基于粒子群优化算法的电力市场发电企业竞价策略研究.doc

东北电力大学本科毕业设计论文摘 要随着我国电力市场改革的不断深入，发电市场率先引入竞争，以降低发电成本，提高电力市场运行效率。在此背景下，对竞争对手报价策略以及电力市场未来运行趋势进行准确预测，并在此分析判断基础上，结合自身情况做出最合理、最优化的策略选择，就成为当前发电厂商迫切需要解决的重要课题。对发电市场中发电厂商的竞价行为进行研究，一方面能够为发电厂商提供一定的理论指导，从而使其理性、高效的参与电力市场竞争，另一方面，对电力厂商竞价行为的分析有助于管理者分析市场行为，对电力市场中政策和规范的制定提供一定的参考依据。论文介绍了发电厂商竞价策略，并指出基于优化算法的竞价行为分析在发电厂商竞价分析中的重要地位。论文还介绍了粒子群优化算法基本原理及其经典改进算法，还根据发电厂商竞价策略的具体情况，提出了几种改进粒子群优化算法。最后，论文基于发电厂商竞价模型，应用论文提出的改进粒子群优化算法解决具体的发电厂商竞价策略问题，并对应用结果进行对比分析，验证了论文工作的可行性和实用性。关键词：发电厂商；竞价策略；改进粒子群优化算法；竞价模型AbstractWith the development of the reform of Chines power market,the competion has been introduced into generation market in order to reduce the cost of power generation and improve the efficiency of the operation of power market. In this context,it is very important to accurately predict the bidding strategies of competitors and the farther development of power market to make the reasonable,rational and optimal strategy choice. The research of the bidding behavior of firms in generation market can provide guideline to power suppliers for their rational and effcient market competion,on the other hand,can help the analyse of market behaviores for supervisors and offer reference to policies and standards making.By introducing the bidding strategies of competitors,it can improve the important position of optimization algorithm in the analysis research. The paper also describes the basic principles of particle swarm optimization algorithm and its improved algorithms,and analysis its feasibility and advantages of the application in bidding strategies. By analysis the specific circumstances of bidding strategies,two new improved particle swarm optimization are given. Finally,based on the power generation companies bidding model,the two new improved particle swarm optimization algorithm are used to solve the bidding strategies and the results are analyzed to verify the feasibility and practicality of the papers work.Keywords： Generation Companies；Bidding Strategy；Improved Particle Swarm Optimization；Bidding ModelI目 录摘 要IAbstractII第1章 绪 论11.1 课题背景及研究的意义11.1.1 课题背景11.1.2 课题研究的意义11.2 国内外研究现状21.3 本文的研究内容3第2章 