考慮風(fēng)、水、燃?xì)饣?jì)的中長(zhǎng)期發(fā)電計(jì)劃風(fēng)險(xiǎn)效益評(píng)估

畢平平

(華北電力大學(xué)經(jīng)濟(jì)與管理學(xué)院，北京市 102206)

考慮風(fēng)、水、燃?xì)饣?jì)的中長(zhǎng)期發(fā)電計(jì)劃風(fēng)險(xiǎn)效益評(píng)估

畢平平

(華北電力大學(xué)經(jīng)濟(jì)與管理學(xué)院，北京市 102206)

發(fā)電企業(yè)的多種電源的協(xié)調(diào)安排能夠達(dá)到企業(yè)運(yùn)營(yíng)效益的整體優(yōu)化，而這種協(xié)調(diào)安排在市場(chǎng)條件下則更強(qiáng)調(diào)其風(fēng)險(xiǎn)和效益雙重目標(biāo)的實(shí)現(xiàn)?；谔岣甙l(fā)電企業(yè)自主發(fā)電計(jì)劃安排能力和實(shí)現(xiàn)企業(yè)增收避險(xiǎn)的企業(yè)價(jià)值目標(biāo)，該文對(duì)風(fēng)、水、燃?xì)馊椿パa(bǔ)發(fā)電的中長(zhǎng)期發(fā)電計(jì)劃進(jìn)行了風(fēng)險(xiǎn)效益評(píng)估研究。首先，借助混合整數(shù)規(guī)劃和隨機(jī)規(guī)劃理論，構(gòu)建了發(fā)電計(jì)劃中長(zhǎng)期隨機(jī)規(guī)劃模型的目標(biāo)函數(shù)，以及各機(jī)組運(yùn)行約束，在其中重點(diǎn)構(gòu)建了風(fēng)-功、水-功轉(zhuǎn)換約束；其次，基于雙邊合約市場(chǎng)和金融風(fēng)險(xiǎn)的市場(chǎng)規(guī)制條件，對(duì)發(fā)電企業(yè)的機(jī)組協(xié)調(diào)和風(fēng)險(xiǎn)規(guī)避策略進(jìn)行了模型約束設(shè)計(jì)；再次，設(shè)計(jì)了基于拉格朗日乘數(shù)的模型算法流程和解決方案；最后，設(shè)計(jì)了3類電源機(jī)組的聯(lián)合運(yùn)營(yíng)發(fā)電計(jì)劃算例，利用蒙特卡洛設(shè)計(jì)情景模擬，實(shí)現(xiàn)了對(duì)不同發(fā)電安排的運(yùn)營(yíng)模擬和測(cè)算。算例驗(yàn)證了隨機(jī)規(guī)劃模型的可行性，該模型能夠在不確定性環(huán)境和市場(chǎng)化條件下優(yōu)化發(fā)電企業(yè)計(jì)劃安排和機(jī)組協(xié)調(diào)能力，并能夠幫助企業(yè)制定合理的收益預(yù)期并有效規(guī)避風(fēng)險(xiǎn)。

風(fēng)險(xiǎn)決策；效益評(píng)估；多源互補(bǔ)；雙邊合約

0 引 言

伴隨著我國(guó)能源體制改革進(jìn)程的推進(jìn)，電力行業(yè)經(jīng)營(yíng)環(huán)境日趨市場(chǎng)化，作為獨(dú)立經(jīng)濟(jì)實(shí)體的發(fā)電企業(yè)，在進(jìn)行中長(zhǎng)期運(yùn)行安排時(shí)考慮更多的是經(jīng)濟(jì)效益目標(biāo)的實(shí)現(xiàn)和風(fēng)險(xiǎn)的規(guī)避問(wèn)題。近年來(lái)，鑒于風(fēng)電的清潔和經(jīng)濟(jì)特性，其投資開發(fā)已經(jīng)受到發(fā)電企業(yè)的廣泛關(guān)注，但是出于系統(tǒng)安全和經(jīng)濟(jì)效益優(yōu)化的考慮，風(fēng)電發(fā)電計(jì)劃的安排尤其需要其他電源形式的配合。從而多源互濟(jì)的發(fā)電計(jì)劃的經(jīng)濟(jì)運(yùn)行問(wèn)題成為市場(chǎng)條件下發(fā)電企業(yè)關(guān)注的焦點(diǎn)。

