江岳文, 林小雨

(福州大學(xué)電氣工程與自動(dòng)化學(xué)院， 福建 福州 350116)

計(jì)及計(jì)劃內(nèi)偏差和風(fēng)速分布的風(fēng)電場(chǎng)商日前市場(chǎng)競(jìng)標(biāo)研究

江岳文, 林小雨

(福州大學(xué)電氣工程與自動(dòng)化學(xué)院， 福建 福州 350116)

隨著大規(guī)模風(fēng)電并網(wǎng)和電力市場(chǎng)的發(fā)展，風(fēng)電場(chǎng)商被要求參與到電力市場(chǎng)中。由于風(fēng)電的波動(dòng)性和不可準(zhǔn)確預(yù)測(cè)性，風(fēng)電場(chǎng)商在競(jìng)標(biāo)出力獲取收益的同時(shí)，需要承擔(dān)無法準(zhǔn)確申報(bào)出力而導(dǎo)致的不平衡費(fèi)用。本文遵循風(fēng)電本身的客觀規(guī)律，提出不平衡費(fèi)用的收取需要考慮功率計(jì)劃內(nèi)偏差，詳細(xì)推導(dǎo)在風(fēng)電場(chǎng)風(fēng)速滿足威布爾分布情況下的風(fēng)電場(chǎng)商日前市場(chǎng)競(jìng)標(biāo)模型，該模型以風(fēng)電場(chǎng)商期望收益最大化為目標(biāo)，在日前市場(chǎng)風(fēng)電場(chǎng)商獲得競(jìng)標(biāo)出力收入，在不平衡市場(chǎng)風(fēng)電場(chǎng)商收取超過計(jì)劃內(nèi)偏差功率部分的不平衡費(fèi)用。算例詳細(xì)分析不平衡市場(chǎng)的報(bào)價(jià)、計(jì)劃內(nèi)偏差比例和不同風(fēng)速分布參數(shù)對(duì)風(fēng)電場(chǎng)商日前市場(chǎng)競(jìng)標(biāo)出力的影響。

風(fēng)電場(chǎng)商； 日前市場(chǎng)； 投標(biāo)策略； 計(jì)劃內(nèi)偏差

1 引言

截止到2013年底，全球風(fēng)電裝機(jī)容量累計(jì)達(dá)到 31813.7萬(wàn)kW，從2009～2013 年的五年中，全球風(fēng)電市場(chǎng)的規(guī)模幾乎增長(zhǎng)了 2 億kW[1]。2013年，中國(guó)新增風(fēng)電機(jī)組 9356 臺(tái)， 新增裝機(jī)容量16088.7MW，同比增長(zhǎng)24.1%；累計(jì)安裝風(fēng)電機(jī)組達(dá)到 63120臺(tái)，裝機(jī)容量為91412.89MW，同比增長(zhǎng)21.4%。新增和累計(jì)裝機(jī)容量均為世界第一[2]。目前，為了鼓勵(lì)風(fēng)電的繼續(xù)發(fā)展，電網(wǎng)采取全額收購(gòu)風(fēng)電的有效出力。但隨著風(fēng)電水平的增加，由于風(fēng)電的波動(dòng)性、不可準(zhǔn)確預(yù)測(cè)性及間歇性等特點(diǎn)，電網(wǎng)為了全額接納風(fēng)電需要付出較大的經(jīng)濟(jì)代價(jià)，需要更多的旋轉(zhuǎn)備用、調(diào)峰成本和AGC成本[3,4]。這些加重了電網(wǎng)和常規(guī)電源輔助服務(wù)的負(fù)擔(dān)。因此，電力系統(tǒng)在鼓勵(lì)風(fēng)電發(fā)展的同時(shí)，也提出讓風(fēng)電場(chǎng)商與常規(guī)能源投資商一樣參與市場(chǎng)，讓風(fēng)電承擔(dān)一定的功率不平衡費(fèi)用[5-7]。

