相关论文：
-
-
全球能源互联网
第6卷 第4期 2023年07月；页码：398-405
基于卖方灵活合同的绿电与绿证中长期联合交易机制及其均衡分析
Medium- and Long-term Joint Transaction Mechanism of Green Electricity and Green Certificates Based on Sell-side Flexible Contracts and the Equilibrium Analysis
- 1.西安交通大学电气工程学院，陕西省 西安市 710049
- 2.北京电力交易中心有限公司，北京市 西城区 100031
- 3.山东电力交易中心有限公司，山东省 济南市 250001
- 1. School of Electrical Engineering, Xi’an Jiaotong University, Xi’an 710049, Shaanxi Province, China
- 2. Beijing Power Exchange Center Co., Ltd., Xicheng District, Beijing 100031, China
- 3. Shandong Power Exchange Center Co., Ltd., Jinan 250001, Shandong Province, China
关键词
Keywords
摘 要
Abstract
提出了一种基于卖方灵活合同的绿电与绿证中长期联合交易机制，聚合商协商达成中长期绿电交易合同，并基于风、光出力预测误差，考虑现货市场交易的影响执行卖方灵活合同交割。同时，聚合商可通过绿证市场交易，完成绿证考核指标。为验证该机制的有效性，进一步构建了聚合商绿电-绿证交易均衡模型，并设计了基于Lp-Box ADMM（alternating direction method of multipliers，交替方向乘子法）的分布式求解算法。通过模拟算例分析，验证了所提方法的有效性并分析了对聚合商交易行为及成本/收益的影响。结果表明所提出的机制可以有效实现聚合商间的中长期绿电与绿证联合交易，促进中长期绿电合同的达成，实现绿电与绿证交易的有效衔接。
This paper proposes a joint transaction mechanism for medium- and long-term green electricity and green certificate trading based on sell-side flexible contracts. The aggregators consider the impact of the spot market, negotiate and conclude contracts for green electricity trading, based on the forecast and actual output of wind and solar power. The aggregators can also trade in the green certificate market to complete the green certificate assessment. To verify the effectiveness of the proposed mechanism, we further develop an aggregators equilibrium model for green electricity and green certificate trading and design a distributed algorithm based on Lp-Box ADMM (alternating direction method of multipliers). The effectiveness of the proposed method is verified, and the impact of the proposed mechanism on aggregator transaction behavior and cost is analyzed. The results show that the proposed method can effectively realize medium- to long-term joint transactions of green electricity and green certificates among aggregators, promote the conclusion of medium- to long-term green electricity contracts, and achieve an effective connection between green electricity and green certificate transactions.
