基于物聯網分散決策的分布式能源交易運行模式與方法

代賢忠，王旭斌，安 麒，王劍曉，莊 偉，武 力，崔 達，盛同天

（1.國網能源研究院有限公司，北京 102209；2.華北電力大學 電氣與電子工程學院，北京 102206；3.國家電網調度中心，北京 100031）

0 引言

隨著電力能源在能源消費中比例的不斷提升，滿足電力需求呈現出多元化的格局。一方面需要發展大電網、火電、水電和核電，建設堅強的智能電網；另一方面，需要在負荷側發展分布式能源。然而，隨著分布式電源接入比例的不斷增加，將對大電網產生沖擊，增加了電網安全運行控制的難度[1]。

工業物聯網旨在打造具有狀態全面感知、信息高效處理、應用便捷靈活特征的智慧服務系統，本質上通過信息輕資產提升能源重資產的高效運營。物聯網的先進理念和技術為提升分布式能源的利用效率提供全新路徑，依賴移動互聯、人工智能等現代信息技術、先進通信技術，實現電力系統各環節的萬物互聯和精準可控[2]。因此，探索研究工業物聯網技術對于提升分布式能源的可控性、開展分布式能源交易具有前瞻性的價值和意義。

目前，國內外已有理論研究和工程實踐探索分布式能源交易的效益以及物聯網、信息技術對于分布式能源交易的影響。文獻[3]提出在配網側構建集中競價的分布式能源市場，類似發電側市場競價，分布式能源可以向市場調度申報能量和備用價格，并構建市場均衡模型。文獻[4]指出集中競價的分布式能源交易可能引起巨大交易成本，并提出基于能源共享的分布式能源交易模式，構建考慮售電商協調分布式能源點對點交易的數學模型，并代理大規模柔性負荷和分布式能源參與能量和容量市場。文獻[5]構建面向智能電網的物聯網架構，考慮在互聯條件下智能電網的運行策略。文獻[6]研究可交易能源的概念，構建促進高比例分布式能源消納的信息交互和電網控制架構。文獻[7]引入通訊網絡連通度，量化分析不同連通度條件下分布式能源交易的市場效率。綜上所述，現有文獻主要關注于分布式能源交易的運行策略、規劃方案和市場機制，并已經開始初步探索信息通訊和物聯網技術對分布式能源交易的影響。然而，鮮有深入研究系統的量化分析物聯網分散決策技術對于分布式能源交易的價值提升作用。

為此，本文提出一種基于物聯網分散決策的分布式能源交易運行模式與方法，量化分析局域網中分布式光伏、儲能與柔性負荷互聯的效益和價值。

1 工業物聯網下分布式能源交易模式設計

本節對比傳統固定電價模式和分布式能源交易模式的差別，定性分析工業物聯網對分布式能源交易的潛在價值。在日前的市場交易過程中本文考慮配網中一個售電商代理N個電力用戶，每個用戶假設擁有1個分布式光伏、1個電池儲能和柔性負荷。其中柔性負荷指居民用戶中在有序引導下可改變用電行為參與電網調度的負荷，例如：可調節負荷，典型的有電熱水器、電飯煲等；可轉移負荷，如洗衣機、電動汽車等；可削減負荷，如空調、熱水器等。此類柔性負荷在工業物聯網模式下，需要事先知道各類柔性負荷可調度的潛力大小，便于用戶申報調度參與量給售電商，售電商可以制定相應的規劃策略，獲得更大的經濟效益。

1.1 傳統固定電價模式

在傳統固定電價模式下，用戶接受固定的銷售電價和余量上網電價，即用戶按照銷售電價從售電商購買電能以滿足負荷需求，按照余量上網電價向售電商反送剩余光伏獲得收益。具體交易過程如下：首先，在給定電價下，每個用戶以購電成本最小化為目標，優化管理儲能和柔性負荷；然后，售電商根據所有用戶的用能行為，與上級批發市場進行交易；最后，每個用戶的負荷需求按照銷售電價結算，剩余光伏按照余量上網電價結算，售電商的收益按照用戶側電價與批發市場價格的價差乘以電量計算。

在實際電力市場中，用戶側的銷售電價一般高于余量上網電價，例如：我國居民用戶電價為0.5～0.6元/（kW·h），而近年來隨著補貼政策的退出，光伏發電上網獲利持續減少；2017年，美國加州太平洋煤氣電力公司推出的余量上網電價僅為3美分/（kW·h），而夏季高峰的銷售電價為0.263美元/（kW·h）[8]。因此，一方面，在傳統固定電價機制下，用戶的能量管理行為難以與大電網的實時需求相匹配，批發市場的價格信號無法直接傳導至電力用戶；另一方面，用戶難以從余量上網電價中獲得充足的補貼以彌補分布式光伏和儲能的投資成本，一定程度阻礙了分布式能源的發展。

