基于机制设计的可控负荷需求响应菜单定价研究

孙 沛， 党 倩， 袁 昊， 李 兴， 张 俊

(1.国网甘肃省电力公司 信息通信公司，甘肃 兰州 730050；2.深圳市华阳国际工程设计股份有限公司 长沙分公司，湖南 长沙 410007)

基于机制设计的可控负荷需求响应菜单定价研究

孙 沛1， 党 倩1， 袁 昊1， 李 兴1， 张 俊2

(1.国网甘肃省电力公司 信息通信公司，甘肃 兰州 730050；2.深圳市华阳国际工程设计股份有限公司 长沙分公司，湖南 长沙 410007)

随着高级量测体系(AMI)为核心的智能电网技术的发展，用户从完全被动的电力消费者转变成主动的需求响应参与者。为了促进用户积极的响应电网调度，减小用户与电网之间信息不对称产生的信息成本，引入机制设计理论，借助可控负荷参与市场交易时的报价信息划分用户类型，提出了以系统供电成本最小为目标的用户类型离散的可控负荷菜单定价方法。通过IEEE-30节点系统算例仿真，设计出适用于5种用户类型的菜单电价，通过菜单电价和固定电价下系统供电成本和用户总负荷减少量和利润的对比分析，表明引入机制设计理论的菜单定价能够节约系统供电成本，有效促使用户主动上报真实类型信息并获得更多的利润回报，提高可控资源的利用效率。

报价信息； 需求响应； 菜单定价； 机制设计； 激励相容

0 引言

为确保间歇性风能、太阳能等可再生能源大量接入后的电力系统的安全稳定运行，必须具备充足的可控、可调度资源，以确保发电和用电的实时平衡。除传统的发电机组作为可调度资源外，需求侧终端用户中拥有快速响应能力的可控负荷对维持电力系统的供需平衡及安全稳定运行同样重要[1]。面对以高级量测体系(AMI)为核心的智能电网技术的快速发展，用户从完全被动的不可控负荷转变为主动参与电网调度的可控负荷，从而发挥终端用户的资源配置效益和节能减排能力[2]。需求响应(Demand Response, DR)作为需求侧管理的重要手段之一，是指用户针对系统调度提供的价格或者激励手段，改变原有用电模式，达到减少或者推移某时段用电的行为[3]，从而实现削峰填谷，提高系统资源的利用效率[4]。随着越来越多的用户参与到电网的运行与管理，种类各异的终端用户的负荷需求和对电价响应能力的差异性，以及用户和电网之间的信息不对称给电价的制定带来了新的问题。为此，如何设计合理、有效的需求侧电价机制对调动用户参与需求响应的积极性，提高资源配置效率具有重要的理论意义和应用价值。

目前，国内外关于需求侧电价设计的研究成果主要集中在实时定价、分时定价、可中断负荷补偿定价方法等方面。文献[5] 通过刻画用户对价格信号的响应程度以及用户满意度等因素，分析不同用户的用电特性，提出了电网公司与单用户博弈的分时电价定价模型。文献[6] 考虑风力发电的情况下，以系统净负荷期望值峰谷差最小为目标函数，建立了用户侧分时电价定价模型。针对可中断负荷，文献[7-8]研究了可中断负荷的激励性补偿价格，以鼓励用户签订可中断负荷合同。但是，上述模型均未涉及可控负荷参与电网调度的市场运营状态下的电价决策问题。为此，文献[9]探讨了用户参与实时平衡市场的需求响应竞价过程及其模型，并通过市场出清给出了按报价支付的定价方式。然而，这些电价决策模型是在市场信息完全对称的情况下，通过刻画用户总体的需求响应，分析不同电价机制对零售商和用户利益的影响，缺乏对种类各异的终端用户用电行为的定量分析，无法描述不同用户对价格响应的差异性和有效解信息不对称的问题。

基于上述分析，本文提出了以系统供电成本最小为目标的可控负荷菜单定价决策模型，通过引入激励相容约束，诱导用户披露真实的私有成本信息，促使用户积极参与电网调度。最后，算例结果验证了本文提出的定价方法的合理性和其有效性。

