CN103489044A

CN103489044A - 一种面向智能电网的竞价发电风险控制方法

Info

Publication number: CN103489044A
Application number: CN201310442914.9A
Authority: CN
Inventors: 彭春华; 孙惠娟
Original assignee: East China Jiaotong University
Current assignee: East China Jiaotong University
Priority date: 2013-09-26
Filing date: 2013-09-26
Publication date: 2014-01-01
Anticipated expiration: 2033-09-26
Also published as: CN103489044B

Abstract

一种面向智能电网的竞价发电风险控制方法，该方法从发电方角度考虑发电商自身竞价行为对市场电价的实时影响，基于小波分解重构和微分进化支持向量机理论，建立新型的发电侧市场电价预测实时修正机制；然后基于发电侧市场电价预测实时修正模块及竞价风险量化评估模块，采用反馈补偿控制原理和快速PID增量式算法建立新型的竞价风险反馈补偿动态自适应控制机制，对竞价风险实现稳定可靠的动态自适应控制，并以此驱动交易日各时段竞报电价随机组出力联动优化，为智能电网中发电侧实现低成本投入的节能减排和低风险高收益的竞价上网提供关键的风险控制方法支持。本发明适用于发电侧在智能电网环境下的多目标优化竞价发电。

Description

一种面向智能电网的竞价发电风险控制方法

技术领域

本发明涉及一种面向智能电网的竞价发电风险控制方法，属发电经济运行技术领域。

背景技术

智能电网的本质是通过输配电网和用电设备的信息化、智能化与电力市场化，解决可再生能源并网和能源合理利用的问题。以低碳环保为重要目标的智能电网建设将深刻影响未来电力市场的发展模式，未来的电力市场将除了考虑经济性目标外，还应进一步重点考虑节能减排因素，即向所谓的“绿色电力市场”发展。另外，智能电网中电源结构也将发生重大调整，可再生能源的大量接入及其固有的不稳定性将导致系统对常规电能需求裕度总体下降并存在大幅波动性而很难预先确定。面对上述局面，常规发电机组的“竞价上网”必将面临一系列新的问题，其中竞价发电优化目标应多元化和竞价风险控制难度大这两个问题则显得尤为突出。

在传统电力市场中发电商竞价发电优化决策的目标一般仅是单一的追求售电利润最大化（或发电成本最低化）。从以往的相关研究来看，“竞价上网”的策略主要可分为边际成本竞价和成员行为博弈两大类。前者由于没有考虑市场杠杆效应导致报价常会严重偏离市场电价而易造成机组上网失败或利润无谓流失，后者由于一般需要对所有成员的内部市场行为信息进行完全获取而难以实际应用。目前更为科学可行的竞价策略是通过市场电价短期预测模型来判断交易日电价走势，确定各时段的报价参考基准，并基于此对机组各时段运行出力进行优化，制订最佳的分时段竞价发电计划，以实现交易日售电利润最大化。随着中国电监会明确公布要用市场机制促进节能减排，通过“竞价上网”实现能耗低、排放少、成本低的机组优先调度上网发电，以及《电网企业全额收购可再生能源电量监管办法》的发布实施，对于面向智能电网的“绿色电力市场”发电侧，传统的单纯以实现售电利润最大化为目标的竞价发电优化模型将难以满足要求。其中常规发电企业为提高市场竞争力，在竞价发电过程中必须进一步考虑节能减排，即竞价发电的优化目标必须多元化，而且这种多元化不仅体现为应增加节能减排目标，还应考虑低竞价风险目标。这是因为：一方面只有在竞价成功允许上网发电的前提下讨论节能减排和售电利润才有意义，而电力供需双方市场行为的不确定性导致市场电价波动的不确定性，使得竞价策略必然具有一定的风险性，而且一般存在着报价高则风险高、报价低则利润低的决策矛盾，必须在风险和利润之间进行优化折中；另一方面智能电网中风电、太阳能等大量可再生能源的接入必将使得未来电力市场面临新的挑战，这种挑战首先就表现在接入可再生电能的不稳定性将导致系统各时段所需常规电量难以准确预估，市场电量供需维持平衡难度显著加大，而市场电价对电量供需平衡又高度敏感，必将导致市场电价波动更加剧烈（比如目前在北欧电力市场中甚至推出了负电价制度），从而使得市场电价的预测难度显著加大。在我国智能电网发展初期可再生能源电量全额收购形势下，因市场电价不确定性增大而导致的更高竞价风险将主要由直接参与市场行为的常规发电商承担，在其竞价决策过程中不容回避。此外，由于机组运行过程存在爬坡速率限制、最少启停时间等诸多约束条件，发电机组在各时段的出力之间存在着显著的动态关联性，竞价发电不应仅在各时段内孤立优化，而必须在整个交易周期中进行全局总体优化。因此，为适应智能电网和电力市场的发展，构建一种面向智能电网的污染排放最少化、期望利润最大化并且竞价风险最低化的综合性全局动态多目标优化竞价发电模型对于发电侧具有相当重要的意义。然而，目前国内外对这方面的相关研究还很少，近年来大多是从电力系统的角度对环境/经济优化调度问题进行研究，并没能从发电方的角度考虑各时段机组出力与竞价间的协调联动优化，更没能考虑由于市场电价波动而引发的机组竞价上网风险因素。在文献中研究的机组经济运行模型虽初步考虑了污染排放及竞价风险，但只是将污染排放量折算成环境成本并入发电成本模型，再按预先设定好的竞价风险系数进行发电利润最大化，其本质上仍属于单目标优化，且在竞价风险系数计算中没有真实反映电价预测误差分布概率，更没能涉及智能电网中可再生能源接入对竞价风险影响的问题。目前真正意义上以少排放、低风险、高收益为综合目标对面向智能电网的竞价发电进行多目标优化的研究还未见开展。

