考慮清潔能源消納的售電商滾動修正月度市場交易策略

喻 潔，張彤彤，丁 恰，涂孟夫，曹榮章

（1. 東南大學 電氣工程學院，江蘇 南京 210096；2. 南瑞集團有限公司 智能電網保護和運行控制國家重點實驗室，江蘇 南京 211106）

0 引言

在新一輪電力市場改革的背景下，售電商代理電力用戶在電力交易中心開展交易，按照省電力交易中心公布的競價規則，在年度合同電量的基礎上進行月度市場交易策略［1-2］。基于用戶年度用電量的預測結果，售電商與發電企業簽訂年度合同購買電量，此外，售電商還需要根據實際用戶月度用電量需求再次購買電量，從而在滿足月度市場供需平衡的同時，降低購電費用［3-4］。隨著市場份額競爭愈發激烈，充分考慮月度市場電價波動風險、用戶用電量偏差成為售電商利潤增長的突破點［5-6］。此外，清潔能源大規模發展，售電商需承擔與其年售電量相對應的消納權責［7］。因此，計及月度市場電價的不確定性和用電量預測偏差，考慮火電年度合同電量及清潔能源消納年度合同電量的分解，對售電商月度市場競價策略具有重要的現實意義。

我國現階段電力交易中，中長期簽約電量基本達到90%～95%［8］。售電商的大部分購電量在年度合同中簽訂，因此在月度市場交易策略中需綜合考慮各方面不確定性因素將年度合同電量進行合理分解，從而獲得最優的月度市場交易策略，使得年度總購電費用最少。目前，年度合同電量分解策略一般以發電商為研究對象，分析發電機組年度計劃的年分月策略，鮮有從售電商角度出發，研究其月度市場交易策略中如何進行年度合同電量分解。文獻［2］引入基尼系數，根據各火電機組已完成的電量數據，對計劃月和后續月發電量進行約束，保證發電機組完成年電量公平性。文獻［9-10］以各機組合同電量完成進度偏差最小為目標，將競價機組的中長期合同電量分解到日。目前關于售電商對年度合同電量分解方式以及需重點考慮的因素方面的相關研究較少。

月度市場電價波動對售電商的月度市場購電策略及年度合同電量分解都將產生影響。文獻［11-12］基于中長期市場及現貨市場交易，研究售電公司在不同能量市場的購售電策略，采用條件風險價值評估交易策略風險。文獻［13］提出需求響應項目參與的平衡市場優化交易策略，并采用條件風險價值度量交易策略風險。當前在售電商月度市場競價策略的研究中尚缺乏對月度電價不確定性引起的月度市場競價策略、年分月計劃方面的風險損失影響分析。

本文從售電商角度出發，在分解火電年度合同電量以及清潔能源消納年度合同電量的基礎上，對其優化月度市場交易策略進行研究。首先基于電量偏差提出售電商月度購電滾動修正優化策略框架；其次考慮年度合同電量分解進度均衡性，提出年分月電量分解進度系數，并考慮電價波動風險，建立售電商月度購電滾動修正優化策略模型，將求解得到的月度市場交易電量作為初始交易策略，以新的用電量預測偏差信息作為反饋信息進行滾動優化策略設計，實現對月度市場交易策略的修正；最后通過算例對比表明所提出的考慮清潔能源消納的售電商滾動修正月度市場交易模型能隨著月度市場電價波動、用電量預測偏差而進行購電策略的相應調整，從而減少購電風險，降低售電商年度總購電費用，并且完成清潔能源消納權責。

