一种兼顾合约电量分解的梯级水电站群中长期优化调度方法

1.本发明属于水电站调度优化技术领域，特别是涉及一种兼顾合约电量分解的梯级水电站群中长期优化调度方法。


背景技术：

2.随着我国西南水电规模不断扩大以及电力市场相关政策日趋完善，大规模水电参与市场竞争是实现资源优化配置的必然趋势，其交易模式主要以中长期交易为主、日前短期交易为辅。特别是中长期，受限于天然来水不确定、水库调节能力有限、水力联系紧密、电价波动较大等特点，梯级水电站群在制定交易计划时难以权衡不同时间尺度的市场份额，突出表现在：过多年度合约电量可能会因为电价过低导致收益受损；过多月度合约电量可能会因为电站发电能力不足导致合约电量无法完成；过多日前或短期合约电量可能因为电价的异常波动导致交易失败，因此，在市场经济下如何针对不同时间尺度制定合理的交易电量，成为梯级水电站群参与市场竞争亟待解决的理论与实践难题。
3.目前，国内外学者针对电力市场环境下合约电量分解问题进行大量研究，主要集中在三个方面，
①
非水电系统电量分解问题，如计划方案与实际方案偏差最小、成本最小、对负荷曲线满意度最大等为目标进行年度或月度电量分解，上述文献研究对象都是独立的火电或风电系统，对于上下游水力联系紧密的水电系统不是很适用；
②
含水-火-风-光多能互补的电力系统电量分解问题，如以购电成本最小、能耗最小、效益最大等为目标进行电量分解，上述文献在多能互补的电力系统参与电力市场交易具有一定的现实意义，但是水电仅作为辅助能源或者只考虑了同一时间尺度协调，较少涉及多时间尺度协调问题；
③
水电系统电量分解问题，主要包括以发电效益最大为目标确定合约电量分解方案、选取年度合约占比确定年度合约电量及年内分解方案、考虑市场电价波动拟合市场电价等，对于水电年度合约电量分解问题具有实际意义，然而受限于问题的复杂性。
4.上述研究存在以下几方面的不足：首先是发电效益最大模型中未考虑弃水损失以及电量分配不均导致的收益风险问题；其次是年度合约总电量年内分解模型中只考虑年度时间尺度电量分解，年度基数电量与月度合约电量分解协调问题需要进一步研究；最后是市场电价拟合时未考虑到水电站参与不同电力市场中市场电价差异较大问题，不同市场电价需要进一步分析。


技术实现要素：

5.随着我国西南地区水电规模不断扩大，水电在中长期交易市场占据了主导地位，研究一种兼顾合约电量分解的梯级水电站群中长期优化调度方法，对解决天然来水和交易电价的不确定性因素导致不同市场份额难以确定、水资源利用不充分以及电量分配不均导致收益存在较大风险问题具有指导意义，本成果为大规模水电站群月度交易电量分解与校核系统建设提供了坚实的理论基础。
6.为了实现上述的技术特征，本发明的目的是这样实现的：一种兼顾合约电量分解
的梯级水电站群中长期优化调度方法，其特征在于：采用给定置信度下整个梯级发电收益风险最小为目标；首先利用软件生成符合正态分布的随机月尺度来水过程；然后根据水电电量占市场比重不同模拟出三种电价函数；选取不同来水频率和市场电价，采用逐步优化和逐次逼近混合算法对电站出力决策和合约电量分解循环迭代求解。
7.具体操作步骤如下：
8.步骤1，确定不同频率来水过程：
9.针对梯级水电站群丰枯来水频率不同步问题，利用java的random.nextgaussian()方法生成符合正态分布的随机来水；
10.步骤2，拟合中长期合约电价函数：
11.针对梯级水电站占市场比重类型不同影响电价规律问题，选取水电电量占市场不同比重情形拟合电价曲线；
12.步骤3，合约电量分解与校核：
13.针对发电调度与市场交易衔接不紧密导致水电电量超发、少发问题，利用水电站出力与合约电量分解同步求解方法进行求解；
14.步骤4，中长期发电调度过程与交易计划制定：
15.以整个梯级发电收益风险最小为目标，采用逐步优化和逐次逼近混合算法对电站出力决策和合约电量分解循环迭代求解。
16.所述步骤1中确定不同频率来水过程的详细步骤为：
17.假设调度周期内来水在任意月份其预测偏差服从正态分布n(μ1,σ
12
)，其中μ1为数学期望，σ1为标准差，选取流域内各水库同期天然来水多年平均流量作为期望值，流域内各水库同期天然来水流量标准差表示来水波动程度，用java中random.nextgaussian()方法生成符合正态分布的随机数，模拟生成不同频率来水过程；
18.为了充分反映来水的随机变化特性，通过上述方法产生多组频率来水，将各场景下来水降序排列，按顺序对其进行编号(x＝1,2,
…
,y)，并按式(1)计算经验频率：
[0019][0020]
式中：p表示经验频率；x表示不同来水序号，x＝1,2,
…
,y；y表示生成的来水场景次数。
[0021]
所述步骤2中拟合中长期合约电价函数的详细步骤为：
[0022]
根据不同市场情形共有三种梯级水电站群中长期交易电价拟合情形：
