電網(wǎng)企業(yè)代理購電風險及其策略優(yōu)化研究

陳黎軍，潘熙，黃茜，江明，孫莉，王浩

(1. 國網(wǎng)江蘇省電力有限公司，江蘇 南京 210000；2. 國網(wǎng)江蘇省電力有限公司營銷服務中心，江蘇 南京 210000；3. 國網(wǎng)句容市供電公司，江蘇 鎮(zhèn)江 212400)

《關(guān)于進一步深化電力體制改革的若干意見》(9號文件)的頒布進一步完善了電力市場體制[1]，但當前電力市場體制與傳統(tǒng)計劃體制仍存在沖突。在保供電背景下，國家發(fā)展改革委員會先后發(fā)布《關(guān)于進一步深化燃煤發(fā)電上網(wǎng)電價市場化改革的通知》(1439號文)與《關(guān)于組織開展電網(wǎng)企業(yè)代理購電工作有關(guān)事項的通知》(809號文)[2-3]，在放開工商業(yè)用戶市場化電量和電價、取消工商業(yè)目錄電價的同時，指定由電網(wǎng)企業(yè)代理暫未直接入市的工商業(yè)用戶，按規(guī)范在交易中心進行電量采購，向用戶公示并收取代理購電電價。當前，代理購電用戶多以中小型工商業(yè)為主，用電隨機性強，負荷曲線預測困難，導致代理購電在常規(guī)中長期交易中決策制訂困難，易產(chǎn)生較大偏差電量，使電網(wǎng)企業(yè)承擔較高的偏差考核費用。為保障代理購電業(yè)務的可持續(xù)開展，計及代理購電特性的購電決策優(yōu)化問題亟待解決。

當前，該問題的解決思路主要有二。其一，聚焦中長期市場，通過用戶特征分析、定價機制改進、兩級市場協(xié)同等精細化建模方式優(yōu)化購電決策。文獻[4]從電網(wǎng)企業(yè)經(jīng)營角度，分析代理購電用戶電價的影響因素，提出代理購電價格的計算方法，為制訂代理購電價格提供量化手段；文獻[5]從用戶特性角度，提出基于多樣化電價屬性的行業(yè)差異化電價體系，并據(jù)此構(gòu)建精細化電價定價模型，從而優(yōu)化社會的資源配置；在定價研究基礎(chǔ)上，文獻[6]構(gòu)建代理購電模式的年度購電優(yōu)化框架，通過協(xié)同省間與省外兩級市場，提出省級電網(wǎng)代理購電的年度購電策略優(yōu)化方法，以實現(xiàn)全年資源與購電聯(lián)合協(xié)調(diào)優(yōu)化的精細建模和高效求解。然而，上述研究尚未考慮現(xiàn)貨市場的影響。

其二，參與現(xiàn)貨市場，利用電力現(xiàn)貨交易短時特性可降低中長期市場中的購電偏差[7-8]，且通過供電與可再生能源波動性的充分匹配，提高新能源的消納能力[9-11]。文獻[12]定性分析現(xiàn)貨環(huán)境對電網(wǎng)企業(yè)代理購電價格的影響機理，但未定量描述計及現(xiàn)貨交易的代理購電定價機制，現(xiàn)貨交易決策主要借鑒了售電公司與直購電用戶的購電經(jīng)驗。在售電公司運營策略的研究中：文獻[13]分析了雙邊市場環(huán)境下中長期市場和現(xiàn)貨市場購電量的分配問題；文獻[14]結(jié)合用戶側(cè)分時電價特性，以期望收益最大與風險最小建立雙目標購售電優(yōu)化模型；文獻[15]結(jié)合加權(quán)條件風險價值，分析不同市場的價格分布特性、風險和偏度特征，并在多級市場中建立售電公司購電決策模型；文獻[16]利用可中斷負荷應對現(xiàn)貨市場的強波動性問題，以多場景的兩階段期望值模型量化現(xiàn)貨市場的價格波動，構(gòu)建計及可中斷負荷的配售電公司購售電隨機優(yōu)化模型。在直購電用戶購電策略的研究中：文獻[17]結(jié)合分時電價、電能質(zhì)量和直購電量，提出基于修正郵票法的固定成本綜合分攤方法；文獻[18-19]計及可再生能源配額與現(xiàn)貨市場價格對大用戶直購電交易中綠、火電商的報價策略的雙重影響，建立可再生能源配額制度驅(qū)動下綠、火電商競價和大用戶直購電的雙層博弈優(yōu)化模型。

