考虑主体信用的配电网分布式绿电交易方法
Green Energy Trading in Distribution Network Considering Credit Value
通讯作者: 严 正,教授,博士生导师;E-mail:yanz@sjtu.edu.cn.
责任编辑: 王历历
收稿日期: 2022-04-27 修回日期: 2022-09-6 接受日期: 2022-09-22
基金资助: |
|
Received: 2022-04-27 Revised: 2022-09-6 Accepted: 2022-09-22
作者简介 About authors
吴清(1971-),教授级高级工程师,从事电力系统自动化研究.
发展分布式可再生能源是推动能源转型的关键手段,组织市场化交易能够促进分布式可再生能源生产和消纳.然而,可再生能源出力的不确定性使其容易在市场交割时出现偏差,进而为配电系统安全运行带来压力,但现有市场化交易机制仍难以激励市场主体主动减少偏差.为此,通过量化信用成本来引导分布式绿电的诚信交割行为.同时,考虑分布式绿电主体的策略性报价行为,建立考虑主体信用的分布式绿电市场化交易模型.然后,提出基于最优响应法的迭代算法来计算绿电市场的纳什均衡点.算例结果表明:所提市场机制能够以激励相容的方式引导用户的诚信行为,在降低交割偏差的同时提高绿电市场社会福利.
关键词:
Developing distributed renewable energy is vital to energy system transformation, while organizing market trading will promote the production and consumption of distributed renewable energy. However, the uncertainty of renewable energy output causes deviations during market delivery, which threats the security of distribution system operation. It is still difficult for existing market-based trading mechanisms to motivate market players to reduce the deviations. Therefore, this paper gives guidance to the honest delivery behaviors of distributed green energy producers by quantifying credit costs. Considering the strategic bidding behaviors of distributed green energy producers, it establishes a market model taking the credit costs into account. Then, it proposed an iterative algorithm based on the optimal response theory to calculate the Nash equilibria of the green energy market. The results of the case study show that the market mechanism proposed can give guidance to the integrity behavior of green energy producers in an incentive-compatible way, reducing the delivery deviation while improving social welfare.
Keywords:
本文引用格式
吴清, 贾乾罡, 严正, 钟准, 郭颂, 李志勇.
WU Qing, JIA Qiangang, YAN Zheng, ZHONG Zhun, GUO Song, LI Zhiyong.
当前,学术界已对分布式可再生能源就近交易方案展开众多研究.文献[3]中提出一种点对点交易下兼具储能共享和电能自营模式的储能聚合商交易模型.文献[4]中提出一种基于非对称纳什谈判的多微网电能共享运行优化策略.文献[5]中提出一种基于区块链技术的产消用户端对端电能交易方法.文献[6]中提出一种基于区块链、去中心化的配电侧多微网电能交易模型.文献[7]中提出一种商业园区运营商多能交易博弈优化决策模型.文献[8]中提出一种分层市场架构以实现分散的局域交易与传统集中式批发交易的有效衔接.文献[9] 中提出一种基于强化学习的能源产消者的最优交易策略.文献[10]中提出面向虚拟电厂能量管理的点对点市场交易机制与模型.文献[11]中分析区块链技术在分布式可再生能源交易中绿电追溯、绿证交易、碳交易、绿证与碳资产联合市场方向的关键技术适用性.上述研究为配电网中分布式可再生能源就近交易机制的设计提供了指导和参考.但是,分布式可再生发电资源出力存在固有的不确定性[12],在实际电能交割的过程中,需要市场运营商调用备用、调频等辅助服务以保证系统的安全运行,且电能交割的偏离程度越大,市场运营商需要采购的辅助服务越多,所产生的市场外部成本越高[13].现有的分布式能源市场化交易机制仍缺少针对发电不确定性的监管措施,难以充分激励分布式发电资源生产者准确交割.
综上所述,本文提出考虑主体信用的分布式绿电市场化交易方法:①提出考虑主体信用的分布式绿电交易机制,以激励相容的方式鼓励配电网中绿电生产者的诚信交割行为,促进整个市场的良性发展.在该机制下,分布式绿电主体提高信用值在增大市场社会福利的同时,也将给自身带来更高利润;②建立考虑主体信用的绿电市场出清模型,并提出基于最优响应法的市场纳什均衡点[17]求解算法.算例结果证明:该市场机制能够引导用户的诚信行为,在降低市场总交割偏差的同时,提高市场社会福利.
