近年來，日益增長的電力需求與環(huán)境保護(hù)之間的矛盾日益突出。構(gòu)建風(fēng)電、光伏等新能源占比逐漸提高的新型電力系統(tǒng)，同時積極推進(jìn)“新能源+儲能”多能互補(bǔ)發(fā)展，已成為電力部門實(shí)現(xiàn)能源轉(zhuǎn)型的必然要求。
《中國電力》2024年第4期刊發(fā)了武群麗等人撰寫的《可再生能源配額制下風(fēng)光儲聯(lián)合參與現(xiàn)貨市場的交易決策》一文。文章建立了可再生能源配額制下獨(dú)立風(fēng)電發(fā)電商、光伏發(fā)電商及儲能電站聯(lián)合參與日前電能量及調(diào)頻輔助服務(wù)市場的雙層交易決策模型。模型考慮到了風(fēng)光儲內(nèi)部的協(xié)調(diào)調(diào)控。之后通過庫恩-塔克（Karush-Kuhn-Tucker，KKT）定理、強(qiáng)對偶定理及大M法將雙層模型轉(zhuǎn)換為混合整數(shù)線性規(guī)劃 （mixed integer linear programming，MILP）模型進(jìn)行求解。最后，以修改的IEEE-14節(jié)點(diǎn)系統(tǒng)為例進(jìn)行仿真，驗(yàn)證了所提模型的有效性。
摘要 可再生能源配額制與現(xiàn)貨市場建設(shè)的并行推進(jìn)引起風(fēng)電發(fā)電商、光伏發(fā)電商及儲能電站（風(fēng)光儲）聯(lián)合參與現(xiàn)貨市場的交易決策發(fā)生變化。通過構(gòu)建雙層交易決策模型，對可再生能源配額制下風(fēng)光儲聯(lián)合參與日前電能量及調(diào)頻輔助服務(wù)市場的交易決策進(jìn)行求解分析。模型上層以風(fēng)光儲總利潤最大化為目標(biāo)，同時考慮到風(fēng)光儲的內(nèi)部調(diào)控，求解風(fēng)光儲最優(yōu)交易策略；下層實(shí)現(xiàn)日前電能量和調(diào)頻輔助服務(wù)市場的聯(lián)合出清及綠色證書市場的清算。通過庫恩-塔克（Karush-Kuhn-Tucker，KKT）條件、強(qiáng)對偶定理等方法將雙層模型轉(zhuǎn)換為混合整數(shù)線性規(guī)劃問題進(jìn)行求解。最后，通過算例驗(yàn)證了所提模型的有效性。結(jié)果表明：所提框架與模型能夠優(yōu)化風(fēng)光儲報量報價決策；可再生能源配額制的引入豐富了風(fēng)光儲的套利手段，風(fēng)光儲內(nèi)部調(diào)控更加活躍；風(fēng)光滲透率及配額制考核權(quán)重的變化對風(fēng)光儲的交易決策有重要影響。
1 市場架構(gòu)
1.1 市場系統(tǒng)架構(gòu)
本文在借鑒國外典型現(xiàn)貨市場及綠證市場運(yùn)行規(guī)則的基礎(chǔ)上，結(jié)合中國相關(guān)市場交易機(jī)制，提出了現(xiàn)貨和綠證聯(lián)合市場的系統(tǒng)架構(gòu)。
本文建立的現(xiàn)貨市場包括日前電能量和調(diào)頻輔助服務(wù)市場。電能量市場的參與者包括風(fēng)電發(fā)電商、光伏發(fā)電商、儲能電站、常規(guī)發(fā)電商及電力用戶。發(fā)電側(cè)報量報價，用戶側(cè)報量不報價。調(diào)頻輔助服務(wù)市場的參與者包括儲能電站及常規(guī)調(diào)頻機(jī)組，參與者報量報價。在運(yùn)營日前一日，各市場主體按照市場規(guī)則以小時為單位在電能量及調(diào)頻輔助服務(wù)市場報量報價。在運(yùn)營日，獨(dú)立系統(tǒng)運(yùn)營商（independent system operator，ISO）根據(jù)市場主體申報情況以小時為單位，采用全電量集中優(yōu)化的電能量和調(diào)頻輔助服務(wù)市場聯(lián)合出清得到現(xiàn)貨市場清算結(jié)果。其中，電能量市場采用節(jié)點(diǎn)電價交易結(jié)算，調(diào)頻輔助服務(wù)市場采用調(diào)頻容量及調(diào)頻里程補(bǔ)償?shù)摹皟刹恐啤苯Y(jié)算方式。
