基于日前電價預測的梯級水電廠報價策略

李華取 和珮珊 吳滇寧 周 娜

基于日前電價預測的梯級水電廠報價策略

李華取 和珮珊 吳滇寧 周 娜

（昆明電力交易中心有限責任公司，昆明 650011）

針對高比例水電電力市場，建立合理有效的水電廠日前報價策略，對保障水電有效參與市場、促進水電消納具有重要意義。首先考慮運行日系統出清電價的不確定性，基于歷史相似日識別，采用高斯過程回歸（GPR）建立日前出清電價概率預測方法；然后以水電廠自身售電收益最大為目標，構建梯級上游水電站日前分段容量報價的解析計算方法，并建立梯級上下游電站之間的出力耦合模型，基于出力耦合關系得出下游水電站的申報策略；最后對實際梯級水電廠日前分段容量申報進行仿真分析，證明所提梯級水電廠報價策略的可行性和有效性。仿真結果表明，所提方法可為高比例水電電力市場中水電廠參與日前競價提供合理的輔助決策參考。

水電廠；報價策略；電價預測；電力市場

0 引言

隨著國內電力體制改革政策的頒布，各省區都在積極推進電力現貨市場建設[1]。在以火電為主的國內現貨市場試點中，水電普遍以價格接受者方式參與市場，不參與市場報價。但針對西南省份的高比例水電區域，水電為主要競爭主體，以火電為主的市場機制不再適用[2-3]。高比例水電市場的建設面臨著梯級水電站耦合、利益協調困難、系統中水火同臺競價等諸多挑戰[4-6]。為保證水電合理參與電力現貨市場，如何建立有效的水電廠參與日前競價的決策方案是亟待解決的問題。

在日前市場中，各發電主體需要按其邊際成本進行報價。火電因其固有特性可基于燃料成本進行報價，且國內外已有大量關于火電廠競價上網和優化運行的研究[7-9]，但對水電而言，其缺乏邊際成本測算機制，無法沿用火電報價機制和策略。因此，充分考慮水電特性建立有效的日前決策報價曲線具有重要的現實意義。

針對水電站廠參與日前競價模型的相關研究，文獻[10]設計水電和火電的豐枯競價模式，枯水期水電全額消納，火電參與日前市場競價，豐水期水電參與市場競價，火電以最小開機方式運行，但沒有從本質上解決水電參與日前市場如何報價的問題；文獻[11]針對水電如何參與跨省區報價的問題，以中長期合約物理交割作為日前市場邊界，基于日前市場的增量競爭機制，通過測算邊際水價值曲線，建立以電量進行報價的日前市場增量報價策略，但只適用于日前增量報價模型，無法滿足集中式市場下日前全電量參與競價的決策；文獻[12]通過建立最小收益約束以達到規避市場風險的目的，進行水電的短期優化自調度，但其風險管理的處理方式并未與報價曲線相結合。現有水電站日前報價曲線的生成策略主要是基于預測的日前電價進行建模，文獻[13]考慮電價的不確定性，以日前市場與中長期合約價差收益和風險的綜合效用最大為目標，采用優化手段建立日前報價模型，實現過程較為復雜；文獻[14]基于水價值建立日前市場的報價曲線模型；文獻[15-16]以水電站期望售電收入最大為目標，統籌各時段的用水量與報價關系，以解析方法建立水電競價模型，具有簡單和物理意義明確的特點，但均未考慮水電站之間存在的梯級耦合關系。此外，上述文獻均沒有涉及電價不確定性的概率區間構建策略。

鑒于此，本文首先針對日前電價的不確定性，基于相似日識別方法，采用高斯過程回歸（Gaussian process regression, GPR）生成給定置信區間下的日前電價概率區間；然后以水電廠售電收益最大為目標，基于電價概率區間生成不同電價場景，建立生成梯級上游水電站報價曲線的解析計算方法，并通過出力耦合關系形成下游電站的報價策略；最后通過梯級水電站分段容量報價的仿真分析，證明所建立方法的可行性和有效性。

