基于谈判博弈的微电网群多主体共享储能容量优化配置策略

杨昆,刘通,柏林,侯祖锋,郭晓燕,周承启

(1. 广东电网有限责任公司珠海供电局,广东 珠海 519000; 2.南方电网科学研究院有限责任公司,广州 510663)

0 引 言

大力发展风、光等新能源发电,是应对环境污染问题、推动能源清洁转型的必然选择。根据中国2022年底的统计数据,可再生能源发电装机容量占全国总装机容量的47.3%[1]。在“双碳”目标和推进新型电力系统建设的大背景下,新能源发展迎来了新的机遇。随着新型电力系统建设的不断推进,分布式新能源将得到更大规模的发展。微电网是一种小型的、自治的电力系统,它通过整合分布式电源(distributed generator,DG)、储能系统、柔性负荷等分布式资源,具备能量汇集、使用和综合管理功能[2],成为促进分布式新能源规模化消纳的重要手段[3]。

多微电网规模化接入,形成了微电网群,成为支撑配用电侧分布式新能源消纳利用的重要形态。对微电网来说,储能系统是平移分布式新能源、负荷波动的重要手段[4],合理的储能系统容量配置是提升微电网运行性能的前提。文献[5-7]针对微电网储能系统的容量配置问题进行了研究,构建了多微电网系统两阶段调度策略模型并对微电网储能系统容量配置。考虑储能系统高昂的投资成本,每个微电网单独配置时所得储能系统的容量通常很小[8],不利于分布式新能源的消纳利用,并导致微电网的资产利用效率偏低。随着共享经济的兴起,电力、通信等不同行业均出现多样化的共享模式[9-10],共享已成为提高资产利用率的有效方式。通过引入共享模式,在多个微电网之间进行能量共享成为充分发挥微电网群协同优势、提高储能系统能源利用效率的有效手段[11]。

从微电网群优化规划的角度,其通常存在两个维度的共享:一是运行层面多个微电网之间的能量共享。二是规划层面微电网群运营商(micro-grid cluster operator,MGCO)与共享储能运营商(shared energy storage operator,SESO)之间的容量共享。对于前者,文献[12-13]提出了基于合作博弈理论优化各微网的储能容量配置和购能策略的方法,建立了微电网之间进行能量交互的模型,实现了各微网间的经济调度并有效降低了系统的运行成本,验证了多个微电网之间进行能量共享能够有效提升微电网群的分布式新能源消纳能力。对于后者,通过与第三方主体(如SESO)的交互,实现多个主体之间的协同优化。考虑MGCO与SESO之间的储能容量共享,现有共享机制包括容量租赁和能量交易两种,其中,容量租赁是SESO将自身储能系统的容量划分为多个部分,并将其分配给不同的微电网[14-16]。与容量租赁模式相比,能量交易模式能够实现微电网群与共享储能系统之间的灵活电力交互,如文献[17]提出了共享场景下计及微电网运营商和共享储能运营商投资效益的储能配置和运营方法,建立了一种共享储能动态容量租赁模型,实现了共享储能容量配置与分配,验证了与SESO进行容量共享,可以有效降低MGCO的储能系统投资成本,并有利于促进分布式新能源的消纳利用。

共享储能容量优化配置,是保证微电网群运行经济性、促进分布式新能源消纳利用、提升系统资产利用率的基础。目前国内外对微电网共享储能的容量优化配置问题进行了广泛研究,但仍存在如下难点:第三方主体的引入,使得共享储能容量配置问题变成了多个主体交互协同的决策问题,如何实现多主体之间的友好互动,是进行微电网群共享储能规划急需解决的问题。

为此,本文以微电网群为研究对象,聚焦微电网群多主体共享储能容量优化配置问题,提出了基于谈判博弈的微电网群多主体共享储能容量优化配置方法。主要创新点梳理如下:

1)将共享储能纳入微电网群容量优化配置,通过分析容量规划过程中MCGO与SESO不同决策主体之间的交互特性,构建了考虑共享储能的微电网群多主体协同优化框架。

2)建立了考虑能量共享与容量租赁的微电网群与共享储能容量配置模型,采用谈判博弈模型来表征MCGO与SESO之间的交互关系,提出了基于谈判博弈的MCGO与SESO多主体共享储能容量协同规划方法,并设计了基于交替方向乘子法的分布式求解算法。

1 考虑共享储能的微电网群多主体系统架构

1.1 考虑共享储能的微电网群系统架构

含共享储能系统(share energy storage system,SESS)的微电网群系统架构如图1所示。其中,微电网的内部元件设备主要包括分布式光伏、分散式风电、可控分布式电源和电力负荷。多个微电网接入配电网,形成了微电网群。共享储能系统与每个微电网进行物理连接,可以实现微电网与共享储能之间的双向功率交互。本文是针对MGCO与SESO两者之间协同配置储能的场景,即不考虑微电网群内部单独配置储能,而是通过MGCO与SESO交互来配置共享储能容量。需要说明的是,所考虑的共享储能系统为SESO的物理资产,其可通过租赁或能量共享的方式与MGCO进行互动。

图1 含共享储能系统的微电网群系统架构

1.2 多主体交互行为分析

如前文所述,考虑共享储能的微电网群容量配置涉及两个决策主体,即MGCO和SESO。对于MGCO,其考虑各微电网之间的能量共享以及微电网群与共享储能系统之间的容量/能量共享,兼顾自身规划成本与分布式能源消纳率,对各微电网中分布式光伏、分散式风电、可控分布式电源(本研究以微燃机为例)的容量进行优化配置。对于SESO,其综合考虑不同微电网的容量/能量共享需求,以自身利益最大化为目标,进行共享储能系统容量的规划。不同于每个微电网单独配置储能场景,本文考虑MGCO与SESO协同配置储能重点考虑如下两方面协调:一是微电网群与共享储能系统之间的协调。在规划模型层面,由于MGCO与SESO为不同利益主体,多主体决策过程复杂,不同决策者之间的协调关系难以直接用数学形式表示。因此,本文提出了基于谈判博弈多主体容量配置方法,基于谈判博弈模型来刻画MGCO与SESO之间的协调关系。在运行策略层面,本研究考虑SESO与MGCO之间既存在直接的能量交互,也存在考虑租赁的储能容量共享策略。MGCO向SESO提供容量租赁费用来获取共享储能的使用权,SESO通过收取共享储能容量租赁费用来实现自身收益最大。二是微电网群内部各个微电网之间的协调。本研究假定微电网群中不同微电网间可直接进行功率交互,从而实现缺电微电网与余电微电网间的功率互济。

2 考虑能量共享的MGCO规划模型

2.1 微电网元件基本模型

1)PV模型。

光伏发电设备的输出功率与光照强度和环境温度之间的关系如式(1)所示:

(1)

2)风力发电模型。

风力发电机(WT)的输出功率与风速v存在以下关系:

(2)

3)微型燃气轮机模型。

当微电网中可再生能源的发电量不足时,微型燃气轮机(DG)可作为辅助调度资源,其输出功率和成本之间的关系表示为:

DDG(PDG)=αDG(PDG)2+βDGPDG+γDG

(3)

式中PDG为微型燃气轮机的输出功率;αDG、βDG、γDG均为发电成本系数。

2.2 考虑能量共享的微电网群容量规划模型

2.2.1 目标函数

微电网群容量规划目标为总成本最低,具体包括微电网群的投资成本和运行成本两部分,其中,运行成本主要包括微电网向配电网的购电成本、可控分布式电源的发电成本以及与SESO功率交互成本,具体表示如下:

minC=CDG+Cgrid+Cflue+Cess,b-Cess,s

(4)

式中CDG为微电网分布式电源的投资成本;Cgrid为分时电价下微电网购售电成本;Cfule为微网购买燃料成本;Cess,b为微电网向共享储能电站购电成本;Cess,s为微电网向共享储能电站售电收益。

