现货市场下计及用户需求响应弹性差异的微电网优化运营分析

　　摘要：针对微电网中源、荷波动和匹配性较差以及现货市场电价不确定问题，综合考虑电价型与激励型需求响应的各自优势，提出一种现货市场下计及用户需求响应弹性差异的微电网运营商优化运营模型及其求解方法。在日前阶段，建立了计及负荷差异化电量电价弹性矩阵的价格型需求响应模型;在实时阶段，构建了符合微电网运营商和用户利益关系的主从博弈模型，并采用改进粒子群算法进行求解。此外，基于不同用户在同一时段负荷响应弹性差异化的特征，首次将激励因子的概念引入激励型需求响应，使得积极响应的用户能享受到更高的激励价格。仿真结果表明，所提模型增强了削峰填谷效果，源、荷匹配性较差也得到了一定改善，并且微电网运营商和用户均可从中获取额外经济收益;同时所提出的动态激励价格，在保证公平性的同时，进一步提高了微电网运营商和用户的总社会效益。

　　关键词：微电网;预测误差;电力市场;调节弹性;差异化需求响应;主从博弈

　　引言

　　近年来，随着全球能源危机、环境问题日趋凸显，以风电为代表的分布式清洁能源发电得到了迅猛发展，但由于风电出力和负荷需求在时间维度上存在较大差异，加上受制于现阶段的预测技术，风电和负荷的预测功率都存在一定的误差[13]，导致微电网运营商面临严格的电力市场偏差考核风险。因此，在间歇性能源出力和现货市场电价波动较大的风险下[4]，如何充分挖掘需求响应潜力，引导用户合理用电，对改善微电网中源、荷匹配性不足、促进新能源消纳以及提升微电网运营商与用户的双边利益具有切实的研究意义。需求响应作为需求侧优化管理的一种长期有效的重要手段，其主要通过市场价格信号或激励机制引导用户主动改变原有用电消费模式以解决源、荷匹配性较差和新能源出力波动等问题[5]。

　　近年来已有许多学者在这方面做了大量研究文献，文献[6]针对含高渗透率风电的电力系统，提出一种考虑价格型需求响应(pricebaseddemandresponse，PBDR)和用户满意度的优化调度模型，提高了整个系统的运行经济性;文献[7]基于新能源出力和负荷需求间的供需关系提出一种动态分时电价机制，并在此基础上构建了考虑PBDR参与的独立型微电网优化模型，有效提高了新能源的渗透率、消纳利用率以及微电网的经济性。

　　文献[8]为充分挖掘源、荷、储的灵活调峰潜力，以经济性最优和弃风率最小为目标提出了一种综合考虑PBDR、火电机组和储能参与调峰的电力系统优化调度模型，在达到降低负荷峰谷差、火电调峰压力的同时，提高了系统风电的消纳利用率;文献[9]提出以发电成本和激励型需求响应(incentivebaseddemandresponse，IBDR)调度成本最小为目标构建电力系统的优化调度模型，有效提高了微电网的运行可靠性;文献[10]提出一种同时考虑碳交易与IBDR机制的电−气互联网络分散式低碳经济调度模型，有效降低了系统的经济成本、碳排量和弃风量。

　　以上研究均只考虑实施单一的PBDR或IBDR机制，在一定程度上实现了削峰填谷、改善了新能源的消纳水平，但并未将这两者的优势相结合应用。为了综合发挥价格型和激励型的需求响应价值，文献[11]针对含大规模风电接入的电力系统，构建了一种考虑多类型用户参与PBDR和IBDR的风电消纳鲁棒随机优化模型;文献[12]为应对光伏、风电出力波动性和预测误差带来的不确定性问题，构建了同时考虑PBDR和IBDR策略的含光热电站随机机组组合优化调度模型;文献[13]提出一种日前基于PBDR和实时基于模糊IBDR策略的微电网两阶段优化调度模型。

