計及風電的電力市場中居民需求響應分析

白 銳，何 平，顧楊青，興勝利

(國網江蘇省電力有限公司蘇州供電分公司，江蘇 蘇州 215000)

0 引言

隨著電力市場的完善，居民能夠主動參與到需求響應項目中，優化自身負荷，并提升響應潛力。目前，需求響應項目在各國均得到了良好的推廣，并產生了積極的影響[1]。由于可再生能源機組的接入，負荷側的互動更加積極，所呈現出的狀態更加復雜[2]。因此，有必要對目前不同市場環境下居民需求響應進行進一步分析。

在需求響應項目中，緊急需求響應項目(emergency demand response program,EDRP)和可中斷/可削減服務與機組組合問題聯系較為緊密，更與發電商的策略有關。傳統的基于價格的需求響應主要包括分時電價(TOU)、尖峰電價(CPP)和實時電價(RTP)[3]。在日前市場下，發電商和用戶提前一天進行報價，而需求響應項目的類型就影響著雙方交易的類型、方式和數量。

另外，考慮到啟發式算法的發展，對于優化問題主要的求解方法分為分析法、啟發式方法和智能人工算法等[4]。啟發式算法在求解這類問題時應用廣泛，主要包括混合優化算法[5]、粒子群算法[6]和隨機優化[7]等。但是這些求解算法大多易陷入局部最優解，求解時間較長。

本文研究了2種類型的需求響應策略對含可再生能源電力市場的影響，建立了用戶需求響應模型，利用IEEE6節點系統進行仿真，分析了不同需求響應策略下機組的交易情況，以驗證本文模型的有效性。

1 電力市場與需求響應

1.1 需求響應項目

目前，傳統化石能源所帶來的環境、經濟問題，促使政策制定者將焦點轉向于可再生能源。為了解決可再生能源的間歇性以及不確定性，需求響應項目成為了有效的解決方法。需求響應項目可以降低能源市場參與者的風險，從而進一步提高電力系統的可靠性和效率。從系統運營商的角度來看，需求響應項目中的用戶積極參與是有利的，但是這也會影響到發電商的政策行為，尤其是在寡頭環境下。目前，對于需求響應的定義和分類較為分散。越來越多的學者開始研究具有間歇性的風機和需求響應對于系統以及電力市場出清的影響。考慮到基于激勵的需求響應，能夠削峰填谷，從而有利于需求側以及發電側，達到雙贏的效果。因此，本文提出了考慮需求側管理的短期調度方法。本文將風電出力的不確定性以及需求響應項目執行的不確定性，同時考慮到2階段隨機優化模型中。同時，為了系統的安全穩定運行、降低系統的運行成本，本文還建立了需求響應模型。

根據美國能源部的研究報告，可以按照用戶不同的響應方式，將電力市場模式下的需求響應分為基于價格和基于激勵的需求響應。基于價格的需求響應是指用戶響應零售電價的變化并相應地調整用電的需求，包括分時電價、實時電價和尖峰電價等。基于激勵的需求響應是指需求響應實施機構，通過制定相應確定性的或者變化的政策，來激勵用戶在系統可靠性受到影響或者電價較高時及時響應并削減負荷，包括直接負荷控制、需求側競價、緊急需求響應、可中斷負荷以及容量/輔助服務計劃等。

1.2 電力市場

電力市場也是一種市場形式，按照市場競爭程度不同，主要有完全競爭市場、壟斷競爭市場、寡頭壟斷市場和完全壟斷市場。每個市場模式特點如表1所示。

表1 電力市場分類

微觀經濟學理論指出，完全競爭的市場可以看作是最小化成本或者最大化利潤的模型，因此，對于完全競爭的電力市場，用優化模型描述是最好的形式。對于完全壟斷，可以模擬為壟斷商的利潤最大化問題。該模型中，電價來自于需求函數。在不完全競爭中，即壟斷競爭，需要同時求解每個參與者的利潤最大化問題。另外，寡頭壟斷模型隨著時間的不同會有所變化。

2 市場環境下居民需求響應模型

2.1 響應負荷模型

寡頭市場中的參與者能夠通過制定有效的政策措施來提高其收益。因此，本文通過考慮日前市場的策略來進行研究。另外，市場的結構以及市場的基本運營規則，也可能對市場的行為產生一定影響。

需求響應項目，一般來說都是需要通過給予參與方一定的激勵來實現的。目前，對于可響應的負荷研究也較多。通常，市場價格的不確定性以及用戶需求的不確定性均處理為隨機變量，即可以通過一系列確定的場景來實現。本文通過考慮競爭性的電力市場，并且尋求系統的納什均衡，通過經濟模型來考慮市場參與者對電價的響應，通過對講話的方式來求解均衡的問題。本文考慮基于價格和基于激勵的需求響應策略。站在系統運行商的角度，同時考慮日前市場和實時市場，目標函數為

(1)

