基于數(shù)據(jù)分布的新能源中長期分時簽約方法

中廣核新能源西北分公司 馬虎林 龐 晶 張 瑞 孫寶霞 石家太 馮富榮

1 研究背景及意義

隨著《關(guān)于進一步深化電力體制改革的若干意見》(中發(fā)[2015]9號)文的頒布，標(biāo)志著我國新一輪電力體制改革正式拉開了序幕。中發(fā)9號文及其配套文件對推動符合國情的電力市場建設(shè)進行了綱領(lǐng)性的設(shè)計，明確要逐步建立以中長期交易規(guī)避風(fēng)險、以現(xiàn)貨市場發(fā)現(xiàn)價格的功能完善的電力市場[1]。

為進一步推動電力市場化改革，2021年國家發(fā)改委對電力中長期合同簽訂提出了“六簽”要求，進一步發(fā)揮中長期交易“壓艙石”作用，推動中長期分時段、帶電力曲線簽約，拉大峰谷差價，實現(xiàn)與現(xiàn)貨市場無縫銜接。為更好地適應(yīng)現(xiàn)貨市場，2022年開展約定電力曲線的分時段中長期交易，市場主體在簽訂中長期合約時約定分時曲線及結(jié)算價格，合約簽訂即確定了最終的交易結(jié)算曲線。

在此形勢下，新能源企業(yè)簽訂電力中長期合同因自身特殊性需要面臨巨大挑戰(zhàn)，簽約中長期合同需對下一年自身發(fā)電能力進行預(yù)測和評估，中長期簽約過大會導(dǎo)致在日前現(xiàn)貨市場不足以補償中長期合約電量，以高于中長期簽約價格的日前出清價格“購入”市場電量抵償，反而沒有發(fā)揮出電力中長期交易對沖或規(guī)避風(fēng)險以及鎖定收益的作用，還為企業(yè)帶來了經(jīng)濟損失，新能源企業(yè)在中長期階段預(yù)測未來的發(fā)電功率難度較大，存在較大的不確定性，這就使得新能源發(fā)電企業(yè)參與電力現(xiàn)貨市場將面臨較大風(fēng)險[1]。因此新能源企業(yè)如何合理地制定中長期分時簽約曲線的問題迫在眉睫。

本文嘗試從數(shù)據(jù)分布的角度出發(fā)，選取甘肅區(qū)域場站近兩年的歷史理論功率數(shù)據(jù)繪制各場站每月不同時段的累計頻數(shù)分布直方圖，通過現(xiàn)貨價格與市場供需等因素估計累計百分比取值、進而確定各時段中長期簽約出力參考值；最后根據(jù)各時段中長期簽約出力參考值繪制出各場站每月的分時段中長期簽約曲線。經(jīng)驗證，通過該方法預(yù)測的中長期簽約電量與去年同期實際中長期簽約電量做相比，三個場站中長期簽約電量的相對誤差每個月均在15%以內(nèi)，在地理位置相鄰（氣象資源相同）、且相同斷面下的兩座裝機容量相同的風(fēng)電場進行市場運行，采用該方法使得綜合市場發(fā)電收入提升38.59%，說明本文提出的中長期分時簽約方法對于指導(dǎo)中長期的簽訂具有一定的參考價值，且更科學(xué)的描述了場站分時出力特征。

2 方法介紹

2.1 理論介紹

2.1.1 直方圖

直方圖（histogram）是用于展示分組數(shù)據(jù)分布特征的一種圖形，是用矩形的寬度和高度來表示頻數(shù)分布的。繪制該圖時，在平面直角坐標(biāo)中橫軸表示數(shù)據(jù)分組、縱軸表示頻數(shù)或頻率，如圖1所示，能明顯看到各組頻數(shù)分布的情況。

圖1 直方圖

2.1.2 累計頻數(shù)分布直方圖的繪制步驟

本文在預(yù)測中長期分時簽約曲線時所使用的直方圖是為累積頻數(shù)分布直方圖，即以電力分組值作為橫坐標(biāo)，以頻數(shù)和累積百分比作為縱坐標(biāo)。就數(shù)據(jù)分布而言，選擇以頻數(shù)、頻率、頻率除以組距中的哪種指標(biāo)作為縱坐標(biāo)，數(shù)據(jù)的分布形狀并沒有發(fā)生改變。