[0023]
电价模拟方法1：梯级水电站占市场比重较大的交易情形；当大型梯级水电站群在市场交易份额占比较大时，其交易电价与交易电量一般呈线性负相关，同时过高和过低电价容易导致投机行为和市场剧烈波动，因此需要参照实际情况对电价关系函数增设上下限进行修正，根据生产实际规律，年度合约电价一般在月度合约电价最大值和最小值之间且略高于月度合约电价最小值，并且随着年度基数电量比例增大，年度合约电价呈减小趋势，因此以月度合约电价最大值、最小值和年度基数电量比例拟合年度合约电价，相应的月度合约电价和年度合约电价如下公式(2)、(3)所示：
[0024][0025][0026]
式中，p
y，1
、分别表示电价模拟方法1的年度合约电价、第t个月份的月度合约电价，单位为：元/kwh；i表示水电站编号；m表示水电站的总数；t表示月份；n
i,t
、p
i,t
分别表示第i个水电站在第t个月份的出力、装机容量，单位为：mw；r
ave
表示年度基数电量比例上下限平均值，即单位为：％；r
i,t
分别表示第i个水电站在第t个月份的年度基数电量比例上限、下限，单位为：％；p表示月度合约电价最大值、最小值，单位为：元/kwh，为拟合符合市场规律电价函数，月度合约电价上限和月度合约电价下限p分别取0.25和0.1元/kwh；δpm表示月度合约电价最大值和最小值的差值，即β表示经验常数，增加常数β以贴合实际年度电价规律，经验常数β＝0.05时年度合约电价更符合历史年度合约电价规律，因此经验常数β取0.05；
[0027]
电价模拟方法2：梯级水电站占市场比重较小的交易情形；当梯级水电站在市场中交易份额占比较小时，其交易电价受天然来水影响较大，随不同季节来水过程呈现出“平稳-下降-平稳-上升”规律，枯期和汛期电价较为平稳，汛前和汛后电价分别呈现下降和上升趋势，根据实际电价生成电价曲线并拟合电价函数，假定电价曲线中上升和下降部分为线性正相关和线性负相关关系，以各月电价曲线中最大和最小电价的平均值作为月度合约电价，以月度合约电价最大值、最小值和年度基数电量比例拟合年度合约电价，相应的月度合约电价和年度合约电价如下公式(4)、(5)所示：
[0028][0029]
p
y，2
＝p
1-r
ave
(p
1-p2)+β
ꢀꢀ
(5)
[0030]
式中，p
y，2
、分别表示电价模拟方法2的年度合约电价、第t个月份的月度合约电价，单位为元/kwh；p1、p2分别表示枯期和汛期时的平稳电价，单位为：元/kwh，为拟合符合市场规律电价函数，p1、p2分别取0.25和0.1元/kwh；t表示月份；r
ave
表示年度基数电量比例上下限平均值，即单位为：％；r
i,t
分别表示第i个水电站在第t个月份的年度基数电量比例上限、下限，单位为：％；β表示经验常数，增加常数β以贴合实际年度电价规律，经验常数β＝0.05时年度电价更符合历史年度电价规律，因此经验常数β取0.05；
[0031]
电价模拟方法3：梯级水电站占市场比重适中的交易情形；电价模拟方法1和电价
模拟方法2较为理想化，而实际市场更加复杂，研究介于电价模拟方法1和电价模拟方法2之间的中长期市场交易同样也很重要；为方便理解，选取电价模拟方法1和电价模拟方法2的年度合约电价平均值、月度合约电价平均值分别作为电价模拟方法3的年度合约电价、月度合约电价，探究该电价模拟方法下中长期市场交易结果，相应的月度合约电价和年度合约电价如下公式(6)、(7)所示：
[0032][0033][0034]
式中，p
y，3
、分别表示电价模拟方法3的年度合约电价、第t个月份的月度合约电价，单位为元/kwh；分别表示电价模拟方法1、电价模拟方法2的第t个月份的月度合约电价，单位为：元/kwh；p
y，1
、p
y，2
分别表示电价模拟方法1、电价模拟方法2的年度合约电价，单位为：元/kwh。
[0035]
所述步骤3中合约电量分解与校核的详细步骤为：
[0036]
第i个水电站在第t个月份合约电量分解求解最大发电效益思路为：
[0037]
其它月份各电站的年度基数电量、月度合约电量分配比例保持不变，将第i个水电站在第t个月份的发电量中aδe电量作为年度基数电量，将扣除年度基数电量的发电量作为月度合约电量，若aδe电量超过年度基数电量最大值则以年度基数电量最大值作为年度基数电量，扣除年度基数电量最大值的发电量作为月度合约电量，对不同分配方案计算发电效益，发电效益最大时分配方案即为第i个水电站在第t个月份合约电量分解最优方案，δe表示发电量分配到年度基数电量的步长，单位为：kwh；a表示年度基数电量的分配程度；
[0038]
其中，年度基数电量比例上下限会直接影响到最终发电效益，年度基数电量比例上下限选取的具体思路为：
[0039]
将年度基数电量比例上限和下限值r
i,t
