電力市場交易背景下水電站優(yōu)化調(diào)度研究

羅京蕾+　黃顯峰　方國華

摘要：電力市場交易是影響我國未來電力體制改革走向的重要落地措施之一。通過對電力市場交易背景下水電站優(yōu)化調(diào)度特點分析，構(gòu)建了分時電價下水電站優(yōu)化調(diào)度模型。在粒子群算法基礎(chǔ)上，提出了改進慣性因子、加速因子以及迭代速度的改進策略，并將其運用于模型求解，以廣東省梅州市青溪水電站為實例進行了研究，驗證了模型和算法的有效性和適用性，該研究成果為電力市場背景下的水電站優(yōu)化調(diào)度提供了新思路。

關(guān)鍵詞：電力市場；水電站調(diào)度；粒子群算法；改進粒子群算法；分時電價

中圖分類號：TV697.1 文獻標(biāo)志碼：A 文章編號：16721683（2016）05018405

Study on optimal operation of hydropower station in the background of electricity market transaction model

LUO Jinglei，HUANG Xianfeng，F(xiàn)ANG Guohua

（College of Water Conservancy and Hydropower Engineering，Hohai University，Nanjing 210098，China）

Abstract：Electric power market transaction is one of the important measures for the reform of the electric power system in China.In this paper，the characteristics of the optimal reservoir scheduling in the electric power market transaction model were analyzed，and the optimal operation model of the reservoir was established.Based on the standard particle swarm optimization，the improved particle swarm optimization algorithm was proposed，which was based on the improvement of the inertia factor，the acceleration factor and the iteration speed.Taking Qingxi Reservoir，which locates in Meizhou City，Guangdong Province，as an example，the validity and applicability of the model and algorithm were verified.This research provides a new idea for reservoir optimization scheduling in the background of electric power market.

Key words：power market；hydropower station dispatching；particle swarm optimization algorithm；improved particle swarm optimization algorithm；peak and offpeak electricity price

隨著我國電力市場改革的推進和電力系統(tǒng)規(guī)模的日益復(fù)雜，電力行業(yè)正在逐步落實市場機制，水電作為電力系統(tǒng)的重要組成部分也必將按照“公平、公正、公開”的原則參與市場競爭[12]。傳統(tǒng)的發(fā)電計劃是基于全信息的調(diào)度決策，其目標(biāo)函數(shù)是全網(wǎng)的總發(fā)電成本最小，而在電力市場背景下，把電能真正視為商品來看待，電價和電量均存在不確定性，電能交易中心根據(jù)各電站申報發(fā)電容量及價格進行市場出清計算，公布市場出清價格和中標(biāo)容量，水電站不再只接受調(diào)度命令被動發(fā)電，而要參與市場交易，隨著“競價上網(wǎng)”政策的試行，以及水電站自身運行負(fù)荷需求的變化，水電站在電力市場環(huán)境下如何建立符合電網(wǎng)運行規(guī)則、水庫調(diào)度規(guī)律，并遵循電力市場交易的新模式，使發(fā)電效益最大，是水電站優(yōu)化調(diào)度運行的一個研究新方向[36]。

國外的電力市場主要是為了適應(yīng)政治改革以及能源工業(yè)改革的需求，英國電力市場改革的成功令各國看到了市場體制的巨大潛力，進入2000年后，拉美各國、美國、歐盟、亞洲國家等都在嘗試電力市場化改革。國外在電力市場水電站調(diào)度研究方面取得一些成果：2008年Vicuna考慮了峰谷電價對水庫調(diào)度的影響，2009年Madani 和 Lund深入探討了每小時電價的不同對每月水力發(fā)電的收益產(chǎn)生的影響[7]。在借鑒國外電力市場水電站調(diào)度經(jīng)驗基礎(chǔ)上，國內(nèi)在水電站調(diào)度方面研究也取得了一些成果： 2012年馮權(quán)龍和張玉惠提出了在豐枯分時電價條件下水電站水庫長期優(yōu)化調(diào)度模型，在實際運用中取得了顯著效果，為水電站在分時電價下調(diào)度奠定基礎(chǔ)。2014年李佳、王黎、馬光文等人研究了電力市場交易環(huán)境下的水電站年度發(fā)電計劃制定問題[8]。

