計(jì)及節(jié)能風(fēng)險(xiǎn)評(píng)估的隨機(jī)規(guī)劃購(gòu)電模型

文 旭 顏 偉 王俊梅 鐘 璐 郭 琳 余 娟

計(jì)及節(jié)能風(fēng)險(xiǎn)評(píng)估的隨機(jī)規(guī)劃購(gòu)電模型

文 旭1,2顏 偉1王俊梅3鐘 璐4郭 琳3余 娟1

（1. 重慶大學(xué)輸配電裝備及系統(tǒng)安全與新技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室 重慶 400030 2. 國(guó)網(wǎng)重慶市電力公司電力科學(xué)研究院 重慶 401123 3. 國(guó)網(wǎng)重慶電網(wǎng)電力交易中心 重慶 400014 4. 國(guó)網(wǎng)重慶市電力公司江北供電分公司 重慶 401147）

針對(duì)確定性的節(jié)能評(píng)估無(wú)法完全滿足隨機(jī)環(huán)境下節(jié)能降耗管理工作的需要，在節(jié)能電力市場(chǎng)模式下建立了計(jì)及節(jié)能風(fēng)險(xiǎn)評(píng)估的電網(wǎng)公司隨機(jī)規(guī)劃購(gòu)電模型。首先，考慮節(jié)能電力市場(chǎng)中市場(chǎng)交易網(wǎng)損和煤耗因素，建立了機(jī)組單位交易電量節(jié)能效益評(píng)估指標(biāo)。在此基礎(chǔ)上，借鑒經(jīng)濟(jì)學(xué)投資組合理論中半絕對(duì)離差風(fēng)險(xiǎn)的概念，考慮市場(chǎng)電價(jià)、水電機(jī)組電量生產(chǎn)和系統(tǒng)負(fù)荷電量需求的隨機(jī)性，建立了電網(wǎng)公司市場(chǎng)購(gòu)電節(jié)能風(fēng)險(xiǎn)評(píng)估指標(biāo)。然后，為實(shí)現(xiàn)電網(wǎng)公司市場(chǎng)購(gòu)電節(jié)能風(fēng)險(xiǎn)的優(yōu)化管理，在隨機(jī)規(guī)劃的理論框架內(nèi)構(gòu)建了計(jì)及節(jié)能風(fēng)險(xiǎn)評(píng)估的購(gòu)電模型。模型采用內(nèi)嵌目標(biāo)相對(duì)占優(yōu)和 Monte-Carlo隨機(jī)模擬技術(shù)的遺傳算法求解。最后，以某省級(jí)電網(wǎng)公司為例仿真驗(yàn)證了所提節(jié)能風(fēng)險(xiǎn)評(píng)估指標(biāo)與購(gòu)電模型的有效性。

電力市場(chǎng) 節(jié)能風(fēng)險(xiǎn) 評(píng)估指標(biāo) 購(gòu)電模型 遺傳算法

1 引言

在能源緊缺的今天，節(jié)能降耗已納入國(guó)家戰(zhàn)略并成為國(guó)民經(jīng)濟(jì)發(fā)展的約束性指標(biāo)，對(duì)占全社會(huì)能耗較大比重的電力行業(yè)進(jìn)行節(jié)能效益評(píng)估與管理，對(duì)節(jié)能降耗目標(biāo)的實(shí)現(xiàn)具有重要的現(xiàn)實(shí)意義[1-2]。

理論上講，節(jié)能降耗與電力市場(chǎng)在優(yōu)化資源配置、提高能源利用效率的目標(biāo)一致。但在中國(guó)電力市場(chǎng)建設(shè)初期，由于各售電單位（機(jī)組或電廠）市場(chǎng)價(jià)格與能耗水平的分離且這種現(xiàn)狀將長(zhǎng)期存在，有必要通過(guò)行政手段在市場(chǎng)模式中引入能耗因素才能盡可能兼顧經(jīng)濟(jì)效益和節(jié)能效益目標(biāo)的一致性，由此產(chǎn)生了節(jié)能電力市場(chǎng)的概念[2]。節(jié)能電力市場(chǎng)的本質(zhì)是在能耗約束的前提下嵌入了對(duì)購(gòu)電單位進(jìn)行能耗考核的思想[2-8]，使得購(gòu)電單位在追求經(jīng)濟(jì)效益最大化的同時(shí)也盡可能在能耗較低的售電單位購(gòu)電，從而為借助市場(chǎng)手段引導(dǎo)發(fā)電側(cè)節(jié)能降耗工作的開(kāi)展，促進(jìn)電力行業(yè)持續(xù)健康發(fā)展提供了一種極大可能。

在具有典型意義的僅發(fā)電側(cè)開(kāi)放的節(jié)能電力市場(chǎng)模式下（本文的節(jié)能電力市場(chǎng)均特指該市場(chǎng)），作為購(gòu)電單位的電網(wǎng)公司（省級(jí)電網(wǎng)公司）在期望的經(jīng)濟(jì)和節(jié)能效益雙重目標(biāo)下，根據(jù)本區(qū)域的負(fù)荷需求，代表電能用戶在市場(chǎng)電價(jià)、隨機(jī)性水電機(jī)組電能生產(chǎn)（本文以隨機(jī)性水電機(jī)組為例闡述隨機(jī)性綠色能源對(duì)節(jié)能效益的影響，下同）以及負(fù)荷需求等隨機(jī)因素影響的環(huán)境下，在多個(gè)機(jī)組中進(jìn)行優(yōu)化決策以追求最佳的經(jīng)濟(jì)和節(jié)能效益[4,6,8]。針對(duì)電網(wǎng)公司購(gòu)電經(jīng)濟(jì)效益的評(píng)估指標(biāo)，現(xiàn)有文獻(xiàn)從確定性到不確定性（風(fēng)險(xiǎn)）均取得了極其豐碩的研究成果[9-12]。而針對(duì)其節(jié)能效益的評(píng)估多采用能耗率（煤耗率）[2-3]、某一時(shí)段內(nèi)的能耗量[4-7]以及單位交易電量節(jié)能量[8]等作為評(píng)估指標(biāo)。這些指標(biāo)均無(wú)法給出電網(wǎng)公司市場(chǎng)購(gòu)電節(jié)能效益的風(fēng)險(xiǎn)信息。

實(shí)際上，在隨機(jī)因素影響的節(jié)能電力市場(chǎng)環(huán)境下，電網(wǎng)公司市場(chǎng)購(gòu)電節(jié)能效益的實(shí)現(xiàn)本質(zhì)上具有隨機(jī)性特征，且該隨機(jī)性隨著智能電網(wǎng)的建設(shè)呈逐漸增加的趨勢(shì)[13]。當(dāng)節(jié)能電力市場(chǎng)中的隨機(jī)性因素造成電網(wǎng)公司在能耗較高的火電機(jī)組增加購(gòu)電時(shí)，就可能導(dǎo)致電網(wǎng)公司期望的節(jié)能目標(biāo)面臨無(wú)法完成的風(fēng)險(xiǎn)。該風(fēng)險(xiǎn)主要表現(xiàn)在以下兩個(gè)方面：

（1）當(dāng)?shù)湍芎幕痣姍C(jī)組的市場(chǎng)電價(jià)隨機(jī)性導(dǎo)致風(fēng)險(xiǎn)價(jià)值超過(guò)電網(wǎng)公司的可接受程度時(shí)，為實(shí)現(xiàn)風(fēng)險(xiǎn)價(jià)值的合理規(guī)避，電網(wǎng)公司就極可能需在電價(jià)隨機(jī)性較低但能耗較高的火電機(jī)組增加購(gòu)電。