以δr为步长离散，将离散后的比例范围作为年度基数电量比例范围，选取不同比例范围计算发电效益，选取发电效益最大时的比例上下限作为年度基数电量比例上下限；
[0040]
第i个水电站在第t个月份合约电量分解时，不同离散组合下年度基数电量比例r
i,t
为：
[0041][0042]
式中，r
i,t
表示第i个水电站在第t个月份的年度基数电量比例，单位为：％；表示年度基数电量的下限、上限，单位为：kwh；δe表示发电量分配到年度基数电量的步长，单位为：kwh；t表示月份；i表示水电站编号；n
i,t
表示第i个水电站在第t个月份的出力，单位为：mw；δt表示第t个月份的总秒数，即δt＝t1
×
24
×
60
×
60，单位为：秒；t1表示第t个月
份的天数；a
max
、a
min
表示分配程度最大值、分配程度最小值；a表示选取的离散程度值，a
min
≤a≤a
max
；其中：
[0043][0044]
式中，表示年度基数电量的下限、上限，单位为：kwh；r
i,t
分别表示第i个水电站在第t个月份的年度基数电量比例上限、下限，单位为：％；t表示月份；i表示水电站编号；n
i,t
表示第i个水电站在第t个月份的出力，单位为：mw；δt表示第t个月份的总秒数，即δt＝t1
×
24
×
60
×
60，单位为：秒；t1表示第t个月份的天数；a
max
、a
min
表示分配程度最大值、分配程度最小值；δe表示发电量分配到年度基数电量的步长，单位为：kwh；分别表示比小的最大整数。
[0045]
所述步骤4中中长期发电调度过程与交易计划制定的详细步骤为：
[0046]
采用逐步优化-逐次逼近算法解决梯级水电站中长期优化调度及合约电量分解问题，利用收益风险最小模型，调度期为1年，时间间隔为1个月，求给定置信度下效益最小值r
var
最大时调度方案，中长期发电调度过程与交易计划制定步骤如下：
[0047]
步骤a：确定不同频率来水情况；根据来水历史数据随机生成多组频率来水，由步骤1确定经验频率，以p＝10组为步长抽选部分频率来水；
[0048]
步骤b：离散流量；其它时段各电站的状态变量和决策变量保持不变，固定第(t-1)个月份和第(t-1)个月份的水位，离散第t个月份各电站的出库流量，可产生3m种离散方案，m为水电站总数；
[0049]
步骤c：选取步骤b中第w＝1个离散方案，计算该离散方案下各电站各时段发电量与弃水电量；
[0050]
步骤d：令i＝1，t＝1，对第i个水电站在第t个月份向下离散后的发电量作为月度合约电量，离散值作为年度基数电量，计算各离散组合的发电效益，选取最大发电效益作为优化值，保存水电站的优化值并赋给初值；
[0051]
步骤e：令t＝t+1，对第i个水电站在第t个月份进行寻优，计算方法同步骤d，直到满足条件t＝t为止，t表示月份总数；
[0052]
步骤f：令i＝i+1，选取第i个水电站，进行步骤d、e直到满足条件i＝m为止，用最大发电效益作为期望值，计算该离散方案给定置信度下效益最小值r
var
，选取r
var
最大值作为优化值，保存优化值；
[0053]
步骤g：令w＝w+1，选取步骤b中第w个离散方案，计算方法同步骤c至f，直至满足条件w＝3m；
[0054]
步骤h：令t＝t+1，对第t个月份进行寻优，计算方法同步骤b至g，保存所有优化后的决策变量值和状态变量值；
[0055]
步骤i：与上一次优化的效益最小值r
var
进行比较，若两次结果不同则开始新一轮的优化计算，直到两次结果相同；
[0056]
步骤k：寻优结束，输出结果。
[0057]
本发明有如下有益效果：
[0058]
1、本发明根据多年来水数据拟合正态分布曲线并利用java的random.nextgaussian()方法生成的随机来水，处理梯级水电站群丰枯来水频率不同步问题，在一定程度上反映出不同频率的天然来水对云南水电中长期优化调度的影响。
[0059]
2、本发明选取水电站占市场不同比重情形拟合电价曲线，处理梯级水电站占市场比重类型不同影响电价规律问题。
[0060]
3、本发明以收益风险最小为目标建立梯级水电站群中长期优化调度模型，采用逐步优化和逐次逼近混合算法对电站出力决策和合约电量分解循环迭代求解，处理发电调度与市场交易衔接不紧密导致水电电量超发、少发问题。
附图说明
[0061]
下面结合附图和实施例对本发明作进一步说明。
[0062]
图1是发电效益—年度电量比例关系图。
[0063]
图2是考虑弃水模型与不考虑弃水模型的弃水电量情况分析图。
[0064]
图3是部分频率来水电量分解和水位过程图(电价模拟方法1)。
[0065]
图4是发电效益—年度电量比例结果分析图。
[0066]
图5是发电效益及年度电量比例优化结果图。
[0067]
表1是部分频率来水各电站电量结果(电价模拟方法1)。
具体实施方式