本文在傳統(tǒng)水電站調(diào)度模型上增加價格影響因素，以發(fā)電經(jīng)濟效益最大為目標(biāo)函數(shù)，并考慮一些約束條件，構(gòu)建了考慮豐枯分時電價的水電站優(yōu)化調(diào)度模型并求解。對于優(yōu)化調(diào)度模型求解方法，目前已提出動態(tài)規(guī)劃、遺傳算法及蟻群算法等優(yōu)化算法，但這些算法存在維數(shù)災(zāi)、計算時間長、處理約束復(fù)雜等問題。粒子群算法（Particle Swarm Optimization，PSO）具有原理簡單、收斂速度快且通用性強等優(yōu)點，已經(jīng)在水庫調(diào)度中得到廣泛應(yīng)用[911]，但其也存在容易陷入局部最優(yōu)解的缺點，故本文在基本粒子群算法上對其加以改進，提高了算法的計算精度和收斂速度，最后以青溪水電站為實例進行研究。

1 水電站優(yōu)化調(diào)度模型構(gòu)建

在一價制下，水電站效益最大其實就是發(fā)電量最大，而在電力市場交易背景下，由于存在著分時電價差，發(fā)電量最大并不意味著效益最大，在此背景下構(gòu)建考慮電價因素的水電站優(yōu)化調(diào)度模型[1216]。

2 改進粒子群優(yōu)化算法

2.1 粒子群算法原理

PSO算法是一種源于對鳥類飛行進行研究的集群智能優(yōu)化算法，在D維目標(biāo)空間中，有N個粒子組成的群體，其中第i個粒子的位置為

2.2 粒子群算法改進策略

（1）Clerc和Kennedy提出一種采用壓縮因子的PSO算法，這種調(diào)整方法通過合適選取參數(shù)，可以確保PSO算法的收斂性[17]。

（2）將粒子群算法與遺傳算法中的自然選擇原理相結(jié)合，得到基于自然選擇的粒子群算法，在迭代過程中將整個粒子群按照適應(yīng)值大小進行排序，用適應(yīng)值好的一半粒子的位置和速度替換適應(yīng)值較差的一半粒子并保留每個個體的歷史最優(yōu)值[19]。

結(jié)合上述策略，改進粒子群算法具體計算步驟見圖1。

經(jīng)過多次演算，改進粒子群算法參數(shù)設(shè)置：ω=0.9，c1=c2=2，種群數(shù)量為50，迭代2 000次，測試20次取平均值，利用優(yōu)化中常用的Rastrigin、DeJong、Sphere、Griewank、Rosenbrock測試函數(shù)對基本粒子群、卡爾曼群、改進粒子群算法進行測試[20]，計算結(jié)果見表1。由表1結(jié)果可看出，改進粒子群算法計算結(jié)果更加接近于極值點，搜素精度更高，迭代速度更快，充分證明其優(yōu)越性。

3 實例研究

青溪水電站位于廣東大浦鎮(zhèn)，距離大浦縣城40公里，是韓江支流至汀江干流上的第二個梯級水電[CM（22]站，壩址以上的流域面積為9 157 km2，裝機容量為

144 MW，保證出力為1191 MW，正常高水位為73.0 m，興利庫容為6 008萬m3，死水位690 m，死庫容為4 280萬m3，多年平均徑流量為874億m3，多年平均降雨量為1 600 mm，多年平均入庫流量為277 m3/s，此水庫主要承擔(dān)任務(wù)是發(fā)電，不承擔(dān)下游的防洪，為日調(diào)節(jié)水庫。

利用1951年4月-2012年3月共62年的青溪水電站天然徑流及其年徑流計算結(jié)果，選擇豐水年（P=25%）、平水年（P=50%）、枯水年（P=75%）三個典型頻率的水文年份，分別為2010年、2005年、2003年，被選定的水文年天然徑流量見圖2。

電力市場交易背景下受市場波動以及水電站自身運行負(fù)荷的變化，電價隨之變化，但目前我國還不具備實行實時電價的條件，不同時段的電價變化多樣計算復(fù)雜，為了方便計算，本文對電價進行簡化，將一價制電價作為平水期電價，為035元/（kW·h），豐水期電價下浮25%，即026元/（kW·h），枯水期電價上浮50%，即053 元/（kW·h），以青溪水電站為實例進行計算，改進粒子群算法與基本粒子群[JP+3]算法求得年收益對比見表2，各典型年數(shù)據(jù)在不同計價方式下用改進粒子群算法計算得出年發(fā)電效益，具體結(jié)果見表3。

由表2分析可知，對于不同典型水文年，改進的粒子群算法無論在一價制下還是在豐枯分時電價下的年收益都比基本粒子群的年收益大，由此進一步證明了本文中改進的粒子群算法在模型求解中具有優(yōu)勢。