由于風(fēng)電場(chǎng)商需要承擔(dān)一定的不平衡費(fèi)用，使得風(fēng)電場(chǎng)商的收益有所損失。根據(jù)英國(guó)、西班牙等國(guó)風(fēng)電市場(chǎng)統(tǒng)計(jì)，其損失的收益達(dá)到總收益的10%[8]。風(fēng)電場(chǎng)商為了獲取最大利益，需要在日前市場(chǎng)上申報(bào)出力時(shí)進(jìn)行策略決策，使得其在日前市場(chǎng)和不平衡市場(chǎng)上的收益之和最大化。為了確定風(fēng)電場(chǎng)商在日前市場(chǎng)上申報(bào)出力的策略，文獻(xiàn)[9,10]考慮風(fēng)電預(yù)測(cè)精度隨時(shí)間尺度的縮短而提高的特點(diǎn)，設(shè)計(jì)了風(fēng)電日內(nèi)市場(chǎng)，并在日內(nèi)市場(chǎng)更新一次日前市場(chǎng)申報(bào)的出力，以提高風(fēng)電場(chǎng)商的收益，減少由于預(yù)測(cè)不準(zhǔn)確所帶來的功率不平衡損失費(fèi)用。風(fēng)電場(chǎng)商在電力市場(chǎng)上追求自身收益最大化的同時(shí)必然也承擔(dān)著由于風(fēng)電的不確定性而帶來的風(fēng)險(xiǎn)，如何把參與者愿意承擔(dān)的風(fēng)險(xiǎn)和收益結(jié)合起來進(jìn)行評(píng)估，是風(fēng)電場(chǎng)商策略申報(bào)出力所關(guān)注的一個(gè)內(nèi)容[11-13]。為了進(jìn)一步減少風(fēng)功率偏差，文獻(xiàn)[14,15]將風(fēng)能和適當(dāng)容量的儲(chǔ)能設(shè)施結(jié)合起來進(jìn)行市場(chǎng)投標(biāo)，以獲取更高的利益。由于日前市場(chǎng)和不平衡市場(chǎng)中的價(jià)格直接影響到風(fēng)電場(chǎng)商的收益，因此，文獻(xiàn)[16]詳細(xì)分析了不平衡市場(chǎng)中買入和賣出價(jià)格的變化對(duì)收益的影響。

文獻(xiàn)[9-16]都考慮了風(fēng)電難以準(zhǔn)確預(yù)測(cè)引起的風(fēng)電偏差成本，但都未考慮由于風(fēng)速的特性而使得偏差是客觀存在，需要接納一定的計(jì)劃內(nèi)偏差。電網(wǎng)應(yīng)該接受計(jì)劃內(nèi)偏差，即通過不斷改進(jìn)預(yù)測(cè)手段等措施仍然無法減小的那部分偏差。當(dāng)日前市場(chǎng)申報(bào)的出力和風(fēng)電場(chǎng)實(shí)際出力的偏差在允許范圍內(nèi)時(shí)應(yīng)該不計(jì)及風(fēng)電場(chǎng)商的不平衡費(fèi)用；只有超過了該允許范疇的功率偏差才收取不平衡費(fèi)用。本文基于此理念，研究風(fēng)電場(chǎng)商在日前市場(chǎng)上的競(jìng)標(biāo)策略。

2 風(fēng)功率與電力市場(chǎng)

2.1 風(fēng)電場(chǎng)出力研究

風(fēng)速是一個(gè)隨機(jī)變量，對(duì)大量實(shí)測(cè)數(shù)據(jù)的長(zhǎng)期統(tǒng)計(jì)表明，風(fēng)速的隨機(jī)分布近似服從 Weibull 函數(shù)。其概率密度函數(shù)為：

(1)

式中,k為形狀系數(shù)；c為所描述地區(qū)的平均風(fēng)速;v為風(fēng)電場(chǎng)的風(fēng)速(m/s)。設(shè)風(fēng)電場(chǎng)的出力可以用式(2)獲得[17]：

(2)

式中,pW、PWN、v、vin、vr、vout分別為風(fēng)電場(chǎng)的出力、額定出力、實(shí)際風(fēng)速、切入風(fēng)速、額定風(fēng)速和切出風(fēng)速。

根據(jù)式(1)和式(2)可得風(fēng)電場(chǎng)風(fēng)電出力的概率密度函數(shù)為：

(3)

