一种电力市场风险评估方法及评估系统与流程

本发明涉及风险评估领域，具体涉及一种电力市场风险评估方法及评估系统。

背景技术：

随着电力改革步入新阶段，逐渐打破传统的发电、输电、配电一体化的垂直结构，为电力工业开启市场化运营新风潮，使发电商、电网公司、电力用户等市场参与者成为电力市场的主体。在电力市场中，市场参与者以自身利益最大化为行动导向，参与者在获得预期利润的同时，也可能面临着巨大的金融风险，如果不加以防范，会引起相应的经济损失，甚至影响电力市场的稳定运行。因此如何采用有效的风险评估和规避手段管理电力市场风险，是电力市场参与者急需解决的技术问题。现阶段针对风险评估的研究侧重于分别从发电企业、电网企业以及购电主体三方的交易策略、投资策略以及购电策略等评估并规避风险，即，从单一市场主体的角度建立风险指标，搭建风险评估体系，构建相应优化模型，实现自身利益最大化，风险最小的目的，进而通过此类型市场主体的投资交易策略对电力市场风险进行有效的管理。随着我国电力市场的不断发展，不同类型发电商逐渐市场化，如何实现新类型发电商参与电力市场成为电力市场改革推进的重点难点。现阶段针对激励发电商市场化的研究集中于建立考虑金融风险的投标组合模型，实现发电商获利最大化，同时规避其他市场中存在的风险，从而确定发电商在多个市场的最优分配电量，指导发电商在多个市场的最优投标，激励发电商市场化运营。

技术实现要素：

本发明的目的在于克服上述现有技术的不足，提供一种电力市场风险评估方法及评估系统，以确定发电商在多个市场的最优分配电量，指导发电商在多个市场的最优投标，激励发电商市场化运营，保证电力市场的稳定运行。

为实现上述目的，本发明的技术方案是：

第一方面，本发明实施例提供了一种电力市场风险评估方法，包括：

获取电商中标电量、节点电价金融合约电量数据，以建立风险评估指标及风险评估体系模型；

对所建立的风险评估指标及风险评估体系模型从发电侧、用户侧、电网侧三侧进行风险评估处理，以得综合风险评估指标；

对所得出的综合风险评估指标采用入信息熵权理论来确定发电侧、用户侧、电网侧各风险指标在综合风险指标中的权重。

第二方面，本发明实施例提供了一种电力市场风险评估系统，包括：

数据读取器，其用于读取获取电商中标电量、节点电价金融合约电量数据；

第一数据处理器，其用于根据数据读取器所读取到的数据来建立风险评估指标及风险评估体系模型，并对所建立的风险评估指标及风险评估体系模型从发电侧、用户侧、电网侧三侧进行风险评估处理，以得综合风险评估指标；

第二数据处理器，其用于对所得出的综合风险评估指标采用入信息熵权理论来进行运算处理，以得出发电侧、用户侧、电网侧各风险指标在综合风险指标中的权重。

本发明与现有技术相比，其有益效果在于：

(1)针对风险评估研究方面，本发明提出的风险评估指标清晰的反映不同市场主体市场风险度量指标的不同，符合各市场主体的根本目的的要求。引入信息熵权理论求取综合风险指标，使得综合风险指标明确的反映了各市场主体风险对电力市场稳定性运行的影响。

(2)针对新类型发电商市场化的研究，本发明构建全方面考虑各市场主体市场风险的风险评估体系，从全局最优角度指导发电商参与中长期金融合约市场与现货市场。

附图说明

图1为本发明实施例提供的电力市场风险评估系统框架流程图。

具体实施方式

下面结合附图和具体实施方式对本发明的内容做进一步详细说明。

实施例1：

随着电力市场改革的推进，如何实现通过有效的风险评估手段确保电力系统安全稳定运行以及电力企业生存与发展要求的目的，且激励新型发电商市场化的问题，本实施例提出一种考虑中长期金融合同交易的电力市场风险评估体系与方法。首先，构建考虑中长期金融合同交易的电力市场风险评估体系。其次，从发电侧提出发电商收益波动率、发电商电价波动率以及发电商合约违约波动率，从电网侧提出社会福利波动率，从用户侧提出用户付费波动率、用户合约违约率这6个风险评估指标，并采用信息熵权理论计算考虑各方市场主体的综合风险指标，以全市场风险最小化为目标，实现发电商在中长期金融合约市场与现货市场的最优电量分配。

