考虑智能建筑特性的多微网端对端能量交易方法

2021-03-30 01:32葛少云李吉峰何星瑭申凯月
电力系统自动化 2021年6期
关键词:微网卖方电能

葛少云,李吉峰,刘 洪,何星瑭,申凯月

(智能电网教育部重点实验室(天津大学),天津市300072)

0 引言

近几年,随着分布式能源技术的不断发展,越来越多的分布式能源选择从用户侧接入电力系统,为确保能源安全低碳、缓解能源危机提供了新的途径。然而,现有电力系统的发电和供电模式大多仍以集中方式设计,分布式能源所需的电网公共服务和电力市场交易机制尚不完善,未能充分发挥分布式能源在电能利用方面的经济性、安全性等优势,导致分布式能源项目收益较差、市场化程度偏低,仍需要相关扶持及政策倾斜[1]。为此,近几年,在深化电力体制改革背景下,世界各国均出台了新型电力交易的相关政策。例如,中国于2019 年8 月发布了《关于深化电力现货市场建设试点工作的意见》[2],提出了进一步发挥市场决定价格的作用、加快放开发用电计划、激发市场主体活力等目标。在此背景下,端对端(peer-to-peer,P2P)交易[3]模式的构想应运而生,P2P 交易是基于计算机覆盖层网络概念[4]提出的新型交易模式,因其有助于降低电能交易门槛和用户使用能源的费用,被大量研究用于帮助用户实现自由的电能交易,目前在英国[5]、德国[6]、美国[7]等国家已有相关的示范应用。然而,分布式能源交易市场会面临实时价格波动、用电计划动态调整和频繁电费结算等问题,亟需一个平等、高效的交易机制来处理交易过程中信息和能源价格的快速变化。

目前,P2P 市场主要采用2 种交易机制[8]:①具有集中定价出清机制的“联盟式”P2P 市场,通过分布式交易实现“联盟”内部的供需平衡;②市场参与主体可以结合实际环境调整交易价格的P2P 市场。对于第1 种交易机制,文献[9]全面总结了P2P 交易模式的概念与评价方法,提出并对比了供需比、中间市场率以及账单分享3 种典型交易价格清算机制。文献[10]研究了含光伏产销者的P2P 交易模式,并采用供需比方法进行交易价格清算。文献[11]建立了一种综合能源管理系统,通过聚合商管理含多微网配电系统的内部交易,并且通过对不同类型负荷的分类考虑了需求响应问题。文献[12]提出了一种考虑建筑热平衡特性的电能日前优化共享方法,并采用Shapley 算法对获取的效益进行分配。上述文献中,多个市场参与主体由聚合商统一组织交易,并基于各主体的运行情况统一进行交易电价的优化与出清。除此之外,目前已有研究将博弈论引入P2P 交易以提升交易用户的自主灵活性,保证剩余利润在参与交易的微网之间公平分配,进一步挖掘交易用户的经济效益[13],即采取上文中所述的第2 种交易机制。文献[14]采用非合作博弈理论分析不同微网通过调整储能设备以追求运行经济性最优的自私策略,以及为使微网集群整体经济性最优所采取的合作策略。文献[15]分别通过非合作博弈理论以及进化博弈理论分析了P2P 交易过程中存在的卖方价格竞争以及买方选择竞争问题。文献[16]以不同能源集线器的运行经济性最优为目标,通过求解Pareto 最优作为合作博弈的均衡可行解,分析了多能源集线器协调运行所带来的经济效益。文献[17]以微网与配电系统之间双向直接交易的最优成本作为定价依据,提出了一种配电侧多微网电能交易Nash 议价方法。

上文对P2P 交易机制方法的研究现状进行了全面的回顾,而除去交易定价清算机制以及交易主体自治运行策略会对交易结果产生影响之外,终端用户的用能行为也会对分布式交易结果产生一定的影响,已有研究表明,通过需求侧管理,可以将自身清洁能源消纳提高2%~15%[18]。目前,虽然已有部分文献在对P2P 交易模式的研究中考虑了用户需求响应因素的影响[10-11],但是未结合具体负荷载体分析调控策略对用能及交易的影响。文献[19]在研究多微网协调运行的过程中考虑了负荷需求响应因素,但只是结合负荷曲线考虑了可平移负荷的影响,且并未考虑分布式交易因素。文献[20]提出了一种包含储能设备及电动汽车的需求侧管理方法,然而该文更多是站在单一微网的角度,未细致考虑用能设备控制策略以及需求侧管理对分布式交易的影响。文献[21]研究了智能家庭用户之间的P2P 交易模式,通过以区域内每一个家庭用户的运行经济性最优为目标,实现对交易电价的整体优化清算,并考虑了用电负荷的需求响应因素。

