0 引言
分布式发电布点广泛，可以就近实现清洁能源的生产和消费，代表着能源发展的新形态和新方向[1-4]。然而分布式发电在发展过程中面临的并网成本高、对补贴依赖性强、无法为大规模工业化生产供应电力等突出问题制约了分布式发电市场化应用的进一步提升。为了解决上述问题，国家发改委和国家能源局在 2017年推出《关于开展分布式发电市场化交易试点的通知》（以下简称《通知》）政策文件，开始推动我国分布式发电市场的建设。自《通知》下发以来，已有多个试点在部分省市推行[5-7]。从试点推行效果看，分布式发电市场化利用市场这只无形的手，在优化电网结构、引导清洁能源市场良性竞争、为制造业释放改革红利、深化供给侧结构改革等方面取得了一定进步。但也应该看到，部分试点也存在着电网企业、分布式发电商、电力用户等市场主体定位不准确、形式流于行政化、无法充分挖掘市场潜力等问题。在分布式发电市场建设的关键阶段，如何明晰分布式发电市场化环境中各交易主体行为模式，分析分布式发电市场化交易政策影响机制，对分布式发电市场下一步建设至关重要。
分布式发电市场化交易的交易模式分为三种：①直接交易模式，分布式发电商与电力用户直接进行电力交易，签订中长期交易合同，向电网企业支付“过网费”；②电网代售电模式，分布式发电商委托电网企业代售电，电网企业按照本地区综合售电价格与分布式发电商进行结算，并在扣除相应“过网费”之后将剩余收入转付给分布式发电商；③标杆电价收购模式，电网企业按照国家规定的各类发电标杆上网电价收购，但相应“过网费”由电网企业承担。根据现场施行经验，分布式发电商的收益主要来自于两部分：参与分布式发电市场化交易的收益；国家及省市等政府机构提供的度电补贴。在以标杆电价收购模式为例，电网企业承担以燃煤标杆电价收购分布式发电电量部分的经济支出，分布式发电标杆上网电价与燃煤标杆电价之差即为政府机构提供的度电补贴。
目前，国内外已就分布式发电市场化开展了相关研究。文献[8-9]阐述了分布式交易的基本概念和特点，对比了国内外分布式发电交易机制和模式，对我国未来分布式发电市场化交易的发展进行了探讨；文献[10-11]从分布式发电接入规划的角度分析了分布式发电市场化环境下分布式发电商行为模式；文献[12-15]从微电网参与市场化交易的角度分析了分布式发电市场化政策的影响；文献[16-17]探讨了区块链与分布式发电市场化交易结合的可行性，提出一种去中心化的分布式发电市场化交易机制。但是，上述文献存在着三个方面的问题：①上述文献侧重于分析解读分布式发电市场化政策内容，更多属于政策阐述类文献。对分布式发电市场化交易施行后，各主体响应行为缺乏相应的分析研究。②上述部分文献研究中虽然涉及分布式发电市场化交易，但多数文献仅仅是使用了“交易模式”或“过网费”概念，并未真正赋予分布式发电商交易模式选择权，且缺乏对分布式发电市场化交易的全景式展示分析。③随着分布式发电市场化交易在各个试点的展开，各个试点推出了新的结算规则和偏差考核方法，但目前多数文献仅涉及《通知》文件的内容，对各地新的交易规则基本未涉及。
针对上述文献研究的不足，本文围绕分布式发电市场化各主体响应行为模式展开研究，在充分考虑政策限制及接入规范约束的基础上，建立分布式发电市场化环境下各交易主体响应行为模型，分析各主体间利益交互关系，为分布式发电市场化交易进一步推广提供理论支撑。采用KKT条件转换方法将原始模型转换为具有单个下层规划问题的双层规划模型，利用多目标进化算法实现模型的求解。以某乡镇实际配电网系统进行算例分析，结果表明，本文所提模型可以切实反映分布式发电市场化环境中各主体利益诉求及行为模式，为分布式发电市场化交易的进一步发展奠定了理论基础。
1 分布式发电市场化环境下各交易主体响应行为模型
根据国家发改委相关政策规定[7]，分布式发电市场化交易参与主体主要包括分布式发电商、电力用户、电网企业、电力交易机构和电力调度机构。考虑到我国分布式发电市场处于起步建设阶段，目前情况下后三者责任与义务均由电网企业承担。此外，考虑到分布式发电商从政府机构获取的高额可再生能源发电项目补贴，政府机构的补贴行为也对分布式发电市场化环境中各交易主体行为产生影响。因此，本文在分布式发电市场化环境下研究的交易主体为：分布式发电商、电力用户、电网企业和政府机构。分布式发电商决策分布式发电项目投建量，选择交易模式；电力用户决策直接交易模式中的购电协议电量；电网企业负责分布式发电项目接入及电网安全经济运行；政府机构决策分布式发电项目在不同投建容量范围内获取的不同补贴金额。分布式发电市场化交易体系示意图如图1所示。
图1 分布式发电市场化交易体系示意图
Fig.1 Schematic diagram of market-based trading mechanism for distributed generation
1.1 分布式发电商响应行为模型
分布式发电商以自身经济成本最小化为目标，负责投资建设分布式发电项目，选择交易模式；如果选择直接交易模式，则需制定卖电协议电价，并与电力用户签订购售电协议。一方面考虑到多种交易模式间存在电量结算的矛盾，而现阶段尚无多种交易模式如何进行电量分割的相关规则；另一方面，目前大多数分布式发电市场化交易试点均执行单个分布式发电项目只能选用一种交易模式。因此，为简化模型并结合实际情况，本文中分布式发电商只能选取一种交易模式。多个分布式发电商之间存在着对电网分布式发电项目承载量资源、电力负荷资源等两种资源的竞争关系。
1.1.1 目标函数
式中， O bjdg,k为第k个分布式发电商的目标函数；Cins,k、C y w,k和C gw f,k 分别为第k个分布式发电商的投建分布式发电项目年化总成本、全年运维成本、向电网缴纳的全年过网费成本； B b t ,k、 B s e ll,k分别为第k个分布式发电商全年从政府获取的可再生能源发电项目补贴和全年卖电收益；C dg 为所有参与分布式发电市场化交易的分布式发电商集合。
