基于用戶點對點交易的共享儲能協同優化策略

張桂紅，劉飛，田旭，白左霞，杜亞彬，李彬

（1. 國網青海省電力公司經濟技術研究院， 西寧 810001；2. 華北電力大學電氣與電子工程學院，北京 102206）

0 引言

高比例可再生能源并網給電網供需平衡帶來了愈加嚴峻的挑戰。通過配置大規模儲能系統，將風電、光伏的電力生產和消納進行解耦，可促進新能源規模化消納、保障電網削峰填谷、提高電網的輸送能力和穩定性［1］，但儲能系統的投資規模大、投資回報周期長，多數儲能用戶并不具備建設儲能控制系統的能力［2］。2021年國家發改委在《關于加快推動新型儲能發展的指導意見》［3］中，提出鼓勵探索建設共享儲能，開啟儲能產業發展新業態，為更多的用戶提供儲能服務以增強其參與消納可再生能源的能力。

隨著電力市場的不斷完善，用戶可通過點對點（point-to-point，P2P）交易直接參與電力市場交易，提高用戶側資源的靈活性和經濟性。目前，國內外的相關學者針對共享儲能已開展了大量研究，主要集中在共享儲能的容量配置、多主體博弈及分布式交易/費用分攤方面。

在容量配置方面，文獻［4］考慮儲能系統的多重價值，以儲能綜合效益最優為目標，建立了優化共享儲能配置與運行策略的雙層規劃模型；文獻［5］針對傳統一體化共享儲能存在的靈活性較差且無法兼顧多類型用戶的差異性用電需求等問題，提出一種分散式共享儲能系統優化配置與調度方法；文獻［6］建立了社區光伏產消者間的能量共享模型，并基于Lyapunov 優化理論，提出了一種分布式實時分攤控制算法，降低了社區用戶的用電成本；文獻［7］將共享儲能電站應用到工業用戶經濟運行領域，通過配置共享儲能協調各用戶使用共享儲能電站進行充電和放電，實現用戶群日運行成本最優。

在多主體博弈方面，共享儲能涉及多個控制主體間的優化調度，因此常采用博弈理論來解決多主體間的利益分配問題。如文獻［8］基于合作博弈理論研究了在分時電價下儲能用戶合作的優化策略，并分別針對擁有獨立儲能的用戶和共同投資儲能的用戶，開展了合作運行方式的討論；文獻［9］從博弈論的角度考慮用戶之間的交互，提出了包含容量交易和優化運行的博弈策略，以最大限度地降低總運營成本；文獻［10］分析了共享儲能背景下微網運營商與用戶聚合商間的博弈關系，建立了兩者Stackelberg 博弈模型，并證明Stackelberg 均衡解的存在性與唯一性。文獻［11］建立了允許產消者之間以及產消者和主網P2P 交易的交互平臺，充分提高用戶側資源的靈活性；

在分布式交易/費用分攤方面，文獻［12］提出一種基于ADMM 算法的分布式儲能雙層點對點合作共享模型，并采用改進Owen值法進行成本分攤。文獻［13-14］設計了面向多用電主體與移動儲能的點對點交易控制方法，提高了各參與主體的經濟效益；文獻［15］提出了面向虛擬電廠能量管理的點對點市場交易機制與模型，降低了交易方信息暴露風險。因此，一些學者將點對點交易引入到共享儲能的研究中，如文獻［16］提出了一種含優化匹配功能的分布式儲能線上共享交易模式，可實現用戶的優化匹配和自主決策。文獻［17］提出了基于智能合約的儲能點對點共享雙層交易模式，實現了分布式儲能去中心化點對點共享。文獻［18］提出了一種基于半分布式結構化拓撲的云儲能P2P 交易框架，將能量流、信息流、業務流緊密地耦合在一起，在兼顧效率的同時保障了用戶交易數據的隱私性。文獻［19］提出了共享儲能與火電聯合調頻的商業模式。文獻［20］則在風電場群管理方面提出了一種共享儲能協同并網機制，給出了不確定性成本計算與分攤方法。文獻［21］針對電熱綜合能源微網提出了共享儲能動態容量租賃模型，并給出了共享儲能容量配置的雙層優化模型。

可以看出，已有研究重點關注共享儲能容量投資建設、成本利益分擔和經濟運行等問題，但缺少對用戶側負荷調節特性與用戶之間能源點對點互補交易的研究。用戶可根據電價、可再生能源出力和共享儲能電量等情況調節用電需求，提升系統運行的經濟性。用戶使用共享儲能時可優先考慮自身可再生能源的互補性進行能源的點對點交易，實現能源的就近消納，避免過度依賴儲能。因此，本文基于用戶負荷的調節特性，設計了用戶點對點能源交易機制，從而實現用戶的最優運行。

