计及需求侧参与的日前市场出清机制设计

左剑，何耿生，付聪，杨韵，钟雅珊，杨民京，叶佩珊

(1.广东电网有限责任公司电力调度控制中心，广东 广州 510600；2.南方电网能源发展研究院有限责任公司，广东 广州 510663；3.南方电网数字传媒科技有限公司，广东 广州 510623)

2015年，我国开启了新一轮电力体制改革，将开放售电侧市场作为改革重点，大量售电公司开始作为连接批发市场与零售市场的中间媒介，积极参与到电力市场中。传统电力交易模式由电网承担售电业务，保证用户电价稳定，承担电价波动的风险。售电侧电力市场改革将极大改变传统的电力交易模式，零售商代表用户在电力批发市场购电，通常以长期合同价格出售，代替电网承担批发市场电价波动的风险[1-2]。因此，有效控制出清电价波动，不仅是售电公司降低运营风险，实现稳健盈利的关键，也是确保电力市场平稳运行的关键所在。

需求侧响应资源参与电力市场出清可以有效抑制电价波动，优化零售商的购电计划，确保电网安全稳定运行。澳大利亚电力市场通过日前市场预出清的方式，考虑需求侧响应对市场出清的影响。作为国内电力现货市场改革的先驱，广东省开展了多轮不同时间周期的日前加实时的电力现货正式结算运行。2021年全国各供电省区均出现了供应紧张的局面，广东需求响应机制也在2021年正式运行，为保障电网供需平衡和减少错峰限电发挥了积极作用。因此，亟需探索考虑需求响应与现货市场出清有效衔接的机制[3-5]。

目前已有许多文献开展了对售电商购电计划进行优化的研究。文献[6-7]构建了考虑售电商收益与用户用电效益最大化的双层优化模型；文献[8]提出储能容量合约机制，以租赁的方式获取储能资源，并应用于电量偏差管理，探究售电商的最优交易策略；文献[9-10]基于场景考虑新能源出力的不确定性，同时利用灵活资源进行需求侧响应，提出微电网聚合商的日前购电最优报价策略。已有研究大多只考虑给定电价下的最优购电计划，对售电商参与电力市场导致的电价变化并未予以充分考虑，与实际情况存在较大差异。

文献[11]采用需求弹性矩阵模拟用户行为，考虑电价的负反馈作用，探讨适用于英国电力市场的需求响应出清机制；文献[12]采用系统动力学的方法仿真得出批发市场与零售市场之间的相互关系，研究零售市场对批发市场电价的负反馈作用，但负反馈作用仅作为模型假设的边界条件，未具体探究现货市场的出清规则带来的影响；文献[13]提出园区参与日前与实时市场出清的售电商最优报价策略，考虑电价的负反馈作用，但园区参与市场互动有赖于园区对市场运行状态和电力系统信息的预测，在多数情况下这些信息并不易得到；文献[14]采用二阶锥优化的方法求解分布式电源与可调负荷优化调度模型，实现售电公司经济效益最大化；文献[15]基于博弈论建立考虑需求侧响应的电力市场模型，两者均以线性关系拟合电价与发电量间的关系；文献[16]利用不同用户负荷曲线的错峰互补效益，向发电厂争取更加优惠的电价，电价信息由发电厂制订，未能反映市场的供需关系。当系统供应存在供应缺口或网络阻塞时，发挥电网实际运行中用户侧的灵活性需求，能提升系统的峰谷调节性能，提高电网的综合效益。

本文针对当前日前市场出清面临的问题，通过构建多售电商参与需求侧响应的日前市场出清机制，考虑日前出清电价的负反馈作用，设计需求侧响应参与电力市场出清互动以及多个售电商之间的相互博弈的架构，最终得到使参与各方均从市场交易中获利且缓解网络阻塞的市场均衡点。

1 批发市场日前市场出清机制设计

1.1 日前市场交易出清一般流程

日前市场出清主要通过多次迭代潮流计算和安全校核，出清各节点电价并发布。具体出清模型参见文献[5，17-20]，其一般性流程如图1所示。

具体步骤如下：

步骤1，系统运行边界确定和市场成员申报信息。市场交易出清组织者预测系统负荷需求和各节点母线负荷曲线，设置系统所需要备用容量及电网拓扑变化的运行边界条件；各发电企业和售电商根据发电机组和所代理的用户用电特性，申报发电和售电电价。

