多类型省间优发优购合约电量的时段化分解方法

• 杨辰星 ✉程海花 ✉冯树海 ✉杨争林

中国电力科学研究院有限公司（南京），江苏省南京市 210003

最近更新：2023-11-17

DOI：10.7500/AEPS20230130004

摘要

为了提升中国省间优发优购电量时段化分解结果的可执行性，进一步发挥省间中长期交易在促进发电资源跨省区优化配置方面的作用，文中提出了聚焦优化方式下思考发、用、输电侧多维度影响因素的省间优发优购电量分解方法。该方法思考了不同时间尺度的发用电特性以及特高压通道的输电能力,所得结果可执行度高，能够在实现合约电量最大化成交的前提下降低整体用电成本,并反映发用电特性。最后，以中国实际交易为例开展算例分析，验证了所提出方法的可行性和有效性。

关键词

合约分解; 省间中长期交易; 输电能力; 分级优化; 电力市场; 电量

0 引言

中国省间中长期优发优购电量，主要用于满足清洁能源消纳、机组供热和安全运行对调节性电源、跨省区资源配置等的需求，以及保障不参与市场的居民、农业和重大公用事业等优先购电用户的正常用电。优发优购电量在中国省间中长期总交易电量中的占比约为80%。另一方面，国家要求健全电力中长期合同签订的配套保障机制，进一步发挥中长期市场的“压舱石”作用［1］。为此，亟须针对中国省间中长期交易从电量向分时段电力交易转变的目标，设计合理的省间优发优购合约电量分解方式，以进一步优化省间优先计划与市场化交易的时序衔接，促进全国范围内的清洁能源消纳和发电资源优化配置。

目前，国外典型区域电力市场的中长期交易，普遍采用金融合约或自主双边物理合约的方式开展［2-4］，不存在类似中国的规模化优先计划合约，而金融性质的合约无需分解和执行［5-7］，市场化物理合约一般由购售双方自行协商分解［8-9］。中国目前采用的省间优发优购电量分解方式为：第一，基于发电能力分别对各笔合约进行年度电量到月度电量的分解；其次，基于合约指定的特高压通道的可用输电能力（available transmission capacity，ATC）曲线，分别对各笔合约进行固定路径的月度电量到时段电力分解。由于售电侧电源出力特性和购电省份负荷特性差异较大，现有的分解方式存在以下问题：1）对于售电侧，未思考电源在不同时间尺度下的出力特性，降低了分解曲线的可执行度；2）对于购电侧，未思考负荷用电特性和市场化因素的影响，没有发挥省间交易能够降低购电总成本的优势；3）对于输电侧，未统筹思考所有可用特高压通道的输电能力，导致部分签订的电量在实际执行过程中因通道越限而被削减。尽管已有文献对省级中长期合约电量的分解方法进行了探索［10-13］，并且广东、浙江等现货试点省份已先后出台了省内中长期合约电量分解规则，但均仅适用于省级或更小区域的电网，且在分解过程中仅思考了购售电单侧特性。因此，思考到中国各省发用电特性差异、跨区特高压通道“一线一价”的特点以及省间交易聚焦优化的需求［14］，已有的省内合约电量分解方法不能直接应用于省间计划电量分解。本文针对国家计划与政府间协议2类省间优发优购合约，分别提出了思考发、用、输电侧多维度影响因素的合约电量分解方法。第一，兼顾思考计划电量需求、发用电特性及联络线ATC，建立了国家计划合约电量“年-月-日-时段”分级分解模型；接着，以月总成交电量最大为主目标，以购售方分解曲线偏差最小为次目标，建立了多特高压通道聚焦优化的政府间协议合约电量分解模型；最后，以2021年国家电网公司范围内签订的典型省间优发优购合约为例，验证了所建立2类模型的有效性。

1 国家计划合约电量分解方法

国家计划合约由若干笔大型能源基地的年度省间外送交易组成，由国家发展和改革委员会、能源局下发电能消纳方案，由北京电力交易中心组织开展交易。国家计划合约在中国省间中长期交易中的优先级最高，实际执行过程中被优先安排成交并占用跨省区输电通道。因此，在国家计划合约电量分解过程中输电通道容量充裕，适合采用固定路径的电量分解方式。

本文提出的国家计划合约电量分解方法包括年度电量分解到月度电量、月度电量分解到日电量、日电量分解到24个时段电力3个步骤，每一步骤均采用思考联络线ATC的多市场主体聚焦优化出清方式。同时，为了提高售方市场主体分解曲线的可执行度，减少购电省份因分解后曲线与用电需求不匹配而带来的不平衡资金，在分解过程中兼顾思考了不同时间尺度的购售电侧发用电特性。国家计划合约电量分解方法的具体流程如下。

