計及節能風險評估的隨機規劃購電模型

文 旭 顏 偉 王俊梅 鐘 璐 郭 琳 余 娟

計及節能風險評估的隨機規劃購電模型

文 旭1,2顏 偉1王俊梅3鐘 璐4郭 琳3余 娟1

（1. 重慶大學輸配電裝備及系統安全與新技術國家重點實驗室 重慶 400030 2. 國網重慶市電力公司電力科學研究院 重慶 401123 3. 國網重慶電網電力交易中心 重慶 400014 4. 國網重慶市電力公司江北供電分公司 重慶 401147）

針對確定性的節能評估無法完全滿足隨機環境下節能降耗管理工作的需要，在節能電力市場模式下建立了計及節能風險評估的電網公司隨機規劃購電模型。首先，考慮節能電力市場中市場交易網損和煤耗因素，建立了機組單位交易電量節能效益評估指標。在此基礎上，借鑒經濟學投資組合理論中半絕對離差風險的概念，考慮市場電價、水電機組電量生產和系統負荷電量需求的隨機性，建立了電網公司市場購電節能風險評估指標。然后，為實現電網公司市場購電節能風險的優化管理，在隨機規劃的理論框架內構建了計及節能風險評估的購電模型。模型采用內嵌目標相對占優和 Monte-Carlo隨機模擬技術的遺傳算法求解。最后，以某省級電網公司為例仿真驗證了所提節能風險評估指標與購電模型的有效性。

電力市場 節能風險 評估指標 購電模型 遺傳算法

1 引言

在能源緊缺的今天，節能降耗已納入國家戰略并成為國民經濟發展的約束性指標，對占全社會能耗較大比重的電力行業進行節能效益評估與管理，對節能降耗目標的實現具有重要的現實意義[1-2]。

理論上講，節能降耗與電力市場在優化資源配置、提高能源利用效率的目標一致。但在中國電力市場建設初期，由于各售電單位（機組或電廠）市場價格與能耗水平的分離且這種現狀將長期存在，有必要通過行政手段在市場模式中引入能耗因素才能盡可能兼顧經濟效益和節能效益目標的一致性，由此產生了節能電力市場的概念[2]。節能電力市場的本質是在能耗約束的前提下嵌入了對購電單位進行能耗考核的思想[2-8]，使得購電單位在追求經濟效益最大化的同時也盡可能在能耗較低的售電單位購電，從而為借助市場手段引導發電側節能降耗工作的開展，促進電力行業持續健康發展提供了一種極大可能。

在具有典型意義的僅發電側開放的節能電力市場模式下（本文的節能電力市場均特指該市場），作為購電單位的電網公司（省級電網公司）在期望的經濟和節能效益雙重目標下，根據本區域的負荷需求，代表電能用戶在市場電價、隨機性水電機組電能生產（本文以隨機性水電機組為例闡述隨機性綠色能源對節能效益的影響，下同）以及負荷需求等隨機因素影響的環境下，在多個機組中進行優化決策以追求最佳的經濟和節能效益[4,6,8]。針對電網公司購電經濟效益的評估指標，現有文獻從確定性到不確定性（風險）均取得了極其豐碩的研究成果[9-12]。而針對其節能效益的評估多采用能耗率（煤耗率）[2-3]、某一時段內的能耗量[4-7]以及單位交易電量節能量[8]等作為評估指標。這些指標均無法給出電網公司市場購電節能效益的風險信息。

實際上，在隨機因素影響的節能電力市場環境下，電網公司市場購電節能效益的實現本質上具有隨機性特征，且該隨機性隨著智能電網的建設呈逐漸增加的趨勢[13]。當節能電力市場中的隨機性因素造成電網公司在能耗較高的火電機組增加購電時，就可能導致電網公司期望的節能目標面臨無法完成的風險。該風險主要表現在以下兩個方面：

（1）當低能耗火電機組的市場電價隨機性導致風險價值超過電網公司的可接受程度時，為實現風險價值的合理規避，電網公司就極可能需在電價隨機性較低但能耗較高的火電機組增加購電。

（2）當隨機性水電機組電能生產減少或系統負荷需求增加導致系統負荷供需不滿足平衡條件時，為實現系統負荷供需平衡，電網公司就極可能需在能耗較高的火電機組增加購電。

另外，考慮市場電價和負荷電量的隨機性，文獻[14-16]建立了隨機規劃購電模型以實現經濟風險的管理，但沒有考慮隨機性綠色能源的影響；文獻[17]考慮了隨機性綠色能源對購電計劃節能評估的影響，但沒涉及到節能風險問題。