2.2 風(fēng)電場(chǎng)商參與市場(chǎng)描述

日前市場(chǎng)制定次日的機(jī)組組合方案和功率分配計(jì)劃，由于天氣、網(wǎng)架故障和負(fù)荷突變等因素，當(dāng)日前市場(chǎng)的計(jì)劃與實(shí)際負(fù)荷出現(xiàn)較大的偏差時(shí)產(chǎn)生不平衡市場(chǎng)。在日前市場(chǎng)，風(fēng)電場(chǎng)商根據(jù)短期風(fēng)電預(yù)測(cè)結(jié)果或其它競(jìng)標(biāo)策略申報(bào)出力與價(jià)格。目前，為了節(jié)能減排，電網(wǎng)公司全額收購(gòu)風(fēng)電，因此可以假設(shè)風(fēng)電場(chǎng)商在日前市場(chǎng)上的報(bào)價(jià)為零，即風(fēng)電場(chǎng)商是日前市場(chǎng)出清價(jià)的接受者，電網(wǎng)公司在日前市場(chǎng)上采用統(tǒng)一的出清價(jià)與發(fā)電商和風(fēng)電場(chǎng)商結(jié)算。

由于風(fēng)電的不能準(zhǔn)確預(yù)測(cè)性，風(fēng)電場(chǎng)商在日前市場(chǎng)申報(bào)的出力與交易日風(fēng)電場(chǎng)的實(shí)際出力肯定是不一致的，由此產(chǎn)生了功率的不平衡。由于風(fēng)電出力加大了不平衡市場(chǎng)功率的不平衡，系統(tǒng)運(yùn)行員需要付出更多的經(jīng)濟(jì)成本和可靠性成本維持系統(tǒng)的平衡，更多的AGC和旋轉(zhuǎn)備用被調(diào)用，這部分新增的輔助服務(wù)費(fèi)用需要風(fēng)電場(chǎng)商支出。但由于風(fēng)電出力的客觀屬性，把所有不平衡的風(fēng)電功率放在不平衡市場(chǎng)中接受懲罰對(duì)風(fēng)電場(chǎng)商是不公平的?？陀^來講，風(fēng)電出力的偏差可以縮小，但無法消除。鑒于此，本文考慮放寬對(duì)不平衡功率的定義，允許適度的功率偏差存在，將其作為不懲罰的不平衡功率。系統(tǒng)運(yùn)行員可以根據(jù)本電網(wǎng)風(fēng)電場(chǎng)運(yùn)行特性、風(fēng)功率預(yù)測(cè)水平和系統(tǒng)輔助服務(wù)提供情況確定一個(gè)計(jì)劃內(nèi)偏差比例，當(dāng)然這個(gè)比例隨著風(fēng)電預(yù)測(cè)技術(shù)的提高可以逐漸縮小?，F(xiàn)在由于風(fēng)電出力短期預(yù)測(cè)精度只能達(dá)到80%左右[18]，該計(jì)劃內(nèi)偏差比例可以設(shè)置在10%～15%左右。一方面促進(jìn)風(fēng)電場(chǎng)商努力提高出力預(yù)測(cè)技術(shù)，盡量減小出力偏差；另一方面，也體現(xiàn)了電力市場(chǎng)對(duì)自然規(guī)律的尊重。

在不平衡市場(chǎng)中，當(dāng)風(fēng)電場(chǎng)商申報(bào)出力比實(shí)際出力小，則會(huì)產(chǎn)生多余風(fēng)功率，風(fēng)電場(chǎng)商可以在不平衡市場(chǎng)上賣出多余功率；當(dāng)風(fēng)電場(chǎng)商申報(bào)的出力較大時(shí)，風(fēng)電場(chǎng)商需要在不平衡市場(chǎng)購(gòu)買不足的功率。

為了促進(jìn)風(fēng)電場(chǎng)商盡量準(zhǔn)確地在日前市場(chǎng)上提供功率，一般來講市場(chǎng)的價(jià)格滿足ρbuy,t≥ρt≥ρsell,t≥0，其中，ρsell,t為t時(shí)段不平衡市場(chǎng)上風(fēng)電場(chǎng)商出售多余功率的價(jià)格；ρbuy,t為t時(shí)段不平衡市場(chǎng)上風(fēng)電場(chǎng)商購(gòu)買不足功率的價(jià)格；ρt為日前市場(chǎng)t時(shí)段市場(chǎng)清算價(jià)。

3 風(fēng)電場(chǎng)商日前市場(chǎng)競(jìng)標(biāo)策略

日前市場(chǎng)上風(fēng)電場(chǎng)的出力按照風(fēng)電場(chǎng)商申報(bào)出力進(jìn)行結(jié)算，其他超過計(jì)劃內(nèi)偏差的不平衡功率則在不平衡市場(chǎng)中進(jìn)行結(jié)算。由于含有風(fēng)電出力這一隨機(jī)變量，因此，風(fēng)電場(chǎng)商收益的目標(biāo)函數(shù)為一期望值：