上述成果为本文课题的研究奠定了一定的理论及模型基础,然而,现有的研究存在以下问题:

1)虽然已有部分研究考虑了负荷需求响应因素,然而未能进一步挖掘可控负荷调控策略对微网交易的影响,目前已有研究表明,通过对智能建筑的合理化调控,可以有效提升微网的运行效益[22],而微网内存在的多种功能的智能建筑以及由此产生的多样化负荷需求往往可以挖掘出更大的可调度空间。

2)针对目前采取的联盟式统一定价方式,不同微网的内部设备及负荷构成不同,其成本与收益的构成也存在差异,定价方式可能存在通过损害某些微网的利益以换取联盟利益的最大化,并且可能会损害各微网的隐私。

3)虽然目前对于博弈论在P2P 交易中的应用已有一定的研究,但是多微网分布式P2P 交易中所涉及的博弈关系十分复杂,单纯的合作博弈或非合作博弈理论难以全面反映交易各个环节参与者的关系。

4)目前对多微网交易方面的研究大多只是从经济性的角度衡量了交易行为,而未考虑微网之间的分布式交易对所在配电系统运行产生的影响。

针对上述问题,本文提出了一种考虑智能建筑特性的多微网P2P 能量交易方法,从终端用能特性、单微网自治调度、多微网间交易以及配电系统影响分析等方面对P2P 交易模式的效益进行了全面分析。首先,以智能建筑作为终端负荷单元,构建了一种新的建筑热阻-热容(R-C)热平衡模型,通过对建筑热平衡以及虚拟储能特性进行模拟,分析终端负荷调控策略对微网运行及P2P 交易产生的影响;其次,分别构建非合作博弈及主从博弈模型,分析卖方之间以及卖方与买方微网之间的博弈关系,在保证各微网利益的同时也从“卖”与“买”的环节完善博弈模型;最后,通过实际算例仿真并结合具体指标,量化分析了P2P 分布式交易模式为微网以及配电系统运营带来的技术与经济效益。

1 系统整体交易框架

本文所研究的考虑智能建筑特性的多微网系统整体框架如图1 所示,微网(MG1,MG2,…,MGN)作为主要的市场参与主体,由不同功能的智能建筑群、分布式风机、光伏组成,考虑到储能设备的经济性成本,本文所构建的系统中并不是所有微网都配置了储能设备,智能建筑的用能负荷包括柔性可控负荷以及其他刚性用电负荷。每一个微网拥有智能量测装置以及微网能源服务商(microgrid energy service prosumer,MEP),智能量测装置负责对微网的能源生产、负荷需求以及与其他微网或外部电网的交易情况进行计量,并将信息发送给MEP 处理;MEP 通过合理化的交易、储电设备及柔性负荷调度,以实现微网内的供需平衡,并实现微网整体运营经济性的最优。

图1 含多微网主动配电系统整体交易框架Fig.1 Transaction architecture of active distribution system with multiple microgrids

假定存在分布式交易运营商(distributed transaction operator,DTO),负责协助微网之间的P2P 交易。考虑到P2P 交易可以缓解配电系统阻塞、提高分布式电源的消纳率,因此,本文没有考虑DTO 的服务费问题;同时,考虑到P2P 分布式交易在地理上属于微网间的就近交易,因此,本文忽略了P2P 交易过程中的传输成本。

