余代海，江岳文，王良緣

(1.福州大學(xué) 電氣工程與自動化學(xué)院，福建 福州 350108；2.國網(wǎng)福建省電力有限公司，福建 福州 350108)

?

基于MEA算法結(jié)合委托代理模式的風(fēng)火發(fā)電權(quán)交易研究

余代海1，江岳文1，王良緣2

(1.福州大學(xué) 電氣工程與自動化學(xué)院，福建 福州 350108；2.國網(wǎng)福建省電力有限公司，福建 福州 350108)

風(fēng)電面臨的棄風(fēng)問題愈來愈嚴(yán)重，為了解決風(fēng)電消納難題，利用風(fēng)電和常規(guī)機(jī)組之間的發(fā)電權(quán)交易來完成風(fēng)電的再次消納值得探索。結(jié)合風(fēng)電出力的隨機(jī)性、間斷性特點(diǎn)，綜合借鑒委托代理原理對風(fēng)火發(fā)電權(quán)交易的市場結(jié)構(gòu)、交易機(jī)理進(jìn)行了探討，并提出了在風(fēng)火發(fā)電權(quán)交易中計及風(fēng)電偏差電量成本的委托代理收益模型。結(jié)合思維進(jìn)化算法(mind evolutionary algorithm，MEA)對IEEE-30節(jié)點(diǎn)網(wǎng)絡(luò)的風(fēng)火發(fā)電權(quán)交易模型進(jìn)行算例仿真。通過仿真結(jié)果驗(yàn)證了委托代理模式下的風(fēng)火發(fā)電權(quán)交易模型合理性，并試圖為風(fēng)電再次消納提供一種合理的交易方法。

發(fā)電權(quán)交易；委托代理；偏差電量成本；思維進(jìn)化算法；風(fēng)電消納

目前我國的風(fēng)電棄風(fēng)現(xiàn)象依然嚴(yán)峻，截至2015年底，全國風(fēng)電平均棄風(fēng)率為15.2%，同比2013年、2014年平均棄風(fēng)率大幅上升，尤其在“三北”地區(qū)和新疆地區(qū)，棄風(fēng)率分別高達(dá)22.91%和28.82%，風(fēng)電面臨的棄風(fēng)局勢依然很嚴(yán)峻；而對于高煤耗、高排放的火電機(jī)組實(shí)則在完成調(diào)度的發(fā)電計劃外對資源和環(huán)境都造成了重大破壞[1-2]。結(jié)合2015年最新出臺的《中共中央國務(wù)院關(guān)于進(jìn)一步深化電力體制改革的若干意見》的相關(guān)政策，鼓勵清潔能源替代常規(guī)火電機(jī)組發(fā)電，促進(jìn)清潔能源消納。基于此，對風(fēng)儲[3-4]、風(fēng)火打捆[5-6]、風(fēng)電跨省消納[7-8]等已有文獻(xiàn)進(jìn)行研究可知以上所述方法對風(fēng)電消納都具有促進(jìn)作用，但由于風(fēng)電儲能施行費(fèi)用高，增加了風(fēng)電成本，阻礙了風(fēng)電大規(guī)模消納。同時現(xiàn)有的電能供應(yīng)結(jié)構(gòu)仍以傳統(tǒng)火電為主，加之風(fēng)電出力的隨機(jī)波動，致使很多地方政府或者電力企業(yè)為了火電機(jī)組持續(xù)平穩(wěn)地產(chǎn)出電能，獲取更多的發(fā)電效益，采取壓制風(fēng)電并網(wǎng)的不當(dāng)措施，使得風(fēng)火打捆、風(fēng)火聯(lián)合外送等架構(gòu)模式受限，沒有真正意義上發(fā)揮促進(jìn)風(fēng)電消納的作用。