(4)

式中，E(R)為風(fēng)電場(chǎng)商期望的收益；N表示日前市場(chǎng)的時(shí)段數(shù)，一般為24h，故公式中省略了時(shí)間分量；NBup,t表示由于日前市場(chǎng)申報(bào)出力較少，超過了計(jì)劃內(nèi)偏差，多余出力在不平衡市場(chǎng)上出售而獲得的收益；NBunder,t表示由于日前市場(chǎng)申報(bào)出力較多，超過了計(jì)劃內(nèi)偏差，在不平衡市場(chǎng)上購(gòu)買欠缺功率而失去的收益；Pw,t為風(fēng)電場(chǎng)商在日前市場(chǎng)t時(shí)段申報(bào)的出力，為決策變量。

式(4)中第二部分NBup,t代表多余出力在不平衡市場(chǎng)上出賣而獲得的收益，即：

(5)

式中，α為計(jì)劃內(nèi)的風(fēng)電出力偏差比例。

式(5)可以進(jìn)一步轉(zhuǎn)化為：

(6)

式(4)中第三部分NBunder,t代表風(fēng)電場(chǎng)商在不平衡市場(chǎng)上購(gòu)買欠缺功率而失去的收益，即：

(7)

式(7)可以進(jìn)一步轉(zhuǎn)化為:

(8)

式中

由于電價(jià)的分布很難用一個(gè)具體的分布函數(shù)來描述，網(wǎng)架結(jié)構(gòu)和負(fù)荷水平不同，分布規(guī)律都有差異，因此文中直接采用確定的日前市場(chǎng)電價(jià)結(jié)果作為風(fēng)電場(chǎng)商申報(bào)出力的決策依據(jù)。

該模型雖然涉及到多個(gè)時(shí)段，但由于風(fēng)電場(chǎng)商收益的最大化主要依賴該時(shí)段風(fēng)電場(chǎng)出力，而風(fēng)電場(chǎng)各時(shí)段出力可以認(rèn)為是彼此獨(dú)立的量，因此問題的求解可以解耦到每個(gè)小時(shí)，即一天收益的最大化必然由每個(gè)小時(shí)收益的最大化得到[19]。

4 算例研究

某風(fēng)電場(chǎng)參數(shù)：PWN=50MW，vin=3m/s，vr=15m/s，vout=25m/s。該風(fēng)電場(chǎng)風(fēng)能預(yù)測(cè)數(shù)據(jù)滿足Weibull分布，利用極大似然法得出Weibull分布參數(shù)k=1.7627，c=6.2609。以0時(shí)段為例，短期預(yù)測(cè)出力值為10.25MW，日前市場(chǎng)出清電價(jià)ρt為S | 44.59/(MW·h)。采用粒子群優(yōu)化算法進(jìn)行求解分析。

(1)計(jì)劃內(nèi)偏差比例、不平衡市場(chǎng)報(bào)價(jià)對(duì)日前市場(chǎng)競(jìng)標(biāo)出力和收益的影響

算例分析了四種不平衡市場(chǎng)的報(bào)價(jià)模式：①滿足本文設(shè)定ρbuy,t≥ρt≥ρsell,t≥0的第1種報(bào)價(jià)模式，假設(shè)ρsell,t=0.6ρt，ρbuy,t=1.4ρt；②第2種報(bào)價(jià)模式，不平衡市場(chǎng)出售多余功率的價(jià)格為0，購(gòu)買不平衡功率的價(jià)格大于日前市場(chǎng)的清算價(jià)，假設(shè)ρsell,t=0，ρbuy,t=1.4ρt；③第3種報(bào)價(jià)模式，不平衡市場(chǎng)上購(gòu)買欠缺功率的價(jià)格為0，出售多余功率的價(jià)格小于日前市場(chǎng)清算價(jià)，假設(shè)ρsell,t=0.6ρt，ρbuy,t=0；④第4種報(bào)價(jià)模式，不平衡市場(chǎng)上出售多余功率的價(jià)格大于日前市場(chǎng)清算價(jià)，購(gòu)買欠缺功率的價(jià)格小于日前市場(chǎng)清算價(jià)，假設(shè)ρsell,t=1.4ρt，ρbuy,t=0.6ρt。

