王雪純 陳紅坤 陳 磊

提升區(qū)域綜合能源系統(tǒng)運(yùn)行靈活性的多主體互動(dòng)決策模型

王雪純 陳紅坤 陳 磊

（武漢大學(xué)電氣與自動(dòng)化學(xué)院 武漢 430072）

隨著含可再生能源的微能源網(wǎng)規(guī)模化接入?yún)^(qū)域綜合能源系統(tǒng)（RIES），其波動(dòng)性和不確定性對(duì)系統(tǒng)的靈活調(diào)節(jié)能力帶來了挑戰(zhàn)。針對(duì)此問題，提出一種聯(lián)合運(yùn)行市場機(jī)制下的多主體雙層互動(dòng)決策模型。首先，指出RIES運(yùn)行時(shí)的靈活調(diào)節(jié)需求，從市場層面分析靈活調(diào)節(jié)產(chǎn)品（FRP）對(duì)滿足該需求的適用性；其次，將FRP市場與電、熱能量市場聯(lián)合運(yùn)行，并設(shè)計(jì)了激勵(lì)源荷雙端市場主體調(diào)度靈活調(diào)節(jié)資源的聯(lián)合運(yùn)行市場機(jī)制；然后，為求解市場納什均衡，建立外層多個(gè)市場主體非合作博弈、內(nèi)層RIES運(yùn)營商出清的多主體互動(dòng)決策模型，并分別采用Q-learning算法和路徑跟蹤內(nèi)點(diǎn)法對(duì)外、內(nèi)層模型進(jìn)行求解；最后，通過電熱聯(lián)合RIES仿真算例進(jìn)行多場景對(duì)比分析。結(jié)果表明所提方法可以促進(jìn)可再生能源消納，減少用能總成本，降低競價(jià)周期內(nèi)能源平均價(jià)格，從而有效提升系統(tǒng)運(yùn)行的靈活性。

區(qū)域綜合能源系統(tǒng) 運(yùn)行靈活性 靈活調(diào)節(jié)產(chǎn)品 聯(lián)合運(yùn)行市場 互動(dòng)決策

0 引言

能源是人類社會(huì)發(fā)展進(jìn)步的基礎(chǔ)，如何在保證人類社會(huì)持續(xù)發(fā)展的同時(shí)高效利用可再生能源，是世界各國必須關(guān)注的問題。區(qū)域綜合能源系統(tǒng)（Regional Integrated Energy System, RIES）打破了過去多種能源系統(tǒng)獨(dú)立運(yùn)行的形式，實(shí)現(xiàn)了多種能源互動(dòng)[1-2]。隨著分布式產(chǎn)能技術(shù)的進(jìn)步，含分布式可再生能源的微能源網(wǎng)開始規(guī)?；尤隦IES。然而，可再生能源出力的波動(dòng)性和不確定性給RIES的運(yùn)行靈活性帶來顯著壓力，對(duì)系統(tǒng)的靈活調(diào)節(jié)能力提出了更高要求。

綜合能源市場的蓬勃發(fā)展為通過市場化手段提升運(yùn)行靈活性提供了重要思路，但是現(xiàn)有市場機(jī)制無法解決靈活調(diào)節(jié)資源的短缺問題，傳統(tǒng)輔助服務(wù)市場也不能完全用于優(yōu)化配置靈活調(diào)節(jié)資源[3-5]。在該背景下，一種針對(duì)性提升系統(tǒng)運(yùn)行靈活性的新型市場產(chǎn)品——靈活調(diào)節(jié)產(chǎn)品（Flexible Ramping Product, FRP）應(yīng)運(yùn)而生，其通過調(diào)度靈活調(diào)節(jié)資源，為下一時(shí)間段內(nèi)快速變化的凈負(fù)荷預(yù)留容量[6-8]。文獻(xiàn)[9]提出了含多種能源發(fā)電機(jī)組的電能-FRP聯(lián)合運(yùn)行市場架構(gòu)，通過建立雙層優(yōu)化模型分析FRP對(duì)市場均衡的影響。文獻(xiàn)[10]在現(xiàn)有機(jī)制基礎(chǔ)上改進(jìn)了系統(tǒng)對(duì)FRP需求的計(jì)算方法，建立了電能-FRP聯(lián)合出清的優(yōu)化調(diào)度模型，進(jìn)一步提升系統(tǒng)運(yùn)行的靈活性。上述研究皆集中在發(fā)電側(cè)提供FRP資源，因此文獻(xiàn)[11]將可中斷負(fù)荷作為“虛擬發(fā)電機(jī)”，提出源、荷同時(shí)參與FRP市場的實(shí)時(shí)調(diào)度模型，為需求側(cè)供給靈活調(diào)度資源提供了依據(jù)。

然而，現(xiàn)有研究多集中于電力市場與FRP市場的聯(lián)合運(yùn)行，不能完全適用于RIES。此外，RIES的源、網(wǎng)、荷等環(huán)節(jié)存在多個(gè)多能耦合的利益主體，包括微能源網(wǎng)投資商（Micro Integrated Energy Grid Investor, MIEGI）和綜合能源用戶聚合商（Integrated Energy Consumer Aggregator, IECA）。求解含多個(gè)利益主體參與競價(jià)的市場均衡，能夠?qū)崿F(xiàn)通過市場機(jī)制挖掘RIES內(nèi)可靈活調(diào)度資源，對(duì)研究FRP提升RIES運(yùn)行靈活性的效果具有重要意義。

在利益主體參與市場競價(jià)方面，文獻(xiàn)[12]建立了微能源網(wǎng)–用戶的主從博弈能源交易模型，在兼顧用戶的主動(dòng)性與用能體驗(yàn)的同時(shí)完成了微能源網(wǎng)的綜合能源優(yōu)化。文獻(xiàn)[13]則基于按報(bào)價(jià)結(jié)算機(jī)制，以用能成本最小為目標(biāo)優(yōu)化調(diào)度，探索合作博弈下小型RIES內(nèi)的多能互補(bǔ)。在綜合能源用戶參與優(yōu)化RIES運(yùn)行方面，目前多考慮的是其參與需求側(cè)響應(yīng)，通過改變用能計(jì)劃實(shí)現(xiàn)多能互補(bǔ)。文獻(xiàn)[14]為提高RIES的運(yùn)行效率，利用補(bǔ)貼形式激勵(lì)依靠多種能源供能的負(fù)荷參與需求響應(yīng)。文獻(xiàn)[15]建立分布式能源站與綜合能源用戶的主從博弈模型，分布式能源站作為領(lǐng)導(dǎo)者根據(jù)負(fù)荷需求競價(jià)，用戶作為跟隨者根據(jù)價(jià)格信號(hào)制定用能計(jì)劃，最后求得博弈均衡。

