售電放開政策下發(fā)電商售電策略與交易談判優(yōu)化模型

李歡歡，張晨，吳靜，張予燮，譚忠富

(1．華北電力大學，北京市102206;2．國網能源研究院，北京市102209)

售電放開政策下發(fā)電商售電策略與交易談判優(yōu)化模型

李歡歡1，張晨2，吳靜1，張予燮1，譚忠富1

(1．華北電力大學，北京市102206;2．國網能源研究院，北京市102209)

在售電側放開的政策背景下分析未來發(fā)售雙方的主要交易模式，并以“多對一”交易模式為研究對象，以發(fā)電商效益最大化為目標，結合火電機組發(fā)電約束構建發(fā)電商利益優(yōu)化模型。在此基礎上利用平均對手法與靜態(tài)貝葉斯納什均衡理論建立發(fā)電商報價策略模型。算例結果顯示，當合同交易電量達到發(fā)電商總出力的72.91%時，發(fā)電商利益達到極值，同時發(fā)電商對于售電商購電價預估值與對平均對手概率分布的推斷對最后的報價和期望收益均產生影響。

電力改革;電力市場;交易談判;報價策略

0 引言

新一輪電改“9號文”及其配套文件下發(fā)以來，售電業(yè)務放開成了電力行業(yè)關注與研究的熱點［1-2］。售電側市場放開后，發(fā)電商獲得自主電力交易能力，且電力交易形式變得多樣化。自2008年以來，我國發(fā)電企業(yè)虧損嚴重，核心競爭力大大降低，研究售電側放開政策下發(fā)電商交易決策問題具有理論和實踐價值。

隨著中長期合同市場的逐步成熟和現貨市場的建立，發(fā)電商既可以參與雙邊或多邊合同交易，也可以在日前競價市場中的實時電能市場與輔助服務市場進行交易［3-4］。發(fā)電商的決策問題轉變?yōu)閮煞矫鏇Q策，一是中長期合同市場與短期市場之間售電量分配決策，二是兩個市場的定價決策。針對兩個市場電量分配決策，文獻［5－6］分別基于均值－方差原理、魯棒利潤和條件魯棒利潤提出發(fā)電商交易策略構建模型，針對計劃期內每個交易時段的電價特性提出不同時段內的交易策略。文獻［7］基于信息間隙決策理論研究了發(fā)電商在雙邊合同、期權合同與現貨市場等交易選擇中的電量分配風險決策問題，并論證了該方法在不確定性較強的情況下進行風險決策的優(yōu)勢。文獻［8］基于發(fā)電商價值函數和概率權重函數建立了計及發(fā)電商心理因素的電量分配決策模型。在定價決策方面，針對中長期合同交易，文獻［9－13］對大用戶與發(fā)電企業(yè)直接交易定價問題進行研究，主要利用博弈論分析發(fā)電商在直接交易中的競價問題，建立電價優(yōu)化設計模型探討電能交易價格對用戶用電量及發(fā)電商的影響，利用魯賓斯坦模型，分析獨立發(fā)電商與用戶進行討價還價的博弈。文獻［14］研究了基于不完全信息靜態(tài)博弈的電力直接交易報價策略及市場力影響，并提出了改進市場力影響的方法及交易規(guī)則的優(yōu)化措施。針對短期市場競價交易的研究主要考慮發(fā)電機組出力、爬坡等約束，構建發(fā)電商最優(yōu)報價策略等模型，對每個交易時段制定不同的交易策略［15-16］。文獻［17］分析了電力庫模式下發(fā)電商的上網競價策略，文獻［18－19］分別結合發(fā)電商的邊際成本與博弈論研究了我國發(fā)電企業(yè)的競價策略。

在上述研究的基礎上，結合我國當前電力改革的發(fā)展趨勢，本文分析售電側放開政策下發(fā)電商交易模式，在此基礎上基于條件風險構建售電側放開情景下發(fā)電商在合同市場與短期市場中的電量分配模型，并構建了“多對一”模式下交易談判模型。

1 售電放開政策下發(fā)電商交易模式

電網統(tǒng)購統(tǒng)銷以外，當前我國電力交易以簽訂中長期合約為主，包括雙邊交易和多邊交易，其中單一發(fā)電商與單一售電商交易為雙邊交易，體現為“一對一”的模式，“多對一”及“一對多”模式下發(fā)電商與售電商的交易為多邊交易。

