基于MEA算法結(jié)合委托代理模式的風(fēng)火發(fā)電權(quán)交易研究

余代海，江岳文，王良緣

(1.福州大學(xué) 電氣工程與自動(dòng)化學(xué)院，福建 福州 350108；2.國(guó)網(wǎng)福建省電力有限公司，福建 福州 350108)

?

基于MEA算法結(jié)合委托代理模式的風(fēng)火發(fā)電權(quán)交易研究

余代海1，江岳文1，王良緣2

(1.福州大學(xué) 電氣工程與自動(dòng)化學(xué)院，福建 福州 350108；2.國(guó)網(wǎng)福建省電力有限公司，福建 福州 350108)

風(fēng)電面臨的棄風(fēng)問(wèn)題愈來(lái)愈嚴(yán)重，為了解決風(fēng)電消納難題，利用風(fēng)電和常規(guī)機(jī)組之間的發(fā)電權(quán)交易來(lái)完成風(fēng)電的再次消納值得探索。結(jié)合風(fēng)電出力的隨機(jī)性、間斷性特點(diǎn)，綜合借鑒委托代理原理對(duì)風(fēng)火發(fā)電權(quán)交易的市場(chǎng)結(jié)構(gòu)、交易機(jī)理進(jìn)行了探討，并提出了在風(fēng)火發(fā)電權(quán)交易中計(jì)及風(fēng)電偏差電量成本的委托代理收益模型。結(jié)合思維進(jìn)化算法(mind evolutionary algorithm，MEA)對(duì)IEEE-30節(jié)點(diǎn)網(wǎng)絡(luò)的風(fēng)火發(fā)電權(quán)交易模型進(jìn)行算例仿真。通過(guò)仿真結(jié)果驗(yàn)證了委托代理模式下的風(fēng)火發(fā)電權(quán)交易模型合理性，并試圖為風(fēng)電再次消納提供一種合理的交易方法。

發(fā)電權(quán)交易；委托代理；偏差電量成本；思維進(jìn)化算法；風(fēng)電消納

目前我國(guó)的風(fēng)電棄風(fēng)現(xiàn)象依然嚴(yán)峻，截至2015年底，全國(guó)風(fēng)電平均棄風(fēng)率為15.2%，同比2013年、2014年平均棄風(fēng)率大幅上升，尤其在“三北”地區(qū)和新疆地區(qū)，棄風(fēng)率分別高達(dá)22.91%和28.82%，風(fēng)電面臨的棄風(fēng)局勢(shì)依然很?chē)?yán)峻；而對(duì)于高煤耗、高排放的火電機(jī)組實(shí)則在完成調(diào)度的發(fā)電計(jì)劃外對(duì)資源和環(huán)境都造成了重大破壞[1-2]。結(jié)合2015年最新出臺(tái)的《中共中央國(guó)務(wù)院關(guān)于進(jìn)一步深化電力體制改革的若干意見(jiàn)》的相關(guān)政策，鼓勵(lì)清潔能源替代常規(guī)火電機(jī)組發(fā)電，促進(jìn)清潔能源消納?；诖耍瑢?duì)風(fēng)儲(chǔ)[3-4]、風(fēng)火打捆[5-6]、風(fēng)電跨省消納[7-8]等已有文獻(xiàn)進(jìn)行研究可知以上所述方法對(duì)風(fēng)電消納都具有促進(jìn)作用，但由于風(fēng)電儲(chǔ)能施行費(fèi)用高，增加了風(fēng)電成本，阻礙了風(fēng)電大規(guī)模消納。同時(shí)現(xiàn)有的電能供應(yīng)結(jié)構(gòu)仍以傳統(tǒng)火電為主，加之風(fēng)電出力的隨機(jī)波動(dòng)，致使很多地方政府或者電力企業(yè)為了火電機(jī)組持續(xù)平穩(wěn)地產(chǎn)出電能，獲取更多的發(fā)電效益，采取壓制風(fēng)電并網(wǎng)的不當(dāng)措施，使得風(fēng)火打捆、風(fēng)火聯(lián)合外送等架構(gòu)模式受限，沒(méi)有真正意義上發(fā)揮促進(jìn)風(fēng)電消納的作用。

