考慮超售的共享分布式光儲混合運營模式協同策略研究

葉 晨 王蓓蓓 薛必克 馮樹海

考慮超售的共享分布式光儲混合運營模式協同策略研究

葉 晨1王蓓蓓1薛必克2馮樹海2

（1. 東南大學電氣工程學院 南京 210096 2. 中國電科院南京分院電力自動化所 南京 210003）

隨著能源短缺、環境污染等問題日益突出，大量的可再生能源和儲能（ESS）開始接入用戶側。由于可再生能源出力的間歇性造成的問題較為突出，因此研究電力市場環境下分布式光儲的運營策略，對提高用戶用電的經濟性、ESS資源的利用率及系統的消納能力具有重要意義。該文以社區為背景，借鑒航空等領域的超售運營策略，以社區用戶群總收益最大為目標，建立了超售策略下社區共享光儲聯合運行的優化模型。對基于超售模式下共享光儲社區能量管理系統進行了算例仿真，結果表明對于光儲系統推廣初期發掘用戶積極性方面，少量超售ESS資源參與調頻市場是一種經濟高效的運營策略，能夠充分利用ESS資源，促進清潔能源消納。

分布式光儲 超售運營 價格套利 調頻服務 共享

0 引言

為應對日益突出的能源短缺、環境污染等問題，電力系統正經歷前所未有的轉型[1]。作為這項轉型的一部分，預計市場將提供并整合大量可再生能源發電技術。但是，隨著可再生能源的大量接入，其出力的間歇性造成的問題較為突出[2]，可能降低電網資產的利用率及系統的消納能力[3]。作為有成本效益的新興技術，儲能系統（Energy Storage System, ESS）等被認為是支持可再生能源消納的主要靈活性來源[4-5]，并且能夠存儲富余電量滿足用戶負荷需求。

目前ESS的成本仍然較高，缺乏靈活性市場機制支撐下ESS在能量市場進行價格套利的有限收益難以回收其高昂的初期投資[6]。為此，國內外已有諸多學者對ESS的運營模式進行探究。

文獻[7]提出一種共享儲能動態容量租賃模型，揭示共享儲能提高效益的本質。文獻[8-9]從博弈論的角度考慮用戶或建筑之間共享ESS，證明共享ESS可以降低總能源運營成本。文獻[10]通過能源服務供應商整合區域內分散的用戶，展示共享分布式光伏（Photovoltaic, PV）和ESS的經濟潛力，從而充分利用光儲資源。文獻[11]提出一種點對點（Peer-to-Peer, P2P）能源交易框架，允許產銷者在社區中共享分布式PV和ESS。文獻[12]研究了考慮保護用戶隱私的小型社區P2P能源共享策略，以此獲得最大收益。文獻[13]考慮共享光儲聯合運行，以促進PV消納和ESS進行價格套利，從而節省用戶購電成本。文獻[14]考慮智能樓宇之間的PV和ESS的電能共享，以園區調度總成本最小為目標建立了日前調度優化模型。然而上述文獻對ESS資源的共享僅限于在同質用戶之間，即僅參與了能量市場，并未實現多個服務共享ESS的模式。

文獻[15-18]以收益最大化為目標，研究ESS同時參與能量市場的價格套利和輔助服務市場的調頻或備用服務等多服務組合的策略。文獻[19]建立了ESS用于減小棄風和參與電網二次調頻服務的風儲聯合運行的優化模型。文獻[20]提出利用儲能輔助風電場跟蹤調度計劃同時提供調頻服務的控制策略。上述文獻的本質都是對ESS參與服務共享策略的研究，通過共享來自ESS的出力和容量來參與多個市場實現多服務組合，比起單一套利模式更能提高ESS所有者的收益，充分調動其積極性。

