考虑源荷储协同优化的增量配售电公司决策模型

李雅婷，张 智，杨 莉，汤涤非，董晨景，季 超

（1. 浙江大学电气工程学院，浙江省杭州市310027；2. 安徽电力交易中心有限公司，安徽省合肥市230061）

0 引言

放开增量配电与售电侧业务是中国新一轮电力体制改革的重要任务，也是构建竞争有序的售电侧市场、提高配电网投资与运营效率的一项重要举措［1］。2016 年10 月，国家发展改革委和国家能源局印发了《有序放开配电网业务管理办法》［1］和《售电公司准入与退出管理办法》［2］，向社会资本放开配电网投资业务。截至2019 年底，国内各地先后启动了4 批共计375 个增量配电业务改革试点，成立了70多家配售一体化的增量配售电公司（incremental electricity distribution and retail company，IDR）［3］。作为新型市场主体，IDR 既发挥售电公司职能，也参与区域配电网及相关设备的规划运营，业务模式更加复杂，其购售电决策、灵活性资源配置等问题成为其适应电力市场的关键［4］。

售电公司代理电力用户参与批发市场交易，其核心业务是如何在市场上购电并将其销售给用户［5］。在中国电力中长期交易为主、大部分省市电力现货市场还不成熟的现状下，售电公司实际用电量与合同电量间的偏差通常面临惩罚性考核，IDR由于分布式电源（distributed generation，DG）和负荷的双重不确定性，偏差考核风险更大。随着智能控制与双向通信技术在用户侧大量应用，需求响应和配置储能成为IDR 降低偏差的有效方式［6］。

现有针对售电公司购售电决策研究大多通过“中长期+现货”多市场分配电量提高收益，减少偏差电量。如文献［7］考虑用户需求响应对售电公司购售电决策的影响，构建了包含双边合同、日前市场、实时市场的售电公司-用户双层购售电决策模型；文献［8］将售电公司购电业务分为中长期购电业务和现货市场购电业务，并提出多种零售合同模式，建立了售电公司购售电业务综合决策与风险评估模型；文献［9］考虑可再生能源的不确定性，建立了售电公司参与日前市场和实时市场的多阶段随机优化购电决策模型，探讨了市场价格和需求差异对售电公司购电策略的影响。然而，上述研究不适用于中国中长期电力市场环境。调用用户侧可中断负荷是售电公司降低偏差的主要策略之一。对此，文献［10］基于费希纳定律构建了电力用户参与可中断项目意愿的决策模型，进而设计了计及可中断负荷的售电公司营销策略。文献［11］分析了偏差电量考核对售电公司经营策略的影响，建立了考虑免考核电量的可中断负荷调用模型。特别地，对于IDR，配置储能是其降低偏差电量的另一重要手段。文献［12］探讨了储能单元在虚拟电厂中的多种作用，从提高需求响应效益、削峰填谷、提升电压质量3 个方面构建了储能系统多目标优化配置模型。文献［13］结合不同储能技术的特征，考虑需求响应对降低偏差的影响，以可靠性和经济性为目标优化了主动配电网中储能的配置方案。

综上所述，现有研究大多为某一方面或某一时间尺度内的售电公司的决策，实际上对IDR 而言，从长时间尺度储能容量配置到实时可中断负荷、储能的调用，其决策问题应为一个涉及规划和运行的多维度、多时间尺度的优化问题。为此，本文提出了考虑源荷储多时间尺度协同优化的IDR 综合决策模型，在购、售电环节分别考虑了IDR 的曲线购电模式以及基于消费者心理学的用户需求响应行为，并通过算例仿真验证了模型的合理性和有效性。

1 IDR 决策框架

IDR 拥有区域配电网的运营权，通常由电网公司或社会资本投资的增量配电网运营商组建而成［1］，其经营收益主要来自购售电差额利润，同时面临着偏差考核的风险。IDR 经营方式复杂，拥有多种灵活性资源，其经营决策是一个多时间尺度、多维度问题，如图1 所示。图中:Eess为储能配置的容量；Pess为储能配置的功率；Pcap，IL为购买的可中断负荷容量；α为零售合同电价系数；uj，k为用户合同类型的选 择 变 量；Econ，y，i(y=1，2，…，Y)为 合 约 购 电 量；PIL为削减的负荷量；Pcha和Pdis分别为储能充、放电功 率；Pbuy为IDR 的 购 电 功 率；PPV和PWG分 别 为 光伏和风电出力；Enon为IDR 的不平衡电量。图中蓝色部分表示IDR 的决策。

