（1）
摘要 “3060”双碳目标势必带来分布式发电（DG）在公共配电网中的大量接入，传统按接入电压等级平均分摊成本的配电网收费方式会引发连锁反应的“死亡螺旋”问题，因此，适应高渗透率DG并网的未来配电网收费方式将成为保障P2P等能源共享用户公平性和配电网高效可持续运行的重要基础。首先，该文根据世界各国对未来配电网收费方式的探索，分别从DG自发自用和余量上网两种模式下的配电网收费方式进行总结分析，同时，将配电网收费分为容量收费、电量收费和需求收费三个方面，比较其优劣和适用性；然后，对典型国家的配电网收费方式结合其电力市场运行特点进行对比分析；最后，结合中国的DG分布情况，从实际运行的角度提出对配电网收费方式的建议。
关键词：配电网收费 分布式发电用户 电力市场 配电网成本 适用性分析
随着能源模式的逐渐改变，“3060”双碳背景下电力系统的供电模式和成本组成均发生了极大的改变[1]。新型电力系统中，分布式发电（Distributed Generation, DG）在配电网中的接入比例增高，越来越多的用户趋向自给自足，成为产消者[2]。在具有自身电量冗余时，将多余电量出售给电网，而在自身电量不足时，向电网购电[3]。这种行为在一定程度上降低了对一次化石能源的依赖度，促进了新能源的发展。但是，用户选择的多样性也带来了配电网潮流的复杂多变。由于电能不易储存和新能源发电量难以预测的问题，可能会出现DG发电量激增或急剧降低的情况，导致区域配电网容量越限等问题。这时，配电网需要通过线路扩容等方式确保安全稳定运行，这些举措会增加配电网成本[4]。
配电网收费作为一种反映配电网线路供求关系的重要载体，既承载着对配电网成本的客观反映，亦肩负着对用户根据贡献度公平分摊的责任。收费的公平与客观性能够有效提升配电网效率，促进配电网新建与扩容。美国的Eversource、Arizona Public Service、Salt River Project、NV Energy和Westar Energy[5-6]等电力公司均向当地政府提议，对DG用户重新设计配电网收费，这是因为高渗透率DG的并网在很大程度上会由于其波动性和不确定性，加大配电网峰值需求水平，增加配电网扩容成本[7]。在新型电力市场环境下，若仍然采用现有的基于电压等级的两部制收费方式，无法覆盖配电网扩容成本且会引起用户之间交叉补贴的问题，阻碍配电网的公平稳定运行[8]。因此，面向高渗透DG 接入下的未来配电网成本和收费之间关系研究非常有必要。
配电网在具有垄断的私人属性（通过提供服务对用户收费）的基础上还具备公共服务属性（为公众提供持续电能供应）。考虑到两种属性之间应该相辅相成而非相互割裂，对配电网的收费应在覆盖配电网成本的基础上准确反映为用户用电的服务水平[9]。通过专家学者的不断探索与研究，提出了最为重要的两项计费准则，即高效与公平[10-11]。高效主要体现在配电网收费应为用户提供合适的激励，促进用户合理用电，从而实现配电网资产的高效利用和以价值高低引导的合理扩容。公平则是意味着用户之间能够按照获取服务的质量高低公平分摊配电网成本，同时也涵盖了：配电网收费稳定（即用户收费波动性较小）；分布均匀（即对不同类别用户收取费用在配电网总成本中占比均匀）；且同类用户具有相同的收费标准（即平均收费相同，如元/(kW·h)、元/kW或其组合）的意义[12]。在此基础上，J. Bonbright等深化了这两项计费准则，提出了收费设计的五项关键标准[5]。基于这些计费准则，收费应基于用户的配电网利用率和成本贡献度[13]，其中前者表征了用户对配电网的占用情况；而后者则表征了由于用户占用而引起的配电网成本变化情况。但是，以何种方式实现成本回收则成为了另一个难题。
世界各国对配电网收费有些停留在理论阶段，而有些已经在实际电力市场中部署了试点应用。理论研究包括DG自发自用下的公共配电网收费方式和DG余量上网模式下公共配电网过网费收取方式。前者又可以细分为容量收费、电量收费和需求收费；后者在上网电价（Feed in Tariff, FIT）、净计量（Net Metering, NM）和净购售电（Net Purchase and Sale, NPS）的上网电价中讨论基于线路占用成本的过网费收取和基于对配电网电压和阻塞影响的过网费收取方式。
因此，本文总结了国内外在未来大量分布式能源高比例接入下的不同配电网收费方式，对其收费结构、优劣和用户适用性进行了探索、整理和分析；结合我国电力市场的实际，分别从完善配电网收费机制角度和综合考虑其他融资渠道回收配电网投资运营成本两个方面出发，提出对DG并网下中国未来电力市场中配电网收费方式的建议。
为分析配电网收费在高渗透率DG并网前后的变化情况，需要分析完全理想的公共配电网收费方式。通过对比完全理想与传统收费方式间的差异，明确未来配电网收费需要解决的问题。
对于受监管的公共配电网投资成本的回收主要考虑用户能量传输需求下的电量回收和可靠性要求下的峰值回收两个方面[14]。公共配电网投资成本及其对应的收费构成如图1所示。
图1中，黑色曲线表示配电网传输电量，其对应的色块则表示配电网总成本，有
（1）
图1 公共配电网投资成本构成
Fig.1 The structure of distribution network investment cost
满足用户能量传输的网络成本为建设成本f1，依据配电网电能传输量
（kW·h/年）进行回收。用户的单位传输电量对应的公共配电网建设成本为α（元/(kW·h)），计算公式为
（2）
满足系统峰值可靠性需求的网络成本为扩容成本f2，依据配电网峰值水平
（kW）进行回收。其中，用户i峰值水平Di与配电网峰值D的峰值同时率水平为di。两者的峰值同时率系数下的单位峰值水平对应的公共配电网扩容成本为β（元/ kW），计算公式为
（3）
若能够完全按照公平性原则对用户分摊公共配电网成本，则当第i个用户的电能传输水平为Ci，峰值水平为Di，且与配电网峰值同时率水平为di，则该用户需要承担的建设成本为Ciα，扩容成本为diDib。
若完全按照成本分摊方式收取公共配电网费用则是最为公平的方式，但是现实情况下难以准确从f中划分出f1、f2，且难以同时监测用户对配电网的电能传输量占比和峰值同时率。并且在高渗透率分布式发电并网前后，由于其不确定性，C和D较为多变，且f1和f2在f中的占比会有较大变化。
根据国际能源署（International Energy Agency, IEA）最新发布的数据[13]，近十年来可再生能源的接入量增加了约8.8%，且在能源消纳中的比例由2020年的28.6%上升至2030年的60%以上，直至2050年实现净零排放。DG并网后引起的配电网成本组成变化如图1所示。
此时配电网由于电能传输量
降低，从而降低了配电网建设成本，使f1成为f1'，但可能会间接提升配电网峰值水平，从而增加了配电网扩容成本，使f2成为f2'，这种变化从美国Kansas和Idaho在DG并网前后的夏季配电网峰值水平得到[67]。DG发电量激增需要并网消纳或剧减需要从电网购电的特殊时段会导致用户与配电网峰值同时率水平提高，从而使得配电网峰值高于DG接入前的峰值水平，此时D升高，配电网扩容成本增加。因此高渗透率DG并网后的变化会潜移默化地增加配电网运营压力，需要加强和升级配电网阻塞线路[15]。
传统配电网成本回收方式主要由两部制批量收费组成，包括容量收费和能量收费，容量收费是对用户每月收取的固定费用，能量收费是按照用户接入电压等级确定的单位电量的网络使用费[8]。没有高渗透率分布式发电接入时，用户对配电网的使用情况较为均匀，配电网峰值易于预测且变化较小。扩容成本f2在总成本f中的占比较小，通过容量收费这种固定收费的方式可以回收大部分扩容成本f2，能量收费则可用于建设成本f1的回收。
但是随着高渗透率分布式发电的接入，扩容成本f2'在总成本
中的占比增大。若仍采用传统的两部制收费方式，容量收费固定仍回收f2，此时f2＜f2'，会导致f1'+(f2'-f2)的成本需要从能量收费中回收，DG用户的Ci降低为Ci'，其他用户不变。此时，DG用户收费降低，而其他用户需要承担由DG用户引发的配电网成本增量f2'-f2，即为普通用户对DG用户的交叉补贴[16-18]。因此，应考虑在未来高比例DG并网下主要针对建设成本和扩容成本进行分摊的公共配电网收费再设计[19]。
DG用户的用电形式可以分为自发自用和余量上网两部分。余量上网用户是作为产消者在自发自用的基础上自主选择是否卖电给其他用户。因此，需要针对余量上网用户在自发自用的公共配电网收费基础上，研究余量上网部分的收费方式。
面向自发自用的公共配电网收费方式主要包括容量收费、电量收费和需求收费方式。
2.1.1 容量收费
容量收费是一种根据DG接入容量预估用户在未来配电网月度电能传输总量中的占比，从而分摊配电网成本的月度收费方式（元/kW）[20-22]，存在误差。假定月度共有T小时，用户i负荷水平为
(kW)，DG容量为
(kW)，则该用户安装DG后从电网月度购买的预估电量为
（4）
式中，
