摘 要：提出一種基于主從博弈的社區(qū)微網(wǎng)運(yùn)營(yíng)商電價(jià)優(yōu)化方法，并通過場(chǎng)景削減對(duì)光伏不確定性進(jìn)行描述。首先分別針對(duì)微網(wǎng)運(yùn)營(yíng)商和用戶建立優(yōu)化運(yùn)行模型。然后分析運(yùn)營(yíng)商與用戶之間的博弈關(guān)系，建立以運(yùn)營(yíng)商為領(lǐng)導(dǎo)者的主從博弈模型，并采用基于場(chǎng)景削減法的最優(yōu)電價(jià)兩階段求解方法求解考慮不確定性的最優(yōu)電價(jià)。最后，經(jīng)算例分析驗(yàn)證，所提電價(jià)優(yōu)化方法可將運(yùn)營(yíng)商的收益提高14.2%，還可將用戶的電熱成本降低0.92%；同時(shí)表明適量的儲(chǔ)能可促進(jìn)光伏的就地消納并提高運(yùn)營(yíng)商收益；另外，該方法所求最優(yōu)電價(jià)在不同隨機(jī)場(chǎng)景下的運(yùn)營(yíng)商收益均值提高37.6元，而不同場(chǎng)景下的波動(dòng)方差降低16.9%，即該電價(jià)在不同光伏出力場(chǎng)景下的普適性更好。

關(guān)鍵詞：不確定性分析；微網(wǎng)；優(yōu)化；光伏；主從博弈；場(chǎng)景削減

中圖分類號(hào)：TM73" " " " " " " " " " " "文獻(xiàn)標(biāo)志碼：A

DOI：10.19912/j.0254-0096.tynxb.2023-0441

文章編號(hào)：0254-0096（2024）08-0078-08

河北省分布式儲(chǔ)能與微網(wǎng)重點(diǎn)實(shí)驗(yàn)室（華北電力大學(xué)），保定 071003

0 引 言

2020年9月，中國(guó)提出2030年前碳達(dá)峰、2060年前碳中和的戰(zhàn)略目標(biāo)，因此新能源發(fā)電必將成為電力生產(chǎn)的重要方向［1-2］。然而，大電網(wǎng)自身調(diào)節(jié)能力有限且市場(chǎng)機(jī)制不夠完善導(dǎo)致新能源并網(wǎng)困難、消納能力不夠［3］。而將新能源發(fā)電與微電網(wǎng)有機(jī)結(jié)合可有效促進(jìn)新能源大規(guī)模消納、維持電力系統(tǒng)穩(wěn)定運(yùn)行和實(shí)現(xiàn)節(jié)能減排；此外，在電力市場(chǎng)化［4］的背景下，微網(wǎng)售電將由第三方售電公司建設(shè)和運(yùn)營(yíng)［5］。目前已有研究人員針對(duì)微網(wǎng)運(yùn)營(yíng)商定價(jià)策略進(jìn)行研究。文獻(xiàn)［6］建立了綜合能源系統(tǒng)運(yùn)營(yíng)商與用戶代理商之間的主從博弈模型，通過對(duì)園區(qū)內(nèi)部各能源的定價(jià)優(yōu)化促進(jìn)新能源消納；文獻(xiàn)［7-8］除考慮運(yùn)營(yíng)商電價(jià)的變化外，也將熱價(jià)作為策略進(jìn)行調(diào)節(jié)以實(shí)現(xiàn)自身利益最大化。其中，文獻(xiàn)［8］在運(yùn)營(yíng)商與用戶主從博弈的基礎(chǔ)上，提出運(yùn)營(yíng)商側(cè)燃?xì)廨啓C(jī)“以熱定電”和“以電定熱”兩種模式，也考慮了用戶側(cè)熱負(fù)荷的削減。也有學(xué)者引入儲(chǔ)能設(shè)備參與調(diào)節(jié)，文獻(xiàn)［9］建立了配網(wǎng)側(cè)電價(jià)與儲(chǔ)能容量配置的協(xié)同優(yōu)化模型以實(shí)現(xiàn)配網(wǎng)收益最大；文獻(xiàn)［10］針對(duì)含有熱電聯(lián)供和光伏電板的社區(qū)型微網(wǎng)，提出基于共享儲(chǔ)能的居民用戶調(diào)度模型，并最終驗(yàn)證了該模型可同時(shí)保證居民側(cè)和儲(chǔ)能運(yùn)營(yíng)商的利益；文獻(xiàn)［11］為促進(jìn)園區(qū)的新能源消納，提出一種儲(chǔ)能與電價(jià)協(xié)調(diào)優(yōu)化模型，最后驗(yàn)證該方法可有效提高新能源的就地消納。

然而，目前大多研究未考慮到新能源出力的不確定性，這導(dǎo)致最后的優(yōu)化結(jié)果只適用于特定的預(yù)測(cè)場(chǎng)景?；诖?，本文提出一種計(jì)及光伏發(fā)電不確定性的基于主從博弈的社區(qū)型微網(wǎng)運(yùn)營(yíng)商電價(jià)優(yōu)化方法。首先介紹微網(wǎng)系統(tǒng)框架并分別建立運(yùn)營(yíng)商側(cè)和用戶側(cè)的優(yōu)化運(yùn)行模型；然后分析運(yùn)營(yíng)商與用戶之間的博弈關(guān)系，建立以運(yùn)營(yíng)商為上層領(lǐng)導(dǎo)者的主從博弈模型，并通過場(chǎng)景削減法考慮光伏出力不確定性；最后通過算例驗(yàn)證本文所提方法的有效性。

