基于外部成本内置法的备用市场竞价模型

2016-02-23李士动张孝君张立柱李鲁燕许行施泉生

电力建设 2016年3期

关键词：竞价边际内置

李士动，张孝君，张立柱，李鲁燕，许行，施泉生

(1.国网山东省电力公司泰安供电公司，山东省泰安市 271000；2.上海电力学院，上海市 200090)

基于外部成本内置法的备用市场竞价模型

李士动1，张孝君1，张立柱1，李鲁燕1，许行1，施泉生2

(1.国网山东省电力公司泰安供电公司，山东省泰安市 271000；2.上海电力学院，上海市 200090)

针对多因素下多种备用资源的优化配置问题，提出基于外部成本内置法的备用市场竞价模型。以需求响应为机会成本，同时考虑容量事故的不确定性，采用风险管理方法建立发电侧备用需求曲线，实现需求侧与发电侧两类备用资源的协调。量化分析发电侧备用可靠性与碳排放因素的边际外部成本，并将该成本内置到发电侧备用的内部成本报价中，以所得边际综合成本作为竞价依据，进一步实现了发电侧备用资源的内部协调。最后，通过供需理论得到备用最优点。算例仿真结果证明所提方法能够从社会角度实现备用资源的优化配置，具有可靠性与碳减排激励作用。

备用市场；竞价；风险管理；发电侧备用；协调优化；外部成本内置

0 引言

市场环境下，大都采用竞价方式获取备用服务，然而传统竞价模型一般仅单一地追求经济性最优，备用服务也主要由传统发电机组提供。2015年3月，中共中央、国务院印发了《关于进一步深化电力体制改革的若干意见》(中发[2015]9号)，明确指出要坚持市场化改革和节能减排，同时也提到建立辅助服务分担共享机制，鼓励多方参与提供辅助服务。因此，电力市场建设对系统备用优化配置提出了更高的要求，体现在以下2个方面[1]：兼顾多个目标或因素的协调；利用更多种类的备用服务资源。

根据电力供给与需求实时平衡的特性，备用服务来源可以分为2类：一类是增加供给侧电源出力(称为发电侧备用)，除了传统上的各类发电机组外，电动汽车接入电网(vehicle-to-grid，V2G)及可控分布式发电(distributed generation，DG)等也可以通过反向放电或供电为系统提供备用服务[2]；另一类则是减少需求侧用户负荷(称为需求侧备用)，电力市场环境下主要通过需求响应方式实现，包括基于价格的需求响应(price-based demand response，PBDR)和基于激励的需求响应(incentive-based demand response，IBDR)[3]。不同备用资源之间存在互补性，通过多种资源的协调优化，能够有效提高备用服务的配置效率。

现有研究大都关注系统备用配置的经济性，而并未在更广泛的因素上区分不同备用资源之间的特性差异。为此，文献[4-5]构建了考虑备用服务经济性、可靠性与碳排放因素的多目标竞价数学模型，并采用遗传算法与粒子群算法求解，但传统求解方法普遍存在着以下2个问题：(1)不同类目标或因素之间的关系较难协调；(2)智能算法的求解效率较低，且较难实现全局寻优。文献[6-7]构建了含可调度负荷、电动汽车及微网等备用资源的优化模型，同时考虑了备用服务的碳排放问题。文献[8]则研究了V2G备用市场的交易模式，考虑了备用服务的可靠性问题。文献[9-10]从经济性角度验证了由电动汽车提供备用服务的可行性。文献[11-13]探讨了电动汽车代理商提供备用服务的最优竞价策略问题。文献[14-16]则构建了需求响应参与系统备用优化的机组组合模型。

此外，传统上的备用容量决策大都采用确定性与概率性方法[17]。确定性方法由于没有考虑不确定性(包括事故概率与事故损失)，往往使决策结果趋于保守。概率性方法虽然计及了事故概率，但却没有反映事故损失。风险是事故概率与事故后果的乘积，反映了损失的数学期望，采用风险理念能够有效处理容量事故的不确定性[18]。