[0068]
下面结合附图和实施例对本发明作进一步的描述。
[0069]
随着我国西南水电规模不断扩大以及电力市场相关政策日趋完善，大规模水电参与市场竞争是实现资源优化配置的必然趋势，其交易模式主要以中长期交易为主、日前短期交易为辅。特别是中长期，受限于天然来水不确定、水库调节能力有限、水力联系紧密、电价波动较大等特点，梯级水电站群在制定交易计划时难以权衡不同时间尺度的市场份额，突出表现在：过多年度合约电量可能会因为电价过低导致收益受损；过多月度合约电量可能会因为电站发电能力不足导致合约电量无法完成；过多日前或短期合约电量可能因为电价的异常波动导致交易失败，因此，在市场经济下如何针对不同时间尺度制定合理的交易电量，成为梯级水电站群参与市场竞争亟待解决的理论与实践难题。
[0070]
本发明所要解决的技术问题是提出一种兼顾合约电量分解的梯级水电站群中长期优化调度方法，采用给定置信度下整个梯级发电收益风险最小为目标，首先利用java的random.nextgaussian()方法生成符合正态分布的随机月尺度来水过程，然后根据水电电量占市场比重不同模拟出三种电价函数，选取不同来水频率和市场电价，采用逐步优化和逐次逼近混合算法对电站出力决策和合约电量分解循环迭代求解，按照下述步骤1-4实现：
[0071]
步骤1，确定不同频率的来水过程：针对梯级水电站群丰枯来水频率不同步问题，提出利用java的random.nextgaussian()方法生成符合正态分布的随机来水；
[0072]
步骤2，拟合中长期合约电价函数：针对梯级水电站占市场比重类型不同影响电价规律问题，选取水电电量占市场不同比重情形拟合电价曲线；
[0073]
步骤3，合约电量分解与校核：针对发电调度与市场交易衔接不紧密导致水电电量超发、少发问题，提出了水电站出力与合约电量分解同步求解方法；
[0074]
步骤4，中长期发电调度过程与交易计划制定：以整个梯级发电收益风险最小为目标，采用逐步优化和逐次逼近混合算法对电站出力决策和合约电量分解循环迭代求解，目标函数为：
[0075]
maxr
var
(f,1-r*)
[0076][0077]
式中，r
var
表示给定置信度下收益最小值，单位为：元；1-r*表示收益波动水平，表示全年年度基数电量总占比，单位为：％；f、f1、f2、f3分别表示最大发电效益、年度合约效益、月度合约效益、弃水损失(弃水惩罚项)，单位为：元；m表示水电站的总数；t表示月份总数；t表示月份；i表示水电站编号；n
i,t
、分别表示第i个水电站在第t个月份的出力及弃水对应出力，单位为：mw；r
i,t
、(1-r
i,t
)分别表示第i个水电站在第t个月份的年度基数电量比例、月度合约电量比例，单位为：％；表示电价模拟方法ε在第t个月份的月度合约电价，ε＝1,2,3，各水电站在第t个月份的月度电价相同，单位为：元/kwh；p
y,ε
表示电价模拟方法ε的年度合约电价，ε＝1,2,3，各电站全年年度合约电价相同，单位为：元/kwh；δt表示第t个月份的总秒数，即δt＝t1
×
24
×
60
×
60，单位为：秒；t1表示第t个月份的天数。
[0078]
需要满足以下约束条件：
[0079]
(1)水量平衡约束：
[0080][0081]
式中，v
i,i+1
、v
i,t
分别表示第i个水电站在第t+1个月份和第t个月份的库容，单位为m3/s；分别表示第i个水电站在第t个月份的入库流量、发电流量、弃水流量，单位为m3/s；
[0082]
(2)上下游水库水力约束：
[0083][0084]
式中，i
i+1,t
表示第i+1个水电站在第t个月份的区间流量，单位为m3/s；
[0085]
(3)出库流量约束：
[0086]
[0087]
式中，表示第i个水电站在第t个月份的出库流量，单位为m3/s；/s；分别表示第i个水电站在第t个月份的最小、最大出库流量，单位为m3/s；
[0088]
(4)出力约束：
[0089][0090]
式中，n
i,t
表示第i个水电站在第t个月份的出力，单位为；n
i,t
、分别表示第i个水电站在第t个月份的最小、最大出力，单位为：mw；
[0091]
(5)水库水位约束：
[0092][0093]
式中，z
i,t
表示第i个水电站在第t个月份的上库水位，单位为m；z
i,t
、分别表示第i个水电站在第t个月份的上库水位最低、最高值，单位为m；
[0094]
(6)期末水位控制约束：
[0095]zi,t
＝z
i,end
[0096]
式中，z
i,end
表示调度期末水库控制水位，单位为：m；
[0097]
(7)电价上下限约束：
[0098][0099][0100]
为了避免电价巨幅波动给市场带来众多负面影响，需要对电价波动范围进行调控，它对保证市场安全稳定运行具有很重要的现实意义，表示电价模拟方法ε在第t个月份的的月度合约电价，ε＝1,2,3，单位为：元/kwh；p