目前，國(guó)內(nèi)外研究學(xué)者有關(guān)發(fā)電計(jì)劃、機(jī)組組合問(wèn)題等方面開展了研究工作。一方面，基于電網(wǎng)實(shí)時(shí)調(diào)度，探討中短期的發(fā)電計(jì)劃編制與協(xié)調(diào)控制方法與策略在發(fā)電企業(yè)的應(yīng)用，文獻(xiàn)[1-4]分別在水電、風(fēng)電、光伏、熱電聯(lián)聯(lián)產(chǎn)機(jī)組的發(fā)電計(jì)劃編制中引入機(jī)組組合狀態(tài)評(píng)價(jià)、不確定性分析方法和數(shù)據(jù)挖掘技術(shù)等對(duì)傳統(tǒng)的日常發(fā)電計(jì)劃安排工作進(jìn)行了探究和改進(jìn)，提高了算法精度和計(jì)劃編排的科學(xué)性；文獻(xiàn)[5-6]則從多期、多電源類型發(fā)電計(jì)劃的協(xié)調(diào)控制方面進(jìn)行了研究，對(duì)發(fā)電計(jì)劃在整個(gè)電力系統(tǒng)和電力市場(chǎng)上的整體優(yōu)化作出了貢獻(xiàn)。另一方面，以發(fā)電企業(yè)經(jīng)濟(jì)價(jià)值為出發(fā)點(diǎn)對(duì)發(fā)電計(jì)劃編制的效益進(jìn)行評(píng)估和優(yōu)化，文獻(xiàn)[7-11]分別從節(jié)能減排、成本控制、風(fēng)險(xiǎn)控制、電力市場(chǎng)競(jìng)價(jià)等方面對(duì)發(fā)電企業(yè)發(fā)電計(jì)劃管理的效益進(jìn)行了多層面的研究，為探究企業(yè)以發(fā)電計(jì)劃為基礎(chǔ)來(lái)創(chuàng)造經(jīng)濟(jì)價(jià)值提供了管理思路。除此之外，對(duì)多電源類型發(fā)電機(jī)組之間機(jī)組組合與配比問(wèn)題也是研究學(xué)者重點(diǎn)關(guān)注的焦點(diǎn)之一，文獻(xiàn)[12-18]對(duì)各種計(jì)劃目標(biāo)下的機(jī)組組合問(wèn)題進(jìn)行了多方面的研究，主要是對(duì)含風(fēng)電機(jī)組的機(jī)組組合問(wèn)題進(jìn)行的優(yōu)化調(diào)度研究，并且在其中也包含了對(duì)調(diào)度、規(guī)劃算法進(jìn)行了改進(jìn)和創(chuàng)新。

上述研究成果是對(duì)發(fā)電計(jì)劃相關(guān)問(wèn)題進(jìn)行的諸多有益探索，其中多是對(duì)中短期發(fā)電計(jì)劃進(jìn)行的單一層面的研究，對(duì)多機(jī)組類型、多目標(biāo)決策的統(tǒng)籌研究尚存在不足。鑒于此，本文致力于探索在雙邊合約條件下的多臺(tái)低成本、不確定性的發(fā)電機(jī)組如何協(xié)調(diào)經(jīng)濟(jì)地安排運(yùn)行計(jì)劃。在傳統(tǒng)的考慮風(fēng)險(xiǎn)約束條件的基于隨機(jī)中期價(jià)格的機(jī)組組合問(wèn)題的理論研究之上，引入不確定性風(fēng)出力模型，進(jìn)而構(gòu)建發(fā)電企業(yè)中期隨機(jī)規(guī)劃模型。