式中， ins,kP 、 dginvC 分别为第k个分布式发电商投建分布式发电项目安装量及单位分布式发电安装量的安装成本；r、 gcT和α分别为贴现率、工程周期和设备残值率。
式中，λdgyw、Ws u m,k 分别为分布式发电项目度电运维费用和第k个分布式发电商投建项目的全年总发电量。
式中，C dg zj、C dg dsd 和 C dg bg分别为采用直接交易模式、电网代售电模式和标杆电价收购模式的分布式发电商集合； B g w fzj,k 、 B g w fdsd,k分别为第k个分布式发电商在直接交易模式和电网代售电模式下需向电网缴纳的过网费。国家发改委相关政策规定[7]，如果采用标杆电价收购模式，分布式发电商不需要向电网缴纳过网费。
式中，bt,kλ为第k个分布式发电商从政府机构获取的可再生能源发电项目度电补贴。
式中， xy,kB 为采用直接交易模式的第k个分布式发电商通过签订交易协议获取的收益；rmbgλ为燃煤标杆上网电价； sg,kW 、 qf.kW 分别为第k个分布式发电商在直接交易模式中实际结算电量相较于交易电量多发的电量和少发的电量，偏差电量具体计算方法详见1.1.2节电量偏差约束；zhλ为综合售电电价。参考部分省市制定的分布式发电市场化交易规则，当分布式发电项目的交易结算电量低于协议签订电量，违约责任方需按照违约电量以燃煤标杆电价的10%向交易另一方支付违约补偿费用；当实际上网电量高于协议签订电量，由电网企业按燃煤标杆电价进行收购[18-19]。
1.1.2 约束条件
1）投建量约束
国家发改委相关文件规定[7]，参与分布式发电市场化交易的项目，单体项目容量最高不得超过50MW。
2）协议电价限制
式中，xy,kλ为第k个分布式发电商与电力用户直接交易的协议电价；indλ为工业负荷电价。现阶段分布式发电市场化交易鼓励分布式发电项目与稳定的工业负荷签订中长期交易合同，采用直接交易模式的分布式发电商通过向工业负荷报价以竞争合同电量，因此协议电价最高不能超过工业负荷直接向电网购电的电价。
3）直接交易模式收益约束
式中， xy,kW 为采用直接交易模式的第k个分布式发电商与电力用户签订的协议电量，当分布式发电商供应电量达不到协议电量时，按实际电量结算。
4）电量偏差约束
若Ws u m,k -Wxy,k ≤ 0，则
若Ws u m,k -Wxy,k ≥ 0，则
1.1.3 分布式发电市场化交易中过网费约束条件
分布式发电市场化交易中过网费是电网企业平衡电网投资和运行维护支出，并获得合理资产回报而收取的费用。分布式发电项目缴纳的过网费标准按接入电压等级和输电及电力消纳范围分级确定。
1）安装量范围限制
式中，min为取最小值函数；Plo a dave10、Pl o adave35、Ploadave110分别为待研究地区10kV、35kV和110kV电压等级供电范围的上年度全年平均用电负荷；Yi n s10,k 、Yi n s35,k 、Yi n s110,k分别为第k个分布式发电商投建的分布式发电项目在10kV、35kV和110kV电压等级接入标志位；ε为一极小数。根据分布式发电项目接入电网的相关国家标准，当单体项目容量小于 6MW 时，接入电网电压等级为 10kV及以下；当单体项目容量在6~20MW时，接入电网电压等级为 35kV；当单体项目超过20MW时，接入电网电压等级不超过110kV[20]。
根据国家发改委政策规定[5]，当分布式发电项目总装机容量小于供电范围上年度平均用电负荷时，即可认定该项目的电量在本电压等级范围消纳，执行本级电压等级内的“过网费”标准，超过时执行上一级电压等级的过网费标准。
2）直接交易模式过网费约束
式中，sum为矩阵求和函数；invoλ为电力用户接入电网所涉最高电压等级；10λ、35λ、110λ为待研究地区10kV、35kV和110kV对应的输配电价。
3）电网代售电模式过网费约束
式中，1λ为待研究地区1kV及以下电压等级对应的输配电价。当采用电网代售电模式时，意味着分布式发电项目向全地区所有负荷供电。
4）标杆上网电价收购模式过网费约束
1.2 电力用户响应模型
电力用户以自身用电成本最小为目标，根据各分布式发电商提供的卖电电价以及全年预估可交易电量，决策与各个分布式发电商的全年协议电量。一方面根据相关政策规定[5]，参与分布式发电市场化交易的电力用户应具有长期稳定且较大的电力需求，分布式发电项目单位应与能消纳其全部上网电量的电力用户进行交易；另一方面，电力用户拥有的负荷需求资源相对固定，而分布式发电商可以通过追加投资的方式扩大电力供应，电力负荷需求相对于分布式发电商是稀缺资源。因此，本文采用单个电力大用户面对多个分布式发电商竞争的模式以描述分布式发电市场化交易中的竞争状态。
1.2.1 目标函数
式中，O bjlo a d 为电力用户的目标函数；C xy load 、C dwload分别为电力用户通过分布式发电市场化交易购电和向电网企业直接购电的两方面购电成本；Bp cload 为电力用户在分布式发电市场化交易中因电量偏差考核获取的罚款收益。
式中， W i n dload 为电力用户全年总用电量。
1.2.2 约束条件
协议电量限制
当 C dg zj包含两个或两个以上元素且 λ xy,1 ≤λxy,2≤… ≤ λxy,k时，有
式中，k为 C dg zj集合元素个数。当 λ xy ,k = λ ind 时
式中，W i n dxy 为电力用户可用于分布式发电市场化交易的全年用电电量。式（21）表明当存在多个分布式发电商竞争时，分布式发电商报价λxy,k越高，电力用户与该分布式发电商达成的协议电量 W x y ,k也就越低。
1.3 政府机构响应模型
政府机构负责制定补贴政策，针对不同投建容量的分布式发电项目进行梯度化补贴。根据国家发改委相关政策规定，参与分布式发电市场化交易的分布式发电项目，其度电补贴根据投建容量增大和接入电网电压等级提升呈阶梯递减趋势[7]。因此，不同分布式发电商由于投建量不同，可能会获得不同的度电补贴。
