基于談判博弈的微電網群多主體共享儲能容量優化配置策略

楊昆,劉通,柏林,侯祖鋒,郭曉燕,周承啟

(1. 廣東電網有限責任公司珠海供電局,廣東 珠海 519000; 2.南方電網科學研究院有限責任公司,廣州 510663)

0 引 言

大力發展風、光等新能源發電,是應對環境污染問題、推動能源清潔轉型的必然選擇。根據中國2022年底的統計數據,可再生能源發電裝機容量占全國總裝機容量的47.3%[1]。在“雙碳”目標和推進新型電力系統建設的大背景下,新能源發展迎來了新的機遇。隨著新型電力系統建設的不斷推進,分布式新能源將得到更大規模的發展。微電網是一種小型的、自治的電力系統,它通過整合分布式電源(distributed generator,DG)、儲能系統、柔性負荷等分布式資源,具備能量匯集、使用和綜合管理功能[2],成為促進分布式新能源規模化消納的重要手段[3]。

多微電網規模化接入,形成了微電網群,成為支撐配用電側分布式新能源消納利用的重要形態。對微電網來說,儲能系統是平移分布式新能源、負荷波動的重要手段[4],合理的儲能系統容量配置是提升微電網運行性能的前提。文獻[5-7]針對微電網儲能系統的容量配置問題進行了研究,構建了多微電網系統兩階段調度策略模型并對微電網儲能系統容量配置。考慮儲能系統高昂的投資成本,每個微電網單獨配置時所得儲能系統的容量通常很小[8],不利于分布式新能源的消納利用,并導致微電網的資產利用效率偏低。隨著共享經濟的興起,電力、通信等不同行業均出現多樣化的共享模式[9-10],共享已成為提高資產利用率的有效方式。通過引入共享模式,在多個微電網之間進行能量共享成為充分發揮微電網群協同優勢、提高儲能系統能源利用效率的有效手段[11]。

從微電網群優化規劃的角度,其通常存在兩個維度的共享:一是運行層面多個微電網之間的能量共享。二是規劃層面微電網群運營商(micro-grid cluster operator,MGCO)與共享儲能運營商(shared energy storage operator,SESO)之間的容量共享。對于前者,文獻[12-13]提出了基于合作博弈理論優化各微網的儲能容量配置和購能策略的方法,建立了微電網之間進行能量交互的模型,實現了各微網間的經濟調度并有效降低了系統的運行成本,驗證了多個微電網之間進行能量共享能夠有效提升微電網群的分布式新能源消納能力。對于后者,通過與第三方主體(如SESO)的交互,實現多個主體之間的協同優化。考慮MGCO與SESO之間的儲能容量共享,現有共享機制包括容量租賃和能量交易兩種,其中,容量租賃是SESO將自身儲能系統的容量劃分為多個部分,并將其分配給不同的微電網[14-16]。與容量租賃模式相比,能量交易模式能夠實現微電網群與共享儲能系統之間的靈活電力交互,如文獻[17]提出了共享場景下計及微電網運營商和共享儲能運營商投資效益的儲能配置和運營方法,建立了一種共享儲能動態容量租賃模型,實現了共享儲能容量配置與分配,驗證了與SESO進行容量共享,可以有效降低MGCO的儲能系統投資成本,并有利于促進分布式新能源的消納利用。

共享儲能容量優化配置,是保證微電網群運行經濟性、促進分布式新能源消納利用、提升系統資產利用率的基礎。目前國內外對微電網共享儲能的容量優化配置問題進行了廣泛研究,但仍存在如下難點:第三方主體的引入,使得共享儲能容量配置問題變成了多個主體交互協同的決策問題,如何實現多主體之間的友好互動,是進行微電網群共享儲能規劃急需解決的問題。

為此,本文以微電網群為研究對象,聚焦微電網群多主體共享儲能容量優化配置問題,提出了基于談判博弈的微電網群多主體共享儲能容量優化配置方法。主要創新點梳理如下:

