ee2-ee2

编辑整理：整理来源：优酷，浏览量：102，时间：2022-10-27 05:07:01

ee2，ee2，ee2

摘 要：

随着可再生能源的比例不断增大，新型电力系统对抽水蓄能这类灵活性资源的需求也逐渐增强。为了促进抽水蓄能电站的投资积极性，市场化的价格机制逐渐健全，但是电价的波动也会使市场化收益具有风险性。在考虑电力市场价格波动的情况下，针对抽水蓄能电站提出了一种基于条件风险价值模型的电能量市场与辅助服务市场联合优化运营策略模型。首先对电力市场价格进行预测，通过抽样、聚合形成典型的电价场景。之后，根据所提的运营策略模型得到不同市场的容量分配结果，并结合抽水蓄能电站的实际情况进行算例分析，验证模型规避风险的有效性。最后，分析了不同的风险偏好以及市场价格对电站收益的影响。结果显示：所提策略在不同电价波动场景中的收益波动量相比传统策略减少了17.2%,且能累计获得76.23万元风险规避效益。风险偏好因子取最小与最大时，预期收益仅相差10.08万元。结果表明：考虑电力市场参与风险的抽水蓄能电站优化运营策略能有效规避市场价格波动风险，能获得更为稳定的预期收益。

关键词：

抽水蓄能电站;条件风险价值模型;电力市场;运营策略;“双碳”目标;新型电力系统;新能源;储能技术;

作者简介：

刘飞(1988—),男，高级工程师，硕士，从事电网规划设计研究。

*李知艺(1989—),男，研究员，博士研究生导师，博士，从事新型电力系统规划与运行、电力市场机制设计等研究。

基金：

省公益技术研究计划(LGJ21E070001);

国家自然科学基金项目(52007164);

引用：

刘飞，车琰瑛，田旭，等． 考虑电力市场参与风险的抽水蓄能电站优化运营策略［J］. 水利水电技术( 中英文) ，2022，53( 7) : 94-104.

LIU Fei，CHE Yanying，TIAN Xu，et al． Electricity market participation risk-considered optimal operation strategy of pumped storage hydropower station［J］. Water Resources and Hydropower Engineering，2022，53( 7) : 94-104.

在“双碳”目标的驱使下，可再生能源在新型电力系统中的占比不断增大，对电力系统的安全稳定运行提出了更高的要求。为了平抑可再生能源的波动性，电力系统需要大量的灵活性资源参与调节。抽水蓄能(抽蓄)技术作为应用最为成熟的储能技术，能够实现电能量的时空转移，适配可再生能源发电的间歇性。2021年9月国家能源局发布的《抽水蓄能中长期发展规划(2021—2035年)》提出:“十四五”期间，将在新能源集中开发地区和电力负荷中心新增建设抽蓄电站装机2 000万kW以上，投资规模超过1 000亿元，预计到2030年，我国的抽蓄电站装机规模将达到1.0～1.2亿kW。结合我国抽蓄电站的建设现状和规划目标，在未来15 a抽蓄的装机将有近10倍的增长空间。但是我国目前抽蓄的价格机制和成本疏导机制尚未厘清，抽蓄电站的经营情况不理想，阻碍了其投资积极性。随着我国电力市场的建设，抽蓄电站作为市场主体参与市场交易，自主决定运营策略将成为未来发展的新常态。

在抽蓄电站的优化运营策略方面，国内外已经有许多研究。考虑到在新型电力系统下，抽蓄这类储能电站是主要作用是平抑新能源的波动，文献[5,6]研究了储能电站与新能源在电力市场中联合运营的双层模型。上层是储能电站在电能量市场和辅助服务市场的利润最大化模型，下层模型是考虑新能源发电站的市场出清模型，通过双层模型的求解研究储能电站适配新能源调节需求的运营策略，以及不同的策略对新能源电站的影响。文献[7]在这种联合新能源参与市场的思想基础上，针对抽蓄电站的抽发特性，建立双层优化模型，研究抽蓄机组的最优报价方式。大规模抽蓄电站发挥的灵活调节服务于整个系统，可以作为独立主体参与电力市场。文献[8,9,10]构建了多机组的抽蓄机组在短期电价预测下参与电能量市场的最优调度模型，但是没有考虑机组在辅助服务市场的参与情况。文献[11,12,13]描述了抽蓄机组参与电能量市场和不同辅助服务市场协同优化运营策略。文献[14]进一步研究了变速抽水蓄能参与日前能量市场和调频市场的运营规划模型，通过对比发现变速运行技术可以提高抽蓄电站的收益。以上文献均忽略了市场的风险性。文献[15]将下行风险约束方法与随机优化相结合，提出了一种抽水蓄能在电能量市场中的最优报价模型，但是模型中没有考虑辅助服务功能的收益。