1 社區(qū)型微網(wǎng)組成結(jié)構(gòu)

為實(shí)現(xiàn)主從雙方之間的利益博弈，將微網(wǎng)內(nèi)部的用戶等效成一個(gè)整體。社區(qū)型微電網(wǎng)則由微網(wǎng)運(yùn)營(yíng)商和用戶兩方構(gòu)成，具體組成結(jié)構(gòu)如圖1所示。微網(wǎng)運(yùn)營(yíng)商可看作連接外部電網(wǎng)與用戶側(cè)的中介，運(yùn)營(yíng)商可直接以分時(shí)電價(jià)的價(jià)格從外網(wǎng)購得電能，并自主制定合理價(jià)格將電能賣給用戶；除此之外運(yùn)營(yíng)商側(cè)也配有燃?xì)廨啓C(jī)和儲(chǔ)能系統(tǒng)，可生產(chǎn)熱能并賣給用戶以滿足用戶熱負(fù)荷需求并實(shí)現(xiàn)盈利；也可將電能暫時(shí)儲(chǔ)存以降低微網(wǎng)與外部電網(wǎng)的交換功率波動(dòng)。

用戶側(cè)配有戶用電制熱設(shè)備，用戶可根據(jù)自身經(jīng)濟(jì)利益削減部分熱負(fù)荷、轉(zhuǎn)移部分電負(fù)荷、使用電制熱設(shè)備進(jìn)行制熱或從運(yùn)營(yíng)商處購買熱能。由于微網(wǎng)運(yùn)營(yíng)商所制定的電價(jià)需滿足約束：對(duì)用戶所造成的運(yùn)行成本不超過外部電網(wǎng)分時(shí)電價(jià)對(duì)用戶所造成的運(yùn)行成本，所以本文認(rèn)為用戶側(cè)只能通過運(yùn)營(yíng)商購得電力。微網(wǎng)兩個(gè)主體的運(yùn)營(yíng)方式為：首先作為上層領(lǐng)導(dǎo)者的微網(wǎng)運(yùn)營(yíng)商制定合理的微網(wǎng)內(nèi)部電價(jià)，然后用戶側(cè)根據(jù)運(yùn)營(yíng)商所制定的電價(jià)優(yōu)化自身的電負(fù)荷和熱負(fù)荷以滿足自身最大利益，最后運(yùn)營(yíng)商根據(jù)用戶側(cè)優(yōu)化后的電負(fù)荷曲線和熱負(fù)荷曲線確定自身所獲得的收益。

2 社區(qū)微網(wǎng)運(yùn)營(yíng)商模型

微網(wǎng)運(yùn)營(yíng)商的售電價(jià)格約束如式（1）所示。在滿足該式約束的運(yùn)營(yíng)商電價(jià)[λts，mg]的激勵(lì)下，用戶側(cè)至少可保持原外部電網(wǎng)分時(shí)電價(jià)激勵(lì)下的用電曲線[Pt0]，從而使用戶側(cè)的運(yùn)行成本不超過原外部電網(wǎng)對(duì)用戶側(cè)所帶來的運(yùn)行成本進(jìn)而保證在經(jīng)過微電網(wǎng)電價(jià)優(yōu)化后用戶側(cè)的利益不會(huì)受損。

[t=124λts，mgPt0≤t=124λts，gPt0] （1）

式中：[λts，mg]、[λts，g]——[t]時(shí)刻運(yùn)營(yíng)商對(duì)社區(qū)內(nèi)用戶的售電價(jià)、外部電網(wǎng)分時(shí)電價(jià)，元/kWh；[Pt0]——在外部電網(wǎng)分時(shí)電價(jià)激勵(lì)下用戶側(cè)[t]時(shí)刻用電功率，kW。

運(yùn)營(yíng)商所配有的燃?xì)廨啓C(jī)主要以天然氣為燃料產(chǎn)出電能和熱能，其中燃?xì)廨啓C(jī)的燃料成本與燃?xì)鈾C(jī)組的關(guān)系為［12］：

[CtMT=FgasQgasηMT，ePtMT，e] （2）

式中：[PtMT，e]——燃?xì)廨啓C(jī)在[t]時(shí)段所輸出的電功率，kW；[Fgas]——天然氣的單價(jià)，元/m3；[ηMT，e]——燃?xì)廨啓C(jī)的發(fā)電效率；[Qgas]——天然氣的熱值，kJ/m3。

燃?xì)廨啓C(jī)的電功率與熱功率的關(guān)系為：

[PtMT，h=1-ηMT，e-ηMT，lossηMT，eηBPtMT，e] （3）

式中：[PtMT，h]——[t]時(shí)段燃?xì)廨啓C(jī)輸出的熱功率，kW；[ηMT，loss]——燃?xì)廨啓C(jī)的散熱損失率；[ηB]——燃?xì)廨啓C(jī)制熱系數(shù)。

