规模化储能参与电力现货市场的商业模式

图1 国内典型市场出清机制

Fig.1 Typical domestic market clearing mechanism

如图2所示,PJM的日前和实时市场分开计算,在日前市场只出清现货电能量市场,即电能量和备用辅助服务市场的联合出清, 不包含调频辅助服务出清,不考虑备用辅助服务;在实时市场进行多市场联合出清.日前节点边际电价用于实时市场出清时核算机会成本,而实时节点边际电价用来计算调频辅助服务市场结算价格中的机会成本^[21].美国加利福尼亚州(简称加州)/德克萨斯州(简称德州)市场在日前多市场联合出清(见图2),在实时市场仅视情况进行补充出清;德州市场只支付调频容量费用,不结算调频里程^[22].美国中部/纽约州市场均进行多市场联合出清(见图2),现货市场的各电量价格同时产生^[23];日前市场只支付调频容量费用,实时市场支付调频容量偏差成本及调频里程费用.

图2

图2 国外典型市场出清机制

Fig.2 Typical foreign market clearing mechanism

国内市场多采用顺次出清机制.山东电力日前市场出清考虑机会成本,需要根据安全机组组合及安全经济调度进行多次计算,过程较为繁琐.广东电网忽略日前机会成本并对辅助服务市场进行预出清,简化了计算,但会引起资源的非经济性调用;PJM/新英格兰市场在日前只进行现货电能量市场出清,因而日前及实时的市场类型存在差异,客观上造成日前及实时市场现货电能量价格的偏离^[24];美国加州、德州、中部、纽约州4个市场在日前环节考虑调频辅助服务市场出清,均采用多市场联合出清机制,以获得整体最优的计划安排.山东电网在价格出清计算时只计算调频容量价格,而忽略调频里程价格;南方电网在市场运行前计算调频容量价格,因此在运行中只计算调频里程价格;根据美国联邦能源管理委员会施行的第755号令,规定区域内PJM等市场综合分析ESS的实际表现、调频容量、调频里程价格都需要计算,但美国德州电力市场只计算调频容量价格而不结算调频里程^[25].

对国内外典型出清参与现货市场出清机制总结分析,提出ESS参与现货市场的出清机制.为保证ESS安全经济、利益最大化,依然需要多次计算安全经济调度模型,具体如图3所示.

图3

图3 规模化储能参与联合市场的出清机制

Fig.3 Clearing mechanism for large-scale energy storage to participate in joint market

(1) 投标方式.我国目前施行分段报价^[26],可视为价格-数量的简单投标方式.为避免简单投标极易引起市场主体的投机行为,采用复杂投标方式,此方式完全披露技术约束,由调度/交易中心在交易出清时执行这些约束^[27].

(2) 计费方式.参考美国加州市场对ESS的处理方法,采用计及绩效的计费方式,考虑响应速度和供应商遵循运营商信号的准确性.在调频市场上采用两部制定价机制,即同时考虑实际调频量机会成本的容量价格和调频效果的里程价格^[28],计算方法为

$\begin{array}{l} C_{r} = r λ_{r} \\ C_{m} = m λ_{m} \end{array}\}$

(1)

式中:r、m分别为调频容量和调频里程;C_r、C_m分别为调频容量和调频里程收益; λ_r、λ_m分别为调频容量、调频里程价格.

(3) 出清方式.采用节点边际电价方式进行市场出清,能量以节点和小时为基础定价,为市场参与者提供合理的电价信号.规模化ESS会影响节点边际电价,在输电限制的区域尤为明显,故将其视为价格制定者.ESS作为一种优质的调频资源,参与调频时将被优先调用^[7].

(4) 出清流程.首先确定日前市场参数进行模拟出清计算,采用多段报量报价、用户对规模化ESS进行报量;然后进入市场选择模式,所有市场主体提交次日24时段的分段容量及补偿价格,调度和交易中心根据主体申报信息考虑相关约束后,采用节点边际电价分24时段进行出清,并进行相关信息校核.调度和交易中心发布的中标结果包含中标电量以及中标电价.

2 储能参与市场的多样化商业模式

2.1 服务模式

从经济发展来看,中国宏观经济正由高速增长转向高质量发展阶段,消费结构将从商品消费为主转向商品消费与服务消费双轮驱动^[29].伴随着能源产业深度发展,多样化服务模式将在电力服务中扮演越来越重要的角色.依据市场竞争交易的规律,ESS参与市场的服务模式分为3种:独立式服务,即聚焦于新兴市场主体的单一性服务;联盟式服务,即聚焦于一体化,提供多样化服务,实现资源统一调度;共享式服务,即聚焦于多元化,提供多样且自由化的交易.

2.2 参与方式

(1) 独立式.我国的能源政策已经明确了ESS作为市场主体的定位,使得ESS作为单独主体参与市场成为现实.如图4所示,独立式交易是指符合上网条件的ESS与电力用户遵守双方意愿,以双边协商、集中竞价等方式进行竞价交易,将独立的ESS与其他市场主体视为同等地位参与竞价,选择提交自调度计划参与市场或者将运营控制权完全移交.ESS投资主体是单一的,参与市场的服务也是单一性的.国内部分省份规定独立ESS参与市场时,其额定容量必须在10 MW以上,大大超过国外典型市场0.1 MW的准入条件^[30].值得注意的是,严苛的市场条件可以减小运营商的组织压力,但会造成市场无法完全所有市场资源的价值,可能会阻碍部分设施的投资.

图4

图4 参与方式示意图

Fig.4 Diagram of participation method

(2) 联盟式.为保证社会资源最大效用化,解决分散主体参与市场难的问题,增强集群效应,结合近几年“聚合商”“虚拟电厂”的概念,在考虑多个利益相关者的组合式能源消纳基础上,提出联盟式的参与方式.联盟式交易是以产业联盟为基础、以应对共同竞争者或将业务推向新领域等为目的,将建设位置分散、投资主体多样的规模化ESS结成互相协作联盟的一种合作模式.投资商通过联盟将投资主体不一、位置不限的规模化ESS聚合为ESS联盟以实现资源的统一调度,提供多样化的市场服务,增加ESS市场竞争力和投资回报率.

值得说明的是,对于对外交易而言,ESS联盟等价于一个大型独立ESS系统主体.联盟主体可以自由决策,凭借联盟内部各主体的互补性质聚合参与竞价决策,有效增加内部各主体的利益.

(3) 共享式.为充分发掘规模化ESS的市场价值与其他附加价值,解决部分地区ESS资源闲置等问题,结合“共享经济”的概念,提出共享式的参与方式.共享式是一种考虑多投资主体、多服务方式的共享服务方式.共享式本质是将主体的所有权与使用权剥离,也就是将规模化ESS的使用权租赁给ESS服务的多个需求商,不同类型的用户可以分享自己的需求,从而得到多样化的服务,形成能量流和信息流;共享ESS运营商获取此信息流和能量流,并对其进行分析,掌握多种类用户的负荷情况,结合电价等因素,进行ESS设备的能量优化调度.按照不同用户负荷出现峰值时间和充、放电需求不同,合理统筹规划,实现多用户之间共享ESS设施.

