翁国庆 王 强 戚 军 谢路耀

（浙江工业大学信息工程学院 杭州 310023）

1 引言

微网具有灵活的运行方式和可调度性能，是未来分布式发电（Distributed Generation，DG）应用的主要形式[1]。但由于存在多种特性差异大的分布式微源、受自然条件影响大、多种运行模式可切换且自身包含大量电力电子装置等因素，其运行面临严重的电能质量问题[2]。这将产生威胁系统安全运行，降低能量效率，损坏用户设备等严重后果。根据美国分布式供能系统电气并网分析报告，电能质量问题是大多数分布式供电案例都曾经历过的最主要的技术性市场准入障碍之一[3]。

一方面，随着电力市场化发展等电力改革的不断推进，电能质量的优劣将直接影响DG或微网系统能否被允许并网交易，实现微网中电能质量有效、准确的评估至关重要。另一方面，随着诸如有源滤波器（APF）[4]、柔性交流输电技术（D-FACTS）[5]、统一电能质量控制器（UPQC）[6]和用户电力技术（CP）[7,8]等先进电能质量治理技术不断得以应用，未来微网系统中实现电能质量的用户按需定制成为可能[9]。显然，不同电能质量等级下，不同层级电力用户的用电成本效益和微网的电能质量治理费用均不同，如何在微网中实现合理的电能按质定价具有重要意义。在未来新能源供电系统高渗透率及高度电力市场环境下，电力部门必将进一步制定合理的微网质量评估和定价机制。

近年来，少数研究者已经在电能定价领域进行了探索性研究。如文献[10]提出的电力市场环境下基于差别定价的电能质量服务定价方法，文献[11]提出的将特征价格模型用于电能多特征定价的思想，文献[12]较早地在电能按质定价中引入风险管理机制。但是，文献[10]未能考虑如何对电能进行电能质量合理层级划分，文献[11]所提定价机制需要对数量繁多的各类特征分别进行具体分项处理，大大提高了特征量化、特征价格模型的合理性选择难度。更重要的是，上述文献几乎均是针对普通电网进行的研究，微网系统在电网结构、电能特性、质量指标特征、用户需求和运行成本组成等多方面的特殊性基本未能得以考虑。目前，针对微网系统的按质定价方法研究成果基本未见。

本文针对未来微网中电能质量可用户定制的特性，提出一种在尽可能满足不同层级用户电能质量等级需求的前提下，可同时充分考虑其用电成本效益和微网运营方成本效益的微网按质定价方法。为实现合理、简洁地表征目标微网的电能质量整体等级这一按质定价的前提依据，提出一种可兼顾一致性检验和迭代精度的基于改进层次分析法（Analytic Hierarchy Process，AHP）-灰色关联理论的电能质量综合评估方法。在对目标微网进行详尽调研的基础上，重点针对不同层级电力用户意愿支付函数和微网运营方的利润函数进行深入研究，提出一种计及质量保险的微网电能按质定价模型。最后，通过海岛微网实际案例，分析了所提方法和模型的有效性。

2 微网系统的按质定价流程

在未来高度市场化，电能质量可定制的微网系统中，各层级电力用户所需要担负的电能费用不仅和微网系统的发电成本有关，也和其定制的电能质量等级以及电能质量治理成本密切相关。系统运营方在向用户收取电能费用前，应首先对各层级电力用户的电能质量需求及用电成本效益进行详细调研，并实现系统本身电能质量等级的合理评估，若未达到电力用户的质量定制等级，则需根据用户需求对该层级区域线路进行电能质量治理与改善。因此，考虑到不同层级电力用户对电能质量的要求和敏感度不同，实现目标微网的整体质量评估，并根据用户质量定制需求实现分层级的按质定价具有重要意义。

电能质量可用户定制微网系统按质定价问题的本质是如何优化微网系统区域中各电能质量层级与其对应电价水平的组合，在尽量满足系统中各层级电力用户的电能质量定制需求的同时，兼顾各层级用户用电的成本效益和微网运营方的利润。所提微网按质定价方法的基本流程如图1所示。

图1 微网按质定价方法的基本流程Fig.1 Basic flow of the pricing method with featured power quality in microgrid