（2）當(dāng)隨機(jī)性水電機(jī)組電能生產(chǎn)減少或系統(tǒng)負(fù)荷需求增加導(dǎo)致系統(tǒng)負(fù)荷供需不滿足平衡條件時(shí)，為實(shí)現(xiàn)系統(tǒng)負(fù)荷供需平衡，電網(wǎng)公司就極可能需在能耗較高的火電機(jī)組增加購(gòu)電。

另外，考慮市場(chǎng)電價(jià)和負(fù)荷電量的隨機(jī)性，文獻(xiàn)[14-16]建立了隨機(jī)規(guī)劃購(gòu)電模型以實(shí)現(xiàn)經(jīng)濟(jì)風(fēng)險(xiǎn)的管理，但沒(méi)有考慮隨機(jī)性綠色能源的影響；文獻(xiàn)[17]考慮了隨機(jī)性綠色能源對(duì)購(gòu)電計(jì)劃節(jié)能評(píng)估的影響，但沒(méi)涉及到節(jié)能風(fēng)險(xiǎn)問(wèn)題。

節(jié)能電力市場(chǎng)環(huán)境下節(jié)能效益風(fēng)險(xiǎn)的存在給電網(wǎng)公司市場(chǎng)購(gòu)電節(jié)能效益的管理帶來(lái)嚴(yán)峻挑戰(zhàn)，目前未見(jiàn)有節(jié)能電力市場(chǎng)節(jié)能效益風(fēng)險(xiǎn)評(píng)估以及優(yōu)化管理的文獻(xiàn)報(bào)道。基于此，本文重點(diǎn)以具有典型意義的中長(zhǎng)期節(jié)能電力市場(chǎng)中的電量市場(chǎng)為背景，計(jì)及市場(chǎng)電價(jià)、隨機(jī)性水電機(jī)組電量生產(chǎn)和系統(tǒng)負(fù)荷電量需求等隨機(jī)因素對(duì)電網(wǎng)公司市場(chǎng)購(gòu)電節(jié)能效益的影響，重點(diǎn)在以下兩個(gè)方面展開(kāi)了創(chuàng)新性研究：①提出了電網(wǎng)公司市場(chǎng)購(gòu)電節(jié)能效益風(fēng)險(xiǎn)評(píng)估指標(biāo)；②構(gòu)建了計(jì)及節(jié)能效益風(fēng)險(xiǎn)評(píng)估的隨機(jī)規(guī)劃購(gòu)電模型。最后以某省級(jí)電網(wǎng)公司為例驗(yàn)證了上述研究工作的有效性，所做研究為該領(lǐng)域的深入研究打下了基礎(chǔ)。

為論述方便，將現(xiàn)有文獻(xiàn)中市場(chǎng)交易期望的經(jīng)濟(jì)效益（或投資費(fèi)用）面臨的風(fēng)險(xiǎn)價(jià)值稱為經(jīng)濟(jì)效益風(fēng)險(xiǎn)，簡(jiǎn)稱經(jīng)濟(jì)風(fēng)險(xiǎn)；將本文在節(jié)能電力市場(chǎng)環(huán)境下提出的電網(wǎng)公司市場(chǎng)購(gòu)電期望的購(gòu)電費(fèi)用（或節(jié)能效益）面臨的風(fēng)險(xiǎn)損失稱為節(jié)能效益風(fēng)險(xiǎn)，簡(jiǎn)稱節(jié)能風(fēng)險(xiǎn)。

2 電網(wǎng)公司市場(chǎng)購(gòu)電節(jié)能風(fēng)險(xiǎn)評(píng)估指標(biāo)構(gòu)建

2.1 電網(wǎng)公司市場(chǎng)購(gòu)電節(jié)能風(fēng)險(xiǎn)評(píng)估指標(biāo)的定義方法

建立風(fēng)險(xiǎn)評(píng)估的指標(biāo)是風(fēng)險(xiǎn)量化評(píng)估的前提[17]。其定義方法有以下兩種：第一種為在一定條件下發(fā)生行為主體遭受損失狀態(tài)的可能性，采用風(fēng)險(xiǎn)后果發(fā)生的概率來(lái)描述；第二種為由于各種隨機(jī)性因素導(dǎo)致行為主體可能遭受的損失，采用風(fēng)險(xiǎn)后果的嚴(yán)重程度來(lái)描述。其中第二種定義方法更符合風(fēng)險(xiǎn)指標(biāo)定義的本質(zhì)。

在節(jié)能電力市場(chǎng)環(huán)境下，經(jīng)濟(jì)效益與節(jié)能效益的實(shí)現(xiàn)是電網(wǎng)公司市場(chǎng)購(gòu)電面臨的雙重目標(biāo)[2-8]。為此，以具有典型意義的中長(zhǎng)期節(jié)能電力市場(chǎng)中的電量市場(chǎng)為背景，采用風(fēng)險(xiǎn)評(píng)估指標(biāo)定義中的第二種方法，即以電網(wǎng)公司作為研究的行為主體，將市場(chǎng)電價(jià)、水電機(jī)組電量生產(chǎn)和負(fù)荷電量需求等作為影響電網(wǎng)公司市場(chǎng)購(gòu)電節(jié)能效益實(shí)現(xiàn)的隨機(jī)性因素，將電網(wǎng)公司參與節(jié)能電力市場(chǎng)購(gòu)電期望的總購(gòu)電費(fèi)用或者總節(jié)能效益（節(jié)煤量），可能面臨的節(jié)能損失嚴(yán)重程度作為節(jié)能風(fēng)險(xiǎn)度量指標(biāo)，本文稱該指標(biāo)為電網(wǎng)公司市場(chǎng)購(gòu)電節(jié)能風(fēng)險(xiǎn)評(píng)估指標(biāo)。鑒于總購(gòu)電費(fèi)用中包含了隨機(jī)性水電機(jī)組的購(gòu)電費(fèi)用，同時(shí)為體現(xiàn)不同電源類型對(duì)節(jié)能效益的貢獻(xiàn)程度，不失一般性，本文將該指標(biāo)的評(píng)估對(duì)象設(shè)定為隨機(jī)性水電機(jī)組（以產(chǎn)定電）和常規(guī)火電機(jī)組。

2.2 機(jī)組單位交易電量節(jié)能效益評(píng)估指標(biāo)的構(gòu)建

為了建立電網(wǎng)公司市場(chǎng)購(gòu)電節(jié)能風(fēng)險(xiǎn)評(píng)估指標(biāo)的需要，同時(shí)也為了表征節(jié)能電力市場(chǎng)中作為售電單位的各機(jī)組對(duì)節(jié)能效益的貢獻(xiàn)程度，首先建立各機(jī)組單位交易電量節(jié)能效益評(píng)估指標(biāo)。

在節(jié)能電力市場(chǎng)環(huán)境下，為便于將各機(jī)組對(duì)節(jié)能效益的貢獻(xiàn)程度進(jìn)行比較，文獻(xiàn)[8]考慮煤耗因素提出了單位交易電量節(jié)能量指標(biāo)，但忽略了交易網(wǎng)損；文獻(xiàn)[2,4,7]均將機(jī)組的煤耗和網(wǎng)損折算到市場(chǎng)報(bào)價(jià)中，但該方法可能會(huì)受到策略性報(bào)價(jià)的影響。為此在文獻(xiàn)[8]的基礎(chǔ)上，以電量結(jié)算在售電單位關(guān)口、網(wǎng)損由購(gòu)電電網(wǎng)公司承擔(dān)的情形[7]，綜合考慮市場(chǎng)交易網(wǎng)損率和煤耗率，建立機(jī)組單位交易電量節(jié)能效益評(píng)估指標(biāo)，推導(dǎo)如下。