该模式能够提高ESS利用率,解决ESS容量闲置问题,并提高投资者收益.交易ESS使用权的消费者可以得到ESS服务,用于生产与生活^[31].共享式面向ESS的多样化交易,旨在探索用于高比例新能源场景高效利用的“共享储能”市场化服务模式,从市场化交易、辅助服务、碳减排等方面发掘ESS的多元化价值.

2.3 博弈关系

博弈关系架构如图5所示.博弈由决策者、决策空间和收益3部分组成^[32].比如,ESS以联盟的形式参与市场交易时,决策者是运营商或运营平台;博弈参与者是规模化ESS联盟、独立ESS、常规机组、电网企业等;博弈策略是市场交易的电量和电价;收益是售电与成本的价格差以及分配收益,所有参与者均可合理分配合作收益,使得所有参与者的资源参与合作.

图5

图5 博弈关系架构

Fig.5 Architecture of game relationship

(1) ESS与调度/交易中心的主从博弈.ESS作为主从博弈的领导者,考虑安全经济调度,以自身经济最优公布市场信息;调度和交易中心作为跟随者趋利性协调运行,参考市场信息决定最优出清策略,同时反馈ESS市场中标信息.

(2) 市场主体的非合作博弈.在交易过程中,ESS与其他卖方之间相互独立且在同一平台交易,不存在合作关系,属于同等级别竞争,并认为其交易行为是理性的^[33].非合作主体之间参考市场需求进行价格竞争,追求自身经济最优,从而达到均衡状态.在实际交易中各市场主体之间并未达成一个具有约束力的协议,只关心各自的经济利益,并且部分局中人在交易完成时刻都无法获得竞争者的竞争信息.在此期间,系统运行约束构成局中人相互间策略的制约.

(3) 联盟内部合作博弈.市场主体合作中单个主体的收益不一定都大于不合作时的收益,但是合作参与市场的整体收益一定大于不合作的收益.ESS联盟可以利用内部各主体的时间互补性增强自身参与市场的能力,同时提高市联盟收益.若N个局中人选择合作参与市场,那么收益和损失分摊到个体,即等价于一个局中人.

3 不同商业模式下的出清模型范式

3.1 价值量化

结合我国当前市场建设情况,从电能价值、辅助服务价值、其他附加价值3个方面量化规模化ESS参与市场的价值.

(1) 电能价值是指作为电能的使用价值,以电费支付、电价补贴等方式进行实现:

C_s_,_t=λ_t_,_e

$r_{s, t, e}^{d i s}$

(2)

式中:C_s_,_t为ESS的电能价值,其中t为时刻,s为某ESS;λ_t_,_e为能量市场出清价格,其中e表示某一场景; $r_{s, t, e}^{d i s}$ 为ESS在能量市场中标量.在电力市场进行交易过程中如果出现跨地区交易,则购电用户还需缴纳过网费^[34].

(2) 辅助服务价值是指ESS单独或聚合为虚拟电厂(Virtual Power Plant, VPP)后提供额外的调峰、调频和备用服务产生的价值.选用调频容量和调频里程两方面来体现辅助服务价值,可以直接反映所需要的调节资源量,即

$\begin{array}{l} {C^{f}}_{s, t} = C_{s, t}^{a s} + C_{s, t}^{a s, r t} \\ C_{s, t}^{a s} = \overset{S}{\sum_{s = 1}} (λ_{t, e}^{a s, u p} r_{s, t, e}^{u p} + λ_{t, e}^{a s, d n} r_{s, t, e}^{d n} + \\ λ_{t, e}^{a s, m, u p} m_{s, t, e}^{u p} + λ_{t, e}^{a s, m, d n} m_{s, t, e}^{d n}) \\ C_{s, t}^{a s, r t} = λ_{t, q, e}^{r t} \overset{S}{\sum_{s = 1}} [u_{s, t, e}^{d i s} (r_{s, t, q, e}^{d n, r t} - r_{s, t, q, e}^{u p, r t}) + \\ u_{s, t, e}^{c h} (r_{s, t, q, e}^{u p, r t} - r_{s, t, q, e}^{d n, r t}) + \\ (1 - u_{s, t, e}^{d i s} - u_{s, t, e}^{c h}) (r_{s, t, q, e}^{d n, r t} + r_{s, t, q, e}^{u p, r t})] \end{array}\}$

(3)

式中: ${C^{f}}_{s, t}$ 为辅助服务价值; $C_{s, t}^{a s}$ 、 $C_{s, t}^{a s, r t}$ 分别为日前辅助服务市场价值、实时辅助服务市场价值; $λ_{t, e}^{a s, u p}$ 、 $λ_{t, e}^{a s, d n}$ 分别为日前上、下调频容量; $λ_{t, e}^{a s, m, u p}$ 、 $λ_{t, e}^{a s, m, d n}$ 分别为日前上、下调频里程; $λ_{t, q, e}^{r t}$ 为实时市场调频容量的出清价格,其中q表示不同场景; $r_{s, t, e}^{u p}$ 、 $r_{s, t, e}^{d n}$ 分别为日前上、下调频容量; $m_{s, t, e}^{u p}$ 、 $m_{s, t, e}^{d n}$ 分别为日前上、下调频里程; $r_{s, t, q, e}^{u p, r t}$ 、 $r_{s, t, q, e}^{d n, r t}$ 分别为日前上、下实时调频容量的中标量; $u_{s, t, e}^{d i s}$ 、 $u_{s, t, e}^{c h}$ 取值0、1,为储能s放、充电的表征.

(3) 其他附加价值:不直接参与市场,而是以另一种途径交易电量进行收益,如租赁费用等.

$C_{s, t}^{o t}$ =

$λ_{t}^{o t}$ (

$r_{s, t}^{d i s}$ +

$r_{s, t}^{c h}$ )

(4)

式中: $C_{s, t}^{o t}$ 为ESS其他收益; $λ_{t}^{o t}$ 为交易电价; $r_{s, t}^{d i s}$ 、 $r_{s, t}^{c h}$ 分别为ESS参与其他交易的放、充电量.

3.2 出清模型

本文规模化ESS参与现货市场双层博弈交易出清模型范式架构如图6所示.上层ESS为领导者以收益最大为目标进行策略性报价,下层调度/交易中心为跟随者以社会福利最大为目标进行联合市场出清.3种商业模式对外交易出清模型一致,联盟式需要在参与市场之前进行内部规划,而共享式需要提前预留容量.而约束条件上,联盟式以及共享式均是在独立式的基础上增加约束条件,介绍如下.

