提升电力保供能力的配电网点对点交易机制

孙勇,李宝聚,时雨,杨瑞,付小标,王尧

(1.国网吉林省电力有限公司,长春市 130000;2.国网吉林省电力有限公司经济技术研究院,长春市 130021,3.北京清能互联科技有限公司,北京市 100084)

0 引 言

近年来,国家能源局等电力监管部门逐步引入竞争机制来改善电力行业垄断分配模式,以促进电力企业的协调发展[1-2]。电力市场的建立为电力行业的内部竞争奠定了坚实的基础,也为供需平衡、消纳新能源提供了新思路[3-4]。随着时间推移,传统火电机组将逐步被淘汰,在引导新能源发电平价上网的过程中,出现了电网用户高度依赖新能源机组供电的新形式[5]。在此背景下,如何在保证电力供应的前提下建立更为合理的电价平衡机制、保障电力供应也成为了现阶段重点关注问题[6-7]。

我国电力大用户是指用电电压等级较高、用电容量超过一定规模、用电负荷比较稳定的用户。在配电网中,电力大用户特指10 kV以上可直接参与电力市场的用户。电力大用户在运营期间会配备储能装置以预防突发的电力中断、电压质量较低等问题。但在实际生产中,其储能装置往往处于闲置状态,若能引导电力大用户参与电力市场进行售电,对改善电力市场环境、激励储能发展、保障电力供应具有重要意义[8]。为此,英国、德国、法国等业界开展了诸多探索与实践,针对储能设备在能量市场、辅助服务市场、容量市场、电能质量方面进一步开展探索工作[9]。

在探索如何引导电力大用户参与售电交易及电力保供的过程中,文献[10]提出了一个考虑配电和输电批发市场之间相互作用的配电市场清算机制,实现了兼顾配电系统运营商和独立系统运营商的批发市场清算,但尚未考虑新能源机组参与市场的售电行为;文献[11]为了提高电能质量提出了一种奖惩规则与分级规则,但研究过程中尚未考虑博弈主体的物理特殊性;文献[12]设计了一种兼顾现货交易与中长期实物合同的市场出清模型,考虑了电网阻塞协同管理优化方法,提高了日前市场和实时平衡两阶段出清交易方的收益;文献[13]提出了考虑电源类型、发电补贴、过网费和售电商相互影响的非合作博弈模型,发现当系统达到纳什均衡状态时,可提高售电商运营收益;文献[14]提出了一种配电网节点边际电价统一出清的主从博弈双层调度模型,对缓解网络阻塞有着积极作用;文献[15]研究了在考虑分时电价的基础上,如何兼并冷机外壳制造商的工业负荷控制和气候控制方案,可通过优化调度在高峰时段减少额外需求;文献[16]提出了一个带有平衡约束的数学模型,以研究能源系统整合背景下电力和供热市场以盈利为目的的联合市场模型,但研究过程尚未考虑储能装置的影响;文献[17]针对风-光-氢多主体能源系统的合作运行展开研究,通过求解合作博弈模型得到了电能交易方式,但合作博弈模型与市场的实际出清存在一定差异。综上所述,以往研究对电力市场的运行机制及参与方的报价策略进行了初步探索。而现阶段针对弃风与缺电并存的现象,如何引导电力大用户参与售电,推进电能平价上网、保障电力供应,是亟待解决的关键问题。

本文设计了一种引导大用户参与电力保供的市场交易机制,着重解决风电等新能源机组并网引起的分时缺电问题,该方法适用于含储能设备的多类型电力大用户。首先,建立考虑电力大用户参与电力保供的配电市场出清模型;在此基础上,构建各参与主体的最大化收益模型,将提升电力保供能力的市场出清问题转化为多主体非合作博弈问题;其次,采用自适应交替方向乘子法(self-adaptation alternating direction method of multipliers,SA-ADMM)针对子问题进行迭代求解,并得到市场出清结果及参与主体的最佳调度策略;最后,通过算例验证所提模型的有效性,并进一步分析电力大用户的市场行为。

1 面向电力保供的配电市场交易机制分析

由于可再生能源机组出力具有一定随机性,因此电网公司制定的输电计划与实际运行存在一定偏差,若能引导电力大用户在配电市场中售电,对于特殊时段的电力保供尤为重要。下面针对配电市场多主体交易机制及电力保供策略进行分析。