　　上述研究虽进一步提升了新能源的消纳能力、削峰填谷效果以及系统的经济性，但在价格型需求响应中忽略了不同类型负荷用电量对电价敏感程度和响应弹性不同的事实，对此文献[14]提出计及差异化需求响应的微电网源荷储协调优化调度模型;另外在激励型需求响应中，补贴价格仅由供电机构按固定激励价格、阶梯补偿价和利用模糊工具箱模糊处理的方式进行制定，而事实上供电机构与用户均是需求响应的直接参与者和受益方，补贴价格应由双方自行协定，才能实现社会效益最大化，对此文献[15为规避现货市场电价波动风险，提出构建兼顾售电商和用户利益的IBDR主从博弈模型;文献[16]基于现有补贴价格制定方案的不足，构建了电网公司与多个用户的IBDR主从博弈模型，电网公司和用户的经济效益均得到有效提升。

　　但以上研究仍然存在一些不足：在激励型需求响应中，供电公司和用户通过主从博弈方法共同决定激励价格时，未考虑同一时段不同类型负荷调节弹性各不相同的事实，同时也忽略了同类负荷不同用户的响应弹性存在差异。在同一时段对所有参与需求响应的用户发布统一的激励价格可能会带来公平性问题，导致用户的响应积极性得不到充分调动，进而影响供电公司和用户的经济效益。

　　综上现状与不足，本文提出一种现货市场下计及用户需求响应弹性差异的微电网运营商优化运营模型及其求解方法。其中，在日前阶段建立计及居民、商业、工业负荷差异化电量电价弹性矩阵的PBDR模型;在实时阶段构建一个兼顾微电网和用户利益的IBDR主从博弈模型，基于不同用户在同一时段负荷响应弹性的差异，首次将激励因子的概念引入IBDR，以使得积极响应的用户能享受到更高的激励价格。最后通过算例仿真对所提模型与方法论的合理性与有效性进行校验。

　　现货市场下微电网运营商的运营方式为了最大限度调动用户的参与积极性，在日前调度阶段，微电网运营商首先针对不同类型负荷实施差异化的价格型需求响应，然后基于风电的日前预测出力及PBDR优化后的负荷功率制定微电网日前购售电计划。

　　其中，不同类型负荷在用电特性、可调节能力、弹性系数矩阵等方面存在较大差异，因此为了更为精准地描述需求响应，本文根据负荷的用电特征，将负荷主要分为类：居民负荷、商业负荷和工业负荷。在实时调度阶段，如果微电网中风电实时与日前预测出力的差值wind小于且当微电网运营商在现货市场购电的价格高于其为用户制定的分时电价时，则微电网运营商有动力向用户发布IBDR以减少自身售电亏损，用户参与其中也可获取额外收益，激励型需求响应后仍无法满足负荷需求的部分，可从现货市场购买电能进行平衡;而如果当 wind时，微电网运营商可在现货市场中售卖超出日前预测的风电出力差值从而达到功率平衡。现货市场下微电网运营商的优化模型

　　2.1基于PBDR日前优化运营模型

　　2.1.1电量电价弹性

　　基于价格型需求响应日前调度主要是参照用户的需求弹性理论，微电网运营商通过制定分时电价引导各用户以用电费用最低为目标自主调整用电计划。根据经济学的需求原理，电量电价弹性系数可定义为在一定时期内电价相对变化所引起的负荷需求量相对变化。

　　2.2基于IBDR实时优化运营模型

　　在实时阶段，微电网运营商须提前预测下一时段现货市场的电价，然后才能基于该电价实施激励型需求响应。另外由于现货市场各个时段的历史电价数据均已知，且预测的是小时后电价，预测精度较高。因此，本文假定微电网运营商能相对准确地预测现货市场下一时段的电价，且将其视为价格的接受者，即现货市场电价在实施需求响应前后保持不变。

　　另外，由于现货市场各时段电价波动幅度大，且需要实时快速响应，所以假定每个用户都安装了一个能量管理控制系统(energymanagementandcontrolsystem，EMCS)，用户通过该系统可自动参与需求响应[19]。 风电实时与日前预测出力的差值wind小于且预测的现货市场电价高于微电网运营商所制定的分时电价，则微电网运营商制定该时段的基础补贴价格信息，并下发给用户的EMCS，用户的EMCS根据激励程度和自身实际情况，自动进行需求响应，并向微电网运营商反馈响应结果。

　　2.2.1激励因子的设计方案

　　由于不同用户的调节弹性不同，即相同激励价格信号下，不同用户的负荷削减量各不相同，因此在制定激励价格时，微电网运营商为了提升整个系统的运行效益要将用户响应弹性的差异性纳入考虑。具体而言，微电网运营商可先制定合适的基础激励价格和激励系数，进而得出这类用户在时段的最终单位激励价格。

