協(xié)同理論，考慮地區(qū)的實際網(wǎng)架結(jié)構(gòu)，提出了消納責(zé)任最優(yōu)權(quán)重指標(biāo)測算方法；文獻(xiàn)[14]提出RPS下的一種綜合考慮新能源開發(fā)成本和系統(tǒng)消納成本的新能源合理棄電率計算方法。三從模型入手，分析消納責(zé)任權(quán)重對整個系統(tǒng)運行的影響：例如文獻(xiàn)[15]提出一種非線性的雙層優(yōu)化消納模型，分析了RPS對省間-省內(nèi)兩級市場的影響；文獻(xiàn)[16]構(gòu)建了有限理性下結(jié)合綠電廠商、火電廠商、受考核用戶三方的演化博弈理論模型，模擬量不同參數(shù)條件下超額消納量市場的變化趨勢；文獻(xiàn)[17]建立了RPS下包含RE日前市場、常規(guī)能源日前市場、實時市場的多主體優(yōu)化策略模型，研究了該制度對市場均衡點的影響。

為了研究以微電網(wǎng)（Microgrid, MG）為代表的積極型用電主體在電力市場中的運行策略，分析實施RPS對于電力市場的影響和用戶投資的影響，文章建立了RPS下電力市場中源荷儲互動的雙層均衡模型，如圖1所示。本文將投資折算到日，為了保證計算結(jié)果合理準(zhǔn)確，在模型中同時考慮了負(fù)荷和新能源兩方面的不確定性，并采用了基于多場景模擬的不確定性方法。

在下層模型中，建立了電能量市場出清模型與超額消納量交易模型。用電側(cè)報量不報價，發(fā)電側(cè)以邊際成本報價，系統(tǒng)獨立運營商（Independent System Operator, ISO）執(zhí)行市場出清并計算分時節(jié)點邊際電價（Locational marginal prices, LMPs）與超額消納量價格。在每種模擬機(jī)場景下，下層出清模型需要考慮集中式RE和負(fù)荷的不確定性，計算出不同場景下的LMPs；在上層模型中，建立了MG優(yōu)化投資、交易、運行模型。以MG為代表的用電側(cè)主體可以投資儲能和分布式發(fā)電資源（Distributed energy resources, DERs），并根據(jù)上層模型計算出的LMPs以及超額消納量價格制定運行和交易策略。在每種隨機(jī)場景下，上層MG優(yōu)化模型需要結(jié)合對應(yīng)場景下的LMPs，考慮DER出力和負(fù)荷的不確定性進(jìn)行優(yōu)化投資。

本文的創(chuàng)新點如下：

1)建立了RPS下計及源荷儲互動的電力市場雙層均衡模型；

2)建立了超額消納量交易模型，分析了MG在RPS激勵下的投資、交易、運行策略；

3)利用對角化算法求解IEEE 14節(jié)點算例，驗證了所提模型的可行性，并據(jù)此分析了RPS的引入對包括分布式RE發(fā)電在內(nèi)的市場中RE消納量的影響。

1 模型建立

1.1 微電網(wǎng)優(yōu)化投資、交易、運行模型

在該模型中，用MG代替位于輸電網(wǎng)某節(jié)點上的所有電力用戶。MG可以對LMPs和超額消納量價格做出響應(yīng)，通過投資儲能和DERs降低運行成本。其成本函數(shù)如下：

約束條件為：

MG的超額消納量交易收益由當(dāng)日交易量收益和留存消納量期望收益構(gòu)成。這是由于：雖然期望收益不能歸入當(dāng)日交易的現(xiàn)金流，但是其體現(xiàn)了MG對自身成本回收和預(yù)期收益的估計，會對DERs的投資決策產(chǎn)生影響。

有關(guān)MG內(nèi)部DERs和ESSs的運行約束如下：

其中：公式（11）（12）約束了WT和PV的發(fā)電功率不能超過最大值，，該最大值由投資數(shù)和自然資源決定；公式（13）（14）約束了ESS的充電功率和放電功率不能超過投資的最大值，。公式（15）描述了ESS儲能值與充放電效率，有關(guān)，（16）描述了ESS內(nèi)的荷電狀態(tài)與儲能值以及儲能容量有關(guān)，不能超過上下限，。代表儲能系統(tǒng)（energy storage system, ESS），風(fēng)機(jī)（wind turbine,WT）或者光伏（photovoltaic, PV）的投資數(shù)量。

值得說明的是，為了綜合考慮MG的DER規(guī)劃與運行、交易，本文利用年金現(xiàn)值系數(shù)將DER全周期的建設(shè)運維成本分?jǐn)偟矫恳荒辏俜謹(jǐn)偟矫咳粘杀綶19]（詳見算例-數(shù)據(jù)描述）。不排除有更加精確的成本描述方法，但是本文的研究重點在于可再生能源消納責(zé)任權(quán)重制下的市場均衡，為了突出分析多個市場主體MG整個投資、交易、運行優(yōu)化過程，簡化了投資成本的分?jǐn)偰Ｐ汀?/p>

