探索需求側靈活性資源管理的創(chuàng)新路徑,構建面向"雙碳"目標的新型電力系統(tǒng)調(diào)度與交易機制新型電力系統(tǒng)建設需求隨著"碳達峰、碳中和"目標的提出,構建新型電力系統(tǒng)成為能源轉型的關鍵路徑2加強對分布式資源(DER)的管理利用,能夠推動電網(wǎng)向"安全高效、清潔低碳、柔性靈活、智慧融合"的特征轉變2需求側分散的靈活性資源將在電力調(diào)度與交易中扮演更重要的角色,但如何有效聚合和利用這些資源仍面臨挑戰(zhàn)2政策支持與市場機遇2023年9月,國家發(fā)改委印發(fā)《電力需求側管理辦法(2023年版)》,明確鼓勵推廣新型儲能、分布式電源、電動汽車、空調(diào)負荷等主體參與需求響應,并推進需求側資源參與電能量和輔助服務市場常態(tài)化運行2隨著電力市場機制不斷完善、智能控制及通信技術高速發(fā)展,虛擬電廠(VPP)獲得了越來越多的關注,商業(yè)模式有待進/步擴展2用戶側資源利用不足需求側分散的靈活性資源(用戶側資源利用不足需求側分散的靈活性資源(儲能、電動汽車等)未能充分發(fā)揮調(diào)節(jié)潛力,資源利用效率有待提升風險調(diào)度方法局限性傳統(tǒng)魯棒優(yōu)化方法過于保守,在考慮不確定性的同時難以兼顧經(jīng)濟性與魯棒性的平衡新能源不確定性挑戰(zhàn)新能源場站因預測偏差面臨日內(nèi)市場偏差懲罰,出力不確定性導致收益損失,需要有效的風險轉移機制交易機制靈活性欠缺現(xiàn)有研究多忽略買賣雙方身份變換或難以在交易前確定的情況,交易結果的靈活性和隱私保護需求未能充分滿足本研究提出共享型虛擬電廠(Sharing-basedVirtualPowerPlant,SVPP)概念,這是對傳統(tǒng)VPP商業(yè)模式的重要拓展。SVPP在滿足本地基本負荷需求的基礎上,聚合本地分散的閑置靈活性資源并進行統(tǒng)/管理,通過先進的信息通信技術與其他市場主體開展直接交易,促進區(qū)域電力供需平衡。SVPP將"能量共享"理念與VPP技術結合,即"擁有閑置電能的/方有償暫時讓渡電能使用權給另/方"。這種創(chuàng)新模式允許用戶間以合理價格直接進行交易,充分挖掘用戶側資源的靈活調(diào)節(jié)潛力,為新能源場站等具有較強不確定性的市場主體提供平衡服務,實現(xiàn)風險轉移與收益優(yōu)化的雙重目標。風險調(diào)度方法基于最小-最大后悔值風險調(diào)度方法基于最小-最大后悔值(MMR)法建立共享聯(lián)盟風險調(diào)度模型,兼顧經(jīng)濟性與魯棒性,克服傳統(tǒng)方法過于保守的缺陷價格形成機制基于/致性理論推導分布式電能共享價格機制,通過迭代實現(xiàn)價值認同,保護交易主體隱私,實現(xiàn)社會福利最大化商業(yè)模式拓展提出SVPP概念并構建電能共享框架,拓展了VPP的商業(yè)模式,為需求側資源管理與利用提供新思路本研究構建了考慮電能共享的市場交易機制,結合國內(nèi)外電力市場實際運行情況,設置SVPP和新能源場站為價格接受者,在日前市場申報次日各時段購售電量計劃。01新能源場站根據(jù)預測情況申報售電量,SVPP申報購售電計劃02雙重定價機制對日前申報與實際響應的偏差電量采用倍率電價結算,正偏差以較低價格出售,負偏差以較高價格購入03新能源場站購買SVPP共享電能服務平衡偏差,SVPP提供靈活調(diào)節(jié)能力獲取服務收益為維持市場秩序并約束市場主體投機行為,本研究引入雙重定價機制。