盡管售電公司等購電策略優(yōu)化模型對代理購電決策具有借鑒意義，但代理購電與售電公司等在決策目標與決策組成方面具有明顯差異，照搬售電公司等模式易產(chǎn)生較高決策風險。在決策目標方面：售電公司等以逐利為目標，通常采用市場采購成本或運營收益指標；而電網(wǎng)企業(yè)在代理購電業(yè)務中擔當著保底售電角色，在推動工商業(yè)用戶有序入市的同時，保障未入市工商業(yè)用戶的基本權(quán)益，僅以成本或利潤為目標易使代理購電決策背離其市場初衷。在決策組成方面：若不考慮偏差電量的影響，售電公司等市場主體的用戶用電量即市場采購量；而電網(wǎng)企業(yè)存在收購的優(yōu)先發(fā)電量與用于保障居民、農(nóng)業(yè)等用電的優(yōu)先購電量，在代理購電業(yè)務參與月度交易與現(xiàn)貨交易時，未計及優(yōu)先發(fā)、購電量不僅增加了購電成本，且易造成偏差電量。

針對代理購電用戶用電隨機性強引起的購電決策困難問題，本研究借鑒售電公司與直購電用戶通過參與現(xiàn)貨市場降低偏差考核費用的思路，提出月度市場與日前市場的協(xié)同決策模型，利用月度交易充分發(fā)揮中長期市場的價格優(yōu)勢，利用日前交易應對用電不確定性問題，降低用電偏差。此外，模型充分考慮電網(wǎng)企業(yè)代理購電與售電公司購電在決策目標與購電組成方面差異，建立代理購電業(yè)務的風險體系，設計風險評估指標，并據(jù)此構(gòu)造代理購電優(yōu)化模型。為加速模型求解，本研究改進粒子群優(yōu)化(particle swarm optimization，PSO)算法，通過調(diào)整慣性權(quán)重與學習速率矩陣，提高模型收斂速度。

本研究首先梳理代理購電業(yè)務風險，按內(nèi)、外部構(gòu)建代理購電的風險體系；在此基礎(chǔ)上，結(jié)合代理購電業(yè)務特點，提出基于條件風險價值(conditional value at risk，CVaR)的風險評估指標；然后，建立風險目標下的代理購電決策優(yōu)化模型，實現(xiàn)月度市場與日前市場采購方案的協(xié)同，并利用改進PSO算法進行模型求解；最后，完成仿真算例，驗證方法的可行性。

1 電網(wǎng)企業(yè)代理購電的風險體系

隨著電力市場化改革的推進，電網(wǎng)企業(yè)代理購電決策受電力商品屬性與市場成員約束，外部風險與內(nèi)部風險并存，其風險體系如圖1所示。相應地，一方面可通過控制監(jiān)管、交易、用戶等外部風險，保障電網(wǎng)企業(yè)權(quán)益，推動代理購電業(yè)務的持續(xù)發(fā)展；另一方面，可通過提高用電、發(fā)電、價格數(shù)據(jù)的預測精度來降低考核偏差，保障代理購電用戶的用電權(quán)益。

圖1 電網(wǎng)企業(yè)代理購電風險框架Fig.1 Electricity purchasing agent service (EPAS)risk framework

1.1 外部風險

外部風險源于政府監(jiān)管部門、電力交易中心與代理購電用戶，分別對應監(jiān)管政策風險、電力交易風險與用戶交易風險。

1.1.1 監(jiān)管政策風險

代理購電政策與電力市場交易規(guī)則從兩方面影響購電決策。其一，代理購電量受代理購電用戶范圍界定政策影響。當前，代理購電用戶包含未進入市場的工商業(yè)用戶、已直接參與市場交易又退出的用戶，并對退市、擁有自備電廠或高耗能用戶執(zhí)行1.5倍代理購電價格。代理購電用戶性質(zhì)與價格決定代理購電體量，相關(guān)變更將引起代理購電用戶在電網(wǎng)企業(yè)與其他市場主體間流動，造成偏差電量。其二，代理購電的定價機制取決于當?shù)卣吲c市場環(huán)境。未運行現(xiàn)貨市場地區(qū)執(zhí)行當?shù)胤謺r定價政策規(guī)定，已運行現(xiàn)貨市場地區(qū)的電網(wǎng)企業(yè)要作為價格接受者參與現(xiàn)貨市場出清。相關(guān)政策發(fā)生調(diào)整時，既定代理購電決策與政策的偏離或滯后易產(chǎn)生虧損。

