洪甄 秦江濤

摘 要：在大用戶直購電模式下，分析兩種不同的發(fā)電商和大用戶的交易方式——雙邊直購和集中競價。以發(fā)電商在豐枯平期所售的水電電量為研究對象，以發(fā)電商售電時單位水電加權電價最低為目標，結合政策對于的豐枯結構折價系數(shù)進行限值的相關約束，構建發(fā)電商最低成本的優(yōu)化模型。在此基礎上，利用遺傳算法進行求解，算例結果表明，經(jīng)過模型優(yōu)化后的成本價格遠低于發(fā)電商據(jù)經(jīng)驗所制定的售電策略而形成的成本價，從而驗證所建立的模型的合理性，以期為后來的發(fā)電商參與直購電交易提供依據(jù)。

關鍵詞：雙邊直購;集中競價;豐枯結構折價系數(shù)

中圖分類號：F713.36 ? ? ? ?文獻標志碼：A ? ? ?文章編號：1673-291X（2019）19-0074-04

引言

大用戶直購電是中國電力體制改革的一項重要內容，是指售電放開政策下電力大用戶避開電力公司這一環(huán)節(jié)與發(fā)電商直接進行面對面的交易或者網(wǎng)上平臺進行交易[1～2]。電改使得電力交易方式除了集中競價交易外還有供需雙方直接雙邊交易。自2008年以來，我國發(fā)電企業(yè)虧損嚴重，核心競爭力大大降低，研究發(fā)電商交易決策問題具有理論和實踐價值[3]。

2015年國務院下發(fā)了“9號文”進行新一輪電改，售電側放開[1]。對于發(fā)電商售電策略的研究也在逐漸增多，梁剛等在售電側開放政策下，結合平均對手法構建了“多對一”模式下的交易談判模型，基于條件風險構建發(fā)電商在合同市場和短期市場中的電量分配模型，得到以發(fā)電商效益最大為優(yōu)化目標的售電策略[4]。吳誠基于電力市場中買賣雙方的一種多對多的交易方式，大用戶根據(jù)各發(fā)電商處的合同電量及現(xiàn)貨市場的購電量來制定合同周期內的購電策略[5]。據(jù)此建立了各發(fā)電商之間的非合作博弈模型及優(yōu)化大用戶購電成本的主從博弈模型，并證明了存在均衡解[5]。張森林依據(jù)納什均衡理論，引入發(fā)電商成本矩陣和購電期望支付向量，在雙邊交易中建立起多個市場主體參與的競價模型，最終找到使得買賣雙方交易總成本最小的納什均衡策略組合[6]。而針對報價策略，目前市場中關于發(fā)電側的單邊競價策略的研究已有較多完備的理論成果，報價方法基本可以分為三類：Batlle C.等[7～8]對發(fā)電企業(yè)的機成本特性和燃料成本進行分析而得到的成本分析方法;Plazas M.A.等[9～10]基于預測市場出清價格制定報價;Liu Y：等[11～12]通過建立古諾模型、雙人或多人的博弈模型進行最優(yōu)報價。劉立華等運用“報價平衡點”的概念，以發(fā)電企業(yè)參與大用戶直購電競價后的利潤空間最大化為目標函數(shù)，建立了參與直購電交易的雙人博弈報價模型，從而得到一個最優(yōu)的報價策略[13]。

上述研究對不同的電力交易市場下如何進行電量的分配及制定發(fā)電側的最優(yōu)報價策略已較為成熟，但對于研究發(fā)電側在進行水力發(fā)電時存在豐水期、枯水期及平水期，且相關部門的政策對豐枯結構折價系數(shù)（以下簡稱“K值”）進行了限值規(guī)定，現(xiàn)并無將此因素考慮進去的相關研究。本文在上述研究的基礎上，結合雙邊直購和集中競價兩種交易方式下的不同的水電單價，并根據(jù)政府對K值的限值規(guī)定，以單位水電發(fā)電成本最低為目標函數(shù)，構建不同交易方式下豐枯平時期的最優(yōu)購電組合。

一、大用戶直購電模式下發(fā)電商交易方式

第一，集中競價交易方式。準入的大用戶與發(fā)電企業(yè)集中在交易平臺進行競價交易。針對不同的交易時段，大用戶申報購電量而不報購電價，發(fā)電企業(yè)申報售電價格與售電量，計及網(wǎng)損后進行排序，經(jīng)安全校核后采用統(tǒng)一的邊際出清價格作為市場交易價格。交易成功后發(fā)送交易成交情況，按此制訂調度計劃并實施[2]。

