深度｜新电改背景下售电公司的购售电策略及风险评估

5.2 不同风险规避因子对售电公司购售电策略的影响

本算例主要用于评估风险规避因子对售电公司购售电策略的影响,在置信度水平μ为0.95,单位风电和光伏电量收购价格为500元/(MW·h)的条件下,计算得到不同风险规避因子ρ下售电公司在不同能量市场的购电规模,如表1所示。从表中可以看出,随着售电公司的风险规避因子ρ逐渐变大,售电公司购买的可再生能源总电量基本没变,这是因为风电和光伏的收购电价高于其他能量市场电价,给售电公司带来了收益风险,所以可再生能源购买量满足最小购电比例后,不会再有较大的增幅。由于分布式电源收购电价较低,售电公司会尽可能多的购买分布式电源,从而降低自身购电风险,但是分布式电源容量有限,因此分布式电源的购电量也没有太大变化。与此同时,售电公司为了减少售电风险,逐步减少了在现货市场中的购电量,并增加在中长期市场的购电量。这是因为现货市场的电价具有不确定性和随机性,售电公司为了降低自身风险会减少其在现货市场的购电量。由于现货市场的电价较高于中长期市场的电价,售电公司的期望条件风险价值收益也会略有增加。

表1 不同风险规避因子下售电公司在不同能量市场的购电规模

5.3 储能和分布式电源对售电公司收益的影响

本算例用于研究分布式电源和储能设备对售电公司收益的影响。在置信度水平μμ为0.95,风险规避因子ρρ为5,单位风电和光伏电量收购价格为500元/(MW·h)的条件下,研究以下4种购电业务组合模式对售电公司收益的影响。

模式一：不考虑分布式电源和储能。

模式二：不考虑分布式电源。

模式三：不考虑储能。

模式四：考虑分布式电源、储能。

不同购电业务组合模式下售电公司收益如表2所示,模式二是为了分析储能的重要性以及对售电公司收益的影响,储能设备充电所需要的能量来源于现货市场,所以现货市场的期望购电成本有所增加。但是储能设备在低电价时段充电,高电价时段放电,售电公司整体收益因此有所增加。模式三是为了分析分布式电源的重要性以及对售电公司的影响,由于分布式电源价格较便宜,为了降低风险,售电公司会倾向于购买分布式电源的电能,并减少中长期市场购电电量,从而期望收益有所增加。但由于分布式电源容量有限,售电公司从其购买的电量有限。模式四综合考虑了储能和分布式电源,储能和分布式电源的优势都可以体现,因此售电公司的期望收益最大。

表2 不同购电业务组合模式下售电公司期望收益

与此同时,在模式二下以某场景为例研究储能设备的充放电策略,结果如图2所示。从图中可以看出,储能设备在夜间23:00至次日早晨6:00、13:00至17:00大多处于充电状态,因为对应时段系统负荷水平较低,现货市场电价也较低,售电公司在该时段购入电能将储能设备充满电,可以有效降低购电成本;同时由于储能设备的充电作用,可以消纳部分风电功率,对风功率因反调峰特性对电网带来的冲击起到一定的平抑作用。但由于储能设备的租用价格较高,售电公司为有效控制收益风险,将不能大规模地租用储能设备,因此可充电量有限。从图中还可以看出,储能设备在白天9:00至12:00以及傍晚19:00到22:00处于放电状态,因为系统在这两个时段的负荷水平较高,现货电价也较高,售电公司为了降低购电风险或者在现货市场进行电量对冲套利,将控制储能设备处于放电状态,提高自身的购售电收益。同时储能设备在系统负荷高峰时段放电,对减小系统负荷峰谷差起到一定作用。

图2 某场景下售电公司所购风电及光伏电量与储能设备充放电控制策略

5.4 可再生能源价格和预测精度对售电公司收益的影响

本算例主要用于评估可再生能源的收购价格和预测精度对售电公司收益的影响,在置信度水平μμ为0.95,风险规避因子ρρ为5的情形下,研究不同可再生能源价格以及不同可再生能源预测精度下的售电公司条件风险收益,其中不同预测精度的单位可再生能源场景出力及概率见附录图4—9及表1。

不同可再生能源购电价格和预测精度下售电公司的条件风险收益如图3所示,售电公司的条件风险收益随着可再生能源的价格而逐渐减少,当可再生能源价格从250元/MW增长到300元/MW时,售电公司的收益显著减少。这是因为现货市场的电价均值为250元/MW左右,当可再生能源的价格低于250元/MW,才会有一定的优化空间,即售电公司会购买超过最小比例的可再生能源;当可再生能源的价格超过250元/MW时,售电公司只会按照要求,购买最小比例的可再生能源以降低自身风险。因此,购电量的减少和可再生能源价格的上涨会导致售电公司的收益显著减少。当可再生能源价格大于250元/MW时,售电公司的收益仅会因为可再生能源价格的上涨而略有下降。同时售电公司对可再生能源出力的预测精度,也将影响可再生能源的收购收益,进而影响售电公司的条件风险价值。根据图3可以得出,随着可再生能源预测精度的不确定性增加,售电公司的风险也会随之增加,进而使售电公司的期望条件风险收益减小。

图3 不同可再生能源购电价格和预测精度下售电公司的条件风险收益

6 结论

本文在计及可再生能源机组购电费用、分布式电源购电费用和储能设备租赁费用的基础上,建立售电公司在多能量市场购电组合模型,以条件风险利润最大化为目标,进行售电公司购售电业务决策和风险评估,通过算例得出以下结论：

