虚拟电能交易驱动的光储聚合商容量优化配置_代佳琨.pdf

新型电力系统DOI:10.15961/j.jsuese.202200690虚拟电能交易驱动的光储聚合商容量优化配置代佳琨1，向月1*，李然2，刘俊勇1(1.四川大学 电气工程学院，四川 成都 610065；2.上海交通大学 电气工程系，上海 200240)摘要：近年来，在“双碳”目标背景下，近乎零边际发电成本的分布式清洁能源装机得到迅速发展。然而，如何研究含分布式清洁能源“产消者”之间能源交易机制及这种交易行为对规划的影响面临重要挑战。针对含光伏和储能的光储聚合商之间交易行为影响，提出了一种基于虚拟电能交易驱动的光储容量优化配置方法。首先，以光储聚合商效益函数为基础，构建了光储聚合商之间的电力交易机制，以产生电能定价并模拟一定容量配置下系统优化运行状态；其次，考虑多个聚合商分散交易行为对容量配置的影响，建立融合虚拟电能交易的光储聚合商容量优化配置模型，该模型将交易行为的影响以交易成本的形式融入系统运行层，以光储容量综合规划成本最小为目标函数，通过交易规划约束保证系统的安全性；最后，在MATLAB软件中进行了仿真验证。交易机制参数仿真、交易过程仿真和最后的光储聚合商容量配置仿真结果发现：本文提出的光储聚合商效益函数能够指导光储聚合商之间的交易定价行为，模拟分散交易，电能的价格和负荷水平受到储能与光伏容量配置的影响；并优化得到聚合商经济性最优的容量配置方案，与其他随机方案相比较既满足负荷正常消耗又避免了储能规划投资上的浪费。本文为含可交易能源的光储聚合商交易层面提供了定价策略，为考虑分布式清洁能源交易影响的光储容量优化配置方法提供了有效一定参考。关键词：运行模拟；优化配置；光储聚合商；虚拟电能交易中图分类号：TM715文献标志码：A文章编号：2096-3246（2023）02-0152-08Virtual Energy Transaction Based Optimal Capacity Configuration of Photovoltaic-storageAggregated Power SystemsDAI Jiakun1，XIANG Yue1*，LI Ran2，LIU Junyong1(1.College of Electrical Eng.,Sichuan Univ.,Chengdu 610065,China;2.Dept.of Electrical Eng.,Shanghai Jiaotong Univ.,Shanghai 200240,China)Abstract:In recent years,under the background of“double carbon”,the distributed new energy generation with nearly zero marginal generationcost has developed rapidly.However,how to study the energy trading mechanism among the“prosumers”of distributed new energy generationsand its impact on the power system planning face important challenges.Focusing on the impact of such transaction behavior on the planning levelfor photovoltaic-storage aggregated energy systems,an optimal configuration method for the capacity of photovoltaic and energy storage systemsbased on the virtual electricity transaction mechanism was proposed.Firstly,aiming to generate electrical pricing and simulate the optimal opera-tion state under a certain capacity configuration,a negotiation and matching mechanism for the electricity transaction between aggregators wereestablished based on the benefit function of photovoltaic-storage aggregated energy system.Secondly,considering the impact of decentralizedtransaction behavior of aggregators on the capacity configuration,an optimal capacity