1.1 “一對一”交易模式

電力實物合同為有固定電力電量交易價格，且合同交割與競價市場無關的中遠期契約。單一發(fā)電商與單一售電商進行協商交易，簽訂雙邊交易實物合同。此類交易模式如圖1所示。

圖1“一對一”交易模式Fig.1“Onetoone”transactionmode

1.2 “多對一”交易模式

在“多對一”的模式中，如圖2所示。獨立售電商擁有更多的自主選擇權，針對不同發(fā)供電商的電能產品供給能力和情況進行談判，“討價還價”的結果是獨立售電商可根據發(fā)電商的具體情況形成多種“價格－電量”合同組合。

圖2“多對一”交易模式Fig.2 “Multi-to-one”transactionmode

1.3 “一對多”交易模式

單一發(fā)電商與售電商群交易屬于多邊交易的一種，圖3體現此種“一對多”的交易模式。發(fā)供電企業(yè)會針對不同獨立售電商的電能產品需求進行談判，談判的結果是發(fā)供電企業(yè)根據不同的獨立售電商情況最終形成多種“價格－電量”合同組合。

圖3“一對多”交易模式Fig.3“Onetomulti”transactionmode

圖3所示交易模式為一個發(fā)電商與多個售電商進行電力交易的情況，此時需要考慮更多的是售電商如何制定電價電量策略來獲得交易機會并使自身利益最大化。

本文主要探討的是售電放開政策下發(fā)電商決策問題，側重于發(fā)電商在售電側市場中的競爭問題，“一對一”以及“一對多”模式下發(fā)電商面臨的競爭性較弱，因此本文選擇“多對一”交易模式為研究對象，設計競爭環(huán)境下的售電決策模型。

2 發(fā)電商售電策略分析模型

2.1發(fā)電商利益函數

對比分析國內外大部分現存的電力市場，可發(fā)現這些電力市場都包含中長期合約市場、現貨市場、輔助備用市場以及實時平衡市場等多樣性的電力市場交易模式。在進行電力交易時，發(fā)電商等市場經濟主體將面臨如何選擇上述多種市場，實現效益最優(yōu)的決策問題。從電力交易量來看，通常情況下在中長期合約市場與現貨市場中實現交易的電量較大。在雙邊開放的電力市場中，市場參與者的決策更加自主，發(fā)電商和售電商都可以選擇以雙邊合同或實時電力市場競價兩種交易方式買賣電能。本文設定發(fā)電商所發(fā)電能一部分與售電商在中長期合同市場內進行交易，一部分在實時電力市場出售。以發(fā)電商通過參與這兩個市場的交易來獲取最大效益為優(yōu)化目標，則目標函數為

式中:πcf為發(fā)電商期望利益;E(b)為發(fā)電商參與中長期合同交易的收益;E(r)為發(fā)電商參與電能實時市場交易的收益;C為發(fā)電商發(fā)電成本;VVaR(b)為發(fā)電商進行合同交易時的風險;VVaR(r)為實時市場交易風險。

發(fā)電商參與合同市場交易收益為

式中:Pb為發(fā)電商參與合同市場的交易電價;為發(fā)電商第i臺機組在t時刻的交易電量;Qb為合同交易總電量;I為發(fā)電商擁有發(fā)電機組數量;T為發(fā)電商進行合同交易的有效期。

發(fā)電商參與實時市場交易收益為

式中:Pr(t)為t時刻的實時交易電價;Qir(t)為發(fā)電商第i臺機組在t時刻的實時交易電量。

發(fā)電商的發(fā)電成本與變動成本及固定成本有關，變動成本包含燃料成本及機組啟停成本，固定成本主要為折舊及運維成本。發(fā)電商的發(fā)電總成本如下所示:

式中:CV為變動成本;CS為固定成本;pfuel為燃料價格;uit為機組i在t時刻的啟停狀態(tài)變量，若機組處于開機狀態(tài)，則此變量為1，若機組處于其他狀態(tài)，則此變量為0;為機組啟動時所需燃料量，以標煤計;為第 i臺機組在t時刻的出力;為第i臺機組在t時刻的燃料消耗函數，為二次曲線函數。

