论文部分内容阅读
摘 要：我国电力现货市场建设步伐正不断加快，在这一背景下，投资储能成为增量配电网售电公司应对现货市场冲击批发与零售市场电价的重要手段。增量配电网售电公司的运营核心就是投资回报率，精准计算投资回报率是提高增量配电网售电公司储能配置效益和售电经济性的关键。在电力现货市场背景下，以投资回报率最大为目标，提出了一种考虑投资回报和可调资源的增量配电网售电公司储能配置方法。首先介绍了增量配电网售电公司的基本运营结构和储能配置原理，提出了投资回报率和可调资源调节潜力的计算方法;其次建立了考虑投资回报和可调资源的储能配置模型来实现储能的选址定容，给出储能的配置方案和运行模式;最后，算例结果表明所提方法在保证同等运营收益增量的情况下，提高了投资回报率，验证了所提方法的有效性。
关键词：电力现货市场;增量配电网售电公司;储能配置;投资回报;可调资源
0 引言
隨着我国电力市场化改革的深化，电力现货市场的建设步伐不断加快，现货市场的引入使得批发电价实时波动，给零售市场带来了挑战与机遇，售电主体大量涌入，其中拥有增量配电网的售电公司成为售电公司的一种主要类型[1-3]。增量配电网售电公司作为一种新兴的运营商，能够通过规划、运行所辖配电网[4]来实现自己的商业模式[5]，其中储能是此类公司重点关注的投资对象[6]。
储能是提高能源系统时空范围优化配置能力的有效手段[7]，但储能配置的投资成本回收[8]是增量配电网售电公司运营中面临的一个关键问题。
对于增量配电网售电公司来说，配置储能时，不仅要考虑短期的运行效益，还要考虑长远的运营效益来回收过高的投资成本，这涉及长时间尺度的规划问题，负荷曲线的变化不可忽视[9]，有必要兼顾储能的投资回报和可调资源调节潜力对负荷曲线的影响开展增量配电网售电公司的储能配置研究。
因此，针对电力现货市场引起的批发价格变化，如何长远地考虑投资回报和可调资源调节潜力带来的负荷变化投资储能，是增量配电网售电公司运营过程中亟待解决的问题。
近年来，在储能的配置方面取得了诸多进展。传统研究一般集中在电力系统范畴，文献[10]提出了输电侧储能和输电线路联合鲁棒规划方法，并表明储能对缓解输电线路阻塞更为经济。文献[11]提出了配网侧储能有效的配置方法。文献[12]考虑电力系统对清洁能源的消纳以及最优经济运行进行储能的配置。文献[13]针对季节性储能的优化问题，计及电/热等多元储能提出混合整数线性规划方法。文献[14]提出了一种集主动配电网、天然气网和能源枢纽为一体的综合能源系统扩展规划方法。文献[15]提出了一种考虑交通、天然气和主动配电网络耦合的优化规划框架。文献[16]以经济效益为目标，考虑多种类型发电与储能的约束条件，实现了多能流综合利用与协同优化。文献[17]研究了考虑多能互补的区域综合能源系统多种储能优化配置。文献[18]建立了含电、气和热三种储能的微网综合能源系统经济优化运行模型。文献[19]考虑电转气技术，针对经济性、可靠性和新能源消纳率等多目标，构建了综合储能优化配置模型。文献[20]研究了蓄冷、储热、储电和混合储能在冷热电联供（CCHP）机组和电制冷等设备多能互补协同运行情况下的盈利策略，建立了全寿命周期的冷热电储能调度规划双层优化模型。
以上研究主要是针对以电/热负荷为终端的能源系统，考虑不确定性以及最优经济性和可行性，从系统角度对储能配置方法进行研究，缺乏对现货背景带来的增量配电网售电公司运营、投资回报率以及可调资源延缓投资的考虑，在考虑投资回报和可调资源的增量配电网售电公司的储能配置方法方面鲜有涉及。
因此，本文在电力现货市场建设背景下，提出了一种考虑投资回报和可调资源的增量配电网售电公司储能配置方法，有利于提高增量配电网售电公司运营经济性和储能效益。首先，阐述了增量配电网售电公司的基本运营结构和储能配置原理;其次，提出了投资回报率与可调资源调节潜力的计算方法;然后，建立了考虑投资回报和可调资源的增量配电网售电公司储能配置模型;最后，基于算例对文章提出的方法进行了验证和分析，结果表明，所提方法能够利用可调资源延缓储能的投资，在电力现货市场背景下，提高增量配电网售电公司整体的运营收益和投资回报率。
1 基本假设
1.1 增量配电网售电公司的基本运营结构
投资增量配电网的售电公司对所辖配网区域享有一定的运营权，在文献[21]基础上，本文构建的增量配电网售电公司的基本运营结构如图1所示，主要涉及电力批发（Power Wholesale，PW）、电力配送（Power Distribution，PD）和电力零售（Power Retail，PR）三种业务流程。PW主要是售电公司在所辖配电网络与上级网络衔接处批发电能;PD主要是售电公司通过调度所辖配电网配送电能;PR主要是售电公司向节点用户零售电能，以满足用户生产生活的用能需求。
储能在PD过程中能够起到能量时移作用，能够对净负荷做一定的“削峰填谷”。其基本模型如下：
Ee，i，t=Ee，i，t-1+pce，i，tηce （1）
0.2Ne，iEe，i，max≤Ee，i，t≤0.8Ne，iEe，i，max （2）
0≤pce，i，t≤0.2Ne，iEe，i，max（3）
0≤pde，i，t≤0.2Ne，iEe，i，max （4）
式中：Ee，i，t为配网i节点处t时段储能的剩余容量;pce，i，t为配网i节点处t时段储能的充电功率;pde，i，t为配网i节点处t时段储能的放电功率;ηce和ηde分别为储能的充电和放电效率;Ne，i为配网i节点处t时段储能的配置个数，为非负整型变量;Ee，i，max为配网i节点处储能的单位容量。 1.2 储能的配置原理
基于图1的增量配电网售电公司的基本运营结构，结合电力现货市场背景以及智能电网中的可调资源项目[22]，分析了储能的配置原理，如图2所示。
