方日升

（國網(wǎng)福建省電力有限公司，福建福州 350003）

考慮風電的省級電網(wǎng)多類市場購電風險研究

方日升

（國網(wǎng)福建省電力有限公司，福建福州 350003）

電力市場環(huán)境下，風電和負荷的不確定性給省級電網(wǎng)的購電決策造成了重大的影響?？紤]負荷電量、風電購電量和日前現(xiàn)貨市場電價的不確定性，以期望購電成本最小和遭受損失的風險最小為目標，建立期望購電成本-損失風險模型。采用CVaR度量損失的風險，并通過多目標粒子群優(yōu)化算法和模糊集理論求得最優(yōu)折中解。通過算例計算，分析了風電對省級電網(wǎng)的購電成本、損失風險和各市場購電量分配的影響，以及風電電價對省級電網(wǎng)購電的影響；表明了該模型的可行性，為省級電網(wǎng)購電決策提供了參考，實現(xiàn)了期望購電成本和風險的最小化。

風電并網(wǎng)；購電風險；省級電網(wǎng)；條件風險價值；多目標粒子群優(yōu)化算法

在新的電力市場環(huán)境下風電大量接入，增加了省級電網(wǎng)購電決策的難度。如何在各市場中進行購電量分配，使其購電成本最小和可能遭受損失的風險最小，是一個值得重視的問題，具有實際意義。

目前，許多文獻對電力市場中如何在多個市場進行購電量分配的問題進行了研究[1-2]。文獻[3]建立省級電網(wǎng)在省內(nèi)、外各市場的購電優(yōu)化模型，并采用模糊優(yōu)化算法進行求解。文獻[4-5]考慮購電風險，在傳統(tǒng)電力市場中研究供電公司的購電組合策略。文獻[6]考慮可中斷負荷參與到電力市場中，對配電公司的購電決策進行研究，表明可中斷負荷可以有效地降低配電公司的購電風險。文獻[7]考慮分布式發(fā)電參與電能市場，基于最優(yōu)潮流建立配電公司在日前市場的購電模型。文獻[8]針對水電的不確定性建立省電力公司的最優(yōu)購電決策模型，實現(xiàn)水電和火電的配合。上述文獻的研究成果在傳統(tǒng)的電力市場環(huán)境中取得了廣泛的應(yīng)用，但均沒有考慮風電不確定性對省級電網(wǎng)購電決策的影響。

而目前考慮風電不確定性研究風電對省級電網(wǎng)購電決策影響的文獻較少。文獻[9]在智能電網(wǎng)發(fā)展的背景下，考慮風電的不確定性，采用風險元傳遞理論描述供電企業(yè)的購電風險，建立智能電網(wǎng)購電優(yōu)化模。文獻[10]計及風電的不確定性，采用絕對半離差作為風險指標，建立區(qū)域電力市場省級電網(wǎng)月度購電風險管理模型。但上述文獻均沒有對省級電網(wǎng)的多類市場購電決策進行建模分析。

針對上述文獻的不足，本文考慮負荷電量、風電購電量和日前現(xiàn)貨市場電價的不確定性對省級電網(wǎng)購電決策產(chǎn)生的影響，以期望購電成本最小和損失的風險最小為目標，建立期望購電成本-損失風險模型。采用條件風險價值（condition value at risk，CVaR）度量遭受損失的風險，并通過多目標粒子群優(yōu)化算法 （multi-objective particle swarm optimization algorithm，MOPSO）求得Pareto有效前沿，再通過模糊集理論求得最優(yōu)折中解。最后分析了風電對省級電網(wǎng)的購電成本、損失風險和在各市場購電量分配的影響，以及風電電價的敏感性分析。

1 條件風險價值

本文采用在金融領(lǐng)域內(nèi)被廣泛應(yīng)用的風險計量指標——CVaR。CVaR表示投資損失超過VaR的條件均值[11]，它反映了損失超過閾值時可能遭受的損失的平均水平，體現(xiàn)了投資存在的風險[12]。

