您好!歡迎訪問中國儲能網!
您的位置: 首頁  > 首屏 > 儲能市場3 > 風電儲能

現貨市場環境下風電與儲能如何聯合參與市場并合理分配收益?

作者:中國儲能網新聞中心 來源:電網技術 發布時間:2019-10-24 瀏覽:
分享到:

中國儲能網訊:隨著我國電力現貨市場建設進程的加快,占比快速提高的以風電為代表的新能源參與現貨市場競爭是大勢所趨。但風電由于出力不確定性和波動性導致市場競爭力較弱,而多個風電場的集群互補效應及風電與具有靈活調節能力的抽水蓄能電站聯合能減少風電實時出力偏差,減少其實時平衡成本。因此,針對多風場與抽水蓄能電站聯合參與現貨市場的日前競標策略及由此帶來的收益合理分配問題開展研究。采取多風電與抽水蓄能電站聯合參與日前和實時平衡市場的市場模式,著重考慮風電實時出力不確定性的平衡成本,提出兼顧實時平衡收益風險的多風電與儲能聯盟的日前最優競標策略;對聯合后獲得的收益,分別利用合作博弈論中的Shapley值和核仁解給出風電場與抽水蓄能電站間以及多風電場間的收益分配方法。最后,通過算例分析驗證所提聯合運行策略的優越性以及收益分配模型的合理性。

基于合作博弈論的風儲聯合參與現貨市場優化運行策略

武昭原1, 周明1, 姚尚潤1, 李庚銀1, 張巖2, 劉曉娟3

1.新能源電力系統國家重點實驗室(華北電力大學),北京市 昌平區 102206

2.國網北京市電力公司 電力科學研究院,北京市 豐臺區 100075

3.國網北京市電力公司,北京市 西城區 100031

0 引言

為了應對化石能源的枯竭以及溫室效應的加劇,以風電為代表的新能源在我國得到迅速發展[1]。這類波動性電源出力的不確定性和弱調控能力,高比例接入需要電力系統提供更多的靈活性調節服務。為了充分調動“源-網-荷-儲”多環節的調節能力,合理體現其服務價值,利用好市場優化配置資源的功效是一個有效的解決方案。為此,我國從2018年起快速推動電力現貨市場的運行[2]。在此環境下,風電運行從保護性的全額上網轉換為與常規電源一樣參與市場競爭將成為趨勢[3]。相比于其他市場主體,風電等新能源由于自身出力的不確定性及波動性,實時運行時容易出現偏差,導致較大的實時平衡成本,可能削弱風電在現貨市場中的競爭力,不利于風電充分消納。因此,研究風電參與現貨市場的運營模式對我國新能源發展以及現貨市場建設有重要意義。

日前市場和實時平衡市場是電力現貨市場的主要組成部分[4],其中日前市場是主要的功率交易平臺,實時平衡市場旨在根據最新的負荷和電源變化對日前交易計劃進行適量調整。風電商根據其次日出力預測,參與日前市場競爭是主要的獲益方式。由于風電邊際成本低,為了避免棄風,風電商可以報零價以確保中標。風電商日前中標的電量在實時運行時由于其出力的不確定性(日前預測誤差),在實時平衡市場中會面臨不平衡懲罰。因此,尋求降低實時出力不確定性的運行模式是風電商參與現貨市場的關鍵。風電商減少實時不平衡主要有兩種途徑,一是盡可能提升自身出力預測精度,減少實時出力偏差;二是聯合儲能等具有靈活調節能力的市場主體協同降低實時出力與日前值的偏差。針對途徑一有研究指出風電場的集群效應可以顯著降低整體出力的不確定性和波動性[5],即多個風電場聯合參與現貨市場,利用多風場的時空互補平滑效應減少整體出力預測誤差,聯合參與現貨市場。針對途徑二,儲能系統由于其靈活調節特性,與風電場聯合不僅可以最大限度彌補風電場的實時出力偏差,還可以將多余的電能存儲后套利出售,實現儲能商業價值最大化。這其中以技術相對成熟、成本較低且能實現大規模存儲的抽水蓄能電站與風電的聯合最有代表性[6]。可見多風場、風-儲構建有效聯盟參與現貨市場運行,不僅可以實現聯盟收益最大化,為風電和儲能參與現貨市場提供有效解決方案;對整個市場運營來講,也有利于減少系統平衡成本,提升系統消納新能源能力以及運行經濟性,為此,本文研究多風場與抽水儲能聯合優化運營策略,具體包括確定聯盟參與日前市場的競標策略,以及聯盟收益的合理分配方式。其中,制定聯盟日前競標策略時如何充分考慮風電實時出力不確定性及由此帶來的平衡成本及收益風險是關鍵。