为用户i的DG在不同时刻的发电效率。此时，用户i的容量收费为
（5）
容量收费只考虑了用户电能传输总量在配电网中的占比，对建设成本f1分摊较为公平（不考虑预估误差）。由于计算简单且不需要智能电表等计量装置而在实践中得到了广泛应用[16,23]。
但是，容量收费未考虑用户对配电网峰值同时率变化的影响而对扩容成本f2的分摊并不公平[24]。并且，由于DG用户月度电能传输量预测值Ci可能比实际值小，且未考虑DG用户与配电网峰值同时率问题，间接导致DG用户容量收费Cai较其实际对成本影响小，引发普通用户对DG用户的交叉补贴问题，公平性较差[25]。采取中长期时间尺度联合预估配电网扩容成本，设计价格激励改进容量收费的方式[22]，或基于博弈论建立用户策略行为模型，分析用户接入容量与配电网容量占比之间的关系，从而修正容量收费的方式[26-27]，都能在一定程度上缓解成本回收的公平性问题。但是由于需要满足配电网收费的普适性原则，这些改进后的容量收费结构从本质上而言仍然是基于DG接入容量收取的费用，并未实际考虑DG用户与配电网峰值的同时率水平，仍然面临难以保障用户之间公平性的问题。
2.1.2 电量收费
配电网的电量收费方式是基于用户i每小时的电能传输量
，对配电网每小时的线路潮流Ct匹配度Smi,t和影响程度Ini,t来反映用户对配电网使用情况，从而分摊配电网成本的收费方式（元/ (kW·h)）。电量收费Eli,t在时间T内完全覆盖成本f时的表达式为[20,28]
（6）
式中，Eli,t(Ini,t)为考虑用户i对配电网影响程度Ini,t设置的电量收费；Smi,t为同时率因子，体现t时刻用户i对配电网线路潮流的匹配度。
综上所述，向用户i在
时段收取费用为
（7）
与容量收费相比，电量收费在确定DG灵活性预测、用户价格敏感度和线路潮流缓解程度等多个方面较为复杂，若电量收费Eli,t(Ini,t)不合理或同时率因子Smi,t出现偏差都可能降低用户满意度。但从长远来看，由于电量收费对配电网潮流曲线的把控能力和对线路阻塞的缓解能力较强，配电网安全性得以提升[29-30]。电量收费的方式主要包括分时收费和实时收费方式[29,31]。
1）分时收费
分时收费（Time-of-Use price, ToU）是按照历史数据中用户各时段电能传输量与配电网潮流曲线的匹配度预估Smi,t，从而预先设定Eli,t(Ini,t)，对未来一天、一周、一月或一年时间尺度下配电网成本分摊的收费方式[32]。ToU由于是预先设定的静态收费方式，能够保证配电网收入稳定，且用户提前预知性好，能够规避与配电网高峰时段的同时率水平，协同DG出力缓解配电网电压波动和谐波分布影响，在稳定配电网潮流、提升系统安全性[33-34]等方面具有不错的表现。但是，在高渗透率DG并网下，ToU若设置不当则可能激励如电动汽车（Electrical Vehicle, EV）等可控DG的发用电转移，导致与配电网峰值同时率水平转移至其他时刻，增大配电网峰值水平，降低配电网使用效率[35]。同时，由于DG不确定性引起反映用户对配电网成本贡献度的价格Eli,t设置不当，还可能导致ToU难以覆盖全部成本f [36]。
2）实时收费
实时收费（Real Time Price, RTP）是根据用户实际电能传输量对实际配电网潮流曲线的影响程度，基于各个时刻用户敏感度分析与配电网边际价格等因素实时计算出的收费方式[19,37]。相较于ToU而言，实时收费由于用户用电曲线多变而带来不确定性较高、难以预测配电网收入和价格、稳定性较差的问题，但是能够灵活反映配电网容量的紧缺程度，对于缓解配电网线路阻塞具有显著效果[38]。随着DG大幅接入，实时收费能够基于用户收费敏感度分析建立起的网络阻塞优化模型或基于用户的节点边际价格（Locational Marginal Price, LMP）值对配电网阻塞的反映能力计算得到[39]，以激励用户分别通过使用分布式储能（Distributed Energy Storage System, DESS）、光伏（Photovoltaic, PV）、EV和热负荷（Heat Pump, HP）等具备时变灵活调节能力的需求侧资源降低配电网峰值负荷[40-43]。在此基础上，基于控制理论建立配电网潮流控制和电压控制模型，提出激励各种高渗透率DG的负荷聚合商充放电行为参与阻塞管理的RTP收费方法[44-45]，降低阻塞管理成本。但由于并非全部DG都具有快速响应能力，拥有快速调节能力的用户其收费较低，但调节能力差，或者慢的用户收费过高，可能会降低部分用户满意度[42]。
2.1.3 需求收费
需求收费（demand charge）是基于用户一个计费周期内（通常是一个月）的配电网峰值需求（15 min、30 min或60 min峰值消纳量）分摊配电网成本的方式[46-47]。需求收费的原则是稀缺定价理论，也就是针对DG用户峰值变化导致配电网峰值变化的情况，利用价格杠杆进行合理引导，从而降低配电网扩容需求，保证扩容成本的公平分摊。但是由于需求收费的月度收费方式（元/kW）[19]在月度内保持不变，不能激励DG用户快速响应配电网突发情况，实现对配电网复杂运行情况下的安全稳定运行的促进作用。需求收费包括非一致性峰值收费（In-consistent Peak Charges, IPC）和一致性峰值收费（Consistent Peak Charges, CPC）。
1）非一致性峰值收费IPC
IPC是根据用户月度峰值水平
平均分摊配电网成本的收费方式，计算公式[48]为
（8）
式中，Di根据用户i在结算月的最高配电网线路传输占用决定。
该收费方式由于收费规则简单且易于理解，使得用户满意度提升，但公平性降低[49]。这是因为在高渗透率DG并网下，用户月度峰值水平由于DG灵活性分布在不同时刻，对配电网峰值水平产生不同程度的影响[50]。因此，IPC采取的平均分摊方式会导致对配电网峰值水平影响程度较小的用户对影响较大用户的交叉补贴，公平性较差[20]。美国的配电网运营商（Distributed System Operation, DSO）通过IPC向住宅、工业和商业用户收取配电网费用，但在运行过程中出现了DG用户自身月度峰值水平不高，实际却在配电网峰值占比较高的情况，此时IPC较低但对扩容成本影响较大，收费对成本的反映能力不足[51]。为了克服上述缺陷且让收费方式具有一定可预测性，激励DG用户调整峰值水平，有学者提出了基于用户每月每小时订阅的最高功率带收费的功率频带价格模型（Power Band Pricing Method, PBPM），对于小规模用户的功率带可以设置为5、10、15或20 kW[52]，该收费方式由于可以动态考虑用户最高功率带宽而具有高灵活性的特点，能够弥补IPC的收费固定且不可预测的缺点，但由于主观性较强可能带来一定的线路潮流缓解不足的问题。
2）一致性峰值收费CPC
CPC是根据用户峰值水平与配电网峰值的同时率水平
分摊配电网成本的收费方式，计算公式为[49]
（9）
与IPC中仅考虑用户峰值水平Di不同，CPC中进一步考虑了用户与配电网峰值的同时率水平。因此，CPC考虑了配电网系统高峰时期的用户贡献度，从稀缺情况下对于公共配电资源占用程度进行收费来说对用户相对公平[53]。同时，能够促进用户对配电网峰值进行缓解，降低配电网扩容成本[54]。针对配电网峰值缓解作用，CPC中的关键峰值定价（Critical Peak Pricing, CPP）、优先价格收费（Priority Pricing, PP）和关键峰值补偿（Critical Peak Rebates, CPR）的收费方式，分别对峰值水平与配电网高峰时期重叠的用户收取较高费用，对峰值转移用户收取较低费用或进行补偿。其中CPP是指对一致性峰值用户产生较高惩罚，PP则更偏向于按用户对峰值转移贡献度划分收费等级，对于CPR来说，主要是激励用户的峰值转移。因此从收费严格性角度来说，这三种收费中CPP最为严格，对用户惩罚力度大，而CPR最为宽松[53,55-56]。基于配电网峰值缓解的扩容成本降低的研究主要通过在规定时期激励DESS或其他可控DG响应收费信号，运行结束后对配电网扩容成本进行核算，从而证明其缓解作用[29]。与IPC类似，可以在应用时加入可预测性，通过一致性PBPM模型的定制频带对DG用户进行激励，带宽不同用电峰值缓解程度也不同，而超过订阅带宽的用户则需要缴纳罚款[52]。
因此，IPC除了收费简单外其他性能都较CPC而言次之。CPC中通过同时率表示的用户对配电网成本贡献度的收费方式保证了用户之间的公平性，通过对配电网峰值的缓解作用降低了配电网扩容成本。
2.1.4 三种收费方式的比较
针对上述内容，本文对国内外高比例DG并网后的配电网收费方式进行了归类和总结，并分析其着重考虑对配电网建设成本还是扩容成本的公平分摊，从而讨论其相对公平性和高效性。配电网不同收费方式的研究及分析见表1。
可以看出，容量收费最为简单，但公平性较差；电量收费由于具有快速时变性可用于缓解线路阻塞提升配电网安全性，但稳定性较差；需求收费可以缓解峰值负荷水平，降低配电网扩容成本，但不能进行快速激励，不利于配电网稳定运行。
