基于机会约束规划的发电公司最优检修策略

发电公司在制定发电机组检修策略时因信息的不确定性需要适当计及风险的影响,亦即需要进行风险管理。文中在机会约束规划的方法框架下,针对所研究的发电公司为价格接受者和非价格接受者这两种情况,以预测的市场电价为基础,发展了描述电力市场环境下计及风险约束的发电公司最优检修策略问题的数学模型,提出了转化为确定性等价类和蒙特卡罗仿真的求解方法,并通过模拟算例验证了所提出的方法的可行性。     

基于发电容量充裕度估计的发电公司检修策略

电力市场环境下,发电公司在制定下一年度的发电机组检修计划时，首先需要预测未来1年各交易时段的电价,并尽可能将检修安排在电价较低的时期内进行，以减少收益损失。针对装机容量不太充裕的电力现货市场中电价波动大、难以直接准确预测的问题,提出了首先基于历史数据模拟市场电价与发电容量充裕度之间的函数关系,然后根据负荷预测结果和对其他发电公司检修起始时间的概率估计求取系统发电容量充裕度，进而预测现货市场电价的新方法。在此基础上构造了基于机会约束规划的发电公司最优检修策略模型,给出了求解方法,并用算例进行了说明。     

基于博弈论的发电公司检修决策

电力市场环境下,发电公司在制定机组检修计划时,必须考虑竞争对手检修策略的影响,以追求收益损失最小化。根据预测电价和系统发电容量充裕度,构造了发电公司机组检修非合作博弈模型。当系统允许检修容量不太充裕时,考虑了可中断负荷的合理利用。局中人的策略包括检修起始时间和检修报价策略,收益函数由检修损失和风险损失构成。博弈过程考虑了多均衡点的协调,并采用随机求解方法。仿真算例说明了该方法的合理性和有效性。     

基于发电容量充裕度估计的发电公司检修策略

电力市场环境下,发电公司在制定下一年度的发电机组检修计划时,首先需要预测未来1年各交易时段的电价,并尽可能将检修安排在电价较低的时期内进行,以减少收益损失。针对装机容量不太充裕的电力现货市场中电价波动大、难以直接准确预测的问题,提出了首先基于历史数据模拟市场电价与发电容量充裕度之间的函数关系,然后根据负荷预测结果和对其他发电公司检修起始时间的概率估计求取系统发电容量充裕度,进而预测现货市场电价的新方法。在此基础上构造了基于机会约束规划的发电公司最优检修策略模型,给出了求解方法,并用算例进行了说明。     

构造发电公司最优报价策略的机会约束规划方法

在采用暗标拍卖的电力市场环境中,发电公司在构造报价策略时需要对竞争对手的报价行为或市场电价进行估计,即报价决策是在不完全的信息基础上作出的,这样就不可避免地会带来一定的风险,因而需要进行风险管理.为避免现有的用方差度量风险时所存在的问题,作者借用了金融理论中的风险价值的思想,提出了与发电公司报价策略相关的风险的新的度量方法.在此基础上,构造了发电公司最优报价策略的机会约束规划模型,提出了将遗传算法嵌入蒙特卡罗随机模拟的求解方法.最后,用算例对所提出的模型和方法进行了验证.     

不同允许报价段数对发电公司报价策略的影响

针对国内外实际运营的电力市场中普遍采用的分段报价规约研究了不同允许报价容量段数对发电公司构造最优报价策略的影响。在研究初期以作为价格接受者的发电公司为研究对象,首先采用概率方法模拟电力市场中的电价并在此基础上采用等概率法建立了模拟发电公司最优报价策略的多段报价模型;然后研究了发电公司风险偏好程度和市场信息不对称对其构造最优报价策略的影响。最后通过算例对所提出的模型和方法进行了说明。     

市场机制下考虑风险的售电公司日前电价决策方法

售电公司在进行电力零售业务电价决策时需要考虑各种不确定因素引起的收益风险。基于"电网公司-售电公司-用户"三层市场构架,提出了一种基于多代理服务构架的售电公司日前小时电价风险决策方法。该方法在保证用户隐私性的情况下,应用负荷电量电价弹性矩阵对用户侧进行建模,并采用条件风险价值度量售电公司决策风险,构建计及售电收益与潜在收益的售电公司日前小时电价决策模型,通过混沌粒子群算法进行求解。最后通过算例分析验证了所提风险决策方法对协调售电公司利润与风险的效果。     