1 發(fā)電計(jì)劃中長(zhǎng)期隨機(jī)規(guī)劃模型

在隨機(jī)規(guī)劃模型包含了價(jià)格和風(fēng)險(xiǎn)這2個(gè)關(guān)鍵性概念。市場(chǎng)價(jià)格既有能源市場(chǎng)、燃料市場(chǎng)價(jià)格，也有輔助服務(wù)市場(chǎng)的價(jià)格，本文研究的基本立足點(diǎn)是發(fā)電企業(yè)是作為市場(chǎng)價(jià)格的接受者，即機(jī)組發(fā)電計(jì)劃的變動(dòng)不能影響市場(chǎng)價(jià)格的變動(dòng)。目前市場(chǎng)發(fā)電價(jià)格預(yù)測(cè)的方法主要包括價(jià)格仿真方法、統(tǒng)計(jì)方法和時(shí)間序列方法[19]，本文假定將預(yù)測(cè)得到的市場(chǎng)價(jià)格作為模型的輸入。對(duì)于市場(chǎng)條件下的發(fā)電企業(yè)來(lái)說(shuō)，將金融風(fēng)險(xiǎn)維持在一個(gè)可接受的水平至關(guān)重要，本文建立了伴隨發(fā)電運(yùn)行的下行風(fēng)險(xiǎn)的計(jì)量公式進(jìn)而納入了規(guī)劃模型的約束條件當(dāng)中。本部分建立基于風(fēng)險(xiǎn)的混合整數(shù)規(guī)劃模型，主要包括目標(biāo)函數(shù)和約束條件的構(gòu)建。

1.1 目標(biāo)函數(shù)

發(fā)電企業(yè)的隨機(jī)運(yùn)行規(guī)劃是通過(guò)蒙特卡洛方法生成的假定情景進(jìn)行模擬，隨機(jī)規(guī)劃模型的目標(biāo)函數(shù)是最大化中期經(jīng)濟(jì)回報(bào)，即收益和成本的差額。收益主要來(lái)自于燃?xì)?、梯?jí)水電和風(fēng)電機(jī)組的電能銷售、旋轉(zhuǎn)備用和運(yùn)行備用的收入，以及來(lái)自于雙邊合約市場(chǎng)的收入。成本則包括燃?xì)鈾C(jī)組的合約采購(gòu)、儲(chǔ)存、啟停成本，梯級(jí)水電站的啟停成本，以及對(duì)于預(yù)先發(fā)電安排的違規(guī)罰金。主要公式如下：

(1)

(2)

(3)

1.2 約束條件

由于要考慮到實(shí)時(shí)市場(chǎng)價(jià)格、水流量以及機(jī)組迫停的不確定性，整個(gè)中期規(guī)劃模型實(shí)際變成非凸、非線性優(yōu)化問(wèn)題。

1.2.1 燃?xì)鈾C(jī)組運(yùn)行約束

機(jī)組可用性約束：

(4)

燃料消耗與碳排放權(quán)約束：

(5)

(6)

電能與輔助服務(wù)約束：

(7)

(8)

(9)

(10)

(11)

1.2.2 水電機(jī)組運(yùn)行約束

機(jī)組可用性約束及電能與輔助服務(wù)約束與燃?xì)鈾C(jī)組同。

水-功轉(zhuǎn)換約束：

(12)

(13)

排水量及庫(kù)容約束：

(14)

(15)

1.2.3 風(fēng)電機(jī)組運(yùn)行約束

(16)

(17)

1.3 雙邊合約市場(chǎng)協(xié)調(diào)策略

雙邊合約與外部實(shí)體相關(guān)，既有物理上的約束也有金融上的約束。雙邊合約市場(chǎng)是以1年52個(gè)月作為研究時(shí)間范疇，在合同期間存在一個(gè)懲罰價(jià)格σPEN，一個(gè)優(yōu)秀的合約市場(chǎng)策略能夠?yàn)榘l(fā)電企業(yè)增收創(chuàng)益。

合約電量需要滿足如下約束：

(18)

式中：QBC,min、QBC,max分別為合約市場(chǎng)最小、最大電量限制。

相應(yīng)地，發(fā)電企業(yè)的雙邊市場(chǎng)收入為：

(19)

式中σBC為雙邊市場(chǎng)價(jià)格。

發(fā)電企業(yè)在雙邊市場(chǎng)上的違規(guī)罰金的確定由以下公式表示：

(20)

(21)

(22)

發(fā)電企業(yè)可以用如下公式來(lái)對(duì)多臺(tái)機(jī)組在雙邊市場(chǎng)上的協(xié)調(diào)進(jìn)行決策確定合約供應(yīng)電量：

(23)

