北京清能互联科技有限公司CTO 赖晓文出席论坛并发表主题演讲——《储能聚合虚拟电厂运营商业模式与关键技术》

以下为演讲实录：

我们是起源于清华大学的一家企业，几位来自于清华大学EILAB智慧能源实验室的老师和师兄弟一起创办了现在的公司，从2015年开始，公司进入到了产业运作中，我们创办这个企业的愿景是让每一度电更经济。公司传统的业务服务于电网公司，随着电力市场的建设，我们为电网提供市场机制设计、运营平台研发等技术支持，使整个能源经济运行达到社会效益最大化的一个效果；从发电企业和用户的角度，我们希望让发电企业获得更高的经济效益，让用户获得更低的用电成本。

公司的核心优势是产品体系贯穿了电力交易的上、中、下游整个链条，我们最初给电网公司提供比较传统的面向调度运行的一些软件平台，包括负荷预测、调度计划优化、潮流计算、安全校核、电网规划等方面。在电力市场环境下，为调度中心和交易中心提供市场交易规则的设计服务，现在公司已经为国内超过30家网省级以上的单位提供电力市场规则的设计咨询服务，以及提供由此延伸的市场培训、现货市场出清算法、模拟出清系统以及配套的市场风险防控机制设计等服务。

我们还为发电企业参与市场提供一系列咨询和软件平台的支撑，帮助他们在现货市场里面申报决策、获取更高收益。为能源用户提供投资规划的咨询分析服务，我们当前所处的市场环境包括两大特征，一是电价波动，二是新能源占比逐步提升，该环境下投资规划分析的逻辑跟传统模式相比有较大区别，我们可以结合市场化的优势来为用户提供投资规划分析咨询服务。除此之外，我们提供虚拟电厂平台开发、交易托管服务等能源互联一站式解决方案。

今天演讲的主题是储能聚合虚拟电厂的商业模式和关键技术。储能目前面临一个非常良好的发展趋势，但是缺乏详细的针对储能容量规划的测算研究。我们团队结合国内每个省份的负荷数据，构建了一个精确的小时级优化模型，进行了2025到2060年储能规模的测算分析，测算结果给出了未来2小时-10小时不同时长的储能需求。从储能规模需求的角度来看，短期短时长的储能占主导，但是随着新能源的占比越来越高，长时调节的问题越来越突出。储能未来的整体发展需求将聚焦于如何支撑长时储能的需要。

储能主要有发电侧、电网侧和用户侧三个典型的应用场景。发电侧储能目前的商业模式主要是根据新能源配储的要求，收取容量的补偿或者容量的租赁费，这是储能收益占比最大且稳定性最高的一种商业模式。在发电侧还有储能跟电源一起做联合调频的模式，早几年这种模式赚钱效益显著，在广东2018、2019年的时候，储能投资回收期只需要半年，但是调频毕竟是内卷的市场，规模量有限，所以目前来看电源端的火储联合调频已经失去了经济收益的吸引力。

电网侧独立储能收益来源主要有三类，一是独立储能可以作为共享储能为新能源提供容量租赁服务，根据我们的测算，容量租赁的收益大概会占到整个储能投资收益的一半。二是独立储能提供调频服务，可获得较为可观的经济收益，二次调频市场早期，如果有独立储能参与调频市场，赚钱效益明显，但独立储能量大以后又开始内卷起来，独立储能在二次调频这一部分的收益也会急剧下降。三是现货市场价差收益，我们希望现货市场峰谷价差能够拉大，独立储能通过一天两充两放获取相应的收益，根据目前国内几个主要现货省份的价格来做测算，现货的收益还较为有限。

用户侧的商业模式主要是峰谷套利和需量管理，经过我们的测算，用户侧的收益相对来说较为可观。这是由于电网代理购电使得峰谷价差水平较为稳定，且即使由售电公司代理购电，也有一个比较稳定的零售价格。

我今天要汇报的主题就是通过对用户侧的储能进行聚合，以虚拟电厂的形式参与到市场交易当中，通过虚拟电厂的运营使用户的负荷和储能能够更加高效地整合起来，从而为电网提供更大的价值，形成用户侧储能增量的收益。

