計及上下游市場的園區綜合能源商購售能策略

陳 岑 武傳濤 林湘寧 馬云聰 李正天

計及上下游市場的園區綜合能源商購售能策略

陳 岑 武傳濤 林湘寧 馬云聰 李正天

（強電磁工程與新技術國家重點實驗室（華中科技大學） 武漢 430074）

隨著能源市場化改革的有序推進，未來有望建成開放完善、充分競爭的綜合能源市場體制。綜合能源商作為重要市場主體，如何在綜合能源市場體制中合理優化交易策略尚待開展研究。為此，該文計及能源批發與零售兩級市場，構建一種具有前瞻性的園區綜合能源商市場交易策略及協同優化方法。首先，分析綜合能源批發市場及零售市場的運行機制，基于離散選擇模型量化了零售價格對市場份額的影響，并構建遠期收益函數；其次，計及用戶綜合需求響應，以綜合能源商為領導者，以用戶為跟隨者，建立基于主從博弈的分布式協同優化模型；接著，論證了Stackelberg均衡解的存在性，并采用改進布谷鳥算法與二次規劃相結合的方法進行分布式優化求解；最后，仿真驗證了該文所提交易策略及優化模型的可行性與優越性，為未來園區綜合能源商的市場交易決策提供指導。

園區綜合能源商 批發與零售市場 離散選擇模型 主從博弈

0 引言

構建以能源互聯網為支撐的現代能源體系是我國能源發展的重要戰略目標。綜合能源系統作為能源互聯網的具體表現形式[1]，充分利用多能互補的優勢，有效提升可再生能源消納率，提高綜合能源利用水平，是能源革命的必然選擇。眾多園區憑借堅實的用戶基礎及優越的自然社會資源，正在逐步轉型為園區綜合能源系統，為用戶提供綜合能源服務[2]。同時，隨著新電力體制改革和天然氣市場化改革的有序推進，未來有望逐步建成開放完善、充分競爭的綜合能源市場體制[3]。在此市場環境下，園區綜合能源商充分利用不同屬性、不同時間尺度能源市場的互補特性，挖掘用戶側綜合需求響應，降低購能成本，促進新能源消納，已成為當前的研究熱點。

目前，國內外學者已在園區綜合能源商參與能源批發市場交易方面開展了大量研究。然而，現有研究多集中在電力批發市場方面。文獻[4]計及中長期市場和現貨市場，構建售電商參與多時間尺度市場的購電模型，并合理評估了購售電的潛在風險。文獻[5]以市場運營主體為領導者，以售電公司和綜合能源商為跟隨者，提出一種考慮多從方均衡的主從博弈交易優化模型。文獻[6]提出基于差價合約的售電商期貨市場購電策略，并對合作聯盟與非合作聯盟模式進行深入探討。文獻[7]基于集中式和分布式批發市場構建分層綜合能源市場和綜合能源市場交易模型。文獻[8]計及電/氣/熱多能源網絡約束，建立多能源日前市場模型，提出基于需求響應的綜合能源市場最優聯合交易策略。上述研究多側重于電力市場，沒有充分計及不同能源屬性、不同時間尺度市場的互補特性，同時對于用戶側需求響應潛力的挖掘較少，忽略了零售市場對用戶用能需求的影響，可能帶來投標量的偏差，增加風險成本。

此外，園區綜合能源商參與零售市場交易方面也已開展了大量研究。文獻[9]計及零售電價對用戶電量及用戶對售電公司選擇的影響，提出多對多非合作雙層博弈模型，以優化零售電價。文獻[10]建立綜合能源商之間的博弈競價模型，并分析零售市場中用戶的用能特性對其競價策略的影響。文獻[11]闡述了綜合能源零售商與用戶之間博弈互動的實現機理，設計出一種零售商與社區智能樞紐之間的雙層博弈模型，但對能源零售商的建模較為粗糙。文獻[12]考慮未來綜合能源零售市場多能互補的特點，介紹了用戶綜合需求響應的概念，提出一種分布式序數勢博弈的綜合需求響應優化策略。上述文獻雖在運營商零售價格制定方面提供了較好的思路，但仍存在不足之處：一方面，上述文獻未考慮綜合能源批發市場對零售價格的影響，忽略了潛在的收益空間；另一方面，多數文獻沒有合理計及零售價格對市場份額及未來收益期望的影響。

