考慮多種上網價格規制的光伏微網運營對比研究

周楠，劉念，張建華

(華北電力大學新能源電力系統國家重點實驗室，北京市 102206)

考慮多種上網價格規制的光伏微網運營對比研究

周楠，劉念，張建華

(華北電力大學新能源電力系統國家重點實驗室，北京市 102206)

光伏微網是促進光伏就地消納利用，發揮分布式光伏發電系統效能的有效方式。在光伏微網發展進程中，微網成本-收益的非對稱性和光伏發電的正外部性會導致光伏微網投資效益不明顯，必須由政府進行干預以扶持其發展，上網價格規制為其中最有效的方式。當前，我國短時間內大幅提高可再生能源發電比例，在政策制定上缺乏系統規劃，造成規制效率水平低，不能充分發揮規制工具對光伏微網投資運營的指導作用。因此，該文對不同電價場景下上網電價規制類型對微網各主體收益的影響進行分析。首先，建立微網商業模型，分析微網運營模式及各主體收益分配；其次，基于價格信號構建多場景，即用戶電價分別為固定電價和分時電價，上網電價分別為固定電價模型、固定溢價模型和可變溢價模型，提出多場景下微網內儲能的充放電策略及整體運行策略，并進行時序仿真，得出典型日內不同微網主體間能量交換關系及收益分配；最后，對多場景下電價模型對各主體收益的影響進行靈敏度分析；將模型應用于廣東某微網，驗證了所述方法的有效性和可行性，對有關部門進行不同電價場景下微網上網電價的規制決策有較好的借鑒意義。

光伏微網；商業模型；上網價格規制；多場景運行；多主體收益分配

0 引 言

當前，光伏產業迅速發展。國際能源署(international energy agency，IEA)和歐盟聯合研究中心(the joint research centre of European commission，JRC)預測到2020年全球光伏發電的發電量將占到總發電量的2%；到2030年將占到總發電量的10%以上。光伏微網是有效融合了先進電力電子技術、分布式光伏發電技術、儲能技術以及監控保護技術的小容量分散功能系統；是實現分布式光伏就地消納利用，發揮分布式光伏發電系統效能的最有效方式。在微網發展初期，大多關注與微網規劃[1-2]、配置[3]、控制與運行[4-5]相關的關鍵技術研究和設備研發，但是技術上的發展不能夠完全解決微網持續有效發展的問題。

與傳統發電項目相比，微網投資有高成本、高投入、投資回報期長、高端技術尚未完全成熟等特點，其投資建設面臨諸多障礙。光伏微網的成本-收益非對稱性，如分布式光伏可大大減少化石能源的消耗，降低環境污染的成本，并具有輔助調頻、電壓支持、調峰、旋轉、非旋轉備用服務等作用，造成光伏微網投資效益不明顯，必須由政府進行干預以扶持其發展。

關于政府對可再生能源項目的規制研究，Duffield、Collins[6]以美國能源政策為例，指出在可再生能源產業發展中，政策扮演重要角色[6]。Burer和Wustenhagen[7]通過對北美和歐洲風險資本和私募基金的60個專業投資顧問的調查得到最優激勵性的政策是上網價格規制。Menanteau等[8]對可再生能源上網價格規制分為了以產量為基礎和以價格為基礎2個方面的規制，并對這2種規制進行了比較研究。Couture、Gagnon[9]將上網價格政策分為了市場獨立型與市場依賴型2種政策類型，并進一步劃分為7個種子類型，進而分析了不同類型上網價格規制的優缺點和適用條件。Marpaung[10]對可再生能源電價規制政策的理論基礎及外部性內部化進行了研究，探討了不同電價規制政策之間的相互關系及相互作用。Fischer[11]從實踐角度分析可再生能源電價機制的合理性，并分析了單個規制政策的作用和相互之間的交叉使用效果。栗寶卿等[12]指出我國的可再生能源政策還存在激勵機制缺乏、政策持續性和協調統一性差等問題。

