本文针对两结算电力市场中可变可再生能源出力不确定性导致的实时再调度成本,构建面向系统成本最小化的双层竞价曲线优化框架,协调日前市场与实时市场。理论上证明,在可再生能源边际成本为零时,单段零价格竞价曲线即可实现系统最优;实践中通过强对偶与McCormick包络将模型线性化,并在1576节点NYISO系统上验证了多段竞价方案的可扩展性。优化方案较基于期望预测的基准策略降低约36%的小时系统成本,并逼近不可直接实施的随机市场结果。
报告标题:《Optimizing Bidding Curves for Renewable Energy in Two-Settlement Electricity Markets》(双结算电力市场中的可再生能源竞价曲线优化)。
作者:Dongwei Zhao、Stefanos Delikaraoglou、Vladimir Dvorkin、Alberto J. Lamadrid L.、Audun Botterud,分别来自美国阿贡国家实验室、麻省理工学院、密歇根大学和利哈伊大学。报告正文未明确给出正式发布日期,但从参考文献和研究背景看,属于较新的电力市场与可再生能源调度研究。该报告的主题是:在不改变现有“日前市场—实时市场”顺序清算机制的前提下,如何设计变量可再生能源(VRE,主要指风电、光伏等)的日前竞价曲线,以降低包括实时再调度在内的全系统期望成本。
报告的核心论点是:传统做法通常让可再生能源以零边际成本、按照期望预测值报价,这种“短视型”策略虽然符合可再生能源边际发电成本接近零的特点,但没有充分考虑预测误差造成的实时市场再调度、备用和负荷损失成本。作者因此提出一个由系统运营者从系统整体角度计算的双层优化框架,通过调整可再生能源在日前市场中的报价数量和价格,使日前调度能够内部化部分实时不确定性成本。
报告并未提供传统意义上的股票评级或公司目标价,其“推荐”对象不是某一证券,而是一种市场设计和调度工具。主要结论包括:在VRE真实边际成本为零的前提下,只使用一个零价格竞价段、但优化其数量,就足以达到原始多段价格—数量联合优化模型的系统最优期望成本;在纽约ISO的1576节点系统测试中,优化竞价相对于按照期望预测值报价的基准策略,可使小时系统成本下降36%,即减少约155千美元,并接近理论上成本最低但现实市场结构无法直接实施的随机联合调度结果。
美国电力市场通常由日前市场(DAM)和实时市场(RTM)组成。日前市场在实际运行前确定机组组合、发电计划和网络潮流;实时市场则在实际风电、负荷等结果出现后,对日前计划进行上调、下调、启停、弃风和负荷切除等再调度。传统化石能源机组具有较强的可控性,日前承诺通常能够较稳定地兑现,但VRE具有出力波动性和不可完全预测性,因此大量VRE接入会显著增加实时偏差风险。
问题的关键在于,VRE的真实边际成本通常接近零,因此如果仅按真实边际成本报价,它们会按照“优先出清”的顺序进入日前调度。然而,零价格并不意味着系统使用VRE没有成本。若日前安排的风电量超过实时可用出力,系统就必须启动昂贵机组、购买上调服务,甚至承担失负荷成本;反之,若日前安排过少,又可能造成不必要的常规机组运行和弃风。报告试图把这些跨市场的预期成本纳入日前竞价曲线设计。
作者将现有方法分为随机优化、机会约束和鲁棒优化。随机市场能够在日前阶段同时考虑多个实时场景,理论上可以得到最低期望系统成本,但其结果与当前独立、确定性的日前和实时市场制度不兼容;机会约束需要对预测误差和决策变量之间的关系作出较强假设,可能导致保守或次优结果;鲁棒优化则偏重最坏情形,可能牺牲典型场景下的经济性。
本报告的双层方法位于“随机最优”和“现实市场可实施性”之间:它不改变日前市场和实时市场各自独立清算的制度,只在市场清算前计算一条基准VRE竞价曲线。这一曲线通过预见不同实时场景下的再调度结果,改善两个市场之间的协调。
VRE供应商可以提交多个价格—数量段。图1展示了一条四段式阶梯竞价曲线:横轴是累计竞价数量,纵轴是报价价格,价格依次为(C_1,C_2,C_3,C_4),数量边界为(W_1,W_2,W_3,W_4)。曲线的含义是:较低价格段的VRE优先进入日前市场,只有当系统边际价格足够高时,较高价格段才可能出清。
作者规定报价价格非负且单调递增,即(0\leq C_1\leq C_2\leq...\leq C_S)。对于常规机组,假设其按照真实运行成本和容量报价;对于VRE,则通过竞价价格间接反映其不确定性导致的系统成本。需要注意的是,这些报价价格并不一定代表VRE的物理边际成本,而更像是对实时偏差风险的市场化“影子价格”。