1 可控负荷需求响应模型

1.1可控负荷需求响应的市场结构

本文提出的需求响应计划是基于美国PJM日前或者小时前用户参与市场交易的过程[10]。负荷服务机构(LSE)利用经济措施诱导用户增加或减少负荷功率，参与市场交易，以促进用户主动改变用电方式，实现有效的需求侧管理和系统削峰填谷。LSE、分布式电源、可控负荷参与市场交易的结构如图1所示。

图1 需求侧参与市场交易结构

图2 可控负荷需求响应时序

1.2可控负荷需求响应模型

可控负荷根据价格信号做出响应、改变用电方式而调整负荷功率会产生相应的成本，其与功率调整的边际成本成正相关。本文选取一次函数形式来描述可控负荷功率调整成本，即：

(1)

对于用户而言，参与需求响应项目的收益来自于LSE给予的经济补偿和功率调整成本的差值，则用户i参与需求响应获得的收益Udi为：

(2)

式中：λ为补偿电价。

然而，当用户决定参与市场交易时，负荷功率增减量的大小取决于给定补偿电价的高低、改变用电方式所带来的成本以及自身的负荷需求等因素。文献[12]描述了用户功率裁减量和价格之间的指数函数关系。当用户参与市场交易时，用户类型参数的大小反映了用户增减功率的边际成本，只有当系统提供的补偿电价大于边际成本时，用户才愿意参与市场交易。为此，功率增减补偿电价与用户类型参数的差值在一定程度上反映了用户愿意参与电网调度和市场交易的程度。用户增减功率量与用户类型参数、补偿电价和需求弹性系数之间满足如下关系：

(3)

(4)

图3 功率调整量、需求弹性系数、补偿电价之间的关系

2 机制设计理论

机制设计理论主要研究的是在自由选择、自愿交换、信息不完全及决策分散化的条件下，能否设计一套机制，使经济活动参与者的个人利益和设计者既定的目标一致[13-14]。通常情况下，机制设计主要涉及到2个方面[15]：一是由于设计者与参与者的信息不对称所引起的相关信息成本问题；二是机制的激励方面，即在设计者所设计的机制下能否实现设计者与参与者的目标方向一致。

因此，设计者在机制设计时，要使得该机制不仅能为参与者带来最大的效益，而且也能实现设计者既定的目标。为此，机制设计者需要考虑下列2个约束：

(5)

(2)激励相容约束：实现设计者和参与者的目标方向一致，即如果设计者的期望抉择能给他带来最大的期望效用，他才愿意积极的选择该策略。因此，激励相容约束可表示为：

(6)

上式可理解为，只有参与者i上报真实私有信息时才能获得最大收益，即机制设计理论能够有效地诱导参与者披露真实私有信息，在实现参与者个人利益最大的同时达到设计者的预期目标。

3 基于机制设计的菜单定价过程

在电力市场具体环境下，机制的设计者可以是指负荷服务机构(LSE)，可控负荷用户为机制的参与者。每个用户具有自己的属性特征，为用户的私有信息，LSE并不能准确地获知。针对LSE与用户的信息不对称，避免引发用户需求响应的策略性上报行为，引入机制设计理论，引导用户上报真实类型信息并获得最大收益。基于机制设计理论面向需求响应的可控负荷菜单定价过程为：

(1) LSE根据系统变量实时情况和批发市场电价λiso，发布功率调整需求信号。

(3) LSE根据可控负荷参与需求响应的特点，选择可控负荷功率调整量和补偿电价作为菜单组合项目。根据用户类型划分，为可控负荷用户设计K+、K-种“菜单”选项组合。每种菜单选项分别对应的功率调整量和补偿电价为(ΔP+,λ+)和(ΔP-,λ-)。其菜单参数如表1所示。