1 考虑主体信用的分布式绿电交易机制
1.1 市场构架
分布式绿电交易市场参与者包括配电市场运营商(Distribution Market Operator, DMO)、配电系统运营商(Distribution System Operator, DSO)、分布式绿电生产者(Green Energy Supplier,GES)及分布式绿电消费者(Green Energy Consumer,GEC).其中,DMO负责市场的组织和信用值计算,并配合 DSO实现市场出清.
图1
图1
考虑主体信用的分布式绿电交易流程
Fig.1
Green energy trading process considering credit value
绿电市场的运行流程如下:
(1) GES i向DMO策略性提交自身的绿电成本系数和出力上下限;GEC j向DMO提交自身真实的绿电效用系数和绿电需求上下限.
(2) DMO得到GES的绿电生产成本和信用值,以及GEC的绿电效用.然后,以最大化社会福利为目标,配合DSO出清分布式绿电市场,得到GES i的出售量和GEC j的购买量,并将结果返回给绿电产消者.
(3) GES i根据DMO发布的市场出清结果,执行绿电交割,市场主体将按各市场主体的报价结算[21]规则结算.然后,DMO根据GES i的交割结果更新对应的信用值.
1.2 信用值的定义和计算
DSO需要调用备用、调频等辅助服务来弥补GES在电能交割时的偏差,且辅助服务调用成本随着偏差的增大而增加.为此,引入信用值来评价GES的绿电交割行为.信用值计算过程包括以下两个步骤.
(1) 信用值初始化:DMO设定GES i的信用值
(2) 信用值更新:DMO根据GES i的绿电交割次数Mi和每次交割的偏离程度更新信用值,
式中:αi,n为GES i第n次交割的偏离程度,0≤αi,n≤1.
由式(1)可知,若GES i的交割行为均无偏差,则其信用值为1;若GES i的交割行为存在偏差,则其信用值随着偏差的增加而下降,随着偏差的减少而上升.信用值将决定GES i在绿电市场出清问题中的信用成本.
在第n次交易结算中,GES i在市场交割中的偏离程度αi, n的计算方式为
式中:
假设μ为0.1,图2显示不同交割电量偏离约定值的比例(γi)下,GES i交割偏离程度(αi)和信用值变化的过程.
图2
图2
GES i交割偏离程度和信用值的变化过程
Fig.2
Changing process of deviation and credit value of GES i
2 考虑主体信用的分布式绿电交易机制
2.1 绿电生产者模型
GES i参与分布式绿电交易的目标为最大化自身利润:
式中:
GES i的绿电生产成本为[22]
式中:
考虑GES i的策略性报价行为,其收益为
式中:
GES i策略性报价的区间为
式中:
2.2 绿电消费者模型
根据配电网中工商业用户对绿电的实际需求,仿照电能消费者效用函数[23],给出GEC j的绿电消费效用函数:
式中:
2.3 考虑主体信用的绿电市场出清问题
DMO收集所有GES和GEC提交的成本系数和效用系数后,计算不同GES的信用值.DMO针对GES i的信用值,在其成本函数中加入信用成本,GES i信用成本的计算方式如下:
式中:φ为信用成本的系数.
DMO配合DSO执行市场出清的目标函数为最大化社会福利Stotal,即最小化社会成本Ctotal:
式中:Ξ为配电网中I个GES的集合,I为GES总数;Ψ为配电网中J个GEC的集合,J为GEC总数.
不同于一般的集中式市场出清[24],信用成本函数将促进GES提高出力预测的精度,鼓励其诚信交割.GES i信用值降低时,其信用成本将增加,这将导致两种情况:①GES i在相同报价下中标的绿电出售量降低;②GES i在相同中标量的情况下报价将降低.两种情况都将导致其利润的下降.因此,GES i为了取得更高收益,需要提高自身的出力预测精度,从而提高信用值,以降低其信用成本.
