侯琳娜， 孫靜春， 王海燕

(1.西安交通大學(xué) 管理學(xué)院，陜西 西安 710049; 2.北京信息科技大學(xué) 機(jī)電工程學(xué)院，北京 100192)

?

大規(guī)模風(fēng)電并網(wǎng)的雙供應(yīng)源電力供應(yīng)鏈牛鞭效應(yīng)分析

侯琳娜1， 孫靜春1， 王海燕2

(1.西安交通大學(xué) 管理學(xué)院，陜西 西安 710049; 2.北京信息科技大學(xué) 機(jī)電工程學(xué)院，北京 100192)

中國當(dāng)前的電力供應(yīng)鏈除具有部分壟斷特征外，還由于大規(guī)模風(fēng)電并網(wǎng)使得電力供給也出現(xiàn)隨機(jī)性，它與隨機(jī)需求一起影響了供應(yīng)鏈信息的準(zhǔn)確傳遞，在電力供應(yīng)鏈產(chǎn)生了牛鞭效應(yīng)，但對這類問題的研究極少。本文在分析中國電力供應(yīng)鏈特點的基礎(chǔ)上，構(gòu)建了由煤炭供應(yīng)企業(yè)、發(fā)電廠(火力發(fā)電和風(fēng)力發(fā)電)和用戶組成的多級電力供應(yīng)鏈模型，揭示了牛鞭效應(yīng)在單/雙供應(yīng)源兩種供應(yīng)鏈類型下的變化。研究結(jié)果表明，大規(guī)模風(fēng)電并網(wǎng)形成的雙供應(yīng)源電力供應(yīng)鏈牛鞭效應(yīng)較大且波動劇烈，尤其當(dāng)下游用戶需求較平穩(wěn)時，供應(yīng)鏈會出現(xiàn)牛鞭效應(yīng)與反牛鞭效應(yīng)共存現(xiàn)象，而預(yù)測技術(shù)的選擇、風(fēng)電場合理規(guī)劃等有助于抑制牛鞭效應(yīng)，保證電力安全并減小資源浪費。

牛鞭效應(yīng)；反牛鞭效應(yīng)；隨機(jī)需求；隨機(jī)供應(yīng)；電力供應(yīng)鏈

0 引言

牛鞭效應(yīng)是供應(yīng)鏈的需求信息從下游用戶向上游供應(yīng)商傳遞過程中被逐漸放大而扭曲的現(xiàn)象，在IT制造、食品、汽車、零售百貨等領(lǐng)域都被證實。牛鞭效應(yīng)的存在給供應(yīng)鏈管理帶來很多困難，如庫存投入浪費、生產(chǎn)低效、利潤損失等。研究表明，由于牛鞭效應(yīng)造成的無效生產(chǎn)運作等將使企業(yè)多支付12.5%至25%的費用[1]。同樣，對電力工業(yè)領(lǐng)域牛鞭效應(yīng)研究也非常必要，因為它的存在意味著電煤需求信號被放大傳遞給了上游的煤炭供應(yīng)企業(yè)，這不僅會誤導(dǎo)煤炭企業(yè)的產(chǎn)能規(guī)劃，使生產(chǎn)計劃紊亂，而且還會增加供應(yīng)鏈核心企業(yè)—發(fā)電廠的燃料庫存成本，而這部分成本占到火電發(fā)電成本的60%～70%，并且當(dāng)考慮到儲存損耗及煤價上漲等因素時，由牛鞭效應(yīng)造成的過量庫存將嚴(yán)重影響整個發(fā)電廠的經(jīng)濟(jì)效益?？傊娏?yīng)鏈的牛鞭效應(yīng)不僅使上、下游企業(yè)的生產(chǎn)成本增加，同時也會造成煤炭資源的損耗。因此，只有在識別電力供應(yīng)鏈牛鞭效應(yīng)的產(chǎn)生原因、影響因素及變化規(guī)律等基礎(chǔ)上，才能找到有效抑制策略，達(dá)到減少資源浪費、保證電力供應(yīng)以及實現(xiàn)國民經(jīng)濟(jì)平穩(wěn)發(fā)展的目標(biāo)。