图6

图6 出清模型范式架构

Fig.6 Paradigm architecture of bilevel clearing model

(1) 上层市场目标函数:

max

$\overset{E}{\sum_{e = 1}}$ ϕ_e

$\overset{Q}{\sum_{q = 1}}$ ϕ_q

$\overset{T}{\sum_{t = 1}}$ (C_s_,_t+

${C^{f}}_{s, t}$ +

$C_{s, t}^{o t}$ -

$C_{s, t}^{e x}$ -

$C_{s, t}^{c o, e x}$ -

$C_{s, t}^{s h, e x}$ )

$\begin{array}{l} C_{s, t}^{e x} = \overset{S}{\sum_{s = 1}} λ_{e x} (r_{s, t, e}^{c h} + r_{s, t, e}^{d i s} + r_{s, t, e}^{u p} + \\ r_{s, t, e}^{d n} + r_{s, t, q, e}^{u p, r t} + r_{s, t, q, e}^{d n, r t}) \\ C_{s, t}^{c o, e x} = \overset{S}{\sum_{s = 1}} λ_{e x}^{c o} (r_{s, t, e}^{c h} + r_{s, t, e}^{d i s} + r_{s, t, e}^{u p} + \\ r_{s, t, e}^{d n} + r_{s, t, q, e}^{u p, r t} + r_{s, t, q, e}^{d n, r t}) \\ C_{s, t}^{s h, e x} = λ_{p} r_{s, t, e}^{c h} + λ_{E} r_{s, t, e}^{d i s} \end{array}\}$

(5)

式中:ϕ_e、ϕ_q分别为场景e和q出现的概率; E、Q分别为e和q的个数;T为调度周期数,以1 h为一个调度周期,共24 h; $C_{s, t}^{e x}$ 、 $C_{s, t}^{c o, e x}$ 、 $C_{s, t}^{s h, e x}$ 分别为示独立式、联盟式、共享式的交易成本;λ_ex、 $λ_{e x}^{c o}$ 分别为独立式、联盟式综合成本电价;λ_p、λ_E分别为共享式的充、放电综合成本电价; $r_{s, t, e}^{c h}$ 为ESS充电量; $r_{s, t, e}^{u p}$ 、 $r_{s, t, e}^{d n}$ 分别为日前上、下调频容量.

约束条件包括申报约束和投标约束.

其中,申报约束为

$\begin{array}{l} 0 \leq R_{s, t, e}^{u p} \leq R_{s, m a x}^{u p} \\ 0 \leq R_{s, t, e}^{d n} \leq R_{s, m a x}^{d n} \\ r_{s, t, e}^{u p} \leq M_{s, t, e}^{u p} \leq V_{s} r_{s, t, e}^{u p} \\ r_{s, t, e}^{d n} \leq M_{s, t, e}^{d n} \leq V_{s} r_{s, t, e}^{d n} \end{array}\}$

(6)

式中: $R_{s, t, e}^{u p}$ 、 $R_{s, t, e}^{d n}$ 为上、下调频容量申报量; $R_{s, m a x}^{u p}$ 、 $R_{s, m a x}^{d n}$ 分别为上调容量和下调容量最大能力值; $M_{s, t, e}^{u p}$ 、 $M_{s, t, e}^{d n}$ 为上、下调频里程申报量;V_s为调频里程乘子.

投标约束为

$\begin{array}{l} p_{i} (u_{s, t, e}^{d i s / c h}) = k_{e i} (d_{i} u_{s, t, e}^{d i s / c h} + z_{i}) \\ p_{i} (r_{s, t, e}^{u p / d n}) = k_{r i} (α_{i} r_{s, t, e}^{u p / d n} + β_{i}) \\ p_{i} (m_{s, t, e}^{u p / d n}) = k_{m i} (ξ_{i} r_{s, t, e}^{u p / d n} + σ_{i}) \\ k_{e i, m i n} \leq k_{e i} \leq k_{e i, m a x} \\ k_{r i, m i n} \leq k_{r i} \leq k_{r i, m a x} \\ k_{m i, m i n} \leq k_{m i} \leq k_{m i, m a x} \end{array}\}$

(7)

式中:p_i表示ESS充、放电量;d_i、z_i、α_i、β_i、ξ_i、σ_i表示ESS的能量、调频容量、调频里程价格曲线上、下基准系数;k_e_i、k_r_i、k_m_i为以上3种价格的系数.

其中约束条件还包含ESS的SOC约束、个体容量约束等,均为ESS的常规约束,不再一一说明.

(2) 下层市场出清模型.

日前市场:

min

$\overset{E}{\sum_{e = 1}}$ ϕ_e(H_s_,_t+

$H_{s, t}^{a s}$ +G_g_,_t+

$G_{g, t}^{a s}$ )

$\begin{array}{l} H_{s, t} = \overset{S}{\sum_{s = 1}} (b_{s, t, e}^{d i s} r_{s, t, e}^{d i s} - b_{s, t, e}^{c h} r_{s, t, e}^{c h}) \\ H_{s, t}^{a s} = \overset{S}{\sum_{s = 1}} [(b_{s, t, e}^{a s, u p} r_{s, t, e}^{u p} + r_{s, t, e}^{a s, d n} r_{s, t, e}^{d n}) + \\ (b_{s, t, e}^{a s, m, u p} m_{s, t, e}^{u p} + b_{s, t, e}^{a s, m, d n} m_{s, t, e}^{d n})] \\ G_{g, t} = \overset{G}{\sum_{g = 1}} b_{g, t, e} r_{g, t, e} \\ G_{g, t}^{a s} = \overset{G}{\sum_{g = 1}} [(b_{g, t, e}^{a s, u p} r_{g, t, e}^{u p} + b_{g, t, e}^{a s, d n} r_{g, t, e}^{d n}) + \\ (b_{g, t, e}^{a s, m, u p} m_{g, t, e}^{u p} + b_{g, t, e}^{a s, m, d n} m_{g, t, e}^{d n})] \end{array}\}$

(8)

式中:H_s_,_t、 $H_{s, t}^{a s}$ 分别为电能量市场、辅助服务市场储能s交易成本;G_g_,_t、 $G_{g, t}^{a s}$ 分别为电能量市场、辅助服务市场常规机组g的交易成本; $m_{g, t, e}^{u p}$ 、 $m_{g, t, e}^{d n}$ 分别为常规机组g的上、下调频里程;b为机组报价,与价值量化中意义λ相同;r_g_,_t_,_e为常规机组g的能量市场中标电量;G为常规机组个数.

约束条件包括能量市场功率平衡约束、调节容量平衡约束和调节里程约束.