综上所述，针对不同用户类型应设计不同的配电网收费方式[57]。因此，本文统筹考虑了三种不同配电网收费方式下的DG用户适用性研究，分析出适用不同收费方式的用户类型，如图2所示。
表1 配电网不同收费方式的研究及分析
Tab.1 Research and analysis of different charging methods in the distribution network
收费方式收费分类收费原则优点缺点参考文献 容量收费（按DG接入容量按月收费，$/kW） 根据DG接入容量预估用户在未来配电网月度电能传输总量中的占比，从而分摊配电网成本的月度收费方式①收费简单，用户接受度高②不需要智能电表等计量装置，实施成本低未实际考虑DG用户对配电网峰值水平的同时率水平，公平性较差[16, 20-27]
（续）
收费方式收费分类收费原则优点缺点参考文献 电量收费（基于平均负荷按小时收费， $/(kW·h)分时收费 按照历史数据中用户各时段电能传输量与配电网潮流曲线的匹配程度，预先设定的收费方式①激励用户对DG发电进行调整从而提高配电网安全性②由于一定程度的可预测性，配电网收入稳定①过度调节导致配电网峰值转移至其他时刻甚至出现线路阻塞，降低配电网效率②预测误差导致难以覆盖全部成本[32-36] 实时收费 根据用户实际电能传输量对实际配电网潮流曲线的影响程度，基于各个时刻用户敏感度分析与配电网边际价格等因素实时计算出的收费方式①完全覆盖配电网成本②实时收费能够灵活反应配电网容量的紧缺程度，对于缓解配电网线路阻塞具有显著效果①收费由于用户用电曲线多变而带来不确定性较高，难以预测配电网收入和价格，稳定性较差②并非全部DG都具有随收费时变而快速响应能力，会降低部分用户的满意度[18, 37-45] 需求收费（基于用户峰值水平按月收费，$/kW）非一致性峰值收费 根据用户月度峰值水平平均分摊配电网成本的收费方式，不考虑用户和配电网的峰值同时率收费简单，用户易接受①前者由于未考虑用户对配电网电能传输量的同时率而不能保证对配电网建设成本的公平分摊②由于运行后计价方式而不能激励DG用户快速响应配电网突发情况，对于配电网复杂运行情况下的安全稳定运行不利[48-52] 一致性峰值收费 根据用户峰值和配电网的峰值同时率分摊配电网成本的收费方式①通过对峰值水平贡献度收费的方式保证扩容成本回收公平性②通过对配电网峰值的缓解作用降低配电网扩容成本，提高效率[49, 53-56]
图2 配电网收费方式适用的用户类型
Fig.2 Applicability of distribution network tariffs to DG prosumers
根据表1中对各种收费方式优劣的总结可知，电量收费适用于缓解线路阻塞等大多数需要快速调节的复杂情况（尤其实时收费最佳）；容量收费适用于无智能电能表或具有独立变压器和馈线的DG用户；需求收费则可以用于激励储能、EV、天然气等可控DG对配电网峰值水平的调节能力，或在用户用电水平类似的情况下降低配电网出现一致性峰值概率。
电量收费由于灵活性较高，能够反映用户各时刻电能传输量与配电网潮流匹配程度或影响，多用于缓解线路峰值水平（ToU）或阻塞（RTP），促进短期配电网稳定运行的安全性能调节[58-59]。容量收费是在用户未安装智能电表时的唯一配电网成本回收方法[24,60]。并且当用户具有独立变压器和馈线时，不需要考虑容量收费造成的用户间的交叉补贴和不公平问题，更适合采取收费简单且成本低的容量收费方式[61]。在激励用户安装并使用储能、EV和天然气等可控DG降低配电网峰值方面，芬兰DSO论证了需求收费的有效性，提出由于容量收费对配电网扩容成本反映不足和电量收费的复杂性导致用户响应水平较差，需求收费由于对配电网峰值水平高效且直观的反映形式而效果最优[57,60]。并且，当某条配电网线路上的用户生产用电特性相似且均属于非连续生产用户时，使得配电网潮流出现比较明显的潮汐现象，此时配电网有较高风险出现一致性峰值，需求收费有助于缓解配电网峰值水平[62-63]。
在研究了面向f1和f2回收的针对用户用电行为的配电网收费方式后，还需要在此基础上针对自发自用后有电量剩余的用户设计DG的上网电价，并在其中加入反映DG用户对配电网成本影响程度的过网费收取[16]。
DG上网电价主要分为上网电价（FIT），净计量（NM）和净购售电（NPS）[64-68]。随着高渗透率DG并网，为了利于配电网的未来发展，需要使得用户购电价格高于用户售电价格（μ＜λ），从而覆盖配电网成本，这部分差价即为公共配电网的过网费[69]。
对过网费的收取方式，分为基于线路占用成本与基于对配电网电压和阻塞影响两种。线路占用成本可以基于电气距离计算所得[70]；也可以采用灵敏度方法，基于功率传输分布系数（Power Transfer Distribution Factors, PTDFs）计算P2P交易对电网的占用程度，但由于未考虑对配电网影响，可能导致无法完全覆盖配电网成本[71]。影响成本则考虑DG上网对网损和电压的影响程度，可以通过计算DG发电功率注入并衡量配电网线损对架空线建设投资及运维成本折算系数的乘积收取过网费，但忽略了网络拓扑结构的影响，公平性较差[9]。改进后可以基于灵敏度的方法分析评估DG上网对配电网的影响，采用反映电压灵敏度系数（Voltage Sensitivity Coefficients, VSCs）雅克比矩阵计算特定母线电压变化对电压变化的影响分量[72]；也可以通过PTDFs衡量交易对电网潮流的影响，并用损耗灵敏度系数（Loss Sensitivity Factors, LSFs）计算交易产生的网损分量[73-74]。这种方式相比于前者有助于提升配电网安全性[75]。也有研究将两种形式综合考虑，通过输电阻塞机会成本、线路占用成本和电压治理成本三部分，考虑了由于日前计划线路占用对交易阻塞的影响，并基于交易双方的电气距离和网损计算线路占用成本[76]。
因此，包含配电网过网费收取的DG上网电价需要与前面的用户用电过程中的配电网收费结合使用。其中，NM可以与同属于计费周期后计价的2.1.1节中的容量收费或2.1.3节中的IPC/CPC相结合；FIT可以与同为预先定价的2.1.2节中的ToU结合；NPS则可以与同为实时定价的2.1.2节中的RTP结合使用。
世界各国的配电网收费均以James Bonbright标准为基础进行设计[5]，包括五个关键标准，见表3。
表3 配电网收费设计标准
Tab.3 The standard of distribution network tariff design
关键标准制定原则 效率合理的电价能够有效激励用户用电方式，反映电能为用户和社会带来的成本及效益 公平按照用户对配电网成本贡献度原则将成本公平分摊给用户，避免交叉补贴 收入稳定总收入稳定且具有可预测性 价格稳定电价具有稳定性、可预测性和连续性 用户满意度规则简单、缴费便利、收费合理、易于理解，使其具有高接受度和可行性
本文针对世界上典型国家，如冰岛、芬兰、挪威、丹麦、瑞典、美国、荷兰、英国，将其配电网收费方式进行分类和分析，各国的配电网收费方式见表4[49]。
3.2.1 基于容量收费的冰岛、芬兰和挪威
冰岛、芬兰和挪威都是根据容量收费的方式回收配电网成本。其中，冰岛的收费最为简单，是对所有用户都相同的容量收费方式[77]；芬兰和挪威则是基于自身用户对配电网影响，对冰岛的收费方式做了升级和调整，按用户类型划分容量收费方式[78]。并且，这些国家为了促进DG接入均采取NM电量计价方式而并不收取过网费[79]。
表4 各国的配电网收费方式
Tab.4 Distribution network charging methods of typical countries
