多类型省间优发优购合约电量的时段化分解方法

杨辰星，程海花，冯树海，杨争林

（中国电力科学研究院有限公司（南京），江苏省南京市 210003）

0 引言

中国省间中长期优发优购电量，主要用于满足清洁能源消纳、机组供热和安全运行对调节性电源、跨省区资源配置等的需求，以及保障不参与市场的居民、农业和重要公用事业等优先购电用户的正常用电。优发优购电量在中国省间中长期总交易电量中的占比约为80%。另一方面，国家要求健全电力中长期合同签订的配套保障机制，进一步发挥中长期市场的“压舱石”作用［1］。为此，亟须针对中国省间中长期交易从电量向分时段电力交易转变的目标，设计合理的省间优发优购合约电量分解方式，以进一步优化省间优先计划与市场化交易的时序衔接，促进全国范围内的清洁能源消纳和发电资源优化配置。

目前，国外典型区域电力市场的中长期交易，普遍采用金融合约或自主双边物理合约的方式开展［2-4］，不存在类似中国的规模化优先计划合约，而金融性质的合约无需分解和执行［5-7］，市场化物理合约一般由购售双方自行协商分解［8-9］。中国目前采用的省间优发优购电量分解方式为：首先，基于发电能力分别对各笔合约进行年度电量到月度电量的分解；其次，基于合约指定的特高压通道的可用输电能力（available transmission capacity，ATC）曲线，分别对各笔合约进行固定路径的月度电量到时段电力分解。由于售电侧电源出力特性和购电省份负荷特性差异较大，现有的分解方式存在以下问题：1）对于售电侧，未考虑电源在不同时间尺度下的出力特性，降低了分解曲线的可执行度；2）对于购电侧，未考虑负荷用电特性和市场化因素的影响，没有发挥省间交易能够降低购电总成本的优势；3）对于输电侧，未统筹考虑所有可用特高压通道的输电能力，导致部分签订的电量在实际执行过程中因通道越限而被削减。尽管已有文献对省级中长期合约电量的分解方法进行了探索［10-13］，并且广东、浙江等现货试点省份已先后出台了省内中长期合约电量分解规则，但均仅适用于省级或更小区域的电网，且在分解过程中仅考虑了购售电单侧特性。因此，考虑到中国各省发用电特性差异、跨区特高压通道“一线一价”的特点以及省间交易集中优化的需求［14］，已有的省内合约电量分解方法不能直接应用于省间计划电量分解。本文针对国家计划与政府间协议2 类省间优发优购合约，分别提出了考虑发、用、输电侧多维度影响因素的合约电量分解方法。首先，兼顾考虑计划电量需求、发用电特性及联络线ATC，建立了国家计划合约电量“年-月-日-时段”分级分解模型；接着，以月总成交电量最大为主目标，以购售方分解曲线偏差最小为次目标，建立了多特高压通道集中优化的政府间协议合约电量分解模型；最后，以2021 年国家电网公司范围内签订的典型省间优发优购合约为例，验证了所建立2 类模型的有效性。

1 国家计划合约电量分解方法

国家计划合约由若干笔大型能源基地的年度省间外送交易组成，由国家发展和改革委员会、能源局下发电能消纳方案，由北京电力交易中心组织开展交易。国家计划合约在中国省间中长期交易中的优先级最高，实际执行过程中被优先安排成交并占用跨省区输电通道。因此，在国家计划合约电量分解过程中输电通道容量充裕，适合采用固定路径的电量分解方式。

本文提出的国家计划合约电量分解方法包括年度电量分解到月度电量、月度电量分解到日电量、日电量分解到24 个时段电力3 个步骤，每一步骤均采用考虑联络线ATC 的多市场主体集中优化出清方式。同时，为了提高售方市场主体分解曲线的可执行度，减少购电省份因分解后曲线与用电需求不匹配而带来的不平衡资金，在分解过程中兼顾考虑了不同时间尺度的购售电侧发用电特性。国家计划合约电量分解方法的具体流程如下。

