利用貝葉斯學(xué)習(xí)法修正報價的發(fā)電權(quán)交易研究

王穎帆，余代海，江岳文

(1.國網(wǎng)福建省電力有限公司，福建 福州350000；2.福州大學(xué) 電氣工程與自動化學(xué)院，福建 福州350000)

?

利用貝葉斯學(xué)習(xí)法修正報價的發(fā)電權(quán)交易研究

王穎帆1，余代海2，江岳文2

(1.國網(wǎng)福建省電力有限公司，福建 福州350000；2.福州大學(xué) 電氣工程與自動化學(xué)院，福建 福州350000)

摘要：在不完全知道發(fā)電權(quán)交易對方報價的前提下，通過貝葉斯自學(xué)習(xí)方法估計對方報價來預(yù)知對方交易報價底線，并根據(jù)Zeuthen策略調(diào)整己方的報價，然后考慮雙方網(wǎng)損率來對報價進行修正，使之更加符合實際交易情況，最后通過算例仿真對報價結(jié)果進行分析，驗證了考慮網(wǎng)損率下報價雙方交易的有效性。

關(guān)鍵詞：貝葉斯自學(xué)習(xí)；Zeuthen風(fēng)險策略；發(fā)電權(quán)交易；網(wǎng)損率；修正報價

目前在我國電力交易市場中，通過發(fā)電權(quán)交易模式來促使小火電機組向清潔能源及大火電機組轉(zhuǎn)移是實現(xiàn)電力行業(yè)資源優(yōu)化配置的有效舉措[1]。由于區(qū)域內(nèi)各省電源結(jié)構(gòu)及分布的差異和省間電網(wǎng)聯(lián)系的加強，實施發(fā)電權(quán)交易可以促進區(qū)域間資源的優(yōu)化配置，也是促使電力企業(yè)進行節(jié)能減排的重要途徑。因此，選擇適宜的發(fā)電權(quán)交易方式對電力行業(yè)資源優(yōu)化有著重大意義。

本文通過參閱電力市場中的撮合交易[2]、雙邊交易[3]、委托代理交易[4]、期權(quán)交易[5]等相關(guān)文獻，采用動態(tài)風(fēng)險分析交易方式來尋求最佳交易電價；分析了買賣雙方網(wǎng)損的差異對交易雙方報價的影響并推導(dǎo)出合理的修正報價方法，使得交易過程中雙方報價的變化更加符合實際交易情況，并對算例結(jié)果進行了分析，為實際交易工作提供了一定的決策價值。

1交易雙方風(fēng)險控制策略

本文采用Zeuthen競價風(fēng)險策略[6]作為買賣雙方報價協(xié)商的依據(jù)，通過最大交易風(fēng)險度來作出交易雙方報價的讓步，雙方經(jīng)過多輪談判后達到雙方可接受的交易價格。

1.1最大風(fēng)險度的定義

依據(jù)賣方(買方)報價，買方(賣方)對賣方(買方)進行風(fēng)險估計，若買方(賣方)最大風(fēng)險值較小，則買方(賣方)作出退讓使報價逐步收斂；若買方(賣方)最大風(fēng)險度值較大，則原有報價不變。雙方談判的風(fēng)險度定義為：

(1)

(2)

式中：fb,k和fs,k作為第k輪談判中買賣雙方最大風(fēng)險度值；Vb和Vs分別為交易雙方單位電量的收益函數(shù)，二者值均為正值；Pb,k和Ps,k分別為第k輪的買賣雙方的報價。

1.2報價修正幅度

假定賣方風(fēng)險度值高于買方，賣方可通過最大風(fēng)險度值的調(diào)整來引導(dǎo)買方下一步報價作出相應(yīng)變化。假設(shè)買方的風(fēng)險度值小于賣方，為保證交易繼續(xù)進行，買方報價作出修正，使得買賣雙方風(fēng)險度值相同，則有

(3)

那么，下一輪買方報價的修正幅度

ΔPb ,k=Pb ,k+1-Pb ,k.