为实现全方位评估市场风险，本实施例提出考虑各方市场主体的风险评估体系框架，其风险评估体系框架如图1所示，其思路如下：根据输入模拟所得发电商中标电量、节点电价金融合约电量，计算出反映各方主体的市场风险指标，再采用基于信息熵权理论的方法计算反映各方主体风险均衡的综合指标，进而通过分析不同金融合同比例下的综合风险指标，从而确定发电商在中长期金融合约市场与现货市场的最优电量分配比例k，下文称为“金融比例k”，其中k∈[0，1]。

(1)输入部分

第①步，发电商与大用户签订电力远期合约，其签订的电量为大用户月度预测满负荷*(1+偏差率)mwh，此合约仅作为结算依据，不具有任何物理约束；

第②步，采用中长期-现货市场模型，时间尺度为月度(即720h、744h以及672h)，模拟确定各发电商的中标出力、系统节点电价以及其签订大用户的统一售电价。

(2)风险评估指标与方法

第①步，从发电侧、用户侧、电网侧三方构建风险评估体系，计算历史月份以及当月的各项风险评估指标；

第②步基于信息熵权法理论，利用历史月份的各项风险指标，确定各风险指标的权重，以此权重与当月的各项风险评估指标计算当月综合风险指标。

(3)输出部分

通过改变金融比例k，计算综合风险值，确定在k∈[0,1]中，综合风险最小值，从而确定发电商在中长期金融合约市场与现货市场的最优分配电量比例k。

输入部分为建立风险评估指标及风险评估体系的计算基础。因此，此处详细此部分的计算模型。

目标：

式中，n表示除风机以外的机组的总台数；t表示所考虑的总时段数，每月可考虑720、744或672时段，则t为720、744或672；pi,t表示机组i在时段t的出力；ci,t(pi,t)、分别为机组i在时段t的运行费用、启动费用，其中机组运行费用ci,t(pi,t)是与机组申报的各段出力区间和对应能量价格有关的多端线性函数。

约束条件：

(1)电力系统负荷平衡约束

对于每个时段t，负荷平衡约束可以描述为：

式中，n表示为除风机以外的机组的总台数，w表示为风机的总台数；pi,t表示机组i在时段t的出力，pw,t表示可再生能源机组w在时段t的出力，dt为时段t的系统负荷。

(2)电力系统正备用容量约束

式中，n表示为除风机以外的机组的总台数，dt为时段t的系统负，αi,t表示机组i在时段t的启停状态，αi,t＝0表示机组停机，αi,t＝1表示机组开机；为机组i在时段t的最大出力；为时段t的系统正备用容量要求。

(3)电力系统负备用容量约束

系统负备用容量约束可以描述为：

式中，为机组i在时段t的最小出力；为时段t的系统负备用容量要求。

(4)电力系统旋转备用约束

各个时段机组出力的上调能力综合与下调能力综合需满足实际运行的上调、下调旋转备用要求。且采用旋转备用来应对可再生能源不确定性对系统的影响。其中，利用正旋转备用容量补偿由于高估可再生能源出力所造成的发电缺额：

式中，n表示为除风机以外的机组的总台数，wu％为可再生能源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，本模型取1h；为时段t上调旋转备用要求；δpi^u为机组i最大上爬坡速率。

利用负旋转备用容量补偿由于低估可再生能源出力给系统带来的影响：

式中，n表示为除风机以外的机组的总台数，wd％为可再生能源出力对负旋转备用的需求系数；为可再生能源机组w的预测出力；为时段t下调旋转备用要求；δpi^d为机组i最大下爬坡速率。

(5)机组出力上下限约束

机组的出力应该处于其最大/最小出力范围之内，其约束条件可以描述为：

(6)机组爬坡约束

机组上爬坡或下爬坡时，均应满足爬坡速率要求。爬坡约束可以描述为：

式中，pi,t表示机组i在时段t的出力，pi,t-1表示机组i在时段t-1的出力，δpi^u为机组i最大上爬坡速率，δpi^d为机组i最大下爬坡速率，αi,t表示机组i在时段t的启停状态，αi,t-1表示机组i在时段t-1的启停状态，为机组i在时段t的最小出力，为机组i在时段t的最大出力。

(7)机组最小连续开停时间约束

式中，αi,t为机组i在时段t的启停状态；tu、td为机组的最小连续开机时间和最小连续停机时间；为机组i在时段t时已经连续开机的时间和连续停机的时间，可以用状态变量αi,t(i＝1～n,t＝1～t)来表示：

(8)机组最大启停次数约束

式中ηi,t为机组i在时段t是否切换到启动状态；γi,t为机组i在时段t是否切换到停机状态。

相应机组i的启停次数限制可表达如下：

式中，ηi,t为机组i在时段t是否切换到启动状态，为机组i切换到启动状态的最大次数；γi,t为机组i在时段t是否切换到停机状态，为机组i切换到停机状态的最大次数。