借鑒常規(guī)機(jī)組之間的發(fā)電權(quán)交易[9]，本文對如何在風(fēng)電、火電之間開展發(fā)電權(quán)交易進(jìn)行研究。文獻(xiàn)[10]提出了通過跨省發(fā)電權(quán)交易促進(jìn)風(fēng)電消納的交易機(jī)制，并對因風(fēng)電預(yù)測所產(chǎn)生的發(fā)電偏差提出了用調(diào)節(jié)市場來平衡的調(diào)度模式和模型。文獻(xiàn)[11]提出了一種基于風(fēng)險決策下的風(fēng)火發(fā)電權(quán)交易機(jī)制，構(gòu)建了風(fēng)火同臺交易市場，利用條件風(fēng)險價值理論和委托代理原則建立了風(fēng)火發(fā)電權(quán)交易模型。以上的研究均對風(fēng)電消納起到了積極作用。結(jié)合委托代理理論在常規(guī)機(jī)組發(fā)電權(quán)交易中的應(yīng)用[12]，本文分析了在風(fēng)火發(fā)電權(quán)交易中計及風(fēng)電偏差電量成本的委托代理收益模型，并結(jié)合IEEE-30節(jié)點(diǎn)網(wǎng)絡(luò)系統(tǒng)進(jìn)行仿真驗(yàn)證。

1 基于委托代理的風(fēng)火發(fā)電權(quán)交易模式

由于發(fā)電權(quán)交易通常是己方對自身信息十分清楚而對另一方的信息很難去準(zhǔn)確把握的一個擇優(yōu)交易過程，這使得交易過程變得盲目和多變?；诓┺恼擄@性激勵理論[13]衍生出的委托代理模式能夠很好地結(jié)合交易雙方信息不對稱的客觀事實(shí)做出相應(yīng)決策。通常情況下，委托代理交易模式分為有中間人參與和無中間人參與兩種。本文選取無中間人參與的委托代理交易模式，目的是充分體現(xiàn)火電機(jī)組在交易市場中的主導(dǎo)地位，直接由火電機(jī)組擔(dān)任委托方邀約風(fēng)電場參與委托交易，而風(fēng)電場的收益根據(jù)最終履行的委托交易電量由火電機(jī)組給予相應(yīng)激勵。同時，風(fēng)電場也可根據(jù)交易收益是否滿足自身期望進(jìn)行自主代理選擇。只有當(dāng)交易雙方對交易的電量、收益均能達(dá)到期望值時可簽訂委托代理發(fā)電權(quán)交易合同，最終實(shí)現(xiàn)委托方和代理方的雙贏。

1.1 交易市場結(jié)構(gòu)

隨著風(fēng)電參與市場交易的比重的增加，其經(jīng)濟(jì)效益和環(huán)境效益將會凸顯優(yōu)勢。風(fēng)電作為清潔可再生能源在交易市場中扮演受讓方的角色；而火電(尤其以小火電為主)作為高消耗、高排放的污染機(jī)組，通過出讓其發(fā)電份額限制自身機(jī)組發(fā)電的方式來實(shí)現(xiàn)機(jī)組的節(jié)能降耗，減少CO2、SO2等有害氣體排放。結(jié)合本文的選取無中間人參與的委托代理模式，火電機(jī)組自身作為委托方直接邀約有代發(fā)能力的風(fēng)電場，通過出讓自身發(fā)電份額完成風(fēng)火發(fā)電權(quán)交易，其交易結(jié)構(gòu)如圖1所示。

圖1 基于委托代理模式下的風(fēng)火發(fā)電權(quán)交易市場結(jié)構(gòu)

由圖1可知，委托方將需要的出讓交易電量與風(fēng)電場擬定的可受讓交易電量進(jìn)行談判協(xié)商，目的是確定交易雙方都能夠接受的交易電量，減少交易風(fēng)險，并將雙方能接受的電量以信息反饋形式發(fā)給交易雙方。風(fēng)電場的收益是基于委托方有償付給風(fēng)電場的相應(yīng)激勵扣除風(fēng)電場自身的發(fā)電成本所得。

1.2 交易機(jī)理

依照委托代理的交易模式，火電機(jī)組作為風(fēng)火發(fā)電權(quán)交易的委托方，對需要委托的交易電量等信息十分清楚，而對代理方能夠真實(shí)履行的交易電量的信息處于弱勢狀態(tài)。恰當(dāng)運(yùn)用委托代理模式，旨在交易雙方信息不對稱的前提下突出委托方的主動地位，同時由委托方給與代理方一定激勵，確保代理方有足夠的動力去履行交易電量，使代理人追求的利益目標(biāo)得到滿足，從而能夠做出符合委托人利益的行為。