电力市场环境下计及风险的发电公司中期运行规划

在电力市场环境下,发电公司需要对中期运行进行合理规划,以最大化其售电收益.在进行中期规划时,需要综合考虑其在现货市场和合约市场的售电策略,以及检修计划的合理安排,并采用适当方法管理风险.通过采用条件风险价值(CVaR)模型度量售电收益风险,并在计及输电阻塞对合约交易的影响下,为发电公司构造了一种兼顾期望利润最大化和CVaR风险值最小化的中期运行规划模型.将年度发电计划转化为计及机组物理约束的日发电计划,并提出了结合遗传算法和蒙特卡罗方法的求解方法.最后用算例说明了该方法的基本特征,并分析了合约参数、置信度等相关因素对发电公司决策效用的影响.     

有差价合约日前市场中计及风险约束的最优报价策略

日前市场是国内外目前实际运营的以联营体为基础的单一购买者模式的电力市场所采用的最主要的形式.在有些日前市场中采用了差价合约来规避单一购买者和发电公司可能面对的由于电价波动所带来的财政风险.针对具有差价合约的日前市场,在假设市场规约要求发电公司采用线性报价函数申报下一个交易日每个时段的报价而且市场按统一清算价对每个交易时段分别进行结算的前提下,构造了发电公司在日前市场考虑风险约束的最优报价策略的数学模型,计及了发电机组的运行约束和启动成本,并发展了以遗传算法为基础的有效的求解方法.最后,用一个算例说明了所提出的方法的基本特征.     

考虑多种变量不确定性的梯级水电站中期调度及交易决策方法

如何衡量在中期调度阶段参与中长期市场交易时由于日径流与市场出清电价的不确定性而承受的风险并做出相应决策是梯级水电站亟待解决的问题.结合中国西南某以水电为主导地位的真实市场结构与交易结算规则,建立联合信息间隙决策理论与前景理论的梯级水电站中期运行及交易决策方法.针对中期调度阶段水电站参与中长期市场交易面临的主要不确定性变量,根据信息间隙决策理论得到鲁棒模型中满足预期收益的变量的最大波动范围,再利用前景理论在该范围内构建一种计及决策者心理因素的竞价策略模型.以某电网梯级水电参与电力市场的实际资料为例进行仿真分析,结果表明所提方法可提供不同预期收益目标下日径流与市场电价波动范围,并且可在该范围内根据决策者不同的风险偏好程度制定合理的申报决策与运行方案.     

基于合作博弈的含清洁能源发电商参与现货市场竞价策略及收益分配

随着清洁能源发电技术的成熟及其建设成本的下降,含清洁能源发电商在参与电力市场时逐渐从补贴对象转变为自主竞价的市场主体。一方面,火电机组具有较好的调节能力,但在较低的预期能源价格期间,昂贵的生产成本可能导致其单独参加现货市场竞标时缺乏竞争力;另一方面,清洁能源出力和现货市场电价的不确定性导致发电商在参与电力市场竞争时需承担投标偏差造成的损失,收益大幅下降。采用风火联合竞价策略可以促使二者优势互补、共赢发展。首先,以含清洁能源发电商参与现货市场竞价利润最大为目标,建立考虑投标偏差惩罚的风火机组联合组成的含清洁能源发电商两阶段随机整数优化竞价模型,采用条件风险价值理论评估清洁能源和电价预测偏差风险,并得到最优竞价策略。对联合后获得的收益,利用合作博弈论中的核仁解给出火电机组与清洁能源机组间的收益分配方法。算例仿真验证,所提竞价策略有效提高了含清洁能源发电商的利润,降低了投标偏差惩罚对含清洁能源发电商收益的影响,增强了含清洁能源发电商在参与现货市场的主动性。     