考虑到可再生能源补贴呈逐步减小的发展趋势以及政府机构环境友好型战略目标，政府机构的决策目标是促进分布式发电事业的良性发展，构建环境友好型社会，其决策量为分布式发电项目在不同投建容量范围获取的不同补贴。政府机构的目标函数较难利用数学模型进行解析表达，但根据相关政策规定，政府补贴行为依然存在一定的约束条件。
1.3.1 约束条件
1）比例因子限制
式中，110α、35α、10α分别为相对于现行度电补贴的比例因子。接入电压等级越高，接入容量越大，则分布式发电项目获取的度电补贴也就越少。
2）补贴约束
式中，btnowλ为线性度电补贴价格。
考虑到政府机构响应模型的解析复杂性，因此，本文通过不断减少政府补贴的方式，研究政府机构的补贴行为给分布式发电市场化带来的影响。
1.4 电网企业响应模型
根据相关政策规定，电网企业需要为分布式发电项目提供电网接入、电网安全稳定运行、市场交易兜底和市场交易结算等服务[7]。电网企业考虑两个目标，一是以电网运行经济成本最小为目标，二是分布式发电削减量最小为目标，决策分布式发电项目的接入节点及容量，保证电网安全稳定运行。
1.4.1 目标函数
1）电网运行经济成本最小
式中，O bjdw为电网企业目标函数；C d gsg为直接交易模式和标杆电价收购模式中电网企业针对分布式发电项目的全年发电量收购成本； C ds d为代售电模式下电网企业针对分布式发电项目的全年发电量上网成本； C s j buy、 B s j sell分别为电网企业针对上级电网的全年买电成本和全年返送电量收益； B l o ad为电网企业在待研究地区收取的负荷全年卖电收益； B g w f为分布式发电商向电网企业缴纳的全年过网费收益。
式中， λ sj vle vel为待研究地区电网与上级电网连接点所处电压等级的输配电价；W s jb uy 、Ws js ell分别为电网企业针对上级电网的全年购电量和全年返送电量；We ls eload为待研究地区除电力用户以外的其他电力负荷全年用电量（如居民用电、农业用电和一般工商业用电）；λelse为其他电力负荷平均电价。根据相关政策规定，在采用标杆电价收购模式的分布式发电项目中因分布式发电电量收购导致上网成本，由电网企业承担[7]。
2）分布式发电削减量最小
式中， g,,i tP 为第i个变压器节点在第t个时段的有功出力值；dg,tP 为第t个时段分布式发电项目单位安装容量的出力上限； byq,iP 为第i个变压器节点的分布式发电接入容量；Byq为可接入分布式发电的变压器节点集合； js,tT 为第t个时段在全年中可代表的时段总数； jsT为总计算时段数。
1.4.2 约束条件
1）向上级电网购售电约束
式中， P g s jbuy,t 、 P g s jsell,t分别为第t个时段电网公司向上级电网购电的购电功率和售电功率； P g s jbuymax、Pg s jsellmax分别为针对上级电网购电功率和售电功率的上限值；Y s j buy,t、Y s j sell,t分别为第t个时段电网公司的购、售电标志位。在同一时刻，电网公司针对上级电网只能存在购电或售电一种状态。
2）发电节点约束
3）分布式发电项目接入变压器容量约束
式中，Pb y q,i, k 为第k个分布式发电商在第i个变压器节点接入的分布式发电容量；Yb y q,i、Pb y qrl,i 分别为第i个变压器节点的接入标志位和变压器容量；Byqk为第k个分布式发电商可接入分布式发电的变压器节点集合。根据分布式发电接入电网相关技术标准[20]，变压器容量应为分布式发电并网点容量的 1.1~1.2倍；10kV并网电压等级中单个并网点容量要求为 400~6MW；35kV并网电压等级中单个并网点容量要求为 6~20MW；110kV并网电压等级中单个并网点容量要求为 20MW及以上。单个并网点容量少于 400kW 时可直接接入380V/220V并网电压等级，属于户用范畴，不在本文考虑的范围之内。
4）电量约束
式中， P g , k, i, t为第k个分布式发电商接入第i个变压器节点在第t个时段的有功出力值；C dg ,k为第k个分布式发电商接入变压器节点的集合。
5）综合售电电价约束
6）潮流方程约束
式中，,ij tP、,ij tQ和,,i j tθ分别为第t个时段节点i和节点 j相连支路（以下称为“支路ij”）有功功率、无功功率和支路电压相位差； ijg和 ijb分别为支路ij的电导和电纳； ,i tv 为第t个时段节点i的电压幅值。
7）其他约束
除以上约束外，电网企业响应模型仍需考虑线路电流约束、潮流越限约束、节点电压约束、节点平衡约束和无功约束等约束条件，具体形式详见文献[10]。
2 模型求解
分布式发电市场化环境下各交易主体响应行为模型存在着主体多、维度高、非线性等多方面求解难题。本文采用多下层双层规划模型转换及多目标进化算法进行求解。
2.1 下层决策变量相互影响的多下层双层规划模型转换
多下层双层线性规划是指每个下层主体的决策不仅受到上层主体决策的限制，也会受到其他下层主体决策的影响[22]。其一般形式为
其中， y 1,… ,yk 需满足
式中，F、x分别为上层目标函数和决策变量； fi、yi分别为下层第i个主体的目标函数和决策变量。在多下层双层规划模型中上层主体决策x，其决策效果受到下层各主体决策变量 y 1,y2,…,yk的影响；下层第i个主体决策 y i，其决策效果受到上层决策x及其他下层主体 y t( t ≠i)的影响。
考虑到分布式发电市场化交易中分布式发电商的投建行为具有先动优势，其他各主体根据分布式发电项目投建量做出决策，因此将分布式发电商响应模型作为上层模型，其他各主体响应模型作为下层模型。由此，原始模型将转换为下层决策变量相互影响的多下层双层规划模型。
上层模型可以简写为
式中，dgf、dgh分别为分布式发电商响应模型的不等式约束和等式约束； dgm 、 dgp分别为不等式约束的个数和等式约束的数量； dgx为上层模型的决策变量，上层模型的决策受到下层电力用户和电网企业决策的影响。
下层模型可以简写为
