考慮儲(chǔ)能和可再生能源消納責(zé)任制的售電公司購(gòu)售電策略

陳名揚(yáng)，劉敏，魯杰

考慮儲(chǔ)能和可再生能源消納責(zé)任制的售電公司購(gòu)售電策略

陳名揚(yáng)，劉敏，魯杰

（貴州大學(xué) 電氣工程學(xué)院，貴州 貴陽 550025）

為了使售電公司能夠更好地迎接可再生能源消納權(quán)重指標(biāo)發(fā)生改變帶來的挑戰(zhàn)，改變了各個(gè)時(shí)段的可再生能源消納權(quán)重指標(biāo)，建立了考慮儲(chǔ)能和可再生能源消納責(zé)任制的售電公司購(gòu)售電模型。首先，構(gòu)建了考慮可再生能源消納責(zé)任制的售電公司購(gòu)電側(cè)模型；然后，建立了考慮可再生能源消納責(zé)任制、儲(chǔ)能以及正態(tài)分布形式的自身風(fēng)光出力誤差的售電公司利潤(rùn)函數(shù)，并以該利潤(rùn)函數(shù)最大化為目標(biāo)函數(shù)；最后，通過在粒子群算法中引入罰函數(shù)對(duì)其進(jìn)行求解。通過算例驗(yàn)證了儲(chǔ)能、可再生能源消納權(quán)重對(duì)售電公司收益的影響以及儲(chǔ)能在消納權(quán)重發(fā)生改變時(shí)的作用。

可再生能源消納責(zé)任制；儲(chǔ)能；購(gòu)售電策略；利潤(rùn)函數(shù)；粒子群算法

0 引言

近年來，一方面，“碳中和”愿景加速了可再生能源的開發(fā)，但卻因電網(wǎng)基礎(chǔ)設(shè)施建設(shè)等因素發(fā)展滯后，加劇了棄風(fēng)、棄光現(xiàn)象[1-3]；另一方面，分布式儲(chǔ)能等產(chǎn)消者大量出現(xiàn)在售電側(cè)[4-5]，但其充放電的不確定性致使售電公司迫切尋求符合自身利益的儲(chǔ)能調(diào)度計(jì)劃，因此同時(shí)研究可再生能源消納和儲(chǔ)能顯得極其重要。在可再生能源消納方面，售電公司作為新興市場(chǎng)主體應(yīng)該勇于承擔(dān)可再生能源消納的責(zé)任，這既響應(yīng)了國(guó)家能源局發(fā)出的可再生能源消納責(zé)任制[6-7]又能提升自身的社會(huì)競(jìng)爭(zhēng)力。總之，同時(shí)考慮儲(chǔ)能和可再生能源消納責(zé)任制對(duì)售電公司利潤(rùn)及購(gòu)售電策略的影響是一個(gè)重要的研究方向。

對(duì)售電公司的購(gòu)電決策而言，多樣化的交易路徑是影響售電公司購(gòu)決策的重要環(huán)節(jié)之一[7-9]。隨著可再生能源的快速發(fā)展，購(gòu)電途徑也隨之發(fā)生了改變[10-11]。現(xiàn)有研究主要集中對(duì)偏差結(jié)算機(jī)制、現(xiàn)貨市場(chǎng)風(fēng)險(xiǎn)評(píng)估等的研究，很少有文獻(xiàn)研究可再生能源責(zé)任制對(duì)售電公司購(gòu)售電策略的影響。文獻(xiàn)[7]建立考慮可再生能源消納責(zé)任制的購(gòu)電組合投資模型，分別從風(fēng)險(xiǎn)、消納指標(biāo)、懲罰力度方面分析其對(duì)售電公司購(gòu)電策略的影響，為售電公司承擔(dān)消納責(zé)任制提供了重要的參考價(jià)值；但文中各個(gè)時(shí)段的消納權(quán)重為一個(gè)定值，這不利于售電公司適應(yīng)消納權(quán)重改變帶來的影響。文獻(xiàn)[12]為現(xiàn)貨市場(chǎng)建設(shè)、可再生能源責(zé)任權(quán)重制度推進(jìn)提供了重要參考價(jià)值，若再引入中長(zhǎng)期的消納責(zé)任制將更加具備現(xiàn)實(shí)意義。文獻(xiàn)[13]分析了綠色證書交易對(duì)綜合能源系統(tǒng)運(yùn)行的影響，有待進(jìn)一步將該交易方式變換運(yùn)用到售電公司上進(jìn)行研究。在風(fēng)光出力預(yù)測(cè)方面，目前對(duì)于風(fēng)光出力預(yù)測(cè)方法的研究主要分為統(tǒng)計(jì)學(xué)方法和物理預(yù)測(cè)方法[14]。儲(chǔ)能設(shè)備近年來得到了快速發(fā)展。儲(chǔ)能設(shè)備等靈活性資源從簡(jiǎn)單的備用資源發(fā)展成為了能夠增加能源供需平衡柔性、彈性、靈活性的資源。目前對(duì)于儲(chǔ)能的研究一般出現(xiàn)在微電網(wǎng)、虛擬電廠等產(chǎn)消者優(yōu)化調(diào)度中[15-18]或在發(fā)電配置中[19]。對(duì)儲(chǔ)能的考慮在售電公司中也略有涉及，但多集中于用戶側(cè)分布式儲(chǔ)能，很少研究售電公司自備儲(chǔ)能的情形。文獻(xiàn)[15]分析了分散、無序、不具備集中調(diào)控能力的用戶側(cè)分布式儲(chǔ)能對(duì)售電公司購(gòu)售電策略的影響，并制定了相應(yīng)的動(dòng)態(tài)電價(jià)，為可調(diào)控儲(chǔ)能資源的調(diào)控提供了很好的借鑒依據(jù)。文獻(xiàn)[20]在制定購(gòu)售電策略時(shí)考慮了儲(chǔ)能、電動(dòng)汽車的影響，但未涉及新能源消納問題。

