市场环境下配电网分布式光储协同规划

饶萍，向月，姚昊天，刘友波，刘俊勇

(四川大学 电气工程学院, 四川 成都 610065)

0 引言

国家发展改革委、国家能源局印发的《关于加强和规范电网规划投资管理工作的通知》强调，电网规划应有效衔接社会资本的投资需求，按照市场化原则，与相关市场主体充分衔接，应精准利用投资资金，进一步强化安全性、经济性分析[1]。随着新一轮电力体制改革推进，配电网规划逐渐从单一主体转变成包括社会资本等多个主体参与源-网-荷-储协同规划的新局面[2]，这一趋势有利于缓解电网投资压力，因社会资本的逐利性，也将有利于优化规划资源。但由于主体的多元化，如何均衡各方利益是规划难点。此外，《关于开展分布式发电市场化交易试点的通知》（以下简称《通知》）[3]指出，分布式光伏(photovoltaic, PV)可以选择代理交易模式上网，即委托电网企业代理出售发电量并向其支付代理过网费，但未有结算规则和过网费机制的明确说明。因此，研究市场化环境下考虑各主体利益耦合关系的多主体规划具有现实意义。

目前，已有大量文献针对多主体规划展开了研究。文献[4-7]分析了分布式电源（distributed generation，DG）投资运营商、配电网运营商（distribution network operator，DNO）和电力用户等利益主体的相互关系，协调取得“源”“网”“荷”之间的利益共赢。文献[8-10]分析了主动配电网框架下各主体的利益冲突，建立了基于博弈论的规划模型。文献[11-12]提出一种配电网与微电网运营商联合投资的有限理性决策的多策略集演化博弈分析方法以优化微电网源-储容量。

上述文献中，PV大多基于传统“全额上网”模式接入电网，随着分布式发电市场建设推进，PV可以通过直接交易模式、电网代理交易模式或标杆上网电价收购模式进入市场交易[13]，结算规则及过网费机制与各主体投资效益息息相关。文献[14-16]建立了分布式发电市场化环境下各交易主体的响应行为模型以及在不同交易模式和去补贴条件下的过网费模型。文献[17-18]建立了基于电气距离的动态过网费模型，并考虑了网络损耗因素。但少有文献将动态过网费应用于规划层面。文献[19]构建了配电网运营商和多投资主体的 DG 规划决策模型，提出了基于过网费动态更新的多主体协同规划趋优引导策略。

综上所述，为均衡市场环境下PV投资商和配电网运营商的投资规划效益，本文建立考虑光伏预测误差的结算规则，为削减偏差电量，考虑PV投资商同时投资储能，且储能可选择不同的响应方式，进而形成多种运行策略；基于电气距离建立代理费用模型，模型考虑了运营商传输成本、网络损耗和合理收益。结算规则和代理费用模型形成利益耦合模型，以描述分布式光储投资商和配电网运营商的利益关系。基于利益耦合模型建立配电网运营商和分布式光储协同规划-运行模型。利用基于自适应策略的双层改进粒子群算法求解规划-运行模型。以某实际配网为例，进行规划结果分析，验证所提方法对保障各主体合理效益的有效性。

1 利益耦合模型

本文的利益耦合模型主要描述分布式光储投资商和配电网运营商的交易模式和代理交易规则。

1.1 分布式交易机制

根据《通知》，国内针对DG有以下3种可采用的交易机制。（1）直接交易模式。即DG和用户进行直接交易，电网承担输配电力的角色并收取交易双方的过网费，同时国家对DG的补贴标准下降至政府补贴标准的90%及以下。（2）代理交易模式。作为直接交易模式的一种变型，其具体交易方式是DG投资商委托电网企业代理出售发电量并向其支付代理过网费，DG获得的补贴减少至政府补贴标准的90%及以下。（3）标杆上网电价模式。电网根据标杆上网电价收购DG的全部发电量，DG获得政府补贴标准减去交易涉及最高电压等级输配电价补贴金额。在市场化建设初期，用户参与度相对较低，代理交易模式可以帮助DG投资商省去寻找直接交易对象的过程，同时降低了政府支出。本文假设分布式光储通过电网代理的方式进入市场交易。

