微網(wǎng)風(fēng)電容量投資雙層優(yōu)化

周 鵬，易國偉，尹 昆，翟云峰，葉中行

(1．長沙理工大學(xué) 電氣與信息工程學(xué)院，湖南 長沙 410004;2．南方電網(wǎng)湛江供電公司，廣東 湛江 524005)

微網(wǎng)風(fēng)電容量投資雙層優(yōu)化

周 鵬1，易國偉1，尹 昆2，翟云峰1，葉中行1

(1．長沙理工大學(xué) 電氣與信息工程學(xué)院，湖南 長沙 410004;2．南方電網(wǎng)湛江供電公司，廣東 湛江 524005)

基于雙層優(yōu)化思想，研究微網(wǎng)中獨(dú)立投資商的風(fēng)電容量投資問題，建立了風(fēng)電投資商和微網(wǎng)管理方的雙層優(yōu)化模型。模型中同步考慮了風(fēng)電安裝后的調(diào)度，可使投資決策更加合理。上層優(yōu)化模型中，考慮了一定的風(fēng)電投資補(bǔ)貼，用場景刻畫風(fēng)電的隨機(jī)性，通過決策風(fēng)電安裝容量和安裝后的風(fēng)電調(diào)度，使風(fēng)電投資商的利潤最大;下層優(yōu)化模型中，在滿足微網(wǎng)系統(tǒng)負(fù)荷需求的前提下，使微網(wǎng)供電成本最低。用Karush-Kuhn-Tucker最優(yōu)化條件 (KKT)將雙層優(yōu)化問題轉(zhuǎn)化為單層優(yōu)化問題，利用分支定界算法求解。最后對(duì)某一微網(wǎng)系統(tǒng)進(jìn)行數(shù)值仿真，驗(yàn)證了所提模型的合理性。

風(fēng)電容量投資;風(fēng)電調(diào)度;投資補(bǔ)貼;微網(wǎng);雙層優(yōu)化

0 引言

進(jìn)入21世紀(jì)以來，環(huán)境污染和能源危機(jī)等問題日益突出，可再生分布式電源開始獲得人們關(guān)注并快速發(fā)展，其中風(fēng)能的發(fā)展最為迅速。風(fēng)力發(fā)電技術(shù)相對(duì)成熟、可大規(guī)模開發(fā)并且有較好的商業(yè)化前景［1］。微網(wǎng)是聯(lián)結(jié)分布式電源和配電網(wǎng)的較好紐帶，能較好發(fā)揮分布式電源的效用［2，3］。為合理有效的利用風(fēng)能資源，研究微網(wǎng)中風(fēng)電的投資規(guī)劃問題十分必要。

對(duì)于電源投資問題，很多學(xué)者進(jìn)行了相關(guān)研究，其中大部分研究對(duì)象是針對(duì)常規(guī)電源［4～6］。然而，風(fēng)電投資成本大，上網(wǎng)電價(jià)較高，加之風(fēng)電的隨機(jī)特性，這使得風(fēng)電投資和常規(guī)電源投資有很大的區(qū)別。文獻(xiàn) ［7］分別站在投資和運(yùn)行的角度分析風(fēng)電項(xiàng)目經(jīng)濟(jì)性，提出應(yīng)對(duì)風(fēng)電項(xiàng)目采取相應(yīng)的補(bǔ)貼政策。文獻(xiàn) ［8］首先確定分布式電源的候選安裝位置集合，然后分別以分布式電源單位成本收益和其接入后改善電網(wǎng)所得收益最大為目標(biāo)，確定分布式電源的類型和安裝容量，模型中對(duì)可再生能源給予一定的電價(jià)補(bǔ)貼。文獻(xiàn)［9］建立風(fēng)電項(xiàng)目投資決策模型，為風(fēng)電投資商選擇最佳投資時(shí)機(jī)，研究了風(fēng)電電價(jià)補(bǔ)貼水平對(duì)投資決策的影響。文獻(xiàn) ［10］對(duì)一個(gè)具體給定的系統(tǒng)網(wǎng)絡(luò)，在滿足線路安全約束的情況下，確定系統(tǒng)網(wǎng)絡(luò)中風(fēng)電的最大滲透功率。文獻(xiàn) ［11］以風(fēng)電投資商利潤最大為目標(biāo)，研究電力市場環(huán)境下的風(fēng)電投資問題。文獻(xiàn) ［12］分別以投資組合成本最低和投資組合風(fēng)險(xiǎn)最小為目標(biāo)，首先建立常規(guī)發(fā)電機(jī)投資組合模型，然后將風(fēng)電看做負(fù)負(fù)荷引入到模型中，確定風(fēng)電容量。