1.1.2 市場交易風險

在電力交易中心采購電量時，短時交易因其靈活性逐漸獲得市場青睞，但其價格浮動大，可能導致既定策略與實時價格不匹配，提高購電成本。此外，交易人員的誤操作可能導致錯失購電良機，購電成本增加。

1.1.3 用戶交易風險

代理購電用戶的流通性加劇了代理購電負擔。當市場價格具有顯著優(yōu)勢時，代理購電用戶受電價或政策影響，可能群體性涌向市場，此時若售電公司等市場主體因故退出交易，電網(wǎng)企業(yè)承擔電力保供任務，需保障相關(guān)用戶的用電權(quán)益。群體性用戶的頻繁流動導致代理購電用戶數(shù)據(jù)測算困難。此外，用戶欠費、合同糾紛等亦可能增加用戶交易風險。

1.2 內(nèi)部風險

在電網(wǎng)企業(yè)內(nèi)部，代理購電多由營銷部主導，發(fā)展策劃部、財務部等多部門共同協(xié)作完成。其中，營銷部、發(fā)展策劃部與財務部分別承擔用電數(shù)據(jù)、發(fā)電數(shù)據(jù)與代理購電價格的測算。相關(guān)數(shù)據(jù)的偏差引起代理購電測算風險，電網(wǎng)企業(yè)據(jù)此受交易中心偏差考核。

1.2.1 用電偏差

當前，代理購電用戶以中小型工商業(yè)為主，數(shù)量大，種類多，集中于低電壓側(cè)，受溫度、電價等影響顯著，用電特性不穩(wěn)定，導致基于負荷曲線生成的代理購電量決策存在偏差，供求失衡。

1.2.2 發(fā)電偏差

電網(wǎng)企業(yè)可收購各地執(zhí)行保量報價的優(yōu)先發(fā)電量，首先保障居民、農(nóng)業(yè)用戶用電，并將剩余電量暫作為電網(wǎng)企業(yè)代理工商業(yè)用戶購電量來源。由此，發(fā)展策劃部發(fā)布的月度優(yōu)先發(fā)電機組發(fā)電量的準確性，將影響代理購電的市場采購決策。

1.2.3 價格偏差

除長期協(xié)議外，市場電價預測困難，預測與實際價格偏差可能較大，而代理購電的電價偏差需要在往后第2個月份進行回收。若預測價格低于實際價格，電網(wǎng)企業(yè)需承受一定程度的現(xiàn)金流損失，甚至影響其他業(yè)務的正常有序開展。

2 計及代理購電特性的策略風險評估

2.1 代理購電的特性分析

本文所提代理購電決策借鑒了售電公司、直購電用戶等常規(guī)市場主體，同時參與中長期市場的月度交易與現(xiàn)貨市場的日前交易，但決策在組成與目標兩方面與傳統(tǒng)市場主體存在顯著差異。

2.1.1 決策組成

不考慮偏差電量時：售電公司等傳統(tǒng)市場主體的市場采購電量Q與工商業(yè)用戶用電量D相等；而電網(wǎng)企業(yè)代理的工商業(yè)用戶市場采購電量Q取決于代理工商業(yè)用戶用電量D，居民、農(nóng)業(yè)用戶用電量(優(yōu)先購電量)Dp與電網(wǎng)企業(yè)收購的優(yōu)先發(fā)電量Qp。

