从用户角度出发的开放微网资源规划及效益分析

陈洋洋，陆 宁，侯 慧，屈守江

（武汉理工大学 自动化学院，湖北 武汉 430070）

0 引言

近年来，随着全球生态环境的不断恶化和不可再生能源的日益枯竭，微网因能吸纳并最大化利用风能、太阳能等可再生能源发电而得到了快速发展［1⁃2］。同时，随着我国电力市场改革进程的不断推进，在售电侧引入竞争机制后，电价体系亟需完善［3］。在竞争日益激烈的环境中，如何提升微网经济效益、调动和提升用户参与的积极性以及扩大在用户商品市场中的占有率，已成为行业内关注的焦点问题。

在提升微网经济效益方面：文献［4］从规划和运行2 个层面梳理影响微网经济效益的主要因素，并将各种影响因素的重要程度通过影响因子进行量化，建立微网的经济效益优化模型；文献［5］基于消费者需求和供电成本异质性，构造负荷率分档用户的用电消费细分市场，应用边际成本定价理论构建计及负荷率分档的峰谷分时电价模型，以提升微网经济效益；文献［6］致力于电价套餐的设计，针对各电力用户因用电差异性而需要不同的电价套餐，采用K-means 算法对电力用户日负荷曲线的负荷特征进行聚类，通过嫡权法计算用户效用，并在此基础上应用演化博弈理论计算用户的套餐选择比例，建立微网的经济效益优化模型；文献［7］在文献［6］的基础上设计考虑淡旺季用户效用的居民用电套餐，通过对用户淡旺季平均用电量建立效用函数，选择效用最大的套餐，得到用户选择各种套餐的概率，实现零售商收益最大。虽然文献［4⁃7］的商品售卖策略是基于大部分用户在大部分时刻满意，但仍有部分用户不满意某些时刻的定价，而不得不使用其商品，形成了一定程度的商品垄断。

需求响应DR（Demand Response）技术能够充分调动用户侧资源，引导用户主动参与电力市场的运营与调控，且其能够增加可再生能源的消纳量［8⁃9］。文献［10］对常见居民用户负荷的DR 特性进行分类，提出利用家庭能量管理系统响应实时电价的方法。文献［11］提出利用分段线性函数来表征削减负荷量所需的成本，根据特定时段内各种能源用量对应的边际成本确定鼓励用户参与DR 的价格。文献［12］使具有能耗高、工作时间灵活的工业用户签订协议来参与电网优化调度，在可再生能源出力较大且系统负荷低谷时段，通过负荷控制中心向签订协议的工业用户发出调度指令，调配用户的负荷转移量并向用户提供相应的补偿，但其并未考虑用户是否会参与DR 策略这个不确定性因素。文献［13］针对DR 策略中用户参与的不确定性因素，通过将用户参与度和电网侧激励间的关系用不确定性模型来表征，构建计及用户参与不确定性的DR 策略优化方法。文献［10⁃13］均只考虑价格型DR 或激励型DR单独对优化调度的影响，而未考虑两者对调度产生的共同影响。文献［14］在微网优化调度问题中同时引入价格型DR 和激励型DR，基于虚拟电厂成本函数的负荷削减量函数，建立价格型DR 和激励型DR 的等效模型，在价格型DR 满足削减量约束和削减爬坡约束，激励型DR 满足削减量约束、削减爬坡约束、削减次数约束和削减时间约束等约束条件下，构建DR 参与的微网优化调度模型，以提升微网的经济性。然而，居民用户的用能行为与其意愿和生活品质紧密相连，DR通过聚合用户负荷引导用户参与微网调度运行，会在很大程度上违背用户意愿，使其生活品质下降。

上述研究均是从微网角度进行资源规划及优化调度，而本文则从用户角度出发，针对如何给予用户在任一时刻选择任一能源商品运营商的权力，并且在不改变用户意愿和生活品质的前提下提升微网的收益以及降低用户的用能成本，提出充分给予用户选择权的开放微网能源调度模型，基于用户消费心理研究其消费行为，建立不同类型用户响应模型，在此基础上，构建以微网收益最大和用户用能成本最小为目标的开放微网多目标资源规划模型，并通过算例对所建模型进行验证。