總體而言，目前對(duì)綜合能源市場的研究多集中于電、熱、冷能量市場，而對(duì)提升RIES運(yùn)行靈活性的輔助服務(wù)市場涉及較少；在綜合能源市場的背景下，現(xiàn)有研究多以單個(gè)微能源網(wǎng)為利益主體構(gòu)建決策模型，進(jìn)行微能源網(wǎng)內(nèi)部整體綜合能源優(yōu)化[16]，較少研究含多個(gè)利益主體市場的互動(dòng)決策機(jī)制；現(xiàn)有研究較少考慮綜合能源用戶的替代作用，并且用戶只能通過改變用能計(jì)劃參與博弈，其參與市場的自主能動(dòng)性尚未深度發(fā)掘。

基于上述分析，本文提出一種提升RIES運(yùn)行靈活性的多市場主體雙層互動(dòng)決策模型。通過將FRP市場引入電、熱能量市場構(gòu)建聯(lián)合運(yùn)行市場，并設(shè)計(jì)挖掘靈活調(diào)節(jié)資源的市場機(jī)制。在該機(jī)制下，構(gòu)建MIEGI及IECA等多個(gè)市場主體的雙層互動(dòng)決策模型，分析各主體之間的非合作動(dòng)態(tài)博弈，并采用Q-learning算法與路徑跟蹤內(nèi)點(diǎn)法求解納什均衡。最后利用電熱聯(lián)合RIES算例對(duì)所提模型的有效性進(jìn)行仿真驗(yàn)證。

1 RIES靈活調(diào)節(jié)需求與供給分析

在電、熱緊密耦合的RIES中，含可再生能源的微能源網(wǎng)規(guī)?；尤霑?huì)造成凈負(fù)荷快速變化，其對(duì)電力子系統(tǒng)的影響會(huì)通過電、熱耦合環(huán)節(jié)影響到熱力子系統(tǒng)，使其運(yùn)行靈活性受到巨大挑戰(zhàn)。參考電力系統(tǒng)靈活性的定義[17]，可將RIES運(yùn)行靈活性定義為“應(yīng)對(duì)微能源網(wǎng)規(guī)?；尤隦IES引起的波動(dòng)性和不確定性，利用系統(tǒng)中的資源，快速響應(yīng)負(fù)荷變化的能力”。

1.1 靈活調(diào)節(jié)需求分析

為維持多能供需平衡，RIES內(nèi)能源出力要實(shí)時(shí)跟蹤凈負(fù)荷曲線的變化。對(duì)RIES的電力子系統(tǒng)而言，凈負(fù)荷表示除可再生能源外系統(tǒng)需滿足的負(fù)荷需求。由于含可再生能源的微能源網(wǎng)規(guī)?；尤耄瑑糌?fù)荷曲線的波動(dòng)性和不確定性更加顯著。相應(yīng)地，RIES的靈活調(diào)節(jié)需求如圖1所示，RIES的靈活調(diào)節(jié)需求可分為兩類：一是應(yīng)對(duì)凈負(fù)荷曲線的下一個(gè)時(shí)段預(yù)測值與當(dāng)前時(shí)段的波動(dòng)量，即應(yīng)對(duì)波動(dòng)性的靈活調(diào)節(jié)需求；二是應(yīng)對(duì)凈負(fù)荷預(yù)測值在某置信度下的不確定性偏差量，即應(yīng)對(duì)不確定性的靈活調(diào)節(jié)需求。

圖1 RIES的靈活調(diào)節(jié)需求

當(dāng)上述靈活調(diào)節(jié)需求無法被滿足時(shí)，RIES運(yùn)行中會(huì)在多方面體現(xiàn)出“不靈活性”。從市場運(yùn)行的角度看，“不靈活”表現(xiàn)包括[18]：①限制可再生能源接入，嚴(yán)重棄風(fēng)棄光造成的市場資源浪費(fèi)；②供需不平衡形成極高的懲罰電價(jià)，造成市場用能成本增加；③供需平衡在短期內(nèi)被打破或恢復(fù)，造成市場價(jià)格隨時(shí)間的劇烈波動(dòng)。本文將從市場層面改善上述表現(xiàn)來提升RIES的運(yùn)行靈活性，以市場機(jī)制挖掘系統(tǒng)中的靈活調(diào)節(jié)資源。

1.2 靈活調(diào)節(jié)資源供給分析

針對(duì)系統(tǒng)運(yùn)行時(shí)靈活調(diào)節(jié)能力不足的情況，國外市場建設(shè)者提出一種新型交易產(chǎn)品——FRP。盡管傳統(tǒng)輔助服務(wù)（如調(diào)頻、備用）也可在一定程度上平衡系統(tǒng)凈負(fù)荷實(shí)時(shí)變化，但在設(shè)計(jì)目的、響應(yīng)方式、可調(diào)度資源、補(bǔ)償定價(jià)等方面與FRP都存在差別：

1）設(shè)計(jì)目的不同。調(diào)頻服務(wù)用于平衡實(shí)時(shí)凈負(fù)荷差異，目的是維持系統(tǒng)頻率穩(wěn)定；備用服務(wù)用于應(yīng)對(duì)突發(fā)故障，目的是維持系統(tǒng)安全運(yùn)行；FRP則用于滿足凈負(fù)荷的波動(dòng)性與不確定性造成的靈活調(diào)節(jié)需求，目的是針對(duì)性地提升系統(tǒng)運(yùn)行靈活性。