但是由于調頻、備用等服務發生的概率是基于系統的實時條件，雖然留有一定容量，但實際被調用情況則不一定會發生，且一次充放電動作也可能會滿足兩個輔助服務需求，由此可能導致ESS往往存在“冗余”現象，即對其資源的利用仍然不足。那么如何改善其運營策略，以最大程度地利用ESS資源來提高經濟效益呢？鑒于航空業廣泛存在的超售航班座位的運營策略，文獻[21]通過對比電力行業和航空業的共同特性，將超售運營這一概念引入電力行業，其僅僅是理論分析，并未通過算例進行驗證。文獻[22]使用分布式ESS向系統運營商提供服務，并考慮了備用服務的低利用率，以提高ESS的利用率并改善其經濟性，但是對ESS未交付服務的懲罰并未明確。文獻[23]考慮超售分配給配網支撐服務的ESS資源以實現更多的平衡服務，驗證了ESS超售運營策略的可行性，但未考慮接入PV等清潔能源。

為此，在當前清潔能源和可再生能源受到極大重視的新形勢下，本文以社區分布式光儲資源由少及多的普及過程為背景，提出考慮超售的共享分布式光儲參與套利及調頻輔助服務提供等混合商業模式的協同運營策略，建立面向終端用戶收益最大化的光儲聯合運營策略優化模型。對基于超售模式下共享光儲社區能量管理系統進行算例仿真，結果表明對于光儲系統推廣初期發掘用戶積極性方面，少量超售ESS資源是一種經濟高效的運營策略，有利于提高社區用電經濟性，充分利用ESS資源并達到促進清潔能源消納的目的，以期對光儲系統的不同發展階段提供一定的參考。

1 超售策略下共享光儲社區能量管理系統

ESS超售是指根據ESS參與服務調用的概率、ESS可用容量等因素，確定ESS的超售容量，通過盡可能利用其容量空間來增加收益。由于容量資源具有非及時交付特性，并且ESS參與調頻服務時預先提交的是容量而不是電量資源，因此當提交容量資源時，ESS可以采用超售的方式。即使存在超售容量資源而無法交付的可能，并且需要交付相應的罰金，也可在其他時段憑借超售的容量資源獲得更大的收益。但是ESS參與價格套利時，由于電量資源具有實時交付的特性，所以無法進行超售。

當前通過非營利性的社區代理商進行用戶的電能和資源的共享越來越受到研究人員的關注。因此，本文借鑒文獻[24-25]構建了含分布式光儲系統的智能社區用戶參與日前市場的調度框架，其信息流和能量流如圖1所示。共享光儲社區能量管理系統（簡稱社區管理系統）作為一個非盈利性虛擬公共平臺[24-25]，負責制定社區各用戶電能調度計劃，同時通過自動匹配有PV供需意愿的用戶以實現社區內部的電能共享。社區管理系統還在社區功率缺額時，代理用戶從大電網購電，再將電能分配給各用戶；富余電能可以返送至電網獲取收益。同時，文本討論的社區管理系統不以營利為目的，但會收取固定的管理服務費用[26]。

此外，用戶除了在社區管理系統的協調下進行電能的優化調度，還將自身多余的ESS資源作為需求響應租賃給聚合商參與電網輔助服務[27]。由于用戶自身無法獲取電網頻率波動等信息，因此由聚合商聚集各用戶的ESS資源參與電網調頻服務，并通過參與批發市場的輔助服務獲益，用戶也因此能夠獲得一定的收益。

用戶PV和ESS可被調度的情況如下所述：

（1）用戶日常負荷為剛性負荷，不考慮柔性負荷。

（2）PV發電首先考慮滿足用戶自身負荷的使用，即PV-to-House（PV2H）過程。當有剩余時，可分三個去向：①由自身ESS儲存，即PV-to-ESS（PV2ESS）過程；②共享給社區其他用戶使用，即PV-to-Community（PV2C）過程；③余量上網，即PV-to-Grid（PV2G）過程。