為應對上述問題，本文計及綜合能源批發與零售兩級市場，充分挖掘多類型多尺度能源市場的互補特性，合理量化零售價格對市場份額及綜合需求響應的影響，提出一種基于主從博弈的園區綜合能源商市場交易分布式協同優化模型。本文主要創新點：①基于離散選擇（Multinational Logit, MNL）模型評估了零售價格對多能零售市場份額的影響，并以遠期收益形式納入考量；②計及綜合需求響應，充分挖掘多類型多尺度能源市場的互補潛能，提出了一種基于主從博弈的綜合能源商分布式協同優化模型；③論證了Stackelberg均衡解的存在性，并采用改進布谷鳥算法與二次規劃相結合的方法進行分布式高效求解。

1 園區綜合能源商市場運營框架

1.1 運營框架

園區綜合能源商兩級市場運營模式如圖1所示。在能量流上，園區綜合能源商從上游發電商、供氣商購買能源，經過園區熱電聯產機組、燃氣鍋爐等設備將電-氣能源轉換為電-氣-熱三種能源，供給下游終端用戶。在業務流上，園區綜合能源商作為中間環節，協同參與上游批發市場與下游零售市場，實現綜合能源的購入-轉換-售出。信息流作為數據傳輸通道，一方面依托5G等通信網絡，將能量流的感知數據發送至上層業務流，以供各主體進行決策優化及電力市場交易業務開展；另一方面將業務流交易數據以指令形式下達至各級能源設備，以控制能量流協同運作。在整體運營中，園區綜合能源商以業務流為主導，協同參與綜合能源批發和零售市場，同時以業務流、信息流引導能量流，實現多能流供給平衡，以滿足用戶的用能需求。

圖1 園區綜合能源商兩級市場運營框圖

1.2 批發市場

從能源屬性上，批發市場分為電力和天然氣兩個市場。一般而言，天然氣市場對電力市場的影響并不顯著[13]。此外，由于電-氣需求通常存在錯峰現象，電力與天然氣批發市場具有一定的互補性。從時間粒度上，批發市場又可大體分為現貨市場和期貨市場。

1）現貨市場一般包括日前與實時市場，且以市場為導向制定價格，能夠充分挖掘電-氣商品屬性，實現資源的合理配置，具有價格低、風險高的特點。綜合能源商參與日前現貨市場的購能成本r可表示為

式中，r,t為時段現貨市場能源價格向量，r,t=[ergr]，er、gr分別為電、氣價格；r,t為時段運營商的現貨市場能源購買量向量，r,t=[ergr]，er、gr分別為電、氣購買量；為時段數，取24。

2）期貨市場的時間尺度較大，通常存在日/周/月/季/年多種形式，主要有金融和物理兩種交割方式。相較于現階段的中長期市場，期貨市場更為成熟和規范。期貨市場具有套期保值功能，可降低現貨市場的價格波動，存在價格高、風險低的特點，能夠反映真實的電力供需情況[14]。期貨市場的交易形式主要有差價合約、期權合約、期貨合約，其中以差價合約最為成熟。差價合約簽訂的能源量不涉及物理交割，合約另一方根據履約價格及簽訂能源量對運營商通過現貨市場購買的能源成本進行多退少補，因此可等同認為簽訂能源量是運營商通過中長期合約購入[6]。運營商參與該市場的購能成本q可表示為

式中，q為期貨市場能源價格向量，q=[q,eq,g]，q,e、q,g分別為電、氣差價合約履約價格；q為運營商的電、氣簽訂能源量向量。

此外，為響應國家政策，促進可再生能源技術的發展，園區綜合能源商需考慮在綠色證書市場購買滿足配額的綠色證書[4]。假定1MW·h電量產生1個綠色證書，則綠色證書購買成本l為

目前，我國電力現貨市場試運行在廣東等地已逐步開展[15]。為解決政府主導定價方式導致的天然氣定價機制渾濁化等問題，天然氣現貨市場也將起步建設[16]。期貨市場雖然在我國發展緩慢，但其作為現貨市場架構較為完善狀態下的高級伴隨形式[14,16]，近年來已成為研究熱點。本文立足于未來，充分考慮多類型多尺度市場之間的互補特性，在滿足用戶用能需求前提下，合理安排各市場交易量，有效地減小現貨市場交易風險，降低整體市場交易成本，從而實現經濟運行。