由于國情特點，中國電力供應(yīng)鏈與其他國家有兩點不同：一是具有部分壟斷特征，表現(xiàn)為“市場煤，計劃電”的矛盾，即電力供應(yīng)鏈上游煤炭的生產(chǎn)和供應(yīng)已經(jīng)完全市場化，但是中下游的電力供應(yīng)還處于市場化改革的起步和試驗階段，僅完成了“廠網(wǎng)分開”，還沒有形成競爭性的成熟電力市場。因此，中國電力供應(yīng)鏈各節(jié)點不都是以“利潤最大化”為目標(biāo)進(jìn)行決策的，這與國外完全市場化的電力供應(yīng)鏈有著本質(zhì)區(qū)別；二是具有大規(guī)模、集中并網(wǎng)、遠(yuǎn)距離輸電等特點風(fēng)電接入電網(wǎng)，成為電力供應(yīng)鏈的重要的供應(yīng)環(huán)節(jié)。從2006年起，中國風(fēng)電裝機(jī)容量以平均每年80%的速度增長，2011年已經(jīng)超過美國成為世界上風(fēng)電裝機(jī)容量最大的國家，2013年累計裝機(jī)容量已突破9000萬千瓦。根據(jù)規(guī)劃，中國將在甘肅、新疆、河北、吉林、內(nèi)蒙古、江蘇六個省區(qū)打造7個千萬千瓦級風(fēng)電基地，這與國外，特別是歐洲地區(qū)風(fēng)電分布均衡且就地并網(wǎng)、就地消納有著很大差異。

大規(guī)模風(fēng)電接入使得電力供應(yīng)鏈結(jié)構(gòu)發(fā)生了變化—由單供應(yīng)源轉(zhuǎn)變?yōu)殡p供應(yīng)源鏈狀結(jié)構(gòu)，并且除了電力需求的隨機(jī)波動外，由于風(fēng)能本身間歇性和波動性特點使上游的風(fēng)電供應(yīng)也呈現(xiàn)出隨機(jī)性。這樣，供應(yīng)鏈上下游供給和需求的同時隨機(jī)性波動使得鏈上信息傳遞規(guī)律和扭曲程度發(fā)生了變化，這是形成牛鞭效應(yīng)的重要原因之一。從供應(yīng)鏈管理角度對中國電力供應(yīng)鏈的牛鞭效應(yīng)進(jìn)行定量研究，討論其影響因素和變化規(guī)律，有助于更好理解電力供應(yīng)鏈結(jié)構(gòu)變化產(chǎn)生的影響，為供應(yīng)鏈成員的決策提供參考。

1 電力供應(yīng)鏈及牛鞭效應(yīng)研究現(xiàn)狀

電力供應(yīng)鏈的研究近幾年才開始，主要以完全市場化環(huán)境為背景討論其影響因素及均衡條件。Nagurney團(tuán)隊[2]最早開始關(guān)注電力供應(yīng)鏈的相關(guān)研究，建立了包含發(fā)電公司、發(fā)電廠、輸電商和用戶的供應(yīng)鏈模型，根據(jù)變分不等式理論求解了電力供應(yīng)鏈燃料和電量的均衡結(jié)果，并討論了滿足均衡條件下的三種碳稅政策對環(huán)境目標(biāo)的影響。在此基礎(chǔ)上，Wu等[3]將電力供應(yīng)鏈網(wǎng)絡(luò)均衡問題轉(zhuǎn)化為運輸網(wǎng)絡(luò)均衡問題來求解，分析了一種碳稅政策對均衡的影響。Yang等[4]考慮發(fā)電污染排放所產(chǎn)生的額外交易成本，構(gòu)建了包括燃料、發(fā)電和排放交易市場的電力供應(yīng)鏈模型，采用啟發(fā)式算法求解了由三個發(fā)電公司和一個負(fù)荷服務(wù)公司組成的四節(jié)點系統(tǒng)的燃料、發(fā)電和排放的均衡。李學(xué)遷等[5]構(gòu)建了包含發(fā)電廠、電力服務(wù)商和用戶的三級電力供應(yīng)鏈，分析了各級決策者的競爭行為，基于供應(yīng)鏈均衡條件研究了發(fā)電廠排污權(quán)交易政策設(shè)計問題。以上研究以電力供應(yīng)鏈參與方追求各自利潤最大化為前提，在分析各主體相互關(guān)系的基礎(chǔ)上探尋了均衡結(jié)果。Chen等[6]從社會福利最大化的角度分析電力供應(yīng)鏈參與主體之間關(guān)系，提出采用罰函數(shù)與變分不等式相結(jié)合的方法可以找到實現(xiàn)福利最大化的供應(yīng)鏈均衡。

相關(guān)研究的另一重要方面是基于一般供應(yīng)鏈的理論來討論電力供應(yīng)鏈管理問題。針對供應(yīng)鏈整體利益問題，Oliveira等[7]構(gòu)建了基于不同市場結(jié)構(gòu)、由多個發(fā)電公司和售電公司組成的電力供應(yīng)鏈模型，分析了不同類型合同與市場結(jié)構(gòu)的交互對各參與方及供應(yīng)鏈整體利益的影響，提出兩部制電價合同是提高電力供應(yīng)鏈效率的最佳合同。竇迅等[8]從收益風(fēng)險角度討論了實現(xiàn)電力供應(yīng)鏈整體利潤最優(yōu)的電量組合策略。而供應(yīng)鏈管理的重要前提是解決牛鞭效應(yīng)問題，它是供應(yīng)鏈研究的熱點內(nèi)容之一。

