火电企业电力现货市场策略寻优工具及方法与流程

1.本发明涉及电力现货市场交易领域，特别是火电企业电力现货市场策略寻优工具及方法。


背景技术：

2.在几乎所有的电力现货市场中，火电企业都需要进行日前市场申报，申报内容主要是多段发电出力和电价，部分现货市场还要求申报发电机组的运行约束。
3.工作时序
4.电力现货市场中，火电企业需在运行日前一天，向市场运营机构申报自身能够提供给市场的出力(或功率)和对应电价，并按市场规则提供各类性能指标；
5.市场运营机构(电力调度中心和电力交易中心)集合所有报价电厂的报价信息，基于市场边界条件、各类约束，运行两个模型即安全约束机组组合(scuc)和安全约束经济调度(sced)，对全市场进行日前出清；
6.日前市场出清后，交易运营机构发布火电企业下一日即运行日每个时段的中标出力(即运行日发电计划)和中标电价；
7.运行日当日，交易运营机构(电力调度中心)基于当日更新的边界条件和各类约束，以及封存的各火电企业报价数据，再次进行实时市场出清，给出各发电企业的实时中标出力和中标电价，并根据实时市场出清结果调整相关发电企业的日内发电计划；
8.火电企业在运行日应按照实时市场出清结果(实时市场出清结果可以与日前市场出清结果一致)组织发电运行；
9.在运行日之后，以火电企业的日前中标电价、实时中标电价、日前中标出力、实时中标出力、实际发电出力、计量上网电量为基础，按结算规则进行结算，获取发电上网收入。
10.火电企业的经营目标实现过程被颠覆
11.电价
12.计划模式中，火电企业上网电价由政府定价；非现货电力市场中，火电企业的电价由中长期交易结果决定；
13.相对计划模式中的政府批复上网电价和非现货市场中的中长期成交价格，现货市场中的电价波动极其剧烈，且不同日期的96点电价曲线形状差异很大，任何一个单独的市场成员都是市场价格的接受者；
14.发电计划
15.无论是计划模式还是非现货电力市场模式，火电企业的下一日发电计划由电力调度中心下达的发电计划决定；
16.火电企业在电力现货市场中的申报行为影响决定了自身的中标出力即发电计划；
17.经营目标
18.发电毛利最大化，毛利总额＝发电收入总额-发电变动成本总额＝上网电量*度电电价-上网电量*度电变动成本；(不考虑固定成本分摊)
19.计划模式或非现货市场模式下，通过政府定价或中长期交易，度电电价已定，只要度电电价高于度电成本，要做的就是尽量增大上网电量；
20.电力现货市场模式下，现货电价时高时低，不一定全天高于度电成本；同时，不同发电出力对应的度电成本也存在很大差异，因此，对市场价格的判断、发电企业对于自身发电成本的精细化掌控是提高日前交易收益的两个重要基础。
21.但是，在现有的电力现货市场中，火电企业普遍缺少自动化的申报策略测算及策略寻优工具：部分火电企业凭感觉进行申报；部分火电企业虽然具有使用数据分析结论支持策略优化的意识，但因工作时间紧、数据量大，只能根据全天均值来大致决定申报方案，无法精细测算各申报方案的收益；在市场出清后，也无法对各申报方案进行回测，无法持续进行申报优化；
22.在电力现货市场长周期运行以前，有一些论文论述了火电企业在电力现货市场报价的方法，但普遍缺乏实际应用；国外电力现货市场相对成熟，环境与国内不同，火电企业报价策略相对简单，同时对国内现货市场适应不良。
23.因此，现有的电力现货市场中存在缺少适合的策略寻优工具及方法，导致企业利益受损的问题。


技术实现要素：

24.本发明的目的在于，提供火电企业电力现货市场策略寻优工具及方法。本发明具有能提供适合的策略寻优工具及方法，提高企业盈利的优点。
25.本发明的技术方案：火电企业电力现货市场策略寻优工具，本寻优工具以方案寻优为核心，具有约束检查、方案利润计算和现货报价方案寻优三大功能；
26.所述寻优工具包括寻优模块、约束检查模块和方案效益计算模块；所述寻优模块包括解空间枚举模块、约束建模模块、目标函数建模模块、数学求解器模块和局部搜索与方案后处理模块。
27.火电企业电力现货市场策略寻优方法，包括如下步骤：
28.a、模型初始数据输入：预先输入预测日前价格和企业自身成本相关数据；
