代江， 田年杰， 單克， 趙翔宇， 張德亮， 黃紅偉

(1. 貴州電網(wǎng)有限責(zé)任公司電力調(diào)度控制中心,貴州 貴陽(yáng) 550002;2. 北京清大科越股份有限公司，北京 100084)

0 引言

中長(zhǎng)期市場(chǎng)交易是我國(guó)當(dāng)前電力市場(chǎng)化交易的主要形式。隨著我國(guó)市場(chǎng)化改革的不斷深入，中長(zhǎng)期交易電量規(guī)?？焖僭鲩L(zhǎng)。以貴州省為例，近三年市場(chǎng)交易電量年均增長(zhǎng)率近30%，目前交易電量已超過(guò)全省用電量的50%。交易規(guī)模的快速增長(zhǎng)，對(duì)中長(zhǎng)期交易校核的準(zhǔn)確性提出了更高要求，調(diào)度機(jī)構(gòu)亦面臨著嚴(yán)峻挑戰(zhàn)[1—3]。

中長(zhǎng)期交易校核是指調(diào)度機(jī)構(gòu)按照電網(wǎng)安全穩(wěn)定運(yùn)行控制要求，依據(jù)新能源預(yù)測(cè)等邊界數(shù)據(jù)，判定各發(fā)電廠市場(chǎng)交易預(yù)出清結(jié)果可行性，并提出修正意見(jiàn)的過(guò)程[4—5]。根據(jù)我國(guó)中長(zhǎng)期市場(chǎng)有關(guān)規(guī)定，調(diào)度機(jī)構(gòu)不僅負(fù)責(zé)中長(zhǎng)期交易校核，同時(shí)應(yīng)保證交易結(jié)果執(zhí)行[6]。電力市場(chǎng)建設(shè)之初，市場(chǎng)交易規(guī)模較小，調(diào)度機(jī)構(gòu)對(duì)邊界數(shù)據(jù)預(yù)測(cè)誤差導(dǎo)致的執(zhí)行偏差調(diào)控手段較為充足，因此多采用確定性校核方法。文獻(xiàn)[4—5]介紹了電網(wǎng)現(xiàn)行的中長(zhǎng)期市場(chǎng)交易校核模式，提出了基于“安全約束機(jī)組組合+安全約束經(jīng)濟(jì)調(diào)度”的雙層校核體系，通過(guò)模擬調(diào)度運(yùn)行過(guò)程分析交易結(jié)果的可行性。文獻(xiàn)[7]對(duì)上述方法進(jìn)一步簡(jiǎn)化，選取典型場(chǎng)景確定機(jī)組負(fù)荷率合理區(qū)間，并采用月度機(jī)組組合模型進(jìn)行校核。文獻(xiàn)[8]提出了針對(duì)雙邊交易的簡(jiǎn)化校核方法，通過(guò)評(píng)估交易雙方聯(lián)絡(luò)通道的承載能力和系統(tǒng)調(diào)峰需求，得到校核結(jié)果。

隨著市場(chǎng)發(fā)展，中長(zhǎng)期交易電量規(guī)模快速增長(zhǎng)。同時(shí)新能源快速發(fā)展下，燃煤電廠的發(fā)電空間受到擠壓。交易校核環(huán)節(jié)的邊界數(shù)據(jù)不確定性增大，傳統(tǒng)確定性交易校核方法面臨嚴(yán)峻挑戰(zhàn)[9—11]。如何考慮邊界數(shù)據(jù)不確定性，提升校核準(zhǔn)確率已成為該領(lǐng)域研究的重點(diǎn)。目前該方向的研究尚處于起步階段，部分文獻(xiàn)借鑒傳統(tǒng)機(jī)組組合領(lǐng)域研究，提出了基于多場(chǎng)景預(yù)測(cè)數(shù)據(jù)的校核方法[12]。然而由于交易校核與機(jī)組組合目標(biāo)不同，上述方法中大量預(yù)測(cè)場(chǎng)景并非交易校核中所需研究的極端場(chǎng)景，容易出現(xiàn)關(guān)鍵場(chǎng)景被數(shù)據(jù)湮沒(méi)的情況。

