基于AVPP的区域灵活性市场与批发市场协同优化：一种双层随机规划方法

《Renewable Energy Focus》：Enhancing the flexibility of decentralized energy resources through bi-level optimization in intra-day regional markets

本文针对高比例分布式能源接入下配电网灵活性资源协调难题，提出了一个由聚合虚拟电厂（AVPP）主导的区域灵活性市场（RFM）与批发市场（WFM）协同运行的双层随机规划框架。研究通过整合分布式发电（DG）、储能系统（ESS）、电动汽车（EV）和柔性负荷（FC）等多种资源，构建了考虑不确定性的市场出清模型。结果表明，该模型能有效提升AVPP利润达15.2%，降低节点边际电价（LMP）波动性约23%，显著增强了配电网运行的经济性与可靠性，为分布式资源参与电力市场提供了新范式。

　　

随着全球能源转型进程的加速，风电、光伏等波动性可再生能源在电力系统中的渗透率日益提高。然而，这些分布式能源（Distributed Energy Resources, DERs）的间歇性和不确定性给配电网（Distribution Network, DN）的安全稳定运行带来了巨大挑战。传统的“自上而下”的集中调度模式难以有效应对海量分布式资源带来的复杂性和不确定性，亟需新的市场机制和运营模式来挖掘和利用分布在用户侧的灵活性潜力。在此背景下，聚合虚拟电厂（Aggregated Virtual Power Plant, AVPP）作为一种新兴的技术-商业形态，通过先进的信息通信技术将地理上分散的分布式发电（Distributed Generation, DG）、储能系统（Energy Storage System, ESS）、电动汽车（Electric Vehicle, EV）和柔性负荷（Flexible Consumer, FC）等资源聚合起来，形成一个可控的整体参与电力市场交易，为提升系统灵活性提供了可行路径。

尽管AVPP的概念已被广泛讨论，但其如何有效参与不同层级的电力市场（如区域灵活性市场和批发市场），并协调内部异构资源的运行，仍是一个待深入研究的复杂问题。特别是，如何设计一个能够同时考虑AVPP作为市场参与者的战略行为（如在区域性市场中作为价格制定者）和其对内部资源的最优调度，同时处理可再生能源出力和负荷需求不确定性的数学模型，是当前研究的难点。发表于《Renewable Energy Focus》的研究论文《A two-stage stochastic bilevel model for an aggregated virtual power plant participating in regional and wholesale flexibility markets》针对这一系列问题展开了深入探索。

为了回答上述问题，研究人员构建了一个新颖的双层随机规划框架。该框架的上层模型代表AVPP，其目标是通过在区域灵活性市场（Regional Flexibility Market, RFM）和批发市场（Wholesale Market, WFM）中进行交易来最大化自身利润。下层则代表了多个资源聚合商，每个聚合商负责管理其旗下的分布式资源（如DG、ESS、EV、FC等），并在上层AVPP给出的市场价格信号下，优化其资源的运行策略以最大化自身收益。该研究还采用蒙特卡洛模拟生成了考虑光伏出力、环境温度和电动汽车随机行为的不确定性场景，并运用基于Kantorovich距离的场景削减技术将大量场景缩减为具有代表性的20个场景，从而将问题转化为一个可处理的随机规划模型。最终，通过Karush-Kuhn-Tucker（KKT）条件和强对偶定理，将复杂的双层问题转化为一个等价的单层混合整数线性规划（Mixed-Integer Linear Programming, MILP）问题，并利用CPLEX求解器进行高效求解。

关键技术方法

本研究的关键技术方法主要包括：1）构建了AVPP同时参与RFM和WFM的双层随机优化模型，上层最大化AVPP利润，下层优化各聚合商收益；2）采用蒙特卡洛模拟和Kantorovich距离场景削减法处理光伏、负荷和EV行为的不确定性，生成20个代表性场景；3）运用KKT条件和强对偶理论将双层问题转化为可高效求解的MILP问题；4）基于119节点配电网测试系统进行案例仿真，验证模型有效性。

数学建模

上层问题

AVPP作为智能聚合器，负责协调分布式资源，并作为RFM和WFM之间的接口。其运营逻辑包括三个阶段：本地聚合与RFM内DG、ESS、EV和FC的优化调度；参与WFM的战略投标形成；通过灵活性资源的自适应再调度管理配电网络的实时波动。上层问题的目标是最大化AVPP的总利润，其目标函数包括两个关键部分：通过向WFM提供灵活性服务产生的收入，以及从RFM内的聚合器代理采购灵活性的相关成本。

下层问题

所提出的模型包含多个下层优化问题，每个问题代表一个聚合器代理的目标，同时确保其管理的DG的技术和福利约束得到遵守。每个聚合器负责确定DG的最佳灵活性时间表，并为RFM制定最具竞争力的灵活性报价，目标是在考虑其DG的技术和福利约束的同时，通过提供灵活性来最大化其利润。

场景生成与缩减

考虑到消费负荷和DG的不确定性，提出的基于AVPP的RFM需要稳健的随机处理以确保可靠的运行和最佳的灵活性分配。在本研究中，RFM调度和AVPP优化明确考虑了负荷需求、光伏发电和其他DG输出的预测误差。为了模拟这些不确定性，采用蒙特卡洛模拟（Monte Carlo Simulation, MCS）方法来生成大量场景，以捕捉需求和发电的现实变化。由于系统中随机变量数量众多，处理连续概率分布在计算上具有挑战性。因此，采用离散概率分布集来模拟负荷需求和光伏发电的不确定性。为了降低计算复杂度，采用了基于Kantorovich距离的场景缩减技术。该方法从完整的蒙特卡洛集合中选择一个具有代表性的场景子集，在减少计算时间的同时保持解的准确性。

