基于Monte Carlo法的售電公司交易策略研究

錢曉瑞 沈一民 陳筱珺 董美蓉 盧 威 肖 愷

(國網福建省電力有限公司營銷服務中心(計量中心、資金集約中心)，福建 福州 350003)

0 引言

隨著我國電力市場飛速發展，售電公司作為新興的電力市場主體，逐漸成為我國電力市場的重要組成部分。作為連接電力批發市場和電力零售市場的重要紐帶，售電公司在電力批發市場向發電企業購買電量后，再出售給零售用戶，從中賺取合理的收益。2018年，售電公司首次參與福建電力市場，成為了市場的重要組成部分。2021年，福建省電力市場規模達1178億kW·h，市場化用戶數量達5萬余戶，其中售電公司代理電量達1046億kW·h，代理用戶數量占99%以上，成為電力市場的絕對主力軍。

長期以來，由于缺乏有效的數據支持和有力的工具支撐，售電公司普遍采用較為粗獷的方式制定交易策略，售電收益較難保證。尤其是隨著交易品種的不斷增多，電力現貨市場、電力輔助服務市場的發展，交易策略愈發復雜，亟須建立一種適用于福建電力市場的售電公司交易策略研究模型。趙陽等[1]提出售電公司需要合理分配在不同市場、不同時段的購電量，從而構建參與市場競價購電的優化策略；Zhou Ming[2]主要關注在套利和風險約束情況下，采用蒙特卡洛仿真模擬方法，對電量在不同市場的分配優化進行算例分析及研究；羅琴等[3]以售電公司效用最大化為目標，應用VaR風險度量方法，建立基于不同風險偏好的售電公司銷售電價及購電組合決策模型。前述研究成果主要關注整體電力市場研究，采用傳統建模方式對售電公司開展普適性分析，本文建立了基于Monte Carlo法的售電公司交易策略分析模型，量化分析了不同交易策略對售電公司收益的影響，進而確認收益最大化的交易方案，提供了一種可行的分析思路。

1 售電公司競價交易思路

福建電力交易中心一般于每年年底前組織完成次年度的年度掛牌交易和年度雙邊交易，每月則依次組織開展月度集中競價交易、月內轉讓交易、月內增量交易[4-6]。售電公司將根據零售用戶申報的月度用電計劃，盡可能準確地預測零售用戶當月實際用電量，并以收益最大化為目標制定合理的交易策略，即參加何種交易、申報多少電量。

售電公司每月可行的交易策略共有10種，具體見表1。

表1 售電公司交易策略可行域

可以看出，售電公司每月共需進行3次交易決策，分別為：每月1日前決定次月月度集中競價交易電量，提前安排月內轉讓交易、月內增量交易；每月15日，根據當月1—14日已經發生的電量，決定月內轉讓交易電量，修正月內增量交易安排；每月22日，根據當月1—21日已經發生的電量，決定月內增量交易電量。結合市場實際，月內轉讓交易的價格一般與月度集中競價交易價格相同，因而在每月1日前進行決策時，可不考慮月內交易。此外，月度集中競價交易的成交價格一般都低于月內增量交易。交易決策的重點在于每項交易是否需要購買或轉出電量，應該購買或轉出多少電量。

2 售電公司售電收益模型

根據交易規則，售電公司每月售電收益=零售用戶交易電費之和+零售用戶偏差考核費之和-批發市場交易電費-批發市場偏差考核費，據此建立售電公司電費收益模型[4]。

2.1 模型變量

2.1.1 零售交易電費有關變量

用戶數量部分，售電公司簽約的零售用戶共計N個。交易價格部分，年度長協電量保底價格A1，年度長協電量分成比例B1，年度長協電量分成后出售給零售用戶的價格為PL′；年度以下電量保底價格A2，年度以下電量分成比例B2，年度以下電量分成后出售給零售用戶的價格為PS′。偏差考核部分，售電公司承擔保底的負偏差下限為M1，正偏差上限為M2。若零售用戶實際用電量偏差超過[1+M1,1+M2]的范圍，當超過上限時，承擔超出上限部分的偏差考核費用占比為N2；當低于下限時，承擔超出下限部分的偏差考核費用占比為N1。交易電量部分，零售用戶本月用電計劃總額為QCP=QCLP+QCSP，其中，年度長協電量計劃為QCLP，年度以下電量計劃為QCSP；零售用戶本月實際用電量為QCA[7]。

2.1.2 批發交易電費有關變量

當月年度掛牌交易成交電量QWGP，成交價格PWGP；年度雙邊交易成交電量QWSB，成交價格PWSB；月度集中競價交易成交電量QWYJ，成交價格PWYJ；月內增量交易成交電量QWYZ，成交價格PWYZ；月內轉讓交易成交電量QWYR，成交價格PWYR。年度長協交易加權平均價格PL，年度以下交易加權平均價格PS。