而風(fēng)電場作為代理方，在履行委托電量的過程中會因風(fēng)電自身出力的隨機(jī)性對交易產(chǎn)生影響，本文忽略電網(wǎng)對風(fēng)電場接納出力的不確定性影響，認(rèn)為日前市場內(nèi)電網(wǎng)對風(fēng)電的接納能力在每個時段(1 h)內(nèi)是確定值。則選擇每個時段風(fēng)電預(yù)測出力大于電網(wǎng)對風(fēng)電的接納出力時，進(jìn)行風(fēng)火發(fā)電權(quán)交易。

風(fēng)電參與發(fā)電權(quán)交易應(yīng)與常規(guī)機(jī)組之間的發(fā)電權(quán)交易有所區(qū)別，風(fēng)電場根據(jù)自身的出力波動、預(yù)測精度等因素影響，使得風(fēng)電場在履行交易電量的過程中存在電量偏差的情況，由此會使得風(fēng)電場產(chǎn)生一定的額外成本。若風(fēng)電出力無法滿足火電機(jī)組出讓發(fā)電量時，為了穩(wěn)定電力系統(tǒng)運(yùn)行，風(fēng)電場需向?qū)崟r市場以較高價格購買偏差不足電量，其中購買偏差不足電量所需的費(fèi)用以額外成本計及在風(fēng)電場發(fā)電成本模型中；若風(fēng)電出力能夠滿足火電機(jī)組轉(zhuǎn)讓發(fā)電份額時，風(fēng)電場有偏差盈余電量，風(fēng)電場將會選擇“棄風(fēng)”，且“棄風(fēng)”使得風(fēng)電場收益下降。所以，本文亦將“棄風(fēng)”損失的收益作為額外成本在風(fēng)電場發(fā)電成本予以考慮。

結(jié)合以上分析，風(fēng)電場完成交易的電量收益應(yīng)為火電機(jī)組給予的激勵減去自身的發(fā)電成本所得。倘若風(fēng)電場衡量交易所得收益能夠滿足自身期望時，便可與火電機(jī)組簽訂委托代理模式下風(fēng)火發(fā)電權(quán)交易合同。

2 交易收益模型

2.1 基于委托代理模式下的收益模型

結(jié)合無中間人參與的委托代理模式，火電機(jī)組的收益應(yīng)為委托交易電量收益部分減去支付給風(fēng)電場激勵部分的所得。風(fēng)電場收益為從火電機(jī)組獲得激勵的部分減去風(fēng)電場自身的發(fā)電成本所得。

2.1.1 目標(biāo)函數(shù)

(1)

式中：n、m分別為風(fēng)電場總數(shù)、火電機(jī)組總數(shù)；Rf為參與交易的所有火電機(jī)組總的委托收益；Rw.i為參與交易的所有風(fēng)電場i的代理收益；Pj.t為時段t火電機(jī)組j的上網(wǎng)電價；Qij.t為時段t風(fēng)電場i與火電機(jī)組j簽訂的委托代理電量；αi為風(fēng)電場i的的發(fā)電成本；βij.t為時段t火電機(jī)組j給與風(fēng)電場i的收益激勵，本文取線性激勵，其對應(yīng)的區(qū)間應(yīng)為(1,βmax)；Ri.0為風(fēng)電場i的收益底線；Ci.t為時段t風(fēng)電場i在交易過程中因電量偏差產(chǎn)生的風(fēng)電場額外發(fā)電成本。

2.1.2 約束條件

a) 交易電量限制條件。

(2)

式中：Pj.t、Pj.min分別為時段t常規(guī)機(jī)組j的計劃出力、最小出力；T為交易周期，取1 h；wi、wi.plan.t分別為風(fēng)電場i的實(shí)際出力和電網(wǎng)接納出力。

b) 機(jī)組收益約束條件。

(3)

c) 線路輸送功率約束條件。

(4)

式中：l為支路號，L為支路總數(shù)；Pl為支路l的有功潮流，Pl.max為對應(yīng)的限值。

d) 機(jī)組爬坡約束條件。

(5)

式中ξidown、ξiup分別為火電機(jī)組j有功出力下降速率和上升速率。

2.2 風(fēng)速偏差滿足正態(tài)分布的風(fēng)電場功率特性分析

本文采用風(fēng)速誤差模型來描述風(fēng)速分布。假定風(fēng)速預(yù)測誤差[14]Δv服從均值為0，方差為σ2的正態(tài)分布：Δv～N(0,σ2)。假設(shè)vf為風(fēng)速預(yù)測值，則實(shí)際風(fēng)速