近年來,國內外已有針對風電場參與現貨市場的競價策略的研究[7-10]。文獻[7]將風電視為市場價格接受者,以不平衡電量最小為目標建立了風電商競價隨機優化模型。文獻[8-10]分別考慮了風電商在日前或平衡市場擁有市場力的競價策略并將市場風險考慮在內。針對風電場與其他市場主體聯合優化運行的研究包括風電與火電機組聯合報價[11],風電場之間的聯合[12],風電與儲能[13],風電和需求響應資源聯合報價[14-15]等。文獻[16]兼顧系統運行經濟性與可靠性,提出了基于成本效益分析的考慮風蓄聯合運行的機組組合模型。文獻[17]以電網棄風最小為目標,建立了風電和抽水蓄能協調運行模型。上述研究大多聚焦于多個主體聯合后對系統整體運行的改善,或是儲能等靈活性資源對風電出力的調節作用,未細致考慮日前和實時平衡市場的耦合關系、特別是風電出力不確定性在實時平衡市場上平衡成本及收益風險對日前優化策略的影響。

在聯盟收益分配方面,有研究利用合作博弈論研究收益或成本在多個參與者間的分配問題[18-20]。文獻[18]利用合作博弈論對因風電出力不確定性所增加的備用成本進行合理分攤。文獻[19]基于合作博弈論設計了發電權置換交易模式,并比較了不同收益分配方式結果。文獻[20]利用核仁解對輸配電固定成本分攤問題進行了研究。這些研究是針對固定成本或確定性的收益進行分攤,而風儲多主體聯合參與現貨市場的運行收益是隨其參與市場組合方式及實時出力波動而變化的,因此,有必要針對多風電商與儲能聯盟的收益分配問題開展研究。

基于我國正在試行的現貨市場模式,本文針對多風電和抽水蓄能電站聯合參與現貨市場的日前競標策略及收益分配展開研究。首先給出多風電與抽水蓄能電站聯合參與現貨市場模式,針對多風電場和抽蓄電站組成的聯盟,考慮到實時平衡市場與日前市場的耦合關系,特別是風電實時出力不確定性在實時平衡市場中的不平衡成本及收益風險對日前競標策略的影響,在制定聯盟日前競標策略時兼顧可能的實時平衡運行方式,建立兩階段隨機優化模型,以聯盟市場收益最大化為目標,并將實時不平衡結算費用引入日前優化決策目標中。利用條件風險價值(conditional value at risk,CVaR)度量由于風電出力不確定性導致的不平衡結算費用給聯盟整體收益帶來的風險。隨后,考慮到多風電聯合參與現貨市場這一合作博弈問題本身的非凸性,分別利用Shapley值和核仁解給出了多風電場間以及風電場與抽水蓄能電站間的收益分配方法;最后,通過算例分析驗證了所提聯合運行策略的優越性以及收益分配模型的合理性。

1 多風電-抽水蓄能聯合模式及兩階段模型設計

研究考慮日前和實時平衡兩個市場,所設計的多風電-抽水蓄能電站聯合參與現貨市場的運營模式如圖1所示。多風電商和抽水蓄能電站組成的聯盟依據對未來風電出力及電價的預測情況并結合抽蓄電站運行特性在日前市場提交申報功率曲線,這一申報曲線的形成實際是站在日前的時間節點上,將未來可能的風電實際出力場景以及對應場景下抽蓄電站的調節作用考慮在內,即在日前競標決策中考慮了日前市場和實時平衡市場間的耦合關系。認為在運行日各時段平衡市場啟動后,聯盟需要根據最新的風電出力及電價情況,調整抽蓄電站的運行方式以謀求收益最大化,并在事后接受最終出力與日前競標量間偏差的不平衡結算。對于聯盟產生的收益,給出合理的分配方案。

圖1 風-蓄聯合參與現貨市場運營模式Fig. 1 Wind-storage joint operation mode in spot market

1.1 風電商間的聯合競標分析

在日前市場中,若多個風電場形成一個聯盟,不只可以利用多風場資源上的互補性,聯合上報預測信息還可有效減少整體風電出力的不確定性,進而提升各主體在現貨市場中的收益。

風電出力不確定性可以通過其預測誤差來表示,不失一般性,認為預測誤差服從正態分布[21]。多風電場的出力存在一定的相關性,可由歷史數據統計得到的相關系數矩陣表示。由統計學知識可知,考慮風場相關性的兩風電場聯合出力預測標準差如下式:

式中:σx、σy分別為風電場x、y出力預測誤差的標準差;ρxy為風電出力相關系數。

因為ρ≤≤1,由式(1)可知多個風電場聯合出力所對應的標準差小于等于多個風場預測誤差的標準差之和,這表明多風場間互補平滑效應能減少整體出力預測誤差,降低聯合出力的不確定性。因此,風電商聯合參與市場競爭可使實時出力偏差減小,能獲得更高的收益。這其中的關鍵問題在于考慮風電商出力的互補特性選擇合理的聯合競標方式,并確定適合的收益分配方式,以保證聯盟的穩定性。