本文建立了考慮可再生能源消納責(zé)任制和儲(chǔ)能的售電公司購(gòu)售電模型，在模型中改變了消納權(quán)重的設(shè)定，分別分析了儲(chǔ)能和消納權(quán)重對(duì)售電公司購(gòu)售電策略的影響。首先，依據(jù)可再生能源責(zé)任制建立售電公司購(gòu)電側(cè)模型；然后，求取了考慮儲(chǔ)能和可再生能源消納責(zé)任制的售電公司利潤(rùn)函數(shù)，采用粒子群算法求解最優(yōu)購(gòu)售電運(yùn)行計(jì)劃；最后，對(duì)不同的消納權(quán)重以及是否考慮儲(chǔ)能等情形進(jìn)行了討論。

1 售電公司的購(gòu)電側(cè)模型

假定售電公司將從中長(zhǎng)期常規(guī)能源市場(chǎng)、中長(zhǎng)期可再生能源、日前市場(chǎng)中購(gòu)電。為了減少棄風(fēng)、棄光，售電公司等新型市場(chǎng)主體在交易中應(yīng)積極承擔(dān)一定比例的可在生能源（風(fēng)、光等）的消納。本文假設(shè)實(shí)際的消納權(quán)重指標(biāo)定義如下：

式中：k,t為售電公司在時(shí)段的中長(zhǎng)期可再生能源市場(chǎng)購(gòu)電量；r,t為售電公司在時(shí)段內(nèi)從中長(zhǎng)期常規(guī)能源市場(chǎng)、可再生能源市場(chǎng)、日前市場(chǎng)購(gòu)電的總和。

當(dāng)售電公司交易的可再生能源未達(dá)到消納權(quán)重指標(biāo)*時(shí)，將會(huì)受到如下懲罰，罰金k,t為：

式中：k為單位消納缺額量罰金。

假設(shè)中長(zhǎng)期市場(chǎng)常規(guī)能源市場(chǎng)的購(gòu)電價(jià)格f以及可再生能源市場(chǎng)的購(gòu)電價(jià)格k在1 d的購(gòu)電交易中為一常數(shù)。根據(jù)相關(guān)統(tǒng)計(jì)，日前市場(chǎng)電價(jià)與購(gòu)電量有近似線性分布的關(guān)系[21]，如式（3）所示：

則售電公司從外部電網(wǎng)所購(gòu)的購(gòu)電量為：

式中：f,t、k,t、d,t分別為售電公司在時(shí)段的中長(zhǎng)期常規(guī)能源市場(chǎng)、中長(zhǎng)期可再生能源市場(chǎng)、日前市場(chǎng)購(gòu)電量。

售電公司的購(gòu)電費(fèi)用為：

式中：e,t為售電公司在時(shí)段的購(gòu)電費(fèi)用。

約束為：

式中：ft,max、dt,max、kt,max在時(shí)段中3個(gè)市場(chǎng)的購(gòu)電上限。

由于風(fēng)光出力在1 d內(nèi)隨著時(shí)間的變化而不斷發(fā)生改變，為了更好應(yīng)對(duì)未來可再生能源消納權(quán)重可能發(fā)生的改變，可以根據(jù)風(fēng)光出力的特性制定各個(gè)時(shí)段的消納權(quán)重。隨著消納權(quán)重指標(biāo)的變化，則在購(gòu)售電模型中的購(gòu)電組合、購(gòu)售電策略以及利潤(rùn)也發(fā)生相應(yīng)的變化。

2 購(gòu)電公司購(gòu)售電模型

2.1 售電公司購(gòu)售電交易流程

購(gòu)電方面，售電公司與中長(zhǎng)期市場(chǎng)簽訂中長(zhǎng)期合約至少需要提前一個(gè)月。假設(shè)售電公司簽訂月度中長(zhǎng)期合約，同時(shí)取該月中的某天日負(fù)荷曲線為標(biāo)準(zhǔn)（即假設(shè)該月內(nèi)每天負(fù)荷情形完全相同）。假設(shè)風(fēng)光出力直接被全額消納，來自外部的電能可以進(jìn)行儲(chǔ)能充電操作，也可以直接為用戶提供電能。本文考慮的售電公司風(fēng)光出力遠(yuǎn)遠(yuǎn)小于用戶所需負(fù)荷。為了更加貼近現(xiàn)實(shí)情形，后文將對(duì)儲(chǔ)能等制定一些規(guī)則。具體的購(gòu)售電交易如圖1所示。

圖1 售電公司購(gòu)售電交易示意圖

2.2 目標(biāo)函數(shù)