电力市场相关理论52.1 电力市场的基本概念52.2 我国电力市场现状分析72.2.1 我国电力市场改革总体思路及改革历程回顾72.2.2 我国电力市场的特点82.3 电力市场的发展模式和交易方式92.3.1 电力市场的发展模式92.3.2 电力市场的交易方式11第3章 粒子群优化算法及改进133.1 粒子群优化算法133.1.1 算法流程143.1.2 粒子群算法与其它进化算法的比较153.2 改进粒子群优化163.2.1 带惯性权重PSO173.2.2 线性递减权重PSO173.2.3 自适应权重PSO18第4章 基于粒子群优化算法的最优报价策略204.1 发电厂最优竞价问题描述204.2 机组发电成本214.2.1 固定成本214.2.2 变动成本224.2.3 成本曲线224.3 基于粒子群优化算法的竞价模型234.3.1 目的函数及物理约束234.3.2 基于电价预测的风险分析244.3.3 风险偏好254.3.4 粒子群优化求解最优报价流程264.4 本章小结28第5章 仿真算例与结果分析295.1 最优报价算例295.2 结果分析325.2.1 粒子群算法性能比较325.2.2 报价结果比较335.2.3 风险偏好因子取值345.3 本章小结35结 论37参 考 文 献38致 谢40附 录41III第1章 绪 论1.1 课题背景及研究的意义1.1.1 课题背景随着电力系统的规模不断扩大，电力生产的成本不断降低，在20世纪早期，电力系统充分显示了规模经济的优越性，它可以随着系统规模的扩展而提供较低的电价和较高的系统可靠性。然而，自20世纪60年代以来，情况发生了变化。相反，电力工业高度垄断的某些负面影响显现了出来，主要表现为非生产性成本加大。在西方发达国家，电力工业的规模经济性己逐渐饱和，发电机组的效率己接近或达到了极限，建造更大的发电机组己不能再大幅度降低成本。成本的增加以及在电价受到管制的情况下，政府要为此承受巨大的财政负担。为了消除这些负面影响，20世纪80年代末期，一些国家开始放松对电力工业的管制，进行纵向或横向的解捆，实施电力工业重组，建立竞争性的电力市场。这里“电力市场”是相对传统的垄断电力工业而言的，它是实现电力工业结构重组而引入商业竞争机制后的一大类新型电力工业资产结构、经营管理和运行管理模式的总称。到目前为止，全球有不少国家都进行了电力工业的市场化改革。1990年英国电力工业全面走向市场化并取得初步成功，引起世界许多国家的仿效，美国、日本、澳大利亚、挪威、瑞典、新西兰、印度、阿根廷、巴西、智利及东欧国家都先后卷入了这股电力工业改革的洪流。上述这些国家的成功经验表明，实行电力市场，可促使电力企业从市场竞争中寻找契机，吸引投资，推进技术改造，提高主产效率，从而弱化政府行为，减轻国家的财政负担；可促使电力企业优化资源配置，降低能耗，提高效率，减少成本，节约资源；可促使电力企业深化改革，为广大客户提供低价、优质、高效的用电服务。1.1.2 课题研究的意义竞价问题主要针对电力市场中，发电厂商向电力交易中心提交下一交易时段所能提供的电量以及要求的价格。电力交易中心会根据预测的负荷情况和竞价曲线进行发电机调度技术，选择合适发电单元并制定计划，在这个过程中，决定发电厂商能否中标的关键是竞价曲线的制定，以及其他发电厂商的报价情况。所以发电厂商采用的竞价策略，是在电力市场中，发电厂商在电力交易过程中根据市场规则进行的一种报价决策以期达到利润最大化的方法1、2。因而，本文旨在为发电厂商在激烈的市场竞争中提供一定的理论指导和参考，从而使发电厂商能够理性的、高效的参与电力市场竞争。通过介绍我国当前的电力市场环境以及交易模式，并对基于不同方法的竞争策略进行理论介绍和详细的实证分析，使得发电厂商能够更好的了解我国的电力市场现状，为做好竞价策略做好信息铺垫工作。同时，通过对其他影响发电厂商竞价策略因素进行的分析，更好的指导发电厂商优化竞价策略，起到科学的理论引导的作用。1.2 国内外研究现状目前，国内外研究者构建竞价策略的思路和方法大体上可分为六类：基于成本分析的方法；预测市场电价的方法；估计其他竞争对手报价行为的方法；基于博弈论方法；基于投资组合理论的方法。基于成本分析的方法：发电厂参与电能交易的目标是实现利润最大化，竞价交易所获得的收入和生产电能的成本是决定发电厂商利润水平的核心内容。因此，成本分析是发电厂商进行竞价决策的前提和基础。基于成本分析的方法是目前国内电力市场中发电厂构造竞价策略所采用的最为普遍的方法，其主要思想是在明确发电厂本身的实际发电成本的基础上，加上一定的利润率作为报价。该方法中最重要的是发电成本的计算和固定成本的分摊。成本分为固定成本和变动成本，各时段的变动成本是它的实际发生值，关键是对固定成本的合理分摊。在以往电厂的电价计算时，都是计算出一个月、一个季度乃至一年的平均成本。在实行电力市场后，传统的会计方法不能反映分时的电力成本。在进行现有的分时段计算时，必然涉及到了各项费用支出在各时段的分摊3。