y,s
表示电价模拟方法ε的年度合约电价，ε＝1,2,3，单位为元/kwh；p表示月度合约电价最大值、最小值，单位为元/kwh；
[0101]
(8)年度基数电量比例范围约束：
[0102][0103]
水电参与中长期交易时，年度合约电量签订过多可能会因为电价过低导致收益受损，月度合约电量签订过多可能会因为电站发电能力不足导致实际交割电量与合约签订电量存在偏差，因此需要对年度和月度合约电量比例设置上下限。式中，r
i,t
表示第i个水电站在第t个月份的年度基数电量比例，单位为：％；r
i,t
表示年度基数电量比例上限、下限，单位为：％。
[0104]
进一步的，所述步骤1中确定不同频率来水过程的详细步骤为：
[0105]
假设调度周期内来水在任意月份其预测偏差服从正态分布其中μ1为数学期望，σ1为标准差，选取流域内各水库同期天然来水多年平均流量作为期望值，流域内各水库同期天然来水流量标准差表示来水波动程度，用java中random.nextgaussian()方法生成符合正态分布的随机数，模拟生成不同频率来水过程；
[0106]
为了充分反映来水的随机变化特性，通过上述方法产生多组频率来水，将各场景下来水降序排列，按顺序对其进行编号(x＝1,2,
…
,y)，并按式(1)计算经验频率：
[0107][0108]
式中：p表示经验频率；x表示不同来水序号，x＝1,2,
…
,y；y表示生成的来水场景次数。
[0109]
进一步的，所述步骤2中拟合中长期合约电价函数的详细步骤为：
[0110]
根据不同市场情形共有三种梯级水电站群中长期交易电价拟合情形：
[0111]
电价模拟方法1：梯级水电站占市场比重较大的交易情形；当大型梯级水电站群在市场交易份额占比较大时，其交易电价与交易电量一般呈线性负相关，同时过高和过低电价容易导致投机行为和市场剧烈波动，因此需要参照实际情况对电价关系函数增设上下限进行修正，根据生产实际规律，年度合约电价一般在月度合约电价最大值和最小值之间且略高于月度合约电价最小值，并且随着年度基数电量比例增大，年度合约电价呈减小趋势，因此以月度合约电价最大值、最小值和年度基数电量比例拟合年度合约电价，相应的月度合约电价和年度合约电价如下公式(2)、(3)所示：
[0112][0113][0114]
式中，p
y，1
、分别表示电价模拟方法1的年度合约电价、第t个月份的月度合约电价，单位为：元/kwh；i表示水电站编号；m表示水电站的总数；t表示月份；n
i,t
、p
i,t
分别表示第i个水电站在第t个月份的出力、装机容量，单位为：mw；r
ave
表示年度基数电量比例上下限平均值，即单位为：％；r
i,t
分别第i个水电站在第t个月份的表示年度基数电量比例上限、下限，单位为：％；p表示月度合约电价最大值、最小值，单位为：元/kwh，为拟合符合市场规律电价函数，月度合约电价上限和月度合约电价下限p分别取0.25和0.1元/kwh；δpm表示月度合约电价最大值和最小值的差值，即β表示经验常数，增加常数β以贴合实际年度电价规律，经验常数β＝0.05时年度合约电价更符合历史年度合约电价规律，因此经验常数β取0.05；
[0115]
电价模拟方法2：梯级水电站占市场比重较小的交易情形；当梯级水电站在市场中交易份额占比较小时，其交易电价受天然来水影响较大，随不同季节来水过程呈现出“平稳-下降-平稳-上升”规律，枯期和汛期电价较为平稳，汛前和汛后电价分别呈现下降和上升趋势，根据实际电价生成电价曲线并拟合电价函数，假定电价曲线中上升和下降部分为线性正相关和线性负相关关系，以各月电价曲线中最大和最小电价的平均值作为月度合约电价，以月度合约电价最大值、最小值和年度基数电量比例拟合年度合约电价，相应的月度合约电价和年度合约电价如下公式(4)、(5)所示：
[0116][0117]
p
y，2
＝p
1-r
ave
(p
1-p2)+β
ꢀꢀ
(5)
[0118]
式中，p
y，2
、分别表示电价模拟方法2的年度合约电价、第t个月份的月度合约电价，单位为：元/kwh；p1、p2分别表示枯期和汛期时的平稳电价，单位为：元/kwh，为拟合符合市场规律电价函数，p1、p2分别取0.25和0.1元/kwh；t表示月份；r
ave
表示年度基数电量比例上下限平均值，即单位为：％；r
i,t
分别表示第i个水电站在第t个月份的年度基数电量比例上限、下限，单位为：％；β表示经验常数，增加常数β以贴合实际年度电价规律，经验常数β＝0.05时年度合约电价更符合历史年度合约电价规律，因此经验常数β取0.05；
[0119]