設(shè)X為目標組合可行集，X?Rn；令f（x，y）為損失函數(shù)。其中，x∈X為決策變量，y∈Rm為決定省級電網(wǎng)在各市場購電量的不確定隨機向量，假設(shè)p（y）為y的概率密度函數(shù)，對于確定的x，由y引起的損失f（x，y）是R上服從某一分布的隨機變量，其不超過臨界值α的分布函數(shù)為

以β表示置信水平，αβ（x）表示當目標組合為x時損失f（x，y）所對應(yīng)的VaR值，其計算公式為

又以φβ（x）表示損失f（x，y）不小于αβ（x）時的CVaR值：

式中：β∈（0，1）為置信水平，表示1-β的概率下，投資者允許其投資組合策略可能遭受的損失為某一風險水平。

因此，本文采用式（3）確定目標組合x及相應(yīng)的CVaR值，評估省級電網(wǎng)可能遭受損失的風險。

2 省級電網(wǎng)購電風險模型

隨著電力市場改革的深入和風電的快速發(fā)展，給省級電網(wǎng)購電決策帶來了新的機遇和挑戰(zhàn)。省級電網(wǎng)作為購電決策者，在滿足負荷電量需求且售電收入一定的情況下，希望投入更少的購電成本以提高購電效益；同時，希望省級電網(wǎng)可能遭受損失的風險最小。因此，省級電網(wǎng)需在各市場進行購電量分配，權(quán)衡購電成本和風險之間的矛盾，以追求購電成本最小和風險最小。

2.1 省級電網(wǎng)購電成本

本文研究的電力市場包括遠期合約市場、日前現(xiàn)貨市場和輔助服務(wù)市場。在新的電力市場環(huán)境下，風電參與到遠期合約市場和日前現(xiàn)貨市場交易中。省級電網(wǎng)從以上電力市場中購電，以1 h為分析對象，則在t時段省級電網(wǎng)所需購電成本為

式中：F（t）為省級電網(wǎng)在t時段的購電成本；CM（t）、CN（t）、CR（t）分別為在t時段從遠期合約市場、日前現(xiàn)貨市場和輔助服務(wù)市場的購電成本。

1）遠期合約市場

遠期合約市場電價固定，從遠期合約市場購電是省級電網(wǎng)規(guī)避風險的一個重要措施。省級電網(wǎng)在遠期合約市場簽訂合同電量，并按合同規(guī)定的電量和電價進行交易。

風力發(fā)電參與到電力交易后，為便于表述，將遠期合約市場分為常規(guī)發(fā)電市場和風力發(fā)電市場。雖然遠期合約市場按合同規(guī)定的電量和電價進行交易，但由于風電的波動性，且為了促進風電的消納水平，允許實際成交的風電電量在其合約電量的基礎(chǔ)上服從正態(tài)分布進行波動[13]，則省級電網(wǎng)t時段在遠期合約市場的購電成本為

式中：第一項為遠期合約市場中常規(guī)發(fā)電市場的購電成本；第二項為遠期合約市場中風電市場的購電成本；Qm（t）、qm（t）分別為t時段在遠期合約市場從常規(guī)發(fā)電市場購買的電量和電價；QW1（t）、qW1（t）分別為t時段在遠期合約市場從風力發(fā)電市場購買的電量和電價。

2）日前現(xiàn)貨市場

同理，為便于表述，將日前現(xiàn)貨市場分為常規(guī)發(fā)電市場和風力發(fā)電市場。日前現(xiàn)貨市場價格不確定，價格波動將導致風險的發(fā)生，假設(shè)其價格的波動性服從正態(tài)分布。由于日前風電預(yù)測較準確，實際電量按計劃電量成交，即電量保持不變。則省級電網(wǎng)t時段在日前現(xiàn)貨市場的購電成本為

式中：Qn（t）、qn（t）分別為t時段在日前現(xiàn)貨市場從常規(guī)發(fā)電市場購買的電量和電價；QW2（t）、qW2（t）分別為t時段在日前現(xiàn)貨市場從風力發(fā)電市場購買的電量和電價，作為日前現(xiàn)貨市場的電價qW2（t）等于qn（t）。

