考虑可中断负荷的电力交易策略与风险管理研究.pdf

【158】第45卷 第08期 2023-08收稿日期：2022-06-13基金项目：南方电网公司科技项目（GDKJXM20201925）作者简介：赵唯嘉（1990-），男，河南新乡人，工程师，硕士，从事电力市场建设研究。考虑可中断负荷的电力交易策略与风险管理研究Research on power trading strategy and risk management considering interruptible loads 赵唯嘉1*，孔淑琴1，梁志远1，陈 灏1，熊德甫2ZHAO Wei-jia1*，KONG Shu-qin1，LIANG Zhi-yuan1，CHEN Hao1，XIONG De-fu2（1.广东电力交易中心，广州 510062；2.广东元韬企业管理咨询有限公司，广州 510000）摘 要：自电改9号文发布后我国电力市场建设的进程不断推进，同时社会资本的参与也导致电力市场竞争愈发激烈。在新电改背景下，电力交易机构应充分调动用电客户的需求响应能力以提高运营效率并降低购电与售电的风险。在基于可中断负荷的基础上，考虑交易机构的交易策略与风险管理提出双层优化模型。上层考虑交易机构利润与商业风险以最大化条件风险价值为目标，下层以最大化用电客户满意度为目标，结合双层模型优化提出电力交易机构应基于可中断负荷提供多种合约。案例研究表明，所提出的策略可帮助交易机构降低风险并有效提升机构竞争力。关键词：电力市场；电力交易；风险管理；可中断负荷中图分类号：TM92 文献标志码：A 文章编号：1009-0134(2023)08-0158-06 0 引言随着电改9号文的发布，我国电力市场的建设进入快速发展的新时期，配售电业务进一步向社会资本放开，电力交易市场也因此呈现出多样化的竞争态势1。而配售电侧的进一步改革也使得电力用户拥有市场化购电的能力，能够自主地选择配售电公司。在我国电力交易市场逐步走向成熟的情况下，配售电公司之间的竞争将进一步白热化，需求侧资源在竞争中的作用正在被重新认识，而需求响应将在未来的电力交易增值服务中发挥至关重要的作用，并且对电力市场的建设和完善都将具有重要意义2。需求响应(Demand Response,DR)表现为电力用户可根据电价的不同时段定价自主选择用电。根据用户的不同响应，又可将DR划分为基于价格的DR与基于激励的DR。其中，可中断负荷(Interruptible Load,IL)是基于激励的DR中的一种重要形式。IL是以电力供应商与电力消费用户事先合约为基础，在电力高峰时段由中断负荷的实施机构向用户发出负荷中断请求，用户响应并中断供电一种方法3。目前，国内外学者对需求响应的优化、控制策略以及可中断负荷补偿定价机制了已经有了大量的研究。文献4基于中国国情建立了面向电力需求侧主动响应的商业模式与市场框架，将需求响应与电量市场与电力市场结合进行分析。文献5考虑到需求响应的不确定性，以运行成本和多种需求响应成本为最小目标建立主动配电网优化调度模型；文献6，考虑需求响应的用户参与度以及购电成本、网损成本、发电成本等建立了以配电网日运行最小为目标函数的配电网调度模型，但未将风险因素考虑在内。文献7建立了一个以用户效应最大化为目标的需求响应策略模型，并验证了在不同需求响应条件下用电模式的变化，但未考虑到负荷反弹的问题。文献810探讨了当可中断负荷应用到电力市场时，电力交易商应采取的营销策略，文献8基于心理学方法构建用户对售电公司及用电合同的选择行为模型；文献9将配电网建设投资成本、用户购电需求以及发电机组考虑在内构建了电力交易商的运营优化策略；文献10构建了基于IL的协调优化模型，并利用该模型确定了不同可靠性供电指标要求下的系统最优储备容量和不确定IL配置关系。但以上三者都没有考虑到客户的满意度。文章在目前学界研究成果的基础上，提出一种考虑可中断负荷并结合双层优化的电力市场交易策略，以实现最大化电力交易商销售利润的目的。首先考虑中长期与现货市场购电成本以及IL合同收入构建电力交易商策略模型；然后考虑用户满意度以及电力交易商的利润与风险构建双层优化模型，并提出自适应鲸鱼算法(Adaptive whale op-timization algorithm,AWOA)进行双层优化模型求解；最后对案例分析结果表明，文章方法可有效得到电力交易商的最大利润。