唐冬来，倪平波，李 玉，黄振宇，刘友波，黄 璞

（1. 四川中电启明星信息技术有限公司，四川省 成都市 610074；2. 四川大学电气工程学院，四川省 成都市 610065）

0 引言

近年来，中国国家能源局启动了县域屋顶光伏（roof-mounted photovoltaic，RPV）的试点建设工作，以引导居民绿色用能，辅助电网削减尖峰负荷［1］。RPV 具有发电装机容量小、数量多等特点［2-3］，通过0.4 kV 配电网接入所在配电台区，其发电功率在台区内就地消纳。单一县域内，各配电台区的负荷特性不尽相同，造成RPV 消纳率参差不齐［4-5］，影响了RPV 运营商收益。因此，探索RPV 的就地交易模式、提升RPV 消纳水平，有助于提高RPV 运营商收益。

限制RPV 消纳水平的要素在于跨配电台区消纳的电能交换技术难度大、成本高，且配电台区内消纳缺乏用户激励手段。现有研究通常采用配电网协同控制和动态交易价格调节两类消纳方法。

配电网协同控制方法通过在低压配电网中配置电力电子变压器、储能装置，并计及光伏出力波动负荷时序、储能配置等因素，实现对配电网设备间的优化协同控制，提高RPV 消纳水平［6-9］。文献［10-11］通过在多个配电变压器间设置电力电子变压器互联或联络开关切换，实现跨变压器的光伏互济消纳。上述方法仅能实现邻近配电台区的RPV 消纳，改造成本较高。中国RPV 建设受光伏扶贫补贴影响，注重光伏发电设备而忽视电力电子设备的建设［12］，难以实现配电台区RPV 消纳协同控制。

动态交易价格调节方法是由RPV 运营商设计RPV 电力供需双方交易规则，通过RPV 动态定价和用电策略，以价格信号激励用户使用RPV 发电电量。文献［13］提出了一种基于长短期记忆网络的RPV 定价策略，通过动态定价促使建筑用户提高光伏消纳比例。文献［14］提出了一种基于零售定价机制的RPV 消纳方法，通过RPV 电价水平和市场反馈的情况动态修订零售电价，以激励用户增加RPV电力使用比例。文献［15］提出了一种双阶梯式光伏定价模型，通过拉姆齐原理构建了RPV 发电、用电客户和零售商之间的购售电模型，通过价格调节提高RPV 消纳水平。文献［16］通过价格型需求响应对RPV 的发电方定价，调动RPV 电量交易双方的积极性，以提高RPV 消纳水平。由此可见，动态交易价格调节方法多样，且取得了一定的效果，但上述研究未按类别对不同的RPV 发电方进行分类动态定价，未设置用电客户的优惠策略，在实际运行过程中交易双方激励仍显不足，RPV 消纳水平有限。

本文所提策略在动态交易价格的基础上，细化了RPV 用户类型的交易激励需求，设计了一套基于互信共识标识积分的RPV 交易体系。RPV 运营商根据RPV 客户聚类结果划分等级和激励措施，在RPV 交易过程中动态调整电价，并给予高等级RPV客户电价优惠，提高RPV 客户参与交易的积极性。

1 县域RPV 消纳交易流程

1.1 互信共识标识的基本原理

互信共识标识是一种互联网信用积分激励模式。RPV 运营商在现有RPV 发电客户报价的基础上，考虑了不同类型RPV 发电、用电客户的交易感受和个性化需求，在交易双方信用积分等级的基础上，实现多类型的RPV 基准电价浮动。在RPV 发电、用电客户交易过程中，通过互信共识标识获取RPV 发电、用电客户的信用积分等级，并基于该等级实施RPV 基准电价浮动，给予用电客户高收益。

1.2 光伏消纳交易流程

本文设计的县域RPV 消纳交易模式中，RPV直接接入0.4 kV 配电网，并在单台配电变压器消纳RPV 上网电量。在RPV 网络拓扑结构中，发电客户侧安装独立电表，用于统计RPV 上网电量；配电变压器侧安装智能融合终端，用于互信认证、RPV电量统计等边缘计算。由于县域光伏扶贫资金仅针对RPV 发电设备给予补贴，本文不考虑储能的情况。所提方法的交易流程图如图1 所示。