1.3 零售市場

1.3.1 市場機制

隨著能源互聯網的發展和售電側改革的推進，零售市場逐步開放與完善，未來有望形成電/氣/熱綜合能源零售新業態。綜合能源商憑借自身技術優勢，通過提供綜合能源服務、多樣化能源套餐和APP自助服務等，搶占零售市場空間，穩固市場利潤。用戶根據自身偏好、能源零售價格及公司口碑等，自由選擇零售代理商，并借助智能終端設備與代理商簽訂或續簽次日的能源供應合同。此外，電網、氣網、熱網作為公共設施，負責各能源的輸送，并根據輸送容量收取過網費用，不再參與市場交易。

1.3.2 基于MNL模型的市場份額收益

完全競爭的零售市場中，各綜合能源商的市場份額取決于零售價格、服務質量、用戶粘性等因素，其中零售價格占據主導地位[17]。為合理解析零售價格對市場份額及遠期收益的影響，本節采用MNL模型量化零售價格與市場份額的關系。

MNL模型是一種基于隨機效用理論的市場選擇行為分析方法[18]。它模擬了選擇者與備選項之間的效用，并以效用最大的備選項作為選擇者的決策，以此得到每個備選項被選中的概率。效用函數通常由固定項與隨機項兩部分構成，以本文為例，用戶選擇綜合能源商的效用U為

由此，用戶選擇綜合能源商的概率，即綜合能源商的市場份額可表示為

在完全競爭的零售市場中，各綜合能源商之間具有相同且獨立的地位，可認為隨機變量ε之間相互獨立且服從相同的分布[18]。為方便求解、提高應用，假定ε服從獨立的極值分布，此時MNL模型轉換為多項Logit模型，對應的市場份額為[19]

進一步量化零售價格對綜合能源商未來收益的影響，本節以市場份額的潛在價值作為遠期收益來衡量[18]，具體形式為

式中，B為綜合能源商的未來收益，本文僅以園區綜合能源商為分析對象，故簡寫為；P0為當前市場份額；為單個用戶的潛在價值，認為短期內近似不變，借助綜合能源商歷史盈利數據進行評估。

2 園區各主體決策模型

2.1 綜合能源商

綜合能源商的收益函數主要包括批發市場購能成本、零售市場售能收益及遠期收益，以其收益最大化為目標函數，即

綜合能源商在運行優化時，還需要考慮園區內能量轉換裝置的運行約束[22]和供需平衡約束。本文以能源集線器的形式進行構建，具體結構如圖1所示，約束為

式中，T為3×2階轉換矩陣，表示能量集線器內部的能量轉換關系，調度運行方式確定后T為常值矩陣[22]；為各設備能量轉換效率；為各設備能源調度系數；Tv、EB、CHP、FUR、G分別代表變壓器、電熱鍋爐、熱電聯產、燃氣爐、天然氣管道。

2.2 用戶

用戶側裝設有智能終端設備，以控制家用設備運行和零售市場交易。在綜合能源商公布零售價格后，智能終端設備根據零售價格調整次日綜合用能計劃，并上報綜合能源商。為合理計及用戶滿意度，本節采用線性遞減邊際收益的二次效用函數來表征用戶的用能滿意度[9]，即

用戶以最大化效用即滿意度函數與用能成本之差為目標函數，表述為

家用設備本質為能源耦合設備，考慮到轉換效率和經濟性，僅設有氣轉電、電轉熱、氣轉熱三種。暫不考慮設備使用成本，能量轉換公式為

式中，為3階方陣，對角線元素為零，非對角線元素為相應耦合設備的能量轉換效率系數。

3 園區主從博弈框架

3.1 雙層優化模型

為充分調動用戶需求響應潛力，園區綜合能源運營商采用實時能源價格形式與用戶交易。由于用戶用能行為與價格密切相關，園區綜合能源運營商在制定價格時采用主從博弈形式[23]進行價格優化。其中，各用戶作為跟隨者，根據能源運營商公布的實時價格進行用能調整，最大化自身效用。而能源運營商作為價格主導者，將綜合考慮上游批發市場及用戶用能需求變動，動態調整電、熱、氣實時能源價格，實現利益最大化。通過多次博弈，雙方最終達到Stackelberg均衡，即任何一方均不能通過單獨改變自身策略來獲取更多的效益[24]。