1 日前電價概率預測模型

1.1 問題描述

本文研究主要針對多數市場采用的集中電力市場模式，市場主體在日前市場中進行全電量競價，報價機制采用分時段階梯報價，市場主體在交割日提前一天將交易日各時段申報的量價信息提交至市場運營機構，其中發電廠的報價需為單調非遞減的容量報價曲線，用電側的報價與之相反。本文假設日前市場采用小時報價，價格機制采用邊際出清模式，市場運營機構基于發用供需平衡，根據發用報價曲線進行市場出清，供需曲線交點即為市場統一出清價（market-cleaning price, MCP）和市場中標量。系統邊際出清模型示意圖如圖1所示。

圖1 系統邊際出清模型示意圖

基于上述出清模型，市場主體可考慮自身可變成本，結合對日前出清電價的預測，制定報價策略獲取中標收益。一般情況下，水電站對次日的來水預測較為準確，收益的不確定性主要來源于日前市場的出清電價[13]，因此報價的制定策略首先需要建立日前電價預測方法。

1.2 相似日識別

日前電價受供需關系、網絡阻塞、用戶行為、氣象等多重因素影響而呈現波動特性，在影響因素相似運行工況下，日前電價通常具有類似的變化特點，即日前電價隨不同日期呈周期性變化。為此可基于歷史每天各時段的電價序列，匹配出與運行日運行工況相似度最高的日期，形成相似日集合，基于相似日的各時段電價序列便可進行日前電價概率區間預測。其中相似日識別具體實現過程如下[17]：

1）首先對影響電價的外界因素進行量化，并標準化處理形成指標的特征矩陣。本文主要考慮負荷規模、天氣和網絡阻塞程度等影響因素，基于歷史數據與預測運行日的指標情況分別形成特征矩陣和。

2）其次根據選取指標計算歷史數據與運行日的相似度，基于從大到小排序便可選取所需的相似日集合。其中相似度的計算方法為

1.3 基于GPR的日前電價概率區間預測

GPR可給出指定置信水平下的概率預測區間，相較于只給出確定值的預測更符合客觀實際，為此采用GPR對日前電價的不確定性進行建模，其原理和流程如下[17-18]。

對于輸入變量到目標值的映射關系，當考慮目標值含有噪聲時，有

當假設歷史樣本觀測值和預測值*服從聯合正態分布時，和預測值*的聯合分布為

其中，本文采用平方指數協方差函數作為核函數，其定義為[18]

基于式（8）和式（9）可得到在置信水平下預測值的概率區間為

基于上述高斯回歸過程原理，當得到相似日的歷史樣本電價時，便可預測運行日電價在給定置信水平下各時段的電價概率區間。

2 梯級水電廠報價曲線模型構建

對于有強耦合的梯級上下游水電站而言，由于水力、電力之間存在強時空耦合關系，下游電站的日發電量主要由上游電站決定，在下游電站對上游報價信息不知情的情況下，可能導致競標和發電量失衡、交易結果難以執行或出現棄水等問題。為此在梯級水電站市場占有份額不大、市場力可控的前提下，一種有效的方法是將上下游電站聯合出清，在報價階段，上游電站根據來水預測進行申報量價信息，下游電站根據上游電站的報價策略，基于電力耦合關系生成相匹配的報價信息[19]，以更好地實現日前發電計劃與實際發電量的吻合。

2.1 上游水電站分段容量報價策略

水電站的發電量主要由其庫容（蓄水量）決定，水電競價策略需要考慮的問題是，如何以有限的水量制定發電計劃，以獲取最大的收益。電力市場中，水電站追求收益最大化，考慮水電的發電成本基本可以忽略，因此水電站的售電收益可表示為