參考2024年山東省電力市場規(guī)則,設置偏差結算價格規(guī)則如下:正偏差懲罰當實際發(fā)電量低于申報量時(正偏差),偏差電量將以較低價格出售:λtb+=w+λtsell負偏差懲罰當實際發(fā)電量高于申報量時(負偏差),多余電量需以較高價格購入:λtb-=w-λtsell其中,0≤W-≤1,體現(xiàn)市場對超額發(fā)電的價格折扣這種機制激勵市場主體提高預測準確性,同時為SVPP提供電能共享服務創(chuàng)造了價值空間。該框架展示了電力交易中心、新能源場站與SVPP之間的多層次交互關系2各市場主體通過通信連接與電力交易中心進行信息交互,完成電量申報并獲取收益,同時需承擔偏差懲罰2在電能共享層面,SVPP與各新能源場站之間建立了信息交互層、通信連接層和能量交易層三層架構2新能源場站向SVPP購買平衡服務并支付服務費用,SVPP利用聚合的靈活性資源為新能源場站提供電量平衡,幫助其抵御預測偏差帶來的風險2新能源場站的優(yōu)化目標是實現(xiàn)自身收益最大化,需要在日前市場申報、偏差懲罰風險和電能共享成本之間尋求最佳平衡211233售電收益Ci,tsell,NE=λi,tsellPi,tNE根據(jù)日前電價和申報售電量計算偏差懲罰Ci,tpunish=λi,tb|Pi,td|預測偏差導致的懲罰費用共享費用Ci,tshare=λi,tsharePi,tshare購買電能共享服務的成本新能源場站通過綜合考慮三項費用,在預測精度范圍內(nèi)優(yōu)化申報策略,并在共享電價低于偏差懲罰電價時選擇參與電能共享,實現(xiàn)風險轉移與收益優(yōu)化。11實際出力約束考慮預測精度和裝機容量限制,新能源實際發(fā)電量需滿足:(1-σi,tNE)Pi,tNE≤Pi,tu≤min{(1+σi,tNE)Pi,tNE,QiNE}22功率平衡約束節(jié)點功率平衡關系為:Pi,tNE-Pi,td=Pi,tu+Pi,tshare該約束的影子價格即為共享電價λi,tshare33共享電價約束僅當購買共享服務比接受偏差懲罰更經(jīng)濟時,新能源場站才選擇參與:正偏差時:λi,tshare≤λi,tb+負偏差時:λi,tshare≥λi,tb-SVPP優(yōu)化模型構建SVPP作為電能共享機制的核心平臺,聚合本地分布式燃氣輪機、儲能系統(tǒng)和電動汽車等多類型靈活性資源,在向市場售電及提供平衡服務的同時,需要支付各資源的運行成本2SVPP以總收益最大化為優(yōu)化目標:maxRi,tVPP=Ci,tsell,VPP+Ci,tshare-Ci,tope其中,運行成本包括燃氣輪機成本(采用二次函數(shù)表達)、儲能成本和電動汽車補償成本2電動汽車的補償僅針對因停止充電或放電而降低的用電量進行2收益構成市場售電收益共享電能服務收益燃氣輪機運行成本儲能充放電成本電動汽車調(diào)節(jié)補償SVPP內(nèi)部資源約束體系電量最低要求:P0EV+Σt(PtEV,down+PtEV,up)≥EminEV調(diào)節(jié)功率:燃氣輪機約束燃氣輪機約束出力限制:PminE≤Pi,tE≤PmaxE爬坡能力:-RE≤Pi,tE-Pi,t-1E≤RE儲能系統(tǒng)約束儲能系統(tǒng)約束充放電功率:0≤Pi,tdis≤Pmaxdis0≤Pi,tch≤Pmaxch荷電量關系:Qi,t-Qi,t-1=Pi,tchηES-Pi,tdis/ηESSVPP所在節(jié)點需滿足功率平衡約束,且共享電價應高于向電網(wǎng)售電電價以激勵參與。最小-最大后悔值法原理最小-最大后悔值(MMR)法是/種基于機會成本的決策方法,能夠在不確定參數(shù)的所有取值范圍內(nèi)尋找具有最小最大后悔值的決策方案。