鄭亞先，武澤辰，王秀麗，張煒

(1.中國電力科學研究院，北京市 100192；2.西安交通大學電氣工程學院，西安市 710049)

基于賣方靈活電力合約的風電中長期交易策略

鄭亞先1，武澤辰2，王秀麗2，張煒2

(1.中國電力科學研究院，北京市 100192；2.西安交通大學電氣工程學院，西安市 710049)

風力發(fā)電商在一些發(fā)達國家已作為獨立的主體參與電力市場交易。文章構建了風電交易的靈活電力合約模型，并提出了風電商在中長期市場基于賣方靈活電力合約的交易策略。風電商可以在各階段開始時刻根據市場狀況和自身出力預測情況靈活安排階段內各時段的合約電量，以使自身收益最大化。文章著重研究了合約電量的優(yōu)化決策問題，提出了基于隨機動態(tài)規(guī)劃的模型和求解方法。算例中使用時間序列法進行風速和電價的模擬和預測，通過幾種交易方案的比較，說明賣方靈活電力合約能夠顯著提升風電商的收益水平，同時有效控制收益風險。

電力市場；靈活電力合約；風電交易；隨機動態(tài)規(guī)劃

0 引 言

隨著風電等可再生能源的蓬勃發(fā)展，其在電力系統(tǒng)中的發(fā)電滲透率不斷提高。截止至2015年底，我國風電和光伏發(fā)電的累計并網裝機容量分別達到1.29億kW和0.43億kW，占我國總裝機容量的8.6%和2.73%[1-2]。

與傳統(tǒng)發(fā)電技術相比，可再生能源發(fā)電單位容量平均投資成本較高，尚無法在電力市場中與傳統(tǒng)發(fā)電相競爭[3]。因此一些國家實施了一系列可再生能源發(fā)電激勵政策，如電價政策、項目投資補貼政策等。近年來，隨著可再生能源發(fā)電技術的不斷進步，歐美各國紛紛減少可再生能源發(fā)電的電價補貼，允許或要求其參與電力市場競價。在美國，有近25%的新增風電通過競爭性市場實現交易[4-5]。

目前關于風力發(fā)電商參與電力市場的研究大多集中在短期市場[6-7]，通過為風電商制定最優(yōu)的競價策略減小風電短期出力波動帶來的收益損失，在現貨市場中實現利潤最大化。這些研究成果在短期交易中起到了很好的效果，但風電中長期出力波動與實時電價變化帶來的影響依然存在。文獻[8]提出了一種中長期收益風險管理的風電雙邊合約模型，然而固定的合約電量使得風險管理效果并不明顯。文獻[9]提出了一種合約電量可以動態(tài)安排的靈活電力合約，并給出基于無套利準則的合約定價方法。文獻[10]在文獻[9]的基礎上，引入分段競價的思想，提出分段靈活電力合約，并給出定價方法。文獻[11]將靈活電力合約應用于巴西電力市場，使用隨機動態(tài)規(guī)劃進行合約定價。文獻[12]提出了合約電量的最優(yōu)安排策略。

基于以上研究，本文將賣方靈活電力合約應用于風電交易。風電商通過對實時電價和自身出力進行有效預測，在合約交割的過程中靈活地安排合約電量，使自身收益達到最大，買電方則有義務按照風電商確定的交割計劃接受供電。首先建立風電靈活電力合約的交易模型，提出風電商基于賣方靈活電力合約的交易策略。接著重點研究合約電量的優(yōu)化決策，提出基于隨機動態(tài)規(guī)劃的求解算法。最后通過算例驗證合約模型的有效性和算法的可行性。本文所提出的模型和算法可以為我國新一輪電力市場改革和新能源參與電力市場交易提供理論支持。

1 風電靈活電力合約

1.1 合約模型

靈活電力合約是指由合約的買方或賣方根據自己的需要靈活制定交割計劃的電力雙邊合約[13]。文獻[9]提出了2種靈活電力合約：買方靈活電力合約和賣方靈活電力合約。買方靈活電力合約由買電方根據市場信息和自身用電需求決定合同有效期內各時段的合約交易電量使自身效益最優(yōu)，賣電方有義務按照買方的交割計劃供電。賣方靈活電力合約由賣電方決定合約有效期內各時段的交易電量使其供電成本最低，買方有義務按照賣方確定的交割計劃接受供電。本文所提出的風電靈活電力合約基于賣方靈活電力合約構建。