文献4进一步提出以实时成本为基础制定发电厂商的报价策略，其报价为在实时成本的基础上加上利润和税金作为其报价，并考虑在不同负荷时段设置不同的利润率。文献5和6基于边际成本的定义和随机生产模拟技术，提出了一种短期发电边际成本的概率学预测方法，不仅能给出发电边际成本的均值，而且能得到其概率分布函数，同时还考虑了预测提前时间对发电机组强迫停运率的影响以及负荷预测不确定性的计入方法。文献7和8对实时发电成本进行分析将发电厂商的成本分为固定成本和变动成本两部分，指出只要上网电价高于变动成本，就要尽可能多的争取上网容量并给出了能快速制定报价的利润曲线图。文献9提出了一种在竞争环境下计算和分解中期边际成本的方法，该方法基于市场均衡模型，其目标是为发电厂提供一种管理其资源的有效方法，以帮助电厂优化运行、报价决策、资产评估和合同管理。预测市场电价的方法：预测出次日各交易时段的电价，按照市场规则以低于预测值的价格进行报价，发电厂商就有获利的机会。文献10首先采用神经网络对英国电力市场进行短期电价预测的研究，之后不少学者将该方法应用到不同的电力市场中，神经网络对大量非结构性、非精确性规律具有自适应功能，能够有效处理多变量和非线性问题，从而成为目前国内外专家学者研究得比较多的一种电价预测方法。近年来国内外学者对神经网络预测方法进行了积极的探索，分别采用了回归神经网络11、径向基函数(RBF)神经网络12、自适应神经网络13、递归神经网络14、模块神经网络15等目前进行日前电价预测的尝试，取得了一些效果。并考虑了不同的电价因素，短期电价预测的误差也逐渐降低。估计其他竞争对手报价行为的方法：该方法的原理是首先用概率方法或模糊集方法来估计竞争对手的报价行为，根据电力市场的竞价规则建立最优竞价模型。但是，估计竞争对手的报价行为，往往比预测市场电价要困难得多。博弈论方法：博弈论是专门研究 2 个及 2 个以上有冲突的个体在有相互作用的情况下如何进行各自优化决策的理论16。文献17介绍了博弈论的建模以及求解过程，并简要阐述了博弈论在电力市场中的应用。基于投资组合理论的方法：发电厂商在电力市场交易中需要面临多个市场进行交易决策，各个交易市场电能价格存在高度不确定性，因此，发电厂商需要在多个交易市场中优化分配有限的发电量，以提高期望利润并回避市场风险。文献18系统阐述了发电厂在电力市场交易中所面临的风险问题以及应用投资组合理论进行风险管理的基本思路。1.3 本文的研究内容综上所述，制订的基于最优化方法的发电企业竞价策略应考虑到以下两个因素：一是电厂的成本，二是市场出清边际价格预测值。并引入风险偏好因子，将两者结合在发电商竞价模型中，考虑到机组的技术约束(主要指机组处于运行状态，机组的出力变化量最大限制，机组爬坡速率限制，以及最高、最低报价限制)。用粒子群优化算法及其改进算法进行求解，对实际电厂成本数据及交易数据进行仿真，比较各个算法的优劣，并证明了该模型的有效性。考虑以上情况，计划将如下工作作为本次毕业设计的主要内容：1 阅读大量外文、中文文献，了解的研究发展及现状，对电力市场发电企业 竞价策略研究进行综述，并分析各种方法的优缺点。2 深入学习粒子群优化算法的基本理论知识，结合粒子群优化算法原理和特 点，研究发电企业竞价策略模型。3 学习并掌握MATLAB的编程和图形绘制，以辅助竞价策略的研究。4 结合算例进行分析，并结合本人的研究心得提出对此论题的个人观点及前 景展望。 第2章 电力市场相关理论电力行业对世界各国而言，都是传统的垄断性行业。但是近年来很多国家对电力系统市场化逐步实现体制改革。随着我国电力市场的兴起和我国经济体制改革的深化，让电力工业面向市场，实行市场经济体制改革，已经是我国电力工业改革的大趋势。2.1 电力市场的基本概念电力市场，是进行电力及相关服务交易的一群买者和卖者相互作用以决定其电量和电价的过程，是采用法律、经济等手段，本着公平竞争、自愿互利原则，对电力系统中发电、输电、供电、用户等各成员组织协调运行的管理机制和执行系统的总和。因而电力市场首先是一种管理机制，区别于常规的行政机制。电力市场主要采用经济手段和法律手段，优化资源配置。电力市场的执行系统包括贸易场所、计量系统、计算机系统、通信系统等。电力市场包括广义和狭义两种含义。广义的电力市场是指电力生产、传输、使用和销售关系的总和。狭义的电力市场即指竞争性的电力市场，是电能生产者和使用者通过协商、竞价等方式就电能及其相关产品进行交易，通过市场竞争确定价格和数量的机制。竞争性电力市场具有开放性、竞争性、计划性和协调性。竞争性电力市场的要素包括市场主体(售电者、购电者)、市场客体(买卖双方交易的对象，如电能、输电权、辅助服务等)、市场载体、市场价格、市场规则等。电力市场由于其产品的无形性及其产、供、销同时进行，同时完成生产特性，决定了电力市场是以电网为载体的网络化市场。电力市场的规模、层次划分、管理水平完全决定于电网的规模、电网的层次及其水平。我们也可以说，电力市场是一个技术密集和资金密集的市场。