上述多目标优化竞价发电建模的关键是必须解决在智能电网环境中如何对竞价风险进行量化评估和稳定控制的问题。竞价风险性可表述为竞价失败的可能性，当发电商报价高于实际市场出清电价时则会竞价失败，因此竞价风险可根据实际报价与预测电价间的差距及预测误差分析进行量化评估。通过对历史电价预测数据和实际值进行分时段比较和统计分析，一般可近似认为各时段预测误差会基本符合均值为零的正态分布，即时段i的市场出清电价将服从N(μ_i,σ_i ²)正态分布，其中μ_i为该时段市场出清电价预测值，σ_i ²为经统计分析得到的电价预测方差，则当发电商报价为p_i时，根据竞价失败（即p_i高于市场实际出清电价）概率计算（如图1所示），定义时段i的竞价风险系数r_i为：

r_{i} = F (p_{i} | μ_{i}, σ_{i}) = \frac{1}{σ_{i} \sqrt{2 π}} {&Integral;}_{- \infty}^{p_{i}} e^{- \frac{{(x - μ_{i})}^{2}}{2 {σ_{i}}^{2}}} dx

r_i代表竞价失败的可能性，取值范围在(0，1)之间，可用于对竞价风险进行量化评估。上式较好地体现了发电商可通过降低报价或提高电价预测精度两种途径以降低竞价风险，且报价一般不应高于电价预测值，否则竞价失败概率将会迅速增大。可见，市场电价预测的准确性会直接影响到竞价风险评估的可靠性。由于原本影响市场电价的因素已相当复杂，加之智能电网中可再生能源的比例大幅增大，则如前文所述，未来市场电价的预测难度将显著加大。同时，大量可再生能源接入电网还会导致系统可供常规发电的容量裕度总体下降，必然会使得各常规发电商的市场影响力普遍提升而不容忽视，即发电商竞价行为的改变将很可能会对市场电价造成明显的波动（发电商的这种市场影响力在传统区域型电力市场中也同样不容忽视），这进一步增加了智能电网环境中电价预测的复杂性。以往所研究的电价预测方法一般都是从购电方角度，根据历史电价和系统负荷等数据的时间序列进行预测，没有考虑当具有较大市场力的发电商改变竞价行为（各时段报价和电量）时对市场电价的实时影响作用，更没有考虑可再生能源并网对电价预测的影响。因此，在面向智能电网的电力市场中，发电商必须改进传统的市场电价预测方法，否则将会造成电价预测误差较大并直接导致对竞价风险评估不准。为此，发电商首先应充分利用智能电网高度信息化的优势，主动收集并融合历史电价和系统负荷数据，以及各节点的气候环境、可再生能源供需、设备运行状态等各类信息用于市场电价预测；同时还应充分考虑自身竞价行为对本区域市场出清电价的影响，在优化决策过程中根据竞价策略的调整实时对市场电价预测进行修正，以提高电价预测精度。在竞价风险能被合理评估前提下，即可通过不断调整和控制竞价风险水平驱动机组各时段出力和报价进行多目标联动优化。然而，在此过程中又会出现一个新的问题：由于竞价策略发生改变时要求发电商应实时修正电价预测值，而电价预测值的变化又将会引起竞价风险预估值的改变，若要控制竞价风险水平，则又必须再次调整竞价策略，如此循环往复，使得竞价风险控制成为较复杂的闭环动态修正过程。