2.2 不含風電的日前市場約束

本文所提不含風電的約束條件為：

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

SUCi,t≥SCi(Ui,t-Ui,t-1)

(10)

(11)

(12)

式(2)表示需求和供給之間的平衡關系。式(3)表示直流潮流，并且模擬了線性化傳輸線路的限值。式(4)表示支路的傳輸限制。式(5)表示計及風電出力預測的不確定性滯后的風電出力限值。式(6)表示了傳統機組的出力。式(7)～式(9)避免了機組停機。式(10)表示了上下儲備的約束。式(11)和式(12)表示了火力機組啟停的約束。

2.3 考慮風電的實時市場約束

考慮風電的實時市場約束條件為：

(13)

(14)

(15)

(16)

(17)

(18)

(19)

(20)

(21)

δb,w,t為考慮風電場景下的t時段節點b的電壓相角；上述計算式中，下標w表示風電場景。

通過考慮風電出力的不確定性，將需求側和供給側的平衡關系考慮到式(13)。式(14)、式(15)與式(3)、式(4)的區別主要在于式(14)和式(15)是針對于所有場景的。式(16)和式(17)表示上下儲備在所有場景中，均應被限制在之前提交至市場的計劃儲備限制之內。式(18)表示火力機組在實時的凈出力情況。

3 模型求解算法

本文所提混合求解算法綜合了Jaya和TLBO算法。

3.1 Jaya算法

Jaya算法是一種尋求最優解的新算法。在該算法中，個體移向最優解，同時在每次迭代中剔除不良個體。該算法求解速度更高、計算可靠性更高[8]。另外，該算法不需要控制參數，更易控制。本文將所有可能的移動狀態視為從局部最優逃出的個體狀態。改進的算法為：

(22)

(23)

(24)

(25)

Xs,t,k為k次迭代中第t個候選個體的第s個變量；r1,s,t和r2,s,t均為隨機變量；上角標n表示更新后變量，下同。

3.2 教學算法

TLBO算法也有較高的收斂性能。TLBO算法包括教和學2個階段。在教階段，得到的最優解作為教師，其他個體向它移動。在學階段，個體內部互相改進。

3.2.1 教階段

教階段公式如下：

(26)

(27)

Di為第i個解與教師之間的差值；TF為隨機離散數；ri為隨機變量。

3.2.2 學階段

在該階段選擇Xi和Xj為學生，更新的個體計算式為

(28)

在維度增加時，這2種算法都有可能陷入局部最優解，因此考慮兩者聯合求解。個體同時被Jaya和TLBO算法更新。如果得到的新個體優于原先的個體，則新個體取代原先個體；否則保留原先個體。另外，除了聯合求解算法，本文還需要處理功率平衡約束。

4 算例分析

4.1 假設條件和變量說明

為了充分研究寡頭市場下的風電對于需求響應項目的影響，本文利用IEEE6節點系統進行仿真，其接線情況如圖1所示。

圖1 IEEE6節點系統

本文的仿真過程中，還研究了不同類型的分時電價(TOU)、尖峰電價(CPP)和實時電價(RTP)。包括不同類型分時電價對于發電商的行為的影響、對于總系統負荷的影響。這些不同的需求響應項目(EDRP)類型，對于考慮風電或者是不含風電的發電商競標的影響也在研究內。

本文利用輪盤賭機制生成風電出力，模擬風電參與電力市場的功率。

4.2 仿真分析

在峰荷時段可再生能源對發電商的影響較大。不同種類的分時電價對于發電商的影響分別如圖2和圖3所示。通過對比有無風電參與的情況，可得到可再生能源的影響程度。可以看出風電存在時，分時電價對于需求側的影響更多是在峰荷時段的移峰作用。

圖2 不含風電的需求響應項目對發電商競標的影響

圖3 含風電的需求響應項目對發電商競標的影響

假設20%的用戶參與到需求響應項目中，不同類型的需求響應項目如表2所示，第1種和第2種分時電價都有3種價格檔位，第3種分時電價有4種檔位。電價的30%作為激勵費用則可以降低負荷需求。EDRP的價格為市場平均價格。用戶的自彈性和交叉彈性由文獻[9]得到。

表2 價格和激勵結果 元·(MW·h)-1

實時電價的結果如表3所示。由表3可以看出，價格在17時為峰值，在4時刻最低，并且該電價水平在不同時段的水平有所差別，能夠反映用戶的需求，起到一定的負荷轉移和引導作用。

表3 實時電價 元·(MW·h)-1

5 結束語

本文在經濟調度和機組組合的基礎上建立了需求響應模型，以成本最低為目標研究了多場景的需求響應項目。建立了2階段安全約束機組組合模型:第1階段優化了需求響應項目下的機組出力和機組組合；第2階段得到了安全約束下的總成本。通過仿真算例研究了需求響應項目對于發電商的影響。并分析了有無風機對于發電商的影響，從電價的角度說明了需求響應項目的作用。