售電公司的主要收益來自于購(gòu)售電前后的電價(jià)差。購(gòu)售電模型主要以售電公司的收益最大為目標(biāo)，其中售電部分的收入來自最終售給用戶所得的電費(fèi)。售電公司的成本包括：向電網(wǎng)購(gòu)電的費(fèi)用、售電公司所有風(fēng)機(jī)、光伏發(fā)電費(fèi)用、儲(chǔ)能裝置的充放電成本、可削減負(fù)荷的補(bǔ)償費(fèi)用，具體如下：

為了描述風(fēng)光的實(shí)際出力和預(yù)測(cè)出力之間的關(guān)系，引入文獻(xiàn)[14]所提的方法。將風(fēng)光出力的不確定性描述成均值為0、標(biāo)準(zhǔn)差為的一個(gè)正態(tài)分布。

風(fēng)光實(shí)際出力與其成本分別為：

式中：p,t、w,t為光伏、風(fēng)電的單位出力成本；pf,、wf,為光伏、風(fēng)電在時(shí)段的出力預(yù)測(cè)值；1、2為光伏、風(fēng)電出力的預(yù)測(cè)誤差。

2.3 約束條件

（1）功率平衡約束

式中：e,t為初始負(fù)荷。初始負(fù)荷減去可削減的負(fù)荷得到最終賣給用戶的負(fù)荷。

（2）電網(wǎng)輸送電量約束

由于電網(wǎng)線路的輸送功率有限，因此在時(shí)段的輸送電量也將有一定的上限。在此僅考慮電網(wǎng)向售電公司輸送功率，未考慮售電公司向電網(wǎng)反向傳輸功率。

式中：r,_max為電網(wǎng)向售電公司輸送電量的上限。

（3）可中斷負(fù)荷約束

式中：l,t_max為可中斷負(fù)荷在時(shí)段可削減負(fù)荷的最大值。

（4）儲(chǔ)能設(shè)備約束

儲(chǔ)能設(shè)備的電量計(jì)算公式為：

式中：SOC為儲(chǔ)能設(shè)備在時(shí)段的電量；0為儲(chǔ)能設(shè)備初始電量；Δ為間隔時(shí)間；b為儲(chǔ)能設(shè)備額定容量。

假設(shè)儲(chǔ)能設(shè)備在同一個(gè)時(shí)段內(nèi)僅能儲(chǔ)存功率或者釋放功率，即儲(chǔ)能在同一個(gè)時(shí)段內(nèi)充放電不能同時(shí)進(jìn)行。于是，充電電量、放電電量均恒大于等于0，且充電功率大于0時(shí)，放電功率必為0，反之如此，即同一時(shí)段內(nèi)充放電功率的乘積為0。

為使儲(chǔ)能設(shè)備的壽命更長(zhǎng)，儲(chǔ)能設(shè)備將受到電量和充放電功率的約束：

由于中長(zhǎng)期合約的特性，前文對(duì)該月負(fù)荷進(jìn)行了假設(shè)。對(duì)于儲(chǔ)能，則需要規(guī)定：儲(chǔ)能在一個(gè)調(diào)度周期（1 d）內(nèi)的首末功率必須相等。

3 購(gòu)售電模型的求解

采用粒子群算法求解最優(yōu)購(gòu)售電策略。粒子群算法常常用來問題的優(yōu)化求解。整個(gè)流程包括出初始化參數(shù)、個(gè)體極值與全局最優(yōu)解、更新的速度和位置公式、終止條件。其中速度更新公式為：

位置更新的公式為：

粒子群算法是一種啟發(fā)式搜索優(yōu)化方法，其優(yōu)化結(jié)果具有一定隨機(jī)性。因此，在計(jì)算中引入罰函數(shù)法，即如果一個(gè)解不滿足約束條件時(shí)，就對(duì)適應(yīng)度值設(shè)置一個(gè)懲罰項(xiàng)。思想類似線性規(guī)劃內(nèi)點(diǎn)法，都是通過增加罰函數(shù)，迫使模型在迭代計(jì)算的過程中始終在可行域內(nèi)尋優(yōu)。粒子群算法的求解流程如圖2所示。

圖2 粒子群算法求解示意圖

粒子群算法的具體求解步驟如下。

步驟1：初始化參數(shù)，設(shè)置慣性因子為1，學(xué)習(xí)因子為2，種群大小為100，最大迭代次數(shù)設(shè)為60，粒子的最大速度為0.5，時(shí)間點(diǎn)設(shè)置24個(gè)。

步驟2：計(jì)算當(dāng)前種群粒子的目標(biāo)函數(shù)值和懲罰項(xiàng)之和。需要注意的是，本文使用的是最小值函數(shù)，因此在求解目標(biāo)函數(shù)時(shí)應(yīng)該加入負(fù)號(hào)。另外需要設(shè)置主網(wǎng)購(gòu)電成本、風(fēng)機(jī)利潤(rùn)、光伏利潤(rùn)、可削減負(fù)荷費(fèi)用、儲(chǔ)能收益。懲罰項(xiàng)的設(shè)置，有儲(chǔ)能首末功率限制、儲(chǔ)能充放電的越限懲罰、儲(chǔ)能電量上下限的越限懲罰、可削減負(fù)荷懲罰、功率平衡懲罰、可再生能源消納量不足懲罰。在計(jì)算儲(chǔ)能時(shí)，利用if else語句實(shí)現(xiàn)。當(dāng)放電時(shí)，儲(chǔ)能項(xiàng)為售電收入減去放電成本；當(dāng)充電時(shí)，儲(chǔ)能僅僅存在充電成本費(fèi)用。