2）響應(yīng)方式不同。調(diào)頻服務(wù)響應(yīng)當(dāng)前時(shí)段的自動(dòng)發(fā)電控制調(diào)度，時(shí)間尺度為秒級(jí)；備用服務(wù)響應(yīng)突發(fā)故障時(shí)的調(diào)度，且只能上行調(diào)節(jié)，響應(yīng)時(shí)間為15～30min；FRP則是為下一時(shí)間段即將到來的凈負(fù)荷快速變化預(yù)留容量，擁有上、下行調(diào)節(jié)能力，響應(yīng)時(shí)間為5～15min。

3）可調(diào)度資源不同。調(diào)頻服務(wù)的秒級(jí)響應(yīng)要求資源提供者具有快速響應(yīng)速率；備用服務(wù)要求資源提供者具備較高的爬坡能力；FRP市場的準(zhǔn)入規(guī)則使得系統(tǒng)內(nèi)所有可實(shí)時(shí)調(diào)度并預(yù)留容量的資源皆可提供FRP服務(wù)。

4）補(bǔ)償定價(jià)不同。傳統(tǒng)輔助服務(wù)價(jià)格高昂，需在輔助服務(wù)市場中額外購買，而FRP市場與能量市場聯(lián)合出清，提供者無需對(duì)其報(bào)價(jià)，由機(jī)會(huì)成本確定價(jià)格，出現(xiàn)短缺后其價(jià)格也低于最高限價(jià)，限價(jià)遠(yuǎn)低于傳統(tǒng)輔助服務(wù)價(jià)格。

綜上所述，依靠傳統(tǒng)輔助服務(wù)滿足系統(tǒng)靈活調(diào)節(jié)需求，會(huì)受到調(diào)用頻率、調(diào)節(jié)方向與價(jià)格的多方面限制，對(duì)系統(tǒng)造成不利影響。而FRP可被持續(xù)、頻繁調(diào)用，滿足上、下行靈活需求，經(jīng)濟(jì)性高，是從市場層面挖掘系統(tǒng)靈活調(diào)節(jié)資源的強(qiáng)有力手段。

2 面向運(yùn)行靈活性的聯(lián)合運(yùn)行市場

基于RIES的運(yùn)行框架，本文引入FRP市場，與電能、熱能市場聯(lián)合運(yùn)行，建立面向運(yùn)行靈活性的聯(lián)合運(yùn)行市場，分析源、荷雙端多能耦合條件下，聯(lián)合運(yùn)行市場機(jī)制對(duì)市場主體提供靈活調(diào)節(jié)資源的激勵(lì)作用。

2.1 聯(lián)合運(yùn)行市場結(jié)構(gòu)

圖2為所建立的聯(lián)合運(yùn)行市場的結(jié)構(gòu)，包括區(qū)域內(nèi)電能市場、熱能市場及FRP市場。此外，天然氣配氣網(wǎng)和電力批發(fā)市場分別提供天然氣與電能作為區(qū)域外能量輸入。

圖2 區(qū)域綜合能源系統(tǒng)聯(lián)合運(yùn)行市場結(jié)構(gòu)

聯(lián)合運(yùn)行市場的出清由區(qū)域綜合能源系統(tǒng)運(yùn)營商（Regional Integrated Energy System Operator, RIESO）完成。同時(shí)參與市場的有多個(gè)主體，根據(jù)利益劃分與是否產(chǎn)能可將其分為MIEGI與IECA：MIEGI內(nèi)部設(shè)備通常包括分布式可再生能源、熱電聯(lián)產(chǎn)機(jī)組（Combined Heat and Power, CHP）和燃?xì)忮仩t（Gas Boiler, GB）等產(chǎn)能設(shè)備中的一種或多種；IECA則聚集了RIES內(nèi)所有多能負(fù)荷。

2.2 聯(lián)合運(yùn)行市場機(jī)制

在聯(lián)合運(yùn)行市場中，對(duì)電能、熱能及FRP三類產(chǎn)品的出清機(jī)制與供需實(shí)現(xiàn)方式如下：

1）能量市場

能量市場包括電能與熱能市場，市場主體對(duì)電能、熱能報(bào)價(jià)，RIESO按節(jié)點(diǎn)能價(jià)進(jìn)行市場出清。因?yàn)樵赗IES中，源端能源耦合節(jié)點(diǎn)處的能價(jià)還需疊加能源耦合成本，采用節(jié)點(diǎn)能價(jià)出清，能夠通過市場信號(hào)激勵(lì)市場主體優(yōu)化產(chǎn)能與報(bào)價(jià)策略。

市場主體參與電、熱能量市場實(shí)現(xiàn)供需平衡：

2）FRP市場

在FRP市場中，市場主體無需對(duì)FRP報(bào)價(jià)，RIESO根據(jù)機(jī)會(huì)成本對(duì)FRP定價(jià)。所謂機(jī)會(huì)成本，就是市場主體由于提供FRP而未能提供能量所損失的收益。當(dāng)靈活調(diào)節(jié)資源不足時(shí)，則通過需求曲線定價(jià)。當(dāng)RIESO根據(jù)圖1確定系統(tǒng)靈活調(diào)節(jié)需求后，RIES中市場主體可通過調(diào)度靈活調(diào)節(jié)資源預(yù)留容量提供FRP，其實(shí)現(xiàn)形式為

聯(lián)合運(yùn)行市場通過上述機(jī)制激勵(lì)市場主體提供FRP，市場主體可利用源荷雙端多能互補(bǔ)特性進(jìn)一步發(fā)掘RIES中的可調(diào)度靈活調(diào)節(jié)資源。

3 聯(lián)合運(yùn)行市場機(jī)制下的多主體互動(dòng)決策模型

3.1 多主體互動(dòng)決策模型雙層結(jié)構(gòu)