式中， ,k if 、 ,k ih 分别为下层第k个主体响应模型的不等式约束和等式约束； km、 kp分别为不等式约束的数量和等式约束的数量； kx为下层第k个主体响应模型的决策变量，下层其他主体响应模型的决策变量作为参数影响第k个主体的决策。考虑到电力用户模型相对简单，因此数学上可以将电力用户响应模型利用卡罗需-库恩-塔克（Karush-Kuhn-Tucker,KKT）条件进行等价转换，最终形成具有单个下层规划问题双层规划模型进行求解。具体转换过程参考文献[10,23]，转换后的模型形式为
2.2 多目标进化算法
转换后的模型式（38）是一个多目标优化模型，模型的Pareto最优解可以反映出不同分布式发电商竞争的各种结果[24]。因此，本文采用Tchebycheff分解策略[25]的多目标进化算法（MOEA/D）进行求解。算法流程如下：
1）参数设置。设置种群数N、邻居数量T、最大迭代次数Maxgen以及n个自变量的范围。
2）初始化权重向量。产生N个权重向量，针对每一个权重向量，按照欧式距离从小到大的顺序获取前T个权重向量作为其相邻权重向量B。
3）初始化个体。根据N个权重向量，分别初始化自变量取值X，即
4）设置参考点。求解式（38）模型，获取适应度值Fit(xi )，初始化参考点 Z =[z1 z2 z3]T，并设置初始迭代次数gen = 0 。
5）获取新的个体。针对每一个个体 x i，从其相邻权重向量 B i中随机选取两个序号 k和 l，运用遗传算子产生新的个体y。
6）改进新的个体。检查个体y是否符合自变量范围要求，对超出范围的个体进行修正。
7）更新参考点及相邻解。如果Fitj(y)＜ z j，则更新参考点；针对每一个权重向量 B i，如果Fit(y)相较于Fit(xi )更接近于参考点，则更新 B i对应的相邻解。
8）终止条件。如果gen = M axgen ，则停止计算，输出适应值Fit(X)及最优解X；否则gen = g en + 1，返回步骤5）继续计算。
3 算例分析
为简化模型计算，本文共设置三个分布式发电商参与竞争，三个分布式发电项目均为光伏发电，光伏发电相关数据取自文献[10]。采用某乡镇实际配电网进行算例分析，负荷数据为当地配电网全年运行的时序数据，当地电力大用户负荷占比50.44%，可用于与分布式光伏发电商达成交易的电力大用户负荷占比为 34.24%。配电网主干线为 35kV出线，共有 11个 35kV:10kV变压器，线路全年迎峰负荷为 43.45MW，最大允许电流为 408A，网架结构及参数详见附录。原始状态为电网企业不接受分布式发电接入，此时电网运行成本为-3.36×106元。多目标进化算法中，设置种群数为100个、邻居数为20个、最大迭代次数为250代。本文算例分析从分布式发电商、电网企业、电力用户和政府四个角度分析分布式发电市场化环境下各主体响应行为。
3.1 分布式发电商响应行为分析
3.1.1 分布式发电商经济成本Pareto最优分析
电网企业以自身运行经济成本最小为目标，政府补贴行为按照现行政策执行，求解模型获得分布式发电商经济成本的Pareto前沿如图2所示，在某一分布式发电商取得最优解的情况下各分布式发电商响应行为比较见表1。
图2 各分布式发电商经济成本的Pareto最优散点图
Fig.2 Pareto optimal scatter plot for the economic costs of distributed generators
表1 某一分布式发电商最优解情况下各分布式发电商响应行为比较
Tab.1 Comparison of response behaviors of distributed generators under the optimal solution of a distributed generator
项目名称DG1最优解情况DG2最优解情况DG3最优解情况分布式发电商1经济成本/元 -2.90×107 -1.66×106 -8.39×105 DG投建量/MW 24.93 9.42 6.05交易模式 直接交易 标杆电价收购 标杆电价收购分布式发电商2经济成本/元 -3.74×106 -3.54×107 -3.33×106 DG投建量/MW 21.00 27.63 27.29交易模式 电网代售电 直接交易 标杆电价收购分布式发电商3经济成本/元 3.20×105 -2.38×106 -3.46×107 DG投建量/MW 9.97 18.38 29.28交易模式 直接交易 标杆电价收购 直接交易
由于负荷资源相对于分布式发电商的投资是稀缺资源，且电网对分布式发电项目的承载能力有限，因此分布式发电市场化环境下分布式发电商之间存在着对有限资源的竞争，Pareto解集中的每一个解均代表着分布式发电商在一种特定竞争分配方式下的最优决策结果。由图2及表1可知：
1）当一个分布式发电商经济成本最小，另外两个分布式发电商的经济成本面临着数量级级别的增加，甚至是亏损状态。因此，单个分布式发电商经济成本最优并不意味着所有分布式发电商经济成本均为最优。
2）在交易模式选择方面，当分布式发电商取得最优解时，其选择的交易模式均为直接交易模式。这主要是因为本节算例是在电网企业以自身运行经济成本最小为目标的情况下仿真所得，电网企业更希望分布式发电商选择直接交易模式或标杆电价收购模式，具体原因将在 3.2节电网企业响应行为中详细说明。相较于标杆电价收购模式的低电价，分布式发电商选择直接交易模式将会进一步降低经济成本。
3.1.2 分布式发电商投建行为影响分析
考虑到分布式发电商之间的竞争关系已经在3.1.1节进行了相关说明，因此本节从控制变量的角度出发，假定三个分布式发电商投建量相同，并依次增大总投建量，分析分布式发电商投建行为引起的其他主体利益变化。电网企业决策目标为自身运行经济成本最小，政策补贴行为按照现行政策执行，上层模型权重向量设置为[1/3 1/3 1/3]。分布式发电商投建行为引起的其他主体利益变化情况见表2。
表2 分布式发电商投建行为影响分析