借鑒常規(guī)機(jī)組之間的發(fā)電權(quán)交易[9]，本文對(duì)如何在風(fēng)電、火電之間開(kāi)展發(fā)電權(quán)交易進(jìn)行研究。文獻(xiàn)[10]提出了通過(guò)跨省發(fā)電權(quán)交易促進(jìn)風(fēng)電消納的交易機(jī)制，并對(duì)因風(fēng)電預(yù)測(cè)所產(chǎn)生的發(fā)電偏差提出了用調(diào)節(jié)市場(chǎng)來(lái)平衡的調(diào)度模式和模型。文獻(xiàn)[11]提出了一種基于風(fēng)險(xiǎn)決策下的風(fēng)火發(fā)電權(quán)交易機(jī)制，構(gòu)建了風(fēng)火同臺(tái)交易市場(chǎng)，利用條件風(fēng)險(xiǎn)價(jià)值理論和委托代理原則建立了風(fēng)火發(fā)電權(quán)交易模型。以上的研究均對(duì)風(fēng)電消納起到了積極作用。結(jié)合委托代理理論在常規(guī)機(jī)組發(fā)電權(quán)交易中的應(yīng)用[12]，本文分析了在風(fēng)火發(fā)電權(quán)交易中計(jì)及風(fēng)電偏差電量成本的委托代理收益模型，并結(jié)合IEEE-30節(jié)點(diǎn)網(wǎng)絡(luò)系統(tǒng)進(jìn)行仿真驗(yàn)證。

1 基于委托代理的風(fēng)火發(fā)電權(quán)交易模式

由于發(fā)電權(quán)交易通常是己方對(duì)自身信息十分清楚而對(duì)另一方的信息很難去準(zhǔn)確把握的一個(gè)擇優(yōu)交易過(guò)程，這使得交易過(guò)程變得盲目和多變?；诓┺恼擄@性激勵(lì)理論[13]衍生出的委托代理模式能夠很好地結(jié)合交易雙方信息不對(duì)稱的客觀事實(shí)做出相應(yīng)決策。通常情況下，委托代理交易模式分為有中間人參與和無(wú)中間人參與兩種。本文選取無(wú)中間人參與的委托代理交易模式，目的是充分體現(xiàn)火電機(jī)組在交易市場(chǎng)中的主導(dǎo)地位，直接由火電機(jī)組擔(dān)任委托方邀約風(fēng)電場(chǎng)參與委托交易，而風(fēng)電場(chǎng)的收益根據(jù)最終履行的委托交易電量由火電機(jī)組給予相應(yīng)激勵(lì)。同時(shí)，風(fēng)電場(chǎng)也可根據(jù)交易收益是否滿足自身期望進(jìn)行自主代理選擇。只有當(dāng)交易雙方對(duì)交易的電量、收益均能達(dá)到期望值時(shí)可簽訂委托代理發(fā)電權(quán)交易合同，最終實(shí)現(xiàn)委托方和代理方的雙贏。

1.1 交易市場(chǎng)結(jié)構(gòu)

隨著風(fēng)電參與市場(chǎng)交易的比重的增加，其經(jīng)濟(jì)效益和環(huán)境效益將會(huì)凸顯優(yōu)勢(shì)。風(fēng)電作為清潔可再生能源在交易市場(chǎng)中扮演受讓方的角色；而火電(尤其以小火電為主)作為高消耗、高排放的污染機(jī)組，通過(guò)出讓其發(fā)電份額限制自身機(jī)組發(fā)電的方式來(lái)實(shí)現(xiàn)機(jī)組的節(jié)能降耗，減少CO2、SO2等有害氣體排放。結(jié)合本文的選取無(wú)中間人參與的委托代理模式，火電機(jī)組自身作為委托方直接邀約有代發(fā)能力的風(fēng)電場(chǎng)，通過(guò)出讓自身發(fā)電份額完成風(fēng)火發(fā)電權(quán)交易，其交易結(jié)構(gòu)如圖1所示。

圖1 基于委托代理模式下的風(fēng)火發(fā)電權(quán)交易市場(chǎng)結(jié)構(gòu)

由圖1可知，委托方將需要的出讓交易電量與風(fēng)電場(chǎng)擬定的可受讓交易電量進(jìn)行談判協(xié)商，目的是確定交易雙方都能夠接受的交易電量，減少交易風(fēng)險(xiǎn)，并將雙方能接受的電量以信息反饋形式發(fā)給交易雙方。風(fēng)電場(chǎng)的收益是基于委托方有償付給風(fēng)電場(chǎng)的相應(yīng)激勵(lì)扣除風(fēng)電場(chǎng)自身的發(fā)電成本所得。

1.2 交易機(jī)理

依照委托代理的交易模式，火電機(jī)組作為風(fēng)火發(fā)電權(quán)交易的委托方，對(duì)需要委托的交易電量等信息十分清楚，而對(duì)代理方能夠真實(shí)履行的交易電量的信息處于弱勢(shì)狀態(tài)。恰當(dāng)運(yùn)用委托代理模式，旨在交易雙方信息不對(duì)稱的前提下突出委托方的主動(dòng)地位，同時(shí)由委托方給與代理方一定激勵(lì)，確保代理方有足夠的動(dòng)力去履行交易電量，使代理人追求的利益目標(biāo)得到滿足，從而能夠做出符合委托人利益的行為。

