售电放开政策下发电商售电策略与交易谈判优化模型

李欢欢，张晨，吴静，张予燮，谭忠富

(1．华北电力大学，北京市102206;2．国网能源研究院，北京市102209)

售电放开政策下发电商售电策略与交易谈判优化模型

李欢欢1，张晨2，吴静1，张予燮1，谭忠富1

(1．华北电力大学，北京市102206;2．国网能源研究院，北京市102209)

在售电侧放开的政策背景下分析未来发售双方的主要交易模式，并以“多对一”交易模式为研究对象，以发电商效益最大化为目标，结合火电机组发电约束构建发电商利益优化模型。在此基础上利用平均对手法与静态贝叶斯纳什均衡理论建立发电商报价策略模型。算例结果显示，当合同交易电量达到发电商总出力的72.91%时，发电商利益达到极值，同时发电商对于售电商购电价预估值与对平均对手概率分布的推断对最后的报价和期望收益均产生影响。

电力改革;电力市场;交易谈判;报价策略

0 引言

新一轮电改“9号文”及其配套文件下发以来，售电业务放开成了电力行业关注与研究的热点［1-2］。售电侧市场放开后，发电商获得自主电力交易能力，且电力交易形式变得多样化。自2008年以来，我国发电企业亏损严重，核心竞争力大大降低，研究售电侧放开政策下发电商交易决策问题具有理论和实践价值。

随着中长期合同市场的逐步成熟和现货市场的建立，发电商既可以参与双边或多边合同交易，也可以在日前竞价市场中的实时电能市场与辅助服务市场进行交易［3-4］。发电商的决策问题转变为两方面决策，一是中长期合同市场与短期市场之间售电量分配决策，二是两个市场的定价决策。针对两个市场电量分配决策，文献［5－6］分别基于均值－方差原理、鲁棒利润和条件鲁棒利润提出发电商交易策略构建模型，针对计划期内每个交易时段的电价特性提出不同时段内的交易策略。文献［7］基于信息间隙决策理论研究了发电商在双边合同、期权合同与现货市场等交易选择中的电量分配风险决策问题，并论证了该方法在不确定性较强的情况下进行风险决策的优势。文献［8］基于发电商价值函数和概率权重函数建立了计及发电商心理因素的电量分配决策模型。在定价决策方面，针对中长期合同交易，文献［9－13］对大用户与发电企业直接交易定价问题进行研究，主要利用博弈论分析发电商在直接交易中的竞价问题，建立电价优化设计模型探讨电能交易价格对用户用电量及发电商的影响，利用鲁宾斯坦模型，分析独立发电商与用户进行讨价还价的博弈。文献［14］研究了基于不完全信息静态博弈的电力直接交易报价策略及市场力影响，并提出了改进市场力影响的方法及交易规则的优化措施。针对短期市场竞价交易的研究主要考虑发电机组出力、爬坡等约束，构建发电商最优报价策略等模型，对每个交易时段制定不同的交易策略［15-16］。文献［17］分析了电力库模式下发电商的上网竞价策略，文献［18－19］分别结合发电商的边际成本与博弈论研究了我国发电企业的竞价策略。

在上述研究的基础上，结合我国当前电力改革的发展趋势，本文分析售电侧放开政策下发电商交易模式，在此基础上基于条件风险构建售电侧放开情景下发电商在合同市场与短期市场中的电量分配模型，并构建了“多对一”模式下交易谈判模型。

1 售电放开政策下发电商交易模式

电网统购统销以外，当前我国电力交易以签订中长期合约为主，包括双边交易和多边交易，其中单一发电商与单一售电商交易为双边交易，体现为“一对一”的模式，“多对一”及“一对多”模式下发电商与售电商的交易为多边交易。

1.1 “一对一”交易模式

电力实物合同为有固定电力电量交易价格，且合同交割与竞价市场无关的中远期契约。单一发电商与单一售电商进行协商交易，签订双边交易实物合同。此类交易模式如图1所示。

图1“一对一”交易模式Fig.1“Onetoone”transactionmode

1.2 “多对一”交易模式

在“多对一”的模式中，如图2所示。独立售电商拥有更多的自主选择权，针对不同发供电商的电能产品供给能力和情况进行谈判，“讨价还价”的结果是独立售电商可根据发电商的具体情况形成多种“价格－电量”合同组合。

图2“多对一”交易模式Fig.2 “Multi-to-one”transactionmode

1.3 “一对多”交易模式

单一发电商与售电商群交易属于多边交易的一种，图3体现此种“一对多”的交易模式。发供电企业会针对不同独立售电商的电能产品需求进行谈判，谈判的结果是发供电企业根据不同的独立售电商情况最终形成多种“价格－电量”合同组合。