1.2 電力市場出清模型

在本文中，ISO根據(jù)上層模型中各個MG上報的凈負(fù)荷需求，執(zhí)行電能量市場出清程序，計算LMPs。市場出清模型目標(biāo)函數(shù)如下：

約束條件為：

電能量市場中參與發(fā)電側(cè)競爭的有RE發(fā)電機(jī)組和傳統(tǒng)的火力發(fā)電機(jī)組。等式（18）要求滿足電力供需的實時平衡，即火電機(jī)組功率與RE機(jī)組功率等于凈負(fù)荷。為火電機(jī)組單位發(fā)電功率的成本，假設(shè)。公式（19）要求系統(tǒng)提供足夠備用，這里假設(shè)系統(tǒng)的備用是關(guān)于凈負(fù)荷和RE消納量的線性函數(shù)，權(quán)重分別為和。公式（20）（21）為直流潮流下的線路約束，其中：為節(jié)點功率轉(zhuǎn)移分布因子；為第k條線路的可以傳輸?shù)淖畲蠊β手?。公式?2）—（25）為機(jī)組的運行約束，火電機(jī)組所提供的電功率與備用功率在可行運行區(qū)間內(nèi)運行，不能超過最大上爬坡和下爬坡約束，RE機(jī)組中標(biāo)功率不能大于自然資源決定的最大發(fā)電功率。

由MG模型可知，消納責(zé)任權(quán)重制主要是通過影響MG內(nèi)的優(yōu)化決策實現(xiàn)與電力市場的互動，而下層市場出清模型的主要作用是為上層MG提供變化的LMPs信息。是否考慮機(jī)組啟停約束會改變出清模型內(nèi)部的調(diào)度結(jié)果，但并不會影響消納責(zé)任權(quán)重制與電力市場之間的互動關(guān)系。而且，從一天的時間尺度來看，機(jī)組的啟停狀態(tài)大概率是已知的。因此，為了突出文章重點，提高文章可讀性，本模型中忽略了機(jī)組組合約束。

1.3 超額消納量交易模型

超額消納量交易可以被看作基于數(shù)量競爭的古諾模型[18]。根據(jù)古諾模型，市場出清的價格可以表示為：

當(dāng)超額消納量市場中供給不夠時，沒有完成履約要求的主體需要承受高價∑懲罰。即公式（27）所描述的價格-供給曲線在時的交易價格等于懲罰價格。上述曲線可以利用歷史交易數(shù)據(jù)，利用如最小二乘法等方法擬合得到。其中系數(shù)代表著履約失敗時單位消納量的懲罰價格。

若該日風(fēng)光大發(fā)，可能所有MG的公式（6）均大于零，需要出售。這時，超額消納量價格因為大量的出售量而處在較低的水平。部分MG因為相對較高的預(yù)期價格和成本而放棄出售消納量，使得消納量價格有所回升；上述過程最終收斂達(dá)到均衡狀態(tài)。

若所有MG單元的公式（6）均小于零，需要購買。這時，超額消納量市場的價格因為沒有賣方而達(dá)到極值，等價于所有的MG需要按照罰款價格購買消納量。然后，由于此時消納量價格處在較高的水平，可能會促使部分MG提高DERs的投資來提高自己的消納量。

值得說明的是，雖然可再生能源消納責(zé)任權(quán)重是按照年度來進(jìn)行考核，但是超額消納量可以按日交易[15,17-18]。

2 求解算法

上述雙層模型形成了不同MG投資、交易、運行策略下的市場均衡問題。因為有多個消費者，所以這個問題是一個有均衡約束的均衡問題（equilibrium analysis with equilibrium constraint,EPEC）。本文采用對角化算法（diagonalization algorithm, DA）來求解EPEC[19]。只包含一個MG和ISO的雙層模型形成了一個有平衡約束的數(shù)學(xué)問題（mathematical problem with equilibrium constraints, MPEC）。DA將EPEC分解為許多個MPEC，在每次迭代中固定其他MG的策略，求解每個MG獨自的投資、交易、運行策略。在每次迭代中繼續(xù)進(jìn)行分解操作，直到MG的策略收斂，如圖2所示。

3 算例

在2.90 GHz CPU和16GB RAM的計算機(jī)上，使用MATLAB 2016b和CPLEX 12.6[20]對算例進(jìn)行測試。

3.1 數(shù)據(jù)描述

在本節(jié)中，對IEEE 14節(jié)點系統(tǒng)進(jìn)行仿真，以驗證所提出的模型。其中有3個火電廠和2個集中式風(fēng)電廠，其所在位置如圖3所示。表1列出了所有發(fā)電機(jī)的參數(shù)。

表1 發(fā)電機(jī)參數(shù)Table 1 Parameters of generators

本文的算例分析中，同時考慮了新能源和負(fù)荷的不確定性。然而，為了突出對可再生能源消納責(zé)任權(quán)重制下市場均衡和投資結(jié)果的分析研究，僅以風(fēng)電作為新能源發(fā)電的代表。因此，本算例的IEEE 14節(jié)點系統(tǒng)和MG的DERs投資僅有風(fēng)電。為了描述負(fù)荷和風(fēng)電的不確定性，使用K-means從2016年年度負(fù)荷和太陽能發(fā)電量數(shù)據(jù)[21]中生成10個典型的每日場景。