其中,能量市场功率平衡约束为

$r_{s, t, e}^{d i s}$ -

$r_{s, t, e}^{c h}$ +

$\overset{G}{\sum_{g = 1}}$ r_g_,_t_,_e+r_w_,_t-r_L_,_t=0

(9)

式中:r_w_,_t、r_L_,_t分别为系统的风电量和负荷量.

调节容量平衡约束为

$\begin{array}{l} R_{s y s, t}^{u p} - r_{s, t, e}^{u p} - r_{g, t, e}^{u p} = 0 \\ R_{s y s, t}^{d n} - r_{s, t, e}^{d n} - r_{g, t, e}^{d n} = 0 \end{array}\}$

(10)

式中: $R_{s y s, t}^{u p}$ 、 $R_{s y s, t}^{d n}$ 分别为系统上、下调频容量需求.

调节里程约束为

$\begin{array}{l} M_{s y s, t}^{u p} - m_{s, t, e}^{u p} - m_{g, t, e}^{u p} = 0 \\ M_{s y s, t}^{d n} - m_{s, t, e}^{d n} - m_{g, t, e}^{d n} = 0 \end{array}\}$

(11)

式中: $M_{s y s, t}^{u p}$ 、 $M_{s y s, t}^{d n}$ 分别为系统上、下调频里程需求.

常规机组申报的约束条件与ESS相同.常规机组的约束条件还包括个体容量等常规约束,不再一一说明.

实时市场:

min

$\overset{E}{\sum_{e = 1}}$ ϕ_e(

$C_{s, t}^{a s, r t}$ +

$G_{g, t}^{a s, r t}$ +F_t_,_q_,_e)

$\begin{array}{l} G_{g, t}^{a s, r t} = λ_{t, q, e}^{r t} \frac{r_{g, t, e} - r_{g, t - 1, e}}{| r_{g, t, e} - r_{g, g - 1, e} |} \times \\ \overset{G}{\sum_{g = 1}} (r_{g, t, q, e}^{u p, r t} - r_{g, t, q, e}^{d n, r t}) \\ F_{t, q, e} = \overset{Q}{\sum_{q = 1}} ϕ_{q} φ b_{t} (d_{t, q}^{w} + d_{L j, t}) \end{array}\}$

(12)

式中: $G_{g, t}^{a s, r t}$ 、F_t_,_q_,_e为实时市场常规机组平衡成本、弃风和负荷削减平衡成本; $λ_{t, q, e}^{r t}$ 为实时市场电价; $r_{g, t, q, e}^{u p, r t}$ 、 $r_{g, t, q, e}^{d n, r t}$ 分别为常规机组g上下调频容量;φ为一个大于0的常系数;b_t为弃风、负荷消减电价; $d_{t, q}^{w}$ 、d_Lj_,_t分别为实时市场的弃风量和负荷削减量.

约束条件包括日内偏差平衡约束和负荷削减和弃风约束.

其中,日内偏差平衡约束为

$\begin{array}{l} \overset{S}{\sum_{s = 1}} r_{s, t, q, e}^{u p, r t} + \overset{G}{\sum_{g = 1}} r_{g, t, q, e}^{u p, r t} + d_{L j, t} = L_{t, q}^{u p} \\ \overset{S}{\sum_{s = 1}} r_{s, t, q, e}^{d n, r t} + \overset{G}{\sum_{g = 1}} r_{g, t, q, e}^{d n, r t} + d_{t, q}^{w} = L_{t, q}^{d n} \end{array}\}$

(13)

式中: $L_{t, q}^{u p}$ 、 $L_{t, q}^{d n}$ 分别为净负荷上、下偏差量.

负荷削减和弃风约束为

$\begin{array}{l} 0 \leq d_{L j, t} \leq L_{t, q}^{u p} \\ 0 \leq d_{t, q}^{w} \leq L_{t, q}^{d n} \end{array}\}$

(14)

约束条件还有常规机组和ESS上、下调频容量调用约束,调用量的大小均应在日前中标量范围之内.

3.3 利益分配

利益公平分配是合作博弈的前提,因此需要着重考虑利益分配问题.合作博弈可以很好地解决资源共享及利益冲突问题,本文采用基于两步联盟合作博弈的电力交易算法,该算法首先采用拍卖法^[35]确定交易顺序,然后应用Shapley值^[36]公平分配此部分利润.在合作博弈中的隐含假设是:参与者可以组建联盟并就如何分配具有可转让效用的联盟收益进行具有约束力的协议.

3.4 求解算法

本文商业模式和市场机制所提报价策略属于双层博弈问题,可以基于讨价还价理论进行分析;其次,所提规模化ESS的出清模型属于混合整数优化问题, 在KKT最优性条件将下层市场出清模型转化为上层市场模型的约束条件^[37],则此时原双层模型被转化为单层数学模型,优化方法为

$\begin{array}{l} \underset{(x, y)}{m i n} f (x, y), g (x, y) \leq 0 \\ s . t . y \in S (x) \\ \underset{(x, y)}{m i n} F (x, y) \\ s . t . G (x, y) \leq 0 \end{array}\}$

(15)

式中:f(x, y)、g(x, y)和F(x, y)、G(x, y)分别为上层和下层映像函数;S(x)为下层出清模型的解集,利用KKT条件,变换为单层数学模型,即

$\begin{array}{l} \underset{(x, y, u)}{m i n} f (x, y), g (x, y) \leq 0 \\ s . t . Δ_{y} F (x, y) + Δ_{y} G (x, y) u = 0 \\ | u | \geq 0, G (x, y) \leq 0, u^{T} G (x, y) = 0 \end{array}\}$

(16)

式中:两个限制条件为下层模型的KKT最优条件.

使用强对偶定理^[38]简化一些非线性表达式,可以将具有均衡约束的数学规划问题模型重构为等效的混合整数线性规划,变量只能取整数:

min (c^Tx+d^Ty: f(x,y)=b, y≥0,0≤x∈N)

(17)

式中:c、d分别为输入、输出的转置系数;b为常量.

最后,使用软件MATLAB 2016a求解此数学模型,详细求解过程如图7所示.

图7

图7 双层模型范式求解流程

Fig.7 Solution process of bilevel model paradigm

4 算例分析

当机组的初始参数固定,选择不同的商业模式运行收益可能不同,也即存在一个商业模式使得机组的收益最大;同时也存在同一主体参与多个商业模式收益最优的可能,此时研究范围属于最优规划问题,不属于本文研究范畴,故不进行分析.选用同一种机组分别参与3种商业模式,验证商业模式的有效性并给出指导性意见.