而風(fēng)電場(chǎng)作為代理方，在履行委托電量的過(guò)程中會(huì)因風(fēng)電自身出力的隨機(jī)性對(duì)交易產(chǎn)生影響，本文忽略電網(wǎng)對(duì)風(fēng)電場(chǎng)接納出力的不確定性影響，認(rèn)為日前市場(chǎng)內(nèi)電網(wǎng)對(duì)風(fēng)電的接納能力在每個(gè)時(shí)段(1 h)內(nèi)是確定值。則選擇每個(gè)時(shí)段風(fēng)電預(yù)測(cè)出力大于電網(wǎng)對(duì)風(fēng)電的接納出力時(shí)，進(jìn)行風(fēng)火發(fā)電權(quán)交易。

風(fēng)電參與發(fā)電權(quán)交易應(yīng)與常規(guī)機(jī)組之間的發(fā)電權(quán)交易有所區(qū)別，風(fēng)電場(chǎng)根據(jù)自身的出力波動(dòng)、預(yù)測(cè)精度等因素影響，使得風(fēng)電場(chǎng)在履行交易電量的過(guò)程中存在電量偏差的情況，由此會(huì)使得風(fēng)電場(chǎng)產(chǎn)生一定的額外成本。若風(fēng)電出力無(wú)法滿足火電機(jī)組出讓發(fā)電量時(shí)，為了穩(wěn)定電力系統(tǒng)運(yùn)行，風(fēng)電場(chǎng)需向?qū)崟r(shí)市場(chǎng)以較高價(jià)格購(gòu)買(mǎi)偏差不足電量，其中購(gòu)買(mǎi)偏差不足電量所需的費(fèi)用以額外成本計(jì)及在風(fēng)電場(chǎng)發(fā)電成本模型中；若風(fēng)電出力能夠滿足火電機(jī)組轉(zhuǎn)讓發(fā)電份額時(shí)，風(fēng)電場(chǎng)有偏差盈余電量，風(fēng)電場(chǎng)將會(huì)選擇“棄風(fēng)”，且“棄風(fēng)”使得風(fēng)電場(chǎng)收益下降。所以，本文亦將“棄風(fēng)”損失的收益作為額外成本在風(fēng)電場(chǎng)發(fā)電成本予以考慮。

結(jié)合以上分析，風(fēng)電場(chǎng)完成交易的電量收益應(yīng)為火電機(jī)組給予的激勵(lì)減去自身的發(fā)電成本所得。倘若風(fēng)電場(chǎng)衡量交易所得收益能夠滿足自身期望時(shí)，便可與火電機(jī)組簽訂委托代理模式下風(fēng)火發(fā)電權(quán)交易合同。

2 交易收益模型

2.1 基于委托代理模式下的收益模型

結(jié)合無(wú)中間人參與的委托代理模式，火電機(jī)組的收益應(yīng)為委托交易電量收益部分減去支付給風(fēng)電場(chǎng)激勵(lì)部分的所得。風(fēng)電場(chǎng)收益為從火電機(jī)組獲得激勵(lì)的部分減去風(fēng)電場(chǎng)自身的發(fā)電成本所得。

2.1.1 目標(biāo)函數(shù)

(1)

式中：n、m分別為風(fēng)電場(chǎng)總數(shù)、火電機(jī)組總數(shù)；Rf為參與交易的所有火電機(jī)組總的委托收益；Rw.i為參與交易的所有風(fēng)電場(chǎng)i的代理收益；Pj.t為時(shí)段t火電機(jī)組j的上網(wǎng)電價(jià)；Qij.t為時(shí)段t風(fēng)電場(chǎng)i與火電機(jī)組j簽訂的委托代理電量；αi為風(fēng)電場(chǎng)i的的發(fā)電成本；βij.t為時(shí)段t火電機(jī)組j給與風(fēng)電場(chǎng)i的收益激勵(lì)，本文取線性激勵(lì)，其對(duì)應(yīng)的區(qū)間應(yīng)為(1,βmax)；Ri.0為風(fēng)電場(chǎng)i的收益底線；Ci.t為時(shí)段t風(fēng)電場(chǎng)i在交易過(guò)程中因電量偏差產(chǎn)生的風(fēng)電場(chǎng)額外發(fā)電成本。

2.1.2 約束條件

a) 交易電量限制條件。

(2)

式中：Pj.t、Pj.min分別為時(shí)段t常規(guī)機(jī)組j的計(jì)劃出力、最小出力；T為交易周期，取1 h；wi、wi.plan.t分別為風(fēng)電場(chǎng)i的實(shí)際出力和電網(wǎng)接納出力。

b) 機(jī)組收益約束條件。

(3)

c) 線路輸送功率約束條件。

(4)