步驟3：定義粒子群算法的速度更新函數(shù)、位置更新函數(shù)。如果速度小于最小值則取最小值，速度大于最大值則取最大值。在計(jì)算可削減負(fù)荷時(shí)，如果解出的值大于最大可削減值或者小于0，則均隨機(jī)取一個(gè)0到最大值之間的某個(gè)值。對(duì)于儲(chǔ)能，如果充放電功率不在[–0.2,0.2]之間，則隨機(jī)在該范圍取一個(gè)值。

步驟4：根據(jù)步驟3得到粒子個(gè)體歷史最優(yōu)位置，并計(jì)算得到粒子群體最優(yōu)位置。

步驟5：給出一個(gè)初始化矩陣，記錄種群每個(gè)粒子的歷史最優(yōu)位置對(duì)應(yīng)的適應(yīng)度、歷史最優(yōu)位置對(duì)應(yīng)的懲罰項(xiàng)、當(dāng)前適應(yīng)度、當(dāng)前目標(biāo)函數(shù)值、約束懲罰項(xiàng)。

步驟6：求取每個(gè)粒子歷史最優(yōu)位置更新函數(shù)以及整個(gè)群體歷史最優(yōu)更新函數(shù)。計(jì)算當(dāng)代種群粒子的目標(biāo)函數(shù)值、懲罰項(xiàng)和、適應(yīng)度值。將當(dāng)前粒子位置和粒子個(gè)體歷史最優(yōu)位置進(jìn)行比較，并根據(jù)規(guī)則更新粒子個(gè)體歷史最優(yōu)位置。

規(guī)則為：如果當(dāng)前位置和歷史最優(yōu)位置都沒有違反約束，則選取適應(yīng)度小的；如果當(dāng)前位置沒有違反而歷史最優(yōu)位置違反約束，則取當(dāng)前位置；如果歷史最優(yōu)位置沒有違反約束而當(dāng)前位置違反約束，則選取歷史最優(yōu)位置；如果均違反約束，則選取適應(yīng)度最小的位置。

步驟7：迭代過程，更新粒子的速度、位置、最優(yōu)位置、適應(yīng)度、懲罰項(xiàng)，更新歷史最優(yōu)位置以及全局最優(yōu)位置，最后記錄當(dāng)前迭代全局之維度。

步驟8：重復(fù)步驟5～7，直至迭代結(jié)束，輸出最終的結(jié)果。該算法的迭代過程如圖3所示。

圖3 粒子群算法的迭代過程

4 算例分析

4.1 算例數(shù)據(jù)

售電公司由1個(gè)1 000 kW的風(fēng)電場(chǎng)、1個(gè) 1 000 kW的光伏電站、1個(gè)1 200 kW·h的儲(chǔ)能設(shè)備以及可削減負(fù)荷（此處假定該負(fù)荷完全可控，負(fù)荷數(shù)據(jù)來源于文獻(xiàn)[22]）組成。其中售電公司所有的風(fēng)機(jī)發(fā)電成本系數(shù)0.296元/kW，光伏發(fā)電成本系數(shù)0.462元/kW，對(duì)可削減負(fù)荷的補(bǔ)償價(jià)格為0.247元/kW，風(fēng)光出力懲罰系數(shù)0.15元/kW·h。售電公司所有的儲(chǔ)能設(shè)備的額定容量為1 200 kW·h，運(yùn)行范圍為[0.2,0.9]，初始值為0.4（即額定容量的0.4倍）且經(jīng)過1 d的變化終值也為0.4，單位充放電功率最高為0.2，儲(chǔ)能設(shè)備參數(shù)信息如表1所示。

表1 儲(chǔ)能設(shè)備參數(shù)信息

在售電公司外部購(gòu)電方面，假設(shè)中長(zhǎng)期市場(chǎng)常規(guī)能源市場(chǎng)的購(gòu)電價(jià)格為0.196 3元/kW·h，可再生能源市場(chǎng)的購(gòu)電價(jià)格在1 d的購(gòu)電價(jià)格為0.248 7元/kW·h，可再生消納指標(biāo)初始值為15%，單位消納缺額量罰金為0.098 2元/kW·h，日前市場(chǎng)每個(gè)時(shí)段的電價(jià)系數(shù)均設(shè)為0.000 1，各個(gè)時(shí)間段的常數(shù)項(xiàng)根據(jù)某地日前電價(jià)預(yù)測(cè)值而來。售電公司為用戶提供的分時(shí)電價(jià)如表2所示。

表2 分時(shí)電價(jià)

售電公司所有的風(fēng)光出力預(yù)測(cè)值[17]，其誤差均取為0.073 1。初始負(fù)荷如圖4、圖5所示。

4.2 售電公司購(gòu)售電方案

通過Python編寫的粒子群算法可以對(duì)模型進(jìn)行求解并快速得到最優(yōu)的控制方案。前文已假設(shè)該月內(nèi)每天的負(fù)荷情形均相同，因此購(gòu)售電策略僅僅展示了日購(gòu)售電策略，其余天的情形完全相同。