設(shè)在節(jié)能電力市場(chǎng)環(huán)境下電網(wǎng)公司在機(jī)組k購(gòu)買(mǎi)的電量為Wk，ρk為機(jī)組k的煤耗率，則Wk的煤耗量 Nk=ρkWk；再設(shè)機(jī)組k市場(chǎng)交易產(chǎn)生的網(wǎng)損率為αk，則電網(wǎng)公司實(shí)際購(gòu)電獲得的電量 Wb=Wk(1-αk)；而 Wb在節(jié)能效益考核指標(biāo)（該指標(biāo)可為政府下達(dá)的指標(biāo)，也可是電網(wǎng)公司結(jié)合政府下達(dá)的指標(biāo)自主確定的指標(biāo)[3]）對(duì)應(yīng)的煤耗率ρb條件下其煤耗量Nb= ρbWb。根據(jù)單位交易電量節(jié)能量指標(biāo)的定義[8]，節(jié)能電力市場(chǎng)環(huán)境下機(jī)組單位交易電量節(jié)能效益評(píng)估指標(biāo)R可表示為式（1）表征了在節(jié)能電力市場(chǎng)環(huán)境下綜合考慮市場(chǎng)交易網(wǎng)損率和煤耗率后，各機(jī)組單位交易電量對(duì)節(jié)能效益的貢獻(xiàn)程度。

2.3 電網(wǎng)公司市場(chǎng)購(gòu)電節(jié)能風(fēng)險(xiǎn)評(píng)估指標(biāo)的構(gòu)建

在節(jié)能電力市場(chǎng)環(huán)境下，可將電網(wǎng)公司市場(chǎng)購(gòu)電總購(gòu)電費(fèi)用或者需要滿足的節(jié)能指標(biāo)類比為總資產(chǎn)，從各機(jī)組購(gòu)電獲得的節(jié)能效益看作投資回報(bào)。由此，節(jié)能電力市場(chǎng)中的電網(wǎng)公司市場(chǎng)購(gòu)電節(jié)能問(wèn)題本質(zhì)上與經(jīng)濟(jì)學(xué)中的投資組合理論[13]類似，故可借鑒該理論中的經(jīng)濟(jì)風(fēng)險(xiǎn)評(píng)估指標(biāo)來(lái)解決電網(wǎng)公司市場(chǎng)購(gòu)電節(jié)能風(fēng)險(xiǎn)評(píng)估指標(biāo)的構(gòu)建問(wèn)題。

目前，投資組合理論中度量經(jīng)濟(jì)風(fēng)險(xiǎn)的評(píng)估指標(biāo)大都能夠在一定程度上反映隨機(jī)性因素給投資者帶來(lái)的經(jīng)濟(jì)風(fēng)險(xiǎn)，但也具有一定的局限性。均值-方差（mean-variance）最大缺點(diǎn)是不能體現(xiàn)風(fēng)險(xiǎn)向下的本質(zhì)；半方差（semi-variance）雖然體現(xiàn)了風(fēng)險(xiǎn)向下的本質(zhì)，但與均值-方差指標(biāo)一樣依賴于收益率服從正態(tài)分布，而這在實(shí)際中較難滿足；風(fēng)險(xiǎn)價(jià)值（value at risk）與條件風(fēng)險(xiǎn)價(jià)值（conditional value at risk）的缺點(diǎn)是當(dāng)損失分布不連續(xù)時(shí)不滿足一致性公理（coherent axiom），缺乏次可加性（subadditive），不適合對(duì)組合風(fēng)險(xiǎn)進(jìn)行評(píng)估；絕對(duì)離差（absolute deviation）的缺點(diǎn)是當(dāng)風(fēng)險(xiǎn)分布不連續(xù)時(shí)，不滿足次可加性，同時(shí)也沒(méi)反映出風(fēng)險(xiǎn)向下的本質(zhì)[9-12,18]。

半絕對(duì)離差風(fēng)險(xiǎn)（semi-absolute deviation）風(fēng)險(xiǎn)向下的概念能夠體現(xiàn)市場(chǎng)交易風(fēng)險(xiǎn)的本質(zhì)，且還具有一階矩存在和不嚴(yán)格要求損失分布情況的優(yōu)點(diǎn)[18]，當(dāng)其對(duì)購(gòu)電組合進(jìn)行經(jīng)濟(jì)風(fēng)險(xiǎn)量化評(píng)估時(shí)，可表示為[13]

其中

式（2）、式（3）中，E[·]表示期望算子；pk、uk分別表示第 k個(gè)售電單位的收益率和收益率期望；Wk表示購(gòu)電單位在第k個(gè)售電單位的購(gòu)電量；K表示售電單位的個(gè)數(shù)。

由式（3）可見(jiàn)，半絕對(duì)離差經(jīng)濟(jì)風(fēng)險(xiǎn)評(píng)估指標(biāo)基本的物理內(nèi)涵為：①度量的是購(gòu)電組合的總風(fēng)險(xiǎn)；②高于期望值的收益率對(duì)購(gòu)電單位不構(gòu)成損失，反之則構(gòu)成損失。

在節(jié)能電力市場(chǎng)環(huán)境下，由于市場(chǎng)電價(jià)、隨機(jī)性水電機(jī)組電量生產(chǎn)、負(fù)荷電量需求等隨機(jī)因素的存在，隨機(jī)性水電機(jī)組和常規(guī)火電機(jī)組的電量交易均具有隨機(jī)性[8,13]，從而導(dǎo)致電網(wǎng)公司市場(chǎng)購(gòu)電節(jié)能效益的實(shí)現(xiàn)本質(zhì)上也具有隨機(jī)性特征?；诖耍梃b半絕對(duì)離差經(jīng)濟(jì)風(fēng)險(xiǎn)評(píng)估指標(biāo)基本的物理內(nèi)涵，電網(wǎng)公司市場(chǎng)購(gòu)電節(jié)能風(fēng)險(xiǎn)的評(píng)估指標(biāo)可構(gòu)建如下式中，KH、KG分別表示水電和火電機(jī)組的臺(tái)數(shù)；RH,k、wH,k分別表示第k臺(tái)水電機(jī)組單位交易電量節(jié)能效益評(píng)估指標(biāo)（該指標(biāo)含義見(jiàn)式（10））和交易電量；RG,k、wG,k分別表示第k臺(tái)火電機(jī)組單位交易電量節(jié)能效益評(píng)估指標(biāo)和交易電量。

由式（4）可知，所建的電網(wǎng)公司市場(chǎng)購(gòu)電節(jié)能風(fēng)險(xiǎn)評(píng)估指標(biāo)具有以下兩個(gè)明確的物理內(nèi)涵。

（1）符合本文 2.1節(jié)對(duì)電網(wǎng)公司市場(chǎng)購(gòu)電節(jié)能風(fēng)險(xiǎn)評(píng)估指標(biāo)的定義。針對(duì)給定的購(gòu)電組合，該指標(biāo)可量化評(píng)估出電網(wǎng)公司期望實(shí)現(xiàn)的節(jié)能效益可能面臨的節(jié)能損失嚴(yán)重程度。

（2）體現(xiàn)了風(fēng)險(xiǎn)向下的本質(zhì)。根據(jù)該指標(biāo)，針對(duì)給定的購(gòu)電組合高于期望節(jié)能效益的對(duì)電網(wǎng)公司市場(chǎng)購(gòu)電不構(gòu)成節(jié)能風(fēng)險(xiǎn)；反之則構(gòu)成風(fēng)險(xiǎn)。