運(yùn)營(yíng)商熱功率平衡約束為：

[PtMT，h=Ptl，h] （4）

式中：[Ptl，h]——[t]時(shí)段用戶側(cè)從運(yùn)營(yíng)商處購得的熱功率，kW。

微網(wǎng)運(yùn)營(yíng)商一天的總收益可表示為：

[EMG=EMG，g，e+EMG，l，e+EMG，l，h-CMG，cb-CMT-Cg] （5）

式中：[EMG，g，e]、[EMG，l，e]、[EMG，l，h]——運(yùn)營(yíng)商一天內(nèi)與外部電網(wǎng)的交易值、與用戶側(cè)的電力交易值、與用戶側(cè)的熱力交易值，元；[CMG，cb]——運(yùn)營(yíng)商側(cè)各設(shè)備投資成本等日值，元；[CMT]——燃?xì)廨啓C(jī)一天的燃料成本，元；[Cg]——微網(wǎng)與外部電網(wǎng)的交換功率波動(dòng)造成的懲罰費(fèi)用，元。

以上各項(xiàng)可進(jìn)一步表示為：

[EMG，g，e=t=124-λts，g·max（Ptg，mg，0）-λtb，g·min（Ptg，mg，0）] （6）

[EMG，l，e=t=124λts，mg·Ptl，e] （7）

[EMG，l，h=t=124Ptl，h·γs，mg] （8）

[CMT=t=124CtMT] （9）

[CMG，cb=（ces，socEB+ces，pPB+cpvEpv+cMTEMT）·" " " " " " " " r1+rL1+rL-1·Nday] （10）

[Cg=αg·max（Pg，mg）-minPg，mg] （11）

式中：[Ptg，mg]——運(yùn)營(yíng)商從外部電網(wǎng)購得的電功率，kW；[λtb，g]——外部電網(wǎng)的購電價(jià)，元/kWh；[Ptl，e]——用戶側(cè)從運(yùn)營(yíng)商處購得的電功率，kW；[γs，mg]——運(yùn)營(yíng)商對(duì)用戶的售熱價(jià)，元/kWh；[ces，soc]——儲(chǔ)能系統(tǒng)的容量單價(jià)，元/kWh；[[EB]——儲(chǔ)能額定容量，kWh；PB]——儲(chǔ)能額定充放電功率，kW；[ces，p]——儲(chǔ)能系統(tǒng)的功率單價(jià)，元/kW；[cpv]——光伏系統(tǒng)容量單價(jià)，元/kW；[Epv]——光伏容量，kW；[cMT]——微燃機(jī)的容量單價(jià)，元/kW；[EMT]——微燃機(jī)容量，kW；[r]——社會(huì)折現(xiàn)值；[L]——各設(shè)備的設(shè)計(jì)使用年限，a；[Nday]——系統(tǒng)設(shè)備設(shè)計(jì)運(yùn)行時(shí)間，d；[αg]——交換功率波動(dòng)懲罰系數(shù)，元/kW。

3 用戶側(cè)模型

3.1 用戶側(cè)電負(fù)荷

考慮到用戶側(cè)部分電負(fù)荷用電時(shí)間比較靈活，可進(jìn)行調(diào)度，將用戶側(cè)的電負(fù)荷分為剛性電負(fù)荷和柔性電負(fù)荷。其中，用戶側(cè)柔性電負(fù)荷滿足以下約束：

[Ptload1-Ptload2Ptload1≤μe，max] （12）

[Ptload2-Ptload1≤Pmaxadd] （13）

[t=124Ptload2=t=124Ptload1] （14）

式中：[Ptload1]——用戶為未調(diào)整電負(fù)荷時(shí)的[t]時(shí)段的電負(fù)荷功率，kW；[Ptload2]——用戶調(diào)整電負(fù)荷后[t]時(shí)段的電負(fù)荷功率，kW；[μe，max]——用戶側(cè)電負(fù)荷調(diào)整最大比例；[Pmaxadd]——用戶[t]時(shí)刻能移入的最大功率，kW。

3.2 用戶側(cè)熱負(fù)荷

對(duì)于供熱方面，隨著戶用電制熱設(shè)備的快速發(fā)展，大部分用戶可通過電制熱設(shè)備滿足自身熱負(fù)荷需求；考慮到用戶自身利益，用戶可在電價(jià)便宜時(shí)通過電制熱設(shè)備制熱，在電價(jià)較高時(shí)直接從運(yùn)營(yíng)商處購熱。用戶電制熱設(shè)備應(yīng)滿足的約束條件為：

[Pth，e=ηhΔPte，h] （15）

式中：[Pth，e]——電制熱設(shè)備產(chǎn)生的熱功率，kW；[ηh]——電制熱設(shè)備的制熱系數(shù)[ΔPte，h]——用戶側(cè)在[t]時(shí)段電制熱設(shè)備的電功率，kW。

用戶側(cè)的熱負(fù)荷平衡約束為：

[Ptl，h=Pth，load-ΔPth，load-Pth，e] （16）

式中：[Ptl，h]——用戶側(cè)從運(yùn)營(yíng)商處購得的熱功率，kW；[Pth，load]——用戶側(cè)在[t]時(shí)段的熱功率的預(yù)測(cè)值，kW；[ΔPth，load]——[t]時(shí)段用戶側(cè)熱功率的削減值，kW；[Pth，e]——用戶側(cè)電制熱設(shè)備所產(chǎn)生的熱功率，kW。