(4)

2貝葉斯學(xué)習(xí)方法

發(fā)電權(quán)買賣雙方的報價以自身發(fā)電成本為考慮基礎(chǔ)，既要避免一方報價水平脫離另一方的可容納范圍而停止交易，又要保證己方的應(yīng)有收益。因此，通過動態(tài)的貝葉斯學(xué)習(xí)方法來估計交易雙方的報價紅線，可使交易過程更加理性。

(5)

運用貝葉斯學(xué)習(xí)方法[7-9]，買方不斷提高賣方交易價格紅線的期望值。在賣方報價為Ym的情況下，買方通過貝葉斯學(xué)習(xí)后得到賣方交易價格紅線的概率分布

(6)

結(jié)合式(6)，買方對賣方的交易價格紅線期望估計

(7)

依次運用貝葉斯自學(xué)習(xí)方法更新買方對賣方交易價格紅線的期望值，從而得到雙方可接受的交易電價。

3交易雙方的利益模型

3.1機組的發(fā)電成本分析

單位時間內(nèi)機組的發(fā)電成本C與發(fā)電量Q的函數(shù)關(guān)系可以近似為二次曲線[8]關(guān)系，即

C=aQ2+bQ+c.

(8)

式中a、b、c為火電機組成本函數(shù)曲線的相關(guān)系數(shù)。

假設(shè)買賣雙方初始發(fā)電量為Q0，對于買方交易電量ΔQ所增加成本為C(Q0+ΔQ)-C(Q0)；對于賣方交易電量ΔQ所減少的成本為C(Q0)-C(Q0-ΔQ)。機組的發(fā)電量與發(fā)電成本的函數(shù)曲線如圖1所示。

圖1　機組發(fā)電量與成本曲線

3.2交易雙方效益分析

3.2.1網(wǎng)損對報價的影響

分攤網(wǎng)損率的定義為

(9)

進行報價修正時，發(fā)電權(quán)買賣中，賣方報價基于網(wǎng)損率的關(guān)系為

(10)

對于買方報價基于網(wǎng)損率的關(guān)系為

(11)

3.2.2雙方交易的利潤函數(shù)

賣方凈效益(Ws)等于通過發(fā)電權(quán)交易的收益減去未經(jīng)過發(fā)電權(quán)交易而經(jīng)自身發(fā)電所得的收益。代數(shù)式為

(12)

買方凈效益(Wb)等于通過發(fā)電權(quán)交易的收益減去發(fā)電權(quán)交易支付給賣方的成本。代數(shù)式為

(13)

令：

(14)

(15)

3.3買賣雙方交易流程

雙方交易流程如圖2所示。

t表示談判次數(shù)。圖2　雙方交易流程

4實例分析

某A、B雙方的上網(wǎng)電價分別為409.5元/MWh和403元/MWh，雙方簽訂單位時間內(nèi)的交易量為100 MWh。在未計及網(wǎng)損的情況下買賣雙方的報價分別為60元/MWh和80元/MWh。買賣雙方成本系數(shù)見表1，雙方網(wǎng)損率見表2。

表1買賣(A、B)雙方機組參數(shù)

交易方Qb0/Qs0Tb/Tsabc買方45020.01530012000賣方35020.0253308000

注：a、b、c單位分別為元/MWh、元/MWh、元。

表2買賣(A、B)雙方的網(wǎng)損率

網(wǎng)損率ΔP*1(情景一)ΔP*2(情景二)買方0.040.04賣方0.080.02

4.1買方(A)決策過程

根據(jù)賣方機組自身概況及決策經(jīng)驗，對賣方交易的概率分布通過考慮報價策略進行預(yù)估，賣方交易價格紅線區(qū)間概率分布結(jié)果見表3[11-12]，賣方報價區(qū)間條件概率見表4。