1 售電商月度購電滾動修正優化策略框架

本文建立的售電商月度購電滾動修正優化策略框架考慮了多個時間尺度的用電量預測偏差修正、年分月電量修正以及購、用電量偏差控制，在年度總購電費用最低的目標下，基本可以達到各月的用電量偏差考核要求。售電商月度購電滾動修正優化策略時間進度如附錄A 圖A1 所示。售電商在上一年底對次年1—12 月進行各月用電量預測，并對已簽訂的年度合同電量進行分解，做出年度合同電量分解至各月的初步方案，以此為基礎制訂1—12 月的初步月度市場競價購電策略。m-1 月的中下旬，對m—12 月用電量進行預測修正，并按照本文提出的年度合同電量分解進度系數方法對m—12 月的年分月方案進行修正，獲得滾動修正后的m—12 月月度市場競價購電策略。m月中下旬，將該月實際用電量與購電量進行校核，通過掛牌或合同轉讓方式再次修正當月購電量，以滿足本月用電量預測偏差考核。

本文構建了售電商月度購電滾動修正優化策略，充分考慮了各個時間尺度用電量信息更新修正，適用于售電商月度用電量預測偏差，以及應對復雜的市場交易情況。

2 考慮電價波動風險和年度合同電量分解進度的售電商月度購電滾動修正優化策略模型

電價波動是售電商參與月度市場競價集中交易必然面臨的風險，對月度市場電價波動進行分析有助于售電商更好地了解月度市場交易的行情，準確把握購電時機。同時，月度市場競價購電策略與年分月電量具有強耦合關系，年分月電量是一個強時序相關的年度合同電量分解量，因此各月的月度市場競價購電策略若僅考慮單獨1 個月的最優化，則不可能達到年度總購電費用最優的目標。本文構建了考慮電價波動風險和年度合同電量分解進度的售電商月度購電滾動修正優化策略模型，以達到年度總購電費用最優化，并保證各月滿足用電量預測偏差的考核指標。

2.1 月度市場電價波動風險分析

月度市場電價會隨著供求雙方關系的變化而表現出波動性。本文參考文獻［14］，設第m月月度市場預測電價pm服從正態分布N(μm，)（μm、分別為第m月電價期望值、電價方差），其函數表達式為：

2.2 滾動修正優化購電策略

基于月度市場電價波動風險分析，本文對各月用電量預測偏差進行修正，建立以售電商年度總購電費用最優為目標的購電優化模型，對售電商的火電和清潔能源消納年度合同電量進行年分月滾動修正。目標函數包含售電商月度購電費用、火電年度合同電量分解量、清潔能源消納年度合同電量分解量以及售電商承受的電價波動風險成本4 個部分，其表達式為：

式中：ftotal為售電商年度總購電費用；M=12，為月份總數；Qy為火電年度合同的購電量；Qyc為清潔能源

清潔能源年度合同電量分解進度系數αmc考慮到清潔能源出力具有波動性，需要對各月的清潔能源消納合同電量分解進度系數加以修正，如式（10）所示。

當該月電價低于各月平均值時，該月月度市場的購電成本較低，年度合同分解電量占比應有所減少，從而達到目標函數中該月清潔能源分解進度系數αmc最小。此外，式（10）中λm反映了各月可利用的清潔能源發電量，當第m月可利用清潔能源發電量較小時，清潔能源消納年度合同分解電量應相對其他月份較少，從而達到目標函數中該月清潔能源消納分解進度系數αmc最小。這有效避免了清潔能源發電能力受到當月自然資源影響而與年度合同分解電量不匹配的矛盾。滾動修正優化購電策略的約束條件包括風險函數約束、考慮偏差考核的月用電量約束、年度市場購電量約束以及最大分解電量約束這4種，分別如式（11）—（14）所示。

式中：δ為用戶用電量偏差考核量，其取值為3%［18］；、分別為第m月火電年度合同、清潔能源消納年度合同的最大可分解電量。

3 售電商月度購電滾動修正優化策略求解算法

基于售電商在各時間尺度（上一年底、月前）下月度市場的購電策略，設計售電商月度購電滾動修正優化策略求解流程。上一年底進行次年月度用電量預測，并以各月總購電費用之和最小化為目標求得各月度市場交易初步策略；1 月購電策略按此執行，在1 月中下旬時對該月預測用電量與實際用電量進行校核，以掛牌和合同轉讓方式進行用電量預測偏差控制；同時根據實際情況預測2 月用電量，將更新的預測用電量輸入滾動修正優化模型，并以2—12 月的總購電費用之和最小化為目標，修正2—12 月購電策略，2 月中下旬時，仍需要進行用電量預測偏差控制以及預測3 月用電量；依此類推，m-1 月中下旬預測m月用電量，將更新的預測用電量輸入滾動修正優化模型，以m—12 月的總購電費用之和最小化為目標，修正各月度市場購電策略，m月中下旬時，進行用電量預測偏差控制以及預測m+1 月用電量。所建立模型的求解流程如附錄A 圖A2所示。

