CN106803171A - 考虑日前市场价和风电不确定性的月度合约市场购电方法 - Google Patents

Abstract

本发明涉及一种考虑日前市场价和风电不确定性的月度合约市场购电方法。考虑负荷预测电量、风电预测电量与预测偏差以及日前市场价格估计值，根据市场参与者在合约市场的报价确定合约市场购电价格，并根据供求关系估计日前市场价格，从而估计日前市场购电费用，根据风电功率预测偏差得到风电预测偏差费用的期望值，综合合约市场购电费用、日前市场购电费用估计值、风电预测偏差费用得到总费用，以总费用最小为目标建立合约市场购电优化模型。本发明反映出风电参与合约市场后风电不确定性的对月度合约交易影响，综合考虑合约市场购电费用、日前市场购电费用、风电偏差费用，从而能得到经济型更好的购电方案，给合约市场购电决策者提供一个更加合理的购电参考方案。

Description

考虑日前市场价和风电不确定性的月度合约市场购电方法

技术领域

本发明涉及电力市场分析领域，特别是针对电力月度合约交易市场，是一种考虑日前市场价和风电不确定性的月度合约市场购电方法。

背景技术

目前中国的风电产业发展迅速，但是由于风电的随机性、波动性和反调峰特性，导致弃风现象严重。目前主要在日前市场的预调度计划中考虑风电的不确定性，从而增加风电的接纳量，减少风电的弃风电量。然而中长期合约市场交易电量占电力交易电量的70％—80％，其月度合约电量的分解质量会影响到日前调度的难易程度，如果合约电量分解不当，可能导致日前市场中调峰容量不足，从而导致风电弃风增加。目前的电力月度合约市场交易机制仅仅是按照负荷预测值的一定比例确定购电量，然后再进行合约分解，且分解方案较为简单。目前合约市场中不仅没有考虑风电不确定性的影响，还忽略了月度合约市场、电量分解、日前市场之间的联系，不能有效的减少风电的弃风电量，还减弱了月度合约市场平稳电价的作用。在未来的电力市场中，为了促进风电发展，作为购电决策者，必然希望弃风最少、日前市场和合约市场的总购电费用最小。因此研究含风电的合约市场购电优化问题，得到最优的合约市场购电方案，具有实际的意义。

发明内容

本发明的目的在于提供一种考虑日前市场价和风电不确定性的月度合约市场购电方法，该方法综合考虑各种因素的影响，得到合约市场最优的购电策略，给购电决策提供参考。

为实现上述目的，本发明的技术方案是：一种考虑日前市场价和风电不确定性的月度合约市场购电方法，该方法根据市场参与者在合约市场的报价确定合约市场购电费用，并根据供求关系估计日前市场价格，从而估计日前市场购电费用，而后根据风电功率预测偏差得到风电预测偏差费用的期望值，综合合约市场购电费用、日前市场购电费用估计值、风电预测偏差费用得到总费用，以总费用最小为目标建立合约市场购电优化模型。

在本发明一实施例中，该方法具体实现步骤如下，

S1：提取合约市场各市场参与者报价参数、日前市场价格与电量需求关系数据、负荷预测电量数据、合约市场长期风电功率预测电量与预测偏差数据；

S2：建立含合约市场购电费用、日前市场购电费用估计值、风电预测偏差费用的合约市场购电优化模型；定义该模型：在新的电力市场环境下，电网企业既能够在合约市场中购电也能够到日前市场中购电；在日前市场中，峰、谷、平三个时间段的负荷差别较大，其电价差别也较大，因此为了简化分析，将一天分为峰、平、谷三个时间段；为了减少弃风，在设计各时间段月度合约市场电量时，不应只根据其预测值进行考虑，而是要根据风电预测值及其偏差进行优化，用数学函数表述如下：

上式中，F_total表示总费用，包含了合约市场购电费用、日前市场购电费用、风电预测偏差费用，F_total越大表示该购电方案的经济性越差；N_j表示合约市场参与竞价的发电厂数量；T表示该月的天数，k＝1,2,3分别表示一天中峰、谷、平三个时间段，表示第i台发电机的月度合约电量在第t天k时间段的分解电量；W_r.t.k表示第t天k时间段的日前市场购电电量；表示风电实际发电量与优化风电购电电量之差；表示合约市场的购电费用；f(W_r.t.k)表示日前市场的购电费用；为风电功率预测误差产生的额外费用；

S3：求总费用、合约市场最优购电策略。

在本发明一实施例中，所述步骤S2具体包括以下步骤：

S21：月度合约市场购电费用：在月度合约市场中，各发电厂商一般是申报月度合约电量和月度合约电价，然后交易中心按电价大小进行排序，然后根据月度合约购买电量W_h，按照边际机组价格进行统一出清，因此可以表示为：