雙邊市場(chǎng)協(xié)調(diào)決策需要考慮不確定性因素，即風(fēng)電機(jī)組的安排與燃?xì)鈾C(jī)組進(jìn)行協(xié)調(diào)需要取決于燃?xì)夤?yīng)的中斷率和燃?xì)鈨r(jià)格不確定性，典型的機(jī)組協(xié)調(diào)也需要同時(shí)雙邊合約供應(yīng)量、日前市場(chǎng)供應(yīng)量，如公式(24)所示。

(24)

1.4 金融風(fēng)險(xiǎn)決策

以上公式表示都是屬于風(fēng)險(xiǎn)中性的，僅僅考慮預(yù)期收益的優(yōu)化。然而對(duì)于市場(chǎng)條件下的發(fā)電企業(yè)來(lái)說(shuō)也應(yīng)重在關(guān)注其經(jīng)營(yíng)相關(guān)的金融風(fēng)險(xiǎn)。在這里對(duì)于風(fēng)險(xiǎn)的計(jì)量是以其未來(lái)收益目標(biāo)偏離期望值的差異來(lái)衡量的，而預(yù)期的下行風(fēng)險(xiǎn)應(yīng)低于一個(gè)目標(biāo)風(fēng)險(xiǎn)值，如下所示：

(25)

(26)

1.5 拉格朗日乘數(shù)算法

在蒙特卡洛情景模擬生成之后，應(yīng)用拉格朗日乘數(shù)法對(duì)各個(gè)情景中的原問(wèn)題耦合風(fēng)險(xiǎn)約束進(jìn)行松弛化，并將原問(wèn)題分解為關(guān)于風(fēng)電、水電、燃?xì)獍l(fā)電這3類單一機(jī)組的子問(wèn)題進(jìn)行求解。在拉格朗日乘數(shù)算法中利用次梯度法對(duì)優(yōu)化問(wèn)題進(jìn)行迭代，首先在不考慮風(fēng)險(xiǎn)約束情況下假定一個(gè)初始目標(biāo)經(jīng)濟(jì)回報(bào)值，進(jìn)而在算法過(guò)程中增加一個(gè)預(yù)期的風(fēng)險(xiǎn)水平，如果風(fēng)險(xiǎn)超出公司承受范圍，則增加風(fēng)險(xiǎn)約束條件，直到2次連續(xù)迭代的目標(biāo)函數(shù)的差值小于規(guī)定閾值，并得到最優(yōu)或次優(yōu)解。算法流程圖如圖1所示。將假定風(fēng)險(xiǎn)中性的問(wèn)題求解得到的拉格朗日乘數(shù)設(shè)為風(fēng)險(xiǎn)約束問(wèn)題算法的向量系數(shù)，從而減少求解時(shí)間。

圖1 算法流程圖Fig.1 Algorithm flowchart

2 算例分析

2.1 算例設(shè)定

以擁有8臺(tái)燃?xì)鈾C(jī)組、4臺(tái)水電機(jī)組和3臺(tái)風(fēng)電機(jī)組的發(fā)電企業(yè)為例進(jìn)行算例分析，機(jī)組以小時(shí)為最小調(diào)度時(shí)間單元，規(guī)劃期為1年，在模型中同時(shí)考慮了日前市場(chǎng)價(jià)格、水流量和風(fēng)速的不確定性預(yù)測(cè)誤差，所有機(jī)組受同一市場(chǎng)價(jià)格約束。燃?xì)夤?yīng)設(shè)施架構(gòu)如圖2所示，燃?xì)鈾C(jī)組分布在2個(gè)區(qū)域且采用一條管道進(jìn)行燃?xì)夤?yīng)，管道1年總的輸送限制為4 400 Mm3，區(qū)域1限制為100 Mm3。部分機(jī)組信息如表1—3所示，燃?xì)夂霞s信息如表4所示。

