清洁能源参与月度合约的多元购电优化研究

doi:10.16628/j.cnki.2095-8188.2021.05.003

摘要/Abstract

摘要：

随着清洁能源的不断发展,其消纳问题越来越受重视。考虑火电、风电、可调水电、不可调水电及核电参与月度合约,并引入惩罚成本量化风电及不可调水电预测偏差造成的影响,同时计及月度合约市场与日前市场关系,将月度购电优化细化至每日;考虑风电、不可调水电、负荷及日前市场电价的不确定性,采用CVaR度量损失的大小;以月度购电费用与日前购电费用之和作为评估购电经济性的指标,建立期望购电费用-损失风险模型。基于某省具体算例分析,得到月度购电优化结果,并分析风电功率预测误差、惩罚成本系数、风险偏好因素对优化结果的影响。

关键词: 清洁能源, 月度合约市场, 多元购电优化, 惩罚成本系数

Abstract:

With the development of clean energy,the issue of clean energy consumption has received increasing attention.This paper considers thermal power,wind power,hydropower (adjustable and non-adjustable) and nuclear power to participate in monthly contract market,and introduces a penalty cost coefficient to quantify the additional costs caused by wind power and non-adjustable hydropower forecast deviations.In addition,this paper also takes into account the relationship between the monthly contract market and day-ahead market,and refines the monthly power purchase optimization to daily.In view of the uncertainty of wind power,non-adjustable hydropower,load and market price,the CVaR is used to measure the loss.The sum of the monthly electricity purchase cost and the day-ahead purchase cost is used as an indicator to evaluate the economy of purchasing electricity,and a model of expected electricity purchase cost-loss risk is established.Based on the analysis of specific examples,the monthly power purchase optimization results are obtained,and the influences of wind power prediction error,penalty cost coefficient and risk preference on the optimization results are analyzed.

Key words: clean energy, monthly contract market, multi-purchasing optimization, penalty cost coefficient

中图分类号:

TM911

林芬, 吕隽, 江岳文. 清洁能源参与月度合约的多元购电优化研究[J]. 电器与能效管理技术, 2021, 0(5): 9-16.

LIN Fen, LÜ Jun, JIANG Yuewen. Multi-Purchasing Optimization Model Considering Clean Energy Participating in Monthly Contracts[J]. LOW VOLTAGE APPARATUS, 2021, 0(5): 9-16.

图/表 11

图1

图2

图3

表1

表2

图4

表3

表4

图5

图6

图7

参考文献 25

[1]	燕京华, 崔晖, 韩彬, 等. 大用户直购电对清洁能源发展的影响分析[J]. 电力建设, 2016,37(3):99-104.
[2]	王开艳, 罗先觉, 吴玲, 等. 清洁能源优先的风-水-火电力系统联合优化调度[J]. 中国电机工程学报, 2013,33(13):27-35.
[3]	卢恩, 王一, 陈雨果, 等. 含复杂电源结构的电网调峰优化模型[J]. 电力系统自动化, 2013,37(20):119-126.
[4]	程海花, 寇宇, 周琳, 等. 面向清洁能源消纳的流域型风光水多能互补基地协同优化调度模式与机制[J]. 电力自动化设备, 2019,39(10):61-70.
[5]	林楷东, 陈泽兴, 张勇军, 等. 含P2G的电-气互联网络风电消纳与逐次线性低碳经济调度[J]. 电力系统自动化, 2019,43(21):23-37.
[6]	黄永皓, 尚金成, 康重庆, 等. 电力中长期合约交易市场的运作机制及模型[J]. 电力系统自动化, 2003,27(4):24-28.
[7]	文旭, 王俊梅, 郭琳. 计及风电不确定性的省级电网月度购电风险管理模型[J]. 电力自动化设备, 2015,35(7):106-112.
[8]	王蕾, 习培玉, 史述红, 等. 基于综合成本的电网公司购电优化模型[J]. 中国电力, 2018,51(4):180-184.
[9]	刘文. 调峰约束下省级电网购电组合优化模型研究[J]. 电器与能效管理技术, 2017(16):71-76.
[10]	陈秀兰, 温步瀛, 江岳文. 计及峰谷电价的售电公司组合购电优化研究[J]. 电器与能效管理技术, 2018(14):20-26.
[11]	尹龙, 刘继春, 高红均, 等. 考虑多种用户价格机制下的综合型能源售电公司购电竞价策略[J]. 电网技术, 2018,42(1):88-95.
[12]	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):47-54,143.
[13]	刘文彬. 考虑日前市场价格和风电不确定性的月度合约市场购电模型[J]. 陕西电力, 2017,45(4):60-65.
[14]	罗舒瀚, 蒋传文, 王旭, 等. 新电改背景下售电公司的购售电策略及风险评估[J]. 电网技术, 2019,43(3):944-951.
[15]	JIANG Y W, CHEN M S, YOU S, et al. A unified trading model based on robust optimization for day-ahead and real-time markets with wind power integration[J]. Enevgies, 2017,10(4):554(1-19).
[16]	国家发展与改革委员会. 核电中长期发展规划(2005~2020年)[R]. 北京:国家发展与改革委员会, 2007.
[17]	卢志刚, 刘艳娥, 马丽叶, 等. 基于安全等级的电网最优安全经济域研究[J]. 电工技术学报, 2015,30(20):210-218.
[18]	葛炬, 王飞, 张粒子. 含风电场电力系统旋转备用获取模型[J]. 电力系统自动化, 2010,34(6):32-36.
[19]	周双喜, 王海超, 陈寿孙. 风力发电运行价值分析[J]. 电网技术, 2006,30(14):98-102.
[20]	张艺渊, 江岳文, 王良缘. 考虑期权思想的风火调峰权交易研究[J]. 供用电, 2016,33(12):69-74.
[21]	阮文骏, 王蓓蓓, 李扬, 等. 峰谷分时电价下的用户响应行为研究[J]. 电网技术, 2012,36(7):86-93.
[22]	许喆, 陈玮, 丁军策, 等. 南方区域各市场主体同台竞价交易输电价格机制设计[J]. 电力需求侧管理, 2020,22(5):88-92.
[23]	李凌, 卓毅鑫, 崔长江, 等. 考虑预测误差折现效应的风电场柔性并网策略[J]. 广东电力, 2020,33(4):25-33.
[24]	袁晓玲, 刘志明, 赫卫国. 分时电价下计及用户用电满意度的家庭负荷优化策略[J]. 广东电力, 2020,33(2):54-62.
[25]	张爽, 丁麒, 景伟强, 等. 分时电价下考虑舒适度的家庭负荷调节特性分析[J]. 浙江电力, 2017,36(12):42-46.