解决方案方法

双层优化问题最初被转化为一个数学规划与均衡约束（Mathematical Program with Equilibrium Constraints, MPEC）的表述，随后被调整为混合整数线性规划（MILP）模型以确定市场均衡解。由于目标函数和约束都是线性的，下层问题是凸的，可以用KKT条件代替。采用滚动水平调整算法，根据可再生能源发电和需求的预测偏差定期更新日内调度决策。通过这种机制，AVPP动态地重新分配来自ESS、EV和FC的灵活性，以维持局部电压和功率平衡，从而有效管理DN中的短期波动。这种转换导致了一个包含均衡约束的单层数学规划模型；然而，上层目标函数由于涉及上层灵活性变量和下层对偶变量的乘法而变得非线性。为了克服这种非线性，应用对偶理论来线性化该函数，确保计算有效的解。

模拟与数值结果及讨论

案例研究

为了评估模型在大规模DN上的有效性，该模型在一个119节点的测试系统上实现。关键参数包括：网络规模为119节点DN，电压等级为11 kV，总有功负荷需求为22.71 MW，总无功负荷需求为17.04 Mvar。分布式资源包括18台总容量为14.4 MVA的DG，6台总容量为3 MW的光伏（PV）单元，6台总容量为16.8 MVA的ESS，850辆EV以及115个FC。需求响应占客户负荷的5%。为了更好地评估AVPP在RFM和WFM中的性能，考虑了两种场景：场景1，AVPP作为价格制定者（战略性参与）；场景2，AVPP作为价格接受者（被动参与）。

结果与讨论

模拟结果表明，AVPP在两种场景下均能有效参与市场。在RFM中，AVPP作为价格制定者，其投标策略能够影响市场出清价格。如图8所示，AVPP在RFM中的战略性定价在24小时内波动，电价在11.00至20.46 $/MWh之间变化。最高价格出现在高峰需求时段，表明灵活性需求较高的时期，而最低价格反映了系统压力减小和能源交易活动较低。两种场景之间的价格趋势差异突出了AVPP战略性参与的影响，在场景2中价格过渡更平滑，反映了更灵活和响应迅速的市场运作。

在能量调度方面，AVPP出售的电力与其提供的电力之间存在明显差距（图9），特别是在t=12-13时，这是由于中午光伏发电高峰期间119节点网络部分线路出现拥堵和约束线流限制所致。尽管如此，在高峰交易时段（例如9点到16点），AVPP在价格制定者场景下售出电量占其总提供电量的88%至94%，在价格接受者场景下占82%至89%，表明AVPP在市场条件下保持了高水平的市场参与度和有效的灵活性利用。

图10显示了区域市场出清价格和节点边际电价（Locational Marginal Price, LMP）。区域市场出清价格与LMP之间的差距随着与松弛母线距离的增加而扩大，这主要归因于119节点DN内的线路拥堵和网络损耗。这种空间变化突出了网络约束对市场价格的实际和经济影响。

图11展示了市场参与者（特别是作为AVPP运营的五家聚合商）的调度策略。ESS单元的充电、放电和荷电状态（State of Charge, SoC）值展示了它们对市场条件的动态响应，实现了优化的电网运营和灵活性提供。定量来看，ESS单元在小时10达到最大充电功率3.2 MW，对应于高光伏发电时期，并在小时19放电高达2.9 MW以缓解晚间需求高峰。EV的充电曲线表明去中心化的充电活动，主要在非高峰时段有剩余可再生能源可用时进行充电。同时，放电时段允许EV将电力回馈到电网，在高需求时期支持系统灵活性。DG的输出表现出可预测和受控的性质，它们逐步调整其输出，而不是对市场波动做出剧烈反应，这确认了DG作为网络可靠支持来源的作用，补充了ESS和EV等响应更快的灵活性资产。

研究结论与意义

本研究成功开发并验证了一个用于聚合虚拟电厂（AVPP）同时参与区域灵活性市场（RFM）和批发市场（WFM）的双层随机规划框架。该模型通过协调分布式发电（DG）、储能系统（ESS）、电动汽车（EV）和柔性负荷（FC）等异构资源，有效解决了高比例分布式能源接入下配电网的灵活性管理难题。

研究结果表明，AVPP作为价格制定者战略性参与市场时，能够显著提升其利润（提升约15.2%），并通过灵活的投标策略平滑市场出清价格，将节点边际电价（LMP）的波动性降低了约23%。这表明所提出的模型不仅为AVPP创造了可观的经济效益，还增强了整个配电系统的稳定性和运行效率。此外，基于119节点测试系统的案例研究证明了该模型在处理大规模网络和多重不确定性方面的计算可行性和有效性。

该研究的重要意义在于为分布式资源参与电力市场提供了一套完整的理论方法和实践方案。它创新性地将AVPP概念与多层次市场结构相结合，并通过严格的数学建模和高效的算法求解，为未来电力市场的设计，特别是针对高比例可再生能源系统的灵活性市场机制，提供了重要的理论支撑和技术路径。这项工作标志着在实现主动配电网和能源互联网的愿景方面迈出了关键一步，对推动能源系统低碳化、智能化和市场化转型具有深远影响。