表1 菜单参数说明

(5)应用机制设计理论，并以系统供电成本最小为目标进行市场统一出清，确定菜单电价组合，即补偿电价和可控负荷功率调整量。菜单电价组合的决策流程如图4所示。

图4 菜单电价决策流程图

4 基于机制设计的可控负荷需求响应菜单定价模型

4.1目标函数

为了实现不同类型可控负荷的差别定价，基于用户类型划分，在最大化利用分布式可再生能源发电和满足电力网络和设备运行约束的前提下，提出以系统供电成本最小为目标的可控负荷菜单定价模型。考虑LSE和用户之间的信息不对称，引入激励相容约束，引导用户披露真实的私有信息，激励用户自愿参与市场交易，在满足用户市场收益最大化的同时，减少LSE的供电成本，其目标函数为：

(7)

可控负荷需求响应的补偿成本主要体现在LSE支付给参与需求响应的用户负荷功率调整的补偿费用。由于LSE并不知道用户具体选择哪种菜单选项，因此，补偿成本和补偿电价以及功率调整量有关，其值为用户选择各类菜单选项所获补偿的期望值，其数学表达式为(假设用户选择每一种类型的概率相同)：

(8)

常规发电机组的生产成本采用二次函数形式，即：

(9)

式中：Pgn为节点n的常规发电机的出力；agn、bgn为常数，分别为节点n常规发电机的运行成本系数。

风电机组的发电成本包括3部分[16]，即：

(10)

式中：Pwn,s表示节点n的风力发电功率；cwn为成本系数；cwn,u、cwn,o分别为低估和高估惩罚成本系数；Pwn为节点n实际可用风力发电功率；[x]+=max{x,0}。

4.2约束条件

(1)机制设计中参与约束，即它要鼓励用户自愿参与，必须使用户所获得的利润至少大于0，数学表达式如下：

(11)

(12)

(2)机制设计中激励约束，即当可控负荷用户上报的类型信息为真实类型时，用户所选择的菜单电价组合获得的收益最大。即：

(13)

(14)

(3)功率平衡约束：

(15)

(16)

(4)可控负荷对电价响应函数等式约束：

(17)

(18)

式中：εk为第k类型用户的需求弹性因子。

(5)线路约束：

(19)

(20)

式中：ηln为节点n对系统输电线路l注入功率的灵敏度系数；Tl为输电线路l的传输功率最大值；L为系统线路总数。

(6)可控负荷功率增减约束：

(21)

(22)

(7)发电机组出力约束：

(23)

(24)

4.3激励相容约束处理

考虑激励相容约束时，披露真实信息的利润大于其他策略性上报信息的利润的约束，称为全局约束，如式(11)、(12)所示；只考虑披露真实类型和相邻类型收益的关系称为局部激励约束。因此，模型中的激励约束可表示为2种局部约束：

(25)

(26)

式(25)为向下的局部激励约束；式(26)为向上的局部激励约束；由于考虑所有激励相容约束条件会产生很大的工作量，并难以求解模型。为此，根据文献[17-18]中Spence和Mirrlees提出的斯宾塞-莫里斯(Spence-Mirrlees)条件，只考虑局部激励约束时也能满足全局约束从而简化激励相容约束的求解。

Spence-Mirrlees条件：假设用户的效用函数定义在配置(λ,ΔP)的空间和用户类型θ的空间上，表示为U(λ,ΔP,θ)。任意给定U(λ,ΔP,θ)，用户效用函数满足以下性质：

(27)

Spence和Mirrlees证明，若用户的效用函数满足式(27)时，模型的求解中只要考虑向上的局部激励约束就能满足全局约束。显然可控负荷用户需求响应的效用函数式(2)满足Spence-Mirrlees条件。因此，论文的激励约束只考虑向上局部激励约束式，可以表示为：

(28)

(29)

5 算例分析

5.1系统参数设定

以需求响应减功率模型为例，采用IEEE-30节点系统进行数据仿真。假设风电场在7节点接入系统，风速服从Weibull分布，风速与风机最大可用输出功率之间的关系如文献[19]所示，LSE在批发市场的购电价格为92$/MW·h。在3、10、15、21节点上接入可控负荷，且同一个节点上的可控负荷用户类型参数相同，其节点上可控负荷的参数如表2所示。常规发电机组和风电机组参数如表3和表4所示。