表3賣方價格紅線區(qū)間概率分布

模擬事件價格紅線/[元·(MWh)-1]概率1[30,40)0.12[40,50)0.153[50,60)0.254[60,70)0.255[70,80)0.156[80,90)0.1

表4賣方報價區(qū)間的條件概率分布

賣方概率[40,50)[50,60)[60,70)[70,80)[80,90)[90,100)[30,40)0.10.20.20.10.150.25[40,50)0.10.20.150.150.20.2[50,60)00.20.250.150.20.2[60,70)00.150.250.20.250.15[70,80)000.30.20.20.3[80,90)000.40.150.150.3

根據(jù)表4的概率分布，買方可以通過以下公式估算買方對賣方的交易價格紅線初始期望值

式中：S為賣方報價區(qū)間；p表示區(qū)間對應(yīng)的概率；i表示區(qū)間個數(shù)。

結(jié)合算例數(shù)據(jù)并根據(jù)式(14)來估計買賣雙方的收益計算如下：

計算情景一雙方的最大風(fēng)險度值：

根據(jù)最小讓步幅度式(3)求得買方第二次的報價為65元/MWh。

4.2賣方(B)決策過程

買方交易價格紅線區(qū)間的概率分布見表5，買方報價區(qū)間的條件概率見表6。

表5買方價格紅線區(qū)間的概率分布

模擬事件價格紅線/[元·(MWh)-1]概率1[60,70)0.12[70,80)0.153[80,90)0.254[90,100)0.255[100,110)0.156[110,120)0.1

表6買方報價區(qū)間的條件概率分布

買方概率[40,50)[50,60)[60,70)[70,80)[80,90)[90,100)[60,70)0.20.20.30.300[70,80)0.20.250.30.2500[80,90)0.30.10.30.250.050[90,100)0.250.150.250.250.10[100,110)0.10.250.250.20.10.1[110,120)0.10.150.30.20.150.1

買方根據(jù)表6的概率分布，買方可以通過以下公式估算賣方對買方的交易價格紅線初始期望值

式中：B為買方報價區(qū)間；j表示區(qū)間個數(shù)。

同理，根據(jù)式(15)并估計買雙方的收益計算如下：

計算情景一雙方的最大風(fēng)險度值：

根據(jù)最小讓步幅度式(3)求得賣方第二次的報價調(diào)整為80.7元/MWh。

依據(jù)上述過程繼續(xù)下去，最終可獲得買賣雙方的交易電價。

4.3報價收斂過程

根據(jù)情景一修正后的賣方初始報價為87元/MWh，買方初始報價為62.5元/MWh，圖3為買賣雙方最終交易定價74.4元/MWh。

圖3　買賣雙方網(wǎng)損率分別為0.04和0.08時的交易結(jié)果

根據(jù)情景二修正后的賣方初始報價為81.6元/MWh，買方初始報價為62.5元/MWh，圖4為最終交易電價73元/MWh。

根據(jù)圖5所示，交易雙方?jīng)]有考慮網(wǎng)損率的條件下賣方初始報價為80元/MWh，買方報價為60元/MWh，雙方最終交易價格為71元/MWh。

圖4　買賣雙方網(wǎng)損率分別為0.04和0.02時的交易結(jié)果

圖5　買賣雙方?jīng)]有考慮網(wǎng)損率時的交易結(jié)果

4.4算例數(shù)據(jù)進行分析

通過仿真結(jié)果可以看出，考慮了網(wǎng)損修正報價后發(fā)電權(quán)交易價格都有相應(yīng)提高，均大于71元/MWh，結(jié)合貝葉斯納什均衡[13]分析，根據(jù)計算可得情景一的單位電量交易總利潤為149.94元/MWh，情景二的單位交易雙方總利潤為90.3元/MWh，不計及網(wǎng)損的交易雙方單位交易總利潤為99元/MWh。通過交易總利潤可以看出，對于交易雙方網(wǎng)損(尤其是賣方機組)比較大的機組，考慮網(wǎng)損報價對交易雙方來說是有利的，對于雙方網(wǎng)損較小的發(fā)電機組來說，不考慮網(wǎng)損的報價顯然更有利，從而為交易雙方的合理報價提供了依據(jù)。

