電力現貨市場環境下園區型綜合能源系統多階段聯合優化運行

丁 泉，竇曉波，錢國明，黃 超，陳孝煜，李 鵬

（1. 東南大學 電氣工程學院，江蘇 南京 210096；2. 國電南京自動化股份有限公司，江蘇 南京 210032）

0 引言

2015 年3 月15 日，中共中央國務院發布《關于進一步深化電力體制改革的若干意見》，標志著新一輪電力體制改革啟動。作為本輪電力體制改革的重要支撐，國家發改委、國家能源局先后印發系列電力市場配套文件［1-3］，并選擇南方（以廣東起步）、蒙西、浙江、山西、山東、福建、四川、甘肅等8 個地區作為第一批電力現貨市場改革試點。電力現貨市場作為連接電力中長期交易與實時運行的關鍵環節，能充分還原電力商品屬性，起到價格發現和資源優化配置的作用，激發市場主體活力，提升電力系統調節能力［4］。我國電力現貨市場的參與主體主要包括各類發電／供電企業、售電公司和大用戶等［1］，在國內現行市場規則體系下，電力用戶有以下2 種方式參與電力現貨市場：委托專業售電公司代理進入市場；達到一定用電規模的大用戶，可直接參與現貨市場。

各類工商業園區大用戶一直走在本輪電力體制改革的前沿，以綜合能源系統（IES）形式參與電力現貨市場，能充分發揮分布式電源、冷熱電聯供、儲能等設備的靈活調控及優化互補能力，更好地適應現貨市場靈活多變的電力價格，在面臨差價合約及偏差考核的條件下，通過優化運行策略，達到降低用能成本的目的。優化經濟運行是IES 的主要研究熱點［5-6］。文獻［7-9］從日前等較長時間尺度進行了系統性優化，并考慮了一定的隨機性影響；文獻［10-13］基于多時間尺度優化思想，采用了多種從日前到日內的跨時間尺度聯合優化模型。此外，IES在參與電力市場方面的研究也逐漸增多，文獻［14］將中長期合同電量分解模型引入電-氣IES 日前調度決策過程中，實現了合同電量分解和調度計劃的嵌套優化；文獻［15］將分布式電源和可調負荷納入售電公司的優化調度中，建立了以售電公司日前運營收益最大為目標的優化調度模型；文獻［16］基于條件風險價值模型，以綜合能源服務商在不同類型能源市場中的能源購置成本最小為目標，構建兩階段隨機調控模型。綜上，目前對IES 參與電力中長期市場已有一定的研究，但大多集中在日前階段。由于國內電力現貨市場試點剛剛開展，電力現貨市場環境下的優化經濟運行研究不多，特別是在實時階段較少。考慮到現貨市場普遍采用的是差價合約的結算方式，在購電價格實時波動的情況下，對園區型IES 的用能經濟優化運行提出了新的挑戰。

因此，本文針對我國普遍采用的集中式電力市場運行機制，面向大型工商業園區自主運營的IES，提出了其參與現貨市場的優化經濟運行模型。對包含熱電聯供（CHP）機組、電熱鍋爐、分布式光伏等多類能源供應的IES，首先分析了其參與國內現行電力現貨市場的運營模式，以綜合用能成本最小為目標，采用多時間尺度多步遞進優化的思想，建立了日前、日內、實時三階段聯合優化經濟運行模型：在日前市場申報階段，引入隨機優化應對負荷、光伏及日前電價不確定性，考慮中長期市場合同電量的前提下，計算園區IES 最優申報電量；在日內階段，當確定出清電價后優化計算得到24 h 功率計劃曲線；在實時階段，采用模型預測控制（MPC）算法跟蹤現貨實時市場電價變化，利用IES 儲能、熱電互補等綜合調節手段，優化校正中長期-日前、日內-實時階段的偏差電量。算例仿真結果表明，本文所提出的IES 優化經濟運行策略可以較好地適應當前國內現貨市場機制，最小化園區用能成本。