繪制累計頻數(shù)分布直方圖的具體步驟如下：確定組數(shù)。一般根據(jù)數(shù)據(jù)自身的特點、數(shù)據(jù)量及分析需求來確定組數(shù)；確定組距。組距（class width）是一個組的上限與下限的差：組距=(最大值-最小值)/組數(shù)；根據(jù)分組統(tǒng)計各組的頻數(shù)并計算頻率、累計百分比。通常規(guī)定各組區(qū)間左閉右開，即各組的上限不包括在本組內(nèi)，最后一組取閉區(qū)間；在平面直角坐標(biāo)系中，以數(shù)據(jù)分組為橫坐標(biāo)、頻數(shù)和累計百分比為縱坐標(biāo)，畫出累計頻數(shù)分布直方圖。

2.1.3 中長期分時簽約方法

預(yù)測中遠期的發(fā)電能力對于新能源行業(yè)而言是一大痛點，通常向后預(yù)測1天準(zhǔn)確率只有70%左右，預(yù)判向后預(yù)測一年其準(zhǔn)確度將會非常低，本文嘗試用較為簡單直觀的直方圖算法來解決該問題：中長期分時簽約方法。輸入：每15分鐘的理論功率數(shù)據(jù)，數(shù)據(jù)周期為近2年；輸出：甘肅某幾個場站的中長期分時簽約曲線。確定交易時段劃分標(biāo)準(zhǔn)；繪制各場站每月理論功率累計頻率直方圖；根據(jù)現(xiàn)貨價格與市場供需確定累計百分比取值；基于累計百分比取值確定各場站每月各時段中長期簽約參考值；繪制各場站每月分時典型出力曲線。

3 基于數(shù)據(jù)分布確定場站中長期分時簽約曲線

數(shù)據(jù)概況：本文所使用的分析數(shù)據(jù)來源于場站風(fēng)功率預(yù)測系統(tǒng)中每日每15分鐘的理論功率，數(shù)據(jù)周期為兩年，對于數(shù)據(jù)中存在的缺失值與重復(fù)值，用相近年份同一時間點的數(shù)據(jù)進行填補來保證數(shù)據(jù)的完整性。

3.1 交易時段劃分標(biāo)準(zhǔn)

甘肅省中長期交易的時段大致區(qū)分為峰、平、谷段三段，其中峰段為17:00～18:00、18:00～19:00、19:00～23:00， 平段為0:00～1:00、1:00～5:00、5:00～7:00、7:00～9:00、23:00～24:00，谷段為9:00～11:00、11:00～17:00，發(fā)電企業(yè)可合理組合交易申報時段，以便實現(xiàn)交易時段與用戶時段曲線相匹配。故本文沿用該時段，進行分段預(yù)測。

對于上述交易時段的劃分，除0:00～1:00和23:00～24:00兩個時段其他時間段的區(qū)間都是左開右閉的。由于本文所使用的理論功率是每15分鐘監(jiān)測一次，故對于左開右閉的時間段內(nèi)，一小時都包含4個監(jiān)測時間點；而0:00～1:00時間段是閉區(qū)間（包含0:00和1:00時刻），故該時段內(nèi)包含5個監(jiān)測時間點；23:00～24:00時間段是開區(qū)間（不包含23:00和24:00時刻），故該時段內(nèi)包含3個監(jiān)測時間點。

3.2 確定各場站每月典型出力曲線

3.2.1 繪制累計頻率分布直方圖

本文以甘肅某風(fēng)電場為例，對該場站每個月的理論功率數(shù)據(jù)按照中長期交易時段分別繪制理論功率累計頻數(shù)分布直方圖，圖2為該場站1月份0:00～1:00時間段理論功率的累計頻數(shù)分布直方圖。在繪制過程中本文綜合場站的裝機容量（400MW）和該時段的數(shù)據(jù)量（310）來確定組數(shù)，參考統(tǒng)計學(xué)常用的數(shù)據(jù)分組以及實際數(shù)據(jù)分布，最終確定直方圖的組數(shù)為40組，最后根據(jù)組距公式計算得組距為10.24。

圖2 某場站1月份0:00～1:00時間段理論功率累計頻數(shù)分布直方圖

3.2.2 確定累計百分比的取值

通過觀察累計頻率分布直方圖，數(shù)據(jù)的分布特征清晰可見，那么如何根據(jù)數(shù)據(jù)的分布特征確定各時段中長期簽約的出力值呢？從統(tǒng)計意義上講，應(yīng)取頻數(shù)最高即眾數(shù)所在的區(qū)間的上限作為該場站該月份該時段的中長期簽約的出力值。但從實際經(jīng)驗來看，不可能將400MW 裝機容量的場站的中長期簽約出力值定在10.24MW 左右，首先過于保守地估計導(dǎo)致在大風(fēng)天氣或風(fēng)光同時率高的時段造成大規(guī)模棄電，其次不能最大化鎖定中長期收益，因而本文選擇累計百分比作為度量場站發(fā)電能力的指標(biāo)來確定各時段中長期簽約的出力值。