（3）ESS儲存的電量資源由用戶自身負荷使用，即ESS-to-House（ESS2H）過程；ESS的部分容量資源共享給聚合商為電網提供調頻服務使用。

2 考慮超售運營的共享光儲優化模型

2.1 目標函數

本文以最大化社區用戶群收益為目標，構建超售策略下社區共享光儲優化模型。

2.1.1 用戶群用電總費用

社區用戶群用電總費用包括購電成本和售電收入，如式（1）～式（4）所示。

2.1.2 聚合商調頻收益

聚合商調頻收益包括容量收益、里程收益及超售但未履行時的罰金，如式（5）～式（8）所示。

2.1.3 儲能壽命折損總費用

ESS系統的壽命與充放電循環次數相關，即

2.1.4 用戶群總收益

以最大化社區用戶群總收益為目標，目標函數包含三個部分：用戶群用電總費用、用戶群儲能租賃總收益、儲能壽命折損總費用、平臺管理服務總費用。

2.2 約束條件

1）用戶儲能功率和電量約束

2）共享儲能參與調頻時實際能夠參與調頻功率約束

超售模式下，當實際能夠參與調頻功率和ESS充放電功率之和小于ESS最大充放電功率時，ESS實際能夠參與調頻功率就等于本身；當實際調頻功率與ESS充放電功率之和大于ESS最大充放電功率時，ESS實際能夠參與調頻功率只能等于ESS最大充放電功率與ESS充放電功率之差。

3）各用戶儲能系統約束

4）用戶光伏出力約束

5）用戶功率平衡約束

6）線路約束

7）共享光伏功率約束

2.3 風險價值

本文采用蒙特卡羅模擬法計算風險價值。

2.4 求解流程

本文通過選取的典型場景及ESS參數確定最優超售量。同時，依據2019年PJM市場運行的歷史數據[28]及其分布特性進行蒙特卡羅模擬確定3 000個場景，并在確定的最優超售量下計算每個場景的價值，再進行風險價值分析評估。若在一定的置信水平下，風險價值仍低于共享模式下的風險價值，則認為風險可以接受，并輸出最優超售策略；否則，在原最優超售量的一定范圍內重新確定最優超售量，并計算風險價值，直至風險可以接受。具體的模型求解流程如圖2所示。

圖2 超售模式下模型求解流程

3 算例分析

3.1 參數設置

1）用戶購售電電價和儲能租賃系數

表1 用戶購電電價

Tab.1 Electricity price for consumer

2）儲能參與調頻市場價格和罰金價格

美國聯邦能源監管委員會（FERC）于2011年發布的755號法案中規定，對調頻資源補償包含兩個部分[29-30]：①參與調頻的容量補償；②里程補償。在我國，由各地區電力監管部門制定了發電機組提供輔助服務的實施細則和補償機制，但由于尚未有ESS技術在調頻領域規模化應用的經驗[31]，因此尚未包含對ESS參與調頻的準入條件和補償辦法。

由于美國僅有CAISO及ERCOT市場區分上、下調頻，因此本文對此不作區分[19,32]，并假設ESS作為調頻市場中的價格接受者，并以15min作為調頻服務的周期和結算時段，即優化周期=96。

此外，由于本文的重點在于研究光儲系統推廣初期發掘用戶積極性方面少量超售ESS資源的策略及其帶來的價值，假定負荷聚合商具有一定的信息優勢，依據電網狀態信息能夠幫助底層用戶對于一定條件下調頻資源被調用的概率進行預測。所有歷史數據取2019年PJM市場全年平均值進行模擬[28]，調頻調用率預測數據如圖3所示，罰金系數設置為35倍容量電價[23]。

3）光伏出力和用戶負荷數據

圖3 調頻調用率預測數據

圖4 用戶負荷和光伏出力曲線

4）儲能系統參數

假設每位用戶都裝有相同參數的ESS，ESS壽命折損系數為0.1[34]，其余參數見表2。

表2 儲能系統參數

Tab.2 Energy storage system parameters

3.2 用戶運營策略和價值分析

算例設置了三種不同的模式，分別為：模式0，基礎模式，即用戶之間共享PV，ESS僅供用戶自身參與價格套利，不考慮ESS共享給聚合商參與調頻服務和ESS的超售運營；模式1，共享模式，即用戶之間共享PV且ESS供用戶自身參與價格套利和共享給聚合商參與調頻服務，但不考慮ESS的超售運營；模式2，超售模式，即用戶之間共享PV且ESS供用戶自身參與價格套利和共享給聚合商參與調頻服務，并按最優超售量超售調頻服務。

