電力市場下的虛擬電廠風(fēng)險厭惡模型與利益分配方法

李凌昊, 邱曉燕，張浩禹，趙有林，張楷

(1.中國電力科學(xué)研究院，北京市 100085；2.智能電網(wǎng)四川省重點(diǎn)實(shí)驗(yàn)室(四川大學(xué))，成都市 610065)

0 引 言

近年來，全球能源危機(jī)日益加劇，傳統(tǒng)化石能源對環(huán)境的污染問題也亟需解決。根據(jù)國際能源署(International Energy Agency, IEA)發(fā)布的《世界能源展望2019》，至2040年，以風(fēng)電、光伏為代表的新能源發(fā)電將占總發(fā)電量的44%，成為最主要的發(fā)電類型。IEA認(rèn)為，隨著能源轉(zhuǎn)型的不斷深入，可再生能源發(fā)電正從最初的政府財(cái)政支持轉(zhuǎn)向大規(guī)模的商業(yè)開發(fā)[1]。另一方面，我國電力市場持續(xù)開放，分布式發(fā)電、儲能、電動汽車、智慧社區(qū)、工業(yè)園區(qū)等具有調(diào)度潛力的分布式能源(distributed energy resources, DER)和柔性負(fù)荷(flexible load, FL)正越來越多地參與到電力市場交易中[2]。基于以上條件，通過整合、協(xié)調(diào)可調(diào)度資源參與電力市場交易的虛擬電廠技術(shù)具有廣泛的應(yīng)用前景。

虛擬電廠(virtual power plant, VPP)的概念最早由Shimon Awerbuch提出，二十多年來，VPP技術(shù)在歐洲和北美地區(qū)已取得廣泛應(yīng)用[3-5]，國內(nèi)也已進(jìn)行了大量相關(guān)研究。文獻(xiàn)[6]分析了泛在電力物聯(lián)網(wǎng)背景下VPP的組成和特性，以此為依據(jù)設(shè)計(jì)了VPP參與的“批發(fā)-零售”兩級市場交易體系，從較為全面的角度闡述了這一體系下VPP組合的內(nèi)在機(jī)理和調(diào)度方式。文獻(xiàn)[7]研究了以電動汽車和需求響應(yīng)為主體的VPP在參與日前、實(shí)時和平衡市場時的競價策略，分析了不同競價方案對VPP收益的影響。文獻(xiàn)[8]對并網(wǎng)型儲能和用戶側(cè)儲能展開分析，設(shè)計(jì)了含分布式儲能的VPP調(diào)度模型。文獻(xiàn)[9]研究了VPP在多階段電力市場中競價及出清過程，并采用隨機(jī)規(guī)劃的方法求解。

上述文獻(xiàn)大多以經(jīng)濟(jì)性為目標(biāo)研究了VPP在市場中的決策過程，但對VPP的風(fēng)險管理和內(nèi)部利益分配方法涉及較少。文獻(xiàn)[10]采用條件風(fēng)險價值(conditional value at risk, CVaR)對負(fù)荷聚集商(load aggregator, LA)進(jìn)行風(fēng)險管理，并根據(jù)夏普利值(Shapley value)和獨(dú)立風(fēng)險貢獻(xiàn)度 (stand-alone contribution, SAC)對LA進(jìn)行風(fēng)險效益分析。文獻(xiàn)[11]通過CVaR分析微電網(wǎng)風(fēng)險偏好及市場結(jié)算機(jī)制對其收益影響。文獻(xiàn)[12]基于CVaR建立了兩階段VPP能量管理模型，研究可控風(fēng)險下VPP的市場行為。以上文獻(xiàn)研究對象并不都是VPP，但其研究方法和結(jié)論可作為借鑒。