Tab.2 Analysis of the impact of construction behavior of distributed generation
情形1 情形2 情形3 情形4 DG1 4 8 16 24 DG总投建量/MW DG2 4 8 16 24 DG3 4 8 16 24 DG1 -1.81×106 -1.95×106 -6.28×106 -7.85×105 DG2 -1.38×106 -3.65×106 -6.98×106 -9.42×106 DG3 -1.61×106 -1.19×106 -7.80×105 -8.91×106 DG 经济总成本/元 -4.81×106 -6.78×106 -1.40×107 -1.91×107 DG经济成本/元DG交易模式DG1 直接交易 代售电 直接交易 代售电DG2 代售电 直接交易 直接交易 直接交易DG3 代售电 代售电 标杆电价收购 直接交易DG1 节点9、11 节点9、10、11 节点1、11 节点1、9、10、11 DG接入电网节点DG2 节点3 节点2、3、4 节点1、4 节点1、2、3、4 DG3 节点8 节点5、7、8 节点1、5、6、7节点1、5、6、7、8电网公司经济运行净成本/元 -5.76×106 -7.76×106 -8.87×106 -1.14×107负荷参与直接交易的平均协议电价/[元/(MW·h)]689.82 654.20 625.57 606.43负荷用电成本/元 3.47×107 3.36×107 3.29×107 3.08×107
由表2可知，电网企业以电网经济运行为决策目标时：
1）实际运行中，各分布式发电商投建分布式发电项目的地理位置不同，其接入电网的节点范围也就不同（各分布式发电商可接入节点详见附图 1）。由情形 1～情形 4可知，即使当分布式发电商投建量和交易模式选择均相同时，由于接入节点不同，经济运行成本随之不同。
2）当分布式发电项目的投建量相同时，分布式发电商的经济成本最小模式均为直接交易模式，这与3.1.1节分析结论一致。
3）当分布式发电项目投建量逐步增大时，分布式发电商经济总成本随之降低，但单个分布式发电商由于电网接入位置及所选交易模式的不同，经济成本不一定会随之降低。
4）当分布式发电项目投建量逐步增大时，电网企业经济运行净成本也随之降低，这主要是因为随着分布式发电项目投建量增大，电网企业可控资源也就越多（直接交易模式中，电网可以对分布式发电相较于协议电量多出的电量进行收购）。从经济运行的角度，相较于从上级电网购电，电网企业更愿意从分布式发电商购电，减小电网经济运行成本。
5）当分布式发电项目投建量逐步增大时，负荷用电成本随之减小，这主要是因为随着分布式发电项目投建量增大，电力大用户通过分布式发电市场化进行交易的平均协议电价降低，进而减少了负荷的总用电成本。
3.2 电网企业响应行为分析
电网企业作为分布式发电市场化交易的重要参与者，从不同目标出发形成的响应行为，对自身及其他利益主体的收益都有着较大影响。考虑到电网企业针对各个分布式发电项目机会均等，因此，从简化模型分析和控制变量的角度出发，上层模型权重向量设置为[1/3 1/3 1/3]，分布式发电商仍然采取一致投建量行为，着重对电网企业响应行为进行分析。分布式发电商以经济成本最小为目标，政府补贴行为按照现行政策执行。电网企业分别以电网运行经济成本最小和分布式发电削减量最小为目标两种情况下各参与主体响应行为比较见表3。由表3可知：
1）当分布式发电投建量不变时，电网企业的决策行为将直接影响分布式发电商和负荷用户的收益。考虑到我国电网企业的国企属性以及相关法律法规要求，当电网选择以分布式发电削减量最小为目标时，可以看出虽然电网企业相较于无分布式发电项目接入时经济运行成本增加，但分布式发电商的收益得到了极大的增加，负荷用电成本进一步降低，分布式发电削减量也得到了较大程度降低，更有利于构建环境友好型社会。
2）当以分布式发电削减量最小为目标时，电网更倾向于将分布式发电项目分散接入，以尽可能地通过本地负荷消纳分布式发电所发出的电量。
3）当电网企业以自身运行经济成本最小为目标时，电网企业会引导分布式发电商首先选择直接交易模式，其次是标杆电价收购模式。这主要有两方面原因：一方面电网代售电模式相当于直接切除电网企业的高价负荷资源，减少了电网企业的经济收益；另一方面直接交易模式中超出协议电量部分，电网企业可以燃煤标杆电价进行收购。因此，电网企业从自身经济利益出发，更希望以燃煤标杆电价收购分布式发电项目电量，即更希望分布式发电商选择标杆电价收购模式或直接交易模式。与此同时，对于分布式发电商而言，直接交易模式的收益要大于标杆电价收购模式。因此，在电网企业决策行为的引导下，分布式发电商选择直接交易模式收益更大。
4）当电网企业以分布式发电削减量最小为目标时，电网企业的经济性引导不再存在，分布式发电商采用直接交易模式获取的收益相较于代售电模式不再凸显；当分布式发电商的投建量较大时，电网代售电模式则成为分布式发电商收益较大的模式。
5）在投建量保持不变的情况下，当电网企业以分布式发电削减量最小为目标时，电力负荷通过分布式发电市场化交易中直接交易模式获取的用电电价更低。这主要是因为电网企业以分布式发电削减量为目标时，分布式发电商可以上网更多电量；直接交易模式中，分布式发电商通过降低协议电价，以达到获取更多负荷资源的目的。
表3 电网企业不同决策目标下各主体响应行为比较
Tab.3 Comparison of response behaviors of participating trading entities under different decision-making objectives of grid enterprises