(1)

1.2 風電商交易策略

本文所描述的市場環(huán)境是一個包括雙邊合約市場和實時市場2個子市場的分散式電力市場。風力發(fā)電商作為價格接受者安排各市場中的交易電量，使自身效益最大化。由于本文研究的是中長期電力合約，平衡機制和不平衡結算不在本文考慮范圍內。風電靈活電力合約的交易框架如圖1所示。

圖1 交易策略框架

(2)

2 合約電量優(yōu)化決策

2.1 問題描述

風電靈活電力合約的合約電量決策是一個包含隨機變量的高維數多階段優(yōu)化問題，可以通過隨機動態(tài)規(guī)劃的方法求解[12]。由于合約電量逐階段安排，故可將原問題劃分為T個子問題迭代求解，使各階段整體效益最大。

定義未來收益函數(future revenue function, FRF)作為各子問題的目標函數。Ft,T(Xt)表示從階段t到合約有效期結束的時間范圍內風電商的最大收益，可由式(4)遞歸得到：

Ft,T(Xt)=max{E[Rt(ωt)]+E[Ft+1,T(Xt+1,ωt)]}

(3)

式中Xt為合約電量，表示階段t開始時已經交割的合約電量，階段t完整的合約電量決策問題由式(4)—(10)給出。其中：公式(5)為風電商收益約束；公式(6)為各時段合約電量上下限約束；公式(7)為各時段合約交割電量范圍約束；公式(8)為合約電量偏差約束；公式(9)為風電出力約束；公式(10)為合約電量約束。

(4)

(5)

xmin≤xth≤xmax

(6)

(7)

(8)

(9)

(10)

為了簡化計算，將各階段合約電量劃分為N個離散狀態(tài)，同時將未來收益函數線性近似為：

(11)

(12)

2.2 求解過程

隨機動態(tài)規(guī)劃包括前向過程和反向過程2個階段。反向過程的目標是構造未來收益函數，前向過程根據反向過程的結果，在特定場景下得到合約電量的最優(yōu)安排，反向過程的步驟如下詳述。

(13)

式(13)滿足約束條件式(5)—(9)，以及式(14)。

(14)

3 算例分析

3.1 算例描述

每一周開始時刻，風電商安排1周內各時段的合約交易電量。本文將各時段分為4類，分別確定合約電量，如表1所示。

表1 各時段分類

Table 1 Period categories

本文選用時間序列法對風速和電價進行模擬和預測。文獻[14]基于時間序列法提出了風速預測的2種模型：自回歸模型(autoregressive model，AR)和自回歸滑動平均模型(autoregressive moving average model，ARMA)。本算例基于Washington(AWG)地區(qū)2006到2010年的風速歷史數據，使用ARMA(2,1)模型，針對9月1日—11月9日的10周，生成80個獨立的風速場景，進而通過風機模型得到風電出力場景。同時基于北歐Nordpool電力市場2015年的電價歷史數據，使用AR(1)模型，生成80個實時電價場景。使用隨機動態(tài)規(guī)劃算法進行合約電量的優(yōu)化決策，通過GAMS 23.8的CONOPT求解器模擬計算。

3.2 反向過程構造未來收益函數

將每個階段的合約電量劃分為8個離散值，通過反向過程計算每個階段的未來收益。圖2給出了階段9的未來收益函數曲線?？梢钥闯?，當合約電量較小時，未來收益保持不變；而當合約狀態(tài)增大到一定值時，未來收益迅速下降，這是因為剩余合約電量限制了風電商的收益。