其中用戶側(cè)在[t]時(shí)段的熱負(fù)荷削減量應(yīng)滿足：

[ΔPth，loadPth，load≤δh，max] （17）

式中：[δh，max]——用戶側(cè)熱負(fù)荷削減最大比例。

3.3 用戶側(cè)收益

綜上，用戶側(cè)在[t]時(shí)段的凈電負(fù)荷可表示為：

[Ptl，e=Ptload2+ΔPte，h] （18）

式中：[Ptl，e]——[t]時(shí)段用戶側(cè)從運(yùn)營(yíng)商處購得的電功率，kW；[ΔPte，h]——用戶側(cè)電制熱設(shè)備消耗的電功率，kW。

用戶側(cè)一天的運(yùn)行成本可表示為：

[El=EMG，l，e+EMG，l，h+t=124αΔPth，load2] （19）

式中：[EMG，l，e]、[EMG，l，h]——用戶側(cè)的電、熱成本（對(duì)應(yīng)運(yùn)營(yíng)商的售電收益和售熱收益），元；[t=124αΔPth，load2]——由于熱負(fù)荷削減造成用戶舒適度下降而產(chǎn)生的懲罰費(fèi)用，元。

4 多場(chǎng)景生成和削減分析法

由于風(fēng)電、光伏等可再生能源出力具有不確定性［13］，如果直接使用預(yù)測(cè)數(shù)據(jù)作為已知量進(jìn)行優(yōu)化處理最終結(jié)果可能會(huì)有較大誤差。因此本文通過含概率信息的典型場(chǎng)景集來描述光伏出力的不確定性［14］。首先假設(shè)光伏發(fā)電功率服從正態(tài)分布[Nμ，δ2]，其中[μ]為預(yù)測(cè)光電功率值，[δ]為光電波動(dòng)的百分比。采用拉丁超立方方法生成大量服從概率分布的光伏出力場(chǎng)景集合[S]［15］。然后采用基于概率距離的快速前代消除技術(shù)進(jìn)行場(chǎng)景削減，基本步驟為：

1）計(jì)算場(chǎng)景集合[S]中每對(duì)場(chǎng)景[sn，sm]的幾何距離。

2）得到場(chǎng)景集合中每個(gè)場(chǎng)景[sn]與其他場(chǎng)景的幾何距離最小值，并將最小值與[sn]發(fā)生概率[pn]相乘，得到集合[D]。

3）找到[D]中最小值，設(shè)最小值對(duì)應(yīng)場(chǎng)景為[d]。

4）選定場(chǎng)景集合[S]中與場(chǎng)景[d]幾何距離最小的場(chǎng)景[r]。

5）以場(chǎng)景[r]替代場(chǎng)景[d]，并將[d]的概率加到場(chǎng)景[r]的概率上，消除[d]，形成新的場(chǎng)景集合[S′]。

6）判斷剩余場(chǎng)景數(shù)是否達(dá)到要求；若未達(dá)到要求，重復(fù)步驟1～6；若達(dá)到要求，則場(chǎng)景削減完成。

本文采用拉丁超立方方法生成含有1000個(gè)光伏出力場(chǎng)景的場(chǎng)景集合，最后通過場(chǎng)景削減獲取光伏發(fā)電的10個(gè)代表性場(chǎng)景及其對(duì)應(yīng)的概率集合[P]。

5 基于主從博弈的微網(wǎng)運(yùn)營(yíng)商定價(jià)模型

微網(wǎng)運(yùn)營(yíng)商首先制定一天的社區(qū)微電網(wǎng)的售電價(jià)，用戶側(cè)則根據(jù)運(yùn)營(yíng)商制定的電價(jià)調(diào)節(jié)自身的電、熱負(fù)荷，并將最終的優(yōu)化結(jié)果上傳到運(yùn)營(yíng)商處，運(yùn)營(yíng)商則根據(jù)用戶側(cè)的最終優(yōu)化結(jié)果以自身獲利最大為目標(biāo)確定儲(chǔ)能設(shè)備的充放電功率，并根據(jù)自身所得收益重新制定定價(jià)策略直至找到最優(yōu)定價(jià)策略。顯然，運(yùn)營(yíng)商與用戶各自的決策均會(huì)影響對(duì)方收益，而且雙方存在利益沖突且雙方?jīng)Q策具有先后順序。因此將運(yùn)營(yíng)商與用戶側(cè)視為一個(gè)主從博弈模型。

對(duì)于微網(wǎng)運(yùn)營(yíng)商，求解的目標(biāo)函數(shù)為最終的收益最大，求解一天的最優(yōu)電價(jià)；對(duì)于用戶側(cè)：求解目標(biāo)為一天的電熱成本最小，求解一天的電負(fù)荷轉(zhuǎn)移曲線，熱負(fù)荷削減曲線，電制熱設(shè)備發(fā)熱曲線以及從運(yùn)營(yíng)商處購熱曲線。本文通過遺傳算法對(duì)上層微網(wǎng)運(yùn)營(yíng)商的售電價(jià)進(jìn)行初始化和更新，而直接用[gurobi]求解器直接對(duì)下層優(yōu)化問題進(jìn)行求解，具體流程如圖2所示。