圖4 售電公司所有風(fēng)、光預(yù)測(cè)出力

圖5 售電公司負(fù)荷

初始的可再生能源消納權(quán)重指標(biāo)為15%、風(fēng)光出力誤差取值為0.073 1。在該條件下，售電公司在該月的利潤(rùn)為144 045.63元。儲(chǔ)能設(shè)備、實(shí)時(shí)負(fù)荷、風(fēng)光出力以及與主網(wǎng)的交換功率數(shù)據(jù)如圖6所示，售電公司的購(gòu)電方案如圖7所示，可削減負(fù)荷情況如圖8所示。

從圖7可以看出：售電公司在日前市場(chǎng)價(jià)格較低時(shí)，會(huì)從日前市場(chǎng)大量購(gòu)電；而日前市場(chǎng)價(jià)格較高時(shí)，售電公司僅僅購(gòu)買少量的電。隨著日前市場(chǎng)價(jià)格的變化，儲(chǔ)能、可削減負(fù)荷、日前市場(chǎng)購(gòu)電量、中長(zhǎng)期常規(guī)能源市場(chǎng)購(gòu)電量的波動(dòng)較大，而因可再生能源消納懲罰機(jī)制的存在，售電公司在中長(zhǎng)期可再生能源市場(chǎng)中的購(gòu)電量就顯得比較平穩(wěn)。前文已假設(shè)該月內(nèi)每天負(fù)荷相同，因此售電公司需要提前一個(gè)月簽訂的中長(zhǎng)期購(gòu)電量為該日總的中長(zhǎng)期購(gòu)電量的30倍。

圖6 負(fù)荷及功率

圖7 售電公司購(gòu)電方案

圖8 可削減負(fù)荷

4.3 儲(chǔ)能設(shè)備對(duì)售電公司的收益影響

當(dāng)售電公司中不包含儲(chǔ)能設(shè)備時(shí)，此處設(shè)定消納權(quán)重為15%、預(yù)測(cè)誤差為0.073 1，售電公司的與電網(wǎng)交換功率情況如圖9所示。

圖9 儲(chǔ)能分析

經(jīng)計(jì)算發(fā)現(xiàn)，此時(shí)售電公司在該月的收益為138 538.82元，比有儲(chǔ)能時(shí)減少了5 506.81元。從電價(jià)數(shù)據(jù)中可以看到，中長(zhǎng)期價(jià)格固定，日前市場(chǎng)電價(jià)波動(dòng)性大，兩者之間的大小也不確定，例如在時(shí)段5:00—10:00中前市場(chǎng)電價(jià)遠(yuǎn)遠(yuǎn)低于中長(zhǎng)期常規(guī)能源市場(chǎng)電價(jià)。結(jié)合圖9可以得出，當(dāng)日前電價(jià)較低時(shí)，售電公司會(huì)選擇去儲(chǔ)更多的電能，從而在日前市場(chǎng)電價(jià)高昂時(shí)減少與電網(wǎng)的交互功率。這表明儲(chǔ)能可以很好地應(yīng)對(duì)日前市場(chǎng)電價(jià)的波動(dòng)性。

4.4 可再生能源消納權(quán)重對(duì)售電公司收益的影響

由于可再生能源各個(gè)時(shí)段的出力情況不盡相同，單純?nèi)「鱾€(gè)時(shí)段的消納權(quán)重為同一個(gè)值不利于可再生能源的消納。因此未來可能會(huì)出現(xiàn)各種消納指標(biāo)的規(guī)則。為了讓售電公司能夠更好應(yīng)對(duì)規(guī)則的改變，可以假設(shè)消納權(quán)重不同，不同消納權(quán)重，對(duì)售電公司的收益會(huì)帶來巨大的影響。通過以下幾種情形舉例說明。

情形一：各個(gè)時(shí)段均取為15%。

情形二：各個(gè)時(shí)段均取為20%。

情形三：各個(gè)時(shí)段均取為25%。

情形四：時(shí)段1:00—8:00取值20%，時(shí)段9:00—16:00取值25%，時(shí)段17:00—24:00取值15%。不同消納權(quán)重對(duì)售電公司收益的影響如表3所示。4種情形可再生能源購(gòu)電量占比如圖10所示。

表3 不同消納權(quán)重對(duì)售電公司收益的影響

圖10 責(zé)任制下的可再生能源購(gòu)電量占比

從表3直接看出，可再生消納指標(biāo)越高時(shí)，對(duì)售電公司的收益影響越大。

進(jìn)一步從圖10可以看到，情形一各個(gè)時(shí)段的消納權(quán)重僅為15%，為所有情形中的最低消納權(quán)重，明顯可以看到此時(shí)售電公司購(gòu)買的可再生能源占比最少。情形三對(duì)應(yīng)各個(gè)時(shí)段的消納責(zé)任制均為最高，因此當(dāng)可再生能源責(zé)任制越高時(shí)，售電公司為了減少罰金不得不去購(gòu)買更多的可再生能源。情形四為一個(gè)混合的消納權(quán)重情況。在情形四中也可以看出，隨著消納權(quán)重的提升，售電公司為了自身的利益不得不去提升新能源的購(gòu)電量。在情形四下，消納指標(biāo)更加符合風(fēng)光發(fā)電特性，雖使售電公司的收益有所減少，但卻有利于減少棄風(fēng)棄光現(xiàn)象的產(chǎn)生，有利于提升售電公司的社會(huì)競(jìng)爭(zhēng)力和應(yīng)對(duì)未來挑戰(zhàn)的能力。