1 系統模型

共享儲能是一種將傳統儲能技術與共享經濟模式相融合的新型商業應用模式，儲能電站運營商在用戶側建立大型共享儲能電站，對儲能電站進行統一運營管理，為同一配電網區域內的多個用戶提供共享儲能服務［22-23］。該模式可使微網用戶在避免高額投資的情況下使用儲能系統，同時借助共享經濟的靈活性確保儲能系統的高效利用，實現共享儲能電站成本的快速回收［24］。用戶自身可配置一定的可再生能源供自身用電，為了彌補自身用電缺口，可通過大電網購電、儲能放電及用戶點對點交易。同時，當用戶在用電低谷時段可將多余電能存儲，在使用共享儲能時同時也需要向運營商支付相應的服務費用，其架構如圖1所示。

圖1 共享儲能架構圖Fig.1 Shared energy storage architecture

1.1 共享儲能模型

儲能電站運營商在共享儲能電站內設置調控子站，根據每個時段各用戶的充電需求和放電需求進行匹配，其容量匹配過程如式所示［25］。

式中：Et為儲能電站在t時段的荷電狀態；u為儲能電站自放電率；ηabs和ηrelea分別為儲能電站充電效率和放電效率；和分別為儲能電站充電功率和放電功率；Δt為單位調度時段時長。為保障儲能電站的正常運行，要滿足如下約束。

式中：Emin與Emax分別為儲能電站最小和最大容量；Pmax為儲能電站的最大充放電功率；Uabs和Urelea分別為儲能電站的充電和放電的狀態位。

1.2 用戶負荷模型

在用戶側存在大量的需求響應資源，能夠根據電價、激勵或者交易信息調整用電方式，具體的用戶側資源主要包括工業企業生產負荷、生產輔助負荷、樓宇負荷、居民電器負荷、電動汽車等。本文根據需求響應資源響應特性，將其分為可中斷負荷與可轉移負荷兩類，不具備調節能力的負荷不在本文考慮范圍之內。

1.2.1 可中斷負荷

可中斷負荷可多次啟停，在保證用戶滿意的同時，改變其工作狀態減少耗電量，中斷時間受到用戶限制。用戶i調節后的功率如式（3）—（4）所示。

1.2.2 可轉移負荷

可轉移負荷用電靈活，完成工作所需總耗電量一定，是能夠在規定的時間、空間滿足用電需求、具有轉移能力的負荷。可轉移負荷能通過調節用電時間和用電模式實現合理用電，其模型如式（5）—（6）所示。

在現實情況中，受諸多不確定因素的影響，用戶的實際響應能力一般往往難以達到預期值。通常，用戶i的可中斷負荷與可轉移負荷最大調節能力與均為期望值，可能會存在一定的偏差與。在本文中，假設由不確定的因素引起的偏差可由式（7）表示。

式中：θi（0 ≤θi≤1）為一個常數，表示用戶i的偏差水平；?為平均值等于0 的隨機變量，其分布在-1和1之間。

因此考慮不確定后，式（4）與式（6）的第一行可表示為：

對于用戶i來說，與很難進行準確預測。因此，對式（8）進行機會約束，有：

式中：Pr{.}為約束發生的概率；qIL與qtrans反映了置信水平。

本文基于霍夫丁不等式定理，將機會約束式（9）重新構建為線性模型如式（10）所示，從而獲得每個用戶i的預估調節能力。

2 基于用戶點對點交易的共享儲能協同優化

2.1 用戶點對點交易機制

本文考慮共同租賃共享儲能的用戶可以優先進行能源的點對點交易，利用自身分布式可再生能源進行創收，未被交易的部分可自己使用或存入儲能。其點對點交易框架如圖2所示。

圖2 用戶點對點交易框架圖Fig.2 User point-to-point transaction framework

步驟 1：用戶i加入點對點交易市場后，同時發布購電需求、可售電量、售電價格（購電需求與可售電量不會在同一時間段發布），發布的信息Ui，t如式（11）所示。

步驟2：具有購電需求的用戶上報需求量，售電用戶上報售電量和售電電價，以用電成本最小進行篩選和匹配，撮合購電用戶與一個或多個售電用戶簽訂購電合同。

步驟3：根據交易訂單信息，與實際物理輸送電能進行對比，進行購售電及違約懲罰費用的資金結算。

步驟4：考慮到可再生能源出力的隨機性較大，日前預測會出現一定的誤差，因此可能會引發違約。售電用戶違約懲罰Ri，t計算如式（14）所示。

式中：M為懲罰系數；Qi，j，t為用戶i在t時刻與用戶j售電電量與實際輸送電量之間偏差電量的絕對值；為用戶i在t時刻的交易電價；W為買家的總數。

用戶i的收益如式（15）所示。

因此本文基于用戶點對點交易的共享儲能協同優化方法流程圖如圖3所示。

圖3 基于用戶點對點交易的共享儲能協同優化方法流程圖Fig.3 Flow chart of collaborative optimization method for shared energy storage based on user point-to-point transaction

