摘要

分析了電力市場環(huán)境下園區(qū)參與市場的互動行為,考慮園區(qū)參與日前市場和實時平衡市場,使用場景描述分布式電源出力的不確定性,并建立基于隨機規(guī)劃的日前市場和實時市場聯(lián)合出清模型,以及園區(qū)參與該市場的雙層優(yōu)化模型。通過最優(yōu)性條件將雙層模型轉(zhuǎn)換為單層混合整數(shù)線性規(guī)劃問題求解,并通過算例仿真分析了園區(qū)的最優(yōu)報價策略和運行優(yōu)化。結(jié)果表明,在提出的市場機制下,園區(qū)的最優(yōu)報價能夠?qū)崿F(xiàn)自身的運行優(yōu)化,并實現(xiàn)需求側(cè)對電價響應(yīng),提升園區(qū)的經(jīng)濟性,增強可再生能源的消納能力。

0 引言

隨著傳統(tǒng)一次能源的消耗以及對環(huán)保問題的日益重視,風(fēng)力發(fā)電、光伏發(fā)電等可再生能源得到了快速的發(fā)展[1],由于可再生能源的間歇性和波動性,其發(fā)電出力具有較強的不確定性,在給供電系統(tǒng)帶來了更多選擇的同時,也對電力系統(tǒng)運行和調(diào)度提出了新的挑戰(zhàn)。園區(qū)作為一種多能互補、負荷集中、用能形式多樣[2]的新型能源生產(chǎn)與消費體系,有利于可再生能源的消納和需求側(cè)的整合,得到了廣泛關(guān)注。目前對園區(qū)的研究主要包括園區(qū)的運行優(yōu)化、園區(qū)供電系統(tǒng)的容量優(yōu)化配置、能源的多能互補以及負荷側(cè)的需求響應(yīng)等方面,文獻[2]分析了園區(qū)供電系統(tǒng)規(guī)劃中分布式電源和儲能容量的優(yōu)化配置,并討論了需求響應(yīng)對方案的影響。文獻[3]基于魯棒后悔度,分析了光儲微網(wǎng)系統(tǒng)的優(yōu)化調(diào)度。文獻[4]考慮電動汽車的參與,綜合考慮分布式電源的運行特性,優(yōu)化出使得綜合成本最小的不確定集。文獻[5]在計及需求響應(yīng)的情況下,對園區(qū)微網(wǎng)的資源進行優(yōu)化配置。文獻[6]討論了含有風(fēng)電、光伏、微型燃氣輪機的系統(tǒng),考慮用戶室內(nèi)溫度需求的條件下,得出了分布式電源的調(diào)度策略,并用樓宇熱負荷來平抑分布式電源的波動性。文獻[7]考慮微網(wǎng)參與日前市場和實時市場,分析了微網(wǎng)的最優(yōu)報價策略。

同時,隨著售電側(cè)改革的深化,以園區(qū)為主體,通過園區(qū)售電商整合需求側(cè)資源參與電力市場成為可能,園區(qū)中包含的可再生能源發(fā)電具有出力不確定性,這種不確定性給電力市場的運營帶來挑戰(zhàn),為此,應(yīng)有適當(dāng)?shù)碾娏κ袌龅倪\行機制來應(yīng)對園區(qū)的參與。文獻[8-9]提出了基于隨機規(guī)劃的主能量和備用定價方法,探討了考慮不確定性的情況下市場的出清和價格的制定。文獻[10]提出了一種電力聯(lián)營市場的日前出清模型,探討了在含風(fēng)電的情況下電力市場的出清機制,利用場景和概率描述不確定性并推導(dǎo)出出清規(guī)則。文獻[11-12]基于隨機規(guī)劃,建立了考慮電網(wǎng)的安全約束的出清模型。文

獻[13]研究了含風(fēng)電的電力市場環(huán)境下,大用戶的最優(yōu)策略行為,對用戶側(cè)參與含風(fēng)電的電力市場進行了分析。文獻[14]運用博弈論,分析了在高比例風(fēng)電滲透的情況下,電力市場的參與者的最優(yōu)決策行為。

此前研究多側(cè)重于園區(qū)本身建設(shè)規(guī)劃和運行優(yōu)化,對園區(qū)在市場環(huán)境下的運行優(yōu)化以及與主網(wǎng)的互動行為較少涉及。多數(shù)文獻將園區(qū)等主體視作價格接受者,對園區(qū)參與電力市場行為的主動性分析不足。因此,本文提出一個由日前市場和實時平衡市場組成的二階段市場出清模型,并考慮園區(qū)通過園區(qū)售電商參與此電力市場的運行優(yōu)化和最優(yōu)報價策略,以此來更清晰地表明園區(qū)主體和市場的相互作用,分析報價對市場、對園區(qū)自身的影響。基于隨機規(guī)劃,建立雙層優(yōu)化模型,并通過算例分析了該模型的經(jīng)濟性和對可再生能源消納的作用。

1 電力市場結(jié)構(gòu)和出清流程

園區(qū)售電商參與日前電力市場和實時平衡市場。具體流程為：園區(qū)向獨立系統(tǒng)運營商 (independent system operator,ISO)申報未來24 h的負荷報價信息。在日前市場,ISO根據(jù)園區(qū)以及其他負荷的報價、機組參數(shù)等信息,以社會成本最小作為目標(biāo)函數(shù)進行出清,得到每個節(jié)點的邊際價格作為日前市場電價;在實時市場,由于可再生能源的出力不確定性,園區(qū)中的實際凈負荷會與日前計劃值有所偏差,園區(qū)根據(jù)其運行的經(jīng)濟性和調(diào)整能力,決策自行處理這種偏差,或者在參與實時市場處理這種偏差,ISO根據(jù)園區(qū)報價和備用情況參數(shù)等信息,進行實時市場出清,并得到實時市場電價。

