本发明属于电力市场技术领域，具体涉及一种售电公司投标策略的线性鲁棒优化方法、存储介质及设备。
背景技术：
作为一个新兴市场实体，售电公司以买卖电力为核心业务，即从电力市场购买电力并将其出售给一组客户。随着能源技术的发展，电源(例如，风力发电和光伏发电)和储能已逐渐成为购买电力的有效方式。随着中国电力市场改革的不断深入，以市场为导向的手段促进可再生能源的消费是当前普遍关注的问题。随着风电渗透率的提高，其固有的不确定性和波动性不仅给电力系统的稳定性和可靠性带来挑战，也给售电公司的电力电量平衡带来困难。另一方面，中国现货市场正在逐步发展，未来将形成一个中长期加现货交易市场的模式，现货电价的不确定性也将给售电公司带来挑战。
从风险识别的角度看，售电公司将不可避免地通过现货市场实现供需的实时电量平衡。面对可再生能源出力和现货电价等多种不确定性，如何结合各种类型的购电业务在不同业务之间合理分配风险并通过优化购电策略来增加收入对于售电公司至关重要。
技术实现要素：
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种售电公司投标策略的线性鲁棒优化方法、存储介质及设备，适用于不确定条件下售电公司的投标策略。
本发明采用以下技术方案：
售电公司投标策略的线性鲁棒优化方法，构建多重随机变量的不确定集，多重随机变量包括现货电价、风电出力和负荷；根据多重随机变量的不确定集构建售电公司的购电侧业务约束，包括售电公司在中长期合同市场、风电市场和现货市场的相关约束集；然后根据构建的售电公司购电侧业务约束确定售电公司的偏差考核约束；根据构建的售电公司购电侧业务约束和售电公司的偏差考核约束构建线性鲁棒的报价优化模型，在考虑多重随机性因素的极端情况下，以售电公司的市场效益最大化为目标函数，并补充辅助变量的相关约束；基于实际系统执行并求解线性鲁棒的报价优化模型，对售电公司在多维度能量市场的中长期合约电量、新能源电量、现货市场电量进行投标报价优化。
具体的，构建多重随机变量的不确定集中，现货电价采用盒式不确定集进行表述，风电出力采用多面体不确定集进行描述。
进一步的，现货电价预测误差遵循均值为0的正态分布，概率密度函数为：
其中，
当鲁棒控制系数为γs时，现货电价的上下限表示为：
其中，ε为置信水平，t为研究时段，
进一步的，对于风电出力的随机性，采用多面体不确定集进行描述以在最坏情况下分析时提高模型的鲁棒性，具体为：
其中，ptaw为第t时段的单个风电机组的出力；
具体的，售电公司在中长期合同市场中，满足约束如下：
其中，
在风电市场中，满足约束如下：
其中，
在现货市场中，满足约束如下：
其中，
具体的，售电公司的偏差考核约束；
其中，ζ为电量偏差裕度；ptbuy为第t时段的售电公司购电量；ptload为第t时段下售电公司所辖区域的实际负荷电量。
具体的，目标函数为售电公司在最差情况下获得的收益最大，具体为：
其中，λc为销售电价；vs、
进一步的，在对偶变换过程中引入辅助决策变量，添加的约束为：
vs≥0
本发明的另一个技术方案是，一种计算设备，包括：
一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行所述的方法中的任一方法的指令。
本发明的另一个技术方案是，一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行所述的方法中的任一方法。
与现有技术相比，本发明至少具有以下有益效果：
本发明提出一种考虑多重随机因素的售电公司线性鲁棒投标策略优化方法，充分考虑到可再生能源出力和负荷需求等的随机性将使得售电公司不可避免地通过现货市场实现供需的实时电量平衡。面对可再生能源出力、现货电价、负荷波动等多种不确定性，如何结合各种类型的购电业务在不同业务之间合理分配风险并通过优化购电策略来增加收入对于售电公司至关重要。考虑多重随机因素的售电公司投标策略优化方法可以有效提高售电公司在最差情况下的收益，对促进我国电力市场改革和售电公司发展具有重要意义。
进一步的，构建包括现货电价、风电出力、负荷等多个随机变量的不确定集。充分考虑到通常采用的正态分布或者均匀分布不足以准确描述风电出力的随机性，选取多面体不确定集以增强风电出力的非预期性和模型的鲁棒性。
进一步的，根据历史数据统计结果，现货电价预测误差近似遵循均值为0的正态分布，采用正态分布概率密度函数可以较为客观实际地表征现货电价的分布情况。