所建的節(jié)能風(fēng)險(xiǎn)評(píng)估指標(biāo)繼承了半絕對(duì)離差經(jīng)濟(jì)風(fēng)險(xiǎn)評(píng)估指標(biāo)風(fēng)險(xiǎn)嚴(yán)重性程度的定義方法，符合節(jié)能風(fēng)險(xiǎn)的真實(shí)感受，也保留了其一階矩存在和不要求損失分布情況的優(yōu)點(diǎn)，比較適合于購(gòu)電組合優(yōu)化問(wèn)題的節(jié)能風(fēng)險(xiǎn)評(píng)估。由此，結(jié)合具體的節(jié)能電力市場(chǎng)交易模式，電網(wǎng)公司就可以通過(guò)建立計(jì)及節(jié)能風(fēng)險(xiǎn)評(píng)估指標(biāo)的購(gòu)電模型實(shí)現(xiàn)節(jié)能風(fēng)險(xiǎn)的管理。

3 計(jì)及節(jié)能風(fēng)險(xiǎn)評(píng)估的隨機(jī)規(guī)劃購(gòu)電模型

3.1 建模背景及假設(shè)條件

在節(jié)能電力市場(chǎng)環(huán)境下，文獻(xiàn)[3]提出的省內(nèi)月度競(jìng)價(jià)市場(chǎng)的單購(gòu)電方交易模式具有典型意義。該省內(nèi)月度競(jìng)價(jià)節(jié)能電力市場(chǎng)模式是電網(wǎng)公司在考慮節(jié)能效益考核指標(biāo)約束、月度實(shí)際負(fù)荷需求以及年度交易計(jì)劃分解到月的基礎(chǔ)上，對(duì)滿足負(fù)荷需求的剩余電量進(jìn)行集中競(jìng)價(jià)的市場(chǎng)模式。結(jié)合該模式，電網(wǎng)公司就可在各競(jìng)價(jià)售電單位（機(jī)組）提交的電價(jià)、電量以及能耗水平的基礎(chǔ)數(shù)據(jù)之上，通過(guò)優(yōu)化購(gòu)電組合實(shí)現(xiàn)經(jīng)濟(jì)和節(jié)能效益的最大化（即社會(huì)福利最大化）[3]。由此，在該市場(chǎng)模式下建立計(jì)及節(jié)能風(fēng)險(xiǎn)評(píng)估的購(gòu)電模型，以實(shí)現(xiàn)對(duì)電網(wǎng)公司市場(chǎng)購(gòu)電節(jié)能風(fēng)險(xiǎn)管理策略的研究。鑒于其中市場(chǎng)電價(jià)、水電電量生產(chǎn)以及負(fù)荷電量需求等隨機(jī)變量的存在，可借鑒文獻(xiàn)[7,14-16]的建模思路在含機(jī)會(huì)約束的隨機(jī)規(guī)劃框架內(nèi)建模。

不失一般性，模型作如下假設(shè)：①水電機(jī)組不參與市場(chǎng)競(jìng)價(jià)且“以產(chǎn)定電”；②各機(jī)組的年度交易計(jì)劃已分解到月，模型中不再單獨(dú)表示[7,18]；③不嚴(yán)格區(qū)分峰平谷交易時(shí)段；④月水電電量服從均勻分布，月負(fù)荷電量、市場(chǎng)電價(jià)均服從正態(tài)分布[7]；⑤忽略網(wǎng)絡(luò)安全約束[10]。

3.2 模型的建立

在傳統(tǒng)的電力市場(chǎng)環(huán)境下，電網(wǎng)公司一般將期望的總購(gòu)電費(fèi)用及其對(duì)應(yīng)的經(jīng)濟(jì)風(fēng)險(xiǎn)均盡可能低作為目標(biāo)函數(shù)。而在節(jié)能電力市場(chǎng)環(huán)境下，電網(wǎng)公司為了滿足節(jié)能效益考核的需要，其目標(biāo)函數(shù)還應(yīng)包括節(jié)能效益盡可能高以及本文提出的節(jié)能風(fēng)險(xiǎn)盡可能低。為突出研究重點(diǎn)，同時(shí)結(jié)合 2.1節(jié)對(duì)節(jié)能風(fēng)險(xiǎn)評(píng)估指標(biāo)的定義，以購(gòu)電費(fèi)用、節(jié)能風(fēng)險(xiǎn)二者各自的期望值均盡可能低作為目標(biāo)函數(shù)，將節(jié)能效益考核指標(biāo)與經(jīng)濟(jì)風(fēng)險(xiǎn)作為約束條件，以此體現(xiàn)社會(huì)福利的最大化。由此，模型的目標(biāo)函數(shù)具體可表示如下

式中，uH,k表示第k臺(tái)水電機(jī)組的電價(jià)；uG,k表示第k臺(tái)火電機(jī)組的期望電價(jià)。

（1）節(jié)能效益考核指標(biāo)機(jī)會(huì)約束

式中，Pr{·}表示{·}中事件成立的概率；JN、γ分別表示給定的節(jié)能效益考核指標(biāo)以及該機(jī)會(huì)約束的置信水平。其中，JN既可為政府下達(dá)的指標(biāo)，也可為電網(wǎng)公司結(jié)合政府下達(dá)的指標(biāo)自主確定的指標(biāo)。

（2）購(gòu)電費(fèi)用對(duì)應(yīng)的經(jīng)濟(jì)風(fēng)險(xiǎn)機(jī)會(huì)約束。以購(gòu)電費(fèi)用越限的概率來(lái)間接描述經(jīng)濟(jì)風(fēng)險(xiǎn)，即式中，F(xiàn)Y、β分別表示給定的購(gòu)電費(fèi)用上限值以及該約束的置信水平；pG,k表示第 k臺(tái)火電機(jī)組的隨機(jī)電價(jià)。據(jù)此，購(gòu)電費(fèi)用越限的概率（即經(jīng)濟(jì)風(fēng)險(xiǎn)發(fā)生的概率）須小于（1-β）。

（3）負(fù)荷電量供需平衡約束為式中，αH,k、αG,k分別表示給定的水電和火電機(jī)組的市場(chǎng)交易網(wǎng)損率；D表示系統(tǒng)月負(fù)荷電量。

（4）各火電機(jī)組可售電量上下限約束為式中，wG,k,max、wG,k,min分別表示在第k個(gè)火電機(jī)組可售電量的上下限。

4 內(nèi)嵌目標(biāo)相對(duì)占有和Monte-Carlo隨機(jī)模擬技術(shù)的遺傳算法

所建模型為含機(jī)會(huì)約束的隨機(jī)規(guī)劃模型，由于很難將其中的機(jī)會(huì)約束式（7）和式（8）轉(zhuǎn)化為確定的等價(jià)類，同時(shí)考慮到遺傳算法具有極強(qiáng)的魯棒性，故可采用內(nèi)嵌 Monte-Carlo隨機(jī)模擬技術(shù)的遺傳算法求解[7]。而針對(duì)模型為多目標(biāo)模型的特點(diǎn)，為獲取其綜合最優(yōu)解，將目標(biāo)相對(duì)占優(yōu)法（objective relative dominant method）引入到所提遺傳算法中，形成內(nèi)嵌目標(biāo)相對(duì)占優(yōu)和 Monte-Carlo隨機(jī)模擬技術(shù)的混合遺傳算法。