圖2 燃?xì)夤?yīng)設(shè)施架構(gòu)圖Fig.2 Gas supply facilities chart

表2 水電機(jī)組相關(guān)數(shù)據(jù)Table 2 Data of hydro-power units

表3 風(fēng)電機(jī)組相關(guān)數(shù)據(jù)Table 3 Data of wind power units

表4 燃?xì)夂霞sTable 4 Nature gas contract

風(fēng)速預(yù)測(cè)作為輸入?yún)?shù)采用自回歸移動(dòng)平均時(shí)間序列方法(auto-regressive moving average，ARMA)，通過(guò)考慮原先小時(shí)預(yù)測(cè)與實(shí)際值之差來(lái)實(shí)現(xiàn)優(yōu)化[19]。從擬合得到的ARMA序列中采樣的得到模型每一情景下各時(shí)間步長(zhǎng)點(diǎn)的預(yù)測(cè)誤差，最后將各情景的風(fēng)功率預(yù)測(cè)值的規(guī)整值輸入本文規(guī)劃模型。應(yīng)用蒙特卡洛方法進(jìn)行情景生成，最終確定生成12個(gè)情景可以使得模型目標(biāo)函數(shù)值趨于收斂。圖3給出了3個(gè)情景下1周風(fēng)功率預(yù)測(cè)情況。

圖3 蒙特卡洛風(fēng)功率預(yù)測(cè)情景Fig.3 Wind power forecasting scenarios based on Monte Carlo

雙邊合約市場(chǎng)電能價(jià)格為276元/(MW·h)，缺額電量的中斷電價(jià)為1 800 元/(MW·h)。

2.2 案例分析

該部分設(shè)定了5個(gè)案例進(jìn)行了規(guī)劃分析，并分別考慮了風(fēng)險(xiǎn)中性和風(fēng)險(xiǎn)約束2種情況進(jìn)行討論。5個(gè)案例設(shè)定如下。

案例1：機(jī)組單獨(dú)安排運(yùn)行，不考慮雙邊合約市場(chǎng)。

案例2：水電機(jī)組采用物理合同形式。

案例3：4臺(tái)水電、2臺(tái)燃?xì)鈾C(jī)組采用物理合同形式。

案例4：4臺(tái)水電、2臺(tái)燃?xì)狻?臺(tái)風(fēng)力發(fā)電機(jī)組采用物理合同形式。

案例5：4臺(tái)水電、2臺(tái)燃?xì)狻?臺(tái)風(fēng)力發(fā)電機(jī)組采用可中斷合同形式。

得到各方案的收益和風(fēng)險(xiǎn)運(yùn)算結(jié)果如表5所示。

表5 方案運(yùn)算結(jié)果
Table 5 Calculation results of cases

2.2.1 風(fēng)電機(jī)組不參與雙邊合約市場(chǎng)

在算例中，前3案例是風(fēng)電機(jī)組不參與雙邊合約市場(chǎng)的情況，相對(duì)來(lái)說(shuō)多類型機(jī)組的協(xié)調(diào)并不完全。在案例1中，風(fēng)險(xiǎn)中性計(jì)算結(jié)果的概率為0.52，燃?xì)?、水電風(fēng)電的收益貢獻(xiàn)比為33∶32∶35，當(dāng)考慮到下行風(fēng)險(xiǎn)約束時(shí)，下行風(fēng)險(xiǎn)水平下降了6.25%，而收益水平相應(yīng)下降0.1%。在案例2中，水電機(jī)組參與合約市場(chǎng)，導(dǎo)致其收益下降419.48 百萬(wàn)元，而總收益水平下降超過(guò)50%，下行風(fēng)險(xiǎn)也由于合約罰金的上升到1 012 百萬(wàn)元，具體原因是水電機(jī)組發(fā)電出力受季節(jié)因素影響較大。由于預(yù)期收益目標(biāo)遠(yuǎn)未達(dá)到目標(biāo)，所以該情景沒有考慮風(fēng)險(xiǎn)約束的情況。案例3中，水電機(jī)組和燃?xì)鈾C(jī)組的收益計(jì)算結(jié)果分別為636.48、593.9百萬(wàn)元，由于燃?xì)鈾C(jī)組能夠在合約市場(chǎng)上彌補(bǔ)水電機(jī)組的缺額電量，故水電機(jī)組的收益增長(zhǎng)了1013.39百萬(wàn)元，而下行風(fēng)險(xiǎn)則下降了50%。

2.2.2 風(fēng)電機(jī)組參與雙邊合約市場(chǎng)