節能電力市場環境下節能效益風險的存在給電網公司市場購電節能效益的管理帶來嚴峻挑戰，目前未見有節能電力市場節能效益風險評估以及優化管理的文獻報道。基于此，本文重點以具有典型意義的中長期節能電力市場中的電量市場為背景，計及市場電價、隨機性水電機組電量生產和系統負荷電量需求等隨機因素對電網公司市場購電節能效益的影響，重點在以下兩個方面展開了創新性研究：①提出了電網公司市場購電節能效益風險評估指標；②構建了計及節能效益風險評估的隨機規劃購電模型。最后以某省級電網公司為例驗證了上述研究工作的有效性，所做研究為該領域的深入研究打下了基礎。

為論述方便，將現有文獻中市場交易期望的經濟效益（或投資費用）面臨的風險價值稱為經濟效益風險，簡稱經濟風險；將本文在節能電力市場環境下提出的電網公司市場購電期望的購電費用（或節能效益）面臨的風險損失稱為節能效益風險，簡稱節能風險。

2 電網公司市場購電節能風險評估指標構建

2.1 電網公司市場購電節能風險評估指標的定義方法

建立風險評估的指標是風險量化評估的前提[17]。其定義方法有以下兩種：第一種為在一定條件下發生行為主體遭受損失狀態的可能性，采用風險后果發生的概率來描述；第二種為由于各種隨機性因素導致行為主體可能遭受的損失，采用風險后果的嚴重程度來描述。其中第二種定義方法更符合風險指標定義的本質。

在節能電力市場環境下，經濟效益與節能效益的實現是電網公司市場購電面臨的雙重目標[2-8]。為此，以具有典型意義的中長期節能電力市場中的電量市場為背景，采用風險評估指標定義中的第二種方法，即以電網公司作為研究的行為主體，將市場電價、水電機組電量生產和負荷電量需求等作為影響電網公司市場購電節能效益實現的隨機性因素，將電網公司參與節能電力市場購電期望的總購電費用或者總節能效益（節煤量），可能面臨的節能損失嚴重程度作為節能風險度量指標，本文稱該指標為電網公司市場購電節能風險評估指標。鑒于總購電費用中包含了隨機性水電機組的購電費用，同時為體現不同電源類型對節能效益的貢獻程度，不失一般性，本文將該指標的評估對象設定為隨機性水電機組（以產定電）和常規火電機組。

2.2 機組單位交易電量節能效益評估指標的構建

為了建立電網公司市場購電節能風險評估指標的需要，同時也為了表征節能電力市場中作為售電單位的各機組對節能效益的貢獻程度，首先建立各機組單位交易電量節能效益評估指標。

在節能電力市場環境下，為便于將各機組對節能效益的貢獻程度進行比較，文獻[8]考慮煤耗因素提出了單位交易電量節能量指標，但忽略了交易網損；文獻[2,4,7]均將機組的煤耗和網損折算到市場報價中，但該方法可能會受到策略性報價的影響。為此在文獻[8]的基礎上，以電量結算在售電單位關口、網損由購電電網公司承擔的情形[7]，綜合考慮市場交易網損率和煤耗率，建立機組單位交易電量節能效益評估指標，推導如下。

設在節能電力市場環境下電網公司在機組k購買的電量為Wk，ρk為機組k的煤耗率，則Wk的煤耗量 Nk=ρkWk；再設機組k市場交易產生的網損率為αk，則電網公司實際購電獲得的電量 Wb=Wk(1-αk)；而 Wb在節能效益考核指標（該指標可為政府下達的指標，也可是電網公司結合政府下達的指標自主確定的指標[3]）對應的煤耗率ρb條件下其煤耗量Nb= ρbWb。根據單位交易電量節能量指標的定義[8]，節能電力市場環境下機組單位交易電量節能效益評估指標R可表示為式（1）表征了在節能電力市場環境下綜合考慮市場交易網損率和煤耗率后，各機組單位交易電量對節能效益的貢獻程度。

2.3 電網公司市場購電節能風險評估指標的構建

在節能電力市場環境下，可將電網公司市場購電總購電費用或者需要滿足的節能指標類比為總資產，從各機組購電獲得的節能效益看作投資回報。由此，節能電力市場中的電網公司市場購電節能問題本質上與經濟學中的投資組合理論[13]類似，故可借鑒該理論中的經濟風險評估指標來解決電網公司市場購電節能風險評估指標的構建問題。