首先，给出如下基本假设：（1）售电公司所辖增量配电网下的用户数量保持不变，也就是基本负荷曲线不发生变化;（2）可調资源调节潜力的作用体现在增量配电网下用户的全天最大响应容量上，具体可以分解到每个节点的24 h负荷曲线上;（3）电力现货市场的影响主要体现在批发市场的电价上，为实时曲线。其次，考虑可调资源调节潜力和价格获取用户的电力负荷曲线，作为增量配电网售电公司零售服务的基础。接着，建立增量配电网售电公司的利润模型，包括储能投资成本模型、可调资源成本模型和零售服务收益模型。然后，依据储能投资成本、可调资源成本和零售服务收益计算投资回报率。最后，根据投资回报率来确定储能的配置方案。
激励政策是由外部大环境决定的、随时间变化的参数，直接影响了用户的可调资源行为，具体表现在对用能设备的投资上，改变的是用户的最大响应容量。可调资源调节价格是由增量配电网售电公司向用户协定的，改变的是用户在时序上的响应行为。电力批发量和可调资源调节方案是影响增量配电网售电公司运营收益的直接变量，电力批发量和可调资源调节方案由增量配电网售电公司计算给出，储能配置的位置和容量是影响配网运行方式的重要变量。储能投资成本则是由储能配置容量决定的。因此，本文提出的储能配置原理的核心在于优化储能配置位置、储能配置容量、增量配电网运行方案以及可调资源调节方案。
2 投资回报率与可调资源调节潜力计算方法
投资回报率的计算方法如式（5）所示：
roi= （5）
式中：roi为投资回报率;B为增量配电网售电公司年平均运营收益;B0为增量配电网售电公司实施储能配置与可调资源调节前的平均年运营收益;C为储能年平均成本;M为可调资源年平均调节成本。
可调资源调节潜力主要受直接的激励政策影响，计算方法如式（6）所示：
D=d·I （6）
式中：D为可调资源调节潜力;d为每单位激励挖掘的可调资源调节潜力;I为激励政策。
3 电力现货环境下考虑投资回报和可调资源的增量配电网售电公司储能配置模型
3.1 目标函数
以增量配电网售电公司的投资回报率最大为目标，建立如式（7）所示的目标函数：
式中：R为年平均电力零售收益;G为年平均电力批发成本;ρre，t为t时段的电力零售价格;ρwe，t为t时段的电力现货环境下的电力批发价格;Le，i，t为节点i处t时段的电力负荷;pwe，i，t为在节点i处t时段的电力批发量;Coi为储能一次投资成本;Com为储能运行维护成本;Y为储能投资使用的总年数;Cuce为储能的单位容量造价;Emax，i为储能的额定容量;Crpe为储能的单位功率造价;pemax，i为储能的额定功率;Cmaoe为储能的年运行维护成本;ir为通货膨胀率;dr为贴现率;y为储能的使用年份;ρie为可调资源调节价格;Lie，i，t为在节点i处t时段的可调资源调节功率。
3.2 约束条件
（1）配电潮流约束：
基于文献[23]配电潮流约束可表达为：
式中：pij，t为EDN支路ij在t时段的电功率;θi，t，θj，t分别为支路ij上节点i和节点j在t时段的相角;Xij为支路ij的电抗;pij，max为EDN支路ij的最大电功率;pwe，i，max为EDN上节点i处与电能批发市场交互的最大电功率;De为EDN范围内可调资源调节潜力;Lie，i，max为EDN上节点i处的可调资源调节的最大电功率。
（2）储能投资约束：
Ne，min≤ΣNe，i≤Ne，max （21）
式中：Ne，max和Ne，min分别为储能投资数量的最大值和最小值;ΣNe，i为节点i处储能数量之和。
3.3 求解流程
本文模型是一个混合整数非线性模型，求解流程如图3所示。首先，输入售电公司所辖的增量配电网参数、可调资源调节价格、电力零售价格、用户电力负荷曲线、电力现货批发市场电价等基本参数。其次，针对3.1和3.2部分的目标函数和约束条件，以电力现货环境下的增量配电网售电公司运营过程中的投资回报率最大为目标，采用分段线性化和次梯度法相结合的方法对约束中存在的不连续导数和非线性项进行线性化，对储能的配置位置、配置容量、增量配电网的运行以及可调资源调节方案等决策变量进行优化。最后，输出储能的配置方案和增量配电网内可调资源调节方案。
4 算例分析
4.1 基本数据
为了验证本文所提电力现货市场环境下，考虑投资回报和可调资源的增量配电网售电公司储能配置方法的有效性，本文基于MATLAB和GAMS平台在Win10操作系统、i7CPU、2.20 GHz处理器环境下进行了仿真与优化分析。结合图1的增量配电网售电公司结构和33节点配电系统构建了如图4所示的测试算例。Ne，max取15，Ne，min取1。不同节点的电力负荷不同，但时序分布采用如图5所示的曲线[24-25]，电力批发价格如图6所示[26]。
4.2 结果有效性分析
4.2.1 配置有效性分析
为验证文章所提考虑投资回报和可调资源的增量配电网售电公司的储能配置方法的有效性，基于电力现货市场环境，设置如下5个场景进行对比分析： S0：不考虑可调资源也不投资储能的增量配电网售电公司优化运营;
S1：投资回报和可调资源都不考虑的增量配电网售电公司的储能配置;
S2：考虑可调资源但不考虑投资回报的增量配电网售电公司的储能配置;
S3：考虑投资回报但不考虑可调资源的增量配电网售电公司的储能配置;
S4：考虑投资回报和可调资源的增量配电网售电公司的储能配置。
5个场景的储能配置的投资回报率、运营收益和配置成本如表1所示。
根据表1，首先得到增量配电网售电公司配置储能前的基本运营收益为49 379.64元，S1在S0的基础上，对增量配电网售电公司配网区域内进行储能的配置，优化后运营收益达到49 538.22元，上涨了0.32%，投资回报率为0.81。S2在S1的基础上，考虑到可调资源在储能配置中的作用，优化后运营收益达49 838.40元，相比S1上涨了0.61%，相比S0上涨了0.93%，投资回报率为1.14。S3以S1的运营收益为最低收益约束，以投资回报率最大为目标，优化后投资回报率为0.91，相比S1增加了12.35%。S4是在S2的基础上，以S2的运营收益为最低收益约束，优化后投资回报率为1.16，相比S2提升了1.8%，相比S1提升了43.21%。