隨著社會(huì)發(fā)展，電力系統(tǒng)結(jié)構(gòu)愈加復(fù)雜，系統(tǒng)優(yōu)化往往需要分層協(xié)調(diào)決策，雙層優(yōu)化開始得到人們關(guān)注。雙層優(yōu)化是具有兩層遞階結(jié)構(gòu)的優(yōu)化問題［13］，上下層之間相互聯(lián)系，可得到一個(gè)各方面協(xié)調(diào)的解。雙層優(yōu)化模型已在電力系統(tǒng)很多方面得到應(yīng)用，如無功優(yōu)化、輸電網(wǎng)規(guī)劃、機(jī)組組合問題、檢修計(jì)劃優(yōu)化等等。目前，雙層優(yōu)化理論在電力系統(tǒng)中的應(yīng)用尚處于初步階段，推廣雙層優(yōu)化在電力領(lǐng)域的應(yīng)用有著切實(shí)意義。

將微網(wǎng)中風(fēng)電的投資規(guī)劃和微網(wǎng)管理者分離，更有利于合理利用風(fēng)能資。基于以上論述，本文建立了風(fēng)電獨(dú)立投資商和微網(wǎng)管理方雙層優(yōu)化模型。用分段年負(fù)荷持續(xù)曲線近似表示負(fù)荷在未來一年的分布情況，上層考慮風(fēng)電投資商利益，模型中給予風(fēng)電投資商一定的投資補(bǔ)貼，用場景刻畫風(fēng)電的隨機(jī)特性，目標(biāo)為風(fēng)電年平均售電收益減去年度風(fēng)電投資成本最大。下層考慮微網(wǎng)管理方利益，目標(biāo)為微網(wǎng)年平均供電成本最低。微網(wǎng)中已含有可控分布式電源 (如柴油機(jī)組、微型燃?xì)廨啓C(jī)等)、公共電網(wǎng)供電，還包含一定的可中斷負(fù)荷 (Interruptible Load，簡寫為IL)。

1 風(fēng)電投資雙層優(yōu)化模型

本文考慮風(fēng)電投資商和微網(wǎng)管理方兩個(gè)不同優(yōu)化主體利益，既優(yōu)化風(fēng)電投資所得利潤，也優(yōu)化微網(wǎng)供電成本。風(fēng)電容量投資和風(fēng)電調(diào)度相互影響，加之風(fēng)電的投資成本較大，在決策風(fēng)電安裝容量的同時(shí)考慮風(fēng)電安裝后的調(diào)度問題，可使決策結(jié)果更加合理。上層優(yōu)化考慮風(fēng)電投資商，目標(biāo)為風(fēng)電年均售電收益減去年度風(fēng)電投資成本最大，變量為風(fēng)電安裝容量和風(fēng)電在各負(fù)荷需求區(qū)的調(diào)度量，并將風(fēng)電調(diào)度的決策方案傳遞給下層。下層優(yōu)化考慮微網(wǎng)管理方，在風(fēng)電調(diào)度決策已知的情況下，通過優(yōu)化其它供電源出力，使微網(wǎng)年均供電成本最低，并將由下層功率平衡等式得到的風(fēng)電電價(jià)返回給上層模型。上層模型根據(jù)此電價(jià)再次優(yōu)化，如此反復(fù)交替，直至得到最優(yōu)解。此模型以風(fēng)電投資商利益為主體，同時(shí)兼顧了微網(wǎng)供電側(cè)利益。