图1 IDR 的决策框架Fig.1 Decision-making framework of IDR

在批发市场，IDR 可根据市场提供的交易品种签订合约进行购电，例如年度、季度、月度合约等。考虑到中国电力中长期交易向现货市场过渡的实际需求和IDR 的物理特性，基于《广东电力市场中长期交易实施细则》提出的常用日分时电量曲线［14］，本文提出一种以常用分解曲线为交易标的的购电模式。

在售电环节，IDR 代理用户的用电特性各不相同，为了尽可能满足各类电力用户的需求，扩大市场份额，IDR 会提供多样化的零售合同供用户选择。用户在综合考虑各类零售合同的价格后，选择自身用电效益最大的合同［15］。此外，为了控制实时运行的偏差，IDR 可配置储能或与用户签订可中断负荷合同。其中，储能配置需要考虑其全寿命周期内的成本与效益，是一个多年的决策问题，而可中断负荷合同期限较短，一般为半年或一年［16］。

综上所述，如何合理分配各类合约的购电比例、制定零售合同的售电价格、确定可中断负荷购买容量和储能配置容量以及实时运行时如何调用可中断负荷和储能控制偏差以获取最大的经营利润，是IDR 决策的关键。

2 电力中长期交易下的曲线购电模型

曲线购电是指市场运营机构提前确定每类合约的日分时电量曲线和价格，IDR 可根据自身负荷特征合理安排各类合约的购买量。2018 年8 月国家能源局南方监管局发布的《广东电力市场中长期交易实施细则》提出了3 种常用的日分时电量曲线，如附录A 图A1 所示。根据分解曲线形状不同，将IDR的购电合约分为3 类:峰谷平合约、全天平均合约、高峰时段合约。

峰谷平合约将一天T个调度时段划分为峰段Tp、平段Tf和谷段Tv，不同时段电量比例给定，购电单价为c1，t；全天平均合约在各时段购入相同的电量，购电单价c2，t全天相同，且低于峰谷平合约平时段电价；高峰时段合约的购电单价为c3，t，高于峰谷平合约峰时段电价，即

式中:ki（i=1，2，3）为合约电价系数，以峰谷平合约的 价 格 为 基 准，则 有k1=1，0 ≤k2≤1，k3≥1；cp、cf、cv分别为峰谷平合约峰时段、平时段、谷时段的购电单价；t为当前调度时段。

以年作为IDR 综合决策模型的考核尺度，则其年度合约购电成本Ccon为:

3 计及需求侧响应的IDR 售电模型

3.1 考虑用户合同选择的零售合同定价模型

为用户提供多样化的零售合同能够增强用户黏性、提高竞争力，是IDR 持续盈利的关键。由于零售合同设计并非本文的研究重点，暂假定IDR 只提供2 种年度零售合同:目录电价合同和分时电价合同。目录电价合同即IDR 提供的保底供电服务，合同售电价格r1，t等于目录电价且全天价格相同。分时电价合同各时段的售电价格r2，t采用与峰谷平合约购电价格联动的模式，可表示为:

式中:αu为分时电价合同的上浮系数，1≤αu≤αu，max，其中αu，max为上浮系数的最大值。

IDR 代理的用户用电特征有所不同，如大型制造工业白天负荷高，晚上负荷低，负荷曲线呈现峰平型；三班制工厂全天24 h 负荷波动不大，属于平滑型负荷；还有少数电力用户晚上用电多于白天，负荷曲线为避峰型［15，17］。假设IDR 下有K种类型的电力用户，不同类型用户可以根据自身用电需求选择合适的零售合同以减少用电支出，提高用电效益。同时，用户实际用电量有一定的需求价格弹性，会随着用电价格的变化而变化［18］。需求价格弹性ρk为:

式 中:EA，k和Edir，k分 别 为 第k类 用 户 实 际 用 电 量 和在目录电价下的原始用电量；rA和rdir分别为用户实际用电价格和目录电价。

用户以平均用电成本最小为目标选择IDR 提供的电力零售合同，第k类用户目标函数为:

