图1 “虚拟水库”组成
Fig.1 The composition of the virtual reservoir
摘要 梯级水电之间存在高度耦合的时空水力联系，并且由于在流域中所处位置和调节能力多不同，各水电厂市场竞争力和报价灵活性出现较大差异，加大了现货市场投标的难度和风险。报价单元的组建有利于抵抗风险，但合作对象的选取是关键。针对梯级水电现货报价单元组建问题，该研究以径流调蓄关系为依托，引入“虚拟水库”一词，构建了基于“虚拟水库”组建梯级水电现货报价单元的方法，并设计了完整的竞价流程。以24点市场为背景，基于购电、售电双方利益诉求建立了双层模拟模型，最后以四川省某流域“一库三级”梯级水电构建报价单元进行报价模拟，结果表明以“虚拟水库”报价单元参与市场可以提升各成员的市场份额，扩大报价空间，降低市场风险，提升市场净收益，同时降低用户购电成本。验证了基于“虚拟水库”组建报价单元的科学性和正确性。
关键词：梯级水电 现货市场 报价单元 虚拟水库
由于梯级水电之间在时间维度和空间维度都存在复杂的水力电力联系，各站之间电量成相互影响、彼此制约的关系，因此含梯级水电的电力现货市场更为复杂。目前有关学者针对含梯级水电的电力现货市场的有关问题进行了专门研究。例如路轶等[1]在分析高比例水电电网特性的基础上，以四川省为例设计了丰枯双期的现货市场机制。华北电力大学张粒子团队[2]针对资产隶属关系不同的上下游电站之间中标电量与实发电量匹配失衡的问题，研究了下游电站作为价格接受者的日前市场出清模型，并探讨了水流时滞对电站运行的影响。莫东等[3]针对我国发电机组市场电量、基数电量将长期并存的事实，提出了等比例和按发电能力将年度基数电量分解到现货市场的方法。以上这些研究在含梯级水电电力现货市场的建设方案[4]、交易模式[5]、现货系统设计[6]以及梯级水电竞价策略[7]、中长期电量分解[8]等方面取得了重要成果，但缺乏对梯级水电现货市场报价单元组建方法的研究。
电力现货市场报价单元的组建对水电发电商降低市场风险和电网的出清调度都具有重要意义。一方面数量巨大的水电厂加大了电力现货市场调度和出清工作的难度；另一方面各个水电厂装机、成本不一，在流域中所处位置和调节能力不同等原因导致各电厂市场竞争力和报价灵活性差异大，为了获得期望收益，降低市场风险，各电厂也有意愿组建报价单元，联合参与市场。但随着流域开发格局的形成，流域具有投资主体多元化、电力分区交叠、水库系统拓扑关系网络化等复杂特性，各电站将面临如何选择合作对象，从而共同组建报价单元参与市场投标的难题。
针对梯级水电现货报价单元组建问题，本研究以径流调蓄关系为依托，引入“虚拟水库”一词，构建了基于“虚拟水库”组建梯级水电现货报价单元的方法，并设计了完整的竞价流程。以24点市场为背景，基于购电、售电双方利益诉求建立了双层模拟模型，最后以四川省某流域“一库三级”梯级水电构建报价单元，验证了“虚拟水库”报价的效果。
“虚拟”一词是指不以传统物质形态而存在的新型的信息互动方式。近年来，“虚拟电厂”[9-10]、“虚拟水网”[11]、“虚拟水交易”[12-13]等词汇的出现，为解决水资源管理等问题提出了新的思路。早在2018年，张慧等[14]将溪洛渡分为左右岸两个“虚拟水库”，解决了溪洛渡电站“一厂两调”的难题；2019年，马琴等[15]将小流域虚拟为一个水库模型，提出了无资料地区的山洪预警方法。这些研究依据研究问题的不同而赋予了“虚拟水库”不同的涵义。本研究引入“虚拟水库”一词，将梯级水电站虚拟为一个水库，用于解决梯级水电报价单元组建的问题。
具备蓄水调节能力的水库电站（简称水库电站）控制着其下游电站的径流，将水库电站与其下游径流式水电打捆成“虚拟水库”参与电力市场，可以充分发挥水库的库容效益，提升市场竞争力；“虚拟水库”内部制定相应的管理机制，可以解决梯级水电上下游电站之间水力出力的高度耦合问题，同时降低电网调度和出清工作难度。