式中ai，bi，ci為機組i的煤耗參數。

中長期合同交易風險表示為

本文設定在合同市場下的交易為無風險交易，合同交易風險為0。實時電力市場交易風險表示為

假設Pr(t)服從正態(tài)分布，則單位電能交易的風險為V= σ， 為給定置信水平下標準正態(tài)分布的上側分位數，σ為價格變量的標準方差。

2.2約束條件

發(fā)電商擁有多臺機組，各臺機組須滿足一定的約束條件。對于火電機組來說，其受到下述條件約束。

(1)出力約束。

火電機組的實時出力，受其技術出力最低極限與技術出力最高極限約束，式(10)為火電機組實時輸出功率的上下限約束

(2)爬坡約束。

(3)開/停機時間約束。

火電機組的開/停機對燃煤與燃油的需求量較大，機組頻繁啟停將帶來較高的燃料成本，并且對機組本身有一定的損耗。為避免機組的頻繁開/停機，對機組的連續(xù)開/停機時間進行約束，式(12)為機組i的最短開機時間約束:

2.3模型求解

(1)采用文獻［20］中一階自回歸模型預測電價，可得到各時段的Pr(t);

(2)給定合同交易量Qb，計算發(fā)電商各時段電量優(yōu)化分配情況;

(3)累計交易期內各時段發(fā)電商收益，得到Qb下發(fā)電商的總收益;

圖4 二次約束規(guī)劃線性處理方法Fig.4 Lineartreatmentmethodforquadratic constraintprogramming

將二次規(guī)劃函數f(g)分成N段，那么此二次規(guī)劃函數可表達成分段函數F(g)。對于g∈［gmin+ nΔ，gmin+(n+1)Δ］，有

式中:n=0，1，．．．，N－1;Δ為分段函數每一段的長度，經過線性化處理，上述二次函數規(guī)劃問題轉變?yōu)榛旌险麛狄?guī)劃問題，可通過GAMS軟件進行模擬求解。

本文將RPL-FAHP與最新經典的RPL路由協議(0.8×ETX+0.2×RE和0.6×HC+0.4×RE)通過 OPNET14.5 仿真軟件平臺進行性能比較。考察的性能參數主要有:平均分組丟失率、平均端到端時延及網絡壽命等。

3 多發(fā)電商與單一售電商交易談判模型

多個發(fā)電商與單一售電商進行交易時一般采用競價拍賣的合同簽訂方式，售電商通過專門的信息發(fā)布平臺公布其需求，滿足要求的發(fā)電商向售電商投標報價。參與投標報價的各發(fā)電商均只知道自己的報價，而不清楚其他發(fā)電商的報價，即參與投標的所有發(fā)電商處于非完全信息的電力市場中。各發(fā)電商將自己的報價通過密封的信封發(fā)送到售電商，雖然他們上交的時間有先后，但是在博弈結束的時候彼此都不知道對方采取了什么樣的策略，即發(fā)電商處于一個非完全信息靜態(tài)博弈中。對于發(fā)電商來說，他們各自投標報價的時候主要考慮在事先擬定的報價范圍內，既能夠中標，又能夠獲得最大的收益。

3.1平均對手法

本文運用標高的概念來更加清楚地表示發(fā)電商投標報價與發(fā)電商自身對于售電商購電價預估值的關系，本文所說的標高用發(fā)電商i的報價Bi與售電商購電價預估值Gi的比值來表示，即的取值范圍為［1，ψi］，如果發(fā)電商報價低于它對于售電商購電價預估值，會導致發(fā)電商收益小于0。如果發(fā)電商標高值較大，那么發(fā)電商的收益就會提高，但是發(fā)電商中標的可能性比較小;反之，標高值較低，發(fā)電商中標概率就大，但是收益水平就比較低。由于售電商招標電量己知，各發(fā)電商在投標時主要考慮競爭對手的報價水平。