日前模型以系统总成本最小为目标,成本包括常规机组的变动成本、空载成本、启动成本,以及VRE按照竞价曲线出清后产生的报价成本。模型包含节点功率平衡、直流潮流约束、输电线路容量、机组出力上下限、启停状态、爬坡约束和VRE出力约束。
实时模型则以某一场景下的再调度成本最小为目标,考虑常规机组上下调成本、实时启动和固定运行成本、VRE弃电以及失负荷成本。模型区分快速启动和慢速启动机组:快速启动机组可以在实时阶段追加启动,慢速启动机组的实时状态通常必须延续日前承诺。高失负荷成本或VoLL(Value of Lost Load,失负荷价值)用于确保模型尽可能满足负荷。
模型采用直流潮流、线性机组成本,并放松二进制机组组合变量,从而保持市场清算问题的凸性和线性结构。该处理有利于大规模计算,但也意味着模型没有完整刻画真实机组启停的离散性、最小开停机时间等运营约束,因此结果更适合作为系统规划和竞价指导基准,而非完整市场仿真。
图2给出了完整时间顺序:首先利用VRE预测及其概率分布,进入双层竞价曲线优化;随后以优化曲线清算日前市场;最后在实际VRE出力实现后进行实时再调度。
上层由系统运营者选择VRE竞价曲线的价格和数量;下层则在给定竞价曲线后执行日前市场清算。上层还要对每个VRE和负荷不确定性场景计算实时再调度,最终最小化“日前成本+实时成本期望值”。这是一种典型的双层优化:下层的日前市场结果会影响上层的实时成本,上层又通过竞价曲线影响下层的市场出清。
该框架的定位是系统视角下的“基准竞价曲线”,不是对私营VRE生产商利润最大化的战略模型。作者设想,系统运营者可以将其作为指导、监管或监测工具,例如把实际报价与基准报价之间的偏离转化为风险评分;但这也引出了实施层面的激励相容问题,因为系统最优报价不一定等于单个VRE企业利润最大化的报价。
原始模型同时优化价格和数量,会产生报价价格与出清数量的双线性项,随着竞价段数量增加,计算难度迅速上升。作者的重要理论发现是:如果VRE真实边际成本为零,则从系统角度看,单段、零价格、优化数量的竞价曲线就能够获得与完整多段价格—数量模型相同的期望系统成本。
这意味着系统运营者不必一定设计复杂的多段价格,只需决定每个VRE在每个时段应允许进入日前市场的数量。其经济直觉是:真正重要的是日前安排了多少VRE,而不是VRE通过多少个价格段表达这一数量。只要数量控制得当,就能在日前阶段平衡“多安排风电带来的低成本”和“预测偏差带来的实时风险”。
进一步的推论是,如果多段曲线中至少有一段价格为零,也可以达到原始双层模型的相同系统成本。但如果所有报价价格都明显高于零,VRE可能因报价过高而完全无法在日前出清,造成常规机组过度发电,因而偏离系统最优。
这一理论结论的适用前提较强:VRE真实边际成本为零、市场运营者能够集中计算基准数量、模型的实时场景概率分布具有足够代表性。此外,理论证明关注的是系统总成本,不代表VRE生产商在利润、公平性或收入回收方面一定满意。
当竞价价格固定时,上层和下层都可以表示为线性规划。传统方法通常利用下层问题的KKT条件,并通过Big-M处理互补松弛约束,但这种方法在大规模系统中会产生大量整数变量,难以扩展。
作者使用强对偶性和McCormick包络替代互补约束。强对偶性要求原问题和对偶问题目标值相等,McCormick包络则对形如对偶变量乘以竞价数量的双线性项进行线性凸包近似,最终将双层模型放松为一个可以高效求解的线性规划。该方法的优势是避免传统KKT—Big-M方法的规模瓶颈,但其精度依赖于变量上下界及线性放松质量。
测试系统包含1576个节点、2359条输电线路、1564个负荷、345台常规发电机和27个风电场,采用2019年8月2日的风电和负荷数据。作者将风电容量扩大至平均发电量占总需求的40%,代表较高可再生能源渗透率。由于全天24小时、多场景计算成本较高,实验聚焦于上午7点至10点的四小时窗口,并用滚动时域近似更长时间的调度。
报告设置了两个基准:
理论上三者满足(S_{MyD}\geq S_{BiD}\geq S_{StD}):短视调度成本最高,双层方案不高于短视方案,但通常略高于理想随机调度。
图3包含四个子图,横轴均为VRE报价价格。