1 电力交易商策略模型电力交易商在电力市场中扮演着重要的中间商角色，一方面它可拥有发电资产与相关资质，直接将电力售给终端电力用户；另一方面电力交易商在自身发电资源不足或发电成本过高的情况下，可通过与其他发电厂合作的方式直接从电力市场购得电力后出售给终端电力用户，并且在售电过程中可开展多类型的需求侧响应服务11。因此电力交易商主要的业务可分为购电业务与售电业务两类，其业务模式如图1所示。第45卷 第08期 2023-08【159】中长期交中长期交易市场易市场现货交易现货交易市场市场购电侧购电侧电力交电力交易商易商ILIL合同合同分时电价分时电价用户用户售电侧售电侧电能电能费用费用电能电能费用费用图1 电力交易商的商业模式在购电业务方面，电力市场交易中目前主要有中长期交易以及现货交易两种模式，电力交易商可通过中长期市场提前购买一定数量的电力，并结合现货市场购买电力实现对供电情况的平衡，以满足不同电力用户的需求12。而在售电业务方面，为充分调动电力用户的需求响应能力，电力交易商可根据用户需求制定合适的分时段电价制度与可中断负荷补偿(IL)合同，以降低用电高峰时的购电成本以及电力用户的用电成本，从而有效提升电力交易公司的运营效率。1.1 中长期市场购电成本电力市场中长期交易是指以多年、年、季、月、周等日以上周期进行的电力交易行为。在实际交易过程中，为满足不同电力用户的负荷需求，电力交易商将根据中长期负荷预测，通过与发电商签订各种中长期合同的方式，在中长期电力市场购买一定量的电力以对冲风险，平衡负荷。同时为增加购电交易的灵活性，可在中长期合同中规定不同时间不同策略有针对性地提供电力。为了增加购电交易的灵活性，中长期电力合同可以在不同的时间有针对性地提供电力，在中长期市场场景s的情况下，购电成本CB(s)由式(1)决定：()()()()()fvtttBppffvvtItITtITCssP sP sP s=+(1)式中，CB为中长期市场的采购成本，p为高峰时段双边合同交易价格，Pt p为在高峰时段从中长期市场所购电力；f为统一时间内双边合同的电能价格；Pt f为平时从中长期市场所采购电力；v为谷时双边合同电力价格，Pt v为谷时从中长期市场所采购电力；(s)为场景s出现的概率。因此，在时间t时，在中长期市场上所购电量费用Pt bin为：()()()()pfvttttBinpfvt Tt Tt TPsP sP sP s=+(2)1.2 现货市场购电成本电力现货市场是市场化电力电量平衡机制的重要补充部分，通常以日前或更短的时间为交易周期。电力交易商在中长期市场所购电力与实际日负荷之间一般会存在差异，因此可通过在现货市场购买或出售电力以平衡电力供应差异。由于现货市场电价与负荷需求的存在波动性，可采用场景法模拟现货电价和负荷需求。电力市场上现货电价与电力系统负荷水平之间存在近似的线性关系t spot13，因此在现货市场价格下购电成本为：(3)(4)式中，Pt spot,s(s)为时段t现货市场场景s下所购入的电力，Pt load(s)为时段t预测负荷，d为电价与负荷的相关系数，e为电价与负荷的相关常数。1.3 向用电客户售电收入考虑到国内电力市场的目前尚未成熟，且技术与经济措施存在一定的局限性，可认为电力交易商实施的是用时价格需求响应模式，而非实时电价模式。因此，在情景s下，电力零售商的收入由低谷时段售电收入、高峰时段售电收入、非峰谷时段售电收入三部分组成，如式(5)所示：()()()()()vfpselltselltRvloadvfloadft Tt Tselltploadpt TCssPsPsPs=+(5)式中，sell v为谷时销售电价，sell f为非峰谷时销售电价，sell p为高峰时段销售电价；pt loadv为谷时预测负荷，pt loadf为非峰谷时预测负荷，pt loadp为高峰时预测负荷。1.4 IL合同收入目前电力市场上实施的可中断负荷合同主要有两种类型：1）低电价可中断负荷（Interruptible load with low price,ILL）合同，该合同与电力用户商定用户所消耗的所有电量享受一定的电价折扣，但在负荷中断实施时，电力交易商不再为电力用户提供补偿；2）高补偿可中断负荷（Interruptible load with low price,ILH）合同，与ILL合同相反，该类合同商定用户所使用的所有电量不再享受折扣，但在负荷中断发生时，电力交易商将为用户提供高额的费用补偿。