1.2 工業物聯網模式

本文提出基于物聯網分散決策的分布式能源交易模式，通過信息和物聯網技術實現用戶之間的點對點交易，從而提升分布式能源的利用率，推動分布式能源的發展。售電商組織分布式能源交易的本質是，通過構建一個能量平衡池，信息披露優化匹配鄰里之間的能源供給和需求，使所有用戶、所有終端物聯并等效為一個可控的利益主體，最大化這個主體的效益。具體交易過程如下：首先，所有用戶與售電商簽訂合約，規定售電商與用戶之間的信息披露和能量管理方式，例如用戶需要向售電商披露凈負荷并響應售電商下達的協調信號等；進而，售電商構建物聯網信息平臺以實現能量平衡池的功能，用戶在售電商的協調信號和平臺的供求信息下，優化決策儲能和柔性負荷的工作方式；最后，售電商根據所有用戶的用能行為，與上級批發市場進行交易。

圖1為傳統固定電價模式和物聯網分散決策模式的對比。

圖1 傳統固定電價模式和物聯網分散決策模式對比Fig.1 Comparison between traditional fixed-pricing and IoT-based decentralized decision-making operations

與傳統固定電價模式不同，物聯網實現用戶之間的點對點互聯，通過售電商的協調和匹配，實現全體成員整體收益最大化；另外，物聯網構建的信息平臺消除了用戶之間的信息不對稱，通過優化改變用戶的行為方式實現閑置資源的高效利用，促進能源供求的精準匹配。值得說明的是，這種“共享經濟”的思想已經被廣泛應用在交通和房屋租賃領域[9]，諸如Airbnb，Uber等新興產業正在快速發展。本文關注于量化物聯網對分布式能源交易的價值提升，而售電商和用戶參與能源交易的意愿和動機正是從提升的價值中分取紅利，本質上是分布式能源利用率提升促進分布式光伏的消納和大電網購電成本的節約。

2 數學模型

本文構建的數學模型僅考慮1個售電商代理N個用戶，并且由于售電商規模較小，售電商與用戶在一個局域網之內，網絡約束不作為考慮重點。已有模型為突出售電商與用戶之間的市場機制設計，從而忽略了配網約束。事實上，考慮配電網潮流約束不影響本文的結論和機制設計方法，配電網潮流約束可以通過DistFlow內嵌到本文模型中。同時本文不考慮售電商聚合負荷的變化引起批發側價格的變化。

2.1 傳統固定電價模式的建模

在傳統固定電價模式下，每個用戶以最小化購電成本為目標，滿足分布式能源、柔性負荷的約束條件。為了刻畫日前計劃中實時光伏出力和負荷的不確定性，本文采用基于場景的隨機規劃方法。具體模型如下：

滿足：

模型目標函數表示最小化用戶總成本，包括用戶購電成本、余量上網收益、效用和儲能折舊成本；式（2）表示用戶側的功率平衡；式（3）表示用戶負荷和余電上網功率不超過安全上限；式（4）表示分布式光伏出力限制；式（5）表示可控負荷的調整范圍；式（6）表示用戶全天用電量的最低標準；式（7）和式（8）表示儲能充、放電功率的約束；式（9）表示儲能充電量與充放電功率的關系；式（10）表示儲能電量的約束；式（11）表示儲能1 d電量的平衡。

在獲得所有用戶凈負荷或余電的情況下，售電商進而參與批發市場交易，滿足供需平衡。因此，售電商的收益RA為

2.2 物聯網模式的建模

在物聯網模式下，售電商構建交易平臺，允許用戶之間的信息交互和能量交換。具體模型如下：

滿足約束（3）～（11）及

3 求解算法

由物聯網模式的交易模型可知，集中出清需要售電商采集所有用戶的私有信息，包括用戶的光伏數據、儲能參數和可控負荷參數等。因此我們必須先了解用戶和售電商之間的信息交互原理：每個用戶都配備了一個能源管理控制器（EMC），由于雙向通信，售電商和用戶之間的信息交互變得容易，EMC控制每小時的負載消耗并將此負載信息傳達給售電商，EMC還從售電商接收價格信號。根據價格信號，每個用戶的EMC都會優化調度分布式能源和柔性負荷；然后，EMC將凈功率傳達給售電商；收集所有用戶的凈功率后，售電商將更新價格信號，并將其發送回用戶的EMC。

然而在現實中，由于海量用戶參與引起的巨額交易成本以及用戶隱私保護等問題，分布式能源交易的集中出清難以實現。為此，本文采用交叉方向乘子法 （Alternating Direction Method of Multipliers，ADMM）實現售電商集中協調、用戶分散決策。ADMM解決方案涉及較低級別問題之間的迭代，其中較低級別問題涉及能源用戶并行解決其局部優化問題，上層問題根據下層問題的結果更新輔助變量和對偶變量。在迭代k中，通過放寬能量共享的約束，可以將值估計模型分解為上層和下層問題，如圖2所示。

