能源市场中分布式能源与储能微电网的分析

钱 程

（国电华研电力科技有限公司）

0 引言

近年来，研究者做出了重大努力来提高智能电网的技术和经济性能，不同的参与者在这些电网中做出决策，市场环境中的这种小规模电网允许分布式能源（DER）和家庭微电网（HMGs）之间通过池市场进行能量交换［1-2］。在这个市场上，需求响应（DR）在微电网能源管理中的重要性是显而易见的，需求侧管理（DSM）主题集中在消费者侧的能源消耗控制。这种能源控制由电力公司和企业协调，而不控制DER。当后者受到控制时，它被定义为能源管理。部分文献中考虑了暖通空调系统能量优化的DR，前人开发了一种用于建筑物暖通空调系统的价格响应DR。他们还考虑了DER，包括光伏发电和储能［3-5］。

1 BL-HIA结构及决策分析

1.1 基于BL-HIA结构分析

H-MG在独立或联盟操作中遇到的问题可以建模为两层结构，这是一个决策问题，包括几个试图在可连接的依赖集上优化其相应目标函数的代理，事实上，代理是一个可以充当DER或连接到其他单元的对象。BL-HIA（双层分层交互架构），如图1所示，上层问题集中于在满足上层约束和一组下层问题的条件下，在独立或联盟操作中具有较高优先级的H-MG的利润最大化。在上层问题中具有较高操作优先级的H-MG是基于它们的报价来识别的。上层限制包括对DER的数量和供应投标的限制、市场监管机构可获得的最低电力容量以及H-MG和零售商的采购／销售数量。较低层次的问题说明了市场清算价格（MCP），以使具有较低运营优先级的H-MG的利润最大化，同时满足每个H-MG的均衡约束、发电／消费限制以及参与DSM计划的消费者数量。

图1 BL-HIA架构图

如图1所示，H-MG运营 （在独立或联盟运营中）的更高优先级由能源过剩／短缺缺口和允许预期利润最大化的供应／需求投标来定义。通过考虑较低级别问题中的每个代理都表现出与基于报价的具有较高操作优先级的H-MG的收入相对应的最优操作，来实现每个H-MG的利润最大化。这种最优操作包括在独立或联合操作中对每个消费者提供和转移需求的估计。应该注意的是，具有较高优先级和较低优先级的H-MG（或竞争对手的H-MG）之间的竞争在较高和较低级别上被明确地建模。图1中所示的上层和下层问题是相互关联的。较低级别的问题估计竞争对手H-MG的价格和数量，这直接影响插入上述问题中的H-MG的利润。换言之，在上层问题中，与组建联盟有关的决策，或由竞争对手的战略HMG采取投标策略的决策，也会对下层问题产生的MCP有重大影响。

在BL-HIA结构中，还考虑了H-MG的联营价格、电力／热负荷需求和采购／销售价格的不确定性。有研究者使用多项式混沌方法来考虑不确定性。此外，使用KKT方法，将所提出的双层模型简化为一级问题。

1.2 基于BL-HIA结构的决策过程

HMG、消费者和零售商在BL-HIA结构中的决策过程可以总结如图2所示。在调度范围的开始，每个H-MG在DSM上为与其他HMG的独立或联盟操作提供必要的决策。此外，在此期间向消费者提供供应或需求投标。这些决策是在考虑未来市场价格、消费者负荷状况和竞争对手H-MG供应投标的不确定性的情况下做出的。供应投标是安装在H-MG中的DER成本的函数。

图2 决策过程

消费者对能源供应商的选择：当每个HMG提供供应报价时，消费者将选择HMG作为其电力／热负荷的能源供应商。这些决定是根据这些价格的可靠信息做出的，这些信息是在考虑到价格和需求的不确定性的情况下估计的。出于建模目的，通过对具有类似规格的消费者进行分组来创建多组消费者，以响应HMG的报价。

市场中H-MG的能量交换：在稳定H-MG（独立或联盟运营）的性能并设置供需出价后，每个H-MG可以在调度范围的每个时间间隔内决定（从市场中的其他H-MG）的数量，以满足其消费者的需求。

2 实例分析

所研究的电网如图3所示，其中EDS代表配电系统；FDS代表燃油分配系统；E代表电量；H表示热量；EB表示电锅炉；TES表示热能储存；CHP表示热电联产；GB表示煤气锅炉；STP表示太阳能热电板，EHP表示电热泵，安装在H-MG（A和C）中的ES（能量存储）系统用于储存多余的电能和热能。

