为了促进电储能积极参与电网调峰，在调峰辅助服务市场向电储能放开的背景下，梳理了储能独立参与电网调峰的交易模式，模拟分析了储能独立参与调峰市场情景下的调度运行情况和市场收益情况。以从电网吸收的电量越多，储能的报价越高为原则，制定了储能参与调峰市场的分段报价策略，结合储能充放电行为预测，构建了储能参与调峰市场的申报模型。根据次日电网调峰需求，结合储能、火电调峰报价信息，构建了调峰市场竞价出清模型，使电力调度机构能够以系统调峰成本最小为目标调用调峰资源。实际调度运行中，考虑储能的实时充放电状态和电能量价格，构建了储能实时优化调度模型，以市场获利最大为目标优化放电行为。以配合风电、光伏电站运行的储能电站为例，基于西北某电网的实际运行数据，采用上述模型进行了算例分析，模拟结果表明，储能参与调峰市场能够减少电网调峰成本，并能通过调峰补偿和电能市场收益提高自身获利，为促进储能独立参与调峰辅助服务市场提供了一定的理论依据。
西北电网长期以来新能源装机占比一直处于全国前列，截至2018年6月底，新能源累计并网容量达8438.8万千瓦，占全网总装机的34.5%。预计到2020年底，可再生能源装机容量占比将达到49%。但西北电网负荷增长放缓，受冬季供暖及自然因素影响，系统内灵活性调节资源稀缺，高比例新能源的并网增加了等效负荷的峰谷差，导致西北电网弃风弃光率长期居高不下。目前，作为西北电网调峰市场的主力——传统火电机组，由于自身技术特性和供热要求，导致其参与调峰缺乏灵活性，最低运行负荷较高，难以满足系统需求。
电储能近年来在我国可再生能源消纳、电力辅助服务等领域得到越来越多的应用，形成了初步的商业发展模式。储能设备与火电机组相比，具备响应速度快、灵活调节的特性，且储能成本不断下降，在电力调峰调频领域具有较大前景。储能参与电网调峰也在近年得到了广泛研究，主要体现在两方面：一是储能参与辅助服务的优化控制方面；二是储能参与辅助服务的经济效益评估方面。在储能参与辅助调峰的优化控制方面，文献[6]提出了一种基于动态规划的削峰填谷实时优化方法；文献[7]设计了含动作死区参与负荷低谷时段调峰的电池储能系统控制策略；文献[8]提出以一个边际负荷值来确定电站充放电运行状态的控制方案；文献[9]提出一种光储系统利用逆变器空闲容量参与电网调频/调峰的综合控制策略。在储能参与辅助服务的经济效益评估方面，文献[10]从社会效益和投资者角度建立了评价储能系统投资经济性的数学模型；文献[11]考虑了储能系统的潜在收益构建了判断储能经济性的数学模型；文献[12]提出了电池储能参与风电辅助服务综合经济效益数学模型；文献[13]引入了全生命周期能源投入存储回报指标对不同的储能技术进行评价。
上述文献为储能参与调峰调频辅助服务提供了良好的技术支持和经济决策参考，但很少有考虑发电侧储能作为独立主体参与辅助服务市场的优化控制和效益的研究。能源局在《关于促进电储能参与“三北”地区电力辅助服务补偿(市场)机制试点工作的通知》提出，发电侧电储能设施可作为独立主体参与辅助服务市场交易。为此，有必要进行储能独立参与辅助服务市场的研究，为西北电网完善储能参与电力调峰的支持政策和市场机制提供参考。本文首先分析了发电侧电储能独立参与调峰辅助服务市场的具体模式以及实施流程，并构建了调峰市场的竞价出清模型，以及储能的实时优化调度模型，基于西北某电网的实际运行数据对模型进行了模拟分析，评估储能独立参与调峰市场后对电网调峰调度成本和自身经济效益的影响。
1 西北电网储能参与调峰的市场模式
1.1 国内外储能市场机制简介
国外电力市场运行机制较为成熟，储能主要参与调频、备用等辅助服务市场。美国PJM调频辅助服务市场中，电池及飞轮储能装置通过跟踪动态调频信号获得调频资源补偿费用。美国CAISO市场中，储能可以同时参加调频市场、能量市场、旋转备用容量市场等，获取叠加收益。英国电力辅助服务市场中，储能能够参与先进调频以及容量市场。德国在光伏发电设施上加装的储能装置可以通过参与市场调频等方式获取收益。
自“两个细则”发布后，我国部分电网相继建立了辅助服务市场管理机制，给出了储能参与调峰辅助服务市场的方式与补偿规则。江苏省规定市场初期储能电站作为市场主体可以参与启停调峰，但不参与报价，对于超出基础充电量部分予以补偿。福建省、东北和南方地区规定储能可独立或联合其他主体参与辅助服务市场，根据一定标准或协商确定补偿费用。青海、甘肃省规定发电企业计量出口内储能电站可作为市场主体参与调峰、调频等辅助服务交易，根据市场出清价格确定补偿费用。
1.2 西北电网储能参与调峰交易模式