3）輔助服務(wù)市場

為了保證系統(tǒng)的可靠性水平，需要準備一定量的備用。本文中的輔助服務(wù)市場主要是備用量的購買，則省級電網(wǎng)t時段在輔助服務(wù)市場的購電成本為

式中：QR（t）、qR（t）分別為t時段在輔助服務(wù)市場購買的電量和電價。

其中，備用電量QR（t）等于負荷電量預(yù)測值的5%～10%與日前現(xiàn)貨市場風電購電量的10%～20%之和[14]，即

式中：L（t）為t時段負荷電量預(yù)測值。

由于風電出力、日前現(xiàn)貨市場電價的波動性，使得購電成本很難精確的估計。因風電預(yù)測偏差和日前現(xiàn)貨市場電價偏差都服從正態(tài)分布，且假設(shè)它們相互獨立；根據(jù)統(tǒng)計學原理，省級電網(wǎng)的購電成本函數(shù)也服從的正態(tài)分布，則

式中：μW1（t）為t時段在遠期合約市場從風力發(fā)電市場購買的電量；μn（t）為t時段在日期現(xiàn)貨市場從常規(guī)發(fā)電市場購電的電價均值，μW2（t）為t時段在日期現(xiàn)貨市場從風力發(fā)電市場購電的電價均值。

2.2 省級電網(wǎng)損失風險

在一定時期內(nèi)，假設(shè)省級電網(wǎng)以固定電價售電，負荷電量預(yù)測偏差服從的正態(tài)分布[15]，則獲得的購電效益等于售電收入減去購電成本，即

式中：R（t）為省級電網(wǎng)在t時段的購電效益；qs（t）為在t時段的售電電價。

省級電網(wǎng)的購電損失函數(shù)S（t）為購電效益的負值，即

式中：μL（t）為t時段負荷電量預(yù)測的均值。

根據(jù)上文第一節(jié)所述，可得省級電網(wǎng)購電損失風險的CVaR值為

式中：p（y）為損失函數(shù)的概率密度。

2.3 約束條件

1）供需平衡約束

2）各市場購電量約束

3 購電成本-損失風險模型及求解方法

3.1 購電成本-損失風險模型的目標函數(shù)

從省級電網(wǎng)的角度出發(fā)，在滿足系統(tǒng)給定可靠性的前提下，以期望購電成本最小和損失風險最小為2個目標，建立購電成本-損失風險多目標模型，即

3.2 基于MOPSO算法的優(yōu)化模型求解方法

MOPSO算法是以粒子群算法為基礎(chǔ)來解決多目標問題的一種方法，具有收斂速度快，易于操作等優(yōu)點。因此，本文采用MOPSO算法求解本文所提出的模型。

1）求取Pareto有效前沿

由于這2個目標的矛盾性，因此不存在唯一解同時使該兩目標達到最優(yōu)，而是一組非劣解集。通過MOPSO算法可以求解得到Pareto有效前沿。

2）最優(yōu)折中解

由于MOPSO算法最后得到的是一個非劣解集，因此需要從該非劣解集中確定一個最優(yōu)解。本文采用模糊集理論從Pareto有效前沿中選出最優(yōu)折中解[16]。首先，將所得到的Pareto有效前沿中的非劣解按式（19）所示的隸屬度函數(shù)進行歸一化處理，然后按式（20）所示的加權(quán)和得到各個解的滿意度值。最后，取滿意度最大的解作為該模型的最優(yōu)折中解。

3）算法流程圖

采用MOPSO算法和模糊集理論求解購電成本-損失風險模型的流程如圖1所示。

圖1 算法流程圖Fig.1 Flowchart of algorithm

4 算例計算與分析

4.1 系統(tǒng)參數(shù)設(shè)置

遠期合約市場和日前現(xiàn)貨市場下的常規(guī)發(fā)電市場和風力發(fā)電市場的電價和電量、及其均值和標準差如表1所示，表中“—”表示不存在該項的標準差，即實際成交的電量或電價保持不變。