图1 县域RPV 消纳交易流程图Fig.1 Flow chart of RPV accommodation transaction for county area

首先，对RPV 发电、用电客户的特征进行聚类分析，获得RPV 发电、用电客户的分类。接着，对RPV 发电、用电客户进行贡献度分析，获得初始积分和等级。然后，RPV 运营商根据RPV 发电客户发布的交易信息进行收益综合分析，判断当次交易是否执行信用积分等级电价。若执行信用积分等级电价，则基于互信共识标识分析RPV 交易双方的收益，制定基准交易电价、积分等级电价可调因子、偏差考核标准；若不执行信用积分等级电价，则直接制定基准交易电价。在此基础上进行RPV 交易，若RPV 发电、用电客户按照最优交易策略进行发电和用电，则增加交易双方客户的信用积分；若未按照最优交易策略进行发电和用电，则计算发电、用电计划偏差，并扣减相应的信用积分。为避免RPV 客户达到一定的信用等级后参与度降低，在执行交易结算时，针对不同信用等级的RPV 交易双方，采用积分扣减的方式，补贴RPV 交易双方收益。最后，调整RPV 交易双方信用等级。

2 县域RPV 消纳交易模型

2.1 RPV 客户分类

2.1.1 RPV 发电、用电客户分类

在县域配电台区中，同一配电变压器内有居民、一般工商业、普通工业等多种类型的用电客户［17］。部分客户既是用电客户也是RPV 发电客户，这些用电客户在“自发自用”的同时，也将富余电量上网交易［18］。不同类型的RPV 用电客户在用电时间、用电价格等方面敏感度差异较大［19］。为提高RPV 用电客户分类的准确性，采用聚类方法按照RPV 客户的用电负荷曲线、RPV 自用电曲线、RPV 外购电曲线、日总用电量、RPV 自用日电量、RPV 日购电量、RPV 客 户 网 龄、RPV 上 网 活 跃 度、RPV 用 电 活 跃度、RPV 信 用、RPV 发 电 曲 线、RPV 日 发 电 量 进 行用电和发电聚类，RPV 用电特征指标选取如表1所示。

表1 RPV 客户特征指标Table 1 Indices of RPV customer characteristics

近邻传播（affinity propagation，AP）聚类通过在多个数据点之间不断进行相似度聚类，以欧氏距离相同的数据点构成相似度矩阵，并选出聚类中心。该方法具有无须指定聚类数量、聚类结果平方误差小的优势，但AP 聚类在处理多维度数据时耗时较长［20-21］。因此，本文选用改进AP 聚类方法对RPV发电、用电客户进行分类时，对AP 聚类中相似度矩阵的偏向参数进行调优，以提升AP 聚类的效率。

改进AP 聚类相似度矩阵的偏向参数Rab为：

式中：jda为RPV 客户特征指标参数la、lb的离散特征值；jdb为RPV 客户特征指标参数la、lb的特征指标距离，其中RPV 客户特征指标距离用欧氏距离计算；ϖ为RPV 客户特征权重系数，其初始值根据县域RPV 行业协会公布的典型值确定。

设 数 据 点i处RPV 客 户 特 征 指 标 参 数la，i、lb，i之间对应的相似点个数为na，则式（1）中的离散特征值jda为：

偏向参数Rab的取值与AP 聚类结果的数目有关，对其进行调优选择可有效减少模型的迭代次数，提高AP 聚类精度。

Davies-Bouldin（DB）指标是一种评估AP 聚类算法优劣的指标，通过度量每个AP 聚类簇类最大的相似均值来评估聚类的分类适应性［22］。因此，本文选择DB 指标作为AP 聚类算法偏向参数选择和收敛的依据。设AP 聚类中主对角线上的中位数为Fc，当前模型DB 指标最小值为Dmin，AP 聚类的搜索阈值为Δd，则偏向参数的DB 指标Rac为：