1 IES在現貨市場的運行模式

電力市場改革啟動前，園區用戶通常采用工商業階梯電價，在進行經濟優化運行時，電價作為常量。而在電力現貨市場環境下，電價根據供需關系及網絡阻塞不斷動態變化，成為時變量。并且，由于差價合約、偏差考核機制，從中長期到日前再到日內實時市場的一系列量、價決策過程都將影響最終用電成本，給IES的經濟運行帶來挑戰。

目前，國內試點的電力市場模式主要分為集中式市場與分散式市場，相較而言，集中式市場模式可以較好地適應電網阻塞，是國內試點的主要模式［5］。本文的研究也將針對該市場模式展開，未做特殊說明情況下，本文所提及的電力市場都為集中式市場。

1.1 IES參與電力市場方式

工商業園區除通過電網獲取外部電力供應，往往還包含光伏、CHP 機組、鍋爐、儲能等多類型能源供應設備，并包含能源服務供應者（ESP）角色，作為工商業園區用戶代表，對外負責參與電力市場交易，簽訂購電合約，直接參與現貨市場交易活動，接受電網調度部門電量考核；對內負責運營園區內能源供應設施，安排園區能源在滿足供給的前提下以經濟性最優為目標。按現有電力市場規則，IES參與電力現貨市場的運營方式如圖1所示。

圖1 IES參與電力市場的框架Fig.1 Framework of IES participating in electricity market

1.2 現貨市場價格模型

國內現貨市場一般用差價合約機制，綜合中長期市場的偏差考核，允許產生一定偏差收益，形成涉及中長期、日前、實時市場間的量、價差額結算規則，本文參考國內現貨市場試點規則［17］，按照差價合約和偏差考核規則，用戶電費的計算公式可表示為：

式中：Cfee為用戶用電成本；QL，t和PL，t分別為ESP 通過中長期市場簽訂的金融合約分解到t時段的電量和電價；QD，t為t時段用戶在現貨日前市場申報用電量；PD，t為t時段現貨市場日前交易出清后所形成的日前出清電價；QR，t為t時段用戶在現貨實時市場中的實際用電量；PR，t為t時段現貨市場實時交易中的實時電價；CR，t為t時段現貨市場轉移收益［17］，表示用戶在現貨市場內因為市場價格和用電計劃偏差而產生的允許收益，計算方式如式（2）和式（3）所示；CLP，t為t時段偏差考核成本，表示將中長期協議電量月度偏差考核折算到當日的懲罰成本，計算方式如式（4）所示。

式中：δ為允許偏差范圍；為t時段用戶中長期協議月度電量在當日的消納指標，根據不同用戶需求，可采用當月剩余完成額與剩余天數之商來進行簡化計算，也可根據用戶月內用電量分布歷史數據進行設定；PLD，t為t時段偏差度電懲罰價格，計算方式由各市場具體規則確定。

IES 對電網售電價格按各地區制定的分布式上網電價進行結算，因單個IES 對市場影響可忽略不計，默認ESP為電力現貨市場的價格接受者。

1.3 現貨市場下IES聯合優化運行模式

電力市場主要包括中長期市場與現貨市場，現貨市場一般可包括日前、日內和實時3 個市場階段［4］。本文提出的運行模式在時間尺度上與現貨市場同步，圍繞日前、日內和實時3 個階段，實現多步遞進的經濟滾動優化調度，現貨市場下IES 運行模式如圖2所示。

圖2 IES在電力現貨市場中的運行模式Fig.2 Operation pattern of IES in electricity spot market

1）日前優化。

國內試點省區現貨市場下，ESP 需每日申報下一日的分時負荷曲線，參與現貨日前市場。如果申報策略與日前出清電價和實時電價趨勢不同，將面臨因價格偏差導致的額外用電成本，因此，在日前申報階段的用電負荷申報曲線將直接影響其參與現貨市場的收益。