configuration model of photovoltaic-storage aggregated en-ergy systems considering the virtual energy transaction was proposed.The transaction cost was added in the operation level to integrate the im-pact of transaction behavior into the model.The minimum cost of the capacity configuration was taken as the objective function.The transactionand configuration constraints were accounted for the security of the systems.Finally,the simulation was carried out in the MATLAB.Simulation收稿日期:2022 07 06基金项目:国家自然科学基金项目（52177103）作者简介:代佳琨（1999），男，硕士生.研究方向：配电网规划与运行.E-mail：*通信作者:向月，副教授，E-mail：网络出版时间:2023 02 28 16:16:17 网络出版地址:https:/ http:/http:/ 第 55 卷 第 2 期工 程 科 学 与 技 术Vol.55 No.22023 年 3 月ADVANCED ENGINEERING SCIENCESMar.2023results of the transaction algorithm parameter,the transaction process and the final capacity configuration show that,the transaction and pricingbehavior between aggregators can be guided and the decentralized transaction of aggregators can be simulated by the benefit function proposed inthis paper.The electricity price and load level are affected by the capacity configuration of photovoltaic and energy storage systems.Comparedwith other random schemes,the optimal capacity configuration scheme proposed in this paper meets the normal consumption of load and avoidsthe waste investment of the energy storage planning.This paper also provides the electricity pricing strategies for aggregators with the tradableclean energy at the transaction level,and provides an effective reference for the optimal capacity configuration method of the photovoltaic-stor-age aggregated energy system considering the impact of the distributed new energy transaction behavior.Key words:operation and simulation;optimal configuration;photovoltaic-storage aggregated power systems;virtual energy transaction 推进新能源为主体的新型电力系统运行与规划成为构建现代能源体系的关键1。与传统电力系统不同，含边际成本为零的光伏发电资源和储能设施的主体（光储聚合商）以“产消者”方式参与投资运营，初始投资成本高，但燃料成本为零，运营也以区域分散为特征2。怎样合理配置内部光伏、储能容量是亟需解决的问题，而该问题的核心基础是光储聚合商内部分布式能源运行管理与外部电能交易。交易定价将会直接影响光储聚合商运行效益，如何合理地制定交易和定价机制十分重要。Prudhviraj等3提出了一种基于边际成本的电价模型，用于协调多个微电网之间的能源交易，目标是最小化总成本。王文彬4和Oh5等研究了电网运营商管控下的分散能源交易框架，以协调出力不确定的可再生能源发电商和价格响应型负荷之间的交易。