含風(fēng)電機(jī)組與電轉(zhuǎn)氣設(shè)備的虛擬電廠競(jìng)價(jià)策略

鄭宇，李楊，焦豐順，文福拴，趙俊華，董朝陽(yáng)

(1．南方電網(wǎng)科學(xué)研究院，廣州市 510080；2．浙江大學(xué)電氣工程學(xué)院，杭州市 310027；3．深圳供電局有限公司，廣東省深圳市 518100；4．香港中文大學(xué)(深圳)理工學(xué)院，廣東省深圳市 518100)

含風(fēng)電機(jī)組與電轉(zhuǎn)氣設(shè)備的虛擬電廠競(jìng)價(jià)策略

鄭宇1，李楊2，焦豐順3，文福拴2，趙俊華4，董朝陽(yáng)1

(1．南方電網(wǎng)科學(xué)研究院，廣州市 510080；2．浙江大學(xué)電氣工程學(xué)院，杭州市 310027；3．深圳供電局有限公司，廣東省深圳市 518100；4．香港中文大學(xué)(深圳)理工學(xué)院，廣東省深圳市 518100)

隨著電轉(zhuǎn)氣(power-to-gas，P2G)技術(shù)的不斷發(fā)展和商業(yè)化應(yīng)用，風(fēng)電機(jī)組(wind power generation unit，WPGU)與電轉(zhuǎn)氣設(shè)備的協(xié)同運(yùn)行逐步受到關(guān)注。電轉(zhuǎn)氣設(shè)備的運(yùn)行方式比較靈活，可有效平衡風(fēng)電出力波動(dòng)，二者可協(xié)同形成虛擬電廠(virtual power plant，VPP)參與電力市場(chǎng)運(yùn)營(yíng)。在此背景下，研究了含風(fēng)電機(jī)組與電轉(zhuǎn)氣設(shè)備的虛擬電廠競(jìng)價(jià)策略。首先構(gòu)建了含風(fēng)電機(jī)組與電轉(zhuǎn)氣設(shè)備的虛擬電廠參與電力市場(chǎng)運(yùn)營(yíng)的模型架構(gòu)。之后，以最大化總體收益為目標(biāo)，構(gòu)建了虛擬電廠在日前電力市場(chǎng)的競(jìng)價(jià)策略模型，并確定虛擬電廠自調(diào)度運(yùn)行策略。然后，考慮到風(fēng)電出力預(yù)測(cè)誤差的不確定性，發(fā)展了基于信息間隙決策理論(information gap decision theory，IGDT)的魯棒競(jìng)價(jià)策略和機(jī)會(huì)競(jìng)價(jià)策略，以反映虛擬電廠不同的風(fēng)險(xiǎn)偏好水平。接著，采用成熟的商用求解器AMPL/IPOPT求解所構(gòu)造的非線性優(yōu)化模型，確定針對(duì)預(yù)期成本的魯棒和機(jī)會(huì)競(jìng)價(jià)策略。最后，以北歐電力市場(chǎng)的實(shí)際數(shù)據(jù)為例說明所構(gòu)建的優(yōu)化模型和采用的求解方法的基本特征。

虛擬電廠(VPP)；風(fēng)電機(jī)組(WPGU)；電轉(zhuǎn)氣(P2G)設(shè)備；電力市場(chǎng)；競(jìng)價(jià)策略；信息間隙決策理論(IGDT)

0 引 言

以風(fēng)電和太陽(yáng)能為代表的可再生能源的開發(fā)與利用被普遍認(rèn)為是未來能源行業(yè)和能源互聯(lián)網(wǎng)發(fā)展的基礎(chǔ)[1-3]。由于可再生能源的發(fā)電出力一般具有明顯的間歇性和波動(dòng)性，對(duì)電力系統(tǒng)的規(guī)劃和運(yùn)行特別是對(duì)系統(tǒng)調(diào)節(jié)能力或容納能力提出了很高的要求，很多實(shí)際電力系統(tǒng)尚無(wú)法容納高滲透率的風(fēng)電和太陽(yáng)能發(fā)電，棄風(fēng)或棄光等情形時(shí)有發(fā)生，且在有些系統(tǒng)中還相當(dāng)嚴(yán)重。

逐步成熟的電轉(zhuǎn)氣(power-to-gas，P2G)技術(shù)可將電能轉(zhuǎn)換為天然氣，與燃?xì)鈾C(jī)組一起實(shí)現(xiàn)電力系統(tǒng)和天然氣系統(tǒng)之間能量的雙向流動(dòng)，加深這2個(gè)系統(tǒng)間的耦合[4-6]。近年來，在這方面已有一些研究報(bào)道。文獻(xiàn)[7]采用兩階段最優(yōu)潮流方法，分析了P2G技術(shù)對(duì)電力系統(tǒng)和天然氣系統(tǒng)的影響；文獻(xiàn)[8]指出，與電池和抽水蓄能等儲(chǔ)能方式相比，P2G技術(shù)可提供更大的儲(chǔ)能容量和調(diào)頻與旋轉(zhuǎn)備用服務(wù)能力；文獻(xiàn)[9]建立了包括P2G設(shè)備的電力-天然氣系統(tǒng)最優(yōu)潮流模型，分析了P2G在消納風(fēng)電方面的作用；文獻(xiàn)[10]提出了一種含P2G設(shè)備的多時(shí)間尺度的電力系統(tǒng)調(diào)度模型，分析了P2G在降低系統(tǒng)運(yùn)行成本和消納風(fēng)電方面的作用；文獻(xiàn)[11]分析了利用P2G技術(shù)實(shí)現(xiàn)可再生能源發(fā)電大范圍傳輸和存儲(chǔ)問題；文獻(xiàn)[12]通過協(xié)調(diào)電轉(zhuǎn)氣設(shè)備和燃?xì)鈾C(jī)組的運(yùn)行，改善了電-氣互聯(lián)綜合能源系統(tǒng)凈負(fù)荷曲線輪廓，實(shí)現(xiàn)了削峰填谷；文獻(xiàn)[13]發(fā)展了考慮電轉(zhuǎn)氣設(shè)備的電-氣綜合能源系統(tǒng)的系統(tǒng)規(guī)劃模型，評(píng)估了電轉(zhuǎn)氣設(shè)備消納間歇性可再生能源發(fā)電的效益。

