白昱陽，張俊，王曉輝，陳思遠(yuǎn)，高天露，劉鵬

(1.武漢大學(xué)電氣與自動化學(xué)院，武漢市 430072；2. 中國電力科學(xué)研究院有限公司，北京市 100192)

0 引 言

隨著全球化石能源的緊缺和環(huán)境污染加劇，加強(qiáng)環(huán)境保護(hù)、轉(zhuǎn)變電能生產(chǎn)方式、開發(fā)可持續(xù)的清潔電能成為了世界各國的共識。以風(fēng)能、太陽能等為主的可再生能源由于其儲量大、無污染的特性，對于緩解能源緊缺、優(yōu)化能源結(jié)構(gòu)有著十分重要的作用[1]。

近些年，世界各國紛紛加大了對可再生能源發(fā)電的發(fā)展力度[2]，風(fēng)能、太陽能等可再生能源的發(fā)電技術(shù)日益成熟，各國的風(fēng)電或光伏發(fā)電的裝機(jī)容量逐年提升。然而，由于可再生能源發(fā)電的隨機(jī)性和波動性，可再生能源的并網(wǎng)率始終處于較低水平，大規(guī)模的棄風(fēng)棄光現(xiàn)象亟需利用有效的技術(shù)手段解決?，F(xiàn)階段，單獨(dú)依靠源側(cè)的靈活性機(jī)組很難實(shí)現(xiàn)可再生能源的高比例消納，還需要利用市場的手段，結(jié)合需求側(cè)進(jìn)行資源的聯(lián)合優(yōu)化配置，促進(jìn)可再生能源在電力市場中進(jìn)行消納[3-6]。

分布式可再生能源作為可靈活配置的資源，在參與電力市場時(shí)會以大規(guī)模分散式主體的形式存在，這給集中式的電力市場出清帶來了極大的挑戰(zhàn)。因此，考慮到分散式市場主體的交易規(guī)模和隱私保護(hù)等因素，研究適合于包含大規(guī)模分散式主體的分散式電力市場模式具有重大意義。文獻(xiàn)[7]分析了英國電力零售市場的改革與挑戰(zhàn)，其通過分散式電力零售市場交易機(jī)制與監(jiān)督體系促進(jìn)電力零售市場的自由化。文獻(xiàn)[8]對北歐電力市場進(jìn)行了研究與分析，其利用分散式電力市場機(jī)制形成了首個(gè)跨國分散式電力交易市場，在可再生能源消納、智能電網(wǎng)建設(shè)等方面取得了較好效果。

然而，可再生能源發(fā)電具有極大的隨機(jī)性和波動性，會導(dǎo)致其參與到電力市場時(shí)無法與傳統(tǒng)火力發(fā)電進(jìn)行競爭。因此，需要設(shè)計(jì)合適的市場機(jī)制來促進(jìn)可再生能源參與電力市場。文獻(xiàn)[9]通過對國外電力市場配額制的研究，提出需要針對可再生能源配額制構(gòu)建適合中國電力市場的市場交易體系，將用戶納入到可再生能源配額中，激發(fā)用戶側(cè)的靈活性資源幫助實(shí)現(xiàn)可再生能源的發(fā)展。文獻(xiàn)[10]對國外的可再生能源配額制的研究情況進(jìn)行了綜述，分析了可再生能源配額制的實(shí)施框架及配額制對市場行為的影響，表明配額制可以促進(jìn)可再生能源的消納。文獻(xiàn)[11]研究可再生能源發(fā)電參與電力市場時(shí)考慮了碳排放權(quán)交易的火電發(fā)電商、可再生能源發(fā)電商及政府的行為，說明了固定電價(jià)和綠色證書交易政策可以提高可再生能源發(fā)電的比例。文獻(xiàn)[12]提出了結(jié)合可再生能源固定電價(jià)制和綠色證書配額制的發(fā)電商決策分析模型，此模型以市場所有發(fā)電商的總體利益最大化為目標(biāo)，并采用多智能體粒子群算法進(jìn)行求解，驗(yàn)證了所提市場優(yōu)化模型的有效性，能夠有效地促進(jìn)可再生能源的發(fā)展。

可再生能源配額制能夠很好地促進(jìn)可再生能源的發(fā)展，然而可再生能源配額制主要存在以下局限性：1)可再生能源的配額是未來能源結(jié)構(gòu)的發(fā)展目標(biāo)，現(xiàn)階段缺乏有效的激勵手段[13]； 2)可再生能源配額制是政府強(qiáng)制要求可再生能源占比的一種模式，缺乏完全市場化的激勵機(jī)制，市場主體參與促進(jìn)可再生能源發(fā)展的積極性并不能得到有效的保證；3)市場中存在的可再生能源主體主要以大規(guī)模分散式的形式存在，這給可再生能源配額制的管控帶來了挑戰(zhàn)。

在此基礎(chǔ)上，本文提出一種基于通證激勵機(jī)制的分散式電力市場，以完全去中心化的方式進(jìn)行分散式電力市場出清，且利用市場化的手段對可再生能源參與市場進(jìn)行激勵。首先對通證激勵機(jī)制和分散式電力市場基本結(jié)構(gòu)進(jìn)行概述；然后建立以市場發(fā)電成本和碳排放治理成本最小為目標(biāo)、考慮可再生能源參與的分散式電力市場出清模型；接著設(shè)計(jì)可再生能源發(fā)電-通證兌換機(jī)制，并建立考慮電價(jià)不確定性的含可再生能源發(fā)電商行為決策模型；最后進(jìn)行算例仿真，驗(yàn)證所提分散式電力市場出清模型和通證激勵機(jī)制的有效性。

1 考慮通證交易的分散式電力市場架構(gòu)設(shè)計(jì)