1）获取各笔省间国家计划合约的年度电量，同时考虑发用电特性，采用集中优化模型，将各笔国家计划合约年度电量分解为月度电量曲线。

2）考虑发用电特性，每月分别采用集中优化模型，将各笔国家计划合约月度电量分解为日电量曲线。

3）考虑购电省份用电特性，每日分别采用集中优化模型，将各笔国家计划合约日电量分解为时段电力曲线。

考虑到分解方法的相似性，本节仅针对省间国家计划合约电量的3 级分解过程，设计了统一形式的优化模型。

1.1 目标函数

国家计划合约电量分解模型，以各购售方市场主体分解获得的电量（或电力）曲线与其目标分解曲线偏差的惩罚费用之和最小为目标，即：

式中：NT为优化时段总数；NO为售方市场主体总数；ND为购方市场主体总数；NL为分解偏差百分比的分段数；t为优化时段；Co，l，t为第t优化时段售方市场主体o在 第l分 段 的 分 解 偏 差 惩 罚 成 本；Vo，l，t为 第t优化时段售方市场主体o在第l分段的分解偏差量；Cd，l，t为第t优化时段购方市场主体d在第l分段的分解 偏 差 惩 罚 成 本；Vd，l，t为 第t优 化 时 段 购 方 市 场 主体d在第l分段的分解偏差量；K为售方分解偏差的总惩罚费用占目标函数的权重；NP为交易路径总数；Iend，l为 第l分 段 的 偏 差 比 例 上 限；Istart，l为 第l分 段的 偏 差 比 例 下 限；Qdec，o，d，p，t为 第t优 化 时 段 购 售 对（o，d）经交易路径p的分解电量（或电力），是该优化模型的决策变量；Qtarg，o，t为第t优化时段售方市场主体o的目标分解电量（或电力）；Qtarg，d，t为第t优化时段购方市场主体d的目标分解电量（或电力）；Qcont，o，d，p为购售对（o，d）经过交易路径p签订的省间国家计划合约的待分解电量；Qtyp，o，t为第t优化时段售方市场主体o的典型发电电量（或电力）；Qtyp，d，t为第t优化时段购方市场主体d的典型用电电量（或电力）。

针对统一优化模型的目标函数，需要说明以下几点：1）对于年度、月度、日电量分解，NT分别为全年的月份数、被分解月的天数及全天的小时数；2）对于年度、月度、日电量分解，t分别为分解月、分解日及分解时段；3）K的取值范围为0～1，可根据购售电侧调节能力的大小设置不同的K值；4）对于年度、月度、日电量分解，Qcont，o，d，p分别为该笔国家计划合约签订的年度总电量、年度电量分解后得到的月度电量值以及月度电量分解后得到的日电量值；5）为进一步发挥省间优先发电计划优势，分解过程还需同时考虑已开展现货市场的购电省份的省内现货市场价格影响因素。一般而言，省间优先计划合约价格低于购电省省内交易价格，若能将更多的国家计划合约电量分解到购电省省内现货市场价格高的时段，则对购电省而言，可以用国家计划合约价格结算更多的高价峰时段需求电量，从而降低了总体购电成本。因此，针对月度电量和日电量分解模型，对于省内未开展现货市场的购方市场主体，满足式（7）；对于省内已开展现货市场的购方市场主体，月度电量和日电量分解分别满足式（8）和式（9）。

式 中：Eavg，d，t为 第t日 购 方 市 场 主 体d所 在 省 份 的 省内现货市场日平均价格；Espot，d，t为第t时段购方市场主体d所在省份的省内现货市场价格。

1.2 约束条件

1）计划电量平衡约束

对于每笔售方市场主体o与购方市场主体d签订的国家计划合约，分解前、后优化周期内的总电量保持不变，即：

2）联络线正、反向ATC 约束

对于任意优化时段t，任意相关省间或省内联络线W上通过的电量（或电力）应不大于该联络线的正向ATC 限值，且不小于该联络线的反向ATC 限值，即：

式中：RP为与联络线W相关联的所有交易路径p的集合；RO为与RP路径相关的所有售方市场主体集合；RD为与RP路径相关的所有购方市场主体集合；DW，p为交易路径p经过联络线W上的潮流方向，1表示正向，-1 表示反向；SW，p，t为不考虑网损下交易路径p经由联络线W在第t优化时段的潮流分布因子［15］；fW，p为 交 易 路 径p经 由 联 络 线W的 网 损 折 算系 数；Apos，W，t为 联 络 线W在 第t优 化 时 段 的 正 向ATC 限 值；Aneg，W，t为 联 络 线W在 第t优 化 时 段 的 反向ATC 限值。