在上述研究的基礎(chǔ)上，本文分析VPP內(nèi)部各成員特性和相應(yīng)權(quán)責(zé)，設(shè)計(jì)VPP參與的兩階段電力市場流程。建立了VPP風(fēng)險厭惡模型，根據(jù)負(fù)荷的響應(yīng)特性設(shè)計(jì)差異化合約，并在決策過程中采用CVaR對VPP進(jìn)行風(fēng)險管理。此外，本文通過夏普利值和邊際期望損失(marginal expected shortfall, MES)對VPP內(nèi)部成員的風(fēng)險效益量化分析，并據(jù)此提出利益分配方法。以上分析和方法望能對VPP的推廣應(yīng)用提供一點(diǎn)參考。

1 VPP組成及參與市場流程

1.1 VPP組成介紹

VPP是在利益驅(qū)動下，VPP運(yùn)營商通過數(shù)字、控制和通信技術(shù)協(xié)調(diào)和整合風(fēng)電、光伏等分布式電源、智慧社區(qū)、工業(yè)園區(qū)和EV等柔性負(fù)荷，以及小型發(fā)電機(jī)和儲能，對外作為一個整體參與電力市場交易和電力系統(tǒng)調(diào)度，同時為系統(tǒng)提供調(diào)峰、調(diào)頻、緊急負(fù)荷控制等輔助服務(wù)[6]。上述過程中，VPP運(yùn)營商是主體，其主要商業(yè)模式是發(fā)掘可調(diào)度資源潛力，加以協(xié)調(diào)以滿足市場準(zhǔn)入規(guī)則，通過資源優(yōu)化配置和市場決策獲取電價套利和輔助服務(wù)補(bǔ)償，同時承擔(dān)風(fēng)險責(zé)任，因此，VPP運(yùn)營商可以通過簽訂雙邊合同的方式實(shí)現(xiàn)對資源的調(diào)用，而不必?fù)碛邢鄳?yīng)的資產(chǎn)。

根據(jù)以上分析，考慮VPP運(yùn)營商整合資源的多樣、復(fù)雜性，本文將可調(diào)度資源歸納為3種聚合，并設(shè)定相應(yīng)的優(yōu)先級：

1)可再生能源，主要包括風(fēng)電、光伏等。單一風(fēng)光機(jī)組并網(wǎng)成本較高，通過VPP運(yùn)營商的整合可有效降低其并網(wǎng)成本。此外，風(fēng)光電廠初期投資成本較高，VPP運(yùn)營商作為市場決策者不必參與其投資，而是通過take-or-pay合同與其合作[10]，共同分?jǐn)偝~利潤。同時，風(fēng)光發(fā)電具有較強(qiáng)的時空互補(bǔ)特性，可以借助錯峰效應(yīng)構(gòu)成平抑內(nèi)部波動的自然聚合[6]。為保證可再生能源優(yōu)先消納，這類資源具有最高的調(diào)度優(yōu)先級。

風(fēng)光的不確定性是VPP主要風(fēng)險來源之一，在棄風(fēng)棄光情況下，VPP運(yùn)營商需要向風(fēng)光電廠支付相應(yīng)的懲罰。因此，在風(fēng)險偏大時，VPP運(yùn)營商可選擇與風(fēng)光電廠進(jìn)行風(fēng)險責(zé)任共擔(dān)，并支付相應(yīng)的擔(dān)責(zé)補(bǔ)償。

2)FL和EV用戶，主要包括智慧社區(qū)、工業(yè)園區(qū)和EV等，這類資源主要表現(xiàn)為可中斷負(fù)荷和可平移負(fù)荷。EV并網(wǎng)時由VPP向其提供充電電量，并充當(dāng)小型分布式儲能；FL用戶靈活調(diào)節(jié)能力強(qiáng)，相較于發(fā)電機(jī)，在其調(diào)節(jié)范圍內(nèi)沒有爬坡的約束，常參與輔助服務(wù)市場交易。這類資源具有次一級調(diào)度優(yōu)先級，VPP運(yùn)營商通過與用戶簽訂雙邊合同獲取對資源的調(diào)用權(quán)，并支付相應(yīng)補(bǔ)償。