為實(shí)現(xiàn)所提聯(lián)合運(yùn)行市場機(jī)制，以提升系統(tǒng)運(yùn)行靈活性，建立如圖3所示的多主體雙層互動(dòng)決策模型來求解市場均衡。該模型體現(xiàn)了市場運(yùn)行時(shí)具有外層非合作博弈競爭，內(nèi)層出清與內(nèi)、外層互動(dòng)等特點(diǎn)。內(nèi)、外層間的互動(dòng)以交換出清決策與報(bào)價(jià)決策的形式進(jìn)行：模型外層包括IECA和多個(gè)MIEGI，它們在聯(lián)合運(yùn)行市場中競價(jià)，根據(jù)內(nèi)層傳送的歷史出清結(jié)果進(jìn)行策略性報(bào)價(jià)，并整合自身資源提供電能、熱能與FRP產(chǎn)品，參與非合作博弈以最大化自身利潤；模型內(nèi)層為RIESO，當(dāng)外層所有主體的報(bào)價(jià)策略傳送至內(nèi)層后，據(jù)此在聯(lián)合運(yùn)行市場中進(jìn)行出清，在區(qū)域綜合能源系統(tǒng)潮流約束與靈活調(diào)節(jié)資源供需平衡約束下，以用能成本最小為目標(biāo)進(jìn)行優(yōu)化，形成含各主體中標(biāo)容量與相應(yīng)中標(biāo)價(jià)格的出清結(jié)果，并將其傳送至外層。

圖3 多主體互動(dòng)決策模型雙層結(jié)構(gòu)

3.2 外層非合作博弈模型

雙層互動(dòng)決策決定了外層主體的目標(biāo)函數(shù)為其決策變量的隱函數(shù)，其決策變量為對(duì)電能、熱能的報(bào)價(jià)系數(shù)與可提供的電能、熱能以及上、下行FRP的容量范圍，且均受外層模型約束條件的約束。

3.2.1 MIEGI優(yōu)化競價(jià)模型

在聯(lián)合運(yùn)行市場機(jī)制下競價(jià)時(shí)，MIEGI可通過調(diào)度CHP機(jī)組提供FRP。而由于CHP機(jī)組供應(yīng)電能與FRP服務(wù)時(shí)在容量上存在耦合，因此MIEGI除了受可再生能源電出力、GB熱出力等技術(shù)出力約束外，還受改進(jìn)的CHP機(jī)組出力與爬坡條件約束。

3.2.2 IECA優(yōu)化競價(jià)模型

IL與AL通過在一定范圍內(nèi)調(diào)節(jié)對(duì)供電與供熱指標(biāo)的要求來提供FRP，提供的FRP容量約束為

3.3 內(nèi)層統(tǒng)一出清模型

RIESO在進(jìn)行出清之前，需在聯(lián)合運(yùn)行市場供需平衡約束、系統(tǒng)潮流約束以及市場主體中標(biāo)容量約束下進(jìn)行運(yùn)行校核。

RIESO出清目標(biāo)為RIES的用能總成本最小，決策變量為RIESO向各主體分配的電能、熱能以及上、下行FRP的容量。

除了受式（1）～式（4）所示的聯(lián)合運(yùn)行市場供需平衡約束，RIESO市場出清還受以下條件約束。

1）節(jié)點(diǎn)潮流約束

2）電力系統(tǒng)支路傳輸極限約束

3）供熱系統(tǒng)支路傳輸損耗及節(jié)點(diǎn)溫度上、下限約束

4）市場主體中標(biāo)容量范圍約束

3.4 多主體互動(dòng)決策模型求解算法

所提雙層互動(dòng)決策模型中，自身以及其他主體的報(bào)價(jià)策略變化都將通過決策互動(dòng)影響內(nèi)層出清結(jié)果，從而改變其目標(biāo)函數(shù)值。因此，當(dāng)所有市場主體策略都不再發(fā)生變化，說明此時(shí)的報(bào)價(jià)策略使得全部主體得到最優(yōu)利潤，博弈達(dá)到納什均衡，否則將會(huì)有主體改變報(bào)價(jià)策略以達(dá)到更高的利潤。當(dāng)外層的報(bào)價(jià)決策不再變化時(shí)，內(nèi)層RIESO判斷市場達(dá)到納什均衡，從而結(jié)束內(nèi)、外層互動(dòng)決策過程并形成最終出清結(jié)果。

針對(duì)模型的特征，分層進(jìn)行求解，具體流程如附圖1所示。其中，針對(duì)外層的非合作博弈模型的求解，采用Q-learning算法[20-21]，目標(biāo)是使市場主體在多次互動(dòng)決策中積累經(jīng)驗(yàn)，逐漸收斂到最優(yōu)決策，實(shí)現(xiàn)自身利潤的最大化；針對(duì)內(nèi)層的優(yōu)化出清模型求解，采用路徑跟蹤內(nèi)點(diǎn)法求解[22]，目標(biāo)是使RIESO在互動(dòng)決策中根據(jù)報(bào)價(jià)決策進(jìn)行出清，并形成最小化全區(qū)域內(nèi)用能成本的出清結(jié)果。

4 算例分析

4.1 仿真參數(shù)設(shè)置

為驗(yàn)證所提雙層互動(dòng)決策模型的有效性，選取如附圖2所示的RIES進(jìn)行仿真分析，仿真程序通過Matlab R2016a編寫，仿真計(jì)算機(jī)CPU為Intel（R）Core（TM）i5-6500H，RAM為16.0GB。RIES由IEEE 33節(jié)點(diǎn)配電系統(tǒng)與32節(jié)點(diǎn)供熱系統(tǒng)耦合構(gòu)成。MIEGI內(nèi)部設(shè)備與設(shè)備運(yùn)行參數(shù)見附表1。需要指出的是，CHP機(jī)組的成本函數(shù)與火電機(jī)組不同，其天然氣耗量函數(shù)見文獻(xiàn)[19]，對(duì)應(yīng)關(guān)系為：MIEGI 1→機(jī)組2，MIEGI 2→機(jī)組3，MIEGI 3→機(jī)組1。CHP機(jī)組的電、熱產(chǎn)能也非單純的線性關(guān)系，典型CHP機(jī)組的運(yùn)行域如附圖3所示，其邊際產(chǎn)能成本受運(yùn)行點(diǎn)的影響，當(dāng)其處于運(yùn)行域邊界時(shí)，機(jī)組的經(jīng)濟(jì)性會(huì)發(fā)生改變。

