考慮日前現(xiàn)貨市場風(fēng)險(xiǎn)的電力負(fù)荷參與系統(tǒng)調(diào)峰控制模型

韓小齊，劉文穎，龐清侖，申自裕，李亞樓

考慮日前現(xiàn)貨市場風(fēng)險(xiǎn)的電力負(fù)荷參與系統(tǒng)調(diào)峰控制模型

韓小齊1，劉文穎1，龐清侖1，申自裕1，李亞樓2

(1.新能源電力系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室(華北電力大學(xué))，北京 102206；2.中國電力科學(xué)研究院，北京 100192)

我國發(fā)布的“雙碳”政策進(jìn)一步促進(jìn)了以風(fēng)光電為主的新能源發(fā)展，高比例新能源并網(wǎng)的同時帶來了系統(tǒng)調(diào)峰問題。為增加系統(tǒng)的調(diào)峰能力，將電力可調(diào)節(jié)負(fù)荷逐步納入系統(tǒng)調(diào)峰，使電力負(fù)荷參與現(xiàn)貨市場交易可達(dá)到間接調(diào)峰效果，但負(fù)荷參與現(xiàn)貨市場交易存在一定的收益風(fēng)險(xiǎn)。為此，提出一種考慮日前現(xiàn)貨市場風(fēng)險(xiǎn)的電力負(fù)荷參與系統(tǒng)調(diào)峰控制模型。首先，分析電力負(fù)荷參與系統(tǒng)調(diào)峰的作用機(jī)理。其次，在國內(nèi)日前現(xiàn)貨市場交易機(jī)制的基礎(chǔ)上，基于VaR(Value of Risk)法與極值理論，對電力可調(diào)節(jié)負(fù)荷參與日前現(xiàn)貨市場交易風(fēng)險(xiǎn)進(jìn)行量化分析?；诖耍瑫r考慮風(fēng)光電出力與基礎(chǔ)負(fù)荷的不確定性風(fēng)險(xiǎn)，建立考慮日前現(xiàn)貨市場風(fēng)險(xiǎn)的負(fù)荷參與系統(tǒng)調(diào)峰雙層控制模型，并通過KKT條件轉(zhuǎn)化為單層混合整數(shù)線性規(guī)劃。最后，通過實(shí)例仿真，驗(yàn)證所提模型的有效性。結(jié)果表明，所提模型在保證日前調(diào)峰效果的同時可提高負(fù)荷收益，為現(xiàn)貨市場交易環(huán)境下的系統(tǒng)日前調(diào)峰提供可行的新思路。

調(diào)峰；可調(diào)節(jié)負(fù)荷；日前現(xiàn)貨市場；交易風(fēng)險(xiǎn)；VaR；極值理論

0 引言

隨著我國“雙碳”目標(biāo)的提出，高比例新能源接入電網(wǎng)成為必然發(fā)展趨勢，截至2020年底，我國新能源發(fā)電裝機(jī)總規(guī)模達(dá)到9.3億kW，占總裝機(jī)的比重達(dá)到42.4%，且到“十四五”末我國新能源發(fā)電裝機(jī)占電力總裝機(jī)的比例將超過50%。同時火電常規(guī)機(jī)組占比的降低將導(dǎo)致系統(tǒng)調(diào)峰能力的下降。為解決高比例新能源并網(wǎng)帶來的調(diào)峰問題，亟需尋找適應(yīng)現(xiàn)狀的調(diào)峰新途徑。

隨著電力改革不斷深化，諸多電力負(fù)荷積極參與直接電力交易[1-3]。一方面，可連續(xù)調(diào)節(jié)特性使其成為良好的可控調(diào)峰資源；另一方面，改變原生產(chǎn)計(jì)劃提高的的經(jīng)濟(jì)收益，為電力負(fù)荷參與調(diào)峰控制提供了可能性。因此，利用負(fù)荷側(cè)資源參與調(diào)峰具有一定可行性。

一方面負(fù)荷可通過激勵響應(yīng)控制[4-7]參與系統(tǒng)調(diào)峰，文獻(xiàn)[8]研究了提高不同電力用戶參與調(diào)峰積極性的激勵策略，并設(shè)計(jì)了量化的激勵合同；文獻(xiàn)[9]針對居民用戶響應(yīng)行為多樣化造成的限制參與需求響應(yīng)業(yè)務(wù)問題，提出了基于神經(jīng)網(wǎng)絡(luò)的預(yù)測模型；文獻(xiàn)[10]提出了改善用戶的需求響應(yīng)偏差的配置方法；文獻(xiàn)[11-13]重點(diǎn)探討用戶側(cè)需求響應(yīng)潛力評估方法以及需求響應(yīng)資源的有效組織和調(diào)控策略。

另一方面負(fù)荷可通過參與現(xiàn)貨市場交易來間接調(diào)峰，文獻(xiàn)[14]提出了調(diào)峰需求下PJM與NEW對我國建立需求響應(yīng)市場化交易的啟示；文獻(xiàn)[15]根據(jù)國內(nèi)現(xiàn)貨市場中用戶報(bào)量不報(bào)價方式下的市場運(yùn)行特點(diǎn)，提出了現(xiàn)貨市場下負(fù)荷效益最優(yōu)需求響應(yīng)機(jī)制。文獻(xiàn)[16]針對特定的蓄熱式電采暖負(fù)荷，設(shè)計(jì)其參與中長期市場的交易模式；文獻(xiàn)[17-18]在分析我國電力市場與需求響應(yīng)現(xiàn)狀后，提出面向國內(nèi)電力市場的“現(xiàn)貨市場+輔助服務(wù)”需求響應(yīng)機(jī)制。

