一种月或旬分时段交易辅助决策方法及系统与流程

1.本发明属于电力市场的申报决策领域，具体涉及一种月或旬分时段交易辅助决策方法及系统。


背景技术：

2.根据国家能源局关于现货市场建设的有关要求，深入推进全省电力市场建设，完善现货模式下批发市场中长期交易、批发市场和零售市场相关机制，解决现货市场建设中存在的中长期交易机制不匹配、不灵活，批发和零售价格不畅通等问题，建立中长期交易和现货交易一体融合、批发和零售市场价格传导透明顺畅的市场体系，实现电力市场价格信号对电力生产、消费的引导作用。建立在批发市场中与现货交易相衔接的中长期分时交易机制和零售市场分时交易机制，实现电力市场全电量分时价格。但如何进行合理的分时段申报决策是得到有效收益的关键。
3.目前国内分时段交易市场才逐渐开展，对发电侧用户如何制定合理的申报决策方案无指导性理论，大部分发电侧用户仅依赖行业知识和经验丰富的专家凭借市场大体趋势进行尝试性申报决策，未考虑效益最大化、用电侧用户申报量价等因素的影响；此方法不仅耗时还占用大量人力资源使得效率低下，而且随机性太强，没有科学依据支撑计算，可重复性太差，实时性不强等问题。


技术实现要素：

4.本发明为了解决上述存在的技术问题，目的在于提供了一种月或旬分时段交易辅助决策方法及系统，通过建立数学模型、运筹学方法和遗传算法进行求解寻优，完成辅助决策，解放人力资源，提高科学可靠性，实现经济效益最大化。
5.为了解决技术问题，本发明的技术方案是：
6.一种月或旬分时段交易辅助决策方法，所述方法包括：
7.对已持有中长期合约数据进行预处理，得到分时段的电量数据及电价数据；
8.对预设的市场披露信息和历史数据进行数值关联分析，得到关联分析结果；
9.采用回归分析法对所述关联分析结果求解，得到所述历史数据的典型曲线；
10.根据所述分时段的电量数据及电价数据、预设的模型成交概率对申报电量进行估值得到标的估值、所述历史数据的典型曲线和预设的市场交易规则以及电厂自身约束条件，建立模型约束条件；
11.基于预设的电力现货交易市场日前结算公式，参考中长期和日前市场偏差结算收益最大化为目的，建立目标函数；
12.根据所述模型约束条件和所述目标函数，生成辅助决策模型；
13.利用scipy求解器和遗传算法对所述辅助决策模型进行优化求解得到最优申报策略；
14.首先通过统计学分析方法对历史数据以及已持有的中长期合约数据进行预处理；
其次，以日前结算收益最大化为目标建立辅助决策模型，然后通过模型成交概率对申报电量进行标的估值以及结合月或旬分时段交易市场规则对模型进行约束；最后，结合运筹学方法以及遗传算法对月或旬分时段交易辅助决策方案进行求解，辅助发电侧用户完成月或旬集中竞价分时段交易、月或旬滚动撮合分时段交易申报决策，为决策者提供一种申报决策方案，使其收益最大化。
15.进一步，所述对已持有合约数据进行预处理，包括：对已持有合约数据利用统计学算法进行分解处理。
16.进一步，所述历史数据包括：日前价格数据、出清电量数据和基数电量数据。
17.进一步，所述利用scipy求解器和遗传算法对所述辅助决策模型进行优化求解得到最优申报策略，包括：
18.采用scipy求解器对所述辅助决策模型进行求解，得到多个最优解；
19.对所述多个最优解进行分析对比，得到第一申报决策方案。
20.进一步，所述利用scipy求解器和遗传算法对所述辅助决策模型进行优化求解得到最优申报策略，还包括：
21.对所述scipy求解器设置最大时间限制，得到含有最大时间限制的scipy求解器；
22.采用所述含有最大时间限制的scipy求解器对所述辅助决策模型进行求解，得到次优解；
23.将所述次优解作为初始参数带入遗传算法中进行求解，得到第二申报决策方案。
24.进一步，所述利用scipy求解器和遗传算法对所述辅助决策模型进行优化求解得到最优申报策略，还包括：
25.对所述第一申报决策方案和所述第二申报决策方案进行分析对比，得到最优申报决策方案。
26.一种月或旬分时段交易辅助决策系统，所述系统包括：
27.一个或多个处理器；
28.存储器，用于存储一个或多个程序，
29.当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如上所述的一种月或旬分时段交易辅助决策方法。
30.与现有技术相比，本发明的优点在于：
