基于电力绿证市场联合出清模型的均衡优化装置的制作方法

1.本发明属于电力交易系统和装置技术领域，尤其涉及一种基于电力绿证市场联合出清模型的均衡优化装置。


背景技术：

2.电力体制改革进一步深化，八个试点省份率先试点建设电力现货市场，进一步提高电力市场开放程度。未来随着可再生能源电力市场化比例逐渐提高，可再生能源电力的不确定性、波动性、间歇性以及绿证市场等因素将对电力市场均衡结果产生深远的影响，因此研究可再生能源配额制和电力现货市场并行背景下的电力市场具有重要意义，目前电力市场模型基本只关注电能量市场，未将可再生能源配额制对市场主体的要求、绿证市场、超额消纳量市场等纳入考虑；现有大部分电力市场模型简化过多条件，未全面考虑分段报价、潮流和相角约束、可再生能源出力和负荷波动性、分时报价等限制条件。


技术实现要素：

3.鉴于上述问题，本发明提出了一种基于电力绿证市场联合出清模型的均衡优化装置，基于计算机系统和程序，执行以下技术设计：根据可再生能源历史出力数据，通过聚类分析等算法提取可再生能源出力特征曲线；设置可再生能源配额制下电力用户的权重指标，各市场主体的基本参数，不同场景的概率和机组出力、负荷波动等参数；对电力-绿证市场联合出清模型进行线性化处理，使之转换为可求解的混合整数线性规划模型；在预先建立的电力-绿证市场联合出清模型中，初始化策略报价者的报价参数通过对角化算法求解电力-绿证市场联合出清模型，以获取所述模型中均衡优化的最优值，包括市场出清电价、各市场主体中标容量、策略报价者最优报价策略等。
4.本发明的装置以模块化的方式实现上述方法各步骤，基于计算机技术搭建的平台，利用数据处理和规划问题求解工具，在可再生能源配额制的政策背景下，为可再生能源发电商、常规能源发电商、电力用户等主体提供多个市场的综合竞价策略参考，以及为电力市场研究人员提供仿真装置。
5.相比于现有技术，本发明考虑了多段报价、分时报价、线路潮流和相角约束、出力和负荷的波动性和不确定性等，更贴近于电力市场、绿证市场和超额消纳量市场三个市场的实际情况，一方面可为发电商、电力用户等市场主体提供三个市场的综合竞价策略参考，另一方面可为电力市场研究人员提供仿真装置。
6.其具体采用以下技术方案：
7.一种基于电力绿证市场联合出清模型的均衡优化装置，基于计算机系统，其特征在于，包括：
8.数据导入模块，用于导入可再生能源配额制下电力用户的权重指标，以及输入各市场主体的基本参数，不同场景的概率和机组出力、负荷波动参数；
9.可再生能源出力曲线提取模块，用于根据可再生能源历史出力数据，通过聚类分
析提取可再生能源出力特征曲线；
10.市场模型优化模块，用于对电力-绿证市场联合出清模型进行线性化处理，使之转换为可求解的混合整数线性规划模型；
11.所述电力-绿证市场联合出清模型为双层带均衡约束的数学规划模型，包括六个子模型，分别为上层模型：可再生能源发电商决策模型、电力用户决策模型，以及下层模型：可再生能源日前市场出清模型、常规能源日前市场出清模型、实时市场出清模型、绿证和超额消纳量市场模型；
12.最优值计算模块，用于在预先建立的电力-绿证市场联合出清模型中，初始化策略报价者的报价参数，再通过对角化算法求解电力-绿证市场联合出清模型，以获取所述模型中均衡优化的最优值。
13.进一步地，还包括报价策略获取模块，用于对最优值计算模块得到的最优值进行数据处理，获得策略报价者的最优报价策略。
14.进一步地，所述可再生能源出力曲线提取模块基于可再生能源历史出力数据，采用 k-means聚类算法提取可再生能源出力特征曲线，综合使用手肘法和轮廓系数法确定最优聚类数，得到多个可再生能源出力特征曲线及其对应的概率。
15.进一步地，在所述电力-绿证市场联合出清模型中，市场主体可依据容量分段提交多段报价；模型考虑了可再生能源出力和电力用户负荷的波动性，并通过设置多场景模拟预测值与实际值的偏差；市场出清模型中线路模型为考虑潮流、相角约束的直流潮流模型。