“虚拟水库”的建立有赖于梯级水电上下游之间的径流调蓄关系。因此“虚拟水库”报价单元是指将流域（分段）具有较强蓄水调节能力的水库电站及其下游弱调节电站整合成一个集合体，以一个报价单元的形式参与电力现货市场竞争和电力调度，竞价过程中以报价单元申报出力和电价。电力现货市场一般分为日前市场、日内市场和实时市场，日前市场是电力现货市场的重要组成部分，在很大程度上关系着报价单元的利益[16]。由于水电来水、电力负荷、市场出清价都具有不确定特征，而竞争对手信息往往具有隐蔽性，因此报价单元在日前市场上可能出现中标量过少或者过大的情况。为了增大报价单元的灵活性，使其在日前市场出清后，可以灵活应对中标量过少或过大的情况，而不至于陷入弃水或无水可发的困境，报价单元中的水库电站应至少具备周及以上蓄水调节能力。因此为满足现货市场的调节需求，一条流域通常可以周及以上调节能力水库电站为节点，将其下游（日调节或径流式）电站一起整合成“虚拟水库”，其组成如图1所示。
电力不能大量存储的特殊性使得电力商品需要供求实时平衡，增加了市场的不确定性和复杂度。作为现货电力市场一种重要的市场主体，梯级水电现货报价单元需要充分认识自己在市场中的地位，扬长避短，才能在市场中获得期望收益。SWOT分析是一种典型的态势分析方法，该方法能够从内部和外部全面分析研究对象所处的环境，其中内部分析主要指SW分析，即内部的优势（strengths）、劣势（weaknesses）分析；外部分析主要指OT分析，即外部环境带来的机会（opportunities）和威胁（threats）。SWOT分析法可以辅助决策者找出利己及对自己不利的因素，使得决策者对研究对象所处的情景有全面、系统、准确地把握，从而决策未来的发展方向。本研究拟采用SWOT分析法对“虚拟水库”报价单元进行优劣势分析，分析结果如图2所示。
图1 “虚拟水库”组成
Fig.1 The composition of the virtual reservoir
图2 “虚拟水库”竞价的SWOT模型
Fig.2 SWOT model of "virtual reservoir" bidding
SWOT分析的目的是在综合分析企业内外优、劣势的基础上，将这些因素进行两两匹配，从而做出一些决策，其基本思路是发挥优势因素，克服劣势因素，利用机会因素，化解威胁因素。由图2“虚拟水库”竞价的SWOT模型可得出“虚拟水库”报价单元的四大战略如图3所示。
综上所述，按照径流调节关系组建“虚拟水库”报价单元后，相比单站独立报价，报价单元在整体调节能力、市场力、价格竞争力等方面都更具有优势，并且能够减轻电网的调度和出清工作。与此同时也面临内部管理问题、成员背叛风险等，但可以通过管理机制设定及整体战略安排进行风险规避。因此以“虚拟水库”报价单元参与电力现货市场具有科学性和优越性。
图3 “虚拟水库”报价单元的战略分析
Fig.3 Strategic analysis of quotation unit
从SWOT分析的结果得知，以“虚拟水库”报价单元参与电力现货市场竞价具有较多的优势，但竞价效益的分配是报价单元得以建立及持续稳定的关键所在。为此，本研究设计了一种新的报价单元市场竞价机制，该机制可以避免效益分配中的各种争端，从而提高报价单元的稳定性。在该竞价机制中，报价单元的统一电力曲线由成员各站向报价单元提交的电力曲线叠加而成，市场出清后按照单元各时段中标比例分配内部中标电量。
梯级水电通过组建报价单元参与现货电力市场，是指一个单元作为一个市场主体与市场上其他售电方无差别化地参与市场投标和调度运行管理，电网实行对该单元的直接调度管理和电费结算。报价单元内部各成员之间的竞价方案、发电行为及效益结算等，需要由报价单元内部自行处理，为了加强报价单元的管理，每个报价单元可增设专门的单元管理委员会，以统筹管理报价单元内部各项事宜。因此“虚拟水库”报价单元参与现货市场竞价的流程主要包含报价单元组建、竞价前准备、各成员提交出力方案、单元制定统一电价方案、形成单元竞价曲线、电力市场交易及出清、单元内部负荷分配和效益结算等，如图4所示。
（1）竞价准备
在“虚拟水库”报价单元组建完成后，每次竞价之前，单元需要进行信息准备，包含内部信息和外部信息。考虑到在未来单元可能因各种原因瓦解，各成员重新回归竞争状态，并不是所有内部信息都共享。单元可共享预测水情信息，包括水库电站预测的入库径流、库蓄电量及弱调节电站预测的区间入流等，成本信息为私有商业机密，各成员的风险偏好自主选择。电力需求、竞争对手以及历史出清规律等外部信息由单元共同搜集并共享。
图4 报价单元参与市场的流程
Fig.4 The process of quotation unit participating in the market
（2）单元竞价曲线生成