當前，我國短時間內大幅提高可再生能源發電比例，在政策制定上缺乏系統規劃，造成規制效率水平低，不能充分發揮規制工具對光伏微網投資運營的指導作用。因此，本文建立微網商業模型，分析微網運營模式及各主體收益分配。其次，基于價格信號構建多場景，即微網向用戶的售電電價分別為固定電價和分時電價，上網電價分別為固定電價模型、固定溢價模型和可變溢價模型，提出多場景下儲能充放電策略及光伏微網運行策略，采用MATLAB軟件進行時序仿真，得出典型日內不同微網主體間能量交換關系。從而對不同電價場景下上網電價規制類型對微網各主體收益的影響進行分析，為有關部門進行微網上網電價的規制決策提供借鑒意義。

1 光伏微網系統

本文所述的光伏微網系統典型結構如圖1所示，主要包括光伏發電系統、光伏DC/AC逆變器、儲能系統、儲能雙向AC/DC變流器、負荷和控制中心等。其中，控制中心采集負荷光伏電源和儲能數據，負責傳遞系統的成本信息、給用戶發送指令。

圖1 光伏微網系統典型結構Fig.1 Typical structure of PV-MG system

微網按照市場電價和上網電價與電網進行電能交易。市場電價為電網向微網的售電電價，分為固定電價、峰谷電價和實時電價。上網電價為微網向電網的售電電價，是政府根據市場條件、成本因素需要制定一個收購價格(固定價格或溢價)，在一段時期內強制性要求電網公司有義務收購由可再生能源(含光伏)貢獻的電力。政府可通過制定一個高于市場電價的上網價格，從而給予可再生發電產業以政策優惠的措施，上網電價與市場電價的差值由政府、消費者或者化石能源企業進行分攤。

2 微網商業模型及各主體收益

本文從價值觀點出發，對光伏微網進行商業建模，如圖2所示。涉及的主體包括：政府、微網投資商、微網運營商、電網及用戶。為簡便分析，本文中微網投資商與運營商為同一主體。

微網運營商作為電力公司和用戶的中間商，負責運營和管理微網，需綜合考慮各主體的利益。首先，微網運營商可以通過合理的運營方式獲得利潤；其次，微網運營商與電網之間簽訂的合同可要求微網與電網之間采用合適的供需平衡方式，便于電網平衡負荷曲線和提高供電可靠性；最后，從用戶的角度出發，用戶與運營商簽訂合同的前提條件是用戶從微網的購電價格低于直接從電網購電的價格。為鼓勵用戶使用微網電能，通常情況下，微網按市場電價的一定比例向用戶售電，本文選取廣東某實際微網，微網按90%市場電價向用戶售電，因此用戶也能獲得相對的收益。

圖2 光伏微網商業模型Fig.2 Business model of PV-MG

典型日光伏微網內能量交換為

Pd(t)=PPV(t)+Pi(t)-Pe(t)+Pb(t)

(1)

式中：Pd(t),PPV(t),Pi(t),Pe(t)分別為時段t負荷功率、光伏出力、微網從大電網購電功率和微網內光伏上網功率，kW；Pb(t)為時段t儲能充放電功率，kW，放電為正，充電為負。

典型日微網運營商、電網和用戶收益分別為：

(2)

(3)

(4)

式中：Co,Cg,Cd分別為典型日內微網運營商、電網和用戶收益，元；Vd(t),Ve(t),Vi(t)分別表示時段t用戶用電電價、微網內光伏上網電價、大電網購電電價，元/(kW·h)，本文取Vd(t)=0.9Vi(t)；VPV為光伏補貼電價，0.42元/(kW·h)。

光伏自消納率SPV為

(5)

式中：Eb為儲能所消納的光伏電能。當配置儲能容量能夠完全消納午間過剩光伏，并于剩余時段重新供給負荷時，光伏消納率為100%。

3 上網電價規制模型

和其他規制政策相比，如可再生能源配額制、可交易綠色證書、排放權交易制等，上網電價規制被認為是在吸引風險資本投資、鼓勵創新以及建立市場體系等方面最有效的一種規制政策。上網電價規制類型可分為固定電價、不變溢價以及可變溢價。

3.1 固定電價模型

固定電價是指政府制定的規制價格獨立于市場價格(如圖3所示)，在這種規制方式下，微網運營商將獲得無風險的固定補貼額，表示為

Ve=VF

(6)