不同計(jì)劃內(nèi)偏差和報(bào)價(jià)模式的競(jìng)標(biāo)出力、風(fēng)電場(chǎng)商收益分別如圖1和圖2所示。從圖1可以看出，當(dāng)不平衡市場(chǎng)上為第3種和第4種報(bào)價(jià)模式，即出售不平衡功率的價(jià)格比購(gòu)買不平衡功率的價(jià)格高，風(fēng)電場(chǎng)的競(jìng)標(biāo)出力始終為風(fēng)電場(chǎng)的額定出力(50MW)，這是因?yàn)榇藭r(shí)風(fēng)電場(chǎng)商不需要承擔(dān)在不平衡市場(chǎng)上買進(jìn)缺額功率的義務(wù)。可見，這兩種不平衡市場(chǎng)定價(jià)模式不利于系統(tǒng)功率的平衡，無法為風(fēng)電場(chǎng)商競(jìng)標(biāo)出力提供合理的價(jià)格機(jī)制。在相同計(jì)劃內(nèi)偏差下，與第2種報(bào)價(jià)模式相比，第1種報(bào)價(jià)模式即出售不平衡功率價(jià)格低于購(gòu)買不平衡功率的價(jià)格，有著更低的競(jìng)標(biāo)出力和更高的收益。第1種報(bào)價(jià)模式使得風(fēng)電場(chǎng)商盡量考慮競(jìng)標(biāo)出力與實(shí)際出力接近或略低于實(shí)際出力，這樣一方面可以減少在不平衡市場(chǎng)上購(gòu)買出力，另一方面還可以在不平衡市場(chǎng)上適當(dāng)出售剩余出力而獲利；第2種報(bào)價(jià)模式因?yàn)樵诓黄胶馐袌?chǎng)上出售多余出力無法受益，風(fēng)電場(chǎng)商必然會(huì)適當(dāng)提高出力競(jìng)標(biāo)，減少棄風(fēng)電量發(fā)生的概率，該競(jìng)標(biāo)策略會(huì)增加風(fēng)電不足概率，需要在不平衡市場(chǎng)上購(gòu)買缺額功率，從而使得期望收益下降。上述分析也進(jìn)一步證實(shí)了本文設(shè)定的報(bào)價(jià)模式(ρbuy,t≥ρt≥ρsell,t≥0)的合理性。

圖1 不同計(jì)劃內(nèi)偏差和報(bào)價(jià)模式的競(jìng)標(biāo)出力Fig.1 Changing of bidding power with allowable deviation and quoted price of imbalance market

圖2 不同計(jì)劃內(nèi)偏差和報(bào)價(jià)模式的風(fēng)電場(chǎng)商收益Fig.2 Changing of bidding revenue with allowable deviation and quoted price of imbalance market

隨著計(jì)劃內(nèi)偏差α的增加，由于在不平衡市場(chǎng)上風(fēng)電場(chǎng)商出賣或購(gòu)買功率減少，在日前市場(chǎng)上風(fēng)電場(chǎng)商收益增加。如圖1和圖2所示，在不平衡市場(chǎng)不同的定價(jià)水平下，當(dāng)ρbuy,t不為0時(shí)，隨著計(jì)劃內(nèi)偏差α的增大，風(fēng)電場(chǎng)商競(jìng)標(biāo)出力逐漸增加，風(fēng)電場(chǎng)收益也隨之逐漸增加。以第1種報(bào)價(jià)模式為例，在同樣的風(fēng)資源下，α=0時(shí)的最佳競(jìng)標(biāo)出力為8.6893MW，而α=0.2時(shí)，則最佳競(jìng)標(biāo)出力達(dá)到32.3574MW，收益從S|355.9038增加到S|482.9602?？梢?，計(jì)劃內(nèi)偏差比例的變化對(duì)風(fēng)電場(chǎng)商收益產(chǎn)生了直接的影響。圖3表示第1種報(bào)價(jià)模式下最佳競(jìng)標(biāo)出力和不平衡市場(chǎng)上的偏差出力隨計(jì)劃內(nèi)偏差的變化趨勢(shì)。

圖3 不同計(jì)劃內(nèi)偏差的競(jìng)標(biāo)出力及不平衡功率Fig.3 Changing of bidding power and imbalance power with allowable deviation

