一种面向新能源主体的履约置信阶梯日前报价优化方法

本发明属于电力系统运行控制与智能决策，具体涉及一种面向新能源主体的履约置信阶梯日前报价优化方法。

背景技术：

1、随着风电、光伏为代表的新能源装机规模持续快速增长，新能源逐渐由保障性消纳向市场化消纳转变，采用“报量报价”方式参与现货市场交易。在现货市场“日前出清+实时平衡”的机制构架下，新能源发电主体需要根据预测信息提前生成发电计划。然而新能源出力受自然条件影响显著，其日前申报的出力曲线与实际出力之间往往存在较大偏差，进而导致发电计划执行偏差增大，影响新能源发电资源利用效率以及电力系统运行稳定性。

2、现有技术中，新能源主体通常采用固定参数或经验规则生成申报曲线，但该方式缺乏对新能源出力不确定性的有效表征，难以根据不同出力水平动态调整发电计划。同时，随着新能源并网规模扩大，不同发电主体之间的运行状态存在复杂耦合关系。传统基于静态博弈或解析模型的方法难以准确刻画多主体动态交互环境下的运行特性，也难以实现复杂运行场景中的自适应控制。因此，有必要构建一种既能反映新能源出力不确定性的阶梯化申报曲线，又能够在复杂多主体运行环境下实现发电计划自适应优化与动态调整的方法。

技术实现思路

1、本发明的目的在于针对现有申报方法的不足，提供一种面向新能源主体的履约置信阶梯日前报价优化方法。本发明通过引入新能源出力可信度的超越概率表征方法以及基于强化学习的自适应运行控制算法，实现新能源发电计划与实际出力特性的动态匹配，提高新能源发电资源利用效率和运行稳定性，增强新能源主体对出力波动的自适应调节能力，从而提升新能源消纳水平以及电力系统安全运行能力。

2、本发明的目的是通过以下技术方案来实现的：一种面向新能源主体的履约置信阶梯日前报价优化方法，包括以下步骤：

3、（1）数据预处理与申报上限的统计修正：基于新能源场站历史实际出力与对应的日前预测出力数据，建立新能源场站的预测误差时序序列；计算符合可靠性要求的正向修正偏差，并将其叠加至预测出力，结合装机容量约束确定机组各时刻日前申报曲线的出力功率上限，提高新能源发电能力评估准确性以及可调节出力资源利用水平；

4、（2）新能源出力置信表征与阶梯申报：根据超越概率理论与修正后的申报上限，对新能源实际出力比例与其发生的置信概率进行统计表征，构建新能源场站出力比例的超越概率曲线组；对申报出力进行分段划分，允许新能源主体按照履约风险偏好构建差异化阶梯申报曲线，实现对新能源出力不确定性的分层表征以及发电计划精细化配置；

5、（3）新能源参与现货交易的马尔科夫决策建模：构建电力市场多主体强化学习环境，将每一个新能源发电主体建模为具有自主学习能力的智能体，并将步骤（2）中的阶梯申报曲线作为智能体的决策动作；结合市场交易机构的公开披露信息与发电主体的个体观测信息，模拟真实市场环境中信息不对称下的马尔科夫报价决策过程，实现多主体运行状态与发电计划之间的动态关联建模；

6、（4）基于改进强化学习算法的策略训练与申报执行：通过分布型价值网络评估新能源主体出力波动特征及运行状态变化特征，引入风险扭曲算子实现主体不同运行偏好的自适应表达，并结合注意力机制对多主体环境中的关键交互关系进行动态建模；根据市场出清结果更新策略网络参数，通过迭代训练得到新能源主体的自适应阶梯运行控制策略，并用于日前电力市场申报。