表1 購電數(shù)據(jù)Tab.1 power purchase data

某地區(qū)負荷電量預(yù)測數(shù)據(jù)L（t）=2 000 MW·h，偏差σL=3%L（t），售電電價CVaR的置信水平β為90%。

4.2 風電對購電決策的影響

取權(quán)值θ1=θ2=0.5進行討論，通過MOPSO算法求解不同情景下的兩目標模型，得到Pareto有效前沿如圖2所示；再通過模糊集理論求取最優(yōu)折中解，如表2所示。

圖2 Pareto有效前沿Fig.2 Pareto efficient frontier

從圖2中可以看出，隨著省級電網(wǎng)期望購電成本的增加，省級電網(wǎng)損失的風險隨之降低。這是因為購電成本的增加使得購電市場偏向于電價較高但電價穩(wěn)定的遠期合約市場中的常規(guī)發(fā)電市場，從而增加了購電成本，降低了風險，起到了規(guī)避市場風險的作用。

從表2中可以看出，考慮風電后的期望購電成本和在遠期合約市場從常規(guī)發(fā)電市場購買的電量減少，而風險有所增加。這是因為在遠期合約市場的風電電價比常規(guī)發(fā)電的低，所以部分電量向風電轉(zhuǎn)移，降低了購電成本；雖然由于風電的波動性，需增加備用電量，但總的期望購電成本還是有所減少。同時，由于允許遠期合約市場的風電在其購電量的基礎(chǔ)上波動，所以增加了省級電網(wǎng)的風險。

4.3 風電電價對省級電網(wǎng)購電的影響

風電電價影響省級電網(wǎng)在風電市場的購電量，通過改變風電電價，分析風電電價對購電的影響，如圖3所示。為便于表示，定義：不考慮風電為情景1；考慮風電，風電電價qW1（t）、μW2（t）分別等于50$/（MW·h）和58$/（MW·h）時為情景2；考慮風電，風電電價qW1（t）、μW2（t）分別等于55$/（MW·h）和65$/（MW·h）時為情景3。

表2 購電優(yōu)化結(jié)果Tab.2 Results of power purchase optimization

表3 風電電價對購電的影響Tab.3 The effect of wind power price on power purchase

從表3中可以看出：當風電電價較低時（情景2），省級電網(wǎng)從風電中購買較多的電量，甚至達到了在風電市場中購電量的最大限值。這是因為較低的風電電價可以減少省級電網(wǎng)在日期現(xiàn)貨市場購買高價的電量，從而降低了期望購電成本和風險。當風電電價較高時（情景3），省級電從風電市場中購買電量所需成本太高，因此盡可能不在風電市場中購買電量，但由于最小購電量的限制，省級電網(wǎng)必須要從風電市場中購買部分電量，從而放棄了一部分價格較低且無風險的電量，導致省級電網(wǎng)的期望購電成本和風險增加。

4.4 權(quán)值對購電決策的影響

考慮風電后，改變權(quán)值，分析權(quán)值對期望購電成本、風險和各市場購電量分配的影響，如表4所示。

表4 不同權(quán)值下的購電優(yōu)化結(jié)果Tab.4 Results of power purchase optimization under different weights

期望購電成本權(quán)值的增加表示省級電網(wǎng)對購電成本重視程度的增加，也就是說在期望購電成本最小和風險最小這兩個目標上更趨向于追求期望購電成本的最小化。從表4中可以看出，隨著期望購電成本權(quán)值的增加，期望購電成本逐漸減少，購電量從遠期合約市場向電價較低的日前現(xiàn)貨市場轉(zhuǎn)移；雖然降低了期望購電成本，但由于日前現(xiàn)貨市場電價的波動性使得風險增加，體現(xiàn)了這2個目標相互制約、相互依存的關(guān)系。

5 結(jié)論

隨著電力市場改革的不斷深入以及風力發(fā)電的大規(guī)模發(fā)展，給省級電網(wǎng)購電決策帶來了顯著的影響。本文圍繞省級電網(wǎng)的購電成本、遭受損失的風險和在各市場的購電量分配，主要的研究工作和結(jié)論如下：

1）本文考慮負荷電量、風電購電量和日前現(xiàn)貨市場電價的不確定性，建立期望購電成本-損失風險模型，以CVaR作為風險度量指標，對省級電網(wǎng)可能遭受損失的風險進行評估，描述期望購電成本和損失風險之間的關(guān)系，為省級電網(wǎng)的購電決策提供參考。