1.1 提升配电网电力保供能力的点对点交易策略

本文提出的提升配电网电力保供能力的策略为:电网公司引导电力大用户在风电大发期间存储更多的电能,并鼓励其在市场上售电。电力大用户则会自发地调整储能设备的调度方式,并在电力缺口期间售电。其策略调整如图1所示。

图1 电力大用户参与电力保供的储能调度Fig.1 Energy storage scheduling for large power users to participate in power supply preservation

如图1所示,电力大用户调度储能在日常运营中充电,既能配合电网公司保障电力供应,还可在配电市场中套利。

1.2 基于电力保供的配电市场多主体交易机制分析

本文所提出的交易机制是基于日前市场开展的,售电公司和购电公司隶属于不同利益主体,电力市场出清过程为多方博弈过程,交易流程如图2所示。

图2 电力大用户参与市场交易的过程Fig.2 The process of participation of large electricity users in market transactions

如图2所示,电力市场点对点交易的参与主体包括:小型火电机组、新能源机组等售电商及居民用户、电力大用户等。其中电力大用户配备储能单元,在电力交易过程既可从售电公司购电存储进行生产备用,也可利用储能装置放电在特定时段参与电力保供。

2 面向电力保供的配电市场出清模型

配电市场出清的目的是为了实现电力资源的最大化社会福利,使系统供需达到平衡,下面针对电力市场日前交易出清及电力保供参与方开展建模。

2.1 面向电力保供的配电市场出清模型

配电市场出清模型的实质是满足电力公司运行要求下的多主体最大化利益纳什均衡模型,出清过程目标函数可表示为:

(1)

式中:S为配电市场最大化社会效益函数;Pd、Pg分别为一般用户负荷与发电侧的功率;πd、πg分别为一般负荷与发电侧的报价;Mu为电力大用户的购电/售电总支出。

根据电力市场交易规则,上级电力调度机构会将次日负荷预测曲线进行公布,在此情况下,电力大用户参与电力市场有两种模式:电力储备模式(S1)和电力保供模式(S2),可表示为:

(2)

本文方法适用于多类电力大用户,为方便研究本文主要考虑包括电制氢机组(power to gas,P2G)、储热式电锅炉机组(storage electric boiler,SEB)在内的两类典型电力大用户,P2G与SEB在制造天然气与热力过程中配备大容量储能,符合点对点交易机制的需求。两阶段市场出清的目的是使电能达到供需平衡,可表示为:

(3)

第一阶段交易根据预测结果开展交易,第二阶段则主要考虑在实际运行中可能出现的电力缺口进行电力交易。最终出清结果会以输电方案的形式上报电网公司,并制定输电计划,下面针对不同参与主体构建优化运行模型。

2.2 新能源机组运行模型

新能源机组作为电力市场中的主要售电主体,主要表现为以下特点:新能源机组上网电价基本恒定;新能源机组出力存在不确定性,需考虑出力的概率特征。

1) 新能源机组的最大化利益模型为:

(4)

2) 新能源机组的功率平衡约束为:

(5)

3) 新能源机组运行约束可表示为:

(6)

2.3 火电机组运行模型

电力市场中小型火电机组采用阶梯式电价参与出清,其收益主要来源于售电。

1) 小型火电机组收益函数为:

(7)

2) 火电机组功率约束为:

(8)

除功率限额约束外,火电机组运行时机组出力及机组爬坡过程也存在约束。

3) 火电机组出力约束为:

(9)

4) 火电机组爬坡约束为:

(10)

2.4 P2G机组运行模型

P2G利用电解水技术制造氢气进行销售,能量转换效率可达到70%,利用电能制造氢气及甲烷并销售给居民用户、氢气站等赚取收益,其内部结构如图3所示。

图3 P2G机组结构图Fig.3 Diagram of P2G equipment

1) P2G机组收益可表示为:

(11)

2) P2G内部电能平衡约束可表示为:

(12)

(a)电解槽运行模型。

P2G机组稳态运行时,电解槽的产氢速率和电解槽的耗电功率线性近似关系可表示为:

(13)

电解槽功率约束可表示为:

(14)

(b)压缩机运行模型。

为进一步将氢气转化为甲烷,需利用压缩机将氢气进行压缩,压缩机耗的电功率需满足:

(15)

(c)甲烷化反应器运行模型。

将压缩后的氢气与二氧化碳与一氧化碳进行反应可制成甲烷,其耗电量可表示为:

(16)

其中甲烷量和氢气量之间的关系可表示为:

