深度文章 | 绿色电力证书交易影响下综合型能源发售电商竞价策略研究

4.2 基于 MC-GA 的竞价策略求解流程 引入绿证交易市场后，计及输电阻塞影响的综 合能源型发售电商竞价算法流程如图 3 所示。

5 算例分析 

5.1 风电出力预测 

本文采用某风电场 2016 年 4—5 月份的历史数 据进行算例分析，利用第 2 节的模型和方法，借助 Matlab 2014a 进行求解。首先以 3 h 为间隔，选取 预测日前一个月样本日每天 8 个时间点的风速构成 日风速特征向量，根据样本进行预测相对误差概率 建模，得到误差概率函数如图 4 所示。

如图 4 所示，可以用正态分布来拟合预测误差。 然后利用系统抽样法得到预测日误差的拟合值。将 误差拟合值与预测结果相叠加，得到修正预测结 果、实际值和原始预测值的对比如图 5 所示，对应 各时刻点的预测误差对比见表 1。

结合上述图表可以看出，利用误差拟合值对预 测结果进行修正可在一定程度上提高预测精度。 5.2 综合型能源发售电商的竞价策略 本文以标准的 IEEE 14 节点系统为例来说明第 3 节提出的发售电商在日前电力市场和绿证交易市 场的联合竞价模型及第 4 节给出的求解方法。图 6 为 IEEE 14 节点系统接线图，系统参数见文献[16]。 假设市场公布总需求负荷 D=369 MW。市场中 共有 5 家发售电商，分为位于节点 1、2、3、6、8， 节点 2 处的发售电商为综合能源型发售电商，其余 4 家为其他类型发售电商(即 M=4)，可再生能源的 日配额比例 k 取 15%，发售电商相关参数见表 2。

 以节点 2 处的发售电商为研究对象，假设其他竞争 对手的报价参数服从正态分布，且竞争对手之间的 报价参数相互独立，其期望值和方差取值为 μi=1.2， σi=0.15(i=1, 3, 4, 5)。 采用 MC 法对竞争对手报价参数进行随机取样 时，给定随机模拟次数为 T=3000。在每一次的模拟 中，竞争对手的报价参数是固定的。GA 的种群规 模为 50，最大允许的遗传代数为 50，交叉和变异 概率分别取 0.9 和 0.005。在这里要求解发售电商 2

将考虑输电阻塞情况前后的各售电公司的售 电量情况绘制于图 7，可以更直观清晰的体现在发 售电商 2 执行最优报价策略时，各发售电商经过阻 塞管理后的出力变化，其中发售电商 1 的售电量被 大量削减，发售电商 3 和 4 的售电量有微量削减但 变化不大，发售电商 2，尤其是发售电商 5 的出力 大幅增加。

由上述求解分析可知，当引入了绿证交易市场 后，各发售电商既能满足政策需求又可使利润增 加。在制定最优竞价策略时，采用本文所给方法， 考虑可能发生的网络阻塞情况进行报价，不仅可以 提高一次交易成功率，更重要的是可以获得更高额 的利润，证明了该方法的实用性。

6 结论 

绿色电力证书为综合能源型发售电商达到配额制考核要求并弥补风电出力偏差提供了良好的 思路，首先，通过算例可知，本文提出的随机森林 回归算法和多场景缩减技术将风电出力预测结果 与误差场景相结合的方法，可以提高风电出力预测 的准确度；其次，本文建立了发售电商参与竞价的 日前市场与绿证交易市场联合优化模型，针对风电 实际出力不足和过剩 2 种情况，发售电商在绿证交 易市场中进行购电竞价和售电竞价，增加了发售电 商的总上网电量；考虑到网络中输电阻塞对发售电 商报价的影响，构造了基于节点电价法的输电阻塞 成本最小化模型，提高了一次竞价成功率；最后利 用蒙特卡洛模拟和遗传算法得到了最优竞价策略， 使发售电商满足配额制考核的同时能够获得更大 利益。 

参考文献 

[1] 马子明，钟海旺，谭振飞，等．以配额制激励可再生能源的需求 与供给国家可再生能源市场机制设计[J]．电力系统自动化，2017， 41(24)：90-96+119． Ma Ziming，Zhong Haiwang，Tan Zhenfei，et al．Design of market mechanism for incenting the demand and supply of renewable energy by quota system[J]． Automation of Electric Power System，2017， 41(24)：90-96+119(in Chinese)． 

[2] Wang Haining，Wang Lei，Shi Shuhong，et al．Research on US green certificate trading mechanism experience and domestic implementation prospects[J]．IOP Conference Series：Earth and Environmental Science，2019，237(5)： 35-52． 