在電量申報階段需對所申報的負荷曲線進行優化，以園區內下一日綜合用能成本最小為目標，基于對負荷、光伏功率的隨機概率約束［18］，并考慮分布式電源的功率約束和經濟性成本，以及日前電價與中長期合同電價間的偏差電量，通過優化計算得到下一日最優的電網購電曲線，用于日前市場申報。

該階段假定實時電價等于出清電價，按照中長期合同電量與日前電價及申報電量形成的差價合約，基于式（1）該階段電費Cfee_da計算公式可簡化為：

2）日內優化。

進入日內優化階段，出清電價已經發布，日前市場的現貨價格最終確定，在進入實時運行前，需重新修正在電量申報階段所進行的優化計算，用于提前安排IES 日內發用電計劃。日內優化計劃與日前優化模型基本相同，區別是根據已出清的日前價格，并基于對實時電價的預測，采用式（1）計算電網購電成本，結合CHP 機組、電鍋爐等設備的調節能力，保持日內總體用能成本最小為目標，對系統各可調功率曲線進一步進行優化計算，獲得日內24 h 功率計劃曲線，包括電網購電計劃曲線。

3）實時優化。

進入實時階段后，配合現貨日內實時市場所采取的滾動優化出清方式，在日內實時階段同步進行滾動優化，以15 min 為周期，更新IES 內部發用電計劃曲線和最新的實時市場電價。

實時滾動優化階段主要完成2 個任務：①與現貨實時市場同步，按照固定周期對發布實時電價進行跟蹤預測，在差價合約允許偏差范圍內，優化CHP機組、電鍋爐及儲能系統功率，降低IES 從大電網購電的成本；②以日前發用電計劃曲線為參考，根據對負荷、分布式發電功率的超短期預測，以綜合用能成本最低為目標，校正日前計劃偏差，實現日內全局計劃與實時階段局部優化間的協同。

2 系統模型

2.1 園區IES模型

工商業園區IES典型結構分為能源供給、能源轉換、能源存儲、能源消費4個主要部分，如圖3所示。

圖3 典型工商業園區IES框架Fig.3 Typical framework of industry and commercial park-level IES

2.2 設備模型

1）光伏發電設備。

光伏發電功率計算方法如下：

式中：PPV，t為t時段光伏發電功率；fPV為光伏陣列降額因數；YPV為光伏陣列容量；-GT，t為t時段到達光伏陣列的輻照度；-GT，STC為輻照度標量，取1 kW／m2。模型中假設光伏陣列都采用最大功率點跟蹤控制。

2）電鍋爐。

電鍋爐模型表示如下：

式中：PEB，t為t時段電鍋爐耗電量；HEB，t為t時段電鍋爐產熱量；ηEB為電熱轉化效率。

3）制冷機設備。

制冷機設備可分為電制冷機和吸收式制冷機，模型分別表示如下：

式中：PAC，t為t時段電制冷機耗電量；HLBR，t為t時段吸收式制冷機耗熱量；CAC，t、CLBR，t分別為t時段電制冷機、吸收式制冷機產冷量；ηAC、ηLBR分別為電冷轉換系數、熱力系數。

4）CHP機組。

式中：GCHP，t為t時段CHP機組燃氣總功率；HCHP，t、PCHP，t分別為t時段CHP 機組產熱量、發電量；ηH，CHP、ηP，CHP分別為CHP機組的氣熱轉化效率、氣電轉化效率。

5）儲能設備。

儲能設備在充放電過程的狀態方程如下：

式中：Ebatt，t+1和Ebatt，t分別為t+1、t時段儲能設備存儲容量；Kch、Kdis分別為儲能設備充、放電效率；、分別為儲能設備的充、放電功率；ε為自損耗系數。