综上所述，对于系统备用的优化配置，需要兼顾多方面影响因素，利用多种备用服务资源，同时反映系统备用需求的不确定性。为此，本文针对在考虑备用服务的经济性、可靠性与碳排放多因素下，如何实现IBDR、传统机组备用与V2G多种备用资源的协调优化问题，提出了备用市场竞价的外部成本内置法。该方法主要包括：(1)建立发电侧备用需求曲线，实现需求侧与发电侧备用的外部协调；(2)发电侧备用外部成本的量化与内置，实现发电侧备用的内部协调。

1 问题分析

1.1 前提条件

由IBDR、发电商、电动汽车代理商及调度机构组成备用容量服务市场。假定采用顺序投标的日前电力市场模式，电能市场出清后，发电侧竞价机构可申报其次日每时段(1 h)备用服务的容量价格与电量价格，IBDR则申报其负荷削减赔偿，并采用按报价支付(pay-as-bid，PAB)方式结算。

受用电功率大小限制，多数需求响应用户不具备直接参与市场交易的权利，同时考虑到用户数量众多，不便于调度机构统一调度或控制，因此本文引入基于负荷聚合商的IBDR[15]，即由负荷聚合商在整合用户容量资源基础上参与市场交易。电动汽车充/放电功率更小，数量也更为庞大，因此采用代理商模式[11-13]，由代理商代理一定数量的电动汽车以便获取充足的充/放电容量，进而作为独立竞价机构参与市场交易，并在容量事故发生后协调、控制其所管理的电动汽车放电为系统提供备用服务。

1.2 3种备用资源异同的比较

考虑多方面影响因素时，IBDR、机组备用与V2G备用3者之间差异显著，不同的备用容量分配结果对系统的效用也是不同的。

(1)相同点。

IBDR属于需求侧备用，机组备用与V2G备用属于发电侧备用，从提高发电容量充裕性角度来看，削减用户负荷与增加供给侧电源出力都可以为系统提供备用服务，三者是等效的，因此可以选择其中一种或多种。

(2)不同点。

1)从交易对象角度，IBDR交易的是实时削减用户负荷的权利，而机组备用、V2G备用交易的则是发电、放电的容量与电量。

2)从经济性角度，要求用户削减负荷至少需要弥补其断电损失，因此IBDR成本较高，而机组备用与V2G备用一般要求支付容量成本、电量成本及电池损耗成本。

3)从可靠性角度，由于备用交易的时间点要提前于备用的实际调用，当需要实时调用备用服务时，发电机组强迫停运、电动汽车接入电网的随机性都将会影响机组备用、V2G备用服务的可靠性。IBDR则因具有“反向惩罚”特性，不确定性较小，并且在引入负荷聚合商后，通过聚合商自身内部协调能够进一步降低响应的不确定性，因此一般认为IBDR能够可靠地响应系统调度。

4)从环保角度，传统火电机组在提供备用服务时也不可避免地会产生CO2、SO2等污染气体排放，而IBDR、V2G备用则是清洁的备用服务资源。

5)从响应速度角度，电动汽车放电可近似瞬间完成，而削减用户负荷需要一定的提前通知时间或调整时间，机组备用则受机组开停机及爬坡速率影响，因此两者都存在一定的响应时滞。

由上述对比分析可以看出，若仅以经济性最优为决策目标将会产生其他负外部性影响，备用配置应实现考虑多因素下的综合优化。本文主要针对备用服务的经济性、可靠性与碳排放因素进行分析。

2 发电侧备用需求曲线

2.1 场景分析

备用服务主要用于化解电力系统运行中面临的不确定性。其中，发电机组、输电线路故障等小概率离散事件和间歇性电源、负荷波动是影响系统安全运行的两类主要不确定性因素。

场景分析通过模拟系统可能出现的场景，将不确定性问题转化为多个确定性场景处理，从而降低随机性问题的求解难度[16]。对于第1类不确定性，可以通过马尔可夫链预测得到设备元件各调度时段的状态概率；对于第2类不确定性，则一般根据历史数据统计得到相应概率分布模型，进而通过随机模拟产生出力状态概率，当抽样规模较大时，为了平衡求解的速度与精度，可以采用缩减场景方法来降低求解规模[19]。

