風光儲聯合參與電力現貨市場的優化策略

陳康婷

（長江三峽集團重慶能源投資有限公司，重慶 400000）

2020年，在第七十五屆聯合國大會一般性辯論會議上，我國正式提出了2030年實現碳達峰、2060年實現碳中和的遠景目標[1]。在上述背景下，風電和光伏發電等可再生能源發電進入了高速發展軌道。然而，因其隨機性與用戶負荷需求的動態波動性，二者在時間尺度上往往具有不一致性和非匹配性，導致棄風和棄光問題[2]。由于能夠抑制風電和光伏發電的出力波動，儲能設備往往與風電和光伏發電配套，與此同時，作為新一輪電力體制改革的重點任務，我國各省的電力現貨市場已經基本建設完成，大部分省份的電力現貨市場處于試運行和調試階段。未來，風光儲系統將聯合參與電力現貨市場，如何推進風光儲系統聯合參與電力現貨市場，提升系統的經濟效益，促進風電和光伏發電等可再生能源的消納，是當前面臨的難題。為解決上述問題，本文圍繞風光儲聯合參與電力現貨市場的優化策略展開深入研究。首先提出建立了風光儲系統出力模型，包括風電和光伏發電隨機出力模型、儲能設備充放電模型、小型燃氣發電機組出力模型和電力用戶需求響應模型；其次提出風光儲系統參與電力現貨市場的優化策略，其包括風光儲系統參與日前市場的優化策略和參與實時市場的優化策略；最后對全文進行總結。

一、風光儲系統出力模型

（一）風電和光伏發電隨機出力模型

1.風電隨機出力模型

受不同時段風能質量的影響，風電機組的輸出功率往往具有一定間歇性和波動性，經過對大量實測數據統計研究，目前普遍采用雙參數Weibull分布對實際風速的分布情況進行擬合，概率密度函數可表示如下：

式中：v為風速；k為形狀參數；c為尺度參數，反映時段的平均風速。風機的輸出功率與實際風速v關系如下：

式中：PWT為風電機組輸出功率；vci、vco分別為切入風速和切出風速；pr為風機的額定功率；vr為額定風速。

2.光伏發電隨機出力模型

受太陽輻射分布特點的影響，光伏機組所接收的光照和溫度會不斷產生變化，導致其出力也呈現出很大的不確定性。相關研究表明，某一特定時間段內，太陽光照強度近似服從Beta分布，其概率密度函數可表示為：

式中：l為太陽輻照度；Γ 為函數；la、lb為形狀參數；lmax為輻照度的最大值。光伏組件的輸出功率與太陽輻照度的關系式為：

式中：PPV為光伏組件輸出功率；S為光伏組件總面積；η為該組件的光電轉換效率。

（二）儲能設備充放電模型

儲能設備通過對電能的存儲與釋放可實現風光儲系統的能量轉移，優化電源出力曲線，以適應電力現貨市場價格變化，保證風光儲系統經濟運行。在當前儲能技術條件下，綜合考慮成本性能等因素，儲能設備仍以電池儲能為主，其荷電狀態為：

式中：SOCτ為第τ時段電池儲能的荷電狀態；Qb,τ為第τ時段儲能設備的充放電電量，Q b,τ為正表示電池放電，Qb,τ為負表示電池充電；inη、ηout分別為充放電效率；bW為電池儲能的容量。儲能裝置的充放電約束與電量約束為：

式中：SOCmin為荷電狀態下限，可取為0.2；SOCmax為荷電狀態上限，可取為0.9。儲能的運行成本為：

式中：Cb為電池儲能充放電產生的折舊損耗成本；bμ為電池損耗系數。

（三）小型燃氣發電機組出力模型

小型燃氣發電機組具有啟停速度快、穩定不間斷等優點，常在可再生能源機組及儲能設備無法滿足電力負荷需求時為系統提供備用發電。利用線性函數簡化處理小型燃氣發電機組運行成本，建立如下成本函數及約束條件：

式中：?為電力現貨市場全天時段數；Cc為小型燃氣發電機組運行成本；S為分段線性運行成本總段數；n為可控機組總數；為k機組在第s段的平均發電成本；Qc,k,s,τ為第τ時段k機組在第s段的發電量；為k機組在第s段的額定發電量。