圖2 上下層級問題之間的迭代協調Fig.2 Iterative coordination between the upper-and low-level problem

為實現用戶與用戶之間的解耦，本質上是要將約束（17）分解至每個用戶，本文引入輔助變量，表示售電商建議用戶i實現的凈負荷、余電電量和交易電量，同時引入如下約束條件：

通過將輔助約束（19）～（21）松弛，可以得到售電商集中協調模型和用戶分散決策模型。售電商集中協調模型如下：

滿足：

模型中，ρ為更新拉格朗日乘子的步長，即：

式中：k為迭代次數。

用戶分散決策模型如下：

滿足約束（3）～（11）及

由上述分解過程可知，售電商的集中協調模型中僅需要用戶反饋凈負荷等聚合信息，不需要披露用戶的私有信息。售電商集中協調模型與用戶分散決策模型都是簡單的線性規劃問題，都可以應用YALMIP分別求解，然后通過售電商與用戶的迭代，實現分布式能源交易的優化出清。

4 算例分析

4.1 數據說明

本文算例測試環境為ThinkPad X1，編程軟件為MATLAB 2013b。算例考慮1個售電商和10個電力用戶，用戶均為諸如工業企業或商業樓宇的大用戶。用戶效用函數的二次項和一次項系數按照平均分布隨機生成，即U[-0.5，-0.1]，U[20，50]。用戶負荷曲線取自美國德克薩斯州實際用戶，光伏數據取自美國國家可再生能源實驗室（圖3）。用戶負荷調整設置為曲線的0.8～1.2倍，日最小用電量保持不變。用戶儲能的參數設置如下：充放電最大功率為5 MW；效率為95%；最小充電量為5 MW·h；充電容量為30 MW·h；折舊成本為3.7$/（MW·h）；初始電量為U[5，30]MW·h。

圖3 光伏數據Fig.3 Photovoltaic data

本文銷售電價數據選自美國加州太平洋煤氣電力公司，1：00-8：00和22：00-24：00電價為0.212$/（kW·h），8：00-12：00和18：00-22：00電價為0.239$/（kW·h），12：00-18：00電價為0.263$/（kW·h）。余量上網電價為0.03$/（kW·h）。批發市場價格源于美國PJM電力市場。

4.2 模式對比

本節對比傳統模式和物聯網模式對用戶、售電商和整體效益的影響。圖4為兩種模式下某用戶的功率曲線。

圖4 兩種模式下某用戶的功率曲線對比Fig.4 Comparison between the power profiles under two operation conditions

由圖4結果可知：在傳統固定電價模式下，由于電價機制缺乏靈活性，且峰谷差較小，用戶缺乏啟動儲能參與套利的意愿。儲能用于消納剩余光伏、削減夜間負荷水平，從而實現購電成本最小化；在物聯網模式下，為了聚合響應批發市場的高峰價格，用戶充分調用儲能，將日間負荷整體移峰至夜間。

圖5為兩種模式下售電商參與批發市場的功率曲線對比。較傳統固定電價模式，物聯網模式能夠激勵用戶充分利用閑置的柔性負荷和儲能資源，在6：00-20：00高峰時段實現對電網的功率支撐，等效發電量為132.35 MW·h，可為電網提供132.35 MW·h的額外電力。

圖5 兩種模式下售電商功率曲線對比Fig.5 Comparison between the aggregator's power profiles under two operation conditions

表1為兩種模式下，售電商和用戶的成本收益水平。一方面，用戶按照售電商的價格協調參與分布式能源交易可能導致個體成本顯著升高，這是由于儲能的充分調用將產生巨大的折舊成本；另一方面，售電商充分利用用戶的閑置資源，參與批發市場交易，顯著提升了配網整體收益，這是由于充分調用儲能以及柔性負荷后，售電商可在電價較低時刻大量購入電能，在價格高峰時刻售出電能，從而有效降低售電商的購電成本。物聯網對整體收益的提升為6.14×103$。

表1 兩種模式下售電商和用戶的成本收益水平Table 1 Cost and benefit of the aggregator and users under two operation conditions$

5 結論

為量化工業物聯網對分布式能源交易的貢獻和價值，本文提出了分布式能源點對點的交易模式與方法。通過分析傳統固定電價模式與物聯網分散決策模式的差異，本文構建了兩種模式下的數學模型。同時，為保護用戶隱私，本文采用ADMM實現售電商集中協調與用戶分散決策的優化出清過程。基于實際數據的算例分析表明：①在物聯網模式下，用戶側閑置的儲能利用率顯著提升；②物聯網構建透明對稱的信息平臺，使用戶聚合響應大電網價格信號，形成對大電網的功率支撐；③用戶由于參與交易可能導致個體成本上升，但售電商與用戶整體收益顯著提升。