1)將共享儲能納入微電網群容量優化配置,通過分析容量規劃過程中MCGO與SESO不同決策主體之間的交互特性,構建了考慮共享儲能的微電網群多主體協同優化框架。

2)建立了考慮能量共享與容量租賃的微電網群與共享儲能容量配置模型,采用談判博弈模型來表征MCGO與SESO之間的交互關系,提出了基于談判博弈的MCGO與SESO多主體共享儲能容量協同規劃方法,并設計了基于交替方向乘子法的分布式求解算法。

1 考慮共享儲能的微電網群多主體系統架構

1.1 考慮共享儲能的微電網群系統架構

含共享儲能系統(share energy storage system,SESS)的微電網群系統架構如圖1所示。其中,微電網的內部元件設備主要包括分布式光伏、分散式風電、可控分布式電源和電力負荷。多個微電網接入配電網,形成了微電網群。共享儲能系統與每個微電網進行物理連接,可以實現微電網與共享儲能之間的雙向功率交互。本文是針對MGCO與SESO兩者之間協同配置儲能的場景,即不考慮微電網群內部單獨配置儲能,而是通過MGCO與SESO交互來配置共享儲能容量。需要說明的是,所考慮的共享儲能系統為SESO的物理資產,其可通過租賃或能量共享的方式與MGCO進行互動。

圖1 含共享儲能系統的微電網群系統架構

1.2 多主體交互行為分析

如前文所述,考慮共享儲能的微電網群容量配置涉及兩個決策主體,即MGCO和SESO。對于MGCO,其考慮各微電網之間的能量共享以及微電網群與共享儲能系統之間的容量/能量共享,兼顧自身規劃成本與分布式能源消納率,對各微電網中分布式光伏、分散式風電、可控分布式電源(本研究以微燃機為例)的容量進行優化配置。對于SESO,其綜合考慮不同微電網的容量/能量共享需求,以自身利益最大化為目標,進行共享儲能系統容量的規劃。不同于每個微電網單獨配置儲能場景,本文考慮MGCO與SESO協同配置儲能重點考慮如下兩方面協調:一是微電網群與共享儲能系統之間的協調。在規劃模型層面,由于MGCO與SESO為不同利益主體,多主體決策過程復雜,不同決策者之間的協調關系難以直接用數學形式表示。因此,本文提出了基于談判博弈多主體容量配置方法,基于談判博弈模型來刻畫MGCO與SESO之間的協調關系。在運行策略層面,本研究考慮SESO與MGCO之間既存在直接的能量交互,也存在考慮租賃的儲能容量共享策略。MGCO向SESO提供容量租賃費用來獲取共享儲能的使用權,SESO通過收取共享儲能容量租賃費用來實現自身收益最大。二是微電網群內部各個微電網之間的協調。本研究假定微電網群中不同微電網間可直接進行功率交互,從而實現缺電微電網與余電微電網間的功率互濟。

2 考慮能量共享的MGCO規劃模型

2.1 微電網元件基本模型

1)PV模型。

光伏發電設備的輸出功率與光照強度和環境溫度之間的關系如式(1)所示:

(1)

2)風力發電模型。

風力發電機(WT)的輸出功率與風速v存在以下關系:

(2)

3)微型燃氣輪機模型。

當微電網中可再生能源的發電量不足時,微型燃氣輪機(DG)可作為輔助調度資源,其輸出功率和成本之間的關系表示為:

DDG(PDG)=αDG(PDG)2+βDGPDG+γDG

(3)

式中PDG為微型燃氣輪機的輸出功率;αDG、βDG、γDG均為發電成本系數。

2.2 考慮能量共享的微電網群容量規劃模型

2.2.1 目標函數

微電網群容量規劃目標為總成本最低,具體包括微電網群的投資成本和運行成本兩部分,其中,運行成本主要包括微電網向配電網的購電成本、可控分布式電源的發電成本以及與SESO功率交互成本,具體表示如下:

minC=CDG+Cgrid+Cflue+Cess,b-Cess,s

(4)

式中CDG為微電網分布式電源的投資成本;Cgrid為分時電價下微電網購售電成本;Cfule為微網購買燃料成本;Cess,b為微電網向共享儲能電站購電成本;Cess,s為微電網向共享儲能電站售電收益。