发明内容

本发明的目的是，为解决电价预测及竞价风险评估存在的问题，本发明提出一种面向智能电网的竞价发电风险控制方法，建立面向智能电网的新型竞价策略风险反馈补偿机制，通过在优化调整常规机组出力时基于发电商市场影响力对预测电价进行动态修正，并自适应调整上网报价对竞价策略风险进行准确地控制，为多目标优化竞价发电寻优过程提供关键的技术支撑。

本发明的技术方案是，本发明通过建立新型的发电侧市场电价预测实时修正机制和竞价风险反馈补偿动态自适应控制机制，以提高电价预测精度和克服发电商市场力影响，实现对竞价风险的准确控制，进而通过竞价风险控制过程驱动机组各时段出力与电价进行联动优化，以灵活体现发电商污染排放、竞价风险和售电利润三者间的动态协调关系，为智能电网中发电侧实现低成本投入的节能减排和低风险高收益的竞价上网提供关键的风险控制方法支持。

针对智能电网中各常规发电商市场力普遍提升的新形势，本发明所构建的新型发电侧电价预测修正模型突破了以往从电网或购电方角度预测市场电价的模式，首次从发电方角度考虑发电商自身竞价行为对市场电价的实时影响作用，基于小波分解重构和微分进化支持向量机理论，并可融合智能电网信息流，实现更为准确的电价预测。

本发明面向智能电网的竞价发电风险控制方法主要包括发电侧市场电价预测实时修正和竞价风险反馈补偿动态自适应控制。

本发明发电侧市场电价预测实时修正方法如下：

发电侧市场电价预测实时修正机制针对智能电网中各常规发电商市场力普遍提升的新形势，突破了以往单纯从电网或购电方角度预测市场电价的模式，首次从发电方角度考虑发电商自身竞价行为对市场电价的实时影响作用，基于小波分解重构和微分进化支持向量机理论，并融合智能电网信息流，实现更为准确的电价预测；

所述发电侧市场电价预测实时修正机制首先利用金字塔算法将具有很强随机性的历史电价时间序列数据进行小波分解与重构后，得到多层不同频率的高频细节序列（D₁，D₂，D₃）和一个低频近似序列（A₃），以便增强规律性和可预测性；然后将所得的各分层历史电价序列分别融合发电商实时竞价、发电信息（竞报电价p和发电量q）和来自智能电网信息系统的系统负荷预测、气候环境、可再生能源供需等实时信息形成分层综合信息集；再基于上述分层综合信息集通过微分进化支持向量机（DE-SVM）分层进行模型训练和预测；最后将各层预测结果叠加后作为最终的出清电价预测值（μ）。

在采用DE-SVM分层进行模型训练和预测时，输入样本集除了包括分层历史电价序列外，还应包括发电商当时的竞报电价(p)和发电量（或平均出力q）以体现发电商市场影响力；进一步将来自高度发达的智能电网信息系统的系统负荷预测、气候环境、可再生能源供需等实时信息融入，则预测效果会更佳。

