大用户直购电模式下发电商售电策略研究

洪甄 秦江涛

摘 要：在大用户直购电模式下，分析两种不同的发电商和大用户的交易方式——双边直购和集中竞价。以发电商在丰枯平期所售的水电电量为研究对象，以发电商售电时单位水电加权电价最低为目标，结合政策对于的丰枯结构折价系数进行限值的相关约束，构建发电商最低成本的优化模型。在此基础上，利用遗传算法进行求解，算例结果表明，经过模型优化后的成本价格远低于发电商据经验所制定的售电策略而形成的成本价，从而验证所建立的模型的合理性，以期为后来的发电商参与直购电交易提供依据。

关键词：双边直购;集中竞价;丰枯结构折价系数

中图分类号：F713.36        文献标志码：A      文章編号：1673-291X（2019）19-0074-04

引言

大用户直购电是中国电力体制改革的一项重要内容，是指售电放开政策下电力大用户避开电力公司这一环节与发电商直接进行面对面的交易或者网上平台进行交易[1～2]。电改使得电力交易方式除了集中竞价交易外还有供需双方直接双边交易。自2008年以来，我国发电企业亏损严重，核心竞争力大大降低，研究发电商交易决策问题具有理论和实践价值[3]。

2015年国务院下发了“9号文”进行新一轮电改，售电侧放开[1]。对于发电商售电策略的研究也在逐渐增多，梁刚等在售电侧开放政策下，结合平均对手法构建了“多对一”模式下的交易谈判模型，基于条件风险构建发电商在合同市场和短期市场中的电量分配模型，得到以发电商效益最大为优化目标的售电策略[4]。吴诚基于电力市场中买卖双方的一种多对多的交易方式，大用户根据各发电商处的合同电量及现货市场的购电量来制定合同周期内的购电策略[5]。据此建立了各发电商之间的非合作博弈模型及优化大用户购电成本的主从博弈模型，并证明了存在均衡解[5]。张森林依据纳什均衡理论，引入发电商成本矩阵和购电期望支付向量，在双边交易中建立起多个市场主体参与的竞价模型，最终找到使得买卖双方交易总成本最小的纳什均衡策略组合[6]。而针对报价策略，目前市场中关于发电侧的单边竞价策略的研究已有较多完备的理论成果，报价方法基本可以分为三类：Batlle C.等[7～8]对发电企业的机成本特性和燃料成本进行分析而得到的成本分析方法;Plazas M.A.等[9～10]基于预测市场出清价格制定报价;Liu Y：等[11～12]通过建立古诺模型、双人或多人的博弈模型进行最优报价。刘立华等运用“报价平衡点”的概念，以发电企业参与大用户直购电竞价后的利润空间最大化为目标函数，建立了参与直购电交易的双人博弈报价模型，从而得到一个最优的报价策略[13]。

上述研究对不同的电力交易市场下如何进行电量的分配及制定发电侧的最优报价策略已较为成熟，但对于研究发电侧在进行水力发电时存在丰水期、枯水期及平水期，且相关部门的政策对丰枯结构折价系数（以下简称“K值”）进行了限值规定，现并无将此因素考虑进去的相关研究。本文在上述研究的基础上，结合双边直购和集中竞价两种交易方式下的不同的水电单价，并根据政府对K值的限值规定，以单位水电发电成本最低为目标函数，构建不同交易方式下丰枯平时期的最优购电组合。

一、大用户直购电模式下发电商交易方式

第一，集中竞价交易方式。准入的大用户与发电企业集中在交易平台进行竞价交易。针对不同的交易时段，大用户申报购电量而不报购电价，发电企业申报售电价格与售电量，计及网损后进行排序，经安全校核后采用统一的边际出清价格作为市场交易价格。交易成功后发送交易成交情况，按此制订调度计划并实施[2]。

第二，双边直购交易方式。在直接交易电量空间内，准入的大用户与发电企业实现供需直接见面，通过双边自主协商，进行直接交易。双方协商确定直接交易电量、价格、用电负荷及时间等要素后，联合申报，通过电网安全校核后，签订电量直接购售合同（双边合同）。大用户、发电企业、电网企业根据双边合同的内容，签订委托输配电服务合同（三方合同）[2]。

