摘要：近年来，我国在分布式能源的开发与利用上发展迅猛， 但与此同时带来的政府补贴资金短缺和“弃风弃光”问题也 日趋严重。随着电力市场改革的逐步深入，考虑可再生能源 配额制和绿色电力证书交易政策的驱使作用，含火电和风电 机组的综合型能源发售电商如何制定竞价策略使得其既符 合政策要求又满足利益最大化显得尤为重要。首先，在对配 额制和绿证政策分析的基础上，提出通过“绿证交易市场” 处理风电机组的出力偏差，其价格则由绿证用户投标竞价决 定；其次，建立发售电商参与竞价的日前市场与绿证交易市 场联合优化模型，针对风电实际出力不足和过剩 2 种情况， 发售电商在绿证交易市场中进行购电竞价和售电竞价，并采 用随机森林回归算法和多场景缩减技术将风电出力预测结 果与误差场景相结合，模拟实际风电出力多场景；然后考虑 网络中输电阻塞对发售电商报价的影响，构造了基于节点电 价法的输电阻塞成本最小化模型，并采用利用蒙特卡洛模拟 和遗传算法进行求解；最后通过算例分析验证文中模型和方 法的准确性和合理性。
（来源：电网技术 作者：周晓洁，彭谦，杨睿，韩志勇，王淼）
0 引言
近年来，我国分布式能源发展取得了举世瞩目 的成就，但也面临弃风弃光加剧和补贴资金不足等 问题，为此颁布的《关于试行可再生能源绿色电力 证书核发及自愿认购交易制度的通知》中明确从 2017年7月起正式开展可再生能源绿证自愿认购交 易，2018 年起启动可再生能源电力配额考核。随着 发电侧市场竞争日趋激烈，拥有火电和风电机组的 综合型能源发售电商虽然可以通过风力发电在一 定程度上满足配额制的要求并获得一定收益，但考 虑到政府将逐步取消风电补贴的必然趋势，且风电 出力具有明显的不确定性和较差的可调度性，所以 综合型能源发售电商参与电力市场竞争时，如何制定竞价策略能使其既通过配额制考核，又能处理好 风电出力不确定性带来的收益风险问题，是具有重 要现实意义的课题。
国内外关于发电商竞价策略的研究很多。文 献[1]通过估计市场上其他竞争对手报价的概率密 度函数，采用蒙特卡洛法模拟得到自身最优报价系 数，确定了报价策略；文献[2]则运用了博弈论中的 静态博弈模型，将发电商之间的竞价问题描述为完 全信息下的博弈问题，并通过假设和化简证明了纳 什均衡解的存在；文献[3]同样采用博弈论求取纳什 均衡解的方法研究发电商的最优报价问题。但研究 对象大多为单一能源的发电商，且研究过程未计及 可再生能源补贴退坡的政策影响。
详细说明。竞价策略能否顺利实现需受网络安全约束的 限制，所以必须考虑预期的输电阻塞情况。文献[4] 分析了输电网络约束对发电商静态博弈策略最优 均衡解的影响；文献[5]针对输电网络的所有可能运 行状态来求取发电商报价策略的纳什均衡解；文 献[6]说明了输电阻塞可以影响发电商的最优报价 策略；文献[7]通过求解发电商在输电网络不同运行 状态下的纳什均衡解，从而得到报价策略，但存在 计算复杂且可能无纳什均衡解的问题；文献[8]论证 了输电阻塞将影响发电商的最优报价策略，使发电 商竞价成功率发生变化，但对求解输电阻塞情况下 的最优报价系数没有详细说明。
在进行可再生能源配额考核和绿证交易的研 究时，文献[9]在可再生能源配额制推行实施的基础 上，介绍了绿色电力证书交易的理论知识，并且就 当前可再生能源发展过程中遇到的一些问题分析 了开展绿证交易的必要性；文献[10-11]均从国际绿 色电力证书的发展历程出发，介绍了国外绿证推广 实施的过程和经验，分析了含绿证交易在内的多种 市场盈利模式；文献[12]针对可再生能源配额制要 求和绿证交易的特点，提出了一种激励相容的双边 拍卖机制，极大地促进了低成本可再生能源电厂的 发展。但上述文献没有将绿证交易市场与集中竞价 市场综合起来分析考虑，未研究发售电商在同一时 期参与不同市场而获得更大利润的策略问题。
本文在配额制和绿证交易背景下，创新性将随 机森林回归算法与多场景缩减技术结合起来，对风 电实际出力进行预测，为制定上网电量和上网绿证 数量提供指导；创建日前电力市场和绿证交易市场 的联合优化竞价模型；为提高一次竞价成功率降低 竞价成本，以输电阻塞成本最低为目标建立优化模 型，利用有效的节点电价法对输电阻塞进行管理； 求解发售电商的最优竞价策略时，采用蒙特卡洛法 (Monte Carlo，MC)与遗传算法(genetic algorithm， GA)相结合的方法以提高求解效率；最后通过算例 验证所提模型和方法的有效性和合理性。
1 电力市场交易框架设计
可 再 生 能 源 配 额 制 (renewable portfolio standard，RPS)(以下简称“配额制”)是政府为培育 可再生能源市场、使可再生能源发电量达到一个有 保障的最低水平而采用的强制性政策手段。而绿色 电力交易证书(renewable exchanging certificate， REC)(以下简称“绿证”)是对可再生能源电力予以 确认的一种形式，也是一种能用来交易的、可取得 收益的方式[13]。面对日益严峻的弃风弃光和新能源 补贴资金缺口问题，实施 RPS 及配套的 REC 将成 为我国可再生能源产业重要的扶持政策。在这些新 能源政策的影响下，本文所研究的拥有火电机组和 不再享受补贴的新风电机组的综合型能源发售电 商，需抓住绿证交易市场带来的良好机遇。图 1 给 出了含绿证交易市场和日前电力市场的交易框架， 综合型能源发售电商根据国家规定的可再生能源 配额要求，制定自身每日上网电能中可再生能源所 占比例，通过风电出力预测判断其风力发电量是否 满足规定要求，若满足则进入日前电力市场与其他 发电商一同参与竞价，若不满足则进入绿证交易市 场购买绿证。如果日前市场中风电投标电量有剩 余，则转入绿证交易市场卖出。本文绿证交易市场 与日前电力市场均采用暗标拍卖和统一市场出清 方式进行交易。