從風(fēng)險規(guī)避角度考慮，現(xiàn)貨市場出清后，綠證數(shù)量更加確定。因此本文假設(shè)綠證市場的清算在現(xiàn)貨市場出清之后進(jìn)行，由ISO代理運(yùn)行，清算周期與現(xiàn)貨市場保持一致。綠證市場存在捆綁式和非捆綁式2種交易形式。前者捆綁出售綠色電力及相應(yīng)的綠證，即配額制責(zé)任方在購買綠色電力的同時獲得相應(yīng)的綠證；非捆綁式交易將電力交易和綠證交易分開進(jìn)行，即購買綠色電力無法獲得相應(yīng)的綠證，配額制責(zé)任方須額外購買綠證以滿足配額要求?？紤]到非捆綁式交易有助于避免大規(guī)模跨區(qū)出售綠色電力造成的輸電阻塞及電力調(diào)度問題，以及集中競價交易無法一對一確定綠色電力的消納方，本文假設(shè)綠證市場采用非捆綁式交易。另外，本文假設(shè)配額制責(zé)任方為電力用戶，對1 MW·h的綠色電力，核發(fā)1個綠證。
1.2 風(fēng)光儲參與聯(lián)合市場交易的框架
首先，風(fēng)光儲決定其內(nèi)部的調(diào)控策略，即風(fēng)電、光伏發(fā)電商須決定向儲能電站的充電功率。風(fēng)光儲內(nèi)部調(diào)控結(jié)束后，風(fēng)電、光伏發(fā)電商在電能量市場申報剩余功率及價格；由于儲能電站在電能量市場的報量和在調(diào)頻輔助服務(wù)市場的報量相關(guān)聯(lián)，儲能電站應(yīng)在對剩余功率進(jìn)行協(xié)調(diào)分配的基礎(chǔ)上，在電能量市場申報充放電功率及價格，在調(diào)頻輔助服務(wù)市場申報調(diào)頻容量/里程、價格和運(yùn)行參數(shù)。之后，ISO進(jìn)行電能量和調(diào)頻輔助服務(wù)市場聯(lián)合出清，確定每臺機(jī)組的中標(biāo)量及各市場出清價格?，F(xiàn)貨市場出清后，風(fēng)光儲在綠證市場出售綠證獲得收益。結(jié)合市場系統(tǒng)架構(gòu)和風(fēng)光儲交易流程，制定風(fēng)光儲參與聯(lián)合市場交易的框架，如圖1所示。
2 雙層交易決策模型
風(fēng)光儲聯(lián)合參與現(xiàn)貨市場的交易決策問題可以被表述為一個雙層交易決策模型。在上層，風(fēng)光儲以實(shí)現(xiàn)總利潤最大化為目標(biāo)制定其交易策略，并將交易策略傳遞給下層。在下層，ISO進(jìn)行市場出清，之后將市場出清結(jié)果返回給上層。下層模型1對應(yīng)日前電能量及調(diào)頻輔助服務(wù)市場的聯(lián)合出清，下層模型2對應(yīng)綠證市場的清算。雙層交易決策模型的結(jié)構(gòu)如圖2所示。
2.1 上層風(fēng)光儲最優(yōu)決策模型
光儲的總利潤由電能量市場利潤Rem、調(diào)頻輔助服務(wù)市場利潤Ram及綠證市場利潤Rtgc三部分組成，上層模型的目標(biāo)函數(shù)為風(fēng)光儲負(fù)總利潤最小化，即
2.2 下層模型1：電能量及調(diào)頻輔助服務(wù)市場聯(lián)合出清模型
2.3 下層模型2：綠證市場出清模型
2.3.1 頒發(fā)給風(fēng)光儲的綠證數(shù)量