其中，C_h表示月度合约市场出清价；

S22：日前市场购电费用：采用MCP出清方式，日前市场的购电费用可以表示为：

f(W_r.t.k)＝C_r.t.kW_r.t.k

在月度合约市场中，各发电厂商还未对日前市场进行报价，但是根据历史的报价参数能够估计各发电厂商的边际价格范围，从而能够预测日前市场的出清价格；在日前市场中，各机组的报价是根据机组出力的边际成本进行报价，因此日前市场的报价函数可以表示为：

Cr_.t.k＝(a_tP_t.k+b_t)m_k

其中，a_t、b_t分别表示第t天预测的日前市场报价参数，m_k表示一天中峰、谷、平三个时间段的报价系数，由于市场价格反映供求关系，在一天中不同时间段，其电量需求不同，其价格系数也不同；P_t.k表示在第t天k时间段的功率，在一天之中有峰、平、谷三个时间段，假设一个时间段内每个小时的功率相同，每个时间段有T_k个小时，对电量进行解耦可得P_t.k＝W_r.t.k/T_k；

S23：风电预测偏差费用：当风电实际输出功率大于预测值时，即时，此时需要下调火电机组出力或者弃风，而当风电实际输出功率小于预测值时，即时，需要上调备用，从而保证功率平衡，因此可以表示为：

其中，为风电上偏差电量；为风电下偏差电量；λ_p表示风电上偏差惩罚费用系数；λ_r表示风电下偏差备用费用系数；表示风电上偏差电量期望值，是通过风电功率预测值与预测偏差计算得到；表示风电下偏差电量期望值，是通过风电功率预测值与预测偏差计算得到。

在本发明一实施例中，所述步骤S3采用的约束条件有：月度合约市场各火电机组电量约束、总电量约束、日电量平衡约束、购电单位约束；

所述月度合约市场各火电机组电量约束表述如下：

所述总电量约束表述如下：

所述日电量平衡约束表述如下：

所述购电单位约束表述如下：

其中，为第i台发电机最大月度合约电量；为第i台发电机最小月度合约电量；表示第i台发电机在第t天k时间段分解电量；为月总负荷需求电量预测值；为风电月度总电量预测值；W_r为日前市场总购电量；表示第t天k时间段的负荷需求电量预测值；分别表示第i台发电机组的最大最小出力；表示第i台发电机组在第t天k时间段的出力。

相较于现有技术，本发明具有以下有益效果：在合约市场购电中考虑负荷预测电量、风电预测电量与预测偏差以及日前市场价格估计值，以合约市场购电费用、日前市场购电费用估计值、风电预测偏差费之和最小为目标，得到合约市场的最有购电方案；与传统的只按照一定比例的负荷预测值确定购电量，再进行合约分解的购电方法相比，能得到更优的购电方案。本发明提出的一种含风电省级电网月度合约市场购电优化方法，反映出风电参与合约市场后风电不确定性的对月度合约交易影响，综合考虑了合约市场购电费用、日前市场购电费用、风电偏差费用，从而能得到经济型更好的购电方案，给合约市场购电决策者提供一个更加合理的购电参考方案。

附图说明

图1为本发明的原理流程示意图。

具体实施方式

下面结合附图，对本发明的技术方案进行具体说明。

如图1所示，本发明的一种考虑日前市场价和风电不确定性的月度合约市场购电方法，该方法根据市场参与者在合约市场的报价确定合约市场购电费用，并根据供求关系估计日前市场价格，从而估计日前市场购电费用，而后根据风电功率预测偏差得到风电预测偏差费用的期望值，综合合约市场购电费用、日前市场购电费用估计值、风电预测偏差费用得到总费用，以总费用最小为目标建立合约市场购电优化模型；该方法具体实现步骤如下，

S1：提取合约市场各市场参与者报价参数、日前市场价格与电量需求关系数据、负荷预测电量数据、合约市场长期风电功率预测电量与预测偏差数据；

S2：建立含合约市场购电费用、日前市场购电费用估计值、风电预测偏差费用的合约市场购电优化模型；定义该模型：在新的电力市场环境下，电网企业既能够在合约市场中购电也能够到日前市场中购电；在日前市场中，峰、谷、平三个时间段的负荷差别较大，其电价差别也较大，因此为了简化分析，将一天分为峰、平、谷三个时间段；为了减少弃风，在设计各时间段月度合约市场电量时，不应只根据其预测值进行考虑，而是要根据风电预测值及其偏差进行优化，用数学函数表述如下：