上述對負(fù)荷參與調(diào)峰的研究均從上層設(shè)計(jì)角度入手，未充分考慮在市場機(jī)制下電力負(fù)荷作為市場主體參與交易的收益風(fēng)險(xiǎn)。因此本文提出考慮日前現(xiàn)貨市場風(fēng)險(xiǎn)的負(fù)荷參與系統(tǒng)調(diào)峰控制模型。首先分析電力負(fù)荷參與系統(tǒng)調(diào)峰的作用機(jī)理。其次在當(dāng)前國內(nèi)日前現(xiàn)貨市場交易機(jī)制的基礎(chǔ)上，基于極值理論與VaR法對電力負(fù)荷參與日前現(xiàn)貨市場交易風(fēng)險(xiǎn)進(jìn)行量化分析。然后建立考慮日前現(xiàn)貨市場風(fēng)險(xiǎn)的負(fù)荷參與系統(tǒng)調(diào)峰雙層控制模型，上層(系統(tǒng)調(diào)峰控制層)以系統(tǒng)“下調(diào)峰”需求與負(fù)荷參與調(diào)節(jié)量差值最小為優(yōu)化目標(biāo)，優(yōu)化各可調(diào)節(jié)負(fù)荷參與調(diào)峰控制量，并將優(yōu)化結(jié)果傳遞至下層邊界條件；下層(負(fù)荷參與控制層)以可調(diào)節(jié)負(fù)荷收益最大為優(yōu)化目標(biāo)，優(yōu)化各可調(diào)節(jié)負(fù)荷參與調(diào)峰間接控制量與直接控制量，并反饋修正上層控制模型邊界條件。而后利用KKT條件轉(zhuǎn)化為單層混合整數(shù)線性規(guī)劃問題求解。最后以國內(nèi)某地現(xiàn)貨市場交易數(shù)據(jù)為背景，驗(yàn)證本文所提模型的有效性與優(yōu)越性，結(jié)果表明所提模型在保證調(diào)峰效果的同時可提高負(fù)荷收益，為現(xiàn)貨市場交易環(huán)境下的系統(tǒng)調(diào)峰提供可行的新思路。

1 電力負(fù)荷參與系統(tǒng)日前調(diào)峰的作用機(jī)理

1.1 高比例新能源接入后系統(tǒng)日前調(diào)峰問題

具有隨機(jī)波動性的高比例風(fēng)光電機(jī)組并網(wǎng)后，日前出力預(yù)測值可等效為數(shù)值為負(fù)的負(fù)荷功率，本文將其疊加在負(fù)荷曲線上形成等效負(fù)荷曲線，以此來分析高比例新能源接入后的系統(tǒng)日前調(diào)峰問題。圖1為高比例新能源接入對系統(tǒng)日前調(diào)峰影響示意圖。

圖1 高比例新能源接入對系統(tǒng)日前調(diào)峰影響示意圖

如圖1所示，在高比例新能源并網(wǎng)后，等效負(fù)荷峰谷差較大，反調(diào)峰特性顯著。由于常規(guī)機(jī)組接入容量相對降低，造成常規(guī)機(jī)組“下調(diào)峰”能力不足，在新能源高峰時段產(chǎn)生“下調(diào)峰”缺額，從而出現(xiàn)新能源受阻，如圖1中陰影面積所示。

1.2 電力負(fù)荷參與系統(tǒng)調(diào)峰的作用機(jī)理

我國一些大容量電力負(fù)荷具有可調(diào)節(jié)容量大、響應(yīng)速度快的特點(diǎn)，且響應(yīng)速度可達(dá)秒級，在系統(tǒng)“下調(diào)峰”時段增加用電功率，可在一定程度上解決由于高比例新能源接入引起的系統(tǒng)“下調(diào)峰”能力不足問題。表1為國內(nèi)某區(qū)域可調(diào)節(jié)電力負(fù)荷信息。

表1 國內(nèi)某區(qū)域可調(diào)節(jié)負(fù)荷信息

圖2為可調(diào)節(jié)負(fù)荷調(diào)節(jié)前后對系統(tǒng)調(diào)峰影響示意圖?？梢姡笕萘侩娏ω?fù)荷在不參加調(diào)峰控制時，一般在額定用電功率下運(yùn)行，但對于大容量可調(diào)節(jié)工業(yè)負(fù)荷，在短時間內(nèi)具有5%的上調(diào)裕度，利用這一調(diào)節(jié)特性，根據(jù)新能源預(yù)測功率調(diào)整用電計(jì)劃，在“下調(diào)峰”對應(yīng)的20：00—06：00時段提高用電功率，進(jìn)而減少“下調(diào)峰”時段的調(diào)峰缺額。

1.3 電力負(fù)荷參與系統(tǒng)調(diào)峰的市場風(fēng)險(xiǎn)

大容量可調(diào)節(jié)負(fù)荷滿足日前現(xiàn)貨市場準(zhǔn)入條件，可通過日前現(xiàn)貨市場交易間接參與系統(tǒng)調(diào)峰，由于參與日前現(xiàn)貨市場的新能源出力預(yù)測誤差、市場主體申報(bào)等不確定因素，導(dǎo)致市場供需關(guān)系存在一定的不確定性，進(jìn)而導(dǎo)致價格波動，給可調(diào)節(jié)負(fù)荷帶來一定的收益風(fēng)險(xiǎn)。

圖2 可調(diào)節(jié)負(fù)荷調(diào)節(jié)前后對系統(tǒng)日前調(diào)峰影響示意圖

當(dāng)可調(diào)節(jié)電力負(fù)荷參與現(xiàn)貨市場交易，依據(jù)交易結(jié)果調(diào)節(jié)自身用電行為時，若參與調(diào)節(jié)部分市場電價高于“期望”，則會給電力負(fù)荷企業(yè)收益帶來風(fēng)險(xiǎn)損失；若參與調(diào)節(jié)部分電價低于“期望”，電力負(fù)荷企業(yè)獲得收益。