消納可再生能源發(fā)電及平抑可再生能源發(fā)電出力波動(dòng)，是P2G設(shè)備的重要應(yīng)用場(chǎng)景[14]。關(guān)于風(fēng)電機(jī)組(wind power generation unit, WPGU)與P2G設(shè)備的協(xié)調(diào)運(yùn)行問題，已有一些研究報(bào)道。文獻(xiàn)[15]提出了P2G設(shè)備和燃?xì)廨啓C(jī)在含有風(fēng)電場(chǎng)的電力系統(tǒng)中的運(yùn)行策略，通過合理控制P2G和燃?xì)廨啓C(jī)的工作狀態(tài)，改善風(fēng)電的可調(diào)度性；文獻(xiàn)[16]建立了風(fēng)電場(chǎng)與電轉(zhuǎn)氣設(shè)備協(xié)同選址規(guī)劃模型，探討了風(fēng)電場(chǎng)和電轉(zhuǎn)氣設(shè)備的協(xié)同投資建設(shè)問題。風(fēng)電場(chǎng)和電轉(zhuǎn)氣設(shè)備可協(xié)同形成所謂的虛擬電廠(virtual power plant，VPP)參與電力市場(chǎng)運(yùn)營(yíng)和電力與天然氣集成系統(tǒng)的運(yùn)行。到目前為止，就含風(fēng)電機(jī)組和P2G設(shè)備的虛擬電廠參與電力市場(chǎng)運(yùn)營(yíng)時(shí)的競(jìng)價(jià)策略問題，尚未有相關(guān)的研究報(bào)道。

風(fēng)電機(jī)組出力由于其固有的間歇性和波動(dòng)性屬性，很難準(zhǔn)確預(yù)測(cè)，且預(yù)測(cè)誤差范圍存在較大的不確定性[17]。這樣，在研究含風(fēng)電機(jī)組和P2G設(shè)備的VPP在電力市場(chǎng)中的競(jìng)價(jià)策略時(shí)，就需要考慮風(fēng)電出力預(yù)測(cè)誤差的不確定性。信息間隙決策理論(information gap decision theory，IGDT)能夠處理含有不確定性參數(shù)的優(yōu)化問題，在電力系統(tǒng)規(guī)劃和運(yùn)行等領(lǐng)域已有應(yīng)用研究報(bào)道[18-20]。在IGDT中，不需要假設(shè)不確定性參數(shù)的概率分布函數(shù)，而是根據(jù)決策者的風(fēng)險(xiǎn)偏好，將原優(yōu)化問題轉(zhuǎn)化為魯棒優(yōu)化模型和機(jī)會(huì)獲利模型。其中，魯棒優(yōu)化模型可為決策者提供相對(duì)保守的決策結(jié)果，而機(jī)會(huì)獲利模型則可為決策者提供相對(duì)偏激的決策結(jié)果[21]。

在上述背景下，本文研究含風(fēng)電機(jī)組和P2G設(shè)備的VPP參與電力日前市場(chǎng)的最優(yōu)競(jìng)價(jià)策略問題。以最大化總體收益為目標(biāo)，首先發(fā)展虛擬電廠的日前競(jìng)價(jià)策略優(yōu)化模型，并確定虛擬電廠自調(diào)度運(yùn)行策略。之后，考慮到風(fēng)電出力的不確定性對(duì)競(jìng)價(jià)策略的影響，并適當(dāng)反映虛擬電廠不同的風(fēng)險(xiǎn)偏好水平，在IGDT的方法框架下對(duì)風(fēng)電出力預(yù)測(cè)誤差的不確定性進(jìn)行建模，分別構(gòu)建虛擬電廠的魯棒競(jìng)價(jià)策略和機(jī)會(huì)獲利競(jìng)價(jià)策略，進(jìn)而發(fā)展VPP的雙層競(jìng)價(jià)策略模型。接著，采用高效商用求解器AMPL/IPOPT求解所構(gòu)建的非線性優(yōu)化模型。最后，利用北歐電力市場(chǎng)和天然氣市場(chǎng)的實(shí)際數(shù)據(jù)來說明所構(gòu)建的優(yōu)化模型和采用的求解方法的基本特征。

1 虛擬電廠參與電力市場(chǎng)運(yùn)營(yíng)的模型架構(gòu)

在電力市場(chǎng)環(huán)境下，風(fēng)電機(jī)組與P2G設(shè)備組成的VPP作為單個(gè)市場(chǎng)主體向市場(chǎng)交易機(jī)構(gòu)申報(bào)競(jìng)價(jià)信息，如圖1所示。VPP預(yù)測(cè)次日的風(fēng)電機(jī)組出力，制定競(jìng)價(jià)策略。VPP所預(yù)測(cè)的次日每個(gè)交易時(shí)段的風(fēng)電機(jī)組出力與實(shí)際出力之間一般存在偏差，風(fēng)電機(jī)組的實(shí)際出力可表示為預(yù)測(cè)出力與預(yù)測(cè)誤差之和。雖然風(fēng)電機(jī)組出力難以準(zhǔn)確預(yù)測(cè)，而P2G設(shè)備運(yùn)行方式靈活，可以為風(fēng)電機(jī)組提供備用服務(wù)，這樣就可使得VPP整體實(shí)際出力與競(jìng)標(biāo)出力之間盡可能一致，以避免偏差超過允許范圍可能導(dǎo)致的懲罰。