綜上分析，主從博弈雙層優化模型表述為以下問題。

1）綜合能源商優化主問題

2）多用戶優化從問題

3.2 均衡解的存在性證明

綜上所述，本文的主從博弈存在Stackelberg均衡解。

3.3 求解算法

傳統集中式優化需要全局信息，存在用戶隱私泄露的風險。此外，雙層優化問題較為復雜，難以直接迭代優化。為此，本文主從博弈問題根據分布式協同優化框架，采用改進布谷鳥算法求解。布谷鳥算法采用Lévy飛行和局部隨機移動機制實現最優解搜索，具有所需參數少、搜索速度快、易與其他算法融合等優點，但在迭代后期尋優速度較慢。因此，本文利用粒子群算法的全局概率特性，在布谷鳥算法更新種群過程中插入粒子群操作算子進行并行搜索，增大算法迭代后期跳出局部最優困境的概率，實現算法改進[25]。同時，為提高求解的速度和精度，用戶模型作為二次規劃問題嵌入并借助CPLEX求解。算法的具體改進和求解流程如圖2所示，其中主從方策略不再發生變化時判定為達到均衡。

圖2 算法求解流程

4 算例分析

4.1 仿真環境

本節以我國某典型園區綜合能源系統[26-27]為例進行仿真分析。由于園區用戶數較多且本文以綜合能源商為主要分析角度，為簡化處理，將所有用戶視為同一類型。結合國內市場行情，園區典型日總能源負荷、零售參考價格[27-28]及現貨市場節點預測電價與預測氣價[29]曲線如附圖1～附圖3所示。綜合能源商制定的實時零售價格限制在參考價格曲線的0.8～1.4倍內，而用戶的能源需求在日能源負荷曲線的0.8～1.2倍內變化。其余參數設置見附表1和附表2。

4.2 市場策略分析

首先，本節對主從博弈分布式優化方法的收斂性進行分析，結果如圖3所示。可以看出，在內外層迭代20次左右即可達到收斂。此外，相較于原始的布谷鳥算法，改進布谷鳥算法具有更好的收斂效果。

圖3 綜合能源商收斂曲線

其次，為更好地展示批發與零售市場協同優化對園區綜合能源商交易策略的影響，本節設置如下三種市場交易策略進行對比分析。

方案1：本文所提計及批發與零售市場的交易策略。

方案2：僅計及批發市場的綜合能源商交易策略，忽略用戶側綜合需求響應，認為負荷固定。

方案3：僅計及零售市場的綜合能源商交易策略，批發市場購能成本僅以中長期合約考慮。

各方案下綜合能源商優化結果見表1。由表1可知，方案2下綜合能源商購能成本相較于方案1增加了25%。究其原因，方案1考慮用戶側綜合需求響應，將高峰時段負荷轉移到低谷價格時段，從而減少購能成本。而方案2忽略了用戶需求響應的影響，其負荷預測量與實際情況相差較大，導致購入過多能源產生虧損。方案3因其僅考慮中長期市場購電，忽略了綜合能源批發市場的互補特性，導致其購能成本相較于方案1也增加了3.5%。此外，為增加整體收益，三種方案下的綜合能源商均通過犧牲部分市場份額，不同程度地提高零售價格以換取當前利潤，故表1中的遠期收益均為負值。綜上分析，能源互聯與市場自由化的背景下，方案1計及綜合能源批發與零售市場協同優化，既可充分挖掘不同時間尺度不同能源批發市場的互補潛力，協調風險與成本，又可同時兼顧用戶零售市場環節，激發用戶綜合需求響應潛能，穩固零售市場份額，制定更全面、更貼合實際的交易策略，從而提高自身收益，促進長遠發展。

表1 不同方案下綜合能源商運營仿真結果

Tab.1 Operational optimization results of park integrated energy supplier under different modes

最后，進一步分析方案1下綜合能源商零售市場策略行為特點。綜合能源商的最優零售價格曲線和用戶負荷曲線分別如圖4和圖5所示。由圖可知，電、熱零售價格相較于參考價格，峰谷差值增大，且用戶電、熱總用量峰谷差值降低。例如，12:00～20:00時段高峰期電負荷需求明顯下降，供電壓力得到了較大緩解。這說明綜合能源商合理計及用戶負荷特點，通過調整實時零售價格，實現削峰填谷，緩解高峰期供能壓力等，同時有利于延緩容量擴建，降低發電成本和配網投資成本。此外，天然氣零售價格相較于參考價格整體上浮。究其原因：一方面用戶側天然氣需求響應容量較小；另一方面天然氣價格本身較低，綜合能源商為謀求更大利潤空間，在用戶可接受范圍內，傾向于制定較高的天然氣零售價格。夜間熱負荷需求明顯下降且熱價相應上漲，則是因為熱負荷作為最直接的能源利用方式，用戶側有較多的轉換為熱能的耦合設備，用戶的熱能直接需求浮動性大，綜合能源商為維持利潤也傾向于制定較高的熱價。因此，在方案1下，綜合能源商能夠同時兼顧自身收益和用戶綜合需求響應，制定出合理的零售價格。

