计及售电公司参与电力现货交易的配电网供电能力优化方法

赵清松, 徐建源

(1. 沈阳工业大学电气工程学院, 辽宁 沈阳 110870；2. 辽宁东科电力有限公司, 辽宁 沈阳 110179)

0 引言

20 世纪90 年代以来, 多数国家相继加入电力市场化改革浪潮。 中国于2002 年开始实施电力市场化改革, 推动“厂网分离” 以优化资源配置[1],并在2015 年进一步提出“控制中间, 放开两端”的改革政策。 随着时间的推移, 电力销售的开放逐渐成为改革的亮点, 越来越多的售电公司加入市场交易[2], 多种交易方式也不断涌现, 逐渐形成以中长期现货市场为导向的交易模式。 这样一来, 市场化交易模式的形成将有助于打破电力销售端的垄断, 提高能源利用率, 但同时市场交易的不确定性也会对电网的稳定运行产生一定影响, 从而影响配电网络的供电能力。 供电能力 (load supply capacity, LSC) 这一概念的提出建立了配电网可靠性指标和经济性指标的关联。

目前, 对配电网LSC 的研究主要集中在网级模型和计算方法等方面。 为解决N－1 校验精度问题, 文献[2] 提出了一种基于馈线互联的配电网供电容量模型, 算例表明, 该模型精度较高, 可以更好地通过N－1 校验。 文献[3－6] 通过比较输电网的输电能力, 提出了配电网络供电能力的分布集群, 并建立了基于主变压器互联的配电网负荷均衡模型。 为研究限制配电网LSC 的主要因素, 文献[7] 将配电网划分为变电站层、 馈线层和负荷层, 并建立了配电网的分层LSC 模型。 文献[8]考虑了电压和网络损耗对电网LSC 的影响, 构建了基于潮流计算的潮流容量模型, 提高了计算精度和运行复杂性。 文献[9] 结合需求响应, 提出了考虑用户分级交互的配电网LSC 模型。 文献[10]结合柔性技术在配电网中的应用, 提出了基于柔性配电网的LSC 模型, 并给出了配电网LSC 计算方法。 文献[11] 应用变步长重复潮流算法实时评估配电网LSC, 但该算法容易陷入迭代停滞, 难以反映配电网的实际供电能力。 文献[12－13] 基于设备潮流和节点电压对负载增长的敏感性分析, 建立了一种改进的重复潮流算法, 提高了LSC 评估准确性, 但该方法具有局限性, 难以应对不确定性场景。 文献[14] 将非线性模型转化为线性模型,并基于Lingo 进行求解, 虽然提高了计算速度, 但精度较差。 文献[15－16] 在N－1 基础上, 提出一种在全网模型和220 kV 电网模型之间交替迭代的方法, 求解220 kV 电网LSC, 在一定程度上提高了计算速度和精度。

然而, 随着电力市场售电侧的开放, 售电公司的运营模式[17－19]、 购销策略[20－22]及需求响应[23－25]等都将影响配电网LSC。 上述研究没有考虑电力市场交易和LSC 之间的相互作用, 因此相关模型和算法并不适用于考虑电力现货交易市场下的配电网LSC 评估。

因此, 基于售电公司的运营模式, 本文将售电公司的可控分布式电源 (distributed generation,DG) 和可控负荷纳入配电网供电能力的解决方案中, 建立计及售电公司现货交易的配电网LSC 双层模型。 上层模型求解配电网的LSC 并将负荷水平和可用供应能力 (available supply capability,ASC) 传至下层模型； 下层模型中的售电公司以最大化社会与经济效益为目标, 并通过优化DG 的输出和减少可控负荷规模来优化配电网LSC。

1 售电公司与配电网LSC 的关系

配电网LSC 是指在考虑各种约束条件后, 配电网能够提供的最大负荷, 主要受电网结构、 负荷和负荷增长水平影响。 当售电公司参与交易时, 由于市场的引导, 负荷分布和增长趋势也将随之改变。 本文参照国外成熟的电力交易模式, 详细分析参与电力交易的电力公司与配电网LSC 之间的相互关系, 如图1 所示。

图1 售电公司与供电能力的互动关系

在发生电力交易时, 售电公司不仅可以从电力交易中心获得电力, 还可以作为售电主体向用户提供电力服务, 如此两种不同的电力交易会影响配电网的负荷分布。

购电时, 售电公司结合电力交易中心发布的电力供应余量和负荷侧的用电需求, 制定报价参与市场交易。 该交易对配电网的负荷分布进行了一次调整, 并更改了配电网LSC。 虽然交易涉及大量负荷, 但电力主要集中在买方手中, 未涉及用户层面。

售电时, 售电公司结合实时电价和电力需求参与实时电力交易。 为了最大化经济效益, 售电公司需要灵活调整可控DG 和可调负荷, 优化交易策略。 该交易涉及用户层面, 改变了配电网的负荷分布, 优化了配电网的供电能力。