整体来看，S1的运营收益和投资回报率都是最低的，而S4则是最高，表明了同时考虑可调资源和投资回报率在提高增量配电网售电公司运营收益和投资回报率方面的有效性。S2和S1对比，运营收益和投资回报率都有提升，表明了可调资源在储能配置过程中的有效性。通过S1和S3、S2和S4的对比可知，考虑和不考虑可调资源的两种情况，都能在保证运营收益不降低的同时，提高投资回报率，验证了考虑投资回报率在储能配置过程中的有效性。
4.2.2 现货市场下电力批发价格对储能配置及运行方案的影响分析
S4场景下的储能配置结果如表2所示。根据表2，储能只在3个配电网节点进行了配置，位置相对比较集中，主要是对配电网的潮流进行了优化。
为进一步分析现货市场下电力批发价格对储能配置的影响，基于电力批发价格的曲线，对不同时间段储能的运行方案进行分析。根据表2中场景S4的储能配置结果，获取各储能的充放特性，发现即使配置的位置、容量不同，但对于同一种能源类型的储能，它们的充放特性相同。具体的充放特性如图7所示，图中横坐标为时间，纵坐标为储能充放量占总容量的百分比;Ee为储能剩余容量占总容量的百分比，Pce为储能充电量占总容量的百分比，Pde为储能放电量占总容量的百分比。
根據图7，储能在一个调度周期内呈现2充2放的规律，在00：00—4：00和14：00—16：00的时段里充电，在10：00—12：00和18：00—20：00的时段里放电。结合图5中电力负荷曲线的峰谷情况，显然，储能的充放规律与负荷曲线的峰谷分布相吻合，2谷对应2充，2峰对应2放，主要是因为电力现货市场环境下批发电价曲线也有着和负荷曲线类似的峰谷，通过储能直接对负荷曲线进行削峰填谷，可将电力批发价格高峰时段的负荷转移到价格低谷时段，提高运营收益。
4.3 结果敏感性分析
4.3.1 电力现货市场环境下投资回报率对储能配置的影响
通过对场景S2和S4的对比可以看出，考虑投资回报能够在提高等量运营收益的基础上，提升投资回报率。为了量化投资回报率对配置储能后运营收益的影响，以投资回报率最大和储能配置后运营收益最大构建多目标优化，利用遗传算法取20组种群进行迭代，得到储能配置成本、增量配电网售电公司运营收益随投资回报率的变化，如图8所示。可以看出运营收益的差距很小，但随着运营收益的增加，投资回报率呈现分阶段的下降趋势，也就是在一段运营收益范围内，投资回报率随着运营收益的增加而减小，但不同的运营收益范围内的最大投资回报率是逐渐上升的。图8中投资回报率最大值达到1.16，相应的运营收益为55 819.02元。对于同样的运营收益，仍然存在不同的投资回报率，例如同样是55 819.02元的运营收益，就存在1.096和1.161两种投资回报率，主要是因为运营商在追求运营收益的过程中，通过更多的可调资源来提高运营收益，但花费的成本增加，导致投资回报率降低。同理，对于同样的投资回报率，受不同储能和可调资源配置结果与运行方式的影响，也会产生不同的运营收益。可见，在投资回报率随运营收益变化的多段变化范围内，选择合适的储能和可调资源配置方案，更有利于高效发挥储能和可调资源的作用，在电力现货市场冲击批发市场电价的环境下，对增量配电网售电公司整体运营的长期发展起到积极作用。
4.3.2 电力现货市场环境下可调资源对储能配置的影响
根据场景S2和S1的对比以及S4和S3的对比可以看出，可调资源对于配置储能后的运营收益和投资回报率有着提升作用。为了量化电力现货市场环境下，可调资源对配置储能后运营收益和投资回报率的影响，在S2的基础上改变外部激励引起可调资源调节潜力的变化，进而观察运营收益和投资回报率的变化。随着外部激励的增加，可调资源的调节潜力不断增加，储能配置后的增量配电网售电公司运营收益和投资回报率随可调资源调节潜力的变化如图9所示。图中横坐标可调资源调节潜力？准表示的是可调节容量占负荷总量的比值。
根据图9，当？准处于0.1～0.2时，运营收益和投资回报率整体处于较高水平，可调资源充当了一部分储能效果，良好的可调资源项目具有一定的延缓储能投资的作用。随着可调资源调节潜力的增加，运营收益总体上呈现先减少后增加的趋势，投资回报率仍然是呈现阶段性的下降趋势。当？准为0.25时，运营收益下降到最低，投资回报率为1.176;当？准达到0.4时，运营收益上升到最大，但投资回报率为1.17，低于？准为0.15时的投资回报率。显然，即使可调资源的调节潜力增大了，但对其的利用率却不一定能够相应提升。可见，在挖掘提升用户的可调资源潜力的同时，尤其是当用户可响应潜力达到原负荷总量的15%时，有必要配合良好的可调资源手段，从而促进用户侧资源在电力现货市场环境下向经济效益的转化。 5 结论
本文在电力现货市场环境下，提出了一种考虑投资回报和可调资源的增量配电网售电公司的储能配置方法，应用于增量配电网售电公司的储能配置和可调资源调节方案。该方法有利于利用可调资源延缓系统对储能的投资，在提高运营收益的同时，提高增量配电网售电公司的投资回报率，保证储能的投资效益，应对电力现货市场对电力批发市场价格的冲击。通过本文的算例，主要得到以下结论：
（1）提出的储能配置方法能够应用于现货市场环境下的增量配电网售电公司储能配置，能够在提高等量运营收益的基础上，提升投资回报率。
（2）随着储能投资后运营收益的提升，投资回报率呈现分阶段的下降趋势。通过本文储能配置方法，能够在运营收益的需求范围内，给出投资回报率最大的储能配置和可调资源调节方案，应对电力现货市场引起的电力批发价格实时变化。
（3）储能是增量配电网售电公司应对现货市场下电力批发价格变化的重要手段，储能配置后的运行方案能够对增量配电网售电公司的批发电力曲线直接起到削峰填谷的作用，提高运营收益。
（4）用户可响应容量占负荷总量的20%以内时，配合储能配置后的运营收益最佳。可调资源调节潜力进一步增大时，利用率下滑，需要配合更好的可调资源手段。
[参考文献]
[1] 宋永华，包铭磊，丁一，等.新电改下我国电力现货市场建设关键要点综述及相关建议[J].中国电机工程学报，2020，40（10）：3172-3187.