(9)可再生能源机组出力约束

(10)线路潮流约束

-pl^max≤pl≤pl^max(21)

式中，pl^max、-pl^max为线路l的潮流传输极限，pl为线路传输功率。

本发明立足于发电侧、用户侧、电网侧三侧，力求实现三方共赢、三方均衡的市场风险均衡点，提出6个风险评估指标。对于发电商和用户而言，其目的为自身利益最大化以及风险最小化，因此本发明提出发电商收益波动率、用户付费波动率评估发电商与用户的利益风险，提出发电商合约违约率、用户合约违约率评估签订金融合约比例对发电商、用户的损利风险；基于我国现阶段现货市场结算规则，发电商结算电价为节点电价，用户结算电价为统一售电价，因此金融比例k的变化仅对发电商电价产生影响，所以提出发电商电价波动率评估发电商电价波动风险。对电网公司而言，其旨在实现社会福利最大化，因此本发明提出社会福利波动率评估社会福利风险。具体如下：

(1)发电商收益波动率cv

即，发电商在中长期-现货市场模拟运行的电价曲线波动率。通过数据离散程度指标表示发电商月度电价曲线的波动率。离散程度指标有极差、四分位距、方差、标准差、平均差、变异系数等，由于方差、标准差和平均差等都是数值的绝对量，无法规避数值度量单位的影响，所以以上统计量通常需要结合均值、中位数才能有效评定数据集的离散情况，而变异系数为标准差除以均值得到的一个相对量，可修正上述弊端。因此，本发明采用变异系数表示电价的离散程度。发电商收益波动率与发电商收益风险呈正相关。

式中，cv为发电商收益波动率，σ为曲线标准差，μ为曲线均值，xt,i为每个小时的发电商的交易电价，交易电价＝总收益/总发电量；n为发电商个数。

(2)发电商电价波动率grate

即，随着金融比例k的变化，发电商收益的变化率，即金融比例k对应的发电商收益与金融比例(k-0.1)对应的发电商收益的比值的绝对值。发电商电价波动率与则电价风险呈正相关。

式中grate为发电商电价波动率，sk,i表示为金融比例k时，发电商i的收益，sk-0.1,i表示为金融比例(k-0.1)时，发电商i的收益；n为发电商的个数。

(3)发电商合约违约率crate,g

即，随着金融比例k的变化，发电商的违约电量与合同电量的比值的绝对值。发电商合约违约率与发电商合约违约风险呈正相关。

式中crate,g为发电商合约违约率，gi表示为发电商i合约违约电量；h表示为签订的总合同电量；n为发电商的个数。

(4)大用户付费波动率yrate

即，随着金融比例k的变化，大用户付费的变化率，即金融比例k对应的大用户付费与金融比例(k-0.1)对应的大用户付费的比值。大用户付费波动率与用户付费风险呈正相关。

式中，yrate为大用户付费波动率，yk,i表示为金融比例k时，大用户i的付费，yk-0.1,i表示为金融比例(k-0.1)时，大用户i的付费；m为大用户的个数。在本实施例中，大用户指在接入10kv及以上、具备用电容量在315kv·a及以上购电规模的电力用户；

(5)大用户合约违约率crate,y

即，随着金融比例k的变化，大用户的违约电量与合同电量的比值。大用户合约违约率与用户合约违约风险呈正相关。

式中，crate,y为大用户合约违约率，yi表示为大用户i合约违约电量；h表示为签订的总合同电量；m为大用户的个数。

(6)社会福利波动率drate

即，社会福利波动率，即当前金融比例k对应的(大用户付费-发电商收益)与金融比例(k-0.1)对应的(大用户付费-发电商收益)的比值的绝对值。社会福利波动率与社会福利风险呈正相关。

式中，drate为社会福利波动率，yk,i表示为金融比例k时，大用户i的付费，yk-0.1,i表示为金融比例(k-0.1)时，大用户i的付费；sk,i表示为金融比例k时，发电商i的收益，sk-0.1,i表示为金融比例(k-0.1)时，发电商i的收益。

本发明所提出的6个风险指标从各方市场主体的角度评估风险，但，单一指标均未能全面计及全市场主体风险。因此，本发明提出基于信息熵权理论的综合风险指标计算方法，该方法可以充分利用各方市场主体的风险指标，并通过引入信息熵权理论确定各风险指标在综合风险指标中的权重，使得综合风险指标更能体现各市场主体风险对市场稳定性运行的影响，并具备相对严谨的理论基础。具体原理及基本思路如下。