4.1 基础数据

各机组参数如表1所示.表中:P_max、P_min分别为机组最大出力和最小出力;A、B、C为常规机组的成本特性系数;R_g_max为常规机组的最大调频容量;空白表示不适用.系统调频里程乘子如表2所示.日负荷曲线、风量预测和上/下调频需求如图8所示.图中:P为能量;R为系统调频容量需求.风能以0.161元/(kW·h)的价格向日前平衡市场和实时平衡市场供应电能.忽略ESS的自放电,其维护成本为0.041元/(kW·h);负载需求报价为315.17元/(MW·h);ESS租赁费用为400元/(kW·h).为便于比较分析,仍以1 h为研究周期,未来可延长至15 min.程序收敛间隙U取 0.000 1.风电场被视作负电荷,未牵涉能量报价,并且ESS可以优先消纳风电^[7].

表1 机组参数

Tab.1 Unit parameters

机组	机组	P_max	P_min	A/(元·MW^-2)	B/(元·MW^-1)	C/元	R_g_max	乘子	位置
基荷机组	G1	157	45	0.09	181.64	3933.99	25	6	1
	G2	100	35	0.11	183.53	3628.17	40	6	2
调峰机组	G3	60	15	0.19	31.71	5249.99	20	6	5
	G4	80	20	0.16	33.09	6217.66	25	6	8
	G5	40	10	0.53	36.23	8292.85	10	6	11
	G6	40	10	0.76	30.25	6783.30	10	6	13
ESS	S1	30	-30				30	12	4
	S2	20	-20				20	10	10

表2 系统调频里程乘子

Tab.2 System frequency regulation mileage multiplier

t	V_sys	t	V_sys	t	V_sys
1:00	4.0	9:00	2.8	17:00	2.9
2:00	4.2	10:00	2.4	18:00	3.1
3:00	4.5	11:00	2.1	19:00	3.2
4:00	4.3	12:00	1.6	20:00	3.3
5:00	4.0	13:00	1.5	21:00	3.5
6:00	3.9	14:00	1.8	22:00	3.5
7:00	3.2	15:00	2.3	23:00	3.7
8:00	3.0	16:00	2.7	24:00	3.9

图8

图8 负荷与需求数据

Fig.8 Load data and demand

4.2 独立式

独立式商业模式中,S1(S2)单独参与市场,此时储能S2(S1)作为市场参数.其中,上层模型函数分别表示S1(S2)最大化收益,收益如表3所示.以S1为例,能量市场中标量、辅助服务和实时市场部分中标量如图9和图10所示.图中:B为中标量.

表3 S1/S2收益情况

Tab.3 Income of S1/S2 元

机组	能量市场收益	上调频市场收益	下调频市场收益	总收益
S1	5091.93	12476.29	9640.33	27208.55
S2	2869.14	8997.30	6112.04	17978.48

图9

图9 能量市场中标情况

Fig.9 Winning-bids in energy market

图10

图10 调频辅助服务市场中标情况

Fig.10 Winning-bids in ancillary services market

如图9和图10所示,在能量市场中,常规机组的中标量占全部电量的98.31%,符合常规机组在能量市场的一般性和典型性.在调频辅助服务市场中,当仅考虑S1单独参与时,S1提供的调频辅助服务中标量占调频总市场的63.02%,这是因为与传统辅助服务供给资源相比,规模化ESS具有无记忆效应且跟踪能力强,是调频市场中不可多得的优质资源.

由表3、图9~10可知,规模化ESS由于容量大,具有较好的调频性能,在调频市场的收益更加可观,且在调频市场的中标量远超能量市场.当负荷需求较高时,比如12:00—14:00,ESS可以权衡提供能量和调频能力的利弊,选择牺牲某时刻部分调频能力而达到转移峰值负载的目的.

独立式的商业模式对于电量需求以及调节能力要求较为严苛.相较于互相支持性的模式,独立式自身应该拥有足够大的容量,以便于提供实时需求.因此,对于独立式商业模式,建议规模化ESS自身容量相对较大,可以开展较为广泛的业务.

4.3 联盟式

将位于节点4和节点10的S1和S2组成ESS联盟,同样以ESS联盟收益最大为目标进行市场出清,收益及市场中标量如表4和图11所示.

表4 S1/S2收益情况

Tab.4 Income of S1/S2 元

机组	能量市场收益	调频容量市场收益	调频里程市场收益	总收益
S1	4065.45	28231.19	14720.18	47016.81
S2	3365.83	17066.56	3742.11	24870.87

图11

图11 市场主体中标情况

Fig.11 Winning-bids of market entities

如图11所示,在能量市场中,常规机组的中标量占全部电量99.08%,ESS整体中标量仅为0.92%;与独立式商业模式相比,同比占比下降约为1.84%.再次证明在能量市场中,ESS处于极大的劣势.从中也可以得出结论:在电能量市场的竞争中,ESS不具有优势.然而从ESS收益最大的角度出发,能量市场不能缺失.

如图12所示,在调频市场中,S1和S2组成的ESS联盟提供的调频中标量占调频总市场74.33%,这是因为与独立式商业模式相比,调频市场中标量占比同比上升约为11.31%.这说明在保证ESS收益最大化的前提下,放弃部分能量市场、加大在调频市场的投入电量,可以使ESS联盟更好地发挥性能,获取更多收益.

图12

图12 联盟中标情况

Fig.12 Bid-winning situation of each entity

对比表3和表4可知,在规格同样为60 MW·h/40 MW·h的ESS机组参与市场时,以S1为例,在能量市场中独立式收益明显高于联盟式,约超出联盟式25.25%;但是在调频市场中,联盟式收益远超独立式,约超出76.57%.再次验证ESS参与调频市场对其收益而言具有极大的优势.

对比表3和表4可知,整体收益联盟式远高于独立式.这是因为S1和S2在时间和能量上“互补”,极大地提高联盟式的调节能力,提升其竞争优势,使整体中标量上升、投资回报率提高,这将刺激ESS的投资和商业化.否则,根据经济学原理,若联盟式收益低于独立式,ESS个体将退出联盟.但是值得注意的是,这并不意味着所有机组参与联盟式时都会大于独立式,不同机组面临的条件不同,收益也会有所不同.

4.4 共享式

以S1作为共享ESS商租赁自身容量为例进行分析.共享ESS需要预留部分容量给不同的签约客户,未签约的剩余容量参与市场交易.本文假设签约65%的容量留给签约客户执行共享ESS功能,剩余容量进行市场化交易.共享ESS需要在日前和实时市场不断进行优化,后续可进行容量配比最优化拓展,不做过多分析.

如图13所示,图中P'为功率,ESS在设定的场景下选择以共享ESS租赁,但是实际上每个时刻额定容量并未全部消耗完毕.这是因为自身地理位置以及成本的限制,使得ESS做出最优规划,选择使自己获利最大的一种策略.在同样的地理位置假设全部容量均留给用户,用户可能仍然无法全部消耗.因此对于共享ESS来说,需要制定一定的惩罚因子以及“激励制度”,使得用户承担一些风险与收益.此外,ESS租赁容量存在使用高峰期,比如9:00—16:00,因此建议共享ESS在进行容量预留时,设计时刻分段施行,从而制定更加合理的预留容量方案.