1.2 風電與抽蓄電站間的聯合分析

抽蓄電站與風電場聯合參與現貨市場,抽蓄電站的靈活調節能力能夠有效減少風電實時運行時的出力偏差,進而減少不平衡結算費用,提高整體參與市場的收益。例如,當風電實時運行超發時(即該時段的實際出力大于日前市場中標功率),抽蓄電站可以將多余電能儲存起來,一方面避免風電商因偏差導致的不平衡結算費用,另一方面還可以在風電商欠發時,起一個補充作用。除此之外,由于風電出力的反調峰特性,電價較高時,風電機組往往出力相對較低,抽水蓄能電站的加入在一定程度能夠改善風電出力的反調峰特性,將負荷低谷所發的電能轉移到負荷高峰出售,也就是說抽蓄與風電商的聯合能夠充分利用其雙向調節能力,最大化套利收益。

基于以上分析,多風電與抽水蓄能電站聯合的日前市場優化運行策略需要解決兩個關鍵問題:一是如何充分利用各主體間的互補特性確定最優的聯合競標策略;二是如何描述風電實時出力不確定性在實時平衡市場面臨的平衡風險對聯盟運行收益的影響。為此本文采取Look ahead的思想設計兩階段的隨機優化模型,如圖2所示。第一階段針對日前市場考慮次日多風電預測出力及其相關性,確定日前聯合優化競標策略。針對風電實時出力不確定性,采用多場景描述,并且依據風電及電價實時的可能情況確定抽水蓄能電站的最優運行模式,以最小化不平衡成本,這是第二階段的問題,并且將其嵌入日前優化模型中。這個兩階段模型旨在日前制定聯盟優化競標策略時,充分展望實時運行時可能出現的不確定性風險,并且同時給出風儲優化運行策略。

圖2 二階段隨機優化模型Fig. 2 Two-stage stochastic optimization model

2 多風電及抽水蓄能兩階段聯合優化模型

為了便于對所提模型理解的準確性,先給出模型相關的考慮及假設:

1)風電實時出力的不確定性在日前預測數據的基礎上通過一系列場景進行表征[21]。

2)考慮到我國電力現貨市場尚在啟動階段,各主體的市場意識尚不成熟。平衡市場中的結算方法采用二價法。二價法指的是對正負不平衡電量均采用懲罰性價格結算[22],二價法對市場主體激勵性更強,且不存在套利空間,有利于現貨市場初期各主體市場意識的培養[23]。這一不平衡定價模式與我國之前大部分省份針對中長期電量交易偏差所采用雙向懲罰機制一致,有利于我國由中長期電量市場向現貨市場平穩過渡。

3)當前風電在系統中占比仍然較低,本文認為風電商在現貨市場中作為價格接受者,即認為風電出力對日前及平衡市場價格不產生影響。同時考慮到平衡市場價格波動性較大且難以預測,不平衡結算電價的不確定性通過服從正態分布的隨機變量生成對應的價格場景來表征,并且同時滿足如下條件:

式中:φdown、φup為正負不平衡電量對應的懲罰系數;λD t、λdownωt、λupωt分別為日前市場出清電價以及平衡市場中正負不平衡電量的結算價格。

4)風電商及抽水蓄能機組提交的競價中包含各時段的出力值及對應價格,為避免棄風,保證聯盟所提交申報曲線中標,各時段報價均為0。

5)針對風電出力及市場電價不確定性導致的風險,考慮風電商的風險偏好,用風險偏好系數β衡量風電商在市場中的總收益與考慮不平衡結算后收益變動風險價值之間的關系,風電商單獨參與市場與聯盟參與市場對應的風險偏好系數應相同。

6)所提的聯合優化模型旨在考慮日前和實時平衡市場間的耦合關系,利用多風電場和抽蓄機組的互補特性最大化聯盟收益。考慮到目前風電商、抽蓄電站在整體市場中占比相對較小,因此在文中假定為價格接受者,即他們聯合競標行為不會對市場出清電價產生影響,這樣為了模型的簡練,忽略了網絡約束。

基于以上假設,建立考慮條件價值風險的兩階段多風電場與抽水蓄能電站聯合競標隨機優化 模型。

2.1 目標函數

目標函數包含3部分:

式中:第一部分為聯盟在日前市場中的收益RDA;第二部分為考慮實時出力波動在平衡市場中的預期收益RB,包括不平衡結算收益并需要扣減對應抽水蓄能機組運行模式的啟停成本;第三部分為條件風險價值CVaR和風險偏好系數β的乘積。式中用XCVaR表示CVaR;風險偏好系數β表示聯盟對風險的偏好程度。當β>0時,聯盟為風險厭惡者,對應收益穩定性至上的態度,此時聯盟采用較為保守的競標策略,盡可能利用抽水蓄能機組使實時出力偏差最小;β=0時,聯盟為風險中立者,即僅以預期收益最大為目標,此時聯盟最大化利用抽水蓄能調節能力在現貨市場采用較為激進的競標策略。考慮到在目標函數中考慮CVaR本身即為一種風險規避的競標策略,因而本文未考慮β<0的情況。

