深度｜电力体制改革背景下电企如何售电以获取最大化利益？-第6页-北极星售电网

投稿

我要投稿

由图4可以看出,两种场景生成算法的相同点是都能较好地刻画次日电负荷预测值的不确定性,也就是在大部分情况下,两种算法生成的场景集对原始数据的覆盖率都很高。为定性说明场景生成算法的有效性,由公式(5)计算得到的两种场景生成算法的覆盖率指标Qcover如表3所示。由表3的相关数据可以看出,在场景数n=1000即未进行场景缩减之前,两种算法生成的场景集对原始数据的覆盖率Qcover都很接近100%。在运用了后向场景缩减技术将场景缩减到20个之后,两种算法的覆盖率虽略有降低但效果也较为满意。而且场景缩减前后拉丁超立方体抽样算法的覆盖率指标均高于蒙特卡洛算法的结果,这也说明了拉丁超立方体算法的优越性。

再由公式(6)计算生成的场景集在相邻时段的相关系数CS (t-1)~t与历史数据集在相邻时段的相关系数Chistory (t-1)~t的近似程度Qcorr如表4所示。在随机选取的相邻时段40/41、65/66,与蒙特卡洛算法对比,拉丁超立方体算法生成的场景集在相邻时段的相关系数CS (t-1)~t与历史数据的相关系数Chistory (t-1)~t更为近似,也更能反映负荷在相邻时段的相关性。

4.3 场景数对计算结果和时间的影响

由市场出清模型可以求取不同报价场景s下热电厂A的边际出清价格和中标电量,然后输入到第

二阶段调度模型求解。本节将探究热电厂A的报价场景数s对第二阶段调度模型计算结果和时间的影响。依次改变输入到第二阶段调度模型的报价场景数s,即s在区间[4, 40]以4为间隔依次取值,统计总收益和计算时间随s递增的变化曲线如图5所示。

由图5可以看出,以场景数24为分界点,当场景数由4个依次递增到24个时,热电厂A总收益变化幅度较大,当场景数由24个递增到40个时,热电厂总收益虽略有增加,但趋向于一个较稳定的值。这是因为输入模型的场景数达到一个临界值时,其对应的削减后的场景集已经可以很好的刻画未缩减之前的场景集,因此当缩减后的场景数大于该临界点时,热电厂A的总收益变化不再显著。

此外,从图5的计算时间曲线随场景数的变化曲线可看出,当场景数为4时,计算时间为25 s,但当场景数为40时计算时间为420 s,计算时间增长的倍数大于场景的增长倍数。综合来看,为了在场景的不确定性刻画能力和计算效率之间权衡,最终确定将报价场景数缩减为24个。

4.4 竞价策略结果分析

根据图2的算法流程对模型进行求解就可以得到各发电商参与深度调峰市场可获更高收益的时段、报价系数以及市场出清价格,本节仅列出策略主体即热电厂A的报价系数如表5所示,其他发电商的报价系数不再列出。其中系数a的单位为元/(MW•h),系数b的单位为元/(MW2•h)。

调度机构汇总所有发电商的报价信息后,进行市场出清得到市场出清价格和各发电商的中标电量,其中热电厂A的中标电量以及市场的出清价格如图6所示。结合表5和图6可知热电厂A的投标和中标时段主要集中在时段68至时段87(本文以07:00为起始时刻,该时段对应的时刻为0:00—05:00),投标时段集中在0:00—05:00的原因是该时刻系统“热电冲突”最为紧张,系统调峰能力有限,急需额外的调峰资源补偿。由图6可看出,在时段80、81、82热电厂没有参与深度调峰市场的投标,这是因为在这些时段预测的市场边际出清价格小于售电价格,在这些时段热电厂参与电能市场获得的收益会更高。此外预估中标电量和投标电量上限之间留有裕度,使得竞价策略鲁棒性较好。

为了比较不同调度模式的差异,以说明本文调度模式的有效性,取表6所示的3种调度模式进行分析。