基于賣方靈活電力合約的風(fēng)電中長(zhǎng)期交易策略

鄭亞先，武澤辰，王秀麗，張煒

(1.中國(guó)電力科學(xué)研究院，北京市 100192；2.西安交通大學(xué)電氣工程學(xué)院，西安市 710049)

基于賣方靈活電力合約的風(fēng)電中長(zhǎng)期交易策略

鄭亞先1，武澤辰2，王秀麗2，張煒2

(1.中國(guó)電力科學(xué)研究院，北京市 100192；2.西安交通大學(xué)電氣工程學(xué)院，西安市 710049)

風(fēng)力發(fā)電商在一些發(fā)達(dá)國(guó)家已作為獨(dú)立的主體參與電力市場(chǎng)交易。文章構(gòu)建了風(fēng)電交易的靈活電力合約模型，并提出了風(fēng)電商在中長(zhǎng)期市場(chǎng)基于賣方靈活電力合約的交易策略。風(fēng)電商可以在各階段開始時(shí)刻根據(jù)市場(chǎng)狀況和自身出力預(yù)測(cè)情況靈活安排階段內(nèi)各時(shí)段的合約電量，以使自身收益最大化。文章著重研究了合約電量的優(yōu)化決策問(wèn)題，提出了基于隨機(jī)動(dòng)態(tài)規(guī)劃的模型和求解方法。算例中使用時(shí)間序列法進(jìn)行風(fēng)速和電價(jià)的模擬和預(yù)測(cè)，通過(guò)幾種交易方案的比較，說(shuō)明賣方靈活電力合約能夠顯著提升風(fēng)電商的收益水平，同時(shí)有效控制收益風(fēng)險(xiǎn)。

電力市場(chǎng)；靈活電力合約；風(fēng)電交易；隨機(jī)動(dòng)態(tài)規(guī)劃

0 引 言

隨著風(fēng)電等可再生能源的蓬勃發(fā)展，其在電力系統(tǒng)中的發(fā)電滲透率不斷提高。截止至2015年底，我國(guó)風(fēng)電和光伏發(fā)電的累計(jì)并網(wǎng)裝機(jī)容量分別達(dá)到1.29億kW和0.43億kW，占我國(guó)總裝機(jī)容量的8.6%和2.73%[1-2]。

與傳統(tǒng)發(fā)電技術(shù)相比，可再生能源發(fā)電單位容量平均投資成本較高，尚無(wú)法在電力市場(chǎng)中與傳統(tǒng)發(fā)電相競(jìng)爭(zhēng)[3]。因此一些國(guó)家實(shí)施了一系列可再生能源發(fā)電激勵(lì)政策，如電價(jià)政策、項(xiàng)目投資補(bǔ)貼政策等。近年來(lái)，隨著可再生能源發(fā)電技術(shù)的不斷進(jìn)步，歐美各國(guó)紛紛減少可再生能源發(fā)電的電價(jià)補(bǔ)貼，允許或要求其參與電力市場(chǎng)競(jìng)價(jià)。在美國(guó)，有近25%的新增風(fēng)電通過(guò)競(jìng)爭(zhēng)性市場(chǎng)實(shí)現(xiàn)交易[4-5]。

目前關(guān)于風(fēng)力發(fā)電商參與電力市場(chǎng)的研究大多集中在短期市場(chǎng)[6-7]，通過(guò)為風(fēng)電商制定最優(yōu)的競(jìng)價(jià)策略減小風(fēng)電短期出力波動(dòng)帶來(lái)的收益損失，在現(xiàn)貨市場(chǎng)中實(shí)現(xiàn)利潤(rùn)最大化。這些研究成果在短期交易中起到了很好的效果，但風(fēng)電中長(zhǎng)期出力波動(dòng)與實(shí)時(shí)電價(jià)變化帶來(lái)的影響依然存在。文獻(xiàn)[8]提出了一種中長(zhǎng)期收益風(fēng)險(xiǎn)管理的風(fēng)電雙邊合約模型，然而固定的合約電量使得風(fēng)險(xiǎn)管理效果并不明顯。文獻(xiàn)[9]提出了一種合約電量可以動(dòng)態(tài)安排的靈活電力合約，并給出基于無(wú)套利準(zhǔn)則的合約定價(jià)方法。文獻(xiàn)[10]在文獻(xiàn)[9]的基礎(chǔ)上，引入分段競(jìng)價(jià)的思想，提出分段靈活電力合約，并給出定價(jià)方法。文獻(xiàn)[11]將靈活電力合約應(yīng)用于巴西電力市場(chǎng)，使用隨機(jī)動(dòng)態(tài)規(guī)劃進(jìn)行合約定價(jià)。文獻(xiàn)[12]提出了合約電量的最優(yōu)安排策略。