进一步的，在表征风电出力不确定性时采用多面体不确定集以增强风电出力的非预期性，进而在最坏情况下分析时提高模型的鲁棒性，从而增强了售电公司投资组合策略的稳健性。
进一步的，售电公司的购电侧业务约束集包括售电公司在中长期合同市场、风电市场和现货市场的相关约束。充分考虑到我国在中长期电力市场基础上大力发展现货市场和促进新能源消纳的背景，选取这三种购电业务作为代表，符合我国电力市场实际。
进一步的，偏差考核约束充分考虑到有诸多干扰因素，要求在任意研究时段内售电公司都做到电量完全的供需平衡太过严格且不现实，因此认为售电公司所辖区域的实际电量需求与其购电量之间存在一定的偏差裕度。
进一步的，构建了线性鲁棒的报价优化模型，在考虑多重随机性因素的极端情况下，以售电公司的市场效益最大化为目标函数，并补充辅助变量的相关约束。充分考虑到售电公司决策者往往具有风电规避的特性，以最差情况下的收益最大为目标更加符合决策者的实际心理，采用线性鲁棒优化模型使得模型易于求解，非常适用于售电公司的投标策略问题。
进一步的，在对偶变换过程中引入辅助决策变量可以将较为复杂的线性规划问题的鲁棒优化对应式转化为较为简单易解的线性规划问题。
综上所述，本发明能够有效规避风险，减小售电公司损失，增强售电公司竞争力，促进我国电力市场改革的进程。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明方法流程图；
图2为风电市场优化后的购电决策结果；
图3为中长期合同市场优化后的购电决策结果；
图4为现货市场优化后的购电决策结果。
具体实施方式
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
在附图中示出了根据本发明公开实施例的各种结构示意图。这些图并非是按比例绘制的，其中为了清楚表达的目的，放大了某些细节，并且可能省略了某些细节。图中所示出的各种区域、层的形状及它们之间的相对大小、位置关系仅是示例性的，实际中可能由于制造公差或技术限制而有所偏差，并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
本发明提供了一种售电公司线性鲁棒投标策略优化方法，以正态分布表征现货电价的随机性，以多面体不确定集表征风电出力的随机性；售电公司的购电侧业务约束包括售电公司在中长期合同市场、风电市场和现货市场的相关约束；进一步考虑偏差考核约束；再构建线性鲁棒的报价优化模型，在考虑多重随机性因素的极端情况下，以售电公司的市场效益最大化为目标函数，并补充辅助变量的相关约束；最后基于实际电力市场数据执行并求解考虑多重随机因素的售电公司线性鲁棒投标策略。本发明能够有效规避在多维度能量市场中售电公司面临的多重不确定性风险，减小售电公司损失，增强售电公司竞争力，促进我国电力市场改革的进程。
请参阅图1，本发明一种售电公司线性鲁棒投标策略优化方法，包括以下步骤：
s1、构建多重随机变量的不确定集，包括现货电价、风电出力、负荷等多个随机变量；
现货电价预测误差通常遵循均值为0的正态分布，概率密度函数表示为：
其中，
当鲁棒控制系数为γs时，现货电价的上下限表示为：
其中，ε为置信水平，t为研究时段，
对于风电出力的随机性，采用多面体不确定集进行描述以在最坏情况下分析时提高模型的鲁棒性。
其中，ptaw为第t时段的单个风电机组的出力；
s2、根据多重随机变量的不确定集确定售电公司的购电侧业务约束，包括售电公司在中长期合同市场、风电市场和现货市场的相关约束集；
在中长期合同市场中，满足约束：
其中,
在风电市场中，满足约束：
其中，
在现货市场中，满足约束：
其中，
s3、根据构建的售电公司购电侧业务约束确定售电公司的偏差考核约束；
其中，ζ为电量偏差裕度；ptbuy为第t时段的售电公司购电量；ptload为第t时段下售电公司所辖区域的实际负荷电量。
s4、根据构建的售电公司购电侧业务约束和售电公司的偏差考核约束构建线性鲁棒的报价优化模型，在考虑多重随机性因素的极端情况下，以售电公司的市场效益最大化为目标函数，并补充辅助变量的相关约束；
目标函数为售电公司在最差情况下获得的收益最大：
其中，λc为销售电价；vs、
在对偶变换过程中引入辅助决策变量，添加的约束为：
vs≥0
s5、基于实际系统执行并求解步骤s4确定的线性鲁棒报价优化模型，对售电公司在多维度能量市场的中长期合约电量、新能源电量、现货市场电量进行投标报价优化，在实际电力市场中帮助售电公司合理分配风险，避免了在最差情况下出现较低收益。