基于上述单元共同搜集和分享的内外信息，结合自身成本分析及风险偏好，单元内部各站自主制定日前申报出力曲线，并提交给单元，单元在内部公示。由于处在下游的成员受上游成员的径流影响，出力曲线提交时按照上下游位置关系顺序提交，下游制定申报方案时可参考上游申报情况。各成员提交的出力曲线叠加构成单元申报出力曲线。价格曲线由单元根据历史出清规律及电力供需形势等综合确定。
（3）单元内部负荷分配及结算
通过市场交易出清后得到单元中标曲线及出清价曲线。竞价完成后，报价单元按照式（1）和式（2）分别进行内部成员的负荷分配及效益结算。
（1）
（2）
式中，t为时段编号；
、
分别为单元第i个成员第t时段的中标出力及向单元提交的出力；
为单元第t时段的中标电量比例；Fi为单元向内部第i个成员结算的效益；
为时间粒度；
为单元第t时段的出清电价；T为时段集合。
为了模拟“虚拟水库”报价单元的报价效果，本研究基于售电、购电双方利益诉求，建立了电力现货日前市场模拟竞价模型。该模型假定售电方报量报价，购电方报量不报价，购电方根据售电方申报情况结合负荷需求择优选择购电对象及购电量，并按照售电方申报价格支付购电费用。每一个市场主体都是利己主义，因此每一个市场主体参与市场竞价都以自身效益最大化为目标。
假设市场上共有Km个售电方，则其现货竞价的目标函数都是竞价收益最大化，表示为
（3）式中，k为售电方编号；K为该竞价周期的售电方集合；
为第k个售电方在该竞价周期内的收益；
为第k个售电方在第t时段的中标电量比例；
为第k个售电方在第t时段的申报出力；
为第k个售电方在第t时段的中标电价；
为第k个售电方在第t时段的运行费用，一般为出力和价格的函数，表达式为
（4）
式中，
为第k个售电方在第t时段的中标出力。
购电方则追求单个竞价周期内的总购电费用最小化，目标函数为
（5）式中，
为该周期内用户的购电费用。
1）申报电价约束
（6）式中，
、
分别为电力市场交易规则中规定的第k个售电方的申报价格上、下限。
2）申报电力约束
（7）式中，
、
分别为第k个售电方在第t时段允许申报的最低、最高出力。
3）报价单元内部约束
售电方按照是否以报价单元进行申报分为两类。本研究假定只有水电类售电方才会以报价单元的形式参与市场竞价，其余类型的售电方均采用独立竞价方式。假设K个售电主体中有D个报价单元，则以单元进行申报的，需要考虑单元申报出力平衡约束及内部水力约束。
（1）单元申报出力平衡约束：单元申报出力为内部各成员申报出力总和。
（8）式中，d为报价单元编号；D为市场主体中报价单元集合；i为报价单元d内部成员编号；
为报价单元d第t时段的申报出力；
为报价单元d内部第i个成员在第t时段的申报出力。
（2）水力约束：主要包括水库水位约束、下泄流量约束及时间维度和空间维度的水量平衡约束。
（9）式中，
、
、
分别为报价单元d内部第i个成员在第t时段末的水位及其上、下限；
、
、
分别为报价单元d内部第i个成员在第t时段的下泄流量及其上、下限；
、
分别为报价单元d内部第i个成员在第t、t-1时段的末库容；
、
分别为报价单元d内部第i个成员在第t时段的入库流量和区间流量；
为报价单元d内部第i-1个成员的出库流达第i个成员库中的时间。
4）供需平衡约束
（10）式中，L(t)为第t时段的电力需求。
5）变量非负约束
以上所有变量均为非负数。
上述模型是一个多目标的模拟模型，多目标问题的求解常常由于目标之间的矛盾与联系而变得复杂。分层嵌套优化法巧妙地利用层间边界进行信息交换和反馈，不断协调多目标之间的关系，从而达到求解的目的，因此在多目标求解领域具有广泛应用[17-18]。本研究建立的日前市场模拟竞价模型具有典型的层次关系。首先可按照售电、购电两大阵营将模型分为上、下两层，上层求解售电方最优竞价策略，下层求解最优购电方案。上层各方的收益不仅取决于上层模型的报价，还依赖于下层问题对于电量分配的最优决策，而在下层模型用户求最优电量分配的过程中又受到上层报价的影响。上、下两层目标之间是典型的相互影响和制约的关系，因此可采用分层嵌套优化法来求解该模型。
由于上层各大售电主体需要通过市场竞价来竞争有限的发电容量，且每个售电方都以自身利益最大化为目标。即上层模型是一个多主体的多目标问题，这是典型的博弈问题[19-20]。在求解上层模型时要兼顾多方利益，使其达到均衡状态。此时任意一方都不能够通过单方面改变自身的策略获得更大的收益。本研究中上层模型各博弈方的博弈策略即为各个售电主体的量价申报策略，第k个博弈主体的博弈策略记为
，整个市场的博弈策略集合记为X。