該方法融入了魯棒優(yōu)化思想,但相比傳統(tǒng)魯棒優(yōu)化方法,MMR法不追求最惡劣場景下的最優(yōu),而是以后悔值(即機會損失)作為衡量決策優(yōu)劣的標準。后悔值定義:完全信息下最優(yōu)值與當前方案最優(yōu)值之差,表征決策的機會成本。MMR法的核心思想是選出在最壞情況下具有最優(yōu)表現(xiàn)的方案,即最大后悔值最小的決策方案。這種方法能夠在保證較好魯棒性的同時,避免過度保守導致的經(jīng)濟性損失?？紤]新能源出力不確定性,以共享聯(lián)盟總凈收益最大化為目標,建立風險調(diào)度模型:優(yōu)化目標maxRtall=Ctsell-Ctpunish-Ctope總售電收益包括所有新能源場站和SVPP向市場的售電收入,偏差懲罰成本根據(jù)聯(lián)盟總偏差電量及對應的懲罰電價計算。主要約束各新能源場站內(nèi)部約束SVPP內(nèi)部各設備性能約束總功率平衡約束共享電量匹配約束該模型通過綜合考慮日前售電收益和日內(nèi)偏差懲罰,在新能源出力不確定性條件下尋求經(jīng)濟性與魯棒性的最佳平衡點。MMR決策模型構建流程定義最優(yōu)方案在新能源出力給定(完全信息)條件下,求解確定性問題獲得最優(yōu)調(diào)度方案及對應的最優(yōu)收益Rtall*計算后悔值定義后悔值為完全信息最優(yōu)值與當前方案最優(yōu)值之差:Rtregret=Rtall*-Rtall,表征決策的機會成本模型轉化將原始min-max-min問題轉化為兩階段魯棒優(yōu)化(TSO)模型,使用列與約束生成(C&CG)方法高效求解通過這/流程,MMR模型能夠在所有可能的新能源出力場景中,找到最大后悔值最小的決策方案,實現(xiàn)經(jīng)濟性與魯棒性的有效平衡?；?致性理論的價格形成機制在競爭性市場中,當所有參與者邊際價格相等時社會福利達到最大。本研究采用/致性算法實現(xiàn)共享電價的分布式求解,令各參與者通過有限的信息交互達成價值認同,在保護交易主體隱私的同時實現(xiàn)社會福利最大化。根據(jù)/致性理論,將各參與者視為網(wǎng)絡節(jié)點,通信關系構成拉普拉斯矩陣。當通信拓撲對應的連通圖含有/棵有向生成樹時,各節(jié)點的狀態(tài)變量(共享電價)通過迭代更新可趨近于/致。這/數(shù)學性質(zhì)為分布式電能共享交易提供了理論基礎。/致性電價與最優(yōu)性關系推導通過拉格朗日函數(shù)方法,可以證明共享電價/致性與模型最優(yōu)性之間的等價關系。010203模型重構拉格朗日函數(shù)最優(yōu)性條件將集中式優(yōu)化模型重新表達為僅與各參與者共享構造包含目標函數(shù)和約束的拉格朗日函數(shù),共享對拉格朗日函數(shù)求導,得到最優(yōu)性條件:電量相關的形式,引入功率平衡約束及其影子價格(共享電價)電價作為拉格朗日乘子體現(xiàn)在表達式中λ1share*=λ2share*=...=λNshare*該結果表明:當各參與者共享電價達成/致時,電能共享模式下的聯(lián)盟總凈收益達到最大,為設計分布式價格機制提供了理論依據(jù)?；?致性算法,各參與者通過與相鄰節(jié)點的信息交互,迭代更新自身的共享電價和共享電量,最終收斂至/致性均衡。1λjshare,k=Σ(i,j)∈Lwijλishare,k-1+ζjk其中,wij為/致性系數(shù),ζjk為步長2Pjshare,k=argmaxP∈Φjλjshare,kPjshare,k-1根據(jù)當前電價優(yōu)化自身共享電量3梯度更新公式y(tǒng)jk=Σ(i,j)∈Lvijyik-1+(Pjshare,k-Pjshare,k-1)反饋項用于加速收斂/致性系數(shù)和反饋項系數(shù)的設置需滿足特定條件以保證算法收斂性。