用戶根據可再生能源出力負荷預測功率和分時電價等數據可中斷負荷和可轉移負荷進行優化調節，當不滿足此時的用電需求時，用戶決定是否進行點對點買電、是否向共享儲能放電和電網購電來滿足用電需求；當用戶可再生能源有剩余時，用戶決定是否進行點對點買電和向共享儲能充電來解決能源過剩的問題。

2.2 目標函數

接入共享儲能電站的用戶以運行成本最優為目標函數，運行成本包括從電網購電費用Cgrid、向儲能電站繳納的費用Cess以及點對點交易收益Ctrade，由于引入了用戶點對點交易，用戶會將多余的能源進行交易。這樣會導致部分用戶選擇余電交易，而不向儲能充電，但在供電不足時過度使用儲能會引起其他用戶和儲能運營商的不滿。因此本文引入過度放電懲罰，減少或避免該行為，所以儲能電站繳納的費用包括充放電服務費和防止用戶i過度放電的懲罰成本。

式中：N為用戶的數量；為從電網購電的電價；S為過度放電懲罰系數。

2.3 約束條件

1） 電功率平衡約束

2） 用戶使用共享儲能電站充放電功率約束

式中：Pmax，ess為用戶i充放電的最大功率；和分別為用戶i充電和放電的狀態。

3） 儲能電站充放電功率平衡約束

各用戶利用共享儲能電站充放電功率之和為儲能電站的充放電功率。

4） 點對點交易約束

3 案例與分析

3.1 仿真參數設置

本文設置共有3 個用戶共同租賃儲能并開展能源交易，各用戶的負荷與可再生能源出力如圖4 和圖5所示。其中用戶1的部分負荷具備可中斷特性，占全部負荷的20%；用戶2 的部分負荷具備可中斷特性與可轉移特性，分別占全部負荷的10%和20%；用戶3 的部分負荷具備可轉移特性，占全部負荷的20%。電網購電電價采用分時電價如表1 所示。共享儲能的最小容量Emin與最大容量Emax分別為配置容量的0.1 與0.9。初始容量為配置容量的0.2。儲能的充放電效率ηabs與ηrelea均為0.95。儲能服務價格為0.25 元/kWh。每個用戶交易功率上限均為100 kW，過度放電懲罰系數S設置為0.25 元/kWh。

表1 電價參數Tab.1 Electricity price

圖4 各用戶負荷需求情況Fig.4 The load demand of each user

圖5 各用戶分布式能源出力情況Fig.5 Distributed energy output of each user

3.2 優化結果

在MATLAB 平臺下通過YALMIP 工具箱調用Gurobi 對模型進行求解。接入共享儲能電站的3 個用戶的優化運行結果如圖6—8 所示。圖中黑色陰影部分表示削減的負荷功率，紅色陰影表示增加的負荷功率。

圖6 用戶1優化運行結果Fig.6 Optimized operation results of User 1

由圖6可以看出，用戶1在時段8 h之前，光伏出力為0，用戶1 主要通過購買用戶2 與用戶3 的能源來滿足需求。在時段9—16 h，光伏出力大于用戶的電負荷需求，用戶1 進行點對點售電量為994.5 kWh，向儲能充電電量為980.2 kWh；在時段17—21 h，光伏出力小于用戶的電負荷需求且電價較高，用戶1 全部使用共享儲能電站放電滿足負荷需求。用戶負荷具有可中斷特性，在整個調度周期內共削減負荷327 kW。

由圖7 可以看出，在第4—9 h 時段，風電大于用戶負荷需求時，會將多余的能量進行存儲或進行點對點交易。在時段10—16 h，用戶2 從用戶1 購買了部分可再生能源，并將自身多余的能源存儲到共享儲能中。在時段17—21 h，風機出力小于用戶的電負荷需求，大部分通過共享儲能放電合點對點交易來填補供電缺口。用戶2 負荷具有可中斷特性和可轉移特性，在1—24 h可中斷負荷削減了369.6 kW，可轉移負荷在16—24 h 向1—15 h 轉移了155.8 kW。