电价模拟方法3：梯级水电站占市场比重适中的交易情形；电价模拟方法1和电价模拟方法2较为理想化，而实际市场更加复杂，研究介于电价模拟方法1和电价模拟方法2之间的中长期市场交易同样也很重要；为方便理解，选取电价模拟方法1和电价模拟方法2的年度合约电价平均值、月度合约电价平均值分别作为电价模拟方法3的年度合约电价、月度合约电价，探究该电价模拟方法下中长期市场交易结果，相应的月度合约电价和年度合约电价如下公式(6)、(7)所示：
[0120][0121][0122]
式中，p
y，3
、分别表示电价模拟方法3的年度合约电价、第t个月份的月度合约电价，单位为：元/kwh；分别表示电价模拟方法1、电价模拟方法2的第t个月份的月度合约电价，单位为：元/kwh；p
y，1
、p
y，2
分别表示电价模拟方法1、电价模拟方法2的年度合约电价，单位为：元/kwh。
[0123]
进一步的，所述步骤3中合约电量分解与校核的详细步骤为：
[0124]
第i个水电站在第t个月份合约电量分解求解最大发电效益思路为：
[0125]
其它月份各电站的年度基数电量、月度合约电量分配比例保持不变，将第i个水电站在第t个月份的发电量中aδe电量作为年度基数电量，将扣除年度基数电量的发电量作为月度合约电量，若aδe电量超过年度基数电量最大值则以年度基数电量最大值作为年度基数电量，扣除年度基数电量最大值的发电量作为月度合约电量，对不同分配方案计算发电效益，发电效益最大时分配方案即为第i个水电站在第t个月份合约电量分解最优方案，δe表示发电量分配到年度基数电量的步长，单位为：kwh；a表示年度基数电量的分配程度；
[0126]
其中，年度基数电量比例上下限会直接影响到最终发电效益，年度基数电量比例上下限选取的具体思路为：
[0127]
将年度基数电量比例上限和下限值r
i,t
以δr为步长离散，将离散后的比例范围作为年度基数电量比例范围，选取不同比例范围计算发电效益，选取发电效益最大时的比例上下限作为年度基数电量比例上下限；
[0128]
第i个水电站在第t个月份合约电量分解时，不同离散组合下年度基数电量比例r
i,t
为：
[0129][0130]
式中，r
i,t
表示第i个水电站在第t个月份的年度基数电量比例，单位为：％；表示年度基数电量的下限、上限，单位为：kwh；δe表示发电量分配到年度基数电量的步长，单位为：kwh；t表示月份；i表示水电站编号；n
i,t
表示第i个水电站在第t个月份的出力，单位为：mw；δt表示第t个月份的总秒数，即δt＝t1
×
24
×
60
×
60，单位为：秒；t1表示第t个月份的天数；a
max
、a
min
表示分配程度最大值、分配程度最小值；a表示选取的离散程度值，a
min
≤a≤a
max
；其中：
[0131][0132]
式中，表示年度基数电量的下限、上限，单位为：kwh；r
i,t
分别表示第i个水电站在第t个月份的年度基数电量比例上限、下限，单位为：％；t表示月份；i表示水电站编号；n
i,t
表示第i个水电站在第t个月份的出力，单位为：mw；δt表示第t个月份的总秒数，即δt＝t1
×
24
×
60
×
60，单位为：秒；t1表示第t个月份的天数；a
max
、a
min
表示分配程度最大值、分配程度最小值；δe表示发电量分配到年度基数电量的步长，单位为：kwh；分别表示比小的最大整数。
[0133]
进一步的，所述步骤4中中长期发电调度过程与交易计划制定的详细步骤为：
[0134]
采用逐步优化-逐次逼近算法解决梯级水电站中长期优化调度及合约电量分解问题，利用收益风险最小模型，调度期为1年，时间间隔为1个月，求给定置信度下效益最小值r
var
最大时调度方案，中长期发电调度过程与交易计划制定步骤如下：
[0135]
步骤a：确定不同频率来水情况；根据来水历史数据随机生成多组频率来水，由步骤1确定经验频率，以p＝10组为步长抽选部分频率来水；
[0136]
步骤b：离散流量；其它时段各电站的状态变量和决策变量保持不变，固定第(t-1)
个月份和第(t-1)个月份的水位，离散第t个月份各电站的出库流量，可产生3m种离散方案，m为水电站总数；
[0137]
步骤c：选取步骤b中第w＝1个离散方案，计算该离散方案下各电站各时段发电量与弃水电量；
[0138]
步骤d：令i＝1，t＝1，对第i个水电站在第t个月份向下离散后的发电量作为月度合约电量，离散值作为年度基数电量，计算各离散组合的发电效益，选取最大发电效益作为优化值，保存水电站的优化值并赋给初值；
[0139]
步骤e：令t＝t+1，对第i个水电站在第t个月份进行寻优，计算方法同步骤d，直到满足条件t＝t为止，t表示月份总数；
[0140]
步骤f：令i＝i+1，选取第i个水电站，进行步骤d、e直到满足条件i＝m为止，用最大发电效益作为期望值，计算该离散方案给定置信度下效益最小值r
var
，选取r
var
最大值作为优化值，保存优化值；
