電力零售商引導(dǎo)下智能電網(wǎng)多方利益均衡策略

李軍祥, 王宇倩, 孫 權(quán), 黨亞崢, 高 巖

(上海理工大學(xué) 管理學(xué)院,上海 200093)

0 引言

在當(dāng)前能源價(jià)格穩(wěn)步上漲、環(huán)境污染問(wèn)題加劇的背景下，為了以更可靠、經(jīng)濟(jì)和清潔的方式滿足系統(tǒng)中各類用戶所需能源，需要在平衡各方利益的基礎(chǔ)上對(duì)資源進(jìn)行協(xié)調(diào)[1]。已有諸多學(xué)者探索需求側(cè)管理和供電商發(fā)電策略，從供需兩側(cè)角度深入研究以期提高電網(wǎng)的運(yùn)行效率。實(shí)時(shí)定價(jià)是需求側(cè)管理的一個(gè)有效手段[2]。文獻(xiàn)[3]提出基于馬爾可夫決策過(guò)程的社會(huì)福利最大化模型，求解實(shí)時(shí)電價(jià)定價(jià)策略。文獻(xiàn)[4]設(shè)計(jì)動(dòng)態(tài)住宅負(fù)荷調(diào)度系統(tǒng)，優(yōu)化家用電器的自適應(yīng)消費(fèi)定價(jià)。文獻(xiàn)[5]建立智能電網(wǎng)實(shí)時(shí)定價(jià)優(yōu)化模型，利用KKT條件和改進(jìn)的Fischer-Burmerister平滑函數(shù)求解優(yōu)化模型。文獻(xiàn)[6]提出電網(wǎng)公司與多用戶需求響應(yīng)的主從博弈模型，考慮用戶滿意度和電力波動(dòng)成本，建立電力供應(yīng)商和電力用戶收益的目標(biāo)函數(shù)。

有關(guān)電力生產(chǎn)調(diào)度問(wèn)題，文獻(xiàn)[7]針對(duì)不同能源形式的能量樞紐構(gòu)建優(yōu)化調(diào)度模型，實(shí)現(xiàn)能量樞紐成本的最小化，采用數(shù)據(jù)驅(qū)動(dòng)的兩階段分布魯棒優(yōu)化方法處理風(fēng)電出力的不確定性。文獻(xiàn)[8]提出的綠色火電調(diào)度評(píng)價(jià)機(jī)制，研究在優(yōu)先考慮清潔可再生能源充分調(diào)度但仍不能滿足全社會(huì)能源需求的情況下，優(yōu)化火電資源的調(diào)度順序。文獻(xiàn)[9]介紹了一種綜合線性化模型的電力管理方法，用于混合儲(chǔ)能系統(tǒng)優(yōu)化選型、工藝選擇和風(fēng)力混合儲(chǔ)能系統(tǒng)電力調(diào)度，解決了現(xiàn)有風(fēng)電調(diào)度方法中存在的大容量額定值問(wèn)題。

以上研究大多考慮電力系統(tǒng)中的雙向聯(lián)系，忽略了現(xiàn)實(shí)存在多類供電商、電力零售商和用戶組成一個(gè)閉環(huán)的電力系統(tǒng)。此外，還要考慮電力來(lái)源多樣性和不同電力來(lái)源供電量的時(shí)間變化特性等。風(fēng)光能源出力波動(dòng)性和隨機(jī)性使系統(tǒng)運(yùn)行不確定因素增加，傳統(tǒng)基于確定性分析的電力系統(tǒng)得到的優(yōu)化方案可能會(huì)背離預(yù)期目標(biāo)。本文電力零售商引導(dǎo)下的智能電網(wǎng)實(shí)時(shí)電價(jià)系統(tǒng)，決策者關(guān)心優(yōu)化方案在風(fēng)光出力不確定的情況下是否能夠滿足系統(tǒng)安全性約束。因此引入可調(diào)節(jié)魯棒因子，采用盒式不確定集表示風(fēng)光能源出力不確定性，對(duì)關(guān)鍵參數(shù)擾動(dòng)進(jìn)行分析，使得求解結(jié)果具有魯棒性。