4.1 基于目標(biāo)相對(duì)占優(yōu)的染色體適應(yīng)度函數(shù)構(gòu)造

針對(duì)一個(gè)多目標(biāo)模型，文獻(xiàn)[19]利用遺傳算法求解時(shí)提出了目標(biāo)相對(duì)占優(yōu)法來(lái)獲取其綜合最優(yōu)解，其基本思想是將種群中的各染色體分別根據(jù)每個(gè)子目標(biāo)函數(shù)值排序，選取每次迭代過(guò)程中使得各子目標(biāo)函數(shù)值最小且不為0的染色體作為各子目標(biāo)函數(shù)的基點(diǎn)，然后再計(jì)算各染色體相對(duì)各基點(diǎn)的目標(biāo)值之和（具體見(jiàn)式（12）），目標(biāo)值之和最優(yōu)的染色體即為每次迭代過(guò)程中的最優(yōu)染色體，在滿足終止條件時(shí)最優(yōu)染色體就為所求多目標(biāo)模型的綜合最優(yōu)解。據(jù)此，基于目標(biāo)相對(duì)占優(yōu)的染色體適應(yīng)度函數(shù)可構(gòu)造為

式中，A(xi)表示染色體xi的適應(yīng)度函數(shù)；gj(xi)表示懲罰函數(shù)；ωj表示懲罰函數(shù)系數(shù)，若gj(xi)滿足約束則ωj為 0，否則不為 0，且約束越重要罰函數(shù)系數(shù)就越大；Ny表示需要判斷的總約束數(shù)；F(xi)表示染色體xi相對(duì)各基點(diǎn)的目標(biāo)函數(shù)值之和，其表達(dá)式為

式中，fj(xi)表示染色體 xi對(duì)應(yīng)的子目標(biāo)函數(shù) j的函數(shù)值；fj(xj_0)表示子目標(biāo)函數(shù) j的基點(diǎn)xj_0對(duì)應(yīng)的函數(shù)值；Nj表示子目標(biāo)函數(shù)的個(gè)數(shù)。

4.2 內(nèi)嵌目標(biāo)相對(duì)占優(yōu)與Monte-Carlo隨機(jī)模擬技術(shù)的遺傳算法步驟

采用內(nèi)嵌目標(biāo)相對(duì)占優(yōu)和 Monte-Carlo隨機(jī)模擬技術(shù)的遺傳算法求解所建模型。其中，為提高模擬技術(shù)的模擬效率采用了高效的拉丁超立方采樣技術(shù)。其主要步驟如下

（1）輸入原始數(shù)據(jù)。輸入節(jié)能效益考核指標(biāo)、購(gòu)電費(fèi)用上限以及各售電單位（機(jī)組）市場(chǎng)電價(jià)、煤耗率等基礎(chǔ)數(shù)據(jù)，以及遺傳算法中要求的染色體（候選的購(gòu)電方案）個(gè)數(shù)，交叉概率與變異概率等算法參數(shù)值。

（2）產(chǎn)生種群。首先根據(jù)式（10）隨機(jī)產(chǎn)生一組購(gòu)電方案作為遺傳算法的初始種群，并基于式（9）對(duì)該初始種群的染色體進(jìn)行啟發(fā)式調(diào)整，使得所有初始種群均滿足式（9）；再對(duì)各染色體采用拉丁超立方采樣技術(shù)檢驗(yàn)各染色體是否滿足機(jī)會(huì)約束式（7）和式（8）。

（3）計(jì)算適應(yīng)度值。找到本次迭代中使得各子目標(biāo)函數(shù)值排序第一且不為0的染色體作為基點(diǎn)，再基于式（11）計(jì)算各染色體的適應(yīng)度函數(shù)值。

（4）選擇操作。采用輪盤(pán)賭方法對(duì)種群中的染色體進(jìn)行選擇操作。

（5）交叉和變異操作。對(duì)種群中的染色體進(jìn)行交叉和變異操作得到新一代染色體，之后再利用拉丁超立方采樣技術(shù)檢驗(yàn)其是否滿足機(jī)會(huì)約束式（7）和式（8）。

（6）收斂判據(jù)。重復(fù)步驟（3）～（5），直到達(dá)到給定的迭代終止判據(jù)為止，以求解過(guò)程中發(fā)現(xiàn)的綜合最優(yōu)染色體作為最后的購(gòu)電方案（各機(jī)組分配電量、購(gòu)電費(fèi)用、節(jié)能效益以及節(jié)能風(fēng)險(xiǎn)等信息）。

5 算例分析

5.1 基礎(chǔ)數(shù)據(jù)

為驗(yàn)證所建的節(jié)能風(fēng)險(xiǎn)評(píng)估指標(biāo)以及購(gòu)電模型的有效性，現(xiàn)以某省級(jí)電網(wǎng)公司 2010年 7月的交易數(shù)據(jù)進(jìn)行仿真。該月系統(tǒng)負(fù)荷電量期望值 4.58 GkW·h，標(biāo)準(zhǔn)差為期望值的2.0%；隨機(jī)性水電期望電量 0.51GkW·h，標(biāo)準(zhǔn)差為期望值的 10.0%，電價(jià)0.283元/kW·h；各火電機(jī)組與網(wǎng)外售電單位的電價(jià)均值、電價(jià)標(biāo)準(zhǔn)差、煤耗率、網(wǎng)損率、可交易電量等基礎(chǔ)數(shù)據(jù)見(jiàn)表1（A～E為網(wǎng)外售電單位，含火電和可調(diào)節(jié)水電，均視為網(wǎng)內(nèi)火電參與優(yōu)化）。其中，電價(jià)均值借鑒文獻(xiàn)[9]取年度交易合同電價(jià)，電價(jià)標(biāo)準(zhǔn)差參考文獻(xiàn)[12]設(shè)定；網(wǎng)內(nèi)隨機(jī)性水電機(jī)組不參與市場(chǎng)競(jìng)價(jià)，且“以產(chǎn)定電”[7]。

仿真參數(shù)設(shè)置：節(jié)能效益考核指標(biāo) 42.0萬(wàn)t（該指標(biāo)相對(duì)負(fù)荷電量煤耗率 350.0g/kW·h確定）、購(gòu)電費(fèi)用上限 17.8億元、各機(jī)會(huì)約束置信水平均取92.0%。拉丁超立方采樣樣本數(shù) 300個(gè)。遺傳算法參數(shù)設(shè)置：種群規(guī)模80，最大迭代次數(shù)300，交叉概率 0.5，變異概率 0.3；迭代終止判據(jù)為最優(yōu)染色體連續(xù)30代保持不變或達(dá)到最大迭代次數(shù)。

表1 各售電單位基礎(chǔ)數(shù)據(jù)Tab.1 Base data of electricity selling units

5.2 仿真分析

5.2.1 節(jié)能風(fēng)險(xiǎn)評(píng)估指標(biāo)的有效性分析

隨機(jī)性綠色能源（風(fēng)電、光伏等）的大規(guī)模接入、電力市場(chǎng)的快速發(fā)展以及電能用戶的多樣化，使得電量生產(chǎn)、市場(chǎng)電價(jià)和負(fù)荷需求的隨機(jī)性也顯著增加。為了驗(yàn)證各隨機(jī)因素對(duì)節(jié)能風(fēng)險(xiǎn)的影響和所建的節(jié)能風(fēng)險(xiǎn)評(píng)估指標(biāo)的有效性，基于 5.1節(jié)的基礎(chǔ)數(shù)據(jù)，利用所建的購(gòu)電模型，分別設(shè)計(jì)如下三種典型仿真方案對(duì)電網(wǎng)公司市場(chǎng)購(gòu)電方案中的節(jié)能風(fēng)險(xiǎn)進(jìn)行分析。