2 微网市场主体模型

2.1 终端柔性负荷模型

根据世界及中国相关建筑能源报告中的统计数据,建筑用能在总能耗中的份额达到了近40%[23-24],其中约一半用于满足温控负荷以及暖通空调(heating,ventilation and air-conditioning,HVAC)系统的用能需求[25],因此,本文选择智能建筑作为微网内的终端负荷单元,选择纯电力HVAC 系统作为典型柔性负荷,充分利用人体对外界温度的舒适敏感区间,挖掘微网内部的可调度用能潜力,从而分析终端用能及需求响应对微网运行交易产生的影响。在实际的供冷或供暖场景中,智能建筑内部通常被模拟为单一等温的空调区域[26],通常采用R-C 网络模型对建筑内单一制热/制冷区域进行建模[27],建筑的R-C 网络模型由热阻与热容构成,它们分别具有传输热与储蓄热的能力。基于对建筑内部单一等温的假设,本文在文献[28]所介绍模型的基础上进一步改进与扩展,所构建建筑R-C 网络模型如图2所示。图2 中:Q1为墙体内表面与空气对流换热;Q2为窗体的产热/散热量,Q(1)2为窗体渗透耗热量,Q(2)2为窗外光照辐射热量;Q3为冷风侵入/通风耗热量;Q5为室内热源与室内空气热交换功率;Q6为采暖设备与室内空气热交换功率;T1和T2分别为房间1 与2 的室内温度;C1和C2分别为房间1 与2 的热容;R1和R2分别为房间1 与2 的热阻;Cwa为墙体的热容;Rwa为墙体不同内/外表面的热阻,在这里考虑墙体内/外表面的材质相同;Rwin为窗户热阻。

图2 建筑R-C 网络模型Fig.2 R-C network model of building

综合考虑建筑内产热与散热热源的关系,建立基于建筑R-C 网络模型的室内热平衡方程,具体如式(1)和式(2)所示。

式中:Q4为单位时间内建筑空气显热量增值;Croom2为 区 域2 热 容;Sroom为 房 间 面 积;mHVAC为HVAC 系统 空 气 流 量;Cp,air为 空 气 比 热 容;THVAC为HVAC 系统送风温度;T∞为环境温度;π1,2为墙体标识系数,其中有窗为1,无窗为0;τwin1,2为窗体渗透率;Awin1,2为窗体体积;Qrad1,2为窗体光照强度;Twa1,2为房间(区域)1 和2 之间墙体的表面温度;Rwa1,2为房间(区域)1 和2 之间墙体的热阻;ρw为空气密度;L 为室外空气渗透量;V(t)为t 时刻通风量,可采用换气次数法近似计算。

HVAC 系统消耗的电能主要来源于2 个方面[29]:①风扇进行新风空气循环消耗的电能PHVAC,f(t);②HVAC 系统制冷/制热所消耗的 电能PHVAC,h(t),具体计算方法参见附录A 第A1.1 节。故在单位调度时间段内,HVAC 系统消耗的电功率为:

则建筑的总用电功率为PB(t)=PHVAC(t)+PO(t),其中,PO(t)为t 时刻其他用电负荷的功率。

2.2 微网自治调度模型

MEP 以经济性最优作为自治运行优化目标,成本构成因素包括从外部电网的购能成本、设备机组的运行成本、影响用户温度舒适度的罚函数项[30]以及向外部电网出售电能的收益。MEPi自治调度运行的目标函数为:

在进行自治调度的过程中考虑以下约束条件。

1)功率平衡约束

在考虑储能作用的情况下,保障微网内的电力供需达到平衡,即

式中:PPVi(t)为t 时刻MEPi的光伏出力;PWTi(t)为t时 刻MEPi的 风 机 出 力;P(t)为t 时 刻MEPi的 储能放电功率;PHVACi(t)为t 时刻MEPi的HVAC 系统用电需求;POi(t)为t 时刻MEPi内其他负荷的用电需 求;P(t) 为t 时 刻MEPi的 储 能 充 电 功 率;PHVAC,fi(t)为t 时刻MEPi的HVAC 系统内部新风风扇 的 用 电 需 求;PHVAC,hi(t)为t 时 刻MEPi的HVAC系统运行的用电需求。

2)储能设备约束

储能设备在运行的过程中需要满足设备的充放电功率以及容量约束,即

除此之外,为满足下一个调度周期起始时刻MEP 对储能设备的蓄能和放能要求,储能设备在调度周期起始和结束时刻的储能量需保持一致[31],即

3)柔性负荷约束

①建筑室内热平衡约束。MEP 对终端柔性负荷的调度满足式(2)所示的室内柔性负荷约束。

②建筑室内温度舒适度约束。本文所采用的室内热舒适性参照GB/T 18049—2017《热环境的人类工效学 通过计算PMV 和PPD 指数与局部热舒适准则对热舒适进行分析测定与解释》[32],采用预计的平均热感觉指数(predicted mean vote,PMV)和预计不满意者的百分数(predicted percentage of dissatisfied people,PPD)[33]评价热舒适度等级,划分结果如表1 所示。

表1 室内热舒适度等级划分Table 1 Classification of indoor thermal comfort level

③HVAC 系统调节约束。在对微网终端柔性负荷进行调度的过程中需要满足HVAC 系统的送风质量流量与送风温度约束:

式中:mHVAC,max为HVAC 系统送风质量流量的最大值;THVAC,max和THVAC,min分别为HVAC 系统送风温度的最大值与最小值。

综上所述,在不考虑P2P 交易的情况下,MEP以式(4)所示的效益函数为目标函数,以外部购电策略、储能设备运行策略、柔性负荷供给策略(HVAC系统送风空气质量流量mHVAC以及HVAC 系统送风温度THVAC)为决策变量,对微网进行统一调度与管理。MEP 的具体调度框架如附录B 图B1 所示,图中红色外框代表MEP 可调度部分。目前上述模型已有较为成熟的求解算法,可以采用CPLEX/GUROBI/LINGO 等求解器求解。 本文在MATLAB 环境中基于YALMIP 平台,调用成熟的商业求解器CPLEX 进行求解[34]。

3 微网间市场博弈模型

3.1 P2P 交易模式下MEP 市场角色及效用函数

在正常运行情况下,由于分布式电源出力以及终端负荷需求的波动性,MEP 在进行自治调度与管理的过程中会面临电能不足或过剩的情况,在不同时刻MEP 都有可能充当买方或卖方的不同角色。在考虑P2P 分布式交易的情况下,MEPi的效用函数将会在式(4)的基础上进一步考虑与其他MEP 交易的影响,即

式 中:pS,i(t)和P(t)分 别 为t 时 刻MEPi向 其 他MEP 的售电价格及售电量;pB,i(t)和P(t)分别为t时刻MEPi从其他MEP 购电的价格及购电量;si(t)和bi(t)分别为产销者标识符,若MEPi为买方,则bi(t)=1,si(t)=0。

约束条件方面,除去需要满足2.2 节所述的自治运行约束条件外,参与P2P 交易的MEP 还需要满足配电系统的潮流约束。本文配电系统潮流计算模型采用DisFlow 算法[35],方法基于辐射型配电系统链式结构特点,采用线性化Newton 法方程求解技巧,求解效率较高。

3.2 卖方间博弈关系模型

在MEP 之间进行分布式P2P 交易的过程中,考虑到每个卖方MEP 都试图通过向买方MEP 出售电能来提升自己的效益,且卖方MEP 之间相互独立,不具有合作关系,并假定卖方MEP 在交易过程中的行为是理性的,因此,本文采用非合作博弈模型来描述卖方MEP 之间的竞争关系。其中,博弈参与者为参与P2P 交易的卖方MEP;博弈策略为每个卖方MEP 制定的售电电价及售电量 PM,pM,基于MEP自身运营的成本效用函数,对MEP 最终可接受的报价区间进行n 等分,确定MEP 的可行报价;博弈效用为卖方MEP 各自的收益。

卖方MEP 之间的博弈过程是一个动态过程,直到博弈达到Nash 均衡状态或最大迭代次数时结束迭代搜索,博弈最终达到的Nash 均衡状态包括卖方MEP 制定的售电价格及售电量,其存在的条件为:①博弈参与者的总数S 有限,并令j 为参与者标识符;②每一个MEP 的报价区间是一定的,在经过n 等分后,能够保证博弈策略是闭合有界的;③在博弈策略空间中,效用函数是连续的。本文设置的卖方MEP 之间的博弈环境是在常规非合作博弈环境的基础上进一步考虑了终端用能特性以及配电网潮流约束的影响,不会改变博弈用户决策空间的闭合性,也能够满足Nash 均衡状态的存在且唯一条件[15],具体采用改进的迭代搜索算法[36]求解上述Nash 博弈问题,博弈的具体迭代过程参见附录A 第A2.1 节。

当第k 轮与第k+1 轮迭代的投标可交易电量及价格相等,表示没有任何一个卖方MEP 可以通过改变投标电量及价格而获得更高的效用值,此时的解可看作博弈的Nash 均衡解。

3.3 卖方与买方间博弈关系模型

卖方MEP 在定价时,不能只考虑自己的利益,也需要考虑买方MEP 的价格弹性行为,即卖方MEP 与买方MEP 之间也存在利益博弈关系。卖方MEP 作为管理方,有优先定价权,卖方MEP 与买方MEP 之间的博弈关系可描述为主从博弈(Stackelberg game)关系。在上层,卖方MEP 是制定交易电价的领导者;在下层,买方MEP 扮演追随者的角色,响应交易电价价格信号并将用能需求发送给卖方MEP。主从博弈的参与者为参与P2P 交易的卖方MEP 与买方MEP;博弈策略为每个卖方MEP 制定的售电电价、售电量以及每个买方MEP对卖方MEP 的选择;博弈效用为卖方MEP 与买方MEP 各自的收益/成本。同样采用迭代搜索算法,博弈的迭代过程参见附录A 第A2.2 节。