（11）
则第k个博弈主体相对其他博弈主体的最优策略记为
。由于在均衡状态下市场主体的任意一方的策略相对于竞争对手的策略都是最优的[21]，因此均衡[22]状态下整个市场的博弈策略集合为
。
（13）
（14）
则售电方模型求解的目标函数f为
（15）式中，
为k1、k2两个策略向量的欧氏距离。
遗传算法作为一种快捷、简便、容错性强的算法，与传统的搜索方法相比，具有广泛的适应性、并行性、鲁棒性和全局优化性等优点[23-24]，对求解问题的目标函数无连续、可微等要求，特别适合于求解含有多参数多变量的优化问题。因此本文采用遗传算法对售电方模型进行模拟仿真，找出各方博弈的均衡解，算法的染色体即为整个售电方市场博弈主体的申报策略集合X，适应度函数F为
（16）模拟竞价模型的求解流程如图5所示。
5.1.1 市场背景及负荷信息
为了模拟报价单元的市场报价，本研究以某日前24点电力市场为背景。并且假定市场中只包含两大售电主体，分别为“虚拟水库”报价单元a及与报价单元同台竞价的其余电站组成的“虚拟对手”。各售电主体只申报一条电力曲线和一条价格曲线。为了简化模型，“虚拟对手”以最大发电能力680万kW进行电量申报，暂不考虑其他发电约束条件。整个市场电力供应方总装机容量为1 178万kW。
图5 双层模型求解流程
Fig.5 Two-layer model solution process
竞价开始前，市场运营机构披露，购电方该竞价周期总需求电量为15 951.78万kW·h，时段平均负荷为664.66万kW，24点需求曲线如图6所示。以平均负荷为界，该日内负荷曲线存在两个高峰，一是第7～10时段的早高峰，二是第14～21时段的高峰。
图6 购电方该日24点负荷需求曲线
Fig.6 Load demand curve at 24 points on the day
5.1.2 “虚拟水库”报价单元基本信息
“虚拟水库”报价单元a由某流域相邻的三个梯级电站A、B、C组成，其中A站具有季调节水库，其余两站具有日调节水库。“虚拟水库”报价单元a内部成员基本参数见表1。
表1 报价单元a内部成员基本参数
Tab.1 Basic parameters of members of unit a
参数成员A成员B成员C 装机容量/（万kW）3606672 正常蓄水位/m850660624 死水位/m790655618 出力系数8.298.388.34 最大引用流量/（m3/s）2 7722 6192 724 最小引用流量/（m3/s）18800 初始库水位/m792659.81618.79 调节能力季日日
报价单元a中电站A是该单元主要的径流调蓄电站，该站在该竞价日的来水过程如图7所示，总体而言，该日来水波动较大，尤其是在1～10时段。该日时段平均来水流量为689.16m3/s，最大流量为887.33m3/s，出现在第1个时段，最小流量出现在第7个时段为408.29m3/s，仅占最大流量的0.46，占平均流量的0.59。
图7 电站A来水曲线
Fig.7 Runoff curve of station A
A、B、C三个电站组建成“虚拟水库”报价单元a进行电力现货市场竞价时，整个报价单元申报统一的出力曲线和价格曲线。采用纳什均衡求解的思路通过遗传算法多次迭代，得到“虚拟水库”报价单元a竞价的最优报价策略，如图8所示。该日报价单元a申报总电量合计为5 957.81万kW·h，以第13个时段为界，1～13时段电量较为规律，按照1时段、2～5时段、6～13时段出现台阶式增长；14～24时段申报电量波动较大，最大值出现在21时段。报价单元a申报电价波动较大，在时段平均申报电价2 935.79元/(万kW·h)附近波动。
表2统计了“虚拟水库”报价单元a各成员向单元提交电量的特征参数，包括日总电量、日平均出力、日最大及最小出力。该日报价单元a申报总电量合计为5 957.81万kW·h，其中A站、B站、C站申报日总电量分别占报价单元申报量的67.99%、18.85%和13.15%。A站、B站、C站申报平均电力分别为168.79万kW、46.80万kW、32.65万kW，分别占装机容量的46.89%、70.92%和45.35%。
图8 “虚拟水库”报价单元a量价申报情况
Fig.8 Volume and price declaration of quotation unita