得到每时段系统元件、间歇性电源出力及负荷的状态概率后，可进一步通过解析法或模拟法确定该时刻系统可能的运行场景及相应发生概率。

2.2 需求曲线的计算

容量事故发生后，如果发电侧备用容量不足，为了保证系统安全，往往需要削减用户负荷。市场环境下，IBDR将成为用户负荷削减的主要实现形式，其中可中断负荷与直接负荷控制是IBDR的2种具体实施措施。则某容量事故场景s下，系统最小负荷削减损失模型为：

(1)

(2)

(3)

由式(3)可以看出，购买的发电侧备用容量R不同，则系统损失期望EC(R)不同，通过数据拟合多个点(R,EC(R))可以得到EC(R)的函数解析式，而其负导函数MB(R)则为发电侧备用的边际价值曲线，由经济学理论知，该边际价值曲线可以作为发电侧备用的需求曲线[20]。

需求曲线衡量了发电侧备用不足的经济代价，能够有效协调需求侧与发电侧2种备用资源，实际上也同时实现了发电侧备用的成本与效益之间的平衡。

依据上述方法，调度机构计算出次日每时段的发电侧备用需求曲线，在聚合相应时段发电侧备用报价基础上得到供给曲线，两者交点即为该时段备用决策最优点。

3 内置外部成本的发电侧备用竞价模型

3.1 模型理论思想

发电侧备用机构在报价时仅考虑其提供备用服务的内部成本(包括容量成本与电量成本)，而不考虑因提供备用服务而造成的外部影响。因此，传统模型并不能够实现社会综合成本的最小化。为此，本文提出备用市场竞价的外部成本内置法。

该方法的思想来源于环境经济学中的外部性理论[21]，具体到本文的实现方式为：调度机构通过修正发电侧备用竞价机构报价，将其提供备用服务的边际外部成本内置到内部成本报价中，然后按照所得边际综合成本竞价出清备用服务市场。最后结算时需要在竞价机构收益中扣除其外部成本分量。

由此，定义发电侧备用服务的边际综合成本：

MC=MI+ME

(4)

其中

(5)

容量价格在备用中标后就要支付，属于确定性成本，而电量价格则是在备用被实际调用后才会支付，属于风险性成本，所以应计及事故场景的发生概率。

3.2 边际可靠性外部成本的计算

3.2.1 机组备用

实时运行时，若日前中标的备用机组因强迫停运而无法提供预先中标的备用容量，则会威胁系统安全，因此有必要考虑机组备用的可靠性问题。

发电机组提供备用服务的可靠性外部成本与其实时停运概率有关。对于某一机组j，其边际可靠性外部成本可以表示为

(6)

式中：Sj为容量事故场景集S的子集，即Sj⊆S，且Sj是由所有包含机组j停运的事故场景构成；Loss为因机组无法提供备用服务而导致的单位甩负荷损失，$/(MW·h)；机组停运后其预先中标的备用容量也就无法调度，此时不必再支付电量电价，故应减去PeG,j。

3.2.2V2G备用

由于电动汽车的首要功能仍是用于满足车主的行驶需求，即使电动汽车日前中标，如果车主有实时的行驶需求，代理商也没有权力强制要求车主将车辆接入电网提供备用服务[22]，因此V2G备用服务的可靠性必然受车主出行行为随机性的影响。如果某时段电动汽车多处于行驶状态而导致接入电网数量过少，则代理商的V2G可实时调度容量(achievablepowercapacity，APC)可能无法满足其日前备用中标量要求。

针对V2G充/放电容量的这一不确定性，文献[22-23]分别利用概率学理论与模拟仿真的方法证明了APC服从通过正态分布模型。基于该研究结论，本文假设某竞价时段APC服从正态分布N(μ,φ2)。若假设代理商该时段的V2G备用报价为(PrV, l,PeV, l,RV,l) (l=1，…，L)，则当V2G备用日前中标量为RV,l时，通过积分得到该时段的V2G备用不足期望值为

(7)