采用改進的粒子群算法進行計算，對表3中三種情況進行對比分析，豐枯分時電價下枯水年收益為2.85億元，平水年為3.31億元，豐水年為3.80億元，在一價制下的年收益分別是枯水年為2.81億元，平水年為2.77億元，豐水年為3.28億元，各典型年在分時電價下的發(fā)電效益明顯高于一價制下的發(fā)電效益，枯水年發(fā)電效益增加了1.42%，平水年發(fā)電效益增加了19.49%，豐水年發(fā)電效益增加了15.85%。由上述分析可知考慮電價因素的年發(fā)電效益明顯優(yōu)于單純以發(fā)電量最大為目標(biāo)的發(fā)電效益，因此在電力市場交易背景下，水電站優(yōu)化調(diào)度工作不能只考慮水量因素，還需考慮電價因素，從市場需求及水電站自身負(fù)荷能力出發(fā)，按照豐谷上網(wǎng)電價浮動政策對水庫調(diào)度運行，以取得較大經(jīng)濟效益。

結(jié)合圖2和表3，對每一典型年份數(shù)據(jù)分析，一價制下收益只與發(fā)電量相關(guān)，豐水期發(fā)電收益高，枯水期發(fā)電收益低，而電力市場背景下發(fā)電收益不完全依據(jù)發(fā)電量而變化，豐水期電價低，枯水期電價高有利于促進充分利用豐水期電量，從而在一定時期內(nèi)讓電力負(fù)荷均勻分布，通過豐枯分時電價有效的避免水庫在豐水期損失大量的棄水電量，減少水庫在枯水期的調(diào)峰機組投資。

4 結(jié)語

（1）傳統(tǒng)以發(fā)電量最大為目標(biāo)的水電站調(diào)度準(zhǔn)則已不再適應(yīng)電力系統(tǒng)市場化改革的趨勢，實行市場電價指導(dǎo)下以發(fā)電效益最大為目標(biāo)的水電站調(diào)度成為解決問題的重要措施。

（2）本文針對我國電力交易市場的實際情況，構(gòu)建了考慮豐枯分時電價的水電站優(yōu)化調(diào)度模型，并采用改進的粒子群算法對模型進行求解，結(jié)果表明分時電價能夠達到提高水電站經(jīng)濟效益以及使水資源優(yōu)化配置的目的，并驗證了算法的有效性和適用性。

（3）本文還存在許多不足之處，在今后的研究中，可深入探索在電力市場背景下下如何使水電站出力最小，廠內(nèi)機組如何經(jīng)濟運行，以及如何實現(xiàn)實時電價等問題，使得市場背景下的水電站調(diào)度更加細(xì)化，更適應(yīng)于調(diào)度的實際操作，節(jié)約發(fā)電成本。

參考文獻（References）：

[1] 中國投資咨詢網(wǎng).2006年中國水電行業(yè)分析及投資咨詢報告[EB/OL].http：// wxdbc.com/ newshow.asp id=130，20061118.（China Investment Advisory Network.Analysis of China′s hydropower industry and investment consultation report in 2006[EB/OL].http：// wxdbc.com/ newshow.asp id=130，20061118.（in Chinese））

[2] 過夏明.分時電價下多年調(diào)節(jié)水庫年末消落水位研究[J].水力發(fā)電學(xué)報，2004，23（3）：2730.

（GUO Xiaming.Study on the regulation of water level of the reservoir at the end of the year by the time of the sub price[J].Journal of Hydroelectric Engineering，2004，23（3）：2730.（in Chinese））

[3] 羅云霞，王萬良，周慕遜.基于自適應(yīng)粒子群算法的梯級小水電群優(yōu)化調(diào)度研究[J].水力發(fā)電學(xué)報，2008，27（ 4）：711.（LUO Yunxia，WANG Wanliang，ZHOU Muxun.Research on the optimal operation of cascade hydropower station that based on adaptive particle swarm optimization algorithm[J].Journal of Hydroelectric Engineering，2008，27 （4）：711.（in Chinese））

[4] 馬莉，李英，劉毓全，等.水電參與電力市場競價的若干問題探討[J]，電力技術(shù)經(jīng)濟2006，18（4）：1114.（MA Li，LI Ying，LIU Yuquan，et al.Research on some problems of hydropower participation in electricity market bidding[J].Electric Power Technology Economy，2006，18 （4） 1114.（in Chinese））

[5] 姚建剛.區(qū)域電力市場競價交易結(jié)構(gòu)與模式的探討[J]，電力系統(tǒng)自動化，2003（22）：2326.（YAO Jiangang.Discussion on the structure and mode of regional electricity market bidding[J]，Power System Automation，2003 （22）：2326.（in Chinese））

[6] 方國華，吳三潮.電力市場環(huán)境下水電競價策略研究[J]水電能源科學(xué)，2009，27（4）：222224.（FANG Guohua，WU Sanchao.Research on bidding strategy of hydropower in power market environmen[J]Hydroelectric Energy Science，2009，27 （4）：222224.（in Chinese））