圖1 虛擬電廠參與電力市場(chǎng)運(yùn)營(yíng)Fig.1 Participation of a VPP in an electricity market

電力市場(chǎng)機(jī)制對(duì)VPP的競(jìng)價(jià)策略具有顯著影響。本文后述研究工作是針對(duì)北歐日前電力市場(chǎng)機(jī)制開展的[22]。在日前電力市場(chǎng)中，VPP按要求提交次日各個(gè)交易時(shí)段的競(jìng)價(jià)出力信息，市場(chǎng)交易機(jī)構(gòu)在市場(chǎng)清算后將交易結(jié)果通知市場(chǎng)參與者(包括該VPP)。由于風(fēng)電機(jī)組出力預(yù)測(cè)誤差導(dǎo)致的VPP在日前市場(chǎng)每個(gè)交易時(shí)段被選中的出力與實(shí)時(shí)運(yùn)行時(shí)的出力之間的偏差電量，按照平衡市場(chǎng)的電能價(jià)格進(jìn)行結(jié)算。當(dāng)VPP實(shí)際出力大于競(jìng)標(biāo)選中出力時(shí)，VPP以低于日前市場(chǎng)的價(jià)格出售多余電量；當(dāng)VPP實(shí)際出力小于競(jìng)標(biāo)出力時(shí)，VPP要從平衡市場(chǎng)上以高于日前市場(chǎng)的價(jià)格購(gòu)買缺額電力。

北歐電力市場(chǎng)按照統(tǒng)一價(jià)格出清?？紤]到風(fēng)電成本低，VPP為了確保預(yù)期的發(fā)電出力被選中，可以設(shè)定競(jìng)標(biāo)價(jià)格明顯低于預(yù)測(cè)的市場(chǎng)出清價(jià)格，即作為價(jià)格接受者，此時(shí)VPP的報(bào)價(jià)對(duì)市場(chǎng)價(jià)格基本沒有影響。這樣，VPP只需根據(jù)預(yù)測(cè)的市場(chǎng)出清價(jià)格優(yōu)化自己的競(jìng)標(biāo)電量。

VPP為降低P2G設(shè)備的用電成本波動(dòng)風(fēng)險(xiǎn)，可通過雙邊合同從發(fā)電公司購(gòu)買電量。在本文中，考慮到日前電力市場(chǎng)是以h為時(shí)段競(jìng)標(biāo)的，這樣在每個(gè)競(jìng)標(biāo)時(shí)段功率和電量在數(shù)值上相同，如無(wú)特別說明，下文采用競(jìng)標(biāo)功率來描述。

2 虛擬電廠競(jìng)價(jià)策略

包含風(fēng)電機(jī)組和P2G設(shè)備的VPP通過協(xié)調(diào)風(fēng)電出力和P2G設(shè)備的運(yùn)行狀態(tài)，在日前電力市場(chǎng)和天然氣市場(chǎng)中以最大化總體收益為目標(biāo)確定最優(yōu)競(jìng)價(jià)策略。VPP參與日前市場(chǎng)T個(gè)時(shí)段(在本文后面研究的算例中，T=24)的競(jìng)價(jià)策略可用下述優(yōu)化模型描述：

maxRVPP=RDA+RBL+RP2G-CP2G

(1)

(2)

(3)

(4)

CP2G=Ecλc

(5)

(6)

(7)

(8)

(9)

(10)

(11)

(12)

(13)

(14)

0≤ωup<1

(15)

ωdn>1

(16)

(17)

(18)

(19)

式(1)—(19)為含風(fēng)電機(jī)組和P2G設(shè)備的VPP參與日前電力市場(chǎng)的優(yōu)化競(jìng)價(jià)策略模型。在式(1)所描述的目標(biāo)函數(shù)中，VPP的收入來源包括風(fēng)電機(jī)組的發(fā)電收益、VPP在平衡市場(chǎng)的售電收益和P2G設(shè)備的售氣收益，如式(2)—(4)所示；VPP的運(yùn)行成本為P2G設(shè)備的購(gòu)電成本，VPP為降低購(gòu)電成本風(fēng)險(xiǎn)，會(huì)從雙邊天然氣合同市場(chǎng)和雙邊電能合同市場(chǎng)購(gòu)電，如式(5)所示。

式(6)描述風(fēng)電機(jī)組在日前市場(chǎng)競(jìng)標(biāo)售電功率的上下限；式(7)描述P2G設(shè)備購(gòu)電功率的上下限；式(8)計(jì)算VPP在日前市場(chǎng)的可競(jìng)標(biāo)出力；式(9)表示合同電量分解到時(shí)段t的P2G設(shè)備用電功率；式(10)計(jì)算VPP在日前市場(chǎng)的競(jìng)價(jià)被選中功率與實(shí)際出力的偏差；式(11)表示風(fēng)電機(jī)組實(shí)際出力為預(yù)測(cè)出力與預(yù)測(cè)誤差之和；P2G設(shè)備可通過減少用電功率和增加用電功率為風(fēng)電機(jī)組提供向上和向下備用功率，式(12)和式(13)分別表示P2G設(shè)備提供向上和向下備用功率約束；式(14)—(16)表示平衡市場(chǎng)價(jià)格與VPP出力偏差的關(guān)系；式(17)計(jì)算P2G設(shè)備實(shí)際用電功率的估計(jì)值；式(18)描述P2G設(shè)備實(shí)際用電功率的上下限；式(19)描述P2G設(shè)備在日前市場(chǎng)中可用合同電量約束。

