一种联合风-火合同电量交易的月度电能量市场运行方法与流程

本发明涉及电能量市场运行方法，具体涉及一种联合风-火合同电量交易的月度电能量市场运行方法。

背景技术：

在电力市场环境下，大量风电、光伏等功率输出具有间歇性、波动性的机组接入不仅给电网的安全经济运行带来新的挑战，还给市场交易带来了严峻的考验。为确保市场的稳定安全，目前，我国采用“计划电+市场电”的电力市场结构，而风电出力因其出力特性，主要以计划电形式参与市场。因此，如何实现高比例风电进入市场是亟待解决问题之一，现阶段针对风电市场化的研究侧重于现货市场准入机制、结算机制等研究，从现货市场的角度促进风电市场化的实现。基于我国采用“中长期+现货”电力市场结构，且电能量在中长期市场中交易比重高达80％的国情，国内学者着手探究中长期市场交易品种对风电消纳的影响，从而实现中长期市场风电与火电的协调优化。而针对中长期市场模型研究，侧重于探究交易竞价方式，从交易品种角度探索适合市场主体的竞价机制，集中于探究中长期市场交易计划，从交易全周期保证中长期交易计划的有效执行。目前的中长期发电计划研究成果通常采用“经济调度+机组组合”的决策模式，决策目标为机组购电费用与启停费用最小化，另一种思路是通过寻找月度电能量市场运行问题的特殊性更具有针对性的建模。

针对风电市场化，目前主要从日前、实时等现货市场机制和备用调频等辅助服务市场机制的建立和优化，以及协调优化现有中长期品种，促进风电进入市场。针对中长期市场模型，集中于探究中长期市场交易计划，从交易全周期保证中长期交易计划的有效执行。中长期市场交易计划问题实际上是月度机组组合问题，目前主要有以下两种求解方法：将比较成熟的日前电能量市场运行方法向月度问题推演；另一种思路是通过寻找月度电能量市场运行问题的特殊性更具有针对性的建模。

针对风电市场化研究，未从风电角度探究适合高比例风电市场化的交易品种、交易周期。针对中长期市场模型，未考虑中长期市场化改革中如何协调中长期市场交易计划和日前生产模拟的问题。针对中长期市场交易计划问题，将日前机组组合的优化模型扩展到月度优化模型，这种决策模式实质上是把传统的日发电计划决策思路扩展应用到月度决策中，由于月度时间尺度较长，计算规模较大，因计算效率的影响难以实用；通过寻找月度机组组合问题的特殊性更具有针对性的建模的方法，目前现有研究主要侧重于电量分解模型和方法研究，但月度电能量市场运行问题还面临着电量的合理分解、长周期的计算复杂度等问题，无法实现单一模型分析整体问题。

随着电力市场化改革推进，如何实现风电市场化、解决风电进入市场导致市场不稳定性的这一问题越来越迫切。

技术实现要素：

针对现有技术的不足，本发明的目的旨在提供一种联合风-火合同电量交易的月度电能量市场运行方法，以实现风电市场化、解决风电进入市场导致市场不稳定性的这一问题。

为实现上述目的，本发明采用如下技术方案：

一种联合风-火合同电量交易的月度电能量市场运行方法，包括：

确定中标步骤：终端从服务器中下载若干发电商的发电容量和发电容量报价数据以及若干购电商的购电容量和购电容量报价数据，并以社会福利最大化为目标撮合竞价，确定火电商的月度合约交易电量，并公布中标的发电电量和价格；

份额确定步骤：将火电商发电权益部分或全部转让给风电场，以而确定火电机组、风电机组的月度合约发电量份额；

份额分解步骤：将月度合约电量份额分解至小时发电份额；

生产运行模拟步骤：引入月度、日、时直购电约束以及机组直购电出力约束构建生产模拟模型，以系统运行成本与购电成本最小为目标，确定月度各机组投运计划及投运机组出力计划；