1.1 上層優(yōu)化模型

本文上層優(yōu)化模型站在風(fēng)電投資商角度，目標(biāo)為風(fēng)電投資年平均利潤最大。用場景刻畫各負(fù)荷需求區(qū)可用風(fēng)能的隨機(jī)性，電價(jià)采用邊際電價(jià)，風(fēng)電投資利潤表示為風(fēng)電年平均售電收益減去年度風(fēng)電投資成本，為提高風(fēng)電投資商投資積極性，給予風(fēng)電投資商一定的投資補(bǔ)貼。

(1)目標(biāo)函數(shù)

上層優(yōu)化的目標(biāo)為風(fēng)電年平均投資利潤最大，表達(dá)為年均售電收益減去年度投資成本最大:

其中:

式中:f1表示風(fēng)電年均投資利潤;x為上層決策變量;T表示負(fù)荷需求區(qū)集合;Δt表示負(fù)荷需求區(qū)t的時(shí)間長度;表示負(fù)荷需求區(qū)t的場景集合;αt(ω)表示負(fù)荷需求區(qū)t中場景ω所占權(quán)重;N為風(fēng)電安裝點(diǎn)集合;λt(ω)表示負(fù)荷需求區(qū)t中場景ω時(shí)的風(fēng)電電價(jià);(ω)表示負(fù)荷需求區(qū) t中 ω場景時(shí)安裝點(diǎn)n的風(fēng)電調(diào)度出力;表示安裝點(diǎn)n的年度風(fēng)電投資成本;表示安裝點(diǎn)n的風(fēng)電投資年補(bǔ)貼水平;Xn表示安裝點(diǎn)n的風(fēng)電安裝容量。

(2)約束條件

①風(fēng)電出力約束:

②風(fēng)電投資預(yù)算約束:

式中:kn，t(ω)為負(fù)荷需求區(qū)t中場景ω時(shí)安裝點(diǎn)n的風(fēng)電力度;kn，t(ω)Xn表示負(fù)荷需求區(qū)t中場景ω時(shí)安裝點(diǎn)n的可用風(fēng)能;為安裝點(diǎn)n的單位風(fēng)電投資成本;為風(fēng)電的投資預(yù)算。

1.2 下層優(yōu)化模型

下層優(yōu)化模型考慮微網(wǎng)管理側(cè)利益，目標(biāo)為年平均供電成本最低。風(fēng)能的調(diào)度由上層決策，在滿足供電靠靠性的前提下，微網(wǎng)根據(jù)上層給出的風(fēng)電出力情況決策其它供電源出力，進(jìn)而確定邊際電價(jià)即為風(fēng)電的購買價(jià)格。

(1)目標(biāo)函數(shù)

下層優(yōu)化的目標(biāo)為微網(wǎng)系統(tǒng)年均供電成本最低，微網(wǎng)供電成本由四部分組成:公共電網(wǎng)購電成本、可控分布式電源發(fā)電成本、購買可中斷負(fù)荷成本、購買風(fēng)電成本。目標(biāo)函數(shù)表達(dá)式如下:

式中:f2表示微網(wǎng)年均供電成本;y表示下層決策變量;ρt表示負(fù)荷需求區(qū)t的公共電網(wǎng)購電電價(jià);(ω)表示負(fù)荷需求區(qū)t中場景ω時(shí)從公共電網(wǎng)購買的功率;I為可控分布式電源集合;Ci表示可控分布式電源i的發(fā)電成本;(ω)表示負(fù)荷需求區(qū)t中場景ω時(shí)的可控分布式電源i的出力;L表示IL用戶集合;al為對(duì)第l個(gè)IL用戶中斷供電的補(bǔ)償價(jià)格，采用事后高價(jià)賠償方式管理IL［14］;(ω)表示負(fù)荷需求區(qū)t中場景ω時(shí)的第l個(gè)IL用戶負(fù)荷切除量;