1.1 通證激勵機(jī)制

考慮到可再生能源具有不可調(diào)度性，單一的可再生能源發(fā)電機(jī)組難以參與電力市場，在激勵機(jī)制不足的情況下發(fā)電商不愿意承擔(dān)偏差費(fèi)用帶來的利潤風(fēng)險(xiǎn)。傳統(tǒng)的激勵機(jī)制均存在一定程度的激勵不足問題，例如碳排放市場中的碳價(jià)對發(fā)電商的利潤影響太小，利用可再生能源獲得的利潤可能無法覆蓋其出力隨機(jī)性帶來的懲罰費(fèi)用，這是因?yàn)樘純r(jià)作為強(qiáng)化物不具備較大的強(qiáng)化作用。

相比于傳統(tǒng)激勵機(jī)制中的強(qiáng)化物，基于通證激勵機(jī)制的通證作為強(qiáng)化物會具有很多獨(dú)特的優(yōu)勢[14]，主要表現(xiàn)在以下2個(gè)方面：

1)通證一般不受激勵的短暫性狀態(tài)影響，其價(jià)值不會隨著單一權(quán)益的價(jià)值波動而波動，可以持續(xù)具有較強(qiáng)的激勵作用；

2)通證一般選用具有安全、高效、流通速度快的物品，可以促使市場中各種利益主體進(jìn)行交易，避免了傳統(tǒng)激勵機(jī)制只對部分主體具有激勵機(jī)制的局限性。

考慮到電力系統(tǒng)有著節(jié)能減排和維持系統(tǒng)穩(wěn)定的目的與需求，在本文中主要考慮對發(fā)電商使用可再生能源的激勵機(jī)制。市場運(yùn)營中心通過計(jì)算發(fā)電商使用可再生能源發(fā)電而減少的碳排放量，按照一定的折算率建立可再生能源發(fā)電量與通證獎勵量的獎勵關(guān)系，在發(fā)電商獲得通證后允許其使用通證在市場中兌換市場競爭權(quán)益(例如電量市場的優(yōu)先出清電量、調(diào)頻市場的調(diào)頻準(zhǔn)入量等)，由于所對應(yīng)的權(quán)益是與市場相關(guān)的收益，在不給市場造成額外的財(cái)政補(bǔ)貼壓力的情況下最大化發(fā)電商的可能利潤。

1.2 市場架構(gòu)

本文所提的分散式電力市場由電量市場和通證市場兩大部分組成，其結(jié)構(gòu)如圖1所示。電量市場是以分散式方式進(jìn)行出清，各發(fā)電商通過信息交互的方式進(jìn)行迭代共識與信息更新，在不依賴于市場中心協(xié)調(diào)機(jī)構(gòu)的前提下形成市場的出清方案。通證市場是以掛牌成交、點(diǎn)對點(diǎn)交易的方式運(yùn)行，發(fā)電商在市場運(yùn)營中心掛出愿意出售的通證數(shù)量，通證的價(jià)格是根據(jù)通證市場中掛牌交易的情況而決定的，交易雙方通過雙向報(bào)價(jià)和協(xié)商撮合的方式來形成通證的交易價(jià)格。

圖1 分散式電力市場運(yùn)行結(jié)構(gòu)圖Fig.1 Diagram of the operation structure of distributed power market

如1.1節(jié)中所述，通證可以用于電量市場兌換優(yōu)先出清電量，使用可再生能源的發(fā)電商會被獎勵一定數(shù)量的通證，通證市場設(shè)置在電量市場之后用于市場各主體間進(jìn)行通證交易。因?yàn)橥ㄗC的權(quán)益、價(jià)格與市場電價(jià)有著一定的關(guān)系，且隨著市場中通證的數(shù)量而改變。在通證市場中，發(fā)電商會根據(jù)遠(yuǎn)期電量市場的價(jià)格和市場中通證的交易情況來選擇通證出售策略，最后通過點(diǎn)對點(diǎn)交易的方式與市場中購買主體完成交易。

2 含可再生能源的分散式電力市場模型

電力市場出清是一個(gè)發(fā)電商與用戶的雙邊決策問題，對電力市場的均衡有著重要的意義。在電力市場的出清計(jì)算時(shí)必須滿足電力系統(tǒng)的約束條件，如功率平衡約束、機(jī)組自身的出力及爬坡約束等。由于市場的出清電價(jià)一般作為市場的結(jié)算電價(jià)，對于參與電力市場的發(fā)電商來說，準(zhǔn)確掌握市場的出清電價(jià)，則可以按照市場出清電價(jià)選擇合理的報(bào)價(jià)策略，幫助發(fā)電商實(shí)現(xiàn)自身收益的最大化。本節(jié)在分散式電力市場出清的基礎(chǔ)上，引入了可再生能源參與電力市場的激勵機(jī)制，利用納什均衡模型對通證市場的實(shí)時(shí)和遠(yuǎn)期市場價(jià)格進(jìn)行出清，最大化通證激勵機(jī)制在分散式電力市場中的促進(jìn)作用。

2.1 分散式電量市場出清模型

2.1.1出清模型構(gòu)建

在分散式電力市場中，建立基于直流潮流最優(yōu)的分布式安全約束經(jīng)濟(jì)調(diào)度模型，在考慮了電力系統(tǒng)網(wǎng)絡(luò)潮流約束的同時(shí)，從系統(tǒng)的經(jīng)濟(jì)性、可靠性等功能性目標(biāo)函數(shù)出發(fā)對各節(jié)點(diǎn)發(fā)電資源進(jìn)行優(yōu)化調(diào)度。同時(shí)，由于考慮可再生能源參與市場帶來的影響，在出清模型中將系統(tǒng)的碳排放治理成本作為目標(biāo)函數(shù)之一。因此，含可再生能源的分散式電力市場的出清模型詳述如下。

1)火電機(jī)組發(fā)電成本。

火電機(jī)組的成本即為發(fā)電的燃料成本，一般考慮為發(fā)電功率的二次函數(shù)，發(fā)電成本函數(shù)為：

(1)

2)可再生能源機(jī)組運(yùn)行成本。

可再生能源機(jī)組運(yùn)行成本考慮為發(fā)電功率的一次函數(shù)，運(yùn)行成本函數(shù)為：

(2)