2 電力負(fù)荷參與日前現(xiàn)貨市場交易風(fēng)險(xiǎn)分析

2.1 電力負(fù)荷參與日前現(xiàn)貨市場交易機(jī)制

可調(diào)節(jié)負(fù)荷參與日前現(xiàn)貨市場需上報(bào)電能量曲線，需考慮出清電價與購電量兩方面因素。依據(jù)現(xiàn)有交易機(jī)制[1-3]提出如下假設(shè)：

1) 為保障新能源機(jī)組發(fā)電最大化，允許新能源場站在日前市場以超低價格進(jìn)行申報(bào)，本文假設(shè)新能源機(jī)組現(xiàn)貨市場申報(bào)出力全部中標(biāo)，并以日前預(yù)測出力表示其申報(bào)出力；

2) 由于國內(nèi)日前現(xiàn)貨市場負(fù)荷主體占比小于發(fā)電側(cè)，假設(shè)電力負(fù)荷中可調(diào)節(jié)負(fù)荷申報(bào)電量全部中標(biāo)；

3) 多地日前現(xiàn)貨市場出清采用統(tǒng)一出清價格[1-3]，出清價格小于中標(biāo)電力負(fù)荷申報(bào)電價，滿足負(fù)荷預(yù)期，本文假設(shè)負(fù)荷出清電價即電力負(fù)荷申報(bào)電價。

2.2 日前現(xiàn)貨市場交易風(fēng)險(xiǎn)分析

1) 基于VaR理論的風(fēng)險(xiǎn)度量

電力市場現(xiàn)貨的價格波動，實(shí)質(zhì)為新能源預(yù)測誤差、市場主體申報(bào)不確定性等多重因素影響電力供需關(guān)系，與商品相關(guān)的市場因子相似。依據(jù)市場因子推演的VaR計(jì)算方法來計(jì)算日前現(xiàn)貨市場風(fēng)險(xiǎn)，假設(shè)負(fù)荷損益服從正態(tài)分布。

2) 基于極值理論的風(fēng)險(xiǎn)價值VaR

可證明服從廣義帕累托分布，如式(7)所示。

應(yīng)用極值理論計(jì)算風(fēng)險(xiǎn)，結(jié)合VaR計(jì)算方法，依據(jù)置信概率下分位數(shù)得到尾部風(fēng)險(xiǎn)VaR，如式(10)所示。

圖3 國內(nèi)某地日前現(xiàn)貨市場某時段的價格樣本統(tǒng)計(jì)分布

國內(nèi)電力負(fù)荷參與日前現(xiàn)貨市場交易樣本少，此情況下的超額均值函數(shù)采用式(12)定義簡化。

3 考慮日前現(xiàn)貨市場風(fēng)險(xiǎn)的電力負(fù)荷參與系統(tǒng)調(diào)峰控制模型

3.1 電力負(fù)荷參與系統(tǒng)日前調(diào)峰控制模型構(gòu)架

在日前尺度下，同時考慮系統(tǒng)調(diào)峰控制與負(fù)荷參與市場交易趨利兩方面優(yōu)化問題，且本文中負(fù)荷參與市場交易結(jié)果需服務(wù)于調(diào)峰控制優(yōu)化模型，故采用雙層控制模型?？烧{(diào)節(jié)負(fù)荷參與系統(tǒng)調(diào)峰雙層控制模型構(gòu)架如圖4所示。將可調(diào)節(jié)負(fù)荷參與調(diào)峰控制分為直接控制與間接控制兩部分，直接控制部分采用激勵響應(yīng)中的直接控制，對負(fù)荷參與直接控制量進(jìn)行補(bǔ)貼；間接控制部分通過市場供需關(guān)系引導(dǎo)負(fù)荷參與交易，達(dá)到間接調(diào)峰的目的。

圖4 可調(diào)節(jié)負(fù)荷參與系統(tǒng)日前調(diào)峰雙層控制模型構(gòu)架

由圖4可知，在空間層面分為兩層，上層為系統(tǒng)調(diào)峰控制層，下層為負(fù)荷參與控制層。上層風(fēng)光電日前出力預(yù)測、系統(tǒng)負(fù)荷日前預(yù)測、常規(guī)機(jī)組調(diào)峰能力以及可調(diào)節(jié)負(fù)荷運(yùn)行約束作為模型輸入，以系統(tǒng)“下調(diào)峰”需求與負(fù)荷參與調(diào)節(jié)量差值最小為優(yōu)化目標(biāo)，優(yōu)化變量為各可調(diào)節(jié)負(fù)荷參與調(diào)峰控制量；下層控制模型以可調(diào)節(jié)負(fù)荷收益最大為優(yōu)化目標(biāo)，優(yōu)化變量為各可調(diào)節(jié)負(fù)荷參與調(diào)峰間接控制量與直接控制量。

在時間層面上，上層控制模型優(yōu)化“下調(diào)峰”時段的變量，下層模型優(yōu)化所有時段的變量。

上層模型決策主體為系統(tǒng)側(cè)，下層模型決策主體為負(fù)荷側(cè)，為實(shí)現(xiàn)上下層主體協(xié)調(diào)統(tǒng)一決策，引入市場運(yùn)營機(jī)構(gòu)與負(fù)荷代理商[11]。上層決策主體得到最優(yōu)可調(diào)節(jié)負(fù)荷參與調(diào)峰控制結(jié)果，并上傳至市場運(yùn)營機(jī)構(gòu)，市場運(yùn)營機(jī)構(gòu)依據(jù)系統(tǒng)側(cè)上傳結(jié)果修正負(fù)荷參與調(diào)峰范圍，負(fù)荷代理商以此制定下層模型邊界條件，輸出各可調(diào)節(jié)負(fù)荷參與調(diào)峰直接控制量、間接控制量，然后由市場運(yùn)營機(jī)構(gòu)將其反饋至上層系統(tǒng)側(cè)，修正上層邊界條件，如此迭代至上層控制模型邊界條件不再需要修正，最后實(shí)現(xiàn)調(diào)峰控制量與可調(diào)節(jié)負(fù)荷利益的均衡。