式中：VF為固定電價，基于電網向微網的售電電價即市場電價Vi上下浮動。

圖3 固定電價規制模型Fig.3 FOPT price model

3.2 固定溢價模型

如果政府選擇的上網電價規制與市場價格相關，此時將包括2種情形：一種為固定溢價，如圖4所示；另一種為可變溢價，如圖5所示。在這2種方式下，微網的最終利潤會隨著市場環境的變化而發生波動。

圖4 固定溢價模型Fig.4 CPOPT price model

圖5 可變溢價模型Fig.5 VPOPT price model

當溢價水平固定時，上網電價為

Ve=Vi+ζ

(7)

式中：ζ為固定溢價。

3.3 可變溢價模型

當溢價率隨著市場價格的變動而發生變動時，這種情形變得相對復雜。為分析的簡便，這里僅僅假定隨著市場價格的變動，溢價率是恒定的，則上網電價為

Ve=(1+λ)Vi

(8)

式中λ為溢價率。

4 多場景下微網運行策略

4.1 固定電價場景

固定電價下，儲能充放電策略為：儲能消納午間多余光伏，光伏出力不足時，儲能放電供給負荷。光伏微網整體運行策略如圖6所示。圖中C1至C4分別表示Case 1至Case4的發生次數，初值為0。

圖6 固定電價下微網運行策略Fig.6 PV-MG operation strategy under fixed price

(1)當光伏發電功率不小于負荷時，運行策略如下：Case1，儲能未充滿，多余的光伏為儲能裝置充電；Case2，儲能裝置充滿后，余下功率上網。

(2)當光伏發電功率小于負荷時，運行策略如下：Case3，儲能滿足負荷功率缺額，儲能放電；Case4，儲能不能滿足負荷功率缺額，儲能以最大功率放電，電網滿足余下的功率缺額。

4.2 分時電價場景

分時電價下，儲能充放電策略為：電價低谷時段從電網購電為儲能電池充電，將存儲的電能在電價峰值時段向負荷供應；其次，將光伏對負荷供電的剩余電能對儲能進行充電，在電價高峰時，儲能放電供給負荷。光伏微網整體運行策略如圖7所示。圖中C1至C10分別表示Case1至Case10的發生次數，初值為0。

圖7 分時電價下光伏微網優化運行策略Fig.7 PV-MG operation strategy under TOU scenario

(1)當光伏發電功率不小于負荷時，運行策略如下：Case1，若處于電價高峰時段，光伏供給微網本地負荷，能實現一定的“削峰”作用，同時減少微網購電成本，且多余的光伏為儲能充電；Case2，若處于電價高峰時段，儲能已充滿，余下光伏上網；Case3，若處于電價低谷時段，儲能未充滿，光伏除供給微網本地負荷外，余下光伏和主網共同為儲能充電；Case4，若處于電價低谷時段，儲能已充滿，余下光伏上網；Case5，若處于電價平時段，儲能無充放，余下光伏上網。

(2)當光伏發電功率小于負荷時，運行策略如下：Case6，若處于電價高峰時段，儲能有余電，光伏、儲能和主網共同供給微網本地負荷；Case7，若處于電價高峰時段，儲能電量已放盡，光伏和主網共同供給微網本地負荷；Case8，若處于電價低谷時段，儲能未充滿，除光伏和主網共同供給本地負荷外，主網給儲能充電，此時充電成本較低，并能實現一定的“填谷”作用；Case9，若處于電價低谷時段，儲能已充滿，光伏和主網除共同供給微網本地負荷；Case10，若處于電價平時段，儲能無充放，光伏和主網供給本地負荷。

5 算例分析

5.1 基礎數據

本文選取廣東某實際微網園區夏季典型日的負荷數據進行算例分析。該區域包含5個電力用戶，(基礎數據見表1)。所有用戶均安裝了屋頂光伏系統，其額定容量從250 kW到550 kW。光伏輸出功率曲線如圖8所示，各用戶每小時的平均功率曲線、日凈功率曲線以及光伏用戶群的總平均負荷曲線如圖9、圖10所示。

