摘要 針對大規(guī)模儲能應(yīng)用交易機(jī)制不明確、投資成本難回收等問題，提出了一種共享儲能的定價方法，建立了一種以共享儲能運(yùn)營商為領(lǐng)導(dǎo)者、風(fēng)電場為跟從者的考慮儲能參與調(diào)頻的共享儲能主從博弈分布魯棒定價模型。上層以共享儲能運(yùn)營商盈利最大為目標(biāo)，提出儲能不僅可從風(fēng)電場獲利，還可參與系統(tǒng)調(diào)頻獲取收益。下層以風(fēng)電場收益最大為目標(biāo)，建立考慮風(fēng)電不確定性的兩階段風(fēng)電場分布魯棒優(yōu)化模型，第一階段最大化基礎(chǔ)場景的售電收益，第二階段最小化不確定場景下風(fēng)電場上網(wǎng)偏差懲罰成本期望?；谖鞅钡貐^(qū)實(shí)際風(fēng)電場運(yùn)行數(shù)據(jù)設(shè)計算例并進(jìn)行仿真分析。結(jié)果表明：共享儲能運(yùn)營商合理的定價策略，不僅有利于改善新能源場站調(diào)節(jié)能力，減少棄風(fēng)，還可提高儲能利用率，實(shí)現(xiàn)博弈雙方的互利共贏。
1 風(fēng)電場模型
1.1 目標(biāo)函數(shù)
本文考慮多個風(fēng)電場購買共享儲能提供的充放電服務(wù)，各風(fēng)電場均為獨(dú)立的個體，目標(biāo)函數(shù)均為各自收益最大，即
1.1.1 上網(wǎng)偏差懲罰
作為跟從者的風(fēng)電場，主要收益為風(fēng)電場向電網(wǎng)的售電收益。但若實(shí)際上網(wǎng)功率偏離預(yù)測功率，將受到由于功率預(yù)測偏差產(chǎn)生的懲罰。因此，通過使用共享儲能充放電服務(wù)來調(diào)整總出力可降低上網(wǎng)偏差懲罰，風(fēng)電場w的上網(wǎng)偏差懲罰計算式為
1.2.1 出力約束
風(fēng)電場w的總出力約束為
2 共享儲能運(yùn)營商模型
2.1 共享儲能參與調(diào)頻的性能指標(biāo)
共享儲能參與調(diào)頻服務(wù)，不僅可充分利用儲能容量，改善電網(wǎng)的調(diào)頻效果，還可增加自身收益。
當(dāng)儲能參與調(diào)頻時，共享儲能荷電狀態(tài)（SOC）數(shù)值過高或者過低都將影響其參與調(diào)頻的表現(xiàn)，都可能造成儲能無法及時地響應(yīng)系統(tǒng)調(diào)頻的充放電指令的結(jié)果，難以發(fā)揮良好的調(diào)頻作用。本文參照共享儲能的調(diào)頻性能指標(biāo)，將共享儲能的調(diào)頻性能指標(biāo)表達(dá)為隨SOC變化的一個簡單的分段函數(shù)，如圖1所示，圖中： γu,t 為共享儲能u在時段t的調(diào)頻性能指標(biāo)；Su,t 為共享儲能u在時段t的SOC；圖片分別為儲能系統(tǒng)荷電狀態(tài)的上、下限；ΔS 為允許偏離的SOC值。當(dāng)SOC偏低或偏高時，調(diào)頻表現(xiàn)分?jǐn)?shù)為 σ(σ＜1) ，而SOC處于居中水平時調(diào)頻性能指標(biāo)為1。
圖1 調(diào)頻性能指標(biāo)和共享儲能SOC的關(guān)系
Fig.1 Relationship between frequency modulation performance index and shared energy storage SOC
為了保持共享儲能在參與調(diào)頻時的效率與良好性能，在本文模型中，取共享儲能不同時段的SOC值，以性能指標(biāo)平均值 γu 來作為優(yōu)化模型中衡量儲能綜合表現(xiàn)的指標(biāo)。
2.2 目標(biāo)函數(shù)