整體運(yùn)行策略為：風(fēng)光能源供電商優(yōu)先根據(jù)電力零售商提供的上一時(shí)隙用戶用電情況調(diào)整發(fā)電量，向電力零售商報(bào)價(jià)，化石能源供電商隨之調(diào)整。電力零售商結(jié)合供電商供電和用戶用電兩者平衡情況及自身盈虧情況，調(diào)整供電商報(bào)價(jià)。在用電側(cè)根據(jù)實(shí)際特性將用戶分為兩大類，分別建立效用函數(shù)，調(diào)整每一大類內(nèi)的小類用戶效用函數(shù)參數(shù)進(jìn)行優(yōu)先級(jí)排序。電力零售商根據(jù)不同類型用戶制定不同的實(shí)時(shí)電價(jià)，用戶根據(jù)自身用電意愿和成本結(jié)合電力零售商公布的電價(jià)制定用電計(jì)劃。電力零售商將用戶用電信息收集后調(diào)整下一時(shí)隙電價(jià)并將用戶用電總量傳遞給供電商調(diào)整發(fā)電量，最終實(shí)現(xiàn)社會(huì)用電負(fù)荷總峰值的削弱，實(shí)現(xiàn)電力系統(tǒng)削峰填谷及各方利益最大化。

1 模型建立及分析

本文是由多供電商和多類用戶在電力零售商引導(dǎo)下的智能電網(wǎng)實(shí)時(shí)電價(jià)系統(tǒng)。發(fā)電側(cè)考慮環(huán)境波動(dòng)因素對(duì)供電商的影響，優(yōu)化供電商供電上網(wǎng)順序，平衡電力供需的同時(shí)提高風(fēng)光能源利用率；用電側(cè)對(duì)用戶分類和供電優(yōu)先級(jí)開展進(jìn)一步研究，在二次分類的基礎(chǔ)上通過(guò)粒子群算法求解各類用戶用電量，削峰填谷的同時(shí)進(jìn)一步實(shí)現(xiàn)社會(huì)福利最大化。

1.1 發(fā)電側(cè)收益模型的建立及定價(jià)

(3)

(4)

電力零售商根據(jù)上一時(shí)隙實(shí)際供需和自身盈利情況與發(fā)電方議價(jià)。電量供大于求時(shí)適度降低電價(jià)，供不應(yīng)求時(shí)適度提高電價(jià)。此外，零售商需滿足自身盈利，當(dāng)購(gòu)電成本大于售電收益時(shí)降低零售商購(gòu)電電價(jià)；當(dāng)售電收益大于購(gòu)電成本時(shí)又需要適當(dāng)提高零售商購(gòu)電電價(jià)讓利于發(fā)電商。電力零售商和生產(chǎn)商之間電價(jià)協(xié)商差值Bar(σ1,σ2)根據(jù)以下公式求得:

(5)

(6)

1.2 電力零售商定價(jià)和收益

電力零售商調(diào)度發(fā)用電量，通過(guò)批發(fā)購(gòu)電和零售售電對(duì)供電商發(fā)電和用戶用電進(jìn)行調(diào)控。在不影響自身盈利的同時(shí)，維持電力供需平衡，保持市場(chǎng)平穩(wěn)運(yùn)行，收益計(jì)算為：

(7)

(8)