(一)基本原理

按照信息论基本原理的解释，信息是系统有序程度的一个度量，熵是系统无序程度的一个度量；如果指标的信息熵越小，该指标提供的信息量越小，在综合评价中所起作用理当越小，权重就应该越低。

(二)基本思路如下：

(1)选取6个风险指标的历史数据

从历史数据中选取m个月份，每个月份n个风险评估指标，形成m*n阶的历史风险指标矩阵，第i个对象的第j个指标的数值即为此月份此类型的风险指标值(i＝1,2,…,n；j＝1,2,…,m)。本发明具有(m*6)个历史风险指标。

(2)指标归一化

由于各项指标的计量单位并不统一，因此在用它们计算综合指标前，先要对它们进行标准化处理，即把指标的绝对值转化为相对值，从而解决各项不同质指标值的同质化问题。而且，由于正向指标和负向指标数值代表的含义不同(正向指标数值越高越好，负向指标数值越低越好)，因此，对于正、负向指标我们用不同的算法进行数据标准化处理。本发明采用极差变化法，具体处理如下：

设有m个方案的n个指标值构成的矩阵x＝(xij)m×n称为决策矩阵。在决策矩阵x＝(xij)m×n中，对于正向指标：

式中，xij为第i个对象的第j个指标的数值即为此月份此类型的风险指标值；yij为xij归一化的值，表示为第i个月，第j项指标；m为月份数。

对于负向指标：

式中，xij为第i个对象的第j个指标的数值即为此月份此类型的风险指标值；yij为xij归一化的值，表示为第i个月，第j项指标；m为月份数。

从而生成矩阵y＝(yij)m×n，称为极差变化标准化矩阵。无论决策矩阵x中的指标值是正数还是负数，经过极差变换后，标准化指标满足0≤yij≤1，并且正、逆向指标均化为正向指标，最优值为1，最劣值为0。

本发明中各项指标均采用绝对值形式，均为负向指标，即波动率越小越好，因此采用负向指标归一化方式。

(3)计算指标yij的比率

计算第j项指标下，第i个对象占该指标的比重，即：

式中，gij表示为第j项指标下，第i个对象占该指标的比重；yij表示为第i个月，第j项指标；表示在第j项指标下，m个月的风险值之和；m为月份数。

(4)计算指标yij的熵值，即：

式中fyi为指标yij的熵值，其中有fyi∈[0,1]；gij表示为第j项指标下，第i个对象占该指标的比重；m为月份数。

(5)计算指标yij的差异性系数，即：

θyj＝1-fyi(34)

式中θyj为指标yij的差异性系数，fyi为指标yij的熵值。

(6)计算指标yij对应的熵权系数，即

式中，wi为指标yij对应的熵权系数，且有θyj为指标yij的差异性系数。

(7)计算综合指标zj，即

式中，zj表示为综合指标；wi为指标yij对应的熵权系数；yij表示为第i个月，第j项指标。

由此可见，与现有技术相比，本发明具有以下优点：

(1)针对风险评估研究方面，本发明提出的风险评估指标清晰的反映不同市场主体市场风险度量指标的不同，符合各市场主体的根本目的的要求。引入信息熵权理论求取综合风险指标，使得综合风险指标明确的反映了各市场主体风险对电力市场稳定性运行的影响。

(2)针对新类型发电商市场化的研究，本发明构建全方面考虑各市场主体市场风险的风险评估体系，从全局最优角度指导发电商参与中长期金融合约市场与现货市场。

实施例2：

相应地，本实施还提供了一种电力市场风险评估系统，该系统包括：

数据读取器，其用于读取获取电商中标电量、节点电价金融合约电量数据；

第一数据处理器，其用于根据数据读取器所读取到的数据来建立风险评估指标及风险评估体系模型，并对所建立的风险评估指标及风险评估体系模型从发电侧、用户侧、电网侧三侧进行风险评估处理，以得综合风险评估指标；

第二数据处理器，其用于对所得出的综合风险评估指标采用入信息熵权理论来进行运算处理，以得出发电侧、用户侧、电网侧各风险指标在综合风险指标中的权重。

具体地，该数据读取器是根据输入模拟所得发电商中标电量、节点电价金融合约电量的，获取到数据后，第一数据处理器和第二数据处理器具体数据处理流程如实施例1所述的运算处理流程，在此就不再赘述。

上述实施例只是为了说明本发明的技术构思及特点，其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰，都应涵盖在本发明的保护范围内。