步骤2，形成发电计划。发电计划主要包括市场化机组的启停组合及每台机组的日前发电曲线，通过发电侧匹配次日的全网和各母线节点的用户负荷需求。主要采用安全约束的机组组合(security constrained unit commitment，SCUC)和安全约束经济调度(security constrained economic dispatching，SCED)模型。

步骤3，系统安全约束校核。校核系统的安全约束条件是否全部满足，得到节点电价，若不满足则再次执行SCUC和SCED。

步骤4，重复迭代至市场出清形成节点电价。重复步骤2与步骤3(或指定的迭代次数)，直至通过系统安全校核形成最终的机组组合和调度发电曲线，发布此时的市场出清电量与电价，并以此作为最终日前市场的出清结果。

图1 日前现货市场出清流程Fig.1 Day-ahead spot market clearing process

1.2 出清架构设计

本文提出的日前市场出清机制考虑了零售商的分布式决策与批发市场价格出清的互动。日前市场开市后，零售商向市场申报第2日的用电负荷曲线，交易中心在每个负荷节点处聚合零售商的负荷曲线，作为边界条件输入日前市场出清模型中，得出每个负荷节点的节点电价并发布，零售商根据所在节点的节点电价进行负荷曲线调整并申报，直至各售电商均无意愿继续调整负荷曲线，得出市场均衡点并作为最终的日前市场出清结果。具体的出清机制架构如图2所示。

图2 出清机制架构Fig.2 Architecture of clearing mechanism

2 零售市场需求侧响应申报机制

2.1 零售商的运营方式

零售商作为连接零售市场与批发市场的中间媒介，主要发挥的功能是代替用户在批发市场购买电能，承担电价波动风险并提供能量管理。在充分放开分布式电源的成熟零售市场中，零售商还可以通过双边合同的方式从分布式电源购买电能，本文旨在建立需求侧响应参与批发市场互动的出清机制，分布式能源零售市场暂不予以考虑。所以，零售商的盈利方式主要是通过在批发市场购买电能与在零售市场销售电能的差价实现，销售电能一般是与终端用户签订长期合同，以固定的合同电价出售电能[5]，零售商获益的根本途径在于降低从批发市场购电的成本。

假设批发市场节点i在时刻t的节点电价为λi,t,DA，位于节点i处的某一零售商j的购电量为Pj,t，售电价格为λj，则零售商在日前市场的收益

(1)

通过建立零售商参与日前市场的互动机制，零售商能在一定程度上影响出清电价λi,t,DA，从而创造获利空间。

2.2 零售商博弈

2.2.1 零售商博弈机理

由2.1节可知，零售商通过需求侧响应影响日前市场出清电价，进而减少购电费用。零售商之间由于存在竞争关系，各自的信息不共享，此时，零售商各自独立决策，采用自身利益最大化的需求响应策略。假设零售商j的用户需求侧响应的度电补贴为λj,DR，需求侧参与电量为Pj,t,DR，则参与需求侧响应后，零售商的收益

(2)

式中：S为参与需求侧响应的时刻的集合；Pj,t1-t2,DR为从时刻t1至时刻t2的负荷转移量。

由式(2)可知，参与需求侧响应时，零售商收益主要由2部分组成：一是式(2)中的第1项，零售商通过影响λi,t,DA出清值，使得刚性负荷部分的购电成本下降，进而从中获益；二是式(2)中的第2项，通过转移负荷降低灵活响应负荷部分的购电成本。

零售商通过需求侧响应影响日前市场出清价格，抑制峰谷价差，由于用户需求侧响应补贴λj,DR一般不变，零售商的盈利空间逐渐缩小，提供需求侧响应的意愿会逐渐降低，需求侧响应对零售商参与日前市场互动具有负反馈作用。若需求侧响应申报量过多，零售商将在用户补贴上支出过多，入不敷出，同时降低电价峰谷差，给其他零售商“搭便车”[7]的机会；若需求侧响应申报量过少，则无法充分利用需求侧响应提高效益。因此，需求侧响应参与日前市场的本质是多零售商相互进行博弈的过程。

2.2.2 零售商博弈过程

由于零售商之间的信息相互保密，零售商了解市场供需关系的唯一途径是日前市场发布的节点电价信息。考虑需求侧响应的负反馈作用，零售商只能依据节点电价试探性地申报一部分需求响应电量，本文采用逐步出清的方式设计零售商的博弈过程，通过多次迭代出清，揭示最真实的市场供需关系，为零售商提供可靠的需求侧响应决策依据。具体的零售商博弈过程如下：

