深度文章｜泛在电力物联网环境下综合能源型售电公司参与电力市场竞争的报价策略研究-北极星售电网

投稿

我要投稿

摘要：2019 年国家电网提出建设“泛在电力物联网”，实现电力系统各环节万物互联。新一轮电力体制改革下产生的售电公司如何利用庞大的数据信息在电力市场竞争中获得最大利润成为其关注的最重要核心问题。以泛在电力物联网建设为背景，研究了含火电和风电的综合能源发电商成立的售电公司参与电力市场竞争的营销策略问题。首先介绍了泛在电力物联网的数据应用特性。以泛在物联网提供的实时全面的数据信息平台为基础，在海量数据中进行精准快速的查找提取，创新性引入了“气象相似日”概念，创建了附加自适应动态规划校正环节的小波神经网络模型对用户负荷需求进行了预测。通过泛在物联网收集的全面实时数据，引入了模糊聚类的方法，并采用遗传算法对 BP 神经网络模型进行改进，提高了对短期市场出清电价的预测准确度，为竞价策略的制定奠定基础；其次基于泛在数据下报价的概率密度函数，构建了售电公司的贝叶斯博弈竞价模型，通过求取贝叶斯纳什均衡解得到最优电力营销策略；最后对实际算例进行求解，进一步验证所提方法的实操性。

（来源：电网技术作者：彭谦，周晓洁，杨睿，贾梧桐）

关键词：泛在电力物联网；售电公司；电力市场；电价营销策略；博弈论

0 引言

近年来由于电力市场化改革和能源互联网的发展，产生了大量涉及发输变配用各环节的未被完全利用起来的泛在数据。2019 年国网公司提出“泛在物联网”概念，计划将这些海量的数据收集起来，全面感知源网荷储设备运行状态和环境信息。新一轮电力市场改革带动售电侧竞争日益激烈，能够共享“泛在数据”平台并进行合理利用，无疑是综合能源型售电公司提高市场竞争力，获取更大利润的新契机。

参考国内外关于售电公司电价营销策略的研究，文献[1-3]介绍了电力市场中存在的几种竞价方法，并详细比较了各种方法的优劣性。文献[4]通过多场景拟合的方法，模拟了售电公司在不同负荷预测下能够得到的收益。文献[5-6]通过对电价进行预测，研究了不同竞价场景下售电公司的收益情况，但所用的预测模型精度较差。文献[7]以售电公司购电成本最低为目标函数，建立了其参与电力市场竞争的竞价模型。而文献[8]通过分析售电公司竞价策略的风险，给出优化后的购售电策略。文献[9]在分析售电公司特性的基础上，主要针对售电公司在日前电力市场上的电价竞标问题进行了研究。文献[10]探讨了用户活跃性对售电侧市场的直接的影响，但以上研究在建立模型的过程中由于所掌握的数据信息受到时间和空间上的限制，从而会对最后结果造成一定误差。

本文重点研究泛在物联网环境下，以火电为主，包含大量风电的综合能源发电商成立的售电公司参与电力市场竞争的营销策略问题。在泛在物联网提供的全空间实时数据基础上，多家售电公司参与电力市场竞价的过程可转化为一个静态博弈问题，影响该问题的 2 个关键因素是用户电力需求和电力市场出清电价预测的准确度。所以本文依托泛在数据平台的大数据特性，通过对历史数据的快速精准提取，创新采用基于“气象相似日”的改进型小波神经网络模型(wavelet neural network，WNN)对用户负荷需求进行预测，并提出基于模糊聚类的GA-BP 神经网络模型对短期市场出清电价进行预测，为竞价策略的制定奠定基础。基于泛在数据拟合出的更准确的报价概率密度函数，构建售电公司的贝叶斯博弈竞价模型，最终通过求取贝叶斯纳什均衡解得到电力营销最优策略。

1 泛在电力物联网的大数据应用

当前，世界能源革命与数字革命融合发展，国家电网公司 2019 年提出了“泛在电力物联网”建设运营计划 [11-12] ，并将其列为与“坚强智能电网”并重的工作。

根据国家电网的权威定义 [13] ，“泛在电力物联网”即围绕电力系统各环节，充分应用移动互联、人工智能等现代信息技术、先进通信技术，实现电力系统各环节万物互联、人机交互，具有状态全面感知、信息高效处理、应用便捷灵活特征的智慧服务系统。其能够广泛应用大数据、云计算、物联网、移动互联、人工智能、区块链、边缘计算等信息技术和智能技术，将电力用户及其设备、电网企业及其设备、发电企业及其设备、供应商及其设备，以及人和物连接起来，通过信息广泛交互和充分共享，实现数字化管理。

2018 年国家电网着手打造 SG-eIoT(ElectricInternet of Things)系统，未来泛在电力物联网拥有具有巨大应用潜力。目前基础数据连接难以下沉，且单个小数据价值密度低，但海量数据集合后价值巨大，泛在物联网搭建起来后，这些数据将储存在公共云平台中，在此基础上可以建立开展更多综合能源的服务，与用户建立良好的互动。同时综合型能源售电公司在制定电价营销策略时，也能够掌握全时空的实时数据进行研究和分析，这将极大地提高电力市场竞争效率，并且使社会效益达到最大化。

2 基于“气象相似日”与改进小波神经网络的短期负荷预测

本文引入“气象相似日”的思想，结合灰色关联分析法和加权相似度公式得到与“预测日”相似的“历史日”数据，按照“1 维相似日负荷均值+前 6 维训练(预测)下 1 维”的思路，采用 WNN 进行短期负荷预测。

2.1 小波神经网络

全面实时的数据信息与精准的预测方法，是指导售电公司制定报价策略的关键。本文引入“气象相似日”的思想，并采用附加自适应动态规划(adaptive dynamic programming，ADP)校正环节修正的 WNN 对用户负荷进行预测，通过泛在数据平台提取实时数据对 WNN 参数进行更新，提高预测精度。WNN 较 BP 神经网络具有更强的学习能力，精度更高，对同样的学习任务，结构更简单，收敛速度更快。且其较 BP 神经网络而言，逼近能力更灵敏，容错能力更强。预测原理如图 1 所示。