表2 报价单元a各成员提交电量特征参数统计
Tab.2 Characteristic parameters of unit a
成员A站B站C站单元a 日总电量/(万kW·h)4 050.871 123.31783.635 957.81 日平均出力/(万kW)168.7946.8032.65248.24 日最大出力/(万kW)267.0066.0061.55393.06 日最小出力/(万kW)34.109.231.3265.90
为了充分探讨“虚拟水库”报价单元的报价效果，本研究将A、B、C各站分别作为独立主体参与电力市场竞价的结果作为参照，此时市场上售电方包含A、B、C三站和虚拟对手四方。采用相同的模型及求解方法，得出各站优化的量价申报策略及最后中标结果。下面从中标市场份额、中标电价、中标收益及购电成本四个方面来探讨报价单元的报价效果。以下分析中将“虚拟水库”报价单元报价简称为单元竞价，将各站分别作为独立主体参与电力市场竞价简称为独立竞价。
5.3.1 市场份额
用户的购电需求是有限的，且在当前电力供大于求的形势下，各发电主体需要通过市场竞争来获得发电资格。因此市场份额是影响发电商收益的一大重要因素。表3统计了A、B、C电站以单元竞价和独立竞价参与市场时的市场份额占比情况。从最后中标的结果来看，单元竞价方式下，各站的市场份额都有所提升，其中A站通过单元竞价方式获得的市场份额提升量为957.87万kW·h，相比独立竞价提升了55.28%，市场份额提升最为显著。A、B、C三站通过单元竞价方式获得的额外市场份额总计为1 009.66万kW·h，相比独立竞价市场份额提升可33.85%；表明以“虚拟水库”报价单元来参与市场竞争，能够获得更高的市场份额，从而获得更好的效益。
表3 两种竞价方式的市场各电站份额及占比情况
Tab.3 Market shares of the two bidding methods
项目A站B站C站梯级 独立竞价/(万kW·h)1 732.60770.05479.952 982.60 单元竞价/(万kW·h)2 690.47786.40515.383 992.26 提升量/(万kW·h)957.8716.3535.441 009.66 提升比(%)55.282.127.3833.85
5.3.2 电价
在本研究的双层模型中，购电方按照负荷需求，结合售电方的量价申报方案以购电费用最小化为目标，最终决策出每一时段购买某个售电方电量的总额。因此电价在很大程度上决定了售电方的收益。表4统计了报价单元和A、B、C三站独立竞价时的电价参数，包括最高电价、最低电价、价格极差。单元竞价的价格极差大于三站独立竞价时的价格极差，即A、B、C三站通过单元竞价中标后的电价分布更广，在一定程度上降低了市场风险，低价能保证中标份额，高价能适当提升收益。报价单元和A、B、C三站独立竞价时的24点电价分布情况如图9所示。
表4 两种竞价方式的电价参数
Tab.4 Price parameters of the two bidding methods（单位：元/(万kW·h)）
竞价方式单元竞价独立竞价 A站B站C站 最高电价3 3113 2883 2683 308 最低电价2 4682 5512 4862 481 价格极差843737782827
图9 两种竞价方式的24点电价分布情况
Fig.9 Price distributions of the two bidding methods
5.3.3 收益
两种竞价方式下各站的收益对比如图10所示。从图10中可知，以“虚拟水库”报价单元参与电力市场竞价后，各电站的收益都有所提升，整个梯级单元报价获得的额外收益额高达161.5万元。其中A站的效益提升最为显著，相比独立竞价，单元竞价给A站创立的净收益高达143.79万元，其收益提升了54.15%；B站、C站的收益分别提升了11.47万元和6.24万元。表明以“虚拟水库”报价单元来参与市场竞争，能够使得各站都能创收。
图10 两种竞价方式下各电站竞价收益
Fig.10 Bidding income of the two bidding methods
5.3.4 购电成本
梯级电站以单元竞价时，用户的平均购电价格为2 831.1元/(万kW·h)，相比独立竞价时的平均购电价2 847元/(万kW·h)，降低了15.9元/(万kW·h)。因此，对于购电方而言，通过下层购电费用最小化目标函数的实现，能够抑制市场力较大的发电企业通过协同抬高报价，降低其对市场价格的控制力度，最终减少用户的购电费用。