3 基于信息間隙決策理論的虛擬電廠競(jìng)價(jià)模型與求解方法

3.1 信息間隙決策理論

IGDT是一種能夠容納不確定性參數(shù)的優(yōu)化理論，且無(wú)須知道不確定性參數(shù)的概率分布。在IGDT框架下建立的魯棒優(yōu)化模型和機(jī)會(huì)獲利模型可以反映決策者的風(fēng)險(xiǎn)偏好。

一般地，包括不確定性參數(shù)的優(yōu)化模型可描述為

(20)

式中：f(P,ζ)、H(P,ζ)和G(P,ζ)分別表示優(yōu)化模型的目標(biāo)函數(shù)、不等式約束和等式約束；P和ζ分別表示優(yōu)化變量和不確定性參數(shù)的集合。

(21)

式中α為不確定性參數(shù)預(yù)測(cè)偏差與預(yù)測(cè)值的比值。

IGDT通過建立魯棒優(yōu)化模型和機(jī)會(huì)獲利模型來分別反映決策者對(duì)風(fēng)險(xiǎn)厭惡和偏好的取向。

魯棒優(yōu)化模型在保證目標(biāo)值處于可接受范圍的前提下得到不確定性參數(shù)的最大波動(dòng)范圍，可描述為

(22)

式中fr為魯棒優(yōu)化模型的預(yù)期目標(biāo)值。

式(22)表示如果不確定性參數(shù)的波動(dòng)范圍在αr內(nèi)，那么求解該優(yōu)化模型所得的最優(yōu)解可以保證目標(biāo)函數(shù)恒大于或等于fr。αr越大，所獲得的決策方案的魯棒性就越大，即適應(yīng)范圍越大，對(duì)不確定性參數(shù)越不敏感；反之，則魯棒性越差，適應(yīng)范圍越小。

機(jī)會(huì)獲利模型求解使目標(biāo)函數(shù)值大于或等于預(yù)期目標(biāo)的不確定性參數(shù)的最小波動(dòng)范圍，可描述為

(23)

式中fop為機(jī)會(huì)獲利模型的預(yù)期目標(biāo)值。

式(23)表示當(dāng)不確定性參數(shù)的波動(dòng)范圍至少達(dá)到αop，所求得的最優(yōu)解才有機(jī)會(huì)使得目標(biāo)函數(shù)大于或等于fop。

3.2 基于IGDT的虛擬電廠競(jìng)價(jià)策略模型

風(fēng)電機(jī)組出力難以準(zhǔn)確預(yù)測(cè)，這會(huì)對(duì)VPP參與電力市場(chǎng)所獲得的收益產(chǎn)生影響。在VPP以最大化總體收益為目標(biāo)確定最優(yōu)競(jìng)價(jià)策略時(shí)，需要適當(dāng)計(jì)及風(fēng)電機(jī)組發(fā)電出力的不確定性。

對(duì)于風(fēng)險(xiǎn)厭惡型VPP，其希望能夠在保證最小收益的前提下，最大化不確定性參數(shù)的波動(dòng)范圍。這樣，基于魯棒優(yōu)化的VPP競(jìng)價(jià)策略模型可描述為:

maxαr

(24)

s.t.R≥Rr=(1-βr)R0

(25)

(26)

(27)

式中：Rr為魯棒優(yōu)化模型的VPP預(yù)期收益；R0為假設(shè)風(fēng)電出力預(yù)測(cè)準(zhǔn)確時(shí)，VPP獲得的最大收益，可采用第2節(jié)的數(shù)學(xué)模型求取；βr為魯棒競(jìng)價(jià)策略的預(yù)期收益偏差系數(shù)，為保證模型的魯棒性，VPP預(yù)期收益Rr小于R0，即βr≥0。βr的取值可反映VPP的風(fēng)險(xiǎn)厭惡程度，βr越大，VPP越保守，即不愿意承擔(dān)風(fēng)險(xiǎn)，傾向于接受預(yù)期收益較少但收益波動(dòng)風(fēng)險(xiǎn)也較小的決策方案。

VPP的魯棒競(jìng)價(jià)策略模型包括式(6)—(19)和式(24)—(27)，該競(jìng)價(jià)策略模型為雙層優(yōu)化模型。上層模型在滿足給定預(yù)期收益的前提下，以可容納的風(fēng)電預(yù)測(cè)偏差最大為目標(biāo)，確定VPP的競(jìng)價(jià)策略。在魯棒優(yōu)化模型中，需要保證VPP的收益恒大于或等于預(yù)期收益Rr，因此下層模型需要求解VPP的最小收益，下層模型針對(duì)上層模型確定的競(jìng)價(jià)策略確定使VPP取得可接受最小收益的風(fēng)電預(yù)測(cè)偏差范圍。如果風(fēng)電出力預(yù)測(cè)誤差在范圍αr內(nèi)，則VPP按所求得的競(jìng)價(jià)策略參與市場(chǎng)競(jìng)價(jià)時(shí)，所獲收益一定大于或等于預(yù)期收益Rr。

對(duì)于風(fēng)險(xiǎn)偏好型VPP，其希望能夠利用風(fēng)電出力波動(dòng)獲得更高收益。VPP的機(jī)會(huì)獲利競(jìng)價(jià)策略模型可描述為：

minαop

(28)

s.t.R≥Rop=(1+βop)R0

(29)

(30)

(31)