案例4、5是風(fēng)電機(jī)組參與雙邊市場(chǎng)的情況。在案例4中，燃?xì)?、水電、風(fēng)電機(jī)組的收益貢獻(xiàn)比為33：31：36，風(fēng)電機(jī)組參與合約市場(chǎng)之后，各類型機(jī)組之間的協(xié)調(diào)性更加凸顯，增強(qiáng)了發(fā)電企業(yè)中期規(guī)劃能力，從而提高了收益并降低了風(fēng)險(xiǎn)。圖4在該案例中給出了在風(fēng)險(xiǎn)中性和風(fēng)險(xiǎn)約束條件下，本文進(jìn)行的12個(gè)情景模擬中的對(duì)比情況。由圖4可知，情景2、3、8、9、10、11、12在風(fēng)險(xiǎn)約束條件下的收益水平風(fēng)險(xiǎn)中性的情況，這是由于在這些情景中發(fā)電企業(yè)的風(fēng)險(xiǎn)厭惡指數(shù)有所提高，從而在最大化收益和最小化風(fēng)險(xiǎn)的權(quán)衡中選擇了偏向后者，而在這些情景中，2種情況的收益水平均低于預(yù)期值，這說(shuō)明這些情景所處的金融和市場(chǎng)環(huán)境普遍較為惡劣，因此也可以說(shuō)明這是導(dǎo)致決策者風(fēng)險(xiǎn)厭惡指數(shù)偏高的原因。

圖4 風(fēng)險(xiǎn)中性與風(fēng)險(xiǎn)約束情況下方案收益對(duì)比Fig.4 Comparison of case payoff in risk control and risk-neutral scenarios

在案例5中，令合同類型變更為可中斷合約，收益增加到了2 005 百萬(wàn)元，圖5給出了經(jīng)過(guò)雙邊磋商后形成的最優(yōu)合同量與前述案例中固定合同量的對(duì)比情況。最優(yōu)合同量在固定合同量水平上下浮動(dòng)，是因?yàn)樵诳芍袛嚯p邊合約中允許具有風(fēng)險(xiǎn)厭惡的發(fā)電商和用戶采取靈活性購(gòu)售電行為，其變化浮動(dòng)與日前市場(chǎng)電價(jià)的浮動(dòng)有關(guān)。

圖5 2種雙邊合約類型合同量對(duì)比Fig.5 Contract amount comparison of two types of bilateral contract

3 結(jié) 論

市場(chǎng)條件下效益和風(fēng)險(xiǎn)同時(shí)成為發(fā)電企業(yè)進(jìn)行運(yùn)營(yíng)管理的關(guān)注焦點(diǎn)，而在強(qiáng)調(diào)多源互補(bǔ)的能源發(fā)展總體環(huán)境下，對(duì)發(fā)電企業(yè)多機(jī)組類型的整體優(yōu)化是做好發(fā)電安排工作的出發(fā)點(diǎn)。本文立足發(fā)電企業(yè)提出了一種風(fēng)、水、火互濟(jì)的中長(zhǎng)期發(fā)電計(jì)劃風(fēng)險(xiǎn)效益評(píng)估模型，深入探索了各機(jī)組的運(yùn)行約束，重點(diǎn)對(duì)雙邊合約市場(chǎng)的機(jī)組協(xié)調(diào)和金融風(fēng)險(xiǎn)的度量進(jìn)行規(guī)劃策略設(shè)計(jì)。設(shè)計(jì)案例論證了各類型機(jī)組分別不同程度參與市場(chǎng)調(diào)節(jié)的發(fā)電企業(yè)的發(fā)電效益優(yōu)化和風(fēng)險(xiǎn)規(guī)避策略。研究得到如下結(jié)論：

(1)發(fā)電企業(yè)參與雙邊合約市場(chǎng)能夠?qū)σ?guī)避市場(chǎng)風(fēng)險(xiǎn)起到一定作用，而且將燃?xì)獍l(fā)電與具有不確定性機(jī)組進(jìn)行有效協(xié)調(diào)配合能夠增加企業(yè)增收避險(xiǎn)的預(yù)期和表現(xiàn)。

(2)風(fēng)電機(jī)組參與雙邊合約市場(chǎng)能夠促進(jìn)企業(yè)機(jī)組協(xié)調(diào)規(guī)劃的能力和意識(shí)，有助于增收避險(xiǎn)，而決策需要注意的是其對(duì)風(fēng)險(xiǎn)偏好的權(quán)衡和選擇，這對(duì)預(yù)期收益的獲取也能夠具有一定積極作用。