综上所述，基于“虚拟水库”组建报价单元参与市场投标可以提升各成员的市场份额，扩大报价空间，降低市场风险，提升市场净收益，同时降低购电方购电费用。
针对梯级水电如何参与电力现货市场的问题，以径流调节关系为依托，提出了基于“虚拟水库”的现货报价单元组建方法，并以某流域三站梯级水电为例构建“虚拟水库”报价单元进行市场模拟，探索了报价单元的报价效果，得出主要结论如下：
1）“虚拟水库”报价单元在整体调节能力、市场力、价格竞争力等方面都具有优势，并且能够减轻电网的调度和出清工作；同时通过整体战略安排可规避内部管理混乱和成员背叛风险。因此以“虚拟水库”报价单元参与电力现货市场具有科学性和优越性。
2）为探索“虚拟水库”报价单元的报价效果，构建了以售电方收益最大化和购电方购电费用最小化为目标的双层互馈模型，模型满足购售双方的利益诉求，具有市场适应性。
3）案例分析的结果显示，相比独立竞价，以“虚拟水库”报价单元参与电力现货市场竞争可以提升各成员的市场份额，扩大报价空间，降低市场风险，提升市场净收益，同时降低购电费用，进一步验证了基于“虚拟水库”的梯级水电现货报价单元组建方法具有优越性。
由于日前市场的竞价博弈时间维度跨越较大、不同时段的状态相互制约，模型求解过程复杂，本研究在报价模拟过程中进行了诸多简化处理。例如以24点日前现货市场为背景，这与实际的现货96点日前市场不太相符；再如将售电方简化为报价单元及其虚拟对手两方，针对虚拟对手中各实际售电方对报价单元的影响分析有所欠缺，因此未来研究将更注重电力现货市场实际。
参考文献
[1] 路轶, 胡晓静, 孙毅, 等. 适应四川高水电占比特色的电力现货市场机制设计与实践[J/OL]. 电力系统自动化:1-9[2021-03-17]. http://kns.cnki.net/kcms/ detail/32.1180.TP. 20201218.1421.004. html.
Lu Yi, Hu Xiaojing, Sun Yi, et al. Design and practice of electricity spot market mechanism adapting to characteristics of high proportional hydropower in Sichuan province[J/OL]. Automation of Electric Power Systems:1-9[2021-03-17]. http://kns.cnki.net/ kcms/detail/32.1180.TP.20201218.1421.004.html.
[2] 张粒子, 刘方, 许通, 等. 多运营主体梯级水电站参与的日前市场出清模型[J]. 电力系统自动化, 2018, 42(16): 104-110.
Zhang Lizi, Liu Fang, Xu Tong, et al. A market clearing model with multi-operator cascade hydropower stations[J]. Automation of Electric Power Systems, 2018, 42(16): 104-110.
[3] 莫东, 凌武能, 毛文照, 等. 电力现货市场年度基数电量分解方法研究[J]. 电力学报, 2019, 34(6): 598-603.
Mo Dong, Ling Wuneng, Mao Wenzhao, et al. Study on the decomposition of annual base electricity in spot power market[J]. Journal of Electric Power, 2019, 34(6): 598-603.
[4] 杨智宇, 刘俊勇, 刘友波, 等. 四川建设现货市场面临的问题与解决方案[C]//中国电机工程学会电力市场专业委员会2018年学术年会暨全国电力交易机构联盟论坛论文集, 上海, 2018.
[5] 柴雁欣, 刘俊勇, 刘继春, 等. 基于国外电力现货市场分析的四川省电力现货市场交易模式初探[C]// 中国电机工程学会电力市场专业委员会2018年学术年会暨全国电力交易机构联盟论坛论文集, 上海, 2018.
