现货市场环境下水电富集电网日前优化调度研究

吴洋 苏承国 孙映易 刘双全 郭航天

摘要：

水电富集电网中梯级水电站间紧密的水力、电力时空耦合关系以及清洁能源消纳的政策要求，极大地增加了现货市场环境下电网优化调度的挑战性。基于水电富集电网的市场特点和真实需求，探讨了促进可再生能源保障性消纳的水电富集电网日前现货市场交易机制。在此基础上，建立了以系统综合购电费用最小为目标的日前优化调度模型。针对模型中的水电站水位-库容关系、水位-耗水率关系等非线性因素，提出了相应的线性化处理策略，将原非线性模型转换为混合整数线性规划（Mixed Integer Linear Programming，MILP）模型。以云南电网10座火电站和22座水电站的日前优化调度为例对模型进行了验证，计算时间为183.6 s，系統综合购电费用为15 535万元，3个流域均无弃水产生。结果表明：提出的模型具有较高的求解精度与效率，在满足综合购电成本最小的前提下实现了水电最大化消纳，为水电富集电网的日前现货市场开展提供了科学决策的依据。

关 键 词：

水电富集电网； 日前现货市场； 出清机制； 日前优化调度； 混合整数线性规划

中图法分类号： TV213.4

文献标志码： A

DOI：10.16232/j.cnki.1001-4179.2023.07.030

0 引 言

现货市场能够充分还原电力商品属性，真正起到价格发现和资源优化配置的作用［1］。当前，中国新一轮电力体制改革进展迅速，并以南方（以广东起步）、四川等8个地区作为第一批试点［2］，相继组织推动电力现货市场建设工作。随着当前中国电力体制改革的全面深化，现货市场的全面铺开已成为下一阶段中国电力市场建设的核心与重点。

云南电网、四川电网是中国两个水电居主导地位的省级电网，水电装机容量占比均超过70%，是典型的水电富集电网［3］。水电逐步放开参与日前现货市场竞争，形成新的交易约束，与复杂电网安全约束以及固有的水力约束、电力约束等关联耦合，进一步增加了电网优化调度（市场出清）的挑战性，具体体现在以下几个方面：① 梯级水电上游电站的下泄流量对下游电站发电能力存在影响，其复杂水力约束如耗水率-坝前水位关系、水位-库容关系等非线性约束，与电力约束耦合［4-5］，极大地影响了优化调度模型的求解效率（市场出清效率）；② 在传统的现货市场机制下，以全社会效益最大化或购电成本最小化作为优化目标，市场将尽可能让报价低的电站中标更多的电量，然而这种机制可能会导致全网水电站产生大量弃水，造成极大的资源浪费，违背了目前中国对可再生能源实行保障性消纳的政策［6］。因此，研究现货市场环境下水电富集电网优化调度运行方式，以充分利用市场交易机制，实现电网现货市场稳定运行和清洁能源的保障性消纳，具有重要意义。

国外水电资源丰富的地区如巴西、北欧等已建立了相对成熟的电力市场。巴西电力市场［7-8］中的短期市场是由市场运营机构组织的“成本型电力库”市场，市场不报价，价格也不由竞争确定，因此巴西短期市场并不是严格意义上的电力现货市场。北欧电力市场范围覆盖瑞典、挪威、芬兰和丹麦，日前现货市场采用“集中竞价，边际出清”的原则［9-12］。挪威的水电站普遍具有优良的调节性能，能够借助于跨国互联系统实现高比例水电的消纳和各国资源互济协调。