图13

图13 储能中标情况

Fig.13 Bidding situation of ESS

S1的能量市场、辅助服务市场、租赁市场收益分别为 2 782.18、7 324.82、11 940.06元,总收益为22 077.06 元.对比表3和表4可以看出,在设定场景下,根据ESS的收益,共享式ESS处于第三位置.本文未分析共享ESS的最优配比,旨在说明对于ESS来说,闲置容量参与市场也许不能使得自己利润最大化,需要进一步考虑ESS的控制策略.

5 结论

针对电力市场放开以及电力市场低碳转型应用趋势双重背景,从独立式、联盟式、共享式3个角度提出3种规模化储能参与市场的商业模式和出清机制,结论如下:

(1) 独立式可通过直接交易的方式获得保障利用小时数之外的发电量,直接放开购售电选择权,有助于形成多买家多卖家的竞争性市场格局.但独立式自身调节能力及反应能力要求较为严格,适合特大型储能参与.

(2) 联盟式交易将分散的规模化储能整合储能联盟,实现资源统一调度,增加储能市场竞争力和投资回报率.由于储能联盟个体之间在时间及调节能力上具有“互补性”,所以十分适合一般的规模化储能参与.对于特大型规模化储能,联盟参与可能限制其能力.

(3) 共享式商业模式使得共享过程中储能资源利用率得到提高,拥有者获得额外收益,从而缩短成本回收周期,推动源网荷各端储能能力全面释放.此种模式具有极大的开放性,对于GW·h和MW·h等一系列的规模化储能均能包容,但是不能保证其收益最优化,因此选择此模式需提前估计收益.

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

王义军, 左雪.

锂离子电池荷电状态估算方法及其应用场景综述

[J]. 电力系统自动化, 2022, 46(14): 193-207.

WANG

Yijun

, ZUO

Xue

Review on estimation methods for state of charge of lithium-ion battery and its application scenarios

[J]. Automation of Electric Power Systems, 2022, 46(14): 193-207.

[2]

国家发展改革委,国家能源局.

关于加快推动新型储能发展的指导意见

[EB/OL]. (2021-07-15)[2022-03-16]. http://www.gov.cn/zhengce/zhengceku/2021-07/24/content_5627088.htm.

National

Development

and Reform

Commission

,National Energy Administration.

Guiding opinions on accelerating the development of new energy storage

[EB/OL]. (2021-07-15) [2022-03-16]. http://www.gov.cn/zhengce/zhengceku/2021-07/24/content_5627088.ht.

[3]

国家能源局.

国家能源局关于印发《电力辅助服务管理办法》的通知

[EB/OL]. (2021-12-21)[2022-03-21]. http://zfxxgk.nea.gov.cn/2021-12/21/c_1310391161.htm.

National Energy Administration.

Notice of the National Energy Administration on the issuance of Measures for the Administration of Auxiliary Services for Electric Power

[EB/OL]. (2021-12-21) [2022-03-21]. http://zfxxgk.nea.gov.cn/2021-12/21/c_1310391161.htm.

[4]

KONIDENA

FERC Order 841 levels the playing field for energy storage

[J]. MRS Energy & Sustainability, 2019, 6(1): 1-3.

DOI:10.19912/j.0254-0096.tynxb.2020-0504 [本文引用: 1]

[5]

周立立, 向月, 延肖何, 等.

差异化市场下储能运营风险效益评估

[J]. 太阳能学报, 2022, 43(3): 111-118.

储能得益于其充放电的灵活性可应用于多个电力市场并从中获取相应的效益。然而,储能在获利的同时也要承受来自不同市场的风险,且具有高利润的市场往往伴随着高风险,因此很有必要评估不同市场的风险效益并优化储能应用于不同市场的容量,以期在最小的风险水平下实现效益最大化。提出一种差异化市场下的储能运营风险效益评估方法,考虑能源服务市场、对等交易服务市场、阻塞服务市场等3个储能可参与的市场,并应用投资组合理论建立各个市场下的收益率及风险计算模型及储能容量优化分配模型。研究结果表明提出的模型对于指导储能运营商参与不同市场的风险效益评估及其容量分配有较好的理论及现实指导意义。

ZHOU

Lili

, XIANG

Yue

, YAN

Xiaohe

, et al.

Risk and benefit evaluation for energy storage under differentiated markets

[J]. Acta Energiae Solaris Sinica, 2022, 43(3): 111-118.

DOI:10.19912/j.0254-0096.tynxb.2020-0504 [本文引用: 1]

Energy storage（ES） benefits from its flexibility in charging and discharging can be applied in multiple electricity markets and obtain corresponding benefits. However, although ES can get profits, it also takes the risk of profit changes from different electricity markets. In addition, the market that ES participated with higher profit normally accompanies higher risks. In order to maximize the benefits with the minimum risk level, it is necessary to evaluate the risks and benefits of the markets that ES involved and optimize the capacity allocation of ES in different markets. A method for evaluating the risk and benefit of energy storage operation under differentiated markets is proposed, taking three markets into account, which are energy service market, peer-to-peer service market, and congestion service market. The risk and benefit calculation model of each markets and the optimal capacity allocation model for energy storage operator are designed based on the portfolio theory. The results show that the proposed model has a good theoretical and practical significance for evaluating the risk and profit of energy storage operator and guiding the allocation of its capacity.

[6]

LIU

Z J

, GUO

J C

, WU

, et al.

Two-phase collaborative optimization and operation strategy for a new distributed energy system that combines multi-energy storage for a nearly zero energy community

[J]. Energy Conversion and Management, 2021, 230: 113800.

DOI:10.1016/j.enconman.2020.113800 URL [本文引用: 1]

[7]

姜欣, 刘萌, 王天梁, 等.

电网侧储能电站参与现货联合市场的竞价策略

[J]. 电网技术, 2021, 45(9): 3398-3408.

[本文引用: 3]

JIANG

Xin

, LIU

Meng

, WANG

Tianliang

, et al.

Bidding strategy for grid-side energy power storage stations to participate in the spot joint market

[J]. Power System Technology, 2021, 45(9): 3398-3408.

[本文引用: 3]

[8]

ZAKERI

, GISSEY

G C

, DODDS

P E

, et al.

Centralized vs. distributed energy storage benefits for residential users

[J]. Energy, 2021, 236: 121443.

DOI:10.1016/j.energy.2021.121443 URL [本文引用: 1]

[9]

叶鹏, 刘思奇, 关多娇, 等.

基于自适应均衡技术的分布式储能聚合模型及评估方法

[J]. 上海交通大学学报, 2021, 55(12): 1689-1699.

Peng

, LIU

Siqi

, GUAN

Duojiao

, et al.

