电力零售商引导下智能电网多方利益均衡策略

李军祥, 王宇倩, 孙 权, 党亚峥, 高 岩

(上海理工大学 管理学院,上海 200093)

0 引言

在当前能源价格稳步上涨、环境污染问题加剧的背景下，为了以更可靠、经济和清洁的方式满足系统中各类用户所需能源，需要在平衡各方利益的基础上对资源进行协调[1]。已有诸多学者探索需求侧管理和供电商发电策略，从供需两侧角度深入研究以期提高电网的运行效率。实时定价是需求侧管理的一个有效手段[2]。文献[3]提出基于马尔可夫决策过程的社会福利最大化模型，求解实时电价定价策略。文献[4]设计动态住宅负荷调度系统，优化家用电器的自适应消费定价。文献[5]建立智能电网实时定价优化模型，利用KKT条件和改进的Fischer-Burmerister平滑函数求解优化模型。文献[6]提出电网公司与多用户需求响应的主从博弈模型，考虑用户满意度和电力波动成本，建立电力供应商和电力用户收益的目标函数。

有关电力生产调度问题，文献[7]针对不同能源形式的能量枢纽构建优化调度模型，实现能量枢纽成本的最小化，采用数据驱动的两阶段分布鲁棒优化方法处理风电出力的不确定性。文献[8]提出的绿色火电调度评价机制，研究在优先考虑清洁可再生能源充分调度但仍不能满足全社会能源需求的情况下，优化火电资源的调度顺序。文献[9]介绍了一种综合线性化模型的电力管理方法，用于混合储能系统优化选型、工艺选择和风力混合储能系统电力调度，解决了现有风电调度方法中存在的大容量额定值问题。

以上研究大多考虑电力系统中的双向联系，忽略了现实存在多类供电商、电力零售商和用户组成一个闭环的电力系统。此外，还要考虑电力来源多样性和不同电力来源供电量的时间变化特性等。风光能源出力波动性和随机性使系统运行不确定因素增加，传统基于确定性分析的电力系统得到的优化方案可能会背离预期目标。本文电力零售商引导下的智能电网实时电价系统，决策者关心优化方案在风光出力不确定的情况下是否能够满足系统安全性约束。因此引入可调节鲁棒因子，采用盒式不确定集表示风光能源出力不确定性，对关键参数扰动进行分析，使得求解结果具有鲁棒性。

整体运行策略为：风光能源供电商优先根据电力零售商提供的上一时隙用户用电情况调整发电量，向电力零售商报价，化石能源供电商随之调整。电力零售商结合供电商供电和用户用电两者平衡情况及自身盈亏情况，调整供电商报价。在用电侧根据实际特性将用户分为两大类，分别建立效用函数，调整每一大类内的小类用户效用函数参数进行优先级排序。电力零售商根据不同类型用户制定不同的实时电价，用户根据自身用电意愿和成本结合电力零售商公布的电价制定用电计划。电力零售商将用户用电信息收集后调整下一时隙电价并将用户用电总量传递给供电商调整发电量，最终实现社会用电负荷总峰值的削弱，实现电力系统削峰填谷及各方利益最大化。

1 模型建立及分析

本文是由多供电商和多类用户在电力零售商引导下的智能电网实时电价系统。发电侧考虑环境波动因素对供电商的影响，优化供电商供电上网顺序，平衡电力供需的同时提高风光能源利用率；用电侧对用户分类和供电优先级开展进一步研究，在二次分类的基础上通过粒子群算法求解各类用户用电量，削峰填谷的同时进一步实现社会福利最大化。

1.1 发电侧收益模型的建立及定价

(3)

(4)

电力零售商根据上一时隙实际供需和自身盈利情况与发电方议价。电量供大于求时适度降低电价，供不应求时适度提高电价。此外，零售商需满足自身盈利，当购电成本大于售电收益时降低零售商购电电价；当售电收益大于购电成本时又需要适当提高零售商购电电价让利于发电商。电力零售商和生产商之间电价协商差值Bar(σ1,σ2)根据以下公式求得:

