基于用户点对点交易的共享储能协同优化策略

张桂红，刘飞，田旭，白左霞，杜亚彬，李彬

（1. 国网青海省电力公司经济技术研究院， 西宁 810001；2. 华北电力大学电气与电子工程学院，北京 102206）

0 引言

高比例可再生能源并网给电网供需平衡带来了愈加严峻的挑战。通过配置大规模储能系统，将风电、光伏的电力生产和消纳进行解耦，可促进新能源规模化消纳、保障电网削峰填谷、提高电网的输送能力和稳定性［1］，但储能系统的投资规模大、投资回报周期长，多数储能用户并不具备建设储能控制系统的能力［2］。2021年国家发改委在《关于加快推动新型储能发展的指导意见》［3］中，提出鼓励探索建设共享储能，开启储能产业发展新业态，为更多的用户提供储能服务以增强其参与消纳可再生能源的能力。

随着电力市场的不断完善，用户可通过点对点（point-to-point，P2P）交易直接参与电力市场交易，提高用户侧资源的灵活性和经济性。目前，国内外的相关学者针对共享储能已开展了大量研究，主要集中在共享储能的容量配置、多主体博弈及分布式交易/费用分摊方面。

在容量配置方面，文献［4］考虑储能系统的多重价值，以储能综合效益最优为目标，建立了优化共享储能配置与运行策略的双层规划模型；文献［5］针对传统一体化共享储能存在的灵活性较差且无法兼顾多类型用户的差异性用电需求等问题，提出一种分散式共享储能系统优化配置与调度方法；文献［6］建立了社区光伏产消者间的能量共享模型，并基于Lyapunov 优化理论，提出了一种分布式实时分摊控制算法，降低了社区用户的用电成本；文献［7］将共享储能电站应用到工业用户经济运行领域，通过配置共享储能协调各用户使用共享储能电站进行充电和放电，实现用户群日运行成本最优。

在多主体博弈方面，共享储能涉及多个控制主体间的优化调度，因此常采用博弈理论来解决多主体间的利益分配问题。如文献［8］基于合作博弈理论研究了在分时电价下储能用户合作的优化策略，并分别针对拥有独立储能的用户和共同投资储能的用户，开展了合作运行方式的讨论；文献［9］从博弈论的角度考虑用户之间的交互，提出了包含容量交易和优化运行的博弈策略，以最大限度地降低总运营成本；文献［10］分析了共享储能背景下微网运营商与用户聚合商间的博弈关系，建立了两者Stackelberg 博弈模型，并证明Stackelberg 均衡解的存在性与唯一性。文献［11］建立了允许产消者之间以及产消者和主网P2P 交易的交互平台，充分提高用户侧资源的灵活性；

在分布式交易/费用分摊方面，文献［12］提出一种基于ADMM 算法的分布式储能双层点对点合作共享模型，并采用改进Owen值法进行成本分摊。文献［13-14］设计了面向多用电主体与移动储能的点对点交易控制方法，提高了各参与主体的经济效益；文献［15］提出了面向虚拟电厂能量管理的点对点市场交易机制与模型，降低了交易方信息暴露风险。因此，一些学者将点对点交易引入到共享储能的研究中，如文献［16］提出了一种含优化匹配功能的分布式储能线上共享交易模式，可实现用户的优化匹配和自主决策。文献［17］提出了基于智能合约的储能点对点共享双层交易模式，实现了分布式储能去中心化点对点共享。文献［18］提出了一种基于半分布式结构化拓扑的云储能P2P 交易框架，将能量流、信息流、业务流紧密地耦合在一起，在兼顾效率的同时保障了用户交易数据的隐私性。文献［19］提出了共享储能与火电联合调频的商业模式。文献［20］则在风电场群管理方面提出了一种共享储能协同并网机制，给出了不确定性成本计算与分摊方法。文献［21］针对电热综合能源微网提出了共享储能动态容量租赁模型，并给出了共享储能容量配置的双层优化模型。

可以看出，已有研究重点关注共享储能容量投资建设、成本利益分担和经济运行等问题，但缺少对用户侧负荷调节特性与用户之间能源点对点互补交易的研究。用户可根据电价、可再生能源出力和共享储能电量等情况调节用电需求，提升系统运行的经济性。用户使用共享储能时可优先考虑自身可再生能源的互补性进行能源的点对点交易，实现能源的就近消纳，避免过度依赖储能。因此，本文基于用户负荷的调节特性，设计了用户点对点能源交易机制，从而实现用户的最优运行。