收斂判據(jù)為:maxi∈N{|λishare,k-λishare,k-1|}≤ξ。該流程圖展示了從風險調(diào)度到電能共享的完整求解過程。首先進行信息交互,SVPP檢查內(nèi)部設備狀態(tài)并收集新能源場站預測信息,基于MMR法進行風險調(diào)度計算初始參數(shù)。隨后進入共享電價更新迭代階段,各參與者根據(jù)/致性算法更新共享電價與電量,并向相鄰節(jié)點發(fā)送更新信息。每次迭代后檢查是否滿足共享電價約束(式9、式28),若不滿足則繼續(xù)迭代;若滿足則進/步判斷是否達到收斂條件(式50)。當收斂條件滿足時,各參與者完成當前時段的電能共享,并在次日該時段按相應電價與電量結算,然后開始下/時段的共享交易。基于改進的IEEE33節(jié)點系統(tǒng)構建電能共享網(wǎng)絡,系統(tǒng)包含2座風電場和7座光伏電站,均能與SVPP進行雙向通信和功率傳輸。市場與場站參數(shù)日前市場售電電價參考實際市場數(shù)據(jù)各新能源場站出力預測基于歷史數(shù)據(jù)預測精度因子根據(jù)風電和光伏特性分別設定SVPP內(nèi)部資源配置燃氣輪機:裝機容量與成本系數(shù)儲能系統(tǒng):充放電功率與效率電動汽車集群:額定功率與補償費用0.15美元/(kW·h)算法參數(shù):步長10-4,收斂精度10-5電動汽車充電行為基于蒙特卡洛仿真得到集群原始負荷曲線,確保算例設置貼近實際應用場景。該圖展示了全天24個時段的共享電量與共享電價變化情況。可以觀察到,共享電價波動穩(wěn)定,維持在55美元/(MW·h)附近,與總偏差電量呈正相關關系。當新能源場站預測電量偏高時(如時段1、3、6、8、22-24),SVPP需通過增加燃氣輪機出力、儲能放電或電動汽車負荷調(diào)整來提供正調(diào)節(jié)電量;反之,當預測電量偏低時(如時段4-5、19-21),SVPP減少共享電能輸出,從新能源場站獲取多余電量以提供負調(diào)節(jié)能力。整體而言,SVPP根據(jù)新能源電量預測偏差,靈活調(diào)整輸出以維持系統(tǒng)平衡,體現(xiàn)了電能共享機制的有效性。以時段10為例,展示各參與者共享電價和共享電量的迭代收斂過程。圖(a)顯示,各參與者共享電價經(jīng)過約15次迭代后趨于/致,穩(wěn)定在48美元/(MW·h)左右。SVPP的電價率先穩(wěn)定,隨后新能源場站電價逐漸趨同。圖(b)顯示共享電量在迭代過程中的變化,各參與者的電量在電價收斂后也相應穩(wěn)定。這表明,雖然SVPP并非集中式交易平臺,但在分布式通信和交易模式中仍起到引導作用,通過有限次的信息交互實現(xiàn)了價值認同和電量匹配。整個迭代過程平均耗時僅0.035秒,證明了算法的高效性。SVPP運營效益與資源調(diào)度該圖展示了SVPP全天的收益組成與內(nèi)部各資源單元的出力情況?？梢钥闯?各時段SVPP的總發(fā)電量和售電收益相對均衡,而共享收益則存在波動,反映了新能源出力不確定性對共享電能需求的影響。從資源調(diào)度策略來看,燃氣輪機調(diào)用成本最低、儲能次之、電動汽車用戶成本最高,因此呈現(xiàn)明顯的分層調(diào)用特征:在靈活性電量需求較低的時段(如時段7-9、21-22),調(diào)節(jié)電量主要由燃氣輪機及儲能承擔;而在需求較高的時段(如時段9-10、15-18),電動汽車用戶才參與響應。這種經(jīng)濟性導向的分層調(diào)度策略有效降低了SVPP的運營成本,提高了整體經(jīng)濟效益。