6 基于場(chǎng)景削減法的計(jì)及不確定性最優(yōu)電價(jià)兩階段求解策略

如圖3，第一階段為針對(duì)每一個(gè)削減后的典型場(chǎng)景求解對(duì)應(yīng)的最優(yōu)電價(jià)，即將削減后的10個(gè)典型場(chǎng)景分別應(yīng)用到上述求解模型中，并得到對(duì)應(yīng)的最優(yōu)電價(jià)集[A=A1，A2，???，A10]。第二階段將10個(gè)典型光伏出力場(chǎng)景與[A]中每一電價(jià)交叉組合，得到[A]中每一電價(jià)對(duì)所有典型場(chǎng)景的加權(quán)和，即：針對(duì)[A]中每一電價(jià)[An]，求解不同典型光伏出力場(chǎng)景下的運(yùn)營(yíng)商收益[Cn，m]；而[An]所對(duì)應(yīng)的所有典型場(chǎng)景加權(quán)和[Cn]即為在電價(jià)[An]下10個(gè)不同場(chǎng)景下的運(yùn)營(yíng)商收益[Cn，m]與對(duì)應(yīng)場(chǎng)景概率的乘積之和［16］。求出[A]中每一電價(jià)所對(duì)應(yīng)加權(quán)和[Cn]后，其中最大的加權(quán)和所對(duì)應(yīng)的電價(jià)即為計(jì)及光伏出力不確定性的最優(yōu)電價(jià)。

7 算例分析

7.1 算例描述

本文以一個(gè)典型的居民社區(qū)為例，居民配有儲(chǔ)能設(shè)備和電制熱設(shè)備，社區(qū)內(nèi)微網(wǎng)運(yùn)營(yíng)商則配有燃?xì)廨啓C(jī)、光伏發(fā)電設(shè)備和儲(chǔ)能系統(tǒng)。用戶側(cè)各類負(fù)荷曲線和運(yùn)營(yíng)商側(cè)光伏預(yù)測(cè)發(fā)電曲線分別如圖4所示。外部電網(wǎng)的分時(shí)電價(jià)如表1所示。微網(wǎng)運(yùn)營(yíng)商以分時(shí)電價(jià)從外部電網(wǎng)購得電力，且運(yùn)營(yíng)商對(duì)用戶側(cè)的售熱價(jià)為0.6元/kW。其余參數(shù)見附錄A。

7.2 算例分析

為研究運(yùn)營(yíng)商側(cè)儲(chǔ)能存在的必要性，本文設(shè)置以下5種情形對(duì)所提定價(jià)方法進(jìn)行分析：

情形1：社區(qū)微網(wǎng)內(nèi)部采用外部電網(wǎng)分時(shí)電價(jià)且無儲(chǔ)能。

情形2：社區(qū)微網(wǎng)運(yùn)營(yíng)商按上述定價(jià)方法自主定價(jià)且無儲(chǔ)能。

情形3：社區(qū)微網(wǎng)內(nèi)部采用外部電網(wǎng)分時(shí)電價(jià)且配置400 kWh，100 kW儲(chǔ)能。

情形4：社區(qū)微網(wǎng)運(yùn)營(yíng)商按上述定價(jià)方法自主定價(jià)且配置400 kWh，100 kW儲(chǔ)能。

情形5：社區(qū)微網(wǎng)運(yùn)營(yíng)商按上述定價(jià)方法自主定價(jià)且配置800 kWh，200 kW儲(chǔ)能。

將所提模型應(yīng)用于上述情形中，利用Matlab軟件求解，得到5種情形下雙方收益結(jié)果。不同情形下運(yùn)營(yíng)商收益和用戶電、熱成本分別如表2、表3所示。對(duì)比情形1、2可發(fā)現(xiàn)運(yùn)營(yíng)商收益從904.7元增至1038.9元，而用戶側(cè)的電、熱成本則從4366.6元降至4262.1元，同時(shí)光伏就地消納率從68.1%提高到81.7%。這是因?yàn)椋?）運(yùn)營(yíng)商通過電價(jià)激勵(lì)用戶在光伏高發(fā)時(shí)段增加電負(fù)荷，減少外送功率，如圖5、圖6所示，在運(yùn)營(yíng)商電價(jià)激勵(lì)下，用戶在12：00—15：00進(jìn)行電制熱，消納光伏多余電量，減小倒送功率；2）鼓勵(lì)用戶從運(yùn)營(yíng)商處購熱，增加微燃機(jī)出力時(shí)段，相比于情形1，情形2在06：00—09：00時(shí)段內(nèi)從運(yùn)營(yíng)商直接購熱，如圖7所示。這兩個(gè)原因共同作用，降低了運(yùn)營(yíng)商購電成本，使運(yùn)營(yíng)商總收益增加的同時(shí)降低了用戶的電熱成本。對(duì)比情形3、4，同樣可發(fā)現(xiàn)電價(jià)優(yōu)化后運(yùn)營(yíng)商收益可提高14.2%，用戶的運(yùn)行成本降低0.92%。區(qū)別在于，情形4相比于情形3光伏就地消納率提高的并不如前兩個(gè)情形明顯，因?yàn)樵谝越?jīng)濟(jì)效益為目標(biāo)下儲(chǔ)能首先要促進(jìn)光伏就地消納，所以配備儲(chǔ)能的情形3、4的光伏消納率都較高。綜上所述，通過將分時(shí)電價(jià)按上文所提方法優(yōu)化，可以使在運(yùn)營(yíng)商側(cè)利益增加的同時(shí)，用戶側(cè)成本降低，實(shí)現(xiàn)運(yùn)營(yíng)商與用戶的雙贏。