另外，各時段的用水量約束為

在滿足電站水位約束、流量限制約束等前提下，可構建增廣目標函數為

進而推導可得

在不考慮棄水條件下，水電站的下泄流量就為發電流量，由于上游水庫庫容較大，具有較好調節能力，可忽略日內運行中水位的變化，即各個時段發電流量與水電站出力的流量特性關系也可表示為以、為系數的二次函數[19]，即

因此將式（17）代入式（16）可得

2.2 下游水電站報價曲線構建

由式（17）可知水電機組發電流量與出力具有二次函數關系，因上游水庫庫容較大，可近似忽略運行中水庫水位變化，因此可對式（17）進行簡化并做線性化處理，重新描述為

另外，梯級下游電站的入庫流量主要由區間天然入流和上游下泄流量確定，即

因此由式（21）和式（22）可得到下游電站在時段出力為

由式（23）結合式（20）得到

也可表示為

據此可知，當確定上游電站的出力報價曲線時，根據下游電站測算的當前流量特性參數c和d（=1,2,…,），基于式（25）的上下游電站出力耦合關系，即可自動得出下游電站各時段的報價曲線。

2.3 基于電價預測的報價曲線生成策略

基于前述日前電價預測方法和申報容量解析計算方法，得出各時段預測電價分布后，便可根據±原則確定置信區間和區間離散電價點，則每個時段都有21個分段電價點，本文設定=2。由式（19）可知，在時段確定第個分段點電價對應的申報量時，需與其余時段點電價組合成運行日24點的電價序列，以此先確定參數的值，并由式（18）和式（19）可看出，其余時段的電價越高，則參數越小，其申報量越小。因此為盡可能覆蓋可能出現的全天各時段電價隨機組合情況，并充分增大各段申報量之間的差值，在依次計算各時段的電價點從小到大的申報量時，采用各時段電價點從大到小計算得到的參數，進行申報量的確定。即每個時段對應分段點的電價從小到大形成運行日的種電價序列，從而有組系數，以此便可生成每個時段的量價對，對申報量從小到大排序即可確定申報曲線。綜上分析可得，構建水電廠日前申報曲線的具體步驟為：

1）根據歷史電價樣本數據，考慮電價影響因素進行相似日識別，形成相似日集合。

2）上游電站基于相似日電價樣本數據，采用GPR對申報日的各時段進行概率區間預測，得出設定置信水平為（本文設定±2范圍）的電價區間。

3）在置信區間內將電價離散化，在每個時段取電價點分別為（-2，-，，+，+2），同時為避免各時段的電價隨機組合過多無法計算，各時段的電價視為具有強相關性，相關系數近似為1，因此取各時段相對應的電價點構成全天組電價序列。

4）由式（19）即可確定每組電價序列對應的參數值。

5）在每個時段，采用電價點從大到小計算得到的參數，依次計算各時段的電價點從小到大的申報量，根據申報量從小到大排序形成該時段的申報曲線。

6）重復步驟5）得到全天的報價曲線。

7）下游電站根據上游電站各時段申報曲線，基于式（25）上下游出力耦合關系得到報價曲線。

此外，在形成申報曲線過程中，需滿足水電站最大裝機容量約束，因此基于上述方法形成的申報曲線若超出最大容量約束，則可根據申報最大容量與裝機額定容量的差值等比例減小各分段的申報量。

3 仿真分析

本文以某實際局部電網進行仿真分析，系統中包含2家火力發電廠及上下游梯級電站A和B，上游電站A進行運行日來水預測，確定運行日用水量約為5 000萬m3，進行量價曲線申報，下游電站B作為價格接受者，只進行容量的申報及測算各時段的實時流量特性參數。河道坦化系數為1，運行日電站A測算的流量特性參數、，以及電站的額定容量見表1。因本文著重探討水電申報策略，火電以最小開機方式運行考慮，新能源作為價格接受者優先消納。另外，出清模型中以收購成本最小為目標，安全約束經濟調度（security constrained economic dispatch, SCED）模型采用線性規劃法求解，安全約束機組組合（security constrained unit commitment, SCUC）模型采用混合整數線性規劃法求解，基于Matlab環境下的Cplex求解器進行模型出清求解。