目前，投資組合理論中度量經濟風險的評估指標大都能夠在一定程度上反映隨機性因素給投資者帶來的經濟風險，但也具有一定的局限性。均值-方差（mean-variance）最大缺點是不能體現風險向下的本質；半方差（semi-variance）雖然體現了風險向下的本質，但與均值-方差指標一樣依賴于收益率服從正態分布，而這在實際中較難滿足；風險價值（value at risk）與條件風險價值（conditional value at risk）的缺點是當損失分布不連續時不滿足一致性公理（coherent axiom），缺乏次可加性（subadditive），不適合對組合風險進行評估；絕對離差（absolute deviation）的缺點是當風險分布不連續時，不滿足次可加性，同時也沒反映出風險向下的本質[9-12,18]。

半絕對離差風險（semi-absolute deviation）風險向下的概念能夠體現市場交易風險的本質，且還具有一階矩存在和不嚴格要求損失分布情況的優點[18]，當其對購電組合進行經濟風險量化評估時，可表示為[13]

其中

式（2）、式（3）中，E[·]表示期望算子；pk、uk分別表示第 k個售電單位的收益率和收益率期望；Wk表示購電單位在第k個售電單位的購電量；K表示售電單位的個數。

由式（3）可見，半絕對離差經濟風險評估指標基本的物理內涵為：①度量的是購電組合的總風險；②高于期望值的收益率對購電單位不構成損失，反之則構成損失。

在節能電力市場環境下，由于市場電價、隨機性水電機組電量生產、負荷電量需求等隨機因素的存在，隨機性水電機組和常規火電機組的電量交易均具有隨機性[8,13]，從而導致電網公司市場購電節能效益的實現本質上也具有隨機性特征。基于此，借鑒半絕對離差經濟風險評估指標基本的物理內涵，電網公司市場購電節能風險的評估指標可構建如下式中，KH、KG分別表示水電和火電機組的臺數；RH,k、wH,k分別表示第k臺水電機組單位交易電量節能效益評估指標（該指標含義見式（10））和交易電量；RG,k、wG,k分別表示第k臺火電機組單位交易電量節能效益評估指標和交易電量。

由式（4）可知，所建的電網公司市場購電節能風險評估指標具有以下兩個明確的物理內涵。

（1）符合本文 2.1節對電網公司市場購電節能風險評估指標的定義。針對給定的購電組合，該指標可量化評估出電網公司期望實現的節能效益可能面臨的節能損失嚴重程度。

（2）體現了風險向下的本質。根據該指標，針對給定的購電組合高于期望節能效益的對電網公司市場購電不構成節能風險；反之則構成風險。

所建的節能風險評估指標繼承了半絕對離差經濟風險評估指標風險嚴重性程度的定義方法，符合節能風險的真實感受，也保留了其一階矩存在和不要求損失分布情況的優點，比較適合于購電組合優化問題的節能風險評估。由此，結合具體的節能電力市場交易模式，電網公司就可以通過建立計及節能風險評估指標的購電模型實現節能風險的管理。

3 計及節能風險評估的隨機規劃購電模型

3.1 建模背景及假設條件

在節能電力市場環境下，文獻[3]提出的省內月度競價市場的單購電方交易模式具有典型意義。該省內月度競價節能電力市場模式是電網公司在考慮節能效益考核指標約束、月度實際負荷需求以及年度交易計劃分解到月的基礎上，對滿足負荷需求的剩余電量進行集中競價的市場模式。結合該模式，電網公司就可在各競價售電單位（機組）提交的電價、電量以及能耗水平的基礎數據之上，通過優化購電組合實現經濟和節能效益的最大化（即社會福利最大化）[3]。由此，在該市場模式下建立計及節能風險評估的購電模型，以實現對電網公司市場購電節能風險管理策略的研究。鑒于其中市場電價、水電電量生產以及負荷電量需求等隨機變量的存在，可借鑒文獻[7,14-16]的建模思路在含機會約束的隨機規劃框架內建模。

不失一般性，模型作如下假設：①水電機組不參與市場競價且“以產定電”；②各機組的年度交易計劃已分解到月，模型中不再單獨表示[7,18]；③不嚴格區分峰平谷交易時段；④月水電電量服從均勻分布，月負荷電量、市場電價均服從正態分布[7]；⑤忽略網絡安全約束[10]。