圖2 階段9的未來收益函數

圖3給出了風電商在階段3的未來收益函數曲線。與階段9相比，階段3的未來收益函數曲線更為平滑，這是由于風電商在此階段之后有更多選擇進行合約電量安排。

3.3 正向過程得到合約電量安排

在反向過程得到各階段未來收益函數的基礎上，

圖3 階段3的未來收益函數

選擇平均實時電價和平均風電出力場景，逐階段進行正向過程求解。

表2給出了各階段的平均交易電量、平均合約安排電量、平均合約交割電量、平均實時市場交易電量，并計算了合約交割電量的比例。

表2 各階段電能交易量

Table 2 Energy traded at each stage

圖4對比了風電商各時段的平均合約安排電量、平均合約交割電量和平均實時市場交易電量。為了

圖4 各階段交易電量

進一步分析合約電量決策的影響因素，將平均實時電價，合約價格和平均風速繪制在圖5中。

圖5 各階段電價和風速

通過比較圖4和圖5可以看出，在階段1、階段2和階段3，實時電價明顯高于合約電價，風電商安排的合約電量較小，大部分電能在實時市場進行交易。而在階段7、階段9和階段10，實時電價明顯低于合約電價，風電商安排的合約電量相對較大。對比階段4和階段6，階段5和階段8可以發(fā)現，在平均實時電價基本一致的情況下，階段6和階段8的平均風速明顯高于階段4和階段5，使其安排和交割的合約電量明顯增大。

由此不難發(fā)現，合約電量決策受到各階段實時電價和風電出力的影響。風電出力越大、實時電價越低，所安排的合約電量也越大。

3.4 風電商收益比較

為了評估風電靈活電力合約的效果，對比以下3種不同的風電交易方案。

方案I：使用本文提出的風電靈活電力合約，安排合約交易電量和實時市場交易電量。

方案Ⅱ：不使用雙邊合約，僅在實時市場交易。

方案Ⅲ：使用常規(guī)電力雙邊合約，各時段合約電量為固定值，總合約電量和方案I相等。

表3給出了不同交易方案下風電商的收益期望和收益風險，其中收益風險用95%置信度下的條件風險價值CVaR度量[15]。條件風險價值越小，表示風電商所承受的收益風險越大?？梢钥闯?，方案I和方案Ⅲ的收益風險要低于方案Ⅱ，這是因為雙邊合約能夠通過鎖定實時電價從而降低風電商的收益風險。比較3種交易策略的收益水平發(fā)現，方案I在大多數階段擁有最大的收益期望，總收益也明顯高于其他2個方案。

表3 不同交易策略收益對比

Table 3 Profit comparison in different trading strategies

4 結 論

(1)相比其他交易方式，賣方靈活電力合約能夠顯著提升風電商在中長期的收益水平，同時有效控制收益風險。

(2)各階段合約電量決策受到實時電價和風速預測的影響。風速越大，實時電價越低，該階段所安排的合約電量越大。

(3)本文提出的基于隨機動態(tài)規(guī)劃的合約電量優(yōu)化決策適用于各類市場環(huán)境和不同的時間周期，可以為風電商制定最優(yōu)的中長期交易策略提供理論依據。

[1]國家能源局．2015年全國風電產業(yè)繼續(xù)保持強勁增長勢頭[EB/OL]．(2016-02-04)[2016-09-01]．http://www.nea.gov.cn/2016-02/04/c_135073627.htm．

[2]新華網．我國光伏發(fā)電裝機容量躍居全球第一產業(yè)水平不斷提升[EB/OL]．(2016-04-13)[2016-09-01]．http://news.xinhuanet.com/2016-04/13/c_1118613375.htm．

[3]周楠，劉念，張建華．考慮多種上網價格規(guī)制的光伏微網運營對比研究[J]．電力建設，2016，37(3): 82-89．

ZHOU Nan，LIU Nian，ZHANG Jianhua．PV-based microgrid operation contrastive research considering on-grid power tariff regulation[J]．Electric Power Construction，2016，37(3): 82-89．

[4]陳政，楊甲甲，金小明，等．可再生能源發(fā)電電價形成機制與參與電力市場的競價策略[J]．華北電力大學學報(自然科學版)，2014，41(2):89-98, 102．

CHEN Zheng，YANG Jiajia，JIN Xiaoming，et al．A literature survey for pricing mechanisms and bidding strategies of renewable energy generation[J]．Journal of North China Electric Power University (Natural Science Edition)，2014，41(2):89-98, 102．

[5]宮本輝，姚力，傅旭，等．基于等效負荷區(qū)間和隨機生產模擬的新能源接納能力快速計算方法[J]．電力建設，2016，37(3): 24-30．

GONG Benhui，YAO Li，FU Xu，et al．A fast calculation method of renewable energy accommodation capacity based on equivalent load interval and probability production simulation [J]．Electric Power Construction，2016，37(3): 24-30．

[6]DAI T，QIAO W．Trading wind power in a competitive electricity market using stochastic programming and game theory[J]．IEEE Transactions on Sustainable Energy，2013，4(3):805-815．

[7]DE LA NIETA A A S，CONTRERAS J, MUNOZ J I. Optimal coordinated wind-hydro bidding strategies in day-ahead markets[J]. IEEE Transactions on Power Systems, 2013, 28(2): 798-809.