3.2 上層控制模型

1) 目標(biāo)函數(shù)

系統(tǒng)調(diào)峰控制層在“下調(diào)峰”時段以系統(tǒng)“下調(diào)峰”需求與可調(diào)節(jié)負(fù)荷參與調(diào)節(jié)量差值最小為優(yōu)化目標(biāo)，優(yōu)化變量為可調(diào)節(jié)負(fù)荷參與系統(tǒng)調(diào)峰控制量。

2) 約束條件

(1) 可調(diào)節(jié)負(fù)荷運(yùn)行功率約束

可調(diào)節(jié)負(fù)荷參與調(diào)峰控制時，運(yùn)行功率在設(shè)備允許范圍之內(nèi)。

(2) 負(fù)荷爬坡率約束

利用可調(diào)節(jié)負(fù)荷參與系統(tǒng)調(diào)峰控制，由于風(fēng)光電出力波動造成系統(tǒng)“下調(diào)峰”曲線波動，在“下調(diào)峰”時段可調(diào)節(jié)負(fù)荷參與控制來滿足系統(tǒng)調(diào)峰需求時，可能也會出現(xiàn)功率波動，調(diào)節(jié)各時段用電功率需考慮負(fù)荷爬坡率。

(3) 可調(diào)節(jié)負(fù)荷收益滿意度約束

為使可調(diào)節(jié)負(fù)荷參與調(diào)峰控制可行，應(yīng)保證負(fù)荷參與調(diào)峰控制后收益大于參與控制前收益，以“全電量”參與調(diào)峰直接控制、“全電量”參與調(diào)峰間接控制收益均大于零表示，此處收益為負(fù)荷參與控制前后的相對收益。

進(jìn)一步考慮式(21)中風(fēng)光電出力、基礎(chǔ)負(fù)荷的不確定性風(fēng)險(xiǎn)，考慮風(fēng)光荷的預(yù)測誤差難以用概率分布描述，引入信息間隙決策理論(Information Gap Decision Theory, IGDT)表示其不確定性[22]，對風(fēng)光荷不確定性首先采用包絡(luò)約束建模。

考慮決策主體更傾向于有利結(jié)果，建立機(jī)會模型(Opportunity Model, OM)，如式(26)所示。

3.3 下層控制模型

1) 目標(biāo)函數(shù)

“下調(diào)峰”時段新能源機(jī)組出力較大，由2.1節(jié)市場機(jī)制可知此時現(xiàn)貨市場競價空間較小，價格波動較緩，極端風(fēng)險(xiǎn)損失不會出現(xiàn)，此時假設(shè)損益服從正態(tài)分布，采用VaR風(fēng)險(xiǎn)模型計(jì)算，如式(28)和式(29)所示；其余時段市場競價空間較大，易出現(xiàn)極端風(fēng)險(xiǎn)，采取基于極值理論的風(fēng)險(xiǎn)VaR模型計(jì)算，如式(30)—式(32)所示。

2) 約束條件

(1) 上層系統(tǒng)調(diào)峰控制層形成約束

在“下調(diào)峰”時段，可調(diào)節(jié)負(fù)荷參與系統(tǒng)調(diào)峰控制量包括參與直接控制、間接控制兩部分，如式(33)所示。

(2) 可調(diào)節(jié)負(fù)荷運(yùn)行約束

在約束條件(1)的基礎(chǔ)上，參與系統(tǒng)調(diào)峰控制兩部分均應(yīng)滿足運(yùn)行范圍：

(3) 生產(chǎn)供需平衡約束

可調(diào)節(jié)負(fù)荷用電需滿足生產(chǎn)用電需求，包括“下調(diào)峰”時段參與系統(tǒng)調(diào)峰控制量、其余時段參與系統(tǒng)調(diào)峰的間接控制量即日前現(xiàn)貨市場可調(diào)節(jié)負(fù)荷出清電量。

(4) 負(fù)荷爬坡率約束

在非“下調(diào)峰”時段，負(fù)荷參與現(xiàn)貨市場交易滿足收益的同時，應(yīng)考慮負(fù)荷爬坡率限制，由于負(fù)荷參與控制的時間尺度均相同，約束與上層模型爬坡率約束一致。

(5) 負(fù)荷調(diào)節(jié)時間約束

可調(diào)節(jié)負(fù)荷參與調(diào)峰控制，為保證設(shè)備壽命、最低生產(chǎn)要求，可調(diào)節(jié)負(fù)荷運(yùn)行時間有如下約束。

3.4 模型求解

首先，對確定性雙層模型進(jìn)行求解。上層系統(tǒng)調(diào)峰控制層模型見式(20)—式(24)，下層負(fù)荷參與控制層模型見式(27)—式(39)，下層控制模型為具有凸函數(shù)性質(zhì)的非線性規(guī)劃問題，將負(fù)的下層目標(biāo)函數(shù)與約束條件構(gòu)造成拉格朗日函數(shù)，并轉(zhuǎn)化為KKT條件，利用大M法對下層模型不等式約束進(jìn)行松弛，然后并入上層控制模型的約束條件，以此轉(zhuǎn)化為單目標(biāo)規(guī)劃問題。

形成的單層優(yōu)化問題本質(zhì)為單目標(biāo)混合整數(shù)線性規(guī)劃，可利用Matlab中的YALMIP優(yōu)化算法包和CPLEX優(yōu)化算法包進(jìn)行聯(lián)合求解。

4 算例仿真

4.1 算例概述

為驗(yàn)證本文所提模型的有效性，算例設(shè)置如下4種場景。基于所設(shè)場景，首先驗(yàn)證本文所提現(xiàn)貨市場風(fēng)險(xiǎn)分析模型的有效性，其次對日前調(diào)峰優(yōu)化結(jié)果分析，然后進(jìn)行不確定風(fēng)險(xiǎn)分析，最后進(jìn)行模型對比，驗(yàn)證本文所提調(diào)峰模型的有效性。

