基于供需匹配度的风光储套餐定价策略_谢琳.pdf

电 力 系 统 及 其 自 动 化 学 报Proceedings of the CSU-EPSA第 35 卷 第 2 期2023 年 2 月Vol.35 No.2Feb.2023基于供需匹配度的风光储套餐定价策略谢琳1，冯天波2，李梁1，王炜韬1，赵健1（1.上海电力大学电气工程学院，上海 200090；2.国网上海市电力公司信息通信公司，上海 200122）摘要：为提升售电商参与未来零售市场竞争的收益，提出基于供需匹配度的风、光、储套餐定价策略。首先，面向上级能源供应商构建套餐度电成本模型，实现购电成本测算；然后，构建负荷转移率与电价差的需求响应不确定性模型，得到以电价为自变量的用户电量拟合函数；其次，引入电费支出满意度和用电方式满意度指标以保证售电商提供的套餐尽量满足用户用能需求，来构建基于供需匹配度的套餐选择概率模型；最后，以售电商购、售电净利润最大为目标函数，优化求解各套餐分时电价。仿真结果表明了所提定价策略的有效性及合理性。关键词：供电套餐；需求响应；供需匹配度；度电成本；套餐定价中图分类号：TM73文献标志码：A文章编号：1003-8930（2023）02-0112-09DOI：10.19635/ki.csu-epsa.001005Pricing Strategy for Wind-PV-Storage Package Based on Matching Degree ofSupply and DemandXIE Lin1，FENG Tianbo2，LI Liang1，WANG Weitao1，ZHAO Jian1（1.School of Electrical Engineering，Shanghai University of Electric Power，Shanghai 200090，China；2.Information and Communication Company，State Grid Shanghai Municipal Electric Power Company，Shanghai 200122，China）Abstract:A pricing strategy for wind-PV-storage package based on the matching degree of supply and demand is proposed to improve the revenue of e-sellers participating in the future retail market competition.Aimed at the superior energy supplier，a model of unit cost of electricity for the package is constructed，and the calculation of power purchasecost is realized.A demand response uncertainty model of load transfer rate and electricity price difference is constructed，and the user electricity fitting function with the electricity price as an independent variable is obtained.To ensurethat the power supply package provided by e-sellers can meet the energy demand of users as much as possible，the pricesatisfaction and power comfort indexes are introduced，and a package selection probability model based on the matching degree of supply and demand is constructed.Finally，the time-of-use price in each package is optimized by takingthe maximum net profit in power purchase and sales as the objective function.Simulation results show that the proposedpricing strategy is effective and reasonable.Keywords:power supply package；demand response；matching degree of supply and demand；unit cost of electricity；package pricing随着售电侧的逐步放开1，市场竞争格局逐渐形成，据统计，目前国内存在3 000多家售电商2。售电商作为区域购、售电实体，具有激发用户侧需求响应的能力，可提升整个系统的运营效率3-4。同时，用户侧大规模先进量测装置的应用也提升了负荷调节的灵活性，在此背景下，售电电价机制将更为灵活，未来售电商以供电套餐方式售电会成为一种趋势5-6。套餐定价可以吸引用户积极参与，提高源、荷两侧互动性，实现售电商和用户的双赢7-8。