国家收费方式配电网收费设计依据配电网收费的具体方案用户种类 冰岛容量收费未安装智能电表每五年由NEA确定一次固定的配电网容量收费标准；对所有DG用户采取NM电量计价方式且不收取过网费所有用户 芬兰容量收费由于气温较低，有电加热装置的用户用电会增加配电网容量不足的可能基于用户类型（有无电加热装置用户、小型工商业用户）的容量收费；对所有DG用户采取NM电量计价方式且不收取过网费无电加热装置用户 有电加热装置用户 小型工商业用户 挪威容量收费考虑冬季时大量用户转移至乡村度假区导致用能水平大幅提高，区域配电网容量压力骤增基于用户类型（居民用户、公寓用户、度假屋用户和工商业用户）的容量收费；对所有DG用户采取NM电量计价方式且不收取过网费居民用户 公寓用户 度假屋用户 工商业用户 丹麦电量收费避免出现其他用户对高比例风电用户的交叉补贴和配电网可靠性降低的问题在夏季与冬季基础上区分高低电压水平，依据用户贡献度分摊配电网成本的电量收费中的分时收费；对所有DG用户均采取NPS电量计价方式，并设计了基于对配电网成本影响的可变过网费收取方式夏季高电压用户 夏季低电压用户 冬季高电压用户 冬季低电压用户 瑞典需求收费考虑各时段需求水平的变化，如冬季时由于电加热装置导致一些时段的需求增加采用MMT方式，每年随用户对配电网容量需求变化调整的收费，且每个月需求收费标准不同（季节性收费）；对所有DG用户采取NM电量计价方式且不收取过网费所有用户 美国需求收费分布式光伏（Distributed Photovoltaic, DPV）的快速增长导致配电网扩容成本升高采用CPC方式，根据DPV用户峰值与配电网峰值的同时率水平，分摊配电网扩容成本；并且采用NM电量计价方式，并根据DPV接入容量收取过网费DG用户 荷兰需求收费EV增长迅速导致配电网可靠性下降，致使扩容成本增加，需要对配电网收费进行设计无配电网收费项，但由于EV数量剧增，配电网运营商Enexis提出SBBM需求收费模型EV用户 英国电量收费+容量收费随着SMETS2的全面安装和高比例可控DG（CHP）并网，促进兼顾配电网建设成本和扩容成本的收费改革采用普适配电网收费模型（Common Distribution Charging Methodology, CDCM），对不同电压等级用户收取接入费和使用费；取消提供DG补贴的FIT电量计价方式，通过社区能源共享所有权这种自负盈亏的方式，将DG盈利用于配电网扩容0.4 kV用户 11 kV用户 33 kV用户 132 kV用户
芬兰由于气温较低，有电加热装置的用户用电会增加配电网容量不足的可能，因此采取区分是否安装电加热用户的容量收费方式。但是根据当地配电网运营商（DSO）的统计，配电网成本约占全部用户费用的75%～90%，现有收费结构不能覆盖配电网总成本。挪威的收费方式在此基础上更为细化，并考虑了配电网季节性收费的差异性，如冬季时大量用户转移至乡村度假区，导致用能水平大幅提高，区域配电网容量压力骤增，从而对度假屋用户收取了较高的配电网费用[80]。
3.2.2 基于电量收费的丹麦
丹麦在2013年之前通过基于用户电压等级的容量收费方式回收配电网成本。但是这种收费方式随着分布式风电的剧增，可能导致用户与配电网峰值同时率增加，从而使f2增大（即f增大）。但是参照式（5）可知，可能由于对风电用户电能传输量
预测值较小或未考虑风电用户对配电网峰值需求的影响，导致收费
较低，从而引起其他用户对风电用户的交叉补贴，难以保证公平性[16]。针对这一问题，丹麦能源协会（Danish Energy Association, DEA）获批并开发了基于ToU模型的改进配电网收费方式，以激励用户高效利用配电网容量[69]。基于所有DSO的标准化日负荷曲线，在夏季与冬季基础上区分高低电压水平，依据用户电能传输量对配电网潮流曲线的匹配度分摊配电网成本的电量收费方式。丹麦在2014年之前使用FIT电量计价方式，将其中的过网费设定为用户购电价格的10%～20%。这种固定过网费的方式由于仅需要修改百分比即可控制DG市场增长率而易于实施，但不能确保配电网成本回收；在2014年之后，DEA在考虑配电网成本、通货膨胀和技术升级的基础上，在NPS电量计价中设计了基于对配电网成本影响的可变过网费收取方式[81]。
3.2.3 基于需求收费的美国、瑞典和荷兰
瑞典提出了采取市场监管电价（Market Monitored Tariff, MMT）的配电网需求收费方式[82]。这种收费方式是考虑各时段需求水平的变化，如冬季时由于电加热装置导致一些时段的需求增加。MMT基于用户在过去两年中每月的最大峰值水平中的需求占比收费。MMT针对每个月的不同配电网容量需求共有12种容量收费价格（克朗/RW），也称之为季节性收费。并且，考虑到区分时段的收费方式可能带来的由于DG灵活性导致配电网峰值或某时段的特殊高需求负荷从白天转移到夜晚而并没有真正缓解等方面的问题，MMT为避免峰值转移而不区分时段（如白天/夜晚或工作日/周末）。瑞典的电量计价方式和其中过网费的收取与冰岛、芬兰和挪威相同，对配电网的影响也类似。
美国与瑞典采取CPC收费方式。这是因为，严格意义上而言MMT提前设定的系统峰值并不能与真正配电网峰值相对应。MMT的优点在于具有可预测性，能够充分调动DG用户响应。然而，对于高DPV渗透率的美国而言，采取运行后计价的CPC更能有效地反映配电网扩容成本[83]。例如，California和Arizona由于独特的沙漠气候而使其具有美国最高的DPV增长率，针对DG用户一致性峰值需求，从32.44美元/月至45.44美元/月，远高于常规用户的20美元/月。同时，美国采取NM电量计价方式[86]，过网费的收取则是对PV用户收取用户购电价格的5%，且每多部署80 MW的DPV则多支付7%的过网费，直至增长到25%为止[84]。这种方式在一定程度上考虑了基于配电网成本的过网费收取，但未考虑不同用户对配电网成本影响程度[85]。
荷兰本身并没有专门针对配电网的收费项目，但为了应对EV激增导致配电网扩容和可靠性下降的问题，提出了基于需求收费的基于订阅带宽模型（Subscription-Based Bandwidth Model, SBBM）[86]。与需求收费只考虑正向负荷峰值情况不同，SBBM考虑了在EV接入后可能导致的负向峰值负荷收费，但至今还并未部署。具体而言，SBBM模型通过用户认购的方式，划分允许向电网输送和吸收的电力峰值（kW）带宽，且这一带宽正反对称。用户收费随订阅带宽不同而变化，在订阅带宽以外的部分需要惩罚费用。并在设计时需要考虑覆盖配电网成本下的用户接受度，费用过高可能导致用户重新订阅，带宽费用过低则不能有效激励用户改变现有用电模式，从而降低配电网利用率。
3.2.4 综合电量收费和容量收费的英国
英国在2007年以前对不同电压等级用户（0.4、11、33和132 kV）采取容量收费，但在高渗透率DG并网下，与丹麦2013年之前的情况类似，会存在用户之间交叉补贴问题，且未考虑f2的公平分摊，会降低配电网效率。随着英国政府计划在2025年中期实现第二代智能电表（Second-generation Meters, SMETS2）的全面安装（以30 min间隔存储一年用电数据）及其高比例可控DG（热电联产）并网，促进考虑配电网f1和f2回收的收费改革[87-88]。
英国电力市场Ofgem的《配电系统连接与使用协议》（Distribution Connection and Use of System Agreement, DCUSA）规定基于普适配电网收费模型（Common Distribution Charging Methodology, CDCM），采取“接入费+配电网使用费”的方式分别对配电网的f1和f2收费[89-90]。其中f1基于容量收费，考虑接入位置、接入时间和接入容量收取固定接入费用；f2采用峰谷平三段式ToU的电量收费方式。首先对配电网成本按电压等级核算；其次以FSC为扩容成本比例系数，分别将配电网成本分为f1和f2；然后以削峰填谷为目标对f2收费（英镑/(kW·h)），在时间层面细化分时电价为“分色电价”，按照成本回报率和电压等级分摊配电网对应电压等级的100%和高于该电压等级的20%扩容成本；最后对f1按不同电压等级以年为单位收费（英镑/kW/年）。这种基于电量收费和容量收费的配电网成本回收方式，对配电网成本的回收较为完全。
英国采用FIT电量计价方式，在2007—2017年间以DG补贴且不收取过网费的形式大幅支持社区能源项目（community energy project），使得DG渗透率在10年间从50 MW增加至249 MW。但自2019年起由于政治环境变化且考虑到这种方式未考虑配电网成本，取消了FIT补贴，具体过网费收取通过可再生能源共享所有权的形式，将能源共享盈利用于区域配电网扩容，以自负盈亏的方式实现DG盈利对配电网成本覆盖[91]。
以“3060”双碳目标为背景推进DG并网的过程中，配电网投资将会大幅增加，其建设也将成为“十四五”重点。在配电网收费逐步完善的过程中，为进一步保证社会公平、提升市场运营效率，也可以考虑通过其他融资渠道回收配电网投资运营成本。因此为了方便应对各地区的不同DG推进，简要介绍主要DG分布情况。其中，分布式天然气主要集中在北部如内蒙古、山西、河北和南部如广东、福建、海南等地；分布式风电主要集中在西北部如新疆、青海、甘肃、陕西等地；EV和DPV则主要集中在东部如山东、江苏、浙江等地区[92]。
针对我国各地的DG接入类型和水平提出公共配电网的收费建议时需要考虑两方面的内容。首先，需要考虑DG类型及其在具有不同气候特点的区域中的分布（4.1.1节和4.1.2节）；其次，需要在此基础上考虑电力市场发展程度和发展目标（4.1.3节和4.1.4节）。
4.1.1 针对不同类型DG的收费建议