西北地区新能源装机占比将逐年提升，储能电站总体布局应基本与新能源发电布局大体一致，初期以投资较低且便于灵活布置的电化学储能为主，抽水蓄能和蓄热式储能将作为辅助技术手段，新能源发电场规模配置储能将成为重要的调峰技术手段。
根据青海、甘肃已发布的电储能交易规则，在风电场、光伏电站计量出口内建设的电储能设施，其充电能力优先由所在风电场和光伏电站使用，由电储能设施投资运营方与风电场、光伏电站协商确定补偿费用。储能(特指新能源发电侧电能，下同)在独立参与调峰市场前，需要基于所配套的风电场或光伏电站次日的发电出力计划，预测储能次日的充放电行为，获得其荷电状态(state of ge，SOC)预测值，进而决策其参与调峰市场的报价行为。储能独立参与市场独立承担收益及损耗成本。
储能参与调峰市场的交易模式为日前申报、日内调用。有意愿参与电力调峰服务市场集中交易且满足要求的储能向市场交易机构申报交易期间意向价格、日用电曲线，包括交易时段及每时段的用电功率。由电力调度机构根据电网运行需要，根据日前竞价结果由低价到高价在日内依次调用(报价相同时按申报深度调峰电力等比例调用)，并以当日实际调用的最后一家储能报价作为市场出清价格，并按照储能的充电量和出清价格对储能进行调峰补偿。
2 储能参与调峰市场的优化调度模型
随着电能量现货市场的开展，储能除了参与调峰市场进行充电获取调峰补偿费用，还可以在其余时段通过电网系统放电，基于储能的放电能力根据实时电能量价格变化曲线，以市场获利最大为目标进行控制其放电行为。储能独立参与调峰市场，并进行实时优化调度的具体流程如图1所示。
2.1 储能参与调峰市场申报模型
考虑储能在市场初期缺乏竞价经验，为各交易时段提供M个报价方案，第m个报价方案的报价为
式中，Sdown和Sup分别为储能申报价格的下限、上限。
在调峰时段内，从电网吸收的电量越多，储能的报价越高，最大SOC值越高，因此
式中，Sm,max为储能的第m个报价方案下调峰时段内最大SOC值；S0,max为预测的初始状态下调峰时段内最大SOC值；Smax为储能允许SOC的上限。不同报价方案下，SOC状态曲线如图2所示。
在不同的市场竞价方案下，各时段的调峰用电功率为
式中，Pm,t为第m种报价方案下t时段的调峰用电功率；Sm,t为m种报价方案下t时段末的荷电状态；Sm,t-1为m种报价方案下t时段初的荷电状态；E为储能的额定容量；ηc为储能的充电效率；P0,c,t为t时段预测的初始充电功率；Δt为一个调度时段的时长。
储能在调峰市场申报过程中，需要考虑的约束条件包括
充电功率约束
式中，P0,dis,t为预测的储能在次日t时段的放电功率。
2.2 调峰市场的竞价出清模型
电力调度机构按照统一边际价格结算的调峰成本最小为目标函数进行调峰调度。
式中，CV为电网调峰成本；TV为系统需要调峰的时段；Ni和Nj分别为参与调峰市场的储能数量和火电机组数量；s?t为t时段调峰市场的边际出清价格；PW,i,t、PW,j,t分别为t时段储能和火电机组中标的调峰功率；Rt为t时段系统调峰需求。边际出清价格与各市场成员的中标功率关系如图3所示。
2.3 储能实时优化调度模型
假定经过协商，新能源电源企业基于储能调节的电量和新能源上网电价给予储能补偿费用，并补偿相应的电池损耗费用。以调度日内获利最大为目标，储能实时优化调度的目标函数为
式中，Pt为t时段现货市场的电价；Tdis为在调度周期内储能放电的时段；Pe,dis,t为储能在t时段参与现货市场的放电功率；FC为新能源企业给予储能的补偿费用；pC为新能源的上网电价；FV为储能参与调峰市场的实际收益；Closs为电池损耗费用；β为充/放电单位电能折合的电池损耗费用率；Pdis,t、Pc,t分别为储能在t时段实际的放电功率和充电功率。
该模型需要考虑的约束条件同样包括放电功率约束和不能同时充放电约束。此外，为保证储能电站提供辅助服务的可持续性，在实时调度过程中需考虑储能每日初始时刻和结束时刻SOC相同，约束关系如下
式中，ST为调度日结束时刻的SOC；S0为调度日初始时刻的SOC。
2.4 模型求解
求解调峰市场的集中竞价出清模型时，市场交易机构按照各市场主体提交的申报信息，以调峰调度成本最小为目标确定中标结果及边际出清价格。考虑到遗传算法的运算均是二进制码的相互转换，计算过程中不需要存储状态或决策变量离散点，求储能的实时调度优化模型时，因离散荷电状态量较多，将采用遗传算法确定调度周期内各时段的放电情况[18]。