需要说明的是：对于年度、月度、日电量分解，Apos，W，t和Aneg，W，t分别为该条联络线在第t月的正、反向可用输电总电量、该条联络线在第t日的正、反向可用输电总电量以及该条联络线在第t时段的正、反向可用输电电力。

2 政府间协议合约电量分解方法

政府间协议合约是由能源富裕省份与能源紧缺省份经政府间协商签订的省间外送合约，在扣除国家计划合约交易电力后的通道剩余容量基础上开展交易。目前，政府间协议合约电量实际采用基于固定路径（合约签订路径）的无电网约束分解方式，部分交易的分解结果会在某些时段因通道容量不足而造成潮流越限。因此，政府间协议合约电量适合采用路径可调整的分解方式，以实现分解电力在跨区通道间的统筹调剂。

本文提出的省间政府间协议合约电量分解方法为：首先，根据签订的省间政府间协议合约，购售电省份经协商获得各笔合约的年度交易电量分解到各月的电量值，其中，购电省份以省公司代理方式购电，只设置1 个市场主体；每个售电省份根据签订的省间政府间协议合约的笔数，设置1 个或多个市场主体；其次，通过路径搜索算法［15］，遍历出所有与已签订政府间协议合约相关的购售电省份节点间的可行交易路径；最后，基于遍历出的所有可行路径，通过建立多特高压通道集中优化模型，将各笔合约协商得到的分解月电量直接分解到24 个时段。考虑到售电侧月内调节能力较购电侧强，优化模型对购售电侧均设置了不同时间粒度的优化目标。在该分解过程中，对全国范围内所有可行的交易路径进行了统筹优化利用，实现了不同优化时段下原合约中购售电交易对与交易路径配对关系的可调整，最大化利用了跨省区特高压通道的输电能力，能够有效减少因省间或省内联络线ATC 不足而产生的交易电量削减量。同时，在分解过程中还兼顾考虑了发用电特性以及现货试点省份的省内现货市场价格，有利于提高分解曲线的可执行度，节约整体购电成本。

2.1 目标函数

政府间协议合约电量分解优化模型，以月成交总电量最大为主目标，以各售方市场主体分解的日电量曲线与其目标分解曲线偏差的惩罚费用之和，以及各购电省份分解的时段电力曲线与其目标分解曲线偏差的惩罚费用之和最小为次目标，即：

式 中：NM为 被 分 解 月 的 总 天 数；Co，l，m为 第m日 售 方市 场 主 体o在 第l分 段 的 分 解 偏 差 惩 罚 成 本；Vo，l，m为第m日售方市场主体o在第l分段的分解偏差量，满足式（2）、式（4）和式（6）；Cd，l，i为第i时段购方市场主 体d在 第l分 段 的 分 解 偏 差 惩 罚 成 本；Vd，l，i为 第i时段购方市场主体d在第l分段的分解偏差量，满足式（3）、式（5）、式（7）和式（9）；Qmax为能够成交的月总电量最大值，即所有签订的政府间协议合约在被分解月通过协商获得的分解月电量之和；K1、K2、K3为3 个目标的权重系数，由于优先满足总成交月电量 最 大，因此取K3≫K1，K3≫K2；Qdec，o，d，p，i为第i时段购售对（o，d）经交易路径p的分解电力，为该优化模型的决策变量；Qbarg，o为售方市场主体o签订的所有政府间协议合约在被分解月通过协商获得的分解月电量之和；HOrd，m为第m日在被分解月的日期；Qdec，o，d，p，m为 第m日 购 售 对（o，d）经 交 易 路 径p的 分解日电量统计值。