1) 可調(diào)節(jié)負(fù)荷不參與系統(tǒng)日前調(diào)峰，負(fù)荷用電需求通過現(xiàn)貨市場購電滿足；

2) 可調(diào)節(jié)負(fù)荷參與系統(tǒng)調(diào)峰的情況下，通過現(xiàn)貨市場購電間接參與調(diào)峰；

3) 可調(diào)節(jié)負(fù)荷參與系統(tǒng)調(diào)峰的情況下，通過激勵響應(yīng)參與調(diào)峰直接控制，其余供電需求通過常規(guī)電網(wǎng)購電滿足；

4) 可調(diào)節(jié)負(fù)荷參與系統(tǒng)調(diào)峰的情況下，用電需求通過現(xiàn)貨市場交易間接調(diào)峰、激勵響應(yīng)直接控制調(diào)峰兩部分滿足。

算例以國內(nèi)北方某省日前現(xiàn)貨市場交易數(shù)據(jù)為背景，可調(diào)節(jié)負(fù)荷歷史出清價格曲線、出清電量曲線見附圖1、附圖2?？烧{(diào)節(jié)負(fù)荷總?cè)萘繛?50 MW，調(diào)節(jié)速度為650 MW/h，最大持續(xù)時間為10 h。負(fù)荷參與調(diào)峰直接控制時激勵響應(yīng)單位補(bǔ)貼50元/MWh。并采用該省日前負(fù)荷預(yù)測曲線、新能源發(fā)電機(jī)組日前預(yù)測出力與日前負(fù)荷形成的等效負(fù)荷曲線，見附圖3。

4.2 基于極值理論VaR風(fēng)險(xiǎn)模型有效性分析

文獻(xiàn)[19]已證明VaR風(fēng)險(xiǎn)模型(模型1)的有效性，本節(jié)重點(diǎn)驗(yàn)證本文提出的基于極值理論VaR風(fēng)險(xiǎn)模型(模型2)的有效性，以場景1為背景，分別對模型1與模型2風(fēng)險(xiǎn)最小下的購電結(jié)果進(jìn)行分析。

表2 不同風(fēng)險(xiǎn)模型可調(diào)節(jié)負(fù)荷市場購電折算價格對比

由圖5可知，對比不同風(fēng)險(xiǎn)模型的風(fēng)險(xiǎn)VaR，在99%置信概率下，利用模型2計(jì)算得到的風(fēng)險(xiǎn)值更貼合電價形態(tài)，準(zhǔn)確率更高；在低風(fēng)險(xiǎn)即風(fēng)險(xiǎn)值在0值附近的時段，模型1購電量為1194.41 MWh，模型2購電量為1015.49 MWh，由于此時正值新能源出力高峰，出清電價較低且波動較小，因此低風(fēng)險(xiǎn)時段利用模型1負(fù)荷所取得收益更高，模型1更適合“下調(diào)峰”時段的風(fēng)險(xiǎn)評估；在高風(fēng)險(xiǎn)時段，日前出清價格波動幅度較大，且出清價格較“下調(diào)峰”時段的出清電價偏高，模型1對應(yīng)購電量114.01 MWh，模型2對應(yīng)購電量為0 MWh，高風(fēng)險(xiǎn)時段利用基于極值理論VaR風(fēng)險(xiǎn)模型負(fù)荷可更好規(guī)避風(fēng)險(xiǎn)，在高風(fēng)險(xiǎn)時段即非“下調(diào)峰”時段模型2適用性更好。

圖5 不同風(fēng)險(xiǎn)模型下可調(diào)節(jié)負(fù)荷日前市場購電結(jié)果

結(jié)合表2與附表1，利用式(1)計(jì)算收益。在“下調(diào)峰”時段，利用模型1較利用模型2增加收益1918元；在非“下調(diào)峰”時段，利用模型1較利用模型2減少收益8147元。

綜上所述，“下調(diào)峰”時段負(fù)荷利用VaR風(fēng)險(xiǎn)模型、非“下調(diào)峰”時段利用本文所提基于極值理論VaR風(fēng)險(xiǎn)模型，可有效增加負(fù)荷日前現(xiàn)貨市場收益、減少風(fēng)險(xiǎn)損失。

4.3 日前調(diào)峰優(yōu)化結(jié)果分析

以場景2、場景3以及場景4為運(yùn)行背景，采用本文所提調(diào)峰控制模型，其中場景2無調(diào)峰直接控制部分，場景3無調(diào)峰間接控制部分。在風(fēng)險(xiǎn)模型置信概率99%的條件下，利用本文所提考慮市場風(fēng)險(xiǎn)的負(fù)荷參與調(diào)峰雙層控制模型，求解得到不同場景下可調(diào)節(jié)負(fù)荷參與調(diào)峰控制結(jié)果，如圖6所示。

將圖6求解結(jié)果疊加至等效負(fù)荷，計(jì)算不同場景日前“下調(diào)峰”缺額信息，結(jié)果如表3所示。

由表3可知，場景4“下調(diào)峰”缺額較場景3減少467.07 MWh，較場景2減少1190.13 MWh，相比僅考慮調(diào)峰間接控制或直接控制部分，利用本文所提調(diào)峰模型計(jì)算得到的“下調(diào)峰”缺額明顯減少，充分利用了可調(diào)節(jié)負(fù)荷參與系統(tǒng)調(diào)峰能力。

圖6 不同場景可調(diào)節(jié)負(fù)荷參與調(diào)峰控制結(jié)果

表3 不同場景的“下調(diào)峰”缺額

4.4 不同市場風(fēng)險(xiǎn)偏好對模型的攝動分析

考慮下層模型決策主體即負(fù)荷代理商的不同市場風(fēng)險(xiǎn)偏好，觀察隨著風(fēng)險(xiǎn)決策者保守程度變化的模型效果攝動情況。風(fēng)險(xiǎn)模型取不同置信概率時，模型效果攝動情況如圖7所示。可見，隨著置信概率提高，即決策者的市場風(fēng)險(xiǎn)偏好趨向保守時，“下調(diào)峰”缺額增大，可調(diào)節(jié)負(fù)荷收益有所下降，這是由于決策者認(rèn)為市場風(fēng)險(xiǎn)對決策具有消極影響，對市場風(fēng)險(xiǎn)容忍程度降低導(dǎo)致。