目前只有少數(shù)文獻(xiàn)對電力供應(yīng)鏈牛鞭效應(yīng)進(jìn)行了討論，定性分析了其產(chǎn)生原因。徐曼等[9]運用供應(yīng)鏈及復(fù)雜系統(tǒng)理論，構(gòu)建了由電力工業(yè)供應(yīng)主供應(yīng)鏈和電力生產(chǎn)/建設(shè)項目供應(yīng)輔供應(yīng)鏈組成的兩維度模型，討論主輔供應(yīng)鏈的差異并發(fā)現(xiàn)主輔供應(yīng)鏈的傳導(dǎo)機(jī)制是造成牛鞭效應(yīng)的原因，提出解決電力企業(yè)物資采購問題的對策。李揚[10]也探討了中國電力工業(yè)牛鞭效應(yīng)的產(chǎn)生原因，認(rèn)為電力工業(yè)市場化改革使得電力供應(yīng)的發(fā)、輸、配等環(huán)節(jié)的市場地位和利益傾向有所不同，造成供應(yīng)鏈信息難以共享從而形成牛鞭效應(yīng)。但是目前對電力供應(yīng)鏈牛鞭效應(yīng)的定量研究幾乎空白，尤其缺少對大規(guī)模風(fēng)電并網(wǎng)和部分壟斷特征的中國電力供應(yīng)鏈牛鞭效應(yīng)的討論。

本文通過電力供應(yīng)鏈模型的構(gòu)建，在分析單/雙供應(yīng)源的電力供應(yīng)鏈牛鞭效應(yīng)的特點的基礎(chǔ)上，對兩類供應(yīng)鏈的牛鞭效應(yīng)進(jìn)行量化和比較分析，揭示供應(yīng)鏈結(jié)構(gòu)變化帶來的影響，為抑制牛鞭效應(yīng)提出建議。

2 問題描述及模型構(gòu)建

2.1 電力供應(yīng)鏈整體模型

Nagurney團(tuán)隊建立的模型中電力供應(yīng)鏈由燃料供應(yīng)企業(yè)、發(fā)電公司、輸配電公司及用戶組成。當(dāng)前中國電力行業(yè)完成了電廠和電網(wǎng)的分離，但輸配電網(wǎng)并未分開，因此本文構(gòu)建一個由煤炭供應(yīng)企業(yè)、火電廠、風(fēng)電場和用戶組成的三級電力供應(yīng)鏈，其中煤炭供應(yīng)企業(yè)和風(fēng)資源供應(yīng)為第一級，分別向火電廠和風(fēng)電場供應(yīng)煤炭和風(fēng)能；火電廠和風(fēng)電場為第二級，分別采用火力發(fā)電和風(fēng)力發(fā)電向用戶輸送；用戶為第三級。它們分別用圖1中的1、2、3和4表示。風(fēng)的供應(yīng)具有自然特性，用1′表示。

圖1 一個簡單的三級電力供應(yīng)鏈

圖1第一級表示雙供應(yīng)源——煤炭和風(fēng)能的供應(yīng)，粗實線表示煤炭供應(yīng)商1向火電廠2輸送的煤炭量，也即火電廠2的煤炭訂購量，本文假設(shè)煤炭不存在缺貨。圖1中點劃線表示新能源風(fēng)能向風(fēng)電場供應(yīng)。由于風(fēng)的間歇性和波動性特點，風(fēng)電場3的風(fēng)力發(fā)電也具有較強(qiáng)的不確定性。細(xì)實線表示電力供應(yīng)。由于大規(guī)模電能儲存所需成本太高，在此不考慮電力儲存。電力供應(yīng)鏈要求電力供需的實時平衡，用戶4的電力需求通過火電廠2和風(fēng)電場3發(fā)電共同完成。并且由于國家對風(fēng)電等新能源發(fā)電出臺了一系列扶持政策，要求電網(wǎng)優(yōu)先接納風(fēng)電，電能不足部分再由火電補(bǔ)充?？梢哉J(rèn)為火電廠2的電力需求等于用戶電力需求4與風(fēng)電發(fā)電量3的差額。虛線表示信息流，火電廠2根據(jù)用戶4和風(fēng)力發(fā)電3的信息的綜合，判斷出火電的需求信息，據(jù)此向煤炭供應(yīng)商1提出訂購量。