16.进一步地，所述可再生能源发电商决策模型目标函数为：
[0017][0018]
其中为可再生能源发电商决策模型的决策变量集合；为实时市场节点m在场景ω时段t下的节点电价；m:为发电机组g所在的节点m；为节点m 上的发电机组集合；p
rec
为绿证/超额消纳量价格；c
k,g
为发电机组g在容量段k的边际成本；γi为可再生能源发电商i拥有的发电机组集合；π
ω
为场景ω的概率；为可再生能源日前市场中发电机组g在时段t容量段k的报价；为实时市场中发电机组g在场景ω时段t下容量段k的报价；为可再生能源日前市场中发电机组g在时段t容量段k的中标容量；为实时市场中发电机组g在场景ω时段t下容量段k的中标容量；为发电机组g在场景ω下日前市场与实时市场中标容量的偏差量；所述可再生能源发电商决策模型包括报价上下限约束；
[0019]
所述电力用户决策模型目标函数为：
[0020][0021]
其中为电力用户决策模型的决策变量集合；γj为电力用户j拥
有的负荷集合；为常规能源日前市场节点m在时段t下的节点电价；m:为负荷d 所在的节点m；为节点m上的负荷集合；为所有可再生能源发电机组集合；c
l,d
为负荷d在容量段l的边际效用；k为可再生能源配额制考核权重指标；为可再生能源日前市场中负荷d在时段t下容量段l的中标容量；为常规能源日前市场中负荷d在时段t下容量段l的中标容量；为实时市场中负荷d在场景ω时段t下容量段l的中标容量；为可再生能源日前市场中负荷d在时段t容量段l的报价；为常规能源日前市场中负荷d在时段t容量段l的报价；为实时市场中负荷d在场景ω时段t下容量段l的报价；所述电力用户决策模型包括报价上下限约束；
[0022]
所述可再生能源日前市场出清模型目标函数为其中为可再生能源日前市场出清模型的决策变量集合；为节点m上可再生能源发电机组集合；为与节点m物理连接的所有节点集合；b
m,n
为节点m,n之间线路的电导；为发电机组g容量段k上限；为可再生能源发电机组g在时段t日前预测出力；为负荷d在时段t下容量段l上限；为节点m,n之间的线路容量上限；为可再生能源日前市场节点m在时段t的相角；θ
min
为保证系统安全下节点相角最小值；θ
max
为保证系统安全下节点相角最大值；所述可再生能源日前市场出清模型包括节点功率平衡、机组出力和负荷限制、中标容量限制、线路潮流和节点相角限制约束；
[0023]
所述常规能源日前市场出清模型目标函数为其中为常规能源日前市场出清模型的决策变量集合，包含原变量和对偶变量，每个约束之后为对应的对偶变量；为常规能源发电机组集合；为节点m上所有常规能源发电机组集合；为常规能源日前市场中发电机组g在时段t容量段k的报价；为常规能源日前市场中发电机组g在时段t容量段k的中标容量；为常规能源日前市场节点m在时段t的相角；所述常规能源日前市场出清模型包括节点功率平衡、机组出力和负荷限制、线路潮流和节点相角限制约束；
[0024]
所述实时市场出清模型目标函数为其中为实时市场出清模型的决策变量集合，包含原变量和对偶变量，每个约束之后为对应的对偶变量；为实时市场节点m在场景ω时段t下的相角；为可再生能源发电机组g在场景ω时段t下实时预测出力；所述实时市场出清模型包括节点功率平衡、机组出力和负荷限制、中标容量限制、线路潮流和节点相角限制等约束；
[0025]
在所述绿证和超额消纳量市场模型中，超额消纳量市场和绿证市场交易标的物皆
为具有金融属性的指标量，二者对于完成可再生能源配额制考核要求作用相同，且电力用户可自由选择参与交易，故在模型中假设超额消纳量与绿证二者价格相同且为固定价格。
[0026]
进一步地，所述市场模型优化模块对电力-绿证市场联合出清模型首先利用下层模型的卡鲁什-库恩-塔克条件将双层模型转化为单层模型，再利用强对偶定理、二进制拓展法、大m法中的一种或多种线性化手段转化为混合整数线性规划问题。
[0027]