為此，文中提出一種基于極端場(chǎng)景分析的中長(zhǎng)期交易校核方法。首先，介紹極端場(chǎng)景的基本概念，根據(jù)不同類型數(shù)據(jù)對(duì)交易校核結(jié)果的影響，將波動(dòng)性邊界數(shù)據(jù)劃分為正向、負(fù)向數(shù)據(jù)；其次，考慮邊界數(shù)據(jù)的組合情況，按照極端場(chǎng)景的篩選標(biāo)準(zhǔn)，選定需要重點(diǎn)考慮的極端場(chǎng)景；然后，在此基礎(chǔ)上，利用多時(shí)序機(jī)組組合模型對(duì)極端場(chǎng)景下調(diào)度運(yùn)行過(guò)程進(jìn)行模擬，計(jì)算校核結(jié)果及其發(fā)生概率；最后，利用某省電網(wǎng)實(shí)際數(shù)據(jù)構(gòu)造算例，對(duì)文中所提方法的有效性進(jìn)行驗(yàn)證。

1 極端場(chǎng)景概念與篩選

文中研究的極端場(chǎng)景篩選是指中長(zhǎng)期市場(chǎng)交易中考慮多場(chǎng)景邊界數(shù)據(jù)，篩選得到最不利于交易結(jié)果執(zhí)行的邊界數(shù)據(jù)場(chǎng)景集合。首先研究中長(zhǎng)期交易校核所依據(jù)的邊界數(shù)據(jù)，根據(jù)對(duì)校核結(jié)果的影響對(duì)其進(jìn)行分類；基于上述邊界數(shù)據(jù)分類，結(jié)合邊界數(shù)據(jù)多場(chǎng)景預(yù)測(cè)實(shí)際情況，提出極端場(chǎng)景篩選標(biāo)準(zhǔn)和實(shí)施流程。

1.1 邊界數(shù)據(jù)特性分類

由于中長(zhǎng)期交易校核時(shí)間跨度較長(zhǎng)，所依據(jù)的新能源功率預(yù)測(cè)、負(fù)荷預(yù)測(cè)等邊界數(shù)據(jù)均存在較大的不確定性[13—14]。依據(jù)邊界數(shù)據(jù)的不確定性程度，可將中長(zhǎng)期交易所依據(jù)的邊界數(shù)據(jù)劃分為確定性和波動(dòng)性邊界數(shù)據(jù)兩大類，如圖1所示。

圖1 中長(zhǎng)期交易校核邊界數(shù)據(jù)分類Fig.1 Boundary data classification of long and medium-term trading check

所謂確定性邊界數(shù)據(jù)是指該類數(shù)據(jù)波動(dòng)概率較低，可不考慮其波動(dòng)性對(duì)校核結(jié)果的影響，主要包括外送受電計(jì)劃、設(shè)備檢修計(jì)劃等。而新能源功率預(yù)測(cè)、水電發(fā)電計(jì)劃等波動(dòng)性邊界數(shù)據(jù)，受氣象預(yù)報(bào)等因素影響較大，不確定性較高，中長(zhǎng)期校核期間預(yù)測(cè)數(shù)據(jù)誤差較大，須考慮預(yù)測(cè)誤差對(duì)校核結(jié)果的影響[15—16]。

按照預(yù)測(cè)誤差對(duì)交易校核的影響，可進(jìn)一步將波動(dòng)性邊界數(shù)據(jù)劃分為正向和負(fù)向數(shù)據(jù)兩類。正向數(shù)據(jù)是指實(shí)際執(zhí)行中該邊界數(shù)據(jù)的正向波動(dòng)，即實(shí)際數(shù)值高于預(yù)測(cè)值，有利于校核結(jié)果執(zhí)行。而負(fù)向數(shù)據(jù)則與之相反，當(dāng)其產(chǎn)生正向預(yù)測(cè)誤差時(shí)，不利于校核結(jié)果的執(zhí)行。以負(fù)荷預(yù)測(cè)和新能源預(yù)測(cè)為例進(jìn)行說(shuō)明，當(dāng)系統(tǒng)負(fù)荷存在正向預(yù)測(cè)誤差，即實(shí)際負(fù)荷高于預(yù)測(cè)值時(shí)，發(fā)電需求增加，有利于交易結(jié)果實(shí)際執(zhí)行；若風(fēng)電、光伏等新能源出現(xiàn)正向預(yù)測(cè)誤差，為消納新能源，必將調(diào)減其他類型電源發(fā)電，燃煤電廠的發(fā)電空間將受到擠壓，影響其交易結(jié)果的執(zhí)行。