[0141]
步骤g：令w＝w+1，选取步骤b中第w个离散方案，计算方法同步骤c至f，直至满足条件w＝3m；
[0142]
步骤h：令t＝t+1，对第t个月份进行寻优，计算方法同步骤b至g，保存所有优化后的决策变量值和状态变量值；
[0143]
步骤i：与上一次优化的效益最小值r
var
进行比较，若两次结果不同则开始新一轮的优化计算，直到两次结果相同；
[0144]
步骤k：寻优结束，输出结果。
[0145]
实施例2：
[0146]
以云南澜沧江流域年、月发电计划编制为例，选取澜沧江中下游6座水电站群构成梯级水电站，调度期为1年，时间间隔为1个月，根据来水历史数据随机生成100组频率来水，根据来水频率降序排列，以p＝10为步长筛选10组频率来水，给定置信度α＝95％，在3种电价模拟方法下验证和分析所提方法的有效性和实用性。2017年至2020年云南省年度、月度市场交易电价均在0.1～0.25元/kwh范围波动，为拟合符合市场规律电价函数，权利要求1步骤(2)电价模拟方法1的月度合约电价上限和电价下限p分别取0.25元/kwh和0.1元/kwh，步骤2中电价模拟方法2的枯期平稳电价p1和汛期平稳电价p2分别取0.25元/kwh和0.1元/kwh。经过大量测试，经验常数β＝0.05时年度电价更符合历史年度电价规律，因此经验常数β取0.05。
[0147]
下面分别对年度基数电量比例上下限范围、不同来水频率和市场电价下弃水情况、不同来水频率和市场电价下的调度过程、年度基数电量比例对效益影响分析四方面进行详细分析，分析情况如下：
[0148]
首先，年度基数电量比例上下限范围分析：
[0149]
图1为以其中一组来水频率为例，选取置信度α＝95％在三种电价模拟方法下发电效益与年度电量比例关系。
[0150]
水电中长期交易计划制定过程中，需要对年度基数电量比例和月度合约电量比例设置上下限，避免年度基数电量签订过多导致收益受损，月度合约电量签订过多导致实际交割电量与合约签订电量存在偏差，为了探究最佳的上下限比例组合，第i个水电站在第t
个月份的年度基数电量比例上限和下限r
i,t
以δr＝5％为步长离散寻优，结果表明：
①
随着年度基数电量比例上下限值增大发电效益均呈先增大后减小的抛物线趋势；
②
相同年度基数电量比例范围，95％置信度下效益最小值r
var
呈现规律为电价模拟方法1》电价模拟方法3》电价模拟方法2；
③
同一来水频率下，年度基数电量比例最佳范围呈现规律为电价模拟方法1《电价模拟方法3《电价模拟方法2。如图1电价模拟方法1、电价模拟方法2、电价模拟方法3年度电量占比最佳范围分别为20％～40％、35％～55％、25％～45％。由于不同电价的组合数太多，下面仅选取年度基数电量比例最佳范围进行验证。
[0151]
其次，不同频率来水和电价模拟方法下弃水情况分析：
[0152]
为进一步比较分析弃水情况，本节针对不同频率来水和电价模拟方法增设了对比方案，对比模型仅以收益风险最小为目标，求解95％置信度下效益最小值r
var
最大时不考虑弃水损失惩罚项f3，确定r
var
值后再进行弃水惩罚，图2为10组频率来水在三种电价模拟方法下弃水情况对比结果，结果表明：
①
同一电价模拟方法下弃水随来水频率增大而减少。如考虑弃水模型中电价模拟方法1所示，来水频率由小到大，弃水电量呈减少趋势；
②
同一模型中各电价模拟方法下平水年和枯水年来水产生弃水相差不大。如考虑弃水模型中电价模拟方法1在来水频率89.11％、99.01％下弃水电量均为0，电价模拟方法2和电价模拟方法3的弃水电量分别为0.001、0亿kwh和0.005、0亿kwh，三者相差不大，主要原因是枯、平水年来水较少，使各电站水库调节空间大从而产生弃水较少；
③
同一电价模拟方法下考虑弃水模型产生弃水均少于不考虑弃水模型产生弃水。如图2中所示，差值均大于零，表明考虑弃水模型产生弃水均少于不考虑弃水模型，因此，考虑弃水模型可以缓解梯级水电站优化调度过程中弃水压力，减少资源浪费。
[0153]
然后，不同频率来水和电价模拟方法下调度过程分析：
[0154]
以电价模拟方法1为例，选取丰、平、枯水年来水各一组进行分析，图3为3组来水在电价模拟方法1的电量分解和水位变化情况，表1为3组来水在3种电价模拟方法各电量结果，具体分析如下。
[0155]