表2 节点可控负荷参数

表3 常规发电机组参数

表4 风电机组参数

5.2用户类型划分

考虑到每个用户需求响应的程度不一样，本文根据用户愿意参与市场交易的程度，将用户划分为“非常愿意”、“愿意”、“一般”、“不太愿意”、“不愿意”(在LSE提供利润补偿的前提下，假设所有用户都会参与需求响应，但负荷减少量不一样)5种类型。因此，选取2015年9月每晚20：20分，美国PJM市场400组用户减功率的报价数据(报价值和功率调整量上限值)，通过k均值聚类方法(取k=5)选取5种不同报价参数(5组聚类中心值)来一一对应用户的5种类型，如表5所示。

表5 可控负荷类型数据

从表5可以看出，随着用户愿意参与市场交易的程度提升，其弹性系数和功率调整的上限值也相应的提高，而参与交易时的报价值则会相应的降低，表明用户参与市场交易的减功率成本越低，则更愿意参与市场交易，用户越会上报较低的报价值和较高的功率调整值来提高参与市场交易的成功性，这与实际情况符合。

5.3基于机制设计的菜单电价及对用户需求响应程度和供电成本的影响

基于菜单电价决策模型求解，在考虑机制设计理论下，可控负荷菜单组合电价如表6所示。

从表6可以看出，在菜单定价模式下，针对5类不同的用户，设计了5种不同的菜单选项。每种菜单选项包含4个信息，即可控负荷报价、功率调整上限值、需求弹性系数以及补偿电价。

考虑机制设计理论下，定量分析各类菜单电价对系统供电成本的影响，参数设置如表7所示，当采用固定电价时，分别考虑对用户进行分类和不分类2种情形。不分类时，假设用户对应C、D、E、F4种不同类型的参数设置。不同用户的负荷减少量和系统供电成本如图5、6所示。

表7 6种可控负荷功率调整补偿电价设置

图5 不同电价下的用户功率减少量

图6 不同电价下LSE供电成本

图5、6反映了不同电价下用户负荷减少量以及系统的供电成本。从图中可以看出，当采用菜单电价时(A情形)，用户负荷减少量均大于采用固定电价时的负荷减少量，且此时系统的供电成本最小。这说明由于系统提供了多种菜单选项，不同类型的用户会根据功率调整成本和对价格响应的差异性，选择相应的菜单电价选项，参与电网的调度，从而促使更多的用户自愿参与需求响应计划。用户负荷减少量的增加虽然增大了系统支付给用户的补偿成本，但由于降低了系统高峰负荷，减少了信息成本，有效地节约了系统的供电成本。此外，BCDEF 5种情况表明，用户负荷减少量的大小与其功率调整的边际成本有关，边际成本越高，负荷减少量越小，则系统需利用更多的发电资源来确保供需的实时平衡。

5.4考虑机制设计的菜单电价下用户利润分析

若节点3、10、15、21上的用户真实类型分别为23.55(类型5)、31.47(类型3)、39.57(类型2)、43.58(类型1)，各用户采用策略性上报类型所获得收益情况如表8所示。

表8 各类菜单电价下用户的功率减少量和利润分析

6 结论

本文考虑电力市场中信息不对称的情况，借助可控负荷参与市场交易时的报价信息划分用户类型，构建了基于机制设计的可控负荷需求响应菜单定价模型。该模型能够促进用户积极参与电网调度，减少信息不对称产生的信息成本，有效地减少系统供电成本，实现资源的优化配置。数据仿真结果验证了该定价模型的合理性。

[1] WU Y，LAU V K N，TSANG D H K． Optimal energy scheduling for residential smart grid with centralized renewable energy source[J]．Systems Journal，2014，8(2)：562-576．

[2]SAMARAKOOM K，EKANAYAKE J，JENKINS N．Reporting available demand response[J]．IEEE Transactions on Smart Grid，2013，4(4)：1842-1851.

[3]杨旭英，周明，李庚银. 智能电网下需求响应机理分析与建模综述[J]. 电网技术，2016,40 (1):220-226.

[4]童小娇，尹昆，刘亚娟，等.包含可控负荷的微电网经济调度[J].电力自动化设备，2015,35(10):21-28.

[5]董军，张晓虎，李春雪，等.自动需求响应背景下考虑用户满意度的分时电价最优制定策略[J].电力自动化设备，2016,36(7):67-73.