将买方MEP 对报价的响应z( )Pk*,pk*反馈至上层所有卖方MEP 后,卖方MEP 之间通过进行价格竞争得到Nash 均衡,均衡价格再次被告知给全部买方MEP,重复进行上述过程直至买卖双方的动作策略保持稳定不变,则主从博弈达到均衡。

当实际工程对于最大迭代次数的取值偏小或者MEP 预设的出价区间不合理时,博弈可能会达不到Nash 均衡或主从博弈均衡。因此,若在规定的最大迭代次数时仍未达到Nash 均衡,则迭代结束,各MEP 依然按照与DTO 进行双向交易的传统方式实现内部的电力平衡。

综上分析,配电系统内的MEP 在P2P 交易市场内的博弈关系如图3 所示,具体算法流程如附录A图A1 所示。

图3 P2P 交易市场内的博弈关系Fig.3 Game relationship in P2P trading market

4 算例分析与对比

4.1 算例概况

本文采用改进的IEEE 33 节点配电系统作为主体系统结构,其中部分节点接有包含智能建筑、分布式电源及储能设备的微网[22],具体架构如图4 所示。配电系统包括3 种型号的线路,各线路电流上限分别 为400、300、200 A[37],配 电 系 统 的 电 压 等 级 为12.66 kV,功率因数为0.8,则各型号线路所传输有功功率的上限分别为7 017、5 263、3 508 kW。不同微网内的建筑类型、建筑信息以及设备的配置情况如表2 所示。

图4 算例系统架构Fig.4 Architecture of test system

微网内的建筑均为独栋建筑,建筑参数如下:Rwa为0.06 K/W ;Rwin为0.02 K/W ;Cwa为7.9×105J/K;C1和C2均为2.5×105J/K;Awin为4 m2;τ为0.9 m2。HVAC 系统参数如下[38]:ρw为1.29 kg/m3;Cp,air为1 005 J/(kg·℃);热电能效比CCOP为3;静压 降Pstatic为135 Pa;mHVAC,max为0.5 kg/s;THVAC,max和THVAC,min分别为30 ℃和20 ℃。

表2 微网信息Table 2 Microgrid information

微网内储能设备的相关参数如附录B 表B1 所示,其中,初始容量选取为总容量的50%,最大充放电功率为设备容量的20%[39]。不同微网内分布式电源出力曲线及不考虑HVAC 系统的典型日负荷曲线分别如附录B 图B2 及图B3 所示。本文选取中国北方冬季典型供暖场景,室外温度及不同方位的太阳照射强度参考文献[28]。地区的分时电价如附录B 图B4 所示。

4.2 调度及交易结果分析

基于算例设置,选取调度时间步长Δt=1 h。不同微网的自治调度结果如图5 所示。本文具体对MG1与MG3这2 个具有储能设备的微网自治运行调度结果进行分析,相比于不含储能设备的微网,储能设备能够配合建筑的虚拟储能特性进一步提高微网运行的灵活性。

对于MG1,在能量调度方面,光伏在11:00—14:00 的出力较大,在这一时段内,微网能够做到自给自足,并且还有多余的电力可供交易,而在其他时刻,由于光伏出力不足,微网需要通过从外部购电来满足自身的用电需求。储能设备会在16:00—20:00 等电价较高的时段选择放电以满足部分用电负荷需求,同时降低外购电成本;会在光伏出力较高或外部电价较低的时刻选择充电以保障后续的有效调度。在HVAC 系统运行方面,由于MG1内的建筑均为Ⅱ级建筑,因此HVAC 系统会以节约用电作为主要运行目标,在01:00—05:00 时段,用户处于休息状态,故HVAC 系统会选择将温度维持在一个较低的水平;在06:00—07:00 时段,由于临近工作时间,且购电电价较低,HVAC 系统会选择增加出力以提高室内温度;在08:00—09:00 时段,由于购电成本升高,HVAC 系统会适当减小出力,然而,由于建筑的虚拟储能特性,室内温度仍能够满足温度约束条件;在10:00—12:00 时段,随着室外温度的升高,阳光辐射的增强以及室内热源的辅助作用,室内温度达到一天内的最高温度;在13:00—16:00 时段,随着室外温度的降低,室内温度也会逐步降低,然而,由于建筑的虚拟储能特性,室内的温度仍能够满足约束条件,HVAC 系统可通过降低出力以节约电能;在17:00—24:00 时段,HVAC 系统会逐渐增加出力以保证室内的温度满足约束条件,然而,由于用户逐渐进入休息状态,从节能的角度考虑,HVAC 系统会将室内温度维持在较低水平。