详细、可信的调研将为目标微网系统中电能质量层级划分、各层级电力用户用电成本效益模型、电能质量治理成本和质量投保等关键步骤提供可靠的原始数据。采用电能质量监测装置获取各单项指标数据，并基于改进 AHP-灰色理论实现微网内各层级电力线路治理前后的实际电能质量综合评估，是进一步进行按质定价和实施质量保险的前提依据。各层级电力用户的各项成本效益与电能质量等级关系根据微网中各层级用户组成不同而异，既需要合适的拟合模型，也需要详细的调研数据[10]。引入电能质量保险的意义在于，当用户定制电能质量等级后，因微网系统实际提供的电能质量不达标造成用户损失时，可减少其直接经济损失[12]。

3 基于改进AHP-灰色理论的微网电能质量综合评估

3.1 AHP法的模糊一致性和迭代性改进

微网电能质量是一个典型的多指标体系，定义合理的电能质量综合评估多指标体系是基本前提[13]。AHP法是一种结合定性分析与定量分析，能够有效解决多指标体系综合评估问题的系统分析方法[14]。微网电能质量综合评估体系的梯阶层次结构中，目标层即目标微网的电能质量综合评估指标，方案层即参与综合评估的各种单项特征指标，准则层即方案层中各种具体特征指标的分类组别。

传统AHP法通常采取1～9标度法来生成判断矩阵 A =( aij)n×n，以此描述梯阶层次结构模型中上层元素的所有n个下层元素间的相对重要性关系。但是在实际问题的研究中，由于专家赋权的主观误差、权重标度不完备及判断矩阵信息冗余等原因，该方法无法保证判断矩阵A的一致性。为确保评估结论的可靠性，必须对其进行一致性检验和调整。当n较大时，一致性检验计算量非常大且调整非常困难，常导致决策无法继续。为了确保判断矩阵一致性检验通过，引入可表征模糊特性的0.1～0.9比例标度，并基于模糊一致性矩阵和迭代求解特征方程根法对传统AHP法进行改进[15]。0.1～0.9标度的意义见表1，若元素i和j的重要性之比为aij，则j和i的重要性之比为aji。

表1 0.1～0.9比例标度的意义Tab.1 Meaning of the ratio-scaled variables from 0.1 to 0.9

利用以下公式将0.1～0.9标度判断矩阵A转换为模糊一致性判断矩阵R其中，对于任意矩阵元素0 ＜ rij＜1，且 rij=1 - rji+ 0 .5。模糊一致性矩阵R具有很好的传递性和鲁棒性，可用求解 R w=λmaxw计算R的最大特征根λmax的方法求取各特征指标权值向量 w，且具有两大优势：①不必再进行判断矩阵一致性检验和不一致性调整；②可利用迭代算法得到满足所需精度要求的权重排序向量w。

基于R的微网电能质量综合评估体系各特征指标权值向量w求解算法的基本步骤如下：

（1）用转换公式 eij= rij/ rji将模糊一致性判断矩阵 R =( rij)n×n转变成正互反矩阵 E =( eij)n×n。

（2）利用几何平均法求取单准则下权重排序向量 w(0)

（3）把求得的 w(0)作为迭代初始向量 V0，利用迭代法求解特征方程 E · Vn×1= λmax·Vn×1，最终求得满足精度要求的权重排序向量 w(k)。该迭代求解法的步骤如图2所示。

图2 权重向量迭代求解步骤Fig.2 Solving steps of weight vector with iterative method

3.2 基于灰色关联法的微网电能质量综合评估

灰色理论中的灰色关联法基本思想是通过计算对象和对象之间的相互关联系数和关联度，从而反映对象之间的关联程度[16]。假设有 m个样本S = { s0,s1,… ,sm)，n个评估指标 J ={ j0,j1,… ,jn}，从而形成初始样本指标矩阵 B =( bij)n×m，其综合评估的步骤如下：

