碳约束下基于双重博弈的电力零售商售电价格决策优化

通过博弈模型求解得到需求响应后各用户各时段的实际用电负荷。以用户1为例，需求响应前后各时段的实际用电负荷如图6所示。由图6可以看出，各电力零售商通过对用户1在峰、平、谷时段制定不同的售电价格，用户1在需求响应前后的负荷曲线呈现“削峰填谷”的特点。在需求响应前，用户1的用电高峰期集中在13:00—22:00，用电低谷期集中在00:00—06:00，经过需求响应，用户1将用电电价较高的高峰时段的用电负荷削减并转移到电价较低的低谷时段，同时也降低了用电负荷曲线的波动性。

图6需求响应前后用户1各时段的用电负荷

Fig.6The load of each user at different time period before and after demand response

根据需求响应前后各用户的用电数据以及各零售商的售电价格得到需求响应前后各用户的购电成本如表5所示。由表5可以看出，与需求响应前相比，各用户在需求响应后购电成本明显下降。这一现象是由各用户对自身用电负荷进行削峰填谷引起的。

表5需求响应前后各用户的购电成本

Table 5Electricity purchase costs for each user before and after demand response

结合图6和表5可以看出，在考虑用户侧需求响应后，各用户暂时调整其用电行为，既可以降低用户的用电成本，提高经济性，也可以保障电网的稳定运行。4.2.2 不同用户用电行为下仿真结果及分析本小节在设定的场景2和场景3下，研究用户不同的用电行为对零售商向各用户分别制定售电价格的影响。

将图5中场景2、场景3各用户的用电数据代入式（9）（10）（20），基于图4的求解流程，通过迭代循环方法嵌套Yalmip/IPOPT求解器求解电力零售商双重博弈问题可以得到电力零售商向各用户分别制定的售电价格。

以用户3为例，求解得到的场景1、场景2和场景3下各零售商向用户3的售电价格如表6所示。

表6各场景中各零售商向用户3的售电价格

Table 6The electricity selling prices of each retailer to user 3 in different scenarios

由表6的数据可以对比得出，由于场景2中的用户白天用电较多、夜晚用电较少，即峰平时段用电多、谷时段用电少，各零售商对用户3在峰、平时段的售电价格比最初设定的场景中相应的售电价格高，在谷时段的售电价格比最初设定的场景中相应的售电价格低。

同样地，由于场景3中的用户夜晚用电较多、白天用电较少，即在谷时段和平时段用电多、在峰时段用电少，各零售商对用户3在谷、平时段的售电价格比最初设定的场景中相应的售电价格高，在峰时段的售电价格比最初设定的场景中相应的售电价格低。

值得注意的是，在场景3中，虽然各零售商谷、平时段的售电价格升高，但由于谷时段的价格仍属于低谷价格，最终场景3中用户3总用电成本低于场景1中的用电成本。相反，场景2中用户3的总用电成本远高于场景1中的用电成本。因此，鼓励用户在不影响正常生活秩序的前提下，将电器转移到谷、平时段使用，以降低用电成本。

4.2.3 碳市场变化对零售商决策的影响

本小节在场景1中研究碳排放权价格变化和碳配额比例变化对电力零售商售电价格决策的影响。通过改变模型中碳排放权价格和碳配额比例并求解电力零售商的双重博弈模型，得到不同碳排放权价格和碳配额比例下电力零售商对各用户的售电价格。

图7为碳排放权价格从10元/t上升到90元/t、碳配额比例从0.1上升到0.6时，火电零售商1和绿电零售商1在平时段对用户3的售电价格的变化曲线。

图7火电零售商1和绿电零售商1对用户3平时段的售电价格变化曲线

Fig.7The electricity selling price change of thermal electricity retailer 1 and green electricity retailer 1 to user 3 during plain period

从碳排放权价格变化的角度分析，随着碳排放权价格的上升，各用户购买碳排放权的成本会增加，用户更希望通过使用绿电来避免购买碳排放权，导致对绿电的需求提高、对火电的需求降低。这激发了绿电零售商在各零售商中的竞争力，使得在多零售商非合作博弈中，随着碳排放权价格的上升，绿电零售商的售电价格呈上升态势。相反，碳排放权价格的上升导致用户对火电的需求减少，使得火电零售商在非合作博弈中的竞争力降低。火电零售商只能通过降低售电价格的方式以获得用户更多的购电。因此，随着碳排放权价格的上升，火电零售商的售电价格降低。

从碳配额比例变化的角度分析，随着碳配额比例的上升，负荷相同的情况下，用户允许产生的碳排放量增加，这削弱了绿电可以抵消购买碳排放权费用的优点，又因为绿电的价格普遍高于火电，所以用户对火电的需求增加，对绿电的需求降低。这激发了火电零售商在非合作博弈中的竞争力，在博弈过程中，火电零售商的售电价格呈上升态势。

相反，价格较高的绿电零售商只能通过降低售电价格的方式以获得用户更多的购电。

随着碳配额的上升，绿电零售商的售电价格降低。但需要指出的是，碳配额的上升并不代表用户不受碳排放量的约束，使用绿电仍具有抵消购买碳排放权费用的优点，这使得绿电的价格仍高于火电。

05

结论

本文研究了在用户碳约束背景下基于双重博弈的各电力零售商售电价格决策优化问题，通过仿真分析，得出以下结论。

1）建立多电力零售商与多用户间的双重博弈模型，通过双重博弈模型寻优合理的售电价格可以实现各零售商自身售电利润的最大化。同时，在满足碳约束的情况下，各用户也能通过博弈模型得到最优的购电策略，以提升用电综合满意度。

2）在用电总量相同的情况下，谷时段用电量较多而峰时段用电量较少的用户的用电成本低于谷时段用电量较少而峰时段用电量较多的用户的用电成本。因此，鼓励用户在满足生活秩序的情况下将电器转移到谷时段使用，这样可以明显降低用电成本，从而提高自身用电综合满意度。

3）各零售商的售电价格制定受碳排放权价格和碳配额比例的双重影响。碳排放权价格越高，碳配额比例越低，火电零售商的售电价格越低；碳排放权价格越低，碳配额比例越高，绿电零售商的售电价格越低。

可再生能源出力的不确定性会增加绿电零售商参与市场交易的风险，未来将在本文所提优化模型的基础上，进一步考虑绿电零售商交易中的风险；另外，用户侧的需求响应行为类型多样，未来的工作中会考虑多种不同类型的需求响应行为，如可中断电价、尖峰电价、阶梯递增电价等。