ILL合同中，无论是否发生负荷中断，电费补偿对于电力交易商来说都是一项固定成本支出，较为影响收益。因此文章采用ILH售电合同，充分发挥可中断负荷降低市场风险的效益。IL收益与电力市场现货交易以及负荷情况有关，因此需考虑到所有可能出现的场景分别计算IL收益以及对风险的影响。1.4.1 购电成本减少在用电高峰时期，电力交易商可执行可中断负荷策略从而使用户响应并断开负荷，因而可减少高峰电价时期的购电成本，所获得的收益Cp,1为：,1,1()()TpILP ttCsPs pt=(6)式中，PIL(s)为场景s下t时段可执行的可中断负荷容量；PP,t为执行可中断容量负荷前的现货电力市场价格；T【160】第45卷 第08期 2023-08为总时段。1.4.2 现货市场电价波动IL除了能够通过减少高峰时期用电量来获得收益外，还可通过降低节点电价来降低购电成本。由于IL项目的实施，该地区的用电负荷将减少，现货价格也将相应减少，因此，IL项目实施后的现货价格te为：()()()ttteloadILsdPsPse=+(7)式中，PtIL(s)为场景s下可执行的可中断负荷容量。因此，因节点电价降低而获得的收益Cp,2为：,21()()()TttpILetCsPsst=(8)1.4.3 电费补偿电力交易商需对签订IL合同的用电客户支付一定的电费补偿费用，文章采用ILL14售电合同，因此仅向实际执行可中断负荷的用户支付补偿费用Cp,3为：,31()()TpILcomptCsPstp=(9)式中pcomp为所支付补偿电费价格。1.4.4 售电收益损失假设电力交易商提供的合同类型包括均一电价与保底封顶实时电价2种类型。执行均一电价合同时，售电收益损失与负荷削减量成正比；保底封顶实时电价用户的支付电价随现货市场电价波动，因此现货电价降低将导致保底封顶合同实时电价变化。设定调用2种类型用户的可能性相同，则售电收益损失为：(10)式中，1，2为权重系数，p1为均一电价费率，p2为保底封顶电价费率，p2,t为执行IL后的保底封顶电价费率。可得IL项目最终收益为：,1,2,3,4()()()()()pppppCsCsCsCsCs=+(11)2 双层优化决策模型2.1 下层目标模型用户满意度评估模型执行可中断负荷后的电力用户满意度评估可通过IL项目实施后用电模式满意度的变化结合电价变化程度来计算，从而实现对电力用户用电满意度全面合理的评估15。用电模式满意度可通过电力交易商实施IL项目后，原用电负荷与新用电负荷曲线之间的变化来表示：01101()()()()1()TtttloadILloadtTtloadtPsPsPsR sPs=(12)式中，Ptload()(s)为初始负载容量。电价的满意程度可由IL项目实施后减少的电费与原始电费之比，如式(13)所示：121()()()1()TttloadLtTttloadtPsCsR sPs=(13)式中，t为t时段现货市场电力价格，CL为IL项目实施后电力用户端所产生的成本。由于下层模型的目的是对用户满意度进行评估，结合用电模式满意度以及电价满意度可得到下层模型的目标求解方程为：1122()()()ILsRsR sR s=+(14)式中，1与2分别为R1(s)与R2(s)的权重。目标方程值越低，用户满意度越高。2.2 上层目标模型-利润和风险评估模型电力市场交易中的主要风险因素包括实时电价的波动以及用户需求的不确定性，两者均可视为连续的随机变量，因此可将电力交易商面临的决策和风险评估问题转化为随机规划的决策问题。文章将CVaR（Conditional value at risk，CVaR）作为风险评价指标，CVaR克服了风险价值(VaR)所不具备的风险测量一致性缺陷，一般被用来求解在一定风险约束下，使电力交易商利润最大化的购电与售电策略16。CVaR指的是给定VaR值的平均组合损失。在场景s下，考虑到可中断负荷策略，电力交易商的售电利润Hprof如下：()()()()()profRPBspotHsCsCsCsCs=+(15)电力交易商总的利润预期是所有交易场景下相应的场景概率与利润乘积之和，可表示为：()()profprofsHs Hs=(16)基于CVaR理论，构建电力交易商购电及售电收益Hprof的CVaR值如下所示：,1max(),0)1ccCVaRVaRVaRscDDH sD=+(17)式中，c表示置信水平，DCVaR，c为预期风险损失；DVaR,c为实际收益风险损失；H(s)=Fprof-Fprof(s)为电力交易商真实收益值；max(H(s)-DVaR,0)表示为在H(s)-DVaR 与0之间取最大值。