3.2 模型的建立

在傳統的電力市場環境下，電網公司一般將期望的總購電費用及其對應的經濟風險均盡可能低作為目標函數。而在節能電力市場環境下，電網公司為了滿足節能效益考核的需要，其目標函數還應包括節能效益盡可能高以及本文提出的節能風險盡可能低。為突出研究重點，同時結合 2.1節對節能風險評估指標的定義，以購電費用、節能風險二者各自的期望值均盡可能低作為目標函數，將節能效益考核指標與經濟風險作為約束條件，以此體現社會福利的最大化。由此，模型的目標函數具體可表示如下

式中，uH,k表示第k臺水電機組的電價；uG,k表示第k臺火電機組的期望電價。

（1）節能效益考核指標機會約束

式中，Pr{·}表示{·}中事件成立的概率；JN、γ分別表示給定的節能效益考核指標以及該機會約束的置信水平。其中，JN既可為政府下達的指標，也可為電網公司結合政府下達的指標自主確定的指標。

（2）購電費用對應的經濟風險機會約束。以購電費用越限的概率來間接描述經濟風險，即式中，FY、β分別表示給定的購電費用上限值以及該約束的置信水平；pG,k表示第 k臺火電機組的隨機電價。據此，購電費用越限的概率（即經濟風險發生的概率）須小于（1-β）。

（3）負荷電量供需平衡約束為式中，αH,k、αG,k分別表示給定的水電和火電機組的市場交易網損率；D表示系統月負荷電量。

（4）各火電機組可售電量上下限約束為式中，wG,k,max、wG,k,min分別表示在第k個火電機組可售電量的上下限。

4 內嵌目標相對占有和Monte-Carlo隨機模擬技術的遺傳算法

所建模型為含機會約束的隨機規劃模型，由于很難將其中的機會約束式（7）和式（8）轉化為確定的等價類，同時考慮到遺傳算法具有極強的魯棒性，故可采用內嵌 Monte-Carlo隨機模擬技術的遺傳算法求解[7]。而針對模型為多目標模型的特點，為獲取其綜合最優解，將目標相對占優法（objective relative dominant method）引入到所提遺傳算法中，形成內嵌目標相對占優和 Monte-Carlo隨機模擬技術的混合遺傳算法。

4.1 基于目標相對占優的染色體適應度函數構造

針對一個多目標模型，文獻[19]利用遺傳算法求解時提出了目標相對占優法來獲取其綜合最優解，其基本思想是將種群中的各染色體分別根據每個子目標函數值排序，選取每次迭代過程中使得各子目標函數值最小且不為0的染色體作為各子目標函數的基點，然后再計算各染色體相對各基點的目標值之和（具體見式（12）），目標值之和最優的染色體即為每次迭代過程中的最優染色體，在滿足終止條件時最優染色體就為所求多目標模型的綜合最優解。據此，基于目標相對占優的染色體適應度函數可構造為

式中，A(xi)表示染色體xi的適應度函數；gj(xi)表示懲罰函數；ωj表示懲罰函數系數，若gj(xi)滿足約束則ωj為 0，否則不為 0，且約束越重要罰函數系數就越大；Ny表示需要判斷的總約束數；F(xi)表示染色體xi相對各基點的目標函數值之和，其表達式為

式中，fj(xi)表示染色體 xi對應的子目標函數 j的函數值；fj(xj_0)表示子目標函數 j的基點xj_0對應的函數值；Nj表示子目標函數的個數。

4.2 內嵌目標相對占優與Monte-Carlo隨機模擬技術的遺傳算法步驟

采用內嵌目標相對占優和 Monte-Carlo隨機模擬技術的遺傳算法求解所建模型。其中，為提高模擬技術的模擬效率采用了高效的拉丁超立方采樣技術。其主要步驟如下

（1）輸入原始數據。輸入節能效益考核指標、購電費用上限以及各售電單位（機組）市場電價、煤耗率等基礎數據，以及遺傳算法中要求的染色體（候選的購電方案）個數，交叉概率與變異概率等算法參數值。

（2）產生種群。首先根據式（10）隨機產生一組購電方案作為遺傳算法的初始種群，并基于式（9）對該初始種群的染色體進行啟發式調整，使得所有初始種群均滿足式（9）；再對各染色體采用拉丁超立方采樣技術檢驗各染色體是否滿足機會約束式（7）和式（8）。