具體而言，電網(wǎng)企業(yè)代理工商業(yè)用戶進行市場化采購時，繼續(xù)按現(xiàn)行價格機制收購各地執(zhí)行保量報價的優(yōu)先發(fā)電(不含燃煤發(fā)電)電量Qp，優(yōu)先用于保障居民、農(nóng)業(yè)用戶用電量Dp。若有剩余電量(即Qp≥Dp)且暫時未放開作其他使用，可將剩余電量暫作為電網(wǎng)企業(yè)代理工商業(yè)用戶的市場采購電量Q來源，如圖2(a)所示；若各地保量報價的優(yōu)先發(fā)電量不能滿足居民、農(nóng)業(yè)用戶用電(即Qp

圖2 代理工商業(yè)用戶的市場采購電量分析Fig.2 Market-oriented EPAS analysis of agent industry and commerce users

因此，電網(wǎng)企業(yè)代理的工商業(yè)決策組成需計及優(yōu)先發(fā)、購電量的影響，表現(xiàn)為代理工商業(yè)用戶實際用電量與對應市場采購量的差異(即D-Q)，稱為剩余電量Da，滿足如下關(guān)系：

Da=D-Q=Qp-Dp.

(1)

2.1.2 決策目標

對于常規(guī)市場主體：①售電公司通過用戶套餐售價與市場交易成本的價差獲利，其購電決策常以運營收益最大化為目標；②直購電用戶與電廠直接交易協(xié)定購電量與購電價格，通過控制用電成本提高經(jīng)營效率，相關(guān)購電決策常以最小電力市場采購成本為導向。與之相比，電網(wǎng)企業(yè)在代理購電業(yè)務中擔當著保底售電角色，一方面，代理未入市或退市工商業(yè)用戶進行市場交易，進一步推動電力市場化發(fā)展，另一方面，相關(guān)用戶用電體量小，不確定性強，市場議價能力低，其購電權(quán)益可通過代理購電業(yè)務得到充分保障；因此，代理購電系非盈利業(yè)務，應以降低業(yè)務風險為目標優(yōu)化購電決策，保障業(yè)務持續(xù)穩(wěn)定開展。

2.2 基于CVaR的風險評估

代理購電的風險評估依賴于對決策損失的定量描述。結(jié)合圖1的代理購電風險體系，在不確定性因素X的影響下，損失函數(shù)C(Q，X)包含外部風險對應的交易損失Co(Q，X)，與內(nèi)部風險引起的偏差損失Ci(Q，X)，即

C(Q，X)=Co(Q，X)+Ci(Q，X).

(2)

交易損失由電網(wǎng)企業(yè)與外部單位或個人在交易過程中產(chǎn)生。與外部監(jiān)管風險、交易風險與用戶風險對應，Co(Q，X)受交易操作(完成Q的交易)、政策變更Xp、用戶行為Xb的影響。記外部不確定性因素Xo={Xp，Xb}，Co(Q，X)可量化為計及Xo不確定性下的購電成本，即

(3)

式中：γm、γd，t分別為月度交易價格、時段t的日前交易價格；Qm，t、Qd，t分別為時段t的月度、日前交易量；T為交易時段總數(shù)。

偏差損失源于電網(wǎng)企業(yè)內(nèi)部測算偏差。與內(nèi)部用電偏差、發(fā)電偏差、價格偏差對應，Ci(Q，X)受用電不確定性Xh、發(fā)電不確定性Xg、價格不確定性Xc影響。記內(nèi)部不確定性因素Xi={Xh，Xg，Xc}，Ci(Q，X)可量化為計及Xi不確定性下的偏差考核費用，即

Ci(Q，X)=γfΔQ(Xi).

(4)

式中：γf為計及豁免考核電量的單位偏差電量考核成本函數(shù)；ΔQ為每月結(jié)算的偏差電量。將式(3)與式(4)代入式(2)，可得代理購電決策損失C(Q，X)。

以此為基礎(chǔ)，結(jié)合CVaR(記為FCVaR(Q))量化代理購電策略風險(即損失值)。記影響因素X={Xi，Xo}，且X聯(lián)合概率密度函數(shù)為P(X)，其影響下C(Q，X)低于閾值α的成本累計分布

(5)

取置信水平β∈(0，1)，則

FCVaR(Q)=

(6)