圖8a和圖8b分別為情形1和情形3運(yùn)營(yíng)商側(cè)負(fù)荷分布圖。對(duì)比情形1、3可發(fā)現(xiàn)，在加入儲(chǔ)能后，儲(chǔ)能在10：00—15：00進(jìn)行充電消納光伏所發(fā)多余電量，而在其他電價(jià)較高時(shí)段放電降低購電支出，光伏就地消納率從65.1%提高到85.3%，并將購電支出降低261.4元，使運(yùn)營(yíng)商側(cè)總收益提高71.9元。對(duì)比情形2、4同樣可發(fā)現(xiàn)：通過在運(yùn)營(yíng)商配備400 kWh的儲(chǔ)能，運(yùn)營(yíng)商所獲收益提高7.4%。而對(duì)比情形4、5可發(fā)現(xiàn)，在加大儲(chǔ)能配置后，如圖8c和圖8d所示，光伏就地消納率消納率得到明顯提升，與外部電網(wǎng)間電能交易主要在22：00—06：00，15：00—17：00兩個(gè)時(shí)間段，并且功率維持在約200 kW，因此購電成本進(jìn)一步下降，但需承擔(dān)較高的儲(chǔ)能成本，導(dǎo)致最后運(yùn)營(yíng)商收益相比于情形4下降91元。因此從經(jīng)濟(jì)角度來看，配備合適容量的儲(chǔ)能更能實(shí)現(xiàn)運(yùn)營(yíng)商利益的最大化。綜上所述，在運(yùn)營(yíng)商側(cè)配備適量的儲(chǔ)能有利于促進(jìn)新能源的就地消納并增加運(yùn)營(yíng)商的收益。

7.3 計(jì)及不確定性電價(jià)求解結(jié)果分析

本文為驗(yàn)證計(jì)及不確定性電價(jià)求解方法的有效性，設(shè)計(jì)兩種優(yōu)化方案：

方案一：未考慮光伏出力不確定性，即按照預(yù)測(cè)光伏出力求解運(yùn)營(yíng)商的最優(yōu)電價(jià)。

方案二：考慮到光伏出力不確定性，按照前文所提基于場(chǎng)景削減法的計(jì)及不確定性最優(yōu)電價(jià)兩階段求解策略求解最優(yōu)電價(jià)。

分別按照所提兩種方案對(duì)運(yùn)營(yíng)商的最優(yōu)電價(jià)進(jìn)行求解。然后生成15個(gè)服從概率分布的光電出力場(chǎng)景，構(gòu)成測(cè)試場(chǎng)景集。分別求得上述兩種最優(yōu)電價(jià)下的不同測(cè)試場(chǎng)景的微網(wǎng)運(yùn)營(yíng)商的最佳收益值，結(jié)果如圖9所示。可看出，方案二電價(jià)的整體收益相較方案一較高，而且不同場(chǎng)景下的收益波動(dòng)較低。經(jīng)過計(jì)算，方案二電價(jià)不同場(chǎng)景下的最佳日收益平均值相較方案一提高37.6元；而方案二在不同場(chǎng)景下的收益方差卻相較方案一下降了16.9%。由此可見，方案一僅能反映特定場(chǎng)景下的優(yōu)化結(jié)果，無法體現(xiàn)光伏出力不確定性的影響，所得的優(yōu)化結(jié)果在應(yīng)用于其他場(chǎng)景時(shí)并非最優(yōu)方案而且不同場(chǎng)景下的收益波動(dòng)較大；而方案二考慮到了多場(chǎng)景下的光伏出力對(duì)優(yōu)化結(jié)果的影響，最終所得的優(yōu)化方案也較合理。

8 結(jié) 論

本文提出一種考慮光伏出力不確定性的基于主從博弈的社區(qū)微網(wǎng)運(yùn)營(yíng)商電價(jià)優(yōu)化方法并通過了算例驗(yàn)證，得到主要結(jié)論如下：

1）本文所提基于主從博弈的社區(qū)運(yùn)營(yíng)商電價(jià)優(yōu)化方法可在不增加用戶側(cè)原運(yùn)行成本的前提下，實(shí)現(xiàn)運(yùn)營(yíng)商利益的最大化。經(jīng)過算例驗(yàn)證，采用經(jīng)過優(yōu)化后的電價(jià)后運(yùn)營(yíng)商所得的利益相比于原分時(shí)電價(jià)所得利益增加了14.2%，同時(shí)用戶側(cè)的電熱成本降低了0.92%；最終實(shí)現(xiàn)了運(yùn)營(yíng)商與用戶的雙贏。

2）通過在運(yùn)營(yíng)商側(cè)配備不同大小儲(chǔ)能對(duì)比發(fā)現(xiàn)：通過配備適量的儲(chǔ)能可促進(jìn)社區(qū)內(nèi)光伏的就地消納率，減小外送功率，可將運(yùn)營(yíng)商收益提高7.4%；而如果配備儲(chǔ)能過多，雖然可進(jìn)一步促進(jìn)光伏消納率，但同時(shí)儲(chǔ)能成本也會(huì)相應(yīng)增加，從經(jīng)濟(jì)角度來看，對(duì)運(yùn)營(yíng)商并不劃算。