(17)

式中:vc为甲烷化反应器转化效率。

3) 蓄电池模型。

储能系统运行模型可表示为:

(18)

2.5 SEB主体运行模型

SEB是在电锅炉基础上增加蓄热罐及蓄电池以代替热电联产机组进行供热的新型装置,转化效率可达90%,其内部结构及组成如图4所示。

图4 SEB机组示意图Fig.4 Diagram of the SEB equipment

SEB机组通过消耗电能生产热能,并销售给居民用户,还可在配电市场中售电赚取额外收益。

1) SEB最大化效益模型可表示为:

(19)

2) SEB热能平衡约束可表示为:

(20)

3) 电热炉模型。

电热炉是主要发热设备,其模型可表示为:

(21)

式中:ηEB为电转热的效率。

电热炉运行过程能量平衡约束为:

(22)

SEB蓄电池功能及模型与P2G中的蓄电池相似,此处不再赘述。在建立电力市场中各参与主体数学模型及市场出清模型的基础上,本文进一步采用合适的算法求解该模型,得到市场的出清结果。

3 基于SA-ADMM的多主体市场出清模型求解

本文所提电力市场的两阶段出清过程为非合作博弈过程。由于各参与主体间存在信息壁垒,故市场出清的过程中,需针对多目标函数开展分布式求解计算。本文利用SA-ADMM形式一致性原理分解目标函数并对其进行迭代求解,既保证了两阶段市场出清模型的最优解,又保护了各参与者的隐私信息。

3.1 自适应交替方向乘子法

SA-ADMM的主体思想是将原始目标函数扩展为拉格朗日函数,以保证优化过程变量间的约束关系,原函数可表示为:

(23)

式中:f1,…,fn为目标函数;a1,…,an,B为等式约束条件系数;x1,…,xn为待优化变量。

进一步构建扩展拉格朗日函数为:

(24)

式中:λ为拉格朗日乘子;ρ为惩罚因子。

与ADMM不同的是,SA-ADMM在迭代过程中针对两阶段市场出清增加了罚函数更新项,可提升算法的收敛效果,SA-ADMM的迭代过程可表示为:

(25)

式中:r为一阶段惩罚因子系数;k为迭代次数。可见,算法在进行一阶段计算后,立即开展二阶段计算,保证了SEB机组与P2G机组的交易中保持最优策略。

3.2 基于SA-ADMM一致性的电力市场出清子问题

式(23)市场出清问题为多目标条件极值问题,且变量间存在复杂线性约束条件,可利用SA-ADMM方法的形式一致性原理进行分解计算。

1) 第一阶段交易子问题:

新能源机组的市场出清最优子问题:

(26)

火电机组的市场出清的最优子问题:

(27)

2)第二阶段交易子问题:

P2G市场出清利益最大化子问题:

(28)

SEB市场出清利益最大化子问题:

(29)

3.3 SA-ADMM迭代计算流程

利用SA-ADMM求解电力市场出清目标函数计算流程如图5所示。

图5 电力市场出清模型计算流程Fig.5 Electricity market clearing model calculation process

市场出清迭代过程即可认为是多参与主体的博弈过程,具体计算流程可表示为:

1) 建立电力市场交易目标函数式(26)—(29)。

2) 设置收敛精度ξ=10-4,初始化迭代次数k=0,设置第一次迭代前火电机组和新能源发电的售电量,以及拉格朗日乘子λ=0、γ=0。

3)根据第一阶段交易规则,求解火电机组、风电机组、SEB、P2G的最优子问题得到期望购电量与售电量,其中SEB、P2G机组储电装置可视为负荷。

4) 更新拉格朗日乘子。

5) 根据第二阶段交易规则,求解SEB、P2G的售电量。

6) 再次更新拉格朗日乘子。

7) 更新迭代次数,判断是否收敛;若收敛,则输出结果,若不收敛则返回步骤3)直至满足收敛条件。

4 算例分析

以图6所示的多参与主体组成的配电市场为例,来说明本文提出的提升电力保供能力的市场博弈模型的有效性。本文主要目标为设计提升电力保供能力的配电网点对点交易机制,故限定SEB机组、P2G机组的报价。