為了便于分析，本文設置模式0作為參照對象，主要對模式1和模式2進行深入研究。

3.2.1 共享模式

共享模式下，ESS同時參與價格套利和調頻服務時，需要分析在不同市場中的獲益情況，將ESS參與價格套利和調頻服務的功率及容量進行合理分配，使得收益最大化。

以重負荷用戶（用戶1）為例，如圖5所示，ESS參與價格套利時，在部分平時段光伏有剩余時進行PV2ESS過程，峰時段主要進行ESS2H過程。

圖5 共享模式下儲能充放電功率、調頻容量和SOC

在時段10～18由于PV大發，且用戶在該時段負荷不大，所以放棄部分容量參與調頻，而進行PV2ESS過程來存儲多余PV出力；同時在時段45～48由于電價較低，因此放棄參與部分調頻，而從電網購電進行存儲。在時段37～40和49～55，由于電價較高，因此放棄參與部分調頻，而進行ESS2H過程減少從電網購電。

同時由于ESS自放電率和電量可持續性約束的存在，因此在部分谷時段，如時段75、95等不得不放棄部分調頻容量，而向電網購電存儲以維持SOC。

3.2.2 超售模式

在共享模式的基礎上，考慮ESS按照59.75kW最優超售量超售調頻服務。

以重負荷用戶（用戶1）為例，如圖6所示，由于ESS參與調頻服務超售的影響，ESS參與價格套利時，并沒有在峰時段以較大功率進行ESS2H過程，也沒有平時段光伏有剩余時以較大功率進行PV2ESS過程，但仍會在部分平時段、谷時段向電網購電存儲以維持SOC。

在時段45～48，ESS調頻電量調用率為27.54%，即調頻里程達到16.45kW，大于ESS最大輸出功率，即使ESS不參與能量市場的價格套利也存在超售行為。同樣，在時段73～76，ESS調頻電量調用率為8.87%，即調頻里程達到5.30kW，大于ESS最大輸出功率，因此ESS放棄參與能量市場的價格套利來盡量滿足調頻需求。

圖6 超售模式下儲能充放電功率、調頻容量和SOC

在時段52～54（峰時電價時段），由于ESS在能量市場中放電所節省的成本大于在調頻服務市場未履約時所受的罰金和得到的收益，因此在該時段同樣存在實際超售行為，用戶選擇占用ESS調頻所預繳的容量，進行放電套利。其他時段則是預期超售但沒有實際超售，不會產生實際的安全問題。

3.2.3 用戶價值分析

基礎模式下，用戶用電費用為378.57元。

共享模式比基礎模式增加了調頻容量和里程收益。雖然儲能折舊成本小幅提高，但用戶群收益仍比基礎模式增加了54.39元。

超售模式下，由于將較大的部分ESS功率投入調頻市場，用電費用比共享模式略有增加；但調頻容量和里程收益遠大于共享模式，用戶ESS租賃收益大幅提高；雖然由于儲能更多參與調頻導致折舊成本有一定的提高，但用戶群收益仍比共享模式提高88.85%。同時聚合商調頻收益也大大提高，三種模式下的用戶價值見表3。

表3 三種模式下的用戶價值 （單位：元）

Tab.3 The value of consumers in three modes

3.3 超售模式下的風險價值和靈敏度分析

3.3.1 風險價值分析

由于超售模式能夠帶來更大的經濟效益，因此本文重點研究超售模式下共享光儲的運營策略。為此，需要進行風險價值評估分析，在負荷聚合商能夠對調頻資源調用率進行較準確預測的前提下，進行蒙特卡羅模擬確定3 000個運行場景，并在上述最優超售量下確定每個場景下的用戶總收益，如圖7所示。其中場景最大收益為685.28元，最小收益為-678.87元，收益期望為-36.36元，比共享模式下的總成本減少318.83元。