2 基于多场景生成与缩减技术的风电出力预测模型
为方便研究，本文将年度的可再生能源配额要 求细化到日度，为使综合能源型发售电商更准确的判断自身配额制的完成情况，指导其在同一时期选 择将风电投入不同市场进行竞争，并制定参与日前 电力市场和绿证交易市场的风电量和绿证交易数 量，需对风电实际出力进行精准预测。 本文采用随机森林回归算法(random forest regression，RFR)预测风电出力曲线，为使预测结果 更准确，引入多场景技术模拟相应预测误差的场 景，通过将预测结果与缩减后的误差场景相叠加， 得到更贴近实际情况的风电出力多场景模型。RFR 的是一种对原始数据进行采样后生成许多决策树， 然后通过组合的决策树进行预测取平均值的预测 算法[14]，运算效率高，具有良好的分类性能和分类 准确性。RFR 具体预测流程如图 2 所示。
3 日前电力市场与绿证交易市场的联合优化竞价模型
综合能源型发售电商的火电机组出力直接进 入日前电力市场进行交易，通过第 2 节的精准预测， 可以判断风电机组出力在同一时期参与不同电力 市场情况及参与各市场的电量和绿证数量：若能够 满足日考核要求则全部投入日前电力市场，竞价结 束后将剩余风电投入绿证交易市场；若不满足则需 在进行日前电力市场竞价的同时参与绿证交易市 场购买绿证以满足配额制的要求。
3.1 综合型能源发售电商的报价函数
3.1.1 日前电力市场综合能源发售电商的报价 函数 为方便描述，本文不考虑机组启停约束，仅考 虑一个交易时段的情况，假设日前电力市场中包含 1 个综合能源型发售电商和 M 个其他类型发售 电商。
3.1.2 绿证交易市场综合能源型发售电商的报价 函数 针对绿证交易市场，考虑到发售电商的报价为一连续函数，且风电出力具有不确定性，所以综合 能源型发售电商参与绿证交易市场的成本分 2 种情 况：第 1 种为实际风力发电比例大于规定的日配额 比例，或日前市场中有剩余风电，此时出售绿证获 利，成本为负；第 2 种为实际风力发电比例小于规 定的日配额比例，此时只需针对缺额以绿证形式进 行购买，若还不满足日考核要求，则需接受处罚。 不考虑不参与绿证交易市场的平衡情况。所以参加 绿证交易市场的成本为分段函数
4.2 基于 MC-GA 的竞价策略求解流程 引入绿证交易市场后，计及输电阻塞影响的综 合能源型发售电商竞价算法流程如图 3 所示。
5 算例分析
5.1 风电出力预测
本文采用某风电场 2016 年 4—5 月份的历史数 据进行算例分析，利用第 2 节的模型和方法，借助 Matlab 2014a 进行求解。首先以 3 h 为间隔，选取 预测日前一个月样本日每天 8 个时间点的风速构成 日风速特征向量，根据样本进行预测相对误差概率 建模，得到误差概率函数如图 4 所示。
如图 4 所示，可以用正态分布来拟合预测误差。 然后利用系统抽样法得到预测日误差的拟合值。将 误差拟合值与预测结果相叠加，得到修正预测结 果、实际值和原始预测值的对比如图 5 所示，对应 各时刻点的预测误差对比见表 1。
结合上述图表可以看出，利用误差拟合值对预 测结果进行修正可在一定程度上提高预测精度。 5.2 综合型能源发售电商的竞价策略 本文以标准的 IEEE 14 节点系统为例来说明第 3 节提出的发售电商在日前电力市场和绿证交易市 场的联合竞价模型及第 4 节给出的求解方法。图 6 为 IEEE 14 节点系统接线图，系统参数见文献[16]。 假设市场公布总需求负荷 D=369 MW。市场中 共有 5 家发售电商，分为位于节点 1、2、3、6、8， 节点 2 处的发售电商为综合能源型发售电商，其余 4 家为其他类型发售电商(即 M=4)，可再生能源的 日配额比例 k 取 15%，发售电商相关参数见表 2。
以节点 2 处的发售电商为研究对象，假设其他竞争 对手的报价参数服从正态分布，且竞争对手之间的 报价参数相互独立，其期望值和方差取值为 μi=1.2， σi=0.15(i=1, 3, 4, 5)。 采用 MC 法对竞争对手报价参数进行随机取样 时，给定随机模拟次数为 T=3000。在每一次的模拟 中，竞争对手的报价参数是固定的。GA 的种群规 模为 50，最大允许的遗传代数为 50，交叉和变异 概率分别取 0.9 和 0.005。在这里要求解发售电商 2
将考虑输电阻塞情况前后的各售电公司的售 电量情况绘制于图 7，可以更直观清晰的体现在发 售电商 2 执行最优报价策略时，各发售电商经过阻 塞管理后的出力变化，其中发售电商 1 的售电量被 大量削减，发售电商 3 和 4 的售电量有微量削减但 变化不大，发售电商 2，尤其是发售电商 5 的出力 大幅增加。