An aggregation model and evaluation method of distributed energy storage based on adaptive equalization technology

[J]. Journal of Shanghai Jiao Tong University, 2021, 55(12): 1689-1699.

[10]

BAEK

M K

, SHIN

B D

Hybrid operation strategy for demand response resources and energy storage system

[J]. Journal of Electrical Engineering & Technology, 2022, 17(1): 25-37.

[11]

林阿竹, 柯清辉, 江岳文.

独立储能参与调频辅助服务市场机制设计

[J]. 电力自动化设备, 2022, 42(12): 26-34.

LIN

Azhu

, KE

Qinghui

, JIANG

Yuewen

Market mechanism design of independent energy storage participating in frequency modulation auxiliary service market

[J]. Electric Power Automation Equipment, 2022, 42(12): 26-34.

[12]

李林晏, 韩爽, 乔延辉, 等.

面向高比例新能源并网场景的风光-电动车协同调度方法

[J]. 上海交通大学学报, 2022, 56(5): 554-563.

Linyan

, HAN

Shuang

, QIAO

Yanhui

, et al.

Wind-solar-electric vehicles coordination scheduling method for high proportion new energy grid-connected scenarios

[J]. Journal of Shanghai Jiao Tong University, 2022, 56(5): 554-563.

[13]

侯慧, 徐焘, 肖振锋, 等.

计及可调控负荷的发用电一体化综合优化调度

[J]. 电网技术, 2020, 44(11): 4294-4304.

HOU

Hui

, XU

Tao

, XIAO

Zhenfeng

, et al.

Generation and load integrated optimal scheduling considering adjustable load

[J]. Power System Technology: 2020, 44(11): 4294-4304.

[14]

肖云鹏, 张兰, 张轩, 等.

包含独立储能的现货电能量与调频辅助服务市场出清协调机制

[J]. 中国电机工程学报, 2020, 40(Sup.1): 167-180.

XIAO

Yunpeng

, ZHANG

Lan

, ZHANG

Xuan

, et al.

The coordinated market clearing mechanism for spot electric energy and regulating ancillary service incorporating independent energy storage resources

[J]. Proceedings of the CSEE: 2020, 40(Sup.1): 167-180.

DOI:10.1504/IJSSE.2021.116044 URL [本文引用: 1]

[15]

GRIGORYAN

, COLLINS

A J

Game theory for systems engineering: A survey

[J]. International Journal of System of Systems Engineering, 2021, 11(2): 121.

[16]

HUANG

Q S

, XU

Y J

, COURCOUBETIS

C A

Strategic storage operation in wholesale electricity markets: A networked cournot game analysis

[J]. IEEE Transactions on Network Science & Engineering, 2021, 8(2): 1789-1801.

[17]

周步祥, 曹强, 臧天磊, 等.

基于区块链的微电网双层博弈电力交易优化决策

[J]. 电力自动化设备, 2022, 42(9): 35-42.

ZHOU

Buxiang

, CAO

Qiang

, ZANG

Tianlei

, et al.

Electricity trading optimization decision for microgrid based on blockchain and two-level game

[J]. Electric Power Automation Equipment, 2022, 42(9): 35-42.

DOI:10.3389/fenrg.2021.809024 URL [本文引用: 1]

[18]

GAO

, ZHANG

X D

, YANG

M X

, et al.

Fuzzy decision-based optimal energy dispatch for integrated energy systems with energy storage

[J]. Frontiers in Energy Research, 2021, 9: 809024.

The integrated energy system is an important strategic direction in the world’s future energy field, which will become the main carrier form of the energy future of human society in the next 30–50 years, directly affecting or even determining the future energy strategy pattern of the world. There are many types of integrated energy system. In the study of optimal dispatching of energy storage, the integrated energy system is modeled according to the energy transmission characteristics of the integrated energy system, which mainly includes the combined cooling, heating and power system and the multi-type energy storage system containing electricity and heat storage. Then, a two-tier optimal scheduling model for an integrated energy system with multiple types of energy storage as the core is established, divided into the day-head scheduling layer and the real-time dispatch layer. At the day-head scheduling layer, an optimization model has been proposed with the minimum cost of the optimization goal and the power network, heating network, cooling network, energy storage operation constraints and carbon constraints as constraints. Then at the real-time dispatch layer, utilize the fuzzy controller to dispatch and control the electric storage system and the thermal storage system. Finally, the verification simulation experiment is carried out in an industrial park. Besides, the energy efficiency, economy and environmental performance before and after the integrated energy system connected to the multi-energy storage device are compared and analyzed, and different scheduling methods are used to compare and prove the advantages of the scheduling method.

[19]

国家能源局山东监管办公室, 山东省发展和改革委员会, 山东省能源局.

关于印发《山东省电力现货市场交易规则(试行)》《山东省电力中长期交易规则(试行)》《山东省电力零售市场交易规则(试行)》的通知

[EB/OL]. (2020-06-16)[2022-03-21]. http://sdb.nea.gov.cn/tzgg/content_1451.

Shandong Regulatory Office of National Energy Administration,Development and Reform Commission of Shandong Province,Shandong Energy Administration.

Notice on the issuance of Trading Rules of Shandong Electricity Spot Market (Trial), Medium and Long-Term Trading Rules for Electricity in Shandong Province (Trial), and Trading Rules of Shandong Electricity Retail Market (Trial)

[EB/OL]. (2020-06-16) [2022-03-21]. http://sdb.nea.gov.cn/tzgg/content_1451.

[20]

马辉, 陈雨果, 陈晔, 等.

南方(以广东起步)电力现货市场机制设计

[J]. 南方电网技术, 2018, 12(12): 42-48.

Hui

, CHEN

Yuguo

, CHEN

, et al.

Mechanism design of Southern China (starting from Guangdong Province) electric spot market

[J]. Southern Power System Technology, 2018, 12(12): 42-48.

[21]

PJM.

PJM Manual 11: Energy & ancillary services market operations

[EB/OL]. (2014-09-08)[2022-03-26]. https://www.docin.com/p-1700968651.html.

[22]

ERCOT.

Market rule 1: Standard market design

[EB/OL]. (2016-05-14)[2022-03-26]. https://www.nga.org/electricity-markets/.

[23]

MISO. Business practices manual.

Energy and operating reserve markets

[EB/OL]. (2016-07-23)[2022-03-26]. https://www.misoenergy.org/legal/business-practice-manuals/, 2016.

[24]

HOGAN

W W

, POPE

S L

PJM reserve markets: Operating reserve demand curve enhancements

[R]. Boston, USA: Harvard University & FTI Consulting Inc, 2019.

[25]

陈中飞, 荆朝霞, 陈达鹏, 等.

美国调频辅助服务市场的定价机制分析

[J]. 电力系统自动化, 2018, 42(12): 1-10.

CHEN

Zhongfei

, JING

Zhaoxia

, CHEN

Dapeng

, et al.