图3“一对多”交易模式Fig.3“Onetomulti”transactionmode

图3所示交易模式为一个发电商与多个售电商进行电力交易的情况，此时需要考虑更多的是售电商如何制定电价电量策略来获得交易机会并使自身利益最大化。

本文主要探讨的是售电放开政策下发电商决策问题，侧重于发电商在售电侧市场中的竞争问题，“一对一”以及“一对多”模式下发电商面临的竞争性较弱，因此本文选择“多对一”交易模式为研究对象，设计竞争环境下的售电决策模型。

2 发电商售电策略分析模型

2.1发电商利益函数

对比分析国内外大部分现存的电力市场，可发现这些电力市场都包含中长期合约市场、现货市场、辅助备用市场以及实时平衡市场等多样性的电力市场交易模式。在进行电力交易时，发电商等市场经济主体将面临如何选择上述多种市场，实现效益最优的决策问题。从电力交易量来看，通常情况下在中长期合约市场与现货市场中实现交易的电量较大。在双边开放的电力市场中，市场参与者的决策更加自主，发电商和售电商都可以选择以双边合同或实时电力市场竞价两种交易方式买卖电能。本文设定发电商所发电能一部分与售电商在中长期合同市场内进行交易，一部分在实时电力市场出售。以发电商通过参与这两个市场的交易来获取最大效益为优化目标，则目标函数为

式中:πcf为发电商期望利益;E(b)为发电商参与中长期合同交易的收益;E(r)为发电商参与电能实时市场交易的收益;C为发电商发电成本;VVaR(b)为发电商进行合同交易时的风险;VVaR(r)为实时市场交易风险。

发电商参与合同市场交易收益为

式中:Pb为发电商参与合同市场的交易电价;为发电商第i台机组在t时刻的交易电量;Qb为合同交易总电量;I为发电商拥有发电机组数量;T为发电商进行合同交易的有效期。

发电商参与实时市场交易收益为

式中:Pr(t)为t时刻的实时交易电价;Qir(t)为发电商第i台机组在t时刻的实时交易电量。

发电商的发电成本与变动成本及固定成本有关，变动成本包含燃料成本及机组启停成本，固定成本主要为折旧及运维成本。发电商的发电总成本如下所示:

式中:CV为变动成本;CS为固定成本;pfuel为燃料价格;uit为机组i在t时刻的启停状态变量，若机组处于开机状态，则此变量为1，若机组处于其他状态，则此变量为0;为机组启动时所需燃料量，以标煤计;为第 i台机组在t时刻的出力;为第i台机组在t时刻的燃料消耗函数，为二次曲线函数。

式中ai，bi，ci为机组i的煤耗参数。

中长期合同交易风险表示为

本文设定在合同市场下的交易为无风险交易，合同交易风险为0。实时电力市场交易风险表示为

假设Pr(t)服从正态分布，则单位电能交易的风险为V= σ， 为给定置信水平下标准正态分布的上侧分位数，σ为价格变量的标准方差。

2.2约束条件

发电商拥有多台机组，各台机组须满足一定的约束条件。对于火电机组来说，其受到下述条件约束。

(1)出力约束。

火电机组的实时出力，受其技术出力最低极限与技术出力最高极限约束，式(10)为火电机组实时输出功率的上下限约束

(2)爬坡约束。

(3)开/停机时间约束。

火电机组的开/停机对燃煤与燃油的需求量较大，机组频繁启停将带来较高的燃料成本，并且对机组本身有一定的损耗。为避免机组的频繁开/停机，对机组的连续开/停机时间进行约束，式(12)为机组i的最短开机时间约束:

2.3模型求解

(1)采用文献［20］中一阶自回归模型预测电价，可得到各时段的Pr(t);

(2)给定合同交易量Qb，计算发电商各时段电量优化分配情况;

(3)累计交易期内各时段发电商收益，得到Qb下发电商的总收益;

图4 二次约束规划线性处理方法Fig.4 Lineartreatmentmethodforquadratic constraintprogramming

将二次规划函数f(g)分成N段，那么此二次规划函数可表达成分段函数F(g)。对于g∈［gmin+ nΔ，gmin+(n+1)Δ］，有

式中:n=0，1，．．．，N－1;Δ为分段函数每一段的长度，经过线性化处理，上述二次函数规划问题转变为混合整数规划问题，可通过GAMS软件进行模拟求解。

本文将RPL-FAHP与最新经典的RPL路由协议(0.8×ETX+0.2×RE和0.6×HC+0.4×RE)通过 OPNET14.5 仿真软件平台进行性能比较。考察的性能参数主要有:平均分组丢失率、平均端到端时延及网络寿命等。