(6)

則可以求解出實(shí)際風(fēng)速的概率密度函數(shù)

(7)

對應(yīng)的概率分布函數(shù)

(8)

簡化風(fēng)電出力-風(fēng)速的模型[18]如下：

(9)

式中：wn為風(fēng)電場額定功率，MW；vi、vo、vn分別為風(fēng)機(jī)的切入風(fēng)速、切除風(fēng)速和額定風(fēng)速，m/s。

結(jié)合式(9)和式(11)可推導(dǎo)出風(fēng)電出力的概率密度函數(shù)

(10)

則相應(yīng)的風(fēng)電出力的分布函數(shù)為：

(11)

2.3 額外發(fā)電成本

本文風(fēng)電場i額外發(fā)電成本Ci.t包括風(fēng)電偏差不足電量額外成本CB.t和風(fēng)電盈余電量額外成本(棄風(fēng)成本)CQ.t兩部分，即

(12)

a) 當(dāng)Qi.t> Qi.R.t時，則

(15)

b) 當(dāng)Qi.t

(16)

式中：λB、λQ分別為風(fēng)電場出現(xiàn)偏差不足電量時向?qū)崟r市場所需要購買偏差電量的成本系數(shù)和出現(xiàn)偏差盈余電量時風(fēng)電場選擇“棄風(fēng)”的成本系數(shù)，元/MWh。EB(Qi.t-Qi.R.t)為風(fēng)電偏差不足電量的期望值；EQ(Qi.R.t-Qi.t)為風(fēng)電盈余電量的期望值，MWh。

2.4 MEA算法對模型求解

思維進(jìn)化算法(mind evolutionary algorithm，MEA)[15]為模擬人類思維進(jìn)化過程的一種進(jìn)化計算方法。不同于常規(guī)的智能優(yōu)化算法(如粒子群算法，遺傳算法等)，MEA是將一個種群分為若干個子群體，并且該子群體中又包含了優(yōu)勝子群體和臨時子群體兩類。而優(yōu)勝子群體記錄了全局競爭中的優(yōu)勝者信息，臨時子群體記錄全局競爭過程。并根據(jù)“趨同”和“異化”兩個概念對算法進(jìn)行全局尋優(yōu)和局部演化操作，并把單層群體改造轉(zhuǎn)化為多層群體進(jìn)化，其算法的基本框架如下：

a) 種群初始化。設(shè)定種群的大小為N，優(yōu)勝子種群個數(shù)為best_N，臨時子種群個數(shù)為temp_N，迭代次數(shù)為iter。根據(jù)風(fēng)電場和火電機(jī)組的交易能力確定隨機(jī)樣本Q，并結(jié)合得分值(適應(yīng)度函數(shù)值)fitness(Q)產(chǎn)生MEA的初始種群initpop=[Qfitness(Q)]。最后以初始種群得分(適應(yīng)度值)fitness(Q)產(chǎn)生優(yōu)勝子群中心矩陣center(best_N，1)和臨時子群中心矩陣center(temp_N，1)。

b) “趨同”操作。將已選出的子群個體作為中心，且以該個體為中心隨機(jī)產(chǎn)生子群體，并根據(jù)得分(適應(yīng)度值)進(jìn)行排位操作，確定最優(yōu)的得分的個體予以保留，有機(jī)會參與“異化操作”，而得分劣勢的個體直接被淘汰。

c) “異化”操作。將“趨同”操作中獲勝的子群體進(jìn)行競爭操作，若臨時子群體的競爭中得分優(yōu)于優(yōu)勝子群體，將該臨時子群體取而代之，則該優(yōu)勝子群體被降為臨時子群體；反之，對于臨時子群體不足時應(yīng)隨機(jī)補(bǔ)充臨時子群體。

d) 收斂性判定。在迭代次數(shù)結(jié)束時終止或者滿足臨時子種群的所有得分(適應(yīng)度值)編號大于優(yōu)勝子種群的得分對應(yīng)的編號時退出迭代尋優(yōu)，否則繼續(xù)執(zhí)行“趨同”操作，直到滿足條件為止。