式中：Rop為機(jī)會(huì)獲利模型的VPP預(yù)期收益；βop為相關(guān)的預(yù)期收益偏差系數(shù)，βop≥0，βop的取值可反映VPP的風(fēng)險(xiǎn)偏好程度，βop越大，表示VPP希望能夠利用風(fēng)電出力波動(dòng)獲得更大收益。

3.3 求解方法

所建立的含風(fēng)電機(jī)組和P2G設(shè)備的VPP魯棒和機(jī)會(huì)獲利模型均為非線性規(guī)劃問題，可采用商用求解器AMPL/IPOPT來求解。AMPL是一種描述大規(guī)模優(yōu)化問題的建模語(yǔ)言，IPOPT為外部求解器[23]。

4 算例分析

4.1 參數(shù)設(shè)置

給定P2G設(shè)備額定容量為20 MW，能量轉(zhuǎn)化效率為60%；VPP通過雙邊合同的購(gòu)電價(jià)格為15歐元·(MW·h)-1，分配到1個(gè)競(jìng)價(jià)周期內(nèi)(即1天24 h)的合同電量為200 MW·h；風(fēng)電機(jī)組的額定容量為70 MW；天然氣價(jià)格取自歐洲能源交易所某日的實(shí)際市場(chǎng)數(shù)據(jù)[24]，為15歐元·(MW·h)-1；日前市場(chǎng)電價(jià)取自北歐電力市場(chǎng)中某日的實(shí)際市場(chǎng)數(shù)據(jù)[25]，日前市場(chǎng)電價(jià)和風(fēng)電預(yù)測(cè)出力如圖2所示。平衡市場(chǎng)售電和購(gòu)電的價(jià)格系數(shù)分別給定為0.9和1.1。以h為時(shí)段，這樣每天共有24個(gè)時(shí)段，即T=24和Δt=1。

圖2 日前市場(chǎng)電價(jià)和風(fēng)電出力預(yù)測(cè)Fig.2 Electriciy prices and wind power output forecast in day-ahead market

4.2 優(yōu)化結(jié)果及分析

假設(shè)風(fēng)電機(jī)組出力預(yù)測(cè)是完全準(zhǔn)確的，即沒有預(yù)測(cè)誤差，此時(shí)求得的VPP在日前電力市場(chǎng)的收益為20 052.7歐元。

在魯棒優(yōu)化模型和機(jī)會(huì)獲利模型中，可通過調(diào)整預(yù)期收益偏差系數(shù)來反映VPP的風(fēng)險(xiǎn)偏好水平。VPP的預(yù)期收益偏差系數(shù)與風(fēng)電機(jī)組出力預(yù)測(cè)誤差的關(guān)系曲線如圖3所示。

圖3 收益偏差系數(shù)與風(fēng)電預(yù)測(cè)誤差的關(guān)系Fig.3 Relationship between revenue deviation factor and wind power forecast error

對(duì)于風(fēng)險(xiǎn)偏好的VPP，隨著預(yù)期收益的增大(βop增大)，相應(yīng)的風(fēng)電機(jī)組出力最小預(yù)測(cè)偏差也增大。例如，當(dāng)VPP預(yù)期收益為24 062.8歐元(βop=0.2)時(shí)，風(fēng)電預(yù)測(cè)誤差至少應(yīng)大于19.13%，所求得的競(jìng)價(jià)策略才能保證VPP收益大于24 062.8歐元。

對(duì)于風(fēng)險(xiǎn)厭惡的VPP，隨著預(yù)期收益的減小(βr增大)，可接受的風(fēng)電機(jī)組出力最大預(yù)測(cè)偏差也相應(yīng)增大。例如，當(dāng)VPP預(yù)期收益為16 041.8 歐元(βr=0.2)時(shí)，允許的風(fēng)電預(yù)測(cè)最大偏差為19.14%，即風(fēng)電機(jī)組實(shí)際出力與預(yù)測(cè)出力的偏差在此范圍內(nèi)時(shí)，所求得的競(jìng)價(jià)策略能夠保證VPP收益不低于16 041.8歐元。

針對(duì)不同程度的風(fēng)險(xiǎn)偏好所求得的VPP競(jìng)價(jià)策略和P2G設(shè)備為風(fēng)電機(jī)組提供的備用功率分別如圖4—5所示。

圖4 虛擬電廠競(jìng)標(biāo)策略Fig.4 Bidding strategies of VPP

圖5 P2G設(shè)備為風(fēng)電機(jī)組提供備用功率Fig.5 Reserve power provided by P2G facilites for wind power generation units

由圖4—5可以看出，隨著VPP的風(fēng)險(xiǎn)厭惡程度增加，其競(jìng)標(biāo)出力減小，同時(shí)P2G設(shè)備為平抑風(fēng)電機(jī)組出力波動(dòng)所提供的備用出力增加。這是由于當(dāng)風(fēng)電機(jī)組實(shí)際出力小于日前競(jìng)標(biāo)被選中出力時(shí)，VPP需要在平衡市場(chǎng)以高于日前市場(chǎng)的電價(jià)購(gòu)買偏差電量。因此，為降低額外的購(gòu)電成本，風(fēng)險(xiǎn)厭惡型VPP會(huì)減少日前競(jìng)標(biāo)電量，且P2G設(shè)備為風(fēng)電機(jī)組提供的備用功率也相應(yīng)增大，以保證VPP獲得預(yù)期收益。而風(fēng)險(xiǎn)偏好型的VPP則會(huì)增加在日前市場(chǎng)的競(jìng)價(jià)出力，以期在風(fēng)電實(shí)際出力大于預(yù)測(cè)出力時(shí)獲得更高利潤(rùn)。