表1 水電站流量特性參數及額定容量

3.1 日前電價預測

國內現貨市場試點中只有四川電力市場具有高比例水電特性，因此以四川電力市場歷史運行數據為依據，對具有類似特征的日期進行識別，得到相似日集合作為運行日電價預測的訓練集，其中相似日集合選取共5天，具有120個電價樣本，相似日電價如圖2所示。根據GPR對申報日的日前電價進行預測，便可得到日前電價在不同置信水平下的電價分布，不失一般性，本文選用±2原則，即以 =95%置信區間進行電價概率區間生成，并基于此電價區間進行報價曲線的合成。其中，=95%置信區間下的預測日前電價分布如圖3所示。

圖2 相似日全天電價分布

圖3 a=95%置信區間下的預測日前電價分布

3.2 報價曲線生成

上游電站A預測運行日用水量約為5 000萬m3，基于所建立的方法，當報價曲線設為五段時，以上游電站A為例，得到全天各時段的申報量價如圖4所示。

圖4 電站A全天申報量價

另外基于上下游出力耦合關系，即可得到下游電站申報曲線，其中在生成的報價曲線中，分別選取負荷低谷和高峰部分時段的上游和下游電站申報曲線分別如圖5和圖6所示。

圖5 負荷低谷部分時段上下游電站報價曲線

圖6 負荷高峰部分時段上下游電站報價曲線

從圖5和圖6可看出，各時段的曲線除了第一段申報容量較大外，其余分段容量較為均衡。因為水電廠的運行邊際成本很低，在日前申報時可以較低的價格申報適當大的容量以保證獲得出清，防止出現棄水，并在出力較大時申報較高的價格以獲取更高收益，所以仿真結果與水電廠的運行特性相吻合。另外，結合圖4可看出，各時段申報的最大容量不盡相同，=18和=19時段處于負荷高峰時段，相較于負荷低谷時段（=1和=5），其預測電價更高，因此其申報量也更大，即水電廠可決策在負荷高峰時段適當增加用水量，以獲取更高的售電收益。

3.3 報價曲線有效性分析

針對水電廠的日前報價，現有電力市場采用的常規方法為：在水電站額定裝機容量范圍內進行均等容量報價，以各段出力增幅相同、電價增幅也相同進行申報[20]。為此本文選用均等容量報價方案與所提方法進行對比分析，在本文所提方法得出的最大申報量基礎上，采用等容量報價策略，各段容量和電價增幅相同作為本文所提方法的對比方案，并在全天中隨機選取第=20時段進行系統出清，其中=20時負荷需求為1 400MW，得到系統邊際出清價為304元/(MW·h)。=20時的均等容量報價曲線與本文所提方法得到的報價曲線及出清結果對比如圖7所示。另外，以上游電站A為例，各時段所獲得的售電收益與本文所提方法對比如圖8所示。

圖7 不同報價方案曲線對比

圖8 不同報價方案售電收益對比

從圖7可看出，在第=20時段由于均等容量報價沒有考慮用水量和制定競價策略，簡單將容量每段均分可能面臨中標容量小的問題，會導致售電收益不理想，不合理的中標容量甚至可能會出現棄水情況。另外從圖8也可看出，在運行日大部分時段，本文所建立的申報策略獲得的售電收益比均等容量報價方案高，其中運行日全天獲得售電收益對比見 表2。從表2可看出，基于所提方法A電站售電收益為3 289 602.75元，而均等容量報價獲得收益為2 613 022.05元，同時所提報價方法使下游電站獲得的收益為1 019 443.78元，而均等容量方案為785 715.90元，相較于等容量報價均具有較好的優勢。因此，所建立報價策略可為水電廠帶來更高的售電收益，以及為水電廠在日前市場競價中提供更合理的輔助決策參考。