圖7 不同置信概率對模型效果的攝動情況

4.5 計(jì)及風(fēng)光荷不確定性的風(fēng)險(xiǎn)分析

圖8 “下調(diào)峰”缺額與不確定半徑變化趨勢

圖9 可調(diào)節(jié)負(fù)荷收益與不確定半徑變化趨勢

由圖8與圖9可知，在利用IGDT機(jī)會模型進(jìn)行不確定風(fēng)險(xiǎn)分析時，隨著制定的調(diào)峰偏差因子增大，“下調(diào)峰”缺額增大，可調(diào)節(jié)負(fù)荷收益減少，且風(fēng)光荷三者不確定半徑增大，這是因?yàn)镺M模型中決策主體認(rèn)為風(fēng)光荷不確定性會給模型效果帶來消極影響，隨著上層決策主體允許的偏差空間增大，其可承擔(dān)不確定性風(fēng)險(xiǎn)程度增大，造成“下調(diào)峰”缺額提高，可調(diào)節(jié)負(fù)荷收益降低。

4.6 模型對比分析

對比激勵響應(yīng)機(jī)制下負(fù)荷參與日前調(diào)峰控制模型[23](模型3)，以下列條件為前提：(1) 負(fù)荷參與調(diào)峰控制前系統(tǒng)運(yùn)行背景相同；(2) 參與調(diào)峰控制的可調(diào)節(jié)負(fù)荷相同，包括參與容量、調(diào)節(jié)速度、最大運(yùn)行時間等參數(shù)；(3) 激勵響應(yīng)中單位補(bǔ)貼相同，均為50元/MWh；(4) 負(fù)荷參與調(diào)峰控制結(jié)果需滿足負(fù)荷生產(chǎn)需求；(5) 本文模型取最保守情況，即置信概率取99%。

求解不同調(diào)峰控制模型的可調(diào)節(jié)負(fù)荷參與調(diào)峰控制結(jié)果，計(jì)算系統(tǒng)“下調(diào)峰”缺額，如表4所示；結(jié)合日前現(xiàn)貨市場市場出清價格，計(jì)算可調(diào)節(jié)負(fù)荷利用不同調(diào)峰控制模型用電費(fèi)用，如表5所示。

表4 不同模型的“下調(diào)峰”缺額對比

表5 不同模型的可調(diào)節(jié)負(fù)荷用電費(fèi)用對比

可見，兩種模型在減少“下調(diào)峰缺額”方面相近，但本文模型費(fèi)用減少15.96%。由此可知，利用本文所提模型在保證日前調(diào)峰效果的條件下，明顯減少購電費(fèi)用，增加負(fù)荷收益，具有一定實(shí)用價值。

5 結(jié)論

本文針對高比例新能源并網(wǎng)帶來的調(diào)峰問題，結(jié)合可調(diào)節(jié)負(fù)荷參與系統(tǒng)調(diào)峰的直接控制作用機(jī)理、參與系統(tǒng)調(diào)峰間接控制的市場交易風(fēng)險(xiǎn)，在不同時間尺度下建立了考慮現(xiàn)貨市場風(fēng)險(xiǎn)的負(fù)荷參與系統(tǒng)調(diào)峰控制模型，并通過實(shí)例仿真驗(yàn)證本文所提模型的有效性，并得出如下結(jié)論：

1) 日前現(xiàn)貨市場交易機(jī)制下，負(fù)荷參與現(xiàn)貨市場交易具有一定的風(fēng)險(xiǎn)，在交易前需要進(jìn)行風(fēng)險(xiǎn)分析，本文所建立的基于極值理論VaR的風(fēng)險(xiǎn)模型可為負(fù)荷參與現(xiàn)貨市場交易提供有效的風(fēng)險(xiǎn)分析，減少現(xiàn)貨市場高風(fēng)險(xiǎn)時段風(fēng)險(xiǎn)損失；

2) 針對負(fù)荷參與現(xiàn)貨市場交易下的日前調(diào)峰問題，本文所建立的考慮日前現(xiàn)貨市場風(fēng)險(xiǎn)的負(fù)荷參與系統(tǒng)調(diào)峰控制模型，充分考慮負(fù)荷參與現(xiàn)貨市場交易風(fēng)險(xiǎn)，可有效提高電力負(fù)荷收益，同時有效減少下調(diào)峰缺額；

3) 本文所提調(diào)峰模型可為可調(diào)節(jié)負(fù)荷容量富裕區(qū)域的系統(tǒng)調(diào)峰問題提供參考途徑，在后續(xù)現(xiàn)貨市場陸續(xù)開放的環(huán)境中，所提模型可為市場交易環(huán)境下的系統(tǒng)日前調(diào)峰提供新思路。

附錄A

將式(24)線性化，得到

附錄B

附圖1 可調(diào)節(jié)負(fù)荷歷史出清價格

附圖2 可調(diào)節(jié)負(fù)荷歷史出清電量

Attached Fig. 2 Adjustable load historical clearing power

附圖3 日前等效負(fù)荷曲線

Attached Fig. 3 Day-ahead equivalent load curve

附表1 可調(diào)節(jié)負(fù)荷“期望”電價

Attached Table 1 Adjustable load "expected" electricity price

[1] 廣東現(xiàn)貨電能量市場交易實(shí)施細(xì)則征求意見: 采用全電量申報(bào)、集中優(yōu)化出清[EB/OL]. (2020-08-31) [2019-08-23]. http://shoudiAn.bjx.com.cn/news/20180831/ 924966.shtml.

