一种评估含风电的省级电网多类市场购电风险的方法与流程

本发明涉及电力市场分析领域，特别是一种评估含风电的省级电网多类市场购电风险的方法。

背景技术：

在新的电力市场环境下风电大量接入，增加了省级电网购电决策的难度。目前，许多文献对电力市场中如何在多个市场进行购电量分配的问题进行了研究，且其研究成果在传统的电力市场环境中取得了广泛的应用，但是没有考虑风电不确定性对省级电网购电决策的影响。而针对风电并网，考虑风电不确定性研究风电对省级电网购电决策影响的文献较少。省级电网作为购电决策者，在满足负荷电量需求且售电收入一定的情况下，希望投入更少的购电成本以提高购电效益，同时希望省级电网遭受损失的风险最小；所以，在购电成本和风险之间存在优化的空间，特别是风电的加入增加购电市场的不确定性。因此，在新的电力市场环境下如何在各市场中进行购电量分配，使其购电成本最小和可能遭受损失的风险最小，是一个值得重视的问题，具有实际意义。

技术实现要素：

有鉴于此，本发明的目的是提出一种评估含风电的省级电网多类市场购电风险的方法，更直观地描述期望购电成本和风险之间关系，为省级电网购电决策提供参考，实现期望购电成本和风险的最小化。

本发明采用以下方案实现：一种评估含风电的省级电网多类市场购电风险的方法，包括以下步骤：

步骤S1：提取远期合约市场和日前现货市场下常规发电市场和风力发电市场的电价和电量、所述电价和电量的均值和标准差信息；提取售电电价和负荷电量预测数据；

步骤S2：建立最小的省级电网期望购电成本模型：省级电网从电力市场中购电，以1h为分析对象，将省级电网期望购电成本用数学函数表述如下：

minE[F(t)]＝E[C_M(t)]+E[C_N(t)]+E[C_R(t)]；

其中，E[F(t)]为省级电网在t时段的购电成本均值；E[C_M(t)]、E[C_N(t)]、E[C_R(t)]分别为在t时段从远期合约市场、日前现货市场和辅助服务市场的购电成本均值；

步骤S3：建立最小的损失风险模型：采用CVaR度量省级电网购电损失的风险；

步骤S4：求解期望购电成本、风险和在各市场的购电量分配。

进一步地，所述步骤S2具体包括以下步骤：

步骤S21：将远期合约市场分为常规发电市场和风力发电市场，计算省级电网t时段在远期合约市场的购电成本C_M(t)为：

C_M(t)＝Q_m(t)q_m(t)+Q_W1(t)q_W1(t)；

其中，上式第一项为远期合约市场中常规发电市场的购电成本；第二项为远期合约市场中风力发电市场的购电成本；Q_m(t)、q_m(t)分别为t时段在远期合约市场从常规发电市场购买的电量和电价；Q_W1(t)、q_W1(t)分别为t时段在远期合约市场从风力发电市场购买的电量和电价；

步骤S22：将日前现货市场分为常规发电市场和风力发电市场，计算省级电网t时段在日前现货市场的购电成本C_N(t)为：

C_N(t)＝Q_n(t)q_n(t)+Q_W2(t)q_W2(t)；

其中，Q_n(t)、q_n(t)分别为t时段在日前现货市场从常规发电市场购买的电量和电价；Q_W2(t)、q_W2(t)分别为t时段在日前现货市场从风力发电市场购买的电量和电价；其中q_W2(t)等于q_n(t)；

步骤S23：计算省级电网t时段在辅助服务市场的购电成本C_R(t)为：

C_R(t)＝Q_R(t)q_R(t)；

其中，Q_R(t)、q_R(t)分别为t时段在辅助服务市场购买的电量和电价；

其中，Q_R(t)等于负荷电量预测值的5％～10％与日前现货市场风电购电量的10％～20％之和，即：

Q_R(t)＝10％L(t)+20％Q_W1(t)；

其中，L(t)为t时段负荷电量预测值；

步骤S24：省级电网期望购电成本函数服从N[μ_f,σ_f²]的正态分布，则：

其中，μ_W1(t)为t时段在远期合约市场从风力发电市场购买的电量；μ_n(t)为t时段在日期现货市场从常规发电市场购电的电价均值，μ_W2(t)为t时段在日期现货市场从风力发电市场购电的电价均值。