圖4 綜合能源商最優零售價格曲線

圖5 優化前后園區日總能源負荷曲線

4.3 遠期收益分析

圖6 用戶潛在價值μ對零售價格和市場份額的影響

此外，用戶潛在價值的評估至關重要。當取值過高時，綜合能源商錯判遠期收益形勢，導致當前收益受損；當取值過低時，綜合能源商將側重于當前收益形勢，零售價格偏高，導致遠期收益不佳。因此，綜合能源商需要根據歷史盈利數據準確量化用戶潛在價值。同時，對于發展上升期的綜合能源商，其用戶群體基數較少，此時用戶潛在價值可設置得較高，以低價策略吸引活躍用戶，搶占市場份額。當綜合能源商進入平穩期后，其市場份額趨于穩定，此時用戶群體基數較大，用戶潛在價值可適當調低，考慮通過增值服務提高用戶粘性，培養忠實用戶群體，適當提升零售價格，從而提高利潤。

4.4 市場風險分析

現貨市場價格具有波動性，給綜合能源商的購能行為帶來一定的風險。為探究現貨市場價格的波動對綜合能源商批發市場交易策略的影響，本節設置不同的標準差來模擬不同波動幅度的現貨市場價格場景。不同價格波動下綜合能源商仿真結果見表2。

表2 不同價格波動下綜合能源商仿真結果

Tab.2 Comparison of park integrated energy supplier’s simulation results under different price fluctuations

由表2可知，在現貨市場價格波動增大的情形下，綜合能源商風險成本隨之增大。為降低自身風險，綜合能源商購能策略也隨之變化。當現貨市場價格波動較大時，綜合能源商傾向于減少在現貨市場的購能量，增加在期貨市場的合約量，通過期貨市場的套期保值功能實現對現貨市場價格風險的中和。這體現了在優化模型中考慮現貨市場價格波動風險的必要性，也展現了采用基于Wasserstein距離的分布魯棒優化方法量化市場風險成本的可行性。

5 結論

本文針對能源互聯網背景下各類能源批發、零售市場的演變趨勢與相關特點，立足未來，設計了一種包括用戶多能零售市場、電力-天然氣批發市場在內的兩級市場協同交易策略，以此為基礎構建園區綜合能源運營商的市場運營優化模型。在搭建相應的仿真場景后，算例分析驗證了模型的可行性與合理性。結果表明：一方面，上下游市場協同優化的園區綜合能源運營模式更全面更實際，可準確把握用戶需求變動和市場價格波動，從而同時調整購能組合方案與價格制定策略，挖掘聯合市場潛力，合理考慮風險，提高收益；另一方面，綜合能源商需要考慮能源零售價格制定策略對用戶選擇與市場份額的影響，在不同的發展階段合理地兼顧當前收益和未來收益。

需要指出，本文僅側重探討了園區綜合能源商的整體市場交易部分，受篇幅所限，對用戶側的經濟型、多樣性等問題未展開研究，這將是后續研究的重點之一。同時，能源集線器的優化調度、分布式發電和儲能系統的加入等問題均對綜合能源商的運營有直接影響，如何將其納入考慮，也需進一步開展研究。

附 錄

Wasserstein距離是場景縮減前后隨機優化目標函數之間差值的上確界定義的場景集之間的距離[30]。表述為

式中，為置信水平；為系數。

本文風險成本為價格預測偏差導致的購能成本波動，用各場景價格偏差與購能量乘積和的期望表示，即

式（A3）由Wasserstein距離進行概率分布的度量，根據對偶理論對其進一步簡化處理，轉換為

現引入輔助變量，對式（A4）進行等價變形為

附圖1 園區當日總能源負荷曲線

App.Fig.1 Total energy load curves of the park on the day

附圖2 園區綜合能源商參考實時能源價格曲線

App.Fig.2 Real-time energy reference price curves of integrated energy supplier in the park

附圖3 綜合能源商預測的現貨市場出清價格曲線

App.Fig.3 Spot market clearing price curves predicted by integrated energy supplier