式中fVaR，β=min{α∈R：Ds(Q，α)≥β}，fVaR，β為風險價值。因CVaR求解困難，可構(gòu)造當前置信水平β下的函數(shù)Fβ(Q，α)，使minFCVaR(Q)與minFβ(Q，α)等價，則minFβ(Q，α)所尋最優(yōu)解(Q*，α*)即可用于CVaR的計算[20]。

(7)

其中

[C(Q，X)-α]+=

(8)

考慮到P(X)難以建模，本研究采用蒙特卡洛抽樣法對不確定性因素抽取N組樣本(即X1，…，Xn，…，XN，Xn={Xi，n，Xo，n})，以離散數(shù)據(jù)擬合Fβ(Q，α)，生成代理購電的決策風險指標F′β(Q，α)，

(9)

將式(2)代入式(9)，即可計算風險指標F′β(Q，α)。有別于售電公司與直購電用戶決策風險，本文所提F′β(Q，α)計及代理購電業(yè)務在決策組成與決策目標方面的特殊性，通過式(1)考慮優(yōu)先發(fā)、購電量對代理購電業(yè)務市場采購電量的影響，通過式(2)綜合外部風險對應的交易損失與內(nèi)部風險引起的偏差損失，降低代理購電業(yè)務決策風險。

3 風險目標下代理購電優(yōu)化模型及求解

3.1 代理購電優(yōu)化模型

為減少偏差電量，我國電力市場當前以中長期交易為主，以現(xiàn)貨交易為補充[21]。由于代理購電費用按月結(jié)算，本研究綜合考慮月度交易與日前交易，以交易時段t的月度市場采購電量Qm，t與日前市場采購電量Qd，t為變量，建立以F′β(Q，α)最小為目標的某月代理購電策略優(yōu)化模型：

(10)

目標函數(shù)采用蒙特卡洛抽樣法，計及內(nèi)、外部不確定因素對代理購電決策風險的影響。對于任意樣本Xn，相關(guān)約束條件如下。

a)電量平衡約束，計算式為

Qm，t(Xn)+Qd，t(Xn)+ΔQt(Xn)=

Dt(Xn)+Da，t(Xn).

(11)

式中：等式左右均表達了時段t代理工商業(yè)用戶的交易結(jié)算關(guān)口計量電量(結(jié)算電量)；ΔQt為時段t結(jié)算的偏差電量；Dt為時段t代理購電用戶的實際用電量，Da，t為時段t按式(1)計算的剩余電量，且假設Dt與Da，t均服從高斯分布。

b)交易損失約束，計算式為

(12)

式中：月度交易價格γm在各樣本、各時段均中保持穩(wěn)定；γd，t，n為樣本Xn在交易時段t的日前交易價格，并假設γd，t，n服從高斯分布。

c)偏差損失約束，計算式為

(13)

d)購電限制約束，計算式為

0≤Qm，t(Xn)≤Qm，max，

(14)

0≤Qd，t(Xn)≤Qd，max.

(15)

式中Qm，max、Qd，max分別為月度市場、日前市場的最大采購電量，用下標max、min分別表示相關(guān)參數(shù)的最大值、最小值，下同。

3.2 基于改進PSO算法的模型求解

本文所提優(yōu)化模型的目標F′β(Q，α)涉及式(8)所示的分段函數(shù)[C(Q，Xn)-α]+，求解較為復雜。為此，本研究改進PSO算法求解模型。常規(guī)PSO算法中，每一粒子結(jié)合自身與其他粒子信息來調(diào)整搜索方向，更新自身速度與位置，將種群最優(yōu)位置作為最優(yōu)解。為方便描述，記向量Q由月度市場采購電量與日前市場采購電量共同組成，即Q=(…，Qm，t，…，Qd，t，…)，更新速度V與位置Q如下：

Vi，k+1=ωVi，k+c1r1(Qp，i-Qi，k)+c2r2(Qg，i-Qi，k).

(16)

Qi，k+1=Qi，k+Vi，k+1.