2 考虑售电公司销售电量的LSC 模型

为了反映售电公司参与电力交易对配电网LSC的影响, 建立一个双层的优化模型。 上层模型旨在优化配电网LSC, 并将得到的电力供应余量传递给下层模型, 下层模型旨在最大化社会与经济效益。售电公司通过灵活调整可控DG 的出力和可控负荷来优化配电网LSC。

2.1 上层配电网供电能力优化模型

2.1.1 目标函数

考虑到电力交易, 将基础状态负荷分为两部分: 正常负荷Si,t和市场交易负荷Di,t, 正常负荷是指未参与市场化交易, 由售电公司或其他供电企业提供的基础电力服务。 将目标函数设置为最大化, 即在一定的约束条件下, 通过上层优化模型求解可以找到一种使配电网的供电能力最大化的最优参数策略。

式中,i、n表示节点编号和节点数量；Si,t、Di,t分别表示t时刻的常规负荷和市场交易负荷；k表示负荷增长倍数；Sd,i,t表示负荷增长基数；PDL,i,t表示节点i处电力公司的可控负荷, 主要由两部分组成:PIL,i,t表示可中断负荷,PSL,i,t表示可转移负荷,αi,t、βi,t表示t时刻节点i处两个可控负荷的0－1变量。

2.1.2 约束条件

潮流约束条件:

式中,PG,i,t、PDG,i,t、PPV,i,t和PL,i,t分别表示常规机组有功输出、 可控分布式电源有功输出、 光伏有功输出预测值和t时刻节点i的有功负荷；QG,i,t、QDG,i,t、QPV,i,t和QL,i,t分别表示常规机组无功输出、可控分布式电源无功输出、 光伏无功输出预测值和t时刻节点i的无功负荷；Ui,t表示节点i处的电压；Gij和Bij表示分支ij的电导和电纳；θij,t表示节点i、j之间的相角差。

售电公司的可控DG 输出约束条件:

式中,γi,t为0－1 变量, 表示t时刻可控DG 的运行状态；PDG,i,min和PDG,i,max分别表示可控DG 有功输出的下限和上限；QDG,i,min和QDG,i,max分别为可控DG 无功输出的下限和上限。

光伏输出约束条件:

式中,PPV,i,max和QPV,i,max分别为节点i处光伏发电的有功和无功输出的上限。

节点电压约束条件:

式中,Ui,min和Ui,max分别为节点i处电压的下限和上限。

可控负荷约束条件:

式中,PIL,i,max,t、PSL,i,max,t分别为售电公司在t时刻节点i处签订的中断负荷和可转移负荷的最大值。

支路功率约束条件:

式中,Sij,min、Sij,max分别为节点i、j之间线路功率的下限和上限。

2.2 售电公司优化模型

2.2.1 售电公司购电模式

售电公司结合上层获得的供电量, 以最大化社会与经济效益为目标, 整合报价方案参与电力市场交易, 获得售电公司的中标电量, 并对配电网负荷进行一次调整。

目标函数: 社会与经济效益F1 最大化。

式中,Bu,t、Du,t分别表示售电公司u在t时段的报价和电力需求；Bv,t、Pv,t分别表示发电主体v的报价和市场电力输出；αu,t、βv,t分别表示t时刻的售电公司和发电主体。 中标与否用0－1 变量表示。

约束条件: 参与电力交易的售电公司购买的电量应等于发电主体的发电量。

当发电主体和售电公司进行电量申报时, 发电主体申报的总电量应小于配电网的ASC。

采用统一的边际清算方法, 当售电公司u的报价高于市场清算价Bcl,t, 并且发电主体v的报价低于市场清算价时, 可以中标。

2.2.2 售电公司的售电模式

为实现利润最大化, 售电公司采用与用户签订可控负荷合同、 灵活安排内部DG 输出等方式构建售电模型, 并对配电网负荷进行二次调整。

目标函数: 售电公司F2 利润最大化。

式中,ΔT表示间隔时间；T表示调度周期；Bt,sell表示售电公司在t时段内的销售价格；Di,t表示售电公司在t时段内节点i的售电量；PDL,i,t表示节点i在t时段的可控负荷削减量；Bcl,r表示上一周期市场的统一边际清算价格, 由电力采购模式确定；Bcl,s和Ps,t分别表示实时市场交易价格和交易量, 当Ps,t＞0 时, 电力从市场购买, 当Ps,t＜0 时, DG 的过剩电力向市场出售；M表示可控DG 的数量；BDG,j,t、PDG,j,t分别表示可控DG 在t时段内的输出成本系数和发电量；BIL,i,t、BSL,i,t表示节点i在t时段内的负荷补偿价格。 约束条件与上层配电网供电能力优化模型的约束条件相同。