0 引言
随着中国能源绿色低碳转型和绿色电力交易体系的建设，绿电市场规模持续有序增长，截至2023年5月4日，国家电网有限公司绿电交易量达到310亿kWh，累计完成了218笔绿电交易[1]。国家发展改革委下发的《绿色电力交易试点工作方案》中也提到，强化可再生能源电力消纳责任权重，实现绿电交易信息有效溯源，有助于完善绿色电力消费认证体系。由于绿证制度通常是按年度及以上等较为长期的尺度进行交易考核，因此在“证电合一”的背景下有必要形成绿电与绿证交易特性适应的衔接体系，从中长期尺度构建绿电与绿证交易联合的耦合市场交易机制，进一步体现绿色电力的电能量价格和绿色环境价值[2]。
针对电力中长期合同交易[3-6]，学术界展开了大量的研究。文献[5]针对含风电及抽水蓄能的发电商，构建双边合同交易和日前交易模型，从而减少风电随机性波动的影响。文献[6]提出将双边合同网络作为可扩展的点对点能源交易市场设计，通过构建包含供应商及用户间实时合同和远期合同的最大化效用偏好，有效协调小规模分布式能源资源，提高了网络效率和能源安全。一些文献也针对绿电和绿证等多类型耦合市场开展了研究[7-11]，文献[8]针对绿色电力证书、绿色电力消费、碳排放权等环境权益产品，提出了一种电碳市场背景下的不同类型环境权益产品的衔接互认体系。文献[9]针对碳-绿证-电量市场耦合交易研究碳交易成本和绿证交易成本对发电报价的影响，分析了碳配额基准和绿证比例对电能市场的耦合作用，并通过算例验证了碳-绿证-电量市场耦合交易在提高可再生能源消纳和降低碳排放等方面的效用。文献[10-11]分别研究了绿证交易与碳交易联动下的区域能源系统优化模型和联合交易市场。此外，还有一些文献讨论了绿证对市场主体交易策略的影响。文献[12]建立了有限理性下结合绿电厂商、火电厂商、受考核用户三方的演化博弈理论模型，并分析可再生能源消纳责任权重考核制度带来的政策负担对理想演化稳定策略点的影响。针对市场主体的博弈行为，文献[13]基于Stackelberg博弈模型和合作博弈模型，对新能源发电“去补贴”趋势下的火电商和绿电商的策略性行为进行了分析。文献[14]则设计了以古诺形式竞争的电力批发市场和以供给函数形式进行绿证竞争的耦合市场，并采用多群体协同进化算法进行求解。但上述研究中绿电与绿证耦合市场大多针对现货层面，少有文献针对中长期绿电与绿证联合交易进行研究。因此，有必要在中长期尺度研究建立绿电与绿证联合交易机制，满足交易主体对绿电合同电量的灵活交割执行需求，实现绿电交易与绿证交易的有效衔接。
本文考虑新能源波动性及现货市场的影响，提出一种基于卖方灵活合同的绿电与绿证中长期联合交易机制，通过对聚合商的博弈策略进行分析，构建聚合商间的博弈均衡模型，并基于Lp-Box ADMM（alternating direction method of multipliers，交替方向乘子法）的分布式求解算法，实现对多个聚合商博弈均衡的高效求解，进一步通过算例，分析中长期绿电与绿证联合市场机制下的聚合商交易行为和成本/收益，验证机制的有效性。
1 基于卖方灵活合同的绿电与绿证中长期联合交易机制
基于卖方灵活合同的绿电与绿证中长期联合交易机制如图1所示。在该机制下，绿电生产主体及负荷用户主体可与聚合商、虚拟电厂等运营代理签订委托代理协议，整合源荷资源并参与市场交易[10, 15-16]。因此，本文以有意愿签订中长期绿电交易合同，含风、光等发电资源或负荷资源的聚合商为例进行研究。聚合商协商达成中长期绿电交易合同，并考虑现货市场交易的影响，基于风、光实际出力和预测误差执行卖方灵活合同交割。针对绿证交易，国内外配额制下的可再生能源消纳责任主体通常为供售电实体[17]，因此本文考虑由聚合商基于绿电交易的结果对绿证指标的缺额部分进行绿证交易，相关模型和方法也可应用于一般发电商、配网运营商、虚拟电厂等其他类型市场主体。
图1 基于卖方灵活合同的绿电与绿证中长期联合交易机制
Fig. 1 Medium- and long-term joint transaction mechanism of green electricity and green certificates based on sell-side flexible contracts
针对绿电交易，由于可再生能源的不确定性会影响中长期合同的实际交割执行，卖方灵活合同成为实现中长期绿电交易的有效方式。聚合商可根据新能源出力预测和负荷需求，达成绿电交易中长期合同。根据绿电实际出力，聚合商可基于卖方灵活合同框架进行交割。卖方灵活合同允许卖方基于合同规定框架，在合同有效期内决定实际交易量，而买方则可基于卖方决策结果，对缺额电量进行自发电或市场购电[18-19]。对于合同执行结果和实时供需间的偏差，聚合商可对缺额或富余电量在现货市场进行进一步交易。由于绿色电力交易优先于其他优先发电计划和市场化交易结算，且在日内调度执行时进行安全校核，因此本文不考虑针对绿电交易的安全校核约束。