修改比例步骤：修改火电机组、风电机组的发电量份额，然后重复份额确定步骤、份额分解步骤以及生产运行模拟步骤，以获得若干个生产模拟结果；

最优比例确定比例：从若干个生产模拟结果中确定火电机组、风电机组的月度合约发电量份额最优比例。

本发明的有益效果在于：

本方法通过在在中长期火电与大用户直接交易中，引入风电与火电的合同电量交易，实现风电参与中长期电力市场，有利于推动风电全面市场化的发展，从风电角度探究适合高比例风电市场化的交易品种、交易周期，同时，本方法还虑了中长期市场化改革中如何协调中长期市场交易计划和日前生产模拟的问题，从当月全局优化出发，保证中长期交易计划的有效执行，从而实现风电市场化、解决风电进入市场导致市场不稳定性的这一问题。

附图说明

图1为本发明实施例提供的联合风-火合同电量交易的月度电能量市场运行方法的流程图。

具体实施方式

下面，结合附图以及具体实施方式，对本发明做进一步描述：

参阅图1所示，本实施例提供的联合风-火合同电量交易的月度电能量市场运行方法包括：

101、终端从服务器中下载若干发电商的发电容量和发电容量报价数据以及若干购电商的购电容量和购电容量报价数据，并以社会福利最大化为目标撮合竞价，确定火电商的月度合约交易电量，并公布中标的发电电量和价格。当然在此步骤之前，交易中心预先向月度电能量市场发布交易公告及各种约束条件，发电商和购电商则根据约束条件来进行投标，并将关键的发电容量和发电容量报价数据以及购电容量和购电容量报价填写上传至服务器中。在本实施例中，终端可以为电脑、手机等。

102、将火电商发电权益部分或全部转让给风电场，以而确定火电机组、风电机组的月度合约发电量份额。

103、将月度合约电量份额分解至小时发电份额。

104、引入月度、日、时直购电约束以及机组直购电出力约束构建生产模拟模型，以系统运行成本与购电成本最小为目标，确定月度各机组投运计划及投运机组出力计划。

105、修改火电机组、风电机组的发电量份额，然后重复份额确定步骤102-105，以获得若干个生产模拟结果；

106、从若干个生产模拟结果中确定火电机组、风电机组的月度合约发电量份额最优比例。、

由此可知，本方法通过在在中长期火电与大用户直接交易中，引入风电与火电的合同电量交易，实现风电参与中长期电力市场，从风电角度探究适合高比例风电市场化的交易品种、交易周期，同时，本方法还虑了中长期市场化改革中如何协调中长期市场交易计划和日前生产模拟的问题，从当月全局优化出发，保证中长期交易计划的有效执行，从而实现风电市场化、解决风电进入市场导致市场不稳定性的这一问题。

具体地，上述社会福利最大化的目标模型为：

约束条件：

该模型中目标函数(1)表示社会福利最大化。n为发电商总数，m为购电商总数，i为发电商个数，i＝1,2,3…n，j为购电商个数，j＝1,2,3…，m；pij为第i个发电商与第j个购电商交易量；为第i个发电商卖出的发电量；为第j个购电商购入的购电量；为购电商j报价，为发电商i报价，cij为交易成本，取350元/mw。

该月度各机组投运计划及投运机组出力计划的目标模型为：

式中，t为日前出清总时段数，n为机组个数，nm为机组多段报价的总段数；cg(i,m)为全现货常规机组报价，为含直购常规机组的现货电量报价，为含直购风电机组的现货电量报价，cgte(i,m)风电机组的储能购现货电量报价，cz为直购电价格；pg(t,i,m)为全现货常规机组i在t时段第m段的出力；为含直购风电机组i在t时段第m段的现货出力；为含直购风电机组i在t时段第m段的现货出力；pgte(t,i,m)风电机组的储能i在t时段第m段的现货购电；为含直购机组i在t时段的直购出力；sut,i为全现货常规机组i在t时段的开机成本。

此外，该月度各机组投运计划及投运机组出力计划目标模型还设置有如下约束条件：

系统约束条件：

系统功率平衡：

式中bij为忽略支路电阻和对地支路建立起来的节点导纳矩阵；为t时段的节点相角向量。

系统正旋转备用约束：

式中r^u(t,i)为常规机组i在t时段提供的正旋转备用容量；wu％为风电出力对正旋转备用的需求系数；tr为常规机组的旋转备用响应时间。

系统负旋转备用约束：

式中r^d(t,i)为常规机组i在t时段提供的负旋转备用容量；wd％为风电出力对负旋转备用的需求系数。

线路传输约束：

-plmax≤pl≤plmax\*mergeformat(11)