[6] 袁贵川, 李荣, 李金龙, 等. 日内现货交易环境中智能发电调度系统的设计与实现[J]. 四川电力技术, 2019, 42(3): 85-89.
Yuan Guichuan, Li Rong, Li Jinlong, et al. Design and implementation of intelligent power generation and distribution system in intraday spot market[J]. Sichuan Electric Power Technology, 2019, 42(3): 85-89.
[7] 张粒子, 刘方, 许通, 等. 多主体梯级水电参与日前市场下游电站自调度投标策略[J]. 电力系统自动化, 2018, 42(19): 27-33.
Zhang Lizi, Liu Fang, Xu Tong, et al. Self-scheduling bidding strategy for downstream station in day-ahead market with participation of multi-operator cascade hydropower stations[J]. Automation of Electric Power Systems, 2018, 42(19): 27-33.
[8] 邢玉辉, 王帮灿, 丁文娇, 等. 计及梯级水量匹配约束的中长期电量合约分解方法[J]. 云南电力技术, 2020, 48(3): 21-26.
Xing Yuhui, Wang Bangcan, Ding Wenjiao, et al. Mid-and long-term contract decomposition method considering cascade water quantity matching constraint[J] Yunnan Electric Power, 2020, 48(3): 21-26.
[9] 李翔宇, 赵冬梅. 基于模糊-概率策略实时反馈的虚拟电厂多时间尺度优化调度[J]. 电工技术学报, 2021, 36(7): 1446-1455.
Li Xiangyu, Zhao Dongmei. Research on multi-time scale optimal scheduling of virtual power plant based on real-time feedback of fuzzy-probability strategy[J]. Transactions of China Electrotechnical Society, 2021, 36(7): 1446-1455.
[10] 段翩, 朱建全, 刘明波. 基于双层模糊机会约束规划的虚拟电厂优化调度[J]. 电工技术学报, 2016, 31(9): 58-67.
Duan Pian, Zhu Jianquan, Liu Mingbo. Optimal dispatch of virtual power plant based on bi-level fuzzy chance constrained programming[J]. Transactions of China Electrotechnical Society, 2016, 31(9): 58-67.
[11] Selim K S, Abdalbaki S M. On the relationship between virtual water network and crops intra-trade among Nile basin countries[J]. Water Policy, 2019, 21(3): 481-495.
[12] Hassan R, Thiam D R. Implications of water policy reforms for virtual water trade between South Africa and its trade partners: economy-wide approach[J]. Water Policy, 2015, 17(4): 649-663.
[13] Youkhana E L W. Virtual water trade: a realistic policy option for the countries of the Volta Basin in West Africa?[J]. Water Policy, 2009, 11(5): 569-581.
[14] 张慧, 唐勇, 唐红兵, 等. 虚拟水库模型及虚拟水库水位计算方法: 中国, CN109117592A[P]. 2019-01-01.
[15] 马琴, 刘懿, 孟长青, 等. 基于虚拟水库模型的无资料地区小流域山洪预警方法[J]. 水电能源科学, 2019, 37(6): 60-63.
Ma Qin, Liu Yi, Meng Changqing, et al. Method of mountain flood warning in small watershed without data based on virtual reservoir model[J]. Water Resources and Power, 2019, 37(6): 60-63.
[16] 范玉宏, 丁珩, 张维, 等. 电力现货市场建设关键问题研究[J]. 湖北电力, 2018, 42(2): 49-54.
Fan Yuhong, Ding Heng, Zhang Wei, et al. Study on key issues in power spot market construction[J]. Hubei Electric Power, 2018, 42(2): 49-54.
[17] 赵波, 汪湘晋, 张雪松, 等. 考虑需求侧响应及不确定性的微电网双层优化配置方法[J]. 电工技术学报, 2018, 33(14): 3284-3295.
Zhao Bo, Wang Xiangjin, Zhang Xuesong, et al. Two-layer method of microgrid optimal sizing considering demand-side response and uncertainties[J]. Transactions of China Electrotechnical Society, 2018, 33(14): 3284-3295.
[18] 张晓辉, 李阳, 钟嘉庆, 等. 基于安全因子及协同因子的源网多目标协调规划[J]. 电工技术学报, 2021, 36(9): 1842-1856.