由上述求解分析可知，当引入了绿证交易市场 后，各发售电商既能满足政策需求又可使利润增 加。在制定最优竞价策略时，采用本文所给方法， 考虑可能发生的网络阻塞情况进行报价，不仅可以 提高一次交易成功率，更重要的是可以获得更高额 的利润，证明了该方法的实用性。
6 结论
绿色电力证书为综合能源型发售电商达到配额制考核要求并弥补风电出力偏差提供了良好的 思路，首先，通过算例可知，本文提出的随机森林 回归算法和多场景缩减技术将风电出力预测结果 与误差场景相结合的方法，可以提高风电出力预测 的准确度；其次，本文建立了发售电商参与竞价的 日前市场与绿证交易市场联合优化模型，针对风电 实际出力不足和过剩 2 种情况，发售电商在绿证交 易市场中进行购电竞价和售电竞价，增加了发售电 商的总上网电量；考虑到网络中输电阻塞对发售电 商报价的影响，构造了基于节点电价法的输电阻塞 成本最小化模型，提高了一次竞价成功率；最后利 用蒙特卡洛模拟和遗传算法得到了最优竞价策略， 使发售电商满足配额制考核的同时能够获得更大 利益。
参考文献
[1] 马子明，钟海旺，谭振飞，等．以配额制激励可再生能源的需求 与供给国家可再生能源市场机制设计[J]．电力系统自动化，2017， 41(24)：90-96+119． Ma Ziming，Zhong Haiwang，Tan Zhenfei，et al．Design of market mechanism for incenting the demand and supply of renewable energy by quota system[J]． Automation of Electric Power System，2017， 41(24)：90-96+119(in Chinese)．
[2] Wang Haining，Wang Lei，Shi Shuhong，et al．Research on US green certificate trading mechanism experience and domestic implementation prospects[J]．IOP Conference Series：Earth and Environmental Science，2019，237(5)： 35-52．
[3] 舟丹．可再生能源绿色电力证书交易制度[J]．中外能源，2018， 23(5)：20． Zhou Dan．Green power certificate transaction system for renewable energy[J]．Energy Resources at Home and Abroad，2018，23(5)：20(in Chinese)．
[4] 任玥．我国可再生能源配额政策的解读与发展方向分析[J]．中外 能源，2019，24(3)：15-20． Ren Yue ． Interpretation and development direction analysis of renewable energy Quota Policy in China[J]．Energy Resources at Home and Abroad，2019，24(3)：15-20(in Chinese)．
[5] Liu Mi，Han Jinshan，Liu Dunnan．Research on green certificate trading mechanism of renewable energy[J]．IOP Conference Series： Earth and Environmental Science，2019，242(2)： 22-36．
[6] 尹龙，刘继春，高红均，等．考虑多种用户价格机制下的综合型 能源售电公司购电竞价策略[J]．电网技术，2018，42(1)：88-95． Yin Long，Liu Jichun，Gao Hongjun，et al．Study on bidding strategy of comprehensive power retailer under multiple user-price mechanisms[J]．Power System Technology，2018，42(1)：88-95(in Chinese)．
[7] 左坤雨，刘友波，向月，等．基于信息互动的分布式可再生能源 多代理交易竞价模型[J]．电网技术，2017，41(8)：2477-2484． Zuo Kunyu，Liu Youbo，Xiang Yue，et al．Multi-agent transaction bidding model for distributed renewable energy based on information interaction[J]．Power System Technology，2017，41(8)：2477-2484(in Chinese)．