式中：x表示APC值;μ、φ2为均值与方差。

则代理商V2G备用服务的第1段报价附加的边际可靠性外部成本可以表示为

(8)

第l(l>1)段报价的边际可靠性外部成本为

(9)

3.3 边际碳排放外部成本的计算

碳排放也是传统发电机组提供备用服务的外部影响之一。对于某机组j，其备用服务的边际碳排放外部成本可以表示为

(10)

V2G备用服务并不会直接产生碳排放，因此本文认为其边际碳排放外部成本为0。

应指出，上述2种外部成本与事故场景发生概率有关，都属于风险性成本。此外，由于发电机组既是容量事故扰动来源又是备用服务提供者，因此发电机组备用服务外部成本的计算需要细分事故场景的构成。

此外，在考虑外部成本的竞价机制下，上文涉及到的可靠性与碳排放数据将作为公开信息加入市场竞争，具体数据应根据机组设计参数或由市场中立机构实测确定[21]。

3.4 模型特征分析

根据式(4)、(5)得到机组备用与V2G备用的边际综合成本分别为:

(11)

(12)

3.1节指出调度机构通过修正发电侧备用报价，可以直接实现外部成本的内置，这属于显性内置法，其优点是便于理论的说明与分析。实际上，外部成本内置法的关键在于市场结算方式的改变，即在结算时根据发电侧备用容量的实际调用情况征收对应外部成本，此时便可促使竞价机构在日前报价中主动地内置其边际外部成本。因此，调度机构不必修正备用报价，而代以修正结算方式，此为外部成本的隐性内置法。

外部成本内置法特点为：

(1) 基于风险管理理念，将备用服务的可靠性与碳排放因素货币化处理，以成本的形式有效地考虑外部因素的影响；

(2)内部成本能够有效地反映竞价机构的经济意愿，外部成本则有效地兼顾了备用服务的外部影响。

外部成本内置法的优势在于以边际综合成本作为竞价依据，提高了高可靠性、低排放备用竞价机构的竞争力。

4 备用最优点

由供给与需求理论可知，发电侧备用的边际综合成本MC(MCG或MCV)等于其边际价值MB的点为备用最优点，即最优点条件为

MC(R*)=MB(R*)

(13)

式中R*为发电侧备用容量最优值。

如图1所示，点A(R*，MB(R*))为备用最优点，位于A点之下的发电侧备用投标将会中标。对于需求侧备用IBDR，可以根据实际发生的容量事故场景由式(1)、(2)加以确定，但此时的负荷削减需求应变为(Qs-R*)。对于图1中所示备用供给曲线，需要考虑发电侧备用的容量、爬坡速率及分区备用约束，可采用排队法求解。

在最优点A处，系统备用服务的综合成本为最小，实现了多因素下多种备用资源的协调优化。

图1 备用最优点Fig.1 Optimal point of reserves

5 算例分析

5.1 算例描述

采用MATLAB编制本文竞价程序。假设某日前电力市场中包括10台火电机组，其中5台机组、4个IBDR及1个V2G备用代理商参与了日前备用容量服务市场竞价，附录A给出了基本数据。所研究时段的负荷预测值为3 000 MW，APC(MW)服从正态分布N(40，20)。假设电量电价与电能市场出清电价联动，取50 $/(MW·h)，单位甩负荷成本Loss为290 $/(MW·h)，碳排放价格ν为30 $/t。

本文以发电机组强迫停运作为容量事故扰动，进行10 000次随机模拟以确定本文仿真的容量事故场景集S，模拟结果显示S共包含62个场景。

5.2 发电侧备用需求曲线分析

根据2.2节所述方法计算得到发电侧备用需求曲线。如图1所示，曲线随发电侧备用容量的增加而递减，表明每单位发电侧备用容量的边际价值或效益彼此间是不相同的，其价值或效益是逐渐降低的。

5.3 外部成本内置法特点分析

图1中，仅考虑在内部成本的传统竞价模式下，备用最优点位于B处，R*为275 MW，预期总成本为14 699$；本文所提外部成本内置法改进模式下，备用最优点位于A处，R*为230 MW，预期总成本为 12 652$。

