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？

基于两阶段随机规划的热电机组深调峰辅助服务竞价策略

田亮1, 谢云磊1, 周桂平2, 葛维春3

1．华北电力大学 控制与计算机工程学院,河北省 保定市 071003

2．国网辽宁省电力有限公司 电力科学研究院,辽宁省 沈阳市 110006

3．国网辽宁省电力有限公司,辽宁省 沈阳市 110006

谢云磊(1994),男,通信作者,硕士研究生,研究方向为热电机组优化调度、随机规划等,E-mail：xylncepu@outlook.com;

周桂平(1976),男,高级工程师,研究方向为热电机组优化调度、电力调度自动化等,E-mail：18900911559@163.com;

葛维春(1961),男,高级工程师,研究方向为热电机组优化调度、电力系统及其自动化等,E-mail：gwc@ln.sgcc.com.cn。

摘要

随着中国电力体制改革的推进,热电厂可参与的能量市场呈现多样化。为了在多能量市场中使热电厂的收益最大化,提出基于两阶段随机规划的热电厂深度调峰辅助服务市场竞价策略。采用拉丁超立方场景法对负荷不确定性建模,并通过相应指标对场景的生成质量进行评估。为考虑竞争对手的可能报价和投标量及相应约束,采用动态排队法对深度调峰市场进行出清,得到深度调峰市场边际出清价格和出清量以确定热电厂在电能市场和深度调峰市场的投标量。最后以热电厂总收益最大为目标确定报价系数。算例结果表明,拉丁超立体法生成的场景质量比蒙特卡洛法生成的场景质量高,此外,同时参与电能市场和深度调峰市场的收益高于只参与单一市场的收益,而且配置储热罐会进一步提升收益。

关键词 :拉丁超立方抽样;深调峰辅助服务;两阶段随机规划;竞价策略;

0 引言

东北电网的电源结构中,各省热电机组在火电机组中占比已经超过60%。供暖期热电机组全容量运行,调峰能力较强的纯凝机组大量停机,造成系统调峰资源短缺。调峰资源短缺的直接原因是“热电冲突”但根本原因是各类电源争夺发电空间,属于利益分配问题。因此东北电力辅助调峰市场孕育而生[1],通过市场化手段鼓励热电机组进行技术改造提高调峰能力缓解系统调峰资源短缺问题。据统计2017年后三季度东北电力辅助市场调峰补偿已超过9.8亿元[2]。东北电力辅助市场最低档的服务定价0.4元大致为热电厂正常发电利润的两倍[3],即热电厂出让“发电空间”所获得的深度调峰收益比直接售电的收益高。因此有必要研究热电机组参与深度调峰辅助服务市场情况下的竞价策略。

关于深度调峰参与辅助服务市场,目前相关文献大都从市场整体收益最大化的角度,根据纯凝机组的深度调峰能力进行研究,较少涉及热电机组提供深度调峰服务获取补偿的情形。如文献[4]从纯凝火电机组的角度考虑其提供深度调峰服务获取收益,算例表明达到最佳调峰深度后机组可获最大效益,此后随着调峰深度的增加,深度调峰收益反而逐渐减少。文献[5]研究表明,深度调峰成本对深度调峰收益影响较大,若竞价策略不合理会导致纯凝机组的深度调峰收益低于基本调峰收益。文献[6]研究了深度调峰市场整体效益最大化问题。文献[7]研究了风电和热电机组为主体的发电集团以最大化集团利益为前提参与深度调峰市场。但文

献[6-7]仅考虑热电机组需求调峰服务而承担深度调峰费用分摊,未考虑其提供深度调峰辅助服务获取收益。然而热电机组通过配置储热罐等灵活性技术改造措施后提高了深度调峰能力,可为市场提供深度调峰服务[8]。此外上述文献都未涉及电能市场和深度调峰市场间的电量投标策略问题,若深度调峰市场边际出清价格(因东北电网的电能现货市场暂未建立,以下将深度调峰辅助服务市场边际出清价格简称为市场边际出清价格)低于电能市场的售电价格此时直接售电可获更高收益,所以策略主体需要根据预测的边际出清价格自行决定电能市场和深度调峰市场上的投标量以获取更高的收益。