因为电力工业生产是高度自动化、联动化和规模化的现代化大生产，生产所需要的技术水平、现代化水平均高于国民经济的传统生产部门，特别是随着世界各国电力工业技术的进步，国际劳动生产率的提高，我国电力工业技术水平也在不断提高。因此，电力工业产品的技术含量日益提高，对劳动者技术、素质的要求越来越高。随着现代技术的应用，生产规模的扩大，企业生产所占用的资金量也越来越多。再加上电能生产的无形性，需要靠现代化的精密仪表来计量、监测，这些又增加了资金的占用。这一特点反映在市场营销领域里，就必然形成资金周转慢。而在产品价格形成中，固定资产折旧比重大，电价构成受资金使用、设备利用情况的制约较大，这些给市场营销必然造成负面的影响。同时对电价的形成以及水平也产生较大的制约作用。电力市场是一个直接受用户制约的市场。一般来说，任何市场都要受用户的制约，不仅在消费方式、消费水平上制约生产者，而且在时间地点上也制约生产企业。而电力市场除了上述方面特点外，电力用户制约电力生产企业在于它的直接性。因为电力产品不能存储，产、供、销均通过电网连接成一个整体。如果说其他行业可借助存储功能来调节产销之间的不同平衡，电力工业则不可能有这种条件，它只能是靠生产能力的备用来解决这种矛盾，这样就加大了生产建设的投机规模，同时也加大了生产成本中的设备折旧和资金成本的总量，因而给消费者增加了扩大消费的制约因素。而且在消费方式上也会受电网水平状况的制约，如可靠性直接影响到用户的消费偏好。电力市场是一个政府管制下的市场。电力市场的营销，首先要考虑到政府的政策环境对市场的制约。这是因为电力工业生产由于技术密集、规模大等特点，市场进入和退出成本高，在市场竞争机制引入之后，需求的变化有可能导致恶性竞争，从而导致电价出现大的波动，有可能给电力企业自身和整个社会带来一系列不利影响。因此，电力市场不可能是一个完全竞争的市场，特别是我国电力企业改革从总体上刚刚起步，市场主体尚不具备完全自主经营的条件下，政府的管制更是不可缺少的。在政府强化管制，实行高度垄断、集中垂直管理的条件下，真正的市场营销就很难进行。只有在售电侧完全放开，企业的自主权得到充分的保证的条件下，市场营销才有用武之地。但是可以相信，随着改革的深化，企业垄断经营终将被打破。电力市场在售电侧引入竞争机制将是必然的选择，那时电力市场营销是不可缺少的经营选择。按照电力市场的发展程度，可以将电力市场划分为初级电力市场和发达电力市场两类。初级电力市场往往只限于发电侧竞争，输电、配电和用电仍旧实行垄断经营，即调度和交易中心将只采用那些生产成本或报价低于市场价格的发电厂商所提供的电力，以此满足系统的负荷需求。发达电力市场则是发电、输电、配电和用电四个环节全面引入竞争。发电企业将电力批发给配电商和专业零售商，再由零售商通过配电网零售给最终用户，或者把电力直接通过输电网销售给大用户，因而电力市场主体都可以自主的选择零售商。电力市场的基本特征是开放性、竞争性、计划性和协调性。具体来讲：(1)与传统的垄断电力系统相比，电力市场具有开放性和竞争性。传统电力系统，发电、输电、配电、用电环节皆为政府垄断，而现今的电力系统实行竞价上网，将竞争引入电力市场中，具有竞争性和开放型。(2)与普通的商品市场相比，电力市场具有计划性和协调性。电力系统的各环节相互紧密联系，任何一个成员的操作，都会对电力系统产生影响。因而电力市场中的生产、交换、消费各环节需要制定严密的计划，而供电者之间、供电者和用户之间要具有协调性。电力市场的总体目标是打破垄断，引入竞争，提高效率，降低成本，健全电价机制，优化资源配置，促进电力发展，推进全国联网，构建政府监管下的政企分开、公平竞争、开放有序、健康发展的电力市场体系。不同的发展阶段，有不同的发展目标，但是在任何时期，都要首先保证电力系统的安全、可靠和稳定运行，这是电力市场改革深化的前提。2.2 我国电力市场现状分析2.2.1 我国电力市场改革总体思路及改革历程回顾在我国，电力工业快速发展的同时，电力体制改革也逐步深入，电力工业以“公司制改组、商业化运营、法制化管理”为改革目标的基本取向，在发电领域将逐步引入竞争机制，逐步形成开放发电侧的经营模式，即各发电公司按电价竞争上网的市场机制，即形成了初步的电力市场。受经济全球化和加入世界贸易组织的影响，我国从1992年开始引入电力市场的概念之后，迅速开展了关于电力市场相关理论的研究和实践。1998年，在初步摆脱电力短缺的状况后，我国开始实施了 “厂网分开，竞价上网”，在山东、上海、浙江、辽宁、吉林和黑龙江6家电力公司作为改革试点。经过几年的探索和实践，国务院于2002年3月正式批准了电力体制改革方案，形成了我国电力市场改革的总体思路，具体内容如下：(1)可持续发展，调整电力结构。以市场为导向、以经济效益为中心，以科技进步为动力、以实现资源优化配置和可持续发展为目标，加快电网建设和全国联网步伐，从速度转型到效益型；发展水电和核电，调整电力生产结构，实现可持续发展。(2)依靠科技进步。采用超临界参数机组、联合循环机组、燃料电池等新的发电技术，提高化石能源转化为电能的效率；采用新技术、新设备提高电能在终端市场的利用效率；实施清洁煤发电、大区电网互联、节能节电、开发新能源和电力信息化等跨世纪科技工程。