遗传算法把问题的解表示成“染色体”作为遗传的个体，在算法中以二进制或实数编码的串的形式存在。在执行算法之前，给出一群“染色体”作为初始假设解，并将这些假设解置于问题的“环境”中，按照适者生存的原则从中选择比较适应环境的“染色体”进行复制，再通过交叉和变异产生更适应环境的新一代“染色体”群，直到种群收敛到最适应环境的一个“染色体”上，即问题的最优解。采用遗传算法求解储能的实时优化调度模型时，具体流程如下。
（1） 编码及初始化种群
考虑储能实时调度模型的约束条件相对复杂，为方便直接判断约束条件，本文采用实数编码方式利用遗传算法求解，在约束条件内随机生成一组调度周期内各时段储能参与现货市场的放电功率，组成的“染色体”为X=(Pdis,1, Pdis,2,…, Pdis,t,…, Pdis,T)，每条染色体对应优化调度的一个解，也称“个体”，所有个体组成了种群，即初始化种群。
（2） 适应度函数
求解电储能的实时优化调度模型时，以模型的目标函数作为适应度函数，根据每个个体的适应度值进化和搜索，实现优胜劣汰，进而让种群向更优的方向进化。
（3） 选择
将种群中的个体按照适应度的大小进行排列，采用“轮盘赌选择法”进行选择，每个个体被选中的概率与其适应度值大小成正比，使适应度较大的个体作为下一代个体的父母进行后续的进化。
（4） 进化
以一定的概率对选择出的父母个体进行交叉和变异，交叉是产生新个体的主要方法，变异可以维持群体的多样性，防止陷入局部最优。在实数编码的遗传算法中，通过构建交叉、变异算子实现种群的进化。其中，交叉算子为
Δ为一个很小的数。
在进化过程中，为防止最优解被替换掉，将上一代适应度最高的个体直接放入下一代种群中。
3 储能参与调峰市场算例分析
3.1 算例数据
由于西北电网高比例新能源的特性，储能参与调峰主要是指新能源大发时吸收系统电力。为了评估在西北区域储能参与调峰市场对系统经济及自身效益的影响，对上述模型进行仿真分析。本文假设区域内有一个储能配合风电场运行，一个储能配合光伏电站运行，主要技术参数见表1。
基于次日新能源的出力预测，得到储能配合新能源电站运行的充放电行为预测结果如图4所示，其中储能功率大于0表示放电，小于0表示充电，SOC为对应时刻末的荷电状态。储能1和储能2次日初始时刻(当日结束时刻)储能容量分别为40 MW·h和90 MW·h。
以西北区域某省级电网为例，预测该电网的96点新能源出力曲线和实时电价如图5所示。
该地区日内的新能源出力波动幅度较大，对此交易机构提出需要调峰的时段为10:00—16:00，以15 min为一交易时段，各时段的调峰需求如图6所示。
3.2 调峰市场竞价结果
除上文所提的储能外，另有两个火电机组也会参与调峰交易。市场初期储能申报价格区间为0.2～0.5元/(kW·h)。火电企业在不同的调峰档位，报价上下限见表2。
按照阶梯报价策略，取M=4，各电厂的申报信息分别见表3、表4。
根据调峰市场的竞价出清模型进行计算，表5、表6分别为储能参与和不参与调峰市场时，调峰市场的竞价出清结果以及电网的调峰成本。
可以看出，储能参与调峰市场后，能够分担火电机组的调峰压力，避免机组低负荷率运行，降低了调峰的边际成本，使电网调峰成本显着降低。
3.3 储能实时优化调度结果
电池充放电折合的电池损耗费用率β取120～140元/(MW·h)，利用遗传算法对储能实时优化调度模型求解，得到各储能的96点实时优化调度结果分别如图7、图8所示。
储能电站参与调峰、现货电能量等市场经济活动中，其初始投资成本需要合理地反映到运行过程中。为更准确地在实时调度中体现投资成本，本文将储能电站的初始投资折算到每一天的成本中，折算结果如表7所示。
在本算例中，考虑每日的折算投资成本，储能参与调峰市场和不参与调峰市场的情况下，在一天的调度周期内的具体获利情况见表8。可见，储能通过参与调峰市场，增加了自身的电力存储，并在现货市场中实现套利，进而提高了自身的效益。
4 结 论
储能作为一种灵活的调峰资源，本文在电力辅助服务市场向储能放开的背景下，构建了储能独立参与调峰市场的竞价出清模型，以及储能的实时优化调度模型，采用遗传算法优化求解。基于西北某电网实际运行数据进行模拟分析，结果表明储能参与调峰市场能够不仅能为储能投资方带来了可观的收益，同时能降低系统调峰成本，为电力系统释放调峰潜力提供新途径。
随着西北电网新能源装机的增加，建议积极完善储能独立参与电网调峰市场的方式，通过政策支持和市场引导，进一步释放系统调峰能力以解决新能源消纳需求，增强西北电网对可再生能源并网的适应性。此外，对于同样属于“三北”地区的华北电网和东北电网也先后出台了相应的规则允许储能独立参与调峰市场，在高比例可再生能源并网的要求下，也亟需扩大储能参与调峰的规模，充分发挥储能在电力系统调峰方面的作用。