在实际电力市场数据基础上，采用不同的不确定集以描述现货电价、风电出力、负荷等多重随机因素，基于所建立的售电公司投标报价策略优化平台，通过线性鲁棒优化方法，对于售电公司的中长期合约电量、新能源电量、现货市场电量进行投标报价优化。并以策略a：假设风电出力为正态分布的线性鲁棒决策方法，策略b:本发明所提出的模型，以多面体不确定集表征风电出力不确定性，策略c：在决策b基础上提高鲁棒控制系数作为对比场景来说明本专利所提方法的有效性。
本发明再一个实施例中，提供了一种终端设备，该终端设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor、dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于售电公司线性鲁棒投标策略优化的操作，包括：构建多重随机变量的不确定集，多重随机变量包括现货电价、风电出力和负荷；根据多重随机变量的不确定集构建售电公司的购电侧业务约束，包括售电公司在中长期合同市场、风电市场和现货市场的相关约束集；然后根据构建的售电公司购电侧业务约束确定售电公司的偏差考核约束；根据构建的售电公司购电侧业务约束和售电公司的偏差考核约束构建线性鲁棒的报价优化模型，在考虑多重随机性因素的极端情况下，以售电公司的市场效益最大化为目标函数，并补充辅助变量的相关约束；基于实际系统执行并求解线性鲁棒的报价优化模型，基于售电公司投标报价策略优化平台，对售电公司在多维度能量市场的中长期合约电量、新能源电量、现货市场电量进行投标报价优化。
本发明再一个实施例中，本发明还提供了一种存储介质，具体为计算机可读存储介质(memory)，所述计算机可读存储介质是终端设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括终端设备中的内置存储介质，当然也可以包括终端设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速ram存储器，也可以是非不稳定的存储器(non-volatilememory)，例如至少一个磁盘存储器。
可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中有关售电公司线性鲁棒投标策略优化方法的相应步骤；计算机可读存储介质中的一条或一条以上指令由处理器加载并执行如下步骤：构建多重随机变量的不确定集，多重随机变量包括现货电价、风电出力和负荷；根据多重随机变量的不确定集构建售电公司的购电侧业务约束，包括售电公司在中长期合同市场、风电市场和现货市场的相关约束集；然后根据构建的售电公司购电侧业务约束确定售电公司的偏差考核约束；根据构建的售电公司购电侧业务约束和售电公司的偏差考核约束构建线性鲁棒的报价优化模型，在考虑多重随机性因素的极端情况下，以售电公司的市场效益最大化为目标函数，并补充辅助变量的相关约束；基于实际系统执行并求解线性鲁棒的报价优化模型，基于售电公司投标报价策略优化平台，对售电公司在多维度能量市场的中长期合约电量、新能源电量、现货市场电量进行投标报价优化。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明所提出的一种考虑多重随机因素的售电公司投标策略优化方法在实际电力市场中得到应用，以某实际电力市场为例，选取售电公司一天24h的收益为研究目标，以1h为基本时段。售电公司通过三种电力合同购买电力来参与中长期市场，合同的参数如表1所示。假定客户的需求是确定的，售价固定为45$/mwh。表2给出了风电总出力，现货电价和负荷需求的预测数据。风力发电机组数量为150，购买价格固定为35$/mwh。偏差评估系数设置为0.02，与参考风电出力的最大偏差为0.5mw。
表1中长期合同数据
表2风电出力、现货电价和负荷需求的预测值
为了说明本发明所提方法对售电公司收益的影响，设计了以下三个比较方案：
方案a：假设单位风电出力服从方差为1mw2正态分布，采用盒式不确定集描述其不确定性。γs＝12，γw＝12。
方案b：本发明所提模型，采用多面体不确定集描述风电出力的不确定性，γs＝12，γw＝12。
方案c：本发明所提模型，采用多面体不确定集描述风电出力的不确定性，γs＝18，γw＝12。