虚拟电厂既是一个模式的问题，也是一个技术的问题，目前关注的首先是模式的问题。虚拟电厂的商业模式如何闭环是我们目前关注虚拟电厂最为核心的一个问题。虚拟电厂的作用是把无序变有序，如何把用户端的储能和用户端的负荷聚合在一起，使得原来不可控、不可调的负荷，通过加上灵活性的储能资源之后，变的可调、可控，甚至让用户负荷本身变成可调，这个是虚拟电厂想干的事情。我们从无序变有序的增量价值里面再谈如何分成收益。

如果把储能聚合成虚拟电厂去参与市场，其收益的组成可以分为五个部分：

第一，参与电能量市场。以前用户负荷由售电公司代理，以报量报价或报量不报价的模式参与电能量市场，但是以前的用户负荷对售电公司来说可调空间微小。有些地区进行了尝试，即售电用户和用户之间达成协议，用户在高价时减少用电量，为售电公司降低购电成本，额外获取的收益由二者分享。随着储能设施的应用，售电公司可以借助储能实现对用户负荷的可控干预，售电公司在参与电力现货市场时，可以结合日前和实时的价格信号，达到一个更高期望的收益场景。

第二，需求响应。需求响应和现货市场以及辅助服务市场有一定区别，需求响应往往在电网缺电的时候才会被触发。2021年至今，国内各省份缺电情况比较严重，电力安全保供不仅是国家电网和南方电网面临的重大主题，也是确保经济社会平稳运行的重要举措。需求响应的市场吸引力较大，这是由于响应度电的补贴额度很高。在电网供需关系紧张的时候，用户每响应一度电，国内各省的政策的补贴价基本在2-10块钱左右。然而由于补贴的总额度约束，需求响应无法常态化开展，一般是夏季以及部分冬季负荷高峰的时候触发，年度触发频率在几次到几十次不等。需求响应市场的优势是跟其他的交易品种解耦，可以单独形成一个收入来源。

第三，辅助服务市场。目前从虚拟电厂角度来看，调峰市场已经开展了较大规模的实际应用，而调频市场和备用市场虽然已有相应规则支撑，但在实际应用中仍刚起步。目前虚拟电厂具备一定成熟的技术能力去参与辅助服务市场，但是市场机制有待完善。实际情况看，国内的电网建设还是比较饱和，调峰确实是电网一个非常大的痛点，但在备用和调频方面，虚拟电厂应用的空间有限。如果我们能够用一种低成本投资的方式把用户侧的负荷快速地聚合起来参与辅助服务市场，将是一个很好的应用场景。

第四，需量管理。

第五，未来的分布式交易。整个虚拟电厂聚合起来，在同一个配网等级下，就地做一些分布式的交易，该应用模式实现还需要一段时间。

基于上述商业模式，结合国内第一批和第二批现货试点地区的市场规则可以看出，当前规则已有明确的虚拟电厂准入标准，聚合后调节的容量一般在1-10MW之间。以较为先进的山西和山东地区来看，它们的电力现货市场已经允许虚拟电厂参与报价。在辅助服务市场方面，浙江和南方区域等已经有了相应的虚拟电厂参与调频和备用的市场规则，但目前尚未开展大规模应用。

储能聚合虚拟电厂参与市场交易需要解决以下四大问题：

第一，资源的聚合分析。资源的聚合分析其一要解决的问题是如何将类型不同但能力相近的储能进行聚合，从而满足对应的交易品种指标要求。比如，需求响应需要的响应速率不高，那么可以选择性能一般的电池，如铅酸电池，而非锂电池；如果是现货市场15分钟级或者调频分秒级的需求，那么就需要较好性能的电池。其二需要解决的问题是单个个体进行叠加之后，形成的总体响应能力如何刻画。虚拟电厂聚合不是1+1等于2，不是2个1MW的储能加在一起就变成2MW的能力，由于储能自身具有多个荷电状态、运行安全等约束，储能聚合之后的可行域往往会小于所有储能容量之和。因此，如何刻画可行空间，如何厘清可行空间内任何一个点对应的两个储能分配占比，以及测算不同储能占比所映射的运行成本，均是进行虚拟电厂聚合分析需要解决的问题。

第二，市场电价预测问题。市场电价预测需要对不同交易品种的交易逻辑、市场规则进行深入的量化分析，筛选并识别影响市场价格的相关重要因素，并基于历史数据进行算法训练，得到准确的电价预测结果，这是后续市场申报的重要输入条件。