（2）计算关联系数

（3）通过下式，可得到等级（1～10）之间的微网电能质量综合评估结果

4 多质量层级的微网按质定价

4.1 各层级用户支付优化模型

根据对目标微网区域内所有电力用户进行电力质量需求、用电成本效益情况和参与保险意愿等多个方面的详细调研，将整个区域合理划分为N个电能质量层级子区域；各电能质量层级可记为qi( i = 1 ,2,… ,N )，层级越高表示该子区域用户对电能质量水平的需求越高。同时，对各层级子区域布置电能质量监测装置，监测并评估其初始电能质量等级及按需定制质量后达到的实际质量等级。

对于微网电力用户，显然电能质量越差其潜在的用电经济损失越大，反之则可使其电能使用成本下降，但要达到其期望的更高等级电能质量所需的治理成本也将提高。各 qi层级电力用户的电能总费用 CTi可表示为式中，CB为用户电能基本费用，可设为常数；CZi为qi层级的质量治理平均费用，其值将随 qi的提高而升高；相反， CUi为 qi层级的电能使用平均成本费用，其值将随 qi的提高而降低。两者估算模型基本满足二次函数关系

式中，Δqi为该层级用户定制质量等级和治理后实际评估所得质量等级之差（显然，当 Δ qi＜0时，CZi=0）； CU0为最差质量等级时的平均电能使用费用； ak、 bk为二次函数系数，均可基于前期的调研数据进行拟合得到。因系统中电能质量等级设定为非连续的分层（分级）分布，可将上述拟合特性曲线按电能质量层级 qi取其平均值进行离散量化处理，如图3所示。

图3 qi层级用户费用拟合特性Fig.3 Fitted characteristic curves of user costs in q leveli

4.2 计及质量保险的微网电能按质定价模型

从微网运营方角度考虑，综合发电成本、基本电价、质量治理费用和保险赔偿等各种因素构建系统利润函数

式中， Qi为 qi层级用户的电能实际使用总量； Ri为不考虑保险因素时 qi层级的基本电价； ci为 qi层级用户是否参保选择系数（参保时 ci= 1，否则 ci= 0 ）；di为 qi层级用户参保金额与基本电价的比例系数（以百分比值表示）； CG表示微网实际平均发电成本，其值可通过调研确定； Si为 qi层级参保用户的退还保险金。

一般而言，微网中的发电微源可能包括风力发电、光伏发电、潮汐能发电、地热能发电和生物能发电等多种分布式发电系统[17]。考虑微网中各种微源组成项及比例各不相同，以最常见的风力发电和光伏发电共同组成的微网为例，微网系统整体平均发电成本 CG可表达为

式中， Cw、 Cp分别为风机、光伏系统平均实际发电成本； Aw、 Ap分别为政府或行业依据相关政策给予风机、光伏发电的补贴；rw、rp为微网中风机、光伏的发电量比例。

由式（10）可知，微网各层用户可由系数 ci选择其是否参加质量保险。各层级用户单位用电量所需缴纳的保险金额 Bi可表示为

微网根据该层级用户定制需求进行电能质量治理后，若仍然无法达到用户所定制的质量等级，必然对该层级用户造成用电经济损失。出于对参保用户的经济利益保护，要求微网运营方对参保用户进行适当赔偿。赔偿方案可由微网运营方和参保用户方协商，根据互惠原则和可行性分析制定。为简化算法，这里简单设退还保险金Si与Δqi（用户定制和治理后实际评估的质量等级差值）满足一次线性关系

式中， K1、 K2为赔偿系数。

对于微网运营方而言，在尽可能满足用户质量定制需求前提下，优化各层级电能质量等级 qi—基本电价 Ri的组合，以实现系统运营利润最大化是其重要目标。根据式（9），微网系统中 qi层级用户的意愿支付数值 Pi可求，进而可进一步定义其电能使用净效用剩余值 Ui= Pi- Ri。上述优化求取各层级（ qi,Ri）组合的实质是，确定最佳的基本电价 Ri使qi层级用户净效用剩余值 Ui最合适。

以微网运营方利润最大化为目标，以各 qi层级电力用户的净效用剩余量 Ui为约束，构建计及质量保险的微网电能按质定价模型

式中，前约束表示对于 qi层级用户，购买 qi质量等级的电能所产生的效用不能小于所用于购买该部分电能的支出（即在此前提下，用户才会愿意支付此电力费用），其边界条件为 P1= R1；后约束表示用户购买较高质量电能所获得的剩余效用不小于购买较低质量电能，体现高电能质量给用户带来的好处，其边界条件为 Ri- Ri-1= Pi- Pi-1。