圖7 準確預測時模擬場景下的總收益概率分布情況

表4 收益區間概率分布

Tab.4 Probability distribution of benefits interval

當負荷聚合商未能對調頻資源調用率進行較準確預測時，假設有一定的概率偏差，在上述最優超售量下模擬場景的用戶總收益概率分布情況如圖8所示。其中場景最大收益為535.54元，最小收益為-2 387.41元，收益期望為-942.35元，收益大大減少，甚至低于基礎模式下的總收益。此時認為風險不可接受，也無法在原最優超售量的小范圍內尋得合適的最優超售量，因此在這種情況下，超售是不可取的。

圖8 誤差預測時模擬場景下的總收益概率分布情況

3.3.2 靈敏度分析

考慮不同的超售量對場景總收益的影響，不同超售容量下的總收益如圖9所示。可以看到最優超售容量59.75kW下，總收益最大為-39.59元，而在53.77kW（-10%）、47.80kW（-20%）、41.83kW（-30%）超售容量下，總收益逐漸減少。同樣在65.73kW（+10%）、71.70kW（+20%）、77.68kW（+30%）超售容量下，總收益也逐漸減少。

圖9 不同超售容量下的總收益

研究不同的罰金系數對最優超售量下總收益的影響，如圖10所示。結果表明，總收益隨著罰金系數的增加而呈指數下降，這是由于盡管行使服務的概率保持不變，但隨著罰金系數的增加，未交付的罰金太高了，因此最優超售量將大大減小，總收益也將減少。當罰金系數過大時，只是預期超售，并未實際超售，因此并未交付罰金，最優超售量最終也將收斂。

研究不同的調頻調用率在相同罰金系數下對總收益的影響，如圖11所示。結果表明，用戶總收益隨著調頻調用率的增加也顯著下降，可見該策略在調用指令概率低時更有優勢，這與實際中調頻調用概率較低相一致。

圖10 不同罰金系數下的收益

圖11 不同調用概率下的收益

3.4 共享光儲超售運營策略的建議

綜上所述，針對共享光儲超售運營策略的研究，可對光儲系統的不同發展階段提出相應的建議。

在光儲系統發展起步期，為了發掘用戶積極性，市場監管者允許用戶超售ESS資源。但同時為了抑制在發展初期市場并不成熟時，用戶無限制地申報參與調頻容量而獲得不恰當的收益，甚至可能導致電力系統承擔一定的安全風險，市場監管者必須進行嚴格的監管，可以通過設置較高的罰金系數等措施，來限制用戶無限制的超售，將超售量控制在很小的范圍，以此來穩定市場。

在光儲系統發展成熟期，市場已漸漸趨于穩定，市場監管者應在電力系統安全裕度內，適當降低罰金系數，提高ESS資源的超售量；同時社區管理者可以通過對市場中出現的超售行為進行更加深入的研究分析，提高信息的獲取渠道和調頻容量被調用的預測模型精度，以此對用戶下達更加合適的調度計劃。由此能夠使ESS資源得到更加充分的利用，并且用戶和聚合商也能夠獲得更大的價值。

4 結論

本文提出共享和超售兩個以社區為背景的ESS運營策略，以社區用戶總收益最大為目標，建立超售模式下含光儲系統的社區共享優化調度模型。通過實際算例分析，可得出如下結論：

1）所提出的共享光儲模式，能夠促進清潔能源的消納，并且使得ESS能夠參與多個市場實現多服務組合，促進了綠色、經濟用電。

2）相比于單純的共享模式，超售模式是對其的進一步改進和優化，該策略大大提高了聚合商、用戶價值及ESS資源的利用率，確保將其分配給最有價值的服務，避免閑置資源的浪費，具有更可觀的經濟效益。

3）通過對光儲運營模式的探究，為光儲系統的不同發展階段提供了新思路。

本文僅研究了超售策略下光儲共享參與價格套利和調頻服務，下一步將考慮擴展ESS可以共享參與的服務類型，比如備用服務等，以及考慮用戶間合理的成本分攤，并進行進一步的仿真和應用。

[1] 楊海柱, 李夢龍, 江昭陽, 等. 考慮需求側電熱氣負荷響應的區域綜合能源系統優化運行[J]. 電力系統保護與控制, 2020, 48(10): 30-37.

