曹旭东,姜业宇,李赛龙,于 娜
(1.国家电网公司长春市供电公司,吉林 长春 131000;2.现代电力系统仿真控制与绿色电能新技术教育部重点实验室(东北电力大学),吉林 吉林 132012;3.中国电力工程顾问集团东北电力设计院有限公司,吉林 长春 130021)
传统电力系统中,输电网和配电网均被独立管理,通常使用等效模型将输电网视为虚拟电源,而将配电网视为虚拟负荷。市场运营的组织和开展主要集中于输电运营商(Transmission System Operator,TSO)管理的集中现货市场,这种分离管理模式可能导致电压波动和可再生能源消纳问题。但随着分布式电源(Distribution Generator DG)和可控设备在配电网的广泛应用,传统的配电网演变为主动配电网[1],具有更高的可控性和灵活性。它不再仅仅扮演负荷的角色,而变成了虚拟电源,与输电网紧密耦合[2]。此外,中发9号文件的发布开放了售电侧市场[3-4],配电运营商(Distribution System Operator,DSO)为分布式电源提供了交易平台[5-7]。随着可再生能源容量的增加,系统的资源调节需求也增加。因此,通过协调输配电力市场的运作,以整合资源,成为解决这一问题的必要手段。
输配协同电力市场的特点在于输配电网的决策存在博弈,通过反复的策略调整,最终达到纳什均衡,以此实现市场双方利益的最大化。在电力市场环境下,研究能增进市场双方利益的输配协同机制变得至关重要。
目前国内外已有大量文献涉及输配协同决策方法的研究。文献[8]将输电网在输配边界处进行戴维南等值,通过调整等值参数感知配电网负荷变化后态势,计算速度较主从分裂方法有明显提升。文献[9]构建输配协同下TSO与DSO分层经济调控模型,采用Benders算法对模型进行求解。文献[10]考虑设备与线路容量配比关系,综合考虑系统供需能力、供电区域等因素,构建了输配协同下系统容量配置模型。文献[11]基于改进并行子空间算法对输配两级电网进行协同优化。文献[12]综合考虑市场各方的利益,提出一种输配电网分层分布式多元协调优化调度方法。文献[13]计及了高比例可再生能源接入输配系统所带来的影响,在输配协同模型中融入改进区间法以降低不确定性。
针对上述问题,本文基于输配协同电力市场的特点提出一种输配协同下的输配能量市场双层出清模式,构建输配协同下的TSO与DSO双层优化模型,并在决策模型中引入风电协调价格以保证风电消纳。利用KKT条件将双层决策模型转换成单层决策模型。最后利用输配耦合测试系统进行算例分析,验证所提模型的合理性与经济性。
输电网TSO和配电网DSO作为不同的市场组织运营主体,在随着我国电力市场改革的不断深入,二者之间的联系愈加紧密。研究输配协同在减轻复杂大电网整体调度的压力的同时,也能整合输电网和配电网侧的灵活调节资源,实现能源间的优势互补。
随着配电网日益主动化、市场化的发展趋势,TSO与DSO互动关系日益紧密,在电网的可靠、稳定和经济运行中发挥着重要作用,TSO与DSO物理协同系统如图1所示。
图1 TSO与DSO物理协同模型
配电网与输电网通过配电变电站连接。配网包含灵活可控资源,DSO通过调整分布式电源和可控设备来管理配网,确保系统安全稳定运行,并为配网市场提供技术支持。DSO根据配网运行情况,在市场发电和用电主体之间做出最优选择,参与TSO现货市场竞争。当配网供电不足时,DSO作为用电主体购电;当供电超过需求时,DSO作为发电主体售电。DSO根据电能供需情况与TSO互动并做出决策,影响TSO现货市场交易结果。DSO通过调整购售电量影响配电市场交易结果,最终实现最优市场交易结果,提升全网调度系统经济性。
为均衡TSO与DSO不同的利益诉求,构建基于循环迭代的TSO与DSO的协同出清模式如图2所示。由图2可知,TSO决策模型和DSO决策模型协调机理。在输电侧,TSO考虑负荷需求和投标信息,并以社会福利最大化为目标进行市场出清,得到中标电量和节点电价。在配电侧,DSO考虑发电投标信息和市场电价,并以购电成本最小为目标进行市场出清,获得节点电价和出清电量。TSO根据DSO提供的配电变电站市场电价再次进行市场出清,进行循环迭代,若在连续的数次迭代中每次的电能交换和出清价格波动控制在一定范围内,则认为收敛,结束迭代并按所得结果进行出清。