(2)約束條件

式中:Pd，t表示負(fù)荷需求區(qū) t的負(fù)荷需求功率;λt(ω)為負(fù)荷需求區(qū)t中場景ω的功率平衡約束的拉格朗日系數(shù)，為風(fēng)電的價(jià)格，亦常被稱為節(jié)點(diǎn)邊際電價(jià) (Locational Marginal Prices，簡寫為LMPs)［15］;P為公共電網(wǎng)的最大輸入功率;(ω)(ω)分別為負(fù)荷需求區(qū)t中場景ω時(shí)公共電網(wǎng)輸入功率下限、上限不等式對(duì)應(yīng)的拉格朗日系數(shù);P，P分別為可控分布式電源出力的最小值和最大值;(ω)，(ω)分別為負(fù)荷需求區(qū)t中場景ω時(shí)可控分布式電源i出力下限、上限不等式對(duì)應(yīng)的拉格朗日系數(shù);為第 l個(gè) IL 用戶的合同容量;(ω)(ω)分別為負(fù)荷需求區(qū) t中場景ω時(shí)第l個(gè)IL用戶負(fù)荷切除量下限、上限不等式對(duì)應(yīng)的拉格朗日系數(shù)。

2 雙層優(yōu)化模型的求解

由于本文下層優(yōu)化模型具有連續(xù)性和線性特征 (凸規(guī)劃)，本文利用KKT條件將雙層優(yōu)化問題轉(zhuǎn)化為一個(gè)帶平衡約束的單層優(yōu)化問題 (Mathematical Programs with Equilibrium Constraints，簡寫為MPEC)［16］。轉(zhuǎn)換后的MPEC模型如下:

對(duì)于形如α·κ=0，α≥0，κ≥0的非線性表達(dá)式，可以線性化為:α≤Mγ，κ≤M(1－γ)，γ∈{0，1}，M 為足夠大常數(shù)［17］。由此，MPEC 模型中的非線性互補(bǔ)松弛條件 (19)～(24)可轉(zhuǎn)化為線性約束，轉(zhuǎn)為:

至此，MPEC模型約束已全部線性化，現(xiàn)整理出最終模型如下:

3 數(shù)值仿真

3.1 測(cè)試系統(tǒng)及數(shù)據(jù)

以某一地區(qū)微網(wǎng)為例，進(jìn)行仿真分析。微網(wǎng)供電由公共電網(wǎng)、3臺(tái)可控機(jī)組、3個(gè)可中斷負(fù)荷用戶、風(fēng)機(jī)4部分共同承擔(dān)。用分段年負(fù)荷持續(xù)曲線近似表示負(fù)荷1年的分布情況，分為8個(gè)負(fù)荷需求區(qū)，每個(gè)負(fù)荷需求區(qū)負(fù)荷大小為一個(gè)定值，負(fù)荷大小等于負(fù)荷需求水平乘以年峰荷，負(fù)荷需求水平由微網(wǎng)負(fù)荷歷史數(shù)據(jù)可得。風(fēng)電安裝位置為一個(gè)事先選定的安裝點(diǎn)，此安裝點(diǎn)的可用風(fēng)能大小表示為風(fēng)力強(qiáng)度與安裝容量的乘積。為刻畫風(fēng)速的隨機(jī)特性，對(duì)于每個(gè)負(fù)荷需求區(qū)，將風(fēng)力強(qiáng)度分為高、中、低3個(gè)場景，為方便計(jì)算，取每個(gè)風(fēng)力強(qiáng)度場景對(duì)應(yīng)的概率為1/3。

微網(wǎng)年峰荷為300 MW，負(fù)荷需求水平、風(fēng)力強(qiáng)度相關(guān)數(shù)據(jù)參考文獻(xiàn) ［ 11］，并做了一定修改，如表1所示。公共電網(wǎng)的最大輸入功率P為40 MW，各負(fù)荷需求區(qū)公共電網(wǎng)電價(jià)見表1。3臺(tái)可控分布式電源的P分別為5，5，5 MW，P分別為50，70，100 MW，發(fā)電成本Ci分別為45，55，65$/MW·h。3個(gè)可中斷負(fù)荷的合同容量P分別為10，15，20 MW，補(bǔ)償價(jià)格al分別為80，85，95$/MW·h。風(fēng)電的投資成本 C為106$/MW，投資預(yù)算C為5×108$，考慮資本回收期 k為 15年，折現(xiàn)率 r為 8%，由可得投資回收系數(shù)為11.68%，得到年度風(fēng)電投資成本為116 800$/MW，風(fēng)電投資年補(bǔ)貼水平取為年度風(fēng)電投資成本的一定比例，取10%。

