基于双向拍卖的多微电网协调优化调度

基于双向拍卖的多微电网协调优化调度
伍雨柔;程杉;魏荣宗
【摘要】将区域内多个单微电网互联构成多微电网系统是解决单微电网运行所面临诸多问题的有效方式之一.本文提出一种基于改进双向拍卖的多微电网能量协调优化调度模型.该模型首先以多微电网系统的综合成本最小为目标,优化计算各微电网与其他微电网和配电网的交互功率之和;其次,基于改进的双向拍卖买卖模型,协调微电网与其他微电网和配电网间的交互功率分配,满足各微电网的供需平衡,通过多微电网间的能量交互降低系统运行成本并减少对配电网系统的影响.算例结果表明,多微电网系统内能量互济,总运行成本降低,由此验证了所提出模型的有效性与经济性.
【期刊名称】《电力系统及其自动化学报》
【年(卷),期】2019(031)003
【总页数】6页(P96-101)
【关键词】多微电网;双向拍卖;优化调度;电力市场
【作者】伍雨柔;程杉;魏荣宗
【作者单位】新能源微电网湖北省协同创新中心(三峡大学),宜昌 443002;新能源微电网湖北省协同创新中心(三峡大学),宜昌 443002;台湾科技大学,台北 10607【正文语种】中文
【中图分类】TM731
微电网是提高可再生能源渗透率的有效载体，具有经济、环保等优势[1-3]。

微电网并网运行增强了其灵活性，但单微电网承受扰动的能力不足，区域多微网互联，能够有效提高多微电网系统整体运行效益[4-6]。

多微电网之间的能量交互是目前研究的重要内容之一。

文献[7]提出了一种基于代理的需求侧管理框架，通过允许相邻微电网相互交易来缩短微电网的供需差距。

文献[8]则建立了非合作博弈的多微电网交易模型，可定量分析配电网、政府的各类调控手段对微电网之间交易的影响。

而文献[9]建立了买卖双方多个主体参与的竞价交易机制，使其售购电身份随实时电价、负荷需求变化。

这些研究均基于市场机制的灵活性和有效性来实现多微电网系统资源分配。

事实上，在经济学领域，双向拍卖机制是一种较为普遍的市场机制，它的特性能够实现资源高效分配，并且可以保证协调分配的有效性。

但以往的研究缺乏对拍卖参与方的供给能力和策略行为的考虑。

基于以上考虑，本文基于改进的双向拍卖交易机制，提出了多微电网能量管理竞价优化策略。

针对整个多微电网系统，采用改进的双向拍卖机制，解决交易过程中规则、秩序等问题，协调多个微电网之间以及配电网和微电间的功率分配，在增强微电网之间能量交互的同时达到整体效益最优。

1 多微电网系统协调优化调度框架
图1为多微电网系统的协调优化调度框架，其中的能量资源由配电网和各个微电网内部的分布式能源和储能系统组成，包括分布式传统燃料发电机和可再生能源（例如光伏和风力发电机）。

图1 多微电网系统协调优化调度框架Fig.1 Coordinated optimization scheduling framework of multi-microgrid system
多微电网系统通过调度中心和双向拍卖机制协调各微电网间和各微电网与配电网间的交互功率，实现资源的有效分配。

首先，对微电网内部出力以及储能系统充放电
进行优化，并在各个时段向双向拍卖机制上报需交互的功率。

然后，各微电网通过重复竞争确定自己每一轮的价格，双向拍卖机制进行优选直到满足各微电网的供需平衡，实现整体效益的最大化。

最后，双向拍卖机制将最优交易结果传达给调度中心，调度中心通过所得到的信息对微电网和配电网进行调度。

2 微电网功率优化模型
本文提出的基于双向拍卖的多微电网优化调度模型以微电网内部综合成本和多微电网整体的经济性为目标函数，在满足不等式约束和多微电网系统供需平衡前提下优化各个微电网内的微源出力。

2.1 发电成本
设第i个微电网在t时刻其分布式能源的出力为Pi,t，忽略可再生能源的发电成本，则发电成本函数通常近似于二次凸函数[10]，即
式中：ai、bi、ci均为大于0的成本系数；分别为第i个微电网内部分布式能源出力的上、下限。

2.2 储能成本
储能设备通过平移负荷，不仅实现了微电网的供需平衡，还减少了网损，提高了系统运行的稳定性[11]。

储能设备的充放电模型和所需成本分别为
式中：Pc和Pd分别为电池充、放电功率；Δt为时间间隔长度；ηc和ηd分别为充、放电效率；cbat,i为第i个微电网中储能设备的平均单位投资成本；Pbat,i,t
为第i个微电网在第t个时间段的交互功率。