3 多发电商与单一售电商交易谈判模型

多个发电商与单一售电商进行交易时一般采用竞价拍卖的合同签订方式，售电商通过专门的信息发布平台公布其需求，满足要求的发电商向售电商投标报价。参与投标报价的各发电商均只知道自己的报价，而不清楚其他发电商的报价，即参与投标的所有发电商处于非完全信息的电力市场中。各发电商将自己的报价通过密封的信封发送到售电商，虽然他们上交的时间有先后，但是在博弈结束的时候彼此都不知道对方采取了什么样的策略，即发电商处于一个非完全信息静态博弈中。对于发电商来说，他们各自投标报价的时候主要考虑在事先拟定的报价范围内，既能够中标，又能够获得最大的收益。

3.1平均对手法

本文运用标高的概念来更加清楚地表示发电商投标报价与发电商自身对于售电商购电价预估值的关系，本文所说的标高用发电商i的报价Bi与售电商购电价预估值Gi的比值来表示，即的取值范围为［1，ψi］，如果发电商报价低于它对于售电商购电价预估值，会导致发电商收益小于0。如果发电商标高值较大，那么发电商的收益就会提高，但是发电商中标的可能性比较小;反之，标高值较低，发电商中标概率就大，但是收益水平就比较低。由于售电商招标电量己知，各发电商在投标时主要考虑竞争对手的报价水平。

假设在发电商投标报价中，一共有N家发电商参与，其报价集合J={B1，B2，．．．，Bn}，发电商i投标报价比其他各家发电商报价都低的概率为

f(ψi)为标高ψi的概率密度函数，则发电商i以投标报价Bi赢得发电商j的概率为

式中:ψj表示发电商j的报价Bj与发电商i的售电商购电价预估值Gi的比率，其概率密度函数f(ψj)可以通过收集发电商j的报价数据来确定。

假设所有的发电商报价都是相互独立的，那么发电商i报价低于其他所有发电商的概率为

由式(17)可以得出发电商i的收益期望为

在运用静态贝叶斯纳什均衡求解最优报价的时候，必须加强对于其他发电商报价水平的精确预测，及时搜集、分析各种资料，结合实际情况，使得自己的报价战胜其他发电商的概率分析更加精确。

当参与投标的发电商数目较多时，要去精确预计每个发电商的报价水平将耗费极大精力，为解决这一问题，本文采用平均对手法来选择最优报价策略。平均对手法是指在所有的发电商中假设一个比较有代表性的代表者，一般选择自己比较熟悉的，把这个代表性发电商作为平均对手。

假如有N个发电商参与投标，发电商i选择的平均对手a的标高ψa的概率密度函数为fa(ψa)，那么发电商i的最优报价求解步骤如下:

(1)计算发电商i的报价低于平均对手a的概率为

(2)计算发电商i的收益期望

即

3.2发电商报价策略模型

发电商进行博弈分析过程时，概率分布的准确预测将会对其报价收益有重大的影响。

设定ψa服从区间为的均匀分布，则发电商i的投标报价为

则发电商报价为

发电商i最大收益为

4 算例分析

4.1基本参数设置

在满足售电商电量需求的前提下，考虑机组出力约束、机组启停约束和爬坡约束来制定机组组合运行方式，以期达到发电商利益最大化。设定发电商拥有2台同类别火电机组，机组基本参数和能效参数如表1、2所示。算例中合同交易时限为1年，发电商规划下一年的发电策略，即在合同市场和实时市场的电量分配策略。煤炭价格为 75$/t，合同交易价格为33.24$/(MW·h)，置信水平设定为90%。

表1 燃煤机组基本参数Table1 Basicparametersofthermalunit

表2 燃煤机组能效参数Table2 Energyefficiencyparametersofthermalunit

4.2售电策略模拟分析

以文献［21］中某电力市场1999年出清价作为实际市场清算价格(market clearing price，MCP)，与预测电价进行对比，如图5所示。

图5 某电力市场1999年9月1日24时预测出清价与实际出清价Fig.5 Predictedandactualclearingpriceat 24:001991-9-1ofanelectricpowermarket

给定合同电价下，发电商售电量分配策略如图6所示，当合同交易电量达到发电商总出力的72.91%时，发电商利益达到极值。因此，发电商进行售电量分配时，应将72.91%的电量放在合同市场进行交易。