1 开放微网能源调度模型

1.1 调度模型

微网以可再生能源为主，其终端输出电力、氢气、天然气等多种形式能源，是实现多种能源利用、存储及相互转换的小型综合能源互联系统［15］。但传统微网在售卖商品以及市场运营与调控方面存在不足，为此，本文从用户角度出发，考虑用户自身的利益需求和选择倾向，提出开放微网能源调度模型，充分给予用户在任一时刻选择任一能源商品运营商的权力，以完善市场竞争机制。模型拓扑结构如图1所示。在开放微网能源调度模型中，用户根据不同能源商品运营商的能源商品价格，考虑自身选择倾向和价格敏感度，可在任一时刻选择任一能源商品运营商，在保证自身意愿和生活品质的前提下，降低用能成本，满足自身利益诉求。用户自由选择模型如式（1）所示。

图1 开放微网能源调度模型Fig.1 Energy scheduling model of open microgrid

式中：ui(t)表示t时刻用户选择的能源商品i的运营商是开放微网还是上层能源系统，其值为1 时，表示选择开放微网，其值为0 时，表示选择上层能源系统。

开放微网在充分考虑用户利益诉求和选择倾向的前提下，通过制定分时电力、氢气、天然气价格调整用户负荷，根据上层能源系统的分时电力、氢气、天然气价格，优化与上层能源系统的能源交互，使得自身收益最大，同时，通过调整自身储能状态以及优化各设备的容量和功率，使得自身成本最小，以满足自身利益诉求。开放微网和用户的利益诉求模型图如附录A图A1所示。

1.2 具体实施方法

随着5G 移动通信技术和智能计量设备的不断完善，用户主动参与用电调度优化对微网的运行和发展意义重大。本文中开放微网收集用户实时选择的能源商品运营商信息，集卖方和服务方为一体，方便用户用能及降低用能成本。以电力商品为例，为节省铺设线路的成本，同时为方便用户使用，减少用户操作步骤，在用户与开放微网之间只需铺设1 条线路，在线路末端安装2 个开关端口，其中一个与开放微网连接，另一个与上层电力系统连接，用户在任一时刻可通过手机APP对电力商品的运营商进行选择，开放微网实时收集用户选择的电力商品运营商信息，并根据信息实时切换供电端口，用户用电线路实施示意图如附录A 图A2所示。同时，为方便用户缴费，用户可直接在开放微网处缴纳使用开放微网能源商品的费用和使用上层电力系统能源商品的费用，开放微网通过收集用户选择的能源商品运营商信息，分别计算用户使用开放微网和上层电力系统能源商品的份额，每隔一定时间与上层电力系统结算用户使用上层电力系统能源商品份额产生的费用。

2 用户分类和DR模型

电力、氢气、天然气是能源商品，能源商品交换依靠价格，要推进能源市场健康发展须充分发挥能源商品价格的调控作用［16］，这就需要有一个科学的微网需求价格关系模型来研究用户对能源商品价格的响应，因此，研究一种准确、精细的用户类型及DR特征的计算方法是十分必要的［17］。

2.1 用户分类

在开放微网能源调度模型中给予用户自由选择能源商品运营商的权利后，用户的消费心理将发生变化，用户开始注重能源商品的运营商及其价格。为了更好地分析用户用能行为的改变，本文从用户角度出发，根据用户对能源商品运营商的选择偏向和对能源商品价格敏感度的不同，将用户划分为第Ⅰ类型、第Ⅱ类型、第Ⅲ类型和第Ⅳ类型这4 类，以满足不同用户的用能需求。用户分类如表1所示。

表1 用户分类Table 1 Classification of users

为了便于对选择偏向、价格敏感度进行模糊处理，本文先对选择偏向、价格敏感度的模拟数值进行归一化处理，如式（2）所示。

式中：fBias、fSens分别为选择偏向、价格敏感度归一化之后的相对值；b、s分别为选择偏向、价格敏感度的模拟值；bmax、smax和bmin、smin分别为选择偏向、价格敏感度模拟值的最大值和最小值。