1)微电网群分布式电源投资成本。

CDG=∂bnQn

(5)

式中∂为投资回报率;bn为微网n中分布式电源的建设成本系数;Qn为微网n中分布式电源的容量。

2)分时电价下微电网购售电成本。

处于同一主体的微电网以相同的分时电价向配电网购电和售电,分时电价购售电成本Cgrid为:

(6)

式中:δx,t、δy,t分别为n号微电网在时段t从配电网购售电的单价;Pn,x,t、Pn,y,t分别为n号微电网在时段t与配电网进行的购售电功率,Pgrid为微电网与配电网交互的联络线功率。

3)微型燃气轮机运行成本。

(7)

4)微电网群向共享储能电站购电成本。

(8)

5)微网向共享储能电站售电收益。

(9)

2.2.2 约束条件

1)规划层面约束。

MGCO进行容量规划的变量为各微电网中分布式光伏、分散式风电、微燃机的容量,考虑安装空间等条件限制,需满足如下容量约束:

分布式电源容量约束:

(10)

式中XPVmax和XPVmin分别为分布式光伏的容量上下限;XWTmin和XWTmax分别为分布式风电的容量上下限;XMTmin和XMTmax分别为微燃机的容量上下限。

2)运行层面约束。

a)微网与配电网电能交互约束。

各微网可以与配电网进行电能交互,应满足如下约束:

(11)

(12)

(13)

Pn,t,total=Pn,x,t-Pn,y,t

(14)

b)微网间能量共享约束。

(15)

c)微燃机出力约束。

(16)

d)分布式光伏出力约束。

(17)

e)分散式风电出力约束。

(18)

f)共享储能充放电约束。

微电网可以与共享储能进行能量交换,且同一时刻不能同时充放电,能量交换约束为:

(19)

3 SESO共享容量优化配置模型

3.1 储能容量租赁模型

当每个微电网单独配置储能时,各个微网中的储能调度行为会呈现无序性,使储能效率低下,可能会出现储能没有完全利用的情况,即储能容量曲线没有达到容量上下限,造成导致储能容量的浪费和能源的损耗。而共享储能运营商在配置储能时,考虑到每个微网各时段实际所需的储能容量,使共享储能容量配置以及每个微网储能容量的利用率最大化。

因此本文提出基于微电网群运营商的共享储能系统容量租赁模型,实现了储能容量资源的高效利用。储能运营商将共享储能设备容量划分为N+1个容量边界,租赁给微电网群运营商,如式(20)所示。

(20)

式(20)表示共享储能运营商将共享储能容量划分为若干个动态的容量边界,其在每个调度过程中规划了向微电网群运营商提供的最优储能租赁容量,实现了共享储能与各个微网之间的容量互补,减少了储能容量的浪费,提高储能容量的利用率。

3.2 规划模型

3.2.1 目标函数

共享储能容量规划目标包括两部分:共享储能的投资成本和运行成本。其中前者为共享储能的投资建设成本,后者为共享储能的容量租赁收益,以共享储能系统的容量配置和运行成本最小为优化目标,具体表示如下:

minF=Cinv-Iser-Cess,d

(21)

式中Cinv为共享储能电站投资和运行维护成本;Iser为共享储能设备提供容量租赁服务所得的服务费;Cess,d为共享储能电站向微网售电收益。

1)共享储能设备日均投资和维护成本。

(22)

2)共享储能系统容量租赁服务费。

(23)

式中Iser为微电网运营商需要支付的租赁容量费用;δser为微电网运营商租赁共享储能系统的单位电量需要缴纳的费用。

3)共享储能电站向微网售电收益。

(24)

3.2.2 约束条件

1)规划层面约束。

SESO进行共享储能容量规划的变量为待配置的共享储能系统容量,需满足如下容量约束:

XESS,min≤XESS≤XESS,max

(25)