当抽蓄电站作为现货市场价格的接收者时，抽蓄机组的运行不会影响市场的出清电价，但市场价格的波动会影响抽蓄机组的运营决策。为了直观描述电力市场价格的波动，条件风险价值(conditional value-at-risk, CVaR)被广泛应用于电力市场中价格不确定性的风险度量。文献[19]提出一种考虑电价风险和差价合同的梯级水电站优化竞价模型，通过CVaR模型模拟日前市场出清价的不确定性，研究不同电价场景下的水电调度决策。文献[20]基于CVaR模型模拟风电出力的不确定性，提出了一种风电、水电和抽水蓄能机组有效组合的调度策略，实现电能量市场和辅助服务市场的收益最大化。文献[21]建立了抽蓄电站参与电能量市场和备用辅助服务市场的风险收益模型，分析不同定价机制下的电站收益情况。但是，文献中没有对风险规避的效果进行量化，仅局限于定性分析。以上文献大多侧重于研究抽蓄电站与其他新能源主体协同运营策略，或者针对某一辅助服务类型的收益情况，缺乏抽蓄参与电能量市场与多种辅助服务市场联合的策略分析以及风险规避的量化效果。

随着我国电力市场建设进程的逐渐加快，辅助服务市场品种也将越来越丰富，需要对抽蓄电站作为多种市场主体的运营策略展开研究。因此，本文在考虑电力市场价格波动的情况下，基于CVaR风险测度建立了抽蓄机组参与日前电能量市场与辅助服务市场的联合优化运营模型。研究不同风险偏好下运营决策的差异性，为抽蓄电站在不同类型市场进行容量分配提供辅助决策。结合抽水蓄能电站的实际情况进行算例分析，验证模型规避风险的有效性和合理性。最后，分析了不同市场价格对电站收益的影响，有助于为电力市场容量价格的确定提供辅助决策。

[5] ZOU Peng,CHEN Qixin,XIA Qing,et al.Evaluating the contribution of energy storages to support large-scale renewable generation in joint energy and ancillary service markets[J].IEEE Transactions on Sustainable Energy,2016,7(2):808-818.

[6] 姜欣，刘萌，王天梁，等.电网侧储能电站参与现货联合市场的竞价策略[J].电网技术，2021,45(9):3398-3408.JIANG Xin,LIU Meng,WANG Tianliang,et al.Bidding strategy for grid-side energy storage power stations to participate in the spot joint market[J].Power System Technology,2021,45(9):3398-3408.

[7] ALHARBI H,BHATTACHARYA K.Participation of pumped hydro storage in energy and performance-based regulation markets[J].IEEE Transactions on Power Systems,2020,35(6):4307-4323.

[8] BORGHETTI A,D′AMBROSIO C,LODI A,et al.An MILP approach for short-term hydro scheduling and unit commitment with head-depdent reservoir[J].IEEE Transactions on Power Systems,2008,23(3):1115-1124.

[9] HE Y X,LIU P L,ZHOU L,et al.Competitive model of pumped storage power plants participating in electricity spot market:in case of China[J].Renewable Energy,2021,173:164-176.

[10] BASLIS C G,BAKIRTZIS A G.Mid-term stochastic scheduling of a price-maker hydro producer with pumped storage[J].IEEE Transactions on Power Systems,2011,26(4):1856-1865.

[11] ZHAO J,HE Y,FANG Y,et al.Multi-source optimal dispatch considering ancillary service cost of pumped storage power station based on cooperative game[J].Energy Reports,2021,7:173-186.

[12] CHAZARRA M,GARCIA J,PEREZ-DIAZ J I,et al.Stochastic optimization model for the weekly scheduling of a hydropower system in day-ahead and secondary regulation reserve markets[J].Electric Power Systems Research,2016,130:67-77.

[13] KANAKASABAPATHY P,SWARUP K S.Bidding strategy for pumped-storage plant in pool-based electricity market[J].Energy Conversion and Management,2010,51(3):572-579.

