陳黎軍，潘熙，黃茜，江明，孫莉，王浩

(1. 國網(wǎng)江蘇省電力有限公司，江蘇 南京 210000；2. 國網(wǎng)江蘇省電力有限公司營銷服務(wù)中心，江蘇 南京 210000；3. 國網(wǎng)句容市供電公司，江蘇 鎮(zhèn)江 212400)

《關(guān)于進(jìn)一步深化電力體制改革的若干意見》(9號(hào)文件)的頒布進(jìn)一步完善了電力市場體制[1]，但當(dāng)前電力市場體制與傳統(tǒng)計(jì)劃體制仍存在沖突。在保供電背景下，國家發(fā)展改革委員會(huì)先后發(fā)布《關(guān)于進(jìn)一步深化燃煤發(fā)電上網(wǎng)電價(jià)市場化改革的通知》(1439號(hào)文)與《關(guān)于組織開展電網(wǎng)企業(yè)代理購電工作有關(guān)事項(xiàng)的通知》(809號(hào)文)[2-3]，在放開工商業(yè)用戶市場化電量和電價(jià)、取消工商業(yè)目錄電價(jià)的同時(shí)，指定由電網(wǎng)企業(yè)代理暫未直接入市的工商業(yè)用戶，按規(guī)范在交易中心進(jìn)行電量采購，向用戶公示并收取代理購電電價(jià)。當(dāng)前，代理購電用戶多以中小型工商業(yè)為主，用電隨機(jī)性強(qiáng)，負(fù)荷曲線預(yù)測困難，導(dǎo)致代理購電在常規(guī)中長期交易中決策制訂困難，易產(chǎn)生較大偏差電量，使電網(wǎng)企業(yè)承擔(dān)較高的偏差考核費(fèi)用。為保障代理購電業(yè)務(wù)的可持續(xù)開展，計(jì)及代理購電特性的購電決策優(yōu)化問題亟待解決。

當(dāng)前，該問題的解決思路主要有二。其一，聚焦中長期市場，通過用戶特征分析、定價(jià)機(jī)制改進(jìn)、兩級(jí)市場協(xié)同等精細(xì)化建模方式優(yōu)化購電決策。文獻(xiàn)[4]從電網(wǎng)企業(yè)經(jīng)營角度，分析代理購電用戶電價(jià)的影響因素，提出代理購電價(jià)格的計(jì)算方法，為制訂代理購電價(jià)格提供量化手段；文獻(xiàn)[5]從用戶特性角度，提出基于多樣化電價(jià)屬性的行業(yè)差異化電價(jià)體系，并據(jù)此構(gòu)建精細(xì)化電價(jià)定價(jià)模型，從而優(yōu)化社會(huì)的資源配置；在定價(jià)研究基礎(chǔ)上，文獻(xiàn)[6]構(gòu)建代理購電模式的年度購電優(yōu)化框架，通過協(xié)同省間與省外兩級(jí)市場，提出省級(jí)電網(wǎng)代理購電的年度購電策略優(yōu)化方法，以實(shí)現(xiàn)全年資源與購電聯(lián)合協(xié)調(diào)優(yōu)化的精細(xì)建模和高效求解。然而，上述研究尚未考慮現(xiàn)貨市場的影響。

其二，參與現(xiàn)貨市場，利用電力現(xiàn)貨交易短時(shí)特性可降低中長期市場中的購電偏差[7-8]，且通過供電與可再生能源波動(dòng)性的充分匹配，提高新能源的消納能力[9-11]。文獻(xiàn)[12]定性分析現(xiàn)貨環(huán)境對(duì)電網(wǎng)企業(yè)代理購電價(jià)格的影響機(jī)理，但未定量描述計(jì)及現(xiàn)貨交易的代理購電定價(jià)機(jī)制，現(xiàn)貨交易決策主要借鑒了售電公司與直購電用戶的購電經(jīng)驗(yàn)。在售電公司運(yùn)營策略的研究中：文獻(xiàn)[13]分析了雙邊市場環(huán)境下中長期市場和現(xiàn)貨市場購電量的分配問題；文獻(xiàn)[14]結(jié)合用戶側(cè)分時(shí)電價(jià)特性，以期望收益最大與風(fēng)險(xiǎn)最小建立雙目標(biāo)購售電優(yōu)化模型；文獻(xiàn)[15]結(jié)合加權(quán)條件風(fēng)險(xiǎn)價(jià)值，分析不同市場的價(jià)格分布特性、風(fēng)險(xiǎn)和偏度特征，并在多級(jí)市場中建立售電公司購電決策模型；文獻(xiàn)[16]利用可中斷負(fù)荷應(yīng)對(duì)現(xiàn)貨市場的強(qiáng)波動(dòng)性問題，以多場景的兩階段期望值模型量化現(xiàn)貨市場的價(jià)格波動(dòng)，構(gòu)建計(jì)及可中斷負(fù)荷的配售電公司購售電隨機(jī)優(yōu)化模型。在直購電用戶購電策略的研究中：文獻(xiàn)[17]結(jié)合分時(shí)電價(jià)、電能質(zhì)量和直購電量，提出基于修正郵票法的固定成本綜合分?jǐn)偡椒ǎ晃墨I(xiàn)[18-19]計(jì)及可再生能源配額與現(xiàn)貨市場價(jià)格對(duì)大用戶直購電交易中綠、火電商的報(bào)價(jià)策略的雙重影響，建立可再生能源配額制度驅(qū)動(dòng)下綠、火電商競價(jià)和大用戶直購電的雙層博弈優(yōu)化模型。