在本節(jié)考慮的是可再生能源和火電按比例上網(wǎng)的策略，假定可再生能源和火電的占比分別為σi和1-σi，且0≤σi≤1。

則可再生能源機(jī)組和火電機(jī)組出力分別為：

(3)

(4)

(5)

式中：Pi為發(fā)電商i的出力值。則發(fā)電商成本函數(shù)為：

Ci=ai[(1-σi)Pi]2+bi(1-σi)Pi+

(6)

3)碳排放成本。

由于可再生能源發(fā)電具有無污染的特點(diǎn)，幾乎不產(chǎn)生對環(huán)境有害的氣體，因此系統(tǒng)中增加可再生能源發(fā)電可以減少電力系統(tǒng)的碳排放，降低環(huán)境治理成本。含有可再生能源發(fā)電和火力發(fā)電的發(fā)電商i由于碳排放產(chǎn)生的環(huán)境治理成本為：

(7)

式中：φres和φT分別為單位可再生能源機(jī)組和火電機(jī)組出力產(chǎn)生的碳排放量；k0是單位碳排放量的治理成本系數(shù)。

根據(jù)式(1)—(7)，系統(tǒng)的總成本為：

(8)

式中:Ωb為電網(wǎng)中所有節(jié)點(diǎn)的集合。

4)約束條件。

(1)功率平衡約束：

(9)

式中：PLi為電網(wǎng)節(jié)點(diǎn)i的負(fù)荷總量；θi和θj分別為電網(wǎng)節(jié)點(diǎn)i和節(jié)點(diǎn)j的電壓相角；Bij為電網(wǎng)節(jié)點(diǎn)i和節(jié)點(diǎn)j之間線路的電納值；Ωi為與節(jié)點(diǎn)i相連的電網(wǎng)節(jié)點(diǎn)的集合。

(2)線路功率約束：

(10)

(3)發(fā)電機(jī)組功率約束：

(11)

(12)

2.1.2出清模型求解

根據(jù)共識-新息(consensus innovations approach, CIA)算法[15]的迭代形式，將拉格朗日函數(shù)L對拉格朗日乘子λ和θ的一階偏導(dǎo)作為算法的梯度尋優(yōu)方向，利用電網(wǎng)節(jié)點(diǎn)之間的信息交互，對節(jié)點(diǎn)信息進(jìn)行分布式更新，最終迭代收斂到一個(gè)全局的最優(yōu)解[16]。

拉格朗日乘子λ作為電網(wǎng)潮流平衡約束的影子價(jià)格，為系統(tǒng)節(jié)點(diǎn)間進(jìn)行交互的信息之一，根據(jù)其一階偏導(dǎo)最優(yōu)性可作為電網(wǎng)節(jié)點(diǎn)的出清電價(jià)，在不考慮阻塞成本時(shí)，不同節(jié)點(diǎn)間的λ值最終會收斂到一個(gè)值，即為系統(tǒng)統(tǒng)一出清電價(jià)。系統(tǒng)出清模型的一階最優(yōu)性條件推導(dǎo)見附錄A，因此可以利用節(jié)點(diǎn)間的交互信息對λ和θ進(jìn)行更新，電網(wǎng)節(jié)點(diǎn)i的λ值更新過程如式(13)所示：

(13)

式中：k為迭代次數(shù)；α、β為迭代更新參數(shù)。

拉格朗日乘子θ也為節(jié)點(diǎn)間交互的信息，其根據(jù)拉格朗日函數(shù)對λ的偏導(dǎo)進(jìn)行更新電網(wǎng)節(jié)點(diǎn)i的θ值，迭代更新過程如式(14)所示：

(14)

式中：γ為迭代更新參數(shù)。

在拉格朗日乘子λ和θ更新之后，對本地發(fā)電功率進(jìn)行更新，在分散式電力市場中，表現(xiàn)為電網(wǎng)節(jié)點(diǎn)的發(fā)電商不斷依據(jù)周圍電網(wǎng)節(jié)點(diǎn)發(fā)電商的報(bào)量信息，不斷調(diào)整自身的功率報(bào)量的過程，電網(wǎng)節(jié)點(diǎn)i發(fā)電商的功率更新公式如式(15)所示：

Pi(k+1)=

(15)

(16)

(17)

式中：δ為迭代更新參數(shù)。

以上的共識-新息算法通過各節(jié)點(diǎn)之間的信息交互和共識以分布式的方式完成。系統(tǒng)中各節(jié)點(diǎn)會與鄰域節(jié)點(diǎn)交換并共識節(jié)點(diǎn)的電價(jià)與相角等數(shù)據(jù)，并根據(jù)鄰域節(jié)點(diǎn)的數(shù)據(jù)更新自身的功率值，最終形成全網(wǎng)統(tǒng)一出清邊際電價(jià)。

2.2 通證市場出清模型

在本節(jié)中，將獎勵通證和可再生能源發(fā)電對應(yīng)起來，建立通證市場，將通證對應(yīng)的價(jià)值在市場中進(jìn)行流通。通證市場在電力市場出清后進(jìn)行交易，并不考慮發(fā)電商使用通證兌換其他權(quán)益獲得的遠(yuǎn)期不確定收益，僅考慮發(fā)電商在通證市場中售出所持有的通證獲得的收益。當(dāng)發(fā)電商采用可再生能源發(fā)電時(shí)，根據(jù)其可再生能源出力通過一定的兌換率獲取通證，如式(18)所示：

(18)

式中：Qi表示發(fā)電商i兌換獲得的通證數(shù)量；ρ表示可再生能源出力-通證兌換率。

基于古諾均衡模型[17]的基本假設(shè)，建立通證市場的通證價(jià)格模型。因此，通證的市場出清價(jià)格和通證數(shù)量可以描述為如下的逆價(jià)格需求函數(shù)關(guān)系：

(19)

由于通證具有可流通和可持有的雙重屬性，發(fā)電商在獲得通證后可以自行決定是否立即進(jìn)行交易或者將其保留下來以便在未來進(jìn)行通證交易時(shí)可獲得更大的收益。參照電力市場的市場分類，將通證市場分為現(xiàn)貨通證市場和遠(yuǎn)期通證市場，因此需要分別對現(xiàn)貨通證市場和遠(yuǎn)期通證市場建立相應(yīng)的通證價(jià)格模型。