式中：l為支路號(hào)，L為支路總數(shù)；Pl為支路l的有功潮流，Pl.max為對(duì)應(yīng)的限值。

d) 機(jī)組爬坡約束條件。

(5)

式中ξidown、ξiup分別為火電機(jī)組j有功出力下降速率和上升速率。

2.2 風(fēng)速偏差滿足正態(tài)分布的風(fēng)電場(chǎng)功率特性分析

本文采用風(fēng)速誤差模型來(lái)描述風(fēng)速分布。假定風(fēng)速預(yù)測(cè)誤差[14]Δv服從均值為0，方差為σ2的正態(tài)分布：Δv～N(0,σ2)。假設(shè)vf為風(fēng)速預(yù)測(cè)值，則實(shí)際風(fēng)速

(6)

則可以求解出實(shí)際風(fēng)速的概率密度函數(shù)

(7)

對(duì)應(yīng)的概率分布函數(shù)

(8)

簡(jiǎn)化風(fēng)電出力-風(fēng)速的模型[18]如下：

(9)

式中：wn為風(fēng)電場(chǎng)額定功率，MW；vi、vo、vn分別為風(fēng)機(jī)的切入風(fēng)速、切除風(fēng)速和額定風(fēng)速，m/s。

結(jié)合式(9)和式(11)可推導(dǎo)出風(fēng)電出力的概率密度函數(shù)

(10)

則相應(yīng)的風(fēng)電出力的分布函數(shù)為：

(11)

2.3 額外發(fā)電成本

本文風(fēng)電場(chǎng)i額外發(fā)電成本Ci.t包括風(fēng)電偏差不足電量額外成本CB.t和風(fēng)電盈余電量額外成本(棄風(fēng)成本)CQ.t兩部分，即

(12)

a) 當(dāng)Qi.t> Qi.R.t時(shí)，則

(15)

b) 當(dāng)Qi.t

(16)

式中：λB、λQ分別為風(fēng)電場(chǎng)出現(xiàn)偏差不足電量時(shí)向?qū)崟r(shí)市場(chǎng)所需要購(gòu)買(mǎi)偏差電量的成本系數(shù)和出現(xiàn)偏差盈余電量時(shí)風(fēng)電場(chǎng)選擇“棄風(fēng)”的成本系數(shù)，元/MWh。EB(Qi.t-Qi.R.t)為風(fēng)電偏差不足電量的期望值；EQ(Qi.R.t-Qi.t)為風(fēng)電盈余電量的期望值，MWh。

2.4 MEA算法對(duì)模型求解

思維進(jìn)化算法(mind evolutionary algorithm，MEA)[15]為模擬人類(lèi)思維進(jìn)化過(guò)程的一種進(jìn)化計(jì)算方法。不同于常規(guī)的智能優(yōu)化算法(如粒子群算法，遺傳算法等)，MEA是將一個(gè)種群分為若干個(gè)子群體，并且該子群體中又包含了優(yōu)勝子群體和臨時(shí)子群體兩類(lèi)。而優(yōu)勝子群體記錄了全局競(jìng)爭(zhēng)中的優(yōu)勝者信息，臨時(shí)子群體記錄全局競(jìng)爭(zhēng)過(guò)程。并根據(jù)“趨同”和“異化”兩個(gè)概念對(duì)算法進(jìn)行全局尋優(yōu)和局部演化操作，并把單層群體改造轉(zhuǎn)化為多層群體進(jìn)化，其算法的基本框架如下：

a) 種群初始化。設(shè)定種群的大小為N，優(yōu)勝子種群個(gè)數(shù)為best_N，臨時(shí)子種群個(gè)數(shù)為temp_N，迭代次數(shù)為iter。根據(jù)風(fēng)電場(chǎng)和火電機(jī)組的交易能力確定隨機(jī)樣本Q，并結(jié)合得分值(適應(yīng)度函數(shù)值)fitness(Q)產(chǎn)生MEA的初始種群initpop=[Qfitness(Q)]。最后以初始種群得分(適應(yīng)度值)fitness(Q)產(chǎn)生優(yōu)勝子群中心矩陣center(best_N，1)和臨時(shí)子群中心矩陣center(temp_N，1)。

b) “趨同”操作。將已選出的子群個(gè)體作為中心，且以該個(gè)體為中心隨機(jī)產(chǎn)生子群體，并根據(jù)得分(適應(yīng)度值)進(jìn)行排位操作，確定最優(yōu)的得分的個(gè)體予以保留，有機(jī)會(huì)參與“異化操作”，而得分劣勢(shì)的個(gè)體直接被淘汰。

c) “異化”操作。將“趨同”操作中獲勝的子群體進(jìn)行競(jìng)爭(zhēng)操作，若臨時(shí)子群體的競(jìng)爭(zhēng)中得分優(yōu)于優(yōu)勝子群體，將該臨時(shí)子群體取而代之，則該優(yōu)勝子群體被降為臨時(shí)子群體；反之，對(duì)于臨時(shí)子群體不足時(shí)應(yīng)隨機(jī)補(bǔ)充臨時(shí)子群體。

d) 收斂性判定。在迭代次數(shù)結(jié)束時(shí)終止或者滿足臨時(shí)子種群的所有得分(適應(yīng)度值)編號(hào)大于優(yōu)勝子種群的得分對(duì)應(yīng)的編號(hào)時(shí)退出迭代尋優(yōu)，否則繼續(xù)執(zhí)行“趨同”操作，直到滿足條件為止。