盡管售電公司等購電策略優(yōu)化模型對(duì)代理購電決策具有借鑒意義，但代理購電與售電公司等在決策目標(biāo)與決策組成方面具有明顯差異，照搬售電公司等模式易產(chǎn)生較高決策風(fēng)險(xiǎn)。在決策目標(biāo)方面：售電公司等以逐利為目標(biāo)，通常采用市場采購成本或運(yùn)營收益指標(biāo)；而電網(wǎng)企業(yè)在代理購電業(yè)務(wù)中擔(dān)當(dāng)著保底售電角色，在推動(dòng)工商業(yè)用戶有序入市的同時(shí)，保障未入市工商業(yè)用戶的基本權(quán)益，僅以成本或利潤為目標(biāo)易使代理購電決策背離其市場初衷。在決策組成方面：若不考慮偏差電量的影響，售電公司等市場主體的用戶用電量即市場采購量；而電網(wǎng)企業(yè)存在收購的優(yōu)先發(fā)電量與用于保障居民、農(nóng)業(yè)等用電的優(yōu)先購電量，在代理購電業(yè)務(wù)參與月度交易與現(xiàn)貨交易時(shí)，未計(jì)及優(yōu)先發(fā)、購電量不僅增加了購電成本，且易造成偏差電量。

針對(duì)代理購電用戶用電隨機(jī)性強(qiáng)引起的購電決策困難問題，本研究借鑒售電公司與直購電用戶通過參與現(xiàn)貨市場降低偏差考核費(fèi)用的思路，提出月度市場與日前市場的協(xié)同決策模型，利用月度交易充分發(fā)揮中長期市場的價(jià)格優(yōu)勢(shì)，利用日前交易應(yīng)對(duì)用電不確定性問題，降低用電偏差。此外，模型充分考慮電網(wǎng)企業(yè)代理購電與售電公司購電在決策目標(biāo)與購電組成方面差異，建立代理購電業(yè)務(wù)的風(fēng)險(xiǎn)體系，設(shè)計(jì)風(fēng)險(xiǎn)評(píng)估指標(biāo)，并據(jù)此構(gòu)造代理購電優(yōu)化模型。為加速模型求解，本研究改進(jìn)粒子群優(yōu)化(particle swarm optimization，PSO)算法，通過調(diào)整慣性權(quán)重與學(xué)習(xí)速率矩陣，提高模型收斂速度。

本研究首先梳理代理購電業(yè)務(wù)風(fēng)險(xiǎn)，按內(nèi)、外部構(gòu)建代理購電的風(fēng)險(xiǎn)體系；在此基礎(chǔ)上，結(jié)合代理購電業(yè)務(wù)特點(diǎn)，提出基于條件風(fēng)險(xiǎn)價(jià)值(conditional value at risk，CVaR)的風(fēng)險(xiǎn)評(píng)估指標(biāo)；然后，建立風(fēng)險(xiǎn)目標(biāo)下的代理購電決策優(yōu)化模型，實(shí)現(xiàn)月度市場與日前市場采購方案的協(xié)同，并利用改進(jìn)PSO算法進(jìn)行模型求解；最后，完成仿真算例，驗(yàn)證方法的可行性。