假設在發(fā)電商投標報價中，一共有N家發(fā)電商參與，其報價集合J={B1，B2，．．．，Bn}，發(fā)電商i投標報價比其他各家發(fā)電商報價都低的概率為

f(ψi)為標高ψi的概率密度函數，則發(fā)電商i以投標報價Bi贏得發(fā)電商j的概率為

式中:ψj表示發(fā)電商j的報價Bj與發(fā)電商i的售電商購電價預估值Gi的比率，其概率密度函數f(ψj)可以通過收集發(fā)電商j的報價數據來確定。

假設所有的發(fā)電商報價都是相互獨立的，那么發(fā)電商i報價低于其他所有發(fā)電商的概率為

由式(17)可以得出發(fā)電商i的收益期望為

在運用靜態(tài)貝葉斯納什均衡求解最優(yōu)報價的時候，必須加強對于其他發(fā)電商報價水平的精確預測，及時搜集、分析各種資料，結合實際情況，使得自己的報價戰(zhàn)勝其他發(fā)電商的概率分析更加精確。

當參與投標的發(fā)電商數目較多時，要去精確預計每個發(fā)電商的報價水平將耗費極大精力，為解決這一問題，本文采用平均對手法來選擇最優(yōu)報價策略。平均對手法是指在所有的發(fā)電商中假設一個比較有代表性的代表者，一般選擇自己比較熟悉的，把這個代表性發(fā)電商作為平均對手。

假如有N個發(fā)電商參與投標，發(fā)電商i選擇的平均對手a的標高ψa的概率密度函數為fa(ψa)，那么發(fā)電商i的最優(yōu)報價求解步驟如下:

(1)計算發(fā)電商i的報價低于平均對手a的概率為

(2)計算發(fā)電商i的收益期望

即

3.2發(fā)電商報價策略模型

發(fā)電商進行博弈分析過程時，概率分布的準確預測將會對其報價收益有重大的影響。

設定ψa服從區(qū)間為的均勻分布，則發(fā)電商i的投標報價為

則發(fā)電商報價為

發(fā)電商i最大收益為

4 算例分析

4.1基本參數設置

在滿足售電商電量需求的前提下，考慮機組出力約束、機組啟停約束和爬坡約束來制定機組組合運行方式，以期達到發(fā)電商利益最大化。設定發(fā)電商擁有2臺同類別火電機組，機組基本參數和能效參數如表1、2所示。算例中合同交易時限為1年，發(fā)電商規(guī)劃下一年的發(fā)電策略，即在合同市場和實時市場的電量分配策略。煤炭價格為 75$/t，合同交易價格為33.24$/(MW·h)，置信水平設定為90%。

表1 燃煤機組基本參數Table1 Basicparametersofthermalunit

表2 燃煤機組能效參數Table2 Energyefficiencyparametersofthermalunit

4.2售電策略模擬分析

以文獻［21］中某電力市場1999年出清價作為實際市場清算價格(market clearing price，MCP)，與預測電價進行對比，如圖5所示。

圖5 某電力市場1999年9月1日24時預測出清價與實際出清價Fig.5 Predictedandactualclearingpriceat 24:001991-9-1ofanelectricpowermarket

給定合同電價下，發(fā)電商售電量分配策略如圖6所示，當合同交易電量達到發(fā)電商總出力的72.91%時，發(fā)電商利益達到極值。因此，發(fā)電商進行售電量分配時，應將72.91%的電量放在合同市場進行交易。

圖6 合同交易電量占比對發(fā)電商利益的影響Fig.6 Influenceofcontractelectricity consumptiononpowergenerator

此后如果繼續(xù)增加合同交易量，那么發(fā)電商利益將逐漸降低。在整條曲線中，當合同交易量占比達到25%和50%時有2個明顯的階躍，這是因為當合同交易電量小于30%時發(fā)電機組的啟停受制于實時交易市場，導致機組啟停次數增加。當合同交易電量占比超過25%時，能夠保證1臺機組持續(xù)出力，避免機組的啟停費用，使得發(fā)電商的利益有明顯的提高。同理，此分析也適用于合同交易百分比達到50%時的收益階躍，如果合同交易電量能夠使得發(fā)電商的發(fā)電機組持續(xù)出力，那么發(fā)電商將會獲得較高的利益。

4.3多發(fā)電商與單一售電商模擬分析

在投標前，發(fā)電商應根據以往交易信息，對售電商期望購電價進行預估。為測算售電商購電價預估值和平均對手的概率分布對于發(fā)電商報價和收益的影響，給出發(fā)電商對于售電商購電價預估值和平均對手的概率分布。設定ψa服從區(qū)間為［ψmina，ψmaxa］的均勻分布，通過計算可以得到發(fā)電商i的最優(yōu)報價和最大期望收益。投標報價的結果如表3所示。