2.2 電力供應(yīng)鏈各環(huán)節(jié)分析

本文以發(fā)電量占主體的電力供應(yīng)鏈核心企業(yè)火電廠為研究對象，火電廠在t-1期末觀察到實際的煤炭消耗量x1,t-1，計算t期煤炭的目標(biāo)庫存y1,t，并在t期初向煤炭供應(yīng)企業(yè)發(fā)出訂煤量q1,t，在經(jīng)過煤炭訂購提前期L后在t+L期初收到煤炭。

q1,t=y1,t-y1,t-1+x1,t-1

(1)

(2)

火電廠對煤炭的需求量x1,t用發(fā)電所需的煤耗量來表示，即：

x1,t=β1x2,t

(3)

其中β1表示煤耗率，即單位發(fā)電量所需的耗煤量，可設(shè)為常數(shù)。

由于風(fēng)電優(yōu)先調(diào)度和保障性收購等政策，假設(shè)電力需求優(yōu)先由風(fēng)電等新能源發(fā)電來滿足。因此，第t期火電廠的發(fā)電量x2,t等于t期的風(fēng)電x3,t盡量滿足電力需求x4,t后的剩余電量，即：

x2,t=x4,t-x3,t

(4)

根據(jù)公式(1)～(4)，火電廠的訂煤量q1,t可以表示為：

(5)

火電廠對煤炭需求量的估計需要考慮兩方面：一是火力發(fā)電本身所需煤炭量，二是應(yīng)對風(fēng)電場風(fēng)力發(fā)電量的不確定性而準(zhǔn)備的火電備用機(jī)組發(fā)電所需的煤炭量。因為風(fēng)電具有間歇性、波動性和隨機(jī)性特點，當(dāng)它并入電網(wǎng)時對電力傳輸功率將產(chǎn)生很大影響，并且隨著風(fēng)電場并網(wǎng)裝機(jī)容量規(guī)模的擴(kuò)大而影響更加顯著。為了保證電力的輸送的穩(wěn)定和用戶需求的實時滿足，火電廠必須承擔(dān)消納風(fēng)電功率波動的任務(wù)，即通過提前準(zhǔn)備一些火電機(jī)組作為備用，當(dāng)風(fēng)電場由于風(fēng)速變化未能按計劃發(fā)電時，火電廠必須啟動備用機(jī)組發(fā)電來滿足用戶端電力需求，備用的比例一般按照風(fēng)力發(fā)電量的一定比例θ來準(zhǔn)備：

(6)

因此，根據(jù)公式(5)～(6)，t期的煤炭訂購量q1,t可以表示為：

(7)

令

(8)

(9)

N與電力需求有關(guān)，M與風(fēng)力發(fā)電量有關(guān)。

因此，煤炭訂購量公式(7)可表示為：

q1,t=β1(N+M)

(10)

2.3 電力供應(yīng)鏈的牛鞭效應(yīng)

Lee[14, 15]等提出牛鞭效應(yīng)通過供應(yīng)商收到的訂單量方差相對于顧客需求量方差之比來表示，據(jù)此將電力供應(yīng)鏈的牛鞭效應(yīng)通過煤炭訂購量的方差與實際需求量方差之比來衡量，即：

BWE=Var(q1,t)/Var(x1,t)

(11)

由于國家出臺的風(fēng)電保障性收購政策，要求電網(wǎng)全額接納風(fēng)電，本文假設(shè)風(fēng)力發(fā)電量與電力需求量不相關(guān)，因此：

(12)

Var(x1,t)=Var(x4,t-x3,t)=Var(x4,t)+Var(x3,t)

(13)

假設(shè)電力需求x4,t在一定時間和區(qū)域范圍內(nèi)是穩(wěn)定的，滿足AR(1)自相關(guān)過程[16～18]：

x4,t=μ4+ρ4x4,t-1+ε4,t

(14)

(15)

(16)

(17)

對較長期的風(fēng)力發(fā)電量的預(yù)測時，q階自回歸模型AR(q)是預(yù)測常采用的一種方法[20, 21]：

x3,t=φ1x3,t-1+φ2x3,t-2+…+φqx3,t-q+α3,t

(18)

(19)

采用模型AR(q)預(yù)測的風(fēng)力發(fā)電方差表示為：

(20)

現(xiàn)有理論和實踐都指出，風(fēng)速分布規(guī)律滿足雙參數(shù)的Weibull分布，t期單個風(fēng)機(jī)的風(fēng)力發(fā)電方差可表示為[22]：

(21)

其中V表示風(fēng)速，a是尺度參數(shù)，b是形狀參數(shù)，ρ表示標(biāo)準(zhǔn)空氣密度。

對于整個風(fēng)電場來講，t期所有風(fēng)機(jī)發(fā)電量的方差可表示為：

(22)