方案 1：水電電量生產(chǎn)標(biāo)準(zhǔn)差從對(duì)應(yīng)期望值的10.0%逐漸增加到18.0%。

方案2：將某低能耗火電 G的電價(jià)標(biāo)準(zhǔn)差從對(duì)應(yīng)期望值的 30.0% 逐漸增加到37.0%[12]。

方案 3：將系統(tǒng)負(fù)荷電量標(biāo)準(zhǔn)差從對(duì)應(yīng)期望值的2.0%逐漸增加到10.0%。

上述三種仿真方案的仿真曲線分別如圖1～圖3所示。

圖1 水電電量生產(chǎn)隨機(jī)性與節(jié)能風(fēng)險(xiǎn)的關(guān)系曲線Fig.1 Relationship between the production randomness and the energy-saving risks

圖2 市場(chǎng)電價(jià)隨機(jī)性與節(jié)能風(fēng)險(xiǎn)的關(guān)系曲線Fig.2 Relationship between the price randomness and the energy-saving risks

圖3 負(fù)荷電量隨機(jī)性與節(jié)能風(fēng)險(xiǎn)的關(guān)系曲線Fig.3 Relationship between the load randomness and the energy-saving risks

由圖 1～圖 3可知，隨著水電電量生產(chǎn)、市場(chǎng)電價(jià)以及負(fù)荷電量三者的隨機(jī)性分別逐漸增大，電網(wǎng)公司市場(chǎng)購(gòu)電的節(jié)能風(fēng)險(xiǎn)也顯著增加。上述環(huán)境下節(jié)能風(fēng)險(xiǎn)增大的原因在于，各隨機(jī)因素的隨機(jī)性增大時(shí)，電網(wǎng)公司為了滿足市場(chǎng)購(gòu)電經(jīng)濟(jì)效益與經(jīng)濟(jì)風(fēng)險(xiǎn)的協(xié)調(diào)或者負(fù)荷電量的供需平衡，導(dǎo)致其在高能耗機(jī)組購(gòu)電的概率增加，從而使得半絕對(duì)離差節(jié)能風(fēng)險(xiǎn)也隨之增加。由此可見(jiàn)，所建立的節(jié)能風(fēng)險(xiǎn)評(píng)估指標(biāo)能夠有效評(píng)估出隨機(jī)因素對(duì)電網(wǎng)公司市場(chǎng)購(gòu)電節(jié)能風(fēng)險(xiǎn)的影響。

另一方面，由于隨機(jī)性綠色能源中水電電量一般服從均勻分布，風(fēng)電電量服從指數(shù)分布[6,14]，均值-方差指標(biāo)因嚴(yán)格要求隨機(jī)因素服從正態(tài)分布，故其無(wú)法描述節(jié)能風(fēng)險(xiǎn)；同時(shí)受剩余容量的影響，市場(chǎng)電價(jià)在某一范圍內(nèi)存在明顯跳變，若采用風(fēng)險(xiǎn)價(jià)值和條件風(fēng)險(xiǎn)價(jià)值指標(biāo)描述節(jié)能風(fēng)險(xiǎn)，由于該跳變?cè)斐傻母怕史植疾贿B續(xù)問(wèn)題使得對(duì)應(yīng)的節(jié)能風(fēng)險(xiǎn)不滿足次可加性[20]，會(huì)導(dǎo)致最終的評(píng)估值出現(xiàn)嚴(yán)重偏差。反之，本文基于半絕對(duì)離差的概念構(gòu)建的節(jié)能風(fēng)險(xiǎn)評(píng)估指標(biāo)，由于不要求隨機(jī)因素服從某種特定分布且滿足次可加性，同時(shí)還繼承了半絕對(duì)離差風(fēng)險(xiǎn)向下的優(yōu)點(diǎn)，故可有效避免上述問(wèn)題，從而具有較大的應(yīng)用價(jià)值。

5.2.2 節(jié)能風(fēng)險(xiǎn)管理策略分析

基于所建購(gòu)電模型，設(shè)計(jì)如下五種仿真方案對(duì)電網(wǎng)公司市場(chǎng)購(gòu)電節(jié)能風(fēng)險(xiǎn)的管理策略進(jìn)行分析。

方案1：基于5.1節(jié)的基礎(chǔ)數(shù)據(jù)模擬仿真（即按照設(shè)定的節(jié)能電力市場(chǎng)隨機(jī)狀態(tài)進(jìn)行模擬仿真）。

方案 2：與文獻(xiàn)[2-3]中確定性的購(gòu)電模型類似，不考慮各隨機(jī)因素影響，在節(jié)能效益考核指標(biāo)約束下僅以購(gòu)電費(fèi)用最小為目標(biāo)進(jìn)行購(gòu)電決策。

方案 3：基于方案 1，采用文獻(xiàn)[7]的隨機(jī)規(guī)劃購(gòu)電模型（為便于比較，忽略該文獻(xiàn)中網(wǎng)外售電單位電力與電量的耦合關(guān)系）進(jìn)行模擬仿真。

方案4：基于方案1，將節(jié)能效益考核指標(biāo)機(jī)會(huì)約束置信水平從92.0%增加到98.0%。

方案5：基于方案1，將節(jié)能效益考核指標(biāo)從42.0萬(wàn)t減少到40.0萬(wàn)t。

鑒于購(gòu)電費(fèi)用約束的置信水平及上限值對(duì)節(jié)能風(fēng)險(xiǎn)的影響與方案 4、方案 5類似，限于篇幅在此省略。上述五種方案的仿真結(jié)果如表2所示。

表2 五種購(gòu)電方案仿真結(jié)果比較

由表 2方案 1、方案 2可知，雖然購(gòu)電方案 2（即文獻(xiàn)[2-3]中考慮確定性節(jié)能效益評(píng)估的購(gòu)電模型）購(gòu)電費(fèi)用較本文所建模型降低了 0.072 3億元，節(jié)能效益也增加了 2.02萬(wàn)t，但實(shí)際面臨的節(jié)能風(fēng)險(xiǎn)高出本文所建模型的3.57萬(wàn)t。進(jìn)一步由方案1、方案3可知，雖然文獻(xiàn)[7]考慮了隨機(jī)因素的影響，其購(gòu)電費(fèi)用較本文所建模型減少了 0.064 8億元，節(jié)能效益也增加了 0.7萬(wàn)t，但節(jié)能風(fēng)險(xiǎn)卻增加了 1.87萬(wàn) t。可見(jiàn)，電網(wǎng)公司在市場(chǎng)購(gòu)電中需充分考慮各隨機(jī)因素對(duì)節(jié)能效益的影響才能實(shí)現(xiàn)節(jié)能風(fēng)險(xiǎn)的有效管理。在電力行業(yè)節(jié)能降耗的要求越來(lái)越嚴(yán)厲，以及電量生產(chǎn)、市場(chǎng)電價(jià)和負(fù)荷需求的隨機(jī)性更加顯著的環(huán)境下，采用本文所建模型實(shí)現(xiàn)市場(chǎng)購(gòu)電節(jié)能風(fēng)險(xiǎn)的管理更顯得尤為迫切。

由表2方案1、方案4可知，當(dāng)節(jié)能效益考核指標(biāo)機(jī)會(huì)約束置信水平值從 92.0%增加到 98.0%，節(jié)能效益降低了 0.57萬(wàn) t，節(jié)能風(fēng)險(xiǎn)降低了 1.354萬(wàn)t，購(gòu)電費(fèi)用增加了0.081 3億元。可見(jiàn)，電網(wǎng)公司可結(jié)合自身對(duì)節(jié)能風(fēng)險(xiǎn)的接受程度，通過(guò)設(shè)定節(jié)能效益考核指標(biāo)機(jī)會(huì)約束的置信水平實(shí)現(xiàn)節(jié)能風(fēng)險(xiǎn)的有效管理。