1）获取各笔省间国家计划合约的年度电量，同时思考发用电特性，采用聚焦优化模型，将各笔国家计划合约年度电量分解为月度电量曲线。

2）思考发用电特性，每月分别采用聚焦优化模型，将各笔国家计划合约月度电量分解为日电量曲线。

3）思考购电省份用电特性，每日分别采用聚焦优化模型，将各笔国家计划合约日电量分解为时段电力曲线。

思考到分解方法的类似性，本节仅针对省间国家计划合约电量的3级分解过程，设计了统一形式的优化模型。

1.1　目标函数

国家计划合约电量分解模型，以各购售方市场主体分解获得的电量（或电力）曲线与其目标分解曲线偏差的惩罚费用之和最小为目标，即：

min[∑t=1NT∑o=1NO∑l=1NLCo,l,tVo,l,tK+∑t=1NT∑d=1ND∑l=1NLCd,l,tVd,l,t(1−K)]min∑�=1�T∑�=1�O∑�=1�L��,�,���,�,��+∑�=1�T∑�=1�D∑�=1�L��,�,���,�,�(1-�)

（1）

0≤Vo,l,t≤(Iend,l−Istart,l)Qtarg,o,t0≤��,�,�≤(�end,�-�start,�)�targ,�,�

（2）

0≤Vd,l,t≤(Iend,l−Istart,l)Qtarg,d,t0≤��,�,�≤(�end,�-�start,�)�targ,�,�

（3）

∑l=1NLVo,l,t=∣∣∣∣∑p=1NP∑d=1NDQdec,o,d,p,t−Qtarg,o,t∣∣∣∣∑�=1�L��,�,�=∑�=1�P∑�=1�D�dec,�,�,�,�-�targ,�,�

（4）

∑l=1NLVd,l,t=∣∣∣∣∑p=1NP∑o=1NOQdec,o,d,p,t−Qtarg,d,t∣∣∣∣∑�=1�L��,�,�=∑�=1�P∑�=1�O�dec,�,�,�,�-�targ,�,�

（5）

Qtarg,o,t=∑p=1NP∑d=1NDQcont,o,d,pQtyp,o,t∑t=1NTQtyp,o,t�targ,�,�=∑�=1�P∑�=1�D�cont,�,�,��typ,�,�∑�=1�T�typ,�,�

（6）

Qtarg,d,t=∑p=1NP∑o=1NOQcont,o,d,pQtyp,d,t∑t=1NTQtyp,d,t�targ,�,�=∑�=1�P∑�=1�O�cont,�,�,��typ,�,�∑�=1�T�typ,�,�

（7）

式中：NT为优化时段总数；NO为售方市场主体总数；ND为购方市场主体总数；NL为分解偏差百分比的分段数；t为优化时段；Co，l，t为第t优化时段售方市场主体o在第l分段的分解偏差惩罚成本；Vo，l，t为第t优化时段售方市场主体o在第l分段的分解偏差量；Cd，l，t为第t优化时段购方市场主体d在第l分段的分解偏差惩罚成本；Vd，l，t为第t优化时段购方市场主体d在第l分段的分解偏差量；K为售方分解偏差的总惩罚费用占目标函数的权重；NP为交易路径总数；Iend，l为第l分段的偏差比例上限；Istart，l为第l分段的偏差比例下限；Qdec，o，d，p，t为第t优化时段购售对（o，d）经交易路径p的分解电量（或电力），是该优化模型的决策变量；Qtarg，o，t为第t优化时段售方市场主体o的目标分解电量（或电力）；Qtarg，d，t为第t优化时段购方市场主体d的目标分解电量（或电力）；Qcont，o，d，p为购售对（o，d）经过交易路径p签订的省间国家计划合约的待分解电量；Qtyp，o，t为第t优化时段售方市场主体o的典型发电电量（或电力）；Qtyp，d，t为第t优化时段购方市场主体d的典型用电电量（或电力）。

针对统一优化模型的目标函数，需要说明以下几点：1）对于年度、月度、日电量分解，NT分别为全年的月份数、被分解月的天数及全天的小时数；2）对于年度、月度、日电量分解，t分别为分解月、分解日及分解时段；3）K的取值范围为0~1，可根据购售电侧调节能力的大小设置不同的K值；4）对于年度、月度、日电量分解，Qcont，o，d，p分别为该笔国家计划合约签订的年度总电量、年度电量分解后得到的月度电量值以及月度电量分解后得到的日电量值；5）为进一步发挥省间优先发电计划优势，分解过程还需同时思考已开展现货市场的购电省份的省内现货市场价格影响因素。一般而言，省间优先计划合约价格低于购电省省内交易价格，若能将更多的国家计划合约电量分解到购电省省内现货市场价格高的时段，则对购电省而言，可以用国家计划合约价格结算更多的高价峰时段需求电量，从而降低了总体购电成本。因此，针对月度电量和日电量分解模型，对于省内未开展现货市场的购方市场主体，满足式（7）；对于省内已开展现货市场的购方市场主体，月度电量和日电量分解分别满足式（8）和式（9）。

Qtarg,d,t=∑p=1NP∑o=1NOQcont,o,d,pEavg,d,t∑t=1NTEavg,d,t�targ,�,�=∑�=1�P∑�=1�O�cont,�,�,��avg,�,�∑�=1�T�avg,�,�

（8）

Qtarg,d,t=∑p=1NP∑o=1NOQcont,o,d,pEspot,d,t∑t=1NTEspot,d,t�targ,�,�=∑�=1�P∑�=1�O�cont,�,�,��spot,�,�∑�=1�T�spot,�,�

（9）

式中：Eavg，d，t为第t日购方市场主体d所在省份的省内现货市场日平均价格；Espot，d，t为第t时段购方市场主体d所在省份的省内现货市场价格。

1.2　约束条件

1）计划电量平衡约束

对于每笔售方市场主体o与购方市场主体d签订的国家计划合约，分解前、后优化周期内的总电量保持不变，即：

∑t=1NTQdec,o,d,p,t=Qcont,o,d,p∑�=1�T�dec,�,�,�,�=�cont,�,�,�

（10）

2）联络线正、反向ATC约束

对于任意优化时段t，任意相关省间或省内联络线W上通过的电量（或电力）应不大于该联络线的正向ATC限值，且不小于该联络线的反向ATC限值，即：

∑p∈RP∑o∈RO∑d∈RDQdec,o,d,p,tDW,pSW,p,tfW,p≤Apos,W,t∑�∈�P∑�∈�O∑�∈�D�dec,�,�,�,���,���,�,���,�≤�pos,�,�

（11）

∑p∈RP∑o∈RO∑d∈RDQdec,o,d,p,tDW,pSW,p,tfW,p≥Aneg,W,t∑�∈�P∑�∈�O∑�∈�D�dec,�,�,�,���,���,�,���,�≥�neg,�,�

（12）

式中：RP为与联络线W相关联的所有交易路径p的集合；RO为与RP路径相关的所有售方市场主体集合；RD为与RP路径相关的所有购方市场主体集合；DW，p为交易路径p经过联络线W上的潮流方向，1表明正向，–1表明反向；SW，p，t为不思考网损下交易路径p经由联络线W在第t优化时段的潮流分布因子［15］；fW，p为交易路径p经由联络线W的网损折算系数；Apos，W，t为联络线W在第t优化时段的正向ATC限值；Aneg，W，t为联络线W在第t优化时段的反向ATC限值。

需要说明的是：对于年度、月度、日电量分解，Apos，W，t和Aneg，W，t分别为该条联络线在第t月的正、反向可用输电总电量、该条联络线在第t日的正、反向可用输电总电量以及该条联络线在第t时段的正、反向可用输电电力。

2 政府间协议合约电量分解方法

政府间协议合约是由能源富裕省份与能源紧缺省份经政府间协商签订的省间外送合约，在扣除国家计划合约交易电力后的通道剩余容量基础上开展交易。目前，政府间协议合约电量实际采用基于固定路径（合约签订路径）的无电网约束分解方式，部分交易的分解结果会在某些时段因通道容量不足而造成潮流越限。因此，政府间协议合约电量适合采用路径可调整的分解方式，以实现分解电力在跨区通道间的统筹调剂。

本文提出的省间政府间协议合约电量分解方法为：第一，根据签订的省间政府间协议合约，购售电省份经协商获得各笔合约的年度交易电量分解到各月的电量值，其中，购电省份以省公司代理方式购电，只设置1个市场主体；每个售电省份根据签订的省间政府间协议合约的笔数，设置1个或多个市场主体；其次，通过路径搜索算法［15］，遍历出所有与已签订政府间协议合约相关的购售电省份节点间的可行交易路径；最后，基于遍历出的所有可行路径，通过建立多特高压通道聚焦优化模型，将各笔合约协商得到的分解月电量直接分解到24个时段。思考到售电侧月内调节能力较购电侧强，优化模型对购售电侧均设置了不同时间粒度的优化目标。在该分解过程中，对全国范围内所有可行的交易路径进行了统筹优化利用，实现了不同优化时段下原合约中购售电交易对与交易路径配对关系的可调整，最大化利用了跨省区特高压通道的输电能力，能够有效减少因省间或省内联络线ATC不足而产生的交易电量削减量。同时，在分解过程中还兼顾思考了发用电特性以及现货试点省份的省内现货市场价格，有利于提高分解曲线的可执行度，节约整体购电成本。

2.1　目标函数

政府间协议合约电量分解优化模型，以月成交总电量最大为主目标，以各售方市场主体分解的日电量曲线与其目标分解曲线偏差的惩罚费用之和，以及各购电省份分解的时段电力曲线与其目标分解曲线偏差的惩罚费用之和最小为次目标，即：

min[∑m=1NM∑o=1NO∑l=1NLCo,l,mVo,l,mK1+∑i=124NM∑d=1ND∑l=1NLCd,l,iVd,l,iK2+(Qmax−∑i=124NM∑o=1NO∑d=1ND∑p=1NPQdec,o,d,p,i)K3]min∑�=1�M∑�=1�O∑�=1�L��,�,���,�,��1+∑�=124�M∑�=1�D∑�=1�L��,�,���,�,��2+����-∑�=124�M∑�=1�O∑�=1�D∑�=1�P�dec,�,�,�,��3

（13）

Qmax=∑o=1NOQbarg,o�max=∑�=1�O�barg,�

（14）

Qdec,o,d,p,m=∑i=24(HOrd,m−1)+124HOrd,mQdec,o,d,p,i�dec,�,�,�,�=∑�=24(�Ord,�-1)+124�Ord,��dec,�,�,�,�

（15）

式中：NM为被分解月的总天数；Co，l，m为第m日售方市场主体o在第l分段的分解偏差惩罚成本；Vo，l，m为第m日售方市场主体o在第l分段的分解偏差量，满足式（2）、式（4）和式（6）；Cd，l，i为第i时段购方市场主体d在第l分段的分解偏差惩罚成本；Vd，l，i为第i时段购方市场主体d在第l分段的分解偏差量，满足式（3）、式（5）、式（7）和式（9）；Qmax为能够成交的月总电量最大值，即所有签订的政府间协议合约在被分解月通过协商获得的分解月电量之和；K1、K2、K3为3个目标的权重系数，由于优先满足总成交月电量最大，因此取K3≫K1,K3≫K2�3≫�1,�3≫�2；Qdec，o，d，p，i为第i时段购售对（o，d）经交易路径p的分解电力，为该优化模型的决策变量；Qbarg，o为售方市场主体o签订的所有政府间协议合约在被分解月通过协商获得的分解月电量之和；HOrd，m为第m日在被分解月的日期；Qdec，o，d，p，m为第m日购售对（o，d）经交易路径p的分解日电量统计值。

2.2　约束条件

1）售方市场主体发电能力约束

对于任意售方市场主体o，与其相关的所有购售对（o，d）经交易路径p的时段电力分解值之和，不能超过该市场主体签订的所有政府间协议合约在被分解月的月度总电量值，即：

∑d=1ND∑p=1NP∑i=124NMQdec,o,d,p,i≤Qbarg,o∑�=1�D∑�=1�P∑�=124�M�dec,�,�,�,�≤�barg,�

（16）

2）购方市场主体用电能力约束

对于任意购方市场主体d，与其相关的所有购售对（o，d）经交易路径p的时段电力分解值之和，不能超过该市场主体签订的所有政府间协议合约在被分解月的月度总电量值，即：

∑o=1NO∑p=1NP∑i=124NMQdec,o,d,p,i≤Qbarg,d∑�=1�O∑�=1�P∑�=124�M�dec,�,�,�,�≤�barg,�

（17）

式中：Qbarg，d为购方市场主体d签订的所有政府间协议合约在被分解月通过协商获得的分解月电量之和。

3）联络线正、反向潮流约束

对于任意分解时段i，任意相关省间或省内联络线W上通过的有功功率值应不大于该联络线的正向ATC限值，且不小于该联络线的反向ATC限值，即满足式（11）和式（12）。

4）交易路径上成交对价差约束

Ebid,d,i−Econv,d,p,i−Ebid,o,i≥0�bid,�,�-�conv,�,�,�-�bid,�,�≥0

（18）

式中：Ebid，d，i为购方市场主体d在第i时段的申报价格；Econv，d，p，i为购方市场主体d在第i时段从交易路径p购电所需承担的输电费和网损折价［15］；Ebid，o，i为售方市场主体o在第i时段的申报价格。

3 案例分析

3.1　国家计划合约电量分解案例

本文以2021年某大型水电基地与购电省a、b、c之间的年度省间外送交易为例进行分析。其中，购电省份以省公司代理的方式参与交易，即参与优化的购电省份均仅包含1个市场主体。该水电基地分别与购电省a、b、c签订的国家计划合约电量见附录A表A1。各笔签订的国家计划合约经由的交易路径见附录A表A2。为了便于分析，本案例中，将年、月、日、时段的分级分解模型中的市场主体分解偏差的惩罚成本设置为统一数值，见附录A表A3。实际运行时，该参数由负责的交易机构指定。

第一，采用本文提出的模型进行年度电量向月度电量的分解。为了充分思考水电基地的来水季节特性，设置其典型曲线为1、2月份不向外送出电力。在年度电量向月度电量分解的过程中，需重点思考售电侧发电能力对分解结果的影响，以保证分解结果的可执行性。因此，将售电侧匹配度权重系数K设置为0.9，由此得到各市场主体的年度电量分解结果如图1所示。

图1 国家计划合约年度电量分解结果

Fig.1 Decomposition results of yearly power quantity of state planned contracts

由图1可以看出，由于在目标函数中思考的售电侧匹配度权重较高，因此，售方市场主体的分解月电量曲线与其目标曲线比较贴合，显著提升了售方市场主体分解曲线的可执行度。同时，优化分解结果反映了发用电季节特性，1、2月份因水电站处于枯水期而无成交电量，夏季因水电站处于丰水期且用电需求大而导致成交电量较高。

接着，以6月份为例进行月度电量的分解，将上一步分解得到的月度电量值作为优化模型的输入。由于6月份水电站处于丰水期，售电侧在月内的调节能力较强，将售电侧匹配度权重系数K设置为0.5，即在目标函数中同等思考购售电侧的匹配度权重。由此得到各市场主体的月度电量分解结果如图2所示。

图2 国家计划合约月度电量分解结果

Fig.2 Decomposition results of monthly power quantity of state planned contracts

由图2可以看出，由于在目标函数中同等思考了购售电侧匹配度权重，各购售方市场主体的分解日电量曲线与其目标曲线趋势均比较一致，分解结果基本能够满足发用电需求。各购电省份在高价峰电量日（工作日）分解得到了更多的国家计划合约电量，实现了购电侧整体用电成本的有效降低。