1.2 代理交易规则

为保证代理交易模式下电网的调度效率，假设分布式光储投资商将与配电网运营商签订代理交易合同。合同主要包括中长期交易电量、结算规则、代理费用等内容。

1.2.1 中长期交易电量

投资商根据光伏发电预测曲线计算年内光伏上网电量。本文直接采用文献[20]的晴、阴发电曲线作为日前光伏发电预测情况，并以配网所在地晴、阴比例计算中长期交易电量。

1.2.2 结算电量

（1）预测误差。

日前光伏发电预测可能存在日前预测误差，假设预测误差符合正态分布[21]，则有

式中：下标i、t、n分别表示节点i、时段t、场景n；为场景n下时段t节点i处的光伏实际出力；为光伏出力预测误差；ηpvyc为光伏预测误差系数，为光伏预测出力。

本文的时间颗粒度为1 h，功率和电量可互换使用。

（2）柔性储能运行策略。

储能作为一种灵活性资源，既能作为备用电源，响应光伏预测误差，也能作为需求侧资源，响应配电网峰谷电价。本文储能分为刚性和柔性，假设刚性储能仅在光储接入节点因故障而离网运行时供应本地负荷运行0.5 h，因此只考虑柔性储能的运行状态，响应方式具体内容如下。

②响应峰谷电价方式。储能在分时电价处于峰时向电网放电，谷时由电网充电，在储能约束范围内使电能增量最大，得到响应峰谷电价的储能电能增量。

（3）计划电量。

投资商根据运行策略计划调用柔性储能，得到柔性储能电能增量，从而得到光伏上网计划电量和需求响应计划电量，并将计划信息上报给运营商，即

（4）削减电量。

运营商基于潮流平衡、节点电压和支路有功功率等约束进行校核，若存在越限，则优先削减，再削减，直至满足约束，得到削减电量（与同号）和削减电量，并将削减信息发送给投资商。总削减电量为

（5）结算电量。

投资商进一步调整计划，具体步骤为

①更新需求响应电量，即

②更新光伏上网电量，即

配电网按照更新结果执行运行，时段加1。

1.2.3 结算规则

1.2.4 代理费用

为保证售电收益分配的公平性，须对分布式光储投资商向配电网运营商支付的代理费用进行核定。本文基于电气距离法建立了代理费用模型，考虑了配电网传输成本、光伏上网电量传输损耗和运营商代理售电的合理收益。由前文可知，光伏向节点i注入上网电量，优先供给本地负荷，再向除松弛节点以外的节点按负荷比例供电，代理费用Cdl为

2 规划-运行模型

本文建立了考虑配电网、分布式光储协同规划的规划-运行模型，模型框架如图1所示。模型考虑了市场化环境下各主体间的利益耦合关系，将第1节建立的利益耦合模型嵌入运行层仿真依据和规划目标中，运行层依据代理交易模式规则和柔性储能运行策略进行典型场景下的仿真运行，规划层依据结算规则和代理费用模型计算各主体的目标值，从而达到均衡各主体投资规划效益的目的。

图1 配电网规划-运行模型框架Fig.1 Planning-operating model framework for distribution networks

2.1 配电网规划层模型

配电网运营商主要关注电网可靠性提升、光伏延缓电网投资效益和经济性等目标，可靠性被量化成停电损失，因此配电网运营商考虑的效益因素主要包含架空裸导线绝缘化改造成本Cline、三遥安装成本Csy、停电损失成本Closs、分布式光伏延缓电网投资效益Cdelay、购售电收益Cb&s和代理净收益。建立的等年值目标函数为

目标函数中各成本计算公式如下。

式中：Ωjk为架空裸导线绝缘化改造备选线路集合；为支路i−j的绝缘化改造标志，为1表示进行改造，为0表示不进行改造；R为等年值系数；clin,inv为单位长度架空裸导线绝缘化改造的初始投资成本；clin,o&m为单位年运维成本；Lij为支路i−j的长度；m为设备的寿命；r为折现率。