当Δd＞0 时，DB 指标向前搜索；当Δd＜0 时，DB 指标向后搜索。Δd取值越小，聚类的效果越好。DB 指 标Dfin可 表 示 为：

式 中：nb为 聚 类 个 数；ha，i和hb，i分 别 为 数 据 点i到 聚类中心ca和cb之间的平均距离；cab，i为第i个聚类的聚类中心ca到cb的距离。

AP 聚类过程如附录A 图A1 所示。由此可见，采用改进AP 聚类方法可实现RPV 发电、用电客户的分类，分类结果如附录A 表A1 所示。

2.1.2 RPV 客户贡献度

在RPV 电量交易的数据初始化阶段，首先，RPV 运营商按照如表1 所示的特征指标分别对RPV 发电、用电客户进行贡献度分析，若同一RPV客户具有发电、用电2 种属性，则对该客户按发电、用电RPV 分别计算。然后，RPV 运营商按照RPV客户贡献度的大小进行互信共识标识积分评分，并将该分值作为RPV 客户参与交易的初始分值。本文RPV 客户采用百分制评分，其中0～59 分为不合格区域，此类客户的交易价格在基准交易电价上减少；60～100 分为合格区域，此类客户的交易价格在基准交易电价上增加。

设县域RPV 交易中RPV 发电客户的个数为nc，RPV 用电客户的个数为nd，则RPV 发电客户集合Ea和RPV 用电客户集合Ha分别为：

式（5）中的RPV 发电客户集合由附录A 表A1中的机关单位、社区医院等大、中、小型RPV 发电客户构成；式（6）中的RPV 用电客户由表A1 中的商业综合体、小型企业等大、中、小型RPV 用电客户构成。

本文RPV 客户贡献度分析选择表1 的特征指标并依据RPV 行业协会公布的典型值设定特征指标的权重。设RPV 客户特征指标的个数为ne，则RPV 客户权重系数集合ϖa为：

含权重系数的RPV 特征指标集合Ga为：

式中：Gi为第i个含权重系数的特征指标。

RPV 发电、用电客户标准的贡献度Ka和Kb分别为：

式中：Ej和Hj分别为第j个RPV 发电、用电客户；Go为第o个RPV 客户特征指标。

式（9）中的RPV 客户标准贡献度即为互信共识标识积分评估基准分，分值为60。在此基础上，计算RPV 发电、用电客户的贡献度，贡献度评分的取值范围为0～100。设RPV 发电、用电客户的特征指标分别为Em和Hm，沿用式（9）、式（10）中的贡献度统计函数，RPV 发电、用电客户的贡献值Ke和Kh分别为：

式（11）和式（12）中，若RPV 发电、用电客户的评分分值超过100，则按100 分统计。

本文举例的RPV 运营商参照RPV 行业协会标准制定了RPV 发电、用电客户的互信共识标识积分等级和基准电价上下浮动调整比例策略，该策略在RPV 行业具有通用性，如附录A 表A2 所示。其中，RPV 交易电价浮动范围在省级发改委的调整范围内，且RPV 最高交易电价不得超过省级发改委公布的目录电价。

2.2 RPV 交易模型

2.2.1 RPV 运营商收益

新能源上网电价按燃煤基准价执行，参照中国国家发改委的要求［23］，RPV 运营商参照省级发改委政策［24］制定了RPV 发电基准价，并约定RPV 发电电价的浮动范围为基准价的-15%～10%。在此基础上，RPV 运营商根据RPV 交易市场特点，将RPV发电客户发电电价浮动范围控制在基准价的-8%～10%；将RPV 用电客户的用电电价浮动范围控制在基准价的-8%～5%。同时，对RPV 发电客户发布的交易信息进行收益综合分析，判断当次交易是否执行信用积分等级电价。

设当日RPV 运营商的交易时长为ta，当地发改委规定的RPV 上网基础电价为j(ta)，规定的第nf类用电客户电价为l(ta，nf)，则用电客户的销售电价集合l(ta)为：

RPV 发电、用电客户数量沿用式（5）、式（6）中的数据，则RPV 运营商的收益Wc为：

式中：lia(ta)为第ia个RPV 用电客户的销售电价；Pc，ib为第ib个RPV 发电客户上网已消纳的电量；jib(ta)为第ib个RPV 发电客户上网电价；Pd，ia为第ia个RPV 用电客户消纳的电量；Wa为RPV 运营商的运营成本；Wb为RPV 综合线损。若式（14）中RPV运营商的收益大于固定配电电价收益，则执行信用积分等级电价，否则，将省级发改委制定的发电基准电价作为基准交易电价，RPV 运营商收取固定配电电价。