相對(duì)應(yīng)的MEA算法的進(jìn)化架構(gòu)如圖2所示。

3 算例分析

算例設(shè)定火電機(jī)組1—3計(jì)劃出力分別為：77 MW、103 MW、145 MW；機(jī)組常規(guī)參數(shù)和上網(wǎng)電價(jià)見(jiàn)表1。

圖2 MEA算法的進(jìn)化架構(gòu)

表1 火電機(jī)組的常規(guī)參數(shù)

火電機(jī)組Pmax/MWPmin/MWξdown/(MW·min-1)ξup/(MW·min-1)Pt/(元·MWh-1)115050-1.51.5420225075-2.5-2.54403350120-33440

依據(jù)文獻(xiàn)[16]設(shè)定購(gòu)買(mǎi)偏差電量成本系數(shù)取λB=400 元/MWh；“棄風(fēng)”成本系數(shù)取λQ=400 元/MWh；設(shè)定風(fēng)電場(chǎng)的風(fēng)機(jī)切入速度為vi=5 m/s；額定風(fēng)速vn=15 m/s；切除風(fēng)速vo=25 m/s；風(fēng)電場(chǎng)的額定功率為wn=200 MW。假定某個(gè)待交易時(shí)段T的風(fēng)速誤差的方差σ2取該時(shí)段風(fēng)速預(yù)測(cè)值的6%。結(jié)合典型IEEE-30節(jié)點(diǎn)系統(tǒng)[17]，假定待交易的火電機(jī)組的注入節(jié)點(diǎn)為2、5、8節(jié)點(diǎn)(即火電機(jī)組1接入節(jié)點(diǎn)2，火電機(jī)組2接入節(jié)點(diǎn)5，火電機(jī)組3接入節(jié)點(diǎn)8)，節(jié)點(diǎn)11、13、27為接入未參與交易的火電機(jī)組，風(fēng)電出力接入節(jié)點(diǎn)22，平衡機(jī)組為節(jié)點(diǎn)1。假定某時(shí)段風(fēng)速預(yù)測(cè)值、功率預(yù)測(cè)值以及電網(wǎng)接納功率分別為12.05 m/s、112.5 MW、62.5 MW。

基于2.1.2節(jié)機(jī)組收益約束分別進(jìn)行優(yōu)化可確定線性激勵(lì)β的區(qū)間為(1，2)，取線性激勵(lì)β的折中值1.5進(jìn)行委托代理模式下的風(fēng)火發(fā)電權(quán)交易模擬仿真，取MEA算法的最優(yōu)子群與遺傳算法和粒子群算法的收斂效果對(duì)比結(jié)果如圖3所示，而根據(jù)MEA算法優(yōu)化仿真得到本文算例優(yōu)化結(jié)果見(jiàn)表3。

圖3 MEA、遺傳、粒子群算法收斂對(duì)比

表2 委托代理模式下風(fēng)火發(fā)電權(quán)交易優(yōu)化結(jié)果

機(jī)組名稱電量/MWh收益/元火電機(jī)組16.08838.5火電機(jī)組228.004416.7火電機(jī)組325.003943.5風(fēng)電場(chǎng)59.085559.2

3.1 β對(duì)委托代理模式下風(fēng)火發(fā)電權(quán)交易的影響

選取不同的激勵(lì)β對(duì)委托代理模式下風(fēng)火發(fā)電權(quán)交易雙方的優(yōu)化收益和優(yōu)化交易電量如圖4所示。

圖4 不同激勵(lì)β對(duì)火電機(jī)組優(yōu)化收益及優(yōu)化交易電量的影響

3.2 σ2對(duì)委托代理模式下的風(fēng)火發(fā)電權(quán)交易的影響

依據(jù)本文風(fēng)速預(yù)測(cè)方差σ2選取為對(duì)應(yīng)時(shí)段一定比例系數(shù)k的風(fēng)速預(yù)測(cè)值vf，即風(fēng)速預(yù)測(cè)方差σ2=kvf(算例中k=6%)。那么選取不同的風(fēng)速預(yù)測(cè)值vf和不同比例系數(shù)k對(duì)優(yōu)化交易電量的影響如圖5、圖6所示。