结合式（9）、式（11），求解该优化模型，可得满足按质定价原则的微网电能基本电价 Ri。再结合用户参加保险情况和式（12）、式（13），可最终获得各 qi层级用户需向微网运营方支付的优化电价

5 算例分析

5.1 系统分层结构

图4所示为某典型电能质量可定制微网系统的分层结构示意图。该微网由风力发电单元、光伏发电单元、储能系统和多质量等级区域负荷群组成。系统可能与外部配电网络存在并网接口允许并网模式运行，也可能是独立微网离网运行（如海岛微网）。根据用户电能质量调研，可将微网负荷划分为若干用户子区域，并分别布置区域电能质量控制器，由电能质量监控子系统（微网能量控制中心的重要功能模块之一）统一在线管理，实现该区域线路电能质量的监测、评估和按需定制治理。

图4 电能质量可定制微网的分层结构Fig.4 Hierarchical structure of the microgrid of power quality is customizable

5.2 微网电能质量综合评估结果

代表性地选取电压偏差、电压波动、电压闪变、谐波畸变、三相不平衡、频率偏差和电压暂降7项最重要的电能质量单项指标组成目标微网电能质量综合评估多指标体系。表 2中，X1～X7分别代表上述 7项单项特征指标；S0是理想样本；S1～S4分别代表优质样本、良好样本、合格样本和较差样本数据；S5、S6、S7分别为以图4中层级区域I、层级区域 II、层级区域 III为例，由#1、#2、#3电能质量测控点获取的对应区域线路电能质量实测数据。

表2 微网中电能质量标准样本和待评样本数据Tab.2 Data of the standard samples and the evaluated samples of power quality in micrigrid

基于专家意见及微网区域内电力用户的需求调研，设定所选取7项电能质量单项指标的重要性排序：频率>谐波畸变>电压波动>闪变>电压偏差>电压暂降>三相不平衡，并建立基于 0.1～0.9标度的两两比较模糊一致性判断矩阵

通过式（1）、式（2）和图2所示的改进 AHP法的迭代求解步骤，可得同时满足判断矩阵一致性和所需精度要求的权重排序向量

W=(0.26,0.175,0.139,0.13,0.118,0.106,0.096)

进而利用式（4）、式（5）所示的灰色关联法及相关步骤，可得到表2所示各样本的电能质量综合评估结果，见表 3。可知，目标微网区域中用户层级区域I、层级区域II和层级区域III的电能质量等级综合评估结果分别为 5.2，6.1和 9.0。根据离散量化处理原则，其电能质量分别可取整量化为 q5、q6和 q9层级。

表3 各样本电能质量综合评估结果Tab.3 Results of power quality comprehensive evaluation for the samples

5.3 用户意愿支付优化模型求取

在图4所示典型结构的电能质量可定制微网中，假设根据系统运营方及电力用户方调研，将该微网按需求划分为 q4、 q5、 q6、 q8质量层级对应的4个供电层级区域。通过对文献[18-20]中电能质量治理成本和用户损失统计数据的拟合，可得到式（7）、式（8）中对应的CZi、CUi和Δqi、qi间关系的关键参数，见表4。

表4 各层级区域治理费用和使用费用参数Tab.4 Parameters of quality controlling costs and power utilization costs of each quality level

5.4 微网电能按质定价确定

以2011年投建的浙江舟山东福山岛微网为例，该海岛微网风光总装机容量310kW，由7台单机容量 30kW的风力发电机组、1台100kWp的光伏发电系统组成。根据岛上太阳能资源、风力资源评估进行发电预测，该海岛微网可再生能源发电量中光伏发电量和风力发电量比例分别约为 35.4%和64.6%。根据相关部门公布的可再生能源上网标杆电价、政府补贴政策及发电成本估算等调研信息可获得部分所需关键参数，其余部分可进行合理设定，见表5。

表5 按质定价优化模型关键参数Tab.5 Key parameters of the optimization model to determine the power price with featured power quality