2）研究表明，風電對省級電網(wǎng)購電決策的影響與風電電價有關(guān)，當風電電價較低時從風電中購買電量有效地降低期望購電成本和風險；而當風電電價較高時從風電中購買電量將大大增加省級電網(wǎng)的期望購電成本和風險。

[1]周明，聶艷麗，李庚銀，等.電力市場下長期購電方案及風險評估[J].中國電機工程學報，2006，26（3）：116-122.ZHOU Ming，NIE Yanli，LI Gengyin，et al.Long-term electricity purchasing scheme and risk assessment in power market[J].Proceedings of the CSEE，2006，26（3）：116-122（in Chinese）.

[2]劉亞安，管曉宏，薛禹勝.Price-taker在兩個電力市場中的交易決策（一）購電商的策略[J].電力系統(tǒng)自動化，2004，28（16）：13-16.LIU Yaan，GUAN Xiaohong，XUE Yusheng.Optimal allocation in dual markets for price-taker：part one for purchaser[J].Automation of Electric Power Systems，2004，28（16）：13-16（in Chinese）.

[3]尚金成，王綿斌，譚忠富，等.省級電力公司的購電決策模型及其模糊優(yōu)化算法[J].華東電力，2008，36（11）：103-107.SHANG Jincheng，WANG Mianbin，TAN Zhongfu，et al.Purchasing strategy models of provincial grid companies and relevant fuzzy optimization algorithms[J].East China Electric Power，2008，36（11）：103-107（in Chinese）.

[4]陳彥州，趙俊華，文福拴，等.偏度風險價值下供電公司/電力零售公司動態(tài)購電組合策略[J].電力系統(tǒng)自動化，2011，35（6）：25-29.CHEN Yanzhou，ZHAO Junhua，WEN Fushuan，et al.A skewness-VaR based dynamic electricity purchasing strategy for power supply companies/retail companies[J].Automation of Electric Power Systems，2011，35（6）：25-29（in Chinese）.

[5]劉友波，劉俊勇，唐杰明.計及需求側(cè)電量電價彈性矩陣與風險的供電公司周市場購電優(yōu)化決策模型[J].電網(wǎng)技術(shù)，2008，32（18）：18-24.LIU Youbo，LIU Junyong，TANG Jieming.An optimal decision-making model for power supply company’s power purchase in weekly market considering price elasticity matrix of demand side and risk[J].Power System Technology，2008，32（18）：18-24（in Chinese）.

[6]王瑞慶，李渝曾，張少華.考慮分布式發(fā)電和可中斷負荷的配電公司購電組合策略研究[J].電力系統(tǒng)保護與控制，2009，37（22）：17-21.WANG Ruiqing，LI Yuzeng，ZHANG Shaohua.Research on purchasing portfolio strategies of distribution companies with distributed generation and interruptible load[J].Power System Protection and Control，2009，37（22）：17-21（in Chinese）.

[7]魏玲，楊明皓.輸配分離電力市場中含分布式發(fā)電的配電公司購電模型[J].電網(wǎng)技術(shù)，2008，32（8）：71-76.WEI Ling，YANG Minghao.A power purchase model for distributed company containing distributed power generation in electricity market with transmission separated from distribution[J].Power System Technology，2008，32（8）：71-76（in Chinese）.

[8]羅朝春，李湘旗，姚賽.水電不確定條件下電力公司最優(yōu)購電策略分析[J].電力科學與技術(shù)學報，2014，29（2）：89-94.LUO Chaochun，LI Xiangqi，YAO Sai.Optimal electricity-purchasing strategy of power company based on uncertain hydropower[J].Journal of Electric Power Science and Technology，2014，29（2）：89-94（in Chinese）.

[9]李鵬，李存斌，祁之強.智能電網(wǎng)下考慮風險的供電企業(yè)購電優(yōu)化模型[J].運籌與管理，2014，23（1）：108-115.LI Peng，LI Cunbin，QI Zhiqiang.Power supply enterprises purchase optimization model considering risk in smart grid [J].Operations Research and Management Science，2014，23（1）：108-115（in Chinese）.