表1 各負(fù)荷需求區(qū)負(fù)荷需求水平、風(fēng)力強(qiáng)度及電網(wǎng)電價(jià)

3.2 仿真結(jié)果及分析

根據(jù)以上數(shù)據(jù)，利用matlab2009a，yalmip工具箱結(jié)合cplex12.2，采用分支定界算法求解轉(zhuǎn)化后的模型，得到風(fēng)電安裝容量為297.74 MW，上層目標(biāo)函數(shù)值為4.10 M$，下層目標(biāo)函數(shù)值為95.08 M$，各負(fù)荷需求區(qū)、場景下的風(fēng)電調(diào)度量、風(fēng)電電價(jià)分別見表2、表3。

表2 各場景下風(fēng)電的調(diào)度

表3 各場景下風(fēng)電電價(jià)

從表2和表3中可以看出，同等條件下，風(fēng)電調(diào)度值越大對(duì)應(yīng)的風(fēng)電電價(jià)越小 (有時(shí)持平)。因此，在對(duì)風(fēng)電調(diào)度決策時(shí)，需要考慮風(fēng)電調(diào)度對(duì)風(fēng)電電價(jià)帶來的影響，方能使售電收益最大化。

3.3 參數(shù)變化對(duì)結(jié)果的影響

(1)補(bǔ)貼水平變化對(duì)結(jié)果影響

由于風(fēng)電投資成本較大，補(bǔ)貼水平變化對(duì)結(jié)果有較大影響。當(dāng)風(fēng)電投資年補(bǔ)貼水平變化時(shí)，對(duì)應(yīng)的風(fēng)電安裝容量、風(fēng)電投資利潤以及微網(wǎng)運(yùn)行成本如圖1和圖2所示。

圖1 不同補(bǔ)貼水平下的風(fēng)電安裝容量

圖2 不同補(bǔ)貼水平下的上下層目標(biāo)函數(shù)值

從圖1和圖2中可知，當(dāng)補(bǔ)貼水平低于70%時(shí)，隨著風(fēng)電補(bǔ)貼水平增加，風(fēng)電安裝容量隨之增大，風(fēng)電的投資利潤增加，微網(wǎng)運(yùn)行成本下降。這是由于補(bǔ)貼水平增加相當(dāng)于降低了風(fēng)電投資成本，投資商將增大安裝容量以提高利潤，安裝容量變大使風(fēng)電調(diào)度量增加，這必然造成風(fēng)電電價(jià)下降，進(jìn)而降低微網(wǎng)運(yùn)行成本。由于受風(fēng)電投資預(yù)算限制，當(dāng)補(bǔ)貼水平為70%時(shí)風(fēng)電安裝容量為500 MW，已達(dá)預(yù)算上限，補(bǔ)貼水平繼續(xù)增加時(shí)，風(fēng)電安裝容量保持不變。此時(shí)，由于風(fēng)電安裝容量固定不變，微網(wǎng)最優(yōu)供電調(diào)度策略相同，微網(wǎng)運(yùn)行成本保持不變，但由于補(bǔ)貼水平增加，進(jìn)一步降低了風(fēng)電投資成本，風(fēng)電利潤遞增。

當(dāng)忽略投資預(yù)算約束時(shí)，不同補(bǔ)貼水平下風(fēng)電安裝容量、風(fēng)電投資利潤以及微網(wǎng)運(yùn)行成本如圖3和圖4所示。

圖4 不同補(bǔ)貼水平的上下層目標(biāo)函數(shù)值 (不計(jì)預(yù)算)