1)現(xiàn)貨通證市場通證價(jià)格模型。

現(xiàn)貨市場的均衡出清比較直觀，通過現(xiàn)貨市場中存在的通證交易總量，可以求出均衡情況下的通證價(jià)格，現(xiàn)貨市場通證價(jià)格-數(shù)量關(guān)系如圖2所示。

圖2 現(xiàn)貨市場通證價(jià)格-數(shù)量關(guān)系圖Fig.2 Relationship between token price and quantity in the spot market

因此，現(xiàn)貨市場基于古諾模型的通證價(jià)格模型的系數(shù)可以表示為：

(20)

(21)

2)遠(yuǎn)期通證市場通證價(jià)格模型。

在古諾模型的基本假設(shè)中，數(shù)量和價(jià)格成逆需求關(guān)系，對遠(yuǎn)期通證市場建立通證價(jià)格模型需要通過對遠(yuǎn)期的最大通證總數(shù)進(jìn)行估計(jì)，即為系統(tǒng)接下來時(shí)刻所有市場參與者獲得最大通證數(shù)量且均保留通證至遠(yuǎn)期交易的情況，本文考慮為系統(tǒng)此后的總負(fù)荷需求對應(yīng)的通證數(shù)量。遠(yuǎn)期市場通證價(jià)格-數(shù)量關(guān)系如圖3所示。

圖3 遠(yuǎn)期市場通證價(jià)格-數(shù)量關(guān)系圖Fig.3 Relationship between token price andquantity in the forward market

(22)

(23)

3 通證激勵機(jī)制下含可再生能源的發(fā)電商決策模型

3.1 決策模型構(gòu)建

考慮到通證的激勵機(jī)制，發(fā)電商將會考慮在電力市場更多地采用可再生能源機(jī)組發(fā)電，以此兌換一定的通證從而在通證市場中獲利。然而，由于可再生能源發(fā)電的隨機(jī)性和波動性，較多地采用可再生能源發(fā)電可能帶來較大的發(fā)電偏差懲罰費(fèi)用，因此市場中的發(fā)電商會利用市場出清情況對自身發(fā)電策略進(jìn)行最優(yōu)決策。為了驗(yàn)證本文所設(shè)計(jì)的基于通證的激勵機(jī)制的有效性，通過對發(fā)電商的行為決策建模來分析發(fā)電商在激勵機(jī)制下的決策行為，以電力市場中的發(fā)電商為研究對象，建立發(fā)電商在電力市場和聯(lián)合市場的聯(lián)合決策模型。

(24)

3.2 不確定性建模

3.2.1可再生能源出力的不確定性處理

由于可再生能源的隨機(jī)性和波動性，發(fā)電商的實(shí)際發(fā)電量可能和電量市場中出清電量存在偏差，導(dǎo)致市場偏差考核時(shí)為發(fā)電商帶來懲罰費(fèi)用，因此在發(fā)電商決策分析時(shí)需要考慮可再生能源發(fā)電的不確定性，本節(jié)對可再生能源的不確定性采用場景化的處理方式進(jìn)行處理。

(25)

3.2.2基于IGDT的電價(jià)不確定性處理

對單一發(fā)電商進(jìn)行行為決策分析時(shí)，由于各個(gè)發(fā)電商決策的出力波動以及市場用電的變化可能會導(dǎo)致日前市場統(tǒng)一出清電價(jià)(market clearing price, MCP)發(fā)生改變。針對單一發(fā)電商，考慮電價(jià)的不確定性因素，對電價(jià)的不確定性進(jìn)行建模，以求得發(fā)電商在電價(jià)波動時(shí)的魯棒收益，作為發(fā)電商決策的依據(jù)。

信息差距決策理論(information gap decision theory, IGDT)方法[18]可在概率密度函數(shù)缺失的情況下處理不確定參數(shù)，不失一般性，針對最小化問題，IGDT的模型可表達(dá)為如下形式：

(26)

式中：X為決策變量；?為不確定參數(shù)；Hi(·)和Gi(·)為變量滿足的不等式約束和等式約束函數(shù)；Φineq、Φeq分別為不等式約束和等式約束函數(shù)編號集合；Γ為?的取值集合。且不確定參數(shù)?的數(shù)學(xué)表達(dá)式可表述為：

(27)

(28)

式中：fb為目標(biāo)函數(shù)基準(zhǔn)值。IGDT的主要目的是幫助決策者適當(dāng)調(diào)整決策變量，以避免由于不可控參數(shù)的不確定性使系統(tǒng)無法達(dá)到最低要求的風(fēng)險(xiǎn)。

本節(jié)將統(tǒng)一出清電價(jià)作為IGDT模型中的不確定參數(shù)，通過IGDT方法輔助發(fā)電商進(jìn)行魯棒性決策。并引入正參數(shù)ε，來描述決策者對于參數(shù)不確定性導(dǎo)致目標(biāo)函數(shù)惡化的容忍程度。顯然在ε給定的前提下，最優(yōu)的魯棒決策可以使系統(tǒng)容忍不確定參數(shù)最大程度波動，基于上述思想，式(28)可轉(zhuǎn)化為式(29)：

(29)

(30)

則本文在考慮電價(jià)不確定性時(shí)的發(fā)電商決策模型可描述為：

(31)

綜上所述，基于本節(jié)的不確定性建模方式，式(24)構(gòu)成了本節(jié)考慮可再生能源出力不確定性造成的偏差懲罰的發(fā)電商決策模型，式(24)—(25)、式(30)、(31)構(gòu)成了考慮電價(jià)不確定性的發(fā)電商決策模型。