4.2 多主體互動(dòng)決策結(jié)果分析

采用附圖1所示算法求解所提模型中外層市場主體博弈結(jié)果和內(nèi)層RIESO出清結(jié)果，模型互動(dòng)決策過程如圖4所示。各市場主體的值在92次學(xué)習(xí)之后即收斂到0，RIES用能成本也隨博弈的進(jìn)行而逐漸達(dá)到最低，博弈過程用時(shí)543.89s達(dá)到納什均衡。

圖4 多主體互動(dòng)決策過程

用能成本最低時(shí)的聯(lián)合運(yùn)行市場出清結(jié)果如圖5所示，可據(jù)此分析各市場主體的互動(dòng)決策機(jī)理。

1）在第41～50個(gè)競價(jià)時(shí)段內(nèi)，由于MIEGI 3中的光伏出力在短時(shí)間內(nèi)增長很快，凈負(fù)荷曲線向下變化，系統(tǒng)下行靈活調(diào)節(jié)需求增加，如圖5c所示。在此時(shí)段，由于機(jī)會(huì)成本更低，MIEGI 1、MIEGI 3中的CHP機(jī)組與IECA中標(biāo)，預(yù)留下行靈活調(diào)節(jié)容量，系統(tǒng)能夠消納更多的可再生能源，因此圖5a中MIEGI 3的光伏出力接近最大值。同時(shí)，圖5b所示熱能出清結(jié)果中，由于CHP機(jī)組在運(yùn)行域內(nèi)熱電比可調(diào)，各MIEGI通過優(yōu)化出力，仍可以維持熱能供需平衡。

圖5 聯(lián)合運(yùn)行市場出清結(jié)果

2）在第58～70個(gè)競價(jià)時(shí)段內(nèi)，圖5c中系統(tǒng)上行靈活調(diào)節(jié)需求增加。此時(shí)MIEGI 1、MIEGI 3與IECA靈活調(diào)節(jié)能力不足，RIESO還向MIEGI 2分配了上行FRP中標(biāo)容量，MIEGI 2中的CHP機(jī)組開機(jī)，如圖5a所示。由于區(qū)域內(nèi)電能供應(yīng)可以平衡電能需求，RIESO向電力批發(fā)市場購買電能減少。圖5b的熱能出清結(jié)果中，由于MIEGI 2中的CHP機(jī)組處于附圖3所示運(yùn)行域的D點(diǎn)，熱出力調(diào)節(jié)受限，RIESO基于維持聯(lián)合運(yùn)行市場供需平衡及優(yōu)化用能成本，減少了MIEGI 3的中標(biāo)熱出力。

當(dāng)模型外層的博弈結(jié)束時(shí)，市場主體MIEGI 1～3及IECA在競價(jià)周期內(nèi)的總中標(biāo)情況見表1。

表1 競價(jià)周期內(nèi)各市場主體的總中標(biāo)情況

Tab.1 Clearing results for all market players（單位：＄）

MIEGI 1邊際產(chǎn)能成本較低，不作為邊際機(jī)組出清，在電、熱能量市場中的中標(biāo)量較高，收入也較高。MIEGI 2中的CHP機(jī)組由于邊際產(chǎn)能成本較高，開機(jī)時(shí)會(huì)作為邊際機(jī)組出清，因此在熱能市場中的中標(biāo)量要低于MIEGI 3。但由于其啟動(dòng)速度快，且具有快速調(diào)節(jié)能力，使得MIEGI 2傾向于參與FRP市場來提高利潤。對(duì)于MIEGI 3，雖然因?yàn)楣夥隽杏诎滋?，造成其在電能市場中的中?biāo)量較低，但由于產(chǎn)能成本低于MIEGI 2，所以利潤更大。而相對(duì)于CHP機(jī)組，IECA作為機(jī)會(huì)成本更低的靈活調(diào)節(jié)資源，在FRP市場中具有較強(qiáng)的競爭力。

4.3 RIES運(yùn)行靈活性提升驗(yàn)證

為驗(yàn)證聯(lián)合運(yùn)行市場機(jī)制下所提模型對(duì)提升RIES運(yùn)行靈活性的有效性，從區(qū)域內(nèi)可再生能源的棄風(fēng)棄光量、RIES用能成本以及競價(jià)周期內(nèi)能源平均價(jià)格三個(gè)方面進(jìn)行分析，設(shè)置以下三種情景：

情景1：市場主體為MIEGI 1、MIEGI 2、MIEGI 3，在電、熱能量市場中競價(jià)，僅考慮CHP機(jī)組在電、熱能源上的耦合作用。

情景2：市場主體為MIEGI 1、MIEGI 2、MIEGI 3，在電、熱能量市場與FRP市場的聯(lián)合運(yùn)行市場中競價(jià)，僅考慮CHP機(jī)組在電、熱能源上的耦合作用。

情景3：市場主體為MIEGI 1、MIEGI 2、MIEGI 3與IECA，在電、熱能量市場與FRP市場的聯(lián)合運(yùn)行市場中競價(jià)，考慮CHP機(jī)組在電、熱能源上的耦合作用與能源替代負(fù)荷的電、熱替代作用。

4.3.1 競價(jià)周期內(nèi)棄風(fēng)棄光量對(duì)比

三種情景下可再生能源的棄風(fēng)棄光量見表2。相比情景1，情景2的棄風(fēng)棄光量減少46.88%。因?yàn)榍榫?引入FRP市場聯(lián)合運(yùn)行，激勵(lì)各市場主體提供靈活調(diào)節(jié)資源，提高系統(tǒng)運(yùn)行靈活性以消納更多的可再生能源。而與情景2相比，情景3的棄風(fēng)棄光量進(jìn)一步減少13.60%，這是由于在IECA參與FRP市場的過程中，能源替代負(fù)荷在一定程度上改變了負(fù)荷的波動(dòng)量，減少了系統(tǒng)為應(yīng)對(duì)凈負(fù)荷波動(dòng)性的靈活調(diào)節(jié)需求，從而增加了可再生能源的消納。