上式中，F_total表示总费用，包含了合约市场购电费用、日前市场购电费用、风电预测偏差费用，F_total越大表示该购电方案的经济性越差；N_j表示合约市场参与竞价的发电厂数量；T表示该月的天数，k＝1,2,3分别表示一天中峰、谷、平三个时间段，表示第i台发电机的月度合约电量在第t天k时间段的分解电量；W_r.t.k表示第t天k时间段的日前市场购电电量；表示风电实际发电量与优化风电购电电量之差；表示合约市场的购电费用；f(W_r.t.k)表示日前市场的购电费用；为风电功率预测误差产生的额外费用；

S3：求总费用、合约市场最优购电策略。

在本实施例中，所述步骤S2具体包括以下步骤：

S21：月度合约市场购电费用：在月度合约市场中，各发电厂商一般是申报月度合约电量和月度合约电价，然后交易中心按电价大小进行排序，然后根据月度合约购买电量W_h，按照边际机组价格进行统一出清，因此可以表示为：

其中，C_h表示月度合约市场出清价；

S22：日前市场购电费用：采用MCP出清方式，日前市场的购电费用可以表示为：

f(W_r.t.k)＝C_r.t.kW_r.t.k

在月度合约市场中，各发电厂商还未对日前市场进行报价，但是根据历史的报价参数能够估计各发电厂商的边际价格范围，从而能够预测日前市场的出清价格；在日前市场中，各机组的报价是根据机组出力的边际成本进行报价，因此日前市场的报价函数可以表示为：

C_r.t.k＝(a_tP_t.k+b_t)m_k

其中，a_t、b_t分别表示第t天预测的日前市场报价参数，m_k表示一天中峰、谷、平三个时间段的报价系数，由于市场价格反映供求关系，在一天中不同时间段，其电量需求不同，其价格系数也不同；P_t.k表示在第t天k时间段的功率，在一天之中有峰、平、谷三个时间段，假设一个时间段内每个小时的功率相同，每个时间段有T_k个小时，对电量进行解耦可得P_t.k＝W_r.t.k/T_k；

S23：风电预测偏差费用：当风电实际输出功率大于预测值时，即时，此时需要下调火电机组出力或者弃风，而当风电实际输出功率小于预测值时，即时，需要上调备用，从而保证功率平衡，因此可以表示为：

其中，为风电上偏差电量；为风电下偏差电量；λ_p表示风电上偏差惩罚费用系数；λ_r表示风电下偏差备用费用系数；表示风电上偏差电量期望值，是通过风电功率预测值与预测偏差计算得到；表示风电下偏差电量期望值，是通过风电功率预测值与预测偏差计算得到。

在本实施例中，所述步骤S3采用的约束条件有：月度合约市场各火电机组电量约束、总电量约束、日电量平衡约束、购电单位约束；

所述月度合约市场各火电机组电量约束表述如下：

所述总电量约束表述如下：

所述日电量平衡约束表述如下：

所述购电单位约束表述如下：

其中，为第i台发电机最大月度合约电量；为第i台发电机最小月度合约电量；表示第i台发电机在第t天k时间段分解电量；为月总负荷需求电量预测值；为风电月度总电量预测值；W_r为日前市场总购电量；表示第t天k时间段的负荷需求电量预测值；分别表示第i台发电机组的最大最小出力；表示第i台发电机组在第t天k时间段的出力。

较佳的，在本实施例中，所述步骤S3以包含合约市场购电费用、日前市场购电费用、风电预测偏差费用的单目标模型，通过量子粒子群优化算法得到合约市场最有的购电方案。

以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。

Claims (4)

1.一种考虑日前市场价和风电不确定性的月度合约市场购电方法，其特征在于：该方法根据市场参与者在合约市场的报价确定合约市场购电费用，并根据供求关系估计日前市场价格，从而估计日前市场购电费用，而后根据风电功率预测偏差得到风电预测偏差费用的期望值，综合合约市场购电费用、日前市场购电费用估计值、风电预测偏差费用得到总费用，以总费用最小为目标建立合约市场购电优化模型。

2.根据权利要求1所述的考虑日前市场价和风电不确定性的月度合约市场购电方法，其特征在于：该方法具体实现步骤如下，

S1：提取合约市场各市场参与者报价参数、日前市场价格与电量需求关系数据、负荷预测电量数据、合约市场长期风电功率预测电量与预测偏差数据；

S2：建立含合约市场购电费用、日前市场购电费用估计值、风电预测偏差费用的合约市场购电优化模型；定义该模型：在新的电力市场环境下，电网企业既能够在合约市场中购电也能够到日前市场中购电；在日前市场中，峰、谷、平三个时间段的负荷差别较大，其电价差别也较大，因此为了简化分析，将一天分为峰、平、谷三个时间段；为了减少弃风，在设计各时间段月度合约市场电量时，不应只根据其预测值进行考虑，而是要根据风电预测值及其偏差进行优化，用数学函数表述如下：