29.b、中间变量输出：根据输入的初始数据结合数据约束输出中间变量；
30.c、求取时点成本：根据步骤b求得的中间变量得出第j个时点的成本cj；
31.d、建立目标函数：根据步骤a、b、c的数据建立目标函数，所述目标函数为利润最大化，公式为其中l为损失，t为时间段数，sj为价格预测序列，rj为第j个时点的中标出力；
32.e、模型求解：采用模型代码表示方法进行分步求解。
33.前述的火电企业电力现货市场策略寻优方法中，步骤a所述的模型初始数据输入，其具体内容如下：
34.所述预测日前价格包括价格预测序列sj，j≤j≤t，j∈z，z为整数集，t为96或24，对应15分钟或小时颗粒度的日前价格预测；
35.所述企业自身成本相关数据包括企业参数和市场参数；所述企业参数包括出力段数n，最小出力e0，最大出力en，成本表，出力段间隔和最大爬坡m；所述市场参数包括价格限
位；
36.所述成本表，对应一个出力取样序列bk和出力取样序列的成本价格qk，即当出力为bk时，单位出力的价格为qk，1≤k≤v,k∈z；v为取样序列的长度；
37.所述出力段间隔包括出力段最小间隔d和出力段最大间隔a；
38.所述价格限位包括价格下限p0和价格上限p
n+1
；
39.其中n∈z，3≤n≤10。
40.前述的火电企业电力现货市场策略寻优方法中，步骤b所述的中间变量输出，其具体内容如下：
41.所述数据约束包括出力间隔约束、价格单调约束和爬坡约束；
42.所述中间变量包括n-1个中间出力变量ei，1≤i≤n-1，所述中间出力变量为整数变量和n个出力段的报价pi，1≤i≤n，所述出力段的报价能精确到2位小数；
43.所述pi为e
i-1
至ei出力段的报价；
44.所述出力间隔约束为d≤e
i-e
i-1
≤a，1≤i≤n；
45.所述价格单调约束为p
i-1
≤pi，1≤i≤n+1；
46.所述爬坡约束为|r
j-r
j-1
|≤m，i(condition)是示性函数，当condition为真时，函数值为1，否则函数值为0。
47.前述的火电企业电力现货市场策略寻优方法中，步骤c所述的求取时点成本，具体内容如下：
[0048][0049]
前述的火电企业电力现货市场策略寻优方法中，步骤e所述的模型求解，具体内容如下：
[0050]
包括模型代码表示和求解两部分；
[0051]
所述模型代码表示即为通过软件代码编译来执行函数运算，包括编码成本函数、编码某时点中标出力函数、编码约束和编码目标函数。
[0052]
前述的火电企业电力现货市场策略寻优方法中，所述求解的具体步骤如下：
[0053]
s1、获得模型输入的初始数据；
[0054]
s2、利用t个日前价格预测和最大最小价格，生成至多t+1个参考价格；
[0055]
s3、生成在[0,s-1)中均匀分布的整数作为下标，不放回等概率取样n次，得到n个下标，将n个下标从小到大排序后，从参考价格中取出对应的数作为初始价格；所述s为价格序列的长度；
[0056]
s4、用最小出力到最大出力的等间隔插值作为初始出力；
[0057]
s5、利用scipy.optimize中的minimize函数来求解；
[0058]
s6、判断s5的结果是否满足约束条件，若满足，则记录结果；对记录的结果进行对比，若是一个更优的结果，则输出更优的结果；
[0059]
s7、判断是否停止，若不停止，则返回s3；若停止，则停止求解。
[0060]
前述的火电企业电力现货市场策略寻优方法中，s6所述的更优的结果，其具体内容为：目标函数是利润最大化，求解的结果可以计算目标函数，对求得的目标函数进行比
较，如果目标函数更大，即利润更大，则其为更优的结果。
[0061]
前述的火电企业电力现货市场策略寻优方法中，步骤s2的具体内容如下：
[0062]
当最大最小价格都不出现在t个日前价格预测中时，且日前价格预测没有相同的价格时，生成t+1个参考价格；
[0063]
生成参考价格的算法为，将日前价格预测和最大最小价格去重后排序得到一个长为s的价格序列，取这个价格序列相邻的两个数的中点即s-1个参考价格。
[0064]
前述的火电企业电力现货市场策略寻优方法中，步骤s5的具体内容为，
