季节性负荷需求下智能电网电力交易体系研究

武志宏， 杨子成， 郭海旭， 李泽斌， 韩洋， 李熙

(1.国网山西省电力公司， 山西，太原 030021；2.国网山西营销服务中心，山西，太原 030032；3.国网太原供电公司， 山西，太原 030021)

0 引言

由于电力交易受到季节性影响较大，电力负荷有明显的季节特性，仅以传统交易模式已经无法满足购电客户需求。电力负荷作为电力交易网的重要资源，在不同季节、不同时段对电力负荷的需求不同，因此需要建立交易体系解决不同季节对电力负荷需求不同的问题，本文在这种背景下开展了电力交易体系的研究。

基于此，经过实验和调研，国内外研究所建立多个电力交易体系，文献[1]通过建立电力负荷博弈价值模型，采用区块链技术对电力负荷进行分区划分，对电力交易进行模块化管理，使电力交易市场更加具有规律化。但这种交易体系无法解决电力负荷季节性需求问题，只针对交易市场普遍规律，没有明显区分电力负荷季节变化[1]；文献[2]设计一种多微电网交易方法，根据Hurst指数对客户自身需求进行电力交易，能够在季节性需求的基础上进行买卖双方合约的签订，尽可能达到双方的利益需求，但是这种方法增加了电网本身的供电压力，交易流程较为复杂，交易达成的成功率较低[2]。

针对上述问题，本研究在电力交易市场季节性负荷需求的基础上，利用电力市场定价模型完成智能电网不同季节的价格制定，使利用Hurst指数完成电力资源季节性分配，通过签订差价合约的方法避免交易过程中产生的风险，提高电力市场交易的安全性，使电网电力交易能够满足季节性负荷需求[3]。

1 智能电网电力交易体系建设

智能电网电力交易体系的建设通过广域网进行数据把控，对电力市场上季节性需求数据进行整合管理。本研究建立的交易体系根据季节性需求电量，交易流程方便，交易成功率较高。发电商与购电商根据各自的供求关系进行交易协商，通过交易平台进行洽谈，并根据交易结果递交到交易中心。该交易体系能够在不同季节进行不同形式的交易模式，通过季节性电力负荷需求对交易双方进行合理规划，解决电力负荷根据季节性变化需求量不同的问题[4]。电力交易体系设计如图1所示。

图1 电力交易体系设计图

智能电力交易体系交易流程大致为根据季节性需求数据进行专业的利润分析，经过双方洽谈最后达成一致，并且签订合约。首先通过季节性需求数据利用PSO算法对交易双方提供的交易条件进行判断，找到一个标准，通过使双方能够达成一致。在交易过程中存在一定的交易风险，本文通过差价合约的方法进行规避这种风险，尽可能保证交易市场的安全性[5]。电力交易服务范围主要是发电站和购电商，发电站主要负责电力生产管理、按需发电和设备检修方面，作为交易的始发点，是电力交易体系建立的基础；购电商主要进行电能接收、协议履行和使用规划，负责电能的采集和使用，决定电力交易的需求量。发电站和购电商通过定价模型决定智能电网的电力价格，在此基础上完成交易，符合双方的既得利益。整个交易体系的交易流程通过数据终端监控，对电力交易信息集中把控，提高交易过程中的安全性，能够按照季节需求及时调整交易模式[6]。

2 电力市场定价模型

电力交易体系涉及市场交易，最主要矛盾为供求双方的价格问题，本研究根据市场上电力交易数据建立定价模型，方便交易双方就价格问题引起的纠纷合理化解决。定价模型主要功能是提供交易双方价格协商的平台，并根据市场普遍规律提供标准价格，使双方都能够接受，尽可能符合双方的利益，定价模型的建立使交易达成更加容易快捷，对交易达成具有促进作用[7]，智能电网的电力定价模型如图2所示。

图2 电力交易定价模型

电力交易定价模型通过季节性需求数据进行价格调研，根据现有电力市场达成交易成功率最高数据进行对比，取最优价格作为电力市场价格[8]。电力供应商根据电力生产成本划定电力价格标准，作为电力协商的初始价格。电力定价

模型根据电力交易中心各大商家的竞价划定电力市场价格标准，因此电力市场标准价格除了对电力供求双方提供的价格有一定限制之外，也能够对市场价格起到一定的调节作用。交易双方在电力市场标准价格的基础上使价格趋于均衡，最终敲定合同，后续可以在交易体系中进行签订差价合约，保证交易的安全性[9]。

3 PSO算法电力交易方法

PSO算法对于季节性电力负荷需求数据进行合理分配，使电力市场交易能够更加规律化，为了降低计算复杂性和模拟时间，假设每个购电商只能与一个发电商匹配交易，一个电力提供商可以与多个购电商进行匹配交易[10]。如果购电商连接到两个发电商，则购电商选择与具有最大额外权力的发电商进行分组。在每个时段内，每笔交易都会根据等式中的净负荷计算确定其作为卖方或买方的运行状态，该净负荷计算表示本地负荷和发电之间的差异：