Guangdong power spot market trading implementation rules for comments: the use of full power declaration centralized optimization clearance[EB/OL].(2018-08-31) [2019-08-23]. http://shoudiAn.bjx.com.cn/news/20180831/924966.shtml.

[2] 甘肅日前現(xiàn)貨市場交易實(shí)施細(xì)則(征求意見稿): 日前市場每個運(yùn)行日包含96個交易出清時段[EB/OL]. (2019-09-26)[2020-06-14]. http://shoudian.bjx.com.cn/html/ 20190926/1009801.shtml.

Gansu power spot market trading implementation rules (draft for comments): each operating day in the day-ahead market contains 96 trading clearing periods[EB/OL]. (2019-09-26)[2020-06-14]. http://shoudian.bjx.com.cn/ html/20190926/1009801.shtml.

[3] 《山西省日前現(xiàn)貨市場交易實(shí)施細(xì)則》7.0 版發(fā)布[EB/OL].[2020-10-28]. http://www.sxfxer.com/info/news. php?id=819.

Shanxi power spot market trading implementation rules7.0 version released[EB/OL]. [2020-10-28]. http:// www.sxfxer.com/info/news.php?id=819.

[4] YANG X. 利于系統(tǒng)服務(wù)的負(fù)荷控制優(yōu)化及需求響應(yīng)機(jī)制推廣[J]. 中國電機(jī)工程學(xué)報(bào), 2014, 34(22): 3608-3614.

YANG X. Optimization of load control and promotion of demand response mechanism for system service[J]. Proceedings of the CSEE, 2014, 34(22): 3608-3614.

[5] 鄧婷婷, 婁素華, 田旭, 等. 計(jì)及需求響應(yīng)與火電深度調(diào)峰的含風(fēng)電系統(tǒng)優(yōu)化調(diào)度[J]. 電力系統(tǒng)自動化, 2019, 43(15): 34-41.

DENG Tingting, LOU Suhua, TIAN Xu, et al. Optimal dispatch of power system integrated with wind power considering demand response and deep peak regulation of thermal power units[J]. Automation of Electric Power Systems, 2019, 43(15): 34-41.

[6] 廖鑫, 李婧, 徐佳, 等. 基于MDP及激勵需求響應(yīng)的電動汽車有序充電控制[J]. 電力科學(xué)與技術(shù)學(xué)報(bào), 2021, 36(5): 79-86.

LIAO Xin, LI Jing, XU Jia, et al. Research on coordinated charging control for electric vehicles based on MDP and incentive demand response[J]. Journal of Electric Power Science and Technology, 2021, 36(5): 79-86.

[7] 宋杰, 張衛(wèi)國, 李樹鵬, 等. 蓄熱式電采暖負(fù)荷參與風(fēng)電消納運(yùn)行策略研究[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(3): 80-87.

SONG Jie, ZHANG Weiguo, LI Shupeng, et al. Research on operational strategy for regenerative electric heating load participating in wind power consumption[J]. Power System Protection and Control, 2021, 49(3): 80-87.

[8] 李偉, 韓瑞迪, 孫晨家, 等. 基于用電偏好的可平移負(fù)荷參與需求響應(yīng)最優(yōu)激勵合同與激勵策略[J]. 中國電機(jī)工程學(xué)報(bào), 2021, 41(增刊1): 185-193.

LI Wei, HAN Ruidi, SUN Chenjia, et al. An optimal incentive contract and strategy of shiftable loads participation in demand response based on user electricity preference[J]. Proceedings of the CSEE, 2021, 41(S1): 185-193.

[9] 孫毅, 劉迪, 崔曉昱, 等. 面向居民用戶精細(xì)化需求響應(yīng)的等梯度迭代學(xué)習(xí)激勵策略[J]. 電網(wǎng)技術(shù), 2019, 43(10): 3597-3605.

SUN Yi, LIU Di, CUI Xiaoyu, et al. Equal gradient iterative learning incentive strategy for accurate demand response of resident users[J]. Power System Technology, 2019, 43(10): 3597-3605.

[10] 周欣怡, 齊先軍, 吳紅斌, 等. 提高需求響應(yīng)可靠性的儲能優(yōu)化配置研究[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(2): 107-114.

ZHOU Xinyi, QI Xianjun, WU Hongbin, et al. Research on optimal allocation of energy storage to improve the reliability of demand response[J]. Power System Protection and Control, 2021, 49(2): 107-114.

[11] 沈瑜, 岳園園, 閆華光, 等. 地區(qū)電網(wǎng)需求響應(yīng)資源聚合與調(diào)控策略研究[J]. 電網(wǎng)技術(shù), 2017, 41(10): 3341-3348.

SHEN Yu, YUE Yuanyuan, YAN Huaguang, et al. Research on aggregation and optimization strategies of demand response resources for district power grid[J]. Power System Technology, 2017, 41(10): 3341-3348.

[12] QI Ning, CHENG Lin, XU Helin, et al. Practical demand response potential evaluation of air-conditioning loads for aggregated customers[J]. Energy Reports, 2020, 6(9): 71-81.

[13] MING H, XIA B, LEE K, et al. Prediction and assessment of demand response potential with coupon incentives in highly renewable power systems[J]. Protection and Control of Modern Power Systems, 2020, 5(2): 124-137.

[14] 劉軍會, 劉鑫, 李虎軍, 等. 國外需求響應(yīng)市場化實(shí)施模式及啟示[J]. 電力需求側(cè)管理, 2021, 23(2): 95-100.

LIU Junhui, LIU Xin, LI Hujun, et al. Marketization implementation mode and enlightenment of foreign demand response participating in electricity[J]. Power Demand Side Management, 2021, 23(2): 95-100.

[15] 陳雨果, 張軒, 羅鋼, 等. 用戶報(bào)量不報(bào)價模式下電力現(xiàn)貨市場需求響應(yīng)機(jī)制與方法[J]. 電力系統(tǒng)自動化, 2019, 43(9): 179-186.