其中，θG為風(fēng)力發(fā)電場的參數(shù)：

(23)

其中，C表示風(fēng)電場容量，C0表示單個風(fēng)機(jī)的額定功率，δ表示尾流效應(yīng)，Cp表示風(fēng)能利用系數(shù)，S表示風(fēng)機(jī)掃略面積。

風(fēng)電場發(fā)電方差和協(xié)方差為：

(24)

(25)

其中ρt-i,t-j表示t-i期與t-j期風(fēng)速的相關(guān)系數(shù)。

將公式(17),(20)～(25)代入公式(12)得到t期訂購量方差：

(26)

其中Φ表示與其有關(guān)的風(fēng)電預(yù)測誤差，表示為:

(27)

從上面的推導(dǎo)可以得到以下定理。

(28)

3 單供應(yīng)源電力供應(yīng)鏈的牛鞭效應(yīng)分析

當(dāng)大規(guī)模風(fēng)電未接入電力供應(yīng)鏈時，此時供應(yīng)鏈特征是只有煤炭供應(yīng)的單供應(yīng)源電力供應(yīng)鏈，牛鞭效應(yīng)公式(28)中不包含風(fēng)電方差部分，即

(29)

其中，BWEED表示單供應(yīng)源電力供應(yīng)鏈的牛鞭效應(yīng)。據(jù)統(tǒng)計，電力需求自相關(guān)系數(shù)0<ρ4<1，可以證明BWEED>1，表明單供應(yīng)源電力供應(yīng)鏈存在牛鞭效應(yīng)，其大小與電力需求函數(shù)自相關(guān)系數(shù)ρ4以及需求預(yù)測移動平均次數(shù)p有關(guān)。

定理2 單供應(yīng)源電力供應(yīng)鏈的牛鞭效應(yīng)對預(yù)測移動平均次數(shù)的變化更敏感，移動平均次數(shù)的增加能夠顯著減小牛鞭效應(yīng)；電力需求的自相關(guān)性越強(qiáng)牛鞭效應(yīng)越小。

公式(29)的牛鞭效應(yīng)BWEED分別對p和ρ4求偏導(dǎo)得到：

(30)

(31)

牛鞭效應(yīng)對兩個變量的偏導(dǎo)都小于0說明其在此區(qū)間內(nèi)是減函數(shù)，變化形式如圖2。

圖2 單供應(yīng)源電力供應(yīng)鏈牛鞭效應(yīng)

單供應(yīng)源電力供應(yīng)鏈牛鞭效應(yīng)隨著預(yù)測移動平均次數(shù)的增加而明顯減小，而需求自相關(guān)系數(shù)的增加對牛鞭效應(yīng)的抑制作用很小。

4 雙供應(yīng)源電力供應(yīng)鏈的牛鞭效應(yīng)分析

由于雙供應(yīng)源電力供應(yīng)鏈的牛鞭效應(yīng)公式(28)較為復(fù)雜，單從定理無法直接判斷預(yù)測技術(shù)、電力需求特征、風(fēng)電場規(guī)模等因素對牛鞭效應(yīng)的影響，因此通過實際算例來分析。根據(jù)某區(qū)域2009～2013年各月電力需求量統(tǒng)計得ρ4=0.8129，ε4,t～(0,0.703)，設(shè)置p=4；根據(jù)2009～2013年月風(fēng)力發(fā)電量統(tǒng)計得各月風(fēng)速參數(shù)如表1所示，風(fēng)電場參數(shù)與其規(guī)模等有關(guān)，100MW風(fēng)電場θG=0.063。

表1 模型參數(shù)及結(jié)果

通過crystal ball軟件仿真10000次，得到風(fēng)電接入后電力供應(yīng)鏈的牛鞭效應(yīng)結(jié)果。

4.1 風(fēng)電是否接入及接入規(guī)模對牛鞭效應(yīng)的影響

當(dāng)電力需求特征不變時，風(fēng)電未接入的單供應(yīng)源的電力供應(yīng)鏈的牛鞭效應(yīng)為1.35。

以風(fēng)電規(guī)模分別為9MW、45MW和100MW為例分析風(fēng)電接入的雙供應(yīng)源電力供應(yīng)鏈的牛鞭效應(yīng)，以10年的每10min風(fēng)速數(shù)據(jù)為基礎(chǔ)，一次差分后月風(fēng)速數(shù)據(jù)的數(shù)據(jù)符合平穩(wěn)條件，q階的自回歸預(yù)測模型的結(jié)果和風(fēng)電場規(guī)模與牛鞭效應(yīng)的結(jié)果分別見表2和表3。

