客户侧电力现货交易模型策略研究

曹瑞峰赵蜜 卢菲菲 侯素颖 赵帆

摘要：针对电力现货市场中的实时偏差电量结算问题，引入3种客户侧可调节资源，提出了一种实时偏差电量管控策略，以调用客户侧资源成本最小为目标函数，利用粒子群算法对该电力现货交易模型进行求解。通过算例证明了新策略可有效降低实时偏差电量管控总成本，并分析了预测精度对实时偏差电量管控策略的影响。

关键词：电力现货市场;客户侧可调节资源;实时偏差电量;预测精度

0 引言

现货市场在电力市场中发挥着极其重要的作用，但当出现实时偏差电量时，可能会导致售电公司利润下降，也可能会影响电力系统的安全稳定运行。为此，应尽量避免或减少实时偏差电量[1-2]。

现有研究中，文献[3]计及用户需求响应，构建了双层售电公司的购售电决策模型;文献[4]利用场景法模拟现货价格、电力需求等风险随机变量，将售电公司预期收益最高作为目标函数，以此获得风险评估与购售电业务综合决策模型;文献[5]将用户负荷视为需求响应资源，将其作为平衡资源，制订两类需求响应策略，基于以上策略，提出了平衡市场优化交易策略。但现有研究对于客户侧可调节资源对实时偏差电量的影响这一问题鲜有讨论。因此，本文针对电力现货市场的用户侧允许申报偏差外收益处理机制，建立3种客户侧可调节资源模型，提出了一种实时偏差电量管控策略。通过算例证明了新策略可有效降低实时偏差电量管控总成本，并分析了预测精度对实时偏差电量管控策略的影响。

1 用户侧允许申报偏差外收益处理机制

用户侧允许申报偏差外收益处理机制原理如图1所示[6]。

4 算例分析

4.1    参数设置

算例中的3种客户侧可调节资源包括：4个客户侧储能设备、4个可中断负荷、6个可调节负荷。本文选用的日前与实时市场电价数据为2017年的PJM电力市场第3季度的数据，其中零售电价为35美元/（MW·h）[7]。采用最新的机器学习算法轻量级梯度提升机[8]对实时市场电价与负荷曲线进行预测分析，预测误差约为5%。

4.2    实时偏差电量管控策略分析

图2为场景1下的实时偏差电量。

由图2可知，调整后场景1下的实时偏差电量均在允许范围内，且随着允许偏差比例的增大而增大。

图3给出了不同场景下的允许偏差比例与实时偏差电量管控总成本的关系。

由图3可知，在同一允许偏差比例下，场景编号越大，总成本越高;同时，在同一个场景下，所对应的允许偏差比例越小，导致的偏差电量管控所需花费的总成本越高。

4.3    敏感性分析

分析场景1下不同的负荷预测误差在不同的允许偏差比例下的实时偏差电量管控总成本，如图4所示。

由图4可知，同一允许偏差比例下预测误差越小，实时偏差电量管控总成本越小，且总成本随着负荷预测误差的增加而增加。

5 结语

本文针对电力现货市场中的实时偏差电量结算问题，介绍了用户侧允许申报偏差外收益处理机制，通过建立客户侧可调节资源模型，研究实时市场下的偏差电量管控策略。本文所做工作具有一定的实际意义，可为进行实时偏差电量管控提供指导。

[参考文献]

[1] 樊宇琦，丁涛，孙瑜歌，等.国内外促进可再生能源消纳的电力现货市场发展综述与思考[J].中国电机工程学报，2021，41（5）：1729-1751.

[2] 陈启鑫，房曦晨，郭鸿业，等.电力现货市场建设进展与关键问题[J].电力系统自动化，2021，45（6）：3-15.

[3] 任艺，周明，李庚银.考虑用户需求响应的售电公司购售电决策双层模型[J].电力系统自动化，2017，41（14）：30-36.

[4] 王林炎，张粒子，张凡，等.售电公司购售电业务决策与风险评估[J].电力系统自动化，2018，42（1）：47-54.

[5] 杨萌，艾欣，唐亮，等.计及风险规避的售电公司平衡市场优化交易策略研究[J].电网技术，2016，40（11）：3300-3309.

[6] SANTOS P J，CHEMETOVA S R，PIRES A J，et al.The importance of daily load forecasting for main electric substation in a spot market context[C]//

2020 IEEE 14th International Conference on Compatibility，Power Electronics and Power Eng-

ineering （CPE-POWERENG），2020.

[7] 高瑞，郭红霞，杨苹，等.基于用户侧可调节资源的售电公司实时市场偏差电量管控策略[J].电力建设，2019，40（6）：114-122.

[8] KE G L，MENG Q，FINLEY T，et al.LightGBM：A highly efficient gradient boosting decision tree[C]// 31st International Conference on Neural Information Processing Systems，2017：3149-3157.

收稿日期：2021-06-15

作者简介：曹瑞峰（1983—），男，陕西榆林人，高级工程师，长期从事电力营业管理、分布式电源及电厂并网管理、电力市場管理研究等工作。