1.3 用戶效用分析

使用效用函數(shù)反映用戶滿意程度在用電過(guò)程中隨用電量變化。實(shí)際情況用戶類別眾多，為簡(jiǎn)化模型，根據(jù)用電量規(guī)模將用戶分為兩大類，即I=2。第Ⅰ類用戶用電規(guī)模較小，用戶效用隨用電量的增加而增加，達(dá)到一定程度后飽和，用戶得到滿足不再增加；第Ⅱ類用戶用電規(guī)模較大，效用隨著用電量增加會(huì)持續(xù)增加，但增長(zhǎng)速度逐漸減小。根據(jù)以上特性，第Ⅰ類效用函數(shù)用分段二次函數(shù)表示[3]:

(9)

其中x是用戶用電量，ω表示用戶用電意愿，根據(jù)用電負(fù)荷對(duì)用戶用電意愿的影響程度分別進(jìn)行設(shè)置。因?yàn)椴煌脩魧?duì)于不同時(shí)間使用的意愿強(qiáng)烈不同，導(dǎo)致用電負(fù)荷變化，在此基礎(chǔ)上通過(guò)調(diào)整α值再次對(duì)Ⅰ類用戶分類，α值小則代表該類用戶增加單位電量，能獲取更多效用。為了簡(jiǎn)化模型，將Ⅰ類用戶也分為兩類，即J1=2類。

同樣，根據(jù)第Ⅱ類用戶特性，用對(duì)數(shù)函數(shù)表示效用函數(shù)為[12]V(y,β)=βln(ωy+1)。通過(guò)調(diào)整β值對(duì)Ⅱ類用戶再進(jìn)行分類。在其余參數(shù)不變情況下，β值越大，代表用戶單位用電量獲取的效用值越高。為了簡(jiǎn)化模型，根據(jù)該特性將Ⅱ類用戶仍然分為兩類，即J2=2類。

分類后以社會(huì)福利最大化為原則建立實(shí)時(shí)電價(jià)模型。社會(huì)福利定義為用能效用減去用電成本的差值。用戶總效用函數(shù)之和減去總購(gòu)電費(fèi)用之和便是用戶的總福利:

(10)

假設(shè)每個(gè)用戶都是優(yōu)先考慮如何最大化自身福利的理智消費(fèi)者，當(dāng)電力零售商提供報(bào)價(jià)時(shí)，用戶選取最優(yōu)策略來(lái)實(shí)現(xiàn)自身福利最大化，同時(shí)各類用戶的總用電量需小于電力零售商的總購(gòu)電量。為實(shí)現(xiàn)該策略，建立數(shù)學(xué)模型并求解將得到一天內(nèi)各用戶用電量及社會(huì)總福利：

(11)

(12)

式等價(jià)于:

(13)

其中zt,δt,γt均為拉格朗日乘子。

(15)

聯(lián)立式(12)～式(15)并經(jīng)過(guò)化簡(jiǎn)，式中的系統(tǒng)備用約束轉(zhuǎn)換為:

(16)

在實(shí)際調(diào)度中，通常風(fēng)電光伏最大波動(dòng)范圍事先給定，同時(shí)風(fēng)電光伏能源波動(dòng)區(qū)間的系數(shù)可根據(jù)實(shí)際需要選取。至此，含不確定的模型已經(jīng)轉(zhuǎn)換為常規(guī)優(yōu)化問(wèn)題。

2 系統(tǒng)算法過(guò)程及實(shí)現(xiàn)