Tushar等6提出以发电燃料成本产生的边际成本为基础形成的市场交易机制对于零边际发电成本生产者而言是不合理的。饶萍等7基于代理交易模式，提出一种考虑分布式交易机制和储能经济性运行策略的规划运行模型，保障了系统各主体效益。赵会茹8和Chen9等提出了光储联合系统的含优化调度的交易模型，并考虑社区间的能量共享以及联合需求响应，目标是求最小化运行成本。储能可以缓解可再生能源间歇性出力引起的系统功率波动，将储能与可再生能源发电机组互补使用能减小光储聚合商的运行成本。上述文献考虑了多个微电网之间的电能交易机制，但却没有深入研究储能在全清洁能源聚合商系统中的作用机理，无法揭示光储聚合商发电的实际市场价值；同时，缺少合理的交易机制产生价格激励，以促使聚合商配置光伏和储能。电能分散交易在含可再生能源主体参与电力交易方面受到越来越多的关注，可以考虑利用其形成动态电价以协商聚合商之间的交易。Zhang等10提出了一种新的分散端对端市场交易机制，产生的交易定价能够减少电网损耗和拥塞。崇志强等11提出一种两层分散能源交易模型，将交易和运行结合起来使交易产生的成本融合到运行成本。Kim等12提出一种考虑网络使用费用的分散交易体系结构用以协商多个含储能聚合商之间的交易。Cherukuri等13提出解决储能运行耦合的交易机制。李宏仲等14研究了新能源发电商与储能运营商的交易竞价策略。上述文献研究了储能配置及运行对电能分散式交易的影响，但没有考虑储能对含零边际发电成本光储系统中电能交易的影响，储能容量配置对交易过程有影响，而不同交易机制产生的交易结果也会影响聚合商容量配置的经济性。由于清洁能源发电机组的初始投资成本高，而成本回收周期长，过量或不合理的容量配置会导致聚合商经济性差15。国内外学者已有研究基于光储系统的运行调度结果进行光储容量的优化配置。金秋龙等16基于完全信息动态博弈理论，以光伏、储能和电网作为博弈参与者，分析市场环境下三方的博弈关系，建立光储网协调规划模型。南斌等17针对并网型光储微电网储能系统容量配置问题，提出考虑需求响应和源荷不确定性的储能优化配置策略。Conte等18提出一种针对由光伏和储能组成的集成系统的实时运行和日前规划的解决方案，使经济收益最大化。上述文献考虑光储聚合商与电网之间的交易互动及容量配置，但没有考虑多个光储聚合商之间的交易定价及容量配置问题。现有的光储聚合商容量配置方法没有计及聚合商之间电能交易的影响，造成容量配置的不合理，使系统经济性变差。因此，本文以存在多个光储聚合商的区域电力系统为研究对象，提出了一种虚拟电能交易和定价驱动的光储聚合商系统容量优化配置方法，以模拟聚合商之间的电力交易协商过程，并且将规划的投资成本与交易后的运行成本结合，更客观地描述聚合商的经济效益。对一个光储聚合商系统进行仿真与分析，验证了所提模型和方法的有效性和合理性。1 光储聚合商虚拟交易模拟光储聚合商是含光伏、储能与负荷的“产消者”，系统结构如图1所示。现有的市场机制可能无法产生合理的价格信号来补偿可再生能源发电商的投资成本19。根据经济学原理可知，生产者获得最大利益的途径是以最高第 2 期代佳琨，等：虚拟电能交易驱动的光储聚合商容量优化配置153的单价出售所有生产的电能。但这将损害消费者的利益20。消费者获得最大利益的途径是以市场最低的价格购买足够的电力。“产消者”交易协商策略是基于自身的效益函数，所以，首先，提出聚合商的效益函数；然后，提出一种虚拟交易机制，用于模拟光储聚合商之间达成帕累托最优交易结果的过程，得到交易策略与交易成本。1.1 光储聚合商效益函数U(d)g(d)=U(d)/d=g(d)h()=g1()r()=dh()/h()dr()=h()=ah(0)=d0a=d00g(d)=0(d/d0)1U(d)=0d1+1/(+1)d10+cr 0r(0)=U(0)=0Ui,t聚合商之间电能交易的根本动力和目的是效益最大化21，然而，效益函数很难确定，假设价格弹性系数恒定，并且假设效益函数是严格凹函数。聚合商电能消费的边际效益表示为，均衡价格等于电能消费的边际效益，即。那么，价格的需求函数定义为。价格弹性系数用r()表示，为交易变化量百分比与价格变化百分比的比值，具体表达式为，价格弹性系数通常取决于价格。设恒定的价格弹性系数，需求函数，a为常数。设，得到，将a代入价格需求函数求解边际效益函数，得到，。然而，一般向下倾斜的需求曲线意味着价格弹性系数，并且，。这种情况下的效益函数最大化问题难以求解且在现实情况中也不会存在。因此，修改边际效益函数，使其具有“准常数”价格弹性系数，具体的方法是：将边际效益曲线向左移一个极小值（），并对价格弹性系数r进行偏移补偿，使，并且设置一个常数c使。聚合商效益函数用表示，按照上述推理过程，结合预期的光伏出力和储能决策生成效益函数，最后得到的边际效益函数和对应约束分别为：Ui,t=0(di,t+)(1+1/)(1+1/)(1+)/(dpredict,i,t+)1/,i I,t T（1）s.t.