在执行并求解本发明所提出的一种多种不确定集下售电公司电力交易策略的线性鲁棒优化方法后，三种方案下的售电公司的目标收益和不同市场下的购电量如表3所示。
表3不同方案下的目标收益和购电策略
将方案b和方案c的结果进行比较，在相同的γw下，方案c的γs值较大，这意味着方案c违反约束的概率较低，决策者的最终风险较低，决策者在决策中往往比较保守。他们更倾向于从远期合约市场购买电力，并减少从现货市场购买电力。他们承担的风险也降低了，但是目标利润却在降低。
在方案a和方案b下，不同时期的售电公司购买的风电如图2所示。从图2可以看出，在风险规避程度相同的情况下，采用方案b时，售电公司往往在每个时期购买较少的风电，这也更接近风电的预期出力。结果证明，当目标利润变化不大时，方案b可以较好地规避风电市场的购电风险。
图3和图4分别显示了不同时期售电公司不同方案下购买的中长期合同和现货电力。从图3和图4可以清楚地看到，方案c在每个时间段内购买的中长期合同电量明显高于a和b的中长期合同电量，而在现货市场上购买的中长期合同电量则明显低。这是因为方案c承担的风险最低，决策最为保守。
这可以表明，一种考虑多重随机因素的售电公司线性鲁棒投标策略优化平台可以有效提高模型的鲁棒性，并帮助不同风险规避偏好的售电公司决策者采取相对应的购电策略。
综上所述，本发明提供了一种考虑多重随机因素的售电公司线性鲁棒投标策略优化平台，以正态分布表征现货电价的随机性，以多面体不确定集表征风电出力的随机性；售电公司的购电侧业务集约束包括售电公司在中长期合同市场、风电市场和现货市场的相关约束；进一步考虑偏差考核约束；再构建了线性鲁棒的报价优化模型，在考虑多重随机性因素的极端情况下，以售电公司的市场效益最大化为目标函数，并补充辅助变量的相关约束；最后基于实际电力市场数据执行并求解考虑多重随机因素的售电公司投标策略优化方法。本发明能够为未来售电公司在多重随机因素下参与多种能量市场的投标策略提供战略支撑。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。
1.售电公司投标策略的线性鲁棒优化方法，其特征在于，构建多重随机变量的不确定集，多重随机变量包括现货电价、风电出力和负荷；根据多重随机变量的不确定集构建售电公司的购电侧业务约束，包括售电公司在中长期合同市场、风电市场和现货市场的相关约束集；然后根据构建的售电公司购电侧业务约束确定售电公司的偏差考核约束；根据构建的售电公司购电侧业务约束和售电公司的偏差考核约束构建线性鲁棒的报价优化模型，在考虑多重随机性因素的极端情况下，以售电公司的市场效益最大化为目标函数，并补充辅助变量的相关约束；基于实际系统执行并求解线性鲁棒的报价优化模型，对售电公司在多维度能量市场的中长期合约电量、新能源电量、现货市场电量进行投标报价优化。
2.根据权利要求1所述的方法，其特征在于，多重随机变量不确定集中的现货电价采用盒式不确定集进行表述，风电出力采用多面体不确定集进行描述。
3.根据权利要求2所述的方法，其特征在于，现货电价中，现货电价的预测误差遵循均值为0的正态分布，概率密度函数为：
其中，
当鲁棒控制系数为γs时，现货电价的上下限表示为：
其中，ε为置信水平，t为研究时段，
4.根据权利要求2所述的方法，其特征在于，多面体不确定集对风电出力进行描述如下：
其中，ptaw为第t时段的单个风电机组的出力；
5.根据权利要求1所述的方法，其特征在于，售电公司在中长期合同市场满足的约束如下：
其中，
在风电市场中，满足约束如下：
其中，
在现货市场中，满足约束如下：
其中，
6.根据权利要求1所述的方法，其特征在于，售电公司的偏差考核约束具体为：
其中，ζ为电量偏差裕度；ptbuy为第t时段的售电公司购电量；ptload为第t时段下售电公司所辖区域的实际负荷电量。
7.根据权利要求1所述的方法，其特征在于，售电公司的市场效益最大化的目标函数具体为：
其中，λc为销售电价；vs、
8.根据权利要求7所述的方法，其特征在于，目标函数中，在对偶变换过程中引入辅助决策变量，添加的约束为：
vs≥0
9.一种计算设备，其特征在于，包括：
一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1至8所述的方法中的任一方法的指令。
10.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至8所述的方法中的任一方法。
技术总结