表2 模型參數(shù)及結(jié)果

表3 風(fēng)電場規(guī)模變化后的牛鞭效應(yīng)平均值

通過對全年牛鞭效應(yīng)平均值的計算發(fā)現(xiàn)，風(fēng)電的接入總體上增強(qiáng)了供應(yīng)鏈的牛鞭效應(yīng)，且接入規(guī)模越大牛鞭效應(yīng)越大。AIC準(zhǔn)則所選擇的AR(2)回歸模型預(yù)測產(chǎn)生的平均牛鞭效應(yīng)最小，表明預(yù)測模型的選擇有助于減小牛鞭效應(yīng)。

4.2 風(fēng)電預(yù)測AR(q)模型對牛鞭效應(yīng)的影響

以某100MW風(fēng)電場接入的電力供應(yīng)鏈為例，得到不同階數(shù)風(fēng)電預(yù)測模型對各月牛鞭效應(yīng)的影響規(guī)律如圖3所示。

圖3 不同階數(shù)自回歸模型牛鞭效應(yīng)仿真結(jié)果 圖4 各月風(fēng)力發(fā)電方差比較

從圖3可以得出的啟示是：不同階數(shù)的風(fēng)電預(yù)測自回歸模型對雙供應(yīng)源電力供應(yīng)鏈牛鞭效應(yīng)的影響趨勢基本一致，且1～7月份牛鞭效應(yīng)較小，6月份達(dá)到最小，而10月份最大。

從圖3中結(jié)果可以看出，選擇不同階數(shù)的風(fēng)電預(yù)測模型對牛鞭效應(yīng)的影響并不顯著，全年的牛鞭效應(yīng)在各階數(shù)條件下都呈現(xiàn)出前抑后仰的特點，1～7月份的牛鞭效應(yīng)遠(yuǎn)小于8～12月份，為何會呈現(xiàn)出相同的變化規(guī)律在下面進(jìn)一步分析。

4.3 雙供應(yīng)源電力供應(yīng)鏈牛鞭效應(yīng)規(guī)律性變化的原因分析

根據(jù)牛鞭效應(yīng)計算公式(28)，分子和分母的左邊部分與電力需求有關(guān)，在預(yù)測技術(shù)不變的條件下其值不變，不影響各月的牛鞭效應(yīng)計算。分子和分母的右邊部分與各月風(fēng)力發(fā)電量方差有關(guān)，以風(fēng)電AR(2)預(yù)測模型為例，這兩部分值的變化如圖4所示。

當(dāng)風(fēng)電場規(guī)模與電力需求特征變化時，各月牛鞭效應(yīng)的變化是否還服從此規(guī)律在下面進(jìn)一步驗證。

4.4 風(fēng)電場規(guī)模與電力需求的匹配對牛鞭效應(yīng)的影響

當(dāng)100MW的大規(guī)模風(fēng)電接入較平穩(wěn)的電力需求時，仿真結(jié)果如圖5所示。

圖5 牛鞭效應(yīng)與反牛鞭效應(yīng)共存

從圖5可以看出：當(dāng)大規(guī)模風(fēng)電接入電力供應(yīng)鏈時，若用戶的電力需求較平穩(wěn)，供應(yīng)鏈會出現(xiàn)牛鞭效應(yīng)與反牛鞭效應(yīng)共存現(xiàn)象，反牛鞭效應(yīng)出現(xiàn)在6月份。

反牛鞭效應(yīng)(anti-bullwhip effect)的定義是李剛、汪壽陽等[23,24]首先提出并驗證的，即訂單方差小于需求方差的現(xiàn)象。從圖5中看出，電力供應(yīng)鏈的牛鞭效應(yīng)趨勢符合前文總結(jié)的規(guī)律，不同點在于大規(guī)模風(fēng)電接入電力需求較平穩(wěn)的電力供應(yīng)鏈不僅平均牛鞭效應(yīng)增加，而且各月牛鞭效應(yīng)的波動也增加。例如6月份的牛鞭效應(yīng)為0.44，小于1，出現(xiàn)反牛鞭效應(yīng)，而其他月份牛鞭效應(yīng)大于1，全年出現(xiàn)牛鞭效應(yīng)與反牛鞭效應(yīng)共存的現(xiàn)象。

總之，大規(guī)模風(fēng)電接入后形成的雙供應(yīng)源電力供應(yīng)鏈的全年平均牛鞭效應(yīng)更大，主要原因是風(fēng)電的預(yù)測精度低造成信息更加扭曲，且當(dāng)下游用戶電力需求波動較小時會出現(xiàn)反牛鞭效應(yīng)。對牛鞭效應(yīng)的抑制可以通過選擇合適的預(yù)測模型來實現(xiàn)。在本文的區(qū)域?qū)嶋H電力系統(tǒng)中，以兼顧模型的復(fù)雜度和擬合數(shù)據(jù)的優(yōu)良性的AIC準(zhǔn)則為標(biāo)準(zhǔn)選擇風(fēng)電預(yù)測模型時能夠減小電力供應(yīng)鏈的牛鞭效應(yīng)。此外，合理控制風(fēng)電并網(wǎng)規(guī)模將有助于抑制牛鞭效應(yīng)，保證電力供應(yīng)安全并減小浪費。