|di,t:iIdi,t=iI(pES,chargei,t pES,dischargei,t)+iIpPVi,t,i I,t T;si,t:0 pPVi,t pPVmax,i,t,i I,t T;di,t 0,i I,t T（2）=0r/(r+1)/(dpredict,i,t+)(1/r)r=elasticity/(1+/dpredict,i,t)elasticity0di,tdpredict,i,tpES,chargei,tpES,dischargei,tpPVi,tpPVmax,i,t式（1）（2）中：边际效益曲线偏移值 ，其中，r为负荷的响应程度，即价格弹性系数，为负荷可调整参数，常数；为初始时刻的交易价格；为聚合商i在t时刻的负荷量；为交易迭代间隙；为聚合商i在t时刻的预测负荷值；和分别为聚合商i在t时刻的储能充放电功率；和分别为聚合商i在t时刻的光伏发电量和光伏最大容量；T为时间周期；I为系统中聚合商的数量。仅考虑到理想储能模型，恒定的充电和放电效率、自放电和不对称功率限制。假设储能不需要达到满容量状态，但只要满足最大容量约束即可22。储能的简化约束模型如下：|bi,t:0 pES,chargei,t pES,chargemax,i,t,i I,t T;bi,t:0 pES,dischargei,t pES,dischargemax,i,t,i I,t T;pES,dischargei,t+pES,chargei,t 1,i I,t T;ci,t:0 si,t smax,i,t,i I,t T;si,t=si,t1+pES,dischargei,t pES,chargei,t,i I,t T（3）si,tsmax,i,tpES,chargemax,i,tpES,dischargemax,i,tbi,tci,t式中，为聚合商i在t时刻的储能电量，为聚合商i在t时刻的储能最大容量，和分别为聚合商i在t时刻的储能最大充电和放电功率，为储能充放电状态对偶函数，为储能容量限制的影子价格。对于tT，最优价格表示为：t=Ui,t(di,t)/di,t+di,t=bi,tTtci,=si,t,i I（4）ttdi,tci,tbi,t,si,t式中：为 的对偶变量，它取决于储能容量约束的影子价格；、和分别为电量平衡、储能容量、储能充电速率和光伏发电量的对偶变量，分别由约束（2）和（3）求得。最优负荷和价格轨迹的方程分别如式（5）和（6）所示：d(t)=(t/0)dpredict,i,t（5）dpredict,i,t式中，为当迭代价格与初始价格相同时聚合商效益最优的负荷消耗量。(di,t)=0(di,t+)/(dpredic,i,t+)(1/)（6）dpredict,i,t式中，当负荷为时，交易价格为初始价格时的 主网负荷光伏储能聚合商 1负荷光伏储能聚合商 2负荷光伏储能聚合商 3购电售电图 1光储聚合商系统Fig.1Photovoltaic-storage energy system 154工程科学与技术第 55 卷效益最大。1.2 聚合商虚拟电能交易机制考虑动态分散交易市场经典模型20，对光储聚合商之间的虚拟交易价格和数量报价的过程进行了建模，虚拟电能交易迭代示意图如图2所示。图2中，已知聚合商x与聚合商y的需求和供给曲线，假设聚合商x为某一时刻交易的买家，聚合商y为某一时刻交易的卖家。虚拟交易协商的具体的步骤是：首先，卖家提出一个数量，买家提出价格；然后，卖家根据此价格再提出一个符合自己效益的数量，买家再根据此数量提出一个价格；不断迭代，最终达到收敛。均衡是效益函数产生的供给曲线和需求曲线的交点。此交点为效益最大化模型的最优值，当且仅当需求曲线的斜率大于均衡时供给曲线的斜率，交易协商过程才会收敛到该交点；若需求曲线的斜率大于均衡时供给曲线的斜率时，则导致下一步迭代的交易量间隔变大。因为（交易量，价格）达到（x(1),y(1)）后，聚合商x不满足价格y(1)，而能够满足聚合商x的下一步迭代点（x(2),y(1)）中交易量x(2)小于0，导致交易迭代发散。为了使模型适用更广泛，添加了一个额外的动态步长限制约束过程以确保收敛21。迭代过程包含一个步长限制约束，该约束假设（或强制）代理不会在每次迭代中调整交易量超过某个阈值，如果数量“振荡”，则阈值将降低23。最终的均衡点至少是弱帕累托最优的。考虑动态步长约束的交易迭代过程如图3所示。在图3交易处于“振荡”时，设置一个均衡点距离参数，以减少迭代次数23。交易结束的判断参数如式（7）所示：k=|True,|qi,tqi,t|;False,其他（7）聚合商买卖双方根据自身效益函数，以上述交易迭代过程进行交易价格调整，具体流程如图4所示。图4中，聚合商系统中，各“产消者”每小时预估负荷水平、光伏发电功率与储能电量以计算未来交易数量效益曲线，市场中各方根据效益函数不断调整电量与报价，以达到所有聚合商的帕累托最优交易解，最终得到对应光储规划容量场景下聚合商之间的电能交易结果即交易的电量与电价。此交易过程是虚拟过程，并不需要现实的繁琐交易流程，只需要保存现有交易机制下的交易电量与电价即可。