1 系统模型

共享储能是一种将传统储能技术与共享经济模式相融合的新型商业应用模式，储能电站运营商在用户侧建立大型共享储能电站，对储能电站进行统一运营管理，为同一配电网区域内的多个用户提供共享储能服务［22-23］。该模式可使微网用户在避免高额投资的情况下使用储能系统，同时借助共享经济的灵活性确保储能系统的高效利用，实现共享储能电站成本的快速回收［24］。用户自身可配置一定的可再生能源供自身用电，为了弥补自身用电缺口，可通过大电网购电、储能放电及用户点对点交易。同时，当用户在用电低谷时段可将多余电能存储，在使用共享储能时同时也需要向运营商支付相应的服务费用，其架构如图1所示。

图1 共享储能架构图Fig.1 Shared energy storage architecture

1.1 共享储能模型

储能电站运营商在共享储能电站内设置调控子站，根据每个时段各用户的充电需求和放电需求进行匹配，其容量匹配过程如式所示［25］。

式中：Et为储能电站在t时段的荷电状态；u为储能电站自放电率；ηabs和ηrelea分别为储能电站充电效率和放电效率；和分别为储能电站充电功率和放电功率；Δt为单位调度时段时长。为保障储能电站的正常运行，要满足如下约束。

式中：Emin与Emax分别为储能电站最小和最大容量；Pmax为储能电站的最大充放电功率；Uabs和Urelea分别为储能电站的充电和放电的状态位。

1.2 用户负荷模型

在用户侧存在大量的需求响应资源，能够根据电价、激励或者交易信息调整用电方式，具体的用户侧资源主要包括工业企业生产负荷、生产辅助负荷、楼宇负荷、居民电器负荷、电动汽车等。本文根据需求响应资源响应特性，将其分为可中断负荷与可转移负荷两类，不具备调节能力的负荷不在本文考虑范围之内。

1.2.1 可中断负荷

可中断负荷可多次启停，在保证用户满意的同时，改变其工作状态减少耗电量，中断时间受到用户限制。用户i调节后的功率如式（3）—（4）所示。

1.2.2 可转移负荷

可转移负荷用电灵活，完成工作所需总耗电量一定，是能够在规定的时间、空间满足用电需求、具有转移能力的负荷。可转移负荷能通过调节用电时间和用电模式实现合理用电，其模型如式（5）—（6）所示。

在现实情况中，受诸多不确定因素的影响，用户的实际响应能力一般往往难以达到预期值。通常，用户i的可中断负荷与可转移负荷最大调节能力与均为期望值，可能会存在一定的偏差与。在本文中，假设由不确定的因素引起的偏差可由式（7）表示。

式中：θi（0 ≤θi≤1）为一个常数，表示用户i的偏差水平；ϑ为平均值等于0 的随机变量，其分布在-1和1之间。

因此考虑不确定后，式（4）与式（6）的第一行可表示为：

对于用户i来说，与很难进行准确预测。因此，对式（8）进行机会约束，有：

式中：Pr{.}为约束发生的概率；qIL与qtrans反映了置信水平。

本文基于霍夫丁不等式定理，将机会约束式（9）重新构建为线性模型如式（10）所示，从而获得每个用户i的预估调节能力。

2 基于用户点对点交易的共享储能协同优化

2.1 用户点对点交易机制

本文考虑共同租赁共享储能的用户可以优先进行能源的点对点交易，利用自身分布式可再生能源进行创收，未被交易的部分可自己使用或存入储能。其点对点交易框架如图2所示。

图2 用户点对点交易框架图Fig.2 User point-to-point transaction framework

步骤 1：用户i加入点对点交易市场后，同时发布购电需求、可售电量、售电价格（购电需求与可售电量不会在同一时间段发布），发布的信息Ui，t如式（11）所示。

步骤2：具有购电需求的用户上报需求量，售电用户上报售电量和售电电价，以用电成本最小进行筛选和匹配，撮合购电用户与一个或多个售电用户签订购电合同。

步骤3：根据交易订单信息，与实际物理输送电能进行对比，进行购售电及违约惩罚费用的资金结算。

步骤4：考虑到可再生能源出力的随机性较大，日前预测会出现一定的误差，因此可能会引发违约。售电用户违约惩罚Ri，t计算如式（14）所示。

式中：M为惩罚系数；Qi，j，t为用户i在t时刻与用户j售电电量与实际输送电量之间偏差电量的绝对值；为用户i在t时刻的交易电价；W为买家的总数。

用户i的收益如式（15）所示。

因此本文基于用户点对点交易的共享储能协同优化方法流程图如图3所示。

图3 基于用户点对点交易的共享储能协同优化方法流程图Fig.3 Flow chart of collaborative optimization method for shared energy storage based on user point-to-point transaction