本发明风险反馈补偿机制如下：

所述竞价风险反馈补偿动态自适应控制机制针对智能电网市场环境中竞价风险控制难度大的问题，提出基于反馈补偿控制原理及采用快速PID增量式算法对竞价风险实现稳定可靠的动态自适应控制，并以此驱动交易日各时段竞报电价随机组出力联动优化，均衡实现少污染排放、低竞价风险、高发电利润等多个优化目标。

通过如图3所示的风险反馈补偿机制，根据竞价策略的变化，基于发电侧市场电价预测实时修正模块、竞价风险量化评估模块和反馈控制模块对风险系数(r)进行自适应控制，其中控制模块采用计算机控制技术中常用的快速PID增量式算法，控制目标为使风险系数偏差(e)近似为0。从而当改变机组输出功率(q)时可自动通过调整计划报价(p)将竞价风险性较准确地控制在风险优化水平(r_s)。这样，在竞价风险控制驱动下，当q优化调整时即可根据r_s准确地得到对应的计划报价(p)。因此，在多目标寻优过程中，若全日总共分n个时段，则每台机组的竞价发电方案只需采用各时段末的机组出力值和一个全日风险系数组成n+1位混合实数编码即可，而无需再考虑各时段报价，避免了采用2n+1位编码，可显著降低寻优复杂度。

本发明在有益效果是，本发明基于电价预测方差及竞价失败概率实现对竞价风险进行科学地量化评估；针对智能电网的电源结构重大调整和发展目标多元化，从新的视野基于竞价风险自适应控制过程驱动交易日各时段竞报电价随机组出力联动优化，可均衡实现少污染排放、低竞价风险、高发电利润等多个优化目标。新型的发电侧电价预测修正模型突破了以往从电网或购电方角度预测市场电价的模式，针对智能电网中各常规发电商市场力普遍提升的新形势，首次从发电方角度考虑发电商自身竞价行为对市场电价的实时影响作用，并融合智能电网信息流，可实现更准确的电价预测；首次提出采用反馈补偿控制原理对竞价风险进行动态自适应控制，不仅稳定可靠，还能显著降低多目标寻优的复杂度。

本发明通过竞价风险控制过程驱动机组各时段出力与电价进行联动优化，以灵活体现发电商污染排放、竞价风险和售电利润三者间的动态协调关系；采用快速PID增量式算法对竞价风险实现稳定可靠的动态自适应控制，建立电价预测实时修正和竞价风险反馈补偿机制，本发明中建立面向智能电网的新型竞价策略风险反馈补偿机制，通过在优化调整常规机组出力时基于发电商市场影响力对预测电价进行动态修正，并自适应调整上网报价对竞价策略风险进行准确地控制，为多目标优化竞价发电寻优过程提供关键的技术支撑。

本发明适用于多目标优化竞价发电寻优。

附图说明

图1为竞价风险分析示意图；

图2为发电侧电价预测修正模型框图；

图3为竞价风险反馈补偿机制示意图；

图4为某交易日市场边际电价与旋转备用电价预测值。

具体实施方式

本发明在某发电公司机组具体实施。

某发电公司的一台机组各项参数见表1。其中：a、b、c表示燃料成本曲线特性参数，g、h为阀点效应参数；K₀为汽机启动成本，K₁为锅炉完全冷却后的启动成本，τ为锅炉冷却时间常数，C_fa为平均固定成本，D为停机成本；α、β、γ、ξ、λ为机组有害气体排放系数（排放量函数为

），可根据该机组有害气体排放监测数据采用最小二乘法得到；q_max和q_min分别为机组输出功率上、下限，

和分别为发电机组最少开机时间和最少停机时间，R_d和R_u分别为机组在正常运行时出力下降和上升的最高速率，R₀和R₁分别为机组在启停时出力变化速率的下限和上限。该机组初始状态为：已连续运行了3小时，输出功率为200MW。要实现上述发电机组竞价发电的风险控制，采用本发明的具体实施方式如下：

表1 机组各项参数

第一步：基于历史电价时间序列数据，采用如图1所示的基于小波分解重构和微分进化支持向量机的发电侧电价预测实时修正模型，可得到交易日市场边际电价与旋转备用电价预测值如图4所示，各时段的电价预测方差如表2所示（其中σ_n为经统计分析得到电价预测方差）。