Yang Haizhu, Li Menglong, Jiang Zhaoyang, et al. Optimal operation of regional integrated energy system considering demand side electricity heat and natural-gas loads response[J]. Power System Protection and Control, 2020, 48(10): 30-37.

[2] 尹斌鑫, 苗世洪, 李姚旺, 等. 考慮變壽命特性的先進絕熱壓縮空氣儲能電站容量規劃模型[J]. 電工技術學報, 2020, 35(3): 612-622.

Yin Binxin, Miao Shihong, Li Yaowang, et al. A capacity planning model of advanced adiabatic compressed air energy storage plant considering lifetime varying characteristic[J]. Transactions of China Electrotechnical Society, 2020, 35(3): 612-622.

[3] 許漢平, 李姚旺, 苗世洪, 等. 考慮可再生能源消納效益的電力系統“源-荷-儲”協調互動優化調度策略[J]. 電力系統保護與控制, 2017, 45(17): 18-25.

Xu Hanping, Li Yaowang, Miao Shihong, et al. Optimization dispatch strategy considering renewable energy consumptive benefits based on “source-load-energy storage” coordination in power system[J]. Power System Protection and Control, 2017, 45(17): 18-25.

[4] 麻秀范, 陳靜, 余思雨, 等. 計及容量市場的用戶側儲能優化配置研究[J]. 電工技術學報, 2020, 35(19): 4028-4037.

Ma Xiufan, Chen Jing, Yu Siyu, et al. Research on user side energy storage optimization configuration considering capacity market[J]. Transactions of China Electrotechnical Society, 2020, 35(19): 4028-4037.

[5] 李軍徽, 張嘉輝, 李翠萍, 等. 參與調峰的儲能系統配置方案及經濟性分析[J]. 電工技術學報, 2021, 36(19): 4148-4160.

Li Junhui, Zhang Jiahui, Li Cuiping, et al. Configuration scheme and economic analysis of energy storage system participating in grid peak shaving[J]. Transactions of China Electrotechnical Society, 2021, 36(19): 4148-4160.

[6] 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.

[7] 帥軒越, 王秀麗, 吳雄, 等. 計及電熱需求響應的共享儲能容量配置與動態租賃模型[J]. 電力系統自動化, 2021, 45(19): 24-32.

Shuai Xuanyue, Wang Xiuli, Wu Xiong, et al. Shared energy storage capacity allocation and dynamic lease model considering electricity-heat demand response[J]. Automation of Electric Power Systems, 2021, 45(19): 24-32.

[8] Jo J, Park J. Demand-side management with shared energy storage system in smart grid[J]. IEEE Transactions on Smart Grid, 2020, 11(5): 4466-4476.

[9] Yang Yu, Hu Guoqiang, Spanos C J. Optimal sharing and fair cost allocation of community energy storage[J]. IEEE Transactions on Smart Grid, 2021, 12(5): 4185-4194.

[10] Li Shenglin, Zhu Jizhong, Dong Hanjiang. A novel energy sharing mechanism for smart microgrid[J]. IEEE Transactions on Smart Grid, 2021, 12(6): 5475-5478.

[11] He Li, Liu Yuanzhi, Zhang Jie. Peer-to-peer energy sharing with battery storage: Energy pawn in the smart grid[J]. Applied Energy, 2021, 297: 117129.

[12] Duvignau R, Heinisch V, G?ransson L, et al. Benefits of small-size communities for continuous cost-optimization in peer-to-peer energy sharing[J]. Applied Energy, 2021, 301: 117402.

[13] 胡佳怡, 嚴正, 王晗. 考慮清潔電力共享的社區電能日前優化調度[J]. 電網技術, 2020, 44(1): 61-70.

Hu Jiayi, Yan Zheng, Wang Han. Day-ahead optimal scheduling for communities considering clean power-sharing[J]. Power System Technology, 2020, 44(1): 61-70．

[14] 吳界辰, 艾欣, 張艷, 等. 配售分離環境下高比例分布式能源園區電能日前優化調度[J]. 電網技術, 2018, 42(6): 1709-1719.

Wu Jiechen, Ai Xin, Zhang Yan, et al. Day-ahead optimal scheduling for high penetration of distributed energy resources in community under separated distribution and retail operational environment[J]. Power System Technology, 2018, 42(6): 1709-1719.