进一步地，所述最优值计算模块在求解市场均衡点时采用对角化算法；所述对角化算法通过迭代求解各个策略报价主体的混合整数线性规划问题得到最优报价策略，终止条件为所有主体本轮报价与上一轮报价差值处于预设的可接受范围内，同时设置最大迭代次数，若达到最大迭代次数仍未收敛则输出“未收敛至市场均衡点”并调整各策略主体初始报价重新计算市场均衡点。
[0028]
进一步地，其工作过程包括以下步骤：
[0029]
根据所述数据导入模块导入的可再生能源历史出力数据，通过可再生能源出力曲线提取模块提取可再生能源出力特征曲线；
[0030]
通过所述数据导入模块设置可再生能源配额制下电力用户的权重指标，各市场主体的基本参数，不同场景的概率和机组出力、负荷波动参数；
[0031]
通过所述市场模型优化模块对电力-绿证市场联合出清模型进行线性化处理，使之转换为可求解的混合整数线性规划模型。
[0032]
通过所述最优值计算模块在预先建立的电力-绿证市场联合出清模型中，初始化策略报价者的报价参数；再通过对角化算法求解电力-绿证市场联合出清模型，以获取所述模型中均衡优化的最优值。
[0033]
相比于现有技术，本发明及其优选方案基于可再生能源历史出力数据，运用聚类分析等算法获得可再生能源出力特征曲线，导入市场出清模型，再通过一系列线性化处理使之转换为可求解的混合整数线性规划模型。初始化市场出清模型中策略报价者的报价参数，通过对角化算法不断迭代求解市场出清模型，直至计算结果收敛至符合迭代终止条件，获得出清模型的最优值，最终对最优值进行数据处理获得策略报价者的最优报价策略。
[0034]
其考虑了多段报价、分时报价、线路潮流和相角约束、出力和负荷的波动性和不确定性等，更贴近于电力市场、绿证市场和超额消纳量市场三个市场的实际情况，一方面可为发电商、电力用户等市场主体提供三个市场的综合竞价策略参考，另一方面可为电力市场研究人员提供仿真装置。
附图说明
[0035]
下面结合附图和具体实施方式对本发明进一步详细的说明：
[0036]
图1为本发明第一实施例中的基于电力-绿证市场联合出清模型的均衡优化方法的流程示意图。
[0037]
图2为本发明第一实施例中的基于电力-绿证市场联合出清模型的均衡优化的联合出清双层模型图。
[0038]
图3为本发明实施例中的基于电力-绿证市场联合出清模型的均衡优化的对角化算法流程示意图。
[0039]
图4为本发明第二实施例中的基于电力-绿证市场联合出清模型的均衡优化装置
的模块化结构示意图。
[0040]
图5为本发明第二实施例中的基于电力-绿证市场联合出清模型的均衡优化装置的电力用户负荷图。
[0041]
图6为本发明第二实施例中的基于电力-绿证市场联合出清模型的均衡优化装置的多场景可再生能源典型出力曲线图。
[0042]
图7为本发明第二实施例中的基于电力-绿证市场联合出清模型的均衡优化装置的可再生能源渗透率对市场出清价影响示意图。
具体实施方式
[0043]
为让本专利的特征和优点能更明显易懂，下文特举实施例，作详细说明如下：
[0044]
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。通常在此处的附图中的描述和示出的组件可以以不同配置来组合设计。因此，以下对在附图中提供的本发明的选定实施例的详细描述并非为了限制要求保护的本发明的范围，而是仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例都属于本发明保护的范围。
[0045]
需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。文中的步骤编号，仅为了方便具体实施例的解释，不作为限定步骤执行先后顺序的作用。下面将参考附图并结合实施例来详细说明本发明。
[0046]
如图1所示，本发明第一实施例提供一种基于电力-绿证市场联合出清模型的均衡优化方法，包括以下步骤：
[0047]
s1、根据可再生能源历史出力数据，通过聚类分析等算法提取可再生能源出力特征曲线；