2.3 約束條件

1）功率平衡約束。

IES內需保持電、熱系統的功率平衡：

式中：Pgrid，t、PESS，t、PLoad，t分別為t時段電網、儲能功率和電負荷；HHeat，t為t時段熱負荷。

2）設備約束。

其他設備的約束條件詳見附錄A。

3）概率約束。

考慮系統內電熱負荷及光伏發電功率的不確定性對電網購電決策的影響，采用隨機優化中的概率約束模型對購電量進行一定裕度的設置。

式（13）、（14）包含了電熱負荷及光伏預測值等不確定因素，因此以概率約束的形式對其進行轉化：

式中：Pr{·}表示條件{·}成立的概率；α、β分別為電、熱概率約束成立的置信度。

假設光伏出力預測、負荷預測誤差服從正態分布，則式（15）可轉化為：

式中：μ、δ分別為對應的期望值、標準差；zα、zβ分別為服從標準正態分布的α、β分位數。

3 IES在現貨市場的優化模型

基于1.3 節所提出的IES 在現貨市場的運行模式，本節給出日前、日內到實時階段的跨時間尺度優化模型。

3.1 日前、日內優化

日前、日內優化模型基本一致，主要區別在于日前優化基于對日前電價的預測價格進行優化計算，日內優化則是基于確定的出清價格。并得到日內24 h功率計劃曲線。

日前市場電量申報模型的目標函數為經濟性最優，即總運行成本最低：

式中：pgas，t為t時段天然氣的能源消耗功率；rgas為天然氣的單位耗量成本；pt為t時段儲能設備輸出功率；rom為單位功率運行維護成本；ut為0-1變量，表示t時段CHP 機組啟停狀態，取值為1 時表示啟動，取值為0 時表示停機；Cst為啟動成本；Cgrid，t為t時段日前電費成本，可采用式（5）計算得到。

3.2 基于MPC的實時滾動優化

在現貨市場環境下，除了光伏發電、負荷功率具有一定的隨機性外，實時市場中的電價也將呈現一定的不確定性。MPC適合解決含不確定因素的系統優化控制問題，其實質是一種基于滾動時域的優化控制方法，不僅能處理外部干擾，對不確定性因素也具有很強的處理能力［19］。

1）現貨實時市場下MPC滾動優化策略。

MPC 以一定的計劃曲線作為跟蹤目標，通過建立預測和控制2 個滾動時域，在實時運行階段根據最新的預測數據和實際運行數據進行不斷的優化與反饋校正，電力現貨市場下MPC 原理如附錄B 圖B1所示。

考慮到日內計劃采用24 h 短期預測，已有較高的預測精度，以3.1節中生成的日內24 h功率計劃作為MPC 的參考曲線，由超短期光伏、負荷與實時電價短期跟蹤預測，動態調整實時下發功率計劃指令。

現貨實時市場下的MPC 滾動優化策略主要包括以下3 個步驟：①在當前k時刻獲取當前狀態x(k)，基于對光伏、負荷和日內現貨市場實時電價的預測模型，在預測域時間窗k+Np范圍內，跟蹤日前功率計劃曲線，通過滾動優化算法，計算得到該時間段內的預測功率曲線，并計算得到控制域時間窗k、k+1、…、k+Nc時刻的控制指令序列u(k+i|i∈[1，Nc]) ，并以Δt為時間間隔；②將控制指令序列的第一個值u(k)應用于控制對象，并產生系統輸出向量y(k)；③到k+1時刻，更新狀態，并將y(k)反饋到滾動優化輸入量，用于校正上一時刻擾動量r(k)以及預測誤差，并循環重復以上步驟。

2）基于MPC 的滾動優化模型。選取儲能充放電功率Pbatt(k)、儲能系統荷電狀態SSOC(k)、電鍋爐制熱功率PEB(k)、CHP 機組燃氣總功率GCHP(k)、微電網與外電網聯絡線交換功率Pgrid(k)構成的向量為狀態向量x(k)：