2.2 约束条件

1）售方市场主体发电能力约束

对于任意售方市场主体o，与其相关的所有购售对（o，d）经交易路径p的时段电力分解值之和，不能超过该市场主体签订的所有政府间协议合约在被分解月的月度总电量值，即：

2）购方市场主体用电能力约束

对于任意购方市场主体d，与其相关的所有购售对（o，d）经交易路径p的时段电力分解值之和，不能超过该市场主体签订的所有政府间协议合约在被分解月的月度总电量值，即：

式中：Qbarg，d为购方市场主体d签订的所有政府间协议合约在被分解月通过协商获得的分解月电量之和。

3）联络线正、反向潮流约束

对于任意分解时段i，任意相关省间或省内联络线W上通过的有功功率值应不大于该联络线的正向ATC 限值，且不小于该联络线的反向ATC 限值，即满足式（11）和式（12）。

4）交易路径上成交对价差约束

式 中：Ebid，d，i为 购 方 市 场 主 体d在 第i时 段 的 申 报 价格；Econv，d，p，i为 购 方 市 场 主 体d在 第i时 段 从 交 易 路径p购电所需承担的输电费和网损折价［15］；Ebid，o，i为售方市场主体o在第i时段的申报价格。

3 案例分析

3.1 国家计划合约电量分解案例

本文以2021 年某大型水电基地与购电省a、b、c之间的年度省间外送交易为例进行分析。其中，购电省份以省公司代理的方式参与交易，即参与优化的购电省份均仅包含1 个市场主体。该水电基地分别与购电省a、b、c 签订的国家计划合约电量见附录A 表A1。各笔签订的国家计划合约经由的交易路径见附录A 表A2。为了便于分析，本案例中，将年、月、日、时段的分级分解模型中的市场主体分解偏差的惩罚成本设置为统一数值，见附录A 表A3。实际运行时，该参数由负责的交易机构指定。

首先，采用本文提出的模型进行年度电量向月度电量的分解。为了充分考虑水电基地的来水季节特性，设置其典型曲线为1、2 月份不向外送出电力。在年度电量向月度电量分解的过程中，需重点考虑售电侧发电能力对分解结果的影响，以保证分解结果的可执行性。因此，将售电侧匹配度权重系数K设置为0.9，由此得到各市场主体的年度电量分解结果如图1 所示。

图1 国家计划合约年度电量分解结果Fig.1 Decomposition results of yearly power quantity of state planned contracts

由图1 可以看出，由于在目标函数中考虑的售电侧匹配度权重较高，因此，售方市场主体的分解月电量曲线与其目标曲线比较贴合，显著提升了售方市场主体分解曲线的可执行度。同时，优化分解结果反映了发用电季节特性，1、2 月份因水电站处于枯水期而无成交电量，夏季因水电站处于丰水期且用电需求大而导致成交电量较高。

接着，以6 月份为例进行月度电量的分解，将上一步分解得到的月度电量值作为优化模型的输入。由于6 月份水电站处于丰水期，售电侧在月内的调节能力较强，将售电侧匹配度权重系数K设置为0.5，即在目标函数中同等考虑购售电侧的匹配度权重。由此得到各市场主体的月度电量分解结果如图2 所示。

图2 国家计划合约月度电量分解结果Fig.2 Decomposition results of monthly power quantity of state planned contracts

由图2 可以看出，由于在目标函数中同等考虑了购售电侧匹配度权重，各购售方市场主体的分解日电量曲线与其目标曲线趋势均比较一致，分解结果基本能够满足发用电需求。各购电省份在高价峰电量日（工作日）分解得到了更多的国家计划合约电量，实现了购电侧整体用电成本的有效降低。

考虑到水电站在枯水期的月内调节能力较丰水期弱，调整售电侧匹配度权重系数为0.7，进行12 月的月度电量分解，得到各市场主体的月度电量分解结果见附录A 图A1。由分解结果可以看出，增大售电侧匹配度权重系数后，售方市场主体的分解曲线贴合度提高，而购方省份的分解曲线仍能反映其在不同类型日的用电需求差异。因此，分解结果具备合理性和可执行性。

最后，以2021 年6 月1 日为例进行日电量的分解，将上一步分解得到的日电量作为优化模型的输入。由于国家计划合约的售方市场主体为纯水电、纯火电或新能源与配套电源打捆的形式，售电侧在日内的调节能力强，故在日电量分解过程中，一般仅考虑购电省份的日用电特性，即将售电侧匹配度权重系数K设置为0。由此得到各市场主体的日电量分解结果如图3 所示。

图3 国家计划合约日电量分解结果Fig.3 Decomposition results of daily power quantity of state planned contracts