思考到水电站在枯水期的月内调节能力较丰水期弱，调整售电侧匹配度权重系数为0.7，进行12月的月度电量分解，得到各市场主体的月度电量分解结果见附录A图A1。由分解结果可以看出，增大售电侧匹配度权重系数后，售方市场主体的分解曲线贴合度提高，而购方省份的分解曲线仍能反映其在不同类型日的用电需求差异。因此，分解结果具备合理性和可执行性。

最后，以2021年6月1日为例进行日电量的分解，将上一步分解得到的日电量作为优化模型的输入。由于国家计划合约的售方市场主体为纯水电、纯火电或新能源与配套电源打捆的形式，售电侧在日内的调节能力强，故在日电量分解过程中，一般仅思考购电省份的日用电特性，即将售电侧匹配度权重系数K设置为0。由此得到各市场主体的日电量分解结果如图3所示。

图3 国家计划合约日电量分解结果

Fig.3 Decomposition results of daily power quantity of state planned contracts

由图3可以看出，由于在目标函数中仅思考了购电侧时段电力分解值与目标分解值的匹配度，故各购方省份的分解时段电力曲线与其目标曲线完全贴合，日内峰谷特性明显。分解结果充分反映了购电省份在每日不同时段的省间市场购电意愿，有效降低了购电侧整体用电成本。

3.2　政府间协议合约电量分解案例

本文以2021年国家电网有限公司范围内签订的33笔年度政府间协议省间外送合约为例进行分析。本文拟重点对建立的月度电量分解模型的有效性进行验证。因此，选取省间联络线上潮流越限情况较为严重的4月份作为典型月，针对该月购售电省份经实际协商后月度分解电量大于0 GW·h的23笔政府间协议合约，进行月度电量聚焦优化分解。

基于该23笔政府间协议合约设置购售方市场主体并形成各市场主体的申报信息。对于每一售电省份，根据其在该月参与的合约笔数，设置该省份的售方市场主体个数，各市场主体基于该省的燃煤标杆价格进行阶梯报价；对于每一购电省份，均以省公司代理的方式参与交易，仅设置1个购方市场主体，将售方市场主体报价经合约路径进行输电费和网损折价后得到的最高落地价作为该购电省报价。设置的购售方市场主体申报信息见附录B表B1和表B2。

基于该月的23笔政府间协议合约，采用第2章建立的模型，进行西北（售电省A、售电省B、售电省C、售电省D、售电省E）送华东（购电省A、购电省B、购电省C）、西南（购电省D、购电省E）、华中（购电省F、购电省G、购电省H、购电省I）及华北（购电省J、购电省K、购电省L）的月度电量分解。售方市场主体的典型日电量曲线及购方市场主体的典型时段电力曲线，依据各自的典型发用电特性进行模拟设置。为了实现月度总成交电量的最大化，同时兼顾思考发用电特性，设置主、次目标权重系数为：K1=0.5，K2=0.5，K3=1 000。

目前，实际采用的不思考电网约束下的政府间协议合约电量分解结果，在交易执行前需经国家电力调控中心校核，手工削减部分时段引起联络线越限的分解电力。所提出的优化出清方式下和目前实际执行的国家电力调控中心核减后的购售方市场主体总成交月度电量值分别见附录B表B3和表B4。目前，无约束分解方式和优化出清方式下的特高压通道上分解统计信息以及联络线越限和阻塞信息分别如表1和表2所示。

表1 特高压通道上的分解统计信息

Table 1 Statistical decomposition information of ultra-high voltage channels

特高压通道名称	总成交月度电量/(MW∙h)		与通道相关联的成交路径送出区域	与通道相关联的成交路径受入区域
	无约束方式	优化出清方式		无约束方式	优化出清方式
特高压通道A	628 859	296 104.15	西北	华东	华东
特高压通道B	306 900	427 276.68	西北	华北	华北
特高压通道C	1 087 484	1 031 952.23	西北	西南	西南、华中
特高压通道D	261 840	530 518.05	西北	华中	华中、西南
特高压通道E	872 160	1 136 872.82	西北	华东	华东
特高压通道F	1 565 800	1 546 660.78	西北	华中	华中、华东
特高压通道G	444 133	304 745.09	西北	华中	华中、西南
特高压通道H	0	13 422.88	西北		华中
特高压通道I	207 900	87 523.32	西北	华北	华北
总计	5 375 076	5 375 076

表2 联络线越限和阻塞信息

Table 2 Exceeding limit and congestion information of tie-lines

联络线名称	无约束分解方式下的越限时段数	优化出清方式下的阻塞时段数
省间交流断面a	300	638
特高压通道D	120	497
特高压通道F	210	12
特高压通道E	0	87
特高压通道G	0	68
特高压通道H	0	120
省间交流断面b	0	32