整個(gè)實(shí)現(xiàn)過(guò)程中供電商、電力零售商和用戶三者之間是實(shí)時(shí)互動(dòng)的，通過(guò)智能電表和電力信息共享協(xié)議達(dá)成，系統(tǒng)整體運(yùn)行算法由圖1表示。風(fēng)電光伏供電商根據(jù)零售商提出的下一時(shí)隙用電需求生產(chǎn)電力，將電價(jià)和發(fā)電量告知電力零售商。零售商再向化石能源供電商提出電力需求，化石能源供電商根據(jù)需求提出報(bào)價(jià)并生產(chǎn)電力。發(fā)電側(cè)算法中目標(biāo)函數(shù)為二次函數(shù)，根據(jù)已知數(shù)據(jù)直接運(yùn)算求得發(fā)電量和供電商售電電價(jià)。電力零售商通過(guò)上一時(shí)隙供需平衡和盈虧情況對(duì)供電商報(bào)價(jià)協(xié)商調(diào)整，得到供電商的最終報(bào)價(jià)。同時(shí)，根據(jù)上一時(shí)隙用戶用電量和收益最大化原則向用戶方提出電價(jià)方案。在電力零售商算法中，目標(biāo)函數(shù)是關(guān)于電價(jià)的線性函數(shù)，在求得成本限制條件后可直接求解。用戶根據(jù)電力零售商提出的電價(jià)調(diào)整用電方案，由智能電表向零售商傳遞用電量信息。實(shí)現(xiàn)用戶側(cè)算法需要粒子群算法，求解時(shí)采用罰函數(shù)法將目標(biāo)函數(shù)和約束函數(shù)加權(quán)后轉(zhuǎn)化為沒有約束條件的優(yōu)化函數(shù)。

圖1 電力系統(tǒng)整體運(yùn)行算法流程圖

3 數(shù)值模擬

3.1 參數(shù)設(shè)置

3.2 結(jié)果分析

通過(guò)數(shù)值仿真得到風(fēng)電光伏和化石能源供電商24小時(shí)收益情況如圖2(b)所示。從圖中看出化石能源供電商收益與風(fēng)電光伏供電商收益呈負(fù)相關(guān)趨勢(shì)。這是因?yàn)樵陲L(fēng)光能源不足時(shí)，化石能源供電商生產(chǎn)和售出更多能源獲取更多收益。而在風(fēng)光能源充足時(shí)，電力零售商優(yōu)先向風(fēng)電光伏供電商購(gòu)電，化石能源供電商發(fā)電量和電價(jià)隨之降低，收益也同樣減少。

圖2(a) 風(fēng)力和光伏發(fā)電量

圖2(b) 供電商收益情況

圖3(a)描述整個(gè)電力系統(tǒng)24小時(shí)發(fā)用電情況，可以看出系統(tǒng)初始發(fā)電量較大，算法調(diào)整后發(fā)用電量基本保持一致，并合理地保留一定余量，為出現(xiàn)電力需求的陡增留有緩沖時(shí)間。圖3(b)說(shuō)明系統(tǒng)運(yùn)行一段時(shí)間調(diào)整電力需求后，保證發(fā)電方穩(wěn)定利益且提升電力零售商收益。

圖3(a) 電力市場(chǎng)供需情況

圖3(b) 供電商和零售商收益情況

各類用戶電價(jià)和用電量如圖4所示。通過(guò)在用電高峰時(shí)段設(shè)置高電價(jià)，將用電規(guī)模較大的Ⅱ類用戶用電需求轉(zhuǎn)移至用電低谷時(shí)段；對(duì)于用電規(guī)模較小的Ⅰ用戶，同樣利用電價(jià)引導(dǎo)用戶盡可能避開用電高峰。而在相同規(guī)模的用戶中，根據(jù)用電產(chǎn)生的福利不同，通過(guò)細(xì)微的電價(jià)差異，優(yōu)先級(jí)高的Ⅰ-1和Ⅱ-1類用戶能夠獲取相對(duì)更低的電價(jià)，從而引導(dǎo)優(yōu)先級(jí)高的Ⅰ-1和Ⅱ-1類用戶多用電，產(chǎn)生更大的社會(huì)效益。

圖4(a) 24小時(shí)各類用戶電價(jià)

圖4(b) 24小時(shí)各類用戶電量

設(shè)置魯棒因子1為Γt=0，魯棒因子2為Γt=1，魯棒因子3為Γt=2，魯棒因子4為Γt=Nw，繪制四種不同魯棒因子場(chǎng)景下風(fēng)電光伏能源出力曲線如圖5(a)所示。分析魯棒水平對(duì)供電商和零售商收益的影響，魯棒因子Γt在不同取值下的供電商成本和利潤(rùn)曲線如圖5(b)、(c)所示；電力零售商成本和利潤(rùn)曲線如圖5(d)、(e)所示；不同魯棒水平下用戶福利值曲線如圖5(f)所示。