[14] CHAZARRA M,PEREZ J I,GARCA J.Optimal joint energy and secondary regulation reserve hourly scheduling of variable speed pumped storage hydropower plants[J].IEEE Transactions on Power Systems,2018,33(1):103-115.

[15] TIAN M W,YAN S R,TIAN X X,et al.Risk and profit-based bidding and offering strategies for pumped hydro storage in the energy market[J].Journal of Cleaner Production,2020,256:120715.

[19] 于旭光，李刚，李亚鹏，等.计及电价风险和差价合同的梯级水电站日前市场竞价模型[J].电力系统自动化，2021:1-11.YU Xuguang,LI Gang,LI Yapg,et al.Day-ahead market bidding model for cascade hydropower station considering price risk and contract for price difference[J].Automation of Electric Power Systems,2021:1-11.

[20] DABBAGHJAMANESH M,MEHRAEEN S,KAVOUSIFARD A,et al.Effective scheduling operation of coordinated and uncoordinated wind-hydro and pumped-storage in generation units with modified JAYA algorithm.in 2017 IEEE Industry Applications Society Annual Meeting.2017.

[21] 杨宏基，周明，张茗洋，等.电力市场下抽水蓄能电站运营策略及效益分析[J].华北电力大学学报(自然科学版),2021,48(6):71-80.YANG Hongji,ZHOU Ming,ZHANG Mingyang,et al.Operational mechanism and cost-benefit analysis of pumped storage plant in power market environment[J].Journal of North China Electric Power University (Natural Science Edition),2021,48(6):71-80.

1.1 市场参与机制

抽蓄机组具有调峰、调频、调相、事故备用和黑启动等多种功能，但是在统一容量定价模式下难以体现各种功能的价值，导致抽蓄电站面临运营收益低，成本难以回收的困境。随着电力市场建设进程的加快，抽蓄电站能够作为市场主体参与不同类型的电力市场，通过动态的价格变化将多元化的调节价值反映到市场收益中，促进成本的有效疏导。参照美国电力市场机制，在竞争的电力市场环境下，抽蓄电站可以选择自调度、全调度、半调度三种调度模式，各种模式的特点如表1所列。

通过对比发现，抽蓄电站采用自调度模式时，能够统筹规划各市场的容量分配方式，发挥抽蓄运营商的主观能动性。为了获得最大化的市场收益，考虑抽蓄电站的市场参与机制为全电量参与市场的自调度模式。在各类辅助服务中，无功和黑启动辅助服务一般采用中长期市场中签订合约的形式，通过合约电价结算收益。因此，本文研究抽蓄电站参与日前电能量市场、日前调频辅助服务市场和日前备用辅助服务市场的优化运营策略，并且电能量市场和各辅助服务市场采用联合出清方式。抽蓄电站根据自身情况在日前申报自调度计划，在实时市场中按照预调度计划执行，并以实时市场电价结算。各个市场价格和调度量的时间尺度均为1 h。不同工况下提供的服务品种如表2所列，各市场的收入来源如图1所示。表2中“+”表示可以提供服务，“—”表示不能提供服务。在发电工况下，抽蓄电站可以提供任何服务；在抽水工况下，仅能提供向下的调频服务。抽蓄电站的收益为各市场中的收入减去抽水工况下的成本，抽水成本按照抽水时刻的电能量市场价格结算。

图1 抽蓄电站在各个市场的收入来源

1.2 市场价格预测与场景生成

在自调度模式下，抽蓄运营商通过电价预测安排出力曲线，并按照市场出清价进行结算。作为价格接受者，市场电价的波动对电站收益的影响较大。在进行电价预测时，结合历史经验数据和误差模型，通过抽样和聚类得到典型的电价场景。在电能量市场中，抽蓄机组通过峰谷价差进行获利，市场各时段的边际出清电价会直接影响收益情况。结合我国电力市场的发展现状，在辅助服务市场发展初期，采取“固定电价+市场出清”的价格机制，一定程度上减少市场的波动风险。文中考虑调频辅助服务市场的调频里程电价为市场竞价出清，备用辅助服务的容量电价以及调频辅助服务的容量电价为固定电价。因此，抽蓄机组在制定自调度方案时，需要对实时市场的上网电价以及调频里程出清价格进行预测。在电力市场环境下，无法准确预测未来各时段的电价。根据各时段的交易电量、抽蓄机组的被调用情况、边际出清电价等市场历史数据，可将发电上网电价和调频里程电价各时段的电价采用正态分布的概率密度函数表示,如下