(3)深化企业改革，逐步实现公司化改组、商业化运营及法制化管理。(4)坚持“四步走”的改革方针。第一步：成立国家电力公司，撤销电力工业部，完成体制过渡和职能交接。第二步：实现政企分开和公司化改组，加强城乡电网建设，实施“厂网分开、竞价上网”试点。第三步：2001-2010年，充足国家电力公司，完成跨大区联网，形成全国联合电网和统一调度，实行“厂网分开、竞价上网”，在全国范围内实现资源优化配置。第四步：2010年以后，逐步将发电、输电、配电各环节分开，建立规范有序的电力市场，全面引入竞争机制。2.2.2 我国电力市场的特点电力市场，是在公平竞争、自愿互利原则下，进行电力及相关服务交易的一群买者和卖者相互作用以决定其电量和电价的过程。历经百年的发展，电力市场经历了垄断经营模式、单一购电者模式、电力联营模式、双边交易模式和零售竞争模式等发展模式，并在发展的过程中，形成了多种交易模式，目前我国实行的电力市场交易原则是以合同交易为主，以部分电量(10%-20%)参与现货交易。现阶段我国电力市场改革的重点是对发电资产进行重组，在发电侧引入竞争，初步形成多卖方、单一买方的竞争模式，以此来降低发电成本，提高电力行业运行效率。当前我国电力市场的现状可以总结为以下四点：(1)厂网分开已经实施，资产重组。全国电网资产重组后形成两个电网公司：国家电网公司和南方电网公司；国家电网电力公司电厂重组为五大发电集团：中国华能集团公司、中国华电集团公司、中国国电集团公司、中国电力投资集团公司、中国大唐集团公司。(2)电力市场尚处于培育期，运行机制和市场规则尚未完善。(3)独立的发电公司尚未形成整体规模。(4)电价不统一，实行一厂一价。新电厂由于成本过高，企业参与市场竞争的意愿不足，同时政府控制销售电价，新电厂成本上升过快，挤占了老电厂的电价空间，不利于公平竞争。2.3 电力市场的发展模式和交易方式2.3.1 电力市场的发展模式按照竞争程度的不同，市场结构大致可以分为完全竞争、垄断竞争、寡头竞争、寡头垄断和完全垄断五种类型。由于电力行业的特殊性，电力市场不是完全竞争的市场，更加接近于寡头垄断市场。这样的市场性质，使得发电厂商可以通过策略性报价来达到利润最大化的目标。不同的电力发展阶段，电力市场主要有以下几种发展模式：垄断经营模式、单一购电者模式、电力联营模式、双边交易模式和零售竞争模式。(1)垄断经营模式由于输电、配电的自然垄断性和电网调度的控制技术限制，电力工业长期以来一直采用垄断的模式，即发、输、配、用四个环节均由政府实行垄断，实行统一管理、统一规划、统一调度、统一经济核算，发电侧不竞争，电力用户没有权利选择供电方。这种方式是传统经营方式，在计划经济体制下，该方法有利于对稀缺资源进行统筹管理、优化分配，以保证电力工业的快速稳定发展。(2)单一购电者模式单一购电者模式是电力改革初始阶段时的模式，也叫做“1+N”模式。我国现行的Power Pool运行方式主要是“1+N”模式，“1”指得是电力市场的单一购买者，即电网经营企业；“N”是指参与市场竞争的各个独立发电企业。大多数电力用户不能与发电方签订购电合同，只能由电网经营企业采用冤售或零售的方式供电。因而，承担着时刻保持电力供需平衡重任的电网经营企业，需要收购所有电力，以保证稳定供电。这种模式将发电侧和输电侧分离，降低了改革给电力市场带来的冲击，降低了电力供给的不稳定，适用于电力改革的初期。但是这种模式在市场上形成了垄断的中间环节，调度、电网、配电、零售形成了垄断体系，制约了电力行业的进一步发展。(3)电力联营体模式电力联营体模式中，各发电公司直接将电卖给电力联合运营中心。供电公司也到电力联合运营中心购电。随着改革的深入，电力市场对大用户(1MW及以上)开放，大用户可以从地区供电公司、电力联合运营中心和发电厂三者之间自由选择供电商。在这种模式下，电网经营企业与发电厂商之间采用投标方式交易。按照投标内容和次数的不同，投标方式有不同的类别：1）按照投标内容来分，投标方式有多部分投标方式和单部分投标方式。2）按照投标次数不同，投标可以分为一次投标和多投标两种。此时交易管理的核心是交易计划。目前我国的发电侧市场通常采用多部分、一次性投标方式，并且采用购电费用最低作为交易计划的计算目标。(4)双边交易模式双边交易模式属于非强制型市场模式，主要特点有：1）发电厂商通过合同方式直接把电力卖给配电公司和大用户；2）输电网向用户开放，电网经营企业负责电网的运行和控制，并收取一定的电网运行和管理费用，以降低风险；3）配电公司对最终用户仍有垄断权。这种模式通常与Pool模式共存，并且占有较大份额。双边交易模式允许配电公司直接从各发电公司买电，双方通过计划协调者签订协议，然后由计划协调者将交易内容提交给独立运行员审核。审核合格的交易内容再递交给交易中心，并通过输电网输送电力，而无需电网经营企业的介入。(5)零售竞争模式零售竞争模式下，发电、输电、配电和用电四个环节全面竞争，市场竞争激烈。