其中日前市場中的收益RDA如下式所示:

式中:λDt為日前市場t時刻的出清電價;PDpst、PDwpct分別表示t時刻抽蓄電站以及多個風電場在日前市場的申報功率。

平衡市場預期收益RB如下:

(7)

式中:前兩項對應聯盟不平衡結算收益;πω為包含風電出力及價格的場景ω概率;Pdownωt、Pupωt為場景ω下的正負不平衡功率;后兩項對應抽蓄機組的啟停成本;nsuωt、nsdωt分別為t時刻場景ω下抽蓄電站啟停的機組數目;csu、csd為單個抽蓄機組啟停成本。

2.2 約束條件

2.2.1 功率平衡約束

式中:Pwpcωt為多個風電場在場景ω下的實際出力;dpsωt、gpsωt分別表示抽蓄機組的抽水及發電的出力值;yωt為表示不平衡功率狀態的二進制變量;M1和M2為足夠大的正數。其中式(9)(10)借助二進制變量表征系統不平衡狀態,描述了正負不平衡功率。通過目標函數(7)以及約束(8)—(10),聯盟在日前市場的競標策略中將日前市場與實時平衡市場間的耦合關系考慮了在內。

2.2.2 風電及抽水蓄能機組的約束

1)風電出力約束。

式中:γ為抽蓄機組運行效率;vhωt、vlωt為抽蓄電站上下水池蓄水量;vh min,vh max、vl min、vl max為抽蓄電站上下蓄水池的容量限制參數。

3)抽蓄電站抽放電約束。

式中:dps min、dps max、gps max分別表示抽蓄機組的抽水及發電的出力及限值;N、nωt分別為抽蓄電站中總機組數目及運行在抽水狀態的機組數目,其中互補性約束(20)保證抽蓄機組同一時刻只能有一個工作狀態。

2.2.3 CVaR相關約束

文中條件風險價值CVaR用來度量由于電價不確定性以及風電出力不確定性導致總收益變動的風險。對于一個離散的收益分布來說,當置信水平為α時,CVaR對應小概率(1-α)場景集合的期望收益,CVaR及其相關約束可表示為[24]:

式中:ξ為風險價值(value at risk,VaR);ηω為場景ω下收益與風險價值的差額。

綜上,目標函數(5)和約束(9)—(23)即為考慮條件價值風險的兩階段多風電場與抽水蓄能電站聯合競標隨機優化模型,模型求解方法見3.4節。

3 基于合作博弈論的收益分配模型

本文的收益分配問題是指聯盟整體參與現貨市場所得收益在多個風電場和抽水蓄能電站之間的分配。

合作博弈論為解決多個參與者之間的利潤分配問題提供了很好的解決思路[25]。不同于非合作博弈論,合作博弈論更多的強調整體理性,強調公平和效率,這點恰恰是電力市場運行的目的所在。合作博弈論更能從市場經濟的角度度量各參與者對聯盟整體的貢獻程度,促使多個參與者之間有效合作,特別是針對我國正處于現貨市場建設初期,公平的收益分配模式有利于市場的穩定運行、市場主體競爭意識的培養以及所組成聯盟的穩定。

3.1 收益分配方式的選擇

基于合作博弈的分配方法有核心、核仁、穩定集、談判集、Shapley值等。基于Shapley值的收益分配方式根據各盟員對聯盟的邊際貢獻分配收益,可以很好的體現各盟員對聯盟參與電力現貨市場收益的貢獻程度,過程清晰,易于理解,因此優先考慮利用Shapley值對收益在聯盟中進行分配。

但基于Shapley值的分配方式僅限于對凸博弈使用,否則將無法保證聯盟穩定性[26]。針對收益在風電商及抽水蓄能電站間的分配問題時,可將所有風電商視為一個整體,則此時聯盟中只有兩個成員,顯然滿足凸博弈所需的聯盟報酬遞增條件。而針對收益在多風電商間的分配問題時,若聯盟中已存在與某個風電場i出力完全正相關的風電場,則該風電場i的加入可能難以滿足聯盟報酬遞增,此時合作博弈為非凸博弈,不能用Shapley值解決[26]。

考慮到合作博弈論中的核仁解具有必定存在且唯一性,基于核仁解的分配思想是尋找一個可以使所有聯盟成員滿意度最高的方式,此時的收益分配方式x*即為合作博弈的核仁。設大聯盟N參與現貨市場競標,S為大聯盟N的任一子集,則S對大聯盟N獲得預期收益的分配方式x的滿意度可由過度e(S,x)衡量,如下式所示:

e(S,x)=V(S)?x(S)(24)