式中XESS,min和XESS,max分别为共享储能系统容量的上下限。

2)运行层面约束。

a)能量倍率约束。

储能电池容量与额定功率之间存在能量倍率约束,具体表示为:

Eess=βPess

(26)

式中β为储能电池能量倍率;Pess为共享储能系统额定功率。

b)充放电约束。

在同一调度时段,电站的充放电状态由各微网用户电站母线处完成能量交换后的总能量需求决定,同时限制在同一时刻共享储能电站不能同时充电和放电,其约束为:

(27)

c)储能电池荷电状态约束。

(28)

4 基于谈判博弈的多主体容量配置方法

4.1 基于谈判博弈多主体容量配置模型

4.1.1 谈判博弈模型

在多微网系统中,属于不同主体的各个微网之间存在电能交互,其价格经过各个运营商之间统一规定会比向储能和配电网购买电能的价格低。故各个微网都不想舍弃自身的利益,无条件地将电能共享给其他微网,而是希望其他微网能够无条件地将电能共享给自己来减少从储能系统购买电能,从而使本微网的经济性达到最优。故各个微网以及微网与共享储能间存在博弈关系。谈判博弈的核心是集体理性和社会福利最大化,同时关注个体和集体的利益。纳什谈判博弈模型如式(29)所示,其解可使联盟中成员都获得帕雷托最优收益,即为纳什谈判的均衡解。

(29)

利用纳什谈判理论构建多微网与储能运营商之间的合作运行模型:

(30)

4.1.2 模型等价变换

(31)

4.2 基于ADMM的分布式求解算法

虽然微电网参与了储能运营商的能量共享优化调度,考虑到不同微电网都是以自身成本最小化为目标,集中式优化方法要求储能运营商大量收集下层微电网目标函数及约束信息,这对于储能运营商来说是非常困难的。因此,为了使激励机制切实可行,本节选用基于ADMM的分布式算法的解决方案对式(30)进行求解。

交替方向乘子法(alternating direction multiplier method,ADMM),具有对偶上升法的可分解性和乘子法较快的收敛速度,并且不要求目标函数为严格凸形式,较其他分布式算法收敛速度更快,目前被广泛应用。

(32)

上述优化问题可以分解为局部优化问题和一个主优化问题,微电网优化模型可表示为:

(33)

储能运营商的主要优化模型可表示为:

(34)

式中λn,t为拉格朗日乘子;ρn为惩罚因子。

利用分布式算法求解微电网-储能运营商多主体联盟效益最大化问题,具体步骤如下:

4)更新拉格朗日乘子。

(35)

5)更新迭代次数k+1。

6)判断收敛性。

(36)

式中ξ为收敛精度;kmax为最大迭代次数。

如果满足式(36)中收敛条件则迭代过程终止,否则返回步骤2)进入下一次迭代,直至算法收敛到设置精度以下或达到最大的迭代次数,结束迭代。

5 算例分析

5.1 算例描述

基于图1所示的考虑共享储能的多微电网系统,以3个微电网为例对所提微电网多主体容量配置方法进行有效性验证。其中,3个微电网的典型日负荷曲线如图2所示,典型日的标准化风电、光伏出力曲线如图3所示,配电网的分时电价曲线如图4所示。风电、光伏、微燃机以及共享储能设备的使用年限分别为10、10、15和13年,相关参数如表1所示。所有仿真分析均基于MATLAB R2018b+CPLEX 12.8求解器,系统硬件环境:CPU为 Intel(R) Core(TM) i7-4790,其主频为3.60 GHz;内存为8 GB。

表1 算例相关参数

图2 微电网典型日的负荷曲线

图3 典型日的风光曲线

图4 配电网的分时电价曲线

5.2 算例结果与分析

为了验证所提出的优化方法的有效性,设计了以下对比分析方案:

方案1:不考虑共享储能,即每个微电网单独配备储能设备;

方案2:考虑共享储能,但仅考虑共享储能容量租赁;

方案3:考虑共享储能,但仅考虑共享储能与微电网群之间进行功率交互;