(5)

(6)

1.2 电力零售商定价和收益

电力零售商调度发用电量，通过批发购电和零售售电对供电商发电和用户用电进行调控。在不影响自身盈利的同时，维持电力供需平衡，保持市场平稳运行，收益计算为：

(7)

(8)

1.3 用户效用分析

使用效用函数反映用户满意程度在用电过程中随用电量变化。实际情况用户类别众多，为简化模型，根据用电量规模将用户分为两大类，即I=2。第Ⅰ类用户用电规模较小，用户效用随用电量的增加而增加，达到一定程度后饱和，用户得到满足不再增加；第Ⅱ类用户用电规模较大，效用随着用电量增加会持续增加，但增长速度逐渐减小。根据以上特性，第Ⅰ类效用函数用分段二次函数表示[3]:

(9)

其中x是用户用电量，ω表示用户用电意愿，根据用电负荷对用户用电意愿的影响程度分别进行设置。因为不同用户对于不同时间使用的意愿强烈不同，导致用电负荷变化，在此基础上通过调整α值再次对Ⅰ类用户分类，α值小则代表该类用户增加单位电量，能获取更多效用。为了简化模型，将Ⅰ类用户也分为两类，即J1=2类。

同样，根据第Ⅱ类用户特性，用对数函数表示效用函数为[12]V(y,β)=βln(ωy+1)。通过调整β值对Ⅱ类用户再进行分类。在其余参数不变情况下，β值越大，代表用户单位用电量获取的效用值越高。为了简化模型，根据该特性将Ⅱ类用户仍然分为两类，即J2=2类。

分类后以社会福利最大化为原则建立实时电价模型。社会福利定义为用能效用减去用电成本的差值。用户总效用函数之和减去总购电费用之和便是用户的总福利:

(10)

假设每个用户都是优先考虑如何最大化自身福利的理智消费者，当电力零售商提供报价时，用户选取最优策略来实现自身福利最大化，同时各类用户的总用电量需小于电力零售商的总购电量。为实现该策略，建立数学模型并求解将得到一天内各用户用电量及社会总福利：

(11)

(12)

式等价于:

(13)

其中zt,δt,γt均为拉格朗日乘子。

(15)

联立式(12)～式(15)并经过化简，式中的系统备用约束转换为:

(16)

在实际调度中，通常风电光伏最大波动范围事先给定，同时风电光伏能源波动区间的系数可根据实际需要选取。至此，含不确定的模型已经转换为常规优化问题。

2 系统算法过程及实现

整个实现过程中供电商、电力零售商和用户三者之间是实时互动的，通过智能电表和电力信息共享协议达成，系统整体运行算法由图1表示。风电光伏供电商根据零售商提出的下一时隙用电需求生产电力，将电价和发电量告知电力零售商。零售商再向化石能源供电商提出电力需求，化石能源供电商根据需求提出报价并生产电力。发电侧算法中目标函数为二次函数，根据已知数据直接运算求得发电量和供电商售电电价。电力零售商通过上一时隙供需平衡和盈亏情况对供电商报价协商调整，得到供电商的最终报价。同时，根据上一时隙用户用电量和收益最大化原则向用户方提出电价方案。在电力零售商算法中，目标函数是关于电价的线性函数，在求得成本限制条件后可直接求解。用户根据电力零售商提出的电价调整用电方案，由智能电表向零售商传递用电量信息。实现用户侧算法需要粒子群算法，求解时采用罚函数法将目标函数和约束函数加权后转化为没有约束条件的优化函数。

图1 电力系统整体运行算法流程图

3 数值模拟

3.1 参数设置

3.2 结果分析

通过数值仿真得到风电光伏和化石能源供电商24小时收益情况如图2(b)所示。从图中看出化石能源供电商收益与风电光伏供电商收益呈负相关趋势。这是因为在风光能源不足时，化石能源供电商生产和售出更多能源获取更多收益。而在风光能源充足时，电力零售商优先向风电光伏供电商购电，化石能源供电商发电量和电价随之降低，收益也同样减少。

