基于新型需求響應模型的風電消納市場機制

劉懷東，劉 豪，馮志強，李金良，晏淑珍，崔麗瑤

（1.天津大學電氣自動化與信息工程學院，天津 300072；2.天津大學智能電網教育部重點實驗室，天津 300072；3.國網秦皇島電力公司，秦皇島 066000）

風電是最具規模化開發前景的可再生能源。然而，由于具有明顯的反調峰特性和風資源分布的不均勻性，風電的大規模發展受到了限制，甚至出現嚴重的棄風現象，造成極大的資源浪費[1-2]。

國內外學者對于風電消納做了大量研究，可以歸納為3類主要的方式[3]：①利用快速啟停機組參與風電消納調峰；②利用鄰國鄰區電源結構的互補特性開展跨區電力互濟交易；③利用基于價格或激勵機制的需求響應資源。在智能電網環境下，需求響應已成為促進風電消納的重要手段。需求側響應 DR（demand-side response）通常有基于電價[4-6]、基于激勵[7-9]和二者結合[10]使用3種類型。文獻[3]以參與C-G（電力用戶與發電企業直接交易）的電力用戶作為系統調峰資源，設計了激勵電力用戶參與風電消納的市場機制。該機制要求電力用戶在日前市場開市前，除申報一條C-G直接交易合同的日交割曲線外，還要申報一條或多條調峰用電曲線，提交多條用電曲線在實際中對電力客戶可能存在一定的困難。文獻[4]考慮了天然氣和電的分時定價，并將天然氣和電力作為綜合需求響應參與綜合能源系統調度。文獻[11]以包含通過控制需求側的分時電價和可中斷負荷激勵用戶優化負荷曲線。文獻[12]建立了考慮電價響應和用戶滿意度的含風電的電力系統優化調度模型。文獻[13]考慮風電出力以及電價和需求的不確定性，采用自回歸移動平均方法生成多個場景，針對包含風電、基于電價的DR和基于激勵DR的微網，提出日前兩階段隨機調度框架。

虛擬發電廠VPP（virtual power plant）概念最初是為解決分布式電源的調度問題而提出的，通過將風電與儲能裝置、DR等結合起來組成虛擬發電廠參與電力市場是解決風電消納的有效途徑[14]。文獻[15]基于隨機負荷需求，建立了統一電能交易市場下的VPP優化調度模型。文獻[16]利用多場景法模擬風力發電和日前市場出清電價的不確定性，基于兩階段隨機規劃建立以VPP經濟效益最大化為目標的VPP優化調度模型。文獻[17]針對VPP中隸屬于不同利益主體的分布式能源如何實現收益公平分配問題，基于討價換價博弈理論構造反映風險承受水平的效用函數，通過量化各利益主體的談判力，建立VPP收益分配模型。

本文采用電力客戶在日前市場提供下一日負荷曲線的DR方式，建立包含該DR負荷和風電機組的VPP，由VPP將多余風電出力參與市場競標。采用新型DR機制，避免了負荷預測，可以提高VPP競標出力的準確性。在VPP內部采用分時期的合同電價激勵用戶提供有利于風電消納的負荷曲線，增加風電在高峰出力時期的消納量。根據每個用戶DR貢獻的不同，建立公平合理的賬單形成模型，考慮實際用電與提交負荷曲線的差異，建立最終賬單結算模型激勵用戶按照提交的負荷曲線用電。

1 VPP運行模式

本文提出的新型DR模型是在VPP框架下實現的。將DR引入VPP結構中目前還比較鮮見。該VPP由風力發電機組和提供DR的電力客戶兩部分構成。具體的運行模式主要包含以下步驟。

步驟1風力發電機組運行商在日前市場將預測的風電出力信息（即每個時段風電的輸出功率）Pg,t以及風電出力高峰閾值PThW通告給VPP內的每個用戶。

步驟3VPP管理系統依據每個用戶提交的負荷曲線確定DR貢獻并形成公平的日前賬單，通知每個用戶。同時根據每個時段風電出力與負荷量的差值向電力市場提交競標出力/需求。