用户根据可再生能源出力负荷预测功率和分时电价等数据可中断负荷和可转移负荷进行优化调节，当不满足此时的用电需求时，用户决定是否进行点对点买电、是否向共享储能放电和电网购电来满足用电需求；当用户可再生能源有剩余时，用户决定是否进行点对点买电和向共享储能充电来解决能源过剩的问题。

2.2 目标函数

接入共享储能电站的用户以运行成本最优为目标函数，运行成本包括从电网购电费用Cgrid、向储能电站缴纳的费用Cess以及点对点交易收益Ctrade，由于引入了用户点对点交易，用户会将多余的能源进行交易。这样会导致部分用户选择余电交易，而不向储能充电，但在供电不足时过度使用储能会引起其他用户和储能运营商的不满。因此本文引入过度放电惩罚，减少或避免该行为，所以储能电站缴纳的费用包括充放电服务费和防止用户i过度放电的惩罚成本。

式中：N为用户的数量；为从电网购电的电价；S为过度放电惩罚系数。

2.3 约束条件

1） 电功率平衡约束

2） 用户使用共享储能电站充放电功率约束

式中：Pmax，ess为用户i充放电的最大功率；和分别为用户i充电和放电的状态。

3） 储能电站充放电功率平衡约束

各用户利用共享储能电站充放电功率之和为储能电站的充放电功率。

4） 点对点交易约束

3 案例与分析

3.1 仿真参数设置

本文设置共有3 个用户共同租赁储能并开展能源交易，各用户的负荷与可再生能源出力如图4 和图5所示。其中用户1的部分负荷具备可中断特性，占全部负荷的20%；用户2 的部分负荷具备可中断特性与可转移特性，分别占全部负荷的10%和20%；用户3 的部分负荷具备可转移特性，占全部负荷的20%。电网购电电价采用分时电价如表1 所示。共享储能的最小容量Emin与最大容量Emax分别为配置容量的0.1 与0.9。初始容量为配置容量的0.2。储能的充放电效率ηabs与ηrelea均为0.95。储能服务价格为0.25 元/kWh。每个用户交易功率上限均为100 kW，过度放电惩罚系数S设置为0.25 元/kWh。

表1 电价参数Tab.1 Electricity price

图4 各用户负荷需求情况Fig.4 The load demand of each user

图5 各用户分布式能源出力情况Fig.5 Distributed energy output of each user

3.2 优化结果

在MATLAB 平台下通过YALMIP 工具箱调用Gurobi 对模型进行求解。接入共享储能电站的3 个用户的优化运行结果如图6—8 所示。图中黑色阴影部分表示削减的负荷功率，红色阴影表示增加的负荷功率。

图6 用户1优化运行结果Fig.6 Optimized operation results of User 1

由图6可以看出，用户1在时段8 h之前，光伏出力为0，用户1 主要通过购买用户2 与用户3 的能源来满足需求。在时段9—16 h，光伏出力大于用户的电负荷需求，用户1 进行点对点售电量为994.5 kWh，向储能充电电量为980.2 kWh；在时段17—21 h，光伏出力小于用户的电负荷需求且电价较高，用户1 全部使用共享储能电站放电满足负荷需求。用户负荷具有可中断特性，在整个调度周期内共削减负荷327 kW。

由图7 可以看出，在第4—9 h 时段，风电大于用户负荷需求时，会将多余的能量进行存储或进行点对点交易。在时段10—16 h，用户2 从用户1 购买了部分可再生能源，并将自身多余的能源存储到共享储能中。在时段17—21 h，风机出力小于用户的电负荷需求，大部分通过共享储能放电合点对点交易来填补供电缺口。用户2 负荷具有可中断特性和可转移特性，在1—24 h可中断负荷削减了369.6 kW，可转移负荷在16—24 h 向1—15 h 转移了155.8 kW。