表1 分布式用戶基礎數據
Table 1 Basic dataof distributed users

圖8 分布式用戶光伏輸出功率Fig.8 PV power output of distributed users

圖9 分布式用戶功率Fig.9 Load power of distributed users

圖10 用戶總功率及總光伏Fig.10 Users’ total load power and photovoltaic output

儲能電池最大容量為500 kW，如果放電深度過大容易損壞儲能電池，在優化過程中應保持它的荷電狀態估計在20%～100%。該微網峰谷時段劃分為：峰時段10:00～15:00，17:00～22:00，谷時段 00:00～07:00；其余時間段為平時段。

由圖10可見：其用電主要集中在上午和下午上班時間2個高峰時段，而中午休息時間，負荷有所降低，有明顯的日峰夜谷的特點。

5.2 多場景優化設置及優化運行結果

5.2.1 多場景優化設置

電網向微網的售電電價為市場電價，分為固定電價和分時電價，微網向電網的售電電價為上網電價，分為固定電價、不變溢價和可變溢價。市場電價為固定電價的場景下，上網電價通常采用固定電價。市場電價為分時電價的場景下，光伏上網電價規制可采用固定電價、不變溢價及可變溢價，因此本文考慮4種場景下微網的優化運行，分析不同價格信號下微網各主體收益情況。

場景1：市場電價為固定電價，取0.5元/(kW·h)，上網電價通常采用固定電價模型，取0.4元/(kW·h)；

場景2：市場電價為分時電價，取峰平谷電價分別為0.8，0.6，0.3元/(kW·h)，上網電價采用固定電價模型0.4元/(kW·h)。

場景3：市場電價為分時電價，取峰平谷電價分別為0.8，0.6，0.3元/(kW·h)，上網電價采用固定溢價模型，固定溢價水平ζ取-0.1元/(kW·h)，即上網電價采用峰平谷電價，分別為0.7，0.5，0.2元/(kW·h)，峰谷時段劃分與場景2相同。

場景4：市場電價為分時電價，取峰平谷電價分別為0.8，0.6，0.3元/(kW·h)，上網電價采用可變溢價模型，溢價率λ=-10%，即上網電價采用峰谷平電價，分別為0.72，0.54，0.27元/(kW·h)。

5.2.2 多場景微網優化運行結果

采用Matlab軟件進行微網時序仿真，得到典型日內固定電價場景和分時電價場景下微網內光伏、負荷及儲能能量流動分別如圖11、12所示。

圖11 固定電價下微網內能量交換Fig.11 Energy exchange in PV-MGunder fixed price

圖12 分時電價場景下微網內能量交換Fig.12 Energy exchange in PV-MG under TOU price

可以得到，固定電價場景下光伏自消納率為84.87%，分時電價場景下光伏自消納率為87.37%。可見，分時電價場景下，微網儲能系統利用峰谷差進行購售電，和光伏共同為負荷供電，可促進光伏的就地消納。

典型日內多場景下微網運營商、電網、用戶收益見表2，各主體收益對比分析如圖13所示。可見，從場景1到場景4，微網運營商收益逐漸遞增，且分時電價下微網運營商的收益均高于電網收益。這是因為，在分時電價下，微網運營商結合分時電價調度儲能，電價低谷時充電，電價高峰時放電，從而增加收益。對于微網運營商、電網、用戶，場景2下的收益均大于場景1下的收益，可見，分時電價有利于增加微網整體收益。對于用戶，場景2到場景4下，用戶收益不變，原因在于用戶收益來源于微網運營商給用戶的電價相對于市場電價的優惠，與微網上網電價模型無關。

表2 多場景下典型日微網各主體收益
Table 2 Multi-agent incomeunder multi-scenarios on typical day 元

圖13 多場景下各主體收益對比分析Fig.13 Multi-agent income comparison under multi-scenarios

5.2.3 敏感性分析

場景1下，微網采取固定市場電價場景下的運行策略，固定上網電價取0～0.5元/(kW·h)，步長為0.02元/(kW·h)。場景2下，微網采取分時市場電價場景下的運行策略，固定上網電價取0～0.5元/(kW·h)，步長為0.02元/(kW·h)。場景1與場景2微網中各主體典型日內收益變化對比如圖14所示。可見，市場電價實行峰谷電價時，微網整體收益提高。

圖14 場景1與場景2敏感性分析對比Fig.14 Sensitivity analysis comparison between scenario 1 and 2