但考虑到蓄电池寿命等因素，储能设备不允许过充过放，即需满足
式中：Ebat,i,t为第i个微电网前t个时间段的充、放电之和；分别为储能设备充
放电的最小、最大功率。

2.3 环境成本
燃气轮机排放污染气体会对环境造成污染，因此在追求经济效益的同时有必要考虑环境综合处理费用。

将排放的污染气体折合成环境成本，第i个微电网在第t个时间段的环境成本可表示为
式中：J为排放污染气体的种类；xm和ym分别为第m种污染气体一次项和二次项对应的排放速率，m3/h；vm为第m种污染气体排放惩罚因子，元/m3。

2.4 目标函数
综上，各微电网的综合发电成本可以表示为
电能充裕的微电网可以将多余电能出售给其他微电网和/或配电网，对于无法满足自身需求的微电网可以通过购电来满足自身供需平衡，即满足
式中：Ptl,i,t为第i个微电网在t时间段的总负荷；Pw,i,t为各微电网之间的交易功率之和；Pp,i,t为微电网与配电网之间的交易功率。

微电网与配电网和其他微电网之间的交易成本分别表示为
式中：kt和φtkt分别为配电网的售电和购电价格；φt为价格弹性系数；ω和γ分别为微电网的期望电价（售电价格）和购电价格。

综上，L个微电网功率优化模型的目标函数为最小化多微电网综合发电成本与电能交易成本之和，即
3 双向拍卖交易模型
在多微电网交易的过程中，配电网在分时段的售电价格是一定的，而当微电网之间交易价格发生变化时，功率不足的微电网会更倾向于从电价较低的一方买电。

为了保持稳定的秩序和防止各微电网采用恶性竞价的方式来提高自己的收益，干扰对电能的公平交易或分配，需要建立一种动态的管理方法来实现资源分配的有效性。

双向拍卖机制是解决网格资源分配的有效途径，它的灵活性和有效性保证了资源的高效分配。

针对多微电网的模型，结合多单元连续双向拍卖机制[12]，本文建立了基于改进的双向拍卖买卖模型来解决多微电网交易过程中规则、秩序等问题。

3.1 买卖双方
针对式（8）中的进行分析，将的微电网定义为买方集合B={b 1,b2,…,bN}，即有
N个微电网无法自给自足，需要从其他微电网或/和配电网购电；将的微电网定义
为卖方集合S={s 1,s2,…,sM}，即有M个微电网满足自身的负荷需求后仍持有多
余清洁能源的微电网，bi和sj分别为集合中各自对应的微电网。

3.2 底价与报价计算
交易时，买卖双方i和j需要先计算出各自底价bi和sj，其计算公式分别为
式中：ωt为价格弹性系数；αt为卖方的成本系数。

买方在交易期间报价不能高于其底价，卖方在交易期间的报价不能少于其成本，买、卖双方的报价计算公式分别为
式中：Mi,t和Mj,t分别为买方i和卖方j在t时刻的报价；nt为t时刻买方的最高出价；mt为t时刻卖方的最低出价；τi,t和τj,t分别为在风险模型中计算的买方
和卖方的目标价格；η∈[1，∞）；ct为报价的轮次，直到不需要进行下一轮的交易，则交易结束。

3.3 目标报价计算
t时刻买方和卖方的目标价格计算公式分别为
式中：为基于上一轮交易历史，通过回归分析方法计算得到的t时刻的预测均衡价；θ为指数变化的速率，θ∈ [-1，+ ∞），一般根据经验取值为1；γt为最近的一
次报价对应的风险指数学习速率。

3.4 风险指数的调整
在风险模型中，风险指数γ(t)与期望风险指数δ(t)通过相互学习来调整数值，使其更快地适应系统环境，即
式中：β∈（0，1）；λ={-0.05,0.05}。

为了保证求解过程中对买卖双方交易秩序，需要约束每一时刻多微电网之间的交易行为，即微电网在某一时刻不能同时购电和售电，也就是买、卖方集合中的bi≠sj。

该约束保证了各微电网在买卖的调度过程中不会产生相反电能流向的决策。

3.5 拍卖交易过程
图2为双向拍卖交易流程示意，具体步骤如下。

步骤1 买卖双方分别公布各自的报价与供需电量。

双向拍卖机制将所得信息的价
格从低到高进行排列。

步骤2 若最高的购电单价大于或等于最低的售电单价，且买者的需求能在这一轮
交易中全部被满足时，则不需要进行下一轮的交易。

在一轮交易完成以后，记录交易的结果和交易后剩余电能和需求情况，根据所得到的信息更新价目信息表，进行下一轮的交易匹配。

步骤3 如果卖方的电量全部出售以后仍然无法满足买方电能需求，则拍卖机制直
接将配电网与其进行匹配，通过从配电网中购买电能来达到供需平衡。

反之，如果
需求侧的微电网满足需求后卖方还有剩余电能，则将剩余的电能卖给配电网。

图2 双向拍卖交易流程Fig.2 Flow chart of double-auction transaction
4 算例仿真分析
以一个含有3个微电网的配电网为例进行仿真分析，配电网分时电价和各微电网的参数分别如表1[13]、表2和图3所示，微电网内部燃气轮机气体排放参数参照文献[14]。