　　3模型求解

　　模型的优化求解可分为个阶段，在日前市场优化运营中，其模型可采用MATLAB的fmincon函数进行求解。而在实时市场优化运营中，微电网运营商和多元用户各自的优化求解是一个相互耦合的过程，双方的优化结果相互影响，最终达到博弈均衡。为较好的完成优化决策过程，本文采用改进粒子群算法以寻求博弈模型的均衡解。粒子群算法擅长处理多维度、非线性、多耦合的复杂优化问题，且算法简单、搜索速度快、能兼顾算法的准确性和计算效率[2224]。

　　文献[22]针对复杂的电力市场均衡问题提出采用双层粒子群优化算法进行求解，并利用非线性互补算法验证了该算法的有效性。文献[23]针对含电能交互的多微网综合能源系统，提出采用混沌粒子群算法求解考虑综合需求响应的主从博弈模型，并证明了博弈均衡解的存在性和唯一性。

　　4算例分析

　　4.1基础数据

　　以某个微电网为例，根据现有预测模型，负荷、风电功率的预测误差随着时间的缩短逐渐减小且满足正态分布[25]，因此假定风电的日前、实时预测误差分别为20%和5%，负荷的日前、实时预测误差分别为3%和1%[13]。

　　5结论

　　1)在日前阶段对居民、商业以及工业负荷实施差异化PBDR策略后负荷的峰谷比变为1.87，和不考虑差异化PBDR策略的峰谷比2.11相比，降低了11.37%。因此日前的差异化PBDR策略具有更加明显的削峰填谷作用，改善了微电网的源、荷匹配性较差问题。

　　2)在实时阶段实施考虑激励因子的IBDR模型后微电网运营商的需求响应收益变为189.73元，这和不考虑激励因子IBDR时的149.41元相比，大约提高了27%;同时引入激励因子后，负荷峰谷比也在进一步下降，它由原先的1.76降低到了1.73。因此，考虑激励因子的IBDR模型能有效降低由风电的预测误差和现货市场电价波动带来的售电损失，在提升微电网经济效益的同时，进一步缓解了系统的供电压力。

　　电网论文范例： 电网节点电压暂降综合评估及其检验方法

　　3)在实时段构建的IBDR模型中引入激励因子能有效保证积极响应的用户享受到更高的激励价格，使得用户参与需求响应的积极性得到充分挖掘，从而进一步提高了微电网运营商和用户的总社会效益。

　　参考文献Reference

　　[1]PAATEROJV,LUNDPD.Effectsoflargescalephotovoltaicpowerintegrationonelectricitydistributionnetworks[J].RenewableEnergy,2007,32(2):216234

　　[2]白凯峰，顾洁，彭虹桥，等.融合风光出力场景生成的多能互补微网系统优化配置[J].电力系统自动化，2018，42(15)：133141.BAIKaifeng,GUJie,PENGHongqiao,etal.Optimalallocationformultienergycomplementarymicrogridbasedonscenariogeneration ofwindpowerandphotovoltaicoutput[J].AutomationofElectricPowerSystems,2018,42(15):133141

　　[3]孙荣富，张涛，和青，等.风电功率预测关键技术及应用综述[J].高电压技术，2021，47(04)：11291143.SUNRongfu,ZHANGTao,HEQing,etal.ReviewonKeyTechnologiesandApplicationsinWindPowerForecasting[J].HighVoltageEngineering,2021,47(04):11291143.

　　[4]张显，王锡凡.电力金融市场综述[J].电力系统自动化，2005(20)：13，23.ZHANGXian,WANGXifan.Surveyoffinancialmarketsforelectricity[J].AutomationofElectricPowerSystems,2005(20):513,23.

　　[5]肖斐，艾芊.基于模型预测控制的微电网多时间尺度需求响应资源优化调度[J].电力自动化设备，2018，38(05)：184190.XIAOFei,AIQian.Multipletimescaleoptimaldispatchofdemandresponseresourceformicrogridbasedonmodelpredictivecontrol[J].ElectricPowerAutomationEquipment,2018,38(05):184190.

　　作者：胡蓉1,2，魏震波，郭毅，魏平桉，田轲，卢炳文