方案4:考虑共享储能,考虑共享储能与微电网群之间进行容量共享和功率交互,即所提优化方法。

不同方案下得到MGCO和SESO的规划与运行成本如表2所示,可以得出,与每个微电网单独配置储能设备相比(即方案1),考虑共享储能能够有效降低MGCO的总成本(与方案1相比,方案2、3、4情况下MGCO的总成本分别降低4%、5.43%、8.51%)。此外,与方案2和方案3相比,在共享储能背景下,协同考虑共享储能容量租赁和功率交互能够不仅能够降低MGCO的成本,也可以降低SESO的运行成本,从而达到了双赢的效果。

表2 不同方案下的经济性对比

为了分析本文所提考虑共享储能与微电网群之间进行容量共享和功率交互方法与现有其他文献方法的差异,选取文献[19]、[20]中的方法进行对比如表3所示。本文所提到的方法不同于文献[19-20]中方法,本文考虑了同一主体下微电网之间的功率互济,这样可以降低微电网运营商的运行成本,还考虑了共享储能容量租赁,共享储能运营商将共享储能容量划分为若干个动态的容量边界,其在每个调度过程中规划了向微电网群运营商提供的最优储能租赁容量,实现了共享储能与各个微网之间的容量互补,减少了储能容量的浪费,提高储能容量的利用率。

表3 不同文献中方法对比

所提微电网群多主体共享储能容量规划结果如表4所示,可以得出,SESO配置的共享储能容量为830 kW/(1 660 kW·h),其中,555 kW/(1 110 kW·h)的共享储能通过容量租赁的形式分配给各微电网,275 kW/(550 kW·h)的共享储能与各微电网进行功率交互。具体地,方案4下各微电网的净负荷曲线(微电网的传统负荷减去优化后的分布式光伏与风电出力)如图5所示。以微电网1与微电网3为例,得到微电网1和微电网3间的优化结果如图6所示。以共享储能租赁为例,各微电网租赁储能的核电状态如图7所示。由图5和图6可以得出,微电网间进行能量共享有利于实现缺电微电网与余电微电网间的功率互济:在时段0:00—5:00,此时微电网1为缺电微电网而微电网3为余电微电网,微电网3向微电网1输出功率;在时段10:00—15:00,此时微电网1为余电微电网而微电网3为缺电微电网,微电网1向微电网3输出功率。此外,采用容量租赁以及与共享储能直接进行功率交互是消纳微电网群内新能源出力的重要手段,如在时段21:00—23:00,此时微电网群内部新能源发电过剩,通过向共享储能进行充电来实现对新能源出力的消纳利用。由图5和图7可以得出,在净负荷高峰时段(如时段17:00—18:00),通过共享储能放电来为负荷供电(使得核电状态下降);在净负荷低谷时段(如时段20:00—21:00),通过为共享储能充电来消纳剩余电量(使得核电状态上升),算例结果与理论分析一致,验证了所提优化方法的有效性。

表4 微电网容量优化配置结果

图5 微电网群的净负荷曲线

图6 多微电网间的能量共享优化结果

图7 共享储能荷电状态优化结果

6 结束语

本文针对微电网群多主体储能容量配置问题,提出了基于谈判博弈的微电网群多主体共享储能容量优化配置方法,实现了微电网群运营商与共享储能运营商之间的协同优化。通过算例分析可以得出,与每个微电网单独配置储能设备相比,考虑共享储能能够有效降低微电网群的总成本。此外,协同考虑共享储能容量租赁和功率交互能够实现缺电微电网与余电微电网间的功率互济,从而能够有效降低共享储能运营商的运行成本,从而达到了微电网群运营商与共享储能运营商双赢的效果。在本研究中,假定未来的微电网中的负荷分布为预测值,考虑长周期负荷分布及增长趋势不确定性的规划方法,以及在新型电力系统建设背景下,如何将促进分布式新能源消纳利用考虑在内,是进行微电网群储能规划需解决的问题,将是进一步开展的研究。