相對應(yīng)的MEA算法的進(jìn)化架構(gòu)如圖2所示。

3 算例分析

算例設(shè)定火電機(jī)組1—3計劃出力分別為：77 MW、103 MW、145 MW；機(jī)組常規(guī)參數(shù)和上網(wǎng)電價見表1。

圖2 MEA算法的進(jìn)化架構(gòu)

表1 火電機(jī)組的常規(guī)參數(shù)

火電機(jī)組Pmax/MWPmin/MWξdown/(MW·min-1)ξup/(MW·min-1)Pt/(元·MWh-1)115050-1.51.5420225075-2.5-2.54403350120-33440

依據(jù)文獻(xiàn)[16]設(shè)定購買偏差電量成本系數(shù)取λB=400 元/MWh；“棄風(fēng)”成本系數(shù)取λQ=400 元/MWh；設(shè)定風(fēng)電場的風(fēng)機(jī)切入速度為vi=5 m/s；額定風(fēng)速vn=15 m/s；切除風(fēng)速vo=25 m/s；風(fēng)電場的額定功率為wn=200 MW。假定某個待交易時段T的風(fēng)速誤差的方差σ2取該時段風(fēng)速預(yù)測值的6%。結(jié)合典型IEEE-30節(jié)點(diǎn)系統(tǒng)[17]，假定待交易的火電機(jī)組的注入節(jié)點(diǎn)為2、5、8節(jié)點(diǎn)(即火電機(jī)組1接入節(jié)點(diǎn)2，火電機(jī)組2接入節(jié)點(diǎn)5，火電機(jī)組3接入節(jié)點(diǎn)8)，節(jié)點(diǎn)11、13、27為接入未參與交易的火電機(jī)組，風(fēng)電出力接入節(jié)點(diǎn)22，平衡機(jī)組為節(jié)點(diǎn)1。假定某時段風(fēng)速預(yù)測值、功率預(yù)測值以及電網(wǎng)接納功率分別為12.05 m/s、112.5 MW、62.5 MW。

基于2.1.2節(jié)機(jī)組收益約束分別進(jìn)行優(yōu)化可確定線性激勵β的區(qū)間為(1，2)，取線性激勵β的折中值1.5進(jìn)行委托代理模式下的風(fēng)火發(fā)電權(quán)交易模擬仿真，取MEA算法的最優(yōu)子群與遺傳算法和粒子群算法的收斂效果對比結(jié)果如圖3所示，而根據(jù)MEA算法優(yōu)化仿真得到本文算例優(yōu)化結(jié)果見表3。

圖3 MEA、遺傳、粒子群算法收斂對比

表2 委托代理模式下風(fēng)火發(fā)電權(quán)交易優(yōu)化結(jié)果

機(jī)組名稱電量/MWh收益/元火電機(jī)組16.08838.5火電機(jī)組228.004416.7火電機(jī)組325.003943.5風(fēng)電場59.085559.2

3.1 β對委托代理模式下風(fēng)火發(fā)電權(quán)交易的影響

選取不同的激勵β對委托代理模式下風(fēng)火發(fā)電權(quán)交易雙方的優(yōu)化收益和優(yōu)化交易電量如圖4所示。

圖4 不同激勵β對火電機(jī)組優(yōu)化收益及優(yōu)化交易電量的影響

3.2 σ2對委托代理模式下的風(fēng)火發(fā)電權(quán)交易的影響

依據(jù)本文風(fēng)速預(yù)測方差σ2選取為對應(yīng)時段一定比例系數(shù)k的風(fēng)速預(yù)測值vf，即風(fēng)速預(yù)測方差σ2=kvf(算例中k=6%)。那么選取不同的風(fēng)速預(yù)測值vf和不同比例系數(shù)k對優(yōu)化交易電量的影響如圖5、圖6所示。