国内外学者对套餐定价问题展开一系列研究，文献9根据用户负荷的特点，构建实时电价模型，提供不同套餐零售价格；文献10提出一种考虑用户自主选择性的供电套餐定价策略，该策略考虑了用户选择行为，为同一类型用户制定种类数量合适、费率合理的套餐；文献11提出一种考虑智能电表与能源提收稿日期：2021-12-13；修回日期：2022-04-13网络出版时间：2022-05-20 13：30：40基金项目：上海市教育发展基金会和上海市教育委员会“曙光计划”项目（18SG50）；上海市科学技术委员会“扬帆计划”项目（19YF1416900）；国网上海市电力公司科技项目（52090F20007L）谢琳等：基于供需匹配度的风光储套餐定价策略谢琳等：基于供需匹配度的风光储套餐定价策略113第 35 卷供商之间信息交互的实时电价算法；文献12针对考虑用户需求响应的售电商运行决策问题，建立以售电商购售电利润最大化为目标的电价决策模型。上述文献均对套餐价格机制做出了一定探索，但较少考虑售电商提供的供电套餐与用户实际用能需求之间的匹配度。售电商作为能源供应商和用户之间的桥梁，应保证提供的套餐尽可能满足用能需求，以降低购电成本及跨区域间电力交换所造成的能量损失。因此提出供需匹配度概念，并从价格支出和原有用电习惯两个层面，将供需匹配度分为电费支出满意度和用电方式满意度两个指标，通过对这两个指标的量化分析，得到各套餐与用户的供需匹配度，进而求得用户选择某一套餐的概率。本文提出一种基于供需匹配度的风、光、储套餐定价策略。首先，以售电商为主体，面向上级能源供应商构建套餐度电成本UCOE（unit cost of electricity）13模型，实现购电成本测算；在售电方面考虑用户侧需求响应，构建负荷转移率与电价差的需求响应不确定性模型，得到以电价为自变量的用户电量拟合函数，该模型充分考虑用户参与电价响应时具有死区、饱和特性和需求响应的不确定性，提升了需求响应模型的精度。然后，提出供需匹配度概念，引入电费支出满意度及用电方式满意度指标分析不同套餐与每一类用户的供需匹配度，确定用户选择各套餐的概率，制定向上级能源供应商的购电策略。最后，以售电商净利润最大为目标函数，优化求解出各套餐分时电价。仿真结果表明了定价策略的有效及合理性。1风光储套餐定价流程售电商拥有配电网的运营权，以购、售电业务为主，其经营收益来自购、售电差额利润14。在本文中，售电商购电主要来源于能源供应商，购电类目按照风、光与储能容量比例分为K个不同套餐。每类套餐单位购电成本为该套餐UCOE与能源供应商收益率的乘积，为了保证售电商能够盈利，需降低向能源供应商的单位购电成本。售电商能够以帮助能源供应商降低考核成本、缓解高峰时段供电压力为条件，与对方协商购电，降低购电成本15。在售电时，用户按照自身情况选用一个合适的套餐，按照套餐合同调整用电，售电商按套餐需求量向能源供应商购电；在结算时，若售电商供电曲线与用户用电曲线发生偏离，缺额部分由售电商在实时市场上购电补足，用户按照所选套餐合同规定缴纳电费。基于供需匹配度的风、光、储套餐定价流程如图1所示，其具体步骤如下。步骤1分析全寿命周期内分布式风、光、储的成本及收益，考虑储能充、放电功率和荷电状态SOC（state-of-charge）等约束，建立套餐UCOE模型，得到各套餐UCOE。步骤2考虑到用户对电价响应时存在死区、饱和特性，以及需求响应的不确定性，采用三角隶属度函数表征负荷转移误差，构建负荷转移率与电价差的需求响应不确定性模型，得到以电价为自变量的用户电量拟合函数。步骤3在步骤2的基础上，将每一类用户与各套餐的匹配度分为电费支出满意度指标和用电方式满意度指标，确定用户选择各套餐的概率，从而制定售电商向能源供应商的购电决策；最后以售电商购售电净利润最大为目标，优化求解各套餐分时电价。2套餐 UCOE 模型分布式储能的引入，改变了分布式风、光的运图 1风光储套餐定价流程Fig.1Pricing process of wind-PV-storage package成本函数收益函数约束条件及仿真参数各套餐UCOE需求响应不确定性用户对电价差呈现不同情况三角模糊函数设定各套餐分时电价初值峰谷平分时电价下各时段用户电量拟合函数用电方式满意度电费支出满意度基于供需匹配度的套餐选择概率模型售电商与能源服务商协商购电生成套餐定价结果达到售电商利润最大效果？套餐度电成本模型需求响应不确定性模型基于供需匹配度的套餐定价模型基于供需匹配度的风光储套餐定价策略否是电 力 系 统 及 其 自 动 化 学 报114第 2 期行模式，传统的UCOE模型已不再适用，本节将构建适用于分布式风、光、储的UCOE电价模型。UCOE是指在全生命周期内每千瓦时的成本，即总成本费用的折现值与发电量的比值，可表示为UCOE=r=1NCr(1+f)rr=1NQr(1+f)r（1）式中：Qr为第r年发电量，r=1，2，N，N为分布式风、光、储的运行寿命；f为折现率；Cr为第r年成本。第r年成本Cr可表示为Cr=Cpv,r+Cpw,r+Cbess,r+Mr（2）式中：Cpv,r为光伏第r年成本；Cpw,r为风电第r年成本；Cbess,r为储能第r年成本；Mr为风、光、储第r年考核成本。2.1光伏和风电成本模型分布式光伏的成本包括投资资金、年财务成本、年运营成本和回收价值。光伏投资资金Cpv_inv可表示为Cpv_inv=(1-ipv)cpvPpvr=1（3）式中：ipv为光伏贷款比例；cpv为光伏单位容量投资成本；Ppv为光伏装机容量。光伏年财务成本Cpv_fi,r可表示为Cpv_fi,r=12ipvcpvPpvi1(1+i112)12rpva(1+i112)12rpva-1rpv0rrpva（4）式中：i1为光伏年贷款利率；rpv0为光伏建设年限；rpva为光伏建设的还款年限。光伏的年运营成本Cpv_op,r可表示为Cpv_op,r=ipv_opcpvPpvrpv0rrpv0+Npv（5）式中：ipv_op为光伏年运营费用占总投资成本的比例；Npv为光伏寿命。光伏的回收价值Cpv_re可表示为Cpv_re=pvcpvPpv（6）式中，pv为回收价值系数。风电成本与光伏成本类似，也包括投资资金、年财务成本、年运营成本和回收价值，这里不再赘述。2.2储能成本模型储能具有灵活的调节特性和抑制风电、光伏的反负荷特性，在提高可再生能源消纳能力的同时还能促进该区域电网