进一步地，所述步骤S3具体包括以下步骤：

步骤S31：将省级电网购电损失风险的CVaR值用数学函数表示：

其中，S(t)为省级电网的购电损失函数；p(y)为损失函数S(t)的概率密度；β∈(0,1)为置信水平，表示1-β的概率下，投资者允许其投资组合策略可能遭受的损失为某一风险水平；α_β(Q)为各市场购电量分配下损失函数S(t)的累积分布函数大于β值的最小限值；

其中，省级电网的购电损失函数为：

S(t)＝-R(t)＝-(L(t)q_s(t)-F(t))＝F(t)-L(t)q_s(t)；

其中，R(t)为省级电网在t时段的购电效益；q_s(t)为在t时段的售电电价；

步骤S32：省级电网的购电损失函数服从的正态分布，即：

μ_s＝μ_f-μ_L(t)q_s(t)；

其中，μ_L(t)为t时段负荷电量预测的均值。

进一步地，所述步骤S4中包括的约束条件有：供需平衡约束、各市场购电量约束；

所述供需平衡约束用数学函数表示为：

L(t)＝Q_m(t)+Q_W1(t)+Q_n(t)+Q_W2(t)；

所述各市场购电量约束用数学函数表示为；

其中，分别为t时段在远期合约市场从风力发电市场购买的最大和最小电量；分别为t时段在日前现货市场从风力发电市场购买的最大和最小电量。

进一步地，所述步骤S4以期望购电成本最小和风险最小为多目标模型，通过多目标粒子群优化算法和模糊集理论求得最优折中解，得到最优期望购电成本、风险，以及在各市场的购电量分配。

与现有技术相比，本发明有以下有益效果：本发明考虑负荷电量、风电购电量和日前现货市场电价的不确定性，以及省级电网的损失风险建立多目标模型，通过该模型反映出新的电力市场环境下风电参与交易对期望购电成本和损失风险的影响。并通过多目标粒子群优化算法和模糊集理论求解，得到最优期望购电成本、风险和在各市场的购电量分配。本发明提出的一种评估含风电省级电网多类市场购电风险的方法，反映出风电参与市场交易对期望购电成本和损失风险的影响，以及风电电价对省级电网购电的影响；更直观地描述期望购电成本和风险之间关系，为省级电网购电决策提供参考，实现期望购电成本和风险的最小化。

附图说明

图1为本发明的原理流程示意图。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

如图1所示，本实施例提供了一种评估含风电的省级电网多类市场购电风险的方法，包括以下步骤：

步骤S1：提取远期合约市场和日前现货市场下常规发电市场和风力发电市场的电价和电量、所述电价和电量的均值和标准差信息；提取售电电价和负荷电量预测数据；

步骤S2：建立最小的省级电网期望购电成本模型(定义该模型：在新的电力市场环境下，风电参与到远期合约市场和日前现货市场交易中。)：省级电网从电力市场中购电，以1h为分析对象，将省级电网期望购电成本用数学函数表述如下：

minE[F(t)]＝E[C_M(t)]+E[C_N(t)]+E[C_R(t)]；

其中，E[F(t)]为省级电网在t时段的购电成本均值；E[C_M(t)]、E[C_N(t)]、E[C_R(t)]分别为在t时段从远期合约市场、日前现货市场和辅助服务市场的购电成本均值；

步骤S3：建立最小的损失风险模型：采用CVaR度量省级电网购电损失的风险；

步骤S4：求解期望购电成本、风险和在各市场的购电量分配。

在本实施例中，所述步骤S2具体包括以下步骤：

步骤S21：将远期合约市场分为常规发电市场和风力发电市场，虽然远期合约市场按合同规定的电量和电价进行交易，但由于风电的波动性，且为了促进风电的消纳水平，允许实际成交的风电电量在其合约电量的基础上服从正态分布进行波动。计算省级电网t时段在远期合约市场的购电成本C_M(t)为：