表2 可再生能源棄風(fēng)棄光量對(duì)比

Tab.2 Comparison of renewable energy curtailment

4.3.2 競價(jià)周期內(nèi)RIES用能成本對(duì)比

三種情景下RIES的用能成本見表3。相比于情景1，情景2全區(qū)域內(nèi)總用能成本下降了2.06%，情景3下降了3.85%。這是由于與情景1相比，情景2與情景3中能源市場的平均能源價(jià)格下降，電能與熱能成本減少，RIESO向批發(fā)市場購買的電能減少，盡管增加了RIESO購買FRP的成本，但總用能成本仍然減少。另外，在情景3中，由于IECA的加入降低了RIESO購買FRP的成本，總用能成本進(jìn)一步下降。

表3 RIES用能成本對(duì)比

Tab.3 Comparison of energy cost in RIES（單位：＄）

4.3.3 競價(jià)周期內(nèi)能源平均價(jià)格對(duì)比

三種情景下競價(jià)周期內(nèi)電能、熱能平均價(jià)格如圖6所示。能量市場能源價(jià)格變化反映供能及負(fù)荷的波動(dòng)。因此，相對(duì)于電能市場，由于熱能市場的供熱設(shè)備為MIEGI內(nèi)部可調(diào)的CHP機(jī)組，其能源平均價(jià)格在競價(jià)周期內(nèi)波動(dòng)較小。

圖6a中情景1的價(jià)格尖峰時(shí)段分別在第28、43、47、67、71、80以及85個(gè)競價(jià)時(shí)段。這是因?yàn)榍榫?中沒有引入FRP市場機(jī)制，市場主體無法預(yù)留容量優(yōu)化出力，造成系統(tǒng)可調(diào)度靈活調(diào)節(jié)資源較少：在系統(tǒng)對(duì)下行靈活調(diào)節(jié)需求增加時(shí)，無法消納可再生能源，棄風(fēng)棄光懲罰造成平均電價(jià)升高；在系統(tǒng)對(duì)上行靈活調(diào)節(jié)需求增加時(shí)，無法跟隨負(fù)荷，盡管RIES可從批發(fā)市場購買電能，平均電價(jià)不會(huì)疊加切負(fù)荷懲罰，但批發(fā)市場電價(jià)較高，仍然提高了電能價(jià)格。

情景2中引入FRP機(jī)制后，尖峰電價(jià)出現(xiàn)時(shí)段減少，這是因?yàn)镽IESO優(yōu)化了出清結(jié)果，減少了棄風(fēng)棄光量與批發(fā)市場電能購買量，降低了平均電能價(jià)格。從第43個(gè)競價(jià)時(shí)段開始，MIEGI 2中的CHP機(jī)組停機(jī)，圖6b中的第43～50個(gè)競價(jià)時(shí)段內(nèi)，情景2中的平均熱能價(jià)格要顯著低于情景1，這是由于MIEGI 2的停機(jī)造成出清節(jié)點(diǎn)能價(jià)變低。

圖6 不同情景下電、熱能量市場平均能價(jià)

對(duì)比情景2，情景3中電能市場的價(jià)格尖峰全部消失，這是因?yàn)镮ECA在參與FRP市場后，進(jìn)一步增加了RIES內(nèi)的可調(diào)度靈活調(diào)節(jié)資源。而RIESO在進(jìn)行市場出清時(shí)，更加傾向于將FRP中標(biāo)容量分配給機(jī)會(huì)成本更低的IECA。在第43～58個(gè)時(shí)段內(nèi)，RIES內(nèi)的可再生能源消納量增加，MIEGI 2的CHP機(jī)組在線時(shí)間被繼續(xù)壓縮，圖6中電、熱能量市場的平均能價(jià)也隨之下降。

4.4 敏感性分析

4.4.1 凈負(fù)荷預(yù)測置信度敏感性分析

凈負(fù)荷預(yù)測置信度反映了系統(tǒng)應(yīng)對(duì)不確定性的靈活調(diào)節(jié)需求。為分析其對(duì)系統(tǒng)運(yùn)行靈活性的影響，以情景3為基礎(chǔ)，將置信度從70%以5%為步長增加至95%。圖7為區(qū)域用能成本與棄風(fēng)棄光量隨置信度的變化趨勢。

可以看出，隨著置信度的增加，區(qū)域用能成本與棄風(fēng)棄光量呈現(xiàn)先減少后增加的情況。這是因?yàn)楫?dāng)置信度超過一定閾值時(shí)，靈活調(diào)節(jié)資源已經(jīng)無法滿足系統(tǒng)的靈活調(diào)節(jié)需求，運(yùn)行靈活性反而降低。另外，區(qū)域用能成本與棄風(fēng)棄光量的變化并不同步，這是由于置信度為90%時(shí)要調(diào)用MIEGI 2的CHP機(jī)組滿足靈活調(diào)節(jié)需求，導(dǎo)致運(yùn)行成本增加。由此可見，選擇合理的置信度確定系統(tǒng)的靈活調(diào)節(jié)需求，才能夠最大限度地提高運(yùn)行靈活性。

圖7 置信度敏感性分析

4.4.2 用電、用熱變化滿意度敏感性分析

圖8 用電、用熱變化滿意度敏感性分析

5 結(jié)論

本文提出一種提升RIES運(yùn)行靈活性的聯(lián)合市場運(yùn)行機(jī)制，在該機(jī)制下，建立外層多個(gè)市場主體博弈、內(nèi)層RIESO出清的互動(dòng)決策模型，通過算例仿真，得出如下結(jié)論：

1）將FRP市場引入電、熱能量市場，建立聯(lián)合運(yùn)行市場機(jī)制，可以促進(jìn)RIES內(nèi)可再生能源的消納，減少區(qū)域用能總成本，有效降低競價(jià)周期內(nèi)能源平均價(jià)格，從而顯著提高RIES的運(yùn)行靈活性。

2）建立含多市場主體的雙層互動(dòng)決策模型，能夠有效求解聯(lián)合運(yùn)行市場均衡，互動(dòng)決策結(jié)果表明FRP機(jī)制能夠有效激勵(lì)主體調(diào)度靈活調(diào)節(jié)資源參與FRP市場、優(yōu)化競價(jià)決策。