1 電網(wǎng)企業(yè)代理購電的風(fēng)險(xiǎn)體系

隨著電力市場化改革的推進(jìn)，電網(wǎng)企業(yè)代理購電決策受電力商品屬性與市場成員約束，外部風(fēng)險(xiǎn)與內(nèi)部風(fēng)險(xiǎn)并存，其風(fēng)險(xiǎn)體系如圖1所示。相應(yīng)地，一方面可通過控制監(jiān)管、交易、用戶等外部風(fēng)險(xiǎn)，保障電網(wǎng)企業(yè)權(quán)益，推動(dòng)代理購電業(yè)務(wù)的持續(xù)發(fā)展；另一方面，可通過提高用電、發(fā)電、價(jià)格數(shù)據(jù)的預(yù)測精度來降低考核偏差，保障代理購電用戶的用電權(quán)益。

圖1 電網(wǎng)企業(yè)代理購電風(fēng)險(xiǎn)框架Fig.1 Electricity purchasing agent service (EPAS)risk framework

1.1 外部風(fēng)險(xiǎn)

外部風(fēng)險(xiǎn)源于政府監(jiān)管部門、電力交易中心與代理購電用戶，分別對(duì)應(yīng)監(jiān)管政策風(fēng)險(xiǎn)、電力交易風(fēng)險(xiǎn)與用戶交易風(fēng)險(xiǎn)。

1.1.1 監(jiān)管政策風(fēng)險(xiǎn)

代理購電政策與電力市場交易規(guī)則從兩方面影響購電決策。其一，代理購電量受代理購電用戶范圍界定政策影響。當(dāng)前，代理購電用戶包含未進(jìn)入市場的工商業(yè)用戶、已直接參與市場交易又退出的用戶，并對(duì)退市、擁有自備電廠或高耗能用戶執(zhí)行1.5倍代理購電價(jià)格。代理購電用戶性質(zhì)與價(jià)格決定代理購電體量，相關(guān)變更將引起代理購電用戶在電網(wǎng)企業(yè)與其他市場主體間流動(dòng)，造成偏差電量。其二，代理購電的定價(jià)機(jī)制取決于當(dāng)?shù)卣吲c市場環(huán)境。未運(yùn)行現(xiàn)貨市場地區(qū)執(zhí)行當(dāng)?shù)胤謺r(shí)定價(jià)政策規(guī)定，已運(yùn)行現(xiàn)貨市場地區(qū)的電網(wǎng)企業(yè)要作為價(jià)格接受者參與現(xiàn)貨市場出清。相關(guān)政策發(fā)生調(diào)整時(shí)，既定代理購電決策與政策的偏離或滯后易產(chǎn)生虧損。

1.1.2 市場交易風(fēng)險(xiǎn)

在電力交易中心采購電量時(shí)，短時(shí)交易因其靈活性逐漸獲得市場青睞，但其價(jià)格浮動(dòng)大，可能導(dǎo)致既定策略與實(shí)時(shí)價(jià)格不匹配，提高購電成本。此外，交易人員的誤操作可能導(dǎo)致錯(cuò)失購電良機(jī)，購電成本增加。

1.1.3 用戶交易風(fēng)險(xiǎn)

代理購電用戶的流通性加劇了代理購電負(fù)擔(dān)。當(dāng)市場價(jià)格具有顯著優(yōu)勢(shì)時(shí)，代理購電用戶受電價(jià)或政策影響，可能群體性涌向市場，此時(shí)若售電公司等市場主體因故退出交易，電網(wǎng)企業(yè)承擔(dān)電力保供任務(wù)，需保障相關(guān)用戶的用電權(quán)益。群體性用戶的頻繁流動(dòng)導(dǎo)致代理購電用戶數(shù)據(jù)測算困難。此外，用戶欠費(fèi)、合同糾紛等亦可能增加用戶交易風(fēng)險(xiǎn)。

1.2 內(nèi)部風(fēng)險(xiǎn)

在電網(wǎng)企業(yè)內(nèi)部，代理購電多由營銷部主導(dǎo)，發(fā)展策劃部、財(cái)務(wù)部等多部門共同協(xié)作完成。其中，營銷部、發(fā)展策劃部與財(cái)務(wù)部分別承擔(dān)用電數(shù)據(jù)、發(fā)電數(shù)據(jù)與代理購電價(jià)格的測算。相關(guān)數(shù)據(jù)的偏差引起代理購電測算風(fēng)險(xiǎn)，電網(wǎng)企業(yè)據(jù)此受交易中心偏差考核。

1.2.1 用電偏差

當(dāng)前，代理購電用戶以中小型工商業(yè)為主，數(shù)量大，種類多，集中于低電壓側(cè)，受溫度、電價(jià)等影響顯著，用電特性不穩(wěn)定，導(dǎo)致基于負(fù)荷曲線生成的代理購電量決策存在偏差，供求失衡。