式中:Fk为第k类用户的单位用电成本；J为IDR 提供零售合同的总类别数，本文J=2；uj，k为0-1 变量，uj，k=1表示第k类用户选择第j类零售合同，uj，k=0 表示 第k类 用 户 不 选 择 第j类 零 售 合 同；SL，k为 第k类 用户选择合同时考虑的场景数，用于模拟负荷的波动性；ωsL，k为 场 景sL，k的 概 率；EA，sL，k为 第k类 用 户 选 择第j类零售合同后在场景sL，k下时段t内的实际用电量，由式（6）表示的需求价格弹性计算得到。

考虑用户对零售合同的选择，IDR 年度售电收益R可表示为:

3.2 基于用户心理学的可中断负荷补偿模型

可中断负荷合同是IDR 进行需求侧管理的有效方式。IDR 须提前与用户签订可中断负荷合同，并在用户侧装设通信设备与控制设备，以实现对可中断负荷的实时控制，在电力紧缺时直接中断负荷［19］。IDR 支付给用户的费用包括容量费用和停电补偿，容量费用用于购买一年内可中断的负荷容量，停电补偿是指运行中调用可中断负荷后付给用户的补偿。IDR 需支付的总费用CIL为:

式中:ccap，IL为可中断负荷的容量购买单价；SR为IDR 决策时考虑的场景数；ωsR为场景sR的概率；cIL，t为时段t可中断负荷的停电补偿价格；PIL，sR为合约期y内场景sR下时段t内中断的负荷；Δt为单位调度时长。

可中断合同中应明确停电补偿的计算方式。消费者心理学认为停电补偿价格影响到用户响应中断的负荷量［20］。用户的响应曲线分为死区、线性区和饱和区，如附录A 图A2 所示。当补偿单价低于死区阈值cIL，min时，用户不愿意中断负荷；超过该阈值，用户开始响应中断，且在一定范围内，随着补偿单价的提高，用户中断的负荷量线性上升；超过某一上限cIL，max时，用户中断负荷的能力趋于饱和，无法提供更多的可中断容量［21］。

以可削减容量系数λIL来描述可中断负荷对停电补偿价格的响应程度，其含义为某时段中断的负荷量占可中断负荷容量的比例，表示为:

式中:ηIL为可中断负荷线性区的斜率；cIL为可中断负荷的停电补偿价格。

考虑到IDR 调用可中断负荷后，售电收益会随之减少。为简化模型，假设可中断用户都选择了目录电价合同，得到修正后IDR 支付的总费用C′IL为:

4 IDR 多时间尺度综合决策模型

《可再生能源发电全额保障性收购管理办法》规定，电网企业和其他供电主体须全额收购规划范围内的可再生能源发电项目的上网电量［22］。由于DG出力和负荷需求的不确定性，IDR 购售电偏差难以避免，若IDR 通过与大电网交易平衡偏差电量［23］，则其调整成本Cnon可表示为:

式中:cu和rv分别为IDR 向大电网购、售电的价格，且cu≥rv；Enon，sR为 合 约 期y内 场 景sR下 时 段t内 的偏差电量；f(x)为一分段函数，表达式见式（14）。

为 方 便 处 理，引 入2 个 非 负 松 弛 变 量uy，sR，t和vy，sR，t，令Enon，sR=uy，sR，t-vy，sR，t，显 然uy，sR，t/vy，sR，t实 质为IDR 在合约期y内场景s下时段t内的缺额/富余电量，则式（13）可等价为:

配置储能是IDR 降低偏差费用的有效方式。储能响应速度快、充放电转换迅速，可以有效平抑DG 和负荷的波动［24-25］。此外，IDR 还可以利用储能在时间轴上的转移能量，进行“低买高卖”盈利。与可中断负荷相比，储能投资费用高于可中断负荷容量费用，但运营时的电量损失费用低于可中断负荷的停电补偿［26］。储能投资成本Cess为:

式中:cess、cess，E、cess，P分别为储能的固定投资成本、单位容量投资成本、单位功率投资成本；Aess为设备投资成本的年等值系数。

综上所述，IDR 决策变量包括储能容量Eess、储能功率Pess、分时电价合同上浮系数αu、可中断负荷容量Pcap，IL、合约购电量Econ，y，i、负荷中断量PIL，sR、储能 充 电 功 率Pcha，sR和 储 能 放 电 功 率Pdis，sR，其 经 营 利润为售电收益R扣除合约购电成本Ccon、可中断负荷成本C′IL、储能投资成本Cess和偏差调整成本Cnon，目标函数为年度经营利润最大，即即调用的中断负荷不能超过提前签约的可中断负荷容量。

式中:Smax和Smin分别为储能荷电状态的上、下限；Sy，sR，t为 合 约 期y内 场 景sR下 时 段t储 能 的 荷 电 状 态；ηcha和ηdis分别为储能的充、放电效率。式（20）和式（21）为储能充放电功率约束；式（22）为储能荷电状态约束；式（23）为储能的状态转移方程；式（24）为储能一天内充放电量一致性约束［27］。

眼见岩鹰又要冲入洞中，青辰忽然灵机一动，他转身抓起身后的一对鹰卵，朝着岩鹰大嚷：“别过来！信不信我摔碎你的蛋！”作势欲往地上砸。

本文所建立的IDR 综合决策模型是一个涉及双层优化的混合整数规划问题，难以直接用求解器求解。采用MATLAB 优化工具箱中的fmincon 函数求解规划部分的决策变量，采用CPLEX 求解器求解调度部分的决策变量，采用穷举法求解用户对零售合同类型的决策，具体求解流程如附录A 图A3所示。

5 算例分析

选取某区域IDR 的风电、光伏、负荷等相关数据对模型进行仿真分析，该区域负荷总量为60 MW，其中可中断的容量为5 MW，风电装机容量为10 MW，光伏装机容量为15 MW，调度时段T=24。假设IDR 以季度为周期进行购电，即Y=4。合约电价系数k2=1，k3=1，峰谷平合约中峰、平、谷时段功率大小之比为1.5∶1.2∶1.0。IDR 代理的用户类型K=3，分别为峰平型、平滑型、避峰型。用户需求价格弹性系数ρk=-0.7［28］。风电、光伏4 个季度的典型场景概率及24 h 典型出力曲线如附录A图A4 所示。3 类用户的典型场景概率及24 h 典型负荷曲线如附录A 图A5 所示。电价、可中断负荷、储能相关参数见附录A 表A1 至表A3。

5.1 IDR 决策模型优化结果

求解上述模型得到IDR 的优化决策结果如表1所示。在不同时间尺度下，IDR 分别对储能配置、售电定价、可中断负荷容量购买、合约购电量进行了决策。4 个季度的负荷曲线特征不同，DG 出力也存在差异，如夏季负荷峰谷差较大、光伏较多，春季和冬季风电较多，使得IDR 在4 个季度的购电组合有较大差异。在用户侧，峰平型用户和平滑型用户选择了目录电价合同，避峰型用户选择了分时电价合同，这是由于避峰型用户峰时段用电少、谷时段用电多，基于峰谷平合约的分时电价合同可以有效减小其用电费用。

表1 IDR 决策优化结果Table 1 Decision-making optimization results of IDR

4 个季度的IDR 的购电决策及运行决策如附录A 图A6 至图A8 所示。以第2 季度为例进行说明，本文原始负荷、DG 出力的不确定性由多个场景描述，图2 和图3 仅展示了某一场景，其中，负荷曲线1为基于实际数据的典型日负荷曲线，负荷曲线2 为用户调整用电量后的负荷曲线，负荷曲线3 为负荷曲线2 扣除风光出力后的净负荷曲线。如图2 所示，IDR通过购买48 900 MW·h 峰谷平合约和7 743 MW·h高峰时段合约，从一定程度上拟合了负荷曲线。图3 为第2 季度典型场景下的运行策略，实际负荷与合约购电的偏差由IDR 通过调用可中断负荷、调度储能、向大电网实时购售电解决。夜间负荷较低，01:00—04:00 储能一直处于充电状态，在04:00 达到容量上限。05:00—07:00 IDR 无法消纳多余的购电量，产生了负偏差。08:00 和18:00—19:00 虽属于平时段，但负荷较高，IDR 调用了可中断负荷。09:00—17:00 负荷的波动基本由储能充放电来解决，在12:00 和17:00 产生了负偏差。21:00—24:00负荷较低，储能受最大充电功率1.37 MW 的限制无法吸收所有负偏差，IDR 需要向电网出售一部分偏差电量。可以看出，IDR 通过调度可中断负荷及储能，减少购售电曲线的偏差，从而减小偏差成本，增加利润。