模糊理论常用于解决不确定性问题，本文选取如图2 所示的梯形模糊隶属度函数作为选择偏向、价格敏感度的模糊隶属度函数。图中：fBias1、fBias3分别为用户中无偏向、偏向开放微网的最小相对值；fBias2、fBias4分别为用户中偏向上层能源系统、无偏向的最大相对值；fSens1、fSens2分别为用户中较高价格敏感度的最小相对值、较低价格敏感度的最大相对值。

图2 选择偏向、价格敏感度的模糊隶属度函数Fig.2 Fuzzy membership function of selection bias and price sensitivity

2.2 用户的DR模型

1）第Ⅰ类型用户。

当用户对能源商品的价格敏感度较高时，为降低自身成本，其在选择能源商品运营商时会优先使用价格低廉的能源商品，因此，第Ⅰ类型用户在选择能源商品运营商时仅考虑能源商品价格的高低，而不考虑自身对能源商品运营商的偏向。

t时刻第Ⅰ类型用户选择能源商品运营商的模型为：

式中：uⅠ(t)表示t时刻第Ⅰ类型用户选择的能源商品运营商是开放微网还是上层能源系统，其值为1时，表示选择开放微网，其值为0 时，表示选择上层能源系统；pOM(t)、pUES(t)分别为t时刻开放微网、上层能源系统给出的能源商品价格。

t时刻开放微网从第Ⅰ类型用户获得的能源商品份额为：

式中：SOM⁃Ⅰ(t)为t时刻开放微网从第Ⅰ类型用户获得的能源商品份额；p(fBias，fSens)为选择偏向相对值为fBias、价格敏感度相对值为fSens时的概率；FSensH为较高价格敏感度的模糊隶属度函数。

2）第Ⅱ类型用户。

由于在多数情况下开放微网的能源商品价格低于上层能源系统，因此，部分用户在选择能源商品的运营商时会偏向于开放微网。同时，由于电力、氢气、天然气是用户生产生活的重要基础性资源，第Ⅱ类型用户仅能够容忍一定程度的能源商品价格变动，而不希望能源商品价格波动过大以及变化过于频繁。

t时刻第Ⅱ类型用户选择能源商品运营商的模型为：

式中：uⅡ(t)表示t时刻第Ⅱ类型用户选择的能源商品运营商是开放微网还是上层能源系统，其值为1时，表示在多数情况下开放微网的能源商品价格低于上层能源系统且其价格波动低于第Ⅱ类型用户可接受的价格波动上限，用户选择开放微网，其值为0时，表示在多数情况下开放微网的能源商品价格不低于上层能源系统或其价格波动高于第Ⅱ类型用户可接受的价格波动上限，用户选择上层能源系统；为1 d 内开放微网能源商品价格的平均值；pˉUES为1 d 内上层能源系统能源商品价格的平均值；dOM(t) 为t时刻开放微网能源商品价格的波动；dOM⁃Uers(t)为t时刻第Ⅱ类型用户可接受的能源商品价格波动，是各时刻取值之和为1 的分布函数，其示意图如附录A图A3所示。

t时刻开放微网从第Ⅱ类型用户获得的能源商品份额为：

式中：SOM⁃Ⅱ(t)为在t时刻开放微网从第Ⅱ类型用户获得的能源商品份额；dOMmin、dOMmax分别为1 d内开放微网能源商品价格的最小、最大波动，分别如式（11）、（12）所示；FSensL为较高价格敏感度的模糊隶属度函数；FBiasOM为用户中偏向开放微网的模糊隶属度函数。

3）第Ⅲ类型用户。

第Ⅲ类型用户选择的能源商品运营商较为固定，不会频繁更改，此时，决定开放微网能源商品份额的因素是其能源商品对用户的吸引力，吸引力越大则其能源商品份额越大。

t时刻第Ⅲ类型用户选择能源商品运营商的模型为：

式中：uⅢ( )t表示t时刻第Ⅲ类型用户选择的能源商品运营商是开放微网还是上层能源系统，其值为1时，表示t时刻开放微网能源商品的吸引力高于上层能源系统能源商品的吸引力，用户选择开放微网，其值为0 时，表示在t时刻开放微网能源商品的吸引力低于上层能源系统能源商品的吸引力，用户选择上层能源系统；AOM(t)、AUES(t)分别为t时刻开放微网、上层能源系统同类能源商品的吸引力。