步骤1，初始负荷申报。零售商根据用户用电习惯上报各自的负荷曲线，由日前市场统一出清得到节点电价。

步骤2，零售商需求侧响应决策。零售商将最高电价时刻对应的负荷转移到最低电价时刻，具体申报的负荷转移量根据自身对风险与收益的评估后确定。

步骤3，等待日前市场防投机检测和新一轮出清结果。日前市场剔除非削峰填谷的零售商需求侧响应申报，不予出清。随后日前市场聚合通过防投机检测的零售商申报的负荷曲线，进行新一轮日前市场出清，发布市场出清结果。

步骤4，博弈至市场均衡点。重复步骤2—步骤4，直至各个零售商均不继续进行需求侧响应申报，得到市场均衡点，作为日前市场最终的出清计划。

需要注意的是，为防止零售商在博弈初期市场获利空间较大时将大量高峰负荷申报转移至低谷时刻，抢占市场资源，并在市场出清后逐步将低谷负荷重新转移回高峰负荷时刻，操纵市场信息，步骤3设计了防投机检测。

2.2.3 博弈均衡点存在性

日前市场出清模型本质上是考虑SCUC与SCED的模型，模型根据机组出力成本高低进行排序，优先出清运行成本低的机组。以2台机组为例，上述考虑需求侧响应的日前市场出清过程如图3所示[21-22]。图3中，机组成本曲线为机组煤耗函数的导数，红线表示实际出清曲线，为机组1与机组2成本曲线沿纵轴的叠加。

图3 动态出清过程Fig.3 Dynamic clearing process

零售商间的博弈过程如图4所示。图4中：S1表示的阴影部分面积为经过需求侧响应后，谷荷时段零售商多付出的购电费用；S2表示的阴影部分面积为零售商在峰荷时段节约的购电费用。因此，零售商的盈利空间即为S2-S1。

图4 零售商博弈过程Fig.4 Game process of retailers

根据2.2.2节关于博弈过程的论述，零售商通过逐步试探性地进行需求侧响应电量申报的方法寻求自身利益最大化。由于防投机检测机制的存在，每一次市场出清的峰谷电价差必将出现一定程度的下降，(如图4所示)，随着需求侧响应的逐步出清，出清点往出清曲线中间靠拢，S2逐渐减小，S1逐渐增大，因此，零售商的盈利空间逐渐缩小，最终博弈必将收敛于市场均衡点。理想情况下峰荷与谷荷出清点收敛于同一个点，实际上由于用户度电补贴以及最大需求侧响应电量约束的存在，峰谷荷出清点间将有一定距离。另外需注意的是，在出清曲线拐点处可能出现某一次出清S2增大，S1减小的情况，但仅出现1次，不影响最终模型的收敛性。

3 算例分析

3.1 算例数据

本文以3个负荷节点的日前市场出清模型为例，对所提出的需求侧响应参与的日前市场出清机制进行仿真和分析，该系统包含2台火电机组和4个零售商，具体网络拓扑数据如图5[18]所示。负荷数据选取美国某地区冬季的负荷数据，零售商的基本信息见表1。日前市场出清模型在GAMS平台调用CPLEX求解器求解，零售商间的博弈过程通过MATLAB编程实现。图5中，g为发电机，X为线路阻抗标幺值。

3.2 市场出清结果分析

本文设计3种市场出清场景，对零售商不参与需求侧响应、参与需求侧响应但不参与互动、零售商参与需求侧响应且参与互动的出清结果进行对比分析。

图5 3节点算例模型Fig.5 Three bus network example

表1 零售商参数Tab.1 Retailer parameters

场景1，零售商不参与需求侧响应。零售商不与用户签订需求侧响应合同，直接将第2日负荷预测结果上报日前市场进行购电。

场景2，零售商参与需求侧响应，但不进行市场互动。零售商根据第2日负荷预测的数据进行削峰填谷，将最高负荷转移到最低负荷，申报已签约的全部需求侧响应合同电量。

场景3，零售商参与市场互动。即本文提出的考虑需求侧互动的日前市场出清方法。

零售商出清结果见表2。

表2 零售商出清结果Tab.2 Market clearing results of retailers

分析表2出清结果，可以得出以下结论：

a)对比场景1与场景2，零售商1、2参与需求侧响应后，购电成本有了不同程度的下降，说明在放开零售市场管制的市场环境下，参与需求侧响应可以使零售商获益；零售商3、4参与需求侧响应后，购电成本反而上升，原因是用于用户度电补贴的费用超过需求侧响应带来的效益，说明在缺乏合理的市场信息披露机制时，零售商可能因盲目申报需求侧响应电量而导致亏损。