因此，传统竞价模式是无效率的，不能够实现社会总成本的最小化，由于没有计及外部成本，发电侧备用被过量配置。由表1中各成本分量可以看出，改进竞价模式下能够显著降低备用服务的可靠性与碳排放外部成本。图1中，2条供给曲线之间的区域即为本文外部成本。图2为2种模式下各竞价机构的备用中标值。

表1 备用成本分量
Table 1 Components of reserve cost $

图2 备用中标结果对比Fig.2 Comparison of bidding results in reserves

计及外部成本后，可靠性高、排放低机组(G8、G9)叠加的外部成本较小，边际综合成本较小，竞价序位前移，从而会优先中标；可靠性低、排放高机组(G2、G4、G6)叠加的外部成本较大，边际综合成本较大，从而较少中标或不再中标。因此，改进模式对发电商具有可靠性激励与碳减排激励作用。

对于V2G备用而言，在传统模式下并不会中标，但在改进模式下，由于V2G备用不产生碳排放，并且第1段投标容量RV,1值较小，APC能够以较高的可靠性满足这部分备用需求，所以第1段报价也不存在附加边际可靠性外部成本，因此V2G备用V1段将会中标。而V2G备用第2、3段报价附加的边际可靠性外部成本很高，也就不会中标。

进一步分析本文方法下的V2G备用服务特性，以第1段投标为例，图3给出了V2G备用可靠性外部成本与RV,1、APC方差φ2之间的关系曲线。

图3 可靠性外部成本与φ2、RV,1的关系曲线Fig.3 Relation curves of reliability external cost and φ2’s, RV,1’s

分析图3知，V2G备用可靠性外部成本随RV,1增大而加速递增，说明其边际可靠性外部成本随RV,1增加而增大，因此对于代理商而言，需要合理的确定其投标策略；可靠性外部成本随APC方差增大而增大，说明APC不确定性对于V2G备用的竞价有负面影响，因此为了充分利用V2G备用资源，需要建立合适的市场机制保证电动汽车提供备用服务的可靠性。

5.4 备用资源的协调优化

如图4所示为不同发电侧备用容量下的成本曲线。预期备用总成本包括IBDR成本与发电侧备用成本，其中发电侧备用成本又包括备用内部成本、可靠性外部成本与碳排放外部成本。由曲线变化趋势可以看出：IBDR成本随购买的发电侧备用容量增加而降低，发电侧备用成本则随之增加；过多或过少地配置发电侧备用，都将导致较高的预期备用总成本，需求侧与发电侧备用的协调优化，能够实现预期总成本的最小化。

图4 备用成本曲线Fig.4 Reserve cost curve

6 结语

在备用资源的优化配置中兼顾备用服务的可靠性与碳减排因素，同时考虑多种备用资源的参与，对于保证系统的安全经济运行具有重要意义。

本文方法能够计及影响备用服务的多种因素，从社会成本最小化的角度优化备用资源配置；能够充分利用需求侧与发电侧多种资源，实现协调优化；能够有效反映备用需求的不确定性，实现系统可靠性与经济性的协调。不同于传统的多目标建模方法，本文方法具有明确的经济学含义，是一种高效的求解方法。另外，基于外部成本内置法的竞价方式能够有效容纳多个竞价目标，能够适应未来建设安全可靠、经济及低碳的电力市场综合发展要求，不仅适用于备用辅助服务市场，也可同样推广至电能主市场竞价机制的设计，有较大应用前景。

[1]薛禹胜，谢东亮，薛峰，等.智能电网运行充裕性的研究框架：(一) 要素与模型[J].电力系统自动化，2014，38(10)：1-9. XUE Yusheng，XIE Dongliang，XUE Feng，et al.A research framework for operating reserve adequacy in the smart grid：part I elements and models[J].Automation of Electric Power Systems，2014，38(10)：1-9.

[2]杨俊，文福拴，汪震，等.电动汽车与电力系统的交互作用[J].电力建设，2015，36(7)：14-24. YANG Jun，WEN Fushuan，WANG Zhen，et al.Interactions between electric vehicles and power ystems[J].Electric Power Construction，2015，36(7)：14-24.