附表1 綜合能源商相關參數

App.Tab.1 Simulation parameters of integrated energy supplier

參數數值 置信因子ε0.975 差價合約價格pq/[元/(MW·h)][530440] 綠證價格pl/[元/(MW·h)]10 可再生能源配額ξ(%)15 總用戶數N/萬戶10 調度系數ve,Tv0.7 ve,EB0.3 vg,CHP0.5 vg,FUR0.1 vg,G0.4 市場基礎份額P0(%)65 市場份額函數多項式系數a0-2.232 6 a10.006 94 a20 單個用戶潛在價值μ2 能量轉換裝置效率ηTv,e0.95 ηEB,h0.9 ηCHP,e0.5 ηCHP,h0.45 ηFUR,h0.95

附表2 用戶相關參數

App.Tab.2 Simulation parameters of users

參數數值 偏好系數β[0.5 0.25 0.25] 敏感度系數s[0.5 0.25 0.25] 能源耦合設備效率ηge0.9 ηgh0.95 ηeh0.95

（續）

參數數值 ωt,e1:00～6:00rand[1, 4] 7:00～18:00rand[4, 8] 19:00～24:00rand[2, 4] ωt,h/ωt,g1:00～6:00rand[1, 2] 7:00～18:00rand[2, 4] 19:00～24:00rand[1, 2]

[1] 張義志, 王小君, 和敬涵, 等. 考慮供熱系統建模的綜合能源系統最優能流計算方法[J]. 電工技術學報, 2019, 34(3): 562-570.

Zhang Yizhi, Wang Xiaojun, He Jinghan, et al. Optimal energy flow calculation method of integrated energy system considering thermal system modeling[J]. Transactions of China Electrotechnical Society, 2019, 34(3): 562-570.

[2] 周長城, 馬溪原, 郭祚剛, 等. 面向工程應用的用戶級綜合能源系統規劃[J]. 電工技術學報, 2020, 35(13): 2843-2854.

Zhou Changcheng, Ma Xiyuan, Guo Zuogang, et al. User-level integrated energy system planning for engineering applications[J]. Transactions of China Electrotechnical Society, 2020, 35(13): 2843-2854.

[3] 談金晶, 李揚. 多能源協同的交易模式研究綜述[J].中國電機工程學報, 2019, 39(22): 6483-6497.

Tan Jinjing, Li Yang. Review on transaction mode in multi-energy collaborative market[J]. Proceedings of the CSEE, 2019, 39(22): 6483-6497.

[4] 羅舒瀚, 蔣傳文, 王旭, 等. 新電改背景下售電公司的購售電策略及風險評估[J], 電網技術, 2019, 43(3): 944-953.

Luo Shuhan, Jiang Chuanwen, Wang Xu, et al. Power trading strategy and risk assessment of electricity retailing company under power system reform[J]. Power System Technology, 2019, 43(3): 944-953.

[5] 楊皓欽, 魏震波, 黃宇涵, 等. 跨區域現貨市場下多主體購售能主從博弈模型[J]. 電網技術, 2019, 43(8): 2781-2791.

Yang Haoqin, Wei Zhengbo, Huang Yuhan, et al. Multi-agent purchase and sale master-slave game model in cross-regional spot market[J]. Power System Technology, 2019, 43(8): 2781-2791.

[6] 張晨, 韓新陽, 白翠粉, 等. 基于合作博弈的電力市場模式下售電商購電策略模型[J]. 中國電力, 2017, 50(6): 177-184.

Zhang Chen, Han Xinyang, Bai Cuifen, et al. Purchasing strategy model for power supplier based on the cooperative game theory in an open electricity market[J]. Electric Power, 2017, 50(6): 177-184.

[7] 趙天輝, 王建學, 陳洋. 面向綜合能源交易的新型城鎮分層市場架構和出清算法[J]. 電力系統自動化, 2021, 45(4): 73-80.

Zhao Tianhui, Wang Jianxue, Chen Yang. Hierarchical market structure and clearing algorithm for integrated energy trading of new-type towns[J]. Automation of Electric Power Systems, 2021, 45(4): 73-80.

[8] 劉珮云, 丁濤, 賀元康, 等. 基于綜合需求響應的負荷聚合商最優市場交易策略[J]. 電力自動化設備, 2019, 39(8): 224-231.

Liu Peiyun, Ding Tao, He Yuankang, et al. Optimal trading strategy for load aggregator based on integrated demand response[J]. Electric Power Automation Equipment, 2019, 39(8): 224-231.

[9] Chai Bo, Chen Jiming, Yang Zaiyue, et al. Demand response management with multiple utility companies: a two-level game approach[J]. IEEE Transactions on Smart Grid, 2014, 5(2): 722-731.