1)微電網群分布式電源投資成本。

CDG=?bnQn

(5)

式中?為投資回報率;bn為微網n中分布式電源的建設成本系數;Qn為微網n中分布式電源的容量。

2)分時電價下微電網購售電成本。

處于同一主體的微電網以相同的分時電價向配電網購電和售電,分時電價購售電成本Cgrid為:

(6)

式中:δx,t、δy,t分別為n號微電網在時段t從配電網購售電的單價;Pn,x,t、Pn,y,t分別為n號微電網在時段t與配電網進行的購售電功率,Pgrid為微電網與配電網交互的聯絡線功率。

3)微型燃氣輪機運行成本。

(7)

4)微電網群向共享儲能電站購電成本。

(8)

5)微網向共享儲能電站售電收益。

(9)

2.2.2 約束條件

1)規劃層面約束。

MGCO進行容量規劃的變量為各微電網中分布式光伏、分散式風電、微燃機的容量,考慮安裝空間等條件限制,需滿足如下容量約束:

分布式電源容量約束:

(10)

式中XPVmax和XPVmin分別為分布式光伏的容量上下限;XWTmin和XWTmax分別為分布式風電的容量上下限;XMTmin和XMTmax分別為微燃機的容量上下限。

2)運行層面約束。

a)微網與配電網電能交互約束。

各微網可以與配電網進行電能交互,應滿足如下約束:

(11)

(12)

(13)

Pn,t,total=Pn,x,t-Pn,y,t

(14)

b)微網間能量共享約束。

(15)

c)微燃機出力約束。

(16)

d)分布式光伏出力約束。

(17)

e)分散式風電出力約束。

(18)

f)共享儲能充放電約束。

微電網可以與共享儲能進行能量交換,且同一時刻不能同時充放電,能量交換約束為:

(19)

3 SESO共享容量優化配置模型

3.1 儲能容量租賃模型

當每個微電網單獨配置儲能時,各個微網中的儲能調度行為會呈現無序性,使儲能效率低下,可能會出現儲能沒有完全利用的情況,即儲能容量曲線沒有達到容量上下限,造成導致儲能容量的浪費和能源的損耗。而共享儲能運營商在配置儲能時,考慮到每個微網各時段實際所需的儲能容量,使共享儲能容量配置以及每個微網儲能容量的利用率最大化。

因此本文提出基于微電網群運營商的共享儲能系統容量租賃模型,實現了儲能容量資源的高效利用。儲能運營商將共享儲能設備容量劃分為N+1個容量邊界,租賃給微電網群運營商,如式(20)所示。

(20)

式(20)表示共享儲能運營商將共享儲能容量劃分為若干個動態的容量邊界,其在每個調度過程中規劃了向微電網群運營商提供的最優儲能租賃容量,實現了共享儲能與各個微網之間的容量互補,減少了儲能容量的浪費,提高儲能容量的利用率。

3.2 規劃模型

3.2.1 目標函數

共享儲能容量規劃目標包括兩部分:共享儲能的投資成本和運行成本。其中前者為共享儲能的投資建設成本,后者為共享儲能的容量租賃收益,以共享儲能系統的容量配置和運行成本最小為優化目標,具體表示如下:

minF=Cinv-Iser-Cess,d

(21)

式中Cinv為共享儲能電站投資和運行維護成本;Iser為共享儲能設備提供容量租賃服務所得的服務費;Cess,d為共享儲能電站向微網售電收益。

1)共享儲能設備日均投資和維護成本。

(22)

2)共享儲能系統容量租賃服務費。

(23)

式中Iser為微電網運營商需要支付的租賃容量費用;δser為微電網運營商租賃共享儲能系統的單位電量需要繳納的費用。

3)共享儲能電站向微網售電收益。

(24)

3.2.2 約束條件

1)規劃層面約束。

SESO進行共享儲能容量規劃的變量為待配置的共享儲能系統容量,需滿足如下容量約束:

XESS,min≤XESS≤XESS,max

(25)