图2 TSO与DSO迭代协同出清模型
输电市场TSO决策模型采用直流最优潮流模型,目标函数为输电网社会福利最大化。
目标函数:
(1)
输电市场出清模型要满足功率平衡约束、支路传输容量约束、输配交换功率约束、分布式电源运行约束、相角约束以及平衡节点的设定。
节点功率平衡约束:
(2)
支路传输容量约束:
(3)
输配交换功率约束:
(4)
常规机组出力约束:
(5)
风力机组出力约束:
(6)
相角约束:
-π≤θn,t≤π
(7)
平衡节点设定:
θt,n=1=0
(8)
基于上述TSO出清模型,根据参考文献[15],由供需平衡等式求解出清价格,配电网与输电网相连接的节点出清电价为
(9)
配电市场DSO决策模型采用二阶锥松弛规划理论进行建模[16],目标函数为DSO购电成本最小,目标函数如下:
(10)
配电市场决策模型要满足的约束为系统功率平衡约束:
(11)
分布式风电出力约束:
(12)
支路潮流约束[17]:
(13)
运行安全约束:
(14)
分布式电源运行约束:
(15)
二阶锥松弛约束:
(16)
根据TSO与DSO协同关系,构建了双层决策优化模型。上层TSO采用的直流潮流模型。下层DSO采用基于二阶锥优化理论的交流潮流模型,利用KKT方法表示下层DSO决策模型最优性条件,将双层决策模型转化为带均衡约束的数学规划单层决策模型。
(17)
s.t.公式(2)~公式(9)
(18)
(19)
(20)
(21)
(22)
(23)
(24)
(25)
(26)
(27)
(28)
(29)
(30)
(31)
(32)
由于上述带均衡约束的数学模型中互补约束条件的存在,使得转化的MPEC模型为非线性模型,需对MPEC模型进行线性化处理。
2.2.1 约束条件线性化
对于形为0≤x⊥y≥0的互补约束条件,可用Big-M方法进行如下线性化处理。
(33)
公式中:u为0-1变量;M为足够大正数。
对非线性约束公式(23)~公式(32)进行精确线性化处理,如公式(34)~公式(53)所示。
(34)
(35)
(36)
(37)
(38)
(39)
(40)
(41)
(42)
(43)
(44)
(45)
(46)
(47)
(48)
(49)
(50)
(51)
(52)
(53)
2.2.2 目标函数线性化
(54)
结合公式(9)可得:
(55)
将公式(55)带入目标函数公式(17)中将其转化为线性表达式。最终,MPEC模型转化为混合整数线性规划模型。
DSO决策等价为带均衡约束的数学规划问题,经二阶锥规划的对偶规划和对TSO优化KKT条件的线性化等效处理,进一步等价为混合整数二阶锥规划问题。本文中带有均衡约束的单层规划问题的求解流程如图3所示。模型的执行步骤如下:
图3 迭代出清流程
1)首先输入系统内各个节点发电机运行参数,系统各时段有功负荷需求曲线和初始报价等信息;
2)TSO根据社会福利最大化进行出清,得到各发电商中标情况和出清电价λs,t;
3)若某一风电场发电未完全消纳,则计算该风电场的风电协调价格,得出该风电场新一轮的风电报价,重复步骤2,直至所有风电场的产能都被完全消纳,输出出清电价λs,t;
4)DSO根据得到的λs,t以购电成本最小为目标进行决策,得到配电运营商从主网购买的电量Ps,t;
5)将配电运营商从主网购买的电量Ps,t反馈至输电运营商,调整出清电价λs,t,配电运营商重新计算主网购电量,进入循环迭代;
6)若迭代过程中相邻两次DSO的出清电价的2范数满足精度要求,则认为收敛,迭代过程结束;若不收敛,则判断是否达到最大迭代次数,若达到,则输出结果。
在本节中,采用改进的IEEE6节点输电测试系统、9节点配电测试系统和7节点配电测试系统构成的输配耦合测试系统如图4所示,网络拓扑详细参数见文献[23],以验证所提输配协同下TSO与DSO双层优化决策模型的合理性。
图4 输配协同系统网络拓扑模型
输配电测试系统中除G3,G6外均为常规机组。假设配电网中每个节点的无功负荷大小为有功负荷的30%。风电场的最大功率输出为30 MW。输配耦合测试系统有功负荷需求如图5所示,风电场的功率预测曲线如图6所示。各发电主体的运行参数如表1所示,输配网交换功率的上下限如表2所示,最大迭代次数为200次,σ为5%[24]。