表1 配电网的分时电价Tab.1 Time-of-use price of distribution network时段/h 0-8 9-11 12-16电价/元0.49 0.83 0.49电价/元0.17 0.49 0.83时段/h 17-19 20-22 23-24
表2 各微电网的参数Tab.2 Parameters of each microgrid微电网a b c 123 0.182 0.134 0.140 30 22 29.5 46 34 23最大出力/kW 80 80 80最小出力/kW 10 10 10
图3 各个微电网的负荷情况Fig.3 Situation of load on each microgrid
作为对比分析，考虑以下几种调度策略。

策略1 以各微电网总经济费用最小为目标，但微电网内部没有储能设备，只考虑微电网与配电网之间的交易。

策略2 在策略1的基础上，各微电网内部加入储能设备。

策略3 在策略1和策略2的基础上，同时考虑微电网与微电网之间的交易。

应用粒子群优化算法优化得到各时段分布式能源和储能设备的最优值，分别如图4和图5所示，3种策略的总调度方案对比如图6（策略2、3重合）所示。

基于双向拍卖机制，即策略3对应的微电网买卖电情况如图7～图10所示。

图4 各微电网各时段的分布式电源优化结果Fig.4 Optimization results of distributed generation in each microgrid during different time periods
图5 各微电网各时段的储能优化结果Fig.5 Optimization results of energy
storage in each microgrid during different time periods
图6 3种策略的总调度对比Fig.6 Comparison of total scheduling under three strategies
图7 策略3中微电网1在其他微电网的买电情况Fig.7 Power purchased by Microgrid 1 from others ones under Strategy 3
图8 策略3中微电网2在其他微电网的买电情况Fig.8 Power purchased by Microgrid 2 from others ones under Strategy 3
图9 策略3中微电网3在其他微电网的买电情况Fig.9 Power purchased by Microgrid 3 from other ones under Strategy 3
图10 策略3中各微电网在配电网的买电情况Fig.10 Power purchased by microgrids from distribution network under Strategy 3
从图6和图10中可以看出，在低谷0—8时段各微电网会更多地从配电网买电，反之在高峰12—16时段储能设备处于放电状态。

从图5可知，储能设备有助于削峰填谷。

双向拍卖中，各微电网通过竞争学习不断更新自己每一轮次的报价，最终达到均衡稳定的状态。

由于低谷时段的电价和需求均要低于高峰时段，所以在低谷产生的费用较少。

3种策略下各微电网的分时段经济费用及其总经济费用比较如图11和图12所示。

可见，由于在低谷时段参与市场交易策略3不仅明显提升了微电网自身的经济效益，而且在很大程度上降低了整体的经济费用，也就是双向拍卖机制能够使各微电网在每一个时段发挥优势，实现系统内资源分配的有效性。

图11 策略2和3中各微电网分时段经济费用对比Fig.11 Comparison of economic cost during different time periods among different microgrids under Strategies 2 and 3
图12 3种策略下分时段总经济费用Fig.12 Total economic costs during
different time periods under three strategies
同时从图12可明显看出，在9—12时段，策略3的经济费用会大于策略2的总
费用，所以如果在策略3的9—12时段采用策略2能够得到更好的经济效益，即将策略2和策略3相结合的混合策略，其结果与其他3种策略比较如表3所示。

总之，储能设备和交易市场可以降低各微电网及多微电网系统所需要的经济费用。

表3 4种策略下各微网总经济费用比较Tab.3 Comparison of total economic cost among different microgrids under four strategies 元经济费用策略1策
略2策略3混合微电网1微电网2微电网3总计912.22 1 072.85 1 070.00 3 055.07 926.05 1 071.74 1 070.49 3 068.28 919.30 1 067.58 885.02 2 871.90 867.35 1 027.83 910.61 2 805.79
5 结论
本文基于改进的双向拍卖机制，构建了多微电网的协调优化调度模型，以最小化多微电网综合发电成本与电能交易成本之和为目标函数，优化各微电网与其他微电网和配电网的交互功率，通过双向拍卖机制对交互功率进行分配，基于算例分析与比较，可得：
（1）本文所提调度模型既在各微电网内协调了各微源出力，也通过交易市场实现了多微电网间及其与配电网间的能量交互，减少对配电网系统影响；
（2）在改进的双向拍卖机制中，各微电网根据所获取的信息不断更新自己的价格，匹配交易对象，获取自身效益最大化，并实现多微电网系统内资源的有效分配，降低总的经济成本。