[10]文旭，王俊梅，郭琳.計及風電不確定性的省級電網(wǎng)月度購電風險管理模型[J].電力自動化設(shè)備，2015，35（7）：106-112.WEN Xu，WANG Junmei，GUO Lin.Risk management model considering wind power uncertainty for monthly power purchasing of provincial grid[J].E1ectric Power Automation Equipment，2015，35（7）：106-112（in Chinese）.

[11]ROCKAFELLAR R T，URYASEV S.Conditional valueat-risk for general loss distributions[C].Journal of Banking and Finance，2002，26（7）：1443-1471.

[12]王壬，尚金成，馮旸，等.基于CVaR風險計量指標的發(fā)電商投標組合策略及模型[J].電力系統(tǒng)自動化，2005，29（14）：5-9.WANG Ren，SHANG Jincheng，F(xiàn)ENG Yang，et al.Combined bidding strategy and model for power suppliers based on CVaR risk measurement techniques[J].Automation of Electric Power Systems，2005，29（14）：5-9（in Chinese）.

[13]DOHERTY R，MALLEY M O.A new approach to quantify reserve demand in systems with significant installed wind capacity[J].IEEE Transactions on Power Systems，2005，20（2）：587-595.

[14]張粒子，周娜，王楠，大規(guī)模風電接入電力系統(tǒng)調(diào)度模式的經(jīng)濟性比較 [J].電力系統(tǒng)自動化，2011，35（22）：105-110.ZHANG Lizi，ZHOU Na，WANG Nan.Economic comparison for different generation scheduling with large scale wind power connected power system[J].Automation of Electric Power Systems，2011，35（22）：105-110（in Chinese）.

[15]盧志剛，劉艷娥，馬麗葉，等.基于安全等級的電網(wǎng)最優(yōu)安全經(jīng)濟域研究 [J].電工技術(shù)學報，2015，30（20）：210-218.LU Zhigang，LIU Yan’e，MA Liye，et al.The optimal security and economic region study based on the security hierarchy[J].Transactions of China Electrotechnical Society，2015，30（20）：210-218（in Chinese）.

[16]吳杰康，唐力.基于模糊機會約束規(guī)劃的水火電力系統(tǒng)多目標隨機調(diào)度模型[J].中國電機工程學報，2011，31（25）：26-34.WU Jiekang， TANG Li.Mutli-objective stochastic scheduling models for hydrothermal plants based on fuzzy chance constrained programming[J].Proceedings of the CSEE，2011，31（25）：26-34（in Chinese）.

Research on Multi-Market Power Purchasing Risk of Provincial Grid Considering Wind Power

FANG Risheng
（State Grid Fujian Electric Power Company Limited，F(xiàn)uzhou 350003，F(xiàn)ujian，China）

In the electricity market environment，the uncertainty of wind power and load has significant impacts on the purchase decision of the provincial power grid.In this paper an expected electricity purchasing cost-loss risk model is built with the goal of minimum expected purchase electricity cost and minimum risk of suffering losses considering the uncertainty of load quantity，wind power purchasing power and the electrovalence of day-ahead spot market.The condition value at risk (CVaR)is used to measure the risk of loss，and the optimal compromise solution is obtained through the multi-objective particle swarm optimization algorithm and the fuzzy set theory.The effects of the wind power on the provincial grid’s purchase electricity cost，risk of loss and purchase electricity distribution in each market and the effect of wind power price on the provincial power purchase are analyzed with examples.The analysis result has verified feasibility of the model，suggesting thatthe model provides some references on the decision of power purchasing for the provincial power grid and helps to realize the minimum expected purchase electricity cost and risk.

wind power integration；power purchase risk；provincial power grid；conditional value at risk；multi-objective particle swarm optimization algorithm

2015-08-09。

方日升（1969—），男，博士，高級工程師，主要從事電力系統(tǒng)調(diào)度與交易及其管理的研究工作。

（編輯 馮露）

福建省自然科學基金項目（2013J01176）。

Project Supported by the Natural Science Foundation of Fujian Province（2013J01176）.

1674-3814（2017）04-0113-06

TM71

A