1.2.2 發(fā)電偏差

電網(wǎng)企業(yè)可收購各地執(zhí)行保量報(bào)價(jià)的優(yōu)先發(fā)電量，首先保障居民、農(nóng)業(yè)用戶用電，并將剩余電量暫作為電網(wǎng)企業(yè)代理工商業(yè)用戶購電量來源。由此，發(fā)展策劃部發(fā)布的月度優(yōu)先發(fā)電機(jī)組發(fā)電量的準(zhǔn)確性，將影響代理購電的市場采購決策。

1.2.3 價(jià)格偏差

除長期協(xié)議外，市場電價(jià)預(yù)測困難，預(yù)測與實(shí)際價(jià)格偏差可能較大，而代理購電的電價(jià)偏差需要在往后第2個(gè)月份進(jìn)行回收。若預(yù)測價(jià)格低于實(shí)際價(jià)格，電網(wǎng)企業(yè)需承受一定程度的現(xiàn)金流損失，甚至影響其他業(yè)務(wù)的正常有序開展。

2 計(jì)及代理購電特性的策略風(fēng)險(xiǎn)評(píng)估

2.1 代理購電的特性分析

本文所提代理購電決策借鑒了售電公司、直購電用戶等常規(guī)市場主體，同時(shí)參與中長期市場的月度交易與現(xiàn)貨市場的日前交易，但決策在組成與目標(biāo)兩方面與傳統(tǒng)市場主體存在顯著差異。

2.1.1 決策組成

不考慮偏差電量時(shí)：售電公司等傳統(tǒng)市場主體的市場采購電量Q與工商業(yè)用戶用電量D相等；而電網(wǎng)企業(yè)代理的工商業(yè)用戶市場采購電量Q取決于代理工商業(yè)用戶用電量D，居民、農(nóng)業(yè)用戶用電量(優(yōu)先購電量)Dp與電網(wǎng)企業(yè)收購的優(yōu)先發(fā)電量Qp。

具體而言，電網(wǎng)企業(yè)代理工商業(yè)用戶進(jìn)行市場化采購時(shí)，繼續(xù)按現(xiàn)行價(jià)格機(jī)制收購各地執(zhí)行保量報(bào)價(jià)的優(yōu)先發(fā)電(不含燃煤發(fā)電)電量Qp，優(yōu)先用于保障居民、農(nóng)業(yè)用戶用電量Dp。若有剩余電量(即Qp≥Dp)且暫時(shí)未放開作其他使用，可將剩余電量暫作為電網(wǎng)企業(yè)代理工商業(yè)用戶的市場采購電量Q來源，如圖2(a)所示；若各地保量報(bào)價(jià)的優(yōu)先發(fā)電量不能滿足居民、農(nóng)業(yè)用戶用電(即Qp

圖2 代理工商業(yè)用戶的市場采購電量分析Fig.2 Market-oriented EPAS analysis of agent industry and commerce users

因此，電網(wǎng)企業(yè)代理的工商業(yè)決策組成需計(jì)及優(yōu)先發(fā)、購電量的影響，表現(xiàn)為代理工商業(yè)用戶實(shí)際用電量與對(duì)應(yīng)市場采購量的差異(即D-Q)，稱為剩余電量Da，滿足如下關(guān)系：

Da=D-Q=Qp-Dp.

(1)

2.1.2 決策目標(biāo)

對(duì)于常規(guī)市場主體：①售電公司通過用戶套餐售價(jià)與市場交易成本的價(jià)差獲利，其購電決策常以運(yùn)營收益最大化為目標(biāo)；②直購電用戶與電廠直接交易協(xié)定購電量與購電價(jià)格，通過控制用電成本提高經(jīng)營效率，相關(guān)購電決策常以最小電力市場采購成本為導(dǎo)向。與之相比，電網(wǎng)企業(yè)在代理購電業(yè)務(wù)中擔(dān)當(dāng)著保底售電角色，一方面，代理未入市或退市工商業(yè)用戶進(jìn)行市場交易，進(jìn)一步推動(dòng)電力市場化發(fā)展，另一方面，相關(guān)用戶用電體量小，不確定性強(qiáng)，市場議價(jià)能力低，其購電權(quán)益可通過代理購電業(yè)務(wù)得到充分保障；因此，代理購電系非盈利業(yè)務(wù)，應(yīng)以降低業(yè)務(wù)風(fēng)險(xiǎn)為目標(biāo)優(yōu)化購電決策，保障業(yè)務(wù)持續(xù)穩(wěn)定開展。

2.2 基于CVaR的風(fēng)險(xiǎn)評(píng)估

代理購電的風(fēng)險(xiǎn)評(píng)估依賴于對(duì)決策損失的定量描述。結(jié)合圖1的代理購電風(fēng)險(xiǎn)體系，在不確定性因素X的影響下，損失函數(shù)C(Q，X)包含外部風(fēng)險(xiǎn)對(duì)應(yīng)的交易損失Co(Q，X)，與內(nèi)部風(fēng)險(xiǎn)引起的偏差損失Ci(Q，X)，即

C(Q，X)=Co(Q，X)+Ci(Q，X).