[0048]
s2、设置可再生能源配额制下电力用户的权重指标，各市场主体的基本参数，不同场景的概率和机组出力、负荷波动等参数；
[0049]
s3、对电力-绿证市场联合出清模型进行线性化处理，使之转换为可求解的混合整数线性规划模型；
[0050]
s4、在预先建立的电力-绿证市场联合出清模型中，初始化策略报价者的报价参数；
[0051]
s5、通过对角化算法求解电力-绿证市场联合出清模型，以获取所述模型中均衡优化的最优值。
[0052]
s6、通过数据处理，从最优值中提取市场出清电价、各市场主体中标容量、策略报价者最优报价策略等信息。
[0053]
实施例一中，步骤s1的具体内容为：根据可再生能源历史出力数据，结合使用“手肘法”与轮廓系数法确定k-means聚类方法的最优聚类数得到多个可再生能源出力典型曲线和对应的出力曲线场景概率。
[0054]
其中，手肘法主要思路是从k＝2开始逐步增加聚类数，计算所有样本数据点与其对应的数据集中心的距离总和，在某个k值时，距离总和下降幅度很大，之后再进一步增加 k，距离总和会逐渐收敛至一个稳定水平，这个k值就是真实的聚类数。
[0055]
而轮廓系数法在实际实验中表现良好，轮廓系数的概念与类内数据紧密程度和类间数据离散程度有关，具体的轮廓系数计算如下：
[0056][0057]
式中：a(i)表示样本数据点i与同数据集中其他点的平均距离，b(i)表示样本数据点i与其他数据集所有数据点的最小平均距离。
[0058]
轮廓系数的取值区间从-1到1，如果轮廓系数接近0则表示该数据点分配给其他数据集也是正确的，如果轮廓系数接近-1则表示该点分配到了错误的数据集，如果轮廓系数接近1则表示它被分配到了正确的数据集。确定最优聚类数可以通过计算所有数据点的轮廓系数和，当和取最大值时表明该聚类数为最优聚类数。
[0059]
k-means聚类算法的目标为最小化如下所示的目标函数，目标函数是一个平方差函数：
[0060][0061]
式中：s是一个包含k个数据集合的总数据集；c是一个包含k个中心的点集；yi为属于数据集合sk的数据点；ck为第k个中心。
[0062]
进一步地，实施例一中，步骤s2的具体内容为：可再生能源配额制参数包括电力用户考核权重指标等，发电机组参数包括分段容量大小、发电边际成本、不同场景和时段下可再生能源预测出力等，电力用户的负荷参数包括分段容量大小、分段边际效用、不同时段下负荷大小等。
[0063]
在本实施例中，电力-绿证市场联合出清模型如图2所示，为双层带均衡约束的数学规划模型，包括六个子模型，分别为上层模型：可再生能源发电商决策模型、电力用户决策模型，以及下层模型：可再生能源日前市场出清模型、常规能源日前市场出清模型、实时市场出清模型、绿证和超额消纳量市场模型。
[0064]
由于绿证和超额消纳量市场模型中，超额消纳量市场和绿证市场交易标的物皆为具有金融属性的指标量，二者对于完成可再生能源配额制考核要求作用相同，且电力用户可自由选择参与交易，故在模型中假设超额消纳量与绿证二者价格相同且为固定价格，因此在图2中未示出。
[0065]
进一步地，实施例一中，步骤s3的具体内容为：对于双层优化模型的求解，先利用下层模型的kkt条件将双层模型转化为等价的单层均衡约束数学规划问题。
[0066]
具体地，有：
[0067]
下层可再生能源日前市场出清模型的kkt条件：
[0068][0069][0070]
[0071][0072][0073][0074][0075][0076][0077][0078][0079][0080][0081]
下层常规能源日前市场出清模型的kkt条件：
[0082][0083][0084][0085][0086][0087][0088][0089][0090][0091][0092][0093][0094]
下层实时市场出清模型的kkt条件：
[0095][0096]