綜上表明，由于可再生能源市場(chǎng)價(jià)格高昂，售電公司在該市場(chǎng)的購(gòu)電量占比較低。在罰金保持一定時(shí)，隨著消納權(quán)重的提升，售電公司將會(huì)增加在可再生能源市場(chǎng)的購(gòu)電量。

4.5 儲(chǔ)能在可再生能源消納權(quán)重改變中的作用

當(dāng)售電公司不含有自備儲(chǔ)能時(shí)，各個(gè)情形下的售電公司收益如表4所示。前文已經(jīng)假設(shè)可再生能源價(jià)格、常規(guī)能源價(jià)格在1 d內(nèi)均為一個(gè)定值。特別指出，本文所取的日前市場(chǎng)電價(jià)的常數(shù)項(xiàng)在時(shí)段5:00—10:00、16:00—19:00遠(yuǎn)遠(yuǎn)低于中長(zhǎng)期常規(guī)能源市場(chǎng)的電價(jià)，其他時(shí)段基本大于常規(guī)能源市場(chǎng)電價(jià)。

表4 無儲(chǔ)能時(shí)不同消納權(quán)重對(duì)售電公司收益的影響

從表4可以看出，若售電公司沒有儲(chǔ)能設(shè)備，由于售電可再生能源消納責(zé)任制的影響，售電公司的購(gòu)電成本會(huì)增加，從而降低了售電公司的利潤(rùn)。消納權(quán)重越高，對(duì)售電公司的利潤(rùn)影響就越大。

各個(gè)情形的儲(chǔ)能方案如圖11所示。

圖11 儲(chǔ)能方案

從前面的結(jié)論已知，當(dāng)可再生能源消納責(zé)任制較高時(shí)，售電公司迫于懲罰，不得不從可再生能源市場(chǎng)購(gòu)買更多的電能。當(dāng)售電公司可再生能源消納權(quán)重較高時(shí)，售電公司會(huì)通過改變?cè)诔Ｒ?guī)能源和日前市場(chǎng)的購(gòu)電量來使得自身收益最大化。結(jié)合圖11可以得到，當(dāng)消納權(quán)重較高時(shí)，售電公司會(huì)在日前市場(chǎng)電價(jià)較低時(shí)，從日前市場(chǎng)購(gòu)買并儲(chǔ)存大量的電能；當(dāng)日前市場(chǎng)電價(jià)較高時(shí)，儲(chǔ)能會(huì)釋放。

綜上表明，售電公司可以通過儲(chǔ)能設(shè)備緩解可再生能源消納責(zé)任制較高時(shí)帶來的收益影響。

5 結(jié)論

由于風(fēng)光出力具備一定的時(shí)段特性，本文改變了可再生能源消納責(zé)任制的細(xì)節(jié)并引入儲(chǔ)能設(shè)備，建立了考慮儲(chǔ)能和可在生能消納責(zé)任制的售電公司購(gòu)售電策略，并利用粒子群算法對(duì)其進(jìn)行求解。通過具體算例分析比較，得到同時(shí)段不同消納權(quán)重、不同時(shí)段且不同消納權(quán)重、儲(chǔ)能對(duì)售電公司的影響以及不同消納權(quán)重對(duì)儲(chǔ)能充放電的影響結(jié)果。

（1）可再生能源消納責(zé)任制對(duì)售電公司的收益有很大的影響。消納權(quán)重越小，售電公司收益越大。隨著消納權(quán)重的增加，售電公司將考慮購(gòu)買更多的可再生能源。本文結(jié)論可以為售電公司后續(xù)處理消納責(zé)任制提供參考價(jià)值。

（2）儲(chǔ)能設(shè)備對(duì)售電公司的收益有很大影響。儲(chǔ)能可以很好地應(yīng)對(duì)日前市場(chǎng)電價(jià)的波動(dòng)性從而降低售電公司的購(gòu)電費(fèi)用；但由于儲(chǔ)能自身的一些約束，它對(duì)售電公司的利益提升有一定的限制。

（3）儲(chǔ)能設(shè)備能夠很好地緩解因較高的可再生能源消納權(quán)重對(duì)收益的影響。

[1] 張正陵.中國(guó)“十三五”新能源并網(wǎng)消納形勢(shì)?對(duì)策研究及多情景運(yùn)行模擬分析[J].中國(guó)電力, 2018, 51(1): 2-9.

ZHANG ZHENGLING.Research on situation and countermeasures of new energy integration in the 13th Five-Year Plan period and its multi-scenario simulation[J].Electric Power, 2018, 51(1): 2-9(in Chinese).

[2] 何青, 張靖, 何宇, 等.基于改進(jìn)差分進(jìn)化和模擬退火算法的含DG配電網(wǎng)多目標(biāo)重構(gòu)[J].電力科學(xué)與工程, 2020, 36(12): 15-21.