（3）計算適應度值。找到本次迭代中使得各子目標函數值排序第一且不為0的染色體作為基點，再基于式（11）計算各染色體的適應度函數值。

（4）選擇操作。采用輪盤賭方法對種群中的染色體進行選擇操作。

（5）交叉和變異操作。對種群中的染色體進行交叉和變異操作得到新一代染色體，之后再利用拉丁超立方采樣技術檢驗其是否滿足機會約束式（7）和式（8）。

（6）收斂判據。重復步驟（3）～（5），直到達到給定的迭代終止判據為止，以求解過程中發現的綜合最優染色體作為最后的購電方案（各機組分配電量、購電費用、節能效益以及節能風險等信息）。

5 算例分析

5.1 基礎數據

為驗證所建的節能風險評估指標以及購電模型的有效性，現以某省級電網公司 2010年 7月的交易數據進行仿真。該月系統負荷電量期望值 4.58 GkW·h，標準差為期望值的2.0%；隨機性水電期望電量 0.51GkW·h，標準差為期望值的 10.0%，電價0.283元/kW·h；各火電機組與網外售電單位的電價均值、電價標準差、煤耗率、網損率、可交易電量等基礎數據見表1（A～E為網外售電單位，含火電和可調節水電，均視為網內火電參與優化）。其中，電價均值借鑒文獻[9]取年度交易合同電價，電價標準差參考文獻[12]設定；網內隨機性水電機組不參與市場競價，且“以產定電”[7]。

仿真參數設置：節能效益考核指標 42.0萬t（該指標相對負荷電量煤耗率 350.0g/kW·h確定）、購電費用上限 17.8億元、各機會約束置信水平均取92.0%。拉丁超立方采樣樣本數 300個。遺傳算法參數設置：種群規模80，最大迭代次數300，交叉概率 0.5，變異概率 0.3；迭代終止判據為最優染色體連續30代保持不變或達到最大迭代次數。

表1 各售電單位基礎數據Tab.1 Base data of electricity selling units

5.2 仿真分析

5.2.1 節能風險評估指標的有效性分析

隨機性綠色能源（風電、光伏等）的大規模接入、電力市場的快速發展以及電能用戶的多樣化，使得電量生產、市場電價和負荷需求的隨機性也顯著增加。為了驗證各隨機因素對節能風險的影響和所建的節能風險評估指標的有效性，基于 5.1節的基礎數據，利用所建的購電模型，分別設計如下三種典型仿真方案對電網公司市場購電方案中的節能風險進行分析。

方案 1：水電電量生產標準差從對應期望值的10.0%逐漸增加到18.0%。

方案2：將某低能耗火電 G的電價標準差從對應期望值的 30.0% 逐漸增加到37.0%[12]。

方案 3：將系統負荷電量標準差從對應期望值的2.0%逐漸增加到10.0%。

上述三種仿真方案的仿真曲線分別如圖1～圖3所示。

圖1 水電電量生產隨機性與節能風險的關系曲線Fig.1 Relationship between the production randomness and the energy-saving risks

圖2 市場電價隨機性與節能風險的關系曲線Fig.2 Relationship between the price randomness and the energy-saving risks

圖3 負荷電量隨機性與節能風險的關系曲線Fig.3 Relationship between the load randomness and the energy-saving risks

由圖 1～圖 3可知，隨著水電電量生產、市場電價以及負荷電量三者的隨機性分別逐漸增大，電網公司市場購電的節能風險也顯著增加。上述環境下節能風險增大的原因在于，各隨機因素的隨機性增大時，電網公司為了滿足市場購電經濟效益與經濟風險的協調或者負荷電量的供需平衡，導致其在高能耗機組購電的概率增加，從而使得半絕對離差節能風險也隨之增加。由此可見，所建立的節能風險評估指標能夠有效評估出隨機因素對電網公司市場購電節能風險的影響。

另一方面，由于隨機性綠色能源中水電電量一般服從均勻分布，風電電量服從指數分布[6,14]，均值-方差指標因嚴格要求隨機因素服從正態分布，故其無法描述節能風險；同時受剩余容量的影響，市場電價在某一范圍內存在明顯跳變，若采用風險價值和條件風險價值指標描述節能風險，由于該跳變造成的概率分布不連續問題使得對應的節能風險不滿足次可加性[20]，會導致最終的評估值出現嚴重偏差。反之，本文基于半絕對離差的概念構建的節能風險評估指標，由于不要求隨機因素服從某種特定分布且滿足次可加性，同時還繼承了半絕對離差風險向下的優點，故可有效避免上述問題，從而具有較大的應用價值。