图5 微网自治调度结果Fig.5 Autonomous scheduling results of microgrids

由于微网均是以经济性最优作为自治调度的目标,因此MG3与MG1的调度策略类似,然而,由于MG3内的建筑均为Ⅰ级建筑,对室内温度的要求相对较高,因此,HVAC 系统始终需要将室内温度维持在较高的水平,故相比于MG1,HVAC 系统消耗的电能较多。本文对于HVAC 系统的调控采用的是温度与空气质量流量的综合控制方法,相比于仅通过调节温度(T-control)实现的HVAC 系统调控方法[25],不同微网HVAC 系统一天消耗的电能如附录B 表B2 所示。通过分析可知,相比于仅通过调节温度的控制手段,MG1至MG4可分别节约22.7%、23.5%、16.8%、19.8%的电能消耗,其中,对温度要求较低的用户拥有更为灵活的调度空间,充分利用智能建筑的虚拟储能特性在实现节能减排目标的同时也增加了可交易电能的空间,提高了微网的运营效益。另外,与以牺牲用户舒适度为代价的传统HVAC 系统恒温调度方法相比,本文所提出的模型充分考虑了不同类型用户对于温度舒适度的需要,提高了潜在的社会效益。

在对各微网用户室内温度及自治运行调度进行分析的基础上,进一步选择典型时刻对各微网的P2P 交易情况进行分析,典型时刻各微网之间的P2P 交易结果如图6 所示,其中:灰色条带部分表示不同微网之间交易的能量流,条带越宽代表所交易的电能越多;尖括号内数据为交易电量和价格。

图6 P2P 分布式交易结果Fig.6 P2P distributed transaction results

具体对结果进行分析,在01:00 时刻,MG1与MG4分别存在127.7 kW 以及128.7 kW 的购电需求;而MG2与MG3在满足负荷需求及建筑热舒适度条件的情况下分别存在231.4 kW 及170.6 kW 的可交易电能。在考虑线路损耗的情况下,MG2与MG3拥有的可交易电能均无法同时满足买方的全部交易需求,因此,该时段属于多卖方多买方“供大于求”场景,交易电价的博弈收敛迭代过程如附录B 图B5(a)所 示。从 卖 方MEP 的 角 度,相 较 于MG3,MG2拥有的可交易电能较多,交易的主动性较强,因此,MG2在卖家博弈开始阶段就会通过不断降低价格以尽可能多地向其他微网售电,实现收益的最优;MG3拥有的可交易电能较少,在博弈初期阶段也会不断降低售电价格以吸引其他微网进行P2P 交易,然而,由于买方MEP 更倾向于同拥有更多可交易电能的MG2进行交易,且考虑到MG2拥有的可交易电能均只能够满足一个微网的全部交易需求,因此,在博弈后期,MG3会在保证能够参与到P2P 交易市场的基础上逐渐提高售电电价以保证获取更大的收益。从买方MEP 的角度,经过卖方MEP 之间的非合作博弈,MG1与MG4都更倾向于同售电价格更低的MG2进行交易,然而,MG2拥有的可交易电量有限,故MG2会选择同电能需求更大的MG4优先交易,而MG1会与MG2及MG3同时进行交易。进行P2P 交易后,MG3的剩余电量会同DTO 进行交易。

在03:00 时刻,MG1与MG4分别存在300.9 kW和427.8 kW 的购电需求;而MG2与MG3分别存在230.1 kW 和57.6 kW 的可交易电能。在考虑线路损耗的情况下,MG2与MG3各自拥有的可交易电能均不能够满足任何一个微网的全部交易需求,因此,该时段属于多卖方多买方“供不应求”场景,交易电价的博弈收敛迭代过程如附录B 图B5(b)所示。对于交 易 结 果,相 较 于MG1与MG4交 易 需 求,MG2与MG3拥有的可交易电量较少,为保证自身的收益,MG2与MG3都会在可行的报价区间内尽可能地抬高售电价格,但是为了保证能够参与P2P 市场,MG2与MG3仍会选择略低于此时DTO 制定的实时售电电价。相较于配电系统公布的实时电价,由于MG2与MG3制定的售电价格相对较低,因此,MG1与MG4会优先选择同MG2与MG3进行交易以满足一部分自身用电需求,而剩余的需求会通过与DTO进行交易满足。