根据吸引力模型，t时刻开放微网从第Ⅲ类型用户获得的能源商品份额为：

式中：SOM⁃Ⅲ(t)为t时刻开放微网从第Ⅲ类型用户获得的能源商品份额；FBiasUn为用户中无偏向的模糊隶属度函数。

在满足逻辑一致性的多种能源商品份额模型中，乘法竞争互动模型相对比较合理［16］，如式（16）所示。

式中，A(t)为t时刻能源商品对用户的吸引力；ε(t)、ε0分别为t时刻能源商品对用户吸引力的影响系数、固定影响系数；p(t)、μ(t)分别为t时刻能源商品的价格、价格误差项。将式（16）代入式（14）可得附录A式（A1）。

在现实生活中，t时刻能源商品对于用户的吸引力不仅与该时刻能源商品价格有关，还与相邻时刻t-Δt（Δt为2个调度时刻之间的时间间隔）能源商品的价格有关，因此，t时刻能源商品对用户的吸引力可表示为：

式中：α、β分别为能源商品的价格权重、价格变动权重。

4）第Ⅳ类型用户。

可再生能源的随机性、波动性及不确定性，可能导致电压波动和闪变、频率偏差、谐波、供应不足等问题，这导致第Ⅳ类型用户对开放微网的能源商品质量信任度较低，其在选择能源商品运营商时偏向于上层能源系统，但第Ⅳ类型用户也会在能源商品的低廉价格和质量之间权衡，若要争取该类型用户的能源商品份额，则开放微网需给出更低的价格。

t时刻第Ⅳ类型用户选择能源商品运营商的模型为：

式中：uⅣ(t)表示t时刻第Ⅳ类型用户选择的能源商品运营商是开放微网还是上层能源系统，其值为1时，表示t时刻开放微网的能源商品价格低于第Ⅳ类型用户可接受的价格上限，用户选择开放微网，其值为0 时，表示t时刻开放微网的能源商品价格高于第Ⅳ类型用户可接受的价格上限，用户选择上层能源系统；pUers(t)为t时刻第Ⅳ类型用户可接受的能源商品价格上限，是各时刻取值之和为1 的分布函数，其示意图如附录A图A4所示。

t时刻开放微网从第Ⅳ类型用户获得的能源商品份额为：

式中：SOM⁃Ⅳ(t)为t时刻开放微网从第Ⅳ类型用户获得的能源商品份额；κⅣ(t)为t时刻开放微网的价格能够吸引第Ⅳ类型用户的占比；pⅣ为第Ⅳ类型用户选择开放微网时能源商品的价格；FBiasUES为用户中偏向上层能源系统的模糊隶属度函数。

综合第Ⅰ—Ⅳ类型用户的DR 模型，t时刻开放微网获得的市场份额为：

式中：SOM(t)为t时刻开放微网获得的能源商品份额。

t时刻上层能源系统获得的能源商品份额SUES(t)为：

3 开放微网多目标资源规划及效益模型

3.1 目标函数

开放微网能源调度模型以开放微网的收益最大化以及用户的用能成本最小化为目标，如式（25）、（26）所示。

式中：Rt、Re、Rh、Rg分别为开放微网的总收益、售电力收益、售氢气收益、售天然气收益；COM为开放微网的总成本；CUers、Ce⁃Uers、Ch⁃Uers、Cg⁃Uers分别为用户的总用能成本、购电力成本、购氢气成本、购天然气成本。

1）开放微网的收益。

开放微网售卖电力、氢气、天然气能源商品的收益R（R为Re、Rh、Rg的通用表达式）为开放微网售卖给用户得到的收益RUser和售卖给上层能源系统得到的收益RUES之和，如式（27）所示。