5.2.2 節能風險管理策略分析

基于所建購電模型，設計如下五種仿真方案對電網公司市場購電節能風險的管理策略進行分析。

方案1：基于5.1節的基礎數據模擬仿真（即按照設定的節能電力市場隨機狀態進行模擬仿真）。

方案 2：與文獻[2-3]中確定性的購電模型類似，不考慮各隨機因素影響，在節能效益考核指標約束下僅以購電費用最小為目標進行購電決策。

方案 3：基于方案 1，采用文獻[7]的隨機規劃購電模型（為便于比較，忽略該文獻中網外售電單位電力與電量的耦合關系）進行模擬仿真。

方案4：基于方案1，將節能效益考核指標機會約束置信水平從92.0%增加到98.0%。

方案5：基于方案1，將節能效益考核指標從42.0萬t減少到40.0萬t。

鑒于購電費用約束的置信水平及上限值對節能風險的影響與方案 4、方案 5類似，限于篇幅在此省略。上述五種方案的仿真結果如表2所示。

表2 五種購電方案仿真結果比較

由表 2方案 1、方案 2可知，雖然購電方案 2（即文獻[2-3]中考慮確定性節能效益評估的購電模型）購電費用較本文所建模型降低了 0.072 3億元，節能效益也增加了 2.02萬t，但實際面臨的節能風險高出本文所建模型的3.57萬t。進一步由方案1、方案3可知，雖然文獻[7]考慮了隨機因素的影響，其購電費用較本文所建模型減少了 0.064 8億元，節能效益也增加了 0.7萬t，但節能風險卻增加了 1.87萬 t。可見，電網公司在市場購電中需充分考慮各隨機因素對節能效益的影響才能實現節能風險的有效管理。在電力行業節能降耗的要求越來越嚴厲，以及電量生產、市場電價和負荷需求的隨機性更加顯著的環境下，采用本文所建模型實現市場購電節能風險的管理更顯得尤為迫切。

由表2方案1、方案4可知，當節能效益考核指標機會約束置信水平值從 92.0%增加到 98.0%，節能效益降低了 0.57萬 t，節能風險降低了 1.354萬t，購電費用增加了0.081 3億元。可見，電網公司可結合自身對節能風險的接受程度，通過設定節能效益考核指標機會約束的置信水平實現節能風險的有效管理。

由表2方案1、方案5可知，當節能效益考核指標從 42.0萬t減少到 40.0萬t時，節能效益下降了1.75萬t，節能風險減少了 1.491萬t，購電費用減少了 0.162 1億元。可見，節能效益考核約束指標越寬松，電網公司市場購電的節能風險就越低、經濟效益就越好。電網公司（或者節能管理部門）應該結合各地區的實際情況合理設定節能效益考核指標，以實現經濟效益和節能風險的協調。

另外，綜合各仿真方案可知，本文所建模型不僅給出了購電費用和經濟風險信息，還給出了節能效益和節能風險信息，從而為省級電網購電決策的經濟性和節能性的協調提供了重要的參考信息。

需指出的是，在隨機環境下，電網公司在節能電力市場購電的節能風險具有客觀存在性，節能風險的降低是以犧牲電網公司的經濟效益或節能效益為代價的，一味地降低甚至消除節能風險其實并不可取。電網公司需結合節能形勢的發展以及自身需要做出理性決策，才能實現社會福利的最大化。

6 結論

在發電側節能電力市場環境下建立了電網公司市場購電節能風險評估指標，并構建了計及該指標的隨機規劃購電模型，研究結論如下：

（1）構建的電網公司市場購電節能風險評估指標，能夠有效地刻畫出節能風險的本質。該指標的建立將當前確定性節能評估擴展到了不確定性，為節能降耗的管理提供了新途徑。

（2）市場電價、綠色能源電量生產以及系統負荷電量的隨機性越大，電網公司市場購電節能效益面臨的節能風險也就越大，開展節能風險的評估與管理成為必然。

（3）計及節能風險評估的隨機規劃購電模型能為電網公司的購電決策提供節能風險參考信息，以及為節能風險的優化管理提供有效的控制策略。

[1] 譚忠富, 董力通, 劉文彥, 等. 發電機組污染排放約束下的電量互換合作博弈優化模型[J]. 電工技術學報, 2012, 27(5): 245-251.

Tan Zhongfu, Dong Litong, Liu Wenyan, et al. A cooperation game optimization model for energy generating interchange between power generation units with environmental emission constraint[J]. Transactions of China Electrotechnical Society, 2012, 27(5): 245-251.

[2] 耿建, 高宗和, 張顯, 等. 節能電力市場設計初探[J]. 電力系統自動化, 2007, 31(19): 18-21.