[2] 龔钢军，王慧娟，张桐，等.基于区块链的电力现货交易市场研究[J].中国电机工程学报，2018，38（23）：6955-6966.
[3] 唐力，刘继春，杨阳方，等.基于信息间隙决策理论的多种零售合同模式下售电公司购售电策略[J].电网技术，2019，43（6）：1978-1988.
[4] MAHBOUBI-MOGHADDAM E，NAYERIPOUR M，AGHAEI J.Relia-
bility constrained decision model for energy service provider incorporating demand response programs[J].Applied Energy，2016，183：552-565.
[5] DOU X，WANG J，WANG Z，et al.A decentralized multi-
energy resources aggregation strategy based on bi-level interactive transactions of virtual energy plant[J].International Journal of Electrical Power
and Energy Systems，2021，124：106356.
[6] VECCHI A，LI Y L，MANCARELLA P，et al.Integrated techno-economic assessment of Liquid Air Energy Storage（LAES） under off-design conditions：Links between provision of market services and thermo-
dynamic performance[J].Applied Energy，2020，262： 114589.
[7] MOHAMMADI F，GHOLAMI H，GHAREHPETIAN G B，et al.Allocation of centralized energy storage system and its effect on daily grid energy generation cost[J].IEEE Transactions on Power Systems，2017，32（3）：2406-2416.
[8] SIOSHANSI R.Using storage-capacity rights to overcome the cost-recovery hurdle for energy storage[J].IEEE Transactions on Power Systems， 2017，32（3）：2028-2040.
[9] REN S H，DOU X，WANG Z，et al.Medium- and long-term integrated demand response of integrated energy system based on system dynamics[J].Energies， 2020，13（3）：1-24.
[10] WANG S Y，GENG G C，JIANG Q Y.Robust co-planning of energy storage and transmission line with mixed integer recourse[J].IEEE Transactions on Power Systems，2019，34（6）：4728-4738.
[11] ZHENG Y，HILL D J，DONG Z Y.Multi-agent optimal allocation of energy storage systems in distri-
bution systems[J].IEEE Transactions on Sustain-
able Energy， 2017，8（4）：1715-1725. [12] SECHILARIU M，WANG B C，LOCMENT F.Building inte-
grated photovoltaic system with energy storage and smart grid communication[J].IEEE Transactions on Industrial Electronics，2013，60（4）：1607-1618.
[13] GABRIELLI P，GAZZANI M，MARTELLI E，et al.Optimal design of multi-energy systems with seasonal storage[J].Applied Energy，2018，219：408-424.
[14] WANG J Y，HU Z J，XIE S W.Expansion planning model of multi-energy system with the integra-
tion of active distribution network[J].Applied Energy，2019，253：113517.
[15] XIE S W，HU Z J，WANG J Y，et al.The optimal planning of smart multi-energy systems incorpor-
ating transportation，natural gas and active distribution networks[J].Applied Energy，2020，
269：115006.
[16] XU Y T，DING T，QU M，et al.Adaptive dynamic prog-
ramming for gas-power network constrained unit commitment to accommodate renewable energy with combined-cycle units[J].IEEE Transactions on Sustainable Energy，2019，11（3）：2028-2039.
[17] DAI Y H，CHEN L，MIN Y，et al.Integrated dispatch model for combined heat and power plant with phase-change thermal energy storage considering heat transfer process[J].IEEE Transactions on Sustainable Energy，2018，9（3）：1234-1243.
[18] JU C Q，WANG P，GOEL L，et al.A two-layer energy management system for microgrids with hybrid energy storage considering degradation costs[J]. IEEE Transactions on Smart Grid，2018，9（6）：6047-6057.
[19] PALMA-BEHNKE R，BENAVIDES C，LANAS F，et al.A microgrid energy management system based on the rolling horizon strategy[J].IEEE Transactions on Smart Grid，2013，4（2）：996-1006.
[20] XIONG W，LIU Y Q，SU W H，et al.Optimal configur-
ation of multi-energy storage in regional integr-
ated energy system considering multi-energy complementation[J].Electric Power Automation Equipment，2019（39）：118-126.
[21] YANG Y，ZHANG S J，XIAO Y H.Optimal design of
distributed energy resource systems coupled with energy distribution networks[J].Energy，2015，85：433-448.
[22] BAHRAMI S，SHEIKHI A.From demand response in smart grid toward integrated demand response in smart energy hub[J].IEEE Transactions on Smart Grid，2016，7（2）：650-658.
[23] CORREA-POSADA C M，SáNCHEZ-MARTíN P.Integrated power and natural gas model for energy adequacy in short-term operation[J].IEEE Transactions on Power Systems，2015，30（6）：3347-3355.
[24] DIW Berlin：DIETER.[2019-05-17].https：//www.diw.de/de/diw_01.c.508843.de/forschung_beratung/
nachhaltigkeit/umwelt/verkehr/energie/modelle/
dieter/dieter.html.
[25] CHIRAMBO D.Addressing the renewable energy financing gap in Africa to promote universal energy access：Integrated renewable energy finan-
cing in Malawi[J].Renewable and Sustainable Energy Reviews，2016，62：793-803.
[26] DOU X，WANG J，WANG Z，et al.A dispatching method for integrated energy system based on dynamic time-interval of model predictive control[J]. Journal of Modern Power Systems and Clean Energy，2020，8（5）：841-852.