圖5 不同風(fēng)速預(yù)測值對優(yōu)化交易電量的影響

由圖5可知，隨著風(fēng)速預(yù)測值增加，優(yōu)化出的交易電量和優(yōu)化的火電機(jī)組收益也會隨著增加，這是因?yàn)樵陲L(fēng)速預(yù)測方差σ2的比例系數(shù)k不變的前提下，風(fēng)電場預(yù)測功率會隨著風(fēng)速預(yù)測值增大而增加，且風(fēng)電場額外發(fā)電成本Ci.t的變化先遞減后增加，并在功率預(yù)測值附近能夠達(dá)到最小值。所以根據(jù)本文的優(yōu)化模型優(yōu)化出的交易電量會向風(fēng)電功率預(yù)測值靠近。這就使得風(fēng)速預(yù)測值增加，優(yōu)化交易電量也會增加。且在火電機(jī)組上網(wǎng)電價和給予風(fēng)電場的激勵一定的前提下，優(yōu)化的交易電量增加使得對應(yīng)的火電機(jī)組的優(yōu)化收益自然也會增加。

由圖6可看出，比例系數(shù)k增大，優(yōu)化出的交易電量增大，而對應(yīng)的優(yōu)化收益會隨之減小，這是因?yàn)樵趘f不變的前提下，風(fēng)速預(yù)測方差σ2的比例系數(shù)k增大，使得風(fēng)電場額外發(fā)電成本Ci.t增大，火電機(jī)組需支付給風(fēng)電場的費(fèi)用增加，使得火電機(jī)組的整個優(yōu)化收益減少。同時優(yōu)化目標(biāo)模型為了獲得相對較多的優(yōu)化收益，只得適當(dāng)增加交易電量。

4 結(jié)論

本文借鑒委托代理理論，分析了該理論模式下風(fēng)火發(fā)電權(quán)交易的市場結(jié)構(gòu)和交易機(jī)理，并結(jié)合風(fēng)電自身特點(diǎn)提出了在風(fēng)火發(fā)電權(quán)交易中計及風(fēng)電偏差電量成本的委托代理收益模型。通過算例仿真得出以下結(jié)論：

a) 以火電機(jī)組作為委托方在風(fēng)火發(fā)電權(quán)交易中占主導(dǎo)地位，能夠更充分調(diào)動火電機(jī)組的積極性，愿意從常規(guī)機(jī)組之間的發(fā)電權(quán)交易轉(zhuǎn)移到風(fēng)火發(fā)電權(quán)交易中來。同時最大限度的保證了火電機(jī)組的自身利益，又能促進(jìn)風(fēng)電的消納。

b) 在本文的委托代理模式下的風(fēng)火發(fā)電權(quán)交易中，火電機(jī)組給與風(fēng)電場較小的激勵β會對委托方的收益和委托交易電量有好處，但于風(fēng)電場而言，所獲得的收益會相對較小。激勵β過大，對風(fēng)電場有利，而于火電機(jī)組收益和交易電量不利。所以，權(quán)衡激勵β適當(dāng)值對于風(fēng)火交易雙方顯得尤為重要，也確保雙方有動力去參與風(fēng)火發(fā)電權(quán)交易。

c) 無論風(fēng)速預(yù)測值vf和比例系數(shù)k的哪種變化，最終對應(yīng)風(fēng)速預(yù)測方差σ2的變化，而風(fēng)速預(yù)測方差σ2增大會增加優(yōu)化的委托交易電量，同時也會增加風(fēng)電場的收益。但對于整個優(yōu)化目標(biāo)收益而言是不利的，會減少目標(biāo)函數(shù)的優(yōu)化收益。所以，風(fēng)電場的預(yù)測精度仍然是進(jìn)行委托代理模式下風(fēng)火發(fā)電權(quán)交易的重要因素，火電機(jī)組會優(yōu)先與預(yù)測精度高的風(fēng)電場進(jìn)行發(fā)電權(quán)交易。

[1] 李莉.電力產(chǎn)業(yè)節(jié)能減排機(jī)制設(shè)計模型與方法研究[D].北京：華北電力大學(xué)，2011.

[2] 張顯，耿建，龐博，等.發(fā)電權(quán)交易在中國節(jié)能減排中的應(yīng)用及分析[J].電力系統(tǒng)自動化，2014，38(17)：87-90.

ZHANG Xian，GENG Jian，PANG Bo，et al.Application and Analysis of Generation Right Trade in Energy-saving and Emission Reduction in China[J].Automation of Electric Power Systems，2014，38(17)：87-90.

[3] 李碧輝，申洪，湯涌，等.風(fēng)光儲聯(lián)合發(fā)電系統(tǒng)儲能容量對有功功率的影響及評價指標(biāo)[J].電網(wǎng)技術(shù)，2011，35(4)：123-128.