式中，λet和λrdt分别为各时段的预测电能量市场出清价和调频里程出清价(元/MWh);μet和μrdt分别为各时段的电能量市场出清价和调频里程出清价的期望值(元/MWh);σ2e和σ2rd分别为电能量市场出清价和调频里程出清价的方差[(元/MWh)2]。根据价格的预测模型，采用蒙特卡洛法抽样得到大量样本数据，之后采用K-means聚类方法对样本数据进行聚类生成典型的电价场景,作为实时市场价格波动的参考场景。

1.3 运行经济性风险度量

风险价值(value-at-risk, VaR)是在金融领域被广泛应用的风险度量方法，表示在一定的置信水平下，某一金融资产或证券组合预期的最大可能损失。假设w(x,y)表示损失函数，其中x表示决策变量组合，y表示对应的随机变量组合，则VaR表示为

式中，α为置信水平；Pr为损失值不超过VaR值的概率；VaRw为损失函数w(x,y)的VaR值。

这种风险测度方法仅关注投资损失的单边值，可能存在尾部风险。因此，学者在VaR的基础上提出了一种条件风险值(conditional value-at-risk, CVaR),表示尾部损失超过VaR的期望值，则CVaR表示为

式中，p(y)为y的联合概率密度函数；CVaRw为损失函数w(x,y)的CVaR值。

由于CVaR的表达式包含VaR难以解析，通常采用函数Fα(x,β)进行计算[25],表示为

式中，β为α置信水平下的VaR值；[w(x,y)-α]+表示max{0,w(x,y)-α}。在相同的置信水平下，CVaR大于VaR,而在Fα(x,β)最小化时VaR同样被最小化。

理论上，VaR模型是被度量函数在一定置信水平下的一个分位点，没有考虑全局信息，可能低估了投资风险；而CVaR模型度量了尾部信息，考虑了较坏情况下的投资损失，能够更好地反映投资的潜在风险。此外，VaR模型在度量函数不满足正态分布时难以计算，CVaR模型中的度量函数不局限于对称性分布函数，处理问题的范围更广泛。因此，在优化运营策略模型中采用CVaR风险模型量化抽蓄电站在市场交易中的风险值。基于生成的电价场景的CVaR约束计算步骤如图2所示。

图2 基于典型电价场景的CVaR风险约束计算流程

抽蓄电站作为独立主体参与电力市场时，通过安排自调度计划，实现自身收益最大化。本质上，安排自调度计划的过程就是对抽蓄电站容量的分配过程。通过优化运营策略，综合考虑收益效用与风险效用，构造组合优化模型，得到最优的容量分配结果，具体方法框架如图3所示。在第一节中已经介绍了电价预测的模型以及风险度量的方法，本节将具体介绍抽蓄电站参与电能量市场和辅助服务市场的联合优化运营策略模型，包括优化目标以及各类约束条件。

图3 抽水蓄能电站优化运营策略方法框架

2.1 目标函数

抽蓄电站参与电力市场交易的基本目标为获得最大利润，市场收益包括电能量市场和辅助服务市场收益。抽蓄电站参与电能量市场时在电价较低时段抽水，电价较高时段发电，通过峰谷价差获利。在调频辅助服务市场中，抽蓄电站能够获得调频容量收益和调频里程收益，其中调频里程电价由市场出清决定。在备用辅助服务市场中，一旦预留备用容量就会获得容量收益，在实时调度中被调用后还会获得电量收益。在整个市场参与过程产生的成本为电量市场和调频辅助服务市场中的抽水成本。市场效益与市场风险具有对立和统一的关系，仅考虑效益的最大化安排自调度计划时，会承担一定的市场波动风险。本文构造的运营策略模型将两者综合考虑至目标函数中，通过求解最大化目标函数得到考虑电价波动风险的运营策略。目标函数由市场中期望利润和CVaR风险值两部分组成，如下