从总发电量情况分析，同一市场电价下来水越多，总发电量越多；同一来水频率下电价模拟方法2的年度基数电量比例高于电价模拟方法3的年度基数电量比例；同一电价模拟方法下随来水增加年度基数电量比例递增。如表1所示，电价模拟方法1在枯、平、丰水年来水下总发电量分别为654.81、768.53、874.71亿kwh，电价模拟方法2和电价模拟方法3在枯、平、丰水年来水下总发电量分别为663.81、768.52、875.31亿kwh和654.05、755.25、872.28亿kwh；从年度基数电量比例情况来看，电价模拟方法1、电价模拟方法2、电价模拟方法3在枯、平、丰水年来水下分别为24.00％、42.22％和34.00％，电价模拟方法1年度基数电量占比最小，电价模拟方法3占比次之，电价模拟方法2占比最大，主要原因是电价2为梯级水电站占市场比重较小的中长期交易，相较于电价模拟方法1和电价模拟方法3市场交易风险较大，为尽量避免收益风险将更多的电量分配到更稳定的年度合约中，而平水年和丰水年来水下，电价模拟方法1年度基数电量比例较大，主要原因是收益风险最小模型考虑年度基数电量比例风险后，通过增加年度基数电量占比降低风险，实现最小效益r
var
最大；电价模拟方法1在枯、平、丰水年来水下年度基数电量比例分别为24.00％、48.14％和48.34％，来水程度与年度基数电量占比呈正比例关系，主要原因是来水较丰时弃水较大从而弃水惩罚较大，相较于枯、平水年来水收益波动较大，为尽量实现交易稳定将更多的电量分配到更
稳定的年度合约中。在制定梯级水电站中长期交易计划时可根据水电占市场比重和梯级水电站来水频率参考相应的年度基数电量占比，可作为年度和月度合约电量分配份额的依据。
[0156]
从各电站各月发电量及水位分析，如图3所示，以丰水年龙头电站为例，各电站在枯水期库水位呈下降趋势，发电量保持在较低水平且年度基数电量比例较小；在平水期各电站腾库确保汛前足够库容蓄洪；随着汛期到来，来水增多水位开始回升，水库蓄水导致发电量较少；在汛期来水增多至一定值，各水电站接近满载发电，年度基数电量比例增大，各电站水位迅速升高至汛期水位；而后平水期来水减少，各电站水位降至正常蓄水位且发电量减少。合约电量分解过程中汛期年度基数电量比例较大而枯期月度合约电量比例较小，主要原因是汛期发电量较大导致月度电价较低，为实现95％置信度下最小效益r
var
最大目标将多数发电量分配到电价较高的年度合约。由结果可确定不同电价模拟方法和来水频率下年度和月度电量分解曲线，在制定梯级水电站中长期交易计划时可根据市场中梯级水电站比重和来水频率参考相应的分解曲线，制定更为合理的中长期交易方案。
[0157]
最后，年度基数电量比例对效益影响分析：
[0158]
本节增设对照组仅以最大发电效益f为目标与本发明对照分析，称对照组为发电效益最大模型。图4为部分频率来水在3种电价模拟方法下，发电效益最大模型和收益风险最小模型的效益随年度基数电量比例变化曲线对比图，各频率来水下优化后年度基数电量占比及效益见图5，具体分析如下。
[0159]
如图4所示，在同一频率来水不同电价模拟方法下发电效益有一定的差异，主要表现为电价模拟方法1发电效益最大，电价模拟方法3次之，电价模拟方法2最小，主要原因是电价模拟方法1为梯级水电站占市场比重较大情形，在市场中占主导地位从而交易过程中风险较小，因此将多数电量分配到电价较高的月度合约，而电价模拟方法2为梯级水电站占市场比重较小的中长期交易，交易过程中风险较大，为避免收益风险获得更加稳定的发电效益，因此将多数电量分配到电价较低但更稳定的年度合约，电价模拟方法3是梯级水电站占市场比重适中，相较于电价模拟方法1风险较大，但比电价模拟方法2更具主动性，因此呈现出相同来水频率下的发电效益电价模拟方法1、电价模拟方法3、电价模拟方法2递减现象。
[0160]
发电效益最大模型和收益风险最小模型对比分析。从发电效益角度看，由图4可知，发电效益最大模型不考虑年度基数电量分解导致收益风险时可实现效益最大，考虑收益风险时，收益风险最小模型在95％置信度下最小效益r
var
比发电效益最大模型更大，可以更好的规避风险。如来水场景1在电价模拟方法1时，发电效益最大模型及收益风险最小模型计算最大效益分别为118.21、117.81亿元，前者收益更高，但95％置信度下，考虑风险后发电效益最大模型及收益风险最小模型的效益最小值r
var
分别为110.92、111.43亿元，明显收益风险最小模型的效益最小值r
var
更大，承担风险更小；从年度基数电量比例角度看，收益风险最小模型的年度基数电量比例最佳范围均不低于发电效益最大模型，如来水场景1在电价模拟方法1时，发电效益最大模型及收益风险最小模型的年度基数电量比例最佳范围分别为0～20％、10％～30％，主要原因是年度基数电量份额直接影响发电效益，考虑到发电效益越大风险越大，增加年度电量市场份额以规避风险。由图5可以看出，收益风险最小模型通过增加年度基数电量占比提高效益最小值r
var
以降低风险，相较于发电效益最大
模型，3种电价模拟方法下收益风险最小模型最小效益r
var
平均增长值分别为0.294、0.241、0.176亿元，在一定程度上降低了收益风险。
[0161]
表1：部分频率来水各电站电量结果(电价模拟方法1)
[0162]