各時間段頒發(fā)給風(fēng)光儲的綠證數(shù)量由t時刻風(fēng)光總出力決定，包括風(fēng)電機(jī)組出力、光伏機(jī)組出力及通過儲能電站釋放的風(fēng)光出力。
本文假設(shè)儲能電站優(yōu)先釋放儲存的風(fēng)光充電量。在t時刻儲能電站k獲得的綠證數(shù)量由圖3所示的求解流程進(jìn)行求解。圖3中：圖片分別表示t時刻儲能電站k的總風(fēng)光充電量及剩余風(fēng)光充電量；圖片表示t時刻風(fēng)光儲通過儲能電站k出力獲得的綠證數(shù)量。當(dāng)t時刻儲能電站剩余風(fēng)光充電量小于放電量時，儲能電站釋放所有的風(fēng)光充電量并獲得相應(yīng)數(shù)量的綠證；當(dāng)t時刻儲能電站剩余風(fēng)光充電量大于放電量時，儲能電站獲得其放電量對應(yīng)數(shù)量的綠證。
2.3.2 綠證市場出清價格
綠證市場的出清價格由綠證市場供需決定，如圖4所示。綠證的供給量在周期t內(nèi)保持不變，t時刻出清的綠證數(shù)量圖片和綠證的出清價格圖片分別為
3 模型轉(zhuǎn)化與求解
第2章提出的雙層交易決策模型無法直接進(jìn)行求解，本章首先采用下層模型等效的KKT條件替代下層模型，將雙層模型轉(zhuǎn)化為單層非線性模型。之后采用強(qiáng)對偶定理、大M法對非線性項(xiàng)進(jìn)行線性化處理，將雙層交易決策模型最終轉(zhuǎn)化為MILP模型進(jìn)行求解。
下層模型1的KKT條件不再給出。由于下層模型2中不存在優(yōu)化問題，下層模型2可以直接集成到上層模型的約束中。最終，雙層模型轉(zhuǎn)化為單層模型。
轉(zhuǎn)化后的單層模型存在2種類型的非線性問題，需要進(jìn)行線性化處理，步驟如下。
4 算例分析
4.1 算例參數(shù)
本文以修改的IEEE-14節(jié)點(diǎn)系統(tǒng)為例，進(jìn)行仿真，驗(yàn)證上述雙層交易決策模型的有效性。修改的IEEE-14節(jié)點(diǎn)系統(tǒng)包括8臺發(fā)電機(jī)組（G1~G8）、1臺儲能電站（E）和3個負(fù)荷（D1~D3）。G1~G6為常規(guī)發(fā)電機(jī)組，分別屬于常規(guī)發(fā)電商1~6，申報信息如表1所示，其中G1、G3、G4和G6為調(diào)頻機(jī)組。G7、G8分別為光伏機(jī)組、風(fēng)電機(jī)組，裝機(jī)容量均為200 MW，分別屬于光伏發(fā)電商、風(fēng)電發(fā)電商。負(fù)荷D1~D3分別屬于電力用戶D1~D3。典型日的風(fēng)光出力曲線及負(fù)荷曲線如圖5所示。儲能電站容量為50 MW/250 MW·h，充放電效率為0.95，荷電狀態(tài)限制在10%~90%，初期及末期荷電狀態(tài)均為50%。系統(tǒng)總調(diào)頻容量需求為總負(fù)荷的5%，系統(tǒng)調(diào)頻里程-容量比取10。該節(jié)點(diǎn)系統(tǒng)算例忽略了輸電阻塞的影響，電能量市場各個節(jié)點(diǎn)的邊際電價（locational marginal price，LMP）相等，統(tǒng)稱為系統(tǒng)邊際電價（system marginal price，SMP）。參照文獻(xiàn)[5]及政府政策，綠證最高價格圖片設(shè)定為400元/(MW·h)，交易價格系數(shù)νtgc設(shè)定為0.3，初始RPS考核權(quán)重θtgc設(shè)定為10%。
4.2 不同市場環(huán)境下風(fēng)光儲的交易決策