式中:V(S)為若聯盟S參與現貨市場可獲得的預期收益,可理解為聯盟S自身在現貨市場取得收益的能力;x(S)為S中各成員實際可分得的收益之和。

由式(24)可知,過度e(S,x)為聯盟S聯合參與現貨市場的收益與聯盟中各主體分得的收益的差值,可表征聯盟S對收益分配方式x的滿意度。過度e(S,x)越小,則說明聯盟S對分配方式x的滿意度越高。而合作博弈的核仁解即為滿意度最高的分配方式,該分配方式x*使所有聯盟組合中最不滿意的聯盟不滿意程度最小化[27]。核仁解對應的分配方式為聯盟滿意度最高的方式,也能較為合理公平地解決收益分配問題,因此當Shapley值不適用的情況,可利用核仁解的方式對收益進行分配。

因此,本文將收益分配問題分為2部分:首先將總收益在抽水蓄能電站和風電商整體間基于Shapley值進行分配,之后再將風電商整體分得的收益利用核仁解在各個風電場之間進行分配。

3.2 風電商和抽水蓄能電站間的收益分配

風電商和抽蓄之間的收益分配采用基于Shapley值的分配方法,如下:

式中:S表示大聯盟N下的子聯盟;s為聯盟S的成員數;n為聯盟中的成員數。

首先需要利用前述所提的二階段隨機優化模型分別求出抽水蓄能電站單獨參與現貨市場所得預期收益Rps、只有風電商聯合參與現貨市場所得預期收益Rwc(上述聯合競標模型中去掉抽蓄/風電相關約束及變量即可得到風電/抽蓄單獨參與市場競標策略模型)以及多個風電商和抽水蓄能電站聯合參與現貨所得預期收益Rwps,由下兩式可知具體收益分配為

式中Xwc、Xps分別為風電商整體和抽水蓄能電站所分得的收益。

3.3 風電商間的收益分配

多風電商間收益分配采用基于核仁解的分配方法。根據上面介紹,基于核仁解的收益分配問題可轉化為如下的優化模型[28]。

式中:V(i)對應風電商i單獨參與現貨市場所得的收益;配置向量x即為滿足核仁解的收益配置方式。

3.4 模型求解

綜上,本文所提的多風電及抽水蓄能電站日前優化決策模型及對應的收益分配方法計算流程如圖3所示,整體包括3步:場景生成、日前競標策略形成及預期收益計算、收益分配。

圖3 所提模型的計算流程圖 Fig. 3 Calculation flowt of the proposed model

模型求解時,需要依次求解N個風電場組成的2N-1個子聯盟參與現貨市場所得的預期收益、以及N個風電場與抽水蓄能機組聯合參與現貨市場所得的預期收益,并在此基礎上分別基于Shapley值和核仁解分配收益,其中收益分配問題均為線性問題。分析由目標函數(5)和約束(9)—(23)組成的二階段隨機優化模型可知,抽水蓄能機組互補性約束式(20)為非線性項,可用Fortuny-Amat-McCarl線性化方法轉化為如下形式[29]:

式中:ψωt是為了將互補性約束線性化引入的二進制變量,表征抽蓄機組工作狀態;M3為足夠大正數。

這樣本文所提的多風電場和抽水蓄能電站聯合競標策略模型轉化為混合整數線性規劃模型,基于核仁解的收益分配問題為線性規劃問題,均可用現有的商業軟件進行快速求解。本文通過MATLAB調用CPLEX對所建立的模型進行求解。

4 算例分析

4.1 算例設置

算例中聯盟包含3個風電商,1個抽水蓄能電站。抽水蓄能電站的運行參數如表1所示,3個風電商預測精度分別設為5%、10%、15%,裝機容量均為100 MW。對于風電出力不確定性建模,以西北某區域3個風電場實際出力等比例調整后作為風電預測值,基于該預測方法的統計誤差通過蒙特卡洛抽樣對各子聯盟均生成500個風電出力場景。日前市場價格采自PJM電力市場,平衡市場價格懲罰系數φdown、φup取0.8、1.2,生成20個價格場景,則風電出力及平衡市場價格共104個場景,利用場景縮減方法將場景縮減至10個,具體實現方法見前序工作[30]。

表1 抽水蓄能機組參數 Tab. 1 Pumped-storage acteristics

一般來說,風電場間的出力相關性由風電出力歷史數據統計而得的相關系數矩陣表示,由于該部分并非本文關注重點,除特殊說明外,風電場間出力相關系數取0.1。CVaR的置信水平α=0.95,風險偏好系數取為1。

4.2 算例結果及分析

求解得到各市場主體對應的最優競標策略如圖4所示,其中風電商合成申報曲線由各風電商單

獨參與市場的申報曲線加和所得。

由圖4抽水蓄能電站單獨參與現貨市場的申報曲線(灰色曲線)可以明顯看出,在負荷低谷電價較低時,抽蓄電站適當買入部分電量儲存,并在下午用電高峰期時段賣出,通過套利模式在現貨市場獲得收益。