2022年2月22日，我国财政部发布《关于组织申报2022年北方地区冬季清洁取暖项目的通知》，提出支持北方地区开展电力、天然气、热电联产等多种方式清洁取暖改造。因此，未来可控DG主要包括分布式天然气发电和DESS，应该充分利用其对配电网负荷水平的可调节能力。并且，由于天然气成本高昂[93]，不需要过分担心其渗透率过高引起配电网成本上升。此时，当存在线路容量不足问题时，建议通过CPC缓解峰值负荷，保证收费全面覆盖配电网线路扩容成本，并依据用户对配电网峰值贡献度公平分摊；当存在线路阻塞问题时，可以通过RTP收费方式进行缓解。针对DPV/风电这类不可控DG，主要考虑波动性和随机性特征，参考丹麦的配电网收费模式，按用户贡献度收费，设计惩罚机制，激励用户自发控制DG出力并安装储能，以缓解配电网压力[54,57]。
4.1.2 针对不同地区设计因地制宜的配电网收费建议
在东部地区的城市配电网中，EV较多的区域可以参考荷兰的SBBM收费模型，考虑EV充放电行为对配电网潮流曲线的影响程度收费；而在南部地区的城市则会在夏季时期出现用电高峰，加剧配电网峰值负担，此时可以参考芬兰和瑞典对于冬季电加热装置使用程度较高时的配电网管理办法，基于季节差异进行配电网的容量收费或需求收费方式；对于政策支持下DPV渗透率较高的乡村地区如金寨，可以参考美国的需求收费方式，缓解配电网峰值水平并回收配电网扩容成本,也可以参考英国对社区能源项目的管理方式，鼓励用户之间的DG共享，实现对线路扩容成本的覆盖。
4.1.3 推动不同种类DG接入的收费建议
为了完成双碳目标，必须在市场初期推动DG并网，其中支持EV持续增长的重要因素是公共充电站的建设。充电站的新建位置可以选择放在电网容量充裕区域，参照荷兰提出的SBBM模型，由电力公司向充电桩运营商收取，鼓励充电桩运营商充分挖掘自身潜力，在接入费和认购带宽方面进行协调优化，从而降低用户成本，提高配电网利用率。针对DPV/风电，在市场初期，其渗透率较低，不会产生严重的交叉补贴或无法覆盖配电网成本等情况，可以考虑具有可预测性的电量收费中的ToU，原因是该方式预估的未来接入费用基本不变，从而激励用户安装DPV/风电。在此基础之上，电量收费中的实时收费能够激励用户安装DESS，快速响应峰值水平变化，即使在DPV/风电等大发或者欠发时也能充分利用DESS的调节作用，提高配电网利用率。
4.1.4 针对不同经济发展水平的分阶段配电网收费建议
在市场初期或经济发展水平较低阶段，智能电能表的普及率较低时，可以参考冰岛的配电网收费模式，通过固定的配电网容量收费标准回收配电网成本；随着市场发展和DG容量增加，可以由电网公司和用户共同承担表计费用，逐步提高智能电能表普及率，并通过对配电网扩容成本覆盖全面的需求收费方式，参考美国收费政策，使DG用户分摊配电网扩容费用；在高渗透率DG并网下，经济水平和市场化发展程度较高，智能电能表普及率较高，并且DG灵活性导致其出力难以预测，此时可以通过细颗粒度计量的电量收费方式完全覆盖配电网成本，并激励DG快速响应，缓解配电网峰值水平，在此可以参考丹麦和英国的配电网收费政策。
前面给出的各项配电网收费建议在实际推进过程中需要考虑改革不能一蹴而就，需要多方配合引导，并且考虑DG发电不稳定导致配电网成本增加的问题。此时需要加入其他市场机制辅助设计，逐步推进配电网收费机制的完善。
4.2.1 考虑引导P2P交易的收费建议
随着“整县光伏”计划的不断推进，自发自用余量上网模式可能会被收益更高的P2P能源共享所替代[88]。目前，仅有江苏省在2020年12月发布的两项条款涉及了用户过网费的收取标准：不同用户电压等级的电度输配电价；分布式发电市场化交易的最高电压等级输配电价[94]，其他省份未明确。这种收费模式会由于电压等级较高的大用户需要支付极高的过网费而出现大用户对其他用户的补贴。同时，电力公司需要向P2P交易试点提供咨询、电费收缴、技术支持等各项额外服务，更加重了配电网成本回收任务的艰巨性，可能引发死亡螺旋问题[24]。因此，为保证公平性并覆盖成本，参考英国收费方式，从同台区和跨台区角度出发，以成本回收为目标，考虑P2P交易对配电网资源占用程度，按照用户对配电网线路阻塞、网损、电压安全等方面的贡献度进行收费，并根据配电网实时运行情况动态调整费用，平衡各方利益。
4.2.2 考虑灵活性市场机制的收费建议补充
针对高渗透率DG并网的情况，仅通过P2P交易设置过网费的形式不能完全解决由于DG波动性而降低配电网安全性的问题，支撑未来DG持续接入。因此，参考美国、欧洲等国家的做法，设计灵活性市场机制，通过聚合灵活性资源，构建本地灵活性市场（Local Flexible Markets, LFM），以区域自治和资源共享的方式缓解配电网压力，并参与到上层批发市场中。通过充分调动DG的灵活性，降低配电网扩容成本。这些机制包括智能连接协议（Smart Connection Agreements, SCA）和本地灵活性市场[95-96]。SCA主要能够与用户形成可中断连接，实现对DG的实时控制，使电力公司能够操作DG的断开与接入。由于电力公司能够在可能出现系统峰值的时段断开或接入协议DG，参与SCA用户的配电网收费较低。但是由于SCA的不确定性，则可能会给容量市场或者辅助服务市场制造障碍。LFM则是通过聚合DG用户参与辅助服务市场并提供调峰、调频和灵活性爬坡等服务，从而缓解配电网不确定性。
4.2.3 允许公共配电公司从多个渠道获取配电网扩容改造资金
高渗透DG并网下，需要考虑并设计公共配电网收入和售电量脱钩机制。这是因为即使DG用户从配电网的购电量降低，但是对配电网峰值容量需求可能并未降低，甚至会由于DG的波动性和不确定性导致配电网成本增加。可以参考美国的需求收费方式，按照DG用户对配电网峰值水平的匹配程度回收配电网成本；考虑通过容量市场获取配电网跨区域扩容改造资金。容量市场中会存在由于线路阻塞引起的阻塞盈余，此时公共配电网可以通过容量转移权（Capacity Transfer Right, CTR）获取扩容改造资金[97]；并且，还可以考虑通过对可再生能源消纳申报CCER从而获取碳减排收益，并将相关补贴用于配电网线路扩容，这在一定程度上也可以缓解配电网收费上行压力[98]。
本文对DG并网下的未来电力市场中配电网收费方式进行了较为全面的综述。在总结国内外研究和实践的基础上，对电力市场DG并网下的配电网收费进行了归类研究，分析出电量收费适用于缓解线路阻塞等需要快速调节的复杂情况；容量收费适用于无智能电能表或具有独立变压器和馈线的DG用户；需求收费则可以用于激励可控DG调节配电网峰值水平或降低一致性峰值概率。
在此基础上，根据不同国家对配电网收费方式的应用和探索，针对中国电力市场的实际运行情况，提出了两方面建议。在配电网收费机制方面，针对可控DG可以采用CPC/RTP收费方式，针对不可控DG则可以参考丹麦的电量收费方式；更为细化后还应结合区域配电网特征，对于EV较多区域可以参考荷兰的SBBM模型，对于夏季用电高峰区域则在容量收费/需求收费中设计合适的配电网收费方式，而对有政策支持DPV接入的区域则参考美国的需求收费和英国的社区能源管理方法。除此之外，还要考虑电力市场发展程度和发展目标，适当调整配电网收费。然而，改革并非一蹴而就的，而是需要多方协调，综合考虑多种因素，从而衍生了考虑其他市场机制推动完善配电网收费的方面。
因此，针对不同区域配电网特点应具体问题具体分析，选取最适合的收费方式。目前，国内正在大力推动新能源接入和配电网收费改革，希望本文研究对其改革发展具有一定参考意义。
参考文献
[1] 中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议[Z]. http:// www.xinhuanet.com/politics/2020-11/03/c_1126693341. html.
[2] 王莹, 肖峻, 曹严. 柔性配电网对间歇性分布式发电消纳能力分析[J]. 电力系统自动化, 2022, 46(13): 74-83. Wang Ying, Xiao Jun, Cao Yan. Analysis on capability of intermittent distributed generation in flexible distribution network[J]. Automation of Electric Power Systems, 2022, 46(13): 74-83.
[3] 彭一海, 刘继春, 刘俊勇. 两级电力市场环境下考虑多类型零售套餐的售电公司购售电策略[J]. 电网技术, 2022, 46(3): 944-957. Peng Yihai, Liu Jichun, Liu Junyong. Electricity purchasing and selling strategies for electricity retailers considering multiple types of retail packages in two level electricity market[J]. Power System Technology, 2022, 46(3): 944-957.
[4] 2020年国家电网有限公司：关于进一步严格控制电网投资的通知[Z]. https://guangfu.bjx.com.cn/news/ 20191202/1025242.shtml.