[0065]
利用scipy.optimize中的minimize函数来求解：若n为2，用'cobyla'、'slsqp'、'l-bfgs-b'、'nelder-mead'、'powell'或'trust-constr'求解器；若n大于2，用'cobyla'、'slsqp'或'l-bfgs-b'求解器；
[0066]
得到优化结果后，判断是否需要取整，若不需要，则求解结果就是优化结果，对出力变量进行四舍五入取整；若指定了“报价取整”，需要在求解结果报价的局部进行搜索，得到价格为整数时的一个报价方案。
[0067]
与现有技术相比，本发明应用时由企业输入预测日前价格和自身成本曲线，并设定必要的运行约束限制，如爬坡、出力上下限等，然后本技术将自动测算出符合运行约束的(多种)最优报价方案，以及各报价方案对应的预期效益，能支持火电厂进行高效、智能的日前申报方案测算和寻优，有效提升交易收益；
[0068]
精细化测算全天96个时点收益，以全日全局优化效益为优化目标，避免凭感觉申报，确保能全日全局优化利益；
[0069]
充分考虑不同机组爬坡速率、最小出力、最大出力等性能和状态约束存在差异，支持分机组申报，对运行特点存在差异的机组分别优化申报方案，确保全厂毛利最优；
[0070]
寻优速度快，效率高；
[0071]
本技术同时还支持在日前市场出清后，使用市场出清价格对多个方案进行回测(即进行目标函数计算)，比较收益，以便掌握规律，后续持续优化策略。
[0072]
因此，本发明具有能提供适合的策略寻优工具及方法，提高企业盈利的优点。
附图说明
[0073]
图1是本发明工具的结构示意图；
[0074]
图2是本发明方法的流程图。
具体实施方式
[0075]
下面结合附图和实施例对本发明作进一步的说明，但并不作为对本发明限制的依据。
[0076]
实施例。火电企业电力现货市场策略寻优工具，如图1所示，本寻优工具以方案寻优为核心，具有约束检查、方案利润计算和现货报价方案寻优三大功能；
[0077]
所述寻优工具前端为金泰数据输入、动态参数输入和结果输出三个窗口；后端包括寻优模块、约束检查模块和方案效益计算模块；所述寻优模块包括解空间枚举模块、约束建模模块、目标函数建模模块、数学求解器模块和局部搜索与方案后处理模块。
[0078]
所述约束检查模块和寻优模块共用约束建模模块，方案效益计算模块和寻优模块
共用目标函数建模模块。
[0079]
火电企业电力现货市场策略寻优方法，如图2所示，包括如下步骤：
[0080]
a、模型初始数据输入：预先输入预测日前价格和企业自身成本相关数据；
[0081]
b、中间变量输出：根据输入的初始数据结合数据约束输出中间变量；
[0082]
c、求取时点成本：根据步骤b求得的中间变量得出第j个时点的成本cj；
[0083]
d、建立目标函数：根据步骤a、b、c的数据建立目标函数，所述目标函数为利润最大化，公式为其中l为损失，t为时间段数，sj为价格预测序列，rj为第j个时点的中标出力；
[0084]
e、模型求解：采用模型代码表示方法进行分步求解。
[0085]
步骤a所述的模型初始数据输入，其具体内容如下：
[0086]
所述预测日前价格包括价格预测序列sj，1≤j≤t，j∈z，z为整数集，t为96或24，对应15分钟或小时颗粒度的日前价格预测；
[0087]
所述企业自身成本相关数据包括企业参数和市场参数；所述企业参数包括出力段数n，最小出力e0，最大出力en，成本表，出力段间隔和最大爬坡m；所述市场参数包括价格限位；
[0088]
所述成本表，对应一个出力取样序列bk和出力取样序列的成本价格qk，即当出力为bk时，单位出力的价格为qk，1≤k≤v,k∈z；v为取样序列的长度；
[0089]
所述出力段间隔包括出力段最小间隔d和出力段最大间隔a；
[0090]
所述价格限位包括价格下限p0和价格上限p
n+1
；
[0091]
其中n∈z，3≤n≤10。
[0092]
步骤b所述的中间变量输出，其具体内容如下：
[0093]
所述数据约束包括出力间隔约束、价格单调约束和爬坡约束；
[0094]
