基于Monte Carlo法的售电公司交易策略研究

钱晓瑞 沈一民 陈筱珺 董美蓉 卢 威 肖 恺

(国网福建省电力有限公司营销服务中心(计量中心、资金集约中心)，福建 福州 350003)

0 引言

随着我国电力市场飞速发展，售电公司作为新兴的电力市场主体，逐渐成为我国电力市场的重要组成部分。作为连接电力批发市场和电力零售市场的重要纽带，售电公司在电力批发市场向发电企业购买电量后，再出售给零售用户，从中赚取合理的收益。2018年，售电公司首次参与福建电力市场，成为了市场的重要组成部分。2021年，福建省电力市场规模达1178亿kW·h，市场化用户数量达5万余户，其中售电公司代理电量达1046亿kW·h，代理用户数量占99%以上，成为电力市场的绝对主力军。

长期以来，由于缺乏有效的数据支持和有力的工具支撑，售电公司普遍采用较为粗犷的方式制定交易策略，售电收益较难保证。尤其是随着交易品种的不断增多，电力现货市场、电力辅助服务市场的发展，交易策略愈发复杂，亟须建立一种适用于福建电力市场的售电公司交易策略研究模型。赵阳等[1]提出售电公司需要合理分配在不同市场、不同时段的购电量，从而构建参与市场竞价购电的优化策略；Zhou Ming[2]主要关注在套利和风险约束情况下，采用蒙特卡洛仿真模拟方法，对电量在不同市场的分配优化进行算例分析及研究；罗琴等[3]以售电公司效用最大化为目标，应用VaR风险度量方法，建立基于不同风险偏好的售电公司销售电价及购电组合决策模型。前述研究成果主要关注整体电力市场研究，采用传统建模方式对售电公司开展普适性分析，本文建立了基于Monte Carlo法的售电公司交易策略分析模型，量化分析了不同交易策略对售电公司收益的影响，进而确认收益最大化的交易方案，提供了一种可行的分析思路。

1 售电公司竞价交易思路

福建电力交易中心一般于每年年底前组织完成次年度的年度挂牌交易和年度双边交易，每月则依次组织开展月度集中竞价交易、月内转让交易、月内增量交易[4-6]。售电公司将根据零售用户申报的月度用电计划，尽可能准确地预测零售用户当月实际用电量，并以收益最大化为目标制定合理的交易策略，即参加何种交易、申报多少电量。

售电公司每月可行的交易策略共有10种，具体见表1。

表1 售电公司交易策略可行域

可以看出，售电公司每月共需进行3次交易决策，分别为：每月1日前决定次月月度集中竞价交易电量，提前安排月内转让交易、月内增量交易；每月15日，根据当月1—14日已经发生的电量，决定月内转让交易电量，修正月内增量交易安排；每月22日，根据当月1—21日已经发生的电量，决定月内增量交易电量。结合市场实际，月内转让交易的价格一般与月度集中竞价交易价格相同，因而在每月1日前进行决策时，可不考虑月内交易。此外，月度集中竞价交易的成交价格一般都低于月内增量交易。交易决策的重点在于每项交易是否需要购买或转出电量，应该购买或转出多少电量。

2 售电公司售电收益模型

根据交易规则，售电公司每月售电收益=零售用户交易电费之和+零售用户偏差考核费之和-批发市场交易电费-批发市场偏差考核费，据此建立售电公司电费收益模型[4]。

2.1 模型变量

2.1.1 零售交易电费有关变量

用户数量部分，售电公司签约的零售用户共计N个。交易价格部分，年度长协电量保底价格A1，年度长协电量分成比例B1，年度长协电量分成后出售给零售用户的价格为PL′；年度以下电量保底价格A2，年度以下电量分成比例B2，年度以下电量分成后出售给零售用户的价格为PS′。偏差考核部分，售电公司承担保底的负偏差下限为M1，正偏差上限为M2。若零售用户实际用电量偏差超过[1+M1,1+M2]的范围，当超过上限时，承担超出上限部分的偏差考核费用占比为N2；当低于下限时，承担超出下限部分的偏差考核费用占比为N1。交易电量部分，零售用户本月用电计划总额为QCP=QCLP+QCSP，其中，年度长协电量计划为QCLP，年度以下电量计划为QCSP；零售用户本月实际用电量为QCA[7]。

2.1.2 批发交易电费有关变量

当月年度挂牌交易成交电量QWGP，成交价格PWGP；年度双边交易成交电量QWSB，成交价格PWSB；月度集中竞价交易成交电量QWYJ，成交价格PWYJ；月内增量交易成交电量QWYZ，成交价格PWYZ；月内转让交易成交电量QWYR，成交价格PWYR。年度长协交易加权平均价格PL，年度以下交易加权平均价格PS。