式中，N为电价场景数目；πi为各个场景的对应概率；CVaR为条件风险值；fi为各场景的市场利润，通过电能量市场、调频辅助服务市场、备用辅助服务市场的收益减去各市场中的抽水成本获得。μ为风险偏好因子，当μ=0时，表示中性风险，目标函数仅考虑市场利润最大；当0<μ≤1时，表示决策者为风险厌恶者，相应的运营策略会较保守，μ的值越大，表示决策者对风险规避的程度越大。由于模型仅考虑规避风险的收益决策，μ的取值范围为[0,1]。

2.2 约束条件

2.2.1 库容约束

抽蓄电站的库容需要满足各时段的连续性以及最值约束，并在一天24个时段内保持抽发量相等，库容的初始值与最终值均为0,公式如下

式中，Vmin为最小库容容量(MWh);Vmax为最大库容容量(MWh);V0为初始库容(MWh);Vt为时段t的库容(MWh);η为抽蓄电站的发电效率；kr为抽水调频和发电调频的容量转化系数，在抽水调频时段的会占用一部分抽水容量，在发电调频时段会产生一部分的电量损耗。美国PJM市场中规定上调和下调各占一半的调频容量，因此可以将容量转化系数取kr=0.5。

2.2.2 功率约束

各个市场的抽水功率除了最值约束外，还需要保证发电与抽水两个工况不能同时发生。具体约束公式如下

式中，Pmax、Pmin为抽蓄电站抽水、发电限值(MW);γ为抽蓄电站参与调频市场的上限比例。

2.2.3 CVaR约束

运营策略模型中采用CVaR模型作为风险值测度，度量抽蓄电站在波动的电力市场价格中的收益风险。与标准定义不同的是，这里的VaR值表示一定置信水平下，抽蓄电站在电力市场价格最不理想的情况下获得的最小收益；与之对应的CVaR表示收益尾部的期望值。标准定义中风险测度的对象为损失函数，优化模型约束右尾的风险值，目标是最小化最大损失。当风险测度对象为收益类函数，优化模型约束左尾的风险值，目标是最大化最小收益。用收益函数f(x,y)代替损失函数w(x,y)作为风险测度时，式(4)—(5)变形后的CVaR的表达式为

式中，β为α置信水平下的VaR值，[α-f(x,y)]+表示max{0,α-f(x,y)}。

对积分项离散化后得到

式中，N为考虑的电价场景数；pi为第i个电价场景的出现概率；α为置信水平；fi为第i个场景下对应的收益(元);Pette、Pdttd分别为t时段电能量市场中的发电功率和抽水功率(MW);Prettre、Prdttrd分别表示t时段提供调频辅助服务的发电功率和抽水功率(MW);Prttr为t时段的备用预留容量(MW);λet,it,ie为场景i中t时段电能量市场出清价(元/MWh);λrciirc为场景i的调频容量电价(元/MWh);λperft,it,iperf为场景i中t时段的调频里程出清价(元/MW)。

由于调频里程由实时调用结果决定，无法准确预测。模型中采用调频里程与调频容量比R计算调频里程，表示抽蓄电站在历史监管下的性能和爬坡能力。在抽水调频时会消耗一部分电量，采用容量转化系数kc计算抽水电能。实际被调用的备用容量通过备用调用系数kr表示。配合目标函数，引入辅助变量ε和ηi计算CVaR值，两者的关系为ηi=[ε-fi]+。CVaR及约束模型可以表示为

当fi大于ε时，ηi取0;当fi小于ε时，ηi为ε与fi的差值。辅助变量的引入将求解问题转化为两个约束条件，在计算CVaR的同时，相应的VaR也可以获得，ε的最优值即为VaR。

2.3 模型求解

综上，由目标函数(8)以及约束条件(9)—(20)构成电能量市场与辅助服务市场的联合运营优化模型，可以求解出抽蓄电站在各市场中的容量分配结果和市场收益情况。基于生成的典型场景，模型在最大化目标函数的同时，能够实现各场景中收益和尾部利润的同时最大化。因此得到的优化策略方案即使在最不理想的电价场景中，获得的收益也不会过低，有效缓解了市场风险。在求解过程中为了保证抽蓄电站的抽水与发电不能同时进行，约束(14)使其在各时段仅有唯一状态。由于这一约束为非线性约束，难以直接求解，可以引入二进制变量转化为