選取儲能、電鍋爐和CHP 機組的出力增量ΔPbatt(k)、ΔPEB(k)和ΔPCHP(k)構成的向量作為控制向量u(k)：

選取光伏日內預測功率增量ΔPPV(k)，電、熱負荷的日內預測功率增量ΔPload_elc(k)、ΔPload_heat(k)構成的向量作為擾動向量r(k)：

利用MPC建立狀態空間模型，如式（22）所示。

選取儲能荷電狀態、電網聯絡線功率構成的向量作為用于日內跟蹤的輸出向量y1(k)：

選取CHP 輸出電功率、微電網與外電網的聯絡線功率構成的向量作為用于計算日內購電、購氣成本值的輸出向量y2(k)：

通過對狀態空間預測模型反復迭代，便可得到輸出向量在預測時長Np內的跟蹤輸出向量Y1以及成本值輸出向量Y2，分別如下：

本文選取聯絡線功率計劃值和儲能荷電狀態的日內優化值作為跟蹤目標，建立了預測時域和控制時域遞減的滾動優化模型，目標函數如下：

式中：Y1_ref為輸出向量Y1的日前計劃值構成的向量；R為跟蹤誤差的權重系數矩陣，如式（28）所示；Q為各時段購電、購氣價格矩陣，如式（29）所示。

式中：wSOC、wgrid分別為儲能和電網購電的跟蹤權重系數，由于日內滾動優化以IES 總運行成本最低為目標，較注重短時局部經濟性，為保證24 h內的全局優化，通過跟蹤誤差的權重系數矩陣R中的跟蹤權重系數來協調系統全局和局部的經濟最優性，具體的取值方式見文獻［10］；SCHP、Sgrid分別為天然氣和電網購電價格。

4 仿真算例

選取南京市某企業園區IES 進行算例驗證，該系統含電、氣2 種能源輸入形式，其結構見圖4，園區中各設備的相關參數以及天然氣熱值、價格見附錄B 表B1。電力市場數據來自于國內某電力現貨試點省份2020 年8 月26 日的實際電價數據，算例仿真的計算環境為Intel Core-i5 2.3 GHz，8 GB RAM。

圖4 IES仿真系統結構Fig.4 Structure of IES simulation system

4.1 日前、日內階段優化

按照1.3節中的階段性聯合優化方案，采用CPLEX求解器求解日前（日內）階段優化仿真模型。由于在該階段無法獲得實時電價，因此購電成本主要考慮式（1）—（3）中長期與日前電價的差價合約。該日的長期合同電價、日前預測電價和日前出清電價曲線如圖5所示。

圖5 電價曲線Fig.5 Curves of electricity price

1）隨機優化。

假設光照強度、負荷預測均服從以預測值為期望、一定標準差的正態分布，不同置信度下的運行成本如圖6 所示。由圖可知，置信度越高，系統運行成本越高。綜合以上分析，本文中可靠性指標取值為0.95，此時冷熱電系統供能相比需求量而言都留有一定裕度，以確保不確定條件下的運行經濟性。

圖6 不同置信度下的運行成本Fig.6 Operating cost under different confidence degrees

2）日前優化。

根據式（5）計算日前階段的購電成本，優化得到的主要設備功率計劃曲線及最優的電網購電負荷申報曲線如圖7 所示。由圖可知，由于CHP 機組供能轉化效率高，綜合成本較低，在用熱負荷升高并且預測到日前電價較高階段（09:00開始），優先采用CHP機組發電并供熱，從而降低電網購電成本。

圖7 日前階段優化計算結果Fig.7 Optimized calculation results in day-ahead stage

3）日內優化。

進入日內優化階段，出清電價已經發布，在此基礎上再引入對實時電價的預測，形成結合CHP 機組、電鍋爐等能源供應的優化調節效果，對系統各可調功率曲線進一步調節，獲得第二天24 h 優化經濟曲線及功率計劃曲線，如圖8所示。