LI Bihui，SHEN Hong，TANG Yong，et al.Impacts of Energy Storage Capacity Configuration of HPWS to Active Power Characteristics and Its Relevant indices[J].Power System Technology，2011，35(4)：123-128.

[4] 熊猛，高峰，張海峰，等.基于混合儲能系統(tǒng)的風(fēng)電場調(diào)度策略[J].電網(wǎng)技術(shù)，2014，38(5)：1242-1249.

XIONG Meng，GAO Feng，ZHANG Haifeng，et al.Hybrid Energy Storage Based Generation Scheduling of Wind Farms[J].Power System Technology，2014，38(5)：1242-1249.

[5] 屠競哲，張健，劉明松，等.風(fēng)火打捆直流外送系統(tǒng)直流故障引發(fā)風(fēng)機(jī)脫網(wǎng)的問題研究[J].電網(wǎng)技術(shù)，2015，39(12)：3333-3338.

TU Jingzhe，ZHANG Jian，LIU Mingsong，et al.Study on Wind Turbine Generators Tripping Caused by HVDC Contingencies of Wind-thermal-bundled HVDC Transmission Systems[J].Power System Technology，2015，39(12)：3333-3338.

[6] 李生福，張愛玲，李少華，等.“風(fēng)火打捆”交直流外送系統(tǒng)的暫態(tài)穩(wěn)定控制研究[J].電力系統(tǒng)保護(hù)與控制，2015，43(1)：108-114.

LI Shengfu，ZHANG Ailing，LI Shaohua，et al.Study on Transient Stability Control for Wind-thermal-bundled Power Transmitted by AC/DC System[J].Power System Protection and Control，2015，43(1)：108-114.

[7] 汪寧渤，王建東，何世恩.酒泉風(fēng)電跨區(qū)消納模式及其外送方案[J].電力系統(tǒng)自動化，2011，35(22)：82-89.

WANG Ningbo，WANG Jiandong，HE Shien.Cross-border Accommodation Method and Transmission Scheme of Jiuquan Wind Power[J].Automation of Electric Power Systems,2011，35(22)：82-89.

[8] 劉秋華，鄭亞先，楊勝春.長周期大范圍風(fēng)電消納的電力電量聯(lián)合優(yōu)化模型與應(yīng)用[J].電力系統(tǒng)自動化, 2015，39(18)：145-150.

LIU Qiuhua,ZHENG Yaxian，YANG Shengchun.A Power and Energy Joint Optimization Model and Its Application for Long-term Large-range Wind Power Accommodation[J].Automation of Electric Power Systems，2015，39(18)：145-150.

[9] 張世帥，張學(xué)松，王文，等.發(fā)電權(quán)交易下的節(jié)能減排指標(biāo)設(shè)計及應(yīng)用分析[J].電網(wǎng)技術(shù)，2010，8(11)：156-161.

ZHANG Shishuai，ZHANG Xuesong，WANG Wen，et al.Design and Application Analysis of Two Indices of Energy-saving and Emission-reducing Based on Generation Right Trading[J].Power System Technology，2010，8(11)：156-161.

[10] 李豐，張粒子.大規(guī)模風(fēng)電跨省消納與交易機(jī)制的研究[J].電力自動化設(shè)備，2013，33(8)：119-124.

LI Feng，ZHANG Lizi.Accommodation and Transaction Mechanism of Transprovincial Large-scale Wind Power[J].Electric Power Automation Equipment，2013，33(8)：119-124.

[11] 吳楊，劉俊勇，高紅均，等.基于風(fēng)險決策的風(fēng)火發(fā)電權(quán)交易研究[J].電網(wǎng)技術(shù)，2016，40(3)：1-7.

WU Yang，LIU Junyong，GAO Hongjun，et al.Study on Transaction Risk Decision Based on Wind Power[J].Power System Technology，2016，40(3)：1-7.

[12] 莫莉，周建中，向秀橋，等.基于多任務(wù)委托代理的發(fā)電權(quán)交易協(xié)調(diào)激勵機(jī)制[J].電力系統(tǒng)自動化，2008，32(23)：51-55.