2.2 零售用户交易电费之和WL1

零售用户交易电费为其当月各项交易结算电量和对应交易电价的乘积之和，具体包括年度长协电量和年度以下电量两部分，结算时优先结算年度长协电量。零售用户交易电费之和WL1的计算公式为：

其中：

2.3 零售用户偏差考核费之和WL2

零售用户电量偏差考核方式由售电公司与零售用户双方自行约定，包括偏差免考核范围、考核费用占比等。零售用户偏差考核费之和WL2的计算公式为：

其中，第i个零售用户的偏差考核费WL2(i)的计算公式如下。

当QCA(i)>QCP(i)×(1+M2(i))时，零售用户实际用电量超过上限，需承担超出上限部分的偏差考核费用，计算公式为：

WL2(i)=[QCA(i)-QCP(i)×(1+M2(i))]×0.05×PWYJ×N2(i)

当QCP(i)×(1+M1(i))≤QCA(i)≤QCP(i)×(1+M2(i))时，零售用户实际用电量在偏差允许范围内，无需承担偏差考核费用，计算公式为：

WL2(i)=0

当QCA(i)

WL2(i)=[QCP(i)×(1+M1(i))-QCA(i)]×0.05×PWYJ×N1(i)

2.4 批发市场交易电费WP1

根据交易规则，交易结算存在优先级顺序，交易电量结算原则上先按交易品种排序，再按交易周期排序，交易品种和交易周期均相同的，按交易开展时间的先后顺序依次结算，同一批次开展的交易按计划等比例进度结算。显然，批发市场交易电费WP1是一个典型的阶梯函数，其具体计算公式如下。

当QCA≤QWYR时，仅结算月内转让交易电量，批发市场交易电费WP1的计算公式为：

WP1=QCA×PWYR

当QWYR

WP1=QWYR×PWYR+(QCA-QWYR)×PWGP

当QWYR+QWGP

WP1=QWYR×PWYR+QWGP×PWGP+(QCA-QWYR-QWGP)×PWSB

当QWYR+QWGP+QWSB

WP1=QWYR×PWYR+QWGP×PWGP+QWSB×PWSB

+(QCA-QWYR-QWGP-QWSB)×PWYJ

当(QWYR+QWGP+QWSB+QWYJ)

WP1=QWYR×PWYR+QWGP×PWGP+QWSB×PWSB+QWYJ×PWYJ+(QCA-QWYR-QWGP-QWSB-QWYJ)×PWYZ

当QCA>(QWYR+QWGP+QWSB+QWYJ+QWYZ)时，所有合同电量都结算，根据交易规则，超出电量部分按照当月月度集中竞价交易成交价格结算，批发市场交易电费WP1的计算公式为：

WP1=QWYR×PWYR+QWGP×PWGP+QWSB×PWSB+QWYZ×PWYZ+(QCA-QWYR-QWGP-QWSB-QWYZ)×PWYJ

2.5 批发市场偏差考核费WP2

根据交易规则，正负偏差3%及以内的电量不考核，偏差超过正负3%的电量纳入偏差考核，考核标准为当月月度集中竞价交易成交价格的5%。批发市场偏差考核费WP2的计算公式如下。

当QCA<(QWGP+QWSB+QWYJ+QWYZ)×0.97时，售电公司实际用电量超过上限，需承担超出上限部分的偏差考核费用，计算公式为：

WP2=[(QWGP+QWSB+QWYJ+QWYZ)×0.97-QCA]×0.05×PWYJ

当(QWGP+QWSB+QWYJ+QWYZ)×0.97≤QCA≤(QWGP+QWSB+QWYJ+QWYZ)×1.03时，售电公司实际用电量在偏差允许范围内，无需承担偏差考核费用，计算公式为：