通过优化结果可以看出，采用本文提出的多特高压通道聚焦优化模型，实现了政府间协议合约时段电力的优化分配，具体表现为：1）针对无约束分解方式下特高压通道F的越限情况，采用优化方法对所有可行路径进行全局优化后，部分经特高压通道F送购电省F的电力改经特高压通道C、D、G输送，消除了特高压通道F的潮流越限情况；2）针对无约束分解方式下特高压通道D及省间交流断面a的越限情况，采用优化方法后，部分西北送华中的电力改经特高压通道H输送，缓解了特高压通道D、G的输电压力，同时消除了特高压通道D及省间交流断面a的潮流越限情况，实现了跨省区特高压通道的统筹优化；3）针对售电省E送购电省L省间外送交易，签订合约中经由特高压通道I，采用优化方法后，部分电力改经输电价更低的特高压通道B输送；同样的，部分西北经特高压通道A送华东的电力，采用优化方法后改经输电价更低的特高压通道E输送，因此，总体上节约了总输电成本；4）从整体成交结果来看，与目前实际执行的核减方式相比较，采用本文提出的交易路径可变的时段电力全局聚焦优化方法，能够得到更大的成交总电量，最大化发挥了跨省区特高压通道的输电能力。

进一步，分析购售方市场主体的优化出清曲线特性。针对以纯光伏或光伏与常规电源打捆形式的售方市场主体，设置其典型日电量曲线，因4月份下旬光照强度较高而有必定幅度的提升；针对纯火电或风电与常规电源打捆形式的售方市场主体，因月内火电机组较强的调节能力以及无明显变化的来风情况，设置其典型日电量曲线为1条直线；针对购方市场主体，思考工作日与节假日（或周末）的用电差异以及每日的用电特性［1］，设置各购电省份该月的典型时段电力曲线。售方市场主体的目标日电量曲线及购方市场主体的目标时段电力曲线分别如附录B图B1（a）和图B1（b）所示；售方市场主体的出清日电量曲线及购方市场主体的出清时段电力曲线，分别如图4（a）和图4（b）所示。

图4 优化出清结果

Fig.4 Optimal clearing results

由于参与优化的购售方市场主体较多，分别选取1个售方和1个购方市场主体，进一步详细对比其分解曲线与目标曲线的特征。售方以售电省B市场主体1为例，其优化出清后的日电量曲线和目标日电量曲线的对比情况如图5（a）所示；购方以购电省F为例，其在某日的优化出清时段电力曲线和目标电力曲线的对比情况如图5（b）所示。

图5 目标曲线与出清曲线的对比结果

Fig.5 Comparison results of target and clearing curves

由图4和图5可以得到以下结论。1）由于在优化目标中同等思考了购、售电侧匹配度权重，出清结果同时反映了售方市场主体的日电量典型曲线特征以及购方市场主体的时段电力典型曲线特征；2）各售方市场主体的优化出清日电量曲线与其典型日电量曲线的整体趋势一致，反映了不同售方市场主体在月内不同时期的发电调节能力；同时，售方市场主体的分解曲线在非工作日明显下降，间接体现了购电侧在工作日和节假日（或周末）的不同用电量需求；3）各购电省的优化出清时段电力曲线，在4月下旬有必定幅度的整体抬升，且在工作日的日用电量明显高于非工作日，故在月度整体趋势上同时反映了售电侧的日电量曲线特征以及购电侧不同类型日的用电量差异。同时，购电省的优化出清时段电力曲线与其典型用电曲线基本吻合，反映了该省份在日内的用电峰谷特性。

综上，采用本文提出的优化模型进行政府间协议合约电量分解，实现了满足所有相关联络线ATC前提下的合约电量最大化出清，显著减少了目前实际执行时因联络线ATC不足而产生的协议电量削减量。另一方面，出清结果在保证月总成交电量最大化的前提下，能够同时反映售方市场主体的月度发电特性及购电省份每日的实际用电峰谷特性，有利于充分挖掘利用发电资源的可调节能力，同时使得购电省份在高价峰时段成交更多电力，有效降低了购电侧整体用电成本。

4 结语

本文主要研究了国家计划及政府间协议2种类型的省间优发优购合约电量的时段化分解方法。第一，建立了“年-月-日-时段”的国家计划合约电量分级分解模型，分解结果能够反映不同时间尺度下的发用电特性，提升了分解曲线的可执行性。同时，购电省份能够在省内高价峰时段成交更多的国家计划合约电量，有效降低了购电侧整体用电成本。其次，建立了政府间协议合约电量的多目标分解模型，实现了政府间协议合约电量分解由固定交易路径到路径可全网统筹优化的跨越。出清结果能够在满足电网安全约束的前提下，充分挖掘跨省区特高压通道的输电能力，实现了成交电量最大化。同时，分解过程中兼顾思考了发用电特性，有利于降低分解曲线执行偏差，同时满足购电意愿。最后，通过仿真研究，验证了所提出的2种省间优发优购电量分解方法的有效性。

本文的研究成果将有利于实现省间优先计划与市场化交易在时序上的有效衔接，促进省间、省内市场耦合，优化发电资源跨省区配置，对于中国能源清洁低碳转型目标的实现以及全国统一电力市场建设具有显著的科学意义和实践价值。目前，本文构建的优化模型仅实现了实验室环境下的模拟验证。下一步，拟将研究成果部署在北京电力交易中心的新一代电力交易平台上，以期通过大量的实际算例测试，进一步验证模型的有效性，支撑中国省间优发优购电量分解规则的设计与改善。

附录

附录A

表A1 国家计划合约电量

Table A1 Power quantity of state planned contracts

国家计划合约名称	合约年度电量/(MW∙h)
2021年1至12月某水电基地送购电省a年度省间外送交易	24 091 222
2021年1至12月某水电基地送购电省b年度省间外送交易	11 758 963
2021年1至12月某水电基地送购电省c年度省间外送交易	7 667 604