图6 合同交易电量占比对发电商利益的影响Fig.6 Influenceofcontractelectricity consumptiononpowergenerator

此后如果继续增加合同交易量，那么发电商利益将逐渐降低。在整条曲线中，当合同交易量占比达到25%和50%时有2个明显的阶跃，这是因为当合同交易电量小于30%时发电机组的启停受制于实时交易市场，导致机组启停次数增加。当合同交易电量占比超过25%时，能够保证1台机组持续出力，避免机组的启停费用，使得发电商的利益有明显的提高。同理，此分析也适用于合同交易百分比达到50%时的收益阶跃，如果合同交易电量能够使得发电商的发电机组持续出力，那么发电商将会获得较高的利益。

4.3多发电商与单一售电商模拟分析

在投标前，发电商应根据以往交易信息，对售电商期望购电价进行预估。为测算售电商购电价预估值和平均对手的概率分布对于发电商报价和收益的影响，给出发电商对于售电商购电价预估值和平均对手的概率分布。设定ψa服从区间为［ψmina，ψmaxa］的均匀分布，通过计算可以得到发电商i的最优报价和最大期望收益。投标报价的结果如表3所示。

表3 均匀分布下发电商投标报价及最大期望收益Table3 Powergeneratortenderofferandmaximum expectedprofitunderaveragedistribution

根据表3可知，发电商对于售电商购电价预估值和对平均对手概率分布的推断，对最后的报价和期望收益都有影响，所以发电商必须合理确定售电商购电价预估值，并加强对于其他发电商有关信息的搜集和分析。

5 结论

本文考虑发电商在长期与现货市场进行交易的效益函数，结合火电机组出力约束、火电机组爬坡约束和火电机组开/停机时间约束，建立发电商利益优化模型。通过案例分析后得出当合同交易电量达到发电商总出力的72.91%时，发电商利益达到极值，发电商通过合同市场进行售电，可以获得稳定且相对较高的效益。在“多对一”交易模式下利用平均对手法与静态贝叶斯纳什均衡理论建立发电商的交易策略模型，对发电商期望收益进行测算。测算结果显示，发电商对于售电商购电价预估值与对平均对手概率分布的推断均对最后的报价和期望收益产生影响，发电商须合理确定上述信息才能进行更为准确的报价策略。

［1］曾鸣．能源互联网与售电市场放开［J］．中国电力企业管理，2015 (13):54-57．

［2］梁刚，王中荣，马占军，等．基于售电侧放开的电力市场交易研究［J］．管理观察，2016(31):32-35．

［3］张显，王锡凡，王建学，等．发电商长期电能分配策略研究［J］．中国电机工程学报，2005，25(1):6-12．ZHANG Xian，WANG Xifan，WANG Jianxue，et．al．A long-term allocating strategy of power generators［J］．Proceedings of the CSEE，2005，25(1):6-12．

［4］ELIA E，MAIORANO A，SONG Y H，et al．Novel methodology for simulation studies of strategic behavior of electricity producers［C］// Power Engineering Society Summer Meeting．Vancouver:IEEE，2000:2235-2241．

［5］刘敏，吴复立．电力市场环境下发电商电能分配策略研究［J］．中国电机工程学报，2008，28(25):111-117．LIU Min，WU Fuli．Trading strategy of generation companies in electricity market［J］．Proceedings of the CSEE，2008，28(25): 111-117．

［6］周洁，赵琛，张少华．基于鲁棒优化的发电商电量分配策略［J］．电力建设，2016，37(3):58-62．ZHOU Jie，ZHAO Chen，ZHANG Shaohua．Electricity capacity allocation strategies of generation companies based on robust optimization［J］．Electric Power Construction，2016，37(3):58-62．

［7］赵亚楠．基于IGDT理论的发电商电量分配策略研究［D］．上海:上海大学，2015．ZHAO Yanan．Power producer electric quantity distribution based on IGDT theory［D］．Shanghai:Shanghai University，2015．

［8］潘俊涛，彭建春，孙芊，等．基于前景理论的发电商电量分配策略［J］．电网技术，2011，35(4):170-175．PAN Juntao，PENG Jianchun，SUN Qian，et al．A prospect theorybased generation energy allocation strategy for gencos［J］．Power System Technology，2011，35(4):170-175．

［9］ZHENG Y，LI G，ZHOU M，et al．An integrated approach on allocating the congestion management cost under large consumers electricity direct purchase mode［C］//Electric Utility Deregulation and Restructuring and Power Technologies．Nanjing:IEEE，2008: 539-544．