4 算例分析

本文建立考慮清潔能源消納的售電商滾動修正月度市場交易模型，考慮了電價波動、用電量預測偏差，將火電年度合同電量、清潔能源消納年度合同電量分解到各月，從而形成各月優化購電策略。設是否考慮滾動修正優化購電策略與是否考慮滾動修正優化策略下火電年度合同、清潔能源消納年度合同費用均相同，火電年度合同、清潔能源消納年度合同費用分別為19 439.0、10 163.8 萬元。設置算例1、2來驗證本文所構建的模型和算法的有效性，具體如下：

1）算例1 將考慮滾動修正優化購電策略與未考慮滾動修正優化策略進行對比，分析各月度市場電價概率分布不同對售電商交易策略的影響；

2）算例2 將考慮清潔能源出力波動的修正優化購電策略與未考慮清潔能源出力波動的修正優化購電策略進行對比，并分析在清潔能源消納年度合同電量電價不同時，不同的清潔能源消納年度合同電量占年用電量百分比對售電商交易策略的影響。

4.1 月度市場電價概率分布

本文依據附錄B 圖B1 所示的2018—2020 年江蘇省交易中心公布的月度集中競價結果，根據這3年電價數據推演未來9 年的月度市場電價，并計算其期望和方差。為了在算例1 中進一步分析月度市場電價概率分布對購電策略的影響，本文將1 月的月度市場電價方差修改為5.88［元／（MW·h）］2。2018—2020 年各月江蘇月度市場電價如附錄B 表B1 所示，推演所得未來9 年的月度市場電價如附錄B 表B2 所示。進一步進行正態概率分布擬合，得到各月度市場電價概率分布如附錄C圖C1所示。

4.2 月度市場用電量預測參數

售電商在上一年度的年底進行次年12 個月的月度用電量預測，然后在每個月的中下旬統計分析該月的實際用電量，并對下一個月的用電量預測值進行修正，各月的滾動預測用電量如附錄C 圖C2所示。

4.2.1 算例1的仿真分析

根據售電商月度購電滾動修正優化策略模型，通過對售電商總購電費用最小化模型的求解，可得表1 所示售電商購電費用和圖1 所示售電商月度市場購電策略。

表1 是否考慮滾動修正優化策略下售電商購電費用對比Table 1 Comparison of electricity purchase costs of power retailers between with and without considering rolling correction optimization strategy單位：萬元

圖1 月度市場購電策略Fig.1 Power purchase strategy of power retailers in monthly market

當考慮滾動修正優化購電策略時，在各月中下旬對該月總用電量進行統計評估，校核本月實際用電量加上未發生的用電量是否等于月度市場購買量與年度合同分解到該月的電量之和，若有預測偏差則進行用電量預測偏差控制，從而滿足每月的偏差考核要求；并對下一個月的用電量預測偏差進行修正，結合月度市場電價分析，修正年初的月度購電計劃。此時各月的偏差考核費用可以被極好地控制，基本滿足偏差考核要求。

當未考慮滾動修正優化購電策略時，售電商按上一年底的用電量預測值進行各月購電，缺少修正和用電量預測偏差控制手段，因此不能做到各月都滿足偏差考核要求。其中超出用電量預測值103%的部分按照當期燃煤機組標桿電價的10%征收偏差調整費用，故此時用電量偏差考核費用為3 000.9萬元。