本文模型中共享儲能運(yùn)營商的收益主要來自風(fēng)電場支付的儲能服務(wù)使用費(fèi)、日前調(diào)頻市場收益與利用電網(wǎng)分時電價賺取的收益。關(guān)于共享儲能運(yùn)營商的成本，則主要考慮共享儲能運(yùn)行過程中產(chǎn)生的儲能壽命損耗作為共享儲能運(yùn)營商的成本費(fèi)用。目標(biāo)函數(shù)為總收益最大，即
2.3 約束條件
2.3.1 儲能功率守恒約束
所有風(fēng)電場向共享儲能上報的充放電功率總需求必須與共享儲能運(yùn)營商所有設(shè)備的總充放電功率相等，即
2.3.6 共享儲能調(diào)頻性能指標(biāo)約束
2.4 Big-M法約束線性化
本文建立的共享儲能運(yùn)營商模型為混合整數(shù)規(guī)劃模型（mixed integer linear programming model，MILP），除約束（30）（33）外均為線性約束，利用Big-M法對約束（30）（33）進(jìn)行處理，得到
3 考慮儲能參與調(diào)頻的共享儲能主從博弈分布魯棒定價模型
3.1 考慮風(fēng)電不確定性的分布魯棒模型
本文采用分布魯棒，基于第2章中確定性風(fēng)電場優(yōu)化模型，建立風(fēng)電場分布魯棒優(yōu)化模型。為便于后續(xù)分析，將基礎(chǔ)確定性模型以線性矩陣形式表示，x代表出力調(diào)節(jié)相關(guān)的連續(xù)變量。其中， x1 表示同風(fēng)電場使用共享儲能的服務(wù)費(fèi)相關(guān)的連續(xù)變量； x2 表示同風(fēng)電上網(wǎng)收益相關(guān)的連續(xù)變量， x3 表示與上網(wǎng)偏差功率相關(guān)的連續(xù)變量。模型的約束條件均可以線性矩陣表示。確定性風(fēng)電場優(yōu)化模型表示為
式中：決策變量 x 滿足式（37）的約束； ξ0 為基礎(chǔ)場景下風(fēng)電預(yù)測出力； ξk 為考慮不確定性的場景k時風(fēng)電出力情況； pk 為不確定參數(shù)分布的概率值； Φ 為不確定性場景概率分布的取值域； cT 為風(fēng)電上網(wǎng)偏差懲罰相關(guān)常系數(shù)矩陣；圖片為在不確定性場景k時，系統(tǒng)在第一階段條件下風(fēng)電場的調(diào)度運(yùn)行狀態(tài)變量；K為具有代表性的離散風(fēng)電出力的不確定場景總個數(shù)。
本文采用蒙特卡洛模擬法，在預(yù)測出力數(shù)據(jù)基礎(chǔ)上，隨機(jī)生成多個風(fēng)電出力不確定場景，再使用同步回代消除法進(jìn)行場景削減，各個風(fēng)電場都將得到K個具有代表性的離散風(fēng)電出力的不確定場景與場景所對應(yīng)的概率分布。在此基礎(chǔ)上，構(gòu)建以風(fēng)電出力的不確定場景的初始概率分布為中心，以0-∞和0-1范數(shù)來約束 pk ，實(shí)現(xiàn) pk 的分布波動，且在第二階段模型中求解最優(yōu)解 pk ，得到上網(wǎng)偏差功率的最壞概率分布。0-∞與0-1范數(shù)約束為
3.2 考慮儲能參與調(diào)頻的共享儲能主從博弈分布魯棒定價模型
圖2為考慮儲能參與調(diào)頻的共享儲能主從博弈分布魯棒定價模型的結(jié)構(gòu)，參與博弈的主體包括共享儲能運(yùn)營商與多個風(fēng)電場。
圖2 各利益方關(guān)系框架
Fig.2 Framework of the relationship between various stakeholders