收稿日期：2021-05-24
作者簡介：叶洪波（1977—），男，吉林蛟河人，高级工程师，从事电网调度运行相关技术研究和管理工作。
凌晓波（1975—），男，浙江湖州人，工程师，从事电网调度运行及安全相关技术研究和管理工作。
王高琴（1982—），女，江苏南京人，高级工程师，从事电力市场运营及实验推演验证技术研究工作。
关键词：电力现货市场;增量配电网售电公司;储能配置;投资回报;可调资源
0 引言
隨着我国电力市场化改革的深化，电力现货市场的建设步伐不断加快，现货市场的引入使得批发电价实时波动，给零售市场带来了挑战与机遇，售电主体大量涌入，其中拥有增量配电网的售电公司成为售电公司的一种主要类型[1-3]。增量配电网售电公司作为一种新兴的运营商，能够通过规划、运行所辖配电网[4]来实现自己的商业模式[5]，其中储能是此类公司重点关注的投资对象[6]。
储能是提高能源系统时空范围优化配置能力的有效手段[7]，但储能配置的投资成本回收[8]是增量配电网售电公司运营中面临的一个关键问题。
对于增量配电网售电公司来说，配置储能时，不仅要考虑短期的运行效益，还要考虑长远的运营效益来回收过高的投资成本，这涉及长时间尺度的规划问题，负荷曲线的变化不可忽视[9]，有必要兼顾储能的投资回报和可调资源调节潜力对负荷曲线的影响开展增量配电网售电公司的储能配置研究。
因此，针对电力现货市场引起的批发价格变化，如何长远地考虑投资回报和可调资源调节潜力带来的负荷变化投资储能，是增量配电网售电公司运营过程中亟待解决的问题。
近年来，在储能的配置方面取得了诸多进展。传统研究一般集中在电力系统范畴，文献[10]提出了输电侧储能和输电线路联合鲁棒规划方法，并表明储能对缓解输电线路阻塞更为经济。文献[11]提出了配网侧储能有效的配置方法。文献[12]考虑电力系统对清洁能源的消纳以及最优经济运行进行储能的配置。文献[13]针对季节性储能的优化问题，计及电/热等多元储能提出混合整数线性规划方法。文献[14]提出了一种集主动配电网、天然气网和能源枢纽为一体的综合能源系统扩展规划方法。文献[15]提出了一种考虑交通、天然气和主动配电网络耦合的优化规划框架。文献[16]以经济效益为目标，考虑多种类型发电与储能的约束条件，实现了多能流综合利用与协同优化。文献[17]研究了考虑多能互补的区域综合能源系统多种储能优化配置。文献[18]建立了含电、气和热三种储能的微网综合能源系统经济优化运行模型。文献[19]考虑电转气技术，针对经济性、可靠性和新能源消纳率等多目标，构建了综合储能优化配置模型。文献[20]研究了蓄冷、储热、储电和混合储能在冷热电联供（CCHP）机组和电制冷等设备多能互补协同运行情况下的盈利策略，建立了全寿命周期的冷热电储能调度规划双层优化模型。
以上研究主要是针对以电/热负荷为终端的能源系统，考虑不确定性以及最优经济性和可行性，从系统角度对储能配置方法进行研究，缺乏对现货背景带来的增量配电网售电公司运营、投资回报率以及可调资源延缓投资的考虑，在考虑投资回报和可调资源的增量配电网售电公司的储能配置方法方面鲜有涉及。
因此，本文在电力现货市场建设背景下，提出了一种考虑投资回报和可调资源的增量配电网售电公司储能配置方法，有利于提高增量配电网售电公司运营经济性和储能效益。首先，阐述了增量配电网售电公司的基本运营结构和储能配置原理;其次，提出了投资回报率与可调资源调节潜力的计算方法;然后，建立了考虑投资回报和可调资源的增量配电网售电公司储能配置模型;最后，基于算例对文章提出的方法进行了验证和分析，结果表明，所提方法能够利用可调资源延缓储能的投资，在电力现货市场背景下，提高增量配电网售电公司整体的运营收益和投资回报率。
1 基本假设
1.1 增量配电网售电公司的基本运营结构
投资增量配电网的售电公司对所辖配网区域享有一定的运营权，在文献[21]基础上，本文构建的增量配电网售电公司的基本运营结构如图1所示，主要涉及电力批发（Power Wholesale，PW）、电力配送（Power Distribution，PD）和电力零售（Power Retail，PR）三种业务流程。PW主要是售电公司在所辖配电网络与上级网络衔接处批发电能;PD主要是售电公司通过调度所辖配电网配送电能;PR主要是售电公司向节点用户零售电能，以满足用户生产生活的用能需求。
储能在PD过程中能够起到能量时移作用，能够对净负荷做一定的“削峰填谷”。其基本模型如下：
Ee，i，t=Ee，i，t-1+pce，i，tηce （1）
0.2Ne，iEe，i，max≤Ee，i，t≤0.8Ne，iEe，i，max （2）
0≤pce，i，t≤0.2Ne，iEe，i，max（3）
0≤pde，i，t≤0.2Ne，iEe，i，max （4）
式中：Ee，i，t为配网i节点处t时段储能的剩余容量;pce，i，t为配网i节点处t时段储能的充电功率;pde，i，t为配网i节点处t时段储能的放电功率;ηce和ηde分别为储能的充电和放电效率;Ne，i为配网i节点处t时段储能的配置个数，为非负整型变量;Ee，i，max为配网i节点处储能的单位容量。 1.2 储能的配置原理
基于图1的增量配电网售电公司的基本运营结构，结合电力现货市场背景以及智能电网中的可调资源项目[22]，分析了储能的配置原理，如图2所示。
首先，给出如下基本假设：（1）售电公司所辖增量配电网下的用户数量保持不变，也就是基本负荷曲线不发生变化;（2）可調资源调节潜力的作用体现在增量配电网下用户的全天最大响应容量上，具体可以分解到每个节点的24 h负荷曲线上;（3）电力现货市场的影响主要体现在批发市场的电价上，为实时曲线。其次，考虑可调资源调节潜力和价格获取用户的电力负荷曲线，作为增量配电网售电公司零售服务的基础。接着，建立增量配电网售电公司的利润模型，包括储能投资成本模型、可调资源成本模型和零售服务收益模型。然后，依据储能投资成本、可调资源成本和零售服务收益计算投资回报率。最后，根据投资回报率来确定储能的配置方案。