针对绿证交易，在基于卖方灵活合同的绿电与绿证中长期联合交易机制下，聚合商可基于绿电交易结果，进一步通过绿证市场交易，完成绿证考核指标。在绿电与绿证中长期联合交易机制下，绿电交易结果可以部分替代绿证交易指标，在对绿电交易有效跟踪溯源的同时，能够实现绿电与绿证交易的有效衔接。
2 基于卖方灵活合同的聚合商绿电与绿证交易及均衡模型
2.1 模型假设
本文构建了基于卖方灵活合同的绿电与绿证中长期联合交易机制，基于以下假设对聚合商交易策略行为及博弈均衡进行建模：①以绿电中长期交易合同为研究重点，同时考虑了现货市场的影响，因此并未对现货交易的日前和实时市场进一步区分；②针对绿电交易主体，卖方主体以绿电聚合商为例建模，也适用于集中式的绿电生产主体，买方主体以负荷聚合商为例建模，也适用于负荷用户个体、独立运营商等其他类型代理主体；③暂未考虑负荷聚合商的价格弹性对绿电与绿证中长期联合交易的影响，可作为后续研究的内容。
2.2 聚合商交易模型
对于聚合商i，其目标函数考虑其包含绿电中长期合同交易、绿电现货市场交易、绿证市场的收支以及发电成本。以买方聚合商角色为例，聚合商i的交易模型为
式 （1）—（2）中：聚合商i的目标函数为中长期绿电与绿证联合交易的总成本最小；CiGP为绿电交易成本；CiGC为绿证交易成本；CiOP为聚合商的发电成本；聚合商i的绿电交易成本包含中长期绿电合同交易成本CiCT和现货市场交易成本CiRT。式（3）表示中长期绿电交易聚合商i、j基于光伏和风电预测曲线签订绿电交易合同的成本，其中：
为聚合商i、j间基于预测结果的绿电合同交易量；
为绿电交易合同价格，当
>0时聚合商i为合同购电方。式（4）表示聚合商i签订绿电合同的总量为该聚合商与其他聚合商绿电合同交易量之和。同时，对于绿电购售合同存在一致性约束（5），即买卖双方的交易量相等，符号相反，其中绿电交易合同价格
为该约束的对偶变量。对于聚合商实际内供需情况和中长期交易合同签订存在的偏移以满足用电负荷需求，式（6）—（8）表示考虑绿电实时市场进行交易的成本，其中：
为聚合商在日内绿电市场的交易量；
为日内绿电交易价格。与合同签订交易过程类似，日内双边交易也需要满足一致性约束（7）。由于可再生能源存在波动性，聚合商签订的中长期绿电合同需要基于卖方实际新能源出力执行价格。对于卖方聚合商，存在
<0，因此基于场景w∈W下的风、光实际出力，中长期实际合同执行交易量如式（9）所示，其中
、
分别为聚合商i在场景w下的风电和光伏出力。
针对基于卖方灵活合同的交割执行结果，式（10）为聚合商i实际绿电合同交易成本，式（11）表示日内绿电实时市场交易成本。式（12）表示对聚合商i的日内电量平衡约束，其中
为聚合商的负荷，
为聚合商的燃气轮机发电出力。考虑绿电交易特性，聚合商的绿电中长期交易量和绿电现货市场交易量约束表示为式（13）。式（14）为聚合商的发电成本，其中aG为燃气轮机发电单位成本，
为燃气轮机发电功率。式 （15）—（16）表示对于聚合商i参与绿证交易的成本及约束，其中Gi为聚合商的绿证交易量，
为绿证交易价格。式（16）表示聚合商通过可再生能源发电和绿电及绿证交易获得的绿证，在考核期末需要满足绿证考核指标Giasses。
2.3 聚合商博弈均衡模型
对基于卖方合同的中长期合同实际执行交易量约束（9），引入0—1变量采用大M法进行转换，可以表示为
式中：
∈{0,1}，表征中长期绿电合同的执行情况。至此，上述基于卖方灵活合同的绿电与绿证中长期联合交易决策模型转化为混合整数规划问题，可采用CPLEX、Gurobi等成熟商业求解器求解。联立全体聚合商的中长期绿电绿证联合交易模型，可构成聚合商间的博弈均衡问题。即聚合商的决策变量{χ1,…χi,…,χI}满足如下约束[20]：
式中：χi为聚合商i决策变量集合；χi*为各个决策变量的均衡点。
2.4 聚合商博弈均衡的求解
交替方向乘子法（alternating direction method of multipliers，ADMM）被广泛应用于求解分布式市场优化决策[21-22]和动态最优潮流[23-25]等问题。考虑对本文中的聚合商发用电信息和交易信息的隐私性保护，需要构建分布式求解方法。由于本文的模型中存在二元变量，为保证该均衡问题求解的收敛性，基于Lp-Box ADMM的改进原理[26-27]，对二元变量进行如下变换：
故对模型中的二元变量存在约束：
因此，对聚合商i目标函数增广函数可表示为
式中：k为Lp-Box ADMM的迭代次数。在第k次的迭代过程中，一致性约束对偶变量更新过程为
式中：[·]+表示max(·, 0)；ρ、σ、η1、η2、η3为正惩罚因子；
为Lp-Box一致性约束式对偶变量。迭代收敛条件为
式中：
、
基于聚合商绿电、绿证交易的一致性约束和2次迭代间的差值进行计算；ϑ为一极小正数。当满足式（42）时，各聚合商的交易决策均不再变化，聚合商间达成博弈均衡状态。
3 算例分析
3.1 数据说明