WP2=0

当QCA>(QWGP+QWSB+QWYJ+QWYZ)×1.03时，售电公司实际用电量低于下限，需承担低于下限部分的偏差考核费用，计算公式为：

WP2=[QCA-(QWGP+QWSB+QWYJ+QWYZ)×1.03]×0.05×PWYJ

2.6 售电公司售电收益W

综上，售电公司每月售电收益W的计算公式为：

W=WL1+WL2-WP1-WP2

3 售电公司交易策略分析

以福建省某售电公司某月的实际交易数据为例，深入分析其交易竞价最佳策略。

3.1 构建零售用户电量概率模型

从零售用户实际用电量(标幺值)原始数据的直方图可以看出，数据具有明显的单峰特征，初步推测数据接近正态分布。同时注意到数据存在较为严重的离群值，且以上侧情形为主。

图1 零售用户实际用电量原始数据直方图

采用Grubbs检验法，按照5%的检出水平对原始数据进行清洗，剔除离群值后，数据呈现出较为明显的正态分布，如下图所示。

图2 零售用户实际用电量清洗数据直方图

可以看出，该正态分布呈现尖峰、正偏的特性，初步判断可以使用二元正态分布函数进行数值化拟合，利用Python拟合后得到其概率密度函数f(x)为：

比较拟合所得的概率密度函数和清洗数据直方图，可以看出拟合效果较佳，模型效果较好。

图3 零售用户实际用电量拟合概率密度函数图

3.2 分析售电公司交易竞价最佳策略

3.2.1 第一期交易决策分析

售电公司当月已购得年度挂牌交易55361MW·h、年度双边协商交易电量165600MW·h，用户用电计划为454177.884MW·h，电量缺口233216.884MW·h，此时需决策月度集中竞价交易和月内增量交易的申购电量。以月度集中竞价交易成交价格低于月内增量交易成交价格为前提，在月度集中竞价交易成交电量和月内增量交易成交电量的可行域内，针对每个电量组合生成零售用户电量分布样本，采用Monte Carlo法分析售电公司收益的期望分布，依此做出月度集中竞价交易电量、月内增量交易电量、售电公司期望收益的关系如图4所示。

图4 售电公司期望收益分布(第一期)

从图4可以看出，当月度集中竞价交易成交电量和月内增量交易电量之和在缺口电量附近时，售电公司期望收益较高，随着月内增量交易比重的增加，售电公司的期望收益略微提高后，逐步降低。根据分析结果，可以得出第一期的最佳交易决策：优先购买月度集中竞价交易电量223888.209MW·h，为未来月内增量交易预留18657.351MW·h，此时售电公司的期望收益最大，为436065.81元。

3.2.2 第二期交易决策

售电公司当月已购得年度挂牌交易55361MW·h、年度双边协商交易电量165600MW·h、月度集中竞价交易电量223888.209MW·h，缺口电量9328.675MW·h，此时需决策月内转让交易和月内增量交易的申购电量。以月内转让交易成交价格与月度集中竞价交易相同、月内增量交易成交价格高于月度集中竞价交易成交价格为前提，在月内转让交易成交电量和月内增量交易成交电量的可行域内，针对零售用户当月1—14日已经发生的电量生成电量分布样本，采用Monte Carlo法分析售电公司收益的期望分布，依此绘制月内转让交易电量、月内增量交易电量、售电公司期望收益的关系图，如图5所示。其中，月内转让交易为正表示转入电量，负表示转出电量。

图5 售电公司期望收益分布(第二期)

可以看出，对于该售电公司而言，转出电量将导致收益下降，而转入电量至缺口电量附近时收益最大，超出后收益逐步下降；此外，购入月内增量交易将会导致售电收益下降，应尽量避免购买。根据分析结果，可以得出第二期的最佳交易决策：月内转让交易转入电量3109.558MW·h，为月内增量交易预留电量18657.350MW·h，此时售电公司的期望收益最大，为429630.54元。

3.2.3 第三期交易决策

售电公司当月已购得年度挂牌交易55361MW·h、年度双边协商交易电量165600MW·h、月度集中竞价交易电量223888.209MW·h、月内转让交易转入电量3109.558MW·h，缺口电量6219.117MW·h，此时需决策月内转让交易和月内增量交易的申购电量。以月内增量交易成交价格高于月度集中竞价交易成交价格为前提，在月内增量交易成交电量的可行域内，针对零售用户当月1—21日已经发生的电量生成电量分布样本，采用Monte Carlo法分析售电公司收益的期望分布，以此做出月内增量交易电量、售电公司期望收益的关系如图6所示。

图6 售电公司期望收益分布(第三期)

可以看出，对于该售电公司而言，随着月内增量交易成交电量的逐步增加，收益先呈上升之势，到达最高值后快速回落。根据分析结果，可以得出第三期的最佳交易决策：月内增量交易购买电量19901.174MW·h，此时售电公司的期望收益最大，为418466.35元。

3.2.4 决策分析效果评估

根据上述决策结果，代入该售电公司当月零售用户实际用电量，售电公司最终售电收益为370559.21元，相比于该售电公司自行制定的实际交易计划，售电收益提高了36019.42元，效果显著。

4 结论

本文建立了售电公司收益模型，通过拟合概率密度函数分析零售用户交易电量的可能分布，进而采用Monte Carlo法全面分析了售电公司售电收益的可能分布，为交易竞价决策提供了强有力的数据支撑，效果显著。下一步，可进一步研究分析售电收益的概率密度分布，在追求高收益的同时进一步评估潜在的风险。