圖3與圖1、圖4和圖2分別對(duì)比發(fā)現(xiàn)，補(bǔ)貼水平小于等于50%時(shí)，有無投資預(yù)算限制，風(fēng)電安裝容量、風(fēng)電投資利潤、微網(wǎng)運(yùn)行成本結(jié)果相同，這是由于此時(shí)風(fēng)電最優(yōu)安裝容量尚未達(dá)到投資預(yù)算上限。從圖3和圖4可知，當(dāng)補(bǔ)貼水平為70%，90%，100%時(shí)，由于無投資預(yù)算限制，風(fēng)電安裝容量均大于500 MW，并隨著補(bǔ)貼水平的增加進(jìn)一步增大，對(duì)應(yīng)的風(fēng)電投資利潤遞增，微網(wǎng)運(yùn)行成本下降，且忽略投資預(yù)算后對(duì)應(yīng)的風(fēng)電利潤大于計(jì)及預(yù)算時(shí)的利潤。

當(dāng)補(bǔ)貼水平達(dá)為100%時(shí)，相當(dāng)于風(fēng)電已沒有投資成本，由于也沒有投資預(yù)算約束，風(fēng)電投資商必然期望安裝的風(fēng)電能覆蓋全部負(fù)荷。圖3中投資補(bǔ)貼為100%時(shí)的對(duì)應(yīng)點(diǎn)表示此時(shí)風(fēng)電的最優(yōu)安裝容量的最小值，安裝容量大于此點(diǎn)數(shù)值時(shí)，風(fēng)電利潤和微網(wǎng)成本保持不變均為此時(shí)最優(yōu)結(jié)果。

由上可知，投資補(bǔ)貼水平對(duì)風(fēng)電投資結(jié)果有較大影響。因此，政府應(yīng)綜合考慮微網(wǎng)和投資商兩方，制定合理的風(fēng)電補(bǔ)貼政策。

(2)風(fēng)電力度變化對(duì)風(fēng)電投資的影響

風(fēng)電力度變化對(duì)風(fēng)電安裝容量和風(fēng)電投資利潤的影響如表4所示。

表4 風(fēng)電力度對(duì)安裝容量和利潤影響

同等條件下，降低風(fēng)電力度相當(dāng)于降低了風(fēng)電的可用風(fēng)能，這將對(duì)風(fēng)電投資商造成消極影響。當(dāng)風(fēng)電力度降低10%時(shí)，風(fēng)電安裝容量下降。當(dāng)風(fēng)電力度降低20%時(shí)，風(fēng)電投資商不再投資風(fēng)電。當(dāng)風(fēng)電力度提高時(shí)，風(fēng)電投資商將增加投資力度，投資容量增加。從表4中看出風(fēng)電力度提高20%時(shí)比提高10%時(shí)的安裝容量小，這是由于綜合考慮投資成本、風(fēng)電調(diào)度和風(fēng)電電價(jià)因素，此安裝容量時(shí)風(fēng)電利潤最大。從表4中可以看出，隨著風(fēng)電力度的提升，風(fēng)電投資利潤總是增加的。

風(fēng)電力度的增加，很大程度上提高了風(fēng)電投資商利潤，由此可知，選擇風(fēng)力強(qiáng)度較大的安裝點(diǎn)十分重要。

(3)公共電網(wǎng)電價(jià)變化對(duì)結(jié)果影響

各負(fù)荷需求區(qū)公共電網(wǎng)電價(jià) ($/MW)變?yōu)?0，68，58，51，44，39，34，25，其他參數(shù)不變，得到風(fēng)電安裝容量為249.46 MW，風(fēng)電利潤為2.98 M$，微網(wǎng)運(yùn)行成本為92.14 M$。各場景下風(fēng)電電價(jià)如表5所示。

與原數(shù)據(jù)仿真結(jié)果對(duì)比可知，公共電網(wǎng)電價(jià)下降，導(dǎo)致風(fēng)電安裝容量減少、風(fēng)電投資利潤下降、微網(wǎng)運(yùn)行成本降低。負(fù)荷水平不變的情況下，由于風(fēng)電采用邊際電價(jià)，公共電網(wǎng)電價(jià)降低將導(dǎo)致風(fēng)電電價(jià)的下降，風(fēng)電投資商將減少投資力度，安裝容量和風(fēng)電利潤均減少。由表5和表3對(duì)比可知，公共電網(wǎng)電價(jià)降低使風(fēng)電電價(jià)呈下降趨勢(shì)，微網(wǎng)從公共電網(wǎng)和風(fēng)電處購買電能電價(jià)均降低，微網(wǎng)運(yùn)行成本下降。