基于以上研究，本文將賣方靈活電力合約應(yīng)用于風(fēng)電交易。風(fēng)電商通過(guò)對(duì)實(shí)時(shí)電價(jià)和自身出力進(jìn)行有效預(yù)測(cè)，在合約交割的過(guò)程中靈活地安排合約電量，使自身收益達(dá)到最大，買電方則有義務(wù)按照風(fēng)電商確定的交割計(jì)劃接受供電。首先建立風(fēng)電靈活電力合約的交易模型，提出風(fēng)電商基于賣方靈活電力合約的交易策略。接著重點(diǎn)研究合約電量的優(yōu)化決策，提出基于隨機(jī)動(dòng)態(tài)規(guī)劃的求解算法。最后通過(guò)算例驗(yàn)證合約模型的有效性和算法的可行性。本文所提出的模型和算法可以為我國(guó)新一輪電力市場(chǎng)改革和新能源參與電力市場(chǎng)交易提供理論支持。

1 風(fēng)電靈活電力合約

1.1 合約模型

靈活電力合約是指由合約的買方或賣方根據(jù)自己的需要靈活制定交割計(jì)劃的電力雙邊合約[13]。文獻(xiàn)[9]提出了2種靈活電力合約：買方靈活電力合約和賣方靈活電力合約。買方靈活電力合約由買電方根據(jù)市場(chǎng)信息和自身用電需求決定合同有效期內(nèi)各時(shí)段的合約交易電量使自身效益最優(yōu)，賣電方有義務(wù)按照買方的交割計(jì)劃供電。賣方靈活電力合約由賣電方?jīng)Q定合約有效期內(nèi)各時(shí)段的交易電量使其供電成本最低，買方有義務(wù)按照賣方確定的交割計(jì)劃接受供電。本文所提出的風(fēng)電靈活電力合約基于賣方靈活電力合約構(gòu)建。

(1)

1.2 風(fēng)電商交易策略

本文所描述的市場(chǎng)環(huán)境是一個(gè)包括雙邊合約市場(chǎng)和實(shí)時(shí)市場(chǎng)2個(gè)子市場(chǎng)的分散式電力市場(chǎng)。風(fēng)力發(fā)電商作為價(jià)格接受者安排各市場(chǎng)中的交易電量，使自身效益最大化。由于本文研究的是中長(zhǎng)期電力合約，平衡機(jī)制和不平衡結(jié)算不在本文考慮范圍內(nèi)。風(fēng)電靈活電力合約的交易框架如圖1所示。

圖1 交易策略框架

(2)

2 合約電量?jī)?yōu)化決策

2.1 問(wèn)題描述

風(fēng)電靈活電力合約的合約電量決策是一個(gè)包含隨機(jī)變量的高維數(shù)多階段優(yōu)化問(wèn)題，可以通過(guò)隨機(jī)動(dòng)態(tài)規(guī)劃的方法求解[12]。由于合約電量逐階段安排，故可將原問(wèn)題劃分為T個(gè)子問(wèn)題迭代求解，使各階段整體效益最大。

定義未來(lái)收益函數(shù)(future revenue function, FRF)作為各子問(wèn)題的目標(biāo)函數(shù)。Ft,T(Xt)表示從階段t到合約有效期結(jié)束的時(shí)間范圍內(nèi)風(fēng)電商的最大收益，可由式(4)遞歸得到：

Ft,T(Xt)=max{E[Rt(ωt)]+E[Ft+1,T(Xt+1,ωt)]}

(3)

式中Xt為合約電量，表示階段t開始時(shí)已經(jīng)交割的合約電量，階段t完整的合約電量決策問(wèn)題由式(4)—(10)給出。其中：公式(5)為風(fēng)電商收益約束；公式(6)為各時(shí)段合約電量上下限約束；公式(7)為各時(shí)段合約交割電量范圍約束；公式(8)為合約電量偏差約束；公式(9)為風(fēng)電出力約束；公式(10)為合約電量約束。

(4)

(5)

xmin≤xth≤xmax

(6)

(7)

(8)

(9)

(10)

為了簡(jiǎn)化計(jì)算，將各階段合約電量劃分為N個(gè)離散狀態(tài)，同時(shí)將未來(lái)收益函數(shù)線性近似為：

(11)

(12)