第二，雙邊直購交易方式。在直接交易電量空間內，準入的大用戶與發(fā)電企業(yè)實現(xiàn)供需直接見面，通過雙邊自主協(xié)商，進行直接交易。雙方協(xié)商確定直接交易電量、價格、用電負荷及時間等要素后，聯(lián)合申報，通過電網(wǎng)安全校核后，簽訂電量直接購售合同（雙邊合同）。大用戶、發(fā)電企業(yè)、電網(wǎng)企業(yè)根據(jù)雙邊合同的內容，簽訂委托輸配電服務合同（三方合同）[2]。

二、發(fā)電商售電策略分析模型

（一）假設條件

一是不考慮輸電網(wǎng)絡的約束;二是完全信息模型，購電商的各月的需求電量、出價及兩種交易方式下發(fā)電商的單位成本均為已知;三是本文設定兩種交易方式下的交易風險均為0;四是最終交易決策以發(fā)電商在綜合考慮兩種交易方式下的單位加權成本最小為前提;五是各個時期平水期的占比跟總的平水期占比相同，設為固定常數(shù)C。

（二）基本問題的描述

發(fā)電商在供電給用戶企業(yè)時。在第二章中所提的兩種交易方式下有火力發(fā)電和水力發(fā)電兩種發(fā)電方式。發(fā)電商在通過水力發(fā)電提供給用戶所需電量時，不僅需要考慮到豐水期、枯水期及平水期按照兩種交易方式分配所需的供給量，還要考慮到國家電力部門對于豐枯結構折價系數(shù)K值（以下統(tǒng)稱K值）的限值規(guī)定，最后綜合考慮兩種交易方式下的單位加權成本最小。

售電分析模型所需要的模型參數(shù)如下：K是豐枯結構折價系數(shù)，A是購入水電總量，M是集中競價下豐枯比，N是雙邊直購下豐枯比，P1、P2分別是雙邊直購和集中競價下的單位水電電價，A1、A2分別是雙邊直購和集中競價下的水電總量，X、Y、Z分別是豐、枯、平期購水電電量，sf、sk、sp分別是豐、枯、平期水電購入比例，s■、s■、s■分別是雙邊直購下豐、枯、平期水電購入比例，s■、s■、s■分別是集中競價下豐、枯、平期水電購入比例，x1、y1、z1分別是雙邊直購下在豐、枯、平期購入水電電量，x2、y2、z2分別是集中競價下在豐、枯、平期購入水電電量。

（三）目標函數(shù)

本文設定發(fā)電商在滿足大用戶的用電需求下，可自由決策在兩種不同的交易方式下豐枯平期的水電交易電量。以發(fā)電商通過參與不同交易方式來獲取最低單位水電成本為優(yōu)化目標，則目標函數(shù)為：

MinP=■（1）

（四）約束條件

本文在討論發(fā)電商的售電策略時，針對的用戶群體鎖定為四川省內的用戶群體，因此遵循的相關規(guī)定都是基于四川省電力市場政策。根據(jù)四川省2018年全省電力電量平衡方案及節(jié)能調度生產(chǎn)計劃中關于計劃電量的安排原則：“我省計劃電量分為豐水期（5—10月）、枯水期（4—10月、11月、12月）兩個時段”而大用戶實際與發(fā)電商進行電量交易時多細分了一個平水期（11月、12月），每年的豐枯平期的用電需求量為已知。但是，大用戶的用電需求量是由發(fā)電商的水電和火電共同提供，根據(jù)四川省2018年省內電力市場化交易實施方案的第8條對于交易方式的規(guī)定：“其他直接交易用電企業(yè)。其他參與用電的用戶，交易水火電量的比例為7∶3?；痣婋娏坑山灰灼脚_自動配置，用電企業(yè)不再與火電企業(yè)簽訂協(xié)議?！币虼?，對于本文中研究的大用戶來說，其需求電量的70%由水力發(fā)電供應，剩下的30%電量由火力發(fā)電供應。只有水力發(fā)電的部分涉及到了兩種交易模式——雙邊交易和集中競價。在發(fā)電商尋求目標函數(shù)可以得到最優(yōu)化時，其受到下述條件約束。

1.總量約束

x1+x2=X（1）

y1+y2=Y（2）

z1+z2=Z（3）

2.平水期水電占比約束

Sp=■=■=S■=S■=■=C（4）

3.雙邊極限和集中競價豐枯比（設為M和N）

■=■=N（5）

■=M（6）

4.K值限值約束

2018年4月25日，四川電力交易中心有限公司發(fā)布了《關于常規(guī)直接交易年度集中交易豐枯結構折價系數(shù)（K值）限值的通知》：“各市場主體按照《2018年四川電力交易指導意見（川監(jiān)能市場[2018]40號）》在年度直接交易進行集中交易時，為消除市場用戶豐枯結構不同帶來的影響，市場用戶應將簽約電價折算后進行報價交易（單位：元/兆瓦時）：市場用戶報價=簽約價格+288×（■-平水期電量占比）+288×（1+24.5%）×（■-枯水期電量占比）?！?/p>