在經(jīng)濟(jì)學(xué)中，當(dāng)邊際成本等于邊際收益時獲取最大利潤。VPP運(yùn)營商在擬定合同時應(yīng)充分考慮用戶調(diào)度潛力和價格彈性，根據(jù)用戶特性簽訂差異化合同[6]。

3)小型發(fā)電機(jī)和儲能。這類資源具有最低的調(diào)度優(yōu)先級，主要作為備用進(jìn)行風(fēng)險管控，屬于確定性調(diào)度，VPP運(yùn)營商擁有其所有權(quán)。當(dāng)有足夠調(diào)節(jié)裕度時，這類資源也可以參加電力市場，獲取電價套利。

1.2 兩階段電力市場流程

單一VPP體量小，其市場決策在完全競爭時對電價無影響，將其作為價格的接受者(price-taker)。本文參考新能源滲透率較高且較為成熟的北美及歐洲電力市場[13]，設(shè)計(jì)了包含日前、實(shí)時主能量市場和輔助服務(wù)市場的電力市場交易流程，如圖1所示。

日前階段，EV用戶向VPP運(yùn)營商上報(bào)次日出行信息和并、離網(wǎng)時間，VPP運(yùn)營商需要確保其離網(wǎng)時有足夠的電量。VPP獲取市場準(zhǔn)入后參與電力市場交易。在日前市場，VPP需要完成日前風(fēng)光出力預(yù)測和電價預(yù)測，并于中午12:00前向主能量市場申報(bào)次日24 h的電量-電價曲線，向輔助服務(wù)市場申報(bào)次日參與系統(tǒng)調(diào)峰、調(diào)頻和緊急負(fù)荷控制的容量。日前市場于16:00出清，確定日前交易量和出清電價。實(shí)時市場中，VPP需要完成超短期風(fēng)光預(yù)測和電價預(yù)測，在主能量市場中根據(jù)日前出清電量與實(shí)際交割電量完成差額交易，進(jìn)行不平衡電量結(jié)算；輔助服務(wù)市場根據(jù)對VPP的調(diào)用情況確定調(diào)用補(bǔ)償和缺額懲罰。

圖1 電力市場交易流程Fig.1 Transaction flow chart of electric power market

2 VPP風(fēng)險厭惡模型

2.1 風(fēng)光出力預(yù)測

風(fēng)電及光伏出力主要與風(fēng)速和光照強(qiáng)度有關(guān)[8]，可分別采用兩參數(shù)的Weibull分布和Beta分布來描述一定時間段內(nèi)的風(fēng)電和光伏出力[14-15]。

風(fēng)電出力的概率密度函數(shù)表達(dá)如下：

(1)

式中：PW為風(fēng)電出力；k、c分別為Weibull分布的形狀參數(shù)和尺度參數(shù)，通過調(diào)整這2個參數(shù)可改變風(fēng)電出力的趨勢和峰谷值；e為自然常數(shù)。

光伏出力的概率密度函數(shù)表達(dá)如下：

(2)

式中：PPV為光伏出力；PPVmax為光伏出力上限；α、β為Beta分布形參；Γ(·)為Gamma函數(shù)。

為減少風(fēng)光不確定性所帶來的影響，采用蒙特卡羅模擬生成多個風(fēng)電、光伏場景，通過K-means聚類對場景進(jìn)行削減，得到目標(biāo)場景集[16]。利用錯峰效應(yīng)將風(fēng)光出力疊加得到較為平緩的風(fēng)光聯(lián)合出力曲線，在風(fēng)、光出力相對獨(dú)立的情況下，其概率為對應(yīng)風(fēng)電場景概率和光伏場景概率乘積。

2.2 價格彈性下的差異化合約

對VPP運(yùn)營商而言，理想的合約要求邊際成本等于邊際收益，在完全競爭條件下，邊際收益即為市場電價。

建立補(bǔ)償電價——FL響應(yīng)率模型，將FL對電價的響應(yīng)分為死區(qū)、線性區(qū)和飽和區(qū)3個階段[17]，如圖2所示。

VPP運(yùn)營商對第i類FL調(diào)用成本為：

CFL.i=rFL.i·LR.i

(3)