为验证本文所提出的模型方法的有效性，设计了1个包含4个聚合商的算例系统进行分析，其中聚合商1、4为绿电聚合商，2、3为负荷聚合商。绿电聚合商的风电装机容量分别为8 MW、20 MW，光伏装机容量分别为25 MW、30 MW。聚合商的燃气轮机发电成本为600元/MWh[28]，装机容量为100 MW。研究算例对单日设置10个典型时段，所使用的聚合商光照资源和风力资源数据来源于比利时运营商Elia的实测数据[29]，其负荷水平和可再生能源预测出力如图2所示。定义预测误差率如下：
图2 聚合商可再生能源出力预测及负荷水平
Fig. 2 Aggregators renewable energy outputs forecast and load levels
算例考虑3个可再生能源波动场景，预测误差率分别为0.2、±0.1，算例的研究周期为1 a，每个聚合商的绿证考核指标设置为全年平均用电量的20%。Lp-Box ADMM算法参数ρ、σ均取0.3，η1、η2、η3均取0.7。本算例中，算法经过32次迭代后满足收敛条件。
3.2 基于卖方灵活合同的聚合商交易结果
图3给出了聚合商绿电合同日均交易结果，当交易量为正时，表示对应的聚合商为买方。聚合商之间的绿电交易价格为600元/MWh，表明聚合商之间达到了均衡状态。从图3可以看出，绿电卖方合同交易量最大值来自聚合商4，原因是聚合商4的风电和光伏装机容量较大，为绿电合同的达成提供了交易机会。结合图2可以看出，绿电合同交易量曲线与绿电聚合商的可再生能源出力预测曲线的趋势较为一致。由于对风、光的出力预测存在误差，买方聚合商2和聚合商3的交易曲线和卖方聚合商1和聚合商4一致，因此交易结果符合基于卖方灵活合同的交易机制。
图3 聚合商绿电合同交易
Fig. 3 Aggregator green electricity contract transaction
图4给出了聚合商之间的绿证交易结果。当该行聚合商为卖方角色时，交易量为正。从图中可以看出，绿证交易结果与绿电交易结果基本一致，即聚合商2、3和聚合商1之间的交易量相对高于其他聚合商之间的交易量，最大交易量为9 256.34 MWh。此外，由于聚合商1的光伏和风电装机容量较小，因此也需要从聚合商4处购入绿证。
图4 聚合商绿证交易量
Fig. 4 Aggregators green certificate transactions
图5给出了聚合商的成本/收益结果。由图5可知，4个聚合商中，聚合商4的收益最大，为2 051.94万元，3号聚合商的支出成本最高，为4 777.38万元。卖方聚合商1、4主要通过绿电交易获得收益，其绿电交易收益分别占总收益的87.62%和95.18%。对于买方聚合商，聚合商2的绿电交易和发电成本占比分别为85.27%和9.45%，而聚合商3的绿电交易和发电成本占比分别为34.24%和61.90%。因此，对买方聚合商而言，其绿电交易成本和发电成本为聚合商的主要支出部分。
图5 聚合商总成本/收益
Fig. 5 Total cost/revenue of aggregators
3.3 基于非卖方灵活合同的聚合商交易对比
表1对比了非卖方灵活合同交易和采用卖方灵活合同交易的结果。由表1可知，采用卖方灵活合同交易机制时，全年的绿电合同交易量为54 535.69 MW，高于非卖方灵活合同时的49 577.90 MW。同时，采用卖方灵活合同交易机制的绿证交易量为28 526.79 MW，低于非卖方灵活合同时的59 976.83 MW。采用卖方灵活合同机制时聚合商的总成本为6 796.01万元，与非卖方灵活合同交易时相差较小。这说明基于卖方灵活合同的绿电与绿证中长期联合交易机制能够有效提升绿电合同的交易量，同时有效衔接绿电与绿证交易，实现绿电交易对绿证交易的部分替代。
表1 非卖方灵活合同交易与卖方灵活合同交易对比
Table 1 Non-sell-side flexible contract transactions compared to sell-side flexible contract transactions
指标非卖方灵活合同交易卖方灵活合同交易绿电合同交易量/MW49 577.9054 535.69绿证交易量/MWh59 976.8328 526.79总成本/万元6 862.796 796.01
3.4 灵敏度分析
图6为改变新能源预测误差对聚合商绿电交易量的影响。其中，方案1至方案3分别对应预测误差率为[0.2, 0.1, -0.1], [0.1, 0.05, -0.05]以及[0.4, 0.2, -0.2]的情况。由图6可知，在新能源预测误差较小时，聚合商的绿电合同交易量较高，这是由于绿电中长期合同的签订考虑了现货市场的影响，聚合商倾向于在新能源波动较小时达成中长期合同。因此，提升对风、光等新能源的预测准确度能够有效促进绿电交易合同的达成。
图6 新能源预测误差对绿电合同交易的影响
Fig. 6 Impact of renewable energy forecast errors on green electricity contract transactions