激励政策是由外部大环境决定的、随时间变化的参数，直接影响了用户的可调资源行为，具体表现在对用能设备的投资上，改变的是用户的最大响应容量。可调资源调节价格是由增量配电网售电公司向用户协定的，改变的是用户在时序上的响应行为。电力批发量和可调资源调节方案是影响增量配电网售电公司运营收益的直接变量，电力批发量和可调资源调节方案由增量配电网售电公司计算给出，储能配置的位置和容量是影响配网运行方式的重要变量。储能投资成本则是由储能配置容量决定的。因此，本文提出的储能配置原理的核心在于优化储能配置位置、储能配置容量、增量配电网运行方案以及可调资源调节方案。
2 投资回报率与可调资源调节潜力计算方法
投资回报率的计算方法如式（5）所示：
roi= （5）
式中：roi为投资回报率;B为增量配电网售电公司年平均运营收益;B0为增量配电网售电公司实施储能配置与可调资源调节前的平均年运营收益;C为储能年平均成本;M为可调资源年平均调节成本。
可调资源调节潜力主要受直接的激励政策影响，计算方法如式（6）所示：
D=d·I （6）
式中：D为可调资源调节潜力;d为每单位激励挖掘的可调资源调节潜力;I为激励政策。
3 电力现货环境下考虑投资回报和可调资源的增量配电网售电公司储能配置模型
3.1 目标函数
以增量配电网售电公司的投资回报率最大为目标，建立如式（7）所示的目标函数：
式中：R为年平均电力零售收益;G为年平均电力批发成本;ρre，t为t时段的电力零售价格;ρwe，t为t时段的电力现货环境下的电力批发价格;Le，i，t为节点i处t时段的电力负荷;pwe，i，t为在节点i处t时段的电力批发量;Coi为储能一次投资成本;Com为储能运行维护成本;Y为储能投资使用的总年数;Cuce为储能的单位容量造价;Emax，i为储能的额定容量;Crpe为储能的单位功率造价;pemax，i为储能的额定功率;Cmaoe为储能的年运行维护成本;ir为通货膨胀率;dr为贴现率;y为储能的使用年份;ρie为可调资源调节价格;Lie，i，t为在节点i处t时段的可调资源调节功率。
3.2 约束条件
（1）配电潮流约束：
基于文献[23]配电潮流约束可表达为：
式中：pij，t为EDN支路ij在t时段的电功率;θi，t，θj，t分别为支路ij上节点i和节点j在t时段的相角;Xij为支路ij的电抗;pij，max为EDN支路ij的最大电功率;pwe，i，max为EDN上节点i处与电能批发市场交互的最大电功率;De为EDN范围内可调资源调节潜力;Lie，i，max为EDN上节点i处的可调资源调节的最大电功率。
（2）储能投资约束：
Ne，min≤ΣNe，i≤Ne，max （21）
式中：Ne，max和Ne，min分别为储能投资数量的最大值和最小值;ΣNe，i为节点i处储能数量之和。
3.3 求解流程
本文模型是一个混合整数非线性模型，求解流程如图3所示。首先，输入售电公司所辖的增量配电网参数、可调资源调节价格、电力零售价格、用户电力负荷曲线、电力现货批发市场电价等基本参数。其次，针对3.1和3.2部分的目标函数和约束条件，以电力现货环境下的增量配电网售电公司运营过程中的投资回报率最大为目标，采用分段线性化和次梯度法相结合的方法对约束中存在的不连续导数和非线性项进行线性化，对储能的配置位置、配置容量、增量配电网的运行以及可调资源调节方案等决策变量进行优化。最后，输出储能的配置方案和增量配电网内可调资源调节方案。
4 算例分析
4.1 基本数据
为了验证本文所提电力现货市场环境下，考虑投资回报和可调资源的增量配电网售电公司储能配置方法的有效性，本文基于MATLAB和GAMS平台在Win10操作系统、i7CPU、2.20 GHz处理器环境下进行了仿真与优化分析。结合图1的增量配电网售电公司结构和33节点配电系统构建了如图4所示的测试算例。Ne，max取15，Ne，min取1。不同节点的电力负荷不同，但时序分布采用如图5所示的曲线[24-25]，电力批发价格如图6所示[26]。
4.2 结果有效性分析
4.2.1 配置有效性分析
为验证文章所提考虑投资回报和可调资源的增量配电网售电公司的储能配置方法的有效性，基于电力现货市场环境，设置如下5个场景进行对比分析： S0：不考虑可调资源也不投资储能的增量配电网售电公司优化运营;
S1：投资回报和可调资源都不考虑的增量配电网售电公司的储能配置;
S2：考虑可调资源但不考虑投资回报的增量配电网售电公司的储能配置;
S3：考虑投资回报但不考虑可调资源的增量配电网售电公司的储能配置;
S4：考虑投资回报和可调资源的增量配电网售电公司的储能配置。
5个场景的储能配置的投资回报率、运营收益和配置成本如表1所示。
根据表1，首先得到增量配电网售电公司配置储能前的基本运营收益为49 379.64元，S1在S0的基础上，对增量配电网售电公司配网区域内进行储能的配置，优化后运营收益达到49 538.22元，上涨了0.32%，投资回报率为0.81。S2在S1的基础上，考虑到可调资源在储能配置中的作用，优化后运营收益达49 838.40元，相比S1上涨了0.61%，相比S0上涨了0.93%，投资回报率为1.14。S3以S1的运营收益为最低收益约束，以投资回报率最大为目标，优化后投资回报率为0.91，相比S1增加了12.35%。S4是在S2的基础上，以S2的运营收益为最低收益约束，优化后投资回报率为1.16，相比S2提升了1.8%，相比S1提升了43.21%。