HE QING, ZHANG JING, HE YU, et al.Multi-objective reconfiguration of distribution network with DG based on modified differential evolution and simulated annealing algorithm[J].Electric Power Science and Engineering, 2020, 36(12): 15-21(in Chinese).

[3] LI X, LIU J, BAI M, et al.An LSTM based method for stage performance degradation early warning with consideration of time-series information[J].Energy, 2021, 226: 120398.

[4] KUANG C, XIAO M, CHEN Z, et al.Distributed optimal dispatch of integrated electricity and natural gas system considering the pipeline storage characteristics[J].Evolutionary Intelligence, 2021: 1-11.

[5] 單俊嘉, 董子明, 胡俊杰, 等.基于區(qū)塊鏈技術(shù)的產(chǎn)消者P2P電能智能交易合約[J/OL].電網(wǎng)技術(shù): 1-12[2021-04-11].https://doi.org/10.13335/j.1000-3673.pst.2020.1899.

SHAN JUNJIA, DONG ZIMING, HU JUNJIE, et al.P2P smart power trading contract based on blockchain Technology[J/OL].Power Grid Technology: 1-12 [2021-04-11].https://doi.org/10.13335/j.1000-3673.pst.2020.1899(in Chinese).

[6] 馬麗雅, 劉文霞, 孫浩男, 等.基于合約理論的產(chǎn)消者參與調(diào)頻市場(chǎng)交易策略[J].電網(wǎng)技術(shù), 2021, 45(4): 1347-1356.

MA LIYA, LIU WENXIA, SUN HAONAN, et al.Contract theory based transaction strategy for prosumer to participate in the frequency modulation ancillary service market[J].Power Grid Technology, 2021, 45(4): 1347-1356(in Chinese).

[7] 戴尚文, 張利, 劉寧寧, 等.考慮可再生能源消納責(zé)任的售電公司購(gòu)電決策[J/OL].中國(guó)電力: 1-12[2021-04-11].http://kns.cnki.net/kcms/detail/11.3265.TM.20200716.1715.006.html.

DAI SHANGWEN, ZHANG LI, LIU NINGNING, et al.Energy purchasing strategy of electricity retailer considering the responsibility of renewable energy consumption[J/OL].Electric Power: 1-12[2021-04-11] http://kns.cnki.net/kcms/detail/11.3265.TM.20200716.1715.006.html(in Chinese).

[8] CIEPLINSKI A, D’ALESSANDRO S, MARGHELLA F.Assessing the renewable energy policy paradox: a scenario analysis for the Italian electricity market[J].Renewable and Sustainable Energy Reviews, 2021, 142: 110838.

[9] KELL A J M, MCGOUGH A S, FORSHAW M.The impact of online machine-learning methods on long-term investment decisions and generator utilization in electricity markets[J].Sustainable Computing: Informatics and Systems, 2021, 30: 100532.

[10] 宋藝航, 王剛, 蔡浩, 等.售電公司購(gòu)售電決策研究綜述[J].電力需求側(cè)管理, 2020, 22(6): 85-89.

SONG YIHANG, WANG GANG, CAI HAO, et al.Research review of electricity purchase and sale trading strategies[J].Power Demand Side Management, 2020, 22(6): 85-89(in Chinese).

[11] WU D, MA X, BALDUCCI P, et al.An economic assessment of behind-the-meter photovoltaics paired with batteries on the Hawaiian islands[J].Applied Energy, 2021, 286: 116550.

[12] 林華, 楊明輝, 蓋超, 等.現(xiàn)貨市場(chǎng)環(huán)境下的可再生能源消納責(zé)任權(quán)重市場(chǎng)機(jī)制設(shè)計(jì)[J].中國(guó)電力, 2021, 54(6): 22-28.

LIN HUA, YANG MINGHUI, GAI CHAO, et al.Design of market mechanism of renewable energy absorption responsibility weight under spot market environment[J].Power Grid Technology, 2021, 54(6): 22-28 (in Chinese).

[13] 駱釗, 秦景輝, 梁俊宇, 等.含綠色證書跨鏈交易的綜合能源系統(tǒng)運(yùn)行優(yōu)化[J].電網(wǎng)技術(shù), 2021, 45(4): 1311-1319.

LUO ZHAO, QIN JINGHUI, LIANG JUNYU, et al.Operation optimization of integrated energy system with green certificate cross-chain transaction[J].Power System Technology, 2021, 45(4): 1311-1319(in Chinese).

[14] PENG X, JIRUTITIJAROEN P.A probabilistic unit commitment problem with photovoltaic generation system[C]//TENCON 2009-2009 IEEE Region 10 Conference.Singapore: IEEE, 2009: 1-6.

[15] 宋航, 劉友波, 劉俊勇, 等.考慮用戶側(cè)分布式儲(chǔ)能交互的售電公司智能化動(dòng)態(tài)定價(jià)[J].中國(guó)電機(jī)工程學(xué)報(bào), 2020, 40(24): 7959-7972.

SONG HANG, LIU YOUBO, LIU JUNYONG, et al.Intelligent dynamic pricing of electricity retailers considering distributed energy storage interaction on user side[J].Proceedings of the CSEE, 2020, 40(24): 7959-7972(in Chinese).