情形1 情形2电网决策目标经济运行 分布式发电削减量 经济运行 分布式发电削减量DG1 4 4 16 16 DG总投建量/MW DG2 4 4 16 16 DG3 4 4 16 16 DG1 -1.81×106 -2.58×106 -6.28×106 -7.36×106 DG经济成本/元DG2 -1.38×106 -2.24×106 -6.98×106 -7.25×106 DG3 -1.61×106 -2.28×106 -7.80×105 -8.18×106 DG经济总成本/元 -4.81×106 -7.10×106 -1.40×107 -2.28×107 DG1 直接交易 直接交易 直接交易 代售电DG交易模式DG2 代售电 代售电 直接交易 直接交易DG3 代售电 直接交易 标杆电价收购 代售电DG1 节点9、11节点9、10、11 节点1、11 节点1、10、11 DG接入电网节点DG2 节点3 节点2、3、4 节点1、4 节点1、3、4 DG3 节点8节点5、6、7、8节点1、5、6、7节点1、6、7、8分布式发电削减量/(MW·h) 5931.7 0 30975 2297.2电网公司经济运行净成本/元-5.76×106 -1.19×106 -8.87×106 -1.15×106负荷参与直接交易的平均协议电价/[元/(MW·h)]689.82 632.24 625.57 596.06负荷用电成本/元 3.47×107 3.41×107 3.29×107 2.81×107
3.3 电力大用户影响分析
电力用户在分布式发电市场化中面临着两类电力供应：一类是电网企业供电；另一类是分布式发电商供电。因为电网企业供电是固定电价，而分布式发电商可以自由报价，所以理论上只要分布式发电商报价低于电网企业电价，电力用户从自身用电成本最小的目标出发，均会选择来自分布式发电商的供电。电力用户唯一需要决策的是，当面临多个分布式发电商报价时，合理选择与不同分布式发电商的协议电量。考虑到电力大用户在分布式发电市场化交易中所占据的垄断地位，电力大用户可交易负荷的电量对分布式发电市场化交易至关重要。因此，本文着重分析电力大用户可交易的负荷电量在全地区负荷需求量中占比影响，以此探究电力大用户对分布式发电市场化的影响变化。电网企业决策目标为自身运行经济成本最小，政策补贴行为按照现行政策执行，分布式发电商以经济成本最小为目标，上层模型权重向量设置为[1/3 1/3 1/3]。不同可交易负荷占比情况下各参与交易主体响应行为比较见表 4。
表4 不同可交易负荷占比情况下各主体响应行为比较
Tab.4 Comparison of response behaviors of participating trading entities under different tradable load ratios
可交易负荷占比(%) 10 34.24 50 75分布式发电商总成本/元 -1.49×107 -1.54×107 -1.56×107 -1.02×107电网企业经济运行成本/元 -7.29×106 -7.90×106 -1.25×107 -1.18×107负荷用电平均电价/[元/ (MW·h)]660.94 655.45 649.92 614.29收益最大分布式发电商交易模式 电网代售电 直接交易 直接交易 直接交易收益最小分布式发电商交易模式标杆电价收购标杆电价收购标杆电价收购标杆电价收购
由表4分析可知：
1）从分布式发电商角度分析，分布式发电商总成本与可交易负荷并不总是保持单调递增关系。当可交易负荷占比较小时，分布式发电商选择电网代售电模式收益更大，这主要是因为电网代售电模式面向的负荷是全地区负荷，当可交易负荷占比较小时，电网代售电模式相较于直接交易模式的交易量优势得到了凸显；随着可交易负荷占比增大，考虑到直接交易模式的协议电价高于综合售电电价，交易量的提升使直接交易模式成为收益更大的模式；无论可交易负荷占比多少，标杆电价收购模式均为分布式发电商收益最小的模式。
2）从电网企业的角度分析，随着可交易负荷占比的增大，电网企业经济运行成本在随之降低，这主要是因为电力大用户负荷采用的工业电价远高于居民用电电价。地区总负荷不变情况下，电力大用户负荷占比越高，电网企业收益也就越大；但是当可交易负荷增大到一定程度时，分布式发电项目中直接交易模式的交易电量也进一步得到增大，抢夺了电网企业一定的负荷资源。因此，电网企业的收益会有略微回落。
3）从电力用户的角度分析，随着可交易负荷占比的增大，电力用户在分布式发电市场化交易中的垄断地位得到了增强，电力用户可以利用多个分布式发电商针对负荷资源的竞争进一步降低负荷用电的平均电价。
3.4 政府补贴行为分析
考虑到国家针对新能源发电的退坡补贴趋势，本文设置将补贴削减比例增大到现行补贴政策的 0、25%、50%、75%和100%五种情况进行对比分析。电网企业决策目标为自身运行经济成本最小，分布式发电商以经济成本最小为目标，权重为[1/3 1/3 1/3]。随着补贴削减比例增大，各参与交易主体响应行为参数相对于补贴未削减情况的占比如图3所示。
图3 各参与交易主体响应行为参数占比随补贴削减比例变化曲线
Fig.3 The graph of the proportion of response behavior parameters of each participating transaction subject with the subsidy reduction ratio
由图3分析可知：随着补贴削减比例增大，分布式发电商总收益大幅降低，其他各项参数均未发生较大变化。这种情况表明，现行技术条件下，分布式发电商在没有补贴的情况下依然可以获利，依然可以对分布式发电市场化交易保持参与积极性，符合现行新能源发电退坡补贴趋势。
4 结论
本文围绕分布式发电市场化环境中各主体响应行为展开研究，充分考虑政策限制及接入规范约束，建立了分布式发电市场化环境下各交易主体响应行为模型；采用KKT条件转换方法将原始模型转换为具有单个下层规划问题的双层规划模型，利用多目标进化算法实现模型的最终求解，得到了如下结论：
1）分布式发电商不仅与其他分布式发电商存在着对负荷资源的竞争，也与电网企业存在着负荷资源的竞争。