(3)發(fā)電企業(yè)能夠應(yīng)用本文所提出的規(guī)劃方法進(jìn)行中長(zhǎng)期發(fā)電資產(chǎn)安排和市場(chǎng)競(jìng)價(jià)策略的制定，算法在應(yīng)對(duì)不確定性環(huán)境和做好市場(chǎng)協(xié)調(diào)方面具有一定的應(yīng)用價(jià)值。

[1]王永強(qiáng)，周建中，莫莉，等.基于機(jī)組綜合狀態(tài)評(píng)價(jià)策略的大型水電站精細(xì)化日發(fā)電計(jì)劃編制方法[J].電網(wǎng)技術(shù)，2012，36(7)：94-99. WANG Yongqiang, ZHOU Jianzhong, MO Li，et al. Optimal power generation mix towards an emission target[J]. Power System Technology，2012，36(7)：94-99.

[2]丁恰，李利利，汪洋，等.適應(yīng)大規(guī)模風(fēng)電接入的發(fā)電計(jì)劃不確定性處理方法分析[J].中國(guó)電力，2015，48(3)：127-132. DING Qia, LI Lili, WANG Yang, et al. Analysis of uncertainty management technology for lager-scale wind power integration in generation scheduling [J].Electric Power，2015，48(3)：127-132.

[3]KANG M C， SOHN J M， PARK J Y， et al. Development of algorithm for day ahead PV generation forecasting using data mining method[C]//2011 IEEE 54th International Midwest Symposium on Circuits and Systems (MWSCAS). Seoul :IEEE，2011：1-4.

[4]SCHAFER A， BAUMANNS P，MOSER A.Modeling heat pumps as combined heat and power plants in energy generation planning[C]//2012 IEEE Energytech. Cleveland :IEEE，2012：1-6.

[5]謝麗榮，張勇，王崗，等.中短期多周期發(fā)電計(jì)劃的協(xié)調(diào)方式和閉環(huán)控制[J].電力系統(tǒng)自動(dòng)化，2014，38(10)：126-131. XIE Lirong, ZHANG Yong, WANG Gang, et al. Coordination method and closed-loop control of medium-short term multi-cycle generation scheduling[J]. Automation of Electric Power Systems,2014,38(10):126-131.

[6]MA C F，ZHAO C H，LI Z，et al. Research on the influence of forecasting precision to the hydro-wind generation coordinated operation[C]//2011 4th International Conference on Electric Utility Deregulation and Restructuring and Power Technologies(DRPT).Weihai :IEEE，2011：1803-1807.

[7]王彩霞，喬穎，魯宗相，等.低碳經(jīng)濟(jì)下風(fēng)火互濟(jì)系統(tǒng)日前發(fā)電計(jì)劃模式分析[J].電力系統(tǒng)自動(dòng)化，2011，35(22)：111-117. WANG Caixi, QIAO Ying, LU Zongxiang, et al.Day-ahead dispatch mode for wind-thermal power system in low-carbon economy[J]. Automation of Electric Power Systems，2011，35(22)：111-117.

[8]白楊，鐘海旺，夏清，等.電量協(xié)調(diào)與成本控制的日內(nèi)滾動(dòng)發(fā)電計(jì)劃[J].電網(wǎng)技術(shù)，2013，37(10)：2965-2972. BAI Yang, ZHONG Haiwang, XIA Qing， et al.An intraday rolling scheduling with unit energy coordination and operating cost control [J].Power System Technology，2013，37(10)：2965-2972.

[9]施磊，耿照為，張晶，等.風(fēng)險(xiǎn)適應(yīng)型的月度發(fā)電計(jì)劃管理模式[J].電網(wǎng)技術(shù)，2014，38(12)：3384-3389. SHI Lei, GENG Zhaowei, ZHANG Jing, et al. Risk-adaptable monthly generation scheduling mode[J]. Power System Technology， 2014，38(12)：3384-3389.

[10]HEREDIA F J，RIDER M J，CORCHERO C.A stochastic programming model for the optimal electricity market bid problem with bilateral contracts for thermal and combined cycle units[J].Annals of Operations Research，2012，193(1)：107-127.

[11]YUAN C，LI F，KURI B.Optimal power generation mix towards an emission target[C]//Power & Energy Society General Meeting. San Diego: IEEE，2011：1-7.