2.2.2 RPV 交易定价

静态贝叶斯博弈模型是一种不完全的信息博弈模型，其在博弈过程中至少有一个参与者在进行决策时对其他参与者的策略掌握不完整［25］。在RPV交易中，RPV 发电和用电客户之间并不清楚对方的价格策略。因此，选择静态贝叶斯博弈模型作为RPV 交易定价的模型。

在RPV 定价过程中，RPV 运营商、RPV 发电客户和RPV 用电客户组成了三方参与的静态贝叶斯博弈模型，其中RPV 运营商是博弈中的主要参与方，RPV 发电客户和RPV 用电客户是博弈中的次要参与方。RPV 运营商首先按照省级发改委政策制定发电基准价和配电电价作为RPV 基准交易电价。然后，RPV 发电客户根据发电收益和RPV 用电客户互信共识标识积分进行报价决策，RPV 用电客户根据最小用电成本和RPV 发电客户的互信共识标识积分进行购买价决策。最后，RPV 运营商根据RPV 发电、用电客户的决策和互信共识标识积分对自身的利润进行评估，再对定价进行调整，直至纳什均衡［26］。

设Zb，nc为RPV 发 电 客 户 的 最 高 报 价，则RPV发电客户的报价策略集合Zb为：

设Zc，nd为RPV 用 电 客 户 的 最 高 购 电 价 格，则RPV 用电客户的购电策略集合Zc为：

RPV 基准交易定价Md为：

式中：Za为静态博弈中的主要参与方RPV 运营商定价策略；δa为RPV 发电客户的互信共识标识；Wd为RPV 发电收益；δb为RPV 用电客户的互信共识标识；Bic为RPV 用 电 客 户 在 时 段ic内 的RPV 用 电 量选择。RPV 运营商收益采用式（14）中的Wc。

式（17）博弈的过程中，RPV 发电客户希望获得更多的发电收益和互信共识标识积分；RPV 用电客户希望减少RPV 购电成本并增加互信共识标识积分；RPV 运营商则希望获得更高的收益。因此，该静态贝叶斯博弈的纳什均衡即为RPV 基准交易定价的最优值。

严格凸函数是一种在某个向量空间的凸子集上定义的实值函数。当该函数的一阶导数为0、二阶导数小于0 时，存在极大值［27］。因此，本文选择严格凸函数作为RPV 用电客户最大购电策略的验证函数。

为验证式（17）中纳什均衡的可行性，需证明在不同的RPV 基准交易定价下RPV 用电客户均有消纳电量最大的购电策略，即RPV 用电客户消纳电量Pd的一阶导数为0，RPV 发电客户发电量的二阶函数值小于0。

设RPV 用电客户的收益为We，综合线损、RPV发电客户上网电量分别为Wf和Pf，则

式（18）即为RPV 用电客户严格凸函数的一阶导数。其中，RPV 用电客户的用电量等于RPV 发电用户上网电量与线损的差。

设第ih个RPV 用电客户更新的RPV 交易电价为Me，ih，第ih个RPV 用 电 客 户 收 益 为We，ih，第ih个RPV 用电客户交易电价积分等级可调因子为Δgih，则RPV 用电客户消纳的最大电量Pd，max为：

RPV 发 电 客 户 最 大 收 益Wd，max为：

最后，求解RPV 发电客户的二阶导数小于0。设二阶导数为γ，则RPV 发电客户收益的二阶导数为：

式中：Me为RPV 用电客户更新的RPV 交易电价；Δg为交易电价积分等级可调因子。由式（21）可见，RPV 发电收益Wd是价格严格凸函数的凸出侧，且二阶导数小于0，故RPV 发电收益Wd有最大值。因此，通过严格凸函数求解静态贝叶斯博弈纳什均衡可获得RPV 基准交易定价的最优值。