图7为绿证考核指标对绿证交易量的影响，分别考虑了将每个聚合商的绿证考核指标设置为全年平均用电量的15%、20%、25%及30%时的结果。由图7可知，由于聚合商3的负荷水平较高，其受到绿证考核指标的影响较大。而在绿证考核指标较低的情况下，各聚合商间的绿证交易量都较低，这是由于在基于卖方灵活合同的绿电与绿证中长期联合交易机制下，聚合商可通过绿电交易完成大部分的绿证考核指标，绿电交易实现了对绿证交易的部分有效替代。
图7 绿证考核指标对绿证交易量的影响
Fig. 7 Impact of green certificate assessment on green certificate transactions
4 结论
本文考虑新能源波动性和现货市场交易执行的影响，建立了基于卖方灵活合同的绿电与绿证中长期联合交易机制，构建了多个聚合商间的博弈均衡模型并基于Lp-Box ADMM分布式算法进行求解。通过算例对比，验证了所提机制方法的有效性。在本算例中，基于Lp-Box ADMM的分布式算法对混合整数规划问题的分布式求解具有较好的收敛性和实用性。算例结果表明，所提出的方法可以有效实现聚合商间的绿电与绿证联合交易，促进中长期绿电合同的达成，实现绿电与绿证交易的有效衔接，对中长期绿电与绿证联合交易的实际应用开展具有一定意义。未来将基于所建立的绿电与绿证中长期联合交易机制，进一步结合聚合商对分布式新能源扩建的中长期决策行为进行研究。
参考文献
-
[1]
国家电网有限公司. 国家电网2023年绿电交易成交量突破300亿千瓦时[EB/OL]. （2023-05-06）[2023-05-13]. http://www.sasac.gov.cn/n2588025/n2588124/c27841815/content.html. [百度学术]
-
[2]
陶悦川，孙荣峰，姜建国，等. 基于博弈论的可再生能源证书交易双层优化模型[J]. 全球能源互联网，2021，4(1)：64-76.TAO Yuechuan, SUN Rongfeng, JIANG Jianguo, et al. Bilevel optimization model of renewable energy certificates trading based on game theory[J].Journal of Global Energy Interconnection, 2021, 4(1): 64-76 (in Chinese). [百度学术]
-
[3]
LI T Y, GAO C W, CHEN T, et al. Medium and long-term electricity market trading strategy considering renewable portfolio standard in the transitional period of electricity market reform in Jiangsu, China[J]. Energy Economics, 2022,107: 105860. [百度学术]
-
[4]
王岗，李利利，汪志成，等. 面向大规模中长期交易的事前电量安全分析机制设计[J]. 电力工程技术，2022，41(1)：34-39.WANG Gang, LI Lili, WANG Zhicheng, et al. Mechanism design for ex-ante electric quantity security analysis adapted to large-scale medium and long-term market trading[J]. Electric Power Engineering Technology, 2022, 41(1): 34-39 (in Chinese). [百度学术]
-
[5]
DE LA NIETA A A S, CONTRERAS J, CATALÃO J P S.Optimal single wind hydro-pump storage bidding in day-ahead markets including bilateral contracts[J]. IEEE Transactions on Sustainable Energy, 2016, 7(3): 1284-1294. [百度学术]
-
[6]
MORSTYN T, TEYTELBOYM A, MCCULLOCH M D.Bilateral contract networks for peer-to-peer energy trading[J].IEEE Transactions on Smart Grid, 2018, 10(2): 2026-2035. [百度学术]
-
[7]
XIE H P, WANG Y, REN H Y, et al. Incremental green certificate towards flexibility incentive for renewable dominated power systems[J]. Journal of Cleaner Production,2022, 377: 134345. [百度学术]