由式（11）计算可得，该微网实际平均发电成本约为610元/MW·h。设微网全系统初始电能质量等级为 q5，然后根据各层级区域用户的不同定制需求进行治理。设经过分布式布置的各层级区域电能质量监控模块的治理，各层级区域均达到用户定制的电能质量等级。根据式（14）、式（15）以及表5所列关键参数，可进一步实现该微网的按质定价计算，结果见表6。

表6 微网各层级用户各项费用（元/MW·h）Tab.6 Several costs of each quality level in microgrid(yuan/MW·h)

从表6所示结果可以看出，考虑到用户所提的电能等级要求是对其自身用电情况进行全面考量后得到的综合结果，用户意愿支付度较高。因此，对于不同电能质量等级要求的电力用户所收取的费用不相同，对电能质量要求越高，用户向微网所支付的实际电价也会相应提高。在优质高价前提下，电网会尽量满足高质量的用电需求，体现按质定价的意义。同时考虑到高等级的电能质量将减低用户的电能质量事故损失，合理的电能质量保险策略在用户电费增加不明显的前提下既保证了用户在电能质量不达标时的利益，同时也对电力公司进行了监督。

在对微网治理满足用户质量定制需求的情况下，微网运营方的利润也达到最大化。以表格6中算例参数为例，假设微网所有用户均参与质量保险：①若电能质量治理后，各层级区域均达到用户定制需求，微网利润达到577.35元/MW·h；②若电能质量治理后，整个或部分微网区域电能质量未达到用户定制需求，运营方需向未达标区域用户赔付相应保险金（假设微网全区域均仅达 q5，层级区域III、IV将获保险金，微网利润将降至391.92元/MW·h）。

6 结论

随着电力市场化改革的不断推进，以及电能质量治理技术的快速发展，在未来DG或微网系统中实现根据用户需求提供电能质量定制服务成为可能。本文主要针对电能质量可用户定制微网提出一种多层级用户的电能按质定价方法。基于改进AHP-灰色理论的微网电能质量综合评估方法合理、简洁。采用的离散量化处理手段，很好实现了微网多层级用户的电能质量等级划分以及定制质量等级的匹配表征。获得的电能使用费用特性曲线及其意愿支付函数具有较好适用性，但不同微网系统、不同层级电力用户特性各异，需根据调研数据确定关键参数。构建的微网电能按质定价模型，可在尽可能满足不同层级用户电能质量定制需求的前提下，兼顾其用电成本效益和微网运营方利润，并体现了合理的电能质量保险策略。微网算例分析表明，所提方法可实现系统电能质量可多层级用户定制时，提供有效的质量评估和成本效益分析，获得各层级区域的质量等级与电价的优化组合，为目标微网系统实行合理的按质定价提供合理、有效的依据。

[1] Hatziargyriou N,Asano H,Iranvani R,et al.Microgrids[J].IEEE Power and Energy Magazine,2007,5( 4): 78-94.

[2] Dolezal J,Santarius P,Tlusty J,et al.The effect of dispersed generation on power quality in distribution system[C].CIGRE/IEEE PES International Symposium,2003: 204-207.

[3] 祝达康.美国分布式供能系统电气并网分析[J].上海节能,2005,6: 128-141.Zhu Dakang.Network analysis of distributed energy system in US[J].Energy Conservation in Shanghai,2005,6: 128-141.

[4] Li Dongtuo,Lin Chuan,Ma Zhengbo.A combined system of APF and SVC for power quality improvement in microgrid[C].Proceedings of 2012 Power Engineering and Automation Conference,Wuhan,China,2009: 1-4.

[5] Abdelsalam,Abdelazeem A,Gabbar,Hossam A,et al.Performance enhancement of hybrid AC/DC microgrid based D-FACTS[J].International Journal of Electrical Power and Energy Systems,2014,63:382-393.

[6] 李晓亮,夏明超,毛彦辉,等.基于改进型统一电能质量调节器结构的微电网控制策略[J].电力系统自动化,2013,37(22): 22-27.Li Xiaoliang,Xia Mingchao,MaoYanhui,et al.A microgrid control strategy based on improved structure of UPQC[J].Automation of Electric Power System,2013,37(22): 22-27.