[3]张钦，王锡凡，王建学.电力市场下需求响应研究综述[J].电力系统自动化，2008，32(3)：97-1 06. ZHANG Qin，WANG Xifan，WANG Jianxue.Survey of demand response research in deregulated electricity markets[J].Automation of Electric Power Systems，2008，32(3)：97-106.

[4]蔡秋娜，文福拴，丁剑鹰，等.计及经济性、可靠性和排放因素的备用市场竞价模型[J].电力系统自动化，2012，36(8):38-44. CAI Qiuna，WEN Fushuang，DING Jianying，et al.A reserve market bidding model considering economics，reliability and emissions [J].Automation of Electric Power Systems，2012，36(8):38-44.

[5]丁明，齐先军，安玲.旋转备用市场中考虑可靠性的多目标分层决策[J].电力系统自动化，2007，31(13)：17-22. DING Ming，QI Xianjun，AN Ling.The multi-objective and layered decision-making considering reliability in the market of spinning reserve[J].Automation of Electric Power Systems，2007，31(13)： 17-22. [6]刘晓，艾欣，杨俊.考虑未来碳排放交易的需求侧备用竞价与调度模式设计[J].电力系统自动化，2011，35(2):38-42. LIU Xiao，AI Xin，YANG Jun.Design of demand side reserve bid-scheduling strategy considering future carbon emission trading [J].Automation of Electric Power Systems，2011，35 (2):38-42.

[7]施泉生，李士动，张涛.考虑碳排放成本的备用市场竞价模型[J].电力系统保护与控制，2014，41(4)：40-45. SHI Quansheng，LI Shidong，ZHANG Tao.A reserve market bidding model considering carbon emission costs[J].Power System Protection and Control，2014，41(4)：40-45.

[8]张谦，史乐峰，任玉珑，等.计及V2G 备用服务的交易模式[J].中国电机工程学报，2012，32(31)：59-67. ZHANG Qian，SHI Lefeng，REN Yulong，et al.The reserve trading model considering vehicle-to-grid reserve[J].Proceedings of the CSEE，2012，32(31)：59-67. [9]KEMPTON W，TOMIC J.Vehicle-to-grid power fundamentals：calculating capacity and net revenue [J].Journal of Power Source，2005，144(1)：268-279.

[10]陆凌蓉，文福拴，薛禹胜，等.电动汽车提供辅助服务的经济性分析[J].电力系统自动化，2013，37(14)：43-49. LU Lingrong，WEN Fushuan，XUE Yusheng，et al.Economic analysis of ancillary service provision by plug-in electric vehicles [J].Automation of Electric Power Systems，2013，37(14)：43-49.

[11]胡泽春，占恺峤，徐智威，等.电动汽车与电网互动的关键问题分析与展望[J].电力建设，2015,36(7)：6-13. HU Zechun，ZHAN Kaiqiao，XU Zhiwei，et al.Analysis and outlook on the key problems of electric vehicle and power grid interaction [J].Electric Power Construction，2015，36(7)：6-13.

[12]VAGROPOULOS S I，BAKIRTZIS A G.Optimal bidding strategy for electric vehicle aggregators in electricity markets[J].IEEE Trans.on Power Systems，2013，28(4)：4031-4041.

[13]SORTOMME E，EI-SHARKAWI M A. Optimal scheduling of vehicle-to-grid energy and ancillary services[J].IEEE Trans.on Smart Grid，2012，3(1)：351-359.

[14]别朝红，胡国伟，谢海鹏.考虑需求响应的含风电电力系统的优化调度[J].电力系统自动化，2014，38(13)：115-119. BIE Zhaohong，HU Guowei，XIE Haipeng.Optimal dispatch for wind power integrated system considering demand response[J].Automation of Electric Power Systems，2014，38(13)：115-11 9.

[15]刘小聪，王蓓蓓，李扬，等.计及需求侧资源的大规模风电消纳随机机组组合模型[J].中国电机工程学报，2015，35(14): 3714 -3723. LIU Xiaocong，WANG Beibei，LI Yang，et al. Stochastic unit commitment model for high wind power integration considering demand side resources[J].Proceedings of the CSEE，2015，35(14): 3714 -3723.