[16] 王威, 李潤(rùn)秋, 張鷺, 等.計(jì)及多類型電儲(chǔ)能的綜合能源系統(tǒng)優(yōu)化運(yùn)行對(duì)比分析研究[J].電網(wǎng)與清潔能源, 2020, 36(2): 110-116.

WANG WEI, LI RUNQIU, ZHANG LU, et al.Comparative analysis and research on optimal operation of the integrated energy system considering multi-type electrical storage[J].Advances of Power System & Hydroelectric Engineering, 2020, 36(2): 110-116(in Chinese).

[17] 潘華, 梁作放, 薛強(qiáng)中, 等.基于分時(shí)電價(jià)的含風(fēng)–光–氣–儲(chǔ)虛擬電廠經(jīng)濟(jì)調(diào)度[J].太陽能學(xué)報(bào), 2020, 41(8): 115-122.

PAN HUA, LIANG ZUOFANG, XUE QIANGZHONG, et al.Economic dispatch of wind/PV/gas/storage virtual power plant based on time-of-use power price[J].Journal of Solar Energy, 2020, 41(8): 115-122(in Chinese).

[18] 王良緣, 江岳文, 王杰.考慮參與多市場(chǎng)交易的電網(wǎng)側(cè)儲(chǔ)能優(yōu)化配置[J].電網(wǎng)與清潔能源, 2020, 36(11): 30-38.

WANG LIANGYUAN, JIANG YUEWEN, WANG JIE.Optimization of grid-side energy storage considering multi-market transaction[J].Advances of Power System & Hydroelectric Engineering, 2020, 36(11): 30-38(in Chinese).

[19] 黃宗龍, 江修波, 劉麗軍.低碳化背景下配電網(wǎng)“源—儲(chǔ)—荷”多目標(biāo)優(yōu)化配置[J].電力科學(xué)與技術(shù)學(xué)報(bào), 2020, 35(5): 36-45.

HUANG ZONGLONG, JIANG XIUBO, LIU LIJUN.Multi-objective optimal configuration of "source-storage-load" in distribution network under the background of low carbonization[J].Journal of Electric Power Science and Technology, 2020, 35(5): 36-45(in Chinese).

[20] 吳若冰.考慮電動(dòng)汽車和儲(chǔ)能系統(tǒng)的售電公司購(gòu)售電決策模型[D].保定: 華北電力大學(xué), 2019.

WU RUOBING.Energy procurement and retail price determination model of an electricity retailer considering ESS&EVs[D].Baoding: North China Electric Power University, 2019(in Chinese).

[21] GHOFRANI M, AZIMI R, NAJAFABADI F M, et al.A new day-ahead hourly electricity price forecasting framework[C]//2017 North American Power Symposium (NAPS).Morgantown, WV, USA: IEEE, 2017: 1-6.

[22] 肖勇, 王巖, 錢斌, 等.考慮發(fā)用電協(xié)調(diào)的售電公司負(fù)荷組合優(yōu)化建模方法[J].電力系統(tǒng)自動(dòng)化, 2020, 44(20): 148-156.

XIAO YONG, WANG YAN, QIAN BIN, et al.Modeling method of load combination optimization for electricity retailer considering coordination of power generation and consumption[J].Automation of Electric Power Systems, 2020, 44(20): 148-156(in Chinese).

Electricity Purchase and Sale Strategy of Power Sales Companies Considering the Responsibility System of Stored Energy and Renewable Energy Consumption

CHEN Mingyang, LIU Min, LU Jie

(The Electrical Engineering College, Guizhou University, Guiyang 550025, China)

In order to enable power sales companies to better meet the challenges brought about by changes in the weight indicators of renewable energy consumption, this article changes the weight indicators of renewable energy consumption at each time period and considers energy storage equipment, and establishes the power purchase and sales model of the power sales companies considering the energy storage and renewable energy consumption responsibility system.Firstly, a power purchase companies model was established that considered the renewable energy consumption responsibility system.Secondly, a power sales companies that considered the renewable energy consumption responsibility system, energy storage, profit function of power sales companies with self output error in normal distribution form was established, and the maximization of the profit function is taken as the objective function.Finally, it was solved by introducing penalty function into particle swarm optimization algorithm.An example was used to verify the impact of energy storage and consumption weight on the income of power sales companies and the role of energy storage when the consumption weight changes.

renewable energy consumption responsibility system; stored energy; electricity purchase and sale strategy; profit function; particle swarm optimization

10.3969/j.ISSN.1672-0792.2021.10.003

TM73

A

1672-0792(2021)10-0018-10

2021-07-18

國(guó)家自然科學(xué)基金（51967004）；貴州省科技計(jì)劃（黔科合支撐[2021]一般 409）

陳名揚(yáng)（1995—），男，碩士研究生，研究方向?yàn)殡娏κ袌?chǎng)、新能源消納等；

劉 敏（1972—），女，教授，主要研究方向?yàn)殡娏ο到y(tǒng)分析、電力系統(tǒng)優(yōu)化、電力市場(chǎng)等；

魯 杰（1997—），男，碩士研究生，研究方向?yàn)殡娏ο到y(tǒng)優(yōu)化、運(yùn)行等。

劉 敏