［10］谭忠富，李晓军，郭联哲，等．发电商向大用户直接供电的电价设计模型分析［J］．现代电力，2004，21(1):86-89．TAN Zhongfu，LI Xiaojun，GUO Lianzhe，et al．On pricing models for a generation company suppling electric energy to a big consumer［J］．Modern Electric Power，2004，21(1):86-89．

［11］邹小燕，王正波．电力市场中关于直购电力价格的讨价还价博弈模型［J］．管理工程学报，2005，19(4):96-99．ZOU Xiaoyan，WANG Zhengbo．The bargain game modelon electric power price in a bilateral electricity market［J］．Journal of Industrial Engineering and Engineering Management，2005，19(4):96-99．

［12］陈其安，杨秀苔．基于博弈论的发电厂商竞价策略研究［J］．系统工程学报，2004，19(2):121-127．CHEN Qi’an，YANG Xiutai．Research on competing price strategies of power plants based on game theory［J］．Journal of Systems Engineering，2004，19(2):121-127．

［13］PLAZAS M A，CONEJO A J，PRIETO F J．Multimarket optimal bidding for a power producer［J］．IEEE Transactions on Power Systems，2005，20(4):2041-2050．

［14］王剑波，苏昭．黑龙江省电力用户与发电企业直接交易策略研究［J］．黑龙江科技信息，2016(28):286-288．

［15］LIU Y，WU F F．Generator bidding in oligopolistic electricity markets using optimal control:Fundamentals and application［J］．IEEE Transactions on Power Systems，2006，21(3):1050-1061．

［16］HE Y．The study of bidding strategies of generators in electricity markets［D］．London:Brunel University，2002．

［17］吴磊．电力库模式发电侧竞价上网报价问题研究［D］．北京:北京科技大学，2016．WU Lei．Research on power generation side bidding problem under power poolmode［D］．Beijing:University of Science and Technology Beijing，2016．

［18］于金栋．基于边际发电成本分析的火电厂竞价策略研究［D］．济南:山东大学，2014．YU Jindong．Research on thermal power plant based on the marginal cost of power generation［D］．Jinan:Shandong Univeristy，2014．

［19］杨珊珊．基于博弈论的我国发电企业竞价策略研究［D］．哈尔滨:哈尔滨理工大学，2014．YANG Shanshan．Power generation enterprise bidding strategy based on game theory［D］．Harbin:Harbin Institute of Technology，2014．

［20］刘敏，吴复立．电力市场环境下发电商电能分配策略研究［J］．中国电机工程学报，2008，28(25):111-117．LIU Min，WU Fuli．Trading strategy of generation companies in electricity market［J］．Proceeclings of the CSEE，2008，28(25): 111-117．

［21］张丽．市场出清价规律分析与预测［D］．北京:华北电力大学，2007．ZHANG Li．Analysis and forecaston market clearing price law［D］．Beijing:North China Electric Power University，2007．

(编辑 刘文莹)

Electricity Sale Strategy and Trade Negotiation Optimization Model for Power Generator under Electricity Sale Liberalization Policy

LI Huanhuan1，ZHANG Chen2，WU Jing1，ZHANG Yuxie1，TAN Zhongfu1

(1．North China Electric Power University，Beijing 102206，China; 2．State Grid Energy Research Institute，Beijing 102209，China)

This paper analyses the main trading modes in the future between the generation side and the retail side under the policy background of releasing in the retail side．Taking the“multi-to-one”trading model as the object，and maximizing the benefits of the generators as the goal，this paper constructs an optimization model for the generation party under thermal power generating power constraints．Based on the model，this paper uses the average method and the static Bias Nash equilibrium theory to establish a pricing strategy model of generators．The simulation results show that when the contract volume reaches 72.91% of the total output of generators，the generators'benefits will reach the maximum．Power generators'pre-estimations to the price that electricity purchasers may come up and their deduction of the average probability distribution of competitors will influence both the final price and the expected revenue．

electric power reform;electricity market;trading negotiation;bidding strategy

TM 715

A

1000－7229(2017)03－0123－07

10.3969/j．issn.1000－7229.2017.03.017

2016-12-16

李欢欢(1991)，女，博士研究生，主要研究方向为电力技术经济及管理;

张晨(1988)，女，博士，主要研究方向为电力技术经济及管理;

吴静(1993)，女，硕士研究生，主要研究方向为电力技术经济及管理;

张予燮(1993)，女，硕士研究生，主要研究方向为电力技术经济及管理;

谭忠富(1964)，男，教授、博士后、博士生导师，主要研究方向为电力能源经济、风险管理。

国家自然科学基金项目(71573084)

Project supported by National Natural Science Foundation of China (71573084)