上层模型以利润与风险为优化目标，因此还需考虑到电力交易商参与市场交易时的风险偏好。文章引入风险偏好系数以体现电力交易商的风险偏好态度，当取值较大时代表电力交易商参与交易的目的是利用电价波动的高风险博取高利润，取值较小时代表电力交易商偏好风险较低的稳定持续收益。结合电力交易商收益策略与其相应的风险评估CVaR值，构建购售电及风险评估模型如下式所示：第45卷 第08期 2023-08【161】,max()iprofCVaRUHsD=(18)式中，maxUi为不同策略下考虑风险损失的电力交易商最终收益。双层优化决策模型的约束条件可考虑电网偏差约束以及供电平衡约束两方面。在售电市场逐渐开放的背景下，电力交易商需接收监管部门的电网偏差评估，其约束条件如下式所示：(19)()()()()ttttbuyBinspotIlPsPsPsP s=+(20)式中，Pttotal(s)为电力交易商在场景s下所购入的总电量。3 AWOA算法求解双层优化模型鲸鱼优化算法WOA17,18是一种模拟鲸鱼捕食行为的元启发式算法，具有超参数较少、应用简单等优点。但该算法在实际求解过程中存在易陷入局部最优的问题。因此文章提出一种基于改进的自适应鲸鱼优化算法(AWOA)，通过在鲸鱼个体的位置更新过程中增加自适应权重系数，以提升算法的寻优精度，其定义如下：(21)(22)(23)式中，X(t+1)为种群个体下次迭代更新位置，Xbest(t)为当前猎物位置，t为当前迭代次数，Tmax为最大迭代次数，AD表示鲸鱼群的包围步长，Xrand为随机选择鲸鱼个体位置，D*=|Xbest(t)-X(t)|为普通鲸鱼个体与猎物的距离。t3/T3max表示为猎物位置的自适应权重，权重系数随着迭代次数增加。式(21)为鲸鱼种群初始位置更新公式，式(22)为鲸鱼螺旋捕食猎物时的位置更新公式，式(23)为鲸鱼寻找更优猎物时的位置更新公式。当p0.5时，引入自适应权重t3/T3max可有效充分利用最优解；同时在螺旋捕食猎物时引入权重1-t3/T3max，随着迭代次数增加，鲸鱼将不断接近猎物，采用较小的权重可有效提高算法的局部开发能力。由于文章的模型是一个较为复杂的多参数、多变量的双层优化问题，可采用AWOA算法进行模型求解，求解流程如图2所示。4 算例分析4.1 基本数据电力现货现市场电价充满波动性与不确定性，电力交易商通常无法影响到交易市场的电力现货价格，文章根据应用蒙特卡洛法生成负荷、价格场景应用AHHO算法生成上层优化模型种群将上层模型种群个体作为已知参数输入到下层模型中，并且应用内点法求解下层模型将下层模型求解结果输入到上层模型，并计算交易商利润是否达到迭代最大次数上层优化模型收敛？更新AWOA位置参数并计算适应度值，将适应度值最优个体作为优化目标NNY输出结果图2 双层模型求解流程文献19中PJM历史数据分析，假定某地区负荷服从正态分布，负荷较低时电价服从正态分布；负荷较高时电价服从对数正态分布。并且采用蒙特卡洛方法生成预测的现货价格以及负荷需求。表1 负荷及集中价格概率分布参数均值方差负荷(GWh)73.262299.5006集中价格u=-68.36018+1.6442q=-13.93837+0.38715q 文章选取73.26229GWh为基准20，模拟日前基本负荷如图3所示。06912151821102030340506070240时间/h8090负荷水平/GWh图3 模拟日期负荷水平峰谷时段划分如表2所示，其他参数设置如表3所示。表2 峰谷时段划分时段名称时段划分/时高峰时段812、1923平段78、1219低估时段23次日7表3 其他参数设置参数值单位p180000Yuan/(GWh)f160000Yuan/(GWh)v150000Yuan/(GWh)Tmax IL4he240Yuan/(GWh)d400Yuan/(GWGWh)vsell 350000Yuan/(GWh)fsell712000Yuan/(GWh)psell 1150000Yuan/(GWh)【162】第45卷 第08期 2023-084.2 结果分析当电力交易商与用电客户签订不同合同时，电力交易商的利润如图4所示。