表A2 国家计划合约经由的交易路径

Table A2 Trade path passed through by state planned contracts

起点	终点	途径主要联络线
水电基地	购电省a	联络线1（特高压直流通道）
水电基地	购电省b	联络线2（省内交流断面）
水电基地	购电省c	联络线2（省内交流断面）	联络线3（省间交流断面）

表A3 分解偏差惩罚成本

Table A3 Penalty costs of decomposition deviations

段号	偏差比例下限	偏差比例上限	惩罚成本/(元∙(MW∙h)–1)
1	0	0.05	5
2	0.05	0.15	50
3	0.15	0.3	500
4	0.3	0.5	5 000
5	0.5	1	50 000

图A1 国家计划合约12月的月度电量分解结果

Fig.A1 Decomposition results of monthly power quantity of state planned contracts in December

附录B

表B1 售方市场主体申报信息

Table B1 Bidding information of market entities of sellers

售方市场主体	申报电量/(MW∙h)	申报电价/(元∙(MW∙h)–1)
售电省A市场主体1	971 440	342
售电省A市场主体2	394 200	344
售电省A市场主体3	200 160	346
售电省A市场主体4	175 060	348
售电省B市场主体1	621 000	315
售电省C市场主体1	54 720	278
售电省C市场主体2	214 353	280
售电省C市场主体3	19 810	282
售电省D市场主体1	46 488	387
售电省D市场主体2	852 106	389
售电省D市场主体3	251 160	391
售电省E市场主体1	59 852	218
售电省E市场主体2	269 069	220
售电省E市场主体3	299 938	222
售电省E市场主体4	169 080	224
售电省E市场主体5	126 720	226
售电省E市场主体6	92 760	228
售电省E市场主体7	42 360	230
售电省E市场主体8	55 800	232
售电省E市场主体9	55 800	234
售电省E市场主体10	55 800	236
售电省E市场主体11	207 900	238
售电省E市场主体12	139 500	240

表B2 购方市场主体申报信息

Table B2 Bidding information of market entities of purchasers

购方市场主体	申报电量/(MW∙h)	申报电价/(元∙/(MW∙h)–1)
购电省A	59 852	371.08
购电省B	520 229	570.85
购电省C	920 938	440.43
购电省D	852 106	469.83
购电省E	235 378	491.97
购电省F	1 565 800	474.38
购电省G	570 853	495.85
购电省H	92 760	357.89
购电省I	42 360	357.89
购电省J	251 100	389.48
购电省K	55 800	389.48
购电省L	207 900	372.92

表B3 售方市场主体总成交月电量

Table B3 Total monthly trading power quantities of market entities of sellers

售方市场主体	实际执行的核减后总月电量/(MW∙h)	优化出清的总月电量/(MW∙h)
售电省A市场主体1	883 240	971 440
售电省A市场主体2	394 200	394 200
售电省A市场主体3	200 160	200 160
售电省A市场主体4	175 060	175 060
售电省B市场主体1	621 000	621 000
售电省C市场主体1	54 720	54 720
售电省C市场主体2	214 353	214 353
售电省C市场主体3	19 810	19 810
售电省D市场主体1	46 488	46 488
售电省D市场主体2	852 106	852 106
售电省D市场主体3	251 160	251 160
售电省E市场主体1	59 852	59 852
售电省E市场主体2	269 069	269 069
售电省E市场主体3	299 938	299 938
售电省E市场主体4	164 911	169 080
售电省E市场主体5	123 655	126 720
售电省E市场主体6	90 480	92 760
售电省E市场主体7	41 300	42 360
售电省E市场主体8	52 530	55 800
售电省E市场主体9	52 530	55 800
售电省E市场主体10	47 268	55 800
售电省E市场主体11	203 870	207 900
售电省E市场主体12	131 478	139 500
总计	5 249 178	5 375 076

表B4 购方市场主体总成交月电量

Table B4 Total monthly trading power quantities of market entities of purchasers

购方市场主体	实际执行的核减后总月电量/(MW∙h)	优化出清的总月电量/(MW∙h)
购电省A	59 852	59 852
购电省B	520 229	520 229
购电省C	920 938	920 938
购电省D	852 106	852 106
购电省E	231 209	235 378
购电省F	1 477 600	1 565 800
购电省G	567 788	570 853
购电省H	90 480	92 760
购电省I	41 300	42 360
购电省J	236 538	251 100
购电省K	47 268	55 800
购电省L	203 870	207 900
总计	5 249 178	5 375 076

(a) 售方市场主体的目标日电量曲线

(b) 购方市场主体的目标时段电力曲线

图B1 购售市场主体的目标分解曲线

Fig.B1 Target decomposition curves of market entities of sellers and purchasers

参 考 文 献

1

国家发展改革委，国家能源局.关于做好2021年电力中长期合同签订工作的通知［EB/OL］.［2022-11-25］.https：//www.ndrc.gov.cn/xxgk/zcfb/tz/202012/t20201202_1252094_ext.html. [百度学术]