式中：Ωsy为三遥安装备选线路集合；为支路i−j的三遥安装标志，为1表示安装，为0表示不安装；csy,inv为单台三遥的初始投资成本；csy,o&m为单台三遥的年运维成本。

式中：EENS、ISAID分别为系统期望缺供电量和系统停电平均持续时间，该层各决策变量都将对其产生影响，计算过程参考文献[22]；loss(ISAID)为单位电量停电损失函数，是关于停电持续时间的指数模型；A、τ分别为单位电量停电损失稳定值和损失时间常数；K为电力用户类型总数；λi为第i类用户负荷比例；Ai为第i类用户单位电量停电损失稳定值；τi为第i类用户损失时间常数，反映用户停电损失随时间变化的速度。

式中：Ωbranch为配电网拓扑支路集合；为支路i−j在光伏接入前升级改造的投资成本等年值；为支路i−j在光伏接入后的投资成本等年值；为支路i−j在光伏接入前的升级改造年限；为支路i−j在第年的投资成本；为支路i−j在光伏接入后的升级改造年限；为支路i−j在第年的投资费用。

式中：Csold为运营商售电收益；Cbuy为运营商购电成本；N为典型场景数；T为典型场景包含的时段数；pn为场景n的概率；为电网售电电价；为运营商向上级主网购电电价；为上级主网提供功率；为网络损耗功率总和。

此外，分布式光储接入节点受限于运营商关于分布式光储的备选接入位置。

2.2 分布式光储规划层模型

式中：mpvess为分布式光储的投资年限，本文考虑取光伏的寿命为投资年限，储能在投资期间需要根据实际寿命更换残旧设备；为光伏的初始投资成本；为储能的初始投资成本；为光伏设备安装数量；为单台光伏设备初始安装成本；分别为刚性、柔性储能设备安装数量；为单台储能设备初始安装成本；分别为刚性和柔性储能在投资年限里的更换次数；为单台储能更换成本；less,s、less,f分别为刚性和柔性储能的寿命，其与储能的使用年限、循环寿命和充放电深度有关，具体计算过程见文献[23]；为单台光伏的运维成本；为单台储能设备的运维成本；为光伏发电补贴价格，本文取为政府补贴光伏发电电价的0.9倍。

此外，还需要考虑投资金额和节点接入容量约束，即

运行层主要根据规划层传递的规划结果，根据代理交易模式规则和柔性储能运行策略，基于典型场景进行仿真运行，得到规划模型中与场景和时序有关的变量，即配电网运行结果，并将结果传递给规划层，以便各主体计算目标值。

3 模型求解

由于模型存在可靠性目标、潮流约束等非线性因素，本文采用双层改进粒子群算法求解建立的规划-运行模型。

3.1 更新方式

考虑到标准的粒子群算法存在容易陷入局部最优的缺陷，本文考虑采用基于自适应策略的改进粒子群算法，从而提升算法全局寻优的能力[24]。粒子群更新方式如下。

式中：ωi、ωmax、ωmin分别为第i个粒子的惯性权重、最大惯性权重和最小惯性权重；fi、fav1、fav2分别为第i个粒子的适应度值、当前种群中适应度值大于种群平均适应度值的其他粒子平均适应度值、当前种群中适应度值小于种群平均适应度值的其他粒子平均适应度值；vi为粒子速度；c1、c2为学习因子；pbest,i为第i个粒子历史最优位置；gbest为所有粒子历史最优位置；ri1、ri2为0～1之间的随机数；fav1为当前粒子位置；xi’为更新后粒子位置。xi为粒子i位置。

同时，由于配电网规划层的决策变量是线路改造位置等离散变量，本文对此层的求解采用离散粒子群算法[25]。基于自适应策略的离散粒子群算法的惯性权重和速度更新方式同式（36）（37），粒子位置的更新方式如下。