3）采用基于場(chǎng)景削減法的計(jì)及不確定性最優(yōu)電價(jià)兩階段求解方法求解考慮到光伏出力不確定性的情況下的最優(yōu)電價(jià)，經(jīng)過算例驗(yàn)證表明：通過該方法所求最優(yōu)電價(jià)在不同測(cè)試場(chǎng)景下的運(yùn)營(yíng)商收益均值提高了37.6元，而波動(dòng)方差降低了16.9%，說明該電價(jià)在不同場(chǎng)景下的普適性更好。

［參考文獻(xiàn)］

［1］ 賀元康， 丁濤， 劉瑞豐， 等. 新能源消納電量庫交易機(jī)制的實(shí)踐與經(jīng)驗(yàn)［J］. 電力系統(tǒng)自動(dòng)化， 2021， 45（7）： 163-169.

HE Y K， DING T， LIU R F， et al. Practice and experience of trading mechanism for energy pool of renewable" "energy" "accommodation［J］." "Automation" "of electric power systems， 2021， 45（7）： 163-169.

［2］ 張大海， 贠韞韻， 王小君， 等. 計(jì)及風(fēng)光不確定性的新能源虛擬電廠多時(shí)間尺度優(yōu)化調(diào)度［J］. 太陽能學(xué)報(bào)， 2022， 43（11）： 529-537.

ZHANG D H， YUN Y Y， WANG X J， et al. Multi-time scale of new energy scheduling optimization for virtual power plant considering uncertainty of wind power and photovoltaic power［J］. Acta energiae solaris sinica， 2022， 43（11）： 529-537.

［3］ LI S M， WANG J， LIU Q， et al. Analysis of status of photovoltaic and wind power abandoned in China［J］. Journal of power and energy engineering， 2017， 5（1）： 91-100.

［4］ 王秀麗， 閆璐， 劉豹， 等. 基于合作-非合作博弈的光儲(chǔ)荷網(wǎng)協(xié)同運(yùn)行策略［J］. 太陽能學(xué)報(bào)， 2023， 44（5）： 128-138.

WANG X L， YAN L， LIU B， et al. Cooperative operational strategies of photovoltaic， energy storage， load and power grid based on cooperative and non-cooperative game［J］. Acta energiae solaris sinica， 2023， 44（5）： 128-138.

［5］ 陳厚合， 吳桐， 李本新， 等. 考慮建筑熱慣性的園區(qū)代理商電價(jià)策略及用能優(yōu)化［J］. 電力系統(tǒng)自動(dòng)化， 2021， 45（3）： 148-156.

CHEN H H， WU T， LI B X， et al. Electricity pricing strategy of park retailer and energy optimization considering thermal inertia of building［J］. Automation of electric power systems， 2021， 45（3）： 148-156.

［6］ 李媛， 馮昌森， 文福拴， 等. 含電動(dòng)汽車和電轉(zhuǎn)氣的園區(qū)能源互聯(lián)網(wǎng)能源定價(jià)與管理［J］. 電力系統(tǒng)自動(dòng)化， 2018， 42（16）： 1-10.

LI Y， FENG C S， WEN F S， et al. Energy pricing and management for park-level energy internets with electric vehicles and power-to-gas devices［J］. Automation of electric power systems， 2018， 42（16）： 1-10.

［7］ 王海洋， 李珂， 張承慧， 等. 基于主從博弈的社區(qū)綜合能源系統(tǒng)分布式協(xié)同優(yōu)化運(yùn)行策略［J］. 中國(guó)電機(jī)工程學(xué)報(bào)， 2020， 40（17）： 5435-5445.

WANG H Y， LI K， ZHANG C H， et al. Distributed coordinative optimal operation of community integrated energy system based on stackelberg game［J］. Proceedings of the CSEE， 2020， 40（17）： 5435-5445.

［8］ LIU N， HE L， YU X H， et al. Multiparty energy management for grid-connected microgrids with heat- and electricity-coupled" " " "demand" " " "response［J］." " " "IEEE transactions on industrial informatics， 2018， 14（5）： 1887-1897.

［9］ 劉文霞， 王舒， 張?chǎng)┏蹋?等. 考慮需求側(cè)電價(jià)的配電網(wǎng)儲(chǔ)能設(shè)備運(yùn)行策略與容量的協(xié)調(diào)優(yōu)化［J］. 現(xiàn)代電力， 2018， 35（5）： 70-78.

LIU W X， WANG S， ZHANG W C， et al. The coordination optimization method of operation strategy and capacity of energy storage devices in distribution network considering" demand" side" electricity" price［J］." Modern electric power， 2018， 35（5）： 70-78.

［10］ 王仕俊， 平常， 薛國(guó)斌. 考慮共享儲(chǔ)能的社區(qū)綜合能源系統(tǒng)協(xié)同優(yōu)化研究［J］. 中國(guó)電力， 2018， 51（8）： 77-84.