2場景2MMR法預調(diào)度,2場景2MMR法預調(diào)度,無電能共享各主體獨立優(yōu)化,不參與電能共享交易4場景4MMR法調(diào)度+電能共享本文提出的完整優(yōu)化模型1場景1假設新能源出力預測完全準確,無偏差懲罰,代表理想情況3場景3魯棒優(yōu)化(RO)法調(diào)度+電能共享采用傳統(tǒng)魯棒優(yōu)化方法進行風險調(diào)度通過對比分析各場景下的SVPP收益、新能源場站總收益和共享聯(lián)盟總凈收益,可以全面評估電能共享機制和MMR風險調(diào)度方法的綜合效果2場景對比結果分析$60,000.00$40,000.00$20,000.00$0.00SVPP收益新能源場站總收益共享聯(lián)盟總凈收益場景1代表理想情況,共享聯(lián)盟總凈收益最高(53,782.56美元)。場景2取消電能共享后,聯(lián)盟總凈收益降至45,352.91美元,僅占場景1的84.33%,表明電能共享機制對提升社會總福利具有顯著作用。場景3采用傳統(tǒng)RO法,總凈收益為40,977.85美元(占場景1的77.13%),表現(xiàn)出較強保守性。場景4即本文方法,總凈收益達到47,990.60美元(占場景1的91.65%),顯著優(yōu)于場景3,證明MMR法在保證魯棒性的同時有效降低了保守性,實現(xiàn)了經(jīng)濟性與可靠性的良好平衡。對比場景2和場景4,可以深入分析引入電能共享機制的影響:SVPP收益變化場景2中SVPP收益12,987.34美元,場景4為13,041.45美元,差異不大。這表明機制下主要依靠日前電價套利,引入共享機制后增加了平衡服務收益來源,但同時內(nèi)部資源調(diào)度受到/定約束,總體收益保持穩(wěn)定。新能源場站收益變化場景2中新能源場站總收益32,365.57美元,場景4提升至36,064.83美元,增幅11.4%。在無共享機制下,新能源場站完全暴露在偏差電量風險中,收益受到嚴重損害;引入共享機制后,通過購買平衡服務有效轉移風險,收益顯著改善。聯(lián)盟總福利變化場景4聯(lián)盟總凈收益比場景2提高2,637.69美元,增幅5.8%。這說明在無電能共享機制的情況下,即使各主體以自身利益為目標獨立決策,區(qū)域內(nèi)資源也未能得到充分利用,電能共享機制的引入促進了社會總福利提升。MMR法與傳統(tǒng)RO法對比分析對比場景3和場景4,可以評估MMR風險調(diào)度方法相比傳統(tǒng)魯棒優(yōu)化方法的優(yōu)越性:經(jīng)濟性對比場景3(RO法)聯(lián)盟總凈收益40,977.85美元,僅達到理想場景的77.13%;場景4(MMR法)總凈收益47,990.60美元,達到理想場景的91.65%。MMR法比RO法提高了14.52個百分點,顯著降低了保守性帶來的經(jīng)濟損失。魯棒性保證MMR法的核心思想是求解后悔值的魯棒優(yōu)化,而非傳統(tǒng)RO法追求最惡劣場景下的最優(yōu)。這使得MMR法能夠在具有較好魯棒性的同時,避免因過度保守而造成利益損失,實現(xiàn)了經(jīng)濟性與可靠性的有效平衡。新能源出力不確定性使各場景收益相比理想情況均有損失,但MMR法通過機會成本視角進行決策,有效克服了傳統(tǒng)方法的局限性,為電能共享聯(lián)盟的風險調(diào)度提供了更優(yōu)的解決方案。圖(a)展示了日內(nèi)價格凈偏差因子ΔW變化時,兩種方法計算的聯(lián)盟總福利(相對于確定性調(diào)度結果)的變化趨勢。可以觀察到,隨著ΔW從0.1增加到0.5,市場對偏差電量的懲罰程度不斷加大,兩種方法的性能均受到顯著影響,與確定性調(diào)度結果的偏離逐步加劇。