式中XESS,min和XESS,max分別為共享儲能系統容量的上下限。

2)運行層面約束。

a)能量倍率約束。

儲能電池容量與額定功率之間存在能量倍率約束,具體表示為:

Eess=βPess

(26)

式中β為儲能電池能量倍率;Pess為共享儲能系統額定功率。

b)充放電約束。

在同一調度時段,電站的充放電狀態由各微網用戶電站母線處完成能量交換后的總能量需求決定,同時限制在同一時刻共享儲能電站不能同時充電和放電,其約束為:

(27)

c)儲能電池荷電狀態約束。

(28)

4 基于談判博弈的多主體容量配置方法

4.1 基于談判博弈多主體容量配置模型

4.1.1 談判博弈模型

在多微網系統中,屬于不同主體的各個微網之間存在電能交互,其價格經過各個運營商之間統一規定會比向儲能和配電網購買電能的價格低。故各個微網都不想舍棄自身的利益,無條件地將電能共享給其他微網,而是希望其他微網能夠無條件地將電能共享給自己來減少從儲能系統購買電能,從而使本微網的經濟性達到最優。故各個微網以及微網與共享儲能間存在博弈關系。談判博弈的核心是集體理性和社會福利最大化,同時關注個體和集體的利益。納什談判博弈模型如式(29)所示,其解可使聯盟中成員都獲得帕雷托最優收益,即為納什談判的均衡解。

(29)

利用納什談判理論構建多微網與儲能運營商之間的合作運行模型:

(30)

4.1.2 模型等價變換

(31)

4.2 基于ADMM的分布式求解算法

雖然微電網參與了儲能運營商的能量共享優化調度,考慮到不同微電網都是以自身成本最小化為目標,集中式優化方法要求儲能運營商大量收集下層微電網目標函數及約束信息,這對于儲能運營商來說是非常困難的。因此,為了使激勵機制切實可行,本節選用基于ADMM的分布式算法的解決方案對式(30)進行求解。

交替方向乘子法(alternating direction multiplier method,ADMM),具有對偶上升法的可分解性和乘子法較快的收斂速度,并且不要求目標函數為嚴格凸形式,較其他分布式算法收斂速度更快,目前被廣泛應用。

(32)

上述優化問題可以分解為局部優化問題和一個主優化問題,微電網優化模型可表示為:

(33)

儲能運營商的主要優化模型可表示為:

(34)

式中λn,t為拉格朗日乘子;ρn為懲罰因子。

利用分布式算法求解微電網-儲能運營商多主體聯盟效益最大化問題,具體步驟如下:

4)更新拉格朗日乘子。

(35)

5)更新迭代次數k+1。

6)判斷收斂性。

(36)

式中ξ為收斂精度;kmax為最大迭代次數。

如果滿足式(36)中收斂條件則迭代過程終止,否則返回步驟2)進入下一次迭代,直至算法收斂到設置精度以下或達到最大的迭代次數,結束迭代。

5 算例分析

5.1 算例描述

基于圖1所示的考慮共享儲能的多微電網系統,以3個微電網為例對所提微電網多主體容量配置方法進行有效性驗證。其中,3個微電網的典型日負荷曲線如圖2所示,典型日的標準化風電、光伏出力曲線如圖3所示,配電網的分時電價曲線如圖4所示。風電、光伏、微燃機以及共享儲能設備的使用年限分別為10、10、15和13年,相關參數如表1所示。所有仿真分析均基于MATLAB R2018b+CPLEX 12.8求解器,系統硬件環境:CPU為 Intel(R) Core(TM) i7-4790,其主頻為3.60 GHz;內存為8 GB。

表1 算例相關參數

圖2 微電網典型日的負荷曲線

圖3 典型日的風光曲線

圖4 配電網的分時電價曲線

5.2 算例結果與分析

為了驗證所提出的優化方法的有效性,設計了以下對比分析方案:

方案1:不考慮共享儲能,即每個微電網單獨配備儲能設備;

方案2:考慮共享儲能,但僅考慮共享儲能容量租賃;

方案3:考慮共享儲能,但僅考慮共享儲能與微電網群之間進行功率交互;