-
[8]
尚楠，陈政，冷媛. 电碳市场背景下典型环境权益产品衔接互认机制及关键技术[J/OL]. 中国电机工程学报， (2023-03-17) [2023-05-11]. https://kns.cnki.net/kcms/detail/11.2107.TM.20230316.1116.006.html.SHANG Nan, CHEN Zheng, LENG Yuan. Mutual recognition mechanism and key technologies of typical environmental interest products in power and carbon markets[J/OL].Proceedings of the CSEE, (2023-03-17) [2023-05-11]. https://kns.cnki.net/kcms/detail/11.2107.TM.20230316.1116.006.html(in Chinese). [百度学术]
-
[9]
陈巍，江岳文. 碳-绿证-电量市场耦合交易优化研究[J/OL]. 电网技术，(2023-04-11)[2023-05-11]. https://doi.org/10.13335/j.1000-3673.pst.2022.1793.CHEN Wei, JIANG Yuewen. Coupling trading optimization research of carbon-green certificate-electricity market[J/OL].Power System Technology, (2023-04-11)[2023-05-11]. https://doi.org/10.13335/j.1000-3673.pst.2022.1793(in Chinese). [百度学术]
-
[10]
崔杨，沈卓，王铮，等. 考虑绿证-碳排等价交互机制的区域综合能源系统绿色调度[J/OL]. 中国电机工程学报，(2022-05-23) [2023-05-11]. https://kns.cnki.net/kcms/detail/11.2107.TM.20220520.1350.003.html.CUI Yang, SHEN Zhuo, WANG Zheng, et al. Green dispatch of regional integrated energy system considering green certificate-carbon emission equivalent interaction mechanism[J/OL]. Proceedings of the CSEE, (2022-05-23) [2023-05-11]. https://kns.cnki.net/kcms/detail/11.2107.TM.20220520.1350.003.html (in Chinese). [百度学术]
-
[11]
冯昌森，谢方锐，文福拴，等. 基于智能合约的绿证和碳联合交易市场的设计与实现[J]. 电力系统自动化，2021，45(23)：1-11.FENG Changsen, XIE Fangrui, WEN Fushuan, et al. Design and implementation of joint trading market for green power certificate and carbon based on smart contract[J]. Automation of Electric Power Systems, 2021, 45(23): 1-11 (in Chinese). [百度学术]
-
[12]
刘敦楠，汪伟业，李鹏飞，等. 绿电消纳责任权重下火电厂商市场行为的演化博弈[J]. 电力建设，2020，41(10)：20-29.LIU Dunnan, WANG Weiye, LI Pengfei, et al. Evolutionary game theory study on the commercial market behavior of thermal power plants under renewable portfolio standard policy[J].Electric Power Construction, 2020, 41(10): 20-29 (in Chinese). [百度学术]
-
[13]