“市場用戶報價”是指在交易平臺申報的價格，“簽約價格”是指成交后的結算價格。

設K=288×（■-平水期電量占比）+288×（1+24.5%）×（■-枯水期電量占比），則簽約價格=市場用戶報價-K。當用電企業(yè)豐枯結構好（豐水期電量比例高），則K為正，用戶實際簽約電價低于報價;反之，則高于報價。經(jīng)請示四川省經(jīng)濟和信息化委、國家能源局四川監(jiān)督辦，現(xiàn)對常規(guī)直接交易年度集中交易中的用戶申報各月電量構成的豐枯結構折價系數(shù)（K值）進行范圍限制K≤86.4。

在常規(guī)直接交易年度集中交易的申報階段，購電方在交易系統(tǒng)錄入分月電量后，系統(tǒng)將自動計算出用戶K值，當K值絕對數(shù)系數(shù)大于86.4時，系統(tǒng)將提示購方調整豐枯電量結構后重新申報。常規(guī)直接交易年度集中交易“簽約價格”仍按288元/兆瓦時上下浮動15%限價。因此，可得如下表達式：

k=288×（■-Sp）+288×1.245×（■-S■）（7）

k≤86.4（8）

（五）模型求解

在根據(jù)發(fā)電商和用戶的已知信息列出基本的約束條件之后，下面對上述式（1）至式（8）進行進一步的分析和整合：

得y2=Y-■（9）

又y2≥0

故x2≥X-NY（10）

又由S■=■=■=■（11）

故結合式（4）、式（6）、式（7）、式（11）可得：

■=M=■=■=■-1=■-1=■（12）

結合目標函數(shù)表達式及約束條件，可進一步得到：

minP=■=■（13）

P′=■×■+A-■×P1（14）

求解目標函數(shù)的最優(yōu)解時關鍵在于從滿足用戶需求的眾多可能的雙邊直購和集中競價兩種方式下的各種電量組合中找到使單位水電加權電價最小的組合，即合理分配（x1x2）、（y1y2）、（z1z2）。傳統(tǒng)的解決非線性規(guī)劃的方法，計算煩瑣且精度不高，穩(wěn)定性差?；谝陨峡紤]，本文選擇較成熟的遺傳算法來求解電量分配組合問題，且在上述的約束條件中已將其他變量根據(jù)已有關系全部用表示出來，目標問題由6個變量的最優(yōu)組合問題變成了單一變量的最優(yōu)化求解問題。

三、算例與分析

（一）基本參數(shù)設置

現(xiàn)取用四川省某鍛造有限公司作為此次研究對象——大用戶L。2018年用戶L各月需從發(fā)電商處購買電量情況為（單位：千瓦時）：1月（706 105）、2月（547 574）、3月（572 212）、4—6月（550 000）、7月（600 000）、8月（650 000）、9—12月（700 000）。

因此，據(jù)前文中規(guī)定豐枯平期及水火電配比，得用戶L豐枯平期的需求量為：豐水期（3 200 000）、枯水期（1 250 000）、平水期（3 075 981）。進一步可得具體參數(shù)如下：

A=（3 200 000+1 250 000+3 075 891）×0.7=5 268 186.7

X=3 200 000×0.7=2 240 000

Y=3 075 981×0.7=2 153 186.7

Z=1 250 000×0.7=875 000

Sp=■=C=0.166091304

S■=■=■=■=0.166091304■

（二）售電策略模擬分析

直購電交易的歷史經(jīng)驗是影響發(fā)電商報價的重要因素。發(fā)電商據(jù)以往經(jīng)驗，在與用戶L進行2018年的交易中令K=86.4，N=0.95，P1=0.268及P2=0.2448，將N=0.95代入式（13）和式（15）得：

■=M（y2，z2）=■=■-1=■-1=■-1（15）

x2≥X-0.95Y=194 472.635（16）

此時x2∈[194 472.635，2 240 000]，利用Matlab軟件，調用遺傳算法優(yōu)化包，此時只含有單變量x2，迭代51次之后，得到當x2取2 121 651.975時，目標函數(shù)可取得最小值為0.24608286，即為所求的最低成本價。結合政策規(guī)定，所求結果應在標桿電價0.288±15%的范圍內，即P∈[0.2448，0.3312]，從而所得結果合理。下面驗證剩下的5個因變量x1、y1、z1、y2、z2，以及最終所得K值的合理性。

因x2=2 121 651.975，故x1=118 348.025，y1=124 576.8684，y2=2 018 609.832，z1=4 849.423405，z2=82 650.5766。由此可見，發(fā)電商在豐枯平期均該更多以集中競價方式與用戶L進行交易，可使單位水電加權成本最低，從而保證自身利益最大化。結合式（7）和（11）得K=-21.83087581，滿足式（8）中k≤86.4。