2 融合虚拟电能交易的光储聚合商容量优化配置模型根据第1.2节虚拟交易产生的交易数量和价格，本节建立了一个融合虚拟交易的光储聚合商系统的规划模型，基于聚合商之间的虚拟电能交易策略产生的模拟运行成本，引导光储聚合商容量优化配置。交易量效益(x（3）,y（2）)(x（2）,y（2）)O(x（2）,y（1）)(x（1）,y（1）)(x（1）,y（0)聚合商 x需求曲线聚合商 y供给曲线图 2价格数量曲线下的虚拟电能交易Fig.2Decentralized transaction under the quantitypricecurve 交易数量/kWhO交易价格/$图 3考虑动态步长约束的交易收敛轨迹Fig.3Iterative convergence trajectory of transaction con-sidering dynamic step constraint 计算各方初始数量效益曲线第 w 次交易卖方数量增量小于 开始初始化各方交易数量和价格买方价格调整卖方数量调整减小 Y保存上次循环的价格数量N接近均衡点N结束Y保存交易数量价格图 4聚合商系统虚拟电能交易流程Fig.4Flow chart of decentralized transaction and pricingfluctuation 第 2 期代佳琨，等：虚拟电能交易驱动的光储聚合商容量优化配置155具体模型框架如图5所示。图5中，虚拟电能交易层产生交易数量和价格，对应的交易策略为帕累托最优的虚拟竞争结果，即任何数量和价格的交易，都不可能使至少有一位聚合商受益而又不使其他任何聚合商受到损害。运行层主要根据交易层传递的交易策略，即交易数量和价格，得到系统模拟运行结果，并将结果传递给规划层，以便各主体计算规划运行成本。规划层根据优化目标，及系统规划综合成本进行光储聚合商的光储容量的配置。考虑柔性负荷参与优化过程，其影响主要为在功率低于预估值时，将会产生一个惩罚成本（类似功率不足时向主网购电）；当负荷功率超过预估值时，由于效益函数已经包含了效益的增加，不单独设置奖励机制。聚合商的运行成本为交易产生的成本与负荷消纳的效益函数之和，具体如式（8）所示：Copei,t=qi,ttUi,t+(dpredict,i,tdi,t),di,t dpredict,i,t;qi,ttUi,t,di,t dpredict,i,t（8）CPVinvest,iCESinvest,i式中，为负荷功率实际达不到预估值时的惩罚的单位成本。规划层中，折算到每年的光伏和储能的投资成本和由单位投资成本和投资容量的组成24，具体如式（9）和（10）所示：CPVinvest,i=cPVpPVmax,i(1+)y(1+)y1（9）CESinvest,i=cESCESmax,i(1+)y(1+)y1（10）CESmax,icPVcES式中：为聚合商i储能的投资容量；和分别为光伏和储能投资的单位成本；为折现率；y为设备寿命，a；为设备残值率。这种完全竞争的状态下，每个聚合商规划的效益最大化的结果就是总体的效益最大化。设定模型的最小化问题为运行成本与投资成本之和，即为聚合商系统的规划综合成本最小，具体如式（11）所示：min TiI,tTCopei,t+iI(CPVinvest,i+CESinvest,i)s.t.式（2）（3）（11）Copei,tCPVinvest,iCESinvest,i式中，为光储聚合商每天的模拟运行成本，和分别为光伏和储能投资成本年折算。3 算例仿真 3.1 算例基础数据采用图1所描述的的光储聚合集成能源系统在MATLAB软件中进行仿真测试。各聚合商可配置光伏和储能，最大可配置容量均为20 MW，规划投资成本分别为50 000$/MW和40 000$/MW，其他相关参数25详见表1。考虑商业、工业和居民3种负荷类型的用户，分别对应聚合商1、2、3。光伏出力和日负荷典型场景如图6和7所示。3.2 仿真结果分析 3.2.1 交易机制参数性能评估为了验证模型的有效性，需要对均衡点距离参数 与交易迭代间隙 进行灵敏度分析，研究两种参 表 1模型求解参数Tab.1 Parameters for solving the model 参数数值光伏寿命/a20储能寿命/a10储能充放电速率/MW3贴现率0.08初始价格/($MWh1)10储能初始单位电量/MW0.7储能装机容量初始松弛参数1.15初始交易迭代间隙/MW0.001 规划场景运行成本规划层优化目标：最小化系统规划综合成本优化配置场景选择各光储聚合商光伏、储能容量交易策略运行层聚合商负荷运行成本+交易成本虚拟电能交易图 5规划运行模型框架Fig.5Planningoperating model framework 1.00.80.6出力水平0.40.20时刻聚合商 1聚合商 2聚合商 304：0008：0012：0016：0020：0024：00图 6光伏单位容量出力情况Fig.6Output per unit capacity of PV 543负荷/MW商业负荷工业负荷居民负荷总负荷210时刻02：0004：0006：0008：0010：0012：0014：0016：0018：0020：0022：0024：00图 7典型日负荷曲线Fig.7Typical daily load curve 156工程科学与技术第 55 卷数对交易迭代次数的影响，选取最优参数进行下一步仿真。