National Development and Reform Commission， National Energy Administration. Notice on the signing work of medium- and long-term power contracts in 2021［EB/OL］. ［2022-11-25］. https：//www.ndrc.gov.cn/xxgk/zcfb/tz/202012/t20201202_1252094_ext.html. [百度学术]

2

丁一，谢开，庞博，等.中国特色、全国统一的电力市场关键问题研究（1）：国外市场启示、比对与提议［J］.电网技术，2020，44（7）：2401-2410. [百度学术]

DING Yi， XIE Kai， PANG Bo， et al. Key issues of national unified electricity market with Chinese characteristics（1）： enlightenment， comparison and suggestions from foreign countries［J］. Power System Technology， 2020， 44（7）： 2401-2410. [百度学术]

3

WANG N， ZHENG W， CHEN H， et al. A review of price risk management in PJM and Nord Pool electricity market［C］// 4th Asia Conference on Power and Electrical Engineering， March 28-31， 2019， Hangzhou， China： 12156-12161. [百度学术]

4

SIMSHAUSER P. On the stability of energy-only markets with government-initiated contracts-for-differences［J］. Energies， 2019， 12（13）： 2566. [百度学术]

5

HOGAN W W. Virtual bidding and electricity market design［J］. The Electricity Journal， 2016， 29（5）： 33-47. [百度学术]

6

骆子雅.电力差价合约机制的设计与应用［D］.广州：华南理工大学，2020. [百度学术]

LUO Ziya. The design and application of contract for difference in electricity market［D］. Guangzhou： South China University of Technology， 2020. [百度学术]

7

李竹，庞博，李国栋，等.欧洲统一电力市场建设及对中国电力市场模式的启示［J］.电力系统自动化，2017，41（24）：2-9. [百度学术]

LI Zhu， PANG Bo， LI Guodong， et al. Development of unified European electricity market and its implications for China［J］. Automation of Electric Power Systems， 2017， 41（24）： 2-9. [百度学术]

8

包铭磊，丁一，邵常政，等.北欧电力市场评述及对我国的经验借鉴［J］.中国电机工程学报，2017，37（17）：4881-4892. [百度学术]

BAO Minglei， DING Yi， SHAO Changzheng， et al. Review of Nordic electricity market and its suggestions for China［J］. Proceedings of the CSEE， 2017， 37（17）： 4881-4892. [百度学术]

9

SOUZA MENDES A L， DE CASTRO N， BRANDÃO R， et al. The role of imbalance settlement mechanisms in electricity markets： a comparative analysis between UK and Brazil［C］// 2016 13th International Conference on the European Energy Market （EEM）， June 6-9， 2016， Porto， Portugal： 6-11. [百度学术]

10

赵书强，胡利宁，田捷夫，等.基于中长期风电光伏预测的多能源电力系统合约电量分解模型［J］.电力自动化设备，2019，39（11）：13-19. [百度学术]

ZHAO Shuqiang， HU Lining， TIAN Jiefu， et al. Contract power decomposition model of multi-energy power system based on mid-long term wind power and photovoltaic electricity forecasting［J］. Electric Power Automation Equipment， 2019， 39（11）： 13-19. [百度学术]

11

许彦平，黄越辉，李湃，等.计及优先级及电力平衡的新能源中长期交易电量分解方法［J］.电力系统自动化，2021，45（17）：117-125. [百度学术]

XU Yanping， HUANG Yuehui， LI Pai， et al. Decomposition method for medium- and long-term trading electricity of renewable energy considering priority and power balance［J］. Automation of Electric Power Systems， 2021， 45（17）： 117-125. [百度学术]

12

吴天曈，丁一，尚楠，等.思考市场力检验的多类机组中长期合约电量联合分解算法［J］.电力系统自动化，2021，45（6）：72-81. [百度学术]

WU Tiantong， DING Yi， SHANG Nan， et al. Joint decomposition algorithm of medium- and long-term contract for variety of generation units considering market power test［J］. Automation of Electric Power Systems， 2021， 45（6）： 72-81. [百度学术]

13

姜曼，司马琪，鲍玉昆，等.思考可再生能源消纳责任权重的年度合同电量月度分解方法［J］.电力系统自动化，2021，45（16）：208-215. [百度学术]

JIANG Man， SIMA Qi， BAO Yukun， et al. Monthly decomposition method of annual contract considering responsibility weight of renewable energy accommodation［J］. Automation of Electric Power Systems， 2021， 45（16）： 208-215. [百度学术]

14

樊宇琦，丁涛，汤洪海，等.思考路径折算的跨省跨区可再生能源增量现货交易模型［J］.电力系统自动化，2021，45（18）：103-112. [百度学术]

FAN Yuqi， DING Tao， TANG Honghai， et al. Cross-provincial and cross-regional incremental spot trading model for renewable energy considering path conversion［J］. Automation of Electric Power Systems， 2021， 45（18）： 103-112. [百度学术]

15

程海花，杨辰星，刘硕，等.基于路径组合计及ATC的省间中长期交易优化出清和系统研发［J］.电网技术，2022，46（12）：4762-4774. [百度学术]

CHENG Haihua， YANG Chenxing， LIU Shuo， et al. Optimization clearing and system development of inter-provincial medium and long term trade considering ATC base on path combination ［J］. Power System Technology， 2022， 46（12）： 4762-4774. [百度学术]