Analysis on pricing mechanism in frequency regulation ancillary service market of United States

[J]. Automation of Electric Power Systems, 2018, 42(12): 1-10.

DOI:10.12204/j.issn.1000-7229.2020.09.015 [本文引用: 1]

[26]

郝旭东, 孙伟, 程定一, 等.

基于Q强化学习的综合能源服务商现货市场申报策略研究

[J]. 电力建设, 2020, 41(9): 132-138.

随着综合能源系统建设和电力市场改革推进,综合能源服务商有望成为新的市场交易成员。为解决申报阶段有限的决策参考信息制约申报策略制定的问题,文章提出了一种基于Q强化学习的综合能源服务商现货市场申报策略,以提升申报策略的理想度。该方法的主要特点在于充分利用庞大的历史运行信息,通过人工智能算法训练申报策略智能体,建立综合能源服务商所掌握的有限参考信息与最优申报策略之间的内在关系。智能体以市场公开信息、社会公共信息及服务商私有信息为环境变量,能够实现申报策略的自动生成和智能改进。最后,基于某省电网实际数据构造算例表明,该方法能较好地拟合合作博弈下的申报策略,具有收敛速度快、理想度高、计算效率高等特点,更符合综合能源服务商决策需求。

HAO

Xudong

, SUN

Wei

, CHENG

Dingyi

, et al.

A novel declaration strategy for integrated energy servicer based on Q-learning algorithm in power spot market

[J]. Electric Power Construction, 2020, 41(9): 132-138.

DOI:10.12204/j.issn.1000-7229.2020.09.015 [本文引用: 1]

With the development of integrated energy system and power market reform, integrated energy servicer is expected to become a new market member in power market transaction. In order to solve the problem that the limited reference information in the declaration stage restricts the formulation of the declaration strategy, a declaration strategy based on Q-learning for integrated energy servicer is proposed to improve the ideal degree of the declaration strategy. The core idea of the proposed strategy is to make full use of the huge historical operation information and train the declaration strategy agent by artificial intelligence algorithms to establish the inherent relationship between the limited reference information grasped by integrated energy servicer during the market bidding process and its optimal declaration strategy. The declaration agent can realize automatic generation and intelligent improvement of declaration policies, which takes energy market public information, social public information and enterprise private information as environment variables. Finally, a case study based on the actual data of a provincial power grid shows that the proposed method can better match the declaration strategy under the cooperative game and has the characteristics of fast convergence, high ideal degree and high computational efficiency, which is more suitable for the actual needs of integrated energy servicer.

[27]

HUANG

Q S

, XU

Y J

, WANG

, et al.

Market mechanisms for cooperative operation of price-maker energy storage in a power network

[J]. IEEE Transactions on Power Systems, 2018, 33(3): 3013-3028.

DOI:10.1109/TPWRS.2017.2762350 URL [本文引用: 1]

[28]

李振坤, 魏砚军, 张智泉, 等.

有源配电网黑启动恢复供电辅助服务市场机制研究

[J]. 中国电机工程学报, 2022, 42(18): 6641-6655.

Zhenkun

, WEI

Yanjun

, ZHANG

Zhiquan

, et al.

Research on market mechanism of black start restoration auxilliary service in distribution network

[J]. Proceedings of the CSEE, 2022, 42(18): 6641-6655.

[29]

任保平.

新时代中国经济从高速增长转向高质量发展: 理论阐释与实践取向

[J]. 学术月刊, 2018, 50(3): 66-74.

REN

Baoping

Theoretical interpretation and practical orientation of China’s economy from high speed growth to high quality development in new era

[J]. Academic Monthly, 2018, 50(3): 66-74.

[30]

陈启鑫, 房曦晨, 郭鸿业, 等.

储能参与电力市场机制: 现状与展望

[J]. 电力系统自动化, 2021, 45(16): 14-28.

CHEN

Qixin

, FANG

Xichen

, GUO

Hongye

, et al.

Participation mechanism of energy storage in electricity market: Status quo and prospect

[J]. Automation of Electric Power Systems, 2021, 45(16): 14-28.

[31]

邱伟强, 王茂春, 林振智, 等.

“双碳”目标下面向新能源消纳场景的共享储能综合评价

[J]. 电力自动化设备, 2021, 41(10): 244-255.

QIU

Weiqiang

, WANG

Maochun

, LIN

Zhenzhi

, et al.

Comprehensive evaluation of shared energy storage towards new energy accommodation scenario under targets of carbon emission peak and carbon neutrality

[J]. Electric Power Automation Equipment, 2021, 41(10): 244-255.

[32]

李鹏, 马溪原, 郭祚刚, 等.

基于双层优化的综合能源服务商博弈策略

[J]. 电网技术, 2021, 45(2): 460-473.

Peng

, MA

Xiyuan

, GUO

Zuogang

, et al.

Game strategy of integrated energy service providers based on bi-level optimization

[J]. Power System Technology, 2021, 45(2): 460-473.

[33]

陆承宇, 江婷, 邓晖, 等.

基于合作博弈的含清洁能源发电商参与现货市场竞价策略及收益分配

[J]. 电力建设, 2020, 41(12): 150-158.

Chengyu

, JIANG

Ting

, DENG

Hui

, et al.

Bidding strategy and profit distribution of power generation company with clean energy in spot market based on cooperative game theory

[J]. Electric Power Construction, 2020, 41(12): 150-158.

[34]

刘连光, 潘明明, 田世明, 等.

考虑源网荷多元主体的售电竞争非合作博弈方法

[J]. 中国电机工程学报, 2017, 37(6): 1618-1626.

LIU

Lianguang

, PAN

Mingming

, TIAN

Shiming

, et al.

A non-cooperative game analysis of an competitive electricity retail considering multiple subjects of source-grid-load

[J]. Proceedings of the CSEE, 2017, 37(6): 1618-1626.

[35]

秦婷, 刘怀东, 王锦桥, 等.

基于讨价还价博弈理论的分布式能源合作收益分配模型

[J]. 电力自动化设备, 2019, 39(1): 134-140.

QIN

Ting

, LIU

Huaidong

, WANG

Jinqiao

, et al.

Profit allocation model of cooperative distributed energy resources based on bargaining game theory

[J]. Electric Power Automation Equipment, 2019, 39(1): 134-140.

[36]

冯忠楠, 文汀, 林湘宁, 等.

兼顾全局效益最优与利益分配公平的独立海岛群能量生产输运模式研究

[J]. 中国电机工程学报, 2021, 41(17): 5923-5936.

FENG

Zhongnan

, WEN

Ting

, LIN

Xiangning

, et al.

Research on energy production and transportation mode for independent islands considering optimal global benefit and its fair distribution

[J]. Proceedings of the CSEE, 2021, 41(17): 5923-5936.