2.2 求解過(guò)程

隨機(jī)動(dòng)態(tài)規(guī)劃包括前向過(guò)程和反向過(guò)程2個(gè)階段。反向過(guò)程的目標(biāo)是構(gòu)造未來(lái)收益函數(shù)，前向過(guò)程根據(jù)反向過(guò)程的結(jié)果，在特定場(chǎng)景下得到合約電量的最優(yōu)安排，反向過(guò)程的步驟如下詳述。

(13)

式(13)滿足約束條件式(5)—(9)，以及式(14)。

(14)

3 算例分析

3.1 算例描述

每一周開始時(shí)刻，風(fēng)電商安排1周內(nèi)各時(shí)段的合約交易電量。本文將各時(shí)段分為4類，分別確定合約電量，如表1所示。

表1 各時(shí)段分類

Table 1 Period categories

本文選用時(shí)間序列法對(duì)風(fēng)速和電價(jià)進(jìn)行模擬和預(yù)測(cè)。文獻(xiàn)[14]基于時(shí)間序列法提出了風(fēng)速預(yù)測(cè)的2種模型：自回歸模型(autoregressive model，AR)和自回歸滑動(dòng)平均模型(autoregressive moving average model，ARMA)。本算例基于Washington(AWG)地區(qū)2006到2010年的風(fēng)速歷史數(shù)據(jù)，使用ARMA(2,1)模型，針對(duì)9月1日—11月9日的10周，生成80個(gè)獨(dú)立的風(fēng)速場(chǎng)景，進(jìn)而通過(guò)風(fēng)機(jī)模型得到風(fēng)電出力場(chǎng)景。同時(shí)基于北歐Nordpool電力市場(chǎng)2015年的電價(jià)歷史數(shù)據(jù)，使用AR(1)模型，生成80個(gè)實(shí)時(shí)電價(jià)場(chǎng)景。使用隨機(jī)動(dòng)態(tài)規(guī)劃算法進(jìn)行合約電量的優(yōu)化決策，通過(guò)GAMS 23.8的CONOPT求解器模擬計(jì)算。

3.2 反向過(guò)程構(gòu)造未來(lái)收益函數(shù)

將每個(gè)階段的合約電量劃分為8個(gè)離散值，通過(guò)反向過(guò)程計(jì)算每個(gè)階段的未來(lái)收益。圖2給出了階段9的未來(lái)收益函數(shù)曲線。可以看出，當(dāng)合約電量較小時(shí)，未來(lái)收益保持不變；而當(dāng)合約狀態(tài)增大到一定值時(shí)，未來(lái)收益迅速下降，這是因?yàn)槭Ｓ嗪霞s電量限制了風(fēng)電商的收益。

圖2 階段9的未來(lái)收益函數(shù)

圖3給出了風(fēng)電商在階段3的未來(lái)收益函數(shù)曲線。與階段9相比，階段3的未來(lái)收益函數(shù)曲線更為平滑，這是由于風(fēng)電商在此階段之后有更多選擇進(jìn)行合約電量安排。

3.3 正向過(guò)程得到合約電量安排

在反向過(guò)程得到各階段未來(lái)收益函數(shù)的基礎(chǔ)上，

圖3 階段3的未來(lái)收益函數(shù)

選擇平均實(shí)時(shí)電價(jià)和平均風(fēng)電出力場(chǎng)景，逐階段進(jìn)行正向過(guò)程求解。

表2給出了各階段的平均交易電量、平均合約安排電量、平均合約交割電量、平均實(shí)時(shí)市場(chǎng)交易電量，并計(jì)算了合約交割電量的比例。

表2 各階段電能交易量

Table 2 Energy traded at each stage

圖4對(duì)比了風(fēng)電商各時(shí)段的平均合約安排電量、平均合約交割電量和平均實(shí)時(shí)市場(chǎng)交易電量。為了

圖4 各階段交易電量

進(jìn)一步分析合約電量決策的影響因素，將平均實(shí)時(shí)電價(jià)，合約價(jià)格和平均風(fēng)速繪制在圖5中。

圖5 各階段電價(jià)和風(fēng)速

通過(guò)比較圖4和圖5可以看出，在階段1、階段2和階段3，實(shí)時(shí)電價(jià)明顯高于合約電價(jià)，風(fēng)電商安排的合約電量較小，大部分電能在實(shí)時(shí)市場(chǎng)進(jìn)行交易。而在階段7、階段9和階段10，實(shí)時(shí)電價(jià)明顯低于合約電價(jià)，風(fēng)電商安排的合約電量相對(duì)較大。對(duì)比階段4和階段6，階段5和階段8可以發(fā)現(xiàn)，在平均實(shí)時(shí)電價(jià)基本一致的情況下，階段6和階段8的平均風(fēng)速明顯高于階段4和階段5，使其安排和交割的合約電量明顯增大。