圖4 各市場主體最優競標策略 Fig. 4 Optimal offering strategies of market agents

對比曲線2、3可見,抽水蓄能電站加入后,原有的風電商聯盟在負荷高峰時段申報功率提高,而在負荷低谷時段申報功率降低,即聯盟將電價較低時的一部分電能轉移到高電價時期出售,也就是抽水蓄能電站的加入在一定程度改善了風電商反調峰特性,進而使聯盟在現貨市場獲得更多收益。

圖4中風電商單獨競標得到的合成申報曲線略低于風電商聯合申報曲線,這主要是因為風電商單獨參與電力現貨市場時,由于事后的不平衡結算的影響,出于風險規避的考慮,各風電商競標趨于保守。而風電商聯合競標后,由于風電場間出力相關系數較小,各風電商實際出力偏差可在一定程度上正負相抵,因而申報曲線相對較高,對應的市場預期收益也較高。

為驗證所提的聯合競標模型能否有效將日前和平衡市場的耦合關系考慮在內,圖5給出了未考慮日前和平衡市場耦合關系、以及考慮耦合關系且在不同平衡市場價格懲罰系數下的競標策略及其預期收益(其中日前收益和總預期收益數值相對較大,因此在圖中的單位為10$)。

圖5 不同懲罰系數下聯盟競標策略及預期市場收益Fig. 5 Offering strategies and expected market revenue of coalition under different penalty coefficient

image 6 of 10

previousnextclose

對比不同價格懲罰系數下的日總競標功率可以看出,若不考慮日前與實時的耦合,則聯盟只根據風電出力和電價預測進行投標,不同價格懲罰系數下競標功率相同;而本文所提的模型可以很好地將實時可能的不平衡結算情況考慮在內,做出更優的日前競標策略,能獲得更高的預期市場收益。例如當欠發/超發價格懲罰系數為1.2、0.95時,此時平衡市場上調電量價格較高,即對欠發的懲罰較為嚴苛,所提模型考慮了這一情況,在日前競標時較為保守以盡可能避免實時出現欠發情況,在圖上也可以明顯看出,此時對應的平衡市場上調預期負收益也相對較低。若不考慮日前與實時耦合,則無法根據實際的平衡結算規則調整日前競標策略,可能需要支付較高的上調費用,進而使預期的市場總收益下降。

表2 不同聯盟情況下預期收益情況 Tab. 2 Expected revenue in different coalitions

4.2.1 風電預測精度及出力相關系數對收益分配的影響

1)風電預測精度對收益的影響。

對比分析表2中各風電商參與聯盟后分得的收益和單獨參與現貨市場的收益可知。各風電場參與聯盟后,收益均有明顯提升,但提升的比例各有不同,依次為10.2%、5.31%、4.61%,這主要是因為各風電場本身預測精度的不同。不同的預測精度對應了各風電場單獨參與現貨時不同的收益情況,進而導致了參與聯盟后所分收益的差異。表2中收益分配的結果也證明了本文所提收益分配模型的合理性,也反映出現貨市場環境下,風電等新能源主體歸根到底要從提升自身發電預測能力出發,增強市場競爭力。

2)風電場間出力相關系數對收益的影響。

風電場間出力相關系數度量了各風電場出力的相關程度,為研究風電出力相關系數對各風電商收益的影響,圖6給出了不同出力相關系數下,風電商加入聯盟后收益增長率的變化情況。

圖6 不同出力相關系數下風電商收益變化情況 Fig. 6 Revenue change of wind producers under different coefficients

由圖6結果可以明顯看出,隨著風電場間出力相關系數的增加,各風電場聯盟后的收益變化率均有所下降。這主要是由于較高的風電出力相關系數意味著風電場間的空間集群效應減弱,即聯合出力對應的預測誤差變高,因而風電商聯盟后的收益增加減少,最終各風電場分得的收益也減少了。

橫向對比各風電場的收益變化情況可以發現,隨著出力相關系數的提高,風電場1收益增長率下降的幅度最大。這主要是因為出力相關系數提高導致風電商通過聯盟參與現貨市場獲得的超額收益變少,在此基礎上,收益的分配勢必會對之前收益增長率最高的風電場1產生較大的影響。除此之外,在出力相關系數較大時,風電場2聯盟后的收益增長率低于風電場3,這是因為風電場3單獨參與現貨市場時收益相對較低,因而即使最終分配的收益較少,收益增長率也可能較高。

4.2.2 風險偏好系數對運行策略的影響

為比較不同風險偏好系數的設置對聯盟運行策略及收益的影響,圖7給出了不同風險偏好系數下聯盟整體預期收益及CVaR有效前沿。

圖7 CVaR及聯盟預期收益的有效前沿 Fig. 7 Efficient frontier of CVaR vs expected revenue

可以看出,隨著風險偏好系數的增加,聯盟預期總收益逐漸較少,CVaR逐漸增加,且當風險偏好系數較小時,聯盟預期總收益隨CVaR的增加減少緩慢;但當風險偏好系數較大時,CVaR即使增加較小的數值仍會使聯盟預期總收益大幅下降。