式中pl为线路l的传输容量；plmax为线路l最大传输容量。

全现货电常规机组约束：

出力上下限约束：

pgmin(i)、pgmax(i)分别为全现货常规机组i的有功出力下限和上限；u(t,i)为全现货常规机组i在t时段的启停状态。

爬坡、滑坡约束：

式中rp(i)、rd(i)为全现货常规机组i的向上爬坡率和向下滑坡率。

机组最小连续开停时间约束：

式中td(t,i)、tu(t,i)分别为全现货常规机组i在t时段已经连续停机的时间和连续开机的时间；td、tu为全现货常规机组i最小连续停机的时间和连续开机的时间。

启动费用约束：

式中全现货常规机组i的单次启动费用。

含直购电的常规机组约束：

出力上下限约束：

式中分别为含直购电的常规机组i的有功出力下限和上限。

直购电量约束：

式中为含直购电的常规机组i的直购电份额。

爬坡、滑坡约束：

式中rp^nz(i)、rd^nz(i)为含直购电的常规机组i的向上爬坡率和向下滑坡率。

含储能的风电场约束：

风电约束：

式中为风电机组i在t时段的预测出力。

储能约束：

功率约束：

式中uc(t,i)、ud(t,i)为0-1变量，分别为储能i在t时段的充电、放电状态；pbcmax(i)、pbdmax(i)为储能i的最大充电、放电功率。

容量约束：

式中soc(t,i)为t时刻，储能电站i的容量状态；ηc(i)、ηd(i)分别为储能电站i的充电效率和放电效率；soc(fin,i)、soc(ini,i)分别表示初始时刻与最终时刻，储能电站i的容量状态，一般取值为其中为储能电站i的最大容量。

风储直购电约束：

式中为风电机组的直购电份额。

直购电合同约束：

月度约束：

式中pz(d)为每日直购电总量。

每日约束：

每时约束：

式中pz(d,t)为每时直购电总量。

日偏差量约束：

上述月度机组组合模型复杂，时间粒度为1h，720*14个整数变量，求解速度慢，计算困难，难以求得最优解，不适应大型电力系统。

针对上述问题，本方法还提出基于典型日序列的机组组合快速简化求解方法，以将月度合约电量份额分解至小时发电份额具体如下：(1)根据月分日曲线分解思想，将30日分成20个工作日、4个周六、4个周日、2个节假日，并从这四类各抽取一天作为此类型日期的典型日，将4个典型日随机组合为6组序列；(2)求取当月6组序列概率分布，确定当月选取的序列组合；(3)选此序列组合，建立以系统运行成本最小为目标的96h机组组合模型，确定序列对应的4类日期的常规机组启停状态；(4)将4类日期的常规机组启停状态作为当月对应日期类型的机组状态；(5)建立以系统运行成本最小为目标的月度720h经济调度模型，确定该月各机组出力计划。

具体模型变更如下：

将上述月度机组组合模型式(17)、(22)、(23)分别变换为下式(27)(28)(29)，构建96h机组组合模型，确定96h常规机组启停状态u(t,i)。

并将此状态作为月度常规机组启停状态，继而构建月度经济调度模型模拟生产运行，确定各机组的出力。

目标：

约束条件同上述月度各机组投运计划及投运机组出力计划目标模型但无机组最小连续开停机时间约束及启停费用约束。

综上，本发明与现有技术相比，具有以下技术优势：

(1)针对风电市场化研究方面，在中长期火电与大用户直接交易中，引入风电与火电的合同电量交易，实现风电参与中长期电力市场，从风电角度探究适合高比例风电市场化的交易品种、交易周期。

(2)针对中长期市场模型，本发明提出的运行策略考虑了中长期市场化改革中如何协调中长期市场交易计划和日前生产模拟的问题，从当月全局优化出发，保证中长期交易计划的有效执行。

(3)针对中长期市场交易计划问题，本发明提出基于抽取四类典型日，构建以系统运行成本及购电成本最小为目标的96h机组组合模型，确定四类日期的常规机组状态，并将此机组状态赋予当月常规机组，构建720h经济调度模型，确定各机组出力的方法，减少月度机组组合计算规模，提高计算速度，有助于在实际应用中的推广。

对本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及形变，而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。