(2)

交易損失由電網(wǎng)企業(yè)與外部單位或個(gè)人在交易過程中產(chǎn)生。與外部監(jiān)管風(fēng)險(xiǎn)、交易風(fēng)險(xiǎn)與用戶風(fēng)險(xiǎn)對(duì)應(yīng)，Co(Q，X)受交易操作(完成Q的交易)、政策變更Xp、用戶行為Xb的影響。記外部不確定性因素Xo={Xp，Xb}，Co(Q，X)可量化為計(jì)及Xo不確定性下的購電成本，即

(3)

式中：γm、γd，t分別為月度交易價(jià)格、時(shí)段t的日前交易價(jià)格；Qm，t、Qd，t分別為時(shí)段t的月度、日前交易量；T為交易時(shí)段總數(shù)。

偏差損失源于電網(wǎng)企業(yè)內(nèi)部測算偏差。與內(nèi)部用電偏差、發(fā)電偏差、價(jià)格偏差對(duì)應(yīng)，Ci(Q，X)受用電不確定性Xh、發(fā)電不確定性Xg、價(jià)格不確定性Xc影響。記內(nèi)部不確定性因素Xi={Xh，Xg，Xc}，Ci(Q，X)可量化為計(jì)及Xi不確定性下的偏差考核費(fèi)用，即

Ci(Q，X)=γfΔQ(Xi).

(4)

式中：γf為計(jì)及豁免考核電量的單位偏差電量考核成本函數(shù)；ΔQ為每月結(jié)算的偏差電量。將式(3)與式(4)代入式(2)，可得代理購電決策損失C(Q，X)。

以此為基礎(chǔ)，結(jié)合CVaR(記為FCVaR(Q))量化代理購電策略風(fēng)險(xiǎn)(即損失值)。記影響因素X={Xi，Xo}，且X聯(lián)合概率密度函數(shù)為P(X)，其影響下C(Q，X)低于閾值α的成本累計(jì)分布

(5)

取置信水平β∈(0，1)，則

FCVaR(Q)=

(6)

式中fVaR，β=min{α∈R：Ds(Q，α)≥β}，fVaR，β為風(fēng)險(xiǎn)價(jià)值。因CVaR求解困難，可構(gòu)造當(dāng)前置信水平β下的函數(shù)Fβ(Q，α)，使minFCVaR(Q)與minFβ(Q，α)等價(jià)，則minFβ(Q，α)所尋最優(yōu)解(Q*，α*)即可用于CVaR的計(jì)算[20]。

(7)

其中

[C(Q，X)-α]+=

(8)

考慮到P(X)難以建模，本研究采用蒙特卡洛抽樣法對(duì)不確定性因素抽取N組樣本(即X1，…，Xn，…，XN，Xn={Xi，n，Xo，n})，以離散數(shù)據(jù)擬合Fβ(Q，α)，生成代理購電的決策風(fēng)險(xiǎn)指標(biāo)F′β(Q，α)，

(9)

將式(2)代入式(9)，即可計(jì)算風(fēng)險(xiǎn)指標(biāo)F′β(Q，α)。有別于售電公司與直購電用戶決策風(fēng)險(xiǎn)，本文所提F′β(Q，α)計(jì)及代理購電業(yè)務(wù)在決策組成與決策目標(biāo)方面的特殊性，通過式(1)考慮優(yōu)先發(fā)、購電量對(duì)代理購電業(yè)務(wù)市場采購電量的影響，通過式(2)綜合外部風(fēng)險(xiǎn)對(duì)應(yīng)的交易損失與內(nèi)部風(fēng)險(xiǎn)引起的偏差損失，降低代理購電業(yè)務(wù)決策風(fēng)險(xiǎn)。