5 結(jié)論

本文建立了反映中國電力供應(yīng)特點的供應(yīng)鏈模型，基于電力需求AR(1)模式和風(fēng)電AR(q)模式分析了單和雙供應(yīng)源電力供應(yīng)鏈的牛鞭效應(yīng)，得到以下結(jié)論：

①單供應(yīng)源電力供應(yīng)鏈牛鞭效應(yīng)與電力需求函數(shù)自相關(guān)系數(shù)以及需求預(yù)測移動平均次數(shù)有關(guān)；雙供應(yīng)源牛鞭效應(yīng)除了與以上兩個因素相關(guān)外，還與風(fēng)電發(fā)電量預(yù)測階數(shù)、自回歸系數(shù)、風(fēng)電方差等因素有關(guān)。②單供應(yīng)源電力供應(yīng)鏈中，用戶需求預(yù)測移動次數(shù)的增加能夠顯著減小牛鞭效應(yīng)；自相關(guān)系數(shù)大的電力需求牛鞭效應(yīng)較??；雙供應(yīng)源電力供應(yīng)鏈中，不同階數(shù)的風(fēng)電預(yù)測自回歸模型對牛鞭效應(yīng)的影響趨勢基本一致；雙供應(yīng)源牛鞭效應(yīng)均值大于單供應(yīng)源且波動也大；當(dāng)大規(guī)模風(fēng)電接入電力需求較平穩(wěn)的雙供應(yīng)源電力供應(yīng)鏈時，會出現(xiàn)牛鞭效應(yīng)與反牛鞭效應(yīng)共存現(xiàn)象。③電力供應(yīng)鏈牛鞭效應(yīng)的抑制可通過AIC準(zhǔn)則選擇風(fēng)電預(yù)測模型、合理控制風(fēng)電場規(guī)模以及供應(yīng)鏈企業(yè)聯(lián)合預(yù)測和制定發(fā)電計劃等手段來實現(xiàn)。本文僅考慮了風(fēng)電這一種新能源發(fā)電形式，對于其他新能源發(fā)電如光伏發(fā)電等對電力供應(yīng)鏈牛鞭效應(yīng)的影響將是進(jìn)一步的研究方向。

[1] Associates K S, Council U C. Efficient consumer response: enhancing consumer value in the grocery industry[R]. The Joint Industry Project on Efficient Consumer Response, Washington D. C, 1993.

[2] Nagurney A, Liu Z G, Woolley T. Optimal endogenous carbon taxes for electric power supply chains with power plants[J]. Mathematical and Computer Modelling, 2006, 44(9): 899-916.

[3] Wu K,Nagurney A, Liu Z G, Stranlund J K. Modeling generator power plant portfolios and pollution taxes in electric power supply chain networks[J]. Transportation Research Part D, 2006, 11(3): 171-190.

[4] Yang H M, Chung C Y, Wong K P. Optimal fuel, power and load-based emissions trades for electric power supply chain equilibrium[J]. IEEE Transactions on Power Systems, 2012, 27(3): 1147-1157.

[5] 李學(xué)遷,胡一竑.基于網(wǎng)絡(luò)均衡的電力市場排污權(quán)交易政策研究[J].運籌與管理,2013,22(1):230-236.

[6] Chen M J, Hsu Y F, Wu Y C. Modified penalty function method for optimal social welfare of electric power supply chain with transmission constraints[J]. International Journal of Electrical Power & Energy Systems, 2014, 57(4): 90-96.

[7] Oliverira F S, Rriz C, Conejo A J. Contract design and supply chain coordination in the electricity industry[J]. European Journal of Operational Research, 2013, 227(3): 527-537.

[8] 竇迅,李揚,王蓓蓓,薛朝改.電力供應(yīng)鏈的收益風(fēng)險研究[J].電力自動化設(shè)備,2012,32(4):11-15.

[9] 徐曼,沈江.電網(wǎng)企業(yè)供應(yīng)鏈建模及其應(yīng)用[J].工業(yè)工程,2009,12(6):66-69.

[10] 李揚.電力系統(tǒng)中錯峰控制與牛鞭效應(yīng)的研究[D].沈陽：東北大學(xué)信息科學(xué)與工程學(xué)院,2008.