圖7 用戶2優化運行結果Fig.7 Optimized operation results of User 2

圖8為用戶3優化運行結果。

圖8 用戶3優化運行結果Fig.8 User 3 optimized operation results

由圖8 可以看出，在第1—3 h 時段，風電大于用戶負荷需求時，將多余能源進行點對點交易或存儲。在時段4—5 h，用戶3 選擇了從電網或用戶2購買部分低價電能，并將剩余的風電進行交易。在時段8—20 h，風機出力小于用戶的電負荷需求，大部分通過共享儲能放電和點對點交易來填補供電缺口，在電價低谷時段，也從電網購買部分電能，同時將部分電能進行存儲，保障儲能的正常使用。用戶3 負可轉移負荷在第9—10 h 與16—24 h 分別向1—8 h和11—15 h轉移了101.5 kW和81.9 kW。

儲能電站的充放電功率和電量狀態如圖9所示。

圖9 共享儲能電站優化運行結果Fig.9 Optimal operation results of shared energy storage power station

由圖9 可以看出，儲能電站在時段1—8 h 和11—15 h 時段處于充電狀態，在第15h 儲能電站電量達到最大值1 540 kWh，最大充電功率達到400 kW。在時段9—10 h 和16—21 h 儲能電站處于放電狀態，電量儲能電站電量由1 540 kWh 下降到初始狀態342 kWh，其中最大放電功率達到266 kW。

3.3 點對點交易結果

接入儲能的用戶可根據自身情況進行點對點交易，減少用能成本，同時還可獲取一定的收益。各用戶點對點交易的結果如表2所示。

表2 點對點交易結果Tab. 2 Point to point transaction results

從表2 中可以看出，3 個用戶都將自身的部分能源進行了點對點交易，其中由于用戶1 光伏在10—15 h 出力較大，相對與負荷需求有較大的剩余，所以賣出的能源最多為994.5 kWh。由于光伏在早上和晚上出力為零，此時有較大的供應缺口，所以用戶1 在這些時段向其他用戶購買電能較多為703 kWh，整體獲益59.8 元。用戶2 售電電量為700.2 kWh，購電量為620.9 kWh，整體花費1.6 元；用戶3 較其他用戶售電電量與售電最少為235 kWh 和605.8 kWh，整體花費58.2元。

3.4 結果對比分析

為分析在共享儲能電站引入用戶點對點交易的經濟性，設置以下場景進行對比。

場景1：參照文獻［7］，接入共享儲能的各用戶考慮負荷調節特性，不考慮點對點交易；

場景2：接入共享儲能的各用戶不考慮負荷調節特性，考慮點對點交易；

場景3：接入共享儲能的各用戶考慮負荷調節特性和點對點交易。

通過表3 可知，用戶考慮點對點交易和負荷調節特性后，可靈活調節自身負荷并優先將未利用的能源低價進行交易，在一定程度上可降低電網購電費用和儲能服務費。

表3 場景結果對比分析Tab.3 Comparative analysis of scene results

對比場景2、3 可得，在考慮用戶的負荷調節特性各用戶可通過可中斷負荷與可轉移負荷根據可再生能源和電價合理地調整用能需求，使得各用戶的購電費用分別降低了93%、55.6%和33.5%，儲能費用分別降低了3.2%、37.7%和35.7%。在點對點交易上，用戶1前后變化不大。用戶2和用戶3在交易的上成本減少了93.4%和34.6%，這是由于在考慮負荷特性的情況下，用戶負荷需求可較好地匹配可再生能源出力，在保證成本最小的前提下，可進一步減少向其他用戶購買能源，各用戶的整體費用降低了27.4%、48.3%和11.7%；對比場景1、3 可得，考慮點對點交易后使得各用戶的購電費用分別降低了90.6%、12.7.%和66.4%，儲能費用分別降低了11.6%、67.5%和-0.07%。整體費用降低了34.3%、45.9%和29.2%。所以考慮用戶點對點交易和負載可調節特性后，各用戶的運行總費用都有不同程度上的降低，從而實現多方共贏。

4 結論

本文提出了基于用戶點對點交易的共享儲能運行優化策略，根據可再生能源的出力、電價和用戶可調節特性進行聯合優化，降低了運行成本。基于仿真驗證結果，得到以下結論。

1） 根據分時電價與可再生能源的出力，在充分考慮用戶調節能力的前提下，優化用戶的用能需求，可達成更好的削峰填谷效果。

2） 用戶考慮點對點交易后，優先將未利用的能源低價進行交易，可以有效降低用戶的用能成本，從而進一步提高用戶側的效益。

3） 通過用戶之間的能源互濟，有效減少了電網與儲能系統的供應需求，在出現供需不平衡條件下，可有效減少用戶的用電損失。隨著用戶參與的不斷增加，用戶內部資源互補能力加強，本文所提算法的適用性會更強。

未來，隨著我國雙碳戰略的推進和電力市場完善，并依托于共享儲能和分布式儲能，配合用戶側點對點能源交易，進一步促進分布式光伏所發電力就地就近消納。