选取聚合商的光伏容量均为3 MW，储能容量均为5 MW，参数 和 对交易迭代次数的影响结果如图8所示。=0.1=0.5由图8可知：和 的变化对交易迭代次数都有较大的影响。当交易迭代间隙 由0.1到2.0增大时，迭代次数是总体增加的。值不变时，随着 由0到1.0变化，迭代次数整体的趋势下降，但波动幅度从5次增加到20次左右，具体原因是迭代的判断间隙变大，判断重复的步骤增多，但迭代次数变化的趋势是减小，这是因为判断有所提前。当和时，参数对判断数量的影响减小波动减小。随着均衡点距离参数 的增大，整体迭代次数的波动增大，3.2.2 交易定价过程为了说明分散交易的效果及储能对交易定价和负荷水平的影响，设置多个场景进行测试分析，其中，光伏容量为4 MW，储能的容量分别为4、6、8和10 MW。各场景虚拟交易结果如图9所示。,si,t由图9（a）、6可知，储能电量与光伏出力规律相关，光储聚合商系统中，储能的容量影响夜晚无光伏出力时的负荷水平，特别是凌晨9点左右。由图9（b）可知：随着不同场景下储能容量的增加，负荷的消耗总量从储能4 MW时的24 h负荷总量21 MW增加到储能10 MW时的28.8 MW，储能容量的增加可以有效的提高负荷总量水平；同时，负荷消耗的变化量从1.7MW降低到1.2 MW，负荷从与光伏出力高关联的白天峰值逐渐减小，并转移到晚上。图9（c）表明：储能容量的增加可以减少市场电能价格的波动幅度，储能容量从4 MW增加到10 MW，夜晚的市场交易电价从0.6$/kWh下降到近乎于零；当一天的光伏累计出力大于负荷预计总量且有足够容量储能时，交易价格将趋于0，即零边际成本。因为储能容量增加，的值降低，导致价格降低为可忽略的值。相反地，储能容量不能满足预计负荷消耗时，通过负荷与光伏的“峰峰”周期引起周期性价格波动。这也说明了储能在套利高价和低价时期，储能边际价值取决于储能现有电量。由图9分析结果可以看出，交易的价格和负荷的总体消耗水平受到储能与光伏容量配置的影响，可以利用这耦合特性，计及电能交易的影响来优化聚合商的容量配置。3.2.3 光储聚合商系统容量优化配置由第2节中的融合虚拟电能交易的光储聚合商容量优化配置模型求解出最优规划方案，聚合商1、2、3优化配置结果是光伏容量分别为2.1、3.6、4.1 MW，储能容量分别为3.5、11.8、12.3 MW。最优规划方案与其他随机方案比较结果，如表2所示。其中，方案1为最优规划方案，方案2、3、4为对照方案。方案2是为了对照相同容量光伏、储能，不同聚合商个体的差异；方案3、4是为了对比储能、光伏容量充裕度对规划成本的影响。由表2可知：最优的方案1中，由于光储聚合商1的商业负荷和光伏的昼夜出力特性相似，所以配置2.1 MW的储能就能维持17：00到22：00的正常预估负荷消耗，同时，光储聚合商2、3的工业和居民的负荷需要更多的储能维持夜间用电，因为工业与居民有 00.20510152025303540450.4均衡点距离参数 迭代次数0.6=0.1=0.5=1.0=2.00.81.0图 8参数 和 对交易迭代次数的影响Fig.8Transaction iterations for different parameters and 10Smax=4 MWSmax=6 MWSmax=8 MWSmax=10 MWSmax=4 MWSmax=6 MWSmax=8 MWSmax=10 MWSmax=4 MWSmax=6 MWSmax=8 MWSmax=10 MW864储能电量/MW负荷水平201.81.61.41.21.00.80.60.40.60.50.40.30.20.10时刻(a)储能电量时刻(b)负荷水平时刻(c)虚拟交易价格02：0004：0006：0008：0010：0012：0014：0016：0018：0020：0022：0024：0002：0004：0006：0008：0010：0012：0014：0016：0018：0020：0022：0024：0002：0004：0006：0008：0010：0012：0014：0016：0018：0020：0022：0024：00定价/($kWh1)图 9不同场景下的虚拟交易定价过程Fig.9Transaction pricing process under different condi-tions 第 2 期代佳琨，等：虚拟电能交易驱动的光储聚合商容量优化配置157部分夜间负荷。方案2中，聚合商系统总体光伏储能配置容量与方案1相同，但聚合商1光伏容量由2.1 MW变为4.1 MW，聚合商1光伏容量由4.1 MW变为2.1 MW，聚合商1负荷较小，光伏出力富裕，导致交易价格偏低，交易产生的负荷偏差使聚合商2、3产生失电惩罚成本，运行成本增加。方案3中，充足的光伏和储能使端对端交易产生的电能交易定价下降，导致运行成本下降，但投资成本增加，其总体规划运行成本更高。