場景3下，微網采取分時市場電價場景下的運行策略，上網電價的固定溢價水平ζ處于-0.2～ 0.2元/(kW·h)，步長0.02元/(kW·h)。場景4下，微網采取分時市場電價場景下的運行策略，上網電價的溢價率λ處于-20%～20%，步長2%。場景3與場景4下，上網電價的峰平谷電價變化如圖15所示。可見，可變溢價模型下電價變化率高于固定溢價模型的電價變化率。

圖15 場景3與場景4峰谷分時電價變化對比Fig.15 TOU comparisonin scenario 3 and 4

場景3與場景4下，微網中各主體收益差值如圖16所示，可見，微網運營商收益提高，電網收益降低，用戶收益不變。當固定溢價水平和溢價率小于等于0時，微網運營商在場景3下的收益低于場景4下的收益，電網在場景3下的收益高于場景4下的收益，當固定溢價水平和溢價率大于0，結果相反。場景3與場景4下，用戶收益均保持不變。

由表3靈敏度分析可以看出，固定價格機制變化率對微網運營商收益影響最大，且固定價格制定在使用過程中最為簡便，微網投資者更傾向于固定價格規制的環境。

圖16 場景3與場景4各主體收益差值Fig.16 Multi-agent income differencein scenario 3 and 4

6 結 語

本文研究了價格信號對微網內各運營主體收益的影響。首先，建立微網商業模型，分析微網運營模式及各主體收益分配。其次，基于價格信號構建多場景，即微網向用戶的售電電價分別為固定電價和分時電價，上網電價分別為固定電價模型、固定溢價模型和可變溢價模型，提出多場景下儲能充放電策略及光伏微網運行策略，采用MATLAB軟件進行時序仿真，得出典型日內不同微網主體間能量交換關系。最后，對不同價格場景下，微網各主體收益及電價模型對收益的影響進行靈敏度分析。

結果顯示：相對于固定電價場景，分時電價場景下微網光伏自消納率和經濟效益更高。同時，在分時電價場景下，上網電價模型中，微網運營商的收益對固定上網電價的變化最為敏感，可變溢價次之。固定上網電價下微網運營商收益不受市場影響，對快速促進微網市場建設、增加微網內裝機容量更有效。可變溢價與固定溢價隨市場變化，對加強微網成本控制、提高動態效率和方便技術變遷更加有效。可見，上網電價規制發揮重要作用需要合理考慮微網項目的發展目標和合理的回報，本文的研究對微網上網電價的規制決策具有較好的借鑒意義。

[1]郭力，劉文建，焦冰琦，等.獨立微網系統的多目標優化規劃設計方法[J].中國電機工程學報，2014，34(4)：524-536. GUO Li，LIU Wenjian，JIAO Bingqi，et al.Multi-objective optimal planning design method for Stand-alone microgrid system[J].Proceedings of the CSEE，2014，34(4)：524-536.h

[2]BASUX A K，BHATTACHARYA A，CHOWDHURY S，et al.Planned scheduling for economic power sharing in a CHP-based micro-grid[J].IEEE Transactions on Power Systems，2012，27(1)：30-38.

[3]朱蘭，嚴正，楊秀，等.風光儲微網系統蓄電池容量優化配置方法研究[J].電網技術，2012，36(12)：26-31. ZHU Lan，YAN Zheng，YANG Xiu，et al.Optimal configuration of battery capacity in microgrid composed of wind power and photovoltaic generation with energy storage[J].Power System Technology，2012，36(12)：26-31.

[4]牛銘，黃偉，郭佳歡，等.微網并網時的經濟運行研究[J].電網技術，2010，34(11)：38-42. NIU Ming，HUANG Wei，GUO Jiahuan，et al.Research on economic operation of grid-connected microgrid [J].Power System Technology，2010，34(11)：38-42.

[5]茆美琴，孫樹娟，蘇建徽.包含電動汽車的風/光/儲微電網經濟性分析分析[J].電力系統自動化，2011，35(14)：30-35. MAO Meiqin，SUN Shujuan，SU Jianhui.Economic analysis of microgrid with wind/ photovoltaic/ storages and electric vehicles[J].Automation of Electric Power Systems，2011，35(14)：30-35.