[6]艾欣，周树鹏，赵阅群.考虑风电不确定性的用户侧分时电价研究[J].电网技术，2016，40(5):1529-1535.

[7]黄海涛，胡学英，李翔，等. 实用化的激励性可中断负荷最优补偿定价模型[J].电网技术，2014,38(8):2149-2154.

[8]RAMOS A, JONGHE C D, SIX D, et al. Asymmety of information and demand response incentives in energy markets[C]//2013 10th International Conference on EEM,May 27-31,2013,Stockhole，Sweden.New York：IEEE，2013:1-8.

[9]VLACHOS A G,BISKAS P N. Demand response in a real-time balancing market clearing with pay-as-bid pricing[J]. IEEE Transactions on Smart Grid, 2013,4(4): 1966-1975.

[10]ZHANG H, XIE L, XIA Q. Coupon incentive-based demand response: theory and case study[J]. IEEE Transactions on Power Systems, 2013,28(2): 1266-1276.

[11]Nodal protocol of Ercot [EB/OL]. http://www.ercot.com/mktrules/nprotocols/current., 2003-05-08.

[12]MNATSAKANYAN A, KENNEDY S. Optimal demand response bidding and pricing mechanism: Application for a virtual power plant[C]// 2013 1st IEEE Conference on Technologies for Sustainability,August 1-2,2013,Portland，OR,USA.New York,2013:167-174.

[13]HURWICZ L. Mathematical methods in the social sciences[M]. San Francisco：Stanford University Press,1960.

[14]HURWICZ L. Decision and organization[M]. Amsterdam: North-Holland,1972.

[15]谢青洋，应黎明，祝勇刚.基于经济机制设计理论的电力市场竞争机制设计[J]. 中国电机工程学报, 2014，34(10):1709-1716.

[16]ZHAO J, WEN F, DONG Z, et al. Optimal dispatch of electric vehicles and wind power using enhanced particle swarm optimization[J]. IEEE Transactions Industrial Informatics, 2012,8(4): 889-899.

[17]SPENCE M. Job market signaling[J]. Quarterrly Journal of Economics,1973,87(3):355-374.

[18]MIRRLES J. An exploration in the theory of optimum income taxation[J]. Review of Economic Studies,1971,38(2):175-208.

[19]季峰，蔡兴国，王超柱. 基于弱鲁棒优化的含风电电力系统调度方法[J]. 中国电机工程学报，2016，36(17)：4600-4608.

A Study on the Menu-pricing for Demand Response of Controllable Load Based on Mechanism Design

SUN Pei1， DANG Qian1， YUAN Hao1， LI Xing1， ZHANG Jun2

(1.Information & Communication Corporation, State Grid Gansu Electric Power Company, Lanzhou 730050, China;2. Shenzhen Huayang International Engineering Design Co. Ltd., Changsha Branch, Changsha 410007, China)

As the core of smart grid technology, advanced measurement system (AMI) develops fast. In recent years, users have changed from completely passive power consumers into active demand response participants. In order to facilitate the user′s proactive response to grid scheduling and reduce the information cost caused by information asymmetry between user and grid, this paper introduces the theory of mechanism design. Based on controllable load involved in market trading quote information, different user types are classified. A user-type discrete controllable load menu-pricing method is put forward as well, with its goal of minimum power supply cost. Through the simulation of IEEE-30 system, a menu price for 5 types of users is designed. The power supply cost and user total load reduction cutting and user profit obtained by the menu price system and fixed price system respectively are analyzed and compared, and the results show that the proposed menu-pricing based on mechanism design theory can save the cost of power supply system; meanwhile it effectively encourages users to report real type information and gain more profit, which improves the efficiency of the controlled resources remarkably.

bidding; demand response; menu pricing; mechanism design; incentive compatibility

2017-06-09。

国网甘肃省电力公司科技项目 (52272315000X)。

10.3969/j.ISSN.1672-0792.2017.08.006

TM731

：A

：1672-0792(2017)08-0035-08

孙沛(1983-)，男，硕士研究生，高级工程师，研究方向为电力行业信息通信研究及管理。