（四）電力用戶需求響應模型

為規避電力現貨市場帶來的不確定風險，風光儲系統可借助需求側管理激勵用戶調整用電行為，優化電力負荷曲線。其中，分時電價是引導用戶參與負荷調節最有效的方式之一。用戶因分時電價參與需求響應所發生的用電量轉移可表示為：

二、風光儲系統參與電力現貨市場的優化策略

（一）參與日前市場的優化策略

1.日前市場出清價格預測

由于市場出清電價可以呈等間隔時間序列形式，故引入自回歸AR（p）模型對電力現貨市場價格進行預測，日前市場（電力系統專用學術用語，是指現貨市場中的主要交易平臺，以一天作為時間提前量組織市場，形成與系統運行情況相適應的、可執行的交易計劃。）預測出清電價可表示為：

2.風光儲系統參與日前市場的優化策略

風光儲系統參與電力現貨市場交易需綜合考慮多種不確定因素以實現調度優化，機會約束規劃作為隨機規劃理論的重要分支，能夠利用置信水平柔化約束條件，從而處理風光儲系統調度優化過程中的隨機變量，其常見形式可表示為：

式中：x、ε分別為決策向量和隨機變量；f(x,ε)為目標函數；g m(x,ε)為隨機機會約束條件；g n(x,ε)≤ 0為常規約束條件；α、β為置信水平；為目標函數期望值，即目標函數在概率不低于α時的最小值。

針對風光儲系統而言，日前最優策略體現為綜合預期收益最大，即通過精準預測負荷及日前出清價格，優化各系統出力，進而形成最優的各時段電量需求曲線，以在日前市場競爭中實現最大利潤，故可構建如下機會約束規劃模型：

（1）目標函數

式中：為風光儲系統日前市場出清收益；Ps,τ、分別為第τ時段用戶的用電價格和預測響應電量；、分別為第τ時段日前市場出清電價和風光儲系統日前申報電量；Pon、分別為風光儲系統上網電價和第τ時段的預測上網電量。

（2）約束條件

①風光儲系統功率平衡約束。

式中：、分別為風電和光伏機組在第τ時段的日前預測功率；為每一時段時長。受風光出力隨機性及電力現貨價格不確定性等因素影響，風光儲系統在日前預測時無法保證申報電量與需求電量完全一致，但需滿足一定置信水平，故功率平衡約束可轉化為機會約束：

式中：σ為不平衡功率允許偏差。

②風光儲系統交互功率約束（上網賣電和購電無法同時進行）。

③風電和光伏發電出力約束。

式中：、分別為風電和光伏機組的額定功率。

④電池儲能荷電狀態及充放電速率約束。

具體見公式（6）和公式（7）。

⑤小型燃氣發電機組出力。

具體見公式（9）和公式（10）。

⑥需求響應電量約束。

（二）參與實時市場的優化策略

在實時市場階段，為激勵用戶側合理申報日前需求曲線，防止其利用市場規則漏洞賺取收益，會對實時市場實際購入電量與日前市場申報電量之間的偏差電量收取懲罰費用。因此，風光儲系統參與實時市場過程中，需在預測實時市場電價之外，綜合考慮偏差電量懲罰費用，以實現最優策略。優化策略可表示為：

式中：為日前市場收益基礎上的實時市場收益；為偏差電量懲罰費用；為第τ時段用戶參與需求響應后的實際用電量；為第τ時段風光儲系統的上網電量；為第τ時段風光儲系統的實際購入電量；為第τ時段的實時市場電價；pP為單位電量懲罰費用。

三、主要結論

本文針對風光儲聯合參與電力現貨市場的優化策略展開了深入研究，研究成果概述如下：

（一）構建了風光儲系統出力模型

首先，分別基于風速和光照強度的概率密度函數，構建了風電出力模型和光伏出力模型；其次，考慮電池儲能的容量和荷電狀態，建立了儲能設備充放電模型；再次，利用線性函數簡化小型燃氣發電機組運行成本，構建了小型燃氣發電機組出力模型；最后，引入分時電價理論，建立了用戶需求響應模型。

（二）提出了風光儲系統參與電力現貨市場的優化策略

首先，基于日前市場出清價格預測，提出了風光儲系統參與日前市場的優化策略；其次，綜合考慮偏差電量懲罰費用，提出了風光儲系統參與實時市場的優化策略。