2.2 零售用戶交易電費之和WL1

零售用戶交易電費為其當月各項交易結算電量和對應交易電價的乘積之和，具體包括年度長協電量和年度以下電量兩部分，結算時優先結算年度長協電量。零售用戶交易電費之和WL1的計算公式為：

其中：

2.3 零售用戶偏差考核費之和WL2

零售用戶電量偏差考核方式由售電公司與零售用戶雙方自行約定，包括偏差免考核范圍、考核費用占比等。零售用戶偏差考核費之和WL2的計算公式為：

其中，第i個零售用戶的偏差考核費WL2(i)的計算公式如下。

當QCA(i)>QCP(i)×(1+M2(i))時，零售用戶實際用電量超過上限，需承擔超出上限部分的偏差考核費用，計算公式為：

WL2(i)=[QCA(i)-QCP(i)×(1+M2(i))]×0.05×PWYJ×N2(i)

當QCP(i)×(1+M1(i))≤QCA(i)≤QCP(i)×(1+M2(i))時，零售用戶實際用電量在偏差允許范圍內，無需承擔偏差考核費用，計算公式為：

WL2(i)=0

當QCA(i)

WL2(i)=[QCP(i)×(1+M1(i))-QCA(i)]×0.05×PWYJ×N1(i)

2.4 批發市場交易電費WP1

根據交易規則，交易結算存在優先級順序，交易電量結算原則上先按交易品種排序，再按交易周期排序，交易品種和交易周期均相同的，按交易開展時間的先后順序依次結算，同一批次開展的交易按計劃等比例進度結算。顯然，批發市場交易電費WP1是一個典型的階梯函數，其具體計算公式如下。

當QCA≤QWYR時，僅結算月內轉讓交易電量，批發市場交易電費WP1的計算公式為：

WP1=QCA×PWYR

當QWYR

WP1=QWYR×PWYR+(QCA-QWYR)×PWGP

當QWYR+QWGP

WP1=QWYR×PWYR+QWGP×PWGP+(QCA-QWYR-QWGP)×PWSB

當QWYR+QWGP+QWSB

WP1=QWYR×PWYR+QWGP×PWGP+QWSB×PWSB

+(QCA-QWYR-QWGP-QWSB)×PWYJ

當(QWYR+QWGP+QWSB+QWYJ)

WP1=QWYR×PWYR+QWGP×PWGP+QWSB×PWSB+QWYJ×PWYJ+(QCA-QWYR-QWGP-QWSB-QWYJ)×PWYZ

當QCA>(QWYR+QWGP+QWSB+QWYJ+QWYZ)時，所有合同電量都結算，根據交易規則，超出電量部分按照當月月度集中競價交易成交價格結算，批發市場交易電費WP1的計算公式為：

WP1=QWYR×PWYR+QWGP×PWGP+QWSB×PWSB+QWYZ×PWYZ+(QCA-QWYR-QWGP-QWSB-QWYZ)×PWYJ

2.5 批發市場偏差考核費WP2

根據交易規則，正負偏差3%及以內的電量不考核，偏差超過正負3%的電量納入偏差考核，考核標準為當月月度集中競價交易成交價格的5%。批發市場偏差考核費WP2的計算公式如下。

當QCA<(QWGP+QWSB+QWYJ+QWYZ)×0.97時，售電公司實際用電量超過上限，需承擔超出上限部分的偏差考核費用，計算公式為：

WP2=[(QWGP+QWSB+QWYJ+QWYZ)×0.97-QCA]×0.05×PWYJ

當(QWGP+QWSB+QWYJ+QWYZ)×0.97≤QCA≤(QWGP+QWSB+QWYJ+QWYZ)×1.03時，售電公司實際用電量在偏差允許范圍內，無需承擔偏差考核費用，計算公式為：