式中：PL(t)为t时刻用户使用能源商品的总量；pOM⁃UES(t)为t时刻开放微网的能源商品并网价格；PUES(t)为t时刻开放微网与上层能源系统能源商品的交互功率（或流量）。

2）开放微网的总成本。

开放微网的总成本COM包括设备成本CEqu和运维成本COpe，如式（30）所示。

3）用户的用能成本。

t时刻用户可自由选择电力、氢气、天然气能源商品的运营商为开放微网或上层能源系统，Ce⁃Uers、Ch⁃Uers、Cg⁃Uers的通用表达式C如式（31）所示。

3.2 约束条件

在图1 所示系统中，开放微网通过上层电力系统、可再生能源发电设备（主要为风力发电机和光伏发电板）、蓄电池、燃料电池以及燃气轮机发电为用户提供电负荷，通过上层氢气系统、电力制氢以及储氢罐等设备为用户提供氢负荷，通过上层天然气系统、甲烷化装置、储气罐等设备为用户提供气负荷，电力、氢气、天然气的能量守恒约束如附录A 式（A2）—（A4）所示。

3.3 求解过程

非支配排序遗传算法NSGA-Ⅱ（Non-dominated Sorting Genetic Algorithm-Ⅱ）是一种建立在帕累托最优解理论上的多目标智能优化算法，具有运行速度快和解集收敛性好的优点［17］，本文利用该算法实现从用户角度出发的开放微网资源规划及效益分析问题的求解，求解流程图如附录A图A5所示。

在利用NSGA-Ⅱ获得非劣解集之后，本文参考文献［18］中的满意度，帮助开放微网做出最终决策。开放微网对第i个非劣解xi中第j个目标函数的满意度μi(j)为：

开放微网对第i个非劣解xi的综合满意度μi为：

式中：m、n分别为非劣解、目标函数的个数。μi的值越大，第i个非劣解xi越优。

开放微网能源调度模型、不同类型用户DR 模型、开放微网多目标资源规划模型这3 种模型之间的传递关系如附录A图A6所示。

4 仿真算例与结果分析

4.1 参数设置

算例分析使用江苏省大丰市的相关数据，以验证本文所提给予用户选择的开放微网能源调度模型和基于用户消费心理的不同类型用户DR 模型的有效性和优越性。仿真中将1 d 划分为24 个时段，即时间间隔Δt=1 h。该区域某日的风速、光照强度以及基础电力、氢气、天然气负荷数据分别如附录B 图B1、B2 所示。开放微网中各设备成本、寿命和运维费用如附录B 表B1 所示［19］。上层能源系统的电力、氢气、天然气能源商品的分时价格机制如附录B 图B3 所示。用户消费心理（对能源商品运营商的选择偏向和对能源商品的价格敏感度）的概率密度二维热图如附录B图B4—B6所示。

4.2 结果分析

为验证本文所提模型的有效性和合理性，设置如下3 种方案进行对比分析：方案1，用户不能进行电力、氢气、天然气能源商品运营商的选择，传统微网获得用户的全部电力、氢气、天然气负荷；方案2，用户能够对电力、氢气、天然气能源商品的运营商进行选择，使用离散吸引力模型作为用户DR 模型；方案3，用户能够对电力、氢气、天然气能源商品的运营商进行选择，使用基于用户消费心理研究用户消费行为的不同类型用户响应模型作为用户DR模型。

1）各方受益。

3 种方案下的各方受益结果如表2 所示。由表可知：相较于方案1，虽然方案2 和方案3 的开放微网收益要低，但用户用能成本也要低，且满意度要高，这验证了给予用户选择的开放微网能源调度模型的优越性；方案3 优于方案2，这验证了基于用户消费心理研究用户消费行为的不同类型用户DR 模型能够提升开放微网收益以及降低用户用能成本。

表2 3种方案下的各方受益结果Table 2 Benefit results of all parties under three schemes

2）能源商品价格及市场份额。

3 种方案下开放微网的能源商品价格优化结果如图3和附录C图C1、C2所示。

图3 3种方案下开放微网的电价优化结果Fig.3 Optimization results of electricity price for open microgrid under three schemes