徐江，高源，刘康平，等. 火电与绿电竞合策略对市场均衡及议价能力的影响研究：基于可再生能源消纳责任权重下发电商市场行为博弈分析[J]. 价格理论与实践，2020(12)：139-143.XU Jiang, GAO Yuan, LIU Kangping, et al. Study on the influence of cooptation strategy of thermal power and green power on market equilibrium and bargaining power—game analysis of market behavior of power producers based on the weight of renewable energy consumption responsibility[J].Price: Theory & Practice, 2020(12): 139-143 (in Chinese). [百度学术]
-
[14]
刘雨梦，陈皓勇，黄龙，等. 基于多群体协同进化的电力市场均衡模型[J]. 电力系统保护与控制，2020，48(10)：38-45.LIU Yumeng, CHEN Haoyong, HUANG Long, et al.Equilibrium model of electricity market based on multi-swarm co-evolution[J]. Power System Protection and Control, 2020,48(10): 38-45 (in Chinese). [百度学术]
-
[15]
杨苹，曾凯林，余雁琳，等. 电能量市场下负荷聚合商参与负荷削减投标策略[J]. 电力工程技术，2022，41(1)：2-10.YANG Ping, ZENG Kailin, YU Yanlin, et al. Strategy of load aggregator participating in load curtailment bidding under power market[J]. Electric Power Engineering Technology,2022, 41(1): 2-10 (in Chinese). [百度学术]
-
[16]
程松，周鑫，任景，等. 面向多级市场出清的负荷聚合商联合交易策略[J]. 电力系统保护与控制，2022，50(20)：158-167.CHENG Song, ZHOU Xin, REN Jing, et al. Bidding strategy for load aggregators in a multi-stage electricity market[J].Power System Protection and Control, 2022, 50(20): 158-167(in Chinese). [百度学术]
-
[17]
陈先龙，王秀丽，吕建虎，等. 基于消纳责任权重的两级电力市场优化运行模型[J]. 全球能源互联网，2020，3(5)：430-440.CHEN Xianlong, WANG Xiuli, LYU Jianhu, et al. Optimal operation model of two-level electricity market under the responsibility of renewable energy consumption[J]. Journal of Global Energy Interconnection, 2020, 3(5): 430-440 (in Chinese). [百度学术]
-
[18]
张显，王锡凡，陈皓勇，等. 电力市场中的双边合同[J]. 电力自动化设备，2003，23(11)：77-86.ZHANG Xian, WANG Xifan, CHEN Haoyong, et al. Survey of bilateral contracts in power market[J]. Electric Power Automation Equipment, 2003, 23(11): 77-86 (in Chinese). [百度学术]
-
[19]
肖云鹏，王锡凡，王秀丽，等. 基于卖方灵活电力合约的风电合同交易机制[J]. 电力系统自动化，2016，40(5)：38-44.XIAO Yunpeng, WANG Xifan, WANG Xiuli, et al. A wind power contract trading mechanism based on seller-side flexible electricity contract[J]. Automation of Electric Power Systems,2016, 40(5): 38-44 (in Chinese). [百度学术]
-
[20]
DAI T, QIAO W. Finding equilibria in the pool-based electricity market with strategic wind power producers and network constraints[J]. IEEE Transactions on Power Systems,2017, 32(1): 389-399. [百度学术]