(17)

式中：用下標i、下標k分別表示第i個粒子、迭代次數(shù)為k的相關(guān)參數(shù)，下同；Qp、Qg分別為全局、個體最優(yōu)的市場采購電量；解空間的搜索范圍通過慣性權(quán)重對角矩陣ω調(diào)節(jié)，且其對角元非負；c1、c2為用于調(diào)節(jié)學習速率最大步長的加速度對角矩陣；隨機對角陣r1、r2的對角元在[0，1]間隨機取值，增加了搜索的隨機性?？紤]到常規(guī)PSO算法對每次迭代的粒子采用相同的參數(shù)矩陣ω、c1與c2，可能導致收斂性問題或陷入局部最優(yōu)解[22]，本研究將風險指標作為粒子適應度，考慮迭代次數(shù)k與粒子適應度F′β的影響，應用標幺化思路對ω、c1與c2進行如下動態(tài)調(diào)整：

(18)

(19)

(20)

式(18—20)中：F′β，k，max、F′β，k，min、F′β，k，avg分別為第k次迭代時所有粒子適應度的最大值、最小值、平均值；K為迭代總次數(shù)。

據(jù)此，可按圖3所示流程求解優(yōu)化模型。代理購電策略的優(yōu)化模型求解主要包含初始化、優(yōu)化與輸出3個階段：在初始化階段，對市場采購電量、粒子初始飛行速度、迭代總次數(shù)等參數(shù)進行初始化；在優(yōu)化階段，利用改進慣性權(quán)重與學習速率，對飛行速度與最優(yōu)策略進行更新；在輸出階段，輸出迭代總次數(shù)內(nèi)的最優(yōu)市場采購電量。

圖3 改進PSO算法的求解過程Fig.3 Improved PSO algorithm solving EPAS model

4 算例分析

4.1 模型與算法的參數(shù)設置

為驗證所提方法的有效性，本研究以電網(wǎng)企業(yè)代理的某區(qū)域工商業(yè)用戶負荷為研究對象，該區(qū)域用戶的月前代理工商業(yè)用戶用電量D的預測曲線如圖4所示。為計及代理購電采購量不確定性，假設D服從高斯分布，標準差為100 MWh。在代理購電業(yè)務中，優(yōu)先發(fā)、購電量的影響體現(xiàn)在剩余電量Da，其曲線如圖5所示，假設Da服從高斯分布，標準差為5 MWh。

圖4 代理購電用戶用電量的預測曲線Fig.4 Forecasting load curve of agent electricity purchasing users

圖5 剩余電量的預測曲線Fig.5 Forecasting surplus power curve

在考慮代理購電電價的不確定性方面，本代理購電模型參與月度與日前交易，相關(guān)市場預測電價如圖6所示。假設日前市場電價γd的預測誤差服從高斯分布，標準差為10元/MWh。

圖6 預測市場價格曲線Fig.6 Forecasting power price curve

其他模型參數(shù)包括：單位偏差電量考核成本函數(shù)γf參照江蘇中長期交易偏差考核制度，以±3%為豁免考核電量閾值[23]，超出部分按1 000元/MWh征收額外偏差費用；取置信水平β=0.95；蒙特卡洛抽樣樣本總數(shù)N=1 000。算法參數(shù)設置見表1。

表1 改進PSO算法參數(shù)Tab.1 Parameters of improved PSO algorithm

4.2 代理購電優(yōu)化模型的有效性

4.2.1 最優(yōu)決策解

根據(jù)4.1節(jié)所述參數(shù)，本研究在MATLAB平臺利用改進PSO算法求解代理購電策略的優(yōu)化模型，所得月度、日前市場采購電量分別如圖7、圖8所示，對應的最低風險值為57.20萬元。

圖7 月度市場采購方案Fig.7 Purchase strategy for monthly market

圖8 日前市場采購方案Fig.8 Purchase strategy for day-ahead market

對比圖7中月度市場采購電量Qm與預測用電量D可知，月度市場采購電量曲線與預測曲線趨勢相近，且月度市場具有價格低廉與穩(wěn)定優(yōu)勢，月度市場采購量在總采購量中占據(jù)主導地位。

由圖8可知，與月度市場相比，日前市場價格較高且波動性大，日前市場計劃交易電量遠低于同時段內(nèi)月度市場；因此，電網(wǎng)企業(yè)一般在月度市場等中長期市場購買大量基礎(chǔ)電量，在獲得長期可靠的電量供應的同時，將市場購電風險控制在較小范圍內(nèi)。