【相关文献】
[1] 王成山，武震，李鹏（Wang Chengshan，Wu Zhen，Li Peng）.微电网关键技术研究（Research on key technolo⁃gies of microgrid）[J].电工技术学报（Transactions of Chi⁃na Electrotechnical Society），2014，29（2）：1-12.
[2] Saad W，Zhu Han，Poor H V，et al.Game-theoretic meth⁃ods for the smart grid：an overview of microgrid systems，demand-side management，and smart grid communications[J].IEEE Signal Processing Magazine，2012，29（5）：86-105.
[3] 燕振刚，张雪霞，刘晋勇，等（Yan Zhengang，Zhang Xuex⁃ia，Liu Jinyong，et al）.微网经济调度研究综述（Summa⁃ry of micro network economic scheduling）[J].四川电力技术（Sichuan Electric Power Technology），2017，40（2）：88-94.
[4] 李鹏，张雪松，赵波，等（Li Peng，Zhang Xuesong，Zhao Bo，et al）.多微网多并网点结构微网设计和模式切换控制策略（Structural design and mode switching control strategies of multi-microgrid with several PCCs）[J].电力系统自动化（Automation of Electric Power Systems），2015，39（9）：172-178.
[5] 许志荣，杨苹，何婷，等（Xu Zhirong，Yang Ping，He Ting，et al）.多微网典型特征及应用分析（Typical characteris⁃tics and application analysis of multi-microgrid）[J].现代电力（Modern Electric Power），2017，34（6）：9-15.
[6] Nunna H S V S K，Doolla S.Multiagent-based distributedenergy-resource management for intelligent microgrids[J].IEEE Trans on Industrial Electronics，2013，60（4）：1678-1687.
[7] Nunna K H S V S，Doolla S.Responsive end-user-based demand side management in multimicrogrid environment[J].IEEE Trans on Industrial Informatics，2014，10（2）：1262-1272.
[8] 赵敏，沈沉，刘锋，等（Zhao Min，Shen Chen，Liu Feng，et al）.基于博弈论的多微电网系统交易模式研究（A game-theoretic approach to analyzing power trading possi⁃bilities in multi-microgrids）[J].中国电机工程学报（Pro⁃ceedings of the CSEE），2015，35（4）：848-857.
[9] 白佩琳，雷霞，何建平，等（Bai Peilin，Lei Xia，He Jian⁃ping，et al）.多微电网系统的竞价机制设计（Design of bidding mechanism for multiple microgrids）[J].现代电力（Modern Electric Power），2017，34（6）：22-27.
[10] 贾星蓓，窦春霞，岳东，等（Jia Xingjiao，Dou Chunxia，Yue Dong，et al）.基于多代理系统的微电网多尺度能量管理（Multiple-time-scales optimal energy management in microgrid system based on multi-agent-system）[J].电工技术学报（Transactions of China Electrotechnical Society），2016，31（17）：63-73.
[11] 杨苹，许志荣，袁昊哲，等（Yang Ping，Xu Zhirong，Yuan Haozhe，et al）.考虑峰谷电价的串联结构光储型多微网经济运行（Economical operation of PV-ESS multi-mi⁃crogrid with series structure considering time-sharing price）[J].电力系统及其自动化学报（Proceedings of the CSU-EPSA），2018，30（1）：8-14.
[12] 赵旭，蔚承建（Zhao Xu，Wei Chengjian）.基于风险策略的多单元连续双向拍卖的网格资源分配（Multi-unit continuous double auction for resource allocation on com⁃putational grid）[J].计算机应用（Journal of Computer Ap⁃plication），2009，29（2）：602-605，610.
[13] 曹培，王媚，郭创新，等（Cao Pei，Wang Mei，Guo Ch⁃uangxin，et al）.智能微网运行的低碳综合效益分析（Analysis on low-carbon integrative benefits of smart mi⁃crogrid operation）[J].电网技术（Power System Technolo⁃gy），2012，36（6）：15-20.
[14] 陈鹏，周晖（Chen Peng，Zhou Hui）.微电网电力市场交易模型研究（Research on trading model of micro-grid un⁃der market conditions）[J].电力需求侧管理（Power
De⁃mand Side Management），2011，13（4）：23-29.。