表2 电价预测方差

Hour	1	2	3	4	5	6
							σ($/MWh)	0.20	0.44	0.09	0.26	0.29	0.55
Hour	7	8	9	10	11	12
							σ($/MWh)	1.99	1.98	1.61	1.62	0.08	1.01
Hour	13	14	15	16	17	18
							σ($/MWh)	1.01	0.93	0.68	0.41	0.60	1.49
Hour	19	20	21	22	23	24
							σ($/MWh)	0.25	1.43	0.47	0.89	0.23	0.23

第二步：基于机组各项参数、各时段的电价预测方差和所提出的竞价风险量化评估模型分别建立以下竞价风险目标函数、发电利润目标函数和有害气体排放量目标函数，然后综合构建面向智能电网多目标优化竞价发电模型；

\min . v_{n} = F (p_{n} | μ_{n}, σ) = \frac{1}{σ \sqrt{2 π}} {&Integral;}_{- \infty}^{p_{n}} e^{- \frac{{(x - μ_{n})}^{2}}{{2 σ}^{2}}} dx

\begin{matrix} \min . - G (u, q) = - Σ_{n = 1}^{24} {xor (q_{n}, 0) [q_{n} p_{n} + (q_{\max} - q_{n}) r_{n} - C_{n}] \\ {- C}_{fa} - u_{n - 1} ({1 - u}_{n}) D - u_{n} (1 - u_{n - 1}) S} \end{matrix}

\min . E = Σ_{n = 1}^{24} {10^{- 2} ({αq}_{n}^{2} + {βq}_{n} + γ) + ξexp ({λq}_{n})}

第三步：根据机组第1时段的初始状态和各项约束条件，依次在约束范围内随机产生机组各时段末的出力值作为个体的前24位编码，并在(0,1)间随机产生竞价风险系数值作为第25位编码。则初始父种群U₀由随机产生的m个长度为25的实数编码个体组成。初始子种群S₀为空。计算U₀中所有个体的各目标函数值，然后采用双群多目标微分进化机制进行循环迭代寻优；

第四步：在寻优过程中，采用本发明中提出的竞价风险反馈补偿机制（如前图3所示）对竞价风险动态控制，驱动机组各时段出力与报价进行联动优化；

第五步：最终得到的父种群即为该机组多目标优化竞价发电的Pareto最优方案集，然后采用本发明提出的基于多目标满意度空间分析的总体最优解选取方法，从所得的Pareto最优方案集中自动选取出一个面向智能电网的总体最优竞价发电方案以供实施。

通过上述步骤，最终可得本实例的低竞价风险、少污染排放和高售电利润的多目标总体最优竞价发电方案为：

时段（h）	1	2	3	4	5	6
							出力(MW)	247.89	217.36	205.32	174.17	169.25	163.20

报价($/MWh)	25.59	20.56	23.55	22.14	22.35	24.70
							时段（h）	7	8	9	10	11	12
出力(MW)	167.85	237.85	307.85	333.09	350	230
							报价($/MWh)	37.60	43.79	44.50	47.07	48.29	41.49
时段（h）	13	14	15	16	17	18
							出力(MW)	190.62	167.85	237.85	286.93	240.47	310.47
报价($/MWh)	33.51	28.81	26.46	25.42	35.20	53.26
							时段（h）	19	20	21	22	23	24
出力(MW)	350	289.20	350	230	199.63	138.36
							报价($/MWh)	55.07	47.46	42.70	35.29	28.89	23.98

采用本发明方法所得到的多目标总体最优竞价发电方案的竞价风险系数为0.337，日期望利润为91458$，废气总排放量为10.024吨；而采用常规方法所得到的多目标总体最优竞价发电方案的竞价风险系数为0.487，日期望利润为87881$，废气总排放量为10.541吨。可见采用本发明方法，能实现以更低的竞价风险获得更高的发电收益，并同时能减少废气排放。