由此不難發(fā)現(xiàn)，合約電量決策受到各階段實(shí)時(shí)電價(jià)和風(fēng)電出力的影響。風(fēng)電出力越大、實(shí)時(shí)電價(jià)越低，所安排的合約電量也越大。

3.4 風(fēng)電商收益比較

為了評(píng)估風(fēng)電靈活電力合約的效果，對(duì)比以下3種不同的風(fēng)電交易方案。

方案I：使用本文提出的風(fēng)電靈活電力合約，安排合約交易電量和實(shí)時(shí)市場(chǎng)交易電量。

方案Ⅱ：不使用雙邊合約，僅在實(shí)時(shí)市場(chǎng)交易。

方案Ⅲ：使用常規(guī)電力雙邊合約，各時(shí)段合約電量為固定值，總合約電量和方案I相等。

表3給出了不同交易方案下風(fēng)電商的收益期望和收益風(fēng)險(xiǎn)，其中收益風(fēng)險(xiǎn)用95%置信度下的條件風(fēng)險(xiǎn)價(jià)值CVaR度量[15]。條件風(fēng)險(xiǎn)價(jià)值越小，表示風(fēng)電商所承受的收益風(fēng)險(xiǎn)越大。可以看出，方案I和方案Ⅲ的收益風(fēng)險(xiǎn)要低于方案Ⅱ，這是因?yàn)殡p邊合約能夠通過(guò)鎖定實(shí)時(shí)電價(jià)從而降低風(fēng)電商的收益風(fēng)險(xiǎn)。比較3種交易策略的收益水平發(fā)現(xiàn)，方案I在大多數(shù)階段擁有最大的收益期望，總收益也明顯高于其他2個(gè)方案。

表3 不同交易策略收益對(duì)比

Table 3 Profit comparison in different trading strategies

4 結(jié) 論

(1)相比其他交易方式，賣方靈活電力合約能夠顯著提升風(fēng)電商在中長(zhǎng)期的收益水平，同時(shí)有效控制收益風(fēng)險(xiǎn)。

(2)各階段合約電量決策受到實(shí)時(shí)電價(jià)和風(fēng)速預(yù)測(cè)的影響。風(fēng)速越大，實(shí)時(shí)電價(jià)越低，該階段所安排的合約電量越大。

(3)本文提出的基于隨機(jī)動(dòng)態(tài)規(guī)劃的合約電量?jī)?yōu)化決策適用于各類市場(chǎng)環(huán)境和不同的時(shí)間周期，可以為風(fēng)電商制定最優(yōu)的中長(zhǎng)期交易策略提供理論依據(jù)。

[1]國(guó)家能源局．2015年全國(guó)風(fēng)電產(chǎn)業(yè)繼續(xù)保持強(qiáng)勁增長(zhǎng)勢(shì)頭[EB/OL]．(2016-02-04)[2016-09-01]．http://www.nea.gov.cn/2016-02/04/c_135073627.htm．

[2]新華網(wǎng)．我國(guó)光伏發(fā)電裝機(jī)容量躍居全球第一產(chǎn)業(yè)水平不斷提升[EB/OL]．(2016-04-13)[2016-09-01]．http://news.xinhuanet.com/2016-04/13/c_1118613375.htm．

[3]周楠，劉念，張建華．考慮多種上網(wǎng)價(jià)格規(guī)制的光伏微網(wǎng)運(yùn)營(yíng)對(duì)比研究[J]．電力建設(shè)，2016，37(3): 82-89．

ZHOU Nan，LIU Nian，ZHANG Jianhua．PV-based microgrid operation contrastive research considering on-grid power tariff regulation[J]．Electric Power Construction，2016，37(3): 82-89．

[4]陳政，楊甲甲，金小明，等．可再生能源發(fā)電電價(jià)形成機(jī)制與參與電力市場(chǎng)的競(jìng)價(jià)策略[J]．華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版)，2014，41(2):89-98, 102．

CHEN Zheng，YANG Jiajia，JIN Xiaoming，et al．A literature survey for pricing mechanisms and bidding strategies of renewable energy generation[J]．Journal of North China Electric Power University (Natural Science Edition)，2014，41(2):89-98, 102．

[5]宮本輝，姚力，傅旭，等．基于等效負(fù)荷區(qū)間和隨機(jī)生產(chǎn)模擬的新能源接納能力快速計(jì)算方法[J]．電力建設(shè)，2016，37(3): 24-30．

GONG Benhui，YAO Li，F(xiàn)U Xu，et al．A fast calculation method of renewable energy accommodation capacity based on equivalent load interval and probability production simulation [J]．Electric Power Construction，2016，37(3): 24-30．

[6]DAI T，QIAO W．Trading wind power in a competitive electricity market using stochastic programming and game theory[J]．IEEE Transactions on Sustainable Energy，2013，4(3):805-815．

[7]DE LA NIETA A A S，CONTRERAS J, MUNOZ J I. Optimal coordinated wind-hydro bidding strategies in day-ahead markets[J]. IEEE Transactions on Power Systems, 2013, 28(2): 798-809.