结合表2、图3和附录C图C1、C2可知，方案2和方案3下的能源商品价格低于方案1，从社会效益角度而言，开放微网能源调度和实施DR 市场机制可显著增强消费者的能源商品消费权力和意识。给予用户自由选择能源商品运营商的权利为用户提供了选择，进一步完善了市场竞争机制，且为了获得足够的能源商品份额，开放微网必须以低廉的价格赢得更大的用户市场，这大幅降低了用户用能成本。

3 种方案下各运营商获得的各能源商品份额如图4和附录C图C3、C4所示。

图4 3种方案下各运营商获得的电力商品份额Fig.4 Share of electricity commodities obtained by each operator under three schemes

结合图3、4 和附录C 图C3、C4 可知，方案3 下开放微网的各能源商品价格普遍低于方案2，且方案3下开放微网获得的各能源商品份额均高于方案2，这表明不同类型用户DR 模型不仅能够使得开放微网给予用户更多的优惠，而且能够更精确地描述不同用户的消费心理以及消费行为，提高开放微网从用户市场获得的能源商品份额。

3）方案3下的能源商品份额。

方案3 下开放微网从各类型用户获得的能源商品份额如图5和附录C图C5、C6所示。

图5 开放微网从各类型用户获得的电力商品份额Fig.5 Share of electricity commodities obtained by open microgrid from each type of users

结合图3—5 和附录C 图C1—C6 可知：开放微网通过实时改变价格来改变从用户市场获得的能源商品份额，并且控制来自用户的负荷，以配合可再生能源的波动性、随机性；开放微网主要获得来自第Ⅰ、Ⅱ类型用户的能源商品份额，这是由于开放微网的能源商品价格普遍低于上层能源系统的能源商品价格。

4）设备容量和功率。

3 种方案下开放微网的设备容量和功率优化结果如附录C 表C1 所示，3 种方案下可再生能源的出力曲线如附录C图C7所示。

结合表2 和附录C 图C7—C14 可知，方案1 下传统微网主要通过储存氢气、天然气能源商品，并将其转换成电力商品以增加发电规模来获得收益，而方案2 和方案3 下开放微网则是通过增加自身的能源转化和储能设备规模来调整各设备的功率和储能状态，而非单纯地增加发电规模。

5）与上层能源系统的交互。

根据电力、氢气、天然气负荷的平衡约束，可得到微网与上层电力系统、上层氢气系统、上层天然气系统的交互，分别如附录C 图C15—C17 所示。方案2 和方案3 下开放微网与上层能源系统的交互力度低于方案1 下传统微网与上层能源系统的交互力度，这说明开放微网能源调度模型能够减少微网对上层能源系统的依赖和影响，有利于上层能源系统的安全稳定运行。

5 结论

本文提出一种从用户角度出发的开放微网多目标资源规划模型，该模型提高了开放微网收益并降低了用户用能成本，实现了双方受益。通过算例分析可以得出如下结论。

1）本文所提开放微网能源调度模型和基于用户消费心理研究用户消费行为的不同类型用户DR 模型可显著增强消费者的能源商品消费权力和意识，打破传统微网的商品垄断。为获得足够的能源商品份额，微网必须以低廉的价格赢得更多的用户市场，这大幅降低了用户用能成本。

2）开放微网中通过不同类型用户DR 模型，更精确地描述了不同用户的消费心理以及消费行为，提高了开放微网从用户市场获得的能源商品份额。开放微网通过调整来自用户的负荷来配合可再生能源的波动性、随机性。同时，开放微网应把握第Ⅰ、Ⅱ类型用户的负荷，以获得基本利润。

3）开放微网通过增加自身的能源转化和储能设备规模来调整各设备的功率和储能状态，而非单纯地增加其发电规模，在满足用户用能需求的同时，降低了与上层能源系统的交互力度，有利于上层能源系统的安全稳定运行。

需要指出的是，本文未考虑多微网，如何综合考虑多微网带来的影响，将是下一步的研究重点。

附录见本刊网络版（http：//www.epae.cn）。