设省级发改委制定的下浮15%的RPV 发电基准电价为Me，目录电价为Mh，RPV 积分奖励标准为上浮Δe，则RPV 基准交易定价Md的约束条件为：

式（17）中，互信共识标识用于标记RPV 发电、用电客户的信用积分与等级。RPV 运营商在式（11）和式（12）的基础分值上，按照RPV 行业协会的典型值制定了积分等级电价可调因子、偏差考核标准等客户互信共识标识积分调整内容，如附录A 表A3 所示。

2.2.3 RPV 交易执行及结算

所设计的RPV 交易策略根据附录A 表A3 进行客户互信共识标识积分调整，交易的周期为日。同时，为避免RPV 发电、用电客户在积分等级达到一定级别后RPV 交易参与度降低的问题，在交易结算时，通过降低已获得RPV 交易电价优惠客户积分的方式，激励RPV 客户参与RPV 交易。

设RPV 发电客户根据负荷预测申报的上网电量为Ph，当日实际上网电量为Pk，则RPV 发电偏差Op为：

设RPV 用电客户申报的购买电量为Pr，当日实际购买电量为Ps，则RPV 用电偏差Oq为：

RPV 交易结算时，先根据积分兑换电价优惠金额，然后按附录A 表A3 的积分更新规则调整RPV发电、用电客户积分。设RPV 发电、用电客户使用积分兑换电价优惠金额大于RPV 运营商营销策略定期的阈值Δp时，积分分别扣减Δz1和Δz2。设RPV 发电、用电客户优惠的交易电量为Δk1，优惠电价为Δr1，且满足Δk1Δr1＞Δp条件，则积分调整为：

式中：Δs2为交易电量Δf2增加的标识分值；Δl2为交易电量Δj2增加的标识分值。

更新后，RPV 发电客户积分Kx、RPV 用电客户积分Ky分别为：

式中：Δs1为当日发电偏差超过Δf1扣减的标识分值；Δs4为电能质量偏差阈值Δf4扣减的标识分值；Δs5为RPV 异常解列Δf5扣减的标识分值；Δl1为当日用电偏差超过Δj1扣减的标识分值；Δl4为电费结算逾期天数Δj4扣减的标识分值；Δl5为电费缴纳及时阈值Δj5增加的标识分值。

3 算例分析

3.1 场景与参数设定

本文采用所提方法对某县域RPV 运营商进行基于互信共识标识的县域屋顶光伏消纳交易分析。选取的RPV 发电客户数量为42 762，RPV 用电客户数量为257 632，涉及配电变压器1 169 个，县域RPV 消纳的周期为2021 年7 月。附录A 表A3 中的初始分值依据RPV 行业协会的典型值设定，如附录A 表A4 所 示。

RPV 交易策略仅在RPV 发电出力时段内进行，RPV 光伏出力的时段为07：00—19：00，本文的初始RPV 基准交易电价参照文献［24］设定为0.401 2 元/（kW·h），上浮在10%以内，下浮在15%以内。配电基准电价设置为0.162 6 元/（kW·h）。在销售目录电价设置中，居民用电目录电价设置为0.592 4 元/（kW·h），工业及商业用电目录电价设置为0.635 2 元/（kW·h）。RPV 的交易电价为PRV 基准交易电价与配电基准电价之和，其中配电基准电价为RPV 运营商的运营收入。本文采用文献［15］中的RPV 零售双阶梯定价法进行比较，该方法计算速度快且准确率高。

算例运行的操作系统为Windows Server 2016，中央处理器为16 核心、32 线程，Intel 至强Gold 6246R，运行内存为64 GB，硬盘为20 TB。