31.一种月或旬分时段交易辅助决策方法及系统，首先通过统计学分析方法对历史数据以及已持有的中长期合约数据进行预处理；其次，以日前结算收益最大化为目标建立辅助决策模型，然后通过模型成交概率对申报电量进行标的估值以及结合月或旬分时段交易市场规则对模型进行约束；最后，结合运筹学方法以及遗传算法对月或旬分时段交易辅助决策方案进行求解，辅助发电侧用户完成月或旬集中竞价分时段交易、月或旬滚动撮合分时段交易申报决策，为决策者提供一种申报决策方案，解放人力资源，提高科学可靠性，实现经济效益最大化，使其收益最大化。
附图说明
32.图1、本发明一种月或旬分时段交易辅助决策方法及系统的具体流程图；
33.图2、本发明一种月或旬分时段交易辅助决策方法及系统的模型求解的流程图；
34.图3、本发明一种月或旬分时段交易辅助决策方法及系统的模型求解的8月份日前价格典型曲线图。
具体实施方式
35.下面结合实施例描述本发明具体实施方式：
36.需要说明的是，本说明书所示意的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。
37.同时，本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
38.实施例一
39.如图1所示，一种月或旬分时段交易辅助决策方法，所述方法包括：
40.对已持有中长期合约数据进行预处理，得到分时段的电量数据及电价数据；
41.对预设的市场披露信息和历史数据进行数值关联分析，得到关联分析结果；
42.采用回归分析法对所述关联分析结果求解，得到所述历史数据的典型曲线；
43.根据所述分时段的电量数据及电价数据、预设的模型成交概率对申报电量进行估值得到标的估值、所述历史数据的典型曲线和预设的市场交易规则以及电厂自身约束条件，建立模型约束条件；
44.基于预设的电力现货交易市场日前结算公式，参考中长期和日前市场偏差结算收益最大化为目的，建立目标函数；
45.根据所述模型约束条件和所述目标函数，生成辅助决策模型；
46.利用scipy求解器和遗传算法对所述辅助决策模型进行优化求解得到最优申报策略；
47.首先通过统计学分析方法对历史数据以及已持有的中长期合约数据进行预处理；其次，以日前结算收益最大化为目标建立辅助决策模型，然后通过模型成交概率对申报电量进行标的估值以及结合月或旬分时段交易市场规则对模型进行约束；最后，结合运筹学方法以及遗传算法对月或旬分时段交易辅助决策方案进行求解，辅助发电侧用户完成月或旬集中竞价分时段交易、月或旬滚动撮合分时段交易申报决策，为决策者提供一种申报决策方案，使其收益最大化。
48.进一步，所述对已持有合约数据进行预处理，包括：对已持有合约数据利用统计学算法进行分解处理。
49.进一步，所述历史数据包括：日前价格数据、出清电量数据和基数电量数据。
50.进一步，所述利用scipy求解器和遗传算法对所述辅助决策模型进行优化求解得到最优申报策略，包括：
51.采用scipy求解器对所述辅助决策模型进行求解，得到多个最优解；
52.对所述多个最优解进行分析对比，得到第一申报决策方案。
53.进一步，所述利用scipy求解器和遗传算法对所述辅助决策模型进行优化求解得
到最优申报策略，还包括：
54.对所述scipy求解器设置最大时间限制，得到含有最大时间限制的scipy求解器；
55.采用所述含有最大时间限制的scipy求解器对所述辅助决策模型进行求解，得到次优解；
56.将所述次优解作为初始参数带入遗传算法中进行求解，得到第二申报决策方案。
57.进一步，所述利用scipy求解器和遗传算法对所述辅助决策模型进行优化求解得到最优申报策略，还包括：
58.对所述第一申报决策方案和所述第二申报决策方案进行分析对比，得到最优申报决策方案。
59.一种月或旬分时段交易辅助决策系统，所述系统包括：
60.一个或多个处理器；
61.存储器，用于存储一个或多个程序，
62.当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如上所述的一种月或旬分时段交易辅助决策方法。
63.实施例二
64.数据预处理
65.分时段交易的目的之一是为了解决现货市场存在的中长期交易机制不匹配问题，因此分时段为不同时段交易申报的价格、电量都与所对应的现货价格、电量等现货市场历史数据有一定的关联，故需对历史数据进行处理，主要分为以下几步：
66.(1)首先，对已持有的中长期合约利用统计学方法，得到分解至对应月、旬不同时段的电量以及价格；
67.(2)然后，根据市场披露信息以及对历史数据日前价格、出清电量、基数电量的曲线形态进行数值分析发现其与各时段之间具有一定的相关关系，并确定该相关关系；