Geng Jian, Gao Zonghe, Zhang Xian, et al. A preliminary investigation on power market design considers social efficiency[J]. Automation of Electric Power Systems, 2007, 31(19): 18-21.

[3] 聶江洪, 曾偉民. 考慮節能降耗的湖北省電力市場模式設計[J]. 電力系統自動化, 2008, 32(18): 91-96.

Nie Jianghong, Zeng Weimin. Design for hubei province power market considering energy consumption and corresponding emissions saving[J]. Automation of Electric Power Systems, 2008, 32(18): 91-96.

[4] 魏學好, 李瑞慶, 陳宇晨. 具有節能減排內核的電力市場新模式[J]. 電力系統自動化, 2009, 33(15): 26-28.

Wei Xuehao, Li Ruiqing, Chen Yuchen. A new electricity power market model embedding core function of energy saving and emission reduction[J]. Automation of Electric Power Systems, 2009, 33(15): 26-28.

[5] 魯剛, 文福拴, 馬莉, 等. 節能細分電力市場模式[J]. 電力系統自動化, 2010, 34(10): 33-39.

Lu Gang, Wen Fushuan, Ma Li, et al. A segment model for energy-saving electricity markets[J]. Automation of Electric Power Systems, 2010, 34(10): 33-39.

[6] 溫麗麗, 劉俊勇. 混合系統中長期節能調度發電計劃的蒙特卡羅模擬[J]. 電力系統保護與控制, 2008, 36(24): 24-31.

Wen Lili, Liu Junyong. Monte Carlo simulation of medium and long-term generation plan in hybrid power system based on environmental economic dispatch[J]. Power System Protection and Control, 2008, 36(24): 24-31.

[7] 文旭, 顏偉, 王俊梅, 等. 考慮跨省交易能耗評估的區域節能電力市場與隨機規劃購電模型[J]. 電網技術, 2013, 34(11): 56-62.

Wen Xu, Yan Wei, Wang Junmei, et al. Regional energy-saving electricity market and stochastic programming power purchasing model considering assessment on energy consumption in trans-provincial transaction [J]. Power System Technology, 2013, 34(11): 56-62.

[8] 張世帥, 張學松, 王文, 等. 發電權交易下的節能減排指標設計及應用分析[J]. 電網技術, 2010, 34(11): 156-160.

Zhang Shishuai, Zhang Xuesong, Wang Wen, et al. Design and application analysis of two indices of energy-saving and emission-reducing based on generation right trading[J]. Power System Technology, 2010, 34(11): 156-160.

[9] 周明, 聶艷麗, 李庚銀, 等. 電力市場環境下長期購電方案及風險評估[J]. 中國電機工程學報, 2006, 26(6): 116-122.

Zhou Ming, Nie Yanli, Li Gengyin, et al. NI longterm electricity purchasing scheme and risk assessment in power markets[J]. Proceedings of the CSEE, 2006, 26(6): 116-122.

[10] 張宗益, 亢婭麗, 郭興磊. 基于譜風險度量的大用戶直購電組合模型分析[J]. 電工技術學報, 2013, 28(1): 266-271.

Zhang Zongyi, Kang Yali, Guo Xinglei. Model analysis of large consumers’ power purchase portfolio based on spectral measuer of risk[J]. Transactions of China Electrotechnical Society, 2013, 28(1): 266-271.

[11] 玉華, 周任軍, 韓磊, 等. 基于CVaR的風電并網發電風險效益分析[J]. 電力系統保護與控制, 2012, 40(4): 43-49.

Yu Hua, Zhou Renjun, Han Lei, et al. Analysis on risk and economic benefits of grid-connected wind farm based on CVaR[J]. Power System Protection and Control, 2012, 40(4): 43-49.

[12] 劉瑞花, 劉俊勇, 何邁, 等. 半絕對離差購電組合優化策略及風險管理[J]. 電力系統自動化, 2008, 32(23): 9-15.

Liu Ruihua, Liu Junyong, He Mai, et al. Power purchasing portfolio optimization and risk measurement based on semi-absolute deviation[J]. Automation of Electric Power Systems. 2008, 32(23): 9-15.

[13] 文旭, 顏偉, 黃淼, 等. 計及綠色能源出力不確定性的輸電網線損率概率評估[J]. 電力系統保護與控制, 2013, 41(1): 21-27.