所述中间变量包括n-1个中间出力变量ei，1≤i≤n-1，所述中间出力变量为整数变量和n个出力段的报价pi，1≤i≤n，所述出力段的报价能精确到2位小数；
[0095]
所述pi为e
i-1
至ei出力段的报价；
[0096]
所述出力间隔约束为d≤e
i-e
i-1
≤a，1≤i≤n；
[0097]
所述价格单调约束为p
i-1
≤pi，1≤i≤n+1；
[0098]
所述爬坡约束为|r
j-r
j-1
|≤m，i(condition)是示性函数，当condition为真时，函数值为1，否则函数值为0。
[0099]
步骤c所述的求取时点成本，具体内容如下：
[0100][0101]
步骤e所述的模型求解，具体内容如下：
[0102]
包括模型代码表示和求解两部分；
[0103]
所述模型代码表示即为通过软件代码编译来执行函数运算，包括编码成本函数、编码某时点中标出力函数、编码约束和编码目标函数。
[0104]
所述求解的具体步骤如下：
[0105]
s1、获得模型输入的初始数据；
[0106]
s2、利用t个日前价格预测和最大最小价格，生成至多t+1个参考价格；
[0107]
s3、生成在[0,s-1)中均匀分布的整数作为下标，不放回等概率取样n次，得到n个下标，将n个下标从小到大排序后，从参考价格中取出对应的数作为初始价格；所述s为价格序列的长度；
[0108]
s4、用最小出力到最大出力的等间隔插值作为初始出力；
[0109]
s5、利用scipy.optimize中的minimize函数来求解；
[0110]
s6、判断s5的结果是否满足约束条件，若满足，则记录结果；对记录的结果进行对比，若是一个更优的结果，则输出更优的结果；
[0111]
s7、判断是否停止，若不停止，则返回s3；若停止，则停止求解。
[0112]
s6所述的更优的结果，其具体内容为：目标函数是利润最大化，求解的结果可以计算目标函数，对求得的目标函数进行比较，如果目标函数更大，即利润更大，则其为更优的结果。
[0113]
步骤s2的具体内容如下：
[0114]
当最大最小价格都不出现在t个日前价格预测中时，且日前价格预测没有相同的价格时，生成t+1个参考价格；
[0115]
生成参考价格的算法为，将日前价格预测和最大最小价格去重后排序得到一个长为s的价格序列，取这个价格序列相邻的两个数的中点即s-1个参考价格。
[0116]
步骤s5的具体内容为，
[0117]
利用scipy.optimize中的minimize函数来求解：若n为2，用'cobyla'、'slsqp'、'l-bfgs-b'、'nelder-mead'、'powell'或'trust-constr'求解器；若n大于2，用'cobyla'、'slsqp'或'l-bfgs-b'求解器；
[0118]
得到优化结果后，判断是否需要取整，若不需要，则求解结果就是优化结果，对出力变量进行四舍五入取整；若指定了“报价取整”，需要在求解结果报价的局部进行搜索，得到价格为整数时的一个报价方案。
[0119]
效果对比实例：
[0120]
企业输入价格预测表和成本表，实例数据如下：
[0121]
价格预测表：
[0122]
[0123]
[0124]
[0125][0126]
成本表
[0127]
出力售电成本160200180200200200220200240200
260200
[0128]
针对最小出力为205，最大出力为260，出力段数为6，出力段最小间隔为1，出力段最大间隔为12，爬坡约束为20，最小价格为0，最大价格为1500的同样运行参数进行报价方案对比：
[0129]
常规方法得出的的报价方案为[210,220,230,240,250,360,380,400，440，980,1400]，其合计损失为-399864；
[0130]
采用本技术求解计算后得出的报价方案为[217,225,237,249,259,205,220,245，275，310,400]，其合计损失为-492487。
[0131]
由此可见，在价格预测准确的前提下，本技术的报价方案相比现有的常规报价方案能多盈利近10万元。