Li,N=Li-PG,i+(-Pi,d/Pi,c)

(1)

式中，Li表示季节性负荷需求下实现智能电网电力交易的负荷，PG,i表示季节性负荷需求下实现智能电网电力交易电网中电厂发电量，Pi,c和Pi,d分别表示智能电网电力交易电网中交易市场的储能单元充/放电功率。当净负荷Li,N>0，电力体系在运维过程中，用户买方提交的负荷量和初始报价可以直接存储到交易模块中；当净负荷Li,N<0的情况下，智能电网电力交易电网中通过卖方提交的负荷量和初始报价可以实现数据信息储存;当存储处于中立状态，不参与交易。

为促进电力交易双方之间的交易成功，卖方以高于电网购电价格的价格发出初始报价，买方以略低于电网售电价格的价格发出初始报价，即满足以下约束条件：

pg,d≤pi≤pg,s

(2)

在智能电网电力交易过程中，电网参数协商过程中，每个智能电网电力交易组内的双方，能够根据电能估价实现数据信息协商，智能电网电力交易过程中的双方报价函数为

(3)

(4)

(5)

(6)

(7)

电能估价系数约束：

0≤φ(k)≤1

φ(kmax)=1

(8)

分布式电源出力约束：

(9)

由式(9)可模拟出每个交易组内买方和卖方的电能交易估价曲线。如果达到了最大数量的交易协商次数，交易体系会提出邀约或拒绝邀约。

通过以上的电力价格协商交易策略实现电力交易评估，假设某一交易体系中电力生产造价为

(10)

式中，ai，bi，ci是大于等于0的常数。那么每个电力供应商的自身成本优化目标可表示为

(11)

式中，Pgird,i表示为在进行电力交易时，其内的电力市场在于电网中其他设备数据信息实现信息交互的功率值。在该过程中，电网中其他设备数据信息在实现交互时，输出的功率约束条件可以为

(12)

采用PSO算法优化求解，PSO算法来自于市场性的价格标准。任何商品的价格都用两个向量vi和xi来描述。在价格的每一次变动中，每次价格的更新都由两个值更新。第一个值是电力生产厂商提供的最优价格，称为pbest，利用适应度函数求值。第二个值是所有称为gbest的pbesti中最优市场价格。通过找到这些值，任何商品都可以通过以下关系更新其价格。

(13)

(14)

4 试验结果与分析

本研究根据华中电网公司的数据统计，在Intel i9 酷睿十核+128GB内存+64位处理器计算机实验环境下，在实现数据信息仿真试验过程中，启动Simulink仿真软件，在该软件中实现数据信息的仿真、分析与验证，用户可以基于不同的季节，实现电力数据信息的交易与分析。在数据信息进行分析时，通过获取多组电力交易数据信息，进而提取不同的数据信息，试验环境信息如表1所示。

表1 实验环境参数配置

本文通过WINDOWS操作系统，在进行数据信息计算过程中，对季节负荷数据信息进行提取，以获取最终的电力交易测试结果，经过系统记录得到本文实验数据记录结果如表2所示。

表2 季节负荷测试结果

为更清晰直观了解本文研究交易体系的可行性，对系统运行状态进行模拟运行，通过Simulink仿真软件得到电力交易季节性负荷交易规律如图3所示。

图3 季节性负荷需求规律性曲线

从图中季节性负荷需求规律曲线可以发现，两个极端季节电力需求量较大，最高达到18 000 MW，说明在夏季和冬季电力交易市场交易频繁，交易量大；在春秋季节负荷需求大致相同，负荷需求为14 000 MW，此时电力交易相对较少。

通过季节性负荷需求规律曲线对传统交易体系与本研究进行对比，试验数据信息如图4、图5所示。

图4 传统交易体系对比图

图5 本研究交易体系对比图

通过对比发现本研究电力交易体系能够根据季节性需求调整交易量，使两者处于大致平衡状态，避免造成供应不足和市场矛盾；而传统交易体系电力需求量和交易达成量不平衡，容易造成电力市场紊乱。

5 总结

本文研究的智能电网电力交易体系，能够根据不同季节的电力需求提供不同电力交易量，能够规避交易风险，提高了市场的安全性，解决了传统方法容易造成双方矛盾的问题。经过实验测试和季节性数据分析，发现本文设计的智能电网电力交易体系具有一定的实用价值，能够满足电力市场的季节性需求。但是本研究在实验过程中存在一些不足，电网电力交易达成之后的电力运输较慢，对小电量的交易无法做到精准把控，在实验中交易数据漏洞等问题仍待解决。