5結(jié)束語

作為發(fā)電權(quán)交易，雙方交易的初始報價和最終交易價格的確定對交易雙方來說都很重要，關(guān)系到雙方交易后的利益。本文通過考慮交易雙方網(wǎng)損不同，并對雙方報價進行修正，結(jié)合貝葉斯自學(xué)習(xí)方法以及Zeuthen風(fēng)險決策分析進行雙方交易風(fēng)險評估；通過算例分析得到交易過程中雙方報價的變化過程，并得出結(jié)論：網(wǎng)損率大的機組經(jīng)過報價修正后的交易過程更加滿足發(fā)電權(quán)雙方的實際利益，使得交易雙方更加理性考慮到自身交易因素，從而更加合理地進行發(fā)電權(quán)交易。

參考文獻：

[1] 譚忠富，劉柯，宋藝航，等.節(jié)能發(fā)電調(diào)度政策對能源與環(huán)境的影響分析模型[J].華東電力，2012，40(9)：1464-1468.

TAN Zhongfu, LIU Ke, SONG Yihang, et al. Analysis Model for the Impact of Energy-saving Generation Dispatching Policy on Energy and Environment[J]. East China Electric Power, 2012,40(9): 1464-1468.

[2] 尚金成.基于節(jié)能減排的發(fā)電權(quán)交易理論及應(yīng)用：(一)發(fā)電權(quán)交易理論[J].電力系統(tǒng)自動化，2009，33(12)：46-52.

SHANG Jincheng. Generation Right Exchange Theory and Its Applications Based on Energy-saving and Emission-reducing Part One Generation Right Exchange Theory[J]. Automation of Electric Power Systems,2008,33(12):46-52.

[3] 王雅娟，王先甲.一種激勵相容的發(fā)電權(quán)交易雙邊拍賣機制[J].電力系統(tǒng)自動化，2009，33(12)：25-28.

WANG Yajuan, WANG Xianjia. An Incentive Compatible Double Auction Mechanism of Generation Rights Trade[J]. Automation of Electric Power Systems, 2009,33(12):25-28.

[4] 莫莉，周建中，李清清，等.基于委托代理模型的發(fā)電權(quán)交易模式[J].電力系統(tǒng)自動化，2008，32(12)：79-84.

MO Li, ZHOU Jianzhong, LI Qingqing, et al. Mechanism of Generation Rights Trades Based on Principal-agent Model[J]. Automation of Electric Power Systems, 2008,32(12):79-84.

[5] 姚建剛，周啟亮，張佳啟，等.基于期權(quán)理論的發(fā)電權(quán)交易模型[J].中國電機工程學(xué)報，2005，25(12)：79-84.

YAO Jiangang, ZHOU Qiliang, ZHANG Jiaqi, et al. Generation Rights Trade Mode Based on Option Theory[J]. Proceedings of the CSEE, 2005,25(12):79-84.

[6] 樂建兵，楊建梅，趙海霞.基于Zeuthen談判策略的博弈仿真研究[J].科技管理研究，2006，26(2)：175-179.

LE Jianbin, YANG Jianmei, ZHAO Haixia. Research on Game Simulation Based on Zeuthen Negotiation Strategy[J]. Science and Technology Management Research , 2006, 26(2):175-179.

[7] 李春杰，吳軍友，趙會茹.基于貝葉斯學(xué)習(xí)模型的發(fā)電商競價策略[J].華東電力，2010，38(5)：627-631.