C_M(t)＝Q_m(t)q_m(t)+Q_W1(t)q_W1(t)；

其中，上式第一项为远期合约市场中常规发电市场的购电成本；第二项为远期合约市场中风力发电市场的购电成本；Q_m(t)、q_m(t)分别为t时段在远期合约市场从常规发电市场购买的电量和电价；Q_W1(t)、q_W1(t)分别为t时段在远期合约市场从风力发电市场购买的电量和电价；

步骤S22：将日前现货市场分为常规发电市场和风力发电市场，日前现货市场价格不确定，价格波动将导致风险的发生，假设其价格的波动性服从正态分布。由于日前风电预测较准确，实际电量按计划电量成交，即电量保持不变。计算省级电网t时段在日前现货市场的购电成本C_N(t)为：

C_N(t)＝Q_n(t)q_n(t)+Q_W2(t)q_W2(t)；

其中，Q_n(t)、q_n(t)分别为t时段在日前现货市场从常规发电市场购买的电量和电价；Q_W2(t)、q_W2(t)分别为t时段在日前现货市场从风力发电市场购买的电量和电价；其中q_W2(t)等于q_n(t)；

步骤S23：本实施例中的辅助服务市场主要是备用量的购买，计算省级电网t时段在辅助服务市场的购电成本C_R(t)为：

C_R(t)＝Q_R(t)q_R(t)；

其中，Q_R(t)、q_R(t)分别为t时段在辅助服务市场购买的电量和电价；

其中，Q_R(t)等于负荷电量预测值的5％～10％与日前现货市场风电购电量的10％～20％之和，即：

Q_R(t)＝10％L(t)+20％Q_W1(t)；

其中，L(t)为t时段负荷电量预测值；

步骤S24：风电预测偏差和日前现货市场电价偏差都服从正态分布，且假设它们相互独立；根据统计学原理，省级电网期望购电成本函数服从的正态分布，则：

其中，μ_W1(t)为t时段在远期合约市场从风力发电市场购买的电量；μ_n(t)为t时段在日期现货市场从常规发电市场购电的电价均值，μ_W2(t)为t时段在日期现货市场从风力发电市场购电的电价均值。

在本实施例中，所述步骤S3具体包括以下步骤：

步骤S31：将省级电网购电损失风险的CVaR值用数学函数表示：

其中，S(t)为省级电网的购电损失函数；p(y)为损失函数S(t)的概率密度；β∈(0,1)为置信水平，表示1-β的概率下，投资者允许其投资组合策略可能遭受的损失为某一风险水平；α_β(Q)为各市场购电量分配下损失函数S(t)的累积分布函数大于β值的最小限值；

其中，省级电网的购电损失函数为：

S(t)＝-R(t)＝-(L(t)q_s(t)-F(t))＝F(t)-L(t)q_s(t)；

其中，R(t)为省级电网在t时段的购电效益；q_s(t)为在t时段的售电电价；

步骤S32：在一定时期内，假设省级电网以固定电价售电，负荷电量预测偏差服从正态分布。同理，根据统计学原理，省级电网的购电损失函数服从的正态分布，即：

μ_s＝μ_f-μ_L(t)q_s(t)；

其中，μ_L(t)为t时段负荷电量预测的均值。

在本实施例中，所述步骤S4中包括的约束条件有：供需平衡约束、各市场购电量约束；

所述供需平衡约束用数学函数表示为：

L(t)＝Q_m(t)+Q_W1(t)+Q_n(t)+Q_W2(t)；

所述各市场购电量约束用数学函数表示为；

其中，分别为t时段在远期合约市场从风力发电市场购买的最大和最小电量；分别为t时段在日前现货市场从风力发电市场购买的最大和最小电量。为了促进风电消纳，规定省级电网必须从风电中购买一定电量。

在本实施例中，所述步骤S4以期望购电成本最小和风险最小为多目标模型，通过多目标粒子群优化算法和模糊集理论求得最优折中解，得到最优期望购电成本、风险，以及在各市场的购电量分配。

以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。