圖8 日內階段優化計算結果Fig.8 Optimized calculation results in intraday stage

由圖8 可知，CHP 機組的日內優化運行曲線基本與日前一致，但是在09:00—10:00時段，出清電價明顯高于日前預測電價，此時采用CHP 機組消耗天然氣為電負荷供電更便宜，因此為了增大該時段CHP機組的發電量，考慮到爬坡約束，將其提前了1 h，于07:00 開機。在15:00 和20:00—11:00 時段，出清電價明顯低于日前預測電價，此時采用電網購電更便宜，因此逐漸減少CHP機組的發電量。

日前與日內階段電價及CHP 機組出力對比如附錄B圖B2所示。

4.2 實時優化

本文重點驗證實時滾動優化效果，因此有關光伏、負荷、電價等預測算法，不再贅述。為不失一般性，假定實時階段的光伏發電、負荷、電價等日內預測數據，在實際數據基準上疊加符合正態分布的誤差進行模擬。實時電價采用現貨市場每小時出清電價數據，并在其基礎上每15 min 疊加小于20%的隨機波動。

MPC 的模型參數如下：預測域時長為2 h，控制域時長為1 h，實時滾動優化調度每15 min 執行一次，跟蹤權重系數為10-6。

1）實時滾動優化效果。

以日內預測值為期望，標準差取5%，模擬光伏、負荷及實時電價曲線。圖9 為實時滾動優化期間，CHP機組發電功率和電網交換功率的實際計劃曲線。

圖9 實時階段滾動優化結果Fig.9 Results of rolling optimization in real-time stage

從圖9 中可以看出，當日內預測數據與實時階段實際數據間誤差正常的情況下（標準差取5%），實時滾動優化算法將以跟蹤日內優化計劃曲線為主，此時更多反映全局的優化效果。實時滾動完整優化計劃曲線如附錄B圖B3所示。

2）電價擾動下滾動優化效果對比。

為觀測本文實時滾動優化模型的抗擾動能力，在出清電價的基礎上，對15:00—17:00 時段實時電價模擬60%的擾動，此時的CHP 機組發電功率、電網交換功率和電鍋爐耗電功率的實際計劃曲線如圖10所示。

圖10 電價擾動情況下的滾動優化結果Fig.10 Results of rolling optimization under disturbance of electricity price

由圖10 可以看出，在15:00—17:00 時段，由于實時電價相較于日前出清電價有了明顯下降，實時滾動優化對日內24 h 功率計劃進行了一定程度調整，電網購電量有所增加，CHP 機組出力顯著下降，電鍋爐耗電明顯上升。滾動優化對實時電價的波動進行了適時的調整，15:00—17:00 時段內的用能成本下降了4.31%，電價擾動下的系統實時滾動優化對比如表1所示。

表1 電價擾動下的經濟性對比Table 1 Economic comparison under disturbance of electricity price

實時電價擾動情況下的完整滾動優化計劃曲線如附錄B圖B4所示。

5 結論

本文針對園區型IES，建立了其在我國最新電力現貨市場試點規則下的聯合優化經濟運行模型，該模型具有以下特點：①電價信息不再作為參數量，而是以時變量形式在日前、日內和實時滾動階段分步驟予以預測與修正，與電力現貨市場差價合約機制進行同步對接；②在現貨市場階段充分考慮了中長期市場及光伏、負荷隨機性波動的影響，解決了日前市場最優電量申報問題；③引入MPC 算法實現運行階段滾動優化，綜合考慮了日前全局性優化和局部優化的協同，并解決在此期間出現的不確定性問題。

算例仿真結果表明，本文所提出的電力現貨市場環境下的園區型IES 聯合優化經濟運行模型，可以較好地適應我國現行電力市場運行規則，實現了分階段逐級優化目標，是IES 參與電力現貨市場的一種有效經濟性運行方法。目前，本文研究還主要基于仿真數據，未來還需進一步結合實際運行數據，驗證其算法的適應性與魯棒性。

附錄見本刊網絡版（http：//www.epae.cn）。