发电企业将电力批发给配电商和专业零售商，由零售商通过配电网零售给最终用户，发电企业也可以把电力直接通过输电网销售给大用户，即市场主体都可以自主的选择零售商。这种模式对于发挥效益、引进新技术、降低成本起到了良好的激励作用，是电力改革实现全面市场化的标志。但是这种模式的运作需要有完备的法律法规和功能完善的技术支持系统。并且由于用户可以选择不同的零售商，交易成本较高，交易的专业化程度要求高，并且结算和计量的工作难度较高，目前在我国尚未具有充足的实现条件。2.3.2 电力市场的交易方式电力商品交易中交易的对象包括以下三个部分：(1)电力电量商品，其价格体现为通过电力交易所支付给发电厂商的直接购电费用。(2)是将电力商品转运到位的输电服务，包括管理服务、输送服务和辅助服务，其价格表现为通过电力交易所支付给为之输电网络正常运作的输电服务商的输电服务费。(3)电力交易服务，其价格表现为支付给交易所的交易费用。三者共同构成了电力交易中的电力商品，三者的费用共同构成了电力消费者的实际购电价格。按照交易成交时间，电力交易可分为长期(年)、中长期(月)、短期(日)和超短期(小时)交易。按照交易数量，电力交易可以分为批发交易和零售交易。按照交易的实现形式，电力交易可以分为现货交易、远期合约交易和期货交易。电力市场的交易模式主要分为双边合同交易、现货交易、实时交易、期货交易、辅助服务交易。双边合同交易是指，一个大的用户(包括批发商)向一个(或一组)发电厂商采用合同方式购买电。双边合同交易有长期和短期合同交易，双方签订关于购电量和电价的合同，不随市场条件变化而变化。在一定程度上，这种市场交易方式减少了严重缺电和电价急剧上升所引起的风险。现货交易是指按发电厂商的报价，通过电力交易机构(PX)，制定次日的交易，确定各个时段市场的出清价MCP和出清容量，然后由PX提前制定交易计划。现货交易接近于实际运行时间。发电企业可根据更准确的符合预测与电网经营企业进行交易。现货价格由市场竞争决定。现货交易主要釆用两种方式：一种是将长期合同看作是一个经济合同，在编制第二天的发电计划时，按照各方申报的数据，编制交易计划，如果现货市场的发电计划与长期合同不一致，采用经济手段进行补偿。另外一种方式，则是将长期合同看作物理合同。长期合同确定的电量在现货市场优先安排，其余部分作为交易电量编制计划。实时交易是指交易日当天进行的交易，主要是解决电力交易市场负荷及报价等不确定因素所造成的合同、现货交易的误差问题。由于电力生产的实时性特点，预测负荷需求与出力计划会出现一定的差额，因而理想状态下，上网电价应该实行实时电价。实时交易的一定作用有两个方面：一是作为长期合同和现货交易的补充，在负荷预测与实际负荷出现偏差后，达到发电与负荷平衡的目的；另一个方面是，实时交易可以提高竞争的力度。但我国处于电力改革的初期，电力市场尚未完善，且受技术支持系统约束，如网络损耗、系统安全、市场清算价格等无法避免的问题，因而，实时交易多作为长期合同和现货交易的补充。期货交易是指未来一段比较长的时间内，电网经营企业与各发电公司进行的大宗电力合同的买卖过程。期货交易与合同交易类似，但是交易双方都被允许在支付了一定的保证金和违约金后，退出期货市场，或是进入现货市场，或者与其他的市场成员以双边交易方式再卖或买或者到期对冲。这是市场运行部门保证市场供电，稳定上网发电价格的措施之一。目前我国的电力市场期货交易主要采用长期合同方式。而随着市场的发展与完善，长期合同的比例将逐渐减小，并最终由市场决定的期货交易合同所取代。辅助服务交易是电力市场中的重要交易方式之一。必要的辅助服务是确保电网安全稳定运行、连续可靠供电和电能质量合格保障，内容包括负荷跟踪与频率控制、旋转备用、运行备用、无功备用和电压控制、有功网损补偿处理能量不平衡和黑启动等服务。目前国外市场上提供辅助服务的模式有三种：统一型，投标型和双边交易型。某一种服务到底需要哪种供应方式，与整个电网的管理运行水平和电力市场发育的完善程度有关。目前我国实行的电力市场交易原则是以合同交易为主，以部分电量(10%-20%)参与现货交易，竞价上网。46第3章 粒子群优化算法及改进粒子群优化算法(Particle Swarm optimization，PSO)是由Kennedy和Eberhart于1995年提出的一种优化算法。PSO算法的运行机理不是依靠个体的自然进化规律，而是对生物群体的社会行为进行模拟的一种进化计算方法，它最早源于对鸟群觅食行为的研究。一群鸟在区域中随机搜索食物，所有的鸟都知道自己当前位置离食物多远，那么找到食物的最优策略是什么呢？最简单有效的策略就是搜寻目前离食物最近的鸟的周围区域。PSO从这种模型中得到启示并用于解决优化问题。与其它进化算法比较，该算法的优势在于算法概念简单容易实现，同时又有深刻的智能背景，既适合科学研究，又特别适合工程应用。因此，PSO算法一经提出，立刻引起了演化计算等领域的学者们的广泛关注。短短几年里，PSO算法已经获得了很大的发展，并己经在一些领域得到应用。简言之，PSO算法和遗传算法(Genetic Algorithm，GA)类似，也是一种基于迭代的优化工具，但比GA更简单。