由于政策需求，風(fēng)電場均需給予共享儲能運(yùn)營商一定費(fèi)用以使用儲能服務(wù)，當(dāng)實(shí)際功率不足時，從共享儲能購電，當(dāng)功率超過預(yù)測功率時，向共享儲能充電，從而達(dá)到日前上報的預(yù)測功率，否則將會受到上網(wǎng)偏差懲罰。因此，共享儲能運(yùn)營商在主從博弈模型中占據(jù)主導(dǎo)地位，為主導(dǎo)者。而多個需要共享儲能運(yùn)營商提供儲能服務(wù)的風(fēng)電場為跟從者，構(gòu)成了如圖2所示的一主多從的博弈結(jié)構(gòu)。
模型的博弈過程可以描述為：首先，共享儲能運(yùn)營商針對不同的風(fēng)電場制定不用時段儲能服務(wù)使用的價格，風(fēng)電場則根據(jù)定價來調(diào)整自身充放電功率，若某時段定價過高，會結(jié)合自身實(shí)際情況而減少該時段一定的儲能服務(wù)使用量；若某時段定價較低，則可能增加該時段的儲能服務(wù)使用量。其次，當(dāng)各風(fēng)電場都調(diào)整好策略并上報共享儲能運(yùn)營商時，運(yùn)營商便又會根據(jù)風(fēng)電場的策略來調(diào)整定價以鼓勵風(fēng)電場積極使用儲能服務(wù)，如此反復(fù)優(yōu)化，直至共享儲能運(yùn)營商與風(fēng)電場都達(dá)到收益函數(shù)的最值即博弈互動的最優(yōu)方案，該方案下的定價則為共享儲能運(yùn)營商的最優(yōu)定價策略。
考慮儲能參與調(diào)頻的共享儲能主從博弈分布魯棒定價模型為
式中：y1、y2為共享儲能運(yùn)營商的博弈策略集； ΩWT 、 ΩSES 分別為風(fēng)電場與共享儲能運(yùn)營商的博弈策略的約束條件。
4 模型的求解
圖3為本文模型的求解流程，采用粒子群優(yōu)化算法（PSO）生成共享儲能服務(wù)商的價格策略，并用成熟的優(yōu)化軟件求解混合整數(shù)線性規(guī)劃模型，模型求解的總流程為。
圖3 求解流程
Fig.3 Solution flow
步驟1）由PSO生成共享儲能的初始價格策略，此時當(dāng)前迭代次數(shù)z=1；
步驟2）各風(fēng)電場將根據(jù)當(dāng)前共享儲能的定價策略求解各大風(fēng)電場分布魯棒優(yōu)化子程序，得到風(fēng)電場的儲能使用策略與收益；
步驟3）基于風(fēng)電場儲能服務(wù)使用需求，以運(yùn)營商除風(fēng)電場儲能使用服務(wù)費(fèi)的收益最大為目標(biāo)，求解共享儲能運(yùn)營商優(yōu)化子程序，得到儲能分配、購售電、調(diào)頻等運(yùn)行策略以及 FSES′ ；
步驟4）基于當(dāng)前求解數(shù)據(jù)，計算共享儲能運(yùn)營商總收益，并進(jìn)行各粒子比較更新當(dāng)前迭代最優(yōu)解，保存并更新當(dāng)前最優(yōu)價格策略；
步驟5）判斷z是否小于最大迭代次數(shù)，若z≤Z，則令z=z+1并更新粒子返回步驟2）；若z＞Z，則求解結(jié)束，并輸出共享儲能最優(yōu)價格策略。
4.1 風(fēng)電場分布魯棒優(yōu)化子問題
本文采取CCG法，在主問題—子問題的結(jié)構(gòu)下利用GUROBI迭代求解模型。
主問題為已知最壞概率分布的條件下，求得最優(yōu)解 x1 、 x2 、 x3 ，主問題式為
式中：m為風(fēng)電場分布魯棒優(yōu)化子問題的迭代次數(shù)。在已知當(dāng)前最壞概率分布的情況下，將主問題求得的最優(yōu)解 x1 作為充放電服務(wù)使用量上限圖片代入子問題，作為子問題的約束條件對子問題進(jìn)行求解，求取最優(yōu)解 {pk} ，并回代到主問題中更新最壞概率分布。
子問題與新增約束為