圖5 不同風(fēng)速預(yù)測(cè)值對(duì)優(yōu)化交易電量的影響

由圖5可知，隨著風(fēng)速預(yù)測(cè)值增加，優(yōu)化出的交易電量和優(yōu)化的火電機(jī)組收益也會(huì)隨著增加，這是因?yàn)樵陲L(fēng)速預(yù)測(cè)方差σ2的比例系數(shù)k不變的前提下，風(fēng)電場(chǎng)預(yù)測(cè)功率會(huì)隨著風(fēng)速預(yù)測(cè)值增大而增加，且風(fēng)電場(chǎng)額外發(fā)電成本Ci.t的變化先遞減后增加，并在功率預(yù)測(cè)值附近能夠達(dá)到最小值。所以根據(jù)本文的優(yōu)化模型優(yōu)化出的交易電量會(huì)向風(fēng)電功率預(yù)測(cè)值靠近。這就使得風(fēng)速預(yù)測(cè)值增加，優(yōu)化交易電量也會(huì)增加。且在火電機(jī)組上網(wǎng)電價(jià)和給予風(fēng)電場(chǎng)的激勵(lì)一定的前提下，優(yōu)化的交易電量增加使得對(duì)應(yīng)的火電機(jī)組的優(yōu)化收益自然也會(huì)增加。

由圖6可看出，比例系數(shù)k增大，優(yōu)化出的交易電量增大，而對(duì)應(yīng)的優(yōu)化收益會(huì)隨之減小，這是因?yàn)樵趘f不變的前提下，風(fēng)速預(yù)測(cè)方差σ2的比例系數(shù)k增大，使得風(fēng)電場(chǎng)額外發(fā)電成本Ci.t增大，火電機(jī)組需支付給風(fēng)電場(chǎng)的費(fèi)用增加，使得火電機(jī)組的整個(gè)優(yōu)化收益減少。同時(shí)優(yōu)化目標(biāo)模型為了獲得相對(duì)較多的優(yōu)化收益，只得適當(dāng)增加交易電量。

4 結(jié)論

本文借鑒委托代理理論，分析了該理論模式下風(fēng)火發(fā)電權(quán)交易的市場(chǎng)結(jié)構(gòu)和交易機(jī)理，并結(jié)合風(fēng)電自身特點(diǎn)提出了在風(fēng)火發(fā)電權(quán)交易中計(jì)及風(fēng)電偏差電量成本的委托代理收益模型。通過(guò)算例仿真得出以下結(jié)論：

a) 以火電機(jī)組作為委托方在風(fēng)火發(fā)電權(quán)交易中占主導(dǎo)地位，能夠更充分調(diào)動(dòng)火電機(jī)組的積極性，愿意從常規(guī)機(jī)組之間的發(fā)電權(quán)交易轉(zhuǎn)移到風(fēng)火發(fā)電權(quán)交易中來(lái)。同時(shí)最大限度的保證了火電機(jī)組的自身利益，又能促進(jìn)風(fēng)電的消納。

b) 在本文的委托代理模式下的風(fēng)火發(fā)電權(quán)交易中，火電機(jī)組給與風(fēng)電場(chǎng)較小的激勵(lì)β會(huì)對(duì)委托方的收益和委托交易電量有好處，但于風(fēng)電場(chǎng)而言，所獲得的收益會(huì)相對(duì)較小。激勵(lì)β過(guò)大，對(duì)風(fēng)電場(chǎng)有利，而于火電機(jī)組收益和交易電量不利。所以，權(quán)衡激勵(lì)β適當(dāng)值對(duì)于風(fēng)火交易雙方顯得尤為重要，也確保雙方有動(dòng)力去參與風(fēng)火發(fā)電權(quán)交易。

c) 無(wú)論風(fēng)速預(yù)測(cè)值vf和比例系數(shù)k的哪種變化，最終對(duì)應(yīng)風(fēng)速預(yù)測(cè)方差σ2的變化，而風(fēng)速預(yù)測(cè)方差σ2增大會(huì)增加優(yōu)化的委托交易電量，同時(shí)也會(huì)增加風(fēng)電場(chǎng)的收益。但對(duì)于整個(gè)優(yōu)化目標(biāo)收益而言是不利的，會(huì)減少目標(biāo)函數(shù)的優(yōu)化收益。所以，風(fēng)電場(chǎng)的預(yù)測(cè)精度仍然是進(jìn)行委托代理模式下風(fēng)火發(fā)電權(quán)交易的重要因素，火電機(jī)組會(huì)優(yōu)先與預(yù)測(cè)精度高的風(fēng)電場(chǎng)進(jìn)行發(fā)電權(quán)交易。

[1] 李莉.電力產(chǎn)業(yè)節(jié)能減排機(jī)制設(shè)計(jì)模型與方法研究[D].北京：華北電力大學(xué)，2011.