表2 不同報價方案水電站全天售電收益對比

3.4 下游電站申報容量影響因素分析

若考慮上下游電站存在時滯效應，當時滯為2h時，上下游電站在全天各時段的申報容量如圖9所示。另外，若考慮上下游電站區間有天然流量匯入，當不存在時滯時，沒有區間流量匯入和考慮區間匯入流量為360m3/s時全天各時段的申報容量如圖10所示。

圖9 考慮時滯上下游電站各時段申報容量

圖10 考慮區間匯流下游電站各時段申報容量

從圖9可看出，當時滯為2h時，下游電站B的申報容量大小主要由前兩個小時的上游電站A申報容量決定，即B電站各時段申報容量大小變化關系滯后于A電站2h。從圖10可看出，若存在區間流量匯入，因下游電站B發電流量增大，相較于無區間天然流量匯入，全天各時段的決策申報容量都更大，以尋求獲得更多的中標容量和防止出現棄水。

綜上所述，本文所提報價策略在下游電站考慮時滯效應、區間有天然流量匯入等影響因素時，也可為水電廠提供有效的日前報價曲線決策方案，具有較好的適應性和可行性。

4 結論

本文結合日前電力市場特點和水電站固有運行特性，以水電站售電收益最大為目標，考慮出力耦合關系，以解析方法建立了梯級上、下游電站在日前市場的申報量價策略。通過仿真分析得出以下結論：

1）以給定置信水平生成日前電價概率區間，從而構建不同電價場景、確定水電廠申報容量，可有效保證水電廠獲得中標容量和收益。

2）通過以水電廠售電收益最大為目標，以解析的方法得出梯級電站的申報曲線，物理意義明確且實現過程簡單，具備較強的可行性。

3）基于所提方法在構建梯級上下游電站報價曲線時，充分考慮了梯級耦合關系、水流時滯、區間天然流量匯入等影響因素，可有效協調梯級上下游水電廠進行日前量價申報。且當市場采用不同的價格機制時，通過對電價的預測也可繼續貫穿執行所建立的報價方法，即所提方法具有較好的可擴展性。

本文立足于高比例水電電力市場，旨在為水電廠進行日前報價決策提供合理的輔助參考，如何綜合考慮水電廠的優先電量、中長期合約分解電量、跨省跨區交易電量等因素，制定更完善和貼合實際的水電廠日前申報策略是值得進一步深入研究的內容。

[1] 李澤宏, 曾楊超, 周暢游, 等. 基于電力現貨市場出清模擬的節點電價影響因素分析[J]. 電氣技術, 2020, 21(5): 41-47.

[2] 韓曉言, 丁理杰, 陳剛, 等. 梯級水光蓄互補聯合發電關鍵技術與研究展望[J]. 電工技術學報, 2020, 35(13): 2711-2722.

[3] LIU Shuangquan, YANG Qiang, CAI Huaxiang, et al. Market reform of Yunnan electricity in southwestern China: practice, challenges and implications[J]. Renewable and Sustainable Energy Reviews, 2019, 113: 109265.

[4] 張宏圖, 熊志杰, 朱燕梅, 等. 基于“虛擬水庫”的梯級水電現貨報價單元組建方法[J]. 電工技術學報, 2022, 37(3): 719-728.

[5] 王京景, 吳旭, 王正風, 等. 基于多目標模糊優化的抽蓄水火電聯合調峰方法[J]. 電氣技術, 2019, 20(11): 33-38, 45.

[6] MOISEEVA E, HESAMZADEH M R. Strategic bidding of a hydropower producer under uncertainty: modified benders approach[J]. IEEE Transactions on Power Systems, 2018, 33(1): 861-873.

[7] 王力, 杜濟園. 基于電力市場環境的機組組合優化運行研究[J]. 電氣技術, 2019, 20(8): 38-44.

[8] FAN Lei, WANG Jianhui, JIANG Ruiwei, et al. Min- max regret bidding strategy for thermal generator considering price uncertainty[J]. IEEE Transactions on Power Systems, 2014, 29(5): 2169-2179.

