电力市场下发电商经济运行方式分析

2017-11-01 08:56:28 大云网　点击量：评论 (0)

由于电力市场运行机制系统引入了竞争，因此在电力市场中价格不再由国家行政部门制定，而是自律于电力市场，此时各电力公司必须面对电力市场化运行所带来的新问题和更大的挑战，从而保持良好的经营状况。1 电力

由于电力市场运行机制系统引入了竞争，因此在电力市场中价格不再由国家行政部门制定，而是自律于电力市场，此时各电力公司必须面对电力市场化运行所带来的新问题和更大的挑战，从而保持良好的经营状况。

1 电力市场的形成
在电力工业发展初期，电力行业主要采用垄断经营模式，主要原因如下。

1) 电力工业是规模效益明显的行业，在达到最优规模效益点之前，垄断经营方式有利于提高其效益。因此，电力工业在达到相当大的规模后仍然保持垄断经营。

2) 电力行业是资本、技术密集型产业，由于投入巨额资金，导致中小投资者早已被排除在电力行业门槛之外。

3) 电力工业是国民经济的基础行业，对国民经济发展和居民生活水平有巨大影响，各国政府处于促进经济发展或者维护安全的目的，对电力工业都采取了不同程度的管制。

4) 电力不能储存，电能生产必须时刻保持与消费平衡，否则可能会导致停电，带来巨大的损失。

2 电力市场的基本特征
根据电力市场发展的程度，可分为原发性电力市场和电力市场的发展两类。电力市场往往被限制在发电侧竞争，而在输电、配电和用电侧继续实行垄断。因此，调度和交易中心将只使用那些充裕的生产成本或价格低于电力市场价格和提供可靠的电力，并满足系统负荷的要求。电力市场的基本特征是：开放性、竞争性、计划性和协调性。与传统垄断的电力系统相比，电力市场最大的特征是具有开放性和竞争性。与普通的商品市场相比，电力市场则具有计划性和协调性。

3 期货交易市场与现货交易市场
发电侧电力市场的交易按时间可分为期货交易、现货交易、实时交易(实时电力电量平衡)3种模式。

期货交易是一个过程，指在未来相当长的一段时间，电网企业与大容量的发电企业的合同。事实上，期货交易包括期货合约和长期合约。期货市场与商品期货合约的流通代表着高度完善的系统领域，为建立规范的电力期货市场需要投入大量的人力和物力。与此相反，长期合约并不需要规范电力期货市场，只有当事人签署的合同，简单而实用，这是目前电力期货市场的主要途径。在未来，随着电力市场的发展和完善，长期合约的比例将逐步减少最终由期货合约取代。

4 发电成本分析
发电成本包括燃料费、管理费、检修费和发展费。参与竞价的单位可以是机组、发电厂或发电公司，竞价的周期可以是年、月、日或小时。下面先研究单时段发电成本曲线，包括二次成本曲线和线性成本两种情况。通常认为发电成本是发电功率的二次函数，即对发电公司(或发电厂、发电机组)i，设发电功率P在短时间(如1h)内恒定不变，则1h内发电公司的发电成本Ci与发电功率Pi间有如下的二次函数关系:

Ci= a Pi + b P di i

式中: ai，bi和 di为发电公司(或发电厂、发电机组))i 的成本曲线系数，可以通过对发电成本的统计分析获得:i=1,2,...,m为发电公司(或发电厂、发电机组)的编号，m 为系统中参与竞标的发电公司总个数。

5 竞争性报价策略及其最优算法
发电厂进行竞争性报价的策略主要可以分为以下3种。

1) 基于预测市场出清价(MCP)的竞争性报价方法
   如果一个发电厂可以准确预测MCP，那么只要报出稍微低于MCP 的价格即可获利。由于在大多数电力市场中可供查询的公开数据十分有限，因而十分精确地预测 MCP比较困难。

2) 基于预测其他竞争对手报价行为的方法
   这种方法需要对整个市场中所有竞争对手的报价策略和费用函数的各项参数进行预测，然后利用概率论或者模糊数学的方法得到报价方案。

3) 基于遗传算法(GA)的竞争性报价方法
   这是目前最为先进的报价方法。电力市场不是一个完全意义上的竞争市场，而是一个典型的寡头垄断市场。遗传算法是经济学上研究寡头垄断市场常用的工具之一，是专门研究两个及两个以上有利益冲突的个体，在有相互作用的情况下，如何进行各自优化决策的理论。因此，用遗传算法来研究电力市场主体的行为应该是很合适的。

6 遗传算法在竞价策略分析中的应用
近年来，新出现的人工智能技术(如神经网络、遗传算法等)已越来越多地应用于电力工业领域。遗传算法是一种基于自然选择和群体遗传学的随机、迭代、进化和并行搜索的算法。与传统方法相比，具有可并行性、全局最优性、不依赖问题模型的特性，计算简单等优点。

遗传算法应用在竞价策略中，是允许发电企业直接测试市场报价策略的一般假设。但要基于一定的前提条件，例如，先假设机组容量和系统结算价格相关的拍卖利润，并进一步假设前者是同时与表单关联，并测试了大量可能的交易规则，从中搜索出有利的投标策略。遗传算法仅需要很少的信息，其高效、灵活的特性对竞价策略的分析将是非常有效的。

6.1 利润函数
主要研究的对象是基于利润最大化的火力发电企业竞价决策模型，其目标函数是单个报价时段单个机组利润的最大化。

6.2 算法寻优
遗传算法的优化过程可以理解为：在正常工作条件下的电力企业，根据市场出清价格预测未来期间的接收或释放电能最优化，同时要满足约束条件的限制，通过对目标函数评价其优劣的市场信息。

第一步：参数编码。让该单元的运行周期24小时，每1周期被分成48个时隙。考虑到实际需要和减少计算时间，可以合并几个小时的时隙。据市场交易规则，相应地每个周期产生4～10个报价，即初始报价程序。

第二步：生成初始报价方案。基于模糊神经网络的系统边际价格预测区间来控制其误差范围，以满足涡轮机技术条件下的限制。可以将基础报价员的报价心理分为冒险型、中性型和保守型三种类型，构建了初始报价方案。

第三步：适应度函数。在投标约束时，引入惩罚函数的影响。如果目标函数值较大时，如果少量的违反约束，那么解决方案是好的，需要相应的程序应给予大量引用的适应值。

第四步：遗传操作。选择算子，采用排序适应函数的方法，将同一代群体小的M 个染色体按适应度函数值从小到大排列，记为1至m。直接取分布概率为P(i)=2i/m(m+1)。

第五步：结束。

7 结论
电力市场环境下，电能交易价格的高度不确定性给发电商带来了很大的交易风险。因此，制订合理的交易策略，合理的分配电能市场和双边合同市场交易份额有助于发电商在最大程度上实现利润最大化和风险最小化的交易目标。但电力市场的实施，必须要打破垄断，引入竞争，着重发展电力市场的竞价自由化。

来源：《电力与能源》2014年第4期