👨🎓个人主页
💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。
⛳️座右铭：行百里者，半于九十。
📋📋📋本文目录如下：🎁🎁🎁
目录
💥1 概述
文献来源：
两级电力市场模式的引入将使得省间与省内电力交易之间的耦合联系更加紧密。考虑到未来较
长一段时间内，大部分电力用户难以参与市场申报，本文采用“省间交易商”的概念，以省间交易
商作为代理本省电力用户参与省间交易的“市场接口”[9]。根据现有的方案，在两级市场建设初期，
各省电力公司将作为购电主体参与省间电力交易，并在未来逐步允许售电企业参与交易[10]。因此，在市场建设初期，可将各省电力公司视为省间交易商代理省内用户参与省间电力交易。同时，各省电力交易中心组织省内电力交易满足省内用户的购电需求。根据现阶段省间-省内两级电力市场模式的运作思路，省间电力交易结果将作为各省份开展省内电力交易的边界条件[10]。因此，省间交易结果会对省内交易产生一定程度的影响。一方面，省间交易商在省间出清的电量将势必压低其所在省的机组在省内电力市场的交易空间；另一方面，省内新能源出力与负荷需求的不确定性使得省间交易商在日前申报的省间交易购电需求与实际需求存在一定偏差，而偏差部分将给省内交易带来一定的市场风险。考虑到省间交易和省内交易具有不同的市场模式、市场主体，如何让省间交易商综合决策其所在省的省间购电需求以增加促进电力资源优化利用，降低终端用户的用电成本，同时适当规避各类不确定性带来的风险，是当前亟待解决的问题。
形成省间交易商最优购电决策的双层优化模型如图 2 所示。在上层模型中，由于新能源出力与负
荷需求预测误差将影响省间交易商的购电决策，进而对省内市场最终的运行成本产生影响。本文基于预测误差的概率模型，形成多个预测场景，计算各个场景下省内市场运行成本，即省间购电成本、省内机组出清电能成本与备用成本的总和。最后综合各场景概率，以最小化省内市场运行成本期望为目标进行优化，得到省间购电需求。在下层模型中，省间市场以最小化省间市场运行成本，即最小化省间联络线送端机组出清电能成本为优化目标来满足省间交易商的省间购电需求，形成省间市场的预出清价格。
一、研究背景与意义
随着我国电力供需逆向分布特征日益显著，电力生产基地主要位于西部与北部地区，而电力负荷中心则长期保持在中东部地区。为缓解电力供需矛盾，实现电力资源在更大范围内的优化配置，开展大规模的“跨区跨省”电力交易显得尤为必要。目前，我国已初步建立较为全面的省间电力交易机制，并随着电力市场改革的深入，逐步形成“统一市场，两级运作”的省间-省内两级电力市场模式。在这一模式下，省间交易商作为连接省级市场和省间市场的关键枢纽，其购电策略直接影响着利润空间和市场风险。因此，构建一个计及风险的省间交易商最优购电模型，具有重要的理论意义和实践价值。
二、模型构建
1. 双层规划框架
针对多空间尺度下电力市场的耦合方式，研究提出了一种以省间交易出清电价与省间交易商购电需求为核心的双层优化模型。该模型将省内电力市场和省间电力交易的出清分别作为模型的上下层问题，通过上下层之间的交互迭代，实现省间交易商的最优购电决策。
- 上层模型：省间交易商基于新能源出力与负荷需求的预测结果，申报省间购电需求。该层模型以最小化省内市场运行成本期望为目标，考虑新能源出力与负荷需求的不确定性，通过形成多个预测场景，计算各个场景下的省内市场运行成本（包括省间购电成本、省内机组出清电能成本与备用成本的总和），并综合各场景概率进行优化。
- 下层模型：省间市场以最小化省间市场运行成本为目标，满足省间交易商的省间购电需求，形成省间市场的预出清价格。该层模型考虑了省间联络线送端机组的出清电能成本，通过优化算法确定满足省间交易商购电需求的最小成本出清方案。