2）相较于以电网经济运行成本最小的目标，电网企业选择以分布式发电削减量最小为目标，虽然电网企业经济运行成本增加，但分布式发电项目投建量明显增大，分布式发电商经济成本得到了降低，负荷用电成本也得到了降低，分布式发电参与市场化交易的电量得到了增加。
3）随着可参与市场化交易负荷占比的增大，电力用户在分布式发电市场化交易中的垄断地位得到了增强，负荷用电的平均电价将进一步降低。
4）随着政府补贴削减比例的增大，分布式发电商总收益大幅降低，但光伏投建量等参数并未发生大幅度减小。分布式发电商依然可以在分布式发电市场化交易中获利，符合现行新能源发电退坡补贴的趋势。
附 录
附图1 某乡镇实际供电线路结构及变压器容量
Fig.1 Actual power supply line structure and transformer capacity in a region
附表1 关键参数
App.Tab.1 Key parameters
参 数 数 值光伏安装成本/[元/(MW·h)][26] 7 000光伏运维成本/[元/(MW·h)][26] 100光伏度电补贴/[元/(MW·h)][20] 350贴现率[20] 0.03残值率[20] 0.05工程周期/年[26] 20燃煤标杆电价/[元/(MW·h)][27] 369.3非工业负荷平均用电电价/[元/(MW·h)][27] 560不满1kV输配电价/[元/(MW·h)][27] 354 1至10kV输配电价/[元/(MW·h)][27] 213.7 35kV 输配电价/[元/(MW·h)][27] 198.7 110kV输配电价/[元/(MW·h)][27] 183.7与上级电网联络线功率限制/MW 50地区年度总负荷/(MW·h) 99 295.32种群数 100邻居数量 20最大迭代次数 250现行补贴削减比例(%)[7]（单体容量不超过20MW） 10现行补贴削减比例(%)[7]（单体容量超过20MW） 20
附表2 线路参数
App.Tab.2 Transmission line parameters
Fr To R/Ω X/Ω 1 2 3.119 3 5.540 5 2 3 2.236 1 3.971 7 1 4 4.761 5 6.683 7 4 5 4.211 5 5.911 6 1 6 9.171 0 8.192 8 6 7 1.939 7 2.722 7 7 8 5.615 8 9.974 8 1 9 3.773 3 5.296 5 9 10 3.700 2 6.572 3 10 11 2.388 1 4.241 8
[1] 范士雄, 蒲天骄, 刘广一, 等. 主动配电网中分布式发电系统接入技术及其进展[J]. 电工技术学报,2016, 31(增刊 2): 92-101.Fan Shixiong, Pu Tianjiao, Liu Guangyi, et al.Technologies and its trends of grid integration of distributed generation in active distribution network[J].Transactions of China Electrotechnical Society, 2016,31(增刊 2): 92-101.
[2] 杨晓东, 张有兵, 蒋杨昌, 等. 微电网下考虑分布式电源消纳的电动汽车互动响应控制策略[J]. 电工技术学报, 2018, 33(2): 390-400.Yang Xiaodong, Zhang Youbing, Jiang Yangchang, et al. Renewable energy accommodation-based strategy for electric vehicle considering dynamic interaction in microgrid[J]. Transactions of China Electrotechnical Society, 2018, 33(2): 390-400.
[3] 颜湘武, 徐韵, 李若瑾, 等. 基于模型预测控制含可再生分布式电源参与调控的配电网多时间尺度无功动态优化[J]. 电工技术学报, 2019, 34(10):2022-2037.Yan Xiangwu, Xu Yun, Li Ruojin, et al. Multi-time scale reactive power optimization of distribution grid based on model predictive control and including RDG regulation[J]. Transactions of China Electrotechnical Society, 2019, 34(10): 2022-2037.
[4] 盛万兴, 吴鸣, 季宇, 等. 分布式可再生能源发电集群并网消纳关键技术及工程实践[J]. 中国电机工程学报, 2019, 39(8): 2175-2186.Sheng Wanxing, Wu Ming, Ji Yu, et al. Key techniques and engineering practice of distributed renewable generation clusters integration[J].Proceeding of the CSEE, 2019, 39(8): 2175-2186.
[5] 国家能源局. 国家能源局新能源司负责人就《关于开展分布式发电市场化交易试点的通知》答记者问[EB/OL].北京: 国家能源局, 2017[2019-07-04]http://www.nea.gov.cn/2017-12/27/c_136855153.htm.
[6] 国家发改委办公厅, 国家能源局综合司. 关于公布2019年第一批风电、光伏发电平价上网项目的通知(发改办能源[2019]594号)[Z]. 2019.