式中：子問題的標(biāo)準(zhǔn)形式如（51）。由于圖片為線性問題，該問題能以函數(shù)形式 f(x?) 表示，故可將式（51）轉(zhuǎn)化為式（52）形式以求得最優(yōu)解 {pk} ，而求到的 {pk} 將回代入主問題，更新當(dāng)前最壞概率分布。式（53）為新增的風(fēng)電場儲能服務(wù)使用量上限約束，即子問題中儲能服務(wù)使用量不可超過主問題中儲能服務(wù)購買量。
4.2 共享儲能運(yùn)營商優(yōu)化子問題
共享儲能運(yùn)營商優(yōu)化子問題將基于風(fēng)電場上報的儲能服務(wù)需求量，以除開風(fēng)電場繳納的儲能服務(wù)使用費(fèi)之外的運(yùn)營商收益 FSES′ 最大為目標(biāo)，利用GUROBI求解第3章中的共享儲能運(yùn)營商模型。更改目標(biāo)函數(shù)后的模型為
5 算例分析
5.1 算例參數(shù)設(shè)置
算例采用國內(nèi)西北地區(qū)3座裝機(jī)容量分別為644 MW、693 MW、450 MW風(fēng)電場W1、W2、W3，典型日內(nèi)24小時的計劃出力曲線如圖4所示。風(fēng)電上網(wǎng)價格參考該地區(qū)上網(wǎng)電價，設(shè)置為259.5元/(MW?h)，出力偏離懲罰系數(shù)則按風(fēng)電上網(wǎng)電價的2.5倍即648.75元/(MW?h)設(shè)置，電網(wǎng)的分時電價參考該地區(qū)發(fā)展改革委關(guān)于優(yōu)化峰谷分時電價機(jī)制的通知范圍設(shè)置，如圖5所示。另外，調(diào)頻里程系數(shù)d是由歷史AGC信號計算得到的調(diào)頻里程的小時歷史均值。
圖4 算例風(fēng)電場典型日計劃出力曲線
Fig.4 Planned output curve of three wind farms on a typical day
圖5 分時電價設(shè)置
Fig.5 Time-of-use electricity price setting
算例中，2個共享儲能u1、u2的具體參數(shù)如表1所示，模型相關(guān)價格如表2所示，參數(shù)設(shè)置依據(jù)國家能源局西北監(jiān)管局寧夏回族自治區(qū)發(fā)展和改革委員會印發(fā)的《寧夏電力輔助市場運(yùn)營規(guī)則》。表2中，圖片分別表示共享儲能運(yùn)營商針對風(fēng)電場w在t時段的充電定價的上、下限，同理，圖片分別表示共享儲能運(yùn)營商針對風(fēng)電場w在t時段的放電定價的上、下限。
表1 共享儲能系統(tǒng)參數(shù)設(shè)置
Table 1 Parameter setting of shared energy storage system
表2 模型相關(guān)價格設(shè)置
Table 2 Model-related price setting
5.2 算例場景設(shè)置
本文采用如表3所示的5個算例進(jìn)行對比分析。算例1按照每個風(fēng)電場的裝機(jī)容量配置7.8%的獨(dú)立儲能，不考慮風(fēng)電不確定性、且儲能不參與調(diào)頻，風(fēng)電場按照固定定價支付儲能充放電服務(wù)費(fèi)；算例2在算例1的基礎(chǔ)上，將給風(fēng)電場配置獨(dú)立儲能修改為3個風(fēng)電場共享2個儲能；算例3在算例2的基礎(chǔ)上，將固定定價變?yōu)楸疚哪Ｐ偷闹鲝牟┺亩▋r；算例4增加了共享儲能參與調(diào)頻的應(yīng)用場景；算例5在此基礎(chǔ)上考慮了風(fēng)電的不確定性。
表3 共享儲能算例場景設(shè)置
Table 3 Scenario setting of shared energy storage case
5.3 計算結(jié)果與分析
圖6為算例1~5的共享儲能運(yùn)營商各項收益明細(xì)，風(fēng)電場上網(wǎng)偏差、棄風(fēng)量、總充放電需求與共享儲能總收益求解結(jié)果如表4所示。