中国许多学者也对水电参与日前现货市场问题进行了研究。贾泽斌等［13］提出一种高比例水电系统梯级电量联动控制的日前现货出清方法，将梯级水电站日电量动态控制作为边界纳入系统约束，使水电现货出清计划都能满足梯级水力约束条件；于旭光等［14］提出了一种耦合日前市场竞价及日合同分解的梯级水电站短期鲁棒优化调度方法；邓玉敏等［15］ 提出了基于机会成本的日前市场增量竞价报价策略并设计了跨省区水电中长期合约分解曲线物理执行机制和日前市场增量竞价模型；钟儒鸿等［16］在传统出清模型的基础上，结合水电复杂水力联系的特点，考虑水电跨区消纳的场景，提出了耦合复杂水力联系的跨区交易现货市场出清模型，将复杂水力联系转化成水电站群的最大、最小发电量；张粒子等［17］将下游电站日内发电量表示为关于上游电站申报电量的线性函数并将其嵌入到日前市场出清优化模型中，解决了多运营主体流域梯级水电站独立参与日前市场的出清问题。但当前相关的研究中仍存在两个问题迫切需要解决：① 中国要求通过发挥市场调节功能实现清洁能源最大化消纳，而针对高比例水电的市场化消纳问题，目前仍缺乏一套合理的现货市场出清技术体系；② 水电富集电网日前调度模型中大量非线性约束带来计算复杂度的提升，以往模型缺乏有力的处理手段，导致模型求解效率偏低，难以满足现货市场出清的效率要求。本文首先分析了清洁能源消纳政策背景下水电富集电网的日前出清机制，在此基础上建立了现货市场环境下水电富集电网日前优化调度模型。模型将弃水电量惩罚考虑到优化目标中，以综合购电费用最小为目标函数，综合考虑了电网约束、水电约束和火电约束。为提高调度模型的求解效率，本文将模型中非线性因素进行线性化，将原模型转换为标准的混合整数线性规划（mixed integer linear programming，MILP）模型，并调用成熟、高效的优化求解器CPLEX对模型进行求解。最后，以云南电网10座火电站和22座水电站的日前优化调度对本文模型和方法进行验证。

1 水电富集电网日前现货市场机制

电力市场主要分为分散式电力市场和集中式电力市场两种模式。目前国内电力现货市场试点中，南方（以广东省起步）、浙江省、四川省、甘肃省、山东省、山西省采用集中式电力市场，而福建省、蒙西采用分散式市场。对于水电富集电网而言，大型梯级水电站群上下游之间具有极强的水力和电力联系，分散式市场模式下梯级水电站之间相互竞争可能会导致大量弃水或部分下游电站无法完成申报的日前发电曲线。为保障清洁能源优先消纳和电力市场平稳运行，水电富集区域适宜采用集中式电力市场模式。日前现货市场采用全电量申报、集中优化出清的方式开展，市场运营初期可采用发电侧报量报价、用户侧报量不报价，发电侧报价采用阶梯型报价的方式，如图1所示。由于水力发电的特殊性，同一个水电站内不同机组的出力是互相影响的，难以作为独立的竞价主体，因此水电站以电站为单位参与日前市场交易。而火电机组的发电能力取决于各自机组运行状况、技术约束和燃料供给，各机组的发电能力是相互解耦的，能够基于自身经济技术特性开展独立的现货电力交易。电力调度机构以全网购电费用最小为目标集中出清，得到运行日的水电站调度计划、火电机组开机组合和分时出力曲线，在获得经济最优解的同时最大程度保障水电的消纳。风电和光伏作为新能源，由于其不具备调节能力，因此暂不参与日前现货市场交易［18］，将其预测功率作为市场出清边界条件。

2 数学模型

2.1 目标函数

传统的日前现货市场优化调度（出清）模型多采用购电费用最小为目标函数，未考虑高比例水电消纳问题［18-20］。为此，本文在模型中引入水电弃能罚函数，将弃能带来的损失考虑到购电费用中，以综合购电费用最小为目标构建现货市场日前发电优化调度模型。因风电和光伏暂不参与日前现货市场交易，本文仅考虑水电和火电参与日前市场交易，具体目标函数如下：

4 实例分析

4.1 工程概况

云南电网是典型的水电富集电网，截至2021年底，云南省全口径水电装机容量达到7 810万kW，占总装机容量的近80%。云南省是中国新一轮电力市场化改革首批试点，现已全面建成年度交易、月度交易、日前增量交易等覆盖多个时间尺度的中长期电力市场，市场主体和交易电量均增长迅速。截至2021年底，共470余家电厂参与市场交易，覆盖省调平衡电站的90%以上，省内市场全年共成交电量1 490.85亿kW·h。本文以云南电网为工程背景，考虑澜沧江、金沙江、李仙江3个流域的22个水电站以及10座火电站在日前现货市场下的发电优化调度，其中水电总装机容量为31 473 MW，火电总装机容量为10 000 MW。流域梯级水电站的水力联系如图3所示。日前优化调度的调度周期为24 h，时间步长为15 min，采用2021年1月典型日的实际运行数据进行模型模拟。水电站及火电站需要同时申报运行费用，采用现货市场常用的分段阶梯型报价［27］，火电机组为4段，水电站为5段，分段数据是通过对每月实际交易数据特殊处理得到的，具体处理如下：对于分段价格，取电站月交易价格的最高和最低作为申报价格的上下限，然后通过等区间插值确定各分段的申报价格；同样，分段出力由最小出力和最大出力等区间插值确定［28］，此外火电机组还需申报开机费用。调用CPLEX求解器对模型进行求解，计算平台为16核CPU、主频2.3 GHz的Dell工作站。弃能惩罚因子M设置为200，模型迭代收敛绝对精度值为0.02%。