然而,MMR法的性能衰退速度明顯慢于傳統(tǒng)RO法。當ΔW=0.5時,RO法總福利下降至確定性結果的約70%,而MMR法仍維持在約85%的水平。這表明MMR法在面對市場機制波動時具有更高的穩(wěn)定性和抗風險能力,能夠有效應對偏差懲罰機制變化帶來的不確定性。圖(b)展示了新能源出力預測干擾ΔσNE變化時,兩種方法性能的對比。隨著預測干擾從0增加到0.3,意味著所有新能源場站預測精度同時下降,兩種方法的聯(lián)盟總福利均出現(xiàn)下滑趨勢。但對比可見,MMR法的下降速度顯著小于RO法。當ΔσNE=0.3時,RO法總福利下降至約72%,而MMR法仍保持在約87%的水平,性能優(yōu)勢明顯。這證明了MMR法在面對新能源預測精度變化等不確定性因素時,具有更好的穩(wěn)定性和適應性。綜合評價兩組敏感性分析共同表明,MMR法在應對不確定性方面優(yōu)于傳統(tǒng)RO法,既保證了較好的魯棒性,又避免了過度保守的缺陷,為電能共享聯(lián)盟的風險調(diào)度提供了更為均衡和有效的解決方案。主要研究結論電能共享機制有效性新能源場站通過購買SVPP提供的共享電能服務,可有效平衡預測偏差電量,實現(xiàn)風險轉移2算例表明,引入電能共享機制后新能源場站收益提升11.4%,聯(lián)盟總福利提高5.8%,證明了該機制在促進新能源消納和提升區(qū)域電力平衡方面的顯著作用2SVPP商業(yè)模式拓展SVPP聚合本地燃氣輪機、儲能和電動汽車等分布式資源,通過將閑置靈活電力以平衡服務形式出售,拓寬了盈利渠道2本地電能共享在挖掘用戶側資源靈活調(diào)節(jié)潛力的同時,提升了能源利用效率,實現(xiàn)了多方共贏2MMR法優(yōu)越性驗證基于最小-最大后悔值法的風險調(diào)度能夠兼顧經(jīng)濟性與魯棒性2相比傳統(tǒng)魯棒優(yōu)化方法,MMR法使聯(lián)盟總福利從理想場景的77.13%提升至91.65%,在偏差價格因子和預測精度變化的敏感性分析中均表現(xiàn)出更高的穩(wěn)定性和抗風險能力2分布式價格機制創(chuàng)新基于/致性算法的電能共享價格機制通過迭代實現(xiàn)各參與者價值認同分布式價格機制創(chuàng)新基于/致性算法的電能共享價格機制通過迭代實現(xiàn)各參與者價值認同,達到社會福利最大化2算例顯示,電價平均在15次迭代內(nèi)收斂,耗時僅0.035秒,在保護交易主體隱私的同時確保了計算效概念創(chuàng)新提出共享型虛擬電廠(SVPP)概念,將共享經(jīng)濟理念與VPP技術深度融合,為需求側資源管理提供了新的理論框架體系創(chuàng)新構建了從風險調(diào)度到分布式交易的完整理論體系,為新型電力系統(tǒng)建設提供了系統(tǒng)性的解決方案 方法創(chuàng)新首次將最小-最大后悔值法應用于VPP風險調(diào)度,突破了傳統(tǒng)魯棒優(yōu)化過于保守的局限,為電力系統(tǒng)不確定性優(yōu)化提供了新思路機制創(chuàng)新基于/致性理論設計了完全分布式的電能共享價格形成機制,實現(xiàn)了社會福利最大化與隱私保護的統(tǒng)/為需求側資源參與電力市場提供了可行的組織模式和交易機制豐富了電力市場產(chǎn)品類型,拓展了靈活性資源的價值實現(xiàn)路徑為雙重定價機制下的偏差結算提供了風險管理工具促進了區(qū)域電力平衡和新能源消納,支撐新型電力系統(tǒng)建設政策制定參考驗證了《電力需求側管理辦法》政策導向的可行性和有效性為虛擬電廠商業(yè)模式創(chuàng)新和市場準入提供了理論依據(jù)為電能共享等