[0097][0098][0099][0100][0101][0102][0103][0104][0105][0106][0107][0108][0109]
均衡约束数学规划问题为非线性问题，导致其非线性有以下三个原因，对其线性化处理后可转化为混合整数线性规划问题进行求解。
[0110]
原因一为两个决策变量相乘而导致模型非线性，可通过等式变换和强对偶定理等方法线性化处理，对由强对偶定理可得：
[0111][0112]
再经过等式变换可得：
[0113][0114]
原因二同样为两个决策变量相乘而导致模型非线性，如
但无法通过强对偶定理和等式变换进行线性化，可利用二进制拓展法使之线性化。
[0115]
原因三为均衡约束数学规划问题中含有大量的非线性互补约束0≤p
⊥
q≥0，可用大 m法对其进行线性化并得到如下结果：
[0116]
p≥0,q≥0,p≤τm,q≤(1-τ)m,τ∈{0,1}
[0117]
式中：m为常数，取值为相对于p,q较大的数；τ为二进制变量，取值为0或1。
[0118]
进一步地，实施例一中，步骤s4的具体内容为：对策略报价者不同时段、不同场景、不同容量段的报价赋予初始值，初始值可设定为报价下限。
[0119]
进一步地，实施例一中，步骤s5的具体内容为：对市场均衡点的求解采用对角化算法，具体流程如图3所示，对角化算法通过迭代求解各个策略报价主体的混合整数线性规划问题来得到最优报价策略，终止条件为所有主体本轮报价与上一轮报价差值处于可接受范围内，同时设置最大迭代次数，若达到最大迭代次数仍未收敛则输出“未收敛至市场均衡点”并调整各策略主体初始报价重新计算市场均衡点，最终获取市场均衡点的均衡优化最优值。
[0120]
进一步地，实施例一中，步骤s6的具体内容为：根据市场均衡点的均衡优化的最优值，通过数据处理获取市场出清电价、各市场主体中标容量、策略报价者最优报价策略等信息。
[0121]
如图4所示，本发明第二实施例将实施例一提供的方法流程进行代码化和模块化，与计算机系统结合，提供一种基于电力-绿证市场联合出清模型的均衡优化装置，包括以下模块：
[0122]
数据导入模块m1，用于导入可再生能源配额制下电力用户的权重指标，各市场主体的基本参数，负荷波动等参数；
[0123]
可再生能源出力特征曲线提取模块m2，用于根据可再生能源历史出力数据，通过聚类分析等算法提取可再生能源出力特征曲线；
[0124]
市场模型优化模块m3，用于对电力-绿证市场联合出清模型进行线性化处理，使之转换为可求解的混合整数线性规划模型。
[0125]
最优值计算模块m4，用于在预先建立的电力-绿证市场联合出清模型中，初始化策略报价者的报价参数，再通过对角化算法求解电力-绿证市场联合出清模型，以获取所述模型中均衡优化的最优值。
[0126]
报价策略获取模块m5，用于对最优值计算模块得到的最优值进行数据处理，获得策略报价者的最优报价策略。
[0127]
基于实施例一的介绍，下面通过代入实际数据进一步介绍实施例二的实现方式，通过数据导入模块m1，假设在ieee14节点系统上有g1-g7七个发电机组和d1-d3三个负荷，其中g2、g4为风电机组分别属于可再生能源发电商1-2，g1、g3、g5、g6、g7分别属于常规能源发电商1-5，d1-d3负荷属于电力用户1。下一步设置出清模型的各项基本参数，可再生能源配额制参数，其中电力用户考核权重指标为0.2；发电机组参数，其中分段容量大小、发电边际成本如表1所示；电力用户的负荷参数，其中分段容量大小、分段边际效用如表1所示，不同时段下负荷大小如图5所示。
[0128]
表1 发电机组与负荷参数
[0129][0130]
通过可再生能源出力特征曲线提取模块m2，根据可再生能源历史出力数据，结合使用“手肘法”与轮廓系数法确定k-means聚类方法的最优聚类数得到多个可再生能源出力典型曲线和对应的出力曲线场景概率，各场景出力曲线如图6所示，场景1-4概率分别为 [0.12，0.18，0.28，0.42]。
[0131]