考慮到本文所提模型中聯盟參與現貨市場對應的收益不確定風險主要來源于風電不確定性導致的不平衡結算風險,而聯盟中抽蓄電站可依據第二階段的實時情況調整自身的運行狀態盡可能減少不平衡電量,因而抽蓄運行模式受聯盟風險偏好程度影響較大。圖8描繪了不同風險偏好系數下聯盟中抽水蓄能機組的申報情況。

圖8 不同風險偏好系數下聯盟中抽水蓄能電站競標策略 Fig. 8 Offering strategies for pumped-storage stations under different risk preference coefficients

由圖可知隨著風險偏好系數β的增加,抽蓄機組逐漸改變原有的利用電價差套利的最優運行狀態,申報功率趨于保守,逐步變為盡可能保持半蓄水狀態以最大限度的對可能的風電實時出力不平衡進行調節,這一結果也再次說明本文所提競標策略模型能夠很好的將第二階段可能的實時情況考慮在內。

5 結論

針對我國電力現貨市場建設初期,缺乏風電等新能源主體參與現貨市場的優化運行策略,本文基于合作博弈論,提出了風電-抽水蓄能電站聯合參與現貨市場的優化運行策略及收益分配模型。考慮風電出力不確定性及在平衡市場中面臨的風險,建立了兩階段隨機優化模型,能夠給出風儲聯盟的日前優化運行策略,能夠分析風電預測精度、多風場出力相關性、市場成員風險態度等因素對聯盟參與現貨市場運行策略及收益分配的影響。算例驗證了所提模型的有效性以及收益分配的合理性。研究成果為新能源、儲能等多元市場主體參與現貨市場的行為決策提供理論指導。

參考文獻

[1]國家發展和改革委員會新能源研究所.中國2050高比例可再生能源發展情景暨路徑研究[R/OL].(2015-11-02)[2018-11-02].

[2]國家能源局綜合司.關于進一歩推進電力現貨市場建設試點工作的意見(征求意見稿)[R/OL].(2019-03-07)[2019-03-10]..

[3]馬莉,范孟華,郭磊,等.國外電力市場最新發展動向及其啟示[J].電力系統自動化,2014,38(13):1-9.MaLi,FanMenghua,GuoLei,et al.Latest development trends of international electricity markets and their enlightenment[J].Automation of Electric Power Systems,2014,38(13):1-9(in Chinese).

[4]南方能源監管局.廣東電力市場運營基本規則(征求意見稿)[R/OL].(2018-08-31)[2018-12-31].http://nfj.nea.gov.cn/ adminContent/initViewContent.do?pk=402881e56579be6301658d7123c2001a.

[5]North American Electric Reliability Corporation (NERC).Accommodating high levels of variable generation,special report[R].Princeton,NJ,special report [R].Princeton,NJ,USA,2009.

[6]梁子鵬,陳皓勇,雷佳,等.考慮風電不確定度的風-火-水-氣-核-抽水蓄能多源協同旋轉備用優化[J].電網技術,2018,42(7):2111-2119.LiangZipeng,ChenHaoyong,LeiJia,et al.A multi-source coordinated spinning reserve model considering wind power uncertainty[J].Power System Technology,2018,42(7):2111-2119(in Chinese).

[7]Morales JM,Conejo AJ,Pérez-RuizJ.Short-term trading for a wind power producer[J].IEEE Transactions on Power Systems,2010,25(1):554-564.

[8]BaringoL,Conejo AJ.Strategic offering for a wind power producer[J].IEEE Transactions on Power Systems,2013,28(4):4645-4654.

[9]ZugnoM,Morales JM,PinsonP,et al.Pool strategy of a price-maker wind power producer[J].IEEE Transactions on Power Systems,2013,28(3):3440-3450.

[10]BaringoL,Conejo AJ.Offering strategy of wind-power producer: a multi-stage risk-constrained approach[J].IEEE Transactions on Power Systems,2016,31(2):1420-1429.

[11]BanaeiM,Oloomi-BuygiM,Zabetian-Hosseini S M.Strategic gaming of wind power producers joined with thermal units in electricity markets[J].Renewable Energy,2018,115:1067-1074.

[12]Guerrero-MestreV,de la Nieta A A S,ContrerasJ,et al.Optimal bidding of a group of wind farms in day-ahead markets through an external agent[J].IEEE Transactions on Power Systems,2016,31(4):2688-2700.

[13]Garcia-GonzalezJ,de la Muela R M R,Santos LM,et al.Stochastic joint optimization of wind generation and pumped-storage units in an electricity market[J].IEEE Transactions on Power Systems,2008,23(2):460-468.

[14]WangJ,Kennedy SW,Kirtley JL.Optimization of forward electricity markets considering wind generation and demand response[J].IEEE Transactions on Smart Grid,2014,5(3):1254-1261.