(2)計(jì)劃內(nèi)偏差比例和風(fēng)資源對(duì)日前市場(chǎng)申報(bào)出力和收益的影響

圖4和圖5分別表示競(jìng)標(biāo)出力和競(jìng)標(biāo)收益與計(jì)劃內(nèi)偏差比例α、風(fēng)速Weibull分布形狀參數(shù)k的關(guān)系。同樣的k值水平下，計(jì)劃內(nèi)偏差α越大，則風(fēng)電場(chǎng)商競(jìng)標(biāo)出力越大，且收益也越大。

圖4 k和α值變化對(duì)競(jìng)標(biāo)出力的影響Fig.4 Changing of bidding power with k and α

圖5 k和α值變化對(duì)競(jìng)標(biāo)收益的影響Fig.5 Changing of bidding revenue with k and α

同樣的計(jì)劃內(nèi)偏差α下，隨著k的增加，競(jìng)標(biāo)出力逐漸增大。當(dāng)c=6.2609m/s時(shí)，隨著形狀系數(shù)k的增大，風(fēng)速的Weibull概率分布密度曲線趨勢(shì)逐漸變陡，概率最大時(shí)風(fēng)速增加，概率分布密度曲線峰值變大。當(dāng)風(fēng)速為6.2606m/s，不管k取圖中何值，分布函數(shù)的概率均為0.6321。在這一風(fēng)速前，同樣的風(fēng)速，k越小，分布函數(shù)的值越大；在這一風(fēng)速后，同樣的風(fēng)速，k越大，分布函數(shù)的值越大。因此，隨著k的增加，大風(fēng)速出現(xiàn)的概率會(huì)增加，小風(fēng)速出現(xiàn)的概率將減少，從而使得風(fēng)電出力期望值增加，競(jìng)標(biāo)出力也隨之增大，收益總體趨勢(shì)是隨著k的增加而增加。

圖6和圖7分別表示競(jìng)標(biāo)出力和競(jìng)標(biāo)收益與計(jì)劃內(nèi)偏差比例α、風(fēng)速Weibull分布尺度參數(shù)c的關(guān)系。同樣的c值水平下，計(jì)劃內(nèi)偏差α越大，則風(fēng)電場(chǎng)商競(jìng)標(biāo)出力越大，且收益也越大。

圖6 c和α值變化對(duì)競(jìng)標(biāo)出力的影響Fig.6 Changing of bidding power with c and α

圖7 c和α值變化對(duì)競(jìng)標(biāo)收益的影響Fig.7 Changing of bidding revenue with c and α

在計(jì)劃內(nèi)偏差α=0時(shí)，隨著c的增加，競(jìng)標(biāo)出力逐漸增大。當(dāng)k=1.7627，隨著尺度系數(shù)c的增大，風(fēng)電的競(jìng)標(biāo)出力和收益都逐漸下降。隨著c的增加，風(fēng)速的概率分布密度曲線趨勢(shì)逐漸變緩，概率最大時(shí)出現(xiàn)的風(fēng)速變大，密度曲線峰值減小。大風(fēng)速出現(xiàn)的概率逐漸增大，小風(fēng)速出現(xiàn)的概率逐漸減少。概率分布曲線隨著c的增加，也逐漸變平穩(wěn)。因此，隨著c的增加，風(fēng)電場(chǎng)期望出力將增大，故競(jìng)標(biāo)出力增大。但當(dāng)c大于17m/s時(shí)，此時(shí)切除風(fēng)速(大于25m/s)概率增加，發(fā)電出力期望值反而減少，所有競(jìng)標(biāo)出力和收益會(huì)下降。

當(dāng)α=0.1時(shí)，隨著c的增加，競(jìng)標(biāo)出力逐漸增大，直至11m/s時(shí)風(fēng)電競(jìng)標(biāo)出力達(dá)到50MW；在c=16m/s時(shí)，由于切除風(fēng)速概率增加，期望出力減小，收益水平開始下降。

5 結(jié)論

隨著風(fēng)電大規(guī)模的發(fā)展，風(fēng)電參與市場(chǎng)交易是必然的趨勢(shì)。由于風(fēng)電的波動(dòng)性及不可準(zhǔn)確預(yù)測(cè)性，風(fēng)電不可能完全像常規(guī)能源市場(chǎng)一樣參與競(jìng)爭(zhēng)。本文提出了考慮風(fēng)電波動(dòng)的計(jì)劃內(nèi)偏差競(jìng)標(biāo)策略模型，并對(duì)算例進(jìn)行詳細(xì)分析，具體結(jié)論如下。