式中，bt为二进制变量，表示t时段抽蓄电站的状态；M为一个足够大的正数。

通过将约束(14)转化为等价形式(21),该优化运营策略模型即为混合线性整数规划问题，进而可以通过MATLAB R2019软件调用Gurobi求解器求解。

算例中抽蓄电站参与电能量市场、调频辅助服务市场以及备用辅助服务市场。其中电能量市场的电价与调频辅助服务市场中的调频里程电价会产生价格波动，各时段的市场价格假设服从正态分布。电能量市场电价的方差σ2ee2=100(元/MWh)2,各时段的期望值如表3所列；调频里程电价的方差σ2rdrd2=4(元/MW)2,各时段的期望值如表4所列。根据蒙特卡洛法生成1 000个电价场景，结合K-means聚类方法得到10个典型场景的电能量市场电价和调频里程电价，分别如图4、图5所示，各场景的对应概率如图6所示。除此之外，各场景中的调频容量电价λrciirc均为10元/MWh, 备用容量电价λriir均为200元/MWh。算例中选取2 400 MW的抽蓄电站作为研究对象，各参数如表5所列。调频和备用辅助服务的被调用情况采用固定系数表示，调频里程与调频容量比R=6,备用调用系数kr=0.2。CVaR风险模型的置信水平α=0.9。为验证模型的有效性，求解得到典型场景下的抽蓄电站运营策略。

图4 电能量市场电价的10种典型场景

图5 调频里程电价的10种典型场景

图6 10种典型场景的概率

3.1 运营策略结果及风险规避效益分析

为了分析所提出的运营策略模型在市场价格波动时对风险的规避效果，将不考虑市场波动的传统优化策略作为对照组进行结果对比。传统优化策略将各时段电能量市场电价和调频里程电价的期望值作为电价依据，以市场总收益最大为目标，求解优化运营策略，求解结果如图7所示。考虑价格波动场景，并设置风险偏好因子μ=0.1时，运营策略模型的求解结果如图8所示。

图7 不考虑电价波动的优化运营策略

图8 风险偏好因子为0.1时的优化运营策略

由优化结果可以看出，在不考虑电价波动时，抽蓄电站在市场中活跃度更高，满功率抽发的次数较多。当考虑CVaR风险约束时，抽蓄电站参与备用辅助服务的容量明显增多，参与调频辅助服务的容量相对减少。这是因为受到调频市场电价不确定性的影响时，为了提高尾部利润，运营策略倾向于通过备用市场的固定容量收益保证基本收益，从而减少市场风险。将10种典型场景作为实时市场的电价场景，分别计算这两种运营策略在实时市场中的收益，结果如图9所示。

图9 两种运营策略在典型电价场景中的收益对比

图9中场景0表示电价为期望值的基准场景，即不发生波动的情况；风险规避效益指各场景中风险模型与传统模型的收益差值。由图9可以看出考虑风险约束时的运营策略相对保守，在不发生波动的电价场景中传统策略的收益为458.69万元，风险模型的收益为382.2万元。在各场景中，传统策略下的最高收益为463.4万元，最低收益为303.24万元，收益波动量为160.16万元；而风险模型的最高收益445.69万元，最低收益为313.11万元，收益波动量为132.58万元(相比传统模型减少17.2%)。由此说明，风险收益模型在各场景中收益的波动量相对较小，较为稳定。各典型场景与基准场景的风险规避效益之和为76.23万元，说明采用风险收益模型得到的优化运营策略能够在保障市场收益的同时，有效缓冲价格波动引起的市场风险。相比传统的优化运营策略，更适用于实际市场中的决策。

3.2 风险偏好因子对收益的影响

风险偏好因子表示决策对风险的厌恶程度，风险偏好因子越大时，运营策略越保守。为了分析不同的风险偏好因子对收益的影响，图10给出了风险偏好因子μ在取值范围为0.1～1.0时的预期收益值、VaR值以及CVaR值。

图10 不同风险偏好因子下的预期收益、VaR及CVaR

由图10可以看出，风险偏好因子越大时，市场的预期收益会越少，风险偏好因子取最小与最大时，预期收益相差10.08万元。风险偏好因子越大时，CVaR值越大；VaR值整体趋势增大，最后趋于CVaR。并且当μ≤0.5时，风险偏好因子的增加对预期收益的影响较小；当μ>0.5时，预期收益随着风险偏好因子的增加下降较为明显。为了进一步分析收益变化的原因，图11给出了不同风险偏好因子下抽蓄电站的运营策略。