由图3 可以看出，由于在目标函数中仅考虑了购电侧时段电力分解值与目标分解值的匹配度，故各购方省份的分解时段电力曲线与其目标曲线完全贴合，日内峰谷特性明显。分解结果充分反映了购电省份在每日不同时段的省间市场购电意愿，有效降低了购电侧整体用电成本。

3.2 政府间协议合约电量分解案例

本文以2021 年国家电网有限公司范围内签订的33 笔年度政府间协议省间外送合约为例进行分析。本文拟重点对建立的月度电量分解模型的有效性进行验证。因此，选取省间联络线上潮流越限情况较为严重的4 月份作为典型月，针对该月购售电省份经实际协商后月度分解电量大于0 GW·h 的23 笔政府间协议合约，进行月度电量集中优化分解。

基于该23 笔政府间协议合约设置购售方市场主体并形成各市场主体的申报信息。对于每一售电省份，根据其在该月参与的合约笔数，设置该省份的售方市场主体个数，各市场主体基于该省的燃煤标杆价格进行阶梯报价；对于每一购电省份，均以省公司代理的方式参与交易，仅设置1 个购方市场主体，将售方市场主体报价经合约路径进行输电费和网损折价后得到的最高落地价作为该购电省报价。设置的购售方市场主体申报信息见附录B 表B1 和表B2。

基于该月的23 笔政府间协议合约，采用第2 章建立的模型，进行西北（售电省A、售电省B、售电省C、售电省D、售电省E）送华东（购电省A、购电省B、购电省C）、西南（购电省D、购电省E）、华中（购电省F、购电省G、购电省H、购电省I）及华北（购电省J、购电省K、购电省L）的月度电量分解。售方市场主体的典型日电量曲线及购方市场主体的典型时段电力曲线，依据各自的典型发用电特性进行模拟设置。为了实现月度总成交电量的最大化，同时兼顾考虑发用电特性，设置主、次目标权重系数为：K1=0.5，K2=0.5，K3=1 000。

目前，实际采用的不考虑电网约束下的政府间协议合约电量分解结果，在交易执行前需经国家电力调控中心校核，手工削减部分时段引起联络线越限的分解电力。所提出的优化出清方式下和目前实际执行的国家电力调控中心核减后的购售方市场主体总成交月度电量值分别见附录B 表B3 和表B4。目前，无约束分解方式和优化出清方式下的特高压通道上分解统计信息以及联络线越限和阻塞信息分别如表1 和表2 所示。

表1 特高压通道上的分解统计信息Table 1 Statistical decomposition information of ultra-high voltage channels

表2 联络线越限和阻塞信息Table 2 Exceeding limit and congestion information of tie-lines

通过优化结果可以看出，采用本文提出的多特高压通道集中优化模型，实现了政府间协议合约时段电力的优化分配，具体表现为：1）针对无约束分解方式下特高压通道F 的越限情况，采用优化方法对所有可行路径进行全局优化后，部分经特高压通道F 送购电省F 的电力改经特高压通道C、D、G 输送，消除了特高压通道F 的潮流越限情况；2）针对无约束分解方式下特高压通道D 及省间交流断面a 的越限情况，采用优化方法后，部分西北送华中的电力改经特高压通道H 输送，缓解了特高压通道D、G 的输电压力，同时消除了特高压通道D 及省间交流断面a 的潮流越限情况，实现了跨省区特高压通道的统筹优化；3）针对售电省E 送购电省L 省间外送交易，签订合约中经由特高压通道I，采用优化方法后，部分电力改经输电价更低的特高压通道B 输送；同样的，部分西北经特高压通道A 送华东的电力，采用优化方法后改经输电价更低的特高压通道E 输送，因此，总体上节约了总输电成本；4）从整体成交结果来看，与目前实际执行的核减方式相比较，采用本文提出的交易路径可变的时段电力全局集中优化方法，能够得到更大的成交总电量，最大化发挥了跨省区特高压通道的输电能力。