4.2 结果分析

4.2.1 优化调度结果分析

模型计算耗时为183.6 s，计算效率较高，说明将模型中非线性约束进行线性化处理后借助高效求解器，可以有效解决水电富集电网日前现货市场出清效率低下的问题。

计算得到的电网最小综合购电费用为15 535万元，3个流域均无弃水产生，说明本文所提模型将弃水电量惩罚考虑到目标函数中，可以在兼顾购电费用的同时避免弃水的产生，实现了清洁能源的市场化消纳。

图4给出了日前市场的优化调度结果。水电中标电量占全网用电量的56%，火电占44%，由于水电总装机大于火电总装机，且水电整体报价较火电报价低，因此水电的中标电量占全网用电量更多。限于篇幅，图5给出了澜沧江流域龙头小湾电站的水位、出力变化曲线。小湾是多年调节电站，具有良好的调节性能，电站出力有随负荷变化的趋势；水位基本保持稳定，在日内呈平缓下降趋势。

4.2.2 弃能惩罚因子对出清结果的影响分析

为验证本文模型的优越性，将本文所提模型与传统仅追求经济效益而不考虑弃能惩罚的日前市场出清模型进行对比，对比结果如表1所列。可以看出，尽管传统模型综合购电费用减少了1 893万元，但弃水电量达到了124 966 MW·h，小湾、大朝山、观音岩、崖羊山、普西桥等调节性能较好的电站均产生了弃水，不符合清洁能源消纳的政策要求。

调整弃水电量惩罚因子，进一步分析不同弃水电量惩罚因子下的出清结果，如图6所示。可以看出：随着弃水电量惩罚因子的增大，综合购电费用逐步变大，而弃水电量逐步减小；当惩罚因子增大到200时，弃水减小到0，惩罚因子增大到250时，综合购电费用不再变化。这是因为当惩罚因子较小时，弃水电量在目标函数中所占较小，为了满足经济效益，报价低的水电机组多中标，报价高的水电机组则因少中标或无中标，被迫产生弃水；而当惩罚因子较大时，报价较高的电站也获得了中标电量，从而起到减少水电弃水的作用。

4.2.3 龙头电站报价对结果影响分析

（1） 调高报价。

小湾为多年调节电站，装机容量4 200 MW，是澜沧江上游的龙头电站。现调高小湾电站的报价，将其对应容量段报价提高0.2元/（kW·h），分析其对出清结果的影响。小湾的水位、出力变化曲线如图7所示。可以看出，当小湾报价提高时，其出力在低谷阶段明显减少，而由于电网负荷平衡要求，小湾电站在负荷高峰时段的出力与提高报价前基本相同。由于小湾极好的调节能力，其水位与报价提升前水位几乎一致。从表2看出，当小湾报价调高后，电网内水电总体中标电量降低，而火电中标电量升高，综合购电费用升高1 316万元，两种情况下均无弃水产生。此外，由表3可知，小湾报价提高0.2元/（kW·h）时，澜沧江流域水电站总中标电量减少10.03%，对下游漫湾电站、大朝山电站的中标电量影响较大，而对功果桥、糯扎渡、景洪的影响较小。这是因为小湾的发电量和下泄流量减少，造成其下游漫湾、大朝山电站出现中标出力减少的现象。而糯扎渡、景洪作为澜沧江流域下游的水电站且具有较好的调节性能，因此调高小湾的报价对其影响较小；而功果桥作为小湾的上游电站，受其下游小湾电站下泄流量的影响也不大，因此调高小湾的报价对其影响也较小。

（2） 调低报价。

调低澜沧江龙头电站小湾的报价，将其对应容量段报价调低0.1元/（kW·h），其优化调度结果变化如表4所列。可以看出，当调低小湾報价时，系统综合购电费用减少了477万元，水电总体中标电量较原始提高了2.25%，无弃水产生。由表5可知，调低龙头电站的报价对流域内其他电站报价的影响不明显，主要原因在于调整报价前水电的报价就已经低于火电的报价，因此，调低报价后，流域内水电的中标电量仅有略微提高。