[8] 朱兰，刘伸，唐陇军，等．充放电不确定性响应建模与电动汽车 代理商日前调度策略[J]．电网技术，2018，42(10)：3305-3314． Zhu Lan，Liu Shen，Tang Longjun，et al．Modeling of ging and disging uncertainty and research on day-ahead dispatching strategy of electric vehicle agents[J]．Power System Technology， 2018，42(10)：3305-3314(in Chinese)．
[9] 周博，吕林，高红均，等．多虚拟电厂日前鲁棒交易策略研究[J]．电 网技术，2018，42(8)：2694-2703． Zhou Bo，Lü Lin，Gao Hongjun，et al．Robust day-ahead trading strategy for multiple virtual power plants[J] ． Power System Technology，2018，42(8)：2694-2703(in Chinese)．
[10] Yang Wen，Pan Yanchun，Ma Jianhua，et al．Optimization on emission permit trading and green technology implementation under cap- andtrade scheme[J]．Journal of Cleaner Production，2018(194)：288-299．
[11] 陈彦博，肖思吟．我国发电配额和绿证交易制度实施对策建议 [J]．中国经贸导刊，2016，(23)：8-10． Chen Yanbo，Xiao Siyin．Suggestions on implementing power quota and green certificate trading system in China[J]．China Economic Trade Herald，2016，(23)：8-10(in Chinese)．
[12] Kun Tan，Weibo Ma，Fuyu Wu，et al．Random forest-based estimation of heavy metal concentration in agricultural soils with hyperspectral sensor data[J]．Environmental Monitoring and Assessment，2019， 191(7)：445-446．
[13] 周亦洲，孙国强，黄文进，等．计及电动汽车和需求响应的多类 电力市场下虚拟电厂竞标模型[J]．电网技术，2017，41(6)： 1759-1766． Zhou Yizhou，Sun Guoqiang，Huang Wenjin，et al．Strategic bidding model for virtual power plant in different electricity markets considering electric vehicles and demand response[J]．Power System Technology，2017，41(6)：1759-1766(in Chinese)．
[14] 彭谦，周晓洁，杨睿，等．泛在电力物联网环境下的综合能源型 售电公司参与电力市场竞争的报价策略研究[J]．电网技术，2019， 43(12)：4337-4343． Peng Qian，Zhou Xiaojie，Yang Rui，et al．Bidding strategy of comprehensive energy based power selling company participating in electricity market competition under ubiquitous environment of internet of things[J]．Power System Technology，2019，43(12)：4337- 4343(in Chinese)．
[15] Pourghaderi N ， Fotuhi-Firuzabad M ， Moeini-Aghtaie M ， et al．Commercial demand response programs in bidding of a technical virtual power plant[J]．IEEE Transactions on Industrial Informatics， 2018，14(11)：5100-5111．
[16] 刘泽洪，余军，郭贤珊，等．±1100 kV 特高压直流工程主接线与 主回路参数研究[J]．电网技术，2018，42(4)：1015-1022． Liu Zehong，Yu Jun，Guo Xianshan，et al．Study on main connection line and main circuit parameters of ±1100 kV UHVDC[J]．Power System Technology，2018，42(4)：1015-1022(in Chinese)．