方案4中，光伏和储能容量既不满足总体负荷预估总量，也不能储存足量的电能供预估夜间负荷，造成了交易价格增加，失电的惩罚成本也更高。为突出本文所提虚拟电能分散交易引导下的多光储聚合商系统容量优化配置模型有效性，设置2种对比情况：1）各聚合商光伏装机量均为4 MW，储能装机容量变化对聚合商规划运行成本的影响；2）各聚合商储能装机量均为9 MW，光伏装机容量变化对聚合商规划成本的影响。不同容量下所得的规划成本如图10所示。由图10可知：光伏容量固定，储能容量为0时，综合规划成本极高，储能的配置是必要的。各聚集商规划的光伏容量在4 MW前后，规划成本先下降再上升，原因是光伏发电量不足以支撑负荷预估消耗水平而产生的惩罚成本，使运行成本增加；而过量的光伏规划一方面受储能容量的限制造成利用率降低，另一方面规划投资成本增加难以回收，造成规划成本总体上升。储能容量变化时，在容量为8 MW前后，规划成本先减少后增加，这是因为储能容量不足以储存白天光伏多余发电量来满足负荷夜间的消耗，产生了惩罚成本；而储能容量冗余又导致规划投资上的浪费。由此结果可以看出，本文提出的虚拟电能交易机制设计对光储聚合商容量配置有一定优化引导效果。4 结论本文研究含光伏发电和储能的光储聚合商系统间的虚拟电能交易和价格形成机制，并且在此基础上研究了计及聚合商虚拟交易机制影响的光伏储能容量优化配置问题。首先，构建了聚合商效益函数以产生交易的激励；其次，提出了一种光储聚合商之间的虚拟电能交易迭代协商机制；最后，将规划的投资成本与交易后的运行成本结合，提出了融合交易定价的光储聚合商系统容量优化配置模型。交易算法参数仿真、交易过程仿真和最后的光储聚合商容量配置仿真结果验证了本文提出的交易定价机制的有效性，并且在此模拟电能交易驱动下得到了聚合商经济性最优的容量配置方案。后续研究将考虑分散交易安全准则，并提高算法效率；更深入研究配电网中光储聚合商接入机制，探究含更多灵活资源聚合商内部能量自治策略及容量配置优化方法。参考文献：Zhang Zhigang,Kang Chongqing.Challenges and prospectsfor constructing the new-type power system towards a car-bon neutrality futureJ.Proceedings of the CSEE,2022,42(8):28062819.张智刚,康重庆.碳中和目标下构建新型电力系统的挑战与展望J.中国电机工程学报,2022,42(8):28062819.1 Wen Yunfeng,Yang Weifeng,Wang Ronghua,et al.Reviewand prospect of toward 100%renewable energy power sys-temsJ.Proceedings of the CSEE,2020,40(6):18431856.文云峰,杨伟峰,汪荣华,等.构建100%可再生能源电力系统述评与展望J.中国电机工程学报,2020,40(6):18431856.2 Prudhviraj D,Kiran P B S,Pindoriya N M.Stochastic en-ergy management of microgrid with nodal pricingJ.Journ-al of Modern Power Systems and Clean Energy,2019,8(1):102110.3 Wang Wenbin,Zheng Shujiang,Fan Ruixiang,et al.Perform-ance evaluation index and method of micro-grid distributedelectricity trading under the background of“carbon peakingand carbon neutrality”J.Journal of Shanghai Jiao TongUniversity,2022,56(3):312324.王文彬,郑蜀江,范瑞祥,等.“双碳”背景下微网分布式电能交易绩效评价指标与方法J.上海交通大学学报,2022,56(3):312324.4 Oh E,Son S Y.Peer-to-peer energy transaction mechanismsconsidering fairness in smart energy communitiesJ.IEEEAccess,2020,8:216055216068.5 Tushar M H K,Assi C.Optimal energy management and6 表 2最优规划方案与随机方案比较Tab.2 Comparison between optimal planning scheme andrandom scheme 规划方案光伏;储能/MW规划成本/$运行成本/$负荷偏差/%12.1,3.6,4.1;3.5,11.8,12.3220,616,655676,230,3350.05224