客戶側電力現貨交易模型策略研究

曹瑞峰趙蜜 盧菲菲 侯素穎 趙帆

摘要：針對電力現貨市場中的實時偏差電量結算問題，引入3種客戶側可調節資源，提出了一種實時偏差電量管控策略，以調用客戶側資源成本最小為目標函數，利用粒子群算法對該電力現貨交易模型進行求解。通過算例證明了新策略可有效降低實時偏差電量管控總成本，并分析了預測精度對實時偏差電量管控策略的影響。

關鍵詞：電力現貨市場;客戶側可調節資源;實時偏差電量;預測精度

0 引言

現貨市場在電力市場中發揮著極其重要的作用，但當出現實時偏差電量時，可能會導致售電公司利潤下降，也可能會影響電力系統的安全穩定運行。為此，應盡量避免或減少實時偏差電量[1-2]。

現有研究中，文獻[3]計及用戶需求響應，構建了雙層售電公司的購售電決策模型;文獻[4]利用場景法模擬現貨價格、電力需求等風險隨機變量，將售電公司預期收益最高作為目標函數，以此獲得風險評估與購售電業務綜合決策模型;文獻[5]將用戶負荷視為需求響應資源，將其作為平衡資源，制訂兩類需求響應策略，基于以上策略，提出了平衡市場優化交易策略。但現有研究對于客戶側可調節資源對實時偏差電量的影響這一問題鮮有討論。因此，本文針對電力現貨市場的用戶側允許申報偏差外收益處理機制，建立3種客戶側可調節資源模型，提出了一種實時偏差電量管控策略。通過算例證明了新策略可有效降低實時偏差電量管控總成本，并分析了預測精度對實時偏差電量管控策略的影響。

1 用戶側允許申報偏差外收益處理機制

用戶側允許申報偏差外收益處理機制原理如圖1所示[6]。

4 算例分析

4.1? ? 參數設置

算例中的3種客戶側可調節資源包括：4個客戶側儲能設備、4個可中斷負荷、6個可調節負荷。本文選用的日前與實時市場電價數據為2017年的PJM電力市場第3季度的數據，其中零售電價為35美元/（MW·h）[7]。采用最新的機器學習算法輕量級梯度提升機[8]對實時市場電價與負荷曲線進行預測分析，預測誤差約為5%。

4.2? ? 實時偏差電量管控策略分析

圖2為場景1下的實時偏差電量。

由圖2可知，調整后場景1下的實時偏差電量均在允許范圍內，且隨著允許偏差比例的增大而增大。

圖3給出了不同場景下的允許偏差比例與實時偏差電量管控總成本的關系。

由圖3可知，在同一允許偏差比例下，場景編號越大，總成本越高;同時，在同一個場景下，所對應的允許偏差比例越小，導致的偏差電量管控所需花費的總成本越高。

4.3? ? 敏感性分析

分析場景1下不同的負荷預測誤差在不同的允許偏差比例下的實時偏差電量管控總成本，如圖4所示。

由圖4可知，同一允許偏差比例下預測誤差越小，實時偏差電量管控總成本越小，且總成本隨著負荷預測誤差的增加而增加。

5 結語

本文針對電力現貨市場中的實時偏差電量結算問題，介紹了用戶側允許申報偏差外收益處理機制，通過建立客戶側可調節資源模型，研究實時市場下的偏差電量管控策略。本文所做工作具有一定的實際意義，可為進行實時偏差電量管控提供指導。

[參考文獻]

[1] 樊宇琦，丁濤，孫瑜歌，等.國內外促進可再生能源消納的電力現貨市場發展綜述與思考[J].中國電機工程學報，2021，41（5）：1729-1751.

[2] 陳啟鑫，房曦晨，郭鴻業，等.電力現貨市場建設進展與關鍵問題[J].電力系統自動化，2021，45（6）：3-15.

[3] 任藝，周明，李庚銀.考慮用戶需求響應的售電公司購售電決策雙層模型[J].電力系統自動化，2017，41（14）：30-36.

[4] 王林炎，張粒子，張凡，等.售電公司購售電業務決策與風險評估[J].電力系統自動化，2018，42（1）：47-54.

[5] 楊萌，艾欣，唐亮，等.計及風險規避的售電公司平衡市場優化交易策略研究[J].電網技術，2016，40（11）：3300-3309.

[6] SANTOS P J，CHEMETOVA S R，PIRES A J，et al.The importance of daily load forecasting for main electric substation in a spot market context[C]//

2020 IEEE 14th International Conference on Compatibility，Power Electronics and Power Eng-

ineering （CPE-POWERENG），2020.

[7] 高瑞，郭紅霞，楊蘋，等.基于用戶側可調節資源的售電公司實時市場偏差電量管控策略[J].電力建設，2019，40（6）：114-122.

[8] KE G L，MENG Q，FINLEY T，et al.LightGBM：A highly efficient gradient boosting decision tree[C]// 31st International Conference on Neural Information Processing Systems，2017：3149-3157.

收稿日期：2021-06-15

作者簡介：曹瑞峰（1983—），男，陜西榆林人，高級工程師，長期從事電力營業管理、分布式電源及電廠并網管理、電力市場管理研究等工作。