[9] 郭通, 李永剛, 徐姍姍, 等. 考慮多主體博弈的火電機組靈活性改造規劃[J]. 電工技術學報, 2020, 35(11): 2448-2459.

[10] 路軼, 胡曉靜, 孫毅, 等. 適應高水電占比的電力現貨市場機制設計與實踐[J]. 電力系統自動化, 2021, 45(9): 162-170.

[11] 鄧玉敏, 石峰, 夏清, 等. 跨省區水電參與現貨市場的機制和交易策略[J]. 電網技術, 2021, 45(8): 3190- 3202.

[12] YUAN Xiaohui, WANG Yunyan, XIE Jun, et al. Optimal self-scheduling of hydro producer in the elec- tricity market[J]. Energy Conversion and Management, 2010, 51(12): 2523-2530.

[13] 于旭光, 李剛, 李亞鵬, 等. 計及電價風險和差價合同的梯級水電站日前市場競價模型[J]. 電力系統自動化, 2022, 46(5): 62-72.

[14] AASG?RD E K, NAVERSEN C ?, FODSTAD M, et al. Optimizing day-ahead bid curves in hydropower production[J]. Energy Systems, 2018, 9(2): 257-275.

[15] 伍永剛, 高英. 一種基于預測電價的水電站報價方法研究[J]. 電工技術學報, 2004, 19(9): 90-94, 89.

[16] HE Li, CHEN Dong, LI Hui. A simple piecewise bidding strategy for hydropower plant in liberalised electricity market[C]//2010 9th IEEE/IAS International Conference on Industry Applications-INDUSCON, Sao Paulo, Brazil, 2010: 1-5.

[17] 楊穎, 楊少華, 張燕, 等. 基于相似日的短期電價區間預測[J]. 智慧電力, 2018, 46(12): 23-29.

[18] 劉升偉, 王星華, 魯迪, 等. 基于改進高斯過程回歸的短期負荷概率區間預測方法[J]. 電力系統保護與控制, 2020, 48(1): 18-25.

[19] 張粒子, 劉方, 許通, 等. 多運營主體梯級水電站參與的日前市場出清模型[J]. 電力系統自動化, 2018, 42(16): 104-110.

[20] 四川省經濟和信息化廳. 四川電力現貨市場建設試點方案及相關實施細則(模擬試運行征求意見稿)[Z]. 成都, 2019.

Bidding strategy of cascade hydropower plants based on day-ahead electricity price forecasting

LI Huaqu HE Peishan WU Dianning ZHOU Na

(Kunming Power Exchange Center Co., Ltd, Kunming 650011)

Aiming at the high proportion hydropower power market, establishing a reasonable and effective day-ahead quotation strategy of hydropower plants is of great significance to ensure the effective participation of hydropower in the market and promote the consumption of hydropower. Firstly, considering the uncertainty of the clearing price of the system on the operation day, based on the identification of historical similar days, the probability prediction method of day-ahead clearing price is established by using Gaussian process regression. Then, aiming at maximizing the power sales revenue of hydropower plants, the analytical calculation method of the day-ahead subsection capacity quotation of cascade upstream hydropower stations is constructed, and the output coupling model between cascade upstream and downstream hydropower stations is established. Therefore, the biding strategy of downstream power station is obtained based on the output coupling relationship. Finally, the simulation analysis of the day-ahead segmented capacity declaration of the actual cascade hydropower plants verifies the feasibility and effectiveness of the proposed bidding strategy. The simulation results show that the proposed method can provide a reasonable auxiliary decision-making reference for hydropower plants to participate in the day-ahead bidding in the high proportion hydropower power market.

hydropower plant; bidding strategy; electricity price forecasting; electricity market

2022-05-10

2022-05-24

李華取（1996—），男，云南省曲靖市人，碩士，主要從事電力市場相關研究工作。