3 風(fēng)險(xiǎn)目標(biāo)下代理購電優(yōu)化模型及求解

3.1 代理購電優(yōu)化模型

為減少偏差電量，我國電力市場當(dāng)前以中長期交易為主，以現(xiàn)貨交易為補(bǔ)充[21]。由于代理購電費(fèi)用按月結(jié)算，本研究綜合考慮月度交易與日前交易，以交易時(shí)段t的月度市場采購電量Qm，t與日前市場采購電量Qd，t為變量，建立以F′β(Q，α)最小為目標(biāo)的某月代理購電策略優(yōu)化模型：

(10)

目標(biāo)函數(shù)采用蒙特卡洛抽樣法，計(jì)及內(nèi)、外部不確定因素對(duì)代理購電決策風(fēng)險(xiǎn)的影響。對(duì)于任意樣本Xn，相關(guān)約束條件如下。

a)電量平衡約束，計(jì)算式為

Qm，t(Xn)+Qd，t(Xn)+ΔQt(Xn)=

Dt(Xn)+Da，t(Xn).

(11)

式中：等式左右均表達(dá)了時(shí)段t代理工商業(yè)用戶的交易結(jié)算關(guān)口計(jì)量電量(結(jié)算電量)；ΔQt為時(shí)段t結(jié)算的偏差電量；Dt為時(shí)段t代理購電用戶的實(shí)際用電量，Da，t為時(shí)段t按式(1)計(jì)算的剩余電量，且假設(shè)Dt與Da，t均服從高斯分布。

b)交易損失約束，計(jì)算式為

(12)

式中：月度交易價(jià)格γm在各樣本、各時(shí)段均中保持穩(wěn)定；γd，t，n為樣本Xn在交易時(shí)段t的日前交易價(jià)格，并假設(shè)γd，t，n服從高斯分布。

c)偏差損失約束，計(jì)算式為

(13)

d)購電限制約束，計(jì)算式為

0≤Qm，t(Xn)≤Qm，max，

(14)

0≤Qd，t(Xn)≤Qd，max.

(15)

式中Qm，max、Qd，max分別為月度市場、日前市場的最大采購電量，用下標(biāo)max、min分別表示相關(guān)參數(shù)的最大值、最小值，下同。

3.2 基于改進(jìn)PSO算法的模型求解

本文所提優(yōu)化模型的目標(biāo)F′β(Q，α)涉及式(8)所示的分段函數(shù)[C(Q，Xn)-α]+，求解較為復(fù)雜。為此，本研究改進(jìn)PSO算法求解模型。常規(guī)PSO算法中，每一粒子結(jié)合自身與其他粒子信息來調(diào)整搜索方向，更新自身速度與位置，將種群最優(yōu)位置作為最優(yōu)解。為方便描述，記向量Q由月度市場采購電量與日前市場采購電量共同組成，即Q=(…，Qm，t，…，Qd，t，…)，更新速度V與位置Q如下：

Vi，k+1=ωVi，k+c1r1(Qp，i-Qi，k)+c2r2(Qg，i-Qi，k).

(16)

Qi，k+1=Qi，k+Vi，k+1.

(17)

式中：用下標(biāo)i、下標(biāo)k分別表示第i個(gè)粒子、迭代次數(shù)為k的相關(guān)參數(shù)，下同；Qp、Qg分別為全局、個(gè)體最優(yōu)的市場采購電量；解空間的搜索范圍通過慣性權(quán)重對(duì)角矩陣ω調(diào)節(jié)，且其對(duì)角元非負(fù)；c1、c2為用于調(diào)節(jié)學(xué)習(xí)速率最大步長的加速度對(duì)角矩陣；隨機(jī)對(duì)角陣r1、r2的對(duì)角元在[0，1]間隨機(jī)取值，增加了搜索的隨機(jī)性。考慮到常規(guī)PSO算法對(duì)每次迭代的粒子采用相同的參數(shù)矩陣ω、c1與c2，可能導(dǎo)致收斂性問題或陷入局部最優(yōu)解[22]，本研究將風(fēng)險(xiǎn)指標(biāo)作為粒子適應(yīng)度，考慮迭代次數(shù)k與粒子適應(yīng)度F′β的影響，應(yīng)用標(biāo)幺化思路對(duì)ω、c1與c2進(jìn)行如下動(dòng)態(tài)調(diào)整：

(18)

(19)

(20)

式(18—20)中：F′β，k，max、F′β，k，min、F′β，k，avg分別為第k次迭代時(shí)所有粒子適應(yīng)度的最大值、最小值、平均值；K為迭代總次數(shù)。