5 结 论

本文根据中国水电富集电网运行特征和清洁能源消纳政策，设计了促进清洁能源消纳的水电富集电网日前市场出清机制，继而构建了以系统综合购电费用最小为目标的日前优化调度MILP模型，并以云南电网为例对模型进行了验证，得到了如下几点结论：

（1） 本文提出了一系列有效的线性化处理策略，将水电富集电网日前优化调度模型转化为标准的MILP模型，大幅简化了现货市场日前优化调度模型的复杂性，在满足精度的前提下极大地提高了计算效率。

（2） 通过设计合理的水电富集电网日前市场出清机制，能够有效促进水电消纳；随着弃水惩罚因子逐渐增大，系统综合购电费用逐渐变大，但弃水电量显著减小；当弃水惩罚因子增加到一定程度时，优化调度弃水电量不再变化，此时则为系统的最小弃电量。

（3） 流域龙头电站报价较高时，龙头电站的中标电量减少，流域内水电总的中标电量也呈减少趋势，小湾作为多年调节电站，影响更为显著；当流域龙头电站报价较低时，龙头电站的中标电量增多，但由于本身水电的报价就比火电的低，因此调低龙头电站报价对该流域整体影响不明显。

目前，中国正处于电力现货市场建设的关键时期，大规模水电参与现货市场已成为必然趋势，本文的研究可为清洁能源消纳政策下水电富集电网日前优化调度问题提供有效参考。而研究现货市场出清机制对节点电价的影响以及分析市场运行均衡状态，是未来进一步的研究方向。

参考文献：

［1］ 宋永华，包铭磊，丁一，等.新电改下我国电力现货市场建设关键要点综述及相关建议［J］.中国电机工程学报，2020，40（10）：3172-3187.

［2］ 国家发展改革委办公厅，国家能源局综合司.国家发展改革委办公厅、國家能源局综合司关于开展电力现货市场建设试点工作的通知［EB/OL］.（2017-08-28）［2022-07-13］.https：∥www.ndrc.gov.cn/xxgk/zcfb/tz/201709/t20170905_962552.html.

［3］ 陈孚.电力市场环境下水电富集电网中长期运行策略及方式研究［D］.大连：大连理工大学，2017.

［4］ 申建建，程春田，武新宇，等.超大规模水电系统优化调度挑战及应用实践［J］.中国电机工程学报，2018，38（21）：6284-6294.

［5］ ZHOU J Z，ZHANG Y C，ZHANG R，et al.Integrated optimiza-tion of hydroelectric energy in the upper and middle Yangtze River.［J］.Renewable and Sustainable Energy Reviews，2015，45：481-512.

［6］ 张粒子，张枫，李俊，等.基于中长期优化调度的水电富集地区丰枯期省间购售电策略优化模型研究［J］.水利水电技术（中英文），2021，52（7）：152-166.

［7］ REGO E E.Price：Lessons learned from Brazilian electricity procurement auctions.［J］.Energy Policy，2013，60：217-223.

［8］ MUNHOZ F C.The necessity of more temporal granularity in the Brazilian short-term electricity market［J］.Sustainable Energy，Grids and Networks，2017，11：26-33.

［9］ JEAN-MICHEL，GLACHANT，SOPHIA，et al.The EU internal electricity market：Done forever？［J］.Utilities Policy，2014，31：221-228.

［10］ ILIEVA I，TORJUS B T F.An econometric analysis of the regulation power market at the nordic power exchange［J］.Energy Procedia，2014，58：58-64.

［11］ Nord Pool A S.Day-ahead market regulations［EB/OL］.［2020-06-03］.https：∥www.nordpoolgroup.com/globalassets/download-center/rules-and-regulations/day-aheadmarket-regulations_valid-from-3-june-2020.pdf.

［12］ SKYTTE K.The regulating power market on the Nordic power exchange Nord Pool：an econometric analysis［J］.Energy Economics，1999，21（4）：295-308.

［13］ 贾泽斌，申建建，程春田，等.基于梯级电量联动控制的高比例水电电力市场日前现货出清方法［J］.中国电机工程学报，2021，41（23）：8033-8046.

［14］ 于旭光，李刚，李亚鹏，等.耦合日合同分解及日前市场竞价的梯级水电站短期鲁棒优化调度［J］.电网技术，2021，45（10）：4016-4025.