b)对比场景2与场景3，零售商在参与市场互动的场景下，购电成本相对较低，需求侧响应出清量较少。一方面说明零售商参与日前市场互动可以获得更多收益，同时在市场环境下，零售商购电成本与市场供需紧张程度呈正相关关系；另一方面说明零售商参与市场互动可以以较少的需求侧响应量更好地缓解市场供需紧张程度，一定程度上说明本文提出的日前市场出清机制是一种高效的市场出清机制。

本算例中，由于系统规模较小，仅考虑2台单位发电成本相近的发电机，场景2与场景3的购电成本相差较小，但结果可以揭示需求侧响应中的博弈机理。同时，本文旨在建立需求侧响应参与市场的互动机制，零售商间的具体博弈策略不在讨论范围，因此本算例仅考虑等步长申报需求侧响应电量。

3.3 阻塞管理

对于电网而言，需求侧响应带来的效益在于缓解高峰负荷带来的电能输送能力不足的问题。通过需求侧响应平抑负荷峰谷差，缓解或者消除网络阻塞现象，能扩大电网运行的安全域，延缓电网投资建设[23-26]。本节在3.2节的基础上，通过抬高负荷水平，制造电网阻塞，观察本文提出的日前市场出清机制在电网阻塞管理上的效用。

通过试探法逐步提高负荷水平，连接节点2与节点3的输电线路率先出现阻塞现象，分别出现在19时、20时、21时这3个时刻。此时的节点电价出清情况见表3。

表3 无阻塞管理的电价Tab.3 Nodal price without congestion management 元/MWh

结合图5的拓扑结构，由分析可知，在系统出现阻塞时，发电成本较小的发电机g2由于阻塞原因，无法通过线路2-3给负荷节点1和2供电，负荷节点只能通过发电成本较大的发电机g1供电，导致节点1和2的节点电价比节点3高。

为说明本文提出的日前市场出清机制在电网阻塞管理上的效用，人为提升线路2-3的最大传输能力，不考虑阻塞，同时将零售商1、2、3、4的用户度电补贴提高至64元/MWh、65元/MWh、66元/MWh、67元/MWh。作为对比场景，与考虑阻塞的情况进行对比，说明本文的出清机制对系统输电阻塞的影响。具体出清结果见表4和表5。

表4 零售商出清结果对比Tab.4 Market clearing result comparisons of retailers MWh

由表2和表4可知，对比场景表明在用户度电补贴较高时，零售商需求侧响应盈利空间小，基本不参与需求侧响应。表4中的1 MWh出清量实际是零售商为获知市场供需情况而进行的初始试探申报量；当系统存在阻塞情况，实际上增加了零售商在需求侧响应的获利空间，使得在较高度电补贴下需求侧响应仍有获利空间。

表5 阻塞管理后的电价Tab.5 Nodal price with congestion management 元/MWh

结合表5的电价信息可知，在线路2-3出现阻塞时，采用本文所提出清机制通过增加需求侧响应出清量，消除了线路2-3的阻塞状况，使得同一时刻各节点电价相同。因此，本文提出的计及需求侧参与的日前市场出清模型能进行有效的阻塞管理。

4 结论

本文通过考虑需求侧响应对节点电价的负反馈作用，建立了零售市场需求侧响应参与日前市场的逐步迭代出清机制，设计了零售商之间的博弈规则，并论证该机制下市场均衡点的必然存在且收敛。结合算例仿真分析，得出以下结论：

a)本文提出的出清机制计及需求侧响应的反馈机理，使零售商可以获取市场的真实供需关系信息，辅助需求侧响应申报量决策，从而使得零售商在市场中获得更多利益。

b)本文通过设计合适的零售商博弈规则，能有效抑制零售商的投机现象，确保市场各参与者均能从博弈中受益，同时确保市场均衡点的绝对收敛性。

c)本文提出的出清机制能有效进行电网的阻塞管理。由市场成员自行博弈能有效缓解电网阻塞现象，有利于充分调动市场资源进行电网阻塞管理，提高电网的综合效益。