表5 電網(wǎng)電價(jià)變化時(shí)各場景風(fēng)電電價(jià)

(4)安裝容量對(duì)風(fēng)電年平均電價(jià)和微網(wǎng)運(yùn)行成本影響

安裝容量的不同將導(dǎo)致風(fēng)電調(diào)度的變化，由于風(fēng)電采用邊際電價(jià)，這將引起風(fēng)電電價(jià)的波動(dòng)，進(jìn)而造成微網(wǎng)供電成本的變化。安裝容量對(duì)風(fēng)電年平均電價(jià)和微網(wǎng)供電成本的影響如圖5和圖6所示。

圖5 安裝容量對(duì)風(fēng)電平均價(jià)格影響

由于風(fēng)電電價(jià)采用邊際電價(jià)，風(fēng)電安裝容量增加引起風(fēng)電調(diào)度量的上升，在負(fù)荷不變的情況下，這將使風(fēng)電電價(jià)下降，如圖5所示，隨著風(fēng)電安裝容量的增加風(fēng)電平均電價(jià)下降。圖5中圓圈表示風(fēng)電安裝容量趨于零時(shí)風(fēng)電平均電價(jià)，即無風(fēng)電投資時(shí)微網(wǎng)系統(tǒng)的邊際電價(jià)。由圖6看出，隨著安裝容量增加，微網(wǎng)供電成本下降，這是由于安裝容量的增加使風(fēng)電平均電價(jià)下降，進(jìn)而微網(wǎng)供電成本降低。

圖6 安裝容量對(duì)微網(wǎng)供電成本影響

4 結(jié)論

由于風(fēng)電投資成本較大，合理安裝風(fēng)電容量對(duì)風(fēng)電投資商至關(guān)重要。本文建立了風(fēng)電投資商、微網(wǎng)管理方雙層優(yōu)化模型，模型在最大化風(fēng)電投資利潤的基礎(chǔ)上優(yōu)化微網(wǎng)供電成本。模型中考慮對(duì)風(fēng)電項(xiàng)目補(bǔ)貼，分析了不同補(bǔ)貼水平對(duì)風(fēng)電投資和微網(wǎng)供電成本的影響，并對(duì)比了投資預(yù)算對(duì)優(yōu)化結(jié)果的影響。同時(shí)，分析了風(fēng)電力度、公共電網(wǎng)電價(jià)等因素對(duì)風(fēng)電投資決策的影響，并分析了安裝容量對(duì)風(fēng)電電價(jià)和微網(wǎng)供電成本的影響。本文所提模型可以為微網(wǎng)系統(tǒng)中風(fēng)電投資商決策風(fēng)電安裝容量提供一定參考。接下來，需要進(jìn)一步研究風(fēng)電安裝點(diǎn)選址、系統(tǒng)運(yùn)行安全性以及在系統(tǒng)中考慮儲(chǔ)能裝置等。

［1］魏顯菲．我國風(fēng)力發(fā)電開發(fā)現(xiàn)狀及展望 ［J］．商業(yè)經(jīng)濟(jì)，2010，(24):21－23，33．

［2］王成山，肖朝霞，王守相．微電網(wǎng)綜合控制與分析［J］．電力系統(tǒng)自動(dòng)化，2008，32(7):98－103

［3］楊新法，蘇劍，呂志鵬，等．微電網(wǎng)技術(shù)綜述 ［J］．中國電機(jī)工程學(xué)報(bào)，2014，34(1):57－70．

［4］Botterud A，Ilic M D，Wangensteen I．Optimal invest-ment in power generation under centralized and decentralized decision making［J］．IEEE Transactions on Power Systems，2005，20(1):254 －263．

［5］Wang J H，Shahidehpour M，Li Z Y，et al．Strategic generation capacity expansion planning with incomplete information ［J］．IEEE Transactions on Power Systems，2009，24(2):1002－1010．