(1)風(fēng)電參與市場(chǎng)競(jìng)標(biāo)，需要適當(dāng)放寬其申報(bào)出力的準(zhǔn)確度，即計(jì)劃內(nèi)偏差，該偏差水平可以根據(jù)風(fēng)速預(yù)測(cè)精度等因素適當(dāng)調(diào)整。

(2)當(dāng)日前市場(chǎng)申報(bào)的出力與實(shí)際風(fēng)電出力偏差超過計(jì)劃內(nèi)偏差時(shí)，才會(huì)產(chǎn)生不平衡功率。風(fēng)電場(chǎng)商需要在不平衡市場(chǎng)賣出或買入不平衡功率，產(chǎn)生的不平衡費(fèi)用降低了風(fēng)電場(chǎng)商的收益。因此，風(fēng)電場(chǎng)商會(huì)盡量提高風(fēng)電預(yù)測(cè)技術(shù)，提高出力申報(bào)的準(zhǔn)確性，增加自身收益。

(3)隨著計(jì)劃內(nèi)偏差比例水平的增加，不論不平衡市場(chǎng)的報(bào)價(jià)如何，風(fēng)電場(chǎng)商的競(jìng)標(biāo)出力和收益都不會(huì)減少。

(4)反映風(fēng)資源分布的形狀參數(shù)k和尺度參數(shù)c的變化將引起風(fēng)電競(jìng)標(biāo)出力和競(jìng)標(biāo)收益的變化。隨著k增加以及計(jì)劃內(nèi)偏差比例的增大，競(jìng)標(biāo)出力和收益都有上升的趨勢(shì)；隨著c增加以及計(jì)劃內(nèi)偏差比例的增大，競(jìng)標(biāo)出力先隨著c的增大而增大并達(dá)到峰值(α較大，則穩(wěn)定在風(fēng)電場(chǎng)額定出力處)后減小，競(jìng)標(biāo)收益也存在同樣的規(guī)律。

附錄

式(5)至式(6)的推導(dǎo)過程如下：

所以

在額定功率上的概率為：

所以

式(7)至式(8)的推導(dǎo)過程與以上部分類似，不再贅述。

[1] 全球風(fēng)能理事會(huì) (Global Wind Energy Council). 2013全球風(fēng)電統(tǒng)計(jì) (The 2013 global wind power statistics) [J]. 風(fēng)能 (Wind Energy)，2014, (2): 60-63.

[2] 中國(guó)風(fēng)能協(xié)會(huì) (Wind Energy Association of China). 2013年中國(guó)風(fēng)電裝機(jī)容量統(tǒng)計(jì) (Chinese wind power installed capacity in 2013) [J]. 風(fēng)能 (Wind Energy)，2014, (2): 44-55.

[3] 吳政球, 王韜 (Wu Zhengqiu, Wang Tao). 風(fēng)電功率預(yù)測(cè)偏差管理與申報(bào)出力決策 (Deviation management of wind power prediction and decision-making of wind power bidding) [J]. 電網(wǎng)技術(shù) (Power System Technology)，2011, 35(12)：160-163.

[4] 張寧宇, 高山, 趙欣 (Zhang Ningyu, Gao Shan, Zhao Xin). 一種考慮風(fēng)電隨機(jī)性的機(jī)組組合模型及其算法(An unit commitment model and algorithm with randomness of wind power) [J].電工技術(shù)學(xué)報(bào) (Transactions of China Electrotechnical Society)，2013, 28(5)：22-29.

[5] Jiaqi Liang, Grijalva S, Harley R G. Increased wind revenue and system security by trading wind power in energy and regulation reserve markets [J]. IEEE Transactions on Sustainable Energy, 2011, 2(3): 340-347.

[6] A Botterud, Zhi Zhou, Jianhui Wang, et al. Wind power trading under uncertainty in LMP markets [J]. IEEE Transactions on Power Systems, 2012, 27(2): 894-903.

[7] 曾鳴，李晨，王致杰, 等 (Zeng Ming, Li Chen, Wang Zhijie, et al.). 基于 CVaR 報(bào)童模型的風(fēng)力發(fā)電商最優(yōu)投標(biāo)策略 (The optimal bid strategy of wind power producer based on CVaR newsboy model) [J]. 電力系統(tǒng)保護(hù)與控制 (Power System Protection and Control), 2012, 40(24): 14-20.

[8] Angarita J L, Hernandez C A, Usaola J. Analysis of a wind farm’s revenue in the British and Spanish markets [J]. Energy Policy, 2007, 35, (10): 5051-5059.