二、发电商售电策略分析模型

（一）假设条件

一是不考虑输电网络的约束;二是完全信息模型，购电商的各月的需求电量、出价及两种交易方式下发电商的单位成本均为已知;三是本文设定两种交易方式下的交易风险均为0;四是最终交易决策以发电商在综合考虑两种交易方式下的单位加权成本最小为前提;五是各个时期平水期的占比跟总的平水期占比相同，设为固定常数C。

（二）基本问题的描述

发电商在供电给用户企业时。在第二章中所提的两种交易方式下有火力发电和水力发电两种发电方式。发电商在通过水力发电提供给用户所需电量时，不仅需要考虑到丰水期、枯水期及平水期按照两种交易方式分配所需的供给量，还要考虑到国家电力部门对于丰枯结构折价系数K值（以下统称K值）的限值规定，最后综合考虑两种交易方式下的单位加权成本最小。

售电分析模型所需要的模型参数如下：K是丰枯结构折价系数，A是购入水电总量，M是集中竞价下丰枯比，N是双边直购下丰枯比，P1、P2分别是双边直购和集中竞价下的单位水电电价，A1、A2分别是双边直购和集中竞价下的水电总量，X、Y、Z分别是丰、枯、平期购水电电量，sf、sk、sp分别是丰、枯、平期水电购入比例，s■、s■、s■分别是双边直购下丰、枯、平期水电购入比例，s■、s■、s■分别是集中竞价下丰、枯、平期水电购入比例，x1、y1、z1分别是双边直购下在丰、枯、平期购入水电电量，x2、y2、z2分别是集中竞价下在丰、枯、平期购入水电电量。

（三）目标函数

本文设定发电商在满足大用户的用电需求下，可自由决策在两种不同的交易方式下丰枯平期的水电交易电量。以发电商通过参与不同交易方式来获取最低单位水电成本为优化目标，则目标函数为：

MinP=■（1）

（四）约束条件

本文在讨论发电商的售电策略时，针对的用户群体锁定为四川省内的用户群体，因此遵循的相关规定都是基于四川省电力市场政策。根据四川省2018年全省电力电量平衡方案及节能调度生产计划中关于计划电量的安排原则：“我省计划电量分为丰水期（5—10月）、枯水期（4—10月、11月、12月）两个时段”而大用户实际与发电商进行电量交易时多细分了一个平水期（11月、12月），每年的丰枯平期的用电需求量为已知。但是，大用户的用电需求量是由发电商的水电和火电共同提供，根据四川省2018年省内电力市场化交易实施方案的第8条对于交易方式的规定：“其他直接交易用电企业。其他参与用电的用户，交易水火电量的比例为7∶3。火电电量由交易平台自动配置，用电企业不再与火电企业签订协议。”因此，对于本文中研究的大用户来说，其需求电量的70%由水力发电供应，剩下的30%电量由火力发电供应。只有水力发电的部分涉及到了两种交易模式——双边交易和集中竞价。在发电商寻求目标函数可以得到最优化时，其受到下述条件约束。

1.总量约束

x1+x2=X（1）

y1+y2=Y（2）

z1+z2=Z（3）

2.平水期水电占比约束

Sp=■=■=S■=S■=■=C（4）

3.双边极限和集中竞价丰枯比（设为M和N）

■=■=N（5）

■=M（6）

4.K值限值约束

2018年4月25日，四川电力交易中心有限公司发布了《关于常规直接交易年度集中交易丰枯结构折价系数（K值）限值的通知》：“各市场主體按照《2018年四川电力交易指导意见（川监能市场[2018]40号）》在年度直接交易进行集中交易时，为消除市场用户丰枯结构不同带来的影响，市场用户应将签约电价折算后进行报价交易（单位：元/兆瓦时）：市场用户报价=签约价格+288×（■-平水期电量占比）+288×（1+24.5%）×（■-枯水期电量占比）。”