WANG S J， PING C， XUE G B. Synergic optimization of community energy Internet considering the shared energy storage［J］. Electric power， 2018， 51（8）： 77-84.

［11］ 蔣向兵， 湯波， 余光正， 等. 面向新能源就地消納的園區(qū)儲(chǔ)能與電價(jià)協(xié)調(diào)優(yōu)化方法［J］. 電力系統(tǒng)自動(dòng)化， 2022， 46（5）： 51-64.

JIANG X B， TANG B， YU G Z， et al. Coordination and optimization method of park-level energy storage and electricity price for local accommodation of renewable energy［J］. Automation of electric power systems， 2022， 46（5）： 51-64.

［12］ 帥軒越， 馬志程， 王秀麗， 等. 基于主從博弈理論的共享儲(chǔ)能與綜合能源微網(wǎng)優(yōu)化運(yùn)行研究［J］. 電網(wǎng)技術(shù)， 2023， 47（2）： 679-690.

SHUAI X Y， MA Z C， WANG X L， et al. Optimal operation of shared energy storage and integrated energy microgrid based on leader-follower game theory［J］. Power system technology， 2023， 47（2）： 679-690.

［13］ 朱怡瑩， 周榮生， 羅龍波. 考慮需求響應(yīng)與光伏不確定性的電力系統(tǒng)經(jīng)濟(jì)調(diào)度［J］. 太陽能學(xué)報(bào)， 2023， 44（1）： 62-68.

ZHU Y Y， ZHOU R S， LUO L B. Economic dispatch of power system considering demand response and PV uncertainty［J］. Acta energiae solaris sinica， 2023， 44（1）： 62-68.

［14］ 董文略， 王群， 楊莉. 含風(fēng)光水的虛擬電廠與配電公司協(xié)調(diào)調(diào)度模型［J］. 電力系統(tǒng)自動(dòng)化， 2015， 39（9）： 75-81， 207.

DONG W L， WANG Q， YANG L. A coordinated dispatching model for a distribution utility and virtual power plants with wind/photovoltaic/hydro generators［J］. Automation of electric power systems， 2015， 39（9）： 75-81， 207.

［15］ 程杉， 黃天力， 魏榮宗. 含冰蓄冷空調(diào)的冷熱電聯(lián)供型微網(wǎng)多時(shí)間尺度優(yōu)化調(diào)度［J］. 電力系統(tǒng)自動(dòng)化， 2019， 43（5）： 30-38.

CHENG S， HUANG T L， WEI R Z. Multi-time-scale optimal scheduling of CCHP microgrid with ice-storage air-conditioning［J］. Automation of electric power systems， 2019， 43（5）： 30-38.

［16］ 程杉， 徐建宇， 何暢， 等. 計(jì)及不確定性的綜合能源系統(tǒng)容量規(guī)劃方法［J］. 電力系統(tǒng)保護(hù)與控制， 2021， 49（18）： 17-24.

CHENG S， XU J Y， HE C， et al. Optimal capacity planning of an integrated energy system considering uncertainty［J］. Power system protection and control， 2021， 49（18）： 17-24.

［17］ 趙詣， 方陳， 馮冬涵， 等. 考慮電池儲(chǔ)能壽命損耗的風(fēng)光儲(chǔ)微網(wǎng)隨機(jī)日前調(diào)度策略［J］. 電氣工程學(xué)報(bào)， 2022， 17（3）： 210-218.

ZHAO Y， FANG C， FENG D H， et al. Stochastic day-ahead scheduling optimization for wind-PV-ES microgrid considering" battery" life" loss［J］." Journal" of" electrical engineering， 2022， 17（3）： 210-218.

ELECTRICITY PRICE OPTIMIZATION METHOD FOR COMMUNITY MICROGRID OPERATORS BASED ON LEADER-FOLLOWER GAME CONSIDERING UNCERTAINTY

Yan Xiangwu，Wang Qing’ao，Bu Jinyong，Sun Shaobin

（Hebei Provincial Key Laboratory of Distributed Energy Storage and Microgrid

North China Electric Power University）， Baoding， 071003， China）

Abstract：electricity price optimization method for community microgrid operators based on leader-follower game is proposed inthis paper， At the same time， the photovoltaic uncertainty through scene reduction is described. Firstly， establish optimization operation models for microgrid operators and users respectively. Secondly， analyze the game relationship between operators and users， establish a leader-follower game model led by operators， and use a two-stage solution method based on scene reduction to solve the optimal electricity price considering uncertainty. Finally， through case analysis and verification， the proposed electricity price optimization method can increase the revenue of operators by 14.2%， while reducing the electricity and heating cost of users by 0.92%； It also indicates that an appropriate amount of energy storage can promote the on-site consumption of photovoltaic energy and increase the revenue of operators； In addition， the average revenue for operators in different random scenarios when the optimal electricity price obtained by this method increases by 37.6 yuan， while the fluctuation variance in different scenarios decreases by 16.9%， which means that the electricity price has better universality in different photovoltaic output scenarios.

Keywords：uncertainty analysis； microgrids； optimization； photovoltaic； leader-follower game； scene reduction

附錄A

表A1 運(yùn)營(yíng)商側(cè)其余參數(shù)

Table A1 Parameters on operator side

表A2 用戶側(cè)各類負(fù)荷參數(shù)

Table A2 Various load parameters on user side