编号	出力上限/MW	报价/(元·MWh^-1)
发电集团1	1100	417
发电集团2	560	413
发电集团3	420	400
发电集团4	250	421
发电集团5	210	415
发电集团6	280	425

编号	出力上限/MW	报价/(元·MWh^-1)
发电集团1	28	340
发电集团2	21	332
发电集团3	42	320
发电集团4	25	336
发电集团5	70	333
发电集团6	55	330

时间 /d	月度分日电量/MWh			预测偏差分日预留接纳量/MWh			日前市场购电量/MWh
时间 /d	火电	核电	可调水电	风电		不可调水电	日前市场购电量/MWh
1	30 785	19 844	5 732	2 062	20			1 111
2	7 185	19 255	5 756	1 135	1 417			22 436
3	10 273	21 276	5 747	1 620	829			17 284
4	4 992	20 708	5 757	1 465	1 426			22 548
5	7 841	19 973	5 756	1 914	1 245			19 953
6	3 756	22 901	5 760	1 258	1 254			21 871
7	9 718	19 376	5 746	1 915	136			19 021
8	8 561	19 302	5 742	1 808	1 279			21 296
9	29 722	19 956	5 757	1 661	1 306			197
10	30 614	19 202	5 752	1 167	1 388			1 226
11	27 822	23 467	5 755	1 616	713			812
12	28 174	19 231	5 755	989	1 304			5 096
13	31 109	20 223	5 756	1 967	1 308			1 112
14	30 126	19 240	5 745	1 627	1 411			3 076
15	26 523	19 586	5 758	1 888	863			5 472
16	13 327	22 608	5 745	1 267	119			17 432
17	21 426	23 557	5 760	1 301	1 167			6 901
18	29 553	22 578	5 745	1 751	311			804
19	22 922	23 513	5 728	1 175	1 359			7 397
20	33 476	19 919	5 753	2 284	1 176			200
21	32 939	19 428	5 759	1 305	256			3 671
22	19 862	21 234	5 756	1 547	1 356			13 327
23	16 644	21 363	5 760	1 137	1 313			15 818
24	9 043	20 682	5 755	2 493	1 031			22 286
25	10 320	19 866	5 753	1 599	553			22 361
26	7 673	21 017	5 734	1 531	1 208			22 042
27	11 776	21 847	5 759	1 345	1 313			17 375
28	10 679	19 382	5 738	1 838	1 314			22 026
29	22 617	22 025	5 756	1 909	61			9 837
30	17 449	20 547	5 753	1 892	972			15 082

风电功率预测误差/%	火电月度购电量/GWh	核电月度购电量/GWh	风电月度预留接纳量/GWh	日前市场月度购电量/GWh	风险价值/ 亿元	购电费用/ 亿元
20	566.91	623.10	48.47	359.07	0.594 1	10.889
10	549.04	594.73	26.54	427.66	0.322 8	9.678