整体来看，S1的运营收益和投资回报率都是最低的，而S4则是最高，表明了同时考虑可调资源和投资回报率在提高增量配电网售电公司运营收益和投资回报率方面的有效性。S2和S1对比，运营收益和投资回报率都有提升，表明了可调资源在储能配置过程中的有效性。通过S1和S3、S2和S4的对比可知，考虑和不考虑可调资源的两种情况，都能在保证运营收益不降低的同时，提高投资回报率，验证了考虑投资回报率在储能配置过程中的有效性。
4.2.2 现货市场下电力批发价格对储能配置及运行方案的影响分析
S4场景下的储能配置结果如表2所示。根据表2，储能只在3个配电网节点进行了配置，位置相对比较集中，主要是对配电网的潮流进行了优化。
为进一步分析现货市场下电力批发价格对储能配置的影响，基于电力批发价格的曲线，对不同时间段储能的运行方案进行分析。根据表2中场景S4的储能配置结果，获取各储能的充放特性，发现即使配置的位置、容量不同，但对于同一种能源类型的储能，它们的充放特性相同。具体的充放特性如图7所示，图中横坐标为时间，纵坐标为储能充放量占总容量的百分比;Ee为储能剩余容量占总容量的百分比，Pce为储能充电量占总容量的百分比，Pde为储能放电量占总容量的百分比。
根據图7，储能在一个调度周期内呈现2充2放的规律，在00：00—4：00和14：00—16：00的时段里充电，在10：00—12：00和18：00—20：00的时段里放电。结合图5中电力负荷曲线的峰谷情况，显然，储能的充放规律与负荷曲线的峰谷分布相吻合，2谷对应2充，2峰对应2放，主要是因为电力现货市场环境下批发电价曲线也有着和负荷曲线类似的峰谷，通过储能直接对负荷曲线进行削峰填谷，可将电力批发价格高峰时段的负荷转移到价格低谷时段，提高运营收益。
4.3 结果敏感性分析
4.3.1 电力现货市场环境下投资回报率对储能配置的影响
通过对场景S2和S4的对比可以看出，考虑投资回报能够在提高等量运营收益的基础上，提升投资回报率。为了量化投资回报率对配置储能后运营收益的影响，以投资回报率最大和储能配置后运营收益最大构建多目标优化，利用遗传算法取20组种群进行迭代，得到储能配置成本、增量配电网售电公司运营收益随投资回报率的变化，如图8所示。可以看出运营收益的差距很小，但随着运营收益的增加，投资回报率呈现分阶段的下降趋势，也就是在一段运营收益范围内，投资回报率随着运营收益的增加而减小，但不同的运营收益范围内的最大投资回报率是逐渐上升的。图8中投资回报率最大值达到1.16，相应的运营收益为55 819.02元。对于同样的运营收益，仍然存在不同的投资回报率，例如同样是55 819.02元的运营收益，就存在1.096和1.161两种投资回报率，主要是因为运营商在追求运营收益的过程中，通过更多的可调资源来提高运营收益，但花费的成本增加，导致投资回报率降低。同理，对于同样的投资回报率，受不同储能和可调资源配置结果与运行方式的影响，也会产生不同的运营收益。可见，在投资回报率随运营收益变化的多段变化范围内，选择合适的储能和可调资源配置方案，更有利于高效发挥储能和可调资源的作用，在电力现货市场冲击批发市场电价的环境下，对增量配电网售电公司整体运营的长期发展起到积极作用。
4.3.2 电力现货市场环境下可调资源对储能配置的影响
根据场景S2和S1的对比以及S4和S3的对比可以看出，可调资源对于配置储能后的运营收益和投资回报率有着提升作用。为了量化电力现货市场环境下，可调资源对配置储能后运营收益和投资回报率的影响，在S2的基础上改变外部激励引起可调资源调节潜力的变化，进而观察运营收益和投资回报率的变化。随着外部激励的增加，可调资源的调节潜力不断增加，储能配置后的增量配电网售电公司运营收益和投资回报率随可调资源调节潜力的变化如图9所示。图中横坐标可调资源调节潜力？准表示的是可调节容量占负荷总量的比值。
根据图9，当？准处于0.1～0.2时，运营收益和投资回报率整体处于较高水平，可调资源充当了一部分储能效果，良好的可调资源项目具有一定的延缓储能投资的作用。随着可调资源调节潜力的增加，运营收益总体上呈现先减少后增加的趋势，投资回报率仍然是呈现阶段性的下降趋势。当？准为0.25时，运营收益下降到最低，投资回报率为1.176;当？准达到0.4时，运营收益上升到最大，但投资回报率为1.17，低于？准为0.15时的投资回报率。显然，即使可调资源的调节潜力增大了，但对其的利用率却不一定能够相应提升。可见，在挖掘提升用户的可调资源潜力的同时，尤其是当用户可响应潜力达到原负荷总量的15%时，有必要配合良好的可调资源手段，从而促进用户侧资源在电力现货市场环境下向经济效益的转化。 5 结论
本文在电力现货市场环境下，提出了一种考虑投资回报和可调资源的增量配电网售电公司的储能配置方法，应用于增量配电网售电公司的储能配置和可调资源调节方案。该方法有利于利用可调资源延缓系统对储能的投资，在提高运营收益的同时，提高增量配电网售电公司的投资回报率，保证储能的投资效益，应对电力现货市场对电力批发市场价格的冲击。通过本文的算例，主要得到以下结论：
（1）提出的储能配置方法能够应用于现货市场环境下的增量配电网售电公司储能配置，能够在提高等量运营收益的基础上，提升投资回报率。
（2）随着储能投资后运营收益的提升，投资回报率呈现分阶段的下降趋势。通过本文储能配置方法，能够在运营收益的需求范围内，给出投资回报率最大的储能配置和可调资源调节方案，应对电力现货市场引起的电力批发价格实时变化。
（3）储能是增量配电网售电公司应对现货市场下电力批发价格变化的重要手段，储能配置后的运行方案能够对增量配电网售电公司的批发电力曲线直接起到削峰填谷的作用，提高运营收益。
（4）用户可响应容量占负荷总量的20%以内时，配合储能配置后的运营收益最佳。可调资源调节潜力进一步增大时，利用率下滑，需要配合更好的可调资源手段。
[参考文献]
[1] 宋永华，包铭磊，丁一，等.新电改下我国电力现货市场建设关键要点综述及相关建议[J].中国电机工程学报，2020，40（10）：3172-3187.