圖5(a) 風(fēng)電光伏能源出力

圖5(b) 供電商成本

圖5(c) 供電商利潤(rùn)

圖5(d) 電力零售商成本

圖5(e) 電力零售商利潤(rùn)

圖5(f) 用戶福利

電力系統(tǒng)實(shí)際運(yùn)行中，魯棒因子對(duì)應(yīng)風(fēng)電光伏能源不確定性的波動(dòng)程度，觀察圖5(a)可知，魯棒因子取數(shù)值為0，即不考慮清潔能源出力不確定性的常規(guī)情形，風(fēng)電光伏能源出力曲線最平穩(wěn)；魯棒因子取值越大，考慮的波動(dòng)范圍越大，相應(yīng)的決策更為保守。由圖5(b)、(d)可見，供電商發(fā)電成本和電力零售商購(gòu)電成本隨魯棒因子取值增加均有一定程度的上升，這是因?yàn)轱L(fēng)電光伏出力變化幅度增大，為了保證系統(tǒng)可靠運(yùn)行，必須付出更多成本來(lái)維持系統(tǒng)穩(wěn)定。同時(shí)，觀察圖5(c)、(e)可見供電商和電力零售商利潤(rùn)均呈現(xiàn)下降趨勢(shì)，即經(jīng)濟(jì)性下降，產(chǎn)生此結(jié)果的原因是存在風(fēng)電光伏不確定性懲罰成本，即實(shí)際中為了滿足風(fēng)電光伏出力不確定性而額外增加的備用成本?？梢娤到y(tǒng)的魯棒性和經(jīng)濟(jì)性是相互矛盾的兩個(gè)目標(biāo)，不確定性增加改變了按經(jīng)濟(jì)最優(yōu)確定的機(jī)組出力計(jì)劃，導(dǎo)致系統(tǒng)運(yùn)行成本不斷增加，但整體利潤(rùn)曲線偏差并不大。觀察圖5(f)也可見，不同魯棒水平對(duì)用戶福利造成的影響較小，說(shuō)明本文建立的電力零售商引導(dǎo)下的實(shí)時(shí)電價(jià)系統(tǒng)具有較強(qiáng)的魯棒性。

4 結(jié)束語(yǔ)

本文將電力零售商作為主導(dǎo)方，根據(jù)發(fā)電量和用電信息以收益最大為目標(biāo)輸出用戶實(shí)時(shí)電價(jià)，引導(dǎo)發(fā)電商合理發(fā)電、用戶合理用能。對(duì)于電力供給側(cè)，將供電商根據(jù)能量來(lái)源進(jìn)行分類，采用盒式集合刻畫風(fēng)電光伏出力的不確定性因素，建立收益最大化模型輸出最優(yōu)發(fā)電量，充分利用可再生能源。對(duì)于電力需求側(cè)，根據(jù)用電規(guī)模和效用差異對(duì)用戶進(jìn)行二次分類，建立效用最大化模型，應(yīng)用對(duì)偶理論出力不確定性簡(jiǎn)化模型，輸出用戶最優(yōu)用電量。結(jié)果表明本文所提模型具有平衡供需、削峰填谷、提高企業(yè)利潤(rùn)及增加社會(huì)總體效益的優(yōu)點(diǎn)，且系統(tǒng)具有較強(qiáng)的魯棒性。

未來(lái)可以考慮供電商之間的合作方式，建立雙方共贏的電力供給側(cè)模型。同時(shí)，電力需求側(cè)可以進(jìn)一步考慮用戶設(shè)備的控制特性，提高用戶分類模型的現(xiàn)實(shí)可行性。