6000.51510206507007500.18008509009500风险系数10001050售电收益/1000 000CNY仅均一电价1=60%1=40%1=20%图4 不同合约下的售电收益由图可看出随着风险因素的增加，电力交易商的利润逐渐减少。1为签订均一电价合同的用电客户比例，随着1的增加，电力交易商的利润同样也会增加。这是因为当采用可中断服务时，电力交易商的保底封顶电价合同收益将发生削减，因此均一电价合同会获得更多的收益。但电力交易商在制定销售策略时还需考虑到市场份额的问题，合同种类越多覆盖到的用户越广，能够占据的市场份额也就越多。当1=60%时，双层优化模型求解结果与不考虑用户满意度的上层优化模型优化对比如图5所示。6000.51510206507007500.18008509009500风险系数1000售电收益/1000 000CNY双层优化单层优化图5 不同优化模式下的收益对比如图5所示，采用单层优化模型时交易商的利润高于采用双层优化模型得到的利润。这是因为在双层优化模型中需考虑到消费者满意度，消费者满意度与中断补偿价格负相关，从而使得交易商必须缩减利润，提高补偿价格以提升消费者的满意度。在实际应用过程中，双层优化模型虽然降低了企业的利润，但其优化过程考虑了用户满意度，这将使得交易商在激烈的电力交易市场中赢得用户的支持和青睐。利用双层优化模型求解得到不同风险因子与不同用电满意度权重下用户满意度曲线如图6所示。0.10.51510200.20.30.40.10.50.60.70.80风险系数0.91用户满意度1=11=0.51=0图6 用户满意度曲线从图中可以看出，当 1=1，2=0时，仅考虑用电模式满意度，随着风险因子的增加，交易商将会减少IL的调用容量，因此负荷曲线将会发生较大的变化导致用户满意程度下降。当1=0，2=1时，仅考虑用户对于电价的满意度，随着风险因子的增加，用户满意度先增高达到峰值后逐渐减少。当风险因子较低时，交易商倾向于提升IL补偿电价，此时用户电价较低因此满意度很高；随着逐渐升高，交易商会降低IL的补偿电价，以保证自身的利润不会出现太多的损失，因此满意度曲线将呈现出下降的趋势。当 1=0.5，2=0.5时，综合考虑用电模式满意度以及电价满意度，可以看出用电客户的总体满意程度先上升后下降。5 结语为适应新电改形势以及电力市场发展的需要，重点研究了考虑可中断负荷的电力交易商的售电以及风险管理策略。考虑用户满意度以及电力交易商的利润与风险因素建立双层优化模型，并提出自适应鲸鱼算法对双层优化模型进行求解。案例分析结果表明，电力交易商应充分考虑用电客户的满意度，结合可中断负荷策略制定合适的销售策略，并鼓励客户尽可能多地选择补偿性方案。采用本文提供的方法制定相关销售策略，可帮助电力交易商扩大市场份额，提供企业的竞争力。参考文献：1 中共中央,国务院.关于进一步深化电力体制改革的若干意见:中发20159号A.北京:国务院,2015.2 陈爱博,王存旭.需求响应对电力市场的效益影响研究综述J.沈阳工程学院学报(自然科学版),2019,15(4):338-342.3 张钦,王锡凡,王建学,等.电力市场下需求响应研究综述J.电力系统自动化,2008(3):97-106.4 丁一,惠红勋,林振智,等.面向电力需求侧主动响应的商业模式及市场框架设计J.电力系统自动化,2017,41(14):2-9,189.5 葛晓琳,居兴,王定美.考虑需求响应不确定性的主动配电网优化调J/OL.电测与仪表:1-82021-10-07.http:/ 朱超婷,杨玲君,崔一铂,等.考虑需求响应用户参与度的主动配电网优化调度J/OL.电测与仪表:1-92021-第45卷 第08期 2023-08【163】10-07.http:/ Roh H T,Lee J W.Residential Demand Response Sched-uling With Multiclass Appliances in the Smart GridJ.IEEE Transactions on Smart Grid,2016,7(1):94-104.8 罗琴,宋依群.售电市场环境下计及可中断负荷的营销策略J.电力系统自动化,2015,39(17):134-139.9 邹鹏,李春晖,郭静,等.考虑可中断负荷的配售电公司最优购售电策略J.南方电网技术,2017,11(2):71-77.10王蓓蓓,李义荣,李扬,等.考虑响应不确定性的可中断负荷参与系统备用配置的协调优化J.