进一步，分析购售方市场主体的优化出清曲线特性。针对以纯光伏或光伏与常规电源打捆形式的售方市场主体，设置其典型日电量曲线，因4 月份下旬光照强度较高而有一定幅度的提升；针对纯火电或风电与常规电源打捆形式的售方市场主体，因月内火电机组较强的调节能力以及无明显变化的来风情况，设置其典型日电量曲线为1 条直线；针对购方市场主体，考虑工作日与节假日（或周末）的用电差异以及每日的用电特性［1］，设置各购电省份该月的典型时段电力曲线。售方市场主体的目标日电量曲线及购方市场主体的目标时段电力曲线分别如附录B 图B1（a）和图B1（b）所示；售方市场主体的出清日电量曲线及购方市场主体的出清时段电力曲线，分别如图4（a）和图4（b）所示。

图4 优化出清结果Fig.4 Optimal clearing results

由于参与优化的购售方市场主体较多，分别选取1 个售方和1 个购方市场主体，进一步详细对比其分解曲线与目标曲线的特征。售方以售电省B 市场主体1 为例，其优化出清后的日电量曲线和目标日电量曲线的对比情况如图5（a）所示；购方以购电省F 为例，其在某日的优化出清时段电力曲线和目标电力曲线的对比情况如图5（b）所示。

图5 目标曲线与出清曲线的对比结果Fig.5 Comparison results of target and clearing curves

由图4 和图5 可以得到以下结论。1）由于在优化目标中同等考虑了购、售电侧匹配度权重，出清结果同时反映了售方市场主体的日电量典型曲线特征以及购方市场主体的时段电力典型曲线特征；2）各售方市场主体的优化出清日电量曲线与其典型日电量曲线的整体趋势一致，反映了不同售方市场主体在月内不同时期的发电调节能力；同时，售方市场主体的分解曲线在非工作日明显下降，间接体现了购电侧在工作日和节假日（或周末）的不同用电量需求；3）各购电省的优化出清时段电力曲线，在4 月下旬有一定幅度的整体抬升，且在工作日的日用电量明显高于非工作日，故在月度整体趋势上同时反映了售电侧的日电量曲线特征以及购电侧不同类型日的用电量差异。同时，购电省的优化出清时段电力曲线与其典型用电曲线基本吻合，反映了该省份在日内的用电峰谷特性。

综上，采用本文提出的优化模型进行政府间协议合约电量分解，实现了满足所有相关联络线ATC前提下的合约电量最大化出清，显著减少了目前实际执行时因联络线ATC 不足而产生的协议电量削减量。另一方面，出清结果在保证月总成交电量最大化的前提下，能够同时反映售方市场主体的月度发电特性及购电省份每日的实际用电峰谷特性，有利于充分挖掘利用发电资源的可调节能力，同时使得购电省份在高价峰时段成交更多电力，有效降低了购电侧整体用电成本。

4 结语

本文主要研究了国家计划及政府间协议2 种类型的省间优发优购合约电量的时段化分解方法。首先，建立了“年-月-日-时段”的国家计划合约电量分级分解模型，分解结果能够反映不同时间尺度下的发用电特性，提升了分解曲线的可执行性。同时，购电省份能够在省内高价峰时段成交更多的国家计划合约电量，有效降低了购电侧整体用电成本。其次，建立了政府间协议合约电量的多目标分解模型，实现了政府间协议合约电量分解由固定交易路径到路径可全网统筹优化的跨越。出清结果能够在满足电网安全约束的前提下，充分挖掘跨省区特高压通道的输电能力，实现了成交电量最大化。同时，分解过程中兼顾考虑了发用电特性，有利于降低分解曲线执行偏差，同时满足购电意愿。最后，通过仿真研究，验证了所提出的2 种省间优发优购电量分解方法的有效性。

本文的研究成果将有利于实现省间优先计划与市场化交易在时序上的有效衔接，促进省间、省内市场耦合，优化发电资源跨省区配置，对于中国能源清洁低碳转型目标的实现以及全国统一电力市场建设具有显著的科学意义和实践价值。目前，本文构建的优化模型仅实现了实验室环境下的模拟验证。下一步，拟将研究成果部署在北京电力交易中心的新一代电力交易平台上，以期通过大量的实际算例测试，进一步验证模型的有效性，支撑中国省间优发优购电量分解规则的设计与改进。

附录见本刊网络版（http：//www.aeps-info.com/aeps/ch/index.aspx），扫英文摘要后二维码可以阅读网络全文。