[10] 李鵬, 馬溪原, 郭祚剛, 等. 基于雙層優化的綜合能源服務商博弈策略[J]. 電網技術, 2021, 45(2): 460-469.

Li Peng, Ma Xiyuan, Guo Zuogang, et al. Research on game strategy of integrated energy service providers based on bi-level optimization[J]. Power System Technology, 2021, 45(2): 460-469.

[11] Wu Jie, Zhou Wenhui, Zhong Weifang, et al. Multi-energy demand response management in energy internet: a Stackelberg game approach[J]. Chinese Journal of Electronics, 2019, 28(3): 640-644.

[12] Bahrami S, Sheikhi A. From demand response in smart grid toward integrated demand response in smart energy Hub[J]. IEEE Transactions on Smart Grid, 2016, 7(2): 650-658.

[13] 聶光華. 中國天然氣價格變動傳導效應分析[J]. 天然氣工業, 2012, 32(12): 114-117, 137.

Nie Guanghua. Analysis of the transmission effect of natural gas price fluctuation in China[J]. Natural Gas Industry, 2012, 32(12): 114-117, 137.

[14] 李曉龍. 基于市場微觀結構理論的我國電力期貨市場構建研究[D]. 北京: 華北電力大學(北京), 2019.

[15] 龍蘇巖, 馮凱, 徐駿, 等. 電力現貨市場下不平衡費用構成及分攤機制研究[J]. 電網技術, 2019, 43(8): 2649-2658.

Long Suyan, Feng Kai, Xu Jun, et al. Research on unbalanced cost composition and allocation mechanism in spot electricity market[J]. Power System Technology, 2019, 43(8): 2649-2658.

[16] 任姝艷, 黃國飛, 張倩. 中國天然氣現貨市場與期貨市場關系研究[J]. 能源與節能, 2014(1): 4-5, 20.

Ren Shuyan, Huang Guofei, Zhang Qian. Research on the relationship between spot market and futures market of natural gas in China[J]. Energy and Energy Conservation, 2014(1): 4-5, 20.

[17] 羅琴. 市場環境下售電公司購售電策略研究[D]. 上海: 上海交通大學, 2014.

[18] 王燦, 王德, 朱瑋, 等. 離散選擇模型研究進展[J]. 地理科學進展, 2015, 34(10): 1275-1287.

Wang Can, Wang De, Zhu Wei, et al. Research progress of discrete choice models[J]. Progress in Geography, 2015, 34(10): 1275-1287.

[19] 劉勇, 王高. 離散選擇模型在零售研究中的應用—基于MNL、MNP和Mixed Logit的比較[C]//中國高等院校市場學研究會2009年年會論文集, 北京, 2009: 351-364.

[20] 夏鵬, 劉文穎, 張堯翔, 等. 考慮風電高階不確定性的分布式魯棒優化調度模型[J]. 電工技術學報 2020, 35(1): 189-200.

Xia Peng, Liu Yingwen, Zhang Yaoxiang, et al. A distributionally robust optimization scheduling model considering higher-order uncertainty of wind power[J]. Transactions of China Electrotechnical Society, 2020, 35(1): 189-200.

[21] 竺如潔, 韋化, 白曉清. 多源動態最優潮流的分布魯棒優化方法[J]. 中國電機工程學報, 2020, 40(11): 3489-3498.

Zhu Rujie, Wei Hua, Bai Xiaoqian. Distributionally robust optimization of multi-energy dynamic optimal power flow[J]. Proceedings of the CSEE, 2020, 40(11): 3489-3498.

[22] 叢昊, 王旭, 蔣傳文, 等. 基于聯盟博弈的綜合能源系統優化運行方法[J]. 電力系統自動化, 2018, 42(14): 14-22.

Cong Hao, Wang Xu, Jiang Chuanwen, et al. Coalition game based optimized operation method for integrated energy systems[J]. Automation of Electric Power Systems, 2018, 42(14): 14-22.

[23] 熊宇峰, 司楊, 鄭天文, 等. 基于主從博弈的工業園區綜合能源系統氫儲能優化配置[J]. 電工技術學報, 2021, 36(3): 507-516.

Xiong Yufeng, Si Yang, Zheng Tianwen, et al. Optimal configuration of hydrogen storage in industrial park integrated energy system based on Stackelberg game[J]. Transactions of China Electrotechnical Society, 2021, 36(3): 507-516.