［6］ Rider M J，Lopez-Lezama J M，Contreras J，et al．Bilevel approach for optimal location and contract pricing of distributed generation in radial distribution systems using mixed-integer linear programming ［J］．IET Generation，Transmissionand Distribution， 2013， 7(7):724－734．

［7］王正明，路正南．風(fēng)電項(xiàng)目投資及其運(yùn)行的經(jīng)濟(jì)性分析 ［J］．可再生能源，2008，26(6):21－24．

［8］張立梅，唐巍，王少林，等．綜合考慮配電公司及獨(dú)立發(fā)電商利益的分布式電源規(guī)劃 ［J］．電力系統(tǒng)自動(dòng)化，2011，35(4):23－28．

［9］曾鳴，李晨，劉超，等．考慮電價(jià)補(bǔ)貼政策的風(fēng)電投資決策模型與分析 ［J］．電力系統(tǒng)保護(hù)與控制，2012，40(23):17－23．

［10］ Burke D J，O’Malley M J．Maximizing firm wind connection to security constrained transmission networks［J］．IEEE Transactions on Power Systems，2010，25(2):749－759．

［11］ Baringo L，Conejo A J．Wind power investment within a market environment［J］．Applied Energy，2011，88(9):3239－3247．

［12］曾鳴，張徐東，田廓，等．考慮風(fēng)電并網(wǎng)的發(fā)電容量投資組合優(yōu)化模型 ［J］．電網(wǎng)技術(shù)，2011，35(12):153－159．

［13］王廣民，萬仲平，王先甲．二 (雙)層規(guī)劃綜述［J］．?dāng)?shù)學(xué)進(jìn)展，2007，36(5):513－529．

［14］張明銳，陳潔，杜志超，等．考慮交互功率控制的微網(wǎng)經(jīng)濟(jì)運(yùn)行 ［J］．中國電機(jī)工程學(xué)報(bào)，2014，34(7):1013－1023．

［15］ Orfanogianni T，Gross G．A general formulation for LMP evaluation ［J］．IEEE Transactions on Power Systems，2007，22(3):1163－1173．

［16］Luo Z Q，Pang J S，Ralph D．Mathematical programs with equilibrium constraints［M］．Cambridge(UK):Cambridge Univisity．Press，1997．

［17］ Amat J F，Mccarl B．A representation and economic interpretation of a two-level programming problem ［J］．Journal of Operational Research Society，1981，32(9):783－792．

A Bilevel Optimization Problem for Wind Power Capacity Investment in Microgrid

Zhou Peng1，Yi Guowei1，Yin Kun2，Zhai Yunfeng1，Ye Zhonghang1
(1．College of Electrical and Information Engineering，Changsha University of Science and Technolgy，Changsha 410004，China;2．Zhanjiang Power Supply Company，Zhanjiang 524005，China)

Based on the idea of bilevel optimization，this paper discusses the problem of the capacity of wind power is invested by an independent investor in a microgrid．A bilevel optimization model which combines the wind power investor and microgrid’s manager together．In order to make the investment decision more reasonable，the wind power scheduling is also considered in this model．In the upper-level，the investor decides the installed capacity and wind power scheduling to maximize his profit．And the subsidies can also be taken into consideration．The stochastic characteristics of wind power are expressed by scenarios．The lower-level aims to minimize the cost of microgrid power supply on the condition of meeting the system’s load demand．By the use of the Karush-Kuhn-Tucker optimality conditions，the bilevel model has been transformed into a single level optimization．Then，the single level optimization model can be solved by branch and bound algorithm．Finally，a numerical simulation of the microgrid system is used to verify the rationality of the proposed model．

wind power capacity investment;wind power scheduling;investment subsidies;microgrid;bilevel optimization;

TM615

A

10.3969/j.issn.1672-0792.2015.06.006

2015－04－05。

周鵬 (1992-)，男，碩士研究生，研究方向?yàn)轱L(fēng)電規(guī)劃與運(yùn)行，電力系統(tǒng)運(yùn)行與控制，E-mail:1210021263@qq.com。