[5] Bonbright J, James C. Principles of public utility rates, New York chichester[M]. West Sussex: Columbia University Press, 1961. https://doi.org/10.7312/ bonb92418.
[6] Faruqui A, Hledik R. An evaluation of SRP’s electric rate proposal for residential customers with distributed generation[Z]. Salt River Project, 2015, https://legacy-assets.eenews.net/open_files/assets/2015/03/05/document_ew_02.pdf.
[7] 李力行, 苗世洪, 余璟, 等. 源荷双侧不确定因素影响下基于Rubinstein博弈的电网双层定价模型[J]. 电工技术学报, 2019, 34(增刊2): 729-741. Li Lixing, Miao Shihong, Yu Jing, et al. Double-layer pricing model of power grid based on Rubinstein game under the influence of source-side and load-side uncertainty[J]. Transactions of China Electrotechnical Society, 2019, 34(S2): 729-741.
[8] Borensteins, Bushnell J B. Do two electricity pricing wrongs make a right? Cost recovery, externalities and efficiency[Z]. National Bureau of Economic Research, 2018. https://www.nber.org/papers/w24756.
[9] 姚昊天, 向月, 刘俊勇. 基于过网费动态更新的分布式电源多主体协同规划方法[J]. 电力系统自动化, 2021, 45(17): 70-78. Yao Haotian, Xiang Yue, Liu Junyong. Multi-agent collaborative planning method for distributed generators based on dynamic updating of network tariffs[J]. Automation of Electric Power Systems, 2021, 45(17): 70-78.
[10] Council of the European Union. Proposal for a directive of the European Parliament and of the council on common rules for the internal market in electricity[R/OL]. Brussels, Belgium, 2017, https:// eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX%3A52016PC0864R%2801%29.
[11] 易娜. 输配电价成本核算及定价机制研究[J]. 财经界, 2019(11): 56. Yi Na. Research on cost accounting and pricing mechanism of transmission and distribution price[J]. Money China, 2019(11): 56.
[12] Brown T, Faruqui A, Grausz L. Efficient tariff structures for distribution network services[J]. Economic Analysis and Policy, 2015, 48: 139-149.
[13] 王欣, 谢文华, 张利君. 增量配电网多主体投资收益分配研究: 基于AHP-SPA-Shapley模型的分析[J]. 价格理论与实践, 2021(11): 102-105, 197.Wang Xin, Xie Wenhua, Zhang Lijun. Research on multi-agent investment income distribution in incremental distribution network—analysis based on AHP-SPA-Shapley model[J]. Price: Theory & Practice, 2021(11): 102-105, 197.
[14] IEA. Renewables[Z]. https://www.iea.org/fuels-and-technologies/renewables.
[15] 李振坤, 钱晋, 符杨, 等. 基于负荷聚合商优选分级的配电网多重阻塞管理[J]. 电力系统自动化, 2021, 45(19): 109-116.Li Zhenkun, Qian Jin, Fu Yang, et al. Multiple congestion management for distribution network based on optimization classification of load aggregators[J]. Automation of Electric Power Systems, 2021, 45(19): 109-116.
[16] 陈新晨, 潘学萍, 马倩, 等. 基于系统动力学理论的输配电价绩效管制建模与分析[J]. 电力自动化设备, 2022, 42(9): 27-34, 42.Chen Xinchen, Pan Xueping, Ma Qian, et al. Modeling and analysis of transmission and distribution price performance-based regulation based on system dynamics theory[J]. Electric Power Automation Equipment, 2022, 42(9): 27-34, 42.
[17] 刘思强, 叶泽, 于从文, 等. 我国分压分类电价交叉补贴程度及处理方式研究: 基于天津市输配电价水平测算的实证分析[J]. 价格理论与实践, 2016(5): 65-68. Liu Siqiang, Ye Ze, Yu Congwen, et al. Study on the cross-subsidy degree and treatment methods of China’s partial pressure classified electricity price—an empirical analysis based on the calculation of Tianjin’s transmission and distribution price level[J]. Price: Theory & Practice, 2016(5): 65-68.
[18] 王风云, 苏烨琴, 李啸虎. 电力体制改革下核定输配电价难点与对策研究[J]. 价格理论与实践, 2016(11): 62-65. Wang Fengyun, Su Yeqin, Li Xiaohu. Research on the difficulties and countermeasures of verifying transmission and distribution prices under the reform of power system[J]. Price: Theory & Practice, 2016(11): 62-65.
[19] 陈凯, 李效臻, 黄康任. 输配电价改革: 电价、电量与投资关系研究[J]. 价格理论与实践, 2017(4): 52-55. Chen Kai, Li Xiaozhen, Huang Kangren. Reform of transmission-distribution electricity price: study on the relationship between the price, quantity and investment[J]. Price: Theory & Practice, 2017(4): 52-55.
[20] Rautiainen A, Lummi K, Supponen A, et al. Reforming distribution tariffs of small customers–targets, challenges and impacts of implementing novel tariff structures[J]. CIRED - Open Access Proceedings Journal, 2017, 2017(1): 2857-2860.
[21] Beaufils T, Pineau P O. Assessing the impact of residential load profile changes on electricity distribution utility revenues under alternative rate structures[J]. Utilities Policy, 2019, 61: 100959.
[22] 王永利, 王晓海, 王硕, 等. 基于输配电价改革的电网运维成本分摊方法研究[J]. 电网技术, 2020, 44(1): 332-339. Wang Yongli, Wang Xiaohai, Wang Shuo, et al. A method allocating operation and maintenance cost of power grid project based on transmission and distribution price reform[J]. Power System Technology, 2020, 44(1): 332-339.
[23] Palacios J P, Samper M E, Vargas A. Dynamic transactive energy scheme for smart distribution networks in a Latin American context[J]. IET Generation, Transmission & Distribution, 2019, 13(9): 1481-1490.
[24] 张汀荟, 谢明成, 王蓓蓓, 等. 分布式光伏的共享价值及其对配电网影响的系统动力学仿真[J]. 电力系统自动化, 2021, 45(18): 35-44. Zhang Tinghui, Xie Mingcheng, Wang Beibei, et al. System dynamics simulation of shared value of distributed photovoltaic and its impact on distribution network[J]. Automation of Electric Power Systems, 2021, 45(18): 35-44.
[25] 施磊, 喻乐, 谢旭, 等. 输配电价改革的进展与探索[J]. 财经智库, 2020, 5(4): 114-125, 144. Shi Lei, Yu Le, Xie Xu, et al. Progress and exploration of power transmission and distribution price reform[J]. Financial Minds, 2020, 5(4): 114-125, 144.
[26] Chakraborty P, Baeyens E, Khargonekar P P, et al. Analysis of solar energy aggregation under various billing mechanisms[J]. IEEE Transactions on Smart Grid, 2019, 10(4): 4175-4187.
[27] Schittekatte T, Momber I, Meeus L. Future-proof tariff design: recovering sunk grid costs in a world where consumers are pushing back[J]. Energy Economics, 2018, 70: 484-498.
[28] Ma Zheng, Broe M, Fischer A, et al. Ecosystem thinking: creating microgrid solutions for reliable power supply in India’s power system[C]//2019 1st Global Power, Energy and Communication Conference (GPECOM), Nevsehir, Turkey, 2019: 392-397.
[29] Borquez J, Chavez H, Barbosa K A, et al. A simple distribution energy tariff under the penetration of DG[J]. Energies, 2020, 13(8): 1910.
[30] 丛野. 与电力现货市场协同的输电定价理论与方法研究[D]. 北京: 华北电力大学, 2021.
[31] Christensen K, Ma Zheng, Jørgensen B N. Technical, economic, social and regulatory feasibility evaluation of dynamic distribution tariff designs[J]. Energies, 2021, 14(10): 2860.
[32] Lutz O, Olavarria V, Hollinger R, et al. Dynamic tariff design for a robust smart grid concept: an analysis of global vs. local incentives[C]//2017 IEEE PES Innovative Smart Grid Technologies Conference Europe (ISGT-Europe), Turin, Italy, 2018: 1-6.
[33] 谭忠富, 蒲雷, 吴静, 等. 基于负荷率差别定价的分时输配电价优化模型[J]. 系统工程理论与实践, 2019, 39(11): 2945-2952. Tan Zhongfu, Pu Lei, Wu Jing, et al. Time-of-use transmission and distribution price optimization model based on differential loading rate[J]. Systems Engineering-Theory & Practice, 2019, 39(11): 2945-2952.
[34] Fischer D, Stephen B, Flunk A, et al. Modeling the effects of variable tariffs on domestic electric load profiles by use of occupant behavior submodels[J]. IEEE Transactions on Smart Grid, 2017, 8(6): 2685-2693.
[35] Lutz O, Hollinger R, Olavarria V, et al. Time-optimized dynamic two-step tariffs for CHP operation[C]//International ETG Congress, Bonn, Germany, 2018: 1-6.
[36] Malatji E M. The use of dynamic tariff by the utilities to counter act the influence of renewable energy sources[C]//2019 7th International Conference on Smart Grid, Newcastle, NSW, Australia, 2020: 103-107.
[37] Ofgem consideration[Z]. https://www.ofgem.gov.uk/ electricity/retail-market/market-review-and-reform/ smarter-markets-programme/electricity-settlement.