式中：S(vi)为sigmoid函数，能将粒子速度映射到0～1之间，ri为0～1之间的随机数。

3.2 求解流程

步骤（1）：初始化种群A，生成N个含线路改造、三遥和分布式光储接入方案的二进制编码粒子；步骤（2）：基于种群A对应生成N个种群B，每个种群有M个含分布式光储容量规划方案的粒子；步骤（3）：基于种群A和对应种群B的粒子情况进行运行层的仿真运行，得到运行结果；步骤（4）：根据运行结果计算种群B的适应度值，更新种群B个体最优种群和全局最优粒子，判断迭代次数是否越限，若是则执行步骤（5），若否则按照式(36)-(38)更新种群B并返回步骤（3）；步骤（5）：基于对应种群B全局最优粒子和运行结果计算种群A的适应度值，更新种群A个体最优种群和全局最优粒子，判断迭代次数是否越限，若是则输出种群A及对应种群B的全局最优粒子，并结束求解，若否则按照式（36）（37）、（39）（40）更新种群A并返回步骤（2）。

4 算例分析

4.1 算例说明

本文采用某10kV配电网拓扑进行分析。其网络拓扑如图2所示，初始拓扑中，线路12–13和14–15为架空裸导线，其余为电缆线路，线路1–2、11–12、12–13、15–16安装三遥，线路2–3、8–9、9–10、2–11、3–17安装分段开关；节点5、6、7、8为商业负荷，其余为居民用户；系统总负荷量为3.053MW+1.89MV·A。

图2 配电网拓扑情况Fig.2 Distribution network topology

架空裸导线绝缘改造备选线路有1 2–1 3、14–15，三遥安装备选线路有 2–3、3–4、4–5、5–6、6–7、3–17、17–18，分布式光储备选节点有 9、10、18、19、20，容量上限为 2 MW。

典型场景主要考虑晴、阴天2个场景，场景概率通过统计当地2019年的天气情况得到；折现率取10%；每个典型场景时段划分情况为：09:00—14:00和17:00—22:00为峰时段，07:00—9:00、1 4:0 0—1 7:0 0和2 2:0 0—2 4:0 0为平时段，00:00—07:00为谷时段；配电网向上级主网购电电价为：峰时段0.90元/(kW·h)，平时段0.60元/(kW·h)，谷时段0.30元/(kW·h)；配电网售电电价为：峰时段0.58元/(kW·h)，平时段0.45元/(kW·h)，谷时段0.32元/(kW·h)；政府补贴光伏发电电价为0.25/(kW·h)；单位电气距离传输电价为0.02元/(单位电气距离·kW·h)；燃煤标杆上网电价为0.39元/(kW·h)。停电损失相关参数参考文献[22]。其余经济参数及元件约束如表1～3所示。

表1 配电网规划或升级改造项目经济参数Table 1 Economic parameters of distribution network planning or upgrading projects

表2 光伏经济参数Table 2 Economic parameters of PV

表3 储能经济参数及约束Table 3 Economic parameters and constraints of ESS

分布式光伏发电预测情况采用文献[20]的数据，根据预测误差模型生成光伏预测误差曲线。负荷中长期时序模拟方法参考文献[26]，选取年度最大日负荷曲线作为典型日负荷曲线。

4.2 规划结果分析

基于前述模型进行规划仿真，得到不同柔性储能运行策略情况下的规划方案和各主体效益，结果如表4和表5所示，同时给出了储能在晴天场景的出力情况，如图3所示。

表4 不同柔性储能运行策略下的规划结果Table 4 Planning results under different flexible energy storage operation strategies

表5 不同柔性储能运行策略下规划后各主体的效益情况Table 5 Benefits of subjects under different flexible energy storage operation strategies after planning

图3 晴天场景下的柔性储能充电功率和荷电状态Fig.3 Charging power and state of charge (SOC) of flexible ESS under sunny scenes