[7] Ghosh Arindam,Ritwik,Ledwich Gerard,et al.Power quality enhanced operation and control of a microgrid based custom power park[C].Proceedings of 2009 IEEE International Conference on Control and Automation,Christchurch,New zealand,2009:1669-1674.

[8] 李国庆,王鹤,张慧杰.微电网中基于逆变电源控制的重要节点电能质量管理方法[J].电工技术学报,2014,29(2): 177-184.Li Guoqing,Wang He,Zhang Huijie.Management methods of important nodes of power quality based on control of inverter in microgrid[J].Transactions of China Electrotechnical Society,2014,29(2): 177-184.

[9] 曾正,赵荣祥,杨欢,等.多功能并网逆变器及其在微电网电能质量定制中的应用[J].电网技术,2012,36(5): 58-67.Zeng Zheng,Zhao Rongxiang,Yang Huan,et al.A multi-functional grid-connected inverter and its application to customized power quality of microgrid[J].Power System Technology,2012,36(5): 58-67.

[10] 杨进,李庚银,周明.基于差别定价的电能质量服务定价方法[J].电力系统自动化,2006,30(8): 41-46.Yang jin,Li Gengyin,Zhou Ming.Pricing method of power quality based on differential pricing[J].Automation of Electric Systems,2006,30(8): 41-46.

[11] 栗向鑫,周明,李庚银.特征价格模型在电能定价中的应用[J].电网技术,2008,32(19): 66-70.Li Xiangxin,Zhou Ming,Li Gengyin.Application of characteristic price in pricing of energy[J].Power System Technology,2008,32(19): 66-70.

[12] 金广厚,李庚银,周明.基于质量保险的多质量等级电能定价方法[J].中国电机工程学报,2006,26(9): 113-119.Jin Guanghou,Li Gengyin,Zhou Ming.Pricing of multi-level energy based on insurance of power quality[J].Proceedings of the CSEE,2006,26(9):113-119.

[13] Weng Guoqing,Zhou Wenwei,Qi Jun.Research on comprehensive evaluation of regional power quality based on multistage extension method[C].Proceedings of 2011 Asia-Pacific Power and Energy Engineering Conference,Wuhan,China,2011: 1-4.

[14] Zhang Hongtao,Zhu Weidong,Wu Yong,et al.A belief comparison matrix and its Integration Method for AHP with incomplete information[C].Proceedings of 2010 International Joint Conference on Computational sciences and Optimzation,Huangshan,China,2010:166-169.

[15] 徐泽水.模糊互补判断矩阵排序的一种算法[J].系统工程学报,2001,16(4): 311-314.Xu Zheshui.Algorithm for priority of fuzzy complementary judgement matrix[J].Journal of Systems Engineering,2001,16(4): 311-314.

[16] 雷刚,顾伟,袁晓冬.灰色理论在电能质量综合评估中应用[J].电力自动化设备,2009,29(11): 62-67.Lei Gang,Gu Wei,Yuan Xiaodong.Grey theory’s application in comprehensive assessment of power quality[J].Electric Power Automation Equipment,2009,29(11): 62-67.

[17] 张建华,于雷,刘念,等.含风/光/柴/蓄及海水淡化负荷的微电网容量优化配置[J].电工技术学报,2014,29(2): 102-112.Zhang Jianhua,Yu Lei,Liu Nian,et al.Optimal allocation of capacity in micro-grid include wind/PV/diesel/storage and desalination load[J].Transactions of China Electrotechnical Society,2014,29(2): 102-112.

[18] Mcgranaghan M,Roettger B.Economic evaluation of power quality cost[J].IEEE Power Engineering Review,2002,22(2): 8-12.

[19] Lamedica R,Esposito G,Tironi E,et al.A survey on power quality cost in industrial customers[C].Proceedings of 2001 Proceedings of the IEEE Power Engineering Society Transmission and Distribution Conference,OH,United states,2001: 938-943.

[20] Heine P,Pohjanheimo P,Lehtonen M,et al.A method for estimating the frequency and cost of voltage sags[J].IEEE Transactions on Power Systems,2002,17(2): 290-29.