由表2方案1、方案5可知，當(dāng)節(jié)能效益考核指標(biāo)從 42.0萬(wàn)t減少到 40.0萬(wàn)t時(shí)，節(jié)能效益下降了1.75萬(wàn)t，節(jié)能風(fēng)險(xiǎn)減少了 1.491萬(wàn)t，購(gòu)電費(fèi)用減少了 0.162 1億元?？梢?jiàn)，節(jié)能效益考核約束指標(biāo)越寬松，電網(wǎng)公司市場(chǎng)購(gòu)電的節(jié)能風(fēng)險(xiǎn)就越低、經(jīng)濟(jì)效益就越好。電網(wǎng)公司（或者節(jié)能管理部門(mén)）應(yīng)該結(jié)合各地區(qū)的實(shí)際情況合理設(shè)定節(jié)能效益考核指標(biāo)，以實(shí)現(xiàn)經(jīng)濟(jì)效益和節(jié)能風(fēng)險(xiǎn)的協(xié)調(diào)。

另外，綜合各仿真方案可知，本文所建模型不僅給出了購(gòu)電費(fèi)用和經(jīng)濟(jì)風(fēng)險(xiǎn)信息，還給出了節(jié)能效益和節(jié)能風(fēng)險(xiǎn)信息，從而為省級(jí)電網(wǎng)購(gòu)電決策的經(jīng)濟(jì)性和節(jié)能性的協(xié)調(diào)提供了重要的參考信息。

需指出的是，在隨機(jī)環(huán)境下，電網(wǎng)公司在節(jié)能電力市場(chǎng)購(gòu)電的節(jié)能風(fēng)險(xiǎn)具有客觀存在性，節(jié)能風(fēng)險(xiǎn)的降低是以犧牲電網(wǎng)公司的經(jīng)濟(jì)效益或節(jié)能效益為代價(jià)的，一味地降低甚至消除節(jié)能風(fēng)險(xiǎn)其實(shí)并不可取。電網(wǎng)公司需結(jié)合節(jié)能形勢(shì)的發(fā)展以及自身需要做出理性決策，才能實(shí)現(xiàn)社會(huì)福利的最大化。

6 結(jié)論

在發(fā)電側(cè)節(jié)能電力市場(chǎng)環(huán)境下建立了電網(wǎng)公司市場(chǎng)購(gòu)電節(jié)能風(fēng)險(xiǎn)評(píng)估指標(biāo)，并構(gòu)建了計(jì)及該指標(biāo)的隨機(jī)規(guī)劃購(gòu)電模型，研究結(jié)論如下：

（1）構(gòu)建的電網(wǎng)公司市場(chǎng)購(gòu)電節(jié)能風(fēng)險(xiǎn)評(píng)估指標(biāo)，能夠有效地刻畫(huà)出節(jié)能風(fēng)險(xiǎn)的本質(zhì)。該指標(biāo)的建立將當(dāng)前確定性節(jié)能評(píng)估擴(kuò)展到了不確定性，為節(jié)能降耗的管理提供了新途徑。

（2）市場(chǎng)電價(jià)、綠色能源電量生產(chǎn)以及系統(tǒng)負(fù)荷電量的隨機(jī)性越大，電網(wǎng)公司市場(chǎng)購(gòu)電節(jié)能效益面臨的節(jié)能風(fēng)險(xiǎn)也就越大，開(kāi)展節(jié)能風(fēng)險(xiǎn)的評(píng)估與管理成為必然。

（3）計(jì)及節(jié)能風(fēng)險(xiǎn)評(píng)估的隨機(jī)規(guī)劃購(gòu)電模型能為電網(wǎng)公司的購(gòu)電決策提供節(jié)能風(fēng)險(xiǎn)參考信息，以及為節(jié)能風(fēng)險(xiǎn)的優(yōu)化管理提供有效的控制策略。

[1] 譚忠富, 董力通, 劉文彥, 等. 發(fā)電機(jī)組污染排放約束下的電量互換合作博弈優(yōu)化模型[J]. 電工技術(shù)學(xué)報(bào), 2012, 27(5): 245-251.

Tan Zhongfu, Dong Litong, Liu Wenyan, et al. A cooperation game optimization model for energy generating interchange between power generation units with environmental emission constraint[J]. Transactions of China Electrotechnical Society, 2012, 27(5): 245-251.

[2] 耿建, 高宗和, 張顯, 等. 節(jié)能電力市場(chǎng)設(shè)計(jì)初探[J]. 電力系統(tǒng)自動(dòng)化, 2007, 31(19): 18-21.

Geng Jian, Gao Zonghe, Zhang Xian, et al. A preliminary investigation on power market design considers social efficiency[J]. Automation of Electric Power Systems, 2007, 31(19): 18-21.

[3] 聶江洪, 曾偉民. 考慮節(jié)能降耗的湖北省電力市場(chǎng)模式設(shè)計(jì)[J]. 電力系統(tǒng)自動(dòng)化, 2008, 32(18): 91-96.

Nie Jianghong, Zeng Weimin. Design for hubei province power market considering energy consumption and corresponding emissions saving[J]. Automation of Electric Power Systems, 2008, 32(18): 91-96.

[4] 魏學(xué)好, 李瑞慶, 陳宇晨. 具有節(jié)能減排內(nèi)核的電力市場(chǎng)新模式[J]. 電力系統(tǒng)自動(dòng)化, 2009, 33(15): 26-28.

Wei Xuehao, Li Ruiqing, Chen Yuchen. A new electricity power market model embedding core function of energy saving and emission reduction[J]. Automation of Electric Power Systems, 2009, 33(15): 26-28.

[5] 魯剛, 文福拴, 馬莉, 等. 節(jié)能細(xì)分電力市場(chǎng)模式[J]. 電力系統(tǒng)自動(dòng)化, 2010, 34(10): 33-39.

Lu Gang, Wen Fushuan, Ma Li, et al. A segment model for energy-saving electricity markets[J]. Automation of Electric Power Systems, 2010, 34(10): 33-39.

[6] 溫麗麗, 劉俊勇. 混合系統(tǒng)中長(zhǎng)期節(jié)能調(diào)度發(fā)電計(jì)劃的蒙特卡羅模擬[J]. 電力系統(tǒng)保護(hù)與控制, 2008, 36(24): 24-31.

Wen Lili, Liu Junyong. Monte Carlo simulation of medium and long-term generation plan in hybrid power system based on environmental economic dispatch[J]. Power System Protection and Control, 2008, 36(24): 24-31.

[7] 文旭, 顏偉, 王俊梅, 等. 考慮跨省交易能耗評(píng)估的區(qū)域節(jié)能電力市場(chǎng)與隨機(jī)規(guī)劃購(gòu)電模型[J]. 電網(wǎng)技術(shù), 2013, 34(11): 56-62.

Wen Xu, Yan Wei, Wang Junmei, et al. Regional energy-saving electricity market and stochastic programming power purchasing model considering assessment on energy consumption in trans-provincial transaction [J]. Power System Technology, 2013, 34(11): 56-62.

[8] 張世帥, 張學(xué)松, 王文, 等. 發(fā)電權(quán)交易下的節(jié)能減排指標(biāo)設(shè)計(jì)及應(yīng)用分析[J]. 電網(wǎng)技術(shù), 2010, 34(11): 156-160.