[2] 張顯，耿建，龐博，等.發(fā)電權(quán)交易在中國(guó)節(jié)能減排中的應(yīng)用及分析[J].電力系統(tǒng)自動(dòng)化，2014，38(17)：87-90.

ZHANG Xian，GENG Jian，PANG Bo，et al.Application and Analysis of Generation Right Trade in Energy-saving and Emission Reduction in China[J].Automation of Electric Power Systems，2014，38(17)：87-90.

[3] 李碧輝，申洪，湯涌，等.風(fēng)光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)儲(chǔ)能容量對(duì)有功功率的影響及評(píng)價(jià)指標(biāo)[J].電網(wǎng)技術(shù)，2011，35(4)：123-128.

LI Bihui，SHEN Hong，TANG Yong，et al.Impacts of Energy Storage Capacity Configuration of HPWS to Active Power Characteristics and Its Relevant indices[J].Power System Technology，2011，35(4)：123-128.

[4] 熊猛，高峰，張海峰，等.基于混合儲(chǔ)能系統(tǒng)的風(fēng)電場(chǎng)調(diào)度策略[J].電網(wǎng)技術(shù)，2014，38(5)：1242-1249.

XIONG Meng，GAO Feng，ZHANG Haifeng，et al.Hybrid Energy Storage Based Generation Scheduling of Wind Farms[J].Power System Technology，2014，38(5)：1242-1249.

[5] 屠競(jìng)哲，張健，劉明松，等.風(fēng)火打捆直流外送系統(tǒng)直流故障引發(fā)風(fēng)機(jī)脫網(wǎng)的問(wèn)題研究[J].電網(wǎng)技術(shù)，2015，39(12)：3333-3338.

TU Jingzhe，ZHANG Jian，LIU Mingsong，et al.Study on Wind Turbine Generators Tripping Caused by HVDC Contingencies of Wind-thermal-bundled HVDC Transmission Systems[J].Power System Technology，2015，39(12)：3333-3338.

[6] 李生福，張愛(ài)玲，李少華，等.“風(fēng)火打捆”交直流外送系統(tǒng)的暫態(tài)穩(wěn)定控制研究[J].電力系統(tǒng)保護(hù)與控制，2015，43(1)：108-114.

LI Shengfu，ZHANG Ailing，LI Shaohua，et al.Study on Transient Stability Control for Wind-thermal-bundled Power Transmitted by AC/DC System[J].Power System Protection and Control，2015，43(1)：108-114.

[7] 汪寧渤，王建東，何世恩.酒泉風(fēng)電跨區(qū)消納模式及其外送方案[J].電力系統(tǒng)自動(dòng)化，2011，35(22)：82-89.

WANG Ningbo，WANG Jiandong，HE Shien.Cross-border Accommodation Method and Transmission Scheme of Jiuquan Wind Power[J].Automation of Electric Power Systems,2011，35(22)：82-89.

[8] 劉秋華，鄭亞先，楊勝春.長(zhǎng)周期大范圍風(fēng)電消納的電力電量聯(lián)合優(yōu)化模型與應(yīng)用[J].電力系統(tǒng)自動(dòng)化, 2015，39(18)：145-150.

LIU Qiuhua,ZHENG Yaxian，YANG Shengchun.A Power and Energy Joint Optimization Model and Its Application for Long-term Large-range Wind Power Accommodation[J].Automation of Electric Power Systems，2015，39(18)：145-150.

[9] 張世帥，張學(xué)松，王文，等.發(fā)電權(quán)交易下的節(jié)能減排指標(biāo)設(shè)計(jì)及應(yīng)用分析[J].電網(wǎng)技術(shù)，2010，8(11)：156-161.

ZHANG Shishuai，ZHANG Xuesong，WANG Wen，et al.Design and Application Analysis of Two Indices of Energy-saving and Emission-reducing Based on Generation Right Trading[J].Power System Technology，2010，8(11)：156-161.

[10] 李豐，張粒子.大規(guī)模風(fēng)電跨省消納與交易機(jī)制的研究[J].電力自動(dòng)化設(shè)備，2013，33(8)：119-124.

LI Feng，ZHANG Lizi.Accommodation and Transaction Mechanism of Transprovincial Large-scale Wind Power[J].Electric Power Automation Equipment，2013，33(8)：119-124.

[11] 吳楊，劉俊勇，高紅均，等.基于風(fēng)險(xiǎn)決策的風(fēng)火發(fā)電權(quán)交易研究[J].電網(wǎng)技術(shù)，2016，40(3)：1-7.

WU Yang，LIU Junyong，GAO Hongjun，et al.Study on Transaction Risk Decision Based on Wind Power[J].Power System Technology，2016，40(3)：1-7.