“市场用户报价”是指在交易平台申报的价格，“签约价格”是指成交后的结算价格。

设K=288×（■-平水期电量占比）+288×（1+24.5%）×（■-枯水期电量占比），则签约价格=市场用户报价-K。当用电企业丰枯结构好（丰水期电量比例高），则K为正，用户实际签约电价低于报价;反之，则高于报价。经请示四川省经济和信息化委、国家能源局四川监督办，现对常规直接交易年度集中交易中的用户申报各月电量构成的丰枯结构折价系数（K值）进行范围限制K≤86.4。

在常规直接交易年度集中交易的申报阶段，购电方在交易系统录入分月电量后，系统将自动计算出用户K值，当K值绝对数系数大于86.4时，系统将提示购方调整丰枯电量结构后重新申报。常规直接交易年度集中交易“签约价格”仍按288元/兆瓦时上下浮动15%限价。因此，可得如下表达式：

k=288×（■-Sp）+288×1.245×（■-S■）（7）

k≤86.4（8）

（五）模型求解

在根据发电商和用户的已知信息列出基本的约束条件之后，下面对上述式（1）至式（8）进行进一步的分析和整合：

得y2=Y-■（9）

又y2≥0

故x2≥X-NY（10）

又由S■=■=■=■（11）

故结合式（4）、式（6）、式（7）、式（11）可得：

■=M=■=■=■-1=■-1=■（12）

结合目标函数表达式及约束条件，可进一步得到：

minP=■=■（13）

P′=■×■+A-■×P1（14）

求解目标函数的最优解时关键在于从满足用户需求的众多可能的双边直购和集中竞价两种方式下的各种电量组合中找到使单位水电加权电价最小的组合，即合理分配（x1x2）、（y1y2）、（z1z2）。传统的解决非线性规划的方法，计算烦琐且精度不高，稳定性差。基于以上考虑，本文选择较成熟的遗传算法来求解电量分配组合问题，且在上述的约束条件中已将其他变量根据已有关系全部用表示出来，目标问题由6个变量的最优组合问题变成了单一变量的最优化求解问题。

三、算例与分析

（一）基本参数设置

现取用四川省某锻造有限公司作为此次研究对象——大用户L。2018年用户L各月需从发电商处购买电量情况为（单位：千瓦时）：1月（706 105）、2月（547 574）、3月（572 212）、4—6月（550 000）、7月（600 000）、8月（650 000）、9—12月（700 000）。

因此，据前文中规定丰枯平期及水火电配比，得用户L丰枯平期的需求量为：丰水期（3 200 000）、枯水期（1 250 000）、平水期（3 075 981）。进一步可得具体参数如下：

A=（3 200 000+1 250 000+3 075 891）×0.7=5 268 186.7

X=3 200 000×0.7=2 240 000

Y=3 075 981×0.7=2 153 186.7

Z=1 250 000×0.7=875 000

Sp=■=C=0.166091304

S■=■=■=■=0.166091304■

（二）售电策略模拟分析

直购电交易的历史经验是影响发电商报价的重要因素。发电商据以往经验，在与用户L进行2018年的交易中令K=86.4，N=0.95，P1=0.268及P2=0.2448，将N=0.95代入式（13）和式（15）得：

■=M（y2，z2）=■=■-1=■-1=■-1（15）

x2≥X-0.95Y=194 472.635（16）

此时x2∈[194 472.635，2 240 000]，利用Matlab软件，调用遗传算法优化包，此时只含有单变量x2，迭代51次之后，得到当x2取2 121 651.975时，目标函数可取得最小值为0.24608286，即为所求的最低成本价。结合政策规定，所求结果应在标杆电价0.288±15%的范围内，即P∈[0.2448，0.3312]，从而所得结果合理。下面验证剩下的5个因变量x1、y1、z1、y2、z2，以及最终所得K值的合理性。

因x2=2 121 651.975，故x1=118 348.025，y1=124 576.8684，y2=2 018 609.832，z1=4 849.423405，z2=82 650.5766。由此可见，发电商在丰枯平期均该更多以集中竞价方式与用户L进行交易，可使单位水电加权成本最低，从而保证自身利益最大化。结合式（7）和（11）得K=-21.83087581，满足式（8）中k≤86.4。