CHEN Yuguo, ZHANG Xuan, LUO Gang, et al. Demand response mechanism and approach of electricity spot market in bidding mode without price on user side[J]. Automation of Electric Power Systems, 2019, 43(9): 179-186.

[16] SUN Bo, WANG Fan, XIE Jingdong, et al. Electricity retailer trading portfolio optimization considering risk assessment in Chinese electricity market[J]. Electric Power Systems Research, 2021, 190.

[17] 魏震波, 張海濤, 魏平桉, 等. 考慮動態(tài)激勵型需求響應(yīng)的微電網(wǎng)兩階段優(yōu)化調(diào)度[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(19): 1-10.

WEI Zhenbo, ZHANG Haitao, WEI Ping'an, et al. Two-stage optimal dispatching for microgrid considering dynamic incentive-based demand response[J]. Power System Protection and Control, 2021, 49(19): 1-10.

[18] 孫高星, 華棟, 陳皓勇, 等. 考慮柔性負(fù)荷的電能量和備用輔助服務(wù)聯(lián)合市場出清模型[J]. 廣東電力, 2020, 33(6): 1-11.

SUN Gaoxing, HUA Dong, CHEN Haoyong, et al. A joint clearing model of power energy and reserve ancillary service market considering flexible load[J]. Guangdong Electric Power, 2020, 33(6): 1-11.

[19] 周明, 聶艷麗, 李庚銀, 等. 電力市場下長期購電方案及風(fēng)險(xiǎn)評估[J]. 中國電機(jī)工程學(xué)報(bào), 2006, 26(6): 116-122.

ZHOU Ming, NIE Yanli, LI Gengyin, et al. Long-term electricity purchasing scheme and risk assessment in power markets[J]. Proceedings of the CSEE, 2006, 26(6): 116-122.

[20] 于群, 石良, 曹娜, 等. 廣義極值理論在大停電事故損失負(fù)荷預(yù)測中的應(yīng)用[J]. 電力系統(tǒng)自動化, 2016, 40(8): 71-77.

YU Qun, SHI Liang, CAO Na, et al. Application of generalized extreme value distribution in predicting power loss of large-scale blackouts[J]. Automation of Electric Power Systems, 2016, 40(8): 71-77.

[21] 劉莎莎. POT模型閾值的選取及應(yīng)用[D]. 長春: 吉林大學(xué), 2014.

LIU Shasha. The selection and application of pot model threshold[D]. Changchun: Jilin University, 2014.

[22] 謝崢, 楊楠, 劉釗, 等. 考慮不確定性和安全效能成本的配電網(wǎng)低電壓綜合治理方法[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(9): 36-48.

XIE Zheng, YANG Nan, LIU Zhao, et al. Low voltage comprehensive management method of a distribution network considering the uncertainty and safety efficiency cost[J]. Power System Protection and Control, 2020, 48(9): 36-48.

[23] 田浩, 劉文穎, 王方雨, 等. 基于負(fù)荷參與的源荷互動調(diào)峰多目標(biāo)優(yōu)化方法[J]. 電網(wǎng)與清潔能源, 2018, 34(11): 32-38.

TIAN Hao, LIU Wenying, WANG Fangyu, et al. Multi-objective optimal method of source-load peaking regulation based on participation of loads[J]. Power System and Clean Energy, 2018, 34(11): 32-38.

Peak shaving control model of power load participation system considering day-ahead spot market risk

HAN Xiaoqi1, LIU Wenying1, PAN Qinglun1, SHEN Ziyu1, LI Yalou2

(1. School of Electrical and Electronic Engineering, North China Electric Power University, Beijing 102206, China;2. China Electric Power Research Institute, Beijing 100192, China)

The “dual-carbon” policy issued in China has further promoted the development of new energy sources based on wind and photovoltaics. The integration of a high proportion of new energy sources into the grid has also brought about system peak shaving problems. To increase the system's peak-shaving capability, the power adjustable load can be incorporated into the system's peak-shaving gradually, so that power loads can participate in spot market transactions to achieve indirect peak shaving effects. However, there is a certain income risk when participating in the spot market transaction. Therefore, this paper proposes a load-participating system peak shaving control model considering the risk of day-ahead spot market.First, it analyzes the mechanism of the power load participating in the system peak shaving.Secondly, given the current conditions of the domestic electricity spot market transaction mechanism, and based on the VaR method and extreme value theory,the risk of power adjustable loads participating in the day-ahead spot market transaction is analyzed quantitatively. Then,considering the uncertainty risk of wind power, photoelectric and basic load, it establishes a two-level control model of load participating system peak shaving. It considers the risk of day ahead spot market, and then converts it into a single-level mixed integer linear programming problem through KKT condition.Finally, an example simulation is used to verify the effectiveness of the model proposed.It shows that the proposed model can improve the load income while ensuring the peak shaving effect, and provides a feasible new idea for system peak shaving with the background of day-ahead spot market transactions.

peak shaving; adjustable load; day-ahead spot market; transaction risk; VaR; extreme value theory

10.19783/j.cnki.pspc.211507

國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目資助(2018YFE0208400)；國家電網(wǎng)有限公司總部科技項(xiàng)目資助“面向跨境互聯(lián)的多能互補(bǔ)新型能源系統(tǒng)關(guān)鍵技術(shù)研究”

This work is supported by the National Key Research and Development Program of China (No. 2018YFE0208400).

2021-11-06；

2022-01-13

韓小齊(1998—)，男，碩士研究生，主要研究方向?yàn)殡娏κ袌鼋灰?、電力系統(tǒng)調(diào)度；E-mail: hxq18810790027@ 163.com

劉文穎(1955—)，女，教授，博士生導(dǎo)師，主要研究方向?yàn)殡娏ο到y(tǒng)分析與控制及電力系統(tǒng)智能調(diào)度等。E-mail: liuwenyingls@sina.com

(編輯 周金梅)