4 算例分析

4.1 算例描述

本節(jié)在修改后的IEEE-9節(jié)點(diǎn)算例上進(jìn)行仿真驗(yàn)證，電網(wǎng)的拓?fù)淙鐖D4所示。其中在節(jié)點(diǎn)1和節(jié)點(diǎn)2上分別接入了風(fēng)電機(jī)組和光伏機(jī)組，風(fēng)電數(shù)據(jù)和光伏數(shù)據(jù)來源于某實(shí)際風(fēng)電場和光伏電站的實(shí)際出力數(shù)據(jù)，風(fēng)電和光伏的預(yù)測功率出力曲線如圖5所示，電網(wǎng)中節(jié)點(diǎn)1、2、3、5和7為5個(gè)發(fā)電商的接入點(diǎn)，分別記作發(fā)電商1—發(fā)電商5。發(fā)電商2包括了常規(guī)火電機(jī)組和風(fēng)電機(jī)組，發(fā)電商3包括了常規(guī)火電機(jī)組和光伏發(fā)電機(jī)組，發(fā)電商1、5和7為火電機(jī)組，系統(tǒng)中發(fā)電機(jī)發(fā)電數(shù)據(jù)如表1所示。本文將共識-新息算法中的參數(shù)設(shè)置為α=0.003/k0.98、β=0.001/k0.001、γ=0.000 5/k0.001和δ=0.005/k0.001，迭代次數(shù)設(shè)置為1 000次。市場中發(fā)電商的可再生能源某時(shí)刻預(yù)測出力值會影響該時(shí)刻自身的中標(biāo)情況和市場的出清情況。

圖4 某地區(qū)電網(wǎng)系統(tǒng)拓?fù)鋱DFig.4 Topology of a regional power grid system

圖5 可再生能源機(jī)組功率預(yù)測值Fig.5 Power forecast value of renewable energy units

表1 系統(tǒng)中發(fā)電資源成本系數(shù)Table 1 Cost coefficient of power generation resources in the power system

4.2 分散式電力市場電價(jià)出清分析

4.2.1算法有效性分析

1)單時(shí)段市場出清求解。

假設(shè)市場中風(fēng)電和光伏的上網(wǎng)比例均為0.4，為了更好地評估算法求解的有效性，選取風(fēng)電和光伏均有較為可觀出力值的12:00—13:00時(shí)段進(jìn)行單時(shí)段市場出清求解。假設(shè)該時(shí)段的預(yù)測值精準(zhǔn)，則風(fēng)電的預(yù)測出力為70.40 MW，光伏的預(yù)測出力為61.75 MW。在系統(tǒng)節(jié)點(diǎn)5、7、9處有負(fù)荷需求，該時(shí)段的負(fù)荷需求分別為PL5=195 MW，PL7=100 MW，PL9=125 MW，市場出清的結(jié)果如圖6所示。

圖6 市場出清過程迭代過程圖Fig.6 Iterative process diagram of market clearing

通過圖6(a)可以看出，本文所提算法在600次左右開始趨于收斂，經(jīng)過1 000次迭代求解，可以得出市場的出清電價(jià)為12.54美分/(kW·h)。從圖6(b)中的曲線可以看出，考慮到風(fēng)電和光伏的經(jīng)濟(jì)性和市場減少碳排放治理成本的目標(biāo)，擁有風(fēng)機(jī)的發(fā)電商2獲得了較多的出清電量，而火電成本系數(shù)偏高的發(fā)電商3在配合光伏出力之后也獲得了較為理想的出清電量，其余發(fā)電商利用火電出力配合系統(tǒng)進(jìn)行功率平衡調(diào)節(jié)。5個(gè)發(fā)電商的出清電量分別79.34、105.24、65.74、86.79和82.89 MW·h。

仿真數(shù)據(jù)結(jié)果表明可再生能源的出力值對市場出清的影響較大，本節(jié)在后續(xù)仿真中需對可再生能源的上網(wǎng)比例和可用出力值進(jìn)行影響分析。

2)全時(shí)段市場出清。

為了更好地分析可再生能源發(fā)電對市場出清的影響，后續(xù)對一天24個(gè)時(shí)段進(jìn)行市場出清求解?？紤]到不同節(jié)點(diǎn)的負(fù)荷差異性也會對市場出清情況有較大影響，僅假設(shè)節(jié)點(diǎn)7和節(jié)點(diǎn)9上均是固定負(fù)荷(即PL7=100 MW，PL9=125 MW)，僅在節(jié)點(diǎn)5上設(shè)置實(shí)時(shí)變化的負(fù)荷需求，其負(fù)荷需求曲線如圖7所示。同樣地，將風(fēng)電和光伏的上網(wǎng)比例設(shè)置為0.4，市場出清得到的市場全時(shí)段MCP和系統(tǒng)中發(fā)電商的出力情況分別如圖8所示，全時(shí)段MCP數(shù)據(jù)見附錄B表B1。

圖7 節(jié)點(diǎn)5的負(fù)荷需求曲線Fig.7 Load demand curve of node 5

通過對比圖8中(a)和(b)的曲線可以發(fā)現(xiàn)，可再生能源參與電力市場可以極大地降低電價(jià)水平，而且可以減小電價(jià)曲線的波動區(qū)間，這是因?yàn)轱L(fēng)機(jī)和光伏可以為系統(tǒng)充當(dāng)備用電源，當(dāng)系統(tǒng)負(fù)荷波動而火電機(jī)組容量不足時(shí)，充足的風(fēng)機(jī)和光伏上網(wǎng)供電可以減緩市場的負(fù)荷需求沖擊，從而避免出現(xiàn)電價(jià)劇烈升高的情況。另外，從圖8(b)中可以看出，當(dāng)風(fēng)機(jī)可用出力大幅跌落時(shí)，電價(jià)也會出現(xiàn)小幅增長。在09:00—11:00時(shí)段和14:00—16:00時(shí)段，風(fēng)機(jī)可用出力下跌導(dǎo)致電價(jià)激增，而在12:00—13:00時(shí)段光伏可用出力的上漲可以彌補(bǔ)風(fēng)機(jī)可用出力的不足，會導(dǎo)致電價(jià)回落。在18:00之后，光伏可用出力為0，風(fēng)機(jī)可用出力逐漸恢復(fù)，電價(jià)在小幅波動之后又會回落到相對較低的水平。另外，通過對比附錄B表B1中各發(fā)電商的發(fā)電數(shù)據(jù)可以看出，含風(fēng)機(jī)的發(fā)電商2和含光伏的發(fā)電商3總能獲得較多的出清電量，這是因?yàn)楹稍偕茉吹陌l(fā)電商具有較低的成本函數(shù)，能減少電力系統(tǒng)的總成本。