3.2 算例运行结果与分析

3.2.1 RPV 客户分类准确率分析

RPV 客户分类准确率分析的目的是验证改进AP 聚类算法对RPV 发电、用电客户分析的正确性。RPV 客户分类准确率取值范围在0%～100%之间，数值越大，说明RPV 客户分类越准确。将附录A 表A1 的分类结果作为基准，分别采用K均值（Kmeans）聚类算法和本文所提的改进AP 聚类算法进行RPV 发电、用电客户分类，并将上述方法的分类结果与表A1 的范围进行比较，在范围内的数量与聚类总数的比值即为RPV 客户分类准确率。在算法参数设置方面，为避免AP 聚类算法振荡，改进AP 聚类算法的衰减系数设置为0.5。RPV 客户分类具体为：各选取2 000、3 000、4 000、5 000、6 000、7 000、8 000、10 000 个RPV 发电和用电客户，分别采用K-means 聚类算法和改进AP 聚类算法进行RPV 客户分类，并将结果与表A1 人工识别的结果进行对比，其对比一致的数量与聚类总数之比即为RPV 分类准确率，结果如附录A 表A5 所示。由表A5 可见，在不同RPV 发电、用电客户样本数量下，所提改进AP 聚类方法的分类准确率均高于Kmeans 聚类算法。

3.2.2 RPV 客户积分初始化分析

RPV 客户积分初始化分析的目的是通过对RPV 发电、用电客户的积分进行初始评分，以便RPV 运营商制定积分等级营销策略，提高RPV 运营商收益。RPV 贡献度评分的取值范围在0～100 分之间，60 分采用基准交易电价，超过60 分进行奖励，低于60 分进行惩罚。本文选择县域RPV 发电 客 户42 762 个、RPV 用 电 客 户257 632 个 进 行RPV 客户积分初始化分析，分析结果如附录A 表A6 所示。

3.2.3 RPV 交易定价分析

1）RPV 交易价格静态博弈

RPV 交易价格静态博弈分析的目的是验证RPV 运营商、RPV 发电和用电客户交易价格博弈结果的有效性。本文所提方法首先由RPV 运营商根据初始RPV 基准交易电价0.401 2 元/（kW·h）、配电基准电价0.162 6 元/（kW·h）制定基准的交易价格。然后，RPV 发电、用电客户根据收益、成本和互信共识标识积分进行决策，在此基础上RPV 运营商对定价进行调整，直至纳什均衡，博弈结果如图2所示。

图2 RPV 交易初始价格静态博弈图Fig.2 Static game diagram of initial price for RPV transaction

由图2 可见，在博弈次数达到28 左右时，RPV运营商、RPV 发电客户和RPV 用电客户交易价格趋于一致，即满足纳什均衡条件。

2）静态博弈影响分析

静态博弈影响分析是为了验证静态博弈次数对RPV 交易价格影响的波动情况。首先，对静态博弈次数与最优RPV 交易价格进行对比分析，验证静态博弈次数与最优交易价格之间的关系。然后，对静态博弈次数与RPV 交易价格波动进行分析。选择2021 年7 月11 日的RPV 数据，当日的RPV 交易价格变化了7 次，静态博弈最终次数与最优交易价格之间的关系如附录A 表A7 所示，静态博弈次数与RPV 交易价格变化关系如图A2 所示。

由附录A 表A6 可见，在7 次交易价格调整中，平均静态博弈30 次左右获得最优价格。由图A7 可见，在静态博弈之初，RPV 运营商为获得更多的利润，交易价格呈上涨趋势，随着静态博弈的进行，RPV 交易价格缓慢下降，最后维持在最优价格处。

3）RPV 交易价格变化分析

RPV 交易价格变化分析的目的是验证RPV 交易过程中的价格随市场需求而波动的情况。当RPV 发电功率供不应求时，RPV 交易价格高；当RPV 发电功率供过于求时，RPV 交易价格低。选择2021 年7 月1 日至10 日的RPV 数据进行分析，电价变动机制设定为2 次/h。RPV 交易价格变化如附录A 图A3 所示。由图A3 可见，在RPV 交易运行第1 日，数据为初始化数据，所以RPV 交易价格偏低，第2 日至第10 日的RPV 交易价格较为接近。在RPV 发电功率较小的早、晚时段，RPV 电量供不应求，RPV 交易电价较高。在RPV 发电功率较大的中午时段，为提高RPV 发电消纳水平，通过减少RPV 电费的方式促进RPV 用电客户消耗更多的RPV 电能。此时间段内，RPV 运营商通过增加RPV 消纳电量来减少因RPV 电价下降带来的损失。