年度合同分解電量在當月用電量的占比如附錄C 圖C3 所示，月度市場購電策略如附錄C 表C1 所示。結合圖1、圖C3 和表C1，比較各月電價概率分布中的期望值，1 月的月度市場電價的期望值在12個月中最低，為343.67 元／（MW·h），其月度市場購電量為90 220 MW·h，火電年度合同分解電量為18 892 MW·h，清潔能源消納年度合同分解電量為9 288 MW·h，其月度市場購電量占當月用電量的76.20%，在各月度市場購電量的占比中最高。7、8月的月度市場電價期望值在12 個月中較高，其月度市場購電量分別為28 313.6、25 252.5 MW·h，月度市場購電量占比分別為17.42%、16.40%，在各月度市場購電量的占比中較低。這說明當該月的月度市場價格期望值較高時，售電商月度市場競價購電量在當月用電量的占比將較小，年度合同分解電量占比較高。

由附錄C 表C1 可知，為了實現總購電費用最小化的目標，售電商需要在年度合同分解電量和月度市場競價購電量兩者之間進行權衡。當月度市場電價較高時，售電商更多地將年度合同電量分解到月度，從而降低購電總費用。

4.2.2 算例2的仿真分析

清潔能源出力根據各月的自然資源變化而具有波動性，故有可能出現某些月份由于自然資源不足而不能滿足該月的清潔能源消納年度合同分解電量的情況。未考慮清潔能源出力波動的合同分解電量與實際可利用風資源發電量對比如附錄C 圖C4 所示。由圖可知，7、8、12 月可利用的風資源較少，而7、8、12 月是全年用電量最大的月份，清潔能源消納年度合同分解電量也較大，從而出現了清潔能源發電出力不能滿足該月清潔能源消納年度合同分解電量的情況。故需根據式（10）對清潔能源消納年度合同分解系數加以修正。

通過對式（10）求解，可得圖2 所示未考慮清潔能源出力波動和考慮清潔能源出力波動的售電商清潔能源消納年度合同電量分解策略對比。

圖2 售電商清潔能源消納年度合同電量分解策略Fig.2 Strategy of clean energy accommodation annual contract electricity decomposition of power retailers

由于7、8、12 月清潔能源出力較少，出現由于清潔能源發電資源受限而不能完成年分月電量導致的用電量偏差情況，針對該部分用電量偏差值，售電商所需繳納的用電量偏差考核費用為646.2 萬元。考慮清潔能源出力波動，增加季節性分解修正因子，根據該部分用電量偏差對清潔能源消納年度合同電量分解進度系數加以修正，重新計算年分月電量和售電商月度市場競價購電策略，結果如表2 和附錄C圖C5所示。由表2及圖C5可知，考慮清潔能源出力波動的修正優化購電策略能夠更好地適應清潔能源的發電波動性，不會出現由于清潔能源發電資源受限而不能完成年分月電量導致的用電量偏差情況。與此同時，由于清潔能源出力的波動，售電商承受的電價波動風險成本略有上升。

表2 是否考慮清潔能源出力波動的修正優化購電策略下售電商的購電費用對比Table 2 Comparison of electricity purchase costs of power retailers between with and without considering clean energy power fluctuation單位：萬元

我國各省清潔能源上網電價不同，電價補貼也不同。目前國家對清潔能源上網電價的補貼逐步下降，未來將推動清潔能源進入市場競爭，逐漸取消補貼［19］。為了分析清潔能源逐步走向市場化的過程中售電商的購電策略，本文分析了3 個價格級別下清潔能源消納年度合同電量的簽訂情況。

1）清潔能源消納年度合同電價為380元／（MW·h）（高補貼階段）。

在對清潔能源上網電價進行高補貼階段，其年度合同電價往往高于月度市場購電電價均值。圖3為高補貼階段售電商購電費用隨清潔能源消納年度合同電量占比不同的變化情況。隨著清潔能源消納年度合同電量在總電量中占比量ε的增加，清潔能源的出力不確定性將增加售電商承受的月度市場電價波動風險成本。這說明此時清潔能源消納年度合同電量對售電商承受的月度市場電價波動風險成本影響很大。在售電商滿足清潔能源年度合同消納權責要求的情況下，應控制所簽訂的清潔能源消納年度合同電量占比。