在06:00 时刻,MG1与MG4分别存在483.86 kW和538 kW 的购电需求;而MG2存在27.5 kW 的可交易电能。在考虑线路损耗的情况下,MG2拥有的可交易电能无法满足全部交易需求,因此,该时段属于单卖方多买方“供不应求”场景,交易电价的博弈收敛迭代过程如附录B 图B5(c)所示。MG2会优先选择同购电需求较大的MG4进行交易。需要注意的是,由于该时刻光伏的出力较小,且配电系统内的用电负荷处于逐步上升的状态,较高的负荷需求使得配电系统内出现了网络阻塞的情况,引起了阻塞电价的升高。MG4位于配电系统线路的末端节点,且在这一时刻的负荷需求较大,因此受到的影响也较大,出现了缺电的情况。

在12:00 时刻,MG2存在44.2 kW 的购电需求;而MG1、MG3、MG4分别存在267.1、21.1、14.1 kW 的可交易电能。在考虑线路网损的情况下,MG1、MG3、MG4拥有的可交易电能能够满足全部交易需求,因此,该时段属于多卖方单买方“供大于求”场景,交易电价的博弈收敛迭代过程如附录B 图B5(d)所示。对于交易结果,相较于MG3与MG4拥有的可交易电量,MG1拥有的可交易电量较多,为保证参与交易的优先性,MG1会在博弈阶段不断降低交易价格,而由于MG1拥有的可交易电能已能够满足MG2的电能需求,因此,MG3与MG4只能同DTO 进行交易。

4.3 交易模式评价

在典型时刻详细分析的基础上,本节进一步对各微网的交易情况进行整体分析,并选取典型指标对P2P 交易模式进行量化评价。以MG1为例,MG1购买/售出电能的分布情况如图7 所示,其他微网的情况如附录B 图B6 所示。通过计算分析可知,MG1至MG4通过P2P 分布式交易购买的电量分别占总购电量的7%、16%、10%、22%;而MG1至MG4通过P2P 分布式交易售出的电量分别占总售电量的31%、92%、60%、38%。

图7 MG1交易电能分布Fig.7 Trading power quantity distribution in MG1

对于交易电能分布的情况,由于各微网同处于一个配电系统内,分布式电源出力的间歇特性类似,且微网配置分布式电源更多是考虑自发自用的问题,因此,造成微网通过P2P 分布式交易购买的电量占总购电量的比例不高;然而,从售电量的比例来看,微网通过P2P 分布式交易售出的电量占总售电量的比例较高,说明微网内多余的电能可以很好地在区域内进行流通,最大限度地促进分布式清洁能源本地消纳,提升了微网的经济性,同时也缓解了由于高比例可再生能源渗透,大量的倒送功率可能导致的配电系统网络阻塞问题。

在从交易电量分布角度分析P2P 交易模式的基础上,进一步通过经济及技术指标[9]具体量化分析P2P 分布式交易模式的效果,本文选取价值挖掘指标(value tapping index,VTI)作为经济评价指标,选取能量平衡指标(energy balance index,EBI)作为技术评价指标。指标的定义及具体计算方法参考文献[9]。指标的计算结果如表3 所示。

表3 P2P 交易模式评价指标Table 3 Evaluation indices of P2P trading mode

通过计算,2 个评价指标的取值范围均在[0,1]之间,说明P2P 交易模式为各微网带来了一定的经济及技术效益,其中VIT 指标取值越大表示通过P2P 交易获得的经济效益越高;EBI 指标取值越小表示该微网能够尽可能地通过P2P 交易满足内部电能需求,而不与外部电网产生过多的交互,从而促进了可再生能源的利用。具体对各微网进行分析,由于MG3风机、光伏、储能的有效配合,系统运行灵活性较高;MG2虽然未配置储能设备,但由于风机光伏多样化,分布式电源可以在一天之内实现电能生产互补,因此,通过P2P 交易获得的经济技术效益较大。MG1虽然配置了储能设备,但是由于光伏系统出力的间歇性造成储能设备发挥的作用有限,加之储能设备固有的成本较高,造成MG1所获得的经济技术效益不如其他微网明显。