图2(a) 风力和光伏发电量

图2(b) 供电商收益情况

图3(a)描述整个电力系统24小时发用电情况，可以看出系统初始发电量较大，算法调整后发用电量基本保持一致，并合理地保留一定余量，为出现电力需求的陡增留有缓冲时间。图3(b)说明系统运行一段时间调整电力需求后，保证发电方稳定利益且提升电力零售商收益。

图3(a) 电力市场供需情况

图3(b) 供电商和零售商收益情况

各类用户电价和用电量如图4所示。通过在用电高峰时段设置高电价，将用电规模较大的Ⅱ类用户用电需求转移至用电低谷时段；对于用电规模较小的Ⅰ用户，同样利用电价引导用户尽可能避开用电高峰。而在相同规模的用户中，根据用电产生的福利不同，通过细微的电价差异，优先级高的Ⅰ-1和Ⅱ-1类用户能够获取相对更低的电价，从而引导优先级高的Ⅰ-1和Ⅱ-1类用户多用电，产生更大的社会效益。

图4(a) 24小时各类用户电价

图4(b) 24小时各类用户电量

设置鲁棒因子1为Γt=0，鲁棒因子2为Γt=1，鲁棒因子3为Γt=2，鲁棒因子4为Γt=Nw，绘制四种不同鲁棒因子场景下风电光伏能源出力曲线如图5(a)所示。分析鲁棒水平对供电商和零售商收益的影响，鲁棒因子Γt在不同取值下的供电商成本和利润曲线如图5(b)、(c)所示；电力零售商成本和利润曲线如图5(d)、(e)所示；不同鲁棒水平下用户福利值曲线如图5(f)所示。

图5(a) 风电光伏能源出力

图5(b) 供电商成本

图5(c) 供电商利润

图5(d) 电力零售商成本

图5(e) 电力零售商利润

图5(f) 用户福利

电力系统实际运行中，鲁棒因子对应风电光伏能源不确定性的波动程度，观察图5(a)可知，鲁棒因子取数值为0，即不考虑清洁能源出力不确定性的常规情形，风电光伏能源出力曲线最平稳；鲁棒因子取值越大，考虑的波动范围越大，相应的决策更为保守。由图5(b)、(d)可见，供电商发电成本和电力零售商购电成本随鲁棒因子取值增加均有一定程度的上升，这是因为风电光伏出力变化幅度增大，为了保证系统可靠运行，必须付出更多成本来维持系统稳定。同时，观察图5(c)、(e)可见供电商和电力零售商利润均呈现下降趋势，即经济性下降，产生此结果的原因是存在风电光伏不确定性惩罚成本，即实际中为了满足风电光伏出力不确定性而额外增加的备用成本。可见系统的鲁棒性和经济性是相互矛盾的两个目标，不确定性增加改变了按经济最优确定的机组出力计划，导致系统运行成本不断增加，但整体利润曲线偏差并不大。观察图5(f)也可见，不同鲁棒水平对用户福利造成的影响较小，说明本文建立的电力零售商引导下的实时电价系统具有较强的鲁棒性。

4 结束语

本文将电力零售商作为主导方，根据发电量和用电信息以收益最大为目标输出用户实时电价，引导发电商合理发电、用户合理用能。对于电力供给侧，将供电商根据能量来源进行分类，采用盒式集合刻画风电光伏出力的不确定性因素，建立收益最大化模型输出最优发电量，充分利用可再生能源。对于电力需求侧，根据用电规模和效用差异对用户进行二次分类，建立效用最大化模型，应用对偶理论出力不确定性简化模型，输出用户最优用电量。结果表明本文所提模型具有平衡供需、削峰填谷、提高企业利润及增加社会总体效益的优点，且系统具有较强的鲁棒性。

未来可以考虑供电商之间的合作方式，建立双方共赢的电力供给侧模型。同时，电力需求侧可以进一步考虑用户设备的控制特性，提高用户分类模型的现实可行性。