Zhang Shishuai, Zhang Xuesong, Wang Wen, et al. Design and application analysis of two indices of energy-saving and emission-reducing based on generation right trading[J]. Power System Technology, 2010, 34(11): 156-160.

[9] 周明, 聶艷麗, 李庚銀, 等. 電力市場(chǎng)環(huán)境下長(zhǎng)期購(gòu)電方案及風(fēng)險(xiǎn)評(píng)估[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2006, 26(6): 116-122.

Zhou Ming, Nie Yanli, Li Gengyin, et al. NI longterm electricity purchasing scheme and risk assessment in power markets[J]. Proceedings of the CSEE, 2006, 26(6): 116-122.

[10] 張宗益, 亢婭麗, 郭興磊. 基于譜風(fēng)險(xiǎn)度量的大用戶直購(gòu)電組合模型分析[J]. 電工技術(shù)學(xué)報(bào), 2013, 28(1): 266-271.

Zhang Zongyi, Kang Yali, Guo Xinglei. Model analysis of large consumers’ power purchase portfolio based on spectral measuer of risk[J]. Transactions of China Electrotechnical Society, 2013, 28(1): 266-271.

[11] 玉華, 周任軍, 韓磊, 等. 基于CVaR的風(fēng)電并網(wǎng)發(fā)電風(fēng)險(xiǎn)效益分析[J]. 電力系統(tǒng)保護(hù)與控制, 2012, 40(4): 43-49.

Yu Hua, Zhou Renjun, Han Lei, et al. Analysis on risk and economic benefits of grid-connected wind farm based on CVaR[J]. Power System Protection and Control, 2012, 40(4): 43-49.

[12] 劉瑞花, 劉俊勇, 何邁, 等. 半絕對(duì)離差購(gòu)電組合優(yōu)化策略及風(fēng)險(xiǎn)管理[J]. 電力系統(tǒng)自動(dòng)化, 2008, 32(23): 9-15.

Liu Ruihua, Liu Junyong, He Mai, et al. Power purchasing portfolio optimization and risk measurement based on semi-absolute deviation[J]. Automation of Electric Power Systems. 2008, 32(23): 9-15.

[13] 文旭, 顏偉, 黃淼, 等. 計(jì)及綠色能源出力不確定性的輸電網(wǎng)線損率概率評(píng)估[J]. 電力系統(tǒng)保護(hù)與控制, 2013, 41(1): 21-27.

Wen Xu, Yan Wei, Huang Miao, et al. Probabilistic transmission loss rate evaluation under green energy generation uncertainty[J]. Power System Protection and Control, 2013, 41(1): 21-27.

[14] 謝俊, 陳星鶯, 廖迎晨, 等. 構(gòu)造供電公司最優(yōu)購(gòu)電分配策略的CCP方法[J]. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào), 2009, 19(3): 42-46.

Xie Jun, Chen Xingying, Liao Yingchen, et al. Optimal purchase allocation strategy for distribution companies based on chance constrained programming[J]. Proceedings o f the CSU-EPSA, 2009, 19(3): 42-46.

[15] 關(guān)勇, 王東海, 張蓉, 等. 基于機(jī)會(huì)約束規(guī)劃的購(gòu)電商長(zhǎng)期購(gòu)電策略[J]. 電網(wǎng)技術(shù), 2009, 33(13): 96-99.

Guan Yong, Wang Donghai, Zhang Rong, et al. Long-Term electricity purchasing strategy of energy purchaser based on chance-constrained programming[J]. Grid Power System Technology, 2009, 33(13): 96-99.

[16] 雷霞, 劉俊勇, 張力. 基于二層優(yōu)化的配電網(wǎng)交易整合模型[J]. 電工技術(shù)學(xué)報(bào), 2011, 26(2): 195-200.

Lei Xia Liu Junyong Zhang Li. Integrated model of ttrading in distribution net based on bilevel programming[J]. Transactions of China Electrotechnical Society, 2011, 26(2): 195-200.

[17] 李文沅. 電力系統(tǒng)風(fēng)險(xiǎn)評(píng)估: 模型、方法和應(yīng)用[M].北京: 科學(xué)出版社, 2006.

[18] 徐緒松, 楊小青, 陳彥斌. 半絕對(duì)離差證券組合投資模型[J]. 武漢大學(xué)學(xué)報(bào)(自然科學(xué)版), 2002, 48(3): 297-300.

Xu Xusong, Yang Xiaoqing, Chen Yanbin. Portfolio model with semi-deviation risk measure[J]. Wuhan University Journal(Natural Science Edition), 2002, 48(3): 297-300.

[19] 林燁. 發(fā)輸電設(shè)備檢修計(jì)劃及其安全校核的優(yōu)化方法[D]. 重慶: 重慶大學(xué), 2011.

[20] 張富強(qiáng), 周浩. 電力市場(chǎng)中的電價(jià)分布問(wèn)題[J]. 電力系統(tǒng)自動(dòng)化, 2006, 30(4): 22-28.

Zhang Fuqiang, Zhou Hao. Probability distribution of prices in electricity market[J]. Automation of Electric Power Systems, 2006, 30(4): 22-28.

A Stochastic Programming Power Purchasing Model Considering Energy-Saving Benefit Risk Assessment

Wen Xu1,2 Yan Wei1 Wang Junmei3 Zhong Lu4 Guo Lin3 Yu Juan1

（1. State Key Laboratory of Power Transmission Equipment & System Security and New Technology Chongqing University Chongqing 400030 China 2. State Grid Chongqing Electric Power on Electric Power Research Institute Chongqing 401123 China 3. Power Exchange Center of Chongqing Power Grid Chongqing 400014 China 4. Jiangbei Power Suuply Bureau of Chongqing Electric Power Corporation Chongqing 401147 China）

To respond to the situation that the deterministic energy-saving assessment can not fully meet the requirements of energy-saving management in stochastic environment, a novel stochastic programming power purchasing model of power grid corporation considering energy-saving benefit risk assessment in energy-saving electricity markets is presented in this paper. Firstly, considering transmission loss and coal consumption in trading，an energy-saving benefit assessment index of unit electric quantity is presented in energy-saving electricity markets; followed by an power purchasing energy-saving benefit risk index of power grid corporation which imports the concept of semi-absolute deviation risk in economics portfolio theory and considers the stochastic behavior of electricity price, hydroelectricity production and load demand in energy-saving electricity markets. Then, a power purchasing model of power grid corporation considering energy-saving benefit risk assessment is built in the framework of stochastic programming theory so as to meet energy-saving benefit risk optimal management in energy-saving electricity markets. The model is solved by a genetic algorithm embedded with Monte-Carlo simulation technique and objective relative dominant strategy. Finally, the simulation results of a real provincial power grid show the effectiveness of the proposed energy-saving benefit risk assessment index and power purchasing model.

Electricity market, energy-saving risk, assessment index, power purchasing model, genetic algorithm

TM73

文 旭 男，1980年生，博士，工程師，研究方向?yàn)殡娏ο到y(tǒng)優(yōu)化運(yùn)行與控制及風(fēng)險(xiǎn)評(píng)估，電力市場(chǎng)。

國(guó)家自然科學(xué)基金資助項(xiàng)目（51177178）和輸配電裝備及系統(tǒng)安全與新技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室自主研究項(xiàng)目（2007DA10512710204）。

2013-06-03 改稿日期 2014-03-13

顏 偉 男，1968年生，教授，博士生導(dǎo)師，研究方向?yàn)殡娏ο到y(tǒng)優(yōu)化運(yùn)行與控制及風(fēng)險(xiǎn)評(píng)估，電力市場(chǎng)。