图11 不同风险偏好因子下的抽蓄电站运营策略

由图11可以看出，不同风险偏好因子下规避风险的策略不同。当风险因子较小时，运营策略会根据市场价格波动性调整出力的时段或参与市场的类型，市场整体的参与量变化不大。当风险偏好因子较大时，运营策略会降低市场的参与度，通过减少抽发电量，直接降低市场风险。因此，相比较小的风险偏好因子，较大的风险偏好因子对应的总收益减少较多。

3.3 市场容量价格对收益的影响

在算例中辅助服务市场的容量电价采用固定电价的模式，为了研究调频容量电价与备用容量电价对抽蓄电站收益的影响，图12与图13分别展现了总收益与调频收益随两种容量价格的变化情况。备用容量电价变化区间为200～300元/MWh, 步长为10元/MWh; 调频容量电价变化区间为10～20元/MWh, 步长为1元/MWh。在计算收益时，风险偏好因子μ取0.1。

图12 不同电价下的抽蓄电站总收益

图13 不同电价下的抽蓄电站调频收益

由图12可以看出，随着调频容量电价的增大和备用容量电价的增大，总收益均呈现近似线性增长的趋势。即使运营策略模型为非线性规划问题，运营策略会随着价格的变化而发生变化，但是总收益仍会随着容量电价的增大而线性增长。在电力市场发展的过渡时期，通过控制容量电价，能够有效的保证抽蓄电站的基本收益，调控市场风险。图13单独研究了调频收益的变化情况，在备用容量电价小于270元/MWh时，备用容量的价格的变化对调频收益没有影响；当备用容量价格大于270元/MWh时，备用容量价格的增加同时会增大调频收益。由于备用市场价格的增高，抽蓄电站倾向于在价格较低时抽更多的水，用于参与辅助服务市场交易，调频辅助服务的收益也会相应增加。虽然各类型的辅助服务市场相互独立，但是某一辅助服务市场的价格也会影响其他辅助服务收益，说明根据所提模型制定运营决策时，能够有效利用全部市场的价格信息。

本文在考虑电力市场价格波动的情况下，提出一种规避市场风险的抽水蓄能电站优化运营策略模型。通过对电能量市场和辅助服务市场价格进行预测得到典型的价格场景，利用CVaR风险模型度量各场景中的尾部收益。优化运营策略模型在考虑最坏的市场收益约束时，得到收益最大的市场容量分配方案。最后根据算例分析结果，得到以下结论：

(1)在考虑电价不确定性的影响时，运营策略倾向于通过备用市场的固定容量收益保证基本收益，从而减少市场风险。与仅考虑利润最大化的传统策略模型相比，考虑风险约束时的运营策略相对保守，在不发生波动的电价场景中的收益相对较少，但是在各场景中收益的波动量相对较小，较为稳定。此外，采用风险收益模型得到优化运营策略能够在保障市场收益的同时，有效缓冲价格波动引起的市场风险。

(2)风险偏好因子会对运营策略和市场收益产生影响，风险偏好因子越大时，市场预期收益会越少，CVaR值越大。当风险因子较小时，运营策略会根据市场价格波动性调整出力的时段或参与市场的类型，市场整体的参与量变化不大。当风险偏好因子较大时，运营策略会降低市场的参与度，通过减少抽发电量，直接降低市场风险。

(3)随着调频容量电价的增大和备用容量电价的增大，总收益均呈现近似增长的趋势。即使运营模型为非线性规划问题，运营策略会随着价格的变化而发生变化，但是总收益仍会随着容量电价的增大而线性增长。在电力市场发展的过渡时期，通过控制容量电价，能够有效调控市场风险。

水利水电技术（中英文）

水利部《水利水电技术（中英文）》杂志是中国水利水电行业的综合性技术期刊（月刊），为全国中文核心期刊，面向国内外公开发行。本刊以介绍我国水资源的开发、利用、治理、配置、节约和保护，以及水利水电工程的勘测、设计、施工、运行管理和科学研究等方面的技术经验为主，同时也报道国外的先进技术。期刊主要栏目有:水文水资源、水工建筑、工程施工、工程基础、水力学、机电技术、泥沙研究、水环境与水生态、运行管理、试验研究、工程地质、金属结构、水利经济、水利规划、防汛抗旱、建设管理、新能源、城市水利、农村水利、水土保持、水库移民、水利现代化、国际水利等。

行业热门话题：