1.2 極端場(chǎng)景篩選

傳統(tǒng)確定性中長(zhǎng)期交易校核中，主要采用發(fā)生概率最高的波動(dòng)性邊界數(shù)據(jù)場(chǎng)景。文中將傳統(tǒng)確定性中長(zhǎng)期交易校核依據(jù)的場(chǎng)景稱為基態(tài)場(chǎng)景。為量化波動(dòng)性邊界數(shù)據(jù)預(yù)測(cè)誤差對(duì)交易校核的影響，主要采用多場(chǎng)景預(yù)測(cè)模型。多場(chǎng)景預(yù)測(cè)結(jié)果如圖2所示。對(duì)于正向數(shù)據(jù)，若高于基態(tài)場(chǎng)景下的預(yù)測(cè)數(shù)據(jù)，均有利于交易結(jié)果執(zhí)行，不屬于極端場(chǎng)景考慮范疇；而對(duì)于負(fù)向數(shù)據(jù)，若低于基態(tài)場(chǎng)景下的預(yù)測(cè)數(shù)據(jù)，也不屬于極端場(chǎng)景的考慮范疇。

圖2 多場(chǎng)景預(yù)測(cè)結(jié)果Fig.2 Multi-scenario forecast results

進(jìn)一步考慮不同類型波動(dòng)性邊界數(shù)據(jù)的組合情況，文中中長(zhǎng)期交易校核研究的極端場(chǎng)景為所有波動(dòng)性邊界數(shù)據(jù)均為不利于交易校核的場(chǎng)景組合。各波動(dòng)性邊界數(shù)據(jù)不同預(yù)測(cè)場(chǎng)景組合下的判定結(jié)果如表1所示。

表1 極端場(chǎng)景組合分析Table 1 Extreme scenario combination analysis

由表1可知，只有當(dāng)新能源預(yù)測(cè)、水電發(fā)電計(jì)劃高于基準(zhǔn)場(chǎng)景預(yù)測(cè)值，而負(fù)荷預(yù)測(cè)低于基準(zhǔn)場(chǎng)景預(yù)測(cè)值時(shí)，符合極端場(chǎng)景判定標(biāo)準(zhǔn)。相較于原場(chǎng)景組合，極端場(chǎng)景數(shù)量顯著下降，校核結(jié)果判定準(zhǔn)確率明顯提升。表1中，基于風(fēng)電、光伏、負(fù)荷的多場(chǎng)景預(yù)測(cè)數(shù)據(jù)，全網(wǎng)可能的運(yùn)行場(chǎng)景組合共8項(xiàng)；而極端場(chǎng)景數(shù)僅1項(xiàng)。因此，考慮極端場(chǎng)景的校核方法將大幅減少需考慮的場(chǎng)景數(shù)量。但從校核目標(biāo)來(lái)看，極端場(chǎng)景能夠量化最惡劣的校核邊界情況，直接對(duì)極端場(chǎng)景進(jìn)行分析更有利于調(diào)度機(jī)構(gòu)把握實(shí)際運(yùn)行的極端狀況。

調(diào)度機(jī)構(gòu)開(kāi)展中長(zhǎng)期交易校核時(shí)，重視極端場(chǎng)景的根本原因在于調(diào)度機(jī)構(gòu)不僅負(fù)責(zé)交易校核，還應(yīng)保障交易結(jié)果執(zhí)行。因此，在校核環(huán)節(jié)必須充分考慮極端場(chǎng)景下交易結(jié)果的執(zhí)行風(fēng)險(xiǎn)，為實(shí)際執(zhí)行預(yù)留足夠的裕度。特別是新能源占比較高的地區(qū)，由于中長(zhǎng)期預(yù)測(cè)準(zhǔn)確率難以保證，新能源預(yù)測(cè)偏差導(dǎo)致交易結(jié)果執(zhí)行困難的問(wèn)題將更加突出，極端場(chǎng)景分析的需求更為迫切。

