電力市場下發電商經濟運行方式分析

2017-11-01 08:56:28 大云網　點擊量：評論 (0)

由于電力市場運行機制系統引入了競爭，因此在電力市場中價格不再由國家行政部門制定，而是自律于電力市場，此時各電力公司必須面對電力市場化運行所帶來的新問題和更大的挑戰，從而保持良好的經營狀況。1 電力

由于電力市場運行機制系統引入了競爭，因此在電力市場中價格不再由國家行政部門制定，而是自律于電力市場，此時各電力公司必須面對電力市場化運行所帶來的新問題和更大的挑戰，從而保持良好的經營狀況。

1 電力市場的形成
在電力工業發展初期，電力行業主要采用壟斷經營模式，主要原因如下。

1) 電力工業是規模效益明顯的行業，在達到最優規模效益點之前，壟斷經營方式有利于提高其效益。因此，電力工業在達到相當大的規模后仍然保持壟斷經營。

2) 電力行業是資本、技術密集型產業，由于投入巨額資金，導致中小投資者早已被排除在電力行業門檻之外。

3) 電力工業是國民經濟的基礎行業，對國民經濟發展和居民生活水平有巨大影響，各國政府處于促進經濟發展或者維護安全的目的，對電力工業都采取了不同程度的管制。

4) 電力不能儲存，電能生產必須時刻保持與消費平衡，否則可能會導致停電，帶來巨大的損失。

2 電力市場的基本特征
根據電力市場發展的程度，可分為原發性電力市場和電力市場的發展兩類。電力市場往往被限制在發電側競爭，而在輸電、配電和用電側繼續實行壟斷。因此，調度和交易中心將只使用那些充裕的生產成本或價格低于電力市場價格和提供可靠的電力，并滿足系統負荷的要求。電力市場的基本特征是：開放性、競爭性、計劃性和協調性。與傳統壟斷的電力系統相比，電力市場最大的特征是具有開放性和競爭性。與普通的商品市場相比，電力市場則具有計劃性和協調性。

3 期貨交易市場與現貨交易市場
發電側電力市場的交易按時間可分為期貨交易、現貨交易、實時交易(實時電力電量平衡)3種模式。

期貨交易是一個過程，指在未來相當長的一段時間，電網企業與大容量的發電企業的合同。事實上，期貨交易包括期貨合約和長期合約。期貨市場與商品期貨合約的流通代表著高度完善的系統領域，為建立規范的電力期貨市場需要投入大量的人力和物力。與此相反，長期合約并不需要規范電力期貨市場，只有當事人簽署的合同，簡單而實用，這是目前電力期貨市場的主要途徑。在未來，隨著電力市場的發展和完善，長期合約的比例將逐步減少最終由期貨合約取代。

4 發電成本分析
發電成本包括燃料費、管理費、檢修費和發展費。參與競價的單位可以是機組、發電廠或發電公司，競價的周期可以是年、月、日或小時。下面先研究單時段發電成本曲線，包括二次成本曲線和線性成本兩種情況。通常認為發電成本是發電功率的二次函數，即對發電公司(或發電廠、發電機組)i，設發電功率P在短時間(如1h)內恒定不變，則1h內發電公司的發電成本Ci與發電功率Pi間有如下的二次函數關系:

Ci= a Pi + b P di i

式中: ai，bi和 di為發電公司(或發電廠、發電機組))i 的成本曲線系數，可以通過對發電成本的統計分析獲得:i=1,2,...,m為發電公司(或發電廠、發電機組)的編號，m 為系統中參與競標的發電公司總個數。

5 競爭性報價策略及其最優算法
發電廠進行競爭性報價的策略主要可以分為以下3種。

1) 基于預測市場出清價(MCP)的競爭性報價方法
   如果一個發電廠可以準確預測MCP，那么只要報出稍微低于MCP 的價格即可獲利。由于在大多數電力市場中可供查詢的公開數據十分有限，因而十分精確地預測 MCP比較困難。

2) 基于預測其他競爭對手報價行為的方法
   這種方法需要對整個市場中所有競爭對手的報價策略和費用函數的各項參數進行預測，然后利用概率論或者模糊數學的方法得到報價方案。

3) 基于遺傳算法(GA)的競爭性報價方法
   這是目前最為先進的報價方法。電力市場不是一個完全意義上的競爭市場，而是一個典型的寡頭壟斷市場。遺傳算法是經濟學上研究寡頭壟斷市場常用的工具之一，是專門研究兩個及兩個以上有利益沖突的個體，在有相互作用的情況下，如何進行各自優化決策的理論。因此，用遺傳算法來研究電力市場主體的行為應該是很合適的。

6 遺傳算法在競價策略分析中的應用
近年來，新出現的人工智能技術(如神經網絡、遺傳算法等)已越來越多地應用于電力工業領域。遺傳算法是一種基于自然選擇和群體遺傳學的隨機、迭代、進化和并行搜索的算法。與傳統方法相比，具有可并行性、全局最優性、不依賴問題模型的特性，計算簡單等優點。

遺傳算法應用在競價策略中，是允許發電企業直接測試市場報價策略的一般假設。但要基于一定的前提條件，例如，先假設機組容量和系統結算價格相關的拍賣利潤，并進一步假設前者是同時與表單關聯，并測試了大量可能的交易規則，從中搜索出有利的投標策略。遺傳算法僅需要很少的信息，其高效、靈活的特性對競價策略的分析將是非常有效的。

6.1 利潤函數
主要研究的對象是基于利潤最大化的火力發電企業競價決策模型，其目標函數是單個報價時段單個機組利潤的最大化。

6.2 算法尋優
遺傳算法的優化過程可以理解為：在正常工作條件下的電力企業，根據市場出清價格預測未來期間的接收或釋放電能最優化，同時要滿足約束條件的限制，通過對目標函數評價其優劣的市場信息。

第一步：參數編碼。讓該單元的運行周期24小時，每1周期被分成48個時隙。考慮到實際需要和減少計算時間，可以合并幾個小時的時隙。據市場交易規則，相應地每個周期產生4～10個報價，即初始報價程序。

第二步：生成初始報價方案。基于模糊神經網絡的系統邊際價格預測區間來控制其誤差范圍，以滿足渦輪機技術條件下的限制。可以將基礎報價員的報價心理分為冒險型、中性型和保守型三種類型，構建了初始報價方案。

第三步：適應度函數。在投標約束時，引入懲罰函數的影響。如果目標函數值較大時，如果少量的違反約束，那么解決方案是好的，需要相應的程序應給予大量引用的適應值。

第四步：遺傳操作。選擇算子，采用排序適應函數的方法，將同一代群體小的M 個染色體按適應度函數值從小到大排列，記為1至m。直接取分布概率為P(i)=2i/m(m+1)。

第五步：結束。

7 結論
電力市場環境下，電能交易價格的高度不確定性給發電商帶來了很大的交易風險。因此，制訂合理的交易策略，合理的分配電能市場和雙邊合同市場交易份額有助于發電商在最大程度上實現利潤最大化和風險最小化的交易目標。但電力市場的實施，必須要打破壟斷，引入競爭，著重發展電力市場的競價自由化。

來源：《電力與能源》2014年第4期