分析表4～5、图3，可得出如下结论。

（1）对于分布式光储投资商来说，策略3对应的规划效益情况最优，但从图3中各个运行策略下储能的响应来看，充放电量并无明显差异，而规划结果中策略3对应的光伏规划容量是11台，因此具有容量优势。策略4对应的效益情况最差，其光伏规划容量仍然是11台，但是其代理费用相比于策略3来说高一倍多，这是由于所建立的代理费用模型是基于电气距离方法，而其规划位置处于配电网拓扑末端，到各个节点的电气距离更长，因此代理费用更高。不同策略下的储能规划容量不同，但都不为0，可知任一策略下的储能投资都能使分布式光储获得正收益，而综合2种响应方式的策略4的储能规划容量最大，因此最能使储能投资获利。

（2）对于配电网运营商，无论在哪种策略下，运营商规划后的效益情况都比初始拓扑要低，因此，对于运营商来说，代理交易模式相比于传统售电方式的利润要低。但从另一个角度来看，这说明运营商释放了售电端经营红利，能够吸引更多的社会资本投资电网。同时，由于政策等原因，运营商肩负与相关市场主体充分衔接的社会责任，因此，在既定的社会资本投资需求下，制定交易规则是合理化自身收益的一个重要手段。

为了验证利益耦合模型的合理性，设立了关于代理费用的对照方法，分布式光储投资商仍需要向配电网支付上网电量的过网费，假设对照方法是按照输配电价结算，代理费用为

式中：cUoS为单位电量过网费，取0.115元/(kW·h)。

对照方法不同策略下的规划结果和效益情况如表6～7所示。

表6 不同柔性储能运行策略下的对照方法规划结果Table 6 Planning results using a contrast method under different flexible energy storage operation strategies

表7 不同柔性储能运行策略下对照方法规划后各主体的效益情况Table 7 Benefits of subjects under different flexible energy storage operation strategies after planning using a contrast method

根据对照方法的规划结果可以看出，与前文基于电气距离建立利益耦合模型的方法对比，光储规划数量并无显著差异，但规划后各主体效益情况有较大差别。

以策略1为例，对于投资商来说，对照方法的总效益为24.849 0万元，电气距离法是27.190 5万元。效益差距的主要原因是前者代理费用高昂。由于cUoS一般由电网给定，并不能完全体现电网传输成本和解决各主体收益均衡问题，因为随着光伏接入节点位置的改变，光伏上网电量对配电网传输造成的压力有所不同，而电气距离法能够很好地体现不同位置对电网资产的利用情况。

仍然以策略1为例，虽然对照方法下的代理费用较高，但配电网运营商的总效益并未较电气距离法更高，这是因为分布式光伏规划容量较电气距离法更大，使得上网电量更多，对运营商来说效益更好的传统售电方式的利润下降得更多，总效益不如电气距离法。从策略3和策略4来看，似乎对照方法能够使运营商获得更高的利润，但这是由于光伏规划容量较电气距离法更低。

因此，基于对照方法的代理交易模式下规划结果的低利润将打击分布式光储投资商投资信心，不利于缓解电网投资压力，更没有合理地均衡多主体规划下各方利益。

5 结论

在市场环境下，本文基于代理交易模式制定了考虑光伏预测误差的结算规则，建立了基于电气距离的代理费用模型，二者共同形成利益耦合模型；将利益耦合模型嵌入规划-运行模型中，从而达到均衡市场环境下各主体投资规划效益的目的。得出如下结论。

（1）在本文设置的交易规则和参数条件下，不同运行策略下的储能投资经济性不同，但都为正值，对于需求侧资源发展有一定的激励效果。此外，综合响应光伏预测误差和响应峰谷电价两种方式的运行策略能使储能投资效益更大，因此投资分布式光伏时可适当配置储能，从而减少偏差赔偿和增加响应峰谷电价收益。

（2）从对照方法规划结果来看，相比于输配电价方法，基于电气距离的代理费用模型使得利益关系更加清晰，更能反映上网电量对电网资产的使用情况，从而更好地均衡市场环境下各主体效益。为保障代理交易双方的合理利益，考虑了运营商传输成本、网络损耗和合理收益的代理费用模型更具有实际意义。

目前工作仅考虑了配电网可靠性提升措施等规划，未来可在本文基础上对考虑在分布式光伏代理接入电网下配电网网架、配电变压器等适应性协同扩展规划作进一步研究。