由圖5可看出，P2G設(shè)備主要為風(fēng)電機(jī)組提供向上備用，這是因?yàn)楝F(xiàn)階段P2G效率較低，且在北歐市場(chǎng)中同等能量的天然氣價(jià)格一般低于電能價(jià)格，因此P2G設(shè)備提供向下備用功率是不經(jīng)濟(jì)的。

4.3 天然氣價(jià)格波動(dòng)對(duì)競(jìng)價(jià)策略的影響

天然氣價(jià)格波動(dòng)會(huì)影響P2G設(shè)備的售氣收益，進(jìn)而影響VPP的競(jìng)價(jià)策略。給定βr和βop均為0.2，在不同天然氣價(jià)格水平下，風(fēng)險(xiǎn)厭惡和風(fēng)險(xiǎn)偏好VPP的競(jìng)價(jià)策略如圖6—7所示，P2G設(shè)備相應(yīng)提供的備用功率如圖8—9所示。

圖6 不同天然氣價(jià)格水平下風(fēng)險(xiǎn)厭惡VPP的競(jìng)價(jià)策略Fig.6 Bidding strategies of risk-averse VPP under different natural gas price levels

圖7 不同天然氣價(jià)格水平下風(fēng)險(xiǎn)偏好VPP的競(jìng)價(jià)策略Fig.7 Bidding strategies of risk-seeker VPP under different natural gas price levels

當(dāng)天然氣價(jià)格低于36歐元·(MW·h)-1時(shí)，P2G設(shè)備的運(yùn)行是不經(jīng)濟(jì)的，VPP競(jìng)價(jià)策略對(duì)天然氣價(jià)格不敏感；當(dāng)天然氣價(jià)格高于36歐元·(MW·h)-1時(shí)，隨著天然氣價(jià)格升高，VPP在日前電力市場(chǎng)的競(jìng)標(biāo)出力下降，P2G設(shè)備為風(fēng)電機(jī)組提供的備用也下降。這是由于天然氣價(jià)格升高使得P2G設(shè)備的運(yùn)行經(jīng)濟(jì)性變好，P2G設(shè)備在電力價(jià)格較低時(shí)段可為風(fēng)電機(jī)組提供向下備用。

圖8 不同天然氣價(jià)格水平下風(fēng)險(xiǎn)厭惡VPP中P2G設(shè)備提供的備用功率Fig.8 Reserve power provided by P2G facilities of risk-averse VPP under different natural gas price levels

圖9 不同天然氣價(jià)格水平下風(fēng)險(xiǎn)偏好VPP中P2G設(shè)備提供的備用功率Fig.9 Reserve power provided by P2G facilities of risk-seeker VPP under different natural gas price levels

5 結(jié) 論

針對(duì)含風(fēng)電機(jī)組和P2G設(shè)備的虛擬電廠，本文探討了其在日前電力市場(chǎng)的競(jìng)價(jià)策略。為考慮風(fēng)電出力波動(dòng)對(duì)競(jìng)價(jià)策略的影響，基于信息間隙決策理論發(fā)展了魯棒競(jìng)價(jià)策略和機(jī)會(huì)獲利競(jìng)價(jià)策略，以適當(dāng)反映VPP的風(fēng)險(xiǎn)厭惡和偏好程度。風(fēng)險(xiǎn)厭惡型和風(fēng)險(xiǎn)偏好型VPP可通過適當(dāng)調(diào)度P2G設(shè)備的運(yùn)行方式，為風(fēng)電機(jī)組提供備用，取得兼顧收益期望和收益風(fēng)險(xiǎn)的折中結(jié)果。

本文針對(duì)隸屬于同一虛擬電廠的風(fēng)電機(jī)組和P2G設(shè)備的協(xié)同運(yùn)行做了些初步探討，尚有許多問題有待研究。例如，對(duì)于風(fēng)電機(jī)組和P2G設(shè)備各作為單獨(dú)市場(chǎng)主體的情形，二者之間的合作與博弈策略就是一個(gè)值得研究的問題。

[1]胡澤春，丁華杰，宋永華，等．能源互聯(lián)網(wǎng)背景下儲(chǔ)能應(yīng)用的研究現(xiàn)狀與展望[J]．電力建設(shè)，2016，37(8)：8-17． HU Zechun，DING Huajie，SONG Yonghua，et al．Research status and prospect of energy storage application under energy internet background [J]．Electric Power Construction，2016，37(8)：8-17．

[2]董朝陽(yáng)，趙俊華，文福拴，等．從智能電網(wǎng)到能源互聯(lián)網(wǎng): 基本概念與研究框架[J]．電力系統(tǒng)自動(dòng)化，2014，38(15)：1-11． DONG Zhaoyang，ZHAO Junhua，WEN Fushuan，et al．From smart grid to energy internet: Basic concept and research framework [J]．Automation of Electric Power Systems，2014，38(15)：1-11．

[3]李剛，楊立業(yè)，劉福炎，等．能源互聯(lián)網(wǎng)關(guān)聯(lián)數(shù)據(jù)融合的互信息方法[J]．電力建設(shè)，2016，37(9)：22-29． LI Gang，YANG Liye，LIU Fuyan，et al．A mutual information method for associated data fusion in energy internet [J]．Electric Power Construction，2016，37(9)：22-29．

[4]SCHNEIDER L，K?TTER E．The geographic potential of power-to-gas in a German model region - Trier-Amprion 5 [J]．Journal of Energy Storage，2015，1(1)：1-6．

[5]JENTSCH M, TROST T, STERNER M. Optimal use of power-to-gas energy storage systems in an 85% renewable energy scenario[J]. Energy Procedia, 2014(46): 254-261．