Claims

1.一种面向智能电网的竞价发电风险控制方法，其特征在于，通过建立新型的发电侧市场电价预测实时修正机制和竞价风险反馈补偿动态自适应控制机制，以提高电价预测精度和克服发电商市场力影响，实现对竞价风险的准确控制，进而通过竞价风险控制过程驱动机组各时段出力与电价进行联动优化，以灵活体现发电商污染排放、竞价风险和售电利润三者间的动态协调关系，为智能电网中发电侧实现低成本投入的节能减排和低风险高收益的竞价上网提供关键的风险控制方法支持；所述方法包括发电侧市场电价预测实时修正和竞价风险反馈补偿动态自适应控制；

所述控制方法的步骤为：

（1）基于历史电价时间序列数据，采用基于小波分解重构和微分进化支持向量机的发电侧电价预测实时修正模型，可得到交易日市场边际电价与旋转备用电价预测值和各时段的电价预测方差；

（2）基于机组各项参数、各时段的电价预测方差和竞价风险量化评估模型分别建立竞价风险目标函数、发电利润目标函数和有害气体排放量目标函数，然后综合构建面向智能电网多目标优化竞价发电模型；

（3）根据机组第1时段的初始状态和各项约束条件，依次在约束范围内随机产生机组各时段末的出力值 (n=1,2,…,24)作为个体的前24位编码，并在(0,1)间随机产生竞价风险系数值作为第25位编码；则初始父种群U ₀由随机产生的m个长度为25的实数编码个体组成；初始子种群S ₀为空；计算U ₀中所有个体的各目标函数值，然后采用双群多目标微分进化机制进行循环迭代寻优；

（4）在寻优过程中，采用竞价风险反馈补偿机制对竞价风险动态控制，驱动机组各时段出力与报价进行联动优化；

（5）最终得到的父种群即为该机组多目标优化竞价发电的Pareto最优方案集，然后采用基于多目标满意度空间分析的总体最优解选取方法，从所得的Pareto最优方案集中自动选取出一个面向智能电网的总体最优竞价发电方案以供实施。

2.根据权利要求1所述的一种面向智能电网的竞价发电风险控制方法，其特征在于，所述发电侧市场电价预测实时修正机制针对智能电网中各常规发电商市场力普遍提升的新形势，从发电方角度考虑发电商自身竞价行为对市场电价的实时影响作用，基于小波分解重构和微分进化支持向量机理论，并融合智能电网信息流，实现更为准确的电价预测；

所述发电侧市场电价预测实时修正机制，利用金字塔算法将具有很强随机性的历史电价时间序列数据进行小波分解与重构后，得到多层不同频率的高频细节序列（D _1， D ₂，D ₃）(D ₁,D ₂, D ₃)和一个低频近似序列（A ₃）(A ₃)，以便增强规律性和可预测性；然后将所得的各分层历史电价序列分别融合发电商实时竞价及、发电信息（竞报电价p和发电量q）和来自智能电网信息系统的系统负荷预测、气候环境、可再生能源供需实时信息，形成分层综合信息集；再基于上述分层综合信息集通过微分进化支持向量机（DE-SVM）分层进行模型训练和预测；最后将各层预测结果叠加后作为最终的出清电价预测值（μ）。

3.根据权利要求1所述的一种面向智能电网的竞价发电风险控制方法，其特征在于，所述竞价风险反馈补偿动态自适应控制机制针对智能电网市场环境中竞价风险控制难度大的问题，提出基于反馈补偿控制原理及采用快速PID增量式算法对竞价风险实现稳定可靠的动态自适应控制，并以此驱动交易日各时段竞报电价随机组出力联动优化，均衡实现少污染排放、低竞价风险、高发电利润等多个优化目标；

根据竞价策略的变化，对风险系数r进行自适应控制，其中控制模块采用计算机控制技术中常用的快速PID增量式算法，控制目标为使风险系数偏差e近似为0；从而当改变机组输出功率q时可自动通过调整计划报价p将竞价风险性较准确地控制在风险优化水平r _s；这样，在竞价风险控制驱动下，当q优化调整时即可根据r _s准确地得到对应的计划报价p；在多目标寻优过程中，若全日总共分n个时段，则每台机组的竞价发电方案只需采用各时段末的机组出力值和一个全日风险系数组成n+1位混合实数编码即可，而无需再考虑各时段报价，避免了采用2n+1位编码，可显著降低寻优复杂度。