[15] Moreno R, Moreira R, Strbac G. A MILP model for optimising multi-service portfolios of distributed energy storage[J]. Applied Energy, 2015, 137(JAN.1): 554-566.

[16] Braeuer F, Rominger J, Mckenna R, et al. Battery storage systems: an economic model-based analysis of parallel revenue streams and general implications for industry[J]. Applied Energy, 2019, 231(APR.1): 1424-1440.

[17] Tang Zao, Liu Yikui, Wu Lei, et al. Reserve model of energy storage in day-ahead joint energy and reserve markets: a stochastic UC solution[J]. IEEE Transactions on Smart Grid, 2021, 12(1): 372-382.

[18] 謝敏, 韋薇, 李建釗, 等. 儲能電站參與能量-調頻市場聯合調度模式研究[J]. 電力建設, 2019, 40(2): 20-28.

Xie Min, Wei Wei, Li Jianzhao, et al. Research on combined dispatching mode of energy storage in energy market and regulation market[J]. Electric Power Construction, 2019, 40(2): 20-28.

[19] 胡澤春, 夏睿, 吳林林, 等. 考慮儲能參與調頻的風儲聯合運行優化策略[J]. 電網技術, 2016, 40(8): 2251-2257.

Hu Zechun, Xia Rui, Wu Linlin, et al. Joint operation optimization of wind-storge union with energy storge participating frequency regulation[J]. Power System Technology, 2016, 40(8): 2251-2257.

[20] 李軍徽, 侯濤, 穆鋼, 等. 電力市場環境下考慮風電調度和調頻極限的儲能優化控制[J]. 電工技術學報, 2021, 36(9): 1791-1804.

Li Junhui, Hou Tao, Mu Gang, et al. Optimal control strategy for energy storage considering wind farm scheduling plan and modulation frequency limitation under electricity market environment[J]. Transactions of China Electrotechnical Society, 2021, 36(9): 1791-1804.

[21] Sioshansi F, Vojdani A. What could possibly be better than real-time pricing? Demand response[J]. Electricity Journal, 2001, 14(5): 39-50.

[22] Miranda I, Leite H, Silva N. Coordination of multifunctional distributed energy storage systems in distribution networks[J]. IET Generation Transmission & Distribution, 2016, 10(3):726-735.

[23] Moreira R M M. Business models for energy storage systems[D]. London: Imperial College London, 2015.

[24] 胡鵬, 艾欣, 楊昭, 等. 考慮電能共享的綜合能源樓宇群日前協同優化調度[J]. 電力自動化設備, 2019, 39(8): 239-245.

Hu Peng, Ai Xin, Yang Zhao, et al. Day-ahead optimal scheduling for cluster building with integrated energy system considering power sharing[J]. Electric Power Automation Equipment, 2019, 39(8): 239-245.

[25] 任文詩, 高紅均, 劉友波, 等. 智能建筑群電能日前優化共享[J]. 電網技術, 2019, 43(7): 2568-2577.

Ren Wenshi, Gao Hongjun, Liu Youbo, et al. Optimal day-ahead electricity scheduling and sharing for smart building cluster[J]. Power System Technology, 2019, 43(7): 2568-2577.

[26] 胡佳怡. 考慮分布式光伏消納的電力共享社區電能日前優化調度[D]. 上海: 上海交通大學, 2020.

[27] 寇凌峰, 張穎, 季宇, 等. 分布式儲能的典型應用場景及運營模式分析[J]. 電力系統保護與控制, 2020, 48(4): 177-187.

Kou Lingfeng, Zhang Ying, Ji Yu, et al. T Typical application scenario and operation mode analysis of distributed energy storage[J]. Power System Protection and Control, 2020, 48(4): 177-187.

[28] The PJM website[EB/OL]. [2019-12-31]. https:// dataminer2.pjm.com/list.

[29] 陳達鵬, 荊朝霞. 美國調頻輔助服務市場的調頻補償機制分析[J]. 電力系統自動化, 2017, 41(18): 1-9.