在算法中，系统初始化为一组随机解，通过某种方式迭代寻找最优解。由于PSO算法简单、易于实现，所以PSO算法发展得很快。在函数优化、神经网络训练、系统控制等很多领域都已得到了广泛的应用。目前已被“国际进化计算会议(International Conferenceson Evolutionary Computation，CEC)”列为一个讨论的专题。3.1 粒子群优化算法粒子群优化算法首先在给定的解空间中随机初始化粒子群，待优化问题的变量数决定了解空间的维数。每个优化问题的解是搜索空间中的一只鸟，每只鸟在搜索空间中以一定的速度飞行，这个速度根据鸟本身飞行的经验和同伴的飞行经验来动态的调整。在寻优空间中，每个粒子都有目标函数决定的适应值，并且记录自己到目前为止发现的最好位置Pbest，该位置可以看作是一个粒子的飞行经验；除此之外，每个粒子还知道到目前为止整个群体中所有粒子发现的最好位置Gbest，该位置可以看作整个粒子群体的社会经验。每次迭代，粒子通过跟踪两个“极值”：粒子本身所找到的最优解Pbest和群体找到的最优解Gbest来调整更新自己的位置，在找到这两个最好解后，粒子根据如下的式(3-1)和式(3-2)来更新自己的速度和位置。位置表示为：，速度为：，其他向量类似。则速度和位置更新方程为： （3-1） （3-2）式中i=1，2.M，M为群体数量；是加速系数(或称学习因子)，分别调节向全局最好粒子和个体最好粒子方向飞行的最大步长，若太小，则粒子可能远离目标区域，若太大则会导致突然向目标区域飞去，或飞过目标区域。适当的可以加快收敛且不易陷入局部最优。3.1.1 算法流程粒子群算法流程图如图所示3-1，PSO算法的流程可以描述如下：Step1：初始化：初始粒子的位置及其速度通常是在允许的范围内随机产生。设定加速常数，最大进化代数，并将当前进化代数置为t=1。每个粒子的Pbest坐标设置为其当前位置，且计算出其相应的个体极值(即个体极值点的适应度值)，而全局极值(即全局极值点的适应度值)就是个体极值中最好的，记录该全局极值点的粒子序号，并将Gbest设置为该最好粒子的当前位置。Step2：评价每一个粒子：计算每个粒子的适应度值。比较粒子当前的个体极值Pbest。如果当前值比Pbest更优，则将Pbest设置为该粒子的位置，且更新个体极值。比较粒子的当前适应值与种群最优值。如果所有粒子的适应值中最好的粒子好于当前的全局极值，则将Gbest设置为该粒子的位置，记录该粒子的序号，且更新全局极值。Step3：粒子的更新：用式(3-l)和(3-2)对每一个粒子的速度和位置进行更新，产生新种群。Step4：检验是否符合结束条件：如果当前的迭代次数达到了预先设定的最大次数，则停止迭代，寻优结束；否则t=t+1，并转至step2。开始初始化粒子群计算粒子适应度计算粒子适应度及粒子的个体极值及全局极值根据式（3-l)，（3-2)更新粒子的速度及位置达到最大迭代次数结束否是 图3-1粒子群算法流程3.1.2 粒子群算法与其它进化算法的比较粒子群算法和其它的进化算法都使用“种群”概念，用于表示一组解空间中的个体集合。和其它的进化算法有许多相似之处，更有其独特之处。遗传算法(GA)是常用的进化算法之一，下面对两者做个简单的比较。(1)相似点粒子群算法与遗传算法有许多相似之处。首先，两者都属于仿生算法，PSO算法主要模拟鸟类觅食、人类认知等社会行为提出的，GA主要借助生物进化中“适者生存”的规律。两者都是在解空间随机产生初始种群，因而算法在全局的解空间进行搜索，且将搜索重点集中在性能高的部分。然后通过随机优化方法更新种群和搜索最优点，PSO中认知项和社会项前都加有随机数，而GA的遗传操作均属于随机操作。二者都具有隐含并行性，搜索过程都是问题的一个集合开始的，而不是从单个个体开始，具有隐含并行搜索特性，从而减小了陷入局部极小的可能性。并且由于这种并行性，易在并行计算机上实现，以提高算法性能和效率。它们都是根据个体的适配信息进行搜索，因此不受函数约束条件的限制，如连续性、可导性等。这两种算法在解决高维复杂问题时，往往会遇到早熟收敛和收敛性能差的缺点，都无法保证收敛到最优点。(2)不同点与GA相比，PSO有记忆，好的粒子都保存在进化过程中，同时保留和利用位置与速度信息，并且具有独特的信息共享机制。而在GA中，以前的知识随着种群的改变而破坏，并且信息共享机制是染色体相互共享信息，所以整个种群的移动是比较均匀地向最优区域移动。在全局版PSO中，只有全局最优粒子提供信息给其它的粒子，这是单向的信息流动，整个搜索更新过程是跟随当前最优解的过程。与GA比较，所有的粒子很可能更快地收敛于最优解。在操作方面，PSO相对于GA没有交叉和变异操作，粒子只是通过内部进行更新，因此原理更简单、参数更少、实现更容易。PSO算法对种群大小不十分敏感，即种群数目下降时性能下降不是很大。PSO收敛快，特别是在算法的早期，但也存在着精度低，易发散等缺点。