68.(3)最用，利用回归分析方法(如，最小二乘法)基于分析出来的相关关系进行求解得到日前价格典型曲线、出清电量典型曲线以及基数电量典型曲线。
69.模型建立
70.基于电力现货交易市场日前结算公式，以中长期和日前市场偏差结算收益最大化为目标函数，以电厂为主体进行结算。目标函数如下公式(1)所示：(1)：
[0071][0072]
其中，model_q
j
表示分时段交易申报电量根据概率函数所得的第j时段标的估值；p
j
表示分时段交易第j时段申报电价；q
riqian,j
表示为出清电量典型曲线的第j时段的值；p
riqian,j
表示日前价格典型曲线的第j时段的值；m表示旬度分时段交易未按市场规则要求所受到的缺额电量回收成本。others表示天数小于15天，days表示天数；目标函数月度采用公式(1)的第一个，目标函数旬度采用公式(1)第二个。
[0073]
q
zhong,j
，p
zhong,j
分别为第j时段的合约电量和合约加权电价，具体计算如下：
[0074][0075]
q
jishu,j
表示为基数电量典型曲线的第j时段的值；p
jishu,j
表示基数合约电价；q
hold,j
,p
hold,j
分别表示已持有中长期合约分解至对应月或旬的电量和加权电价。
[0076]
其中月或旬集中竞价分时段交易、滚动撮合分时段交易所建立目标函数相同，只是需要注意的是旬交易时需要考虑惩罚，并且集中竞价、滚动撮合所对应的日前价格、电量以及中长期量、价不同。
[0077]
根据市场批露信息、市场规则以及运筹学方法，进行如下步骤对目标函数进行求解：
[0078]
根据市场披露的逐时段价格上下限可知，发电侧在分时段交易中各时段的申报电价应满足如下公式(2)所示：
[0079]
p_down
j
≤p
j
≤p_up
j
ꢀꢀꢀ
(2)
[0080]
其中，p
j
表示分时段交易在第j时段申报电价；p_down
j
、p_up
j
分别表示分时段交易在第j时段价格电价下限、价格上限。
[0081]
分时段交易各时段的申报电量不能超过各市场主体每个时段电量限额，如下公式(3)所示：
[0082]
q
j
≤q_lim it
j
ꢀꢀꢀ
(3)
[0083]
其中，q
j
表示分时段交易在第j时段申报电量；q_lim it
j
表示分时段交易在第j时段电量限额。
[0084]
由市场规则可知，发电侧用户在第一次进行分时段交易要紧跟发电原则，虽在分时段交易中各时段的即可以申报买入也可以申报卖出电量，但其买入量不能超过卖出量，否则其发电侧成为了用电侧不符市场规则。故其在月度交易时申报电量不能为买入电量，再其之后的交易由于已有月度交易的卖出量，因此在做旬度交易时可买入电量，但其申报买入(回购)电量，不得超出已持有的各批次中长期合同分解至该时段的净卖出电量之和。如公式(4)所示。
[0085][0086]
其中，q_buy_lim it
j
表示分时段交易在第j时段可买入电量上限；q_hold
j
表示已持有的中长期合同分解至在第j时段的净合约电量之和。
[0087]
由于电厂根据自身的发电机组进行发电，故其卖出电量不能超过自身的发电能力，即发电侧在分时段交易中各时段申报卖出电量与已持有的中长期合同分解至该时段的净卖出电量之和，折合电力不得超出电厂装机容量，具体如公式(5)所示：
[0088]
q
j
q_hold
j
≤s_max
ꢀꢀꢀ
(5)
[0089]
其中，s_max表示该电厂的装机容量。
[0090]
据市场规则可知，发电侧在分时段交易中各时段的全月累计买入电量之和，不得超出各批次交易在第j时段的全月累计卖出电量之和的50％，如公式(6)所示：
[0091]
max(
‑
q
j
,0) q_buy_hold
j
≤0.5*(max(q
j
,0) q_sell_hold
j
)
ꢀꢀꢀ
(6)
[0092]
其中，q_buy_hold
j
表示各批次交易在第j时段买入电量之和；q_sell_hold
j
表示各批次交易在第j时段卖出电量之和。
[0093]
当某一分时段交易价格高于现货价格时，称之为价格溢价；反之则成为价格折价。从成本最小化，收益最大化的角度，市场主体希望降低溢价，并在满足风险管控的前提下尽量以折价成交。虽然可对未来现货价格进行预测来避免风险，但是其存在严重的不确定性；因此，我们通过对市场主体交易进行统计学、标的估值以及ai模型从历史交易中总结各个交易批次的不同标的的折溢价规律，并建立分时段交易中各时段申报量价的成交概率，来对各时段进行标的估值。本发明首先通过数据分析和统计学方法获得心理预期价格和成交概率函数，如公式(7)所示：