图2 第2 季度购电决策Fig.2 Power purchasing decision-making in the second quarter

图3 第2 季度运行决策Fig.3 Operation decision-making in the second quarter

5.2 中长期合约价格对IDR 决策的影响

中长期合约价格影响IDR 的购电组合，进而影响其可中断负荷购买及储能配置情况。如图4 所示，当全天平均合约电价系数k2下降时，IDR 购买峰谷平合约的电量比例随之下降，购买全天平均合约和高峰时段合约的电量比例上升，IDR 倾向于用全天平均合约和高峰时段合约的组合代替峰谷平合约。

图4 不同合约价格下IDR 购电决策Fig.4 Power purchasing decision-making of IDR with different contract prices

如附录A 图A9 所示，当k2降低时，储能配置不断增加，而购买可中断负荷的容量和实际调用量则没有明显的变化趋势。经分析不同场景数据发现，由于减少了峰谷平合约的电量，全天平均合约和高峰时段合约的购电组合与IDR 实际负荷差距增加，对这种可以预见的、长期存在的偏差，储能由于其运行成本小而更有优势，因此整体上储能的配置和调用都明显增加，可中断负荷由于运行成本高，更多地作为补充资源，用于一些小概率场景中其他灵活性资源调用后仍有差额的情况。

5.3 用户结构对IDR 决策的影响

用户结构影响IDR 的负荷曲线，从而影响其综合决策。表2 为IDR 的3 种用户结构比例，图5为3 种结构比例下的IDR 的购电决策。如图5 所示，情况1 下峰平型用户比例较高，其负荷曲线与避峰型用户负荷曲线抵消后，最终加权得到的负荷曲线仍为峰平型，因此IDR 同时购买了3 类合约。情况2 下负荷曲线最终呈平滑型，IDR 购买了大量的全天平均合约。情况3 下避峰型用户占比最高，最终的加权负荷曲线呈避峰型，与3 类合约的曲线形状都不匹配，此时IDR 更倾向于购买全天平均合约。

图5 不同用户结构下IDR 购电决策Fig.5 Power purchasing decision-making of IDR with different user structures

表2 IDR 的3 种典型情况Table 2 Three typical situations of IDR

对比附录A 图A10 中3 种情况下IDR 灵活性资源配置及调用情况，情况1 和情况2 下IDR 采用3 种合约来拟合负荷曲线，使得购电曲线与负荷曲线偏差较小，储能和可中断负荷配置与调用较少。情况3 下负荷曲线呈避峰型，购电曲线为平滑型，存在较大偏差，对这种可以预见的、长期存在的偏差，IDR的最优选择为增加储能的配置与调用，故情况3 下储能的配置量和调用量明显增加。

情况1 下IDR 的αu为1.39，避峰型用户选择了分时电价合同，且在需求弹性的作用下会减少峰时段用电量、增加谷时段用电量，在一定程度上减小了负荷峰谷差。情况2 和情况3 下αu分别为1.42 和1.47，此时分时电价较高，使得3 类用户均选择了全天价格相同的目录电价合同，这是因为IDR 在购电时也选择了全天价格相同的全天平均合约。

6 结语

作为新型市场主体，IDR 的运营决策涵盖批发市场购电、零售合同定价、可中断负荷购买、储能规划和实时调度，具有多维度、多时间尺度的特点。为此，本文提出了考虑源荷储协同优化的IDR 综合决策模型，采用多场景技术模拟用户负荷和DG 的不确定性，并考虑了用户零售合同选择、可中断负荷和储能设备响应能力对IDR 决策的影响。仿真结果表明，所提模型能根据中长期交易价格、代理用户结构等信息，灵活调整IDR 的决策结果，最大化其利润。

本文尚未将中长期合约价格的不确定性引入IDR 的综合决策模型，未来将进一步考虑市场风险因素以提高模型的适用性。

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。