圖3 高補貼階段售電商購電費用隨清潔能源消納年度合同電量占比不同的變化情況Fig.3 Electricity purchase costs of power retailers with different proportions of annual contract electricity of clean energy accommodation at high subsidy stage

2）清潔能源消納年度合同電價為350元／（MW·h）（低補貼階段）。

在清潔能源上網電價進行低補貼階段，其年度合同電價與月度市場電價均值相當。圖4 為低補貼階段售電商購電費用隨清潔能源消納年度合同電量占比不同的變化情況。由圖可知，清潔能源消納年度合同電量占比的變化對售電商承受的月度電價波動風險成本影響不大。此時，售電商可以在滿足清潔能源消納權責的要求前提下，根據月度市場電價的波動，合理簽訂清潔能源消納年度合同電量占比，并對清潔能源消納年度合同電量進行分解。

3）清潔能源消納年度合同電價為335元／（MW·h）（取消補貼階段）。

在清潔能源上網電價取消補貼階段，由于清潔能源發電成本較低，其年度合同電價將低于月度市場電價均值。圖5 為取消補貼階段售電商購電費用隨清潔能源消納年度合同電量占比不同的變化情況。由圖可知，隨著清潔能源消納年度合同電量占比的增加，售電商承受的電價波動風險成本反而大幅下降。這說明此時簽訂的清潔能源消納年度合同電量對售電商承受的月度電價波動風險有很好的控制效果。售電商可以通過提高所簽訂的清潔能源消納年度合同電量占比，主動完成并超過消納權責的要求。

圖5 取消補貼階段售電商購電費用隨清潔能源消納年度合同電量占比不同的變化情況Fig.5 Electricity purchase costs of power retailers with different proportions of annual contract electricity of clean energy accommodation at concealed subsidy stage

5 結論

售電側放開是我國新一輪電力體制改革的關鍵，售電商通過雙邊交易、集中競價等多種途徑購買電力，如何權衡年度合同電量與月度市場競價購電量，如何考慮市場價格波動風險，是售電商面臨的關鍵問題。當面臨清潔能源消納權責的要求時，售電商如何科學合理地進行年度合同電量分解，不僅影響售電商購電費用，也關系到是否能夠完成清潔能源消納權責。

本文考慮月度市場電價不確定性及售電商因此面臨的風險成本問題，針對年分月電量的強時序相關性，提出了年度合同電量分解系數，建立了滿足月度用電量偏差考核的售電商滾動修正優化購電策略模型。進一步考慮清潔能源出力的季節性波動因素，對清潔能源年度分解進行了季節性修正，經過算例分析得到如下結論：

1）售電商的月度市場最優購電策略是涉及多時間尺度交易耦合的優化決策問題，需要考慮月度市場電價波動風險并對用電量預測、年分月計劃等進行多次滾動修正，難以通過1 次優化計算獲得年度總購電費用最優的計劃，本文提出的滾動優化修正模型適用于求解這類問題；

2）當進行清潔能源消納年度合約電量簽訂時，需要充分考慮清潔能源出力的季節性波動特點，增加季節性分解修正因子，否則有可能在某些月份不能完成清潔能源消納的分解電量，從而造成偏差考核；

3）在電力零售市場開放的環境下，清潔能源逐步取消補貼，清潔能源上方電價將達到月度市場電價水平甚至低于月度市場電價，激勵售電商主動消納新能源，完成并超過消納權責。

隨著電力體制改革的推進，電力交易品種逐步完善，售電商面臨更多市場機遇的同時，也面臨著更多的挑戰和風險，并且未來需要承擔清潔能源消納、碳減排等責任和義務。本文對此進行初步的探索分析，后續還將在電價推演、多類型交易耦合、碳減排措施等方面繼續進行深入研究。

附錄見本刊網絡版（http：//www.epae.cn）。