图3(a)显示系统成本。BiD曲线在低于约26美元/MWh时基本稳定,约为395—405千美元/小时,接近StD的约383千美元/小时;MyD在低价时成本超过500千美元/小时,随后随着报价提高而快速下降,在约25美元/MWh附近接近BiD。其原因是MyD低价时按照期望值大量安排风电,一旦实际风电低于预期,就需要昂贵实时补足;提高报价会抑制日前风电安排,从而减少短缺风险。
当价格超过约26美元/MWh后,BiD和MyD的系统成本都开始上升,因为过高报价会导致日前市场减少风电使用。当价格超过约36美元/MWh时,风电几乎完全不再进入日前市场,两个策略的成本趋于相同且较高。这说明报价存在“过低导致实时短缺、过高导致日前弃用”的非线性权衡。
图3(b)显示风电日前、实时及报价数量。BiD能够动态调整报价数量,因此即便报价价格变化,日前风电计划仍保持较稳健;MyD则在低报价阶段安排明显更多风电,随着价格升高而显著下降。BiD的实时出力曲线相对平滑,体现了其对预测风险的内部化。
图3(c)显示负荷加权LMP,即按负荷权重计算的节点边际电价。BiD下日前和实时价格变化相对有限;价格高于26美元/MWh后,日前LMP上升,因为低成本风电减少,实时LMP下降,因为日前少安排风电后实时短缺风险降低。MyD的实时LMP在低报价阶段非常高,最高接近100美元/MWh,说明其过度安排风电造成了较大的实时平衡压力。
图3(d)显示所有风电场合计利润。BiD利润在低于26美元/MWh时基本稳定,接近正的50—60千美元/小时;当价格接近36美元/MWh时,由于日前出清量减少,利润明显下降。MyD在低报价时利润甚至约为负400千美元/小时,原因是实时短缺支付超过了日前收入。这一结果说明,短视报价不仅损害系统,也可能损害VRE自身经济性。
多段实验设置六个报价段:0、2、22、30、32和350美元/MWh。前五个价格大致对应常规机组累计容量的不同分位点,最高的350美元/MWh则高于系统中常规机组的最高运行成本,因此基本起到“最后、很少出清”的作用。
图4(a)比较同一风电场在7、8、9时的曲线,图4(b)比较同一时刻不同风电场的曲线。圆点表示期望发电量,三角形表示日前计划量。不同小时、不同风电场的阶梯曲线差异明显:预测出力较高时,曲线整体向右移动,允许更大的VRE数量进入日前市场;预测较低或不确定性更高时,曲线更保守。由此可见,最优竞价数量不仅取决于风电预测,还取决于时间、节点位置、网络拥塞和系统常规机组结构。
图5对比优化后的竞价曲线与实际日前出清计划。尽管设置了六个价格段,通常只有前三段能够在日前市场出清,较高价格段往往不被使用。这表明高价段主要承担风险隔离和数量上限功能,而不是经常性供应来源。图中水平虚线表示所在节点LMP,某些情况下竞价曲线会决定节点边际价格,另一些情况下则由常规机组或网络约束决定,说明VRE报价并不必然成为LMP形成者。
多段优化竞价的期望成本显著低于MyD,并接近StD;零价格单段方案的成本约为276千美元,与多段方案几乎一致。这从数值上支持了理论结论:复杂多段报价并非实现系统最优的必要条件,关键是合理确定日前可出清数量。
报告的主要局限包括:
此外,报告强调“零价格单段即可最优”,但在实际市场中,零价格并不自动保证最优;必须同时拥有由双层模型计算出的正确数量。如果数量仍采用简单期望预测值,则会退化为MyD,并重新暴露实时短缺风险。
总体而言,报告提出了一种兼顾理论最优性、现有市场兼容性和大规模可计算性的VRE竞价优化框架。其最重要的制度含义是:系统不一定需要改造为完整随机市场,也可以通过在现有日前市场前端计算“风险知情”的VRE竞价数量,部分复制随机联合调度的经济效果。
图3表明,低价但过量的VRE日前计划会把成本转移到实时市场,导致高实时价格和负的VRE利润;过高报价则会抑制低成本可再生能源的利用。图4和图5进一步说明,最优竞价曲线具有显著的时段和节点差异,且多段曲线中通常只有低价段实际出清。NYISO案例最终显示,相对于按期望预测值报价的短视基准,优化竞价可实现约36%、155千美元/小时的系统成本下降,并接近不可直接实施的随机市场结果。
因此,作者总体立场是支持将双层优化作为VRE报价指导、监测和监管工具,而不是主张简单放任VRE按照预测值或固定价格报价。其理论贡献在于证明零价格单段数量优化的充分性,其实践贡献在于展示该方法可以扩展到1576节点的真实规模系统;但其进一步落地仍需要更完整的机组离散约束、储能和需求响应建模,以及面向VRE生产商的激励相容机制。
2501.18732.pdf