图3 网络架构

根据H-MG的独立和联盟操作，我们可以为所研究的电网定义以下场景。

场景1（｛A｝、｛B｝、｛C｝、｛RET｝）：该场景描述H-MG的独立操作。部署了一个单级算法来对这种情况进行建模，H-MG的独立操作进一步阐明了这一点。

场景2：该场景描述了H-MG之间的联盟，该联盟发生在BL-HIA结构的一个级别，并在另一个级别以独立行动运作。这种场景的表示可以采取（｛A，BC｝，｛AB，C｝，｛AC，B｝，｛B，AC｝，｛BC，A｝，｛C，｛AB｝｝）的形式。该场景还研究了下级H-MG组成联盟对独立改变以高优先级运行上级H-MG的策略的影响。

H-MGA、B和C的载荷分布如图4～6所示。

图4 H-MGA不同情景下的正DR（DR＋）和负DR（DR-）

图5 H-MGB不同情景下的正DR（DR＋）和负DR（DR-）

图6 H-MGC不同情景下的正DR（DR＋）和负DR（DR-）

对于H-MG的独立操作，H-MGA的大部分RLD从MCP较高的时间间隔转移到MCP较低的时间间隔。偏移的负载量在HMG的总负载中占很大份额。更具体地说，55%的负荷从MCP较高的时间间隔转移到MCP较低的其他时间间隔，目的是使H-MG所有者的利润最大化。相比之下，当H-MG在联盟结构中运行时，该图中的能源消耗显著降低。对于｛B，AC｝的联盟场景，这种能量消耗是最低的（21%）。当联盟场景对应于｛B，AC｝时，能量消耗处于最低水平（21%）。

此外，负荷转移程度的降低源于DSM计划，该计划旨在通过考虑在MCP值高时采用负荷转移，以及最大限度地使用HMGA区间资源，并在负荷转移处于最低水平时有效地降低发电成本，从而为消费者实现更高的回报。此外，联盟结构 ｛A，BC｝中HMG的负载分布与替代联盟结构｛AB，C｝的负载分布相同，并且对H-MGA中的消费水平没有显著影响。这种趋势与H-MGB的情况完全不同。更具体地说，在HMG独立运行期间，H-MGB中的负载转移程度处于最低水平（几乎占24h内总负载的30%）。因此，H-MG之间的联盟将增加消费者对DR计划的参与度，这一比例几乎可以达到42%～50%。

当HMGB和A在BL-HIA结构的较低级别形成联盟，同时在结构的较高级别具有旨在最大化HMG C利润的目标函数时，实现了最小的负载转移量。此外，这些条件与具有类似性质的｛AC，B｝联盟结构相当。在以前的条件下，过剩发电能力的很大一部分用于满足H-MGC的需求。

因此，这种能量的可忽略部分被分配用于供应H-MGB中的响应负载。重要的是要澄清，在H-MG C的情况下，在独立运行条件下，总DR（需求响应）的值明显大于总DR＋的值。虽然仅占时间间隔的17%，但H-MGC经历了DR＋算法，当经历DR-时，这一数字将达到83%。DR中的这种趋势与联盟结构的情况相当，在联盟结构中，总负荷随DR＋总负荷值的变化程度在日常表现中彼此接近。通过在H-MG B和A之间形成联盟，消费者对H-MGC的参与率显著提高，达到40%以上。只有在联盟结构｛B，AC｝中，这样的值才能是最小值（21%）。

这些条件也与联盟结构｛AC，B｝的条件相同，并且具有相似的性质。在以前的条件下，过剩发电量的很大一部分用于满足H-MGC的需求。

3 结束语

本文提出了一种结合电力市场环境下发电量问题的优化发展方案。提出了一种方法来研究在多个HMG中增加H-MG、消费者和零售商收入的可能性。参与者的这些表现是在市场环境中适当建模的。一位H-MG程序员试图增加其收入，只要它能与DER及其消费者自由谈判能源交换。它还可以将与其他H-MG组成联盟的潜力纳入其议程。HMG寻求估计DER发电的价值，以及对消费者的供需投标。同时，还研究了在调度范围内，HMG之间形成联盟以最大化独立或联盟操作中的收入的可能性。通过这种方式，H-MG会遇到联营价格的不确定性以及电力和热负荷的价值。此外，如果一家H-MG的供应报价不够竞争力，消费者可能会选择另一家HMG来满足他们的需求。