Wen Xu, Yan Wei, Huang Miao, et al. Probabilistic transmission loss rate evaluation under green energy generation uncertainty[J]. Power System Protection and Control, 2013, 41(1): 21-27.

[14] 謝俊, 陳星鶯, 廖迎晨, 等. 構造供電公司最優購電分配策略的CCP方法[J]. 電力系統及其自動化學報, 2009, 19(3): 42-46.

Xie Jun, Chen Xingying, Liao Yingchen, et al. Optimal purchase allocation strategy for distribution companies based on chance constrained programming[J]. Proceedings o f the CSU-EPSA, 2009, 19(3): 42-46.

[15] 關勇, 王東海, 張蓉, 等. 基于機會約束規劃的購電商長期購電策略[J]. 電網技術, 2009, 33(13): 96-99.

Guan Yong, Wang Donghai, Zhang Rong, et al. Long-Term electricity purchasing strategy of energy purchaser based on chance-constrained programming[J]. Grid Power System Technology, 2009, 33(13): 96-99.

[16] 雷霞, 劉俊勇, 張力. 基于二層優化的配電網交易整合模型[J]. 電工技術學報, 2011, 26(2): 195-200.

Lei Xia Liu Junyong Zhang Li. Integrated model of ttrading in distribution net based on bilevel programming[J]. Transactions of China Electrotechnical Society, 2011, 26(2): 195-200.

[17] 李文沅. 電力系統風險評估: 模型、方法和應用[M].北京: 科學出版社, 2006.

[18] 徐緒松, 楊小青, 陳彥斌. 半絕對離差證券組合投資模型[J]. 武漢大學學報(自然科學版), 2002, 48(3): 297-300.

Xu Xusong, Yang Xiaoqing, Chen Yanbin. Portfolio model with semi-deviation risk measure[J]. Wuhan University Journal(Natural Science Edition), 2002, 48(3): 297-300.

[19] 林燁. 發輸電設備檢修計劃及其安全校核的優化方法[D]. 重慶: 重慶大學, 2011.

[20] 張富強, 周浩. 電力市場中的電價分布問題[J]. 電力系統自動化, 2006, 30(4): 22-28.

Zhang Fuqiang, Zhou Hao. Probability distribution of prices in electricity market[J]. Automation of Electric Power Systems, 2006, 30(4): 22-28.

A Stochastic Programming Power Purchasing Model Considering Energy-Saving Benefit Risk Assessment

Wen Xu1,2 Yan Wei1 Wang Junmei3 Zhong Lu4 Guo Lin3 Yu Juan1

（1. State Key Laboratory of Power Transmission Equipment & System Security and New Technology Chongqing University Chongqing 400030 China 2. State Grid Chongqing Electric Power on Electric Power Research Institute Chongqing 401123 China 3. Power Exchange Center of Chongqing Power Grid Chongqing 400014 China 4. Jiangbei Power Suuply Bureau of Chongqing Electric Power Corporation Chongqing 401147 China）

To respond to the situation that the deterministic energy-saving assessment can not fully meet the requirements of energy-saving management in stochastic environment, a novel stochastic programming power purchasing model of power grid corporation considering energy-saving benefit risk assessment in energy-saving electricity markets is presented in this paper. Firstly, considering transmission loss and coal consumption in trading，an energy-saving benefit assessment index of unit electric quantity is presented in energy-saving electricity markets; followed by an power purchasing energy-saving benefit risk index of power grid corporation which imports the concept of semi-absolute deviation risk in economics portfolio theory and considers the stochastic behavior of electricity price, hydroelectricity production and load demand in energy-saving electricity markets. Then, a power purchasing model of power grid corporation considering energy-saving benefit risk assessment is built in the framework of stochastic programming theory so as to meet energy-saving benefit risk optimal management in energy-saving electricity markets. The model is solved by a genetic algorithm embedded with Monte-Carlo simulation technique and objective relative dominant strategy. Finally, the simulation results of a real provincial power grid show the effectiveness of the proposed energy-saving benefit risk assessment index and power purchasing model.

Electricity market, energy-saving risk, assessment index, power purchasing model, genetic algorithm

TM73

文 旭 男，1980年生，博士，工程師，研究方向為電力系統優化運行與控制及風險評估，電力市場。

國家自然科學基金資助項目（51177178）和輸配電裝備及系統安全與新技術國家重點實驗室自主研究項目（2007DA10512710204）。

2013-06-03 改稿日期 2014-03-13

顏 偉 男，1968年生，教授，博士生導師，研究方向為電力系統優化運行與控制及風險評估，電力市場。