[12] 莫莉，周建中，向秀橋，等.基于多任務(wù)委托代理的發(fā)電權(quán)交易協(xié)調(diào)激勵(lì)機(jī)制[J].電力系統(tǒng)自動(dòng)化，2008，32(23)：51-55.

MO Li，ZHOU Jianzhong，XIANG Xiuqiao，et al.A Multi-task Principal-agent Based Coordinative Incentive Mechanism of Generation Right Trade[J].Automation of Electric Power Systems，2008，32(23)：51-55.

[13] 金鵬.公平偏好下國(guó)企高管最優(yōu)顯性和隱性激勵(lì)組合研究[D].長(zhǎng)沙：湖南大學(xué)，2012.

[14] 耿俊梅，申玉霞.計(jì)及風(fēng)力發(fā)電的電力系統(tǒng)經(jīng)濟(jì)調(diào)度[J].華東電力，2014，42(8)：1651-1655.

GENG Junmei，SHEN Yuxia.Economic Dispatch of Power System Considering Wind Power[J].East China Electric Power，2014，42(8)：1651-1655.

[15] 謝克明，邱玉霞.基于數(shù)列模型的思維進(jìn)化算法收斂性分析[J].系統(tǒng)工程與電子技術(shù)，2007，29(2)：308-311.

XIE Keming，QIU Yuxia.Convergence Analysis of Mind Evolutionary Algorithm Based on Sequence Model[J].Systems Engineering And Electronics，2007，29(2)：308-311.

[16] 江岳文，溫步瀛.結(jié)合風(fēng)電功率超短期預(yù)測(cè)值偏差的實(shí)時(shí)市場(chǎng)調(diào)度[J].電力自動(dòng)化設(shè)備，2015，35(3)：12-17.

JIANG Yuewen，WEN Buying.Real-time Market Dispatch Based on Ultra-short-term Forecast Error of Wind Power[J].Electric Power Automation Equipment，2015，35(3)：12-17.

[17] 劉德偉，郭劍波，黃越輝，等.基于風(fēng)電功率概率預(yù)測(cè)和運(yùn)行風(fēng)險(xiǎn)約束的含風(fēng)電場(chǎng)電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度[J].中國(guó)電機(jī)工程學(xué)報(bào)，2013，33(16)：9-15.

LIU Dewei，GUO Jianbo，HUANG Yuehui，et al.Dynamic Economic Dispatch of Wind Integrated Power System Based on Wind Power Probabilistic Forecasting and Operation Risk Constraints[J].Proceedings of the CSEE，2013，33(16)：9-15.

余代海 (1987)，男，湖北恩施人。在讀碩士研究生，研究方向?yàn)轱L(fēng)電并網(wǎng)優(yōu)化運(yùn)行、電力系統(tǒng)優(yōu)化運(yùn)行。

江岳文(1977)，女，湖南岳陽(yáng)人。副教授，工學(xué)博士，碩士生導(dǎo)師，研究方向?yàn)轱L(fēng)電并網(wǎng)優(yōu)化運(yùn)行、電力系統(tǒng)優(yōu)化運(yùn)行。

王良緣(1978)，男，福建泉州人。高級(jí)工程師，工學(xué)碩士，研究方向?yàn)殡娏κ袌?chǎng)。

(編輯 王朋)

Research on Wind Power and Thermal Power Generation Rights Trading Based on Mind Evolutionary Algorithm Under the Principal-agent Mode

YU Daihai1, JIANG Yuewen1, WANG Liangyuan2

(1.College of Electrical Engineering and Automation, Fuzhou University, Fuzhou, Fujian 350108, China; 2.State Grid Fujian Electric Power Limited Company, Fuzhou, Fujian 350108, China)

As wind power faces with more and more serious wind abandoning problem, in order to solve the problem of wind power absorption, it is worth to discuss generation rights trading between wind power and conventional power units so as to finish secondwind power absorption.Therefore, this paper discusses market structure and trading mechanism of wind power and thermal power generation rights by combining characteristics of random and intermittent of wind power output and comprehensively considering principal-agent principles, it also presents a principal-agent benefit model considering wind power deviation electricity costs in generation rights trading.Combining mind evolutionary algorithm (MEA), it conducts example simulation on the trading model of IEEE-30 node system and the results verify reasonability of the wind power and thermal power generation rights trading model under the principal-agent mode.By simulation, it also tries to provide a kind of reasonable trading method for second wind power absorption.

generation right trading; principal-agent; deviation electricity cost; mind evolutionary algorithm; wind power absorption

2016-05-23

2016-08-10

福建省自然科學(xué)基金(2013J01176)

10.3969/j.issn.1007-290X.2016.11.012

TM71

A

1007-290X(2016)11-0057-07