表3 均勻分布下發(fā)電商投標報價及最大期望收益Table3 Powergeneratortenderofferandmaximum expectedprofitunderaveragedistribution

根據表3可知，發(fā)電商對于售電商購電價預估值和對平均對手概率分布的推斷，對最后的報價和期望收益都有影響，所以發(fā)電商必須合理確定售電商購電價預估值，并加強對于其他發(fā)電商有關信息的搜集和分析。

5 結論

本文考慮發(fā)電商在長期與現貨市場進行交易的效益函數，結合火電機組出力約束、火電機組爬坡約束和火電機組開/停機時間約束，建立發(fā)電商利益優(yōu)化模型。通過案例分析后得出當合同交易電量達到發(fā)電商總出力的72.91%時，發(fā)電商利益達到極值，發(fā)電商通過合同市場進行售電，可以獲得穩(wěn)定且相對較高的效益。在“多對一”交易模式下利用平均對手法與靜態(tài)貝葉斯納什均衡理論建立發(fā)電商的交易策略模型，對發(fā)電商期望收益進行測算。測算結果顯示，發(fā)電商對于售電商購電價預估值與對平均對手概率分布的推斷均對最后的報價和期望收益產生影響，發(fā)電商須合理確定上述信息才能進行更為準確的報價策略。

［1］曾鳴．能源互聯網與售電市場放開［J］．中國電力企業(yè)管理，2015 (13):54-57．

［2］梁剛，王中榮，馬占軍，等．基于售電側放開的電力市場交易研究［J］．管理觀察，2016(31):32-35．

［3］張顯，王錫凡，王建學，等．發(fā)電商長期電能分配策略研究［J］．中國電機工程學報，2005，25(1):6-12．ZHANG Xian，WANG Xifan，WANG Jianxue，et．al．A long-term allocating strategy of power generators［J］．Proceedings of the CSEE，2005，25(1):6-12．

［4］ELIA E，MAIORANO A，SONG Y H，et al．Novel methodology for simulation studies of strategic behavior of electricity producers［C］// Power Engineering Society Summer Meeting．Vancouver:IEEE，2000:2235-2241．

［5］劉敏，吳復立．電力市場環(huán)境下發(fā)電商電能分配策略研究［J］．中國電機工程學報，2008，28(25):111-117．LIU Min，WU Fuli．Trading strategy of generation companies in electricity market［J］．Proceedings of the CSEE，2008，28(25): 111-117．

［6］周潔，趙琛，張少華．基于魯棒優(yōu)化的發(fā)電商電量分配策略［J］．電力建設，2016，37(3):58-62．ZHOU Jie，ZHAO Chen，ZHANG Shaohua．Electricity capacity allocation strategies of generation companies based on robust optimization［J］．Electric Power Construction，2016，37(3):58-62．

［7］趙亞楠．基于IGDT理論的發(fā)電商電量分配策略研究［D］．上海:上海大學，2015．ZHAO Yanan．Power producer electric quantity distribution based on IGDT theory［D］．Shanghai:Shanghai University，2015．

［8］潘俊濤，彭建春，孫芊，等．基于前景理論的發(fā)電商電量分配策略［J］．電網技術，2011，35(4):170-175．PAN Juntao，PENG Jianchun，SUN Qian，et al．A prospect theorybased generation energy allocation strategy for gencos［J］．Power System Technology，2011，35(4):170-175．

［9］ZHENG Y，LI G，ZHOU M，et al．An integrated approach on allocating the congestion management cost under large consumers electricity direct purchase mode［C］//Electric Utility Deregulation and Restructuring and Power Technologies．Nanjing:IEEE，2008: 539-544．

［10］譚忠富，李曉軍，郭聯哲，等．發(fā)電商向大用戶直接供電的電價設計模型分析［J］．現代電力，2004，21(1):86-89．TAN Zhongfu，LI Xiaojun，GUO Lianzhe，et al．On pricing models for a generation company suppling electric energy to a big consumer［J］．Modern Electric Power，2004，21(1):86-89．

［11］鄒小燕，王正波．電力市場中關于直購電力價格的討價還價博弈模型［J］．管理工程學報，2005，19(4):96-99．ZOU Xiaoyan，WANG Zhengbo．The bargain game modelon electric power price in a bilateral electricity market［J］．Journal of Industrial Engineering and Engineering Management，2005，19(4):96-99．