為了簡化求解，系統(tǒng)中只有5個分別位于節(jié)點4、5、10、12、13上的微電網(wǎng)，期望的超額消納量交易價格分別為200、220、240、260、280元/MW。本模型中，MG可以投資WTs和ESSs，每個WT的發(fā)電容量為45 MW，每個ESS的儲能容量為10 M W·h。其余有關(guān)ESS的參數(shù)如表2所示。根據(jù)消納責(zé)任權(quán)重的要求，假設(shè)用電主體按天履約，每天需要購買等于自身投資前日用電量的20%的RE電量。

表2 儲能參數(shù)Table 2 Parameters of energy storage system

根據(jù)文獻(xiàn)[22]，WT的建設(shè)成本為1931USD/kW（約合人民幣12570元/kW），為了獲得年均投資成本，假設(shè)WT和ESS能使用20年，以1.25%的利潤率計算年金現(xiàn)值系數(shù)，進(jìn)而獲得年均WT和ESS的年投資成本。因此，WT等年值成本約為740元/kW，換算到日值約為2元/；ESS的等年值成本約為2588元/[23]，換算到日內(nèi)約為7元/。根據(jù)文獻(xiàn)[18]，超額消納量市場中的參數(shù)

3.2 MG投資、運行策略

MG依據(jù)從電力市場中獲得的LMP，以及從超額消納量市場中獲得的超額消納量交易價格，決定是否投資建設(shè)WT和ESS。表3是引入可再生能源RPS前后WG的投資情況。

表3 投資結(jié)果Table 3 Results of investment

MG在有無RPS前后的儲能投資不變，但是WT的投資數(shù)量均發(fā)生了變化。最終均衡狀態(tài)下的超額消納量市場交易價格為270.4元，大于MG4、MG5、MG10、MG12的預(yù)期賣出價格，低于MG13的預(yù)期賣出價格，因此，前者在引入考核之后增加了WT的投資，MG13減少了原有的WT投資。由于超額消納量交易市場中利益相對較大，儲能的運行傾向通過快充快放增加風(fēng)電的消納量，因此ESS的儲能容量需求降低，有無RPS前后ESS投資無變化。

值得明確的是，在引入RPS之后MG總的WT投資和發(fā)電量上升；在日前電力市場中，雖然MG凈負(fù)荷的下降，但是由于集中式可再生能源發(fā)電廠報地板價出售電力，MG的DERs投資不影響批發(fā)市場的可再生能源發(fā)電量。因此，引入RPS之后，電力系統(tǒng)總的可再生能源消納量上升。

如圖4所示的是MG4在有無消納權(quán)重責(zé)任制兩種情況下的運行策略。由圖4可知，引入RPS之后WT的投資量增加，極大地降低了日用電負(fù)荷最大。同時由于WT的逆調(diào)峰特性，夜間的電力需求全部由WT供應(yīng)。除此之外，MG在運行優(yōu)化中通過ESS實現(xiàn)了兩個功能：一是通過頻繁快速的充放電控制，在增加WT消納量的同時平抑了WT波動對系統(tǒng)的影響。二是通過在低電價時間充電，高電價時間段放電（如圖12點左右時刻）實現(xiàn)削峰填谷，賺取價格差。

3.3 MG超額消納量交易策略

圖5是MG5在有RPS下的投資運行曲線，可以發(fā)現(xiàn)不同MG應(yīng)對RPS的策略大不相同。這主要有以下3個原因：一是MG節(jié)點位置的不同承受了不同的LMP；二是MG對于超額消納量交易價格的預(yù)期不同；三是MG的負(fù)荷情況不相同。

表4是不同MG的交易結(jié)果。由表4可知，由于MG13的期望消納量交易價格高于市場實際交易價格。MG13選擇不建設(shè)減少WT建設(shè)，轉(zhuǎn)而向市場中購買超額消納量。

表4 消納量交易結(jié)果Table 4 Trading results accommodated quantitiy in RPS market

4 結(jié)論

本文旨在通過研究RPS下電力市場主體的投資、運行、交易決策問題，求出均衡狀態(tài)下市場主體內(nèi)源荷儲互動結(jié)果，從底層用戶角度評價RPS對電力市場的影響。文章建立了RPS下電力市場中源荷儲互動的雙層均衡模型，下層模型中ISO執(zhí)行電力市場出清和超額消納量市場交易，上層模型中MG根據(jù)兩個市場的交易結(jié)果優(yōu)化投資、運行、交易策略。最后以IEEE 14節(jié)點系統(tǒng)為例，使用對角化算法迭代求解并驗證了上述雙層均衡問題。分析結(jié)果表明，MG投資、運行和交易策略在RPS下發(fā)生顯著改變，系統(tǒng)可再生能源消納量顯著提升。