表1 输配电网机组运行参数
表2 输配电网连接点数据信息
图5 输配协同系统各时段有功负荷需求曲线
图6 风电功率预测曲线
依据输配测试系统参数信息,按照本文提出的输配协同迭代出清模型和输配独立出清模型进行市场出清。设计两种场景。其中场景一输电网与配电网独立决策,不考虑输配电之间的博弈,配电网视为固定负荷;场景二为考虑输配电网之间的博弈,输电网与配电网进行协同出清。
在场景一下,配电网在市场出清的有功节点边际电价,如图7,图8所示。
图7 配电网1各节点在13时段有功节点边际电价
图8 配电网2各节点在13时段有功节点边际电价
由图7、图8可知,配网1市场的有功节点边际电价按照先降低后增高的趋势,在节点5处最低,而配网2市场的有功节点边际电价按照先增大后降低的趋势,在节点4处最高。这是因为随着潮流流动方向的改变,远离发电机组的节点会有较高的有功节点边际电价,而装设发电机组的节点则相对较低。这是由于线路上有功功率的流动增加了线路上的有功损耗,导致相应节点的边际电价增加。
场景二下的配网出清节点电价如图9和图10所示。
图10 配电网2各节点在13时段无功节点边际电价
由图9和图10可知,从配电网1和配电网2各节点在13时段无功节点边际电价出清结果来看,配电网各节点无功节点边际电价曲线与有功节点边际电价曲线具有相同的变化趋势。
在场景一的情形下,各发电机组的电量出清情况如图11所示。
图11 场景一各发电商电量出清情况
由图11可知,在场景一中,由于风电场的保障性收购电量导致其市场报价不合理,存在弃风现象,因此风电出清电量较少,不利于风电消纳。在配网2中,常规机组G7满足大部分负荷需求,而在配网1中,常规机组G4的市场报价最低,因此在1-6时段配网1负荷需求较低时,仅由常规机组G4就可满足需求,并向输电网售电。当输电网内部负荷需求无法由配网满足时,输电网会从配网进行购电。在输电网中,常规机组G1优先进行市场出清,而输电网内的发电机组报价较高。这是由于输配交换功率约束所限,以满足输电网自身的负荷需求。
在场景二的情形下进行出清,各发电机组的电量出清情况如图12所示。
图12 场景二各发电商电量出清情况
由图12可知在场景二中,引入输配电协同决策,风电场的电量可以按照风电预测功率曲线优先出清。在配网2中,风电场G6是首选出清对象,只有当配网2内的负荷需求不能由G6满足时,才会启动常规机组G7的市场出清。类似地,在输电网中,风电场G3作为优先出清对象,在一定程度上降低了输电网对配电网的电能需求,从而使得常规机组G7在3-6时段的出清电量较少。配网1和输电网中的发电机组的电量出清原则与配网2类似。
对比场景一与场景二的风电消纳量,考虑输配电网协同决策场景下的风电消纳量更多。在充分利用配电网风电资源的同时,通过采用输配协同决策可实现风电价格协调机制,促进风电消纳。
配网1与配网2在13时刻两种场景下有功节点边际电价对比如图13、图14所示。
图13 配网1有功节点边际电价对比
图14 配网2有功节点边际电价对比
由图13和图14可知,在配网1和配网2中,不同场景下节点的有功节点边际电价变化趋势基本一致。然而,场景二相比场景一略低,且在配网2中明显偏低。考虑输配电双层协同优化决策模型的节点边际电价更低,场景二由于采用输配网协同决策,充分利用配网的分布式电源。若配电网中分布式电源容量稀缺,则配电网可选择从主网进行购电;若主网出清电价较高,则配电网可充分利用配网内分布式电源。场景二引入了协调输配网价格模型,降低了有功市场出清电价,并减少了线路上的功率流动和系统损耗。此外,保障性收购和部分风电提前锁定也导致系统负荷总需求减少,进一步降低市场出清价格。这与商品在交易过程中的供需价值取向相一致,体现了本文所提决策模型的合理性。
本文依据TSO和DSO协同作用关系,提出了考虑输配协同下TSO与DSO双层决策模型。利用KKT方法将双层决策模型转换成单层决策模型,并对模型中非线性不等式约束和目标函数非线性变量乘积进行线性化处理。通过算例仿真分析,验证该双层决策模型的合理性。设置输配协同和输配不协同的两种电力市场模式,风电场分别参与两种市场,从算例仿真结果可以得出,在输配协同的电力市场交易模式下,可有效调动输配侧灵活调节资源,提高风电消纳能力,有效降低节点边际电价。