基于风险管理的发电商多时段投标组合策略

电力市场环境下,发电商要在多个市场中制定交易计划,既要衡量风险和收益以获得最大化利润与最小化风险的折中方案,又要兼顾发电机组自身发电成本、多时段机组加载爬坡速率限制等因素。因此,如何在多时段协调分配各市场的竞价电量———即机组多时段耦合投标组合策略是一个值得研究的问题。该文基于双边合同市场和日前市场(包括日前能量市场和旋转备用市场)的交易结构,引入经济学中的效用和风险管理的概念,建立了发电商多时段组合市场投标策略模型,同时详细列出了算例中用该模型计算出的投标组合及分析结果,说明本文的模型与方法能够为发电商进行日前市场多时段的投标组合提供参考方案。     

基于信息间隙决策的风火联合投标策略

发电主体联合投标策略可缓解可再生能源出力不确定性引起的现货市场投标偏差惩罚,推动可再生能源参与现货市场交易。但面对可再生能源出力和现货市场价格的不确定性,发电主体的风险倾向将直接影响联合投标策略的实施。在日前现货市场中考虑风电出力及出清价格的不确定性,针对作为价格接受者的风电场和含储热热电联产机组,建立风火联合投标策略,利用信息间隙决策理论描述不确定变量,并通过鲁棒模型和机会模型反映发电主体不同风险倾向。通过不同联合投标模式下收益敏感度分析研究联合投标可行性,反映联合投标优势,为发电主体选择联合投标合作伙伴提供策略参考,并利用Shapley值法对联合投标收益进行分配。算例结果表明,当发电主体均为鲁棒型或均为机会型时,联合投标具有可行性和策略优势;其他联合投标模式下,联合投标可行性须根据场景具体分析。     

加权CVaR下的发电商多时段投标组合模型

在多市场条件下,为了实现收益最大和风险最小,发电商需要在不同市场合理分配竞价电量。发电商竞价决策是多阶段决策,因而决策过程常呈现多期风险,即动态风险。同时各类电力市场收益率并非固定不变,而是具有随机变化的特性。条件风险价值(conditional value at risk,CVaR)可以衡量决策过程的风险和收益,而单时段CVaR只考虑单一时段的静态风险和固定收益率,因此采用多时段CVaR模型度量发电商的动态风险和随机变化的收益率,并建立发电商加权多时段CVaR组合市场投标策略优化模型。应用该模型,发电商可以在不同时段将竞价电量在多市场中进行合理分配,以实现风险最小和收益最大。算例分析结果表明该方法的有效性,从而为发电商的投标决策和风险度量提供新的思路。     

电力市场下日前多边交易模型及算法研究

针对电力市场条件下多边交易的特点,提出了以电网安全为约束、交易电量最大化为目标的多时段的日前多边交易数学模型。在该模型中,可以允许电厂和用户的报价为任意形式、任意段数的线性折线段构成。为了能够处理这种灵活的报价形式,该文采用虚拟机组(用户)的概念把多段折线报价分解成单段报价,并提出一个结合遗传算法和线性规划法各自优点的混合优化策略来求解该模型,其中遗传算法用来解决多时段虚拟机组(用户)的组合问题,线性规划法用于进行考虑线路阻塞的电量最优分配。算例结果验证了该文所提出模型和算法的正确性和有效性。     

考虑网损和输电约束的发电竞价交易方法

采用非线性规划方法解决电力市场中机组多时段报价与发电计划问题。建立了考虑抽水蓄能电站的多时段发电计划模型,在排序的基础上考虑输电约束和网损对发电计划的影响,用非线性优化方法进行计算,得到满足报价和电网约束的最优发电计划。对一个6节点母线系统进行了多时段发电交易计划分析,结果显示电网输电约束和传输损失对发电计划产生影响,多时段发电计划优化能带来更大的全局经济利益。     

电力日前交易中多时段优化策略研究

针对电力市场条件下交易的特点,在以最小边际电价为目标的模型中,提出了以电网安全为约束的多时段日前交易混合优化策略.该策略允许电厂的报价由任意形式,任意段数的线性折线段构成.为了处理这种灵活的报价形式,使用虚拟机组的概念,把多段折线报价分解成单段报价,提出一个结合遗传算法和线性规划法各自优点的混合优化策略来求解模型,其中遗传算法用来解决多时段虚拟机组的组合问题,线性规划法用于进行考虑线路阻塞的电量最优分配.算例结果验证了所提出模型和算法的正确性和有效性.     