為了對比分析不同市場環(huán)境下風(fēng)光儲的交易決策，本文設(shè)置了SM及STM 2種市場場景。其中SM為僅考慮現(xiàn)貨市場的場景，STM為聯(lián)合考慮現(xiàn)貨市場和綠證市場的場景。
4.2.1 風(fēng)光儲內(nèi)部調(diào)控分析
圖6給出了SM及STM場景下市場總負(fù)荷及儲能剩余容量的變化曲線?？芍獌δ茈娬驹谟秒姼叻鍟r期采取放電策略，在用電低谷時期充電以補(bǔ)充電量。采用標(biāo)準(zhǔn)差（SD）測量儲能剩余容量的離散度，STM場景下的SD值高于SM場景，表明STM場景下儲能容量的波動較大，儲能電站在電能量市場的表現(xiàn)更為活躍。圖7給出了SM及STM場景下儲能電站充放電的詳細(xì)信息。可以看出，儲能電站充電量主要來自風(fēng)光充電，從主網(wǎng)購買的電量占據(jù)極小比例。其次，STM場景下風(fēng)光充電量及儲能充放電量均高于SM場景。
造成上述現(xiàn)象的原因在于，STM場景下風(fēng)光儲在綠證市場進(jìn)行跨時期套利。在用電低谷時段，綠證需求較少，風(fēng)光發(fā)電商通過增加其向儲能電站的充電量以減少綠證供給量，儲存部分綠證；在用電高峰時段，綠證需求增加，儲能電站增加釋放的風(fēng)光出力以增加綠證供給量。
4.2.2 風(fēng)光儲報量報價決策分析
在電能量市場，風(fēng)電發(fā)電商、光伏發(fā)電商及儲能電站均申報最低放電價格，以期出售其申報的全部放電量，儲能電站申報最高充電價格，以期購買其申報的全部充電量；在調(diào)頻輔助服務(wù)市場，儲能電站申報最低價格，以期出售其申報的全部調(diào)頻容量及調(diào)頻里程。因此風(fēng)電發(fā)電商、光伏發(fā)電商及儲能電站在電能量及調(diào)頻輔助服務(wù)市場的中標(biāo)量等于其報量，風(fēng)光儲的申報決策主要體現(xiàn)在報量決策。本文通過分析市場中標(biāo)情況對風(fēng)光儲的報量決策進(jìn)行分析。
由圖8 SM和STM場景下電能量市場中標(biāo)情況可以看出，電能量市場主要的發(fā)電需求由常規(guī)機(jī)組承擔(dān)，常規(guī)機(jī)組一天內(nèi)的累計(jì)出力均維持在系統(tǒng)總出力的80%左右。由于風(fēng)光儲在綠色證書市場的套利行為，與SM場景相比，STM場景下風(fēng)光申報的放電量減少，儲能申報的放電量增加，部分風(fēng)光出力轉(zhuǎn)移到儲能，儲能申報的充電量始終維持在較低水平。
圖9給出了SM與STM場景下調(diào)頻輔助服務(wù)市場總中標(biāo)比率情況?？梢钥闯觯琒M和STM場景下儲能電站均承擔(dān)約60%的調(diào)頻容量需求，而儲能電站提供的調(diào)頻里程約占系統(tǒng)總調(diào)頻里程需求的80%。這是由于儲能電站的調(diào)頻性能高于常規(guī)調(diào)頻機(jī)組，在提供相等調(diào)頻容量的情況下，儲能電站提供的調(diào)頻里程要高于常規(guī)調(diào)頻機(jī)組。儲能電站申報的調(diào)頻容量及調(diào)頻里程與其在電能量市場申報的充放電量相關(guān)聯(lián)，隨著可再生能源配額制的引入，儲能電站在電能量市場申報的充放電量增加，進(jìn)而導(dǎo)致儲能電站申報的調(diào)頻容量及調(diào)頻里程減少。
4.3 風(fēng)光滲透率及RPS考核權(quán)重對風(fēng)光儲交易決策的影響
為了研究風(fēng)光滲透率及RPS考核權(quán)重對風(fēng)光儲交易決策的影響，本文假設(shè)風(fēng)電及光伏機(jī)組的裝機(jī)容量均逐步增加到300 MW，每段增量為25 MW，風(fēng)光滲透水平從22.1%增加到29.85%。RPS考核權(quán)重以步長為2.5%同步遞增至20%。