圖6 共享儲能運(yùn)營商各項收益
Fig.6 Revenue of shared energy storage operators
表4 風(fēng)電場上網(wǎng)偏差、棄風(fēng)量、總充放電需求與共享儲能總收益求解結(jié)果
Table 4 Results of grid deviation, abandoned air volume, total charge and discharge demand, and total revenue of shared energy storage of wind farm
對比算例1、2可知，在共享儲能容量設(shè)置相同的情況下，考慮使用共享機(jī)制的算例2不僅能達(dá)到比配置獨(dú)立儲能的算例1更小的上網(wǎng)偏差與棄風(fēng)量，還能滿足風(fēng)電場更大的充放電服務(wù)需求，使得儲能運(yùn)營商的收益更大。因此，共享儲能可利用不同儲能使用者的互補(bǔ)性，不僅可以通過統(tǒng)籌優(yōu)化以提升儲能的利用率、可再生能源的消納水平，還可以縮短儲能投資商的回報周期。
為了對比更加明顯，在算例2中設(shè)置不同的固定定價3個子算例2-1、2-2、2-3并求解模型，得到如表5所示的求解結(jié)果。
表5 算例2的子算例求解結(jié)果對比分析
Table 5 Comparative analysis of results of subcases of case 2
由表5可知，在算例2-2中，棄風(fēng)量高達(dá)248.74 MW·h，是算例2-1與算例2-3棄風(fēng)量的1.99倍，這是因?yàn)?，若風(fēng)電場將多余電能充到共享儲能中需要向共享儲能方繳納一定的費(fèi)用，風(fēng)電場會更傾向于棄風(fēng)；而在算例2-3中，風(fēng)電場的上網(wǎng)偏差最高，為296.30 MW·h，這是因?yàn)?，提升放電服?wù)價格至1500元/MW·h后，遠(yuǎn)高于648.75元/(MW?h)的上網(wǎng)偏差懲罰，風(fēng)電場將更傾向于接受更多的上網(wǎng)偏差懲罰，而不會去購買共享儲能的服務(wù)。雖然在算例2-3中儲能方的收益在3個子算例中最高，但是，通過大量增加風(fēng)電場的上網(wǎng)偏差來提升儲能收益，并不可取。因此，需要通過一種靈活的定價方式來平衡雙方的收益。
對比算例2、3可知，基于主從博弈定價方式的算例3雖然比算例2棄風(fēng)量增加了6.39 MW·h，但是，在與算例2達(dá)到相同的上網(wǎng)偏差電量的同時，共享儲能運(yùn)營商總收益卻是算例2的8.07倍。因此，主從博弈定價方法能在較好地滿足風(fēng)電場需求的同時，也使得共享儲能運(yùn)營商的達(dá)到更為可觀的收益。
對比分析算例3、4可知，在共享儲能參與電網(wǎng)調(diào)頻后，算例4的上網(wǎng)偏差量、棄風(fēng)量與風(fēng)電場的充放電需求均未發(fā)生太大變化。除了增加了儲能參與電網(wǎng)調(diào)頻的收益82620.75元之外，儲能的充放電服務(wù)費(fèi)與峰谷套利均略有下降。這是因?yàn)?，為了讓儲能上報更多的調(diào)頻容量以賺取調(diào)頻收益，共享儲能運(yùn)營商將在谷時段從電網(wǎng)購電以滿足調(diào)頻容量需求，而不再從電網(wǎng)套利。但是，共享儲能的總收益比未參與調(diào)頻的算例3增加了5095.74元。因此，共享儲能運(yùn)營商在參與平抑風(fēng)電場出力波動、跟蹤出力計劃、減少棄風(fēng)的同時，將剩余容量參與調(diào)頻更有利于提升儲能設(shè)備的利用率，并增加自身獲利。