MO Li，ZHOU Jianzhong，XIANG Xiuqiao，et al.A Multi-task Principal-agent Based Coordinative Incentive Mechanism of Generation Right Trade[J].Automation of Electric Power Systems，2008，32(23)：51-55.

[13] 金鵬.公平偏好下國企高管最優(yōu)顯性和隱性激勵組合研究[D].長沙：湖南大學(xué)，2012.

[14] 耿俊梅，申玉霞.計及風(fēng)力發(fā)電的電力系統(tǒng)經(jīng)濟(jì)調(diào)度[J].華東電力，2014，42(8)：1651-1655.

GENG Junmei，SHEN Yuxia.Economic Dispatch of Power System Considering Wind Power[J].East China Electric Power，2014，42(8)：1651-1655.

[15] 謝克明，邱玉霞.基于數(shù)列模型的思維進(jìn)化算法收斂性分析[J].系統(tǒng)工程與電子技術(shù)，2007，29(2)：308-311.

XIE Keming，QIU Yuxia.Convergence Analysis of Mind Evolutionary Algorithm Based on Sequence Model[J].Systems Engineering And Electronics，2007，29(2)：308-311.

[16] 江岳文，溫步瀛.結(jié)合風(fēng)電功率超短期預(yù)測值偏差的實(shí)時市場調(diào)度[J].電力自動化設(shè)備，2015，35(3)：12-17.

JIANG Yuewen，WEN Buying.Real-time Market Dispatch Based on Ultra-short-term Forecast Error of Wind Power[J].Electric Power Automation Equipment，2015，35(3)：12-17.

[17] 劉德偉，郭劍波，黃越輝，等.基于風(fēng)電功率概率預(yù)測和運(yùn)行風(fēng)險約束的含風(fēng)電場電力系統(tǒng)動態(tài)經(jīng)濟(jì)調(diào)度[J].中國電機(jī)工程學(xué)報，2013，33(16)：9-15.

LIU Dewei，GUO Jianbo，HUANG Yuehui，et al.Dynamic Economic Dispatch of Wind Integrated Power System Based on Wind Power Probabilistic Forecasting and Operation Risk Constraints[J].Proceedings of the CSEE，2013，33(16)：9-15.

余代海 (1987)，男，湖北恩施人。在讀碩士研究生，研究方向?yàn)轱L(fēng)電并網(wǎng)優(yōu)化運(yùn)行、電力系統(tǒng)優(yōu)化運(yùn)行。

江岳文(1977)，女，湖南岳陽人。副教授，工學(xué)博士，碩士生導(dǎo)師，研究方向?yàn)轱L(fēng)電并網(wǎng)優(yōu)化運(yùn)行、電力系統(tǒng)優(yōu)化運(yùn)行。

王良緣(1978)，男，福建泉州人。高級工程師，工學(xué)碩士，研究方向?yàn)殡娏κ袌觥?/p>

(編輯 王朋)

Research on Wind Power and Thermal Power Generation Rights Trading Based on Mind Evolutionary Algorithm Under the Principal-agent Mode

YU Daihai1, JIANG Yuewen1, WANG Liangyuan2

(1.College of Electrical Engineering and Automation, Fuzhou University, Fuzhou, Fujian 350108, China; 2.State Grid Fujian Electric Power Limited Company, Fuzhou, Fujian 350108, China)

As wind power faces with more and more serious wind abandoning problem, in order to solve the problem of wind power absorption, it is worth to discuss generation rights trading between wind power and conventional power units so as to finish secondwind power absorption.Therefore, this paper discusses market structure and trading mechanism of wind power and thermal power generation rights by combining characteristics of random and intermittent of wind power output and comprehensively considering principal-agent principles, it also presents a principal-agent benefit model considering wind power deviation electricity costs in generation rights trading.Combining mind evolutionary algorithm (MEA), it conducts example simulation on the trading model of IEEE-30 node system and the results verify reasonability of the wind power and thermal power generation rights trading model under the principal-agent mode.By simulation, it also tries to provide a kind of reasonable trading method for second wind power absorption.

generation right trading; principal-agent; deviation electricity cost; mind evolutionary algorithm; wind power absorption

2016-05-23

2016-08-10

福建省自然科學(xué)基金(2013J01176)

10.3969/j.issn.1007-290X.2016.11.012

TM71

A

1007-290X(2016)11-0057-07