[0094][0095]
由此可得，发电侧在第j时段的申报电量的标的估值如公式(8)所示：
[0096]
model_q
j
＝q
j
×
p
*j
ꢀꢀꢀ
(8)
[0097]
其中，p_expect
j
表示第j时段的心理预期价，f1(x),f2(x),f3(x)表示关于申报价的成交概率函数；model_q
j
表示第j时段的标的估值。
[0098]
模型求解
[0099]
根据所建立的模型对其进行求解，由于在求解过程发现其最优解并不是唯一的，故本发明通过以下方法使其在最优窗口内找到唯一解，其流程图如图2所示，具体过程如下：
[0100]
(1)根据所提出目标函数和各种规则约束，本发明采用scipy求解器对其进行求解，将其求解出来的多个最优解进行存储，然后通过对比分析使成本最小化，利益最大化得到最终的申报策略。
[0101]
(2)首先根据所建立的模型，通过设置最大求解时间利用scipy求解器得到一个次优解，然后将该次优解作为初始参数带入遗传算法进行求解，得到最优申报决策方案。
[0102]
(3)将两种方法所得到的最优申报方案在进行对比，选取两者之间利益最大，成本最小的申报决策方案。
[0103]
可以理解：由于月和旬分时段交易都包含集中竞价、滚动撮合两部分，根据兑付日期期有所不同，所以分别建立月度分时段交易辅助决策模型和旬度分时段辅助决策模型。两者之间存在一定的关联性，但市场规则以及求解方式略有不同，其模型主要流程图如图1所示。首先对已持有合约数据进行预处理，并对现货市场一个月的历史数据利用回归分析方法得到日前价格、出清电量、基数电量的典型曲线；然后，通过对市场主体交易进行统计学、标的估值以及ai模型从历史交易中总结规律得到模型成交概率函数，利用其对申报电量进行标的估值，以及结合月或旬集中竞价、滚动撮合分时交易市场规则建立辅助决策模型；最后，通过运筹学方法以及遗传算法对其求解得到辅助决策方案，实现交易日期对兑付日期进行申报决策，这里的兑付日期为表示实际执行月或旬分时段交易的自然月或旬；交易日期表示进行申报决策日，一般为兑付月的前一月20号左右，月度交易提前15天进行，而
旬交易一般为兑付旬开始的前5天左右。
[0104]
实施例三
[0105]
如表1所示，根据山西省某火电厂7月历史全网负荷数据、历史气象数据、历史日前电价数据、历史机组中标出力数据以及历史基数电量数据，通过统计学、回归分析模型得到8月份日前价格、出清电量以及基数电量典型曲线数据，其中日前价格典型曲线如图3所示：
[0106]
已知电厂最大装机容量s_max为1200mwh，最大可卖出电量q_max为28800mwh，价格上下限通过计算方式可计算得到。根据已有数据，上述目标函数、约束方程，优化求解8月集中竞价分时段交易申报决策结果，申报决策结果如表1所示，根据公式(1)可计算8月中长期日前收益为649.62万元。
[0107]
以第6时段为例，申报电量一段是530.3nmh，两段之和正好是可卖出电量上限，申报电价是315.93元/nmh等于价格上限，结合日前现货市场以及心理预期价分析可知申报价格已经是可申报的最高价，虽比这此时段日前价格360.36元/nmh低，与心理预期价316元/nmh相差较少，根据概率函数可得成交概率为1，故该时段以最高价卖出该时段的最大可卖量是合理的。
[0108]
以第20时段为例，申报量和价都为0，根据是市场用电规律可得该时段为用电高峰期，即使以最高价670元/nmh申报也不一定会成交，而此时的价格上限为630.36元/nmh比心理预期价512.56元/nmh高，根据概率函数可知以最高限价申报成交概率为0不会成交；结合此时段日前市场可知该时段日前价格641.89元/nmh很高，故此时段的电量放到现货日前市场卖出会更有利。
[0109]
综上所述，说明月集中竞价分时段交易辅助决策可以进行有效申报，提高发电侧收益。
[0110]
表1
‑
八月集中竞价分时段交易辅助决策结果
[0111][0112]
上面对本发明优选实施方式作了详细说明，但是本发明不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。
[0113]
不脱离本发明的构思和范围可以做出许多其他改变和改型。应当理解，本发明不限于特定的实施方式，本发明的范围由所附权利要求限定。