圖7為算例4、5共享儲能運(yùn)營商上報參與調(diào)頻容量與儲能調(diào)頻性能評分對比，表6為算例4、5中共享儲能運(yùn)營商針對不同風(fēng)電場的充放電服務(wù)定價均值，圖8為算例4、5共享儲能運(yùn)行情況，圖9為算例5共享儲能定價策略與W1、W2、W3的充放電需求。
圖7 算例4、5共享儲能運(yùn)營商上報參與調(diào)頻容量與儲能調(diào)頻性能評分對比
Fig.7 Comparison of shared energy storage operators’ reported participation frequency modulation capacity and energy storage frequency modulation performance score of cases 4–5
表6 算例4、5共享儲能運(yùn)營商針對不同風(fēng)電場的充放電服務(wù)定價均值
Table 6 Average pricing of charging and discharging services for different wind farms by shared energy storage operators of cases 4–5
圖8 算例4、5共享儲能運(yùn)行情況
Fig.8 Operation of shared energy storage of case 4 and 5
圖9 算例5共享儲能定價策略與W1、W2、W3充放電需求
Fig.9 Shared energy storage pricing strategy and W1, W2 and W3 charge and discharge requirements of case 5
利用分布魯棒優(yōu)化考慮了風(fēng)電出力的不確定性之后共享儲能運(yùn)營商中儲能設(shè)備的運(yùn)行策略發(fā)生了一定改變。由圖8可以看出，為了滿足風(fēng)電場考慮不確定性后增多的充放電需求，原本只需要在06:00—07:00、12:00—13:00、15:00—18:00時段向電網(wǎng)購電的共享儲能運(yùn)營商大大增加了從電網(wǎng)的購電量，在02:00—03:00、04:00—05:00、06:00—07:00、12:00—17:00時段都需要從電網(wǎng)購電，因此從電網(wǎng)購電的成本相比于算例4大幅增加。但是，由表6與圖8可知，由于共享儲能運(yùn)營商向風(fēng)電場的售電量與售電價格遠(yuǎn)高于算例5，且低價從風(fēng)電場購入的電量有所增加，共享儲能商的收益仍然高于算例4。
利用分布魯棒優(yōu)化考慮了風(fēng)電出力的不確定性之后風(fēng)電場的充放電需求量與共享儲能的定價策略的也發(fā)生了一定改變。結(jié)合圖6~8、表4與表6，對比分析算例4與5可知，風(fēng)電場充放電需求與風(fēng)電場從儲能購電的價格均大幅上升，共享儲能運(yùn)營商從風(fēng)電場賺取的服務(wù)費(fèi)成倍增加，并將原本用于參與電網(wǎng)調(diào)頻的部分容量轉(zhuǎn)移用于滿足風(fēng)電場的需求，所以，算例5的調(diào)頻收益小于算例4的調(diào)頻收益，且調(diào)頻性能評分在一定程度上有所下降。