圖8 全時(shí)段市場MCP曲線Fig.8 MCP curve of 24 hours

4.2.2可再生能源上網(wǎng)比例對市場出清影響

在上述某地區(qū)電網(wǎng)算例中，可以發(fā)現(xiàn)可再生能源出力對市場出清得到的MCP有較明顯的影響，但存在可再生能源與火電打捆上網(wǎng)供電時(shí)會影響火電靈活性的問題。選取圖5曲線中風(fēng)電出力最大(在04:00時(shí)刻)和光伏出力最大(在13:00時(shí)刻)2個(gè)場景，調(diào)整可再生能源上網(wǎng)比例來分析其對市場統(tǒng)一出清電價(jià)的影響，結(jié)果如圖9所示。

從圖9中可以看出，在本節(jié)理想場景設(shè)置下可再生能源上網(wǎng)比例對市場MCP的影響較為直觀，考慮到風(fēng)電的經(jīng)濟(jì)性優(yōu)于光伏，風(fēng)機(jī)大規(guī)模接入后市場MCP將低于光伏大規(guī)模接入時(shí)的。因此，在后續(xù)的發(fā)電商決策分析中，發(fā)電商可再生能源與火電的上網(wǎng)比例會

圖9 2種場景下可再生能源上網(wǎng)比例對市場MCP的影響Fig.9 Influence of renewable energy ratio on MCP under two scenarios

對市場實(shí)時(shí)出清時(shí)電價(jià)造成影響，在進(jìn)行發(fā)電商利潤分析時(shí)應(yīng)考慮市場MCP的不確定性。

4.2.3算法魯棒性評估

為了驗(yàn)證本文所采用的共識-新息算法的魯棒性，將算法應(yīng)用在IEEE-39節(jié)點(diǎn)標(biāo)準(zhǔn)算例中進(jìn)行分布式市場出清，以驗(yàn)證其在較大的系統(tǒng)中的求解性能，將共識-新息算法中的參數(shù)設(shè)置為α=0.000 8/k0.98、β=0.000 1/k0.001、γ=0.000 035/k0.001和δ=0.000 1/k0.001?？紤]到該方法通過節(jié)點(diǎn)之間的信息交互進(jìn)行迭代與更新，對電力網(wǎng)絡(luò)的拓?fù)渥兓哂凶赃m應(yīng)性，設(shè)置切機(jī)和切負(fù)荷2種場景來進(jìn)行求解分析。在切機(jī)的場景中將節(jié)點(diǎn)30—33上的4個(gè)發(fā)電機(jī)組切除，而在切負(fù)荷的場景中將節(jié)點(diǎn)15、16、20上的負(fù)荷切除，市場的出清過程如圖10所示。

從圖10中可以看出，切機(jī)之后系統(tǒng)電源變少，在市場需求總量不變的情況下需求側(cè)競爭較為激烈，導(dǎo)致市場統(tǒng)一出清電價(jià)數(shù)值變大；相反，切負(fù)荷之后系統(tǒng)需求量變少，在電源數(shù)量不變的情況下市場出清的統(tǒng)一出清電價(jià)數(shù)值變小。因此，共識-新息算法可以在系統(tǒng)運(yùn)行狀況和拓?fù)浣Y(jié)構(gòu)變化后，迅速收斂到新的市場統(tǒng)一出清電價(jià)，從而為分散式電力市場的實(shí)時(shí)出清提供可靠的保障。

圖10 市場MCP迭代過程變化Fig.10 Iteration diagram of MCP

4.3 含可再生能源的發(fā)電商決策分析

4.3.1場景設(shè)置

本節(jié)在4.2.1節(jié)中實(shí)際電網(wǎng)系統(tǒng)的仿真結(jié)果基礎(chǔ)上進(jìn)行分析，出清結(jié)果選擇可再生能源火電比例為0.4的情況，對系統(tǒng)中的發(fā)電商2進(jìn)行分析，根據(jù)仿真結(jié)果可知系統(tǒng)24 h的統(tǒng)一出清電價(jià)與該發(fā)電商的全時(shí)段出清量，如附錄表B1所示。仿真依據(jù)出力-通證兌換率ρ的不同分為3種情況，對于每種情況，又將其是否引入通證激勵、是否考慮MCP不確定性可分為如下3個(gè)場景。

1)場景1：不引入通證激勵，且不考慮MCP不確定性。該場景下發(fā)電商出力需滿足日前市場出清的電量，可再生能源出力占比可自我調(diào)節(jié)，同時(shí)針對可再生能源出力的偏差值進(jìn)行考核。

2)場景2：引入通證激勵，但不考慮MCP不確定性。該場景通過引入現(xiàn)貨和遠(yuǎn)期通證市場來激勵發(fā)電商提高可再生能源機(jī)組出力。

3)場景3：引入通證激勵，且考慮MCP不確定性。發(fā)電商需在場景2基礎(chǔ)上進(jìn)一步進(jìn)行功率分配的魯棒性決策，以最大程度抑制電價(jià)的不確定性。

仿真參數(shù)取值如表2所示。

表2 仿真參數(shù)取值Table 2 Simulation parameters

4.3.2仿真結(jié)果分析

仿真結(jié)果基于可再生能源出力-通證兌換率的不同分為如下3種情況。

1)可再生能源出力-通證兌換率ρ=0.05時(shí)。

在ρ=0.05時(shí)，基于上述數(shù)據(jù)與參數(shù)進(jìn)行3個(gè)場景下的發(fā)電商可再生能源機(jī)組出力決策與通證市場行為模擬仿真，仿真結(jié)果如圖11—13所示。其中圖11為場景1、2下可再生能源與火電24 h出力情況對比；圖12為場景2下現(xiàn)貨/遠(yuǎn)期通證價(jià)格與發(fā)電商通證出售策略；圖13為場景1、2、3下可再生能源出力對比。