图6 电力市场交易主体Fig.6 Electricity Market Trading Subjects

图6中P2G参数详见文献[18],SEB参数见文献[19],储能容量为2 000 kW·h,风电机组额定容量为2 MW,参数详见文献[20],负荷如图7所示。

图7 电源及负荷基本参数Fig.7 Power and load basic parameters

4.1 居民用户的电能交易结果

居民用户根据电力价格及电力大用户的报价选择交易对象,得到电力市场的出清结果,如图8所示。

图8 居民用户的市场出清结果Fig.8 Market clearing results for residential customers

由图8(a)可知P2G与SEB的售电价格较低,介于风电和火电价格之间,当风电功率不足时,居民用户可从电力大用户处购电维持生活用电需求。由图8(b)的结果可知:居民用户主要从火电机组和风电机组处购电,而在某些时段会选择从P2G以及SEB机组处购电。尤其在15:00—16:00时段,风电机组发出功率较低,P2G机组将存储的电能销售给居民用户,保障了电能供给,该结果证明了本文所提模型可实现电力大用户利用储能设备保障用户售电的基本要求。

风电出力较低时,电力大用户凭借价格优势,可在配电市场中套利。而居民用户购电成本明显降低。

4.2 风电、火电机组市场出清结果

本文利用SA-ADMM迭代求解得到面向电力保供的配电市场的出清模型的优化结果如图9所示。

图9 电力市场发电商与居民用户的出清结果Fig.9 Outcome of electricity market generators and residential customers

图9(a)和9(b)分别给出了不同类型电力用户从风电和火电处的购电结果。可以看出:风电机组与电力大用户的交易量明显高于居民用户,负荷与功率差额则是由火电机组进行补充。15:00—16:00时段,风电出力较小,仅能够满足SEB机组的需求,出现了明显的缺电现象,而P2G机组需从火电机组进行购电满足电制氢需求。

4.3 SEB、P2G的能源管理策略分析

电力大用户的能量管理策略行为反映了其运行特性及其在市场出清过程中的调度方式,SEB、P2G机组的能量流调度结果如图10所示。

图10 电力大用户能量调度策略Fig.10 Energy dispatching strategy for large power users

图10(a)及图(b)可以看出:SEB机组、P2G机组在运行过程中各时刻总供电功率与总用电功率保持平衡,在保证用电需求的同时参与市场售电,进一步验证本文算法的有效性及正确性。电力大用户在01:00—06:00时刻利用蓄电池充电,在电价高的时刻参与市场进行售电。其中,15:00—16:00时段,P2G机组售电量明显增加,主要原因是由于此时段风电功率下降,P2G、SEB机组将存储的电能进行销售。

SEB和P2G参与电力市场出清后的收益结果如表1所示。由表1可知:利用储能装置进行合理的优化调度可为P2G机组以及SEB机组分别节省了4.8%和3.9%的购电成本,并提升5.4%和4.2%总收益,进一步证明本文所提模型的有效性。

表1 电力大用户收益对比Table 1 Comparison of revenue for large power users 元

4.4 算法收敛性分析

本文采用SA-ADMM算法计算了考虑电力大用户售电的电力市场出清问题,收敛结果如图11所示。

图11 电力市场参与主体计算收敛特性Fig.11 Computational convergence characteristics of power market participants

图11给出了电力市场出清迭代过程中各参与主体最大化子问题的计算收敛结果,在经过38次迭代后,所有子问题实现收敛。

5 结 论

在电力市场体制深化改革,积极推进市场竞争的背景下,本文建立了提升电力系统保供能力的点对点交易机制模型,并利用SA-ADMM算法将其分解为参与主体最大化利益子问题,最后进行迭代求解得到市场出清结果,主要得出以下结论:

1)本文所提方法即使在新能源出力较小时,依然可保证配电网的源荷平衡。居民用户在购电过程中存在更多的选择,当其无法从新能源机组处购买低价电能时,可从大用户购买足够的电能,降低其购电成本。

2)对于电力大用户而言,所提面向电力保供的电力市场出清模型及SA-ADMM算法可进一步挖掘P2G、SEB等储能设备的电能利用能力,提升了其灵活性,参与市场过程中既提升了收益,又降低了购电成本。

3)基于SA-ADMM一般一致性原理分解得到的电力市场出清模型子问题计算收敛性好,可实现博弈问题的高效求解。

本文所提交易机制以配电网源荷平衡为基础开展研究,所提出的交易机制通用性强,适用于含储能的多类型电力用户。下一步将针对从经济性角度进行分析,考虑主网供电成本和配网内部发电成本等一系列问题,并从发电可靠性角度研究电力保供的最佳举措。