3.2.4 互信共识标识积分体系运行分析

互信共识标识积分体系运行分析的目的是验证所提方法应用后的运行效果。互信共识标识积分体系运行越好，则县域RPV 运营商收益越高。本文以RPV 用电客户为例进行分析。选择2021 年7 月1 日的RPV 用电客户数据进行分析，当日的交易电量为417.7 MW·h，RPV 用电客户积分扣减Δz1设置为2.9 分，Δz2设 置 为3.2 分，RPV 初 始 发 电 价 格 设 置为0.381 元/（kW·h），RPV 初 始 用 电 价 格 设 置 为0.552 元/（kW·h），运行结果如附录A 表A8 所示。

由附录A 表A8 可见，运营商收益在D日（7 月1日）和D+1 日均大于固定的配电电价，所以执行互信共识标识积分电价。在D日，RPV 用户交易完成后，享受电价优惠的RPV 发电、用电客户积分分别扣减Δz1和Δz2，扣减后RPV 等级用户数量发生了变化。在D+1 日交易后，RPV 运营商在上述2 日的平均收益均为179 元/（MW·h）。由此可见，扣减Δz1和Δz2的目的是保障RPV 运营商的电价平均收益不变。

3.2.5 RPV 负荷曲线变化

为验证所提方法应用后的RPV 消纳效果，使用2021 年7 月1 日 至5 日 的 县 域RPV 数 据 对RPV 负荷曲线变化进行分析。其中，1 日至5 日的日照辐射量分别为17.5、20.3、19.6、16.7、19.8 MJ/m2。应用所提方法进行县域RPV 消纳交易，并将2021 年7 月3 日的数据与采用模型前和双阶梯定价法进行比较，结果如附录A 图A4 所示。由图A4 可见，所提基于互信共识标识的县域RPV 消纳交易策略在RPV 负荷方面优于采用模型前和双阶梯定价法，即所提方法的RPV 消纳能力更好。

3.2.6 RPV 交易收益分析

2015 年，中国政府下发了深化电力体制改革的文件［28］，文件指出要向社会资本放开配售电业务。因此，本文举例的RPV 运营商参与电力交易的行为与供电公司售电存在竞争关系，RPV 运营商增大售电量后会挤占供电公司的市场份额。RPV 交易收益是衡量RPV 运营商、RPV 发电客户、RPV 用电客户经济效益的关键指标，相同的日照辐射量条件下，RPV 电量消纳越多，各方的经济效益就越好。

RPV 发电客户收益为RPV 上网电量收益，RPV 用电客户收益为使用RPV 电量较使用供电公司电量节约的成本，RPV 运营商的收益为配电电价收益与线损的差值。本文应用所提方法和双阶梯定价法在2021 年7 月进行RPV 电量交易，RPV 发电客户上网电量为12.68 GW·h，RPV 用电客户购买RPV 交易电量为12.09 GW·h，综合线损为4.65%，各方收益如表2 所示。

表2 RPV 交易收益分析Table 2 Income analysis of RPV transaction

由表2 可见，所提方法的RPV 电量消纳较双阶梯定价法多，且RPV 运营商、RPV 发电客户、RPV用电客户经济效益均优于双阶梯定价法。由此可见，所提方法充分地调动了RPV 用电客户的购电积极性，提高了县域RPV 光伏消纳水平。

4 结语

为解决当前县域RPV 消纳研究中存在的配电网改造成本过高和动态交易价格激励不足的问题，提出了基于互信共识标识的县域RPV 消纳交易策略。该策略在县域RPV 交易中引入了信用积分等级模式，RPV 运营商按照积分等级制定营销策略，对于信用积分等级高的RPV 发电、用电客户予以激励，反之则进行惩罚。算例在中国某县域RPV 运营商的42 762 个RPV 发电客户和257 632 个RPV 用电客户中进行实例运行，其运行结果表明所提方法能有效激励RPV 电量消纳。

所提的基于互信共识标识的县域RPV 消纳交易策略在大中型城市应用中还存在优化空间，后续研究将结合大中型城市的储能聚合商、空调聚合商对所提方法进行拓展。

附录见本刊网络版（http：//www.aeps-info.com/aeps/ch/index.aspx），扫英文摘要后二维码可以阅读网络全文。