步驟4進入實時市場，VPP管理系統根據每個用戶的實時表現（每個時段實際負荷量與提交負荷曲線的偏離情況）確定最終的賬單。

2 DR模型

本文所提的數學模型共包括3部分：①日前賬單的形成模型；②用戶最優負荷曲線的制定模型；③最終賬單形成模型。

2.1 日前賬單形成模型

每個用戶最優負荷曲線的制定模型在下一節中描述，這里先假設用戶i提交的負荷為Li,t，那么全體用戶的總負荷Ltotal,t為

式中，I為全體用戶總數。

VPP在日前市場的投標發電量/需求量為

式中，Pg,t為風電機組每個時段t的功率輸出。

VPP在參與日前市場所獲得的收益/花費為

從式（1）～（4）可以看出PVPP的正負取決于Pbid,t，在本文建立的VPP中，無論是收益還是花費都要根據每個用戶的DR貢獻分配并附加到用戶的個人賬單中。

為了定量描述用戶的DR貢獻，定義高峰風電消納量指標Li,gf，表達式如下：

在式（4）電價信號的激勵下，在風電出力高峰期需求響應消納風電量加大，可能出現新的負荷高峰，以致出現總負荷大于風電出力的現象。為了避免這種現象的發生，同時考慮到風電出力曲線的反調峰特點，再定義一個相關系數指標ki,xg反映用戶i提交的負荷與風電出力曲線的相關性，具體如下：

式中：u為0-1變量，當PVPP≥0時，u=1，表明DR分配因子越大的用戶分得的收益越大；當PVPP＜0時，u=0，表明DR分配因子越大分到的附加支出越小。

2.2 最優負荷曲線制定模型

從式（4）的電價機制可以得出，用戶為了降低電費支出，應該盡量增加風電出力高峰期的用電比例。為了在收益/花費分配中處于有利地位，還應該使提交的負荷曲線盡量與風電曲線相似。基于上述兩條原則，可以獲得用戶i的最優負荷曲線制定模型：

2.3 用戶的最終賬單

前面建立了用戶的日前賬單形成模型。然而，進入實時市場后，用戶實際使用負荷量可能與其日前提交的負荷曲線產生偏移。這樣會導致用戶間收益的不公平分配，還會增加VPP由于投標不準確帶來的經濟懲罰，因此在賬單形成機制中必須予以考慮。對用戶的用電偏差進行適當的經濟懲罰然后對用戶進行收益的重新分攤。

VPP在實時市場用于偏差的花費CVPP可表示為

為了激勵電力用戶按照提交的負荷曲線用電，無論是多用電還是少用電，用戶都會受到經濟懲罰。因此，本文采用對偏離量按照絕對值乘以實時電價進行罰款，如下所示：

全體用戶繳納的總罰金CCON以及VPP的不平衡收入BVPP分別表示如下：

該值越大說明用戶i在t時刻相比于其他用戶偏離量越小，即表現越好。

最終的個人賬單可以由下式確定：

3 算例結果及分析

3.1 負荷曲線優化前

算例系統參數：VPP中提供DR服務的負荷數有18個，負荷1到負荷9采用文獻[18]中的商業負荷數據，負荷10到負荷18采用文獻[19]中的工業負荷數據；系統采用文獻[20]中的風電出力數據，風電出力閾值設為200 MW；日前市場電價、實時市場電價均使用文獻[21]中的數據；設置α為0.6，β為0.4，θ為0.9，ω為1.05。

用戶不參與VPP直接參與電力市場的日前賬單采用下式計算：

用戶直接參與電力市場和參與VPP的日前賬單如圖1所示。可以看出，通過參與VPP，顯著降低了每個負荷的電費支出。結果表明，本文提出的電價機制能夠吸引電力客戶參與到虛擬電廠中。

圖1 負荷優化前用戶的日前賬單Fig.1 User’s day-ahead bills before load optimization

每個時段的競標出力如圖2所示。由于直接采用現有文獻中的負荷數據構成算例，相當于每個用戶提交的負荷曲線都沒有經過優化，所以從圖2中可以看出，風電在負荷高峰期（t=1，t=18，t=19，t=20，t=21，t=22，t=23和t=24）時的競標出力依舊較大。在時段9、10、11和17中，由于風電自身的反調峰出力特點，VPP還要向日前市場購電以滿足內部負荷需求。