方案4:考慮共享儲能,考慮共享儲能與微電網群之間進行容量共享和功率交互,即所提優化方法。

不同方案下得到MGCO和SESO的規劃與運行成本如表2所示,可以得出,與每個微電網單獨配置儲能設備相比(即方案1),考慮共享儲能能夠有效降低MGCO的總成本(與方案1相比,方案2、3、4情況下MGCO的總成本分別降低4%、5.43%、8.51%)。此外,與方案2和方案3相比,在共享儲能背景下,協同考慮共享儲能容量租賃和功率交互能夠不僅能夠降低MGCO的成本,也可以降低SESO的運行成本,從而達到了雙贏的效果。

表2 不同方案下的經濟性對比

為了分析本文所提考慮共享儲能與微電網群之間進行容量共享和功率交互方法與現有其他文獻方法的差異,選取文獻[19]、[20]中的方法進行對比如表3所示。本文所提到的方法不同于文獻[19-20]中方法,本文考慮了同一主體下微電網之間的功率互濟,這樣可以降低微電網運營商的運行成本,還考慮了共享儲能容量租賃,共享儲能運營商將共享儲能容量劃分為若干個動態的容量邊界,其在每個調度過程中規劃了向微電網群運營商提供的最優儲能租賃容量,實現了共享儲能與各個微網之間的容量互補,減少了儲能容量的浪費,提高儲能容量的利用率。

表3 不同文獻中方法對比

所提微電網群多主體共享儲能容量規劃結果如表4所示,可以得出,SESO配置的共享儲能容量為830 kW/(1 660 kW·h),其中,555 kW/(1 110 kW·h)的共享儲能通過容量租賃的形式分配給各微電網,275 kW/(550 kW·h)的共享儲能與各微電網進行功率交互。具體地,方案4下各微電網的凈負荷曲線(微電網的傳統負荷減去優化后的分布式光伏與風電出力)如圖5所示。以微電網1與微電網3為例,得到微電網1和微電網3間的優化結果如圖6所示。以共享儲能租賃為例,各微電網租賃儲能的核電狀態如圖7所示。由圖5和圖6可以得出,微電網間進行能量共享有利于實現缺電微電網與余電微電網間的功率互濟:在時段0:00—5:00,此時微電網1為缺電微電網而微電網3為余電微電網,微電網3向微電網1輸出功率;在時段10:00—15:00,此時微電網1為余電微電網而微電網3為缺電微電網,微電網1向微電網3輸出功率。此外,采用容量租賃以及與共享儲能直接進行功率交互是消納微電網群內新能源出力的重要手段,如在時段21:00—23:00,此時微電網群內部新能源發電過剩,通過向共享儲能進行充電來實現對新能源出力的消納利用。由圖5和圖7可以得出,在凈負荷高峰時段(如時段17:00—18:00),通過共享儲能放電來為負荷供電(使得核電狀態下降);在凈負荷低谷時段(如時段20:00—21:00),通過為共享儲能充電來消納剩余電量(使得核電狀態上升),算例結果與理論分析一致,驗證了所提優化方法的有效性。

表4 微電網容量優化配置結果

圖5 微電網群的凈負荷曲線

圖6 多微電網間的能量共享優化結果

圖7 共享儲能荷電狀態優化結果

6 結束語

本文針對微電網群多主體儲能容量配置問題,提出了基于談判博弈的微電網群多主體共享儲能容量優化配置方法,實現了微電網群運營商與共享儲能運營商之間的協同優化。通過算例分析可以得出,與每個微電網單獨配置儲能設備相比,考慮共享儲能能夠有效降低微電網群的總成本。此外,協同考慮共享儲能容量租賃和功率交互能夠實現缺電微電網與余電微電網間的功率互濟,從而能夠有效降低共享儲能運營商的運行成本,從而達到了微電網群運營商與共享儲能運營商雙贏的效果。在本研究中,假定未來的微電網中的負荷分布為預測值,考慮長周期負荷分布及增長趨勢不確定性的規劃方法,以及在新型電力系統建設背景下,如何將促進分布式新能源消納利用考慮在內,是進行微電網群儲能規劃需解決的問題,將是進一步開展的研究。