其中

(4)

式中：CFL.i為調(diào)度成本；rFL.i為單位補(bǔ)償電價；Li、LR.i、LR.imax分別為負(fù)荷總量、響應(yīng)量和最大響應(yīng)量；ωi為第i類FL的價格彈性系數(shù)；ai、bi分別為死區(qū)電價和飽和區(qū)電價。

圖2 補(bǔ)償電價-響應(yīng)率模型Fig.2 Compensation power price vs response rate

在線性區(qū)中，將式(4)代入式(3)，并對LR.i求導(dǎo)，得到第i類FL的邊際成本：

(5)

根據(jù)歷史電價數(shù)據(jù)生成典型日電價，由于邊際成本等于邊際收益，則VPP運(yùn)營商與第i類FL簽訂的單位補(bǔ)償價格和調(diào)用量分別為：

(6)

(7)

式中：Rt為典型日t時刻市場電價。

2.3 基于CVaR的VPP風(fēng)險厭惡模型

2.3.1條件風(fēng)險價值(CVaR)

條件風(fēng)險價值是基于風(fēng)險價值(value at risk, VaR)的風(fēng)險度量指標(biāo)，表示超過某一分位點(diǎn)下VaR的損失的期望值[18]，因其具有良好的數(shù)學(xué)特性而得到廣泛應(yīng)用[19]。相比于VaR只考慮給定分位點(diǎn)下的最大損失，CVaR考慮了小概率事件下的極端場景，其計(jì)算囊括了分位點(diǎn)及其尾部信息，更能體現(xiàn)潛在風(fēng)險。

本文中，假設(shè)VPP在置信度δ下可能產(chǎn)生的最大損失為VVaR.δ，則損失超過δ分位數(shù)的期望值為：

VCVaR.δ=E[Vloss.s,p|Vloss.s,p>VVaR.δ]

(8)

也可以表示為：

(9)

式中：VVaR.δ、VCVaR.δ分別為置信度δ下的VaR和CVaR；NS、NP分別為風(fēng)光聯(lián)合出力預(yù)測和電價預(yù)測的場景數(shù)；πs、πp為場景對應(yīng)概率；[Vloss.s,p-VVaR.δ]+表示max{Vloss.s,p-VVaR.δ,0}，Vloss.s,p為該場景下產(chǎn)生的損失。

2.3.2目標(biāo)函數(shù)

VPP運(yùn)營商以VPP綜合收益最大為目標(biāo)進(jìn)行決策，針對可再生能源和電價波動，引入CVaR進(jìn)行風(fēng)險管控[10]：

(10)

(11)

(12)

(13)

EV成本為蓄電池?fù)p耗成本[7]：

(14)

式中：NJ為EV總量；PEVdis.j,t、ηEVdis.j為第j輛EV放電功率和放電效率；CEVpur.i、MEV.j、SEV.j、DEV.j分別為該EV電池價格、全壽命周期循環(huán)充放電次數(shù)、電池容量和可用放電深度。

小型機(jī)組和儲能成本包括運(yùn)行成本和儲能購電成本：

(15)

(16)

VPP在實(shí)時市場中的收益為：

(17)

2.3.3約束條件

主要約束條件包括電量平衡約束、風(fēng)光出力約束、EV約束、FL調(diào)用約束、儲能約束、機(jī)組約束和VPP備用約束。

PSTdis.tηSTdis+PWD.t+PPV.t+PGEN.t

(18)

0≤PWD.t≤PWDmax

(19)

0≤PPV.t≤PPVmax

(20)

0≤PEVcha.j,t≤uEVcha.j,tPEVchamax

(21)

0≤PEVdis.j,t≤uEVdis.j,tPEVdismax

(22)

uEVcha.j,t+uEVdis.j,t=uEV

(23)

uEVmin≤uEVcon

(24)

(25)

SocEVmin≤SocEV.j,t≤SocEVmax

(26)