1）售电公司的风险规避因子会影响其在各能量市场的购电量和条件风险收益;随着风险规避因子的增大,售电公司条件风险利润也会略有增加。

2）在购电侧业务引入分布式电源和储能后,售电公司的条件风险利润会有所增加,其应尽可能多的调用分布式电源和采取科学的储能充放电策略;同时储能可以对风功率因反调峰特性对电网带来的冲击起到一定的平抑作用。

3）可再生能源的价格和预测精度会影响售电公司的风险和收益,并且可再生能源价格越低、预测精度越高,售电公司的利润越高。

本文工作可以为售电侧放开背景下售电公司的购电策略提供理论指导和战略储备,有利于售电公司进行购售电决策和风险规避,从而增强市场活力,并提高商业竞争力。

参考文献

[1]中共中央国务院.关于进一步深化电力体制改革的若干意见(中发[2015]9号)[Z].2015.

[2]胡晨,杜松怀,苏娟,等.新电改背景下我国售电公司的购售电途径与经营模式探讨[J].电网技术,2016,40(11):3293-3299.HuChen,DuSonghuai,SuJuan,et al.Preliminary research of trading approach and management modes of Chinese electricity retail companies under new electricity market reform[J].Power System Technology,2016,40(11):3293-3299(in Chinese).

[3]王林炎,张粒子,张凡,等.售电公司购售电业务决策与风险评估[J].电力系统自动化,2018,42(1):47-54,143.WangLinyan,ZhangLizi,ZhangFan,et al.Business decision- makings and risk assessment of electricity retail market[J].Automation of Electric Power Systems,2018,42(1):47-54,143(in Chinese).

[4]顾伟,任佳依,高君,等.含分布式电源和可调负荷的售电公司优化调度模型[J].电力系统自动化,2017,41(14):37-44.GuWei,RenJiayi,GaoJun,et al.The optimal scheduling model of power sales company considering distributed generation and adjustable load[J].Automation of Electric Power Systems,2017,41(14):37-44(in Chinese).

[5]罗琴,宋依群.售电市场环境下计及可中断负荷的营销策略[J].电力系统自动化,2015,39(17):134-139.LuoQin,SongYiqun.Marketing strategy in competitive retail market considering interruptible load[J].Automation of Electric Power Systems,2015,39(17):134-139(in Chinese).

[6]NojavanS,ZareK,MohammadhvatlooB.Application of fuel cell and electrolyzer as hydrogen energy storage system in energy management of electricity energy retailer in the presence of the renewable energy sources and plug-in electric vehicles[J].Energy Conversion and management,2017(136):404-417.

[7]杨萌,艾欣,唐亮,等.计及风险规避的售电公司平衡市场优化交易策略研究[J].电网技术,2016,40(11):3300-3309.YangMeng,AiXin,TangLiang,et al.Optimal trading strategy in balancing market for electricity retailer considering risk aversion[J].Power System Technology,2016,40(11):3300-3309(in Chinese).

[8]任艺,李庚银,周明.售电公司购售电决策及风险管理评述[J].现代电力,2017,34(4):79-85.RenYi,LiGengyin,ZhouMing.A survey on electricity procurement decision-making and risk management for electricity sale company[J].Modern Electric Power,2017,34(4):79-85(in Chinese).

[9]Gabriel SA,Ferudun GM,BalalrishnanS.A simulation approach to balancing annual risk and reward in retail electrical power markets[J].IEEE Transactions on Power Systems,2002,17(4):1050-1057.

[10]葛晓琳.水火风发电系统多周期联合优化调度模型及方法[D].北京:华北电力大学,2013.

[11]王群.风/光经典场景集的生成方法及应用[D].杭州:浙江大学,2015.

[12]杜松怀.电力市场[M].北京:中国电力出版社,2008.

[13]MGhofrani,RAzimi,MNajafabadi.A new day-ahead hourly electricity price foreing framework[C]//2017 North American Power Symposium(NAPS).2017:1-6.

[14]曾鸣,孙晓菲,李娜,等.电力市场环境下可再生能源政策制定[J].科技和产业,2012,12(4):14-18.ZengMing,SunXiaofei,LiNa,et al.Renewable energy policy in electricity market environment[J].Science Technology and Industry,2012,12(4):14-18(in Chinese).

[15]IRCP.Power purchase agreements (PPAs) and energy purchase agreements (EPAs) [R].Washington,DC:World Bank Group,2017.

[16]张奇,王官庆,翟慧娟.我国分布式电源的发展及综合效益指标体系分析[J].华东电力,2012,40(7):1248-1251.ZhangQi,WangGuanqing,ZhaiHuijuan.The development of the distributed generation in our ry and the index system of comprehensive benefit analysis[J].East China Electric Power,2012,40(7):1248-1251(in Chinese).

[17]WangX,LiZ,ShahidehpourM,et al.Robust line hardening strategies for improving the resilience of distribution systems with variable renewable resources[J].IEEE Transactions on Sustainable Energy,2017(99):1-1.

[18]SunQiuye,HuangBonan,LiDashuang.Optimal placement of energy storage devices in microgrids via structure preserving energy function[J].IEEE Transactions on Industrial Informatics,2016,12(3):1166-1179.

[19]罗琴.市场环境下售电公司购售电策略研究[D].上海:上海交通大学,2014.

[20]Karandikar RG,Khaparde SA,Kulkarni SV.Strategic evaluation of bilateral contract for electricity retailer in restructured power market[J].International Journal of Electrical Power & Energy Systems,2010,32(5):457-463.