2 面向極端場(chǎng)景的交易校核流程與方法

2.1 實(shí)施流程

基于上述極端場(chǎng)景的定義與篩選，提出面向極端場(chǎng)景的交易校核實(shí)施方法，主要包括3個(gè)關(guān)鍵步驟。

(1) 極端場(chǎng)景篩選。

新能源、負(fù)荷、水電等多場(chǎng)景預(yù)測(cè)技術(shù)已較為成熟，可參考文獻(xiàn)[17—20]計(jì)算得到多場(chǎng)景預(yù)測(cè)結(jié)果。對(duì)于正向數(shù)據(jù)，數(shù)值低于基準(zhǔn)場(chǎng)景的所有場(chǎng)景均屬于負(fù)向誤差范疇；而對(duì)于負(fù)向數(shù)據(jù)，數(shù)值高于基準(zhǔn)場(chǎng)景的所有場(chǎng)景均屬于正向誤差范疇。按照表1中的極端場(chǎng)景組合特性進(jìn)行篩選組合即可得到極端場(chǎng)景列表。

需要特別注意的是，由于極端場(chǎng)景剔除了大量無(wú)效場(chǎng)景，組合后極端場(chǎng)景概率將小于1。為此，需要對(duì)極端場(chǎng)景概率進(jìn)行還原，可表示為：

(1)

(2)

式中：NS為極端場(chǎng)景總數(shù)。

(2) 基于多時(shí)序機(jī)組組合的運(yùn)行模擬。

根據(jù)各極端場(chǎng)景的波動(dòng)性邊界數(shù)據(jù)預(yù)測(cè)值，實(shí)施運(yùn)行模擬即可得到該場(chǎng)景下的交易校核結(jié)果。為簡(jiǎn)化計(jì)算量，采用文獻(xiàn)[7]提出的多時(shí)序機(jī)組組合模型對(duì)極端場(chǎng)景進(jìn)行運(yùn)行模擬分析。

(3) 基于極端場(chǎng)景運(yùn)行模擬的交易校核分析。

匯總各極端場(chǎng)景下的校核結(jié)果，并進(jìn)行統(tǒng)計(jì)分析，為調(diào)度運(yùn)行人員交易校核提供決策參考。

2.2 基于多時(shí)序機(jī)組組合的運(yùn)行模擬

極端場(chǎng)景下機(jī)組組合模型以極端場(chǎng)景的新能源預(yù)測(cè)、負(fù)荷預(yù)測(cè)、水電發(fā)電計(jì)劃為邊界。模型以期望交易電量執(zhí)行偏差最小為優(yōu)化目標(biāo)，可表示為：

(3)

所需要考慮的約束條件包括電力平衡約束、斷面?zhèn)鬏斈芰s束、機(jī)組發(fā)電能力約束、機(jī)組爬坡能力約束、機(jī)組啟停狀態(tài)變量約束、機(jī)組最小持續(xù)運(yùn)行時(shí)間約束、電廠交易電量偏差約束、水電站運(yùn)行約束、偏差電量取值范圍約束和機(jī)組狀態(tài)變量取值范圍約束。依次可表示為：

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(11)

(12)

(13)

以式(3)為優(yōu)化目標(biāo)、式(4)—式(13)為約束條件，即可構(gòu)建基于極端場(chǎng)景的中長(zhǎng)期機(jī)組組合模型。該模型本質(zhì)上為混合整數(shù)線性規(guī)劃問(wèn)題，可采用分支定界法等數(shù)學(xué)優(yōu)化方法或直接調(diào)用Cplex等商用規(guī)劃軟件包求解，詳細(xì)求解過(guò)程可參考文獻(xiàn)[21—22]。通過(guò)求解該模型，不僅可以得到極端場(chǎng)景下交易電量執(zhí)行偏差期望值，還能得到存在交易電量執(zhí)行偏差的極端場(chǎng)景及對(duì)應(yīng)的偏差電量。

2.3 基于極端場(chǎng)景運(yùn)行模擬的交易校核分析

若某一極端場(chǎng)景下交易電量執(zhí)行偏差不為0，則表明該場(chǎng)景交易校核不通過(guò)。當(dāng)利用極端場(chǎng)景運(yùn)行模擬進(jìn)行分析，并制定交易校核結(jié)論時(shí)，為保證清潔能源消納，需要綜合考慮校核不通過(guò)的極端場(chǎng)景發(fā)生概率及其執(zhí)行偏差電量水平。為此，規(guī)定當(dāng)且僅當(dāng)校核不通過(guò)的極端場(chǎng)景總發(fā)生概率及其期望交易電量執(zhí)行偏差均在可控范圍內(nèi)時(shí)，交易校核通過(guò)。校核標(biāo)準(zhǔn)為：