4.2.2 剩余電量的影響

計及剩余電量Da是電網(wǎng)企業(yè)代理購電與常規(guī)售電公司或直購電用戶參與市場采購的顯著區(qū)別之一。為驗證模型的有效性，本研究對比了計及剩余電量前后的采購方案與風險指標CVaR值。

考慮剩余電量前后，月度市場與日前市場采購方案對比如圖9(a)、(b)所示。計及剩余電量后，月度、日前市場采購電量均有不同程度降低，且兩者降低的峰值分別高達104.20 MWh、5.25 MWh。相比日前市場，計及剩余電量對月度市場采購方案的影響更加顯著，這是因為月度市場較日前市場具有顯著的價格優(yōu)勢，剩余電量產(chǎn)生的電量優(yōu)勢傾向于向月度市場分配。

圖9 考慮剩余電量前后各級市場采購方案Fig.9 Purchase strategy with and without considering Da

表2對比了計及剩余電量Da前后代理購電策略的CVaR值，加入對剩余電量的考慮可將CVaR值降低5%。結(jié)合圖9與表2，本模型因計及剩余電量，其市場采購電量低于同規(guī)模其他市場主體，且決策風險低。在本例中，多數(shù)場景的市場采購電量小于代理工商業(yè)用戶的實際用電量，剩余電量產(chǎn)生的“隱性”收益由全體代理工商業(yè)用戶分享，在某些地區(qū)可能表現(xiàn)為代理購電價格低于售電公司套餐價格。

表2 考慮剩余電量前后的CVaR Tab.2 CVaRs with and without considering Da

4.2.3 置信水平的影響

在代理購電策略的優(yōu)化模型中，置信水平β反映了決策者的風險偏好。β值越大，決策偏向保守，決策風險越小；β值越小，則反之。本研究分別對β取0.92、0.95與0.98，并采用上述模型與算法參數(shù)進行分析，所得代理購電策略的CVaR值見表3。

表3 不同置信水平下的CVaR Tab.3 CVaRs calculated by different β values

由3表可知：當β值越高時，代理購電策略的風險越小，決策者更傾向于更為保守的決策；CVaR值隨β取值變化并不顯著，在β合理取值范圍內(nèi)，該模型受β的影響較小。

4.3 改進PSO算法的有效性

此外，本研究在β=0.95下對比了改進PSO算法與常規(guī)PSO算法的CVaR曲線(如圖10所示)，其中，常規(guī)PSO算法中取c1、c2均為主對角元為2的對角陣。

圖10 CVaR曲線Fig.10 CVaR curves

由圖10可知，PSO算法需迭代271次后收斂，而改進PSO算法僅需迭代239次，計算時間縮短近1/5。若c2均為主對角元為3的對角陣，PSO算法陷入局部最優(yōu)解，CVaR值高達6 087萬元，與之相比，所提方法將風險成本降低了6.42%；因此，改進PSO算法通過改進慣性權(quán)重與學習速率，可提高收斂速度，克服PSO算法易陷入局部最優(yōu)的問題。

5 結(jié)束語

為充分發(fā)揮需求側(cè)能動性，我國放開了工商業(yè)用戶市場化電量和電價，暫未直接從市場購電的工商用戶由電網(wǎng)企業(yè)代理購電。針對代理購電用戶用電隨機性強引起的偏差電量高的問題，本研究借鑒售電公司協(xié)同考慮中長期與現(xiàn)貨交易的思路，首先分析電網(wǎng)企業(yè)代理購電與售電公司購電在決策目標與決策組成方面的區(qū)別，據(jù)此建立代理購電風險體系，并結(jié)合CVaR評估代理購電決策風險；其后，在風險目標下建立代理購電決策優(yōu)化模型，實現(xiàn)月度市場與日前市場的協(xié)同決策；最后，通過改進PSO算法的參數(shù)設計，提高模型收斂速度。仿真結(jié)果表明，所提模型與算法可為電網(wǎng)企業(yè)有效獲取月度市場與日前市場的代理購電組合策略。當前，現(xiàn)貨交易僅考慮日前市場，后續(xù)研究可進一步考慮日內(nèi)市場與實時市場，并定量分析現(xiàn)貨市場價格波動對代理購決策的影響。