LI Chunjie, WU Junyou, ZHAO Huiru. Bidding Strategy of Generators Based on Bayesian Learing Model[J]. East China Electric Power, 2010,38(5):627-631.

[8] 段青，趙建國，馬燕.基于稀疏貝葉斯學(xué)習(xí)的電力系統(tǒng)暫態(tài)穩(wěn)定性評估[J].電力自動化設(shè)備，2009，29(9)：36-40.

DUAN Qing, ZHAO Jianguo, MA Yan. Power Systems Transient Stability Assessment Based on Sparse Bayesian Learning[J]. Electric Power Automation Equipment ,2009,29(9):36-40.

[9] 譚忠富，李莉，王成文.迭代競價機制下發(fā)電商的貝葉斯學(xué)習(xí)模型[J].中國電機工程學(xué)報，2008，28(25)：118-124.

TAN Zhongfu, LI Li, WANG Chengwen. Generator’s Bayesian Learning Model Under Iterative Bidding Mechanism[J]. Proceedings of the CSEE, 2008,28(25):118-124.

[10] 徐帆，姚建國，耿建，等.機組耗量的混合特性整數(shù)模型建立與分析[J].電力系統(tǒng)自動化，2010，34(10)：45-50.

XU Fan, YAO Jianguo, GEN Jian, et al. Modeling and Analysis of Unit I/O Characteristics Based on Mixed-integer Programming[J]. Automation of Electric Power Systems, 2010,34(10):45-50.

[11] 白凡.基于Zeuthen 策略的工程爭端談判雙邊學(xué)習(xí)模型研究[D].天津：天津大學(xué)，2012.

[12] 譚忠富，李莉，王建軍，等.多智能體代理下電力雙邊談判中的模糊貝葉斯學(xué)習(xí)模型[J].中國電機工程學(xué)報，2009，29(7)：106-113.

TAN Zhongfu, LI Li, WANG Jianjun, et al. Fuzzy Bayesian Learning Model in Electric Bilateral Negotiation Under Multi-intelligent-agent[J].Proceedings of the CSEE,2009,29(7):106-113.

[13] 廖屹.基于博弈理論的發(fā)電權(quán)交易研究[D].成都：西南交通大學(xué)，2008.

王穎帆 (1971)，男，福建泉州人。高級工程師，工程碩士，主要研究方向為電力市場與系統(tǒng)調(diào)度管理。

余代海(1987)，男，湖北恩施人。在讀碩士研究生，主要研究方向電力市場和電力系統(tǒng)優(yōu)化運行。

江岳文(1977)，女，湖南岳陽人。副教授，碩士生導(dǎo)師，工學(xué)博士，主要研究方向為電力市場和電力系統(tǒng)優(yōu)化運行。

(編輯查黎)

Research on Generation Rights Trade by Using Bayes Learning

Method to Modify the Offer

WANG Yingfan1, YU Daihai2, JIANG Yuewen2

(1. State Grid Fujian Province Electric Power Co., Ltd., Fuzhou, Fujian 350000, China; 2. School of Electrical Engineering and Automation, Fuzhou University, Fuzhou, Fujian 350000,China)

Abstract：On the premise of being not fully aware of opposite offer in generation rightstrade, Bayes self learning method is used to estimate opposite offer and foresee the trade baseline, Zeuthen strategy is taken as basis for adjusting own offer. Both network loss rate are considered for modifying the offer so as to make it more corresponding with actual trade situation. Example simulation is conducted to analyze the offer result and verify effectiveness of mutual transaction under the condition of considering network loss rate.

Key words：Bayes self learning; Zeuthen risk strategy; generation rights trade; network loss rate; modify the offer

作者簡介：

中圖分類號：TM71

文獻標志碼：A

文章編號：1007-290X(2016)01-0036-05

doi:10.3969/j.issn.1007-290X.2016.01.008

基金項目：福建省自然科學(xué)基金(2013J01176)

收稿日期：2015-09-07