-
[21]
GUO Z W, PINSON P, CHEN S B, et al. Chance-constrained peer-to-peer joint energy and reserve market considering renewable generation uncertainty[J]. IEEE Transactions on Smart Grid, 2021, 12(1): 798-809. [百度学术]
-
[22]
程瑜，胡紫豪，王婕. 基于分布式交易的集群多能系统运行优化[J]. 电工技术学报，2022，37（增刊1）：116-125.CHENG Yu, HU Zihao, WANG Jie. Operation optimization of multi-energy system based on distributed transaction[J].Transactions of China Electrotechnical Society, 2022,37(Supplement 1): 116-125 (in Chinese). [百度学术]
-
[23]
WANG Y M, WU L, WANG S X. A fully-decentralized consensus-based ADMM approach for DC-OPF with demand response[J]. IEEE Transactions on Smart Grid, 2017, 8(6):2637-2647. [百度学术]
-
[24]
LI Z M, XU Z, XIE Y W, et al. Two-stage ADMM-based distributed optimal reactive power control method for wind farms considering wake effects[J]. Global Energy Interconnection, 2021, 4(3): 251-260. [百度学术]
-
[25]
薛帅，高厚磊，郭一飞，等. 大规模海上风电场的双层分布式有功控制[J]. 电力系统保护与控制，2021，49(3)：1-9.XUE Shuai, GAO Houlei, GUO Yifei, et al. Bi-level distributed active power control for a large-scale wind farm[J]. Power System Protection and Control, 2021, 49(3): 1-9 (in Chinese). [百度学术]
-
[26]
WU B Y, GHANEM B. Lp-Box ADMM: a versatile framework for integer programming[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2019, 41(7): 1695-1708. [百度学术]
-
[27]
LU Z L, BAI L Q, WANG J X, et al. Peer-to-peer joint electricity and carbon trading based on carbon-aware distribution locational marginal pricing[J]. IEEE Transactions on Power Systems, 2023, 38(1): 835-852. [百度学术]
-
[28]
刘一欣，郭力，王成山. 微电网两阶段鲁棒优化经济调度方法[J]. 中国电机工程学报，2018，38(14)：4013-4022.LIU Yixin, GUO Li, WANG Chengshan. Economic dispatch of microgrid based on two stage robust optimization[J].Proceedings of the CSEE, 2018, 38(14): 4013-4022 (in Chinese). [百度学术]
-
[29]
Elia Group. Solar-PV power generation data[EB/OL]. [2023-05-14]. https://www.elia.be/en/grid-data/power-generation/solar-pv-power-generation-data#. [百度学术]
基金项目
国家电网有限公司科技项目（分布式新能源聚合参与绿电交易机制设计、关键技术研究及应用，5108-202372068A-1-1-ZN）。
Science and Technology Foundation of SGCC (5108-202372068A-1-1-ZN).
作者简介
-
朱玥荣
-
肖云鹏
-
王秀丽