3）需求側(cè)IECA具有提供FRP的能力，其參與市場在豐富市場主體類型的同時(shí)，進(jìn)一步降低區(qū)域用能成本并優(yōu)化機(jī)組運(yùn)行，說明主體多樣化的市場環(huán)境能夠促進(jìn)RIES聯(lián)合運(yùn)行市場的健康發(fā)展。

附 錄

附圖1 納什均衡求解流程

App.Fig.1 Nash equilibrium solution process

附圖2 區(qū)域電熱綜合能源系統(tǒng)

App.Fig.2 RIES of electrical-thermal energy

附表1 MIEGI內(nèi)部設(shè)備運(yùn)行參數(shù)

App.Tab.1 The operating parameter of each device in MIEGI

主體MIEGI 1MIEGI 2MIEGI 3 設(shè)備CHPCHP風(fēng)電CHP光伏 節(jié)點(diǎn)E3E4E4E32E32 /kW1600800800800800 /kW60040004000 /(kW/15min)501000700 運(yùn)行域/kWA(1550, 1550)(1 200, 700)—(1 200, 700)— B(0, 1600)(0, 800)—(0, 800)— C(0, 1200)(0, 500)—(0, 500)— D(600, 600)(600, 400)—(600, 400)—

附圖3 CHP機(jī)組運(yùn)行域

App.Fig.3 Operation region of CHP unit

附圖4 RIES內(nèi)可再生能源出力預(yù)測

App.Fig.4 Renewable energy output forecast in RIES

附圖5 RIES內(nèi)電熱負(fù)荷預(yù)測

App.Fig.5 Electrical and thermal load forecast in RIES

[1]余曉丹, 徐憲東, 陳碩翼, 等. 綜合能源系統(tǒng)與能源互聯(lián)網(wǎng)簡述[J]. 電工技術(shù)學(xué)報(bào), 2016, 31(1): 1-13. Yu Xiaodan, Xu Xiandong, Chen Shuoyi, et al. A briefreview to integrated energy system and energy-yinternet[J]. Transactions of China Electrotechnical Society, 2016, 31(1): 1-13.

[2]韓佶, 苗世洪, 李超, 等. 計(jì)及相關(guān)性的電-氣-熱綜合能源系統(tǒng)概率最優(yōu)能量流[J]. 電工技術(shù)學(xué)報(bào)，2019, 34(5): 1055-1067. Han Ji, Miao Shihong, Li Chao, et al. Probabilistic optimal energy flow of electricity-gas-heat integrated energy system considering correlation[J]. Transactions of China Electrotechnical Society, 2019, 34(5): 1055-1067.

[3]Wang Beibei, Hobbs B F. Real-time markets for flexiramp: a stochastic unit commitment-based analysis[J]. IEEE Transactions on Power Systems, 2016, 31(2): 846-860.

[4]郭鴻業(yè), 陳啟鑫, 夏清, 等. 電力市場中的靈活調(diào)節(jié)服務(wù)：基本概念、均衡模型與研究方向[J]. 中國電機(jī)工程學(xué)報(bào), 2017, 37(11): 3057-3066.Guo Hongye, Chen Qixin, Xia Qing, et al. Flexible ramping product in electricity markets: basic concept, equilibrium model and research prospect[J]. Proceedings of the CSEE, 2017, 37(11): 3057-3066.

[5]王成山, 李鵬, 于浩. 智能配電網(wǎng)的新形態(tài)及其靈活性特征分析與應(yīng)用[J]. 電力系統(tǒng)自動(dòng)化, 2018, 42(10)：13-21. Wang Chengshan, Li Peng, Yu Hao. Development and characteristic analysis of flexibility in smart distribution network[J]. Automation of Electric Power Systems, 2018, 42(10): 13-21.

[6]王蓓蓓, 叢小涵, 高正平, 等. 高比例新能源接入下電網(wǎng)靈活性爬坡能力市場化獲取機(jī)制現(xiàn)狀分析及思考[J]. 電網(wǎng)技術(shù), 2019, 43(8): 2691-2701. Wang Beibei, Cong Xiaohan, Gao Zhengping, et al. Status analysis and thoughts of market-oriented acquisition mechanism on flexible ramp capability for power grid with high proportion of renewable energy[J]. Power System Technology, 2019, 43(8): 2691-2701.

[7]Cornelius A. Assessing the impact of flexible ramp capability products in the midcontinent ISO[D]. Durham, North Carolina: Duke University, 2014.

[8]Wu Chengye, Hug G, Kar S. A functional approach to assessing flexible ramping products' impact on electricity market[C]//Proceedings of 2015 IEEE Power & Energy Society Innovative Smart Grid Technologies Conference (ISGT), Washington, 2015: 1-5.

[9]Chen Qixin, Zou Peng, Wu Chenye, et al. A nash-cournot approach to assessing flexible ramping products[J]. Applied Energy, 2017, 206: 42-50.

[10]Sreekumar S, Sharma K C, Bhakar R. Gumbel copula based multi interval ramp product for power system flexibility enhancement[J]. International Journal of Electrical Power and Energy Systems, 2019, 112: 417-427.

[11]林鴻基, 閆園, 文福栓, 等. 高比例可再生能源電力系統(tǒng)中計(jì)及靈活調(diào)節(jié)產(chǎn)品的實(shí)時(shí)調(diào)度[J]. 電力建設(shè), 2019, 40(10): 18-27. Lin Hongji, Yan Yuan, Wen Fushuan, et al. Real-time dispatch considering flexible ramping products in a power system with high proportion of renewable energy generation[J]. Electric Power Construction, 2019, 40(10): 18-27.

[12]林凱駿, 吳俊勇, 劉迪, 等. 基于雙層Stackelberg博弈的微能源網(wǎng)能量管理優(yōu)化[J]. 電網(wǎng)技術(shù), 2019, 43(3): 974-981. Lin Kaijun, Wu Junyong, Liu Di, et al. Energy management optimization of micro energy grid based on hierarchical Stackelberg game theory[J]. Power System Technology, 2019, 43(3): 943-981.

[13]郝然, 艾芊, 姜子卿. 區(qū)域綜合能源系統(tǒng)多主體非完全信息下的雙層博弈策略[J]. 電力系統(tǒng)自動(dòng)化, 2018, 42(4): 194-201. Hao Ran, Ai Qian, Jiang Ziqing. Bi-level game strategy for multiagent with incomplete information in regional integrated energy system[J]. Automation of Electric Power Systems, 2018, 42(4): 194-201.