条件风险价值约束下的发电商容量分配模型

在成熟的电力市场中,发电商可选择在日前市场、实时市场、辅助服务市场等多个市场中进行交易,以降低风险,提高收益.在不同的电力交易市场中分配容量与证券市场中的资产组合类似,可通过建立均值-条件风险价值模型进行优化.但由于电力商品的一些独特特性,必须对证券市场中的模型进行修正,才能适用于电力市场.建立了电力市场中具有非V型交易费用的均值-条件风险价值模型,并通过模拟计算,比较交易费用对容量分配策略的影响.     

基于深度强化学习的电力市场虚拟投标策略

针对电力现货市场中日前(day-ahead,DA)市场和实时(real-time,RT)市场的价格差异导致的市场运行风险大、效率低等问题,可采用虚拟投标(virtual bidding,VB)对未知分布的日前和实时价差进行套利,以促进二者的价格趋同。从时空维度搭建虚拟投标的市场架构,将虚拟投标划分为机组型和负荷型2种类别,以虚拟投标者累积收益最大化为目标,建立含预算约束的多区域多时段虚拟投标模型,该模型可表述为经典的0-1背包问题。同时,采用条件风险价值工具量化风险偏好、规避、中立3种类型的虚拟投标者所面临的风险,建立考虑风险度量的电力市场虚拟投标策略模型。针对这一问题的求解,构建深度强化学习(deep reinforcement learning,DRL)网络框架,通过设计合理的状态、动作空间及奖励函数,并利用深度Q网络与环境交互,获得信息反馈并优化神经网络参数,实现对最优投标策略的有效求解。利用美国PJM电力市场2018年6—12月数据计算虚拟投标者的累积收益和夏普比率,并与贪心算法、动态规划等方法进行对比,验证了该文模型和算法的有效性、优越性。     

小时级月度发购电计划的优化模型及其混合智能求解策略

结合网内外购电模式的差异,建立了计及网外购电市场的小时级月度发购电计划模型。该模型是一个多时段大规模混合整数规划模型。负荷的时段融合策略可有效减小模型中小时级时段数的规模,但会带来负荷融合误差,从而影响模型的目标甚至安全约束,为此提出了基于负荷融合误差的校正优化策略。针对模型的大规模多时段混合整数规划特点,提出了结合免疫遗传算法与拉格朗日分解协调策略的混合智能算法。一方面,利用免疫遗传算法为拉格朗日松弛法提供满足启停约束和旋转备用约束的机组组合发购电方案。另一方面,利用拉格朗日分解协调算法高效求解运行机组的最优发电方案,快速提升免疫遗传算法优秀个体的质量。两者交替迭代,互相促进,从而实现上述多时段混合整数规划模型的高效求解。最后通过IEEE 57节点系统的仿真分析验证了所提模型和算法的有效性。     

基于多时段机组组合的中长期市场安全校核方法

为解决电力中长期市场中调度机构安全校核缺乏有效技术方法的问题,基于多时段机组组合模型提出了一种面向电力中长期市场的安全校核方法。以发电企业中长期校核电量偏差最小化为优化目标,综合考虑电力平衡约束、网络传输能力约束、机组发电能力约束等多方面系统运行约束条件,构建了电力中长期市场机组组合模型。利用该机组组合模型,对电网调度过程进行运行模拟。并通过判定各发电企业电力中长期交易结果的完成率偏差,来判定电力中长期市场交易结果是否满足系统运行要求。最后,基于某省区电网实际数据构造的算例表明,与传统典型日运行模拟校核方法相比,本文所提出的校核方法能有效考虑机组启停时间约束等运行要求,更符合电网实际调度运行需要,能够给出更为准确的安全校核判定结果。