[2] 龔钢军，王慧娟，张桐，等.基于区块链的电力现货交易市场研究[J].中国电机工程学报，2018，38（23）：6955-6966.
[3] 唐力，刘继春，杨阳方，等.基于信息间隙决策理论的多种零售合同模式下售电公司购售电策略[J].电网技术，2019，43（6）：1978-1988.
[4] MAHBOUBI-MOGHADDAM E，NAYERIPOUR M，AGHAEI J.Relia-
bility constrained decision model for energy service provider incorporating demand response programs[J].Applied Energy，2016，183：552-565.
[5] DOU X，WANG J，WANG Z，et al.A decentralized multi-
energy resources aggregation strategy based on bi-level interactive transactions of virtual energy plant[J].International Journal of Electrical Power
and Energy Systems，2021，124：106356.
[6] VECCHI A，LI Y L，MANCARELLA P，et al.Integrated techno-economic assessment of Liquid Air Energy Storage（LAES） under off-design conditions：Links between provision of market services and thermo-
dynamic performance[J].Applied Energy，2020，262： 114589.
[7] MOHAMMADI F，GHOLAMI H，GHAREHPETIAN G B，et al.Allocation of centralized energy storage system and its effect on daily grid energy generation cost[J].IEEE Transactions on Power Systems，2017，32（3）：2406-2416.
[8] SIOSHANSI R.Using storage-capacity rights to overcome the cost-recovery hurdle for energy storage[J].IEEE Transactions on Power Systems， 2017，32（3）：2028-2040.
[9] REN S H，DOU X，WANG Z，et al.Medium- and long-term integrated demand response of integrated energy system based on system dynamics[J].Energies， 2020，13（3）：1-24.
[10] WANG S Y，GENG G C，JIANG Q Y.Robust co-planning of energy storage and transmission line with mixed integer recourse[J].IEEE Transactions on Power Systems，2019，34（6）：4728-4738.
[11] ZHENG Y，HILL D J，DONG Z Y.Multi-agent optimal allocation of energy storage systems in distri-
bution systems[J].IEEE Transactions on Sustain-
able Energy， 2017，8（4）：1715-1725. [12] SECHILARIU M，WANG B C，LOCMENT F.Building inte-
grated photovoltaic system with energy storage and smart grid communication[J].IEEE Transactions on Industrial Electronics，2013，60（4）：1607-1618.
[13] GABRIELLI P，GAZZANI M，MARTELLI E，et al.Optimal design of multi-energy systems with seasonal storage[J].Applied Energy，2018，219：408-424.
[14] WANG J Y，HU Z J，XIE S W.Expansion planning model of multi-energy system with the integra-
tion of active distribution network[J].Applied Energy，2019，253：113517.
[15] XIE S W，HU Z J，WANG J Y，et al.The optimal planning of smart multi-energy systems incorpor-
ating transportation，natural gas and active distribution networks[J].Applied Energy，2020，
269：115006.
[16] XU Y T，DING T，QU M，et al.Adaptive dynamic prog-
ramming for gas-power network constrained unit commitment to accommodate renewable energy with combined-cycle units[J].IEEE Transactions on Sustainable Energy，2019，11（3）：2028-2039.
[17] DAI Y H，CHEN L，MIN Y，et al.Integrated dispatch model for combined heat and power plant with phase-change thermal energy storage considering heat transfer process[J].IEEE Transactions on Sustainable Energy，2018，9（3）：1234-1243.
[18] JU C Q，WANG P，GOEL L，et al.A two-layer energy management system for microgrids with hybrid energy storage considering degradation costs[J]. IEEE Transactions on Smart Grid，2018，9（6）：6047-6057.
[19] PALMA-BEHNKE R，BENAVIDES C，LANAS F，et al.A microgrid energy management system based on the rolling horizon strategy[J].IEEE Transactions on Smart Grid，2013，4（2）：996-1006.
[20] XIONG W，LIU Y Q，SU W H，et al.Optimal configur-
ation of multi-energy storage in regional integr-
ated energy system considering multi-energy complementation[J].Electric Power Automation Equipment，2019（39）：118-126.
[21] YANG Y，ZHANG S J，XIAO Y H.Optimal design of
distributed energy resource systems coupled with energy distribution networks[J].Energy，2015，85：433-448.
[22] BAHRAMI S，SHEIKHI A.From demand response in smart grid toward integrated demand response in smart energy hub[J].IEEE Transactions on Smart Grid，2016，7（2）：650-658.
[23] CORREA-POSADA C M，SáNCHEZ-MARTíN P.Integrated power and natural gas model for energy adequacy in short-term operation[J].IEEE Transactions on Power Systems，2015，30（6）：3347-3355.
[24] DIW Berlin：DIETER.[2019-05-17].https：//www.diw.de/de/diw_01.c.508843.de/forschung_beratung/
nachhaltigkeit/umwelt/verkehr/energie/modelle/
dieter/dieter.html.
[25] CHIRAMBO D.Addressing the renewable energy financing gap in Africa to promote universal energy access：Integrated renewable energy finan-
cing in Malawi[J].Renewable and Sustainable Energy Reviews，2016，62：793-803.
[26] DOU X，WANG J，WANG Z，et al.A dispatching method for integrated energy system based on dynamic time-interval of model predictive control[J]. Journal of Modern Power Systems and Clean Energy，2020，8（5）：841-852.
收稿日期：2021-05-24
作者簡介：叶洪波（1977—），男，吉林蛟河人，高级工程师，从事电网调度运行相关技术研究和管理工作。
凌晓波（1975—），男，浙江湖州人，工程师，从事电网调度运行及安全相关技术研究和管理工作。
王高琴（1982—），女，江苏南京人，高级工程师，从事电力市场运营及实验推演验证技术研究工作。