圖11 ρ=0.05，場景1、2下可再生能源與火電24 h出力情況Fig.11 Output diagram of renewable energy and thermal generation at 24 hours under Case 1 and Case 2 with ρ=0.05

圖12 ρ=0.05，場景2下現(xiàn)貨/遠(yuǎn)期通證價(jià)格與發(fā)電商出售策略Fig.12 Diagram of spot/forward prices and strategies of generators at 24 hours under Case 2 with ρ=0.05

圖13 ρ=0.05，場景1、2、3下可再生能源出力對比Fig.13 Output diagram of renewable energy at 24 hours under Case 1, Case 2 and Case 3 with ρ=0.05

圖11中的陰影區(qū)域是由于可再生能源機(jī)組的出力不確定性而對應(yīng)的決策變量范圍。從圖11可以看出，2種場景下的可再生能源出力趨勢總體上均與圖5所示的風(fēng)電機(jī)組功率預(yù)測曲線基本保持一致。相比場景1，場景2下發(fā)電商的可再生能源出力值得到了大幅提高，且隨著可再生能源出力占比的提高，出力的不確定范圍也逐漸增大，這也對火電機(jī)組的調(diào)節(jié)速度與精度提出了更高的要求。場景1下24 h可再生能源總出力1 124.356 MW·h，而在引入通證激勵后，可再生能源總出力1 347.526 MW·h，出力綜合提升19.856%，證明了通證激勵在引導(dǎo)可再生能源出力方面的有效性。

從圖12可以看出，在價(jià)格方面，通證現(xiàn)貨市場波動較大，全時(shí)段內(nèi)價(jià)格極差為3.3691 美元；而通證遠(yuǎn)期市場則較為穩(wěn)定，在MCP較高時(shí)波動較小，價(jià)格極差為0.204 0美元。從通證出售決策方面可以看出，發(fā)電商在現(xiàn)貨市場出售的通證數(shù)較為穩(wěn)定，為遠(yuǎn)期市場保留的通證數(shù)波動更大。綜合上述兩方面信息，可以得出：相比遠(yuǎn)期市場，發(fā)電商對現(xiàn)貨市場的通證價(jià)值估值更高，且當(dāng)前時(shí)段的出力與價(jià)格變化對遠(yuǎn)期市場的通證價(jià)格影響較小，這也與實(shí)際市場的運(yùn)行規(guī)律相契合；考慮到現(xiàn)貨市場價(jià)格波動大風(fēng)險(xiǎn)高，相比于單次售出所有通證，發(fā)電商更傾向在現(xiàn)貨市場售出固定數(shù)量的通證獲得基礎(chǔ)收益后，保留大部分的通證用于遠(yuǎn)期儲蓄以實(shí)現(xiàn)總利潤的最大化，通過計(jì)算可知現(xiàn)貨市場售出通證的數(shù)量平均占發(fā)電商總通證數(shù)的29.154%。

由圖13可知，對比場景2、3下的可再生能源出力曲線可以發(fā)現(xiàn)，在考慮電價(jià)的不確定性后，發(fā)電商選擇進(jìn)一步提高可再生能源機(jī)組的出力值以最大化對電價(jià)下跌的魯棒性。這是因?yàn)橄啾然痣姍C(jī)組可再生能源發(fā)電成本更低，故提升可再生能源出力占比能讓發(fā)電商在更低的電價(jià)下保證期望的收益。綜合3種場景下的可再生能源出力趨勢與負(fù)荷曲線和電價(jià)曲線可以看出，在電價(jià)非高峰時(shí)段，可再生能源出力趨勢基本與電價(jià)與負(fù)荷曲線一致；在電價(jià)高峰時(shí)期(11：00,14：00,16：00)，可再生能源出力值較低，這是因?yàn)殡m然可再生能源機(jī)組發(fā)電成本更低，但考慮到其出力的不確定性而可能帶來的偏差考核懲罰，發(fā)電商更傾向在電價(jià)峰值時(shí)段用傳統(tǒng)機(jī)組出力以獲得穩(wěn)定的最大收益。根據(jù)仿真統(tǒng)計(jì)數(shù)據(jù)，場景3下可再生能源總出力為1 386.656 MW·h，相比場景2綜合提升了2.904%。

2)可再生能源出力-通證兌換率ρ=0.10時(shí)。

當(dāng)ρ=0.10時(shí)，3種場景的對比仿真結(jié)果分別如圖14—16所示。

圖14 ρ=0.10，場景1、2下可再生能源與火電24 h出力情況Fig.14 Output diagram of renewable energy and thermal generation at 24 hours under Case 1 and Case 2 with ρ=0.10

圖15 ρ=0.10，場景2下現(xiàn)貨/遠(yuǎn)期通證價(jià)格與發(fā)電商出售策略Fig.15 Diagram of spot/forward prices and strategies of generators at 24 hours under Case 2 with ρ=0.10

圖16 ρ=0.10，場景1、2、 3下可再生能源出力對比圖Fig.16 Output diagram of renewable energy at 24 hours under Case 1, Case 2 and Case 3 with ρ=0.10

從圖14可以看出，當(dāng)ρ=0.10時(shí)，場景1下24 h可再生能源總出力1 124.356 MW·h，而在引入通證激勵后，可再生能源總出力1 547.383 MW·h，出力綜合提升37.632%。具體分析和ρ=0.05情況類似。

從圖15可以看出，在價(jià)格方面，通證現(xiàn)貨市場波動較大，全時(shí)段內(nèi)價(jià)格極差為3.336 4美元；而通證遠(yuǎn)期市場則較為穩(wěn)定，在MCP較高時(shí)波動較小，價(jià)格極差為0.215 1美元。通過計(jì)算可知現(xiàn)貨市場售出通證的數(shù)量平均占發(fā)電商總通證數(shù)的25.864%。具體分析和ρ=0.05時(shí)類似。