[16]PARVANIA M，FOTUHI-FIRUZABAD M.Demand response scheduling by stochastic SCUC[J].IEEE Trans.on Smart Grid，2010，1(1)：89-98.

[17]曲翀，王秀丽，姚力，等.基于条件成本收益分析的旋转备用优化配置[J].电力系统自动化，2014，38(14)：62-69.

QU Chong，WANG Xiuli，YAO Li，et al.Optimal configuration of spinning reserve based on conditional cost/benefit analysis [J].Automation of Electric Power Systems，2014，38(14)：62-69.

[18]王建学，王锡凡，张显.电力市场中弹性运行备用研究[J].中国电机工程学报，2005，25(18)：20-27. WANG Jianxue，WANG Xifan，ZHANG Xian.The flexible operating reserve model in the power market[J].Proceedings of the CSEE，2005，25(18)：20-27.

[19]张文韬，王秀丽，吴雄，等.大规模风电接入下含大用户直购电的电力系统调度模型研究[J].中国电机工程学报，2015，35(12)：2927-2935. ZHANG Wentao，WANG Xiuli，WU Xiong，et al.An Analysis Model of Power System With Large-scale Wind Power and Transaction Mode of Direct Power Purchase by Large Consumers Involved in System Scheduling [J].Proceedings of the CSEE，2015，35(12)：2927-2935.

[20]DAVID S，PABLO F，TOMAS G.Calculation of the elastic demand curve for a day-ahead secondary reserve market[J].IEEE Trans.on Power System，2010，25(2)：615-623.

[21]魏学好，李瑞庆，陈宇晨.具有节能减排内核的电力市场新模式[J].电力系统自动化，2009，33(15)：26-28. WEI Xuehao，LI Ruiqing，CHEN Yuchen.A new electricity power market model embedding core function of energy saving and emission reduction[J].Automat ion of Electric Power Systems，2009，33(15)：26-28.

[22]HAN S，HAN S，SEZAKI K.Estimation of achievable power capacity from plug-in electric vehicles for V2G frequency regulation: case studies for market participation[J].IEEE Trans.on Smart Grid，2011，2(4)：632-641.

[23]赵俊华，文福拴，薛禹胜.计及电动汽车和风电出力不确定性的随机经济调度[J].电力系统自动化，2011，34(20)：22-29. ZHAO Junhua，WEN Fushuang，XUE Yusheng. Power system stochastic economic dispatch considering uncertain outputs from plug-in electric vehicles and wind generators [J].Automation of Electric Power Systems，2011，34(20)：22-29.

(编辑刘文莹)

附录A

表A1 机组数据
Table A1 Dates of the generators

注：本文采用平均分配发电容量利用小时数的方式模拟机组在电能市场中的中标结果。

表A2 机组备用投标数据
Table A2 Reserve bidding datas of generators

A Reserve Market Bidding Model Based on Internalization of External Cost

LI Shidong1, ZHANG Xiaojun1, ZHANG Lizhu1, LI Luyan1, XU Hang1, SHI Quansheng2

(1.Taian Power Supply Company, State Grid Shandong Electric Power Company, Taian 271000, Shandong Province, China；2.Shanghai University of Electric Power, Shanghai 200090, China)

According to the optimal allocation of diverse reserve resources under multiple factors, this paper proposes a reserve market bidding model based on internalization method of external cost. Taking demand response as opportunity cost and considering the uncertainty of contingencies, we adopt risk management method to build generation-side reserve demand curve, in order to realize the coordination of the reserve resources between demand side and generation side. Then, the marginal external cost of generation-side reserve reliability and carbon emission factors are quantified and internalized into the internal cost quotation of generation side reserve, which is taken as the bidding criterion to further achieve the internal coordination of generation side reserve. Finally, the optimal decision point is obtained according to supply and demand theory. The simulation results show that the proposed method can realize the optimal allocation of reserve from social perspective, and possess the incentive of reliability and carbon emission reduction.

reserve market; bidding; risk management; generation side reserve; coordinative optimization; internalization of external cost