Zhang Xiaohui, Li Yang, Zhong Jiaqing, et al. Multi-objective coordinated planning of source network based on safety factor and coordination factor[J]. Transactions of China Electrotechnical Society, 2021, 36(9): 1842-1856.
[19] 郭通, 李永刚, 徐姗姗, 等. 考虑多主体博弈的火电机组灵活性改造规划[J]. 电工技术学报, 2020, 35(11): 2448-2459.
Guo Tong, Li Yonggang, Xu Shanshan, et al. Planning of flexibility retrofits of thermal power units considering multi-agent game[J]. Transactions of China Electrotechnical Society, 2020, 35(11): 2448-2459.
[20] 熊宇峰, 司杨, 郑天文, 等. 基于主从博弈的工业园区综合能源系统氢储能优化配置[J]. 电工技术学报, 2021, 36(3): 507-516.
Xiong Yufeng, Si Yang, Zheng Tianwen, et al. Optimal configuration of hydrogen storage in industrial park integrated energy system based on stackelberg game[J]. Transactions of China Electrotechnical Society, 2021, 36(3): 507-516.
[21] 周斌, 宋艳, 李金茗, 等. 基于多群组均衡协同搜索的多目标优化发电调度[J]. 电工技术学报, 2015, 30(22): 181-189.
Zhou Bin, Song Yan, Li Jinming, et al. Multiobjective optimal generation dispatch using equilibria-based multi-group synergistic searching algorithm[J]. Transactions of China Electrotechnical Society, 2015, 30(22): 181-189.
[22] 郭向伟, 耿佳豪, 刘震, 等. 基于反激变换器的双目标直接均衡方法[J]. 电工技术学报, 2021, 36(6): 1269-1278.
Guo Xiangwei, Geng Jiahao, Liu Zhen, et al. The dual-objective direct balancing method based on flyback converter[J]. Transactions of China Electrotechnical Society, 2021, 36(6): 1269-1278.
[23] 袁立强, 陆子贤, 孙建宁, 等. 电能路由器设计自动化综述—设计流程架构和遗传算法[J]. 电工技术学报, 2020, 35(18): 3878-3893.
Yuan Liqiang, Lu Zixian, Sun Jianning, et al. Design automation for electrical energy router-design workflow framework and genetic algorithm: a review[J]. Transactions of China Electrotechnical Society, 2020, 35(18): 3878-3893.
[24] 黄辉, 吴正, 邹安安, 等. 基于遗传算法的汽车EPS电动助力转向电动机多目标优化[J]. 电气技术, 2019, 20(2): 48-52.
Huang Hui, Wu Zheng, Zou Anan, et al. Multi-objective optimization of electric power steering motor based on genetic algorithm[J]. Electrical Engineering, 2019, 20(2): 48-52.
Spot Quotation Unit Construction Method of Cascade Hydropower Based on “Virtual Reservoir”
Abstract There is a highly coupled space-time hydraulic connection between cascade hydropower plants, and due to the different locations in the basin and adjustment capabilities, the market competitiveness and quotation flexibility of various hydropower plants vary greatly, which increases the difficulty and risk of bidding in the spot market. Participating in the market with quotation units is beneficial to resist risks, but how to choose partners is very important. Based on runoff connections in the basin, this paper introduced the concept of "virtual reservoir" and put forward a new spot quotation unit construction method of cascade hydropower, then designed a complete bidding process in the spot market for the quotation unit. A two-layer simulation model was established based on the interests of both power purchase and sales. Finally, a case study was carried out with a cascade hydropower quotation unit in a river basin in Sichuan Province. The results show that participating in the market with a “virtual reservoir” quotation unit can increase the market share of each member, expand the quotation space, reduce market risks, increase net income, and at the same time reduce the purchase cost of electricity, which verifies the scientificity and correctness of the quotation unit based on the “virtual reservoir”.
Keywords: Cascade hydropower, electricity spot market, quotation unit, virtual reservoir
DOI:10.19595/j.cnki.1000-6753.tces.210079
中图分类号：TM612
国家电网公司科技项目（含梯级水电电力现货市场优化出清关键技术研究及应用，DZ71-20-014）资助。
收稿日期 2021-01-16
改稿日期 2021-03-26
张宏图 男，1973年生，硕士，教授级高工，研究方向为电力系统及其自动化E-mail：16377333@qq.com
朱燕梅 女，1993年生，博士研究生，研究方向为梯级水电运行管理及电力市场。E-mail：507109510@qq.com（通信作者）
（编辑 赫蕾）