[12]王彩霞，魯宗相.風(fēng)電功率預(yù)測(cè)信息在日前機(jī)組組合中的應(yīng)用[J].電力系統(tǒng)自動(dòng)化，2011，35(7)：13-18. WANG Caixi, LU Zongxiang.Unit commitment based on wind power forecast[J].Automation of Electric Power Systems，2011，35(7)：13-18.

[13]張娜，呂泉，張顯，等.含風(fēng)電系統(tǒng)的多級(jí)機(jī)組組合協(xié)調(diào)制定策略[J].電力系統(tǒng)自動(dòng)化，2013，37(11)：39-45，98. ZHANG Na, LV Quan, ZHANG Xian, et al. A realization solution of key links for merging unit in smart substation [J]. Automation of Electric Power Systems，2013，37(11)：39-45，98.

[14]黎燦兵，呂素，曹一家，等.面向節(jié)能發(fā)電調(diào)度的日前機(jī)組組合優(yōu)化方法[J].中國(guó)電機(jī)工程學(xué)報(bào)，2012，32(16)：70-76. LI Canbing, Lü Su, CAO Yijia, et al. A new method for day-ahead unit commitment based on energy-saving generation dispatching[J].Proceedings of the CSEE，2012，32(16)：70-76.

[15]周明，夏澍，李琰，等.含風(fēng)電的電力系統(tǒng)月度機(jī)組組合和檢修計(jì)劃聯(lián)合優(yōu)化調(diào)度[J].中國(guó)電機(jī)工程學(xué)報(bào)，2015，35(7)：1586-1595. ZHOU Ming, XIA Shu, LI Yan, et al. A joint optimization approach on monthly unit commitment and maintenance scheduling for wind power integrated power systems [J]. Proceedings of the CSEE， 2015，35(7)：1586-1595.

[16]YANG L，JIAN J，WANG Y，et al.Projected mixed integer programming formulations for unit commitment problem[J].International Journal of Electrical Power & Energy Systems，2015，68：195-202.

[17]GOVARDHAN M，ROY R.Economic analysis of unit commitment with distributed energy resources[J]. International Journal of Electrical Power & Energy Systems，2015，71：1-14.

[18]DE JONGHE C，HOBBS B F，BELMANS R.Value of price responsive load for wind integration in unit commitment [J].IEEE Transactions on Power Systems， 2014，29(2)：675-685.

[19]SOBER L.Simulation of wind speed forecast errors for operation planning of multiage power systems [C]//2004 International Conference on Probabilistic Methods Applied to Power Systems. Ames : IEEE, 2004：723-728.

(編輯 蔣毅恒)

Risk-Benefit Assessment of Medium and Long-Term Power Generation Plan Considering Wind-Hydro-Gas Complementary

BI Pingping

(School of Economics and Management, North China Electric Power University, Beijing 102206, China)

The coordination of multiple power units for power generation companies could achieve the overall optimization of operational efficiency. Under market conditions, it is more important to achieve dual goals of risk and benefit for generation plan. Based on the goals of increasing the capacity of power generation schedule and increasing enterprise’ value hedge, this paper studies the risk-benefit assessment for the medium and long-term plan of wind-hydro-gas complementary power generation. Firstly, with the mixed integer programming and stochastic programming theory, we construct the objective function of the stochastic programming model for medium and long-term power generation plan and unit operating constraints, in which the wind-power and water-power switch equation constraints are especially constructed. Secondly, based on the market rules conditions of bilateral contract market and financial risk, we design the model constraints for the coordination of power generation units and risk mitigation strategies. Then, we design the model algorithm process and solution based on Lagrange multiplier. Finally, with a cooperation-operation generation plan example of three types of power units, we simulate and calculate different power generation plans in Monte Carlo scenarios. The example verifies the feasibility of stochastic programming model, which can optimize the power generation schedule of and unit coordination ability in the uncertain environment and market conditions, and help companies develop reasonable benefit expectations and effectively avoid risks.

risk decision-making; benefit assessment; multi-source complementary; bilateral contract

國(guó)家自然科學(xué)基金項(xiàng)目(71271082)

TM 71

A

1000-7229(2016)03-0105-07

10.3969/j.issn.1000-7229.2016.03.016

2015-09-09

畢平平(1983)，女，博士研究生，主要從事電力企業(yè)管理等方面的研究工作。

Project supported by National Natural Science Foundation of China(71271082)