圖2 負荷優化前每個時段的競標出力Fig.2 Bidding output at each time interval before load optimization

為了定量地描述風電消納效果，定義有效消納比例D為

負荷優化前的計算結果表明，有效消納比例D=38.13%，即風電高峰出力的38.13%被VPP內部負荷消納了。

3.2 負荷曲線優化后

對第2.2節中用戶提交的負荷曲線以式（10）為目標函數進行優化，采用的約束條件如下所示：

負荷優化后的日前賬單如圖3所示。從圖3可以看出，負荷優化后，大部分用戶的日前賬單可以進一步降低，極少數用戶的日前賬單相比于優化前有所增加，但仍低于直接參加電力市場的電費支出。這是由于此類用戶的負荷可調節性比較差，導致DR貢獻相對于其他用戶小。

圖3 負荷優化前后的日前賬單對比Fig.3 Comparison of day-ahead bill before and after load optimization

負荷優化后的競標出力如圖4所示。從圖4可以看出，負荷優化后，或者說用戶提供了DR后，風電出力高峰期的競標量明顯降低，有利于降低棄風的可能性，并且顯著提高了其他時段的競標出力。與優化前的投標出力相比，在時段9、11和17中，VPP不再需要從電力市場中購電，反而可以提供競標出力。

圖4 負荷優化前后的競標出力對比Fig.4 Comparison of bidding output before and after load optimization

負荷優化后的有效消納比例D=43.61%，與第2節的結果相比顯著提高了，表明本文所提出的新型DR模型的有效性。如果需要，可以降低式（4）中的θ、提高式（7）中的α值進一步激勵用戶消納出力高峰期的風電。

3.3 最終實時賬單

為了驗證第2.3節所提最終賬單模型，即用戶實際使用負荷與提交負荷產生偏差的處理機制，以上一節優化后的負荷數據為基礎，為18個負荷構造一種實際偏差情況作為模型的輸入數據。出于對比需要，負荷5和負荷6的實際情況設置為始終正偏差，也就是每個時段用電量都大于計劃負荷曲線；將負荷14和負荷15的實際情況設置為無偏差；負荷16和負荷17的實際使用情況設置為始終負偏差；其他負荷隨機產生偏差。

每個負荷由于用電偏差所需繳納的罰金如圖5所示。從圖5可以看出，除了負荷14和負荷15由于無偏差的用電而不用交罰金以外，其他用戶都不同程度地需要繳納一定量的罰金，即使是少用電的負荷16和負荷17也不例外。

圖5 每個負荷的罰金Fig.5 Penalty for each load

圖6為日前賬單和最終賬單的對比圖。從圖6可以看出，用戶5和用戶6雖然比提交的負荷曲線多用電，但是其偏離量相對較少，最終的賬單有所降低；用戶14和15因為無偏離地用電，最終的電費支出少于日前賬單；用戶16和17雖然少用電，但因偏離量相對較大，導致最終賬單有所提高。

圖6 日前賬單和最終賬單對比Fig.6 Comparison between day-ahead and final bills

上述結果表明，本文提出的實時賬單形成模型有利于激勵每個用戶按照提交的負荷曲線用電。

4 結論

（1）本文采用電力客戶在日前市場提供下一日負荷曲線的DR方式。建立了用戶最優負荷曲線制定模型和依據DR貢獻進行收益分配的日前賬單形成模型，考慮了實時市場中實際用電的偏差，建立了用于激勵用戶按提交負荷曲線用電的最終賬單形成模型。

（2）算例分析結果表明利用本文所提的市場機制有如下優點：①能夠明顯降低電力客戶的電費支出；②能夠按用戶用電行為形成公平的賬單；③能夠顯著提高風電的消納比例；④激勵用戶按照提交的負荷曲線用電。

（3）為了更進一步地增加風電消納量，后續的研究應該考慮將非DR電力客戶也引入到VPP中，分析DR客戶和非DR客戶共存時的VPP運行模式和結算機制。