[11] Chen F, Ryan J K, SimchiLevi D. The impact of exponential smoothing forecasts on the bullwhip effect[J]. Naval Research Logistics, 2000, 47(4): 269-286.

[12] Kim H K, Ryan J K. The cost impact of using simple forecasting techniques in a supply chain[J]. Naval Research Logistics, 2003, 50(5): 388- 411.

[13] 劉紅,王平.基于不同預(yù)測技術(shù)的供應(yīng)鏈牛鞭效應(yīng)分析[J].系統(tǒng)工程理論與實踐,2007,27(7):26-33.

[14] Lee H L, Padmanabhan V, Whang S. The bullwhip effect in supply chains[J]. Sloan Management Review, 1997, 38(3): 93-102.

[15] Lee H L, Padmanabhan V, Whang S. Information distortion in a supply chain: the bullwhip effect[J]. Management Science, 1997, 43(4): 546-558.

[16] Mirasgedis S, Sarafidis Y, Georgopoulou E, et al. Models for mid-term electricity demand forecasting incorporating weather influences[J]. Energy, 2006, 31(2): 208-227.

[17] Hsing Y. Estimation of residential demand for electricity with the cross-sectionally correlated and time-wise autoregressive model[J]. Resource and Energy Economics, 1994, 16(3): 255-263.

[18] Engle R F, Mustafa C, Rice J. Modelling peak electricity demand[J]. Journal of Forecasting, 1992, 11(3): 241-251.

[19] 康重慶,夏清,劉梅.電力系統(tǒng)負(fù)荷預(yù)測[M].北京：中國電力出版社,2007.

[20] Ma L, Luan S Y, Jiang C W, Liu H L, Zhang Y. A review on the forecasting of wind speed and generated power[J]. Renewable and Sustainable Energy Reviews, 2009, 13(4): 915-920.

[21] Foley A M, Leahy P G, Marvuglia A, McKeogh E J. Current methods and advances in forecasting of wind power generation[J]. Renewable Energy, 2012, 37(1): 1- 8.

[22] Altunkaynak A, Erdik T, Dabanli, Sen Z K. Theoretical derivation of wind power probability distribution function and applications[J]. Applied Energy, 2012, 92(4): 809- 814.

[23] Li G, Wang S Y, Yan H, Yu Gang. Information transformation in a supply chain: a simulation study[J]. Computers & Operations Research, 2005, 32(3): 707-725.

[24] 李剛,汪壽陽,于剛,閻洪.牛鞭效應(yīng)與生產(chǎn)平滑模型有效性問題[J].管理科學(xué)學(xué)報,2004,7(1):1-18.

Bullwhip Effect of Double Sources Electricity Supply Chain for Large-scale Wind Power Integration on Power System

HOU Lin-na1， SUN Jing-chun1， WANG Hai-yan2

(1.SchoolofManagement,Xi’anJiaotongUniversity,Xi’an710049,China;2.InstituteofMechanicandElectronicEngineering,BeijingInformationScienceandTechnologyUniversity,Beijing100192,China)

In addition to characteristics of partial monopoly for current electricity supply chain in China, its structure changes from single source to double sources due to large-scale wind power integration on power system, resulting in random supply and random demand. These changes affect the accurate transmission of electricity demand information and induce bullwhip effect, but these problems have rarely studied. Based on the characteristics of China’s electricity supply chain, we build a multi-level supply chain model including coal companies, power plants (thermal plant and wind power plant) and users, discuss changes of bullwhip effect in single and double sources electricity supply chain. The results show that bullwhip effect in double sources electricity supply chain is larger and more unstable, especially when the electricity need is relatively steady, there will be coexistence of bullwhip effect and anti-bullwhip effect. Through discussion of the bullwhip effect, we can deeply understand the changes and impacts of China’s current electricity supply chain and realize that reasonable forecasting model and rational planning of wind farms will be helpful to restrain bullwhip effect.

bullwhip effect; anti-bullwhip effect; random demand; random supply; electricity supply chain

2014- 05- 05

國家自然科學(xué)基金項目:產(chǎn)能影響下的光伏供應(yīng)鏈風(fēng)險池效應(yīng)研究(71372164);國家自然科學(xué)基金項目:考慮新能源發(fā)電預(yù)測誤差及其聯(lián)合分布特性的電力系統(tǒng)隨機(jī)優(yōu)化理論研究(51277141)

侯琳娜(1979-),女,陜西寶雞人,博士生,研究方向:電力供應(yīng)鏈;孫靜春(1966-),男,河北唐山人,博士,副教授,研究方向:運籌學(xué)、供應(yīng)鏈管理。

F253.2

A

1007-3221(2015)06- 0086- 09

10.12005/orms.2015.0199