2. 节点出清价
在模型中，节点出清价是反映电力市场供需关系和输电成本的重要指标。研究通过引入节点电价理论，考虑输电网络的物理约束和交易商的购电需求，计算各节点的出清电价。这有助于交易商更准确地评估购电成本，制定合理的购电策略。
3. 绿证交易
随着可再生能源的快速发展，绿证交易作为一种促进可再生能源消纳的市场机制，逐渐受到广泛关注。研究在模型中考虑了绿证交易的影响，将绿证收益纳入省间交易商的购电决策中。通过绿证交易，可再生能源发电商可以获得额外的收益，提高市场竞争力；而省间交易商则可以通过购买绿证，满足可再生能源配额要求，降低环保风险。
4. CVaR方法
考虑到新能源出力与负荷需求的不确定性带来的市场风险，研究采用条件风险价值（CVaR）方法，将上层问题转化为计及风险的多目标优化问题。CVaR方法关注的是在一定置信水平下的最大可能损失，能够有效地评估和管理风险。通过引入CVaR方法，模型能够在优化购电策略的同时，控制不确定性对省间交易商购电决策的影响。
三、模型求解
为了求解上述双层非线性优化模型，研究利用Karush-Kuhn-Tucker（KKT）条件和对偶理论，将非线性双层问题转化为线性单层问题。这一转化过程不仅简化了问题的复杂性，也便于采用现有的优化算法进行求解。具体求解步骤如下：
- 构建上层模型的拉格朗日函数：引入拉格朗日乘子，将上层模型的约束条件纳入目标函数中，形成拉格朗日函数。
- 求解KKT条件：对拉格朗日函数求偏导，并令其等于零，得到KKT条件。KKT条件是约束优化问题取得极值的必要条件，通过求解KKT条件，可以得到上层模型的最优解。
- 转化为线性单层问题：利用对偶理论，将下层模型转化为上层模型的对偶问题。通过引入对偶变量，将双层优化问题转化为线性单层问题。
- 采用优化算法求解：利用现有的优化算法（如Gurobi、CPLEX等）求解转化后的线性单层问题，得到省间交易商的最优购电决策。
四、案例分析
为了验证模型的有效性，研究选取我国某省省间交易商作为案例进行仿真分析。通过收集该省电力市场的历史数据，包括价格、需求、供应等信息，设置模型的参数（如风险厌恶系数、输电容量限制等）。利用蒙特卡洛模拟或情景分析等方法，对价格风险、需求风险和供应风险进行量化。最后，使用求解器求解构建的模型，获得最优的购电方案。
案例分析结果表明，该模型能够有效地优化省间交易商的购电策略，降低购电成本，提高利润空间。同时，通过引入CVaR方法，模型能够在优化购电策略的同时，控制不确定性对省间交易商购电决策的影响，降低市场风险。此外，模型还考虑了绿证交易的影响，为省间交易商提供了更全面的决策支持。
📚2 运行结果
通过最优购电模型，省间交易商能在两级电力市场模式下充分利用省间与省内机组的发电资源，在降低省间交易商购电成本的同时促进电力资源的跨区域优化配置。同时，采用 CVaR 方法能有效降低不同预测场景间省内市场运行成本的差异，从而帮助省间交易商在不确定环境下有效进行风险控制。此外，随着风险厌恶程度的提高，省间交易商将加大对省间市场购电资源的依赖，省间出清电能与电价也会相应提升。
🎉3 参考文献
部分理论来源于网络，如有侵权请联系删除。
[1]郭立邦,丁一,包铭磊,曾丹.两级电力市场环境下计及风险的省间交易商最优购电模型[J].电网技术,2019,43(08):2726-2734.DOI:10.13335/j.1000-3673.pst.2019.0668.
扫一扫
703
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