(14)

(15)

3 算例分析

3.1 基礎(chǔ)數(shù)據(jù)

以某省區(qū)電網(wǎng)實(shí)際數(shù)據(jù)構(gòu)造算例驗(yàn)證所提方法的有效性。該省區(qū)電網(wǎng)共有燃煤電廠15座，總裝機(jī)容量21 000 MW，總交易電量96億kW·h，詳細(xì)數(shù)據(jù)見(jiàn)表2。

表2 燃煤電廠基本信息Table 2 Basic information of coal-fired power plants

多場(chǎng)景負(fù)荷預(yù)測(cè)結(jié)果見(jiàn)圖3。系統(tǒng)負(fù)荷預(yù)測(cè)包括高、中、低3個(gè)場(chǎng)景，其發(fā)生概率依次為20%，50%，30%，對(duì)應(yīng)用電需求分別為125.8億kW·h，132.5億kW·h，139.1億kW·h。

圖3 多場(chǎng)景負(fù)荷預(yù)測(cè)Fig.3 Multi-scenario load prediction

多場(chǎng)景水電站發(fā)電計(jì)劃見(jiàn)圖4。水電站發(fā)電計(jì)劃包括高、中、低3個(gè)場(chǎng)景，其月發(fā)電量計(jì)劃分別為16.05億kW·h，14.5億kW·h，12億kW·h，對(duì)應(yīng)發(fā)生概率分別為20%，50%，30%。

圖4 多場(chǎng)景水電站發(fā)電計(jì)劃Fig.4 Multi-scenario hydropower station generation schedule

多場(chǎng)景新能源預(yù)測(cè)見(jiàn)圖5。新能源功率預(yù)測(cè)包括5個(gè)場(chǎng)景，其發(fā)生概率依次為10%，20%，45%，15%，10%，對(duì)應(yīng)月度發(fā)電量分別為8.11億kW·h，9.13億kW·h，10.14億kW·h，11.15億kW·h，12.17億kW·h。

圖5 多場(chǎng)景新能源預(yù)測(cè)Fig.5 Multi-scenario new energy prediction

需要說(shuō)明的是，為簡(jiǎn)化計(jì)算分析過(guò)程，算例中各運(yùn)行日的負(fù)荷曲線、水電發(fā)電曲線、新能源發(fā)電曲線均采用1 h為間隔的典型日曲線，其中新能源采用峰谷比為1.2的典型曲線。若需更細(xì)致地分析各運(yùn)行日不同峰谷特性下的運(yùn)行差異，可進(jìn)一步細(xì)化場(chǎng)景劃分，對(duì)文中所提方法的使用并無(wú)顯著差異。

3.2 極端場(chǎng)景篩選

確定性交易校核方法以發(fā)生概率最高的場(chǎng)景作為邊界開(kāi)展校核分析。算例中的負(fù)荷預(yù)測(cè)方案、水電發(fā)電計(jì)劃方案和新能源預(yù)測(cè)方案3共同構(gòu)成確定性交易校核方法的邊界數(shù)據(jù)。根據(jù)表1所述的極端場(chǎng)景組合方式，算例中需要研究的極端場(chǎng)景包括2個(gè)，詳見(jiàn)表3。需要說(shuō)明的是，根據(jù)極端場(chǎng)景對(duì)應(yīng)的負(fù)荷、水電、新能源方案，可計(jì)算得到其發(fā)生概率分別為0.9%，0.6%，按照式(1)進(jìn)行還原，得到對(duì)應(yīng)的概率分別為60%，40%。

表3 極端場(chǎng)景Table 3 Extreme scenes

3.3 校核結(jié)果分析

進(jìn)一步利用多時(shí)序機(jī)組組合算法對(duì)表3的極端場(chǎng)景進(jìn)行運(yùn)行模擬。各電廠機(jī)組開(kāi)停計(jì)劃下的運(yùn)行情況如圖6所示。