為了探究算例5中共享儲能的定價策略與儲能服務(wù)量之間的關(guān)系，結(jié)合圖4、8 b)、9分析可知，當(dāng)機(jī)組必須使用儲能以平抑波動時，運(yùn)營商在該時段的服務(wù)定價將會達(dá)到較高的位置，如W1的03:00—04:00時段與W2的08:00—10:00、15:00—16:00時段，由于風(fēng)電場的波動限值約束而導(dǎo)致風(fēng)電場必須使用儲能，在這些時段，無論需求量的大小，共享儲能的放電定價都接近峰值800元/(MW·h)；而共享儲能運(yùn)營商的定價在風(fēng)電場僅需要使用儲能來跟蹤計劃出力時段，總是保持充放電需求量越大、定價越高的規(guī)律。并且，當(dāng)共享儲能不能滿足風(fēng)電場的需求時，會通過提升該時段的定價直至風(fēng)電場不在此時段上報需求電量為止；另外，當(dāng)風(fēng)電盈余時，如W3的18:00—20:00、21:00—22:00、23:00—24:00時段，共享儲能運(yùn)營商將給予W3服務(wù)費(fèi)以鼓勵風(fēng)電場積極使用儲能服務(wù)，將盈余電量充到共享儲能中，一方面，使風(fēng)電場減小了棄風(fēng)并獲得一定收益，另一方面，還可以讓共享儲能運(yùn)營商低價從風(fēng)電場購電從而替代共享儲能以相對較高的價格從電網(wǎng)購電。
圖10為算例5中3個風(fēng)電場跟蹤計劃出力情況。本文采用蒙特卡洛模擬法，在風(fēng)電出力的歷史預(yù)測數(shù)據(jù)基礎(chǔ)上，隨機(jī)生成5000個不確定場景，再通過同步回代消除法進(jìn)行場景削減，最終得到5個典型不確定性場景。
圖10 算例5風(fēng)電場跟蹤計劃出力情況
Fig.10 Tracking planned output of wind farm in case 5
由圖10可知，通過使用共享儲能運(yùn)營商的充放電服務(wù)，W3的計劃出力跟蹤效果最好，與計劃出力相比，僅有37.60 MW·h的上網(wǎng)偏差電量。W1 、W2由于本身的計劃出力曲線波動較大，在使用儲能服務(wù)使得出力曲線得到了一定程度上的平滑的基礎(chǔ)上，W1 、W2風(fēng)電場跟蹤計劃出力曲線的效果良好。
6 結(jié)論
針對儲能投資成本高、回報周期長以及新能源出力不確定性等問題，本文設(shè)計了為風(fēng)電場提供儲能服務(wù)的共享儲能運(yùn)營商，并考慮風(fēng)電出力不確定性，建立了一種以共享儲能運(yùn)營商為領(lǐng)導(dǎo)者、風(fēng)電場為跟從者的考慮儲能參與調(diào)頻的共享儲能主從博弈分布魯棒定價模型，目標(biāo)函數(shù)均為各自收益最大。利用中國西北某地區(qū)的3個實(shí)際風(fēng)電場數(shù)據(jù)進(jìn)行算例分析，得出以下結(jié)論。
1）共享儲能能夠利用不同儲能使用者的差異性和互補(bǔ)性，通過統(tǒng)籌優(yōu)化以提升儲能的利用率、可再生能源的消納水平，縮短儲能投資商回報周期。
2）主從博弈定價方法能夠使共享儲能運(yùn)營商針對不同風(fēng)電場，制定不同的最優(yōu)價格曲線，在能夠較好地減小棄風(fēng)、跟蹤計劃出力曲線、平抑風(fēng)電出力波動的同時，也使得共享儲能運(yùn)營商的收益更為可觀。另外，若共享儲能運(yùn)營商在此時將剩余容量上報日前調(diào)頻市場，將更有利于提升儲能設(shè)備的利用率，并增加自身獲利。
3）考慮風(fēng)電的不確定性后，風(fēng)電場充放電需求與風(fēng)電場從儲能購電的價格將大幅上升，參與上報調(diào)頻容量將有所下降。共享儲能運(yùn)營商的定價在風(fēng)電場僅需要使用儲能來跟蹤計劃出力時段，總是保持充放電需求量越大，定價越高的規(guī)律。另外，當(dāng)風(fēng)電盈余時，共享儲能運(yùn)營商將給予風(fēng)電場一筆費(fèi)用以鼓勵風(fēng)電場積極使用儲能服務(wù)，將盈余電量充到共享儲能中，一方面，可使風(fēng)電場減小棄風(fēng)，另一方面，還可讓共享儲能運(yùn)營商低價從風(fēng)電場購電從而替代共享儲能以相對較高的價格從電網(wǎng)購電。
注：本文內(nèi)容呈現(xiàn)略有調(diào)整，如需要請查看原文。