图7 用户2优化运行结果Fig.7 Optimized operation results of User 2

图8为用户3优化运行结果。

图8 用户3优化运行结果Fig.8 User 3 optimized operation results

由图8 可以看出，在第1—3 h 时段，风电大于用户负荷需求时，将多余能源进行点对点交易或存储。在时段4—5 h，用户3 选择了从电网或用户2购买部分低价电能，并将剩余的风电进行交易。在时段8—20 h，风机出力小于用户的电负荷需求，大部分通过共享储能放电和点对点交易来填补供电缺口，在电价低谷时段，也从电网购买部分电能，同时将部分电能进行存储，保障储能的正常使用。用户3 负可转移负荷在第9—10 h 与16—24 h 分别向1—8 h和11—15 h转移了101.5 kW和81.9 kW。

储能电站的充放电功率和电量状态如图9所示。

图9 共享储能电站优化运行结果Fig.9 Optimal operation results of shared energy storage power station

由图9 可以看出，储能电站在时段1—8 h 和11—15 h 时段处于充电状态，在第15h 储能电站电量达到最大值1 540 kWh，最大充电功率达到400 kW。在时段9—10 h 和16—21 h 储能电站处于放电状态，电量储能电站电量由1 540 kWh 下降到初始状态342 kWh，其中最大放电功率达到266 kW。

3.3 点对点交易结果

接入储能的用户可根据自身情况进行点对点交易，减少用能成本，同时还可获取一定的收益。各用户点对点交易的结果如表2所示。

表2 点对点交易结果Tab. 2 Point to point transaction results

从表2 中可以看出，3 个用户都将自身的部分能源进行了点对点交易，其中由于用户1 光伏在10—15 h 出力较大，相对与负荷需求有较大的剩余，所以卖出的能源最多为994.5 kWh。由于光伏在早上和晚上出力为零，此时有较大的供应缺口，所以用户1 在这些时段向其他用户购买电能较多为703 kWh，整体获益59.8 元。用户2 售电电量为700.2 kWh，购电量为620.9 kWh，整体花费1.6 元；用户3 较其他用户售电电量与售电最少为235 kWh 和605.8 kWh，整体花费58.2元。

3.4 结果对比分析

为分析在共享储能电站引入用户点对点交易的经济性，设置以下场景进行对比。

场景1：参照文献［7］，接入共享储能的各用户考虑负荷调节特性，不考虑点对点交易；

场景2：接入共享储能的各用户不考虑负荷调节特性，考虑点对点交易；

场景3：接入共享储能的各用户考虑负荷调节特性和点对点交易。

通过表3 可知，用户考虑点对点交易和负荷调节特性后，可灵活调节自身负荷并优先将未利用的能源低价进行交易，在一定程度上可降低电网购电费用和储能服务费。

表3 场景结果对比分析Tab.3 Comparative analysis of scene results

对比场景2、3 可得，在考虑用户的负荷调节特性各用户可通过可中断负荷与可转移负荷根据可再生能源和电价合理地调整用能需求，使得各用户的购电费用分别降低了93%、55.6%和33.5%，储能费用分别降低了3.2%、37.7%和35.7%。在点对点交易上，用户1前后变化不大。用户2和用户3在交易的上成本减少了93.4%和34.6%，这是由于在考虑负荷特性的情况下，用户负荷需求可较好地匹配可再生能源出力，在保证成本最小的前提下，可进一步减少向其他用户购买能源，各用户的整体费用降低了27.4%、48.3%和11.7%；对比场景1、3 可得，考虑点对点交易后使得各用户的购电费用分别降低了90.6%、12.7.%和66.4%，储能费用分别降低了11.6%、67.5%和-0.07%。整体费用降低了34.3%、45.9%和29.2%。所以考虑用户点对点交易和负载可调节特性后，各用户的运行总费用都有不同程度上的降低，从而实现多方共赢。

4 结论

本文提出了基于用户点对点交易的共享储能运行优化策略，根据可再生能源的出力、电价和用户可调节特性进行联合优化，降低了运行成本。基于仿真验证结果，得到以下结论。

1） 根据分时电价与可再生能源的出力，在充分考虑用户调节能力的前提下，优化用户的用能需求，可达成更好的削峰填谷效果。

2） 用户考虑点对点交易后，优先将未利用的能源低价进行交易，可以有效降低用户的用能成本，从而进一步提高用户侧的效益。

3） 通过用户之间的能源互济，有效减少了电网与储能系统的供应需求，在出现供需不平衡条件下，可有效减少用户的用电损失。随着用户参与的不断增加，用户内部资源互补能力加强，本文所提算法的适用性会更强。

未来，随着我国双碳战略的推进和电力市场完善，并依托于共享储能和分布式储能，配合用户侧点对点能源交易，进一步促进分布式光伏所发电力就地就近消纳。