通过市场模型优化模块m3，对双层优化模型进行求解，先利用下层模型的kkt条件将双层模型转化为等价的单层均衡约束数学规划问题，均衡约束数学规划问题为非线性问题，非线性的原因包括决策变量相乘、存在均衡约束等，可通过强对偶定理、二进制拓展法、大m法等进行线性化处理，转变为可求解的混合整数线性规划问题。
[0132]
通过最优值计算模块m4，在经过市场模型优化模块m3线性化处理得到的混合整数线性规划问题中，将策略报价者的报价参数初始化为报价下限。再通过对角化算法迭代求解电力-绿证市场联合出清模型，具体流程如图3所示，对角化算法通过迭代求解各个策略报价主体的混合整数线性规划问题来得到最优报价策略，终止条件为所有主体本轮报价与上一轮报价差值处于可接受范围内，同时设置最大迭代次数，若达到最大迭代次数仍未收敛则输出“未收敛至市场均衡点”并调整各策略主体初始报价重新计算市场均衡点。最终计算得到所述模型中均衡优化的最优值，考虑篇幅限制，下面列举时段1的最优值如表2 所示。
[0133]
表2 各市场主体出清容量和市场出清电价
[0134]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
单位：mw，元/mw
·h[0135][0136][0137]
通过报价策略获取模块m5，对最优值计算模块得到的最优值进行数据处理，获得策略报价者的最优报价策略，考虑篇幅限制，下面列举时段1的最优报价策略如表3所示。
[0138]
表3 策略报价者最优报价策略
[0139]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
单位：元/mw
·h[0140][0141]
以上结果可用于对电力市场均衡点进行敏感性分析，以及为市场主体提供报价策
略参考。作为示例性地，若设置可再生能源功率渗透率从5％至35％以步长5％递增，即g2、g4 机组装机容量分别从70mw和87.5mw递增至490mw和612.5mw，其他参数保持不变。电力现货市场平均出清电价随可再生能源功率渗透率的变化如图7所示。经过分析可得，随着可再生能源功率渗透率的增长，三个市场出清电价皆呈现下降趋势，其中实时市场出清价下降程度要大于日前市场，降低了13.3％，而日前市场出清价下降了3％。当可再生能源功率渗透率达到35％时，由于可再生能源出力波动绝对值增大，在运行日内实时市场最低出清价与常规能源日前市场最高出清价相等。
[0142]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0143]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和 /或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和 /或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0144]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0145]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0146]
本发明实施例对各器件的型号除做特殊说明的以外，其他器件的型号不做限制，只要能完成上述功能的器件均可。
[0147]
本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0148]
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
[0149]
本专利不局限于上述最佳实施方式，任何人在本专利的启示下都可以得出其它各种形式的基于电力绿证市场联合出清模型的均衡优化装置，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本专利的涵盖范围。