[14]施錦月, 許健, 曾博, 等. 基于熱電比可調(diào)模式的區(qū)域綜合能源系統(tǒng)雙層優(yōu)化運(yùn)行[J]. 電網(wǎng)技術(shù), 2018, 40(10): 2959-2966. Shi Jinyue, Xu Jian, Zeng Bo, et al. A bi-level optimal operation for energy hub based on regulating heat-to-electric ratio mode[J]. Power System Technology, 2018, 40(10): 2959-2966.

[15]Wei Feng, Jing Zhaoxia, Wu P Z, et al. A Stackelberg game approach for multiple energies trading in integrated energy systems[J]. Applied Energy, 2017, 200: 315-329.

[16]陳柏翰, 馮偉, 孫凱, 等. 冷熱電聯(lián)供系統(tǒng)多元儲(chǔ)能及孤島運(yùn)行優(yōu)化調(diào)度方法[J]. 電工技術(shù)學(xué)報(bào), 2019, 34(15): 3231-3243. Chen Bohan, Feng Wei, Sun Kai, et al. Multi-energy storage system and islanded optimal dispatch method of CCHP[J]. Transactions of China Electrotechnical Society, 2019, 34(15): 3231-3243.

[17]王洪坤, 王守相, 潘志新, 等. 含高滲透分布式電源配電網(wǎng)靈活性提升優(yōu)化調(diào)度方法[J]. 電力系統(tǒng)自動(dòng)化, 2018, 42(15): 86-93. Wang Hongkun, Wang Shouxiang, Pan Zhixin, et al. Optimized dispatching method for flexibility improvement of distribution network with high-penetration distributed generation[J]. Automation of Electric Power Systems, 2018, 42(15): 86-93.

[18]Wang Qin, Hodge B. Enhancing power system operational flexibility with flexible ramping products: a review[J]. IEEE Transactions on Industrial Informatics, 2017, 13(4): 1652-1664.

[19]張義志, 王小君, 和敬涵, 等. 考慮供熱系統(tǒng)建模的綜合能源系統(tǒng)最優(yōu)能流計(jì)算方法[J]. 電工技術(shù)學(xué)報(bào), 2019, 34(3): 562-570. Zhang Yizhi, Wang Xiaojun, He Jinghan, et al. Optimal energy flow calculation method of integrated energy system considering thermal system modeling[J]. Transactions of China Electrotechnical Society, 2019, 34(3): 562-570.

[20]劉國靜, 韓學(xué)山, 王尚, 等. 基于強(qiáng)化學(xué)習(xí)方法的風(fēng)儲(chǔ)合作決策[J]. 電網(wǎng)技術(shù), 2016, 40(9): 2729-2736. Liu Guojing, Han Xueshan, Wang Shang, et al. Optimal decision-making in the cooperation of wind power and energy storage based on reinforcement learning algorithm[J]. Power System Technology, 2016, 40(9): 2729-2736.

[21]Zhang Xiaoshun, Bao Tao, Yu Tao, et al. Deep transfer Q-learning with virtual leader-follower for supply-demand Stackelberg game of smart grid[J]. Energy, 2017, 133: 348-365.

[22]王錫凡, 方萬良, 杜正春. 現(xiàn)代電力系統(tǒng)分析[M]. 北京: 科學(xué)出版社, 2003.

[23]李昊飛, 余濤, 瞿凱平, 等. 綜合負(fù)荷聚合商參與的配電—?dú)饽茉聪到y(tǒng)供需互動(dòng)均衡模型[J]. 電力系統(tǒng)自動(dòng)化, 2019, 43(19): 32-41. Li Haofei, Yu Tao, Qu Kaiping, et al. Interactive equilibrium supply and demand model for electricity-gas energy distribution system with participation of integrated load aggregator[J]. Automation of Electric Power Systems, 2019, 43(19): 32-41.

Multi-Player Interactive Decision-Making Model for Operational Flexibility Improvement of Regional Integrated Energy System

Wang Xuechun Chen Hongkun Chen Lei

（School of Electrical Engineering and Automation Wuhan University Wuhan 430072 China）

With the large-scale of the micro energy network containing renewable energy integrated into the regional integrated energy system (RIES), its fluctuation and uncertainty confront the flexibility of the system with significant challenge. In view of this problem, a multi-player bi-level interactive decision-making model was proposed based on the co-operating market mechanism. Firstly, the flexible ramping requirements in RIES operation were specified, and the applicability of flexible ramping product (FRP) to meet the requirements was analyzed from the market aspect. Secondly, the FRP market was introduced to co-operate with the electrical and thermal energy market, then a co-operating market mechanism was carried out to stimulate the market players in both source and demand side to dispatch the flexible ramping resources. In order to solve the Nash equilibrium of the market, a multi-player interactive decision model of non-cooperative game of multiple market players in the external level and clearing of RIES operators in the internal level was established. Q-learning algorithm and path tracking interior point method were adopted to solve the external and internal layer models, respectively. Finally, a numerical example of combined electrical-thermal RIES was used to carry out a comparative analysis of multiple scenarios. The results show that the proposed method can reduce renewable energy curtailment, the total energy cost and the average energy price, thus improving the system operational flexibility effectively.

Regional integrated energy system, operational flexibility, flexible ramping product, co-operating market, interactive decision-making

TM732

10.19595/j.cnki.1000-6753.tces.200337

國家重點(diǎn)研發(fā)計(jì)劃資助項(xiàng)目（2018YFB0904800）。

2020-04-08

2020-08-06

王雪純 女, 1994年生, 博士研究生, 研究方向?yàn)榫C合能源市場、電力系統(tǒng)運(yùn)行與控制等。E-mail：wangxuechun@whu.edu.cn

陳紅坤 男, 1967年生, 教授, 博士生導(dǎo)師, 研究方向?yàn)殡娏ο到y(tǒng)運(yùn)行與控制, 電能質(zhì)量分析等。E-mail：chkinsz@163.com（通信作者）

（編輯 赫蕾）