WP2=0

當QCA>(QWGP+QWSB+QWYJ+QWYZ)×1.03時，售電公司實際用電量低于下限，需承擔低于下限部分的偏差考核費用，計算公式為：

WP2=[QCA-(QWGP+QWSB+QWYJ+QWYZ)×1.03]×0.05×PWYJ

2.6 售電公司售電收益W

綜上，售電公司每月售電收益W的計算公式為：

W=WL1+WL2-WP1-WP2

3 售電公司交易策略分析

以福建省某售電公司某月的實際交易數據為例，深入分析其交易競價最佳策略。

3.1 構建零售用戶電量概率模型

從零售用戶實際用電量(標幺值)原始數據的直方圖可以看出，數據具有明顯的單峰特征，初步推測數據接近正態分布。同時注意到數據存在較為嚴重的離群值，且以上側情形為主。

圖1 零售用戶實際用電量原始數據直方圖

采用Grubbs檢驗法，按照5%的檢出水平對原始數據進行清洗，剔除離群值后，數據呈現出較為明顯的正態分布，如下圖所示。

圖2 零售用戶實際用電量清洗數據直方圖

可以看出，該正態分布呈現尖峰、正偏的特性，初步判斷可以使用二元正態分布函數進行數值化擬合，利用Python擬合后得到其概率密度函數f(x)為：

比較擬合所得的概率密度函數和清洗數據直方圖，可以看出擬合效果較佳，模型效果較好。

圖3 零售用戶實際用電量擬合概率密度函數圖

3.2 分析售電公司交易競價最佳策略

3.2.1 第一期交易決策分析

售電公司當月已購得年度掛牌交易55361MW·h、年度雙邊協商交易電量165600MW·h，用戶用電計劃為454177.884MW·h，電量缺口233216.884MW·h，此時需決策月度集中競價交易和月內增量交易的申購電量。以月度集中競價交易成交價格低于月內增量交易成交價格為前提，在月度集中競價交易成交電量和月內增量交易成交電量的可行域內，針對每個電量組合生成零售用戶電量分布樣本，采用Monte Carlo法分析售電公司收益的期望分布，依此做出月度集中競價交易電量、月內增量交易電量、售電公司期望收益的關系如圖4所示。

圖4 售電公司期望收益分布(第一期)

從圖4可以看出，當月度集中競價交易成交電量和月內增量交易電量之和在缺口電量附近時，售電公司期望收益較高，隨著月內增量交易比重的增加，售電公司的期望收益略微提高后，逐步降低。根據分析結果，可以得出第一期的最佳交易決策：優先購買月度集中競價交易電量223888.209MW·h，為未來月內增量交易預留18657.351MW·h，此時售電公司的期望收益最大，為436065.81元。

3.2.2 第二期交易決策

售電公司當月已購得年度掛牌交易55361MW·h、年度雙邊協商交易電量165600MW·h、月度集中競價交易電量223888.209MW·h，缺口電量9328.675MW·h，此時需決策月內轉讓交易和月內增量交易的申購電量。以月內轉讓交易成交價格與月度集中競價交易相同、月內增量交易成交價格高于月度集中競價交易成交價格為前提，在月內轉讓交易成交電量和月內增量交易成交電量的可行域內，針對零售用戶當月1—14日已經發生的電量生成電量分布樣本，采用Monte Carlo法分析售電公司收益的期望分布，依此繪制月內轉讓交易電量、月內增量交易電量、售電公司期望收益的關系圖，如圖5所示。其中，月內轉讓交易為正表示轉入電量，負表示轉出電量。

圖5 售電公司期望收益分布(第二期)

可以看出，對于該售電公司而言，轉出電量將導致收益下降，而轉入電量至缺口電量附近時收益最大，超出后收益逐步下降；此外，購入月內增量交易將會導致售電收益下降，應盡量避免購買。根據分析結果，可以得出第二期的最佳交易決策：月內轉讓交易轉入電量3109.558MW·h，為月內增量交易預留電量18657.350MW·h，此時售電公司的期望收益最大，為429630.54元。

3.2.3 第三期交易決策

售電公司當月已購得年度掛牌交易55361MW·h、年度雙邊協商交易電量165600MW·h、月度集中競價交易電量223888.209MW·h、月內轉讓交易轉入電量3109.558MW·h，缺口電量6219.117MW·h，此時需決策月內轉讓交易和月內增量交易的申購電量。以月內增量交易成交價格高于月度集中競價交易成交價格為前提，在月內增量交易成交電量的可行域內，針對零售用戶當月1—21日已經發生的電量生成電量分布樣本，采用Monte Carlo法分析售電公司收益的期望分布，以此做出月內增量交易電量、售電公司期望收益的關系如圖6所示。

圖6 售電公司期望收益分布(第三期)

可以看出，對于該售電公司而言，隨著月內增量交易成交電量的逐步增加，收益先呈上升之勢，到達最高值后快速回落。根據分析結果，可以得出第三期的最佳交易決策：月內增量交易購買電量19901.174MW·h，此時售電公司的期望收益最大，為418466.35元。

3.2.4 決策分析效果評估

根據上述決策結果，代入該售電公司當月零售用戶實際用電量，售電公司最終售電收益為370559.21元，相比于該售電公司自行制定的實際交易計劃，售電收益提高了36019.42元，效果顯著。

4 結論

本文建立了售電公司收益模型，通過擬合概率密度函數分析零售用戶交易電量的可能分布，進而采用Monte Carlo法全面分析了售電公司售電收益的可能分布，為交易競價決策提供了強有力的數據支撐，效果顯著。下一步，可進一步研究分析售電收益的概率密度分布，在追求高收益的同時進一步評估潛在的風險。