[8]WU Z，WANG X，HOU F，et al．A risk management strategy for a wind power producer based on bilateral contracts[C]//2015 5th International Conference on Electric Utility Deregulation and Restructuring and Power Technologies (DRPT)．IEEE，2015: 82-86．

[9]BJORGAN R，SONG H，LIU C C，et al．Pricing flexible electricity contracts[J]．IEEE Transactions on Power Systems，2000，15(2):477-482．

[10]ZHANG X，WANG X F，SONG Y H．Modeling and pricing of block flexible electricity contracts[J]．IEEE Transactions on Power Systems，2003，18(4): 1382-1388．

[11]TAKAHASHI L，GUNN L，CORREIA P．Pricing electricity flexible-forward contracts considering duties and tributes[C]//16th Power Systems Computation Conference，PSCC．Glasgow，Scotland，2008:14-18．

[12]PALAMARCHUK S．Dynamic programming approach to the bilateral contract scheduling[J]．IET Generation，Transmission & Distribution，2010，4(2): 211-220．

[13]王錫凡，王秀麗，陳皓勇．電力市場(chǎng)基礎(chǔ)[M]．西安：西安交通大學(xué)出版社，2003: 2-4．

[14]KAMAL L，JAFRI Y Z．Time series models to simulate and forecast hourly averaged wind speed in Quetta，Pakistan[J]．Solar Energy，1997，61(1): 23-32．

[15]廖菁，江輝，彭建春，等．基于 VaR 和 CVaR 風(fēng)險(xiǎn)度量的發(fā)電商競(jìng)價(jià)策略[J]．繼電器，2007，35(11):30-34, 43．

LIAO Jing，JIANG Hui，PENG Jianchun，et al．Risk assessment on bidding strategy of power generation companies based on VaR and CVaR method[J]．Relay，2007，35(11):30-34, 43．

(編輯 景賀峰)

A Wind Power Long-Term Trading Strategy Based on Seller-Side Flexible Electricity Contract

ZHENG Yaxian1, WU Zechen2, WANG Xiuli2, ZHANG Wei2

(1. China Electric Power Research Institute, Beijing 100192, China; 2. School of Electrical Engineering, Xi’an Jiaotong University, Xi’an 710049, China)

Wind power producers have begun to participate in electricity market in some developed countries. This paper builds a model for wind power flexible electricity contract and proposes a wind power long-term trading strategy based on seller-side flexible electricity contract. Wind power producers can flexibly schedule the contract energy during each period according to market condition and wind power prediction in order to maximize their profits. This paper focuses on the optimal decision of contract energy, proposes the model based on stochastic dynamic programming and its solving method. In examples, we use time series method for the simulation and prediction of wind speed and electricity price. The comparison of three different trading strategies shows that a well scheduled seller-side flexible electricity contract can significantly enhance the income of wind power producer and effectively control financial risk at the same time.

electricity market; flexible electricity contract; wind power trading; stochastic dynamic programming

國(guó)家電網(wǎng)公司科技項(xiàng)目(DZN17201500036)

TM 614；F 426

A

1000-7229(2016)12-0128-06

10.3969/j.issn.1000-7229.2016.12.017

2016-09-01

鄭亞先(1982)，男，碩士，高級(jí)工程師，SAC/TC82電力市場(chǎng)工作組秘書，主要研究方向?yàn)殡娏ο到y(tǒng)優(yōu)化運(yùn)行、電力市場(chǎng)運(yùn)營(yíng)；

武澤辰(1991)，男，碩士研究生，本文通信作者，主要研究方向?yàn)殡娏κ袌?chǎng)及電力系統(tǒng)可靠性；

王秀麗(1961)，女，教授，博士生導(dǎo)師，主要研究方向?yàn)殡娏κ袌?chǎng)、電力系統(tǒng)規(guī)劃和電力系統(tǒng)可靠性；

張煒(1988)，男，博士研究生，主要研究方向?yàn)殡娏κ袌?chǎng)。