圖6 電廠機(jī)組運(yùn)行情況Fig.6 Operation of power plant units

在此基礎(chǔ)上，可計(jì)算得到交易電量執(zhí)行偏差累計(jì)1.74億kW·h，各電廠電量偏差分布情況如表4所示。其中正偏差表示較交易計(jì)劃需要增加發(fā)電量，負(fù)偏差表示較交易計(jì)劃需要減少發(fā)電量，其中最大偏差電量為0.56億kW·h。

表4 電廠偏差電量Table 4 Power plant deviation power

若更細(xì)致地分析不同場(chǎng)景下的交易電量偏差情況，可以發(fā)現(xiàn)基態(tài)場(chǎng)景和極端場(chǎng)景一均能滿足運(yùn)行要求，而極端場(chǎng)景二存在交易電量執(zhí)行偏差，偏差電量為1.74億kW·h。根據(jù)該省實(shí)際情況，在利用極端場(chǎng)景分析法實(shí)施交易校核時(shí)，設(shè)定的出現(xiàn)交易電量執(zhí)行偏差極端場(chǎng)景發(fā)生概率及預(yù)期偏差電量分別為3%，0.5億kW·h。盡管極端場(chǎng)景二發(fā)生概率僅為0.6%，低于發(fā)生概率限值，但其偏差電量期望為0.7億kW·h，超過(guò)了偏差電量限值。該結(jié)果表明，盡管出現(xiàn)交易電量執(zhí)行偏差的極端場(chǎng)景發(fā)生概率較低，但其產(chǎn)生偏差電量的期望較大，一旦出現(xiàn)極端場(chǎng)景，偏差電量難以通過(guò)調(diào)度優(yōu)化調(diào)整消除，此時(shí)校核不通過(guò)。該情況下，應(yīng)對(duì)上述存在偏差電量的發(fā)電廠預(yù)出清結(jié)果做適當(dāng)調(diào)整，為實(shí)際執(zhí)行預(yù)留足夠的調(diào)整空間?；跇O端場(chǎng)景分析得到的各發(fā)電廠機(jī)組組合方式及偏差電量情況，對(duì)預(yù)期執(zhí)行偏差進(jìn)行統(tǒng)計(jì)。存在預(yù)期執(zhí)行偏差的發(fā)電廠交易校核不通過(guò)，應(yīng)對(duì)其交易電量進(jìn)行調(diào)整。若執(zhí)行偏差為正向電量偏差，則表明該發(fā)電廠交易電量計(jì)劃不足，需要匹配基數(shù)電量，保證電網(wǎng)運(yùn)行控制要求；若執(zhí)行偏差為負(fù)向電量偏差，則表明該發(fā)電廠交易電量計(jì)劃超出電網(wǎng)承載能力，需要調(diào)減其交易計(jì)劃。

4 結(jié)語(yǔ)

與傳統(tǒng)確定性校核方法相比，文中所提基于極端場(chǎng)景分析的中長(zhǎng)期交易校核分析依據(jù)的是極端場(chǎng)景數(shù)據(jù)，更適用于清潔能源裝機(jī)比例較高的省區(qū)，可為實(shí)際執(zhí)行中消納清潔能源、保障交易執(zhí)行創(chuàng)造更有利的調(diào)控空間。后續(xù)可從3個(gè)層面開(kāi)展進(jìn)一步研究：

(1) 極端場(chǎng)景的精確辨識(shí)。更細(xì)致地分析不同邊界數(shù)據(jù)的影響程度，開(kāi)展不同場(chǎng)景下更加精細(xì)的校核分析。

(2) 多場(chǎng)景的交易校核方法。研究面向多場(chǎng)景的交易校核方法，提升運(yùn)行模擬計(jì)算分析的執(zhí)行效率。

(3) 概率化校核結(jié)果決策分析。研究基于概率化校核結(jié)果的判定方法，為調(diào)度人員提供更進(jìn)一步的決策參考。

本文得到貴州電網(wǎng)有限責(zé)任公司科技項(xiàng)目“電力中長(zhǎng)期交易安全校核與優(yōu)化調(diào)度研究及實(shí)現(xiàn)”(066500KK52180005)資助，謹(jǐn)此致謝！