[9] Usaola J, Moreno M A. Optimal bidding of wind energy in intraday markets [A]. 6th International Conference on the European Energy Market, EEM 2009 [C]. 2009.1-7.

[11] 張海峰, 吳江, 高峰, 等 (Zhang Haifeng, Wu Jiang, Gao Feng, et al.). 基于機(jī)會(huì)約束規(guī)劃的風(fēng)電商日前市場(chǎng)競(jìng)標(biāo)策略 (Bidding strategy based on chance-constrained programming for wind power producers) [J]. 電力系統(tǒng)自動(dòng)化 (Automation of Electric Power Systems)，2012, 36(13): 67-71.

[12] Pousinho H M I, Mendes V M F, Catalao J P S. A risk-averse optimization model for trading wind energy in a market environment under uncertainty [J]. Energy, 2011, 36 (8): 4935-4942.

[13] Dukpa A, Duggal I, Venkatesh B, et al. Optimal participation and risk mitigation of wind generators in an electricity market [J]. IET Renewable Power Generation, 2010, 4 (2): 165-175.

[14] Thatte A A, Viassolo D E, Le Xie. Robust bidding strategy for wind power plants and energy storage in electricity markets [A]. 2012 IEEE Power and Energy Society General Meeting [C]. 2012. 1-7.

[15] Thakur T, Goyal S, Gambhir J. Optimisation of imbalance cost for wind power marketibility using hydrogen storage [A]. Joint International Conference on Power System Technology and IEEE Power India Conference [C]. 2008. 1-5.

[16] Bueno M, Moreno M A, Usaola J. Strategic wind energy bidding in adjustment markets [A]. 45th International Universities Power Engineering Conference (UPEC) [C]. 2010. 1-6.

[17] 任博強(qiáng), 彭鳴鴻,蔣傳文,等(Ren Boqiang, Peng Minghong, Jiang Chuanwen，et al.). 計(jì)及風(fēng)電成本的電力系統(tǒng)短期經(jīng)濟(jì)調(diào)度建模(Short-term economic dispatch of power system modeling considering the cost of wind power) [J].電力系統(tǒng)保護(hù)與控制 (Power System Protection and Control), 2010, 38(14): 67-72.

[18] 劉瑞葉，黃磊 (Liu Ruiye, Huang Lei). 基于動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)輸出功率預(yù)測(cè) (Wind power forecasting based on dynamic neural networks) [J]. 電力系統(tǒng)自動(dòng)化 (Automation of Electric Power Systems)，2012, 36(11)：19-22.

[19] E Y Bitar, R Rajagopal, P P Khargonekar, et al. Bringing wind energy to market [J]. IEEE Transactions on Power Systems, 2012, 27(3): 1225-1235.

Bidding strategy based on allowable deviation and speed distribution for wind farm owners

JIANG Yue-wen, LIN Xiao-yu

(College of Electrical Engineering and Automation, Fuzhou University, Fuzhou 350116, China)

With the large-scale development of wind power integrated systems and electricity market, wind farm owners are required to participate in the market. The owners will obtain revenue by bidding in the day-ahead market and bear the cost, which comes from the wind power deviation because of its randomness and forecasting error. Now that the deviation is always existent for wind speed forecast， this paper comes up with the bidding optimization model which allows definite deviation. Based on Weibull distribution for wind speed, this paper deduces the bidding model in detail. The aim of bidding strategy is to maximize the owners’ prot while minimizing the punishment cost. The owners obtain revenue from the day-ahead market by bidding power and will be punished in the imbalance market when the deviation accesses the permit. For different quoted price of imbalance market, allowable deviation and parameters of speed distribution, and bidding strategy are discussed by an example.

wind farm owner; day-ahead market; bidding strategy; allowable deviation

2015-04-18

福建省自然科學(xué)基金資助項(xiàng)目 (2013J01176)

江岳文(1977-)， 女， 湖南籍， 副教授， 博士， 研究方向?yàn)殡娏ο到y(tǒng)優(yōu)化運(yùn)行、 電力市場(chǎng)和風(fēng)電并網(wǎng)運(yùn)行; 林小雨(1991-)， 女， 福建籍， 碩士研究生， 研究方向?yàn)轱L(fēng)電并網(wǎng)運(yùn)行。

TK89

A

1003-3076(2016)04-0035-08