[24] 周長城, 馬溪原, 郭曉斌, 等. 基于主從博弈的工業園區綜合能源系統互動優化運行方法[J]. 電力系統自動化, 2019, 43(7): 74-84.

Zhou Changcheng, Ma Xiyuan, Guo Xiaobin, et al. Leader-follower game based optimized operation method for interaction of integrated energy system in industrial park[J]. Automation of Electric Power Systems, 2019, 43(7): 74-84.

[25] 張藝瀛, 金志剛. 求解多峰優化問題的改進布谷鳥算法[J]. 哈爾濱工業大學學報, 2019, 51(11): 89-99.

Zhang Yiying, Jin Zhigang, An improved Cuckoo search for multimodal optimization problems[J]. Journal of Harbin Institute of Technology, 2019, 51(11): 89-99.

[26] 李宇澤, 齊峰, 朱英偉, 等. 多能互補綜合能源電力系統的建設模式初探[J]. 電力科學與技術學報, 2019, 34(1): 3-10.

Li Hongze, Qi Feng, Zhu Yingwei, et al. A preliminary investigation on construction modes of a multi-energy complementary integrated energy system[J]. Journal of Electric Power Science and Technology, 2019, 34(1): 3-10.

[27] 高瀅. 計及綜合需求響應的電-氣互聯能源系統協同規劃[D]. 杭州: 浙江大學, 2019.

[28] 刁涵彬, 李培強, 王繼飛, 等. 考慮電/熱儲能互補協調的綜合能源系統優化調度[J]. 電工技術學報, 2020, 35(21): 4532-4543.

Diao Hanbin, Li Peiqiang, Wang Jifei, et al. Optimal dispatch of integrated energy system considering complementary coordination of electric/thermal energy storage[J]. Transactions of China Electrote-chnical Society, 2020, 35(21): 4532-4543.

[29] 叢昊, 王旭, 蔣傳文. 電力-天然氣異步市場環境下的綜合能源系統優化運行策略[J]. 電網技術, 2019, 43(9): 3110-3120.

Cong Hao, Wang Xu, Jiang Chuanwen. Strategies of optimal operation of integrated energy system in asynchronous market environment[J]. Power System Technology, 2019, 43(9): 3110-3120.

[30] 董驍翀, 孫英云, 蒲天驕, 等. 一種基于Wasserstein距離及有效性指標的最優場景約簡方法[J]. 中國電機工程學報, 2019, 39(16): 4650-4658, 4968.

Dong Xiaochong, Sun Yingyun, Pu Tianjiao, et al. An optimal scenario reduction method based on Wasserstein distance and validity index[J]. Proceedings of the CSEE, 2019, 39(16): 4650-4658, 4968.

Purchase and Sale Strategies of Park Integrated Energy Suppliers in Wholesale and Retail Markets

Chen Cen Wu Chuantao Lin Xiangning Ma Yuncong Li Zhengtian

（State Key Laboratory of Advanced Electromagnetic Engineering and Technology Huazhong University of Science and Technology Wuhan 430074 China）

With the orderly progress of energy market reform, an open and fully competitive integrated energy market is expected to be built in the future. As an important market entity, how to optimize the trading strategy in the integrated energy market is still to be carried out. Based on this, this paper constructs a market trading strategy and collaborative optimization method for park-level integrated energy supplier considering the wholesale and retail energy markets. First, this paper analyzes the operating mechanism of wholesale and retail market. Based on the discrete choice model, the effect of retail price on market share is quantified and the forward returns function is constructed. Second, considering the integrated demand response of users, a distributed collaborative optimization model based on the Stackelberg game is constructed. Then, the existence of Stackelberg equilibrium solution is proved and the distributed model is solved by Cuckoo algorithm embedded with quadratic programming. Finally, the simulation verifies the feasibility and superiority of the trading strategy and optimization model proposed in this paper, and provides guidance for integrated energy suppliers to make market trading decisions.

Park integrated energy supplier, wholesale and retail market, discrete choice model, Stackelberg game

10.19595/j.cnki.1000-6753.tces.201400

TM71

國家電網公司科技資助項目（5700-201999495A-0-0-00）。

2020-10-26

2020-12-22

陳 岑 男，1998年生，碩士研究生，研究方向為新能源微網規劃調度。E-mail：1125544530@qq.com

武傳濤 男，1995年生，博士研究生，研究方向為新能源微網規劃調度。E-mail：chuantao_wu@hust.edu.cn（通信作者）

（編輯 赫蕾）