电力自动化设备,2015,35(11):82-89.11王林炎,张粒子,张凡,等.售电公司购售电业务决策与风险评估J.电力系统自动化,2018,42(1):47-54,143.12Ghofrani M,Azimi R,Najafabadi F M,et al.A new day-ahead hourly electricity price forecasting frameworkC/2017:1-6.13罗运虎,薛禹胜,Gerard LED WICH,等.低电价与高赔偿2种可中断负荷的协调J.电力系统自动化,2007(11):17-21.14丁伟,袁家海,胡兆光.基于用户价格响应和满意度的峰谷分时电价决策模型J.电力系统自动化,2005(20):14-18.15Yu Qin,Zha xiaobing.Research Progress of Wind Power Grid Risk Benefit Based on VaRJ.Sustainable Develop-ment,2018,8(2):94-103.16Karandikar R G,Khaparde S A,Kulkarni S V.Strategic evaluation of bilateral contract for electricity retailer in restructured power marketJ.International Journal of Electrical Power&Energy Systems,2010,32(5):457-463.17Minjalili S.Lewis A.The whale optimization algorithmJ.Advances in engineering software,2016.95:51-67.18李玲玲,王鑫,郎永波,等.基于改进鲸鱼算法的微网复合储能系统容量优化配置J.电测与仪表,2019,56(16):104-110.19朱兆霞,邹斌.PJM日前市场电价的统计分析J.电力系统自动化,2006(23):53-57.20PJM.2012 Day-ahead DEMANDLEB/OL.http:/ 代西超,南建国,黄雷,等.基于改进遗传模拟退火算法的测试优化选择J.空军工程大学学报自然科学版,2016,17(2):70-75.8 刘光星,贺刚,张毅.模糊PID控制在电机调速系统中的应用J.电子测试,2019,407(2):23-25.9 Shi F,Sha L,Lin L,et al.Adaptive PID control of rotary drilling system with stick slip oscillationC.2010 2nd International Conference on Signal Processing System,July 2010,1129-1132.10Balochian S.Fractional PID controller for a high performance drilling machineJ.Advances in Mechanical Engineering&Its Applications,2012,2(4):343-351.11Hehl F.Learning from the past-evaluating forecasts for canadian oil sands production with dataJ.Department of Physics&Astronomy,2013,23(22):1162-1167.12尹洪桥,易文俊,李璀璀,等.基于速度环模糊参数自适应PID算法的弹载无刷直流电机控制系统研究J.兵工学报,2020,41(S1):32-40.13顾祖成,耿小江,王永娟,等.模糊自适应PID控制在无刷直流电机调速系统中的应用J.机械设计与制造工程,2020,49(1):39-41.14Chiou J S,Tsai S H,Liu M T.A PSO-based adaptive fuzzy PID-controllersJ.Simulation Modelling Practice&Theory,2012,26(3):49-59.15王旭明,郭业才,于小兵.基于组合差分进化算法的PID参数整定优化J.组合机床与自动化加工技术,2015,11:79-82.【上接第135页】