4.4 配电系统影响分析

可再生能源的高比例渗透和负荷的低碳替代需求可能会导致配电系统内存在2 种不同的潮流高峰,即功率倒送高峰和负荷需求高峰,并造成网络阻塞[40],对可再生能源的高比例接入及配电系统的可靠运行造成了威胁。以图4 所示的配电系统为例,在不考虑P2P 交易的传统交易模式下,配电系统在03:00、04:00、06:00、08:00、13:00、18:00 时刻均容易产生网络阻塞问题,其中,03:00、04:00 时刻由于风机的出力较大,而系统的用电需求较小,大量的倒送功率造成阻塞;06:00、08:00、18:00 时刻由于光伏出力较小,而系统的用电需求较大,大量的外购电需求造成阻塞;13:00 时刻由于光伏出力较大,大量的倒送功率造成阻塞。

而在考虑P2P 分布式交易的情况下,03:00、04:00 时刻的网络阻塞问题可以通过微网间的P2P交易得到缓解,本文在4.2 节以03:00 时刻的P2P 交易为例进行了分析。而由于分布式电源的出力特性类似,其余时刻的网络阻塞很难通过P2P 交易得到缓解,还需要进一步结合相关的阻塞调度手段来缓解配电系统的网络阻塞问题。

此外,在电力系统的电能损耗中,配电系统线损所占比例最高,研究配电系统的降损潜力可以提高系统的运营效率和企业的盈利水平。对不同交易模式下微网运行一天的网损进行计算,结果如表4所示。

表4 不同交易模式下的网损Table 4 Network loss in different transaction modes

通过计算,相比于与DTO 直接进行交易的传统交易模式,考虑P2P 分布式交易模式使得MG1至MG4在运行过程中的网损分别降低了19.1%、30.6%、33.7%、8.6%。具体分析,MG1虽然靠近配电系统主变压器侧,然而由于内部光伏出力的间歇性,导致对外部电网仍有较高的购电依赖,造成网损相对较大;MG2与MG3通过风机、光伏的互补以及储能设备的灵活调节,尽可能减少对外部购电的依赖,因此网损相对较小;MG4由于处在配电系统线路末端,电能输送距离较长,造成网损较大。在考虑P2P 交易模式后,各微网的网损均有不同程度的降低,P2P 交易可以缩短电能交易距离,促进本地电能及现金流的流通,降低配电系统网损,从而提高MEP 及DTO 的 运 营 效 益。

5 结语

本文在世界各国不断深化电力体制改革的背景下,针对目前分布式市场交易方法未充分考虑终端用户用能特性,且市场主体之间的博弈关系仍需进一步挖掘等问题,提出了一种考虑智能建筑特性的多微网P2P 能量交易方法。通过理论及算例的论证,得出以下结论:

1)本文所提出的建筑R-C 模型可以有效地对建筑的热平衡特性进行模拟,与单一的温度调节方式相比,采用送风温度与送风空气质量流量的混合调节方式可降低HVAC 系统约20%的用电量,在节省用电成本的同时也提升了P2P 交易的可行空间。

2)与直接与DTO 进行双向交易的传统交易模式相比,P2P 交易可以有效提高市场参与主体的经济及技术效益。

3)与直接与DTO 进行双向交易的传统交易模式相比,P2P 交易可以有效改善配电系统的网络阻塞,并降低约22%的网损。

在后续的研究中,首先,将会进一步引入日间P2P 交易市场,以应对分布式电源及终端负荷存在的不确定性问题;其次,将会在市场主体的博弈模型中进一步分析交易习惯、偏好对交易结果的影响,在市场主体的博弈模型中进一步引入“信用”标注,以解决各市场主体由于信息不对称可能产生的非理性报价行为;最后,将会进一步考虑电/气/热(冷)等不同能源之间的耦合互补特性,对多能耦合的综合能源市场开展研究。

附录见本刊网络版(http://www.aeps-info.com/aeps/ch/index.aspx),扫英文摘要后二维码可以阅读网络全文。

猜你喜欢
微网卖方电能
第十四届(2020)卖方分析师水晶球奖合并榜单
苹果皮可以产生电能
电能的生产和运输
海风吹来的电能
考虑服务成本的两寡头B2B电子中介差异化定价决策行为
澎湃电能 助力“四大攻坚”
二手房买卖之卖方违约纠纷解析
实物与宣传不符,卖方担责吗?
基于OMAP-L138的微网控制器设计
基于改进下垂法的微网并网控制策略研究