$F_{total}=min\underset{t=1}{\overset{T}{\Σ}}\underset{k=1}{\overset{3}{\Σ}}\[\underset{i=1}{\overset{N_j}{\Σ}}f\left(W_{h.t.k}^i\right)+f\left(W_{r.t.k}\right)+f\left({\mathrm{\ΔW}}_{w.t.k}^o\right)\]$

上式中，F_total表示总费用，包含了合约市场购电费用、日前市场购电费用、风电预测偏差费用，F_total越大表示该购电方案的经济性越差；N_j表示合约市场参与竞价的发电厂数量；T表示该月的天数，k＝1,2,3分别表示一天中峰、谷、平三个时间段，表示第i台发电机的月度合约电量在第t天k时间段的分解电量；W_r.t.k表示第t天k时间段的日前市场购电电量；表示风电实际发电量与优化风电购电电量之差；表示合约市场的购电费用；f(W_r.t.k)表示日前市场的购电费用；为风电功率预测误差产生的额外费用；

S3：求总费用、合约市场最优购电策略。

3.根据权利要求2所述的考虑日前市场价和风电不确定性的月度合约市场购电方法，其特征在于：所述步骤S2具体包括以下步骤：

S21：月度合约市场购电费用：在月度合约市场中，各发电厂商一般是申报月度合约电量和月度合约电价，然后交易中心按电价大小进行排序，然后根据月度合约购买电量W_h，按照边际机组价格进行统一出清，因此可以表示为：

$f\left(W_{h.t.k}^i\right)=C_h{W}_{h.t.k}^i$

其中，C_h表示月度合约市场出清价；

S22：日前市场购电费用：采用MCP出清方式，日前市场的购电费用可以表示为：

f(W_r.t.k)＝C_r.t.kW_r.t.k

在月度合约市场中，各发电厂商还未对日前市场进行报价，但是根据历史的报价参数能够估计各发电厂商的边际价格范围，从而能够预测日前市场的出清价格；在日前市场中，各机组的报价是根据机组出力的边际成本进行报价，因此日前市场的报价函数可以表示为：

Cr_.t.k＝(a_tP_t.k+b_t)m_k

其中，a_t、b_t分别表示第t天预测的日前市场报价参数，m_k表示一天中峰、谷、平三个时间段的报价系数，由于市场价格反映供求关系，在一天中不同时间段，其电量需求不同，其价格系数也不同；P_t.k表示在第t天k时间段的功率，在一天之中有峰、平、谷三个时间段，假设一个时间段内每个小时的功率相同，每个时间段有T_k个小时，对电量进行解耦可得P_t.k＝W_r.t.k/T_k；

S23：风电预测偏差费用：当风电实际输出功率大于预测值时，即时，此时需要下调火电机组出力或者弃风，而当风电实际输出功率小于预测值时，即时，需要上调备用，从而保证功率平衡，因此可以表示为：

$f\left({\mathrm{\ΔW}}_{w.t.k}^o\right)={\mathrm{\λ}}_{p}E\left({\mathrm{\ΔW}}_{w.t.k}^{o+}\right)+{\mathrm{\λ}}_{r}E\left({\mathrm{\ΔW}}_{w.t.k}^{o-}\right)$

其中，为风电上偏差电量；为风电下偏差电量；λ_p表示风电上偏差惩罚费用系数；λ_r表示风电下偏差备用费用系数；表示风电上偏差电量期望值，是通过风电功率预测值与预测偏差计算得到；表示风电下偏差电量期望值，是通过风电功率预测值与预测偏差计算得到。

4.根据权利要求2所述的考虑日前市场价和风电不确定性的月度合约市场购电方法，其特征在于：所述步骤S3采用的约束条件有：月度合约市场各火电机组电量约束、总电量约束、日电量平衡约束、购电单位约束；

所述月度合约市场各火电机组电量约束表述如下：

$W_{min}^i\≤\underset{t=1}{\overset{T}{\Σ}}\underset{k=1}{\overset{3}{\Σ}}{W}_{h.t.k}^i\≤W_{max}^i$

所述总电量约束表述如下：

$W_h+W_r+W_w^f<W_L^f;$

所述日电量平衡约束表述如下：

$W_{h.t.k}+W_{r.t.k}=W_{L.t.k}^f-W_{w.t.k}^o-{\mathrm{\&Delta;W}}_{w.t.k}^o$

所述购电单位约束表述如下：

$P_{min}^i<P_{t.k}^i<P_{\max }^i$

其中，为第i台发电机最大月度合约电量；为第i台发电机最小月度合约电量；表示第i台发电机在第t天k时间段分解电量；为月总负荷需求电量预测值；为风电月度总电量预测值；W_r为日前市场总购电量；表示第t天k时间段的负荷需求电量预测值；分别表示第i台发电机组的最大最小出力；表示第i台发电机组在第t天k时间段的出力。