电力市场环境下发电机组检修计划调整机制初探

电力市场环境下发电机组检修计划的安排与传统电力工业运行管理体制下有很大的不同。由系统调度机构统一安排发电机组的检修计划与电力市场机制并不吻合,而由发电公司自主确定其所拥有的发电机组的检修计划则可能会对系统的安全可靠运行构成威胁。因此,研究适当的市场机制,在必要时对发电公司申报的检修计划进行调整以确保系统安全可靠运行,同时保证对所有的发电公司公平,是一个亟待解决的重要问题。文中对系统运行机构（如ISO）调整发电公司申报的机组检修计划的机制进行了较系统的研究。所提出的机制通过引入发电公司对维持其所申报的检修计划不被ISO调整的意愿支付(willingness-to-pay),可以同时保证系统的安全可靠性和发电公司间的公平性,易于被发电公司接受。最后用一个算例说明了该方法的基本特征。     

考虑电价和碳价间Copula风险依赖的虚拟电厂竞标策略

作为促进温室气体减排的新兴市场, 碳交易市场逐渐成为影响发电公司收益的重要因素。碳市场中的碳排放配额具有典型的金融产品特征, 碳价波动及其与电价的交互作用会给参与电力市场运营的发电公司竞标决策带来风险。在此背景下, 针对由同一区域的火电机组、分布式发电单元、电动汽车和需求侧资源所集成的虚拟电厂（virtual power plant, VPP）, 首先利用条件风险价值（conditional-value-at-risk, CVaR）理论度量VPP所面临的不确定性因素。然后, 采用Copula函数对电价与碳价的联合概率分布进行建模, 并以CVaR最小化为目标, 针对虚拟电厂构建了计及电价和碳价间风险依赖的Copula-CVaR竞标优化模型。最后, 采用YALMIP/CPLEX对所建立的竞标优化模型进行求解, 并用一个算例系统的4个场景说明了采用所提方法刻画VPP竞标风险的可行性与有效性。     

Hybrid: Particle Swarm Optimization–Genetic Algorithm and Particle Swarm Optimization–Shuffled Frog Leaping Algorithm for long-term generator maintenance scheduling

This paper presents a Hybrid Particle Swarm Optimization based Genetic Algorithm and Hybrid Particle Swarm Optimization based Shuffled Frog Leaping Algorithm for solving long-term generation maintenance scheduling problem. In power system, maintenance scheduling is being done upon the technical requirements of power plants and preserving the grid reliability. The objective function is to sell electricity as much as possible according to the market clearing price forecast. While in power system, technical viewpoints and system reliability are taken into consideration in maintenance scheduling with respect to the economical viewpoint. It will consider security constrained model for preventive Maintenance scheduling such as generation capacity, duration of maintenance, maintenance continuity, spinning reserve and reliability index are being taken into account. The proposed hybrid methods are applied to an IEEE test system consist of 24 buses with 32 thermal generating units.     

Evaluation of electric power procurement strategies by stochastic dynamic programming

In deregulated electricity markets, the role of a distribution company is to purchase electricity from the wholesale electricity market at randomly fluctuating prices and to provide it to its customers at a given fixed price. Therefore, the company has to take risk stemming from the uncertainties of electricity prices and/or demand fluctuation instead of the customers. The way to avoid the risk is to make a bilateral contract with generating companies or install its own power generation facility. This entails the necessity to develop a certain method to make an optimal strategy for electric power procurement. In such a circumstance, this research proposes a mathematical method based on stochastic dynamic programming and considers the characteristics of the start‐up cost of an electric power generation facility to evaluate strategies of combination of the bilateral contract and power auto‐generation with its own facility for procuring electric power in a deregulated electricity market. In the beginning we proposed two approaches to solve the stochastic dynamic programming, and they are a Monte Carlo simulation method and a finite difference method to derive the solution of a partial differential equation of the total procurement cost of electric power. Finally we discussed the influences of the prime uncertainty on optimal strategies of power procurement. © 2007 Wiley Periodicals, Inc. Electr Eng Jpn, 160(2): 20–29, 2007; Published online in Wiley InterScience ( www.interscience.wiley.com ). DOI 10.1002/eej.20296