3 模型求解

由于该模型包含双层优化问题, 同时涉及物理层面和市场层面两个部分。 因此, 采用交替迭代算法进行求解, 具体求解流程如图2 所示。

图2 混合算法求解流程

采用重复潮流算法计算上层模型LSC, 该算法简单高效, 收敛速度快。 但由于该算法中基态负荷不能反映市场交易负荷的变化情况, 对算法做两方面改进: 一是将基态负荷划分为常规负荷和交易负荷； 二是将可控负荷削减量作为变量纳入负荷增长基数中, 这样可以实时反映负荷变化情况。 下层模型需要解决电力交易下的结算问题, 为提高计算速度, 采用原－对偶内点法(primal－dual interior point method, PDIPM) 进行求解, 该部分算法的推导和求解已在文献 [26] 中说明, 在此不再赘述。

4 算例分析

为了分析售电公司的售电行为对配电网供电能力的影响, 在参考文献 [27] 的基础上, 改进了IEEE 33 节点系统的网架结构和负荷数据, 并将售电公司内部的可控DG、 PV 和可控负荷接入系统, 具体参数见表1。 该系统额定电压为12.66 kV, 现有基态负荷为3 715 kW＋j2 300 kvar,常规负荷为1 238 kW＋j935 kvar。 算例中可控DG 采用燃气轮机, 发电成本为0.6 元/(kW·h)； 可中断负荷主要为工业负荷, 中断负荷补偿价格为0.8 元/(kW·h)； 可转移负荷多为空调和热水器,转移补偿价格为0.2 元/ (kW·h)。 IEEE 33 系统结构如图3 所示。

表1 售电公司内部可控DG 和可控负荷参数

图3 改进的IEEE 33 节点系统

采用改进的重复潮流算法计算系统在基态负荷下的PLSC。 系统的PLSC为5 352 kW ＋j2 659 kvar,PASC为1 527 kW＋j359 kvar。 为了保证系统运行的安全性和灵活性, 设定系统需要留有一定的负荷裕度, 即设定每一时刻的电力交易量不超过ASC 的80%。 售电公司首先作为购电主体参与日前电力交易, 并进行一次负荷调整。 日前市场中采用统一边际清算机制, 清算电价为0.4 元/(kW·h), 交易总量为27 408 kW。 在次日实时市场开放后, 售电公司结合当前交易电量和实时市场电价, 动态灵活地控制可控DG 输出和可控负荷削减, 并对系统负荷进行二次调整。 售电公司以利润最大化为目标优化各时段运行策略。 各时段市场电价及实时电价的变化情况如图4 所示, 可控DG 输出和可控负荷削减的变化情况如图5 所示。

图4 各时段市场电价及实时电价

图5 可控输出DG 和可控负荷削减

从图5 可以看出, 在07:00—14:00 和19:00—22:00 两个时段内, DG1 和DG2 以额定功率运行。此时实时电价较高, 售电公司内部的可控DG 将电能供给用户, 并将多余的电能出售给市场。 考虑到可中断负荷IL 补偿价格较高, 负荷在09:00—11:00和19:00—20:00 两个时段被中断。 由于可转让负荷SL 的补偿价格较低, 较高实时电价时段的负荷将向较低电价的时段转移。

将DG 和可控负荷减少的时间段和削减量传回上层模型, 以实时评估配电网的LSC 变化情况,交易前后LSC 的变化情况如图6 所示。 选取09:00交易前后的LSC 进行比较, 结果见表2, 线路负载率和节点电压如图7 和图8 所示。

表2 配电网LSC 与售电公司各种交易下的收益

图6 交易前后配电网的LSC 曲线

图7 09:00 交易前后线路负载率分布

图8 09:00 交易前后节点电压分布

由表2 和图6 可以看出, 售电公司售电后的配电网LSC 大于传统模式下的LSC。 一次调整后的LSC 增幅相对稳定。 可控DG 和可控负荷参与二次调整过程, 不仅提高了售电公司的利润, 而且显著改善了配电网的LSC, 特别是在实时电价高峰期,LSC 的提升更为明显。 由图7 和图8 可以看出, 交易前线路的负载率分布差异较大, 迭代4 次后, 线路15 的电流较早越限, 限制了配电网LSC； 交易后线路负载率整体上得到了改善, 分布更加均衡；迭代5 次后, 线路18 出现电流限制。

5 结语

售电公司交易改变了线路电流的分布, 对配电网LSC 产生了一定的影响。 现阶段, 关于现货市场交易对LSC 影响的研究较少。 本文通过建立考虑售电公司交易的配电网双层模型对改进后的IEEE 33 算例进行验证。 结果表明, 售电公司结合市场交易对负荷的两次调整能够促进配电网供电能力的提升。

由于售电公司之间存在利益竞争, 售电公司之间的博弈会影响市场交易和用户的需求响应。 因此, 在后续的研究中分析售电公司之间的博弈对配电网LSC 的影响具有重要意义, 另外也将细化电网潮流、 储能等对配电网供电能力的影响。