若加速系数、最大速度等参数太大，粒子群可能错过最优解，算法不收敛；而在收敛的情况下由于所有的粒子都向最优解的方向飞去，所以粒子趋向同一化(失去了多样性)，使得后期收敛速度明显变慢，同时算法收敛到一定精度时，无法继续优化，所能达到的精度也比GA低，因此很多学者都致力于提高PSO算法的性能。3.2 改进粒子群优化自从Kennedy提出基本PSO算法以后，PSO算法引起了众多学者们的兴趣，他们提出了各种改进的PSO算法。PSO算法概念简单容易实现，其代码只有短短的几行，和其它优化算法相比，这也是它的优点之一。短短几年里，PSO算法己经获得了很大的发展，并已经在一些领域得到应用。由于自身特点的局限性，研究者们对其作了各种各样的改进。现在己经从PSO基本算法发展出许多不同的版本，这些版本是对基本PSO算法的改进或者是在某一方面应用领域的延伸。下面对主要的几类改进PSO算法进行分析与归纳。3.2.1 带惯性权重PSO探测(Exploration)是指粒子离开原先的寻优轨程，偏到新的方向进行搜索，对应于粒子的全局寻优；开发(Exploitation)则是指粒子继续原先的寻优轨迹进行细致搜索，对应于粒子的局部寻优。为了更好地控制算法的探测和开发的能力，Shi等人引入了惯性权重w。美国的Shi和Eberhart研究发现公式(3-l)的第一部分由于具有随机性，且其本身缺乏记忆能力，缺少扩大搜索空间，探索新的搜索区域的趋势。引入惯性权重w来控制前面速度对当前速度的影响，消除对的需要。因为它们的作用都是维护全局和局部搜索能力的平衡。当增加时，可通过减小w来达到平衡搜索。较大的w可以加强PSO的全局搜索能力，而较小的w能增强局部搜索能力。 (3-3)由式(3-3)可以看出，公式的右边由三部分组成。第一部分称之为动量部分，是粒子更新以前的速度并使其依据自身速度进行惯性运动，反映了粒子的记忆能力；第二部分称之为认知部分，是粒子速度的更新，反映了个体的思考特性，鼓励其飞向自身曾经发现的最佳位置；第三部分称之为社会部分，是粒子间的信息交流和协同合作，引导粒子飞向粒子群的最佳位置。这三个部分之间的相互平衡和制约决定了算法的主要性能。由式(3-2)、(3-3)组成的迭代算法通常被认为标准的PSO算法。为了便于区分，不妨称之为惯性权重PSO(Inertia Weight Approach PSO，IWAPSO)。惯性权重的引入是为了平衡全局与局部搜索能力。惯性权值较大，全局搜索能力强，局部搜索能力弱，反之，则局部搜索能力增强，而全局搜索能力减弱。选择一个合适的w可以平衡全局和局部搜索能力，即平衡算法的收敛速度和收敛精度，这样可以以最少的迭代次数找到最优解。3.2.2 线性递减权重PSO初始时，Shi将惯性权重取值定为常数，但后来实验发现，动态的惯性权重能够取得比固定值更好的寻优结果。现在采用较多的是Shi建议的线性递减权重(Linearly Decreasing weight，简称LDW策略)，即 (3-4)其中，gen为当前进化代数，为最大进化代数。惯性权重=0.9，=0.4。如果w=0，则粒子速度只取决于它当前位置Pbest和Gbest，速度本身没有记忆。假设一个粒子位于全局最好位置，则它将保持静止。而其它粒子则飞向它本身最好位置Pbest和Gbest的加权中心。这种条件下，粒子将收缩到当前全局最好位置，更像一个局部算法。如果w0，则粒子有扩展搜索空间的趋势，从而针对不同搜索问题，可调整算法全局和局部搜索能力。当待解决的问题很复杂时，该方法使得PSO在迭代后期全局搜索能力不足，导致不能找到要求的最优解，这可以用自适应改变惯性权重来克服。本文称这种粒子群优化算法为VURPSO(Velocity update relaxed PSO)，2011年shi又提出用模糊规则动态的修改w的值和随机惯性权重取值策略。陈贵敏等在LDW的基础上，又给出了三种非线性的惯性权重递减策略，为我们提供了新的思路。3.2.3 自适应权重PSO提高全局最优点Gbest的质量与多样性或者采用自适应的参数策略都可以有效地提高PSO算法的性能。本文采用的自适应粒子群优化(APSO，Adaptive PSO)算法就是从这两方面进行改进的。基于不同粒子分工合作的思想，对不同性能的粒子分派不同的任务。对性能较好的粒子给予较大的惯性权重，让其主要负责在更大的范围、更优邻域的寻优；而对性能较差的粒子则给予较小的惯性权重，让其迅速收敛到最优去区域附近进行细致的搜索。这种策略的基本依据是：在标准PSO算法中，非最优粒子会逐渐移向全局最优位置Gbest，并在其附近进行搜索。因此，该策略的具体做法是：将粒子按其个体最优位置从优到劣进行排序，其中排在第i位粒子的惯性权重及相应加速系数的表达式如下： （3-5） （3-6）其中，分别为定义的最大与最小惯性权值，m为种群规模，加速系数根据自适应调整。该策略可以在每一步迭代中都较好地平衡全局与局部搜索能力，另外，全局最优粒子必须积极地探测新区域，不断更新Gbest，以此带动其他粒子的搜索。如果最优粒子过早地收敛，其他粒子会迅速地收敛到它的周围导致早熟收敛。在收敛早