當(dāng)ρ=0.10時(shí)，根據(jù)仿真統(tǒng)計(jì)數(shù)據(jù)，場景3下可再生能源總出力為1 578.421 MW·h，相比場景2綜合提升了2.006%。具體分析和ρ=0.05時(shí)類似。

3)可再生能源出力-通證兌換率ρ=0.15時(shí)。

當(dāng)ρ=0.15時(shí)，3種情況的對比仿真結(jié)果分別如圖17—19所示。

圖17 ρ=0.15，場景1、2下可再生能源與火電24 h出力情況Fig.17 Output diagram of renewable energy and thermal generation at 24 hours under Case 1 and Case 2 with ρ=0.15

從圖17可以看出，當(dāng)ρ=0.15時(shí)，場景1下24 h可再生能源總出力1 124.356 MW·h，而在引入通證激勵后，可再生能源總出力1 706.563 MW·h，出力綜合提升51.790%。具體分析和ρ=0.05時(shí)類似。

從圖18可以看出，在價(jià)格方面，通證現(xiàn)貨市場波動較大，全時(shí)段內(nèi)價(jià)格極差為3.304 1美元；而通證遠(yuǎn)期市場則較為穩(wěn)定，在MCP較高時(shí)波動較小，價(jià)格極差為0.211 4美元。通過計(jì)算可知現(xiàn)貨市場售出通證的數(shù)量平均占發(fā)電商總通證數(shù)的23.83%。具體分析和ρ=0.05時(shí)類似。

圖18 ρ=0.15，場景2下現(xiàn)貨/遠(yuǎn)期通證價(jià)格與發(fā)電商出售策略Fig.18 The diagram of spot/forward prices and strategies of generators at 24 hours under Case 2 with ρ=0.15

圖19 ρ=0.15，場景1、2、3下可再生能源出力對比圖Fig.19 Output diagram of renewable energy at 24 hours under Case 1, Case 2 and Case 3 with ρ=0.15

當(dāng)ρ=0.15時(shí)，根據(jù)仿真統(tǒng)計(jì)數(shù)據(jù)，場景3下可再生能源總出力為1 736.616 MW·h，相比場景2綜合提升了1.761%。具體分析和ρ=0.05時(shí)類似。

根據(jù)可再生能源-通證兌換率ρ的不同，對3種情況下發(fā)電商的決策行為分析詳述如下。

從圖11、14、17可以看出，在不同的可再生能源出力-通證兌換率下，相比不考慮通證激勵的情況，發(fā)電商均產(chǎn)生更多的可再生能源出力，說明本文所采用的基于通證的可再生能源發(fā)電參與電力市場的激勵機(jī)制是有效的，能夠激勵發(fā)電商采用更多的可再生能源參與電力市場?？紤]不同的可再生能源-通證兌換率，在同一時(shí)段進(jìn)行對比可以看出，隨著兌換率的增加，發(fā)電商增加可再生能源出力，因此，在相同的情況下，不同的兌換率對于激勵發(fā)電商效果不同。因此在設(shè)計(jì)基于通證的激勵機(jī)制時(shí)，需要設(shè)置合理的可再生能源出力-通證兌換率，來平衡發(fā)電商在聯(lián)合市場的收益。

從圖12、15、18可以看出，現(xiàn)貨通證市場和遠(yuǎn)期通證市場的價(jià)格隨著節(jié)點(diǎn)邊際電價(jià)的不同而出現(xiàn)波動，發(fā)電商決策時(shí)都考慮了現(xiàn)貨通證市場和遠(yuǎn)期通證市場的博弈情況，沒有將所兌換的通證全部在一個(gè)通證市場上進(jìn)行出售。且隨著可再生能源出力-通證兌換率的提高，發(fā)電商在現(xiàn)貨通證市場售出的通證數(shù)量逐漸減少。由上面的分析可知，在相同的情況下，發(fā)電商受到通證的激勵，決策增加更多的可再生能源出力，因此發(fā)電商將獲得更多的通證，考慮到通證市場價(jià)格波動的風(fēng)險(xiǎn)發(fā)電商也愿意保留通證在遠(yuǎn)期市場出售，來平衡自身在通證市場的收益。

從圖13、16、19可以看出，無論何種可再生能源出力-通證兌換率，在考慮電價(jià)不確定性時(shí)，相比不考慮不確定性的情況，發(fā)電商增加了可再生能源的發(fā)電量。這是因?yàn)樵诳紤]電價(jià)最差的情況下，發(fā)電商綜合衡量可再生能源出力偏差造成的考核成本，發(fā)電商通過增加發(fā)電成本較低的可再生能源出力能夠使得發(fā)電商的期望收益最大化。當(dāng)通證兌換率越高時(shí)，由于可再生能源出力約束，可再生能源快逼近此時(shí)的出力上界值，因此可再生能源出力提升較低。

綜上所述，本文設(shè)計(jì)的可再生能源通證激勵機(jī)制能夠有效激勵含可再生能源的發(fā)電商參與電力市場，對于促進(jìn)可再生能源發(fā)展具有重大意義。

5 結(jié) 論

隨著可再生能源的消納問題日益突出，可再生能源參與電力市場是促進(jìn)消納的有效手段之一，含可再生能源的分散式市場模式已成為未來可行的市場構(gòu)架。本文從電力市場的結(jié)構(gòu)出發(fā)，構(gòu)建了包含電量市場和通證市場的分散式電力市場，以可再生能源和火電“打捆”的方式激勵含可再生能源發(fā)電商參與電力市場，建立了含可再生能源的分散式電力市場出清模型，研究并分析了在通證激勵機(jī)制下考慮電價(jià)不確定性的含可再生能源發(fā)電商行為決策問題。在未來的工作中，將會對通證激勵機(jī)制在實(shí)際電力市場中的應(yīng)用做進(jìn)一步地詳細(xì)研究。