[38] Pereyra-Zamora F H, Vieira Tahan C M, Kagan N, et al. An infrastructure of dynamic tariff management and demand response applied to smart grids using renewable energy resources and energy storage systems[C]//2019 IEEE PES Innovative Smart Grid Technologies Conference - Latin America, Gramado, Brazil, 2019: 1-6.
[39] Koskela J, Lummi K, Mutanen A, et al. Utilization of electrical energy storage with power-based distribution tariffs in households[J]. IEEE Transactions on Power Systems, 2019, 34(3): 1693-1702.
[40] Le Xinyi, Chen Sijie, Yan Zheng, et al. Enabling a transactive distribution system via real-time distributed optimization[J]. IEEE Transactions on Smart Grid, 2019, 10(5): 4907-4917.
[41] Haendel M, Stute J. Grid expansion costs considering different price control strategies of power-to-X options based on dynamic tariffs at the low-voltage level[C]//2019 16th International Conference on the European Energy Market, Ljubljana, Slovenia, 2019.
[42] 杨镜司, 秦文萍, 史文龙, 等. 基于电动汽车参与调峰定价策略的区域电网两阶段优化调度[J]. 电工技术学报, 2022, 37(1): 58-71. Yang Jingsi, Qin Wenping, Shi Wenlong, et al. Two-stage optimal dispatching of regional power grid based on electric vehicles’ participation in peak-shaving pricing strategy[J]. Transactions of China Electro-technical Society, 2022, 37(1): 58-71.
[43] 李泽宏, 曾杨超, 周畅游, 等. 基于电力现货市场出清模拟的节点电价影响因素分析[J]. 电气技术, 2020, 21(5): 41-47. Li Zehong, Zeng Yangchao, Zhou Changyou, et al. Analysis of effect factors of nodal price based on electric spot market clearing simulation[J]. Electrical Engineering, 2020, 21(5): 41-47.
[44] Huang Shaojun, Wu Qiuwei, Shahidehpour M, et al. Dynamic power tariff for congestion management in distribution networks[J]. IEEE Transactions on Smart Grid, 2019, 10(2): 2148-2157.
[45] Huang Shaojun, Wu Qiuwei. Dynamic tariff-subsidy method for PV and V2G congestion management in distribution networks[J]. IEEE Transactions on Smart Grid, 2019, 10(5): 5851-5860.
[46] Lewis W A. The two-part tariff[J]. Economica, 1941, 8(31): 249.
[47] Helen Electricity Network Ltd., Helsinki, Finland. Electricity distribution prices[Z/OL]. https://www.helen. fi/en/electricity/electricity-products-and-prices/mark-etpriceelectricity.
[48] Elkasrawy A, Venkatesh B. Demand response cooperative and demand charge[J]. IEEE Transactions on Smart Grid, 2020, 11(5): 4167-4175.
[49] Schittekatte T, Meeus L. Introduction to network tariffs and network codes for consumers, prosumers, and energy communities[Z/OL]. Florence School of Regulation, 2018, https://cadmus.eui.eu/handle/1814/ 57164.
[50] 张粒子, 叶红豆, 陈逍潇. 基于峰荷责任的输配电价定价方法[J]. 电力系统自动化, 2017, 41(14): 92-98.Zhang Lizi, Ye Hongdou, Chen Xiaoxiao. Transmission and distribution pricing method based on peak-load pricing[J]. Automation of Electric Power Systems, 2017, 41(14): 92-98.
[51] Jin Jiangliang, Xu Yunjian. Optimal storage operation under demand charge[J]. IEEE Transactions on Power Systems, 2017, 32(1): 795-808.
[52] Tuunanen J, Honkapuro S, Partanen J. Power-based distribution tariff structure: DSO’s perspective[C]// 2016 13th International Conference on the European Energy Market (EEM), Porto, Portugal, 2016: 1-5.
[53] Passey R, Haghdadi N, Bruce A, et al. Designing more cost reflective electricity network tariffs with demand charges[J]. Energy Policy, 2017, 109: 642-649.
[54] Darghouth N R, Barbose G, Zuboy J, et al. Demand charge savings from solar PV and energy storage[J]. Energy Policy, 2020, 146: 111766.
[55] 钱俊杰. 新电改背景下电价形成机制研究[D]. 武汉: 华中科技大学, 2019.
[56] Hu Zheng, Kim J H, Wang Jianhui, et al. Review of dynamic pricing programs in the U.S. and Europe: status quo and policy recommendations[J]. Renewable and Sustainable Energy Reviews, 2015, 42: 743-751.
[57] 乐健, 柳永妍, 叶曦, 等. 含高渗透率分布式电能资源的区域电网市场化运营模式[J]. 中国电机工程学报, 2016, 36(12): 3343-3354. Le Jian, Liu Yongyan, Ye Xi, et al. Market-oriented operation pattern of regional power network integration with high penetration level of distributed energy resources[J]. Proceedings of the CSEE, 2016, 36(12): 3343-3354.
[58] LeBel M, Weston F, Sandoval R. Demand charges: what are they good for?[Z]. 2020. https://www. raponline.org/knowledge-center/demand-charges-what- are-they-good-for/.
[59] Partanen J, Tuunanen J, Honkapuro S, et al. Tariff scheme options for distribution system operators[R]. Lappeenranta, Finland: LUT Energy Report, 2012: 67-134.
[60] Koskela J, Lummi K, Mutanen A, et al. Utilization of electrical energy storage with power-based distribution tariffs in households[J]. IEEE Transactions on Power Systems, 2019, 34(3): 1693-1702.
[61] Johnston L, Takahashi K, Weston F. Rate structures for customers with onsite generation: Practice and innovation. National Renewable Energy Laboratory[D]. Golden: National Renewable Energy Lab., 2005.
[62] Lazar J, Gonzalez W. Smart rate design for a smart future[Z/OL]. The Regulatory Assistance Project, 2015, https://www.raponline.org/wp-content/uploads/ 2016/12/rap_lazar_smartrates_tx_2016_09_22.pdf.
[63] Bibra E M, Connelly E, M Gorner. Global EV outlook 2021: accelerating ambitions despite the pandemic[Z/OL]. International Energy Agency, 2021, https://trid.trb. org/view/1925380.
[64] Yamamoto Y. Pricing electricity from residential photovoltaic systems: a comparison of feed-in tariffs, net metering, and net purchase and sale[J]. Solar Energy, 2012, 86(9): 2678-2685.
[65] Wan Can, Lin Jin, Song Yonghua, et al. Probabilistic forecasting of photovoltaic generation: an efficient statistical approach[J]. IEEE Transactions on Power Systems, 2017, 32(3): 2471-2472.
[66] 苏剑, 周莉梅, 李蕊. 分布式光伏发电并网的成本/效益分析[J]. 中国电机工程学报, 2013, 33(34): 50-56, 11. Su Jian, Zhou Limei, Li Rui. Cost-benefit analysis of distributed grid-connected photovoltaic power generation[J]. Proceedings of the CSEE, 2013, 33(34): 50-56, 11.
[67] Palensky P, Dietrich D. Demand side management: demand response, intelligent energy systems, and smart loads[J]. IEEE Transactions on Industrial Informatics, 2011, 7(3): 381-388.
[68] Hill C A, Such M C, Chen Dongmei, et al. Battery energy storage for enabling integration of distributed solar power generation[J]. IEEE Transactions on Smart Grid, 2012, 3(2): 850-857.
[69] 张迪, 苗世洪, 周宁, 等. 分布式发电市场化环境下各交易主体响应行为模型[J]. 电工技术学报, 2020, 35(15): 3327-3340. Zhang Di, Miao Shihong, Zhou Ning, et al. Research on response behavior model of trading entities considering the marketization environment of distributed generation[J]. Transactions of China Electrotechnical Society, 2020, 35(15): 3327-3340.
[70] Paudel A, Sampath L P M I, Yang Jiawei, et al. Peer-to-peer energy trading in smart grid considering power losses and network fees[J]. IEEE Transactions on Smart Grid, 2020, 11(6): 4727-4737.
[71] Baroche T, Pinson P, Le Goff Latimier R, et al. Exogenous cost allocation in peer-to-peer electricity markets[J]. IEEE Transactions on Power Systems, 2019, 34(4): 2553-2564.
[72] Guerrero J, Chapman A C, Verbič G. Decentralized P2P energy trading under network constraints in a low-voltage network[J]. IEEE Transactions on Smart Grid, 2019, 10(5): 5163-5173.
[73] Chen Y C, Domínguez-García A D, Sauer P W. Measurement-based estimation of linear sensitivity distribution factors and applications[J]. IEEE Transactions on Power Systems, 2014, 29(3): 1372-1382.
[74] Nood A, Ollenberg B, ShebléG. Power generation, operation, and control[M]. New Jersey: Wiley, 2013.
[75] 许伦, 王蓓蓓, 李雅超, 等. 配电网安全导向的分布式资源P2P区块链交易机制研究[J]. 电力自动化设备, 2021, 41(9): 215-223. Xu Lun, Wang Beibei, Li Yachao, et al. Reaearch on P2P blockchain transaction mechanism of distributed resources oriented by distribution network security[J]. Electric Power Automation Equipment, 2021, 41(9): 215-223.