[6]王業(yè)磊，趙俊華，文福拴，等．具有電轉(zhuǎn)氣功能的多能源系統(tǒng)的市場(chǎng)均衡分析[J]．電力系統(tǒng)自動(dòng)化，2015，39(21)：1-10． WANG Yelei，ZHAO Junhua，WEN Fushuan，et al．Market equilibrium of multi-energy system with power-to-gas functions [J]．Automation of Electric Power Systems，2015，39(21)：1-10．

[7]CLEGG S，MANCARELLA P．Integrated modeling and assessment of the operational impact of power-to-gas (P2G) on electrical and gas transmission networks [J]．IEEE Transactions on Sustainable Energy，2015，6(4)：1234-1244．

[8]BAUMANN C，SCHUSTER R，MOSER A．Economic potential of power-to-gas energy storage[C]//2013 10th International Conference on the European Energy Market (EEM). Stockholm，Sweden：IEEE, 2013：1-6．[9]CLEGG S，MANCARELLA P．Storing renewables in the gas network: modelling of power-to-gas seasonal storage flexibility in low-carbon power systems [J]．IET Generation, Transmission and Distribution，2016，10(3)：566-575．

[10]HEINISCH V，LE A T．Effects of power-to-gas on power systems: a case study of Denmark [C]//2015 IEEE Eindhoven Power Tech. Eindhoven，Netherlands：IEEE, 2015: 1-6．

[11]王一家，董朝陽(yáng)，徐巖，等．利用電轉(zhuǎn)氣技術(shù)實(shí)現(xiàn)可再生能源的大規(guī)模存儲(chǔ)與傳輸[J]．中國(guó)電機(jī)工程學(xué)報(bào)，2015，35(14)：3586-3595． WANG Yijia，DONG Zhaoyang，XU Yan，et al．Enabling large-scale energy storage and renewable energy grid connectivity: a power-to-gas approach [J]．Proceedings of the CSEE，2015，35(14)：3586-3595．

[12]衛(wèi)志農(nóng)，張思德，孫國(guó)強(qiáng)，等．計(jì)及電轉(zhuǎn)氣的電-氣互聯(lián)綜合能源系統(tǒng)削峰填谷研究[J/OL]．中國(guó)電機(jī)工程學(xué)報(bào)，2017，37, http://kns.cnki.net/kcms/detail/11.2107.TM.20170303.1252.009.html. DOI: 10.13334/j.0258-8013.pcsee.161361. WEI Zhinong，ZHANG Side，SUN Guoqiang，et al．Power-to-gas considered peak load shifting research for integrated electricity and natural gas energy systems [J/OL]．Proceedings of the CSEE，2017，37, http://kns.cnki.net/kcms/detail/11.2107.TM.20170303.1252.009.html. DOI: 10.13334/j.0258-8013.pcsee.161361.

[13]黃國(guó)日，劉偉佳，文福拴，等．具有電轉(zhuǎn)氣裝置的電-氣混聯(lián)綜合能源系統(tǒng)的協(xié)同規(guī)劃[J]．電力建設(shè)，2016，37(9)：1-13． HUANG Guori，LIU Weijia，WEN Fushuan, et al. Collaborative planning of integrated electricity and natural gas energy systems with power-to-gas stations [J]．Electric Power Construction，2016，37(9)：1-13．

[14]劉偉佳，文福拴，薛禹勝，等．電轉(zhuǎn)氣技術(shù)的成本特征與運(yùn)營(yíng)經(jīng)濟(jì)性分析[J]．電力系統(tǒng)自動(dòng)化，2016，40(24)：1-11． LIU Weijia，WEN Fushuan，XUE Yusheng，et al．Cost characteristics and economic analysis of power-to-gas technology [J]．Automation of Electric Power Systems，2016，40(24)：1-11．

[15]GUANDALINI G，CAMPANARI S，ROMANO M C．Power-to-gas plants and gas turbines for improved wind energy dispatch ability: energy and economic assessment [J]．Applied Energy，2015，147(1)：117-130．

[16]王芃，劉偉佳，林振智，等．基于場(chǎng)景分析的風(fēng)電場(chǎng)與電轉(zhuǎn)氣廠站協(xié)同選址規(guī)劃[J]．電力系統(tǒng)自動(dòng)化，2017，41(6)：20-29． WANG Peng，LIU Weijia，LIN Zhenzhi，et al．Scenario analysis based collaborative site selection planning of wind farms and power-to-gas plants [J]．Automation of Electric Power Systems，2017，41(6)：20-29．

[17]楊甲甲，趙俊華，文福拴，等．含電動(dòng)汽車和風(fēng)電機(jī)組的虛擬發(fā)電廠競(jìng)價(jià)策略[J]．電力系統(tǒng)自動(dòng)化，2014，38(13)：92-102． YANG Jiajia，ZHAO Junhua，WEN Fushuan，et al．Development of bidding strategies for virtual power plants considering uncertain outputs from plug-in electric vehicles and wind generators [J]．Automation of Electric Power Systems，2014，38(13)：92-102．

[18]馬歡，劉玉田．基于IGDT魯棒模型的風(fēng)電爬坡事件協(xié)調(diào)調(diào)度決策[J]．中國(guó)電機(jī)工程學(xué)報(bào)，2016，36(17)：4580-4588． MA Huan，LIU Yutian．IGDT robust model-based coordinated scheduling strategy for wind power ramp events [J]．Proceedings of the CSEE，2016，36(17)：4580-4588．

[19]SOROUSH S，HAMIDTEZA Z，ANDREW M K，et al．Risk-constrained bidding and offering strategy for a merchant compressed air energy storage plant [J]．IEEE Transactions on Power Systems，2017，32(2)：946-957．