Chen Dapeng, Jing Zhaoxia. Analysis of frequency modulation compensation mechanism in frequency modulation ancillary service market of the United States[J]. Automation of Electric Power Systems, 2017, 41(18): 1-9.

[30] 陳中飛, 荊朝霞, 陳達鵬, 等. 美國調頻輔助服務市場的定價機制分析[J]. 電力系統自動化, 2018, 42(12): 1-10.

Chen Zhongfei, Jing Zhaoxia, Chen Dapeng, et al. Analysis on pricing mechanism in frequency regulation ancillary service market of United States[J]. Automation of Electric Power Systems, 2018, 42(12): 1-10.

[31] 嚴干貴, 劉瑩, 段雙明, 等. 電池儲能單元群參與電力系統二次調頻的功率分配策略[J]. 電力系統自動化, 2020, 44(14): 26-34.

Yan Gangui, Liu Ying, Duan Shuangming, et al. Power distribution strategy for battery energy storage unit group participating in secondary frequency regulation of power system[J]. Automation of Electric Power Systems, 2020, 44(14): 26-34.

[32] 肖云鵬, 張蘭, 張軒, 等. 包含獨立儲能的現貨電能量與調頻輔助服務市場出清協調機制[J]. 中國電機工程學報, 2020, 40(S1): 167-180.

Xiao Yunpeng, Zhang Lan, Zhang Xuan, et al. The coordinated market clearing mechanism for spot electric energy and regulating ancillary service incorporating independent energy storage resources[J]. Proceedings of the CSEE, 2020, 40(S1): 167-180.

[33] Pecan Street Inc. Pecan Street[EB/OL]. [2019-12-31]. https://dataport.pecanstreet.org/.

[34] 王蓓蓓, 謝明成, 張汀薈, 等. 考慮收益公平性的分布式光儲系統基于動態費率的共享模式研究[J]. 電網技術, 2021, 45(6): 2228-2237.

Wang Beibei, Xie Mingcheng, Zhang Tinghui, et al. Sharing pattern of distributed optical storage system based on dynamic rate considering income equity[J]. Power System Technology, 2021, 45(6): 2228-2237.

Study on the Coordination Strategy of Sharing Distributed Photovoltaic Energy Storage Hybrid Operation Mode Considering Overselling

Ye Chen1Wang Beibei1Xue Bike2Feng Shuhai2

（1. School of Electrical Engineering Southeast University Nanjing 210096 China 2. Electric Power Research Institute of China Nanjing Sector Nanjing 210003 China）

With the increasingly prominent problems of energy shortage and environmental pollution, a large number of renewable energy and energy storage system(ESS) have begun to be connected to the user side. Due to the prominent problems caused by the intermittent output of renewable energy, studying the operation of photovoltaic energy storage in the electricity market environment is of great significance to improve the economic efficiency of users' electricity consumption, the utilization of ESS resources, and the absorption capacity of the system. Based on the background of the community, this paper draws on the oversold operation strategy of aviation and other fields and establishes an optimization model for the joint operation of sharing photovoltaic energy storage in the community aiming to maximize the total revenue of community users. A case simulation is carried out on the sharing photovoltaic energy storage community energy management system based on the oversold mode. The results show that in terms of exploring user enthusiasm in the initial promotion of the photovoltaic storage system, overselling a small amount of ESS resources in regulation market is a cost-effective operation strategy, making full use of ESS resources and promoting the integration of clean energy.

Distributed photovoltaic energy storage, oversold operation, price arbitrage, frequency regulation service, sharing

10.19595/j.cnki.1000-6753.tces.201566

TM731

葉 晨 女，1998年生，碩士研究生，研究方向為儲能系統優化、電力市場等。E-mail：yechen_seu@163.com

王蓓蓓 女，1979年生，副教授，博士生導師，研究方向為電力市場、新能源接入系統運行控制等。E-mail：wangbeibei@seu.edu.cn（通信作者）

國家電網公司科技項目（支持發電負荷雙側報價的省級日前電力現貨市場優化出清技術研究與開發）。

2020-11-30

2021-11-29

（編輯 赫蕾）