市场出清问题的等式约束为绿电发用平衡约束:
市场出清优化问题的不等式约束包括GES的绿电出力上下限约束和GEC的绿电消费上下限约束,可表述为下列形式:
式中:
忽略线路网损,配电网线路的潮流约束可以表述为下列形式[25]:
式中:Pxy和Pyz分别为线路xy和线路yz传输的有功功率;Φ为节点y的子节点集合.
配电网的传输线功率限制如下:
式中:Pxy,max为配电网线路xy的有功功率传输上限.
DMO在配合DSO出清市场之后,将求解得到的绿电出售量
3 市场纳什均衡求解算法
图3
图3
绿电交易市场纳什均衡迭代求解算法
Fig.3
Iterative algorithm for solving Nash equilibria in green energy trading
在迭代算法中,每个GES依次更新自身的报价策略[27].在GES i优化报价策略的时候,固定其他GES的报价策略.经过多次迭代,直到市场达到纳什均衡.其中,GES初始化报价策略的方式为随机初始化.
在迭代过程中,GES i的策略优化规则如下:
(1) GES i的报价策略空间
(2) GES i将报价策略
(3) DMO收集所有GES的报价之后,配合DSO出清市场并将出清结果
(4) GES i计算得到不同报价策略下的收益,选择最优的报价策略并在本轮迭代中固定该策略.
该迭代算法能够实现快速求解纳什均衡点的目的.实际运行中,GES报价过程中可能存在同时更改策略的情况,市场在这种情况下仍可以更慢的速度收敛到相同的纳什均衡[28].
4 算例分析
算例选取IEEE13节点配电网系统,包含5个GES(节点2、4、6、9、12)和12个GEC(节点2~13),配电系统的拓扑结构如图4所示.
图4
网络拓扑参数、所有GES和GEC的真实成本和效用函数参数如表1所示.表中:λ为现货电力价格.
表1 算例参数
Tab.1
参数 | 数值 |
---|---|
29.75/11.87/27.46/12.78/13.99 | |
(美元·MW-1) | 0/60 |
42.96/49.74/60.24/68.85/64.15/61.55 67.74/53.25/65.90/64.12/80.83/75.79 | |
0.32/0.79/0.55/0.26/0.10/0.30 0.45/0.71/0.33/0.13/0.49/0.47 | |
0/30 | |
0/50 | |
Pxy,max/MW | 20 |
Ki | 30 |
λ/(美元·MW-1) | 30 |
φ | 1 |
μ | 0.1 |
Δt/min | 5 |
算例设置了如下两个场景:场景1改变所有GES的信用值,测试市场的纳什均衡点变化情况;场景2从GES 2的角度出发,分析其提升预测精度、降低交割偏差前后的市场出清结果,模拟其参与该市场出清的演化进程.
图5
图5
不同信用值下的市场均衡结果变化
Fig.5
Nash equilibria of green electricity trading at different credit values
图6
(2) 场景2.以GES 2为例,改变绿电交割的偏差比例,分析其信用值的变化以及市场出清结果的纳什均衡演化过程.
图7
由此可见,对GES而言,提高信用值能够提高自身利润;同时,对于系统而言,GES的行为也有助于降低交割偏差.
5 结语
提出一种考虑主体信用的配电网绿电交易市场方法.首先,提出考虑主体信用的分布式绿电交易机制,引导分布式绿电主体的诚信交割行为.然后,建立考虑主体信用的绿电市场出清数学模型,并提出基于最优响应的迭代算法以计算市场的纳什均衡点.IEEE13节点配电网算例证明所提绿电交易方法能够以激励相容的方式引导用户的诚信行为,在降低交割偏差的同时提高市场社会福利和市场成员个体利益,促进分布式绿电市场的良性发展.
未来研究将集中于以下几个方面:研究基于非理性人假设的GES报价行为,以及所导致的市场均衡变化情况;考虑GEC的策略性报价行为,研究整个市场的均衡变化情况;研究更加高效的迭代算法,提升市场纳什均衡点求解效率;将绿电交易与需求响应结合,形成面向新型电力系统的需求响应机制.
参考文献
中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要
[EB/OL]. (
Outline of the 14th Five-Year Plan (2021—2025) for national economic and social development and Vision 2035 of the People’s Republic of China
[EB/OL]. (
考虑绿色属性的多微网间电能可信自治交易方法
[J].