［15］ 邓玉敏，石峰，夏清，等.跨省区水电参与现货市场的机制和交易策略［J］.电网技术，2021，45（8）：3190-3202.

［16］ 钟儒鸿，程春田，廖胜利，等.耦合复杂水力联系的跨区交易现货市场出清模型［J］.电力系统自动化，2022，46（1）：164-173.

［17］ 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.

［18］ 路轶，胡晓静，孙毅，等.适应高水电占比的电力现货市场机制设计与实践［J］.电力系统自动化，2021，45（9）：162-170.

［19］ 黄馗，张政，武新宇.弃水电量及调峰弃水电量计算方法研究［J］.人民长江，2021，52（6）：201-205，228.

［20］ 高志远，徐亮，邵平，等.水电市场化消纳分析与体系框架设计［J］.人民长江，2022，53（1）：235-239.

［21］ 冯仲恺，牛文静，程春田，等.大规模水电系统优化调度维数灾问题研究进展［J］.水电与抽水蓄能，2021，7（5）：111-115.

［22］ 张政，武新宇，程春田，等.复杂约束下梯级水电站短期厂网协调多目标MILP模型［J］.电力系统自动化，2021，45（21）：197-205.

［23］ 苏承国，王沛霖，武新宇，等.考虑机组组合的梯级水电站短期调峰MILP模型［J］.电网技术，2018，42（6）：1883-1891.

［24］ CHENG C T，WANG J Y，WU X Y.Hydro unit commitment with a head-sensitive reservoir and multiple vibration zones using MILP［J］.IEEE Transactions on Power Systems，2016，31（6）：4842-4852.

［25］ SU C G，YUAN W L，CHENG C T，et al.Short-term generation scheduling of cascade hydropower plants with strong hydraulic coupling and head-dependent prohibited operating zones［J］.Journal of Hydrology，2020，591：125556.

［26］ LU L，YUAN W L，SU C G，et al.Optimization model for the short-term joint operation of a grid-connected wind-photovoltaic-hydro hybrid energy system with cascade hydropower plants［J］.Energy Conversion and Management，2021，236：114055.

［27］ BAKIRTZIS A G，ZIOGOS N P，TELLIDOU A C，et al.Electricity producer offering strategies in day-ahead energy markets［J］.IEEE Transactions on Power Systems，2007，22（4）：1804-1818.

［28］ JIA Z B，SHEN J J，CHENG C T，et al.Optimum day-ahead clearing for high proportion hydropower market considering complex hydraulic connection［J］.Electrical Power and Energy Systems，2022，141：108211.

（編辑：江 文）

Day-ahead optimal scheduling of hydropower-dominated power grid under spot market environment

WU Yang1，SU Chengguo2，SUN Yingyi1，LIU Shuangquan1，GUO Hangtian2

（1.Power Dispatching & Control Center，Yunnan Power Grid，Kunming 650011，China； 2.College of Water Conservancy and Civil Engineering，Zhengzhou University，Zhengzhou 450011，China）

Abstract：

In the hydropower enrichment network，the tight time-space coupling relationship of hypower and electricity between cascade hydropower stations and the policy requirements of clean energy consumption has greatly increased the challenge of power grid optimization and dispatching in the spot market environment.Based on the market characteristics and real demand for the hydropower-dominated power grid，the day-ahead spot market trading mechanism of the hydropower enrichment grid was discussed to guarantee the absorption of renewable energy.On this basis，a day-ahead optimization scheduling model aiming at minimizing the comprehensive power purchase cost of the power system was established.The nonlinear factors in the model such as the relationship between water level and storage capacity of hydropower stations，and the relationship between water level and water-consumption rate were linearized through multiple linearization techniques.Therefore the original nonlinear model was transformed into a Mixed Integer Linear Programming（MILP） model，and the developed model was verified by 10 thermal power stations and 22 hydropower stations in Yunnan Power Grid.The calculation time was 183.6s，the comprehensive power purchase cost of the system was 155.35 million CNY，and there was no water abandonment in the three river basins.The simulation results showed that the proposed model had high solution accuracy and efficiency，and maximized the hydropower consumption under the premise of meeting the minimum comprehensive power purchase cost.The findings of this study can provide a scientific basis for the development of the day-ahead spot market of hydropower-dominated power grid.

Key words：

hydropower-dominated power grid；day-ahead spot market；clearing mechanism；day-ahead optimal scheduling；mixed integer linear programming