第三，市场申报问题。在考虑自身物理能力约束和市场价格信号的基础上，如何平衡虚拟电厂聚合商的经济效益最高和用户用电成本最低的问题，进行市场申报决策，是当前需要进行深入研究的关键问题。具体来说，由于聚合商和用户之间存在利益分配，且有相应考核规则，我们要根据每个市场不同的利益分配模式和考核规则去定义聚合商的经济效益最大化，且需兼容用户的利益诉求。因此，我们需要通过构建优化数学模型，决策聚合商申报给电网的调节能力，以及每一段调节能力对应的价格。

第四，调控指令的分解。1+1的单个个体聚合之后形成了1.8的申报容量，而市场的中标容量是1.5，如何将1.5的指令下发执行并保证最好的执行效果也是亟需深入研究的关键问题之一。这是一个多目标和多时序衔接的问题，由于日前市场和实时市场是有衔接关系的，因此在做调度优化时不能仅局限于某个时间段，而是从全天的角度出发，即实时市场的优化调度不能只看这一刻，还要考虑后续滚动调度的偏差。

根据上述的分析，我们提出了储能聚合虚拟电厂的一套运营技术架构。这个技术架构核心就是储能的MMS。储能BMS、PCS、EMS是大家所熟知的，我们将EMS通过边缘终端接入到整个MMS的控制模块里面来，MMS就是一个“承上启下”的中介。承上的意思是跟市场的调度中心和交易中心对接，实现价格申报和优化调度指令的接收。启下是经过计算之后把指令拆解到不同的储能模块里面执行，并从EMS提取市场申报所需要的数据进行聚合计算。即要在原来储能的传统的技术架构上加一个MMS模块完成整个电力交易的对接的问题。

接下来介绍上述四大问题中涉及到的四个核心技术。

第一，预测。从预测数据的角度来看，包括电价预测、负荷预测，如果储能和分布式光伏形成联合系统，还需进行光伏出力的预测。从预测时间尺度的角度来看，包括中长期预测和短期预测。除此之外，由于电价等边界条件对优化决策结果有着重要影响，而电价并不是一条单一曲线，因此还需要考虑收益最大化等目标条件，采用随机优化等方法进行多个场景的概率性预测。

第二，交易决策。交易决策重点解决几个问题，一是储能的物理模型构建，二是市场规则的建模，考虑市场申报、出清、利益分配以及考核等相关规则，将其进行量化建模，作为决策模型的重要基础。三是聚合市场交易决策，在形成每个储能的本体可行域之后，聚合形成面向虚拟电厂的整体可行域。

第三，调控指令的优化分解，背后是基于运筹优化的数学模型。我们提供几种目标的模式，包括均衡备用、寿命最优、经济最优等等，这些都可以根据需要的场景去做定义。在这些场景的定义之下，实现把调度中心给我们的指令去做有效的分发，同时满足日前和实时衔接的问题，满足储能的安全运行的要求等等。

第四，云边端的物联技术，这个是底层重要的PaaS层的基础。

我们团队做过的案例比较丰富，主要分以下几类：一是储能，储能是最可控的一个资源主体；第二类是通讯基站和充电桩，这两类是属于分布式的资源；第三类是做制冷和制热的设备，包括楼宇的空调以及大型的冷站；第四类是高耗能的大工业，包括钢铁行业、水泥行业等。

结合储能场景讲一下我们团队做的两个案例：

第一个案例是广东粤电售电公司，该公司投资建设了锂电池储能，使用权归售电公司所有。售电公司通过构建一个云平台聚合用户侧储能，接入到广东电网的调度中心，其接口关系比较简单，接口规范也比较标准。我们在储能站加装一个边缘网关，从EMS里面采数据，该网关和云平台做数据和指令的对接。

第二个案例是铁塔基站，该案例的储能主要是铅酸电池。由于铅酸电池荷电状态不可估，容量不可确定，同时要保证基站的运行安全，因此聚合建模需要充分考虑铁塔电池的管理要求。此外，还需要跟铁塔现有各类平台做接口，通过铁塔已有的平台数据了解蓄电池状态，对备电的蓄电池的充放电状态做指令干预。

以上就是我今天的分享，谢谢大家！