確定累計百分比的取值為多少才能合理地估計場站的發(fā)電能力是一個難點，本文主要基于各時段的價格和市場供需形勢來確定累計百分比的取值。由于平段現(xiàn)貨價格不確定，因此選取50%這個既不保守、又不激進的比例作為平段的累計百分比的取值，表示有一半時間出力分布在50%對應(yīng)的橫坐標(biāo)取值以下。

以50%為參照基準(zhǔn)，如圖3所示，峰段現(xiàn)貨價格為高價，防止高價虧損需要減少中長期簽約量，且早晚高峰光伏沒有發(fā)電能力，但負荷需求大，經(jīng)常是供小于需，所以應(yīng)降低累計百分比取值，取值小于50%；中午和下午谷段風(fēng)光疊加，發(fā)電能力較強、供大于需，如圖3所示，現(xiàn)貨價格為低價，在現(xiàn)貨市場上為鎖定中長期收益需要提高累計百分比的取值，取值大于50%。基于以上原則，確定各時間段的累積百分比取值，其中平段為50%、峰段為40%、谷段為60%。

圖3 現(xiàn)貨價格走勢圖

需注意的是，各時段的累計百分比的取值并不是一成不變的，需要根據(jù)各區(qū)域風(fēng)資源的差異、季節(jié)的變化、現(xiàn)貨價格的走勢、消納情況、市場供需、中長期市場變化等因素進行適時調(diào)整。

3.2.3 確定中長期簽約的參考值

根據(jù)已確定的各時段累計百分百比取值，在各時段的理論功率累計頻數(shù)分布直方圖上找到近似累計百分百比取值的矩形，該矩形的橫坐標(biāo)即為該時段的中長期簽約出力參考值，如圖1所示，可看出該場站1月份0:00～1:00時間段上累計百分比為53.55%時對應(yīng)的橫坐標(biāo)為20.5MW，故該場站1月份0:00～1:00時間段的中長期簽約出力參考值為20.5MW。該場站1月份各時段中長期簽約預(yù)測信息如表1所示。

表1 甘肅某風(fēng)電場1月份中長期簽約預(yù)測信息表

3.2.4 繪制每月的分時典型出力曲線

本文以劃分的時間段為橫坐標(biāo)，中長期簽約出力參考值為縱坐標(biāo)，繪制該場站1～12月份分時典型出力曲線（中長期分時簽約曲線）。圖4所示為該場站1月份的分時簽約曲線，曲線下的面積即為該場站1月份中長期的預(yù)測簽約總量，預(yù)計中長期簽約23095MWh，等效利用小時數(shù)為58。

圖4 甘肅某風(fēng)電場1月份中長期分時簽約曲線

4 結(jié)論

4.1 簽約電量誤差情況

本文采用相對誤差指標(biāo)來衡量方法的預(yù)測偏差及評價預(yù)測效果的好壞，然后選取了位于甘肅不同區(qū)域的三個風(fēng)電場，分別利用本文方法對三個場站每月中長期簽約電量進行預(yù)測，并與去年同期實際中長期簽約電量對比，計算出二者的相對誤差（表2），可看出本文方法預(yù)測出來的三個場站中長期簽約電量的相對誤差每個月均在15%以內(nèi)，說明本文提出的中長期分時簽約方法具有一定的參考價值。

表2 中長期簽約電量預(yù)測誤差

4.2 市場運行經(jīng)濟性

本文選取地理位置相鄰（氣象資源相同）、并且相同斷面下的兩座裝機容量相同的風(fēng)電場進行市場運行經(jīng)濟性驗證，其中風(fēng)場電一采用本文所述方法簽約中長期電力并且參與省內(nèi)現(xiàn)貨市場，風(fēng)場電二采用傳統(tǒng)風(fēng)電功率預(yù)測的理論出力為參考簽約中長期電力并且參與省內(nèi)現(xiàn)貨市場，其風(fēng)電場一、風(fēng)電場二2022年1月份市場運行結(jié)果分別為：裝機容量100、100兆瓦，上網(wǎng)電量5800、5100兆瓦時，度電收入0.2034、0.1669元/千瓦時，市場發(fā)電收入117.97、85.12萬元。由此可見，采用本文所述方法簽約中長期電力的風(fēng)電場較之使用傳統(tǒng)方法的風(fēng)電場，上網(wǎng)電量提高13.7%，度電收入提升21.87%，綜合市場發(fā)電收入提升38.59%，市場運行經(jīng)濟性改善明顯。