據(jù)此，可按圖3所示流程求解優(yōu)化模型。代理購電策略的優(yōu)化模型求解主要包含初始化、優(yōu)化與輸出3個(gè)階段：在初始化階段，對(duì)市場采購電量、粒子初始飛行速度、迭代總次數(shù)等參數(shù)進(jìn)行初始化；在優(yōu)化階段，利用改進(jìn)慣性權(quán)重與學(xué)習(xí)速率，對(duì)飛行速度與最優(yōu)策略進(jìn)行更新；在輸出階段，輸出迭代總次數(shù)內(nèi)的最優(yōu)市場采購電量。

圖3 改進(jìn)PSO算法的求解過程Fig.3 Improved PSO algorithm solving EPAS model

4 算例分析

4.1 模型與算法的參數(shù)設(shè)置

為驗(yàn)證所提方法的有效性，本研究以電網(wǎng)企業(yè)代理的某區(qū)域工商業(yè)用戶負(fù)荷為研究對(duì)象，該區(qū)域用戶的月前代理工商業(yè)用戶用電量D的預(yù)測曲線如圖4所示。為計(jì)及代理購電采購量不確定性，假設(shè)D服從高斯分布，標(biāo)準(zhǔn)差為100 MWh。在代理購電業(yè)務(wù)中，優(yōu)先發(fā)、購電量的影響體現(xiàn)在剩余電量Da，其曲線如圖5所示，假設(shè)Da服從高斯分布，標(biāo)準(zhǔn)差為5 MWh。

圖4 代理購電用戶用電量的預(yù)測曲線Fig.4 Forecasting load curve of agent electricity purchasing users

圖5 剩余電量的預(yù)測曲線Fig.5 Forecasting surplus power curve

在考慮代理購電電價(jià)的不確定性方面，本代理購電模型參與月度與日前交易，相關(guān)市場預(yù)測電價(jià)如圖6所示。假設(shè)日前市場電價(jià)γd的預(yù)測誤差服從高斯分布，標(biāo)準(zhǔn)差為10元/MWh。

圖6 預(yù)測市場價(jià)格曲線Fig.6 Forecasting power price curve

其他模型參數(shù)包括：單位偏差電量考核成本函數(shù)γf參照江蘇中長期交易偏差考核制度，以±3%為豁免考核電量閾值[23]，超出部分按1 000元/MWh征收額外偏差費(fèi)用；取置信水平β=0.95；蒙特卡洛抽樣樣本總數(shù)N=1 000。算法參數(shù)設(shè)置見表1。

表1 改進(jìn)PSO算法參數(shù)Tab.1 Parameters of improved PSO algorithm

4.2 代理購電優(yōu)化模型的有效性

4.2.1 最優(yōu)決策解

根據(jù)4.1節(jié)所述參數(shù)，本研究在MATLAB平臺(tái)利用改進(jìn)PSO算法求解代理購電策略的優(yōu)化模型，所得月度、日前市場采購電量分別如圖7、圖8所示，對(duì)應(yīng)的最低風(fēng)險(xiǎn)值為57.20萬元。

圖7 月度市場采購方案Fig.7 Purchase strategy for monthly market

圖8 日前市場采購方案Fig.8 Purchase strategy for day-ahead market

對(duì)比圖7中月度市場采購電量Qm與預(yù)測用電量D可知，月度市場采購電量曲線與預(yù)測曲線趨勢(shì)相近，且月度市場具有價(jià)格低廉與穩(wěn)定優(yōu)勢(shì)，月度市場采購量在總采購量中占據(jù)主導(dǎo)地位。

由圖8可知，與月度市場相比，日前市場價(jià)格較高且波動(dòng)性大，日前市場計(jì)劃交易電量遠(yuǎn)低于同時(shí)段內(nèi)月度市場；因此，電網(wǎng)企業(yè)一般在月度市場等中長期市場購買大量基礎(chǔ)電量，在獲得長期可靠的電量供應(yīng)的同時(shí)，將市場購電風(fēng)險(xiǎn)控制在較小范圍內(nèi)。

4.2.2 剩余電量的影響

計(jì)及剩余電量Da是電網(wǎng)企業(yè)代理購電與常規(guī)售電公司或直購電用戶參與市場采購的顯著區(qū)別之一。為驗(yàn)證模型的有效性，本研究對(duì)比了計(jì)及剩余電量前后的采購方案與風(fēng)險(xiǎn)指標(biāo)CVaR值。