[20]張華一，文福拴，張璨，等．考慮能源需求不確定性的居民小區(qū)能源中心運(yùn)行策略[J]．電力建設(shè)，2016，37(9)：14-21． ZHANG Huayi，WEN Fushuan，ZHANG Can，et al．Operation strategy for residential quarter energy hub considering energy demands uncertainties [J]．Electric Power Construction，2016，37(9)：14-21．

[21]陳珂寧，吳文傳，張伯明，等．基于IGDT的有源配電網(wǎng)魯棒恢復(fù)決策方法[J]．中國(guó)電機(jī)工程學(xué)報(bào)，2014，34(19)：3057-3062． CHEN Kening，WU Wenchuan，ZHANG Boming，et al．A robust restoration method for active distribution network based on IGDT [J]．Proceedings of the CSEE，2014，34(19)：3057-3062．

[22]BANG C，F(xiàn)OCK F，TOGEBY M．The existing Nordic regulating power market. [EB/OL]．(2011-09-06)[2017-03-02]. http://www.ea-energianalyse.dk/reports/1027_the_existing_nordic_regulating_power_market.pdf.

[23]FOURER R，GAY D M，KERNIGHAN B W．A modeling language for mathematical programming [J]．Management Science，1990，36(5)：519-554．

[24]EEX natural gas market data [EB/OL]．(2017-04-01)[2017-04-03]. https://www.eex.com/en/market-data/natural-gas.

[25]Nordpool market data [EB/OL]．(2017-04-01)[2017-04-03]. http://www.nordpoolspot.com/Market-data1/#/nordic/table.

鄭宇 (1986)，男，博士，工程師，主要從事智能配電網(wǎng)規(guī)劃與運(yùn)行方面的研究工作；

李楊(1992)，男，博士研究生，主要從事能源互聯(lián)網(wǎng)方面的研究工作；

焦豐順(1984)，男，博士，工程師，主要從事電網(wǎng)規(guī)劃和能源互聯(lián)網(wǎng)方面的研究工作；

文福拴(1965)，男，教授，博士生導(dǎo)師，本文通信作者，主要從事電力系統(tǒng)故障診斷與系統(tǒng)恢復(fù)、電力經(jīng)濟(jì)與電力市場(chǎng)、智能電網(wǎng)與電動(dòng)汽車等方面的研究工作；

趙俊華(1980)，男，博士，副教授，“青年千人計(jì)劃”入選者，主要從事電力系統(tǒng)分析與計(jì)算、智能電網(wǎng)、數(shù)據(jù)挖掘與計(jì)算智能、電力市場(chǎng)等方面的研究工作；

董朝陽(yáng) (1971)，男，博士，“千人計(jì)劃”特聘專家，講座教授，主要從事電力系統(tǒng)安全性、電力系統(tǒng)規(guī)劃與管理、電力市場(chǎng)仿真與風(fēng)險(xiǎn)管理、數(shù)據(jù)挖掘等方面的研究工作。

(編輯 景賀峰)

Bidding Strategies for Virtual Power Plants Including Wind Power Generation Units and Power-to-Gas Facilities

ZHENG Yu1，LI Yang2，JIAO Fengshun3，WEN Fushuan2，ZHAO Junhua4，DONG Zhaoyang1

(1. Electric Power Research Institute, China Southern Power Grid, Guangzhou 510080, China; 2. College of Electrical Engineering, Zhejiang University, Hangzhou 310027, China; 3. Shenzhen Power Supply Co., Ltd., Shenzhen 518100, Guangdong Province, China; 4. School of Science and Engineering, The Chinese University of Hong Kong (Shenzhen), Shenzhen 518100, Guangdong Province, China)

With the continuous development and commercialization of power-to-gas (P2G) technology, the coordinated operation between wind power generation units (WPGUs) and P2G facilities has attracted more and more attentions. The operational flexibility of P2G facilities can be employed to mitigate power output fluctuations of WPGUs, while both P2G facilities and WPGUs can form a virtual power plant (VPP) to participate in electricity market operation. Given this background, this paper studies the optimal bidding strategies for the VPP including WPGUs and P2G facilities. First, we present a modeling framework for a VPP with WPGUs and P2G facilities to participate in the operation of an electricity market. Then we construct the bidding strategy model for a VPP in a day-ahead electricity market with the objective of maximizing the overall profit, and determine the self-scheduling strategy of VPP. Considering uncertain forecasting error of the fluctuant outputs from wind power units, we develop both robust and opportunity bidding strategy models based on the information gap decision theory (IGDT), so as to reflect the risk preferences of various VPPs. And then, we adopt the well-developed commercial solver AMPL/IPOPT to solve the proposed nonlinear optimization model, and determine the robust and opportunity bidding strategy models for expected cost. Finally, case studies based on data from the Nord pool electricity market are carried out to demonstrate the characteristics of the developed optimization models and the employed solving method.

virtual power plant (VPP); wind power generation unit (WPGU); power-to-gas (P2G) facility; electricity market; bidding strategy; information gap decision theory (IGDT)

國(guó)家自然科學(xué)基金項(xiàng)目(51477151)；國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃項(xiàng)目(973項(xiàng)目)(2013CB228202)；中國(guó)南方電網(wǎng)公司科技項(xiàng)目(WYKJ00000027)；深圳供電局有限公司科技項(xiàng)目(090000KK52150070)

TM 72

A

1000-7229(2017)07-0088-08

10.3969/j.issn.1000-7229.2017.07.011

2017-03-05

Project supported by National Natural Science Foundation of China(51477151)；the National Basic Research Program of China (973 Program) (2013CB228202)