4.3.1 對風(fēng)光儲內(nèi)部調(diào)控的影響分析
圖10給出了各風(fēng)光滲透率及RPS考核權(quán)重下儲能電站充放電的詳細(xì)信息?？梢姡L(fēng)光充電量及儲能放電量隨著風(fēng)光滲透率及RPS考核權(quán)重的增加先增加后減少。原因在于早期隨著風(fēng)光滲透率及RPS考核權(quán)重的增加，在用電低谷時刻，增加的綠證需求較少，增加的風(fēng)光出力一部分用于獲取綠證以滿足增長的綠證需求，剩余部分通過儲能電站存儲起來，風(fēng)光充電量增加；在用電高峰時刻，增加的綠證需求較多，儲能增加釋放的風(fēng)光出力以增加綠證供給量，儲能放電量增加。然而隨著風(fēng)光滲透率進(jìn)一步的增加，各時刻風(fēng)光出力逐漸增加，風(fēng)光儲“低充高放”的套利行為受到一定程度的限制，風(fēng)光充電量及儲能放電量減少。
4.3.2 對風(fēng)光儲報量決策的影響分析
由于風(fēng)光儲市場中標(biāo)量與其報量相等，本節(jié)依據(jù)風(fēng)光儲市場中標(biāo)情況的變化對風(fēng)光儲報量決策的影響進(jìn)行分析。各風(fēng)光滲透率及RPS考核權(quán)重下電能量市場中標(biāo)情況如圖11所示。隨著風(fēng)光滲透率及RPS考核權(quán)重的增加，風(fēng)光申報的放電量呈上升趨勢，風(fēng)光機(jī)組每增加50 MW的裝機(jī)容量，就平均以約2.47的百分比取代常規(guī)發(fā)電機(jī)組；儲能申報的放電量先增加后減少。圖12給出了各風(fēng)光滲透率及RPS考核權(quán)重下調(diào)頻輔助服務(wù)市場中標(biāo)情況。儲能電站在調(diào)頻輔助服務(wù)市場申報的調(diào)頻容量及調(diào)頻里程與在電能量市場申報的充放電量變化趨勢相反。隨著風(fēng)光滲透率及RPS考核權(quán)重的增加，儲能電站申報的調(diào)頻容量及調(diào)頻里程先減少后增加。
5 結(jié)論
本文構(gòu)建了一個雙層交易決策模型以模擬可再生能源配額制下風(fēng)光儲參與日前電能量及調(diào)頻輔助服務(wù)市場的交易決策。通過下層模型的KKT條件及強(qiáng)對偶定理等方法將雙層模型轉(zhuǎn)化為MILP模型進(jìn)行求解。最后通過算例對比分析了不同市場環(huán)境下、不同風(fēng)光滲透率和RPS考核權(quán)重下風(fēng)光儲的最優(yōu)交易決策，驗(yàn)證了所提模型的有效性。主要結(jié)論如下。
1）儲能電站在用電高峰時期采取放電策略，在用電低谷時期主要通過風(fēng)光充電來補(bǔ)充電量，從主網(wǎng)購買的電量始終維持在較低水平。
2）引入可再生能源配額制后，風(fēng)光儲在綠證市場的套利行為導(dǎo)致各時刻風(fēng)光儲內(nèi)部調(diào)控更加活躍，儲能放電量增加，風(fēng)光放電量減少，電能量市場部分風(fēng)光出力轉(zhuǎn)移到儲能。與儲能申報的充放電量變化相反，儲能申報的調(diào)頻容量及調(diào)頻里程下降，儲能電站將更少的電量用于提供調(diào)頻服務(wù)。
3）隨著風(fēng)光滲透率及RPS考核權(quán)重的增加，風(fēng)光充電量及儲能放電量呈先增加后小幅度減少的趨勢，風(fēng)光放電量呈上升趨勢，儲能提供的調(diào)頻容量及調(diào)頻里程與儲能充放電量變化趨勢相反。
注：本文內(nèi)容呈現(xiàn)略有調(diào)整，如需要請查看原文。