深度调峰收益的结算方式为中标调峰电量与每档的边际出清价格的乘积之和。由于边际出清价格具有非平衡均值方差、多重季节性以及明显的日历效应的特点[9],想要获取准确的价格预测值并不容易,但热电厂仍需要从波动的价格中进行估算,以便做出最佳决策[10]。随机规划为不确定性下的决策问题构建了建模框架。为了对随机过程建模,需为每个不确定性参数生成一组有限的场景集及其对应的发生概率[11]。文献[10,12-13]采用蒙特卡洛模拟(Monte Carlo simulation,MCS)生成边际出清价格场景集,来表示对价格不确定性的具有鲁棒性的竞价。针对MCS对均值周围的抽样概率较高而两端被抽样概率较小的问题,文献[9,14]运用了拉丁超立体抽样(Latin hypercube sampling,LHS)技术来生成价格和负荷场景,以保持原始概率密度函数的主要特征。但上述研究只考虑到了边际出清价格的不确定性,没有考虑到策略主体中标电量以及竞争对手报价和投标量的不确定性。

针对上述问题,本文以热电厂为策略主体考虑其在电能市场和深度调峰市场间的电量投标策略问题,为此建立以热电厂总收益最大化为目标的两阶段随机规划模型：第一阶段采用LHS生成次日发电负荷场景来描述发电负荷的不确定性,此外为考虑策略主体中标电量以及竞争对手报价和投标量的不确定性,采用LHS生成竞争对手的报价场景集并采用动态排队法求解深调峰市场出清模型得到策略主体中标电量与市场边际出清价格,以确定策略主体参与深调峰市场可获更高收益的时段;第二阶段以热电厂总收益最大为目标建模并确定其在深调峰市场的报价系数。引入偏差补偿费用实现热电厂自调节与外部协调的调度模式以保证投标后热电平衡约束仍可满足。通过算例由相应的指标对场景的生成质量进行了评估,还对比了热电厂参与单个或多个电能市场的收益差异。

1 不确定性建模方法

本节将讨论日前发电负荷预测的不确定性建模。供热需求负荷预测值一般由气温预测值给出,气温预测较为准确,故本文暂不考虑供热需求负荷预测值的不确定性[15]。

1.1 不确定性描述

东北电力调峰辅助服务市场为日前市场其运作流程如下[3],将次日24 h分为96个时段,以15 min为一个交易周期,交易标的为机组的功率下调节能力。在日前阶段各发电厂在每日10:00之前向所辖调度机构上报次日深度调峰辅助服务意愿报价。日内运行时,在无偿调峰资源调用完毕后,电网调度员按照“按需调用,按序调用”的原则,根据各电厂的竞价排序,优先调用价格最低的深调峰辅助服务。

发电厂在深度调峰辅助服务市场的竞价,需要结合日前发电负荷来确定,即需要根据日前发电负荷来确定次日可参与电力调峰辅助服务市场的时段。参与深调峰辅助服务的本质是出让“发电权”以获取收益。热电厂需要在可参与深调峰辅助服务的时段,比较中标电量的售电收益与深度调峰收益,以决定是否出让“发电权”。市场出清后热电厂再按中标调峰电量进行降出力调整。由此可见,日前发电负荷的不确定性对热电厂参与深调峰辅助服务市场收益的影响较大。本文采用场景法来描述日前发电负荷不确定性。

1.2 场景生成与缩减

1.2.1 场景生成

随机规划方法中的每个不确定参数被建模为随机变量,通常由一组有限的实现或场景表示。本文使用MCS来生成随机场景。其中LHS是MCS的一种特例,LHS通过最大程度地对边际分布进行分层,确保完全覆盖变量范围,与其他MCS方法相比,可更精确地反映规定分布的形状[16-17]。此外LHS的分层抽样的方法,可以减少简单蒙特卡洛法的迭代次数。

本节采用具有特定上下限的高斯分布模拟发电负荷预测误差的概率密度函数[14],概率密度函数的参数可以由历史数据拟合得到。LHS用于采样发电负荷预测误差,并根据发电负荷预测的误差分布,将每个误差变量的累积分布分为N等概率间隔。从每个间隔中随机选择预测误差值,然后将预测值和误差值求和生成发电负荷场景。

1.2.2 场景缩减

由LHS生成的发电负荷预测场景数据量巨大,并且求解考虑所有场景的随机规划问题的计算工作量也是十分耗时的。因此需要获取不确定变量场景的子集,这些子集具有有限数量的场景,而且不会失去原始场景的概率统计信息。场景缩减技术可以有效地减少场景的数量并最大程度地保持样本的拟合精度。本节使用后向场景减少技术对生成的场景集进行缩减[14]。

假设由LHS生成的发电负荷预测值场景数为N,缩减后的场景数为n。后向缩减法的步骤如下：