發(fā)電商根據(jù)在與大用戶直購的交易經(jīng)驗，最終2018年與用戶L成交的最低水電加權電價為0.264646325，遠高于本文進行優(yōu)化后的最低電價，從而證明本文所構建的售電策略模型的合理性及可用性。

結語

本文考慮大用戶直購電模式下，發(fā)電商在與大用戶雙邊直購和集中競價兩種交易下，在豐枯平期如何在滿足用戶的需求時合理分配電量建立了非線性規(guī)劃數(shù)學模型，從而使得發(fā)電商單位水電加權成本最低，進而在后續(xù)的市場競價中有更加寬泛的利潤空間和報價策略，可供發(fā)電商在與大用戶直購進行交易時作為參考，只需根據(jù)不同用戶的實際需求調整一下基本參數(shù)設置即可。通過實例分析得出該模型簡單易行，并且從借助遺傳算法得到的結果來看，與發(fā)電依據(jù)經(jīng)驗值而得到的水電加權成本電價相比較，確實達到了明顯的優(yōu)化目的。但本文只計算了發(fā)電商在售賣水電時的單位水電加權成本最低，未將火電機組的成本還有輸配電價及容量電費等考慮進去計算綜合的最低單位成本電價，以進行更精確地售電及報價策略。

參考文獻：

[1] ?中共中央，國務院.關于進一步深化電力體制改革的若干意見（中發(fā)[2015]9號）[Z].2015.

[2] ?張曉萱，薛松，楊素，等.售電側市場放開國際經(jīng)驗及其啟示[J].電力系統(tǒng)自動化，2016，（9）：1-8.

[3] ?李歡歡，張晨，吳靜，等.售電放開政策下發(fā)電商售電策略與交易談判優(yōu)化模型[J].電力建設，2017，（3）：123-129.

[4] ?梁剛，王中榮，馬占軍，等.基于售電側放開的電力市場交易研究[J].管理觀察：2016，（31）：32-35.

[5] ?吳誠.基于博弈論的大用戶直購電雙邊決策研究[D].南京：東南大學，2017.

[6] ?張森林.電力市場雙邊交易若干問題研究[D].廣州：華南理工大學，2011.

[7] ?Batlle C.，Barquin J.A strategic production costing model for electricity market price analysis[J].IEEE Transactions on Power Systems，2005，（1）：67-74.

[8] ?丁軍威，康重慶，沈瑜，等.基于企業(yè)經(jīng)營決策的發(fā)電商最優(yōu)競價策略[J].電力系統(tǒng)自動化，2003，（16）：23-27.

[9] ?Plazas M.A.，Conejo A.J.，Prieto F.J.Multimarket optimal bidding for a power producer[J].IEEE Transactions on Power Systems，2005，（4）：2041-2050.

[10] ?Aggarwal S.K.，Saini L.M.，Kumar A.Electricity price forecasting in deregulated markets：A review and evaluation[J].International Journal of Electrical Power&Energy Systems，2009，（1）：13-22.

[11] ?Liu Y.，Liu J.，Tian L.，et al..Pareto Improvement of Large Customer Direct Power-Purchase by Use of Multi-Objective Optimization[C]//Power and Energy Engineering Conference，2009.APPEEC 2009.Asia-Pacific.IEEE，2009.

[12] ?Wang Y.，Xu Q.Research on Purchasing Portfolio Strategies of Large Consumers with the Interruptible Load[C]//Power and Energy Engineering Conference.IEEE，2012.

[13] ?劉立華，楊鐵峰，白陽.發(fā)電企業(yè)參與大用戶直購電的博弈報價模型研究[J].中國高新技術企業(yè)，2017，（2）：157-159.

Study on Power Sale Strategy of Generators under Direct Purchase Mode for Large Users

HONG Zhen，QIN Jiang-Tao

（Business School，University of Shanghai for Science and Technology，Shanghai 200093，China）

Abstract：Two different transaction modes，bilateral direct purchase and centralized bidding，are analyzed under the mode of large user direct purchase.The objective of this paper is to minimize the unit weighted price of hydropower when a power producer sells electricity，and to optimize the minimum cost of a component power producer with relevant constraints，which limits the discount coefficients of the high-low structure in combination with the policy，taking the amount of hydropower sold by a power producer in the high-low period as the research object.On this basis，the genetic algorithm is used to solve the problem.The results show that the cost price optimized by the model is much lower than the cost price formed by the electricity selling strategy formulated by the generators based on their experience.Thus，the rationality of the model is verified，and it can provide the basis for the profit increase space and bidding strategy of the subsequent generators participating in the direct electricity purchase transaction.

Key words：bilateral direct purchase;centralized bidding;discount coefficient of rich and dry structure

[責任編輯 陳麗敏]