(27)

(28)

(29)

(30)

uGEN.tPGENmin≤PGEN.t≤uGEN.tPGENmax

(31)

0≤PSTcha,t≤uSTPSTchamax

(32)

0≤PSTdis.t≤(1-uST)PSTdismax

(33)

(34)

SocSTmin≤SocST.t≤SocSTmax

(35)

(36)

(37)

式(18)為電量平衡約束；式(19)—(20)為風(fēng)光出力約束；式(21)—(26)為EV充放電速率、并網(wǎng)狀態(tài)、最小連續(xù)并網(wǎng)時長和SOC約束；式(23)表示EV需要在并網(wǎng)狀態(tài)下進(jìn)行充放電調(diào)度；式(27)—(29)為可轉(zhuǎn)移負(fù)荷出力、負(fù)荷總量約束；式(30)為可削減負(fù)荷約束；式(31)為機(jī)組出力約束；式(32)—(35)為儲能充放電速率、SOC約束；式(36)—(37)為機(jī)組和儲能備用約束。

3 VPP內(nèi)部利益分配

VPP是在VPP運(yùn)營商的整合下，由可再生能源、EV、FL、儲能和小型機(jī)組等成員共同組成的一個商業(yè)聯(lián)盟，其目的是通過各成員之間的相互協(xié)調(diào)和平抑來應(yīng)對潛在風(fēng)險，共同參與電力市場并獲得超額利潤。本文定量分析VPP各成員對聯(lián)盟收益和風(fēng)險的邊際貢獻(xiàn)度，并以此為依據(jù)設(shè)計(jì)VPP內(nèi)部利益分配方法。

3.1 邊際收益貢獻(xiàn)度——夏普利值

夏普利值是目前研究聯(lián)盟內(nèi)多成員利益分配時常采用的方法，其主要思想是各成員所得利益與其對聯(lián)盟總利益的邊際貢獻(xiàn)度相等。假設(shè)某聯(lián)盟中包含N個成員，其中任意n(0≤n≤N)個成員可以構(gòu)成子聯(lián)盟S(n=0時為空集)。x表示其中的一個成員，x未參與時，子聯(lián)盟S的收益為V(S)，x參與后子聯(lián)盟S收益增加為V(S∪x)。則x的夏普利值為其對所有子聯(lián)盟收益的邊際貢獻(xiàn)平均值[21]：

(38)

3.2 邊際期望損失(MES)

VPP市場交易時所面臨的風(fēng)險主要由可再生能源不確定性、市場電價波動和VPP市場決策等因素造成，可采用邊際期望損失量化分析在這些風(fēng)險因素下各成員對聯(lián)盟風(fēng)險的貢獻(xiàn)度[22]。

期望損失表示不利情況下的條件預(yù)期損失，與CVaR等價[23]，二者均滿足一致性原則，且連續(xù)可微。對于N個成員組成的聯(lián)盟，若各成員在聯(lián)盟中所占權(quán)重為xi，則置信度δ下各成員的邊際損失期望為[24]：

(39)

式中：ES.δ為聯(lián)盟總期望損失，本文中為VPP條件風(fēng)險價值VCVaR.δ。

3.3 利益分配方法

VPP內(nèi)部利益分配問題涉及各成員之間的利益交換和超額利潤的分?jǐn)?。成員間利益交換包括EV用戶向VPP運(yùn)營商支付的充電費(fèi)用、VPP運(yùn)營商向風(fēng)光電廠支付的基礎(chǔ)合同費(fèi)用、風(fēng)光電廠風(fēng)險擔(dān)責(zé)時VPP運(yùn)營商支付的擔(dān)責(zé)補(bǔ)償。超額利潤的分?jǐn)傊饕娠L(fēng)電、光伏發(fā)電和VPP運(yùn)營商完成，EV和FL均采用確定價格的調(diào)用合同，小型機(jī)組和儲能屬VPP運(yùn)營商所有，不考慮其利益分配。VPP運(yùn)營商的收益為：