Trustworthy and autonomous electricity trading method among multiple microgrids considering green property
[J].
点对点交易下储能聚合商共享自营多模式交易模型
[J].
Sharing and self-operating multi-mode trading model of energy storage aggregators with peer-to-peer trade
[J].
基于非对称纳什谈判的多微网电能共享运行优化策略
[J].
Operation optimization strategy of multi-microgrids energy sharing based on asymmetric Nash bargaining
[J].
基于区块链的产消用户端对端电能交易方法
[J].
Peer-to-peer power trading method for proconsumers based on blockchain
[J].
基于区块链的配电侧多微电网电能去中心化交易模型
[J].
Energy decentralized transaction model of multi-microgrid in distribution side based on blockchain
[J].
考虑用户电能替代的商业园区运营商多能交易博弈优化决策
[J].
Optimal decision of multi-energy trading game for commercial park operators considering user-side electricity substitution
[J].
面向综合能源交易的新型城镇分层市场架构和出清算法
[J].
Hierarchical market structure and clearing algorithm for integrated energy trading of new-type towns
[J].
基于强化学习的产消用户端对端电能交易决策
[J].
Peer-to-peer energy transaction decision of prosumers based on reinforcement learning
[J].
面向虚拟电厂能量管理的点对点市场交易机制与模型
[J].
Peer-to-peer market trading mechanism and model for virtual power plant energy management
[J].
分布式绿色能源碳交易机制及碳数据管理的挑战
[J].
Challenges of distributed green energy carbon trading mechanism and carbon data management
[J].
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].
A wind-solar-electric vehicles coordination scheduling method for high proportion new energy grid-connected scenarios
[J].
面向新型电力系统的需求响应机制探讨
[J].
Discussion on demand response mechanism for new power systems
[J].
基于DPoA共识机制的分布式电力交易信用激励
[J].
Credit incentives of distributed power transaction based on DPoA consensus mechanism
[J].
Multiclass energy management for peer-to-peer energy trading driven by prosumer preferences
[J].DOI:10.1109/TPWRS.59 URL [本文引用: 1]
RBT: A distributed reputation system for blockchain-based peer-to-peer energy trading with fairness consideration
[J].DOI:10.1016/j.apenergy.2021.117056 URL [本文引用: 1]
基于博弈论的城镇能源互联网多市场主体收益模型
[J].
Game theory based profit model for multiple market entities of urban energy Internet
[J].
A distributed and robust security-constrained economic dispatch algorithm based on blockchain
[J].DOI:10.1109/TPWRS.2021.3086101 URL [本文引用: 1]
A blockchain consensus mechanism that uses Proof of Solution to optimize energy dispatch and trading
[J].DOI:10.1038/s41560-022-01027-4 [本文引用: 1]
A privacy-preserving blockchain-based method to optimize energy trading
[J].DOI:10.1109/TSG.2022.3198165 URL [本文引用: 1]
Price-taker offering strategy in electricity pay-as-bid markets
[J].DOI:10.1109/TPWRS.2017.2737322 URL [本文引用: 1]
Basic economics of power generation, transmission and distribution
[DB/OL]. (
An empirical study of applied game theory: Transmission constrained Cournot behavior
[J].DOI:10.1109/59.982209 URL [本文引用: 1]
考虑输电约束古诺模型的均衡分析
[J].
Analysis of equilibrium of cournot model with considering transmission constraints
[J].
A new formulation of distribution network reconfiguration for reducing the voltage volatility induced by distributed generation
[J].DOI:10.1109/TPWRS.59 URL [本文引用: 1]
Strategic bidding of transmission-constrained GENCOs with incomplete information
[J].DOI:10.1109/TPWRS.2004.840378 URL [本文引用: 1]
Reactive power market design for distribution networks with high photovoltaic penetration
[J].DOI:10.1109/TSG.2022.3186338 URL [本文引用: 1]
Accommodating strategic players in distributed algorithms for power dispatch problems
[J].DOI:10.1109/TCYB.2021.3085400 URL [本文引用: 1]
/
〈 |
|
〉 |