[15]PapavasiliouA,Oren SS.Large-scale integration of deferrable demand and renewable energy sources[J].IEEE Transactions on Power Systems,2014,29(1):489-499.

[16]張劉冬,殷明慧,卜京,等.基于成本效益分析的風電-抽水蓄能聯合運行優化調度模型[J].電網技術,2015,39(12):3386-3392.ZhangLiudong,YinMinghui,BuJing,et al.A joint optimal operation model of wind farms and pumped storage units based on cost-benefit analysis[J].Power System Technology,2015,39(12):3386-3392(in Chinese).

[17]鄒金,賴旭,汪寧渤.以減少電網棄風為目標的風電與抽水蓄能協調運行[J].電網技術,2015,39(9):2472-2477.ZouJin,LaiXu,WangNingbo.Mitigation of wind curtailment by coordinating with pumped storage[J].Power System Technology,2015,39(9):2472-2477(in Chinese).

[18]劉斌,陳來軍,汪雨辰,等.應對風電出力不確定性的備用成本分攤:聯盟博弈方法[J].控制理論與應用,2016,33(4):437-445.LiuBin,ChenLaijun,WangYuchen,et al.Allocating reserve cost for hedging against wind generation uncertainty:a coalitional-game- theoretic approach[J].Control Theory & Applications,2016,33(4):437-445(in Chinese).

[19]何永秀,宋棟,夏天,等.基于合作博弈論的常規能源與新能源發電權置換交易模式研究[J].電網技術,2017,41(8):2485-2490.HeYongxiu,SongDong,XiaTian,et al.Mode of generation right trade between renewable energy and conventional energy based on cooperative game theory[J].Power System Technology,2017,41(8):2485-2490(in Chinese).

[20]譚俊源,黃月婷,潘凱.基于核仁的輸電網固定成本分攤對用戶的經濟激勵[J].電網技術,2008,32(S2):226-229.TanJunyuan,HuangYueting,PanKai.Economic stimulation for consumers from nucleolus solution based fixed transmission cost allocation[J].Power System Technology,2008,32(S2):226-229(in Chinese).

[21]馬溪原.含風電電力系統的場景分析方法及其在隨機優化中的應用[D].武漢:武漢大學,2014.

[22]Chaves-ávila JP,Hakvoort RA,RamosA.The impact of European balancing rules on wind power economics and on short-term bidding strategies[J].Energy Policy,2014,68(5):383-393.

[23]VandezandeL,MeeusL,BelmansR,et al.Well-functioning balancing markets:a prerequisite for wind power integration[J].Energy Policy,2010,38(7):3146-3154.

[24]CarrionM,Philpott AB,Conejo AJ,et al.A stochastic programming approach to electric energy procurement for large consumers[J].IEEE Transactions on Power Systems,2007,22(2):744-754.

[25]Thmas LC.Games-theory and applications[M].Ellis:Horwood Limited,1984:120-150.

[26]Baeyens,Bitar,Khargonekar,et al.Wind energy aggregation:a coalitional game approach[C]//Decision & Control & European Control Conference.IEEE,2011.

[27]伍棟文,于艾清.大規模多源聯合外送協調調度中基于核仁理論的利潤分配[J].電網技術,2016,40(10):2975-2981.WuDongwen,YuAiqing.Research on nucleolus theory based profit distribution method for joint delivery system of large-scale hybrid power generation[J].Power System Technology,2016,40(10):2975-2981(in Chinese).

[28]BaeyensE,Bitar EY,Khargonekar PP,et al.Coalitional aggregation of wind power[J].IEEE Transactions on Power Systems,2013,28(4):3774-3784.

[29]Gabriel SA,Conejo AJ,Fuller JD,et al.Complementarity modeling in energy markets[M].Springer Science & Business Media,2012.

[30]周明,武昭原,賀宜恒,等.兼顧中長期交易和風電參與的日前市場出清模型[J/OL].中國科學:信息科學..Zhou Ming,Wu Zhaoyuan,He Yiheng,et al.A day-ahead electricity market clearing model considering medium-and long-term transactions and wind producer participation[J/OL].Scientia Sinica Informationis.(in Chinese).

原標題:基于合作博弈論的風儲聯合參與現貨市場優化運行策略

關鍵字:儲能 電力現貨市場 風電儲能

中國儲能網版權聲明:凡注明來源為“中國儲能網:xxx(署名)”,除與中國儲能網簽署內容授權協議的網站外,其他任何網站或者單位如需轉載需注明來源(中國儲能網)。凡本網注明“來源:xxx(非中國儲能網)”的作品,均轉載與其他媒體,目的在于傳播更多信息,但并不意味著中國儲能網贊同其觀點或證實其描述,文章以及引用的圖片(或配圖)內容僅供參考,如有涉及版權問題,可聯系我們直接刪除處理。其他媒體如需轉載,請與稿件來源方聯系,如產生任何版權問題與本網無關,想了解更多內容,請登錄網站:http://www.wxlbwb.live

相關報道

500彩票