BEV.cha-χ(BW.rsp+BPV.rsp)

(40)

式中：φvpp和MES.VPP分別為VPP運(yùn)營商的夏普利值和邊際期望損失；B為VPP總體收益；BEV.cha為EV充電收益；BWP.ess為風(fēng)光基本合同調(diào)用費(fèi)用；BW.rsp、BPV.rsp為風(fēng)光擔(dān)責(zé)補(bǔ)償，其中包括了棄風(fēng)棄光的補(bǔ)償；ρ和χ為輔助參數(shù)。

同理，風(fēng)電、光伏的收益分別為：

BW.ess+χBW.rsp

(41)

BPV.ess+χBPV.rsp

(42)

4 算例分析

4.1 算例參數(shù)

與VPP運(yùn)營商合作的風(fēng)電、光伏機(jī)組分別為10 MW和7 MW，預(yù)測誤差滿足正態(tài)分布，日前預(yù)測生成100個場景，削減結(jié)果及日前電價場景見附圖A1。FL參數(shù)及差異化合同計(jì)算結(jié)果見表1。EV選取比亞迪E6和寶馬MINI各100輛，詳細(xì)參數(shù)見文獻(xiàn)[7]。儲能和機(jī)組參數(shù)見附表A1。

表1 FL參數(shù)及差異化合同Table 1 FL parameters and divergence contracts

日前輔助服務(wù)購買價格為0.5倍市場出清電價，輔助服務(wù)調(diào)用概率為負(fù)荷高峰期0.3，低谷期0.1，調(diào)用補(bǔ)償為1.5倍市場售電電價，購電系數(shù)為1.1。偏差懲罰電價與棄風(fēng)棄光懲罰均為800元/MW，風(fēng)光基礎(chǔ)調(diào)用合同和擔(dān)責(zé)補(bǔ)償均為300元/MW。EV并、離網(wǎng)時間以及初始SOC根據(jù)EV出行規(guī)律采用蒙特卡羅法在上下限內(nèi)隨機(jī)生成，充電電價采用市場出清電價。

日前，實(shí)時市場收益模型均為混合整數(shù)線性規(guī)劃(mixed-integer linear programming，MILP)問題，同時CVaR為凸性的風(fēng)險度量指標(biāo)，其最優(yōu)解的存在性已得到證明[25]。在Matlab中調(diào)用Yalmip和Gurobi工具包聯(lián)合求解。

4.2 算例結(jié)果分析

取置信度δ、風(fēng)險厭惡系數(shù)μ分別為0.95和0.40，VPP中各成員收益情況、夏普利值和MES見表2。風(fēng)電對VPP的收益及風(fēng)險貢獻(xiàn)均為最高，這是由于風(fēng)電在系統(tǒng)中占比較大，主能量市場的交易量主要由風(fēng)電和光伏構(gòu)成。VPP運(yùn)營商代表了小型機(jī)組、儲能、EV和FL，這些資源屬于VPP運(yùn)營商或與之簽訂確定價格的調(diào)度合同，其夏普利值和MES由VPP運(yùn)營商體現(xiàn)。

表2 VPP成員收益、夏普利值、MESTable 2 Profits, Sharply value and MES of each VPP member 元

EV總充放電及SOC變化見圖3，隨機(jī)選取一輛比亞迪E6，其充放電和SOC變化見圖4。圖3中，EV整體主要于02:00—08:00，13:00—15:00兩個時段充電，在充電過程中SOC的下降是由于不斷有EV離網(wǎng)造成的。根據(jù)仿真數(shù)據(jù)，EV并網(wǎng)數(shù)量基本維持在90～130輛之間，凌晨03:00數(shù)量最多，隨后遞減。EV主要放電時段為09:00—11:00和17:00—22:00，這兩個時段是電價的峰時段，VPP通過調(diào)用EV電能最大化電價套利。支付給EV的調(diào)用補(bǔ)償為1 739元(扣掉充電費(fèi)用)，若不參與VPP，EV需要支付的充電費(fèi)用為3 731元(以市場售電電價結(jié)算)。圖4中，比亞迪E6車主03:00—05:00、09:00—12:00以及16:00之后3個時段并網(wǎng)。根據(jù)電價和EV出行需求的變化，03:00電價較低時，充電至接近SOC上限；10:00電價偏高，充電至電池容量的75%以滿足用戶出行需求；16:00之后用戶無出行需求，VPP在19:00電價峰時段調(diào)用剩余電量進(jìn)行交易，SOC達(dá)到下限。