[7] 国家发改委, 国家能源局. 关于开展分布式发电市场化交易试点的通知(发改能源[2017]1901号)[Z].2017.
[8] 林俐, 许冰倩, 王皓怀. 典型分布式发电市场化交易机制分析与建议[J]. 电力系统自动化, 2019,43(4): 1-8.Lin Li, Xu Bingqian, Wang Haohuai. Analysis and recommendations of typical market-based distributed generation trading mechanisms[J]. Automation of Electric Power Systems, 2019, 43(4): 1-8.
[9] Liu Shiyu, Bie Zhaohong, Liu Fan, et al. Policy implication on distributed generation PV trading in China[J]. Energy Procedia, 2019, 159: 436-441.
[10] 张迪, 苗世洪, 赵健, 等. 分布式发电市场化环境下扶贫光伏布点定容双层优化模型研究[J]. 电工技术学报, 2019, 34(10): 1999-2010.Zhang Di, Miao Shihong, Zhao Jian, et al. A bi-level locating and sizing optimal model for poverty slleviation PVs considering the marketization environment of distributed generation[J].Transactions of China Electrotechnical Society, 2019,34(10): 1999-2010.
[11] 李滨, 梁宇帆, 祝靖, 等. 一种分布式光伏选线定容的二阶锥规划方法[J]. 电力系统保护与控制,2018, 46(10): 113-122.Li Bin, Liang Yufan, Zhu Jing, et al. A second-order cone programming method of feeder-selecting and sizing for distributed photovoltaic[J]. Power System Protection and Control, 2018, 46(10): 113-122.
[12] 韩晓娟, 王丽娜, 高僮, 等. 基于成本和效益分析的并网光储微网系统电源规划[J]. 电工技术学报,2016, 31(14): 31-39.Han Xiaojuan, Wang Lina, Gao Tong, et al.Generation planning of grid-connected micro-grid system with PV and batteries storage system based on cost and benefit analysis[J]. Transactions of China Electrotechnical Society, 2016, 31(14): 31-39.
[13] Jin Qiang, Yang Weihong, Kong Xiangyu. Research on microgrid operation control strategy under the new power reform[C]//Proceedings of the 2018 International Conference on Robotics, Control and Automation Engineering, Beijing, 2018: 40-44.
[14] 李力行, 苗世洪, 孙丹丹, 等. 多利益主体参与下主动配电网完全信息动态博弈行为[J]. 电工技术学报, 2018, 33(15): 3499-3509.Li Lixing, Miao Shihong, Sun Dandan, et al. Dynamic games of complete information in active distribution network with multi-stakeholder participation[J].Transactions of China Electrotechnical Society, 2018,33(15): 3499-3509.
[15] 刘念, 赵璟, 王杰, 等. 基于合作博弈论的光伏微电网群交易模型[J]. 电工技术学报, 2018, 33(8):1903-1910.Liu Nian, Zhao Jing, Wang Jie, et al. A trading model of PV microgrid cluster based on cooperative game theory[J]. Transactions of China Electrotechnical Society, 2018, 33(8): 1903-1910.
[16] 高赐威, 童格格. 区块链技术在分布式发电市场化交易中的应用分析[J]. 电力需求侧管理, 2018,20(4): 1-4.Gao Ciwei, Tong Gege. Application analysis of blockchain technology in market based transaction of distributed generation[J]. Power Demand Side Management, 2018, 20(4): 1-4.
[17] 王蓓蓓, 李雅超, 赵盛楠, 等. 基于区块链的分布式能源交易关键技术思考[J]. 电力系统自动化,2019, 43(14): 53-64.Wang Beibei, Li Yachao, Zhao Shengnan, et al. Key technologies on blockchain based distributed energy transaction[J]. Automation of Electric Power Systems,2019, 43(14): 53-64.
[18] 国家能源局南方监管局. 广东省分布式发电市场化交易试点规则大纲（征求意见稿）[EB/OL]. 广东:国家能源局南方监管局, 2018[2019-07-04]http://www.eserexpo.com/?show-823-2.html.
[19] 国家能源局江苏监管办公室. 江苏省分布式发电市场化交易规则（征求意见稿）[EB/OL]. 江苏: 国家能源局江苏监管办公室, 2018[2019-07-04]ttps://wenku.baidu.com/view/0f09938b5122aaea9 98fcc22bcd126fff6055d40.html/.
[20] 国家电网公司. 关于印发《分布式电源接入配电网设计规范》等 4项标准的通知 (国家电网企管[2014]365号)[Z]. 2014.
[21] 国家发改委. 关于印发《可再生能源发电全额保障性收购管理办法》的通知. (发改能源[2016]625号)[Z].2016.
[22] 胡宗国. 多下层双层线性规划的若干模型研究[D].青岛: 山东科技大学, 2009.
[23] Boyd S, Vandenberghe L. Convex optimization[M].Cambridge: Cambridge University Press, 2004.
[24] 黄辉, 吴正, 邹安安, 等. 基于遗传算法的汽车EPS电动助力转向电动机多目标优化[J]. 电气技术,2019, 20(2): 48-52.Huang Hui, Wu Zheng, Zou Anan, et al. Multiobjective optimization of electric power steering motor based on genetic algorithm[J]. Electrical Engineering, 2019, 20(2): 48-52.
[25] Zhang Qingfu, Li Hui. MOEA/D: a multiobjective rvolutionary slgorithm based on decomposition[J].IEEE Transactions on Evolutionary Computation,2008, 11(6): 712-731.
[26] 民权县人民政府.河南省民权县光伏扶贫实施方案[Z]. 2017.
[27] 河南省发改委. 关于合理调整电价结构有关事项的通知(豫发改价管[2017]707号)[Z]. 2017.