[3] 舟丹．可再生能源绿色电力证书交易制度[J]．中外能源，2018， 23(5)：20． Zhou Dan．Green power certificate transaction system for renewable energy[J]．Energy Resources at Home and Abroad，2018，23(5)：20(in Chinese)． 

[4] 任玥．我国可再生能源配额政策的解读与发展方向分析[J]．中外 能源，2019，24(3)：15-20． Ren Yue ． Interpretation and development direction analysis of renewable energy Quota Policy in China[J]．Energy Resources at Home and Abroad，2019，24(3)：15-20(in Chinese)． 

[5] Liu Mi，Han Jinshan，Liu Dunnan．Research on green certificate trading mechanism of renewable energy[J]．IOP Conference Series： Earth and Environmental Science，2019，242(2)： 22-36．

[6] 尹龙，刘继春，高红均，等．考虑多种用户价格机制下的综合型 能源售电公司购电竞价策略[J]．电网技术，2018，42(1)：88-95． Yin Long，Liu Jichun，Gao Hongjun，et al．Study on bidding strategy of comprehensive power retailer under multiple user-price mechanisms[J]．Power System Technology，2018，42(1)：88-95(in Chinese)．

 [7] 左坤雨，刘友波，向月，等．基于信息互动的分布式可再生能源 多代理交易竞价模型[J]．电网技术，2017，41(8)：2477-2484． Zuo Kunyu，Liu Youbo，Xiang Yue，et al．Multi-agent transaction bidding model for distributed renewable energy based on information interaction[J]．Power System Technology，2017，41(8)：2477-2484(in Chinese)． 

[8] 朱兰，刘伸，唐陇军，等．充放电不确定性响应建模与电动汽车 代理商日前调度策略[J]．电网技术，2018，42(10)：3305-3314． Zhu Lan，Liu Shen，Tang Longjun，et al．Modeling of ging and disging uncertainty and research on day-ahead dispatching strategy of electric vehicle agents[J]．Power System Technology， 2018，42(10)：3305-3314(in Chinese)．

 [9] 周博，吕林，高红均，等．多虚拟电厂日前鲁棒交易策略研究[J]．电 网技术，2018，42(8)：2694-2703． Zhou Bo，Lü Lin，Gao Hongjun，et al．Robust day-ahead trading strategy for multiple virtual power plants[J] ． Power System Technology，2018，42(8)：2694-2703(in Chinese)． 

[10] Yang Wen，Pan Yanchun，Ma Jianhua，et al．Optimization on emission permit trading and green technology implementation under cap- andtrade scheme[J]．Journal of Cleaner Production，2018(194)：288-299． 

[11] 陈彦博，肖思吟．我国发电配额和绿证交易制度实施对策建议 [J]．中国经贸导刊，2016，(23)：8-10． Chen Yanbo，Xiao Siyin．Suggestions on implementing power quota and green certificate trading system in China[J]．China Economic Trade Herald，2016，(23)：8-10(in Chinese)． 

[12] Kun Tan，Weibo Ma，Fuyu Wu，et al．Random forest-based estimation of heavy metal concentration in agricultural soils with hyperspectral sensor data[J]．Environmental Monitoring and Assessment，2019， 191(7)：445-446． 

[13] 周亦洲，孙国强，黄文进，等．计及电动汽车和需求响应的多类 电力市场下虚拟电厂竞标模型[J]．电网技术，2017，41(6)： 1759-1766． Zhou Yizhou，Sun Guoqiang，Huang Wenjin，et al．Strategic bidding model for virtual power plant in different electricity markets considering electric vehicles and demand response[J]．Power System Technology，2017，41(6)：1759-1766(in Chinese)． 

[14] 彭谦，周晓洁，杨睿，等．泛在电力物联网环境下的综合能源型 售电公司参与电力市场竞争的报价策略研究[J]．电网技术，2019， 43(12)：4337-4343． Peng Qian，Zhou Xiaojie，Yang Rui，et al．Bidding strategy of comprehensive energy based power selling company participating in electricity market competition under ubiquitous environment of internet of things[J]．Power System Technology，2019，43(12)：4337- 4343(in Chinese)． 

[15] Pourghaderi N ， Fotuhi-Firuzabad M ， Moeini-Aghtaie M ， et al．Commercial demand response programs in bidding of a technical virtual power plant[J]．IEEE Transactions on Industrial Informatics， 2018，14(11)：5100-5111． 

[16] 刘泽洪，余军，郭贤珊，等．±1100 kV 特高压直流工程主接线与 主回路参数研究[J]．电网技术，2018，42(4)：1015-1022． Liu Zehong，Yu Jun，Guo Xianshan，et al．Study on main connection line and main circuit parameters of ±1100 kV UHVDC[J]．Power System Technology，2018，42(4)：1015-1022(in Chinese)．