[76] 吴治国, 刘继春, 张帅, 等. 多售电主体点对点交易模式及其动态过网费机制[J]. 电力系统自动化, 2021, 45(19): 100-108. Wu Zhiguo, Liu Jichun, Zhang Shuai, et al. Peer-to-peer transaction model of multiple power sellers and its dynamic network fee mechanism[J]. Automation of Electric Power Systems, 2021, 45(19): 100-108.
[77] Partanen J, Honkapuro S, Tuunanen J. Tariff scheme options for distribution system operators[R]. Lappeenranta University of Technology, 2012.
[78] Einarsen A. National regulators within EU policy networks: a case study of the Norwegian Energy Regulatory Authority (RME)[D]. Norway: University of Agder, 2020.
[79] Martinopoulos G. Are rooftop photovoltaic systems a sustainable solution for Europe? a life cycle impact assessment and cost analysis[J]. Applied Energy, 2020, 257: 114035.
[80] NordREG. Tariffs in Nordic countries – survey of load tariffs in DSO grids[R/OL]. 2015. http://www. nordicenergyregulators.org.
[81] Pyrgou A, Kylili A, Fokaides P A. The future of the Feed-in Tariff (FiT) scheme in Europe: the case of photovoltaics[J]. Energy Policy, 2016, 95: 94-102.
[82] Moncada J A, Tao Z, Valkering P, et al. Influence of distribution tariff structures and peer effects on the adoption of distributed energy resources[J]. Applied Energy, 2021, 298: 117086.
[83] Sahu B K. A study on global solar PV energy developments and policies with special focus on the top ten solar PV power producing countries[J]. Renewable and Sustainable Energy Reviews, 2015, 43: 621-634.
[84] Grover D, Daniels B. Social equity issues in the distribution of feed-in tariff policy benefits: a cross sectional analysis from England and Wales using spatial census and policy data[J]. Energy Policy, 2017, 106: 255-265.
[85] Pyper J. Nevada-puc-approves-net-metering-rules-expected-to-reboot-the-rooftop-solar?[R]. 2007, Boston, MA, USA.
[86] DNV. Effective and cost-reflective distribution tariff (2019 White paper)[R]. 2020. https://www.dnv.com/ publications/effective-and-cost-reflective-distribution- tariffs-162913.
[87] Sun Qie, Li Hailong, Ma Zhanyu, et al. A comprehensive review of smart energy meters in intelligent energy networks[J]. IEEE Internet of Things Journal, 2016, 3(4): 464-479.
[88] 高红均, 张凡, 刘俊勇, 等. 考虑多产消者差异化特征的社区微网系统P2P交易机制设计[J]. 中国电机工程学报, 2022, 42(4): 1455-1470. Gao Hongjun, Zhang Fan, Liu Junyong, et al. Design of P2P transaction mechanism considering differentiation characteristics of multiple prosumers in community microgrid system[J]. Proceedings of the CSEE, 2022, 42(4): 1455-1470.
[89] 徐辉, 骆子雅, 谢文锦, 等. 英国配电价格机制对我国增量配电网建设的启示[J]. 广东电力, 2019, 32(10): 119-126. Xu Hui, Luo Ziya, Xie Wenjin, et al. Enlightenment of UK power distribution pricing mechanism to construction of incremental distribution network in China[J]. Guangdong Electric Power, 2019, 32(10): 119-126.
[90] OFGEM. Targeted charging review: decision and impact assessment. 2019[Z]. https://www.ofgem.gov. uk/system/files/docs/2019/12/full_decision_doc_updated.pdf.
[91] Acharya A, Cave L A. Feed-in-tariff removal in UK’s community energy: analysis and recommendations for business practices[J]. Journal of Sustainable Development, 2020, 13(4): 1.
[92] 国际能源署. 中国分布式能源前景展望[M]. 北京: 石油工业出版社, 2017.
[93] IEA. Prospects for distributed energy systems in China[R]. 2017. https://www.iea.org/reports/ prospects- for-distributed-energy-systems-in-china.
[94] 江苏省发展改革委.关于明确分布式发电市场化交易和增量配电网试点项目有关电价问题的通知[Z]. 2020. https://news.bjx.com.cn/html/20201228/1125618. shtml.
[95] 边晓燕, 张璐瑶, 周波, 等. 基于知识图谱的国内外电力市场研究综述[J]. 电工技术学报, 2022, 37(11): 2777-2788. Bian Xiaoyan, Zhang Luyao, Zhou Bo, et al. Review on domestic and international electricity market research based on knowledge graph[J]. Transactions of China Electrotechnical Society, 2022, 37(11): 2777-2788.
[96] 罗桓桓, 王昊, 葛维春, 等. 考虑报价监管的动态调峰辅助服务市场竞价机制设计[J]. 电工技术学报, 2021, 36(9): 1935-1947, 1955. Luo Huanhuan, Wang Hao, Ge Weichun, et al. Design of dynamic peak regulation ancillary service market bidding mechanism considering quotation super-vision[J]. Transactions of China Electrotechnical Society, 2021, 36(9): 1935-1947, 1955.
[97] 陈大宇. 电力现货市场配套容量机制的国际实践比较分析[J]. 中国电力企业管理, 2020(1): 30-35. Chen Dayu. Comparative analysis of international practice of supporting capacity mechanism in power spot market[J]. China Power Enterprise Management, 2020(1): 30-35.
[98] 冯昌森, 谢方锐, 文福拴, 等. 基于智能合约的绿证和碳联合交易市场的设计与实现[J]. 电力系统自动化, 2021, 45(23): 1-11. Feng Changsen, Xie Fangrui, Wen Fushuan, et al. Design and implementation of joint trading market for green power certificate and carbon based on smart contract[J]. Automation of Electric Power Systems, 2021, 45(23): 1-11.
Abstract The penetration of distributed generation (DG) is increasing on distribution networks due to the “3060 Dual Carbon Goal”. The electricity consumers with DG gradually become the electricity “prosumers”. However, the instability and unpredictability of DG causes the distribution network cost increase. Distribution network tariffs must reflects the supply and demand relationship of the future distribution network. As an objective reflection of distribution network cost, distribution network tariffs show the fairness of users. The objectivity and fairness of tariffs can effectively improve the efficiency of the distribution network and promote the construction and expansion of the distribution network. The cost-sharing of traditional distribution network tariffs is based on voltage level, which can result in a “death spiral” in the utility company. Therefore, the aim of distribution network tariff redesign is high-penetration DG adaption. The aim ensures the fairness of energy sharing for P2P and effectiveness and sustainability of distribution network operation.
Firstly, the ideal distribution network tariff composition considering investment recovery is proposed. The distribution network tariff changes of DG integration to the grid with high penetration are obtained. Secondly, the state-of-the-art research in distribution network tariff design is summarized in two aspects: DG-self-use and surplus-grid connection. The distribution tariff design of DG-self-use can be divided into capacity charge, electricity charge, and demand charge. The distribution tariff design of surplus-grid-connection can be divided into feed-in-tariff (TiF), net-metering (NM), and net-purchase-and-sale (NPS). Also, the advantages/disadvantages and applicability of different types of distribution network tariffs are discussed in this paper. Thirdly, a complete tariff design criterion is proposed. Combined with the operation characteristics, the distribution network tariffs in the typical countries are classified into different categories. Based on the design criterion, the emphasis and design concept of distribution network tariffs in the typical countries are comparatively analyzed. Finally, some suggestions for distribution network tariffs design are improved based on the DG distribution and development objectives of China.
The following conclusions can be drawn from the analysis: (1) Electricity charge is suitable for complex situations, which require quick adjustment (alleviating transmission congestion). Capacity charge can be applied in the situation of DG prosumers without smart meters or with separate transformers and feeders. Demand charge can motivate controllable DG to adjust peak load or reduce the probability of consistent peak. (2) On the combination of the domestic real needs, CPC/RTP can be widely employed to motivate controllable DG. The electricity charge design of Denmark can be used to regulate uncontrollable DG; SBBM models of Netherlands are suitable for the EV region with high permeability. Design again the capacity charge/ demand charge to be used for peak electricity consumption region. Demand charge of the U.S. and community energy management method in the UK can be used in DPV endorsement region. (3) In addition, the electricity market degree should be considered to promote the development. The charging reform cannot accomplish in one stroke, on the contrary, coordination and development of the course are length main thread. Therefore, it is necessary to set up other market mechanisms to promote the applicability of distribution network tariffs design.
Keywords: Distribution network tariff, distributed generation user, electricity market, distribution network cost, applicability analysis
DOI:10.19595/j.cnki.1000-6753.tces.221174
中图分类号：TM9
教育部人文社科基金资助项目（21YJAZH083）。
收稿日期 2022-06-20
改稿日期 2022-08-24
林雪杉 女，1995年生，博士研究生，研究方向为电力市场运营机制。E-mail：xueshan_lin@seu.edu.cn
王蓓蓓 女，1979年生，副教授，博士生导师，研究方向为电力市场，电力系统优化调度，智能用电和新能源接入系统运行控制。E-mail：wangbeibei@seu.edu.cn（通信作者）
（编辑 赫蕾）