发电商根据在与大用户直购的交易经验，最终2018年与用户L成交的最低水电加权电价为0.264646325，远高于本文进行优化后的最低电价，从而证明本文所构建的售电策略模型的合理性及可用性。

结语

本文考虑大用户直购电模式下，发电商在与大用户双边直购和集中竞价两种交易下，在丰枯平期如何在满足用户的需求时合理分配电量建立了非线性规划数学模型，从而使得发电商单位水电加权成本最低，进而在后续的市场竞价中有更加宽泛的利润空间和报价策略，可供发电商在与大用户直购进行交易时作为参考，只需根据不同用户的实际需求调整一下基本参数设置即可。通过实例分析得出该模型简单易行，并且从借助遗传算法得到的结果来看，与发电依据经验值而得到的水电加权成本电价相比较，确实达到了明显的优化目的。但本文只计算了发电商在售卖水电时的单位水电加权成本最低，未将火电机组的成本还有输配电价及容量电费等考虑进去计算综合的最低单位成本电价，以进行更精确地售电及报价策略。

参考文献：

[1]  中共中央，国务院.关于进一步深化电力体制改革的若干意见（中发[2015]9号）[Z].2015.

[2]  张晓萱，薛松，杨素，等.售电侧市场放开国际经验及其启示[J].电力系统自动化，2016，（9）：1-8.

[3]  李欢欢，张晨，吴静，等.售电放开政策下发电商售电策略与交易谈判优化模型[J].电力建设，2017，（3）：123-129.

[4]  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.

[5]  吴诚.基于博弈论的大用户直购电双边决策研究[D].南京：东南大学，2017.

[6]  张森林.电力市场双边交易若干问题研究[D].广州：华南理工大学，2011.

[7]  Batlle C.，Barquin J.A strategic production costing model for electricity market price analysis[J].IEEE Transactions on Power Systems，2005，（1）：67-74.

[8]  丁军威，康重庆，沈瑜，等.基于企业经营决策的发电商最优竞价策略[J].电力系统自动化，2003，（16）：23-27.

[9]  Plazas M.A.，Conejo A.J.，Prieto F.J.Multimarket optimal bidding for a power producer[J].IEEE Transactions on Power Systems，2005，（4）：2041-2050.

[10]  Aggarwal S.K.，Saini L.M.，Kumar A.Electricity price forecasting in deregulated markets：A review and evaluation[J].International Journal of Electrical Power&Energy Systems，2009，（1）：13-22.

[11]  Liu Y.，Liu J.，Tian L.，et al..Pareto Improvement of Large Customer Direct Power-Purchase by Use of Multi-Objective Optimization[C]//Power and Energy Engineering Conference，2009.APPEEC 2009.Asia-Pacific.IEEE，2009.

[12]  Wang Y.，Xu Q.Research on Purchasing Portfolio Strategies of Large Consumers with the Interruptible Load[C]//Power and Energy Engineering Conference.IEEE，2012.

[13]  刘立华，楊铁峰，白阳.发电企业参与大用户直购电的博弈报价模型研究[J].中国高新技术企业，2017，（2）：157-159.

Study on Power Sale Strategy of Generators under Direct Purchase Mode for Large Users

HONG Zhen，QIN Jiang-Tao

（Business School，University of Shanghai for Science and Technology，Shanghai 200093，China）

Abstract：Two different transaction modes，bilateral direct purchase and centralized bidding，are analyzed under the mode of large user direct purchase.The objective of this paper is to minimize the unit weighted price of hydropower when a power producer sells electricity，and to optimize the minimum cost of a component power producer with relevant constraints，which limits the discount coefficients of the high-low structure in combination with the policy，taking the amount of hydropower sold by a power producer in the high-low period as the research object.On this basis，the genetic algorithm is used to solve the problem.The results show that the cost price optimized by the model is much lower than the cost price formed by the electricity selling strategy formulated by the generators based on their experience.Thus，the rationality of the model is verified，and it can provide the basis for the profit increase space and bidding strategy of the subsequent generators participating in the direct electricity purchase transaction.

Key words：bilateral direct purchase;centralized bidding;discount coefficient of rich and dry structure

[責任编辑 陈丽敏]