［12］陳其安，楊秀苔．基于博弈論的發(fā)電廠商競價策略研究［J］．系統(tǒng)工程學報，2004，19(2):121-127．CHEN Qi’an，YANG Xiutai．Research on competing price strategies of power plants based on game theory［J］．Journal of Systems Engineering，2004，19(2):121-127．

［13］PLAZAS M A，CONEJO A J，PRIETO F J．Multimarket optimal bidding for a power producer［J］．IEEE Transactions on Power Systems，2005，20(4):2041-2050．

［14］王劍波，蘇昭．黑龍江省電力用戶與發(fā)電企業(yè)直接交易策略研究［J］．黑龍江科技信息，2016(28):286-288．

［15］LIU Y，WU F F．Generator bidding in oligopolistic electricity markets using optimal control:Fundamentals and application［J］．IEEE Transactions on Power Systems，2006，21(3):1050-1061．

［16］HE Y．The study of bidding strategies of generators in electricity markets［D］．London:Brunel University，2002．

［17］吳磊．電力庫模式發(fā)電側競價上網報價問題研究［D］．北京:北京科技大學，2016．WU Lei．Research on power generation side bidding problem under power poolmode［D］．Beijing:University of Science and Technology Beijing，2016．

［18］于金棟．基于邊際發(fā)電成本分析的火電廠競價策略研究［D］．濟南:山東大學，2014．YU Jindong．Research on thermal power plant based on the marginal cost of power generation［D］．Jinan:Shandong Univeristy，2014．

［19］楊珊珊．基于博弈論的我國發(fā)電企業(yè)競價策略研究［D］．哈爾濱:哈爾濱理工大學，2014．YANG Shanshan．Power generation enterprise bidding strategy based on game theory［D］．Harbin:Harbin Institute of Technology，2014．

［20］劉敏，吳復立．電力市場環(huán)境下發(fā)電商電能分配策略研究［J］．中國電機工程學報，2008，28(25):111-117．LIU Min，WU Fuli．Trading strategy of generation companies in electricity market［J］．Proceeclings of the CSEE，2008，28(25): 111-117．

［21］張麗．市場出清價規(guī)律分析與預測［D］．北京:華北電力大學，2007．ZHANG Li．Analysis and forecaston market clearing price law［D］．Beijing:North China Electric Power University，2007．

(編輯 劉文瑩)

Electricity Sale Strategy and Trade Negotiation Optimization Model for Power Generator under Electricity Sale Liberalization Policy

LI Huanhuan1，ZHANG Chen2，WU Jing1，ZHANG Yuxie1，TAN Zhongfu1

(1．North China Electric Power University，Beijing 102206，China; 2．State Grid Energy Research Institute，Beijing 102209，China)

This paper analyses the main trading modes in the future between the generation side and the retail side under the policy background of releasing in the retail side．Taking the“multi-to-one”trading model as the object，and maximizing the benefits of the generators as the goal，this paper constructs an optimization model for the generation party under thermal power generating power constraints．Based on the model，this paper uses the average method and the static Bias Nash equilibrium theory to establish a pricing strategy model of generators．The simulation results show that when the contract volume reaches 72.91% of the total output of generators，the generators'benefits will reach the maximum．Power generators'pre-estimations to the price that electricity purchasers may come up and their deduction of the average probability distribution of competitors will influence both the final price and the expected revenue．

electric power reform;electricity market;trading negotiation;bidding strategy

TM 715

A

1000－7229(2017)03－0123－07

10.3969/j．issn.1000－7229.2017.03.017

2016-12-16

李歡歡(1991)，女，博士研究生，主要研究方向為電力技術經濟及管理;

張晨(1988)，女，博士，主要研究方向為電力技術經濟及管理;

吳靜(1993)，女，碩士研究生，主要研究方向為電力技術經濟及管理;

張予燮(1993)，女，碩士研究生，主要研究方向為電力技術經濟及管理;

譚忠富(1964)，男，教授、博士后、博士生導師，主要研究方向為電力能源經濟、風險管理。

國家自然科學基金項目(71573084)

Project supported by National Natural Science Foundation of China (71573084)