7、进一步地，所述步骤（1）中的正向修正偏差定义为：

8、；

9、其中，为新能源机组

r在时刻

t的正向修正偏差；为新能源机组

r在时刻

t的实际出力序列；为新能源机组

r在时刻

t的预测出力序列；quantile0.95{‧}表示计算样本序列中分位数为95%的值；max{‧}表示计算样本序列的最大值。

10、进一步地，所述步骤（1）中的申报出力上限定义为：

11、；

12、其中，为新能源机组

r在时刻

t的修正后申报出力功率上限；为新能源机组

r在时刻

t的预测出力值；为新能源机组

r在时刻

t的正向修正偏差；为新能源机组

r的装机容量；min{‧}表示计算样本序列的最小值。

13、进一步地，所述步骤（2）中的实际出力比例定义为：

14、；

15、其中，为新能源经正向偏差修正后的实际出力比例；为新能源机组

r在时刻

t的修正后申报出力功率上限；为新能源机组

r在时刻

t的预测出力值。

16、进一步地，所述步骤（2）中的超越概率曲线为：

17、；

18、其中，epc为超越概率，取值范围为[0,1]；

x为随机变量；为预设阈值；pr(‧)表示事件发生概率。

19、进一步地，所述步骤（3）中每个新能源发电主体被建模为独立智能体，且新能源参与现货交易建模为一个单步马尔科夫决策过程，即在新能源机组参与日前市场申报的场景中，每个智能体在一个交易日内仅提交一次包含次日各时段的阶梯式申报曲线，市场运营机构依据全体申报结果执行一次统一出清。

20、进一步地，所述步骤（3）中的阶梯申报曲线形式为：

21、；

22、其中，为新能源机组

r在时刻

t的阶梯申报曲线；为新能源机组

r在时刻

t第

m段的预测出力置信度；为新能源机组

r在时刻

t第

m段的申报出力与对应的申报价格；为总段数；基于新能源机组的出力超越概率曲线，通过反求其对应的预测出力值，实现从出力置信度到出力值分段点的映射，进而形成智能体实际动作。

23、进一步地，所述步骤（3）中的公开披露信息包括次日的系统统调负荷预测曲线、历史交易日的平均出清电价；个体观测信息为新能源主体自身不公开的数据信息，包括

d日新能源出力预测曲线、出力置信度参数、历史交易日提交的申报曲线与中标结果，记为：

24、；

25、其中，为新能源智能体的观测输入；为

d日的社会总负荷预测值向量；为d-1日的市场平均出清电价向量；为新能源机组

r在

d日的预测出力值向量；为新能源机组

r在

d-1日的申报曲线；为新能源机组

r在

d-1日的中标收益结果；为新能源机组

r的出力置信度特征。

26、进一步地，所述强化学习算法通过分布型价值评估刻画收益不确定性，引入风险扭曲算子实现主体风险偏好的内生表达，并结合注意力机制对博弈环境中关键交互关系进行动态建模；基于分布型critic输出的收益分布构造经风险扭曲后的主观价值函数，其计算为：

27、；

28、其中，为所提强化学习算法主观价值函数；

s为新能源智能体的观测输入；

a为新能源智能体的动作集合；为分位数位置；为单调递增的扭曲函数；为第

k个分位数的累积概率；

k为分位数拟合的数量。

29、进一步地，通过市场出清结果不断更新智能体策略网络参数，实现新能源主体申报策略的自适应优化。

30、与现有技术相比，本发明的有益效果为：

31、（1）本发明通过构建新能源出力超越概率曲线，将随机性出力转化为履约置信度指标，并进一步将连续出力空间离散为多个置信阶梯，实现了从“随机出力”到“可分段决策变量”的转化。相较于传统基于预测值直接申报的方法，本发明能够更准确地反映新能源出力的不确定性特征，提高新能源发电能力评估精度以及发电计划制定准确性，增强发电计划与实际出力之间的匹配程度。

32、（2）本发明基于履约置信度设计阶梯申报曲线，使不同置信水平的出力区间采用差异化参数配置方式，实现新能源出力不确定性的分层管理与精细化调控。相较于现有单一参数配置方式，本方法能够降低因预测误差导致的计划执行偏差，提高新能源发电资源利用效率，增强新能源场站对出力波动的适应能力和运行稳定性。

33、（3）本发明将新能源主体建模为多智能体系统，利用强化学习算法在动态运行环境中不断迭代优化控制策略，能够捕捉不同主体之间的动态交互关系，实现从静态规则驱动向自适应学习优化的转变。相比传统基于经验规则或解析模型的方法，本发明具备更强的环境适应能力和在线优化能力，能够根据运行状态变化动态调整发电计划参数，提高新能源出力调节能力和运行控制精度，增强多主体协同运行水平。