[8]WU Z，WANG X，HOU F，et al．A risk management strategy for a wind power producer based on bilateral contracts[C]//2015 5th International Conference on Electric Utility Deregulation and Restructuring and Power Technologies (DRPT)．IEEE，2015: 82-86．

[9]BJORGAN R，SONG H，LIU C C，et al．Pricing flexible electricity contracts[J]．IEEE Transactions on Power Systems，2000，15(2):477-482．

[10]ZHANG X，WANG X F，SONG Y H．Modeling and pricing of block flexible electricity contracts[J]．IEEE Transactions on Power Systems，2003，18(4): 1382-1388．

[11]TAKAHASHI L，GUNN L，CORREIA P．Pricing electricity flexible-forward contracts considering duties and tributes[C]//16th Power Systems Computation Conference，PSCC．Glasgow，Scotland，2008:14-18．

[12]PALAMARCHUK S．Dynamic programming approach to the bilateral contract scheduling[J]．IET Generation，Transmission & Distribution，2010，4(2): 211-220．

[13]王錫凡，王秀麗，陳皓勇．電力市場基礎[M]．西安：西安交通大學出版社，2003: 2-4．

[14]KAMAL L，JAFRI Y Z．Time series models to simulate and forecast hourly averaged wind speed in Quetta，Pakistan[J]．Solar Energy，1997，61(1): 23-32．

[15]廖菁，江輝，彭建春，等．基于 VaR 和 CVaR 風險度量的發(fā)電商競價策略[J]．繼電器，2007，35(11):30-34, 43．

LIAO Jing，JIANG Hui，PENG Jianchun，et al．Risk assessment on bidding strategy of power generation companies based on VaR and CVaR method[J]．Relay，2007，35(11):30-34, 43．

(編輯 景賀峰)

A Wind Power Long-Term Trading Strategy Based on Seller-Side Flexible Electricity Contract

ZHENG Yaxian1, WU Zechen2, WANG Xiuli2, ZHANG Wei2

(1. China Electric Power Research Institute, Beijing 100192, China; 2. School of Electrical Engineering, Xi’an Jiaotong University, Xi’an 710049, China)

Wind power producers have begun to participate in electricity market in some developed countries. This paper builds a model for wind power flexible electricity contract and proposes a wind power long-term trading strategy based on seller-side flexible electricity contract. Wind power producers can flexibly schedule the contract energy during each period according to market condition and wind power prediction in order to maximize their profits. This paper focuses on the optimal decision of contract energy, proposes the model based on stochastic dynamic programming and its solving method. In examples, we use time series method for the simulation and prediction of wind speed and electricity price. The comparison of three different trading strategies shows that a well scheduled seller-side flexible electricity contract can significantly enhance the income of wind power producer and effectively control financial risk at the same time.

electricity market; flexible electricity contract; wind power trading; stochastic dynamic programming

國家電網公司科技項目(DZN17201500036)

TM 614；F 426

A

1000-7229(2016)12-0128-06

10.3969/j.issn.1000-7229.2016.12.017

2016-09-01

鄭亞先(1982)，男，碩士，高級工程師，SAC/TC82電力市場工作組秘書，主要研究方向為電力系統(tǒng)優(yōu)化運行、電力市場運營；

武澤辰(1991)，男，碩士研究生，本文通信作者，主要研究方向為電力市場及電力系統(tǒng)可靠性；

王秀麗(1961)，女，教授，博士生導師，主要研究方向為電力市場、電力系統(tǒng)規(guī)劃和電力系統(tǒng)可靠性；

張煒(1988)，男，博士研究生，主要研究方向為電力市場。