考慮剩余電量前后，月度市場與日前市場采購方案對(duì)比如圖9(a)、(b)所示。計(jì)及剩余電量后，月度、日前市場采購電量均有不同程度降低，且兩者降低的峰值分別高達(dá)104.20 MWh、5.25 MWh。相比日前市場，計(jì)及剩余電量對(duì)月度市場采購方案的影響更加顯著，這是因?yàn)樵露仁袌鲚^日前市場具有顯著的價(jià)格優(yōu)勢(shì)，剩余電量產(chǎn)生的電量優(yōu)勢(shì)傾向于向月度市場分配。

圖9 考慮剩余電量前后各級(jí)市場采購方案Fig.9 Purchase strategy with and without considering Da

表2對(duì)比了計(jì)及剩余電量Da前后代理購電策略的CVaR值，加入對(duì)剩余電量的考慮可將CVaR值降低5%。結(jié)合圖9與表2，本模型因計(jì)及剩余電量，其市場采購電量低于同規(guī)模其他市場主體，且決策風(fēng)險(xiǎn)低。在本例中，多數(shù)場景的市場采購電量小于代理工商業(yè)用戶的實(shí)際用電量，剩余電量產(chǎn)生的“隱性”收益由全體代理工商業(yè)用戶分享，在某些地區(qū)可能表現(xiàn)為代理購電價(jià)格低于售電公司套餐價(jià)格。

表2 考慮剩余電量前后的CVaR Tab.2 CVaRs with and without considering Da

4.2.3 置信水平的影響

在代理購電策略的優(yōu)化模型中，置信水平β反映了決策者的風(fēng)險(xiǎn)偏好。β值越大，決策偏向保守，決策風(fēng)險(xiǎn)越??；β值越小，則反之。本研究分別對(duì)β取0.92、0.95與0.98，并采用上述模型與算法參數(shù)進(jìn)行分析，所得代理購電策略的CVaR值見表3。

表3 不同置信水平下的CVaR Tab.3 CVaRs calculated by different β values

由3表可知：當(dāng)β值越高時(shí)，代理購電策略的風(fēng)險(xiǎn)越小，決策者更傾向于更為保守的決策；CVaR值隨β取值變化并不顯著，在β合理取值范圍內(nèi)，該模型受β的影響較小。

4.3 改進(jìn)PSO算法的有效性

此外，本研究在β=0.95下對(duì)比了改進(jìn)PSO算法與常規(guī)PSO算法的CVaR曲線(如圖10所示)，其中，常規(guī)PSO算法中取c1、c2均為主對(duì)角元為2的對(duì)角陣。

圖10 CVaR曲線Fig.10 CVaR curves

由圖10可知，PSO算法需迭代271次后收斂，而改進(jìn)PSO算法僅需迭代239次，計(jì)算時(shí)間縮短近1/5。若c2均為主對(duì)角元為3的對(duì)角陣，PSO算法陷入局部最優(yōu)解，CVaR值高達(dá)6 087萬元，與之相比，所提方法將風(fēng)險(xiǎn)成本降低了6.42%；因此，改進(jìn)PSO算法通過改進(jìn)慣性權(quán)重與學(xué)習(xí)速率，可提高收斂速度，克服PSO算法易陷入局部最優(yōu)的問題。

5 結(jié)束語

為充分發(fā)揮需求側(cè)能動(dòng)性，我國放開了工商業(yè)用戶市場化電量和電價(jià)，暫未直接從市場購電的工商用戶由電網(wǎng)企業(yè)代理購電。針對(duì)代理購電用戶用電隨機(jī)性強(qiáng)引起的偏差電量高的問題，本研究借鑒售電公司協(xié)同考慮中長期與現(xiàn)貨交易的思路，首先分析電網(wǎng)企業(yè)代理購電與售電公司購電在決策目標(biāo)與決策組成方面的區(qū)別，據(jù)此建立代理購電風(fēng)險(xiǎn)體系，并結(jié)合CVaR評(píng)估代理購電決策風(fēng)險(xiǎn)；其后，在風(fēng)險(xiǎn)目標(biāo)下建立代理購電決策優(yōu)化模型，實(shí)現(xiàn)月度市場與日前市場的協(xié)同決策；最后，通過改進(jìn)PSO算法的參數(shù)設(shè)計(jì)，提高模型收斂速度。仿真結(jié)果表明，所提模型與算法可為電網(wǎng)企業(yè)有效獲取月度市場與日前市場的代理購電組合策略。當(dāng)前，現(xiàn)貨交易僅考慮日前市場，后續(xù)研究可進(jìn)一步考慮日內(nèi)市場與實(shí)時(shí)市場，并定量分析現(xiàn)貨市場價(jià)格波動(dòng)對(duì)代理購決策的影響。