[6]DUFFIELD J A，COLLINS K. Evolution of renewable energy policy[J]. Choices the Magazine of Food Farm & Resource Issues, 2006，21(1)：9-14.

[7]BüRER M J, WüSTENHAGEN R. Which renewable energy policy is a venture capitalist’s best friend? Empirical evidence from a survey of international cleantech investors[J]. Energy Policy, 2009, 37(12): 4997-5006.

[8]MENANTEAU P, FINON D, LAMY M L. Prices versus quantities: choosing policies for promoting the development of renewable energy[J]. Energy policy, 2003, 31(8): 799-812.

[9]COUTURE T, GAGNON Y. An analysis of feed-in tariff remuneration models: Implications for renewable energy investment[J]. Energy Policy, 2010, 38(2): 955-965.

[10]MARPAUNG C O P, SOEBAGIO A, AMBARITA E. Effect of carbon tax on energy security in the long term energy sector development of Indonesia[C]// Proceedings of the International Symposium on Parameterized and Exact Computation(IPEC)Conference. India：IEEE, 2010: 1129-1133.

[11]FISCHER C, PREONAS L. Combining policies for renewable energy: Is the whole less than the sum of its parts[J]. International Review of Environmental and Resource Economics, 2010,10(4):51-92.

[12]栗寶卿. 促進可再生能源發展的財稅政策研究[D]. 北京：財政部財政科學研究所，2010. LI Baoqing, Fiscal and taxation policies to promote the development of renewable energy research[D]. Beijing：Research Institute for Fiscal Science, Ministry of Finance, P.R.China, 2010.

(編輯 張媛媛)

PV-Based Microgrid Operation Contrastive Research Considering On-Grid Power Tariff Regulation

ZHOU Nan, LIU Nian, ZHANG Jianhua

(North China Electric Power University, State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources, Beijing 102206, China)

The photovoltaic-based microgrid (PV-MG) is an effective way to promote the utilization of solar energy locally and develop the efficiency of distributed photovoltaic power generation system. However,in the development of PV-MG, the asymmetry characteristics of the cost-benefit of microgrid and the positive externalities of photovoltaic generation make its investment income benefit not obvious, which must be corrected by government regulation to support its development. On-grid power tariff (OPT) regulation is one of the most effective ways. Currently, in order to improve the proportion of renewable energy generation, the regulation of PV-MG is lack of system planning and has low effective level, which cannot give full play to the guiding role of the regulation tool on the business investment of PV-MG.Thus, this paper studies the influence of OPT regulation type on the investment and multi-agent income distribution of PV-MG under different price scenarios. Firstly, we construct the business model of PV-MG and analyze the operation mode and multi-agent income distribution of PV-MG. Then, we establish multi-scenarios based on price signal, in which the user electricity price are divided into fixed price and time-of-use (TOU) price, the on-grid power price are divided into fixed OPT (FOPT), constant premium OPT (CPOPT) and variable premium OPT (VPOPT). We propose the charging and discharging strategy of energy storage and overall operation strategy of microgrid under the multi-scenarios, and carry out the timing simulation to obtain the energy exchange and income distribution among microgrid subjects on typical day. Finally, we make sensitivity analysis of price models’ impact on multi-agent income under multi-scenarios, and apply the model in a microgrid in Guangdong province to verify the effectiveness and feasibility of the proposed method, which can provide reference to the OPT regulation decision of microgrid under different electricity price scenarios for related departments.

photovoltaic-based microgrid (PV-MG); business model; on-grid power tariff regulation; multi-scenarios operation; multi-agent income distribution

國家高技術研究發展計劃項目(863計劃)(2014AA052001)；北京市科技計劃課題(Z141100003714125)

TM 615, F 426

A

1000-7229(2016)03-0082-08

10.3969/j.issn.1000-7229.2016.03.013

2015-11-27

周楠(1992)，女，碩士研究生，研究方向為微網規劃運營；

劉念(1981)，男，博士，副教授，主要研究方向為新能源與智能配用電系統、電力信息安全；

張建華(1952)，男，教授，博士生導師，主要研究方向為電力系統分析與控制。

Project supported by the National High Technology Research and Development Program of China (863 Program) (2014AA052001); Beijing Municipal Science and Technology Project(Z141100003714125)