[7] Silvio J.PereiraCardenal，Birger Mo，Niels D.Riegels，Karsten ArnbjergNielsen，et al.Optimization of Multipurpose Reservoir Systems Using Power Market Models[J].Water Resour.Plann.Manage.，2015，141（8）：04014100

[8] 郟斌，王秀麗，王錫凡.電價的競價機制及轉(zhuǎn)運電價[J].華東電力，2000（9）：13.（JIA Bin，WANG Xiuli，WANG Xifan.The price bidding mechanism and transfer price[J].East China Electric Power，2000 （9）：13.（in Chinese））

[9] 陳燁興，羅云霞，周慕遜.彈性粒子群優(yōu)化算法及其在水電優(yōu)化調(diào)度中的應(yīng)用[J]河海大學(xué)學(xué)報，2010，38（6）：604607.[HJ1.95mm]（CHEN Yexing，LUO Yunxia，ZHOU Muxun.Resilient particle swarm optimization algorithm and its application in hydropower optimal scheduling of applications[J]Journal of Hohai University，2010，38 （6）：604 607.（in Chinese））[ZK）]

[10] [ZK（#]張智晟，董存，吳新振.基于量子粒子群優(yōu)化算法的水電系統(tǒng)經(jīng)濟運行[J].電網(wǎng)技術(shù)， 2009，33（ 18）：6872.（ZHANG Zhisheng，DONG Cun，WU Xinzhen.The economic operation of hydropower system based on quantum particle swarm optimization[J].Grid technology，2009，33 （18）：6872.（in Chinese））

[11] Robert F，Cope III， David E， Dismukes and Rachelle F.Cope.Modeling Regional Electric Power Markets and Market Power.managerial and decision economics.Manage.Decis.Econ.2001（22）：411429.

[12] 王蕊，王麗萍，姜生斌，等.西北電網(wǎng)水電參與市場化運營若干問題的研究[J]，水力發(fā)電2007，33（5）：79.（WANG Rui，WANG Liping，JIANG Shengbin，et al.Research on the market operation of hydropower in the Northwest China Power Grid[J].Journal of Hydroelectric Engineering，2007，33 （5）：79.（in Chinese））

[13] 李帥，蔣傳文.考慮電價風(fēng)險的水電站長期優(yōu)化調(diào)度及風(fēng)險評估[J].水電能源科學(xué)，2007，25 （3）：13 15.（LI Shuai，JIANG Chuanwen.The longterm optimal scheduling and risk assessment of hydropower station considering the risk of electricity price[J].Hydropower Energy Science，25，2007 （3）：15 13.（in Chinese））

[14] 練繼建，馬超.市場競價下梯級水電站短期優(yōu)化調(diào)度研究[J]水力發(fā)電學(xué)報，2007，26（4）：1721.（LIAN Jijian，MA Chao.Market bidding under short term optimal dispatching of cascade hydropower station[J]Journal of Hydroelectric Engineering，2007，26 （4）：1721.（in Chinese））

[15] 康慶重，白利超，夏清，等.電力市場中發(fā)電商的風(fēng)險決策[J].中國電機工程學(xué)報，2004.8，24（8）：16.（KANG Qingchong，BAI Lichao，XIA Qing，et al.Risk decision making of power market in the power market[J].Chinese Journal of Electrical Engineering，2004.8，24 （8）：16.（in Chinese））

[16] Wen Fushuan，David A K.Optimal coordinated bidding strategies in energy and ancillary service markets[J].IEEE ProcGener.transm，2002，149（3）：333 338.

[17] Krohling，R A，L.dos Santos Coelho，Coevolutionary particle swarm optimization using Gaussian distribution for solving constrained optimization problems.IEEE Trans.Syst.，Man，Cybern.B，Cybern.，vol.36，no.6，pp.14071416，Dec.2006.

[18] Ho S Y，Lin H S，W H，Liauh S J，OPSO：Orthogonal particle swarm optimization and its application to task assignment problems.IEEE Trans.Syst.，Man，Cybern.A，Syst.，Humans，vol.38，no.2，pp.288298，Mar.2008.

[19] 董前進，曹廣晶，王先甲，等.粒子群優(yōu)化算法在水文科學(xué)中的應(yīng)用進展[J].中國工程科學(xué)，2010，12（ 1）：8084.（DONG Qianjin，CAO Guangjing，WANG Xianjia，et al.Application of particle swarm optimization algorithm in hydrology science[J].Chinese Engineering Science，2010，12 （1）：8084.（in Chinese））

[20] LI L X，PENG H P，WANG X D，et al.An optimization method inspired by chaotic ant behavior[J].International Journal of Bifurcation and Chaos，2006，（16）：23512364.