圖3 EV總充放電及SOC變化Fig.3 EV charge-discharge & SOC change

圖4 比亞迪E6充放電及SOCFig.4 BYD E6 charge-discharge & SOC change

對FL的調(diào)用如圖5所示，VPP分別在10:00—13:00，17:00—22:00兩個用電高峰時段對可削減負(fù)荷和可轉(zhuǎn)移負(fù)荷實(shí)現(xiàn)了集中調(diào)用。其中可轉(zhuǎn)移負(fù)荷的彈性系數(shù)最大，對其優(yōu)先調(diào)用，根據(jù)實(shí)時的調(diào)用價格，3種FL的收益分別為7 532元、8 188元和10 360元。

不同μ對日前主能量、輔助服務(wù)市場交易量的影響如圖6所示。可以看出，隨著μ的增加，VPP更傾向于在日前主能量市場完成交易。這是由于主能量市場在出清后即完成日前電量交割，VPP獲得確定收益；而輔助服務(wù)市場須等到次日根據(jù)實(shí)際輔助服務(wù)調(diào)用情況完成調(diào)用補(bǔ)償，不確定性增加。

圖5 FL調(diào)用情況Fig.5 Cut & transfer of flexible load

圖6 不同μ時日前市場交易量Fig.6 Day-ahead market trading under different risk aversion coefficients

表 3分析了μ對VPP預(yù)期收益和CVaR的影響。隨著μ的增加，預(yù)期收益和CVaR均有所減少，說明保守的市場策略在降低風(fēng)險的同時也影響了預(yù)期收益。相同成交量下，輔助服務(wù)市場的預(yù)期收益一般高于主能量市場，μ的增加會減少VPP在輔助服務(wù)市場的交易量，同時也增大小型機(jī)組和儲能的備用，減少其參與電力市場的交易電量。相較而言，CVaR的減少速度要快于預(yù)期收益。本文認(rèn)為，VPP運(yùn)營商作為聯(lián)盟的市場決策者，其決策方向應(yīng)更青睞于長期、穩(wěn)定、可預(yù)期的市場收益，同時傾向于風(fēng)險規(guī)避。

表3 不同μ時VPP預(yù)期收益與CVaRTable 3 Expected returns & CVaR of VPP with different μ 元

5 結(jié) 論

本文通過分析VPP內(nèi)部成員特性，建立了兩階段電力市場的VPP風(fēng)險厭惡模型，并根據(jù)各成員夏普利值和邊際期望損失進(jìn)行利益分配。通過算例分析得出了以下結(jié)論：

1)VPP運(yùn)營商可通過整合資源、簽訂合同、參與市場、進(jìn)行決策的方式獲利，只需要持有少量風(fēng)險管控資源，而不需要進(jìn)行大量的初期投資。

2)VPP可在一定程度上實(shí)現(xiàn)內(nèi)部成員出力的相互平抑和協(xié)調(diào)，對于單個成員來說，組成聯(lián)盟以獲取超額利潤是其參與VPP調(diào)度的驅(qū)動力。

3)VPP市場決策中效益與風(fēng)險并存，其決策時可減少部分預(yù)期效益以降低風(fēng)險。在對VPP風(fēng)險效益進(jìn)行分析時，采用邊際的收益和損失貢獻(xiàn)度來表示內(nèi)部各成員對整體的影響，可以此為依據(jù)設(shè)計(jì)內(nèi)部的利益分配方法。