2 模型建立

考慮園區(qū)的用戶效用最大化,園區(qū)售電商根據(jù)市場出清規(guī)則,預(yù)測市場的出清電價,計算相應(yīng)電價下自身的效用值,并以此來優(yōu)化自身的報價行為,從而得到最優(yōu)的報價策略。由此建立雙層優(yōu)化模型,上層為園區(qū)的效用最大化,下層為市場出清。市場出清流程見圖1。

圖1 市場出清流程Fig. 1 Market clearing progress

2.1 園區(qū)模型

假設(shè)該園區(qū)含有可控負荷,可控分布式電源(DG),風(fēng)力發(fā)電、光伏發(fā)電以及儲能設(shè)備,參數(shù)見附錄B,使用可再生能源發(fā)電的場景及其概率來描述出力的不確定性,假設(shè)可再生能源發(fā)電場景滿足期望為μμ,標(biāo)準(zhǔn)差為0.2μ0.2μ的正態(tài)分布。

目標(biāo)函數(shù)為

2.2 市場出清模型

目標(biāo)函數(shù)為

第一項為發(fā)電機組的成本,第二項為園區(qū)內(nèi)用戶的效用值,第三項為其他負荷的效用值。市場出清的目標(biāo)函數(shù)為最小化社會成本[15],社會成本表示為運行需要支出的成本減去獲得的效用值。文獻[8]證明,二階段的隨機規(guī)劃模型可以用單個目標(biāo)函數(shù)表出,因此式(14)為日前市場和實時平衡市場聯(lián)合出清的目標(biāo)函數(shù)。

市場出清滿足的約束條件及其對偶變量如下。

2.3 雙層模型的線性化處理

將下層的市場出清問題用其KKT(Karush-Kuhn-Tucker conditions)最優(yōu)性條件表示,可將下層優(yōu)化問題轉(zhuǎn)換為約束條件,同時使用互補松弛條件和強對偶條件將上層問題依賴的下層變量表示出來,從而使雙層問題變?yōu)閱螌拥幕旌险麛?shù)線性規(guī)劃(mixed-integer linear programming,MILP)問題求解。

下層問題KKT條件為

3 算例分析

本文使用IEEE-RTS 24節(jié)點系統(tǒng)為基礎(chǔ)并做適當(dāng)調(diào)整。設(shè)置其18號節(jié)點為園區(qū),該園區(qū)中最大負荷為360 kW,其中10%為可控負荷,可作為備用調(diào)整;為保證負荷供應(yīng)的可靠性,園區(qū)中配置容量為300 kW的可控DG;風(fēng)力發(fā)電的裝機容量為300 kW,光伏發(fā)電的裝機容量為100 kW;儲能裝置的容量為200 kW·h,最大的充放電功率為50 kW;負荷和可再生能源參數(shù)及電網(wǎng)其余負荷和發(fā)電側(cè)機組數(shù)據(jù)見附錄B。本文算例使用Matlab建模并使用cplex的MILP求解器進行求解。在相對誤差限設(shè)置為0.1%的情況下,各個算例的平均計算時間為36.1 s,可以滿足日前市場和實時市場出清計算的實時要求。

3.1 園區(qū)可再生能源發(fā)電量較高時的運行優(yōu)化和報價策略

當(dāng)可再生能源出力較高時,園區(qū)的發(fā)電容量余裕,此時園區(qū)可將多余的發(fā)電量向主網(wǎng)返送以獲得更好的效益,此時可再生能源發(fā)電情況見表B3,對上述模型進行求解,得到園區(qū)24 h的運行優(yōu)化如圖2所示。

圖2 園區(qū)運行優(yōu)化結(jié)果(1)Fig. 2 Optimal result of industrial park(1)

從圖2可以看出,在凌晨0時到7時,系統(tǒng)負荷較小,此時預(yù)測的出清電價較低,而風(fēng)力發(fā)電出力較大,因此,在這個時段,園區(qū)的可控DG不出力,而主要通過風(fēng)力發(fā)電和從主網(wǎng)購電滿足負荷需求,同時,儲能裝置充電。

在7時到10時、13時到19時,此時屬于平時段,系統(tǒng)負荷增加,此時風(fēng)力發(fā)電出力有所減少,而光伏發(fā)電開始出力,但可再生能源出力總體仍有下降。在電價水平提高的情況下,從主網(wǎng)購電已不經(jīng)濟,為了減少從主網(wǎng)的購電量,園區(qū)降低報價,減少出清的負荷量。而向主網(wǎng)返送電則有良好的經(jīng)濟性, 因此,在該時段,園區(qū)的DG出力作為主要供能單元,同時,多余電量向主網(wǎng)返送以獲得更好的經(jīng)濟效益。

在11時到12時,20時到21時,此時系統(tǒng)負荷達到峰值,出清電價最高,園區(qū)的報價也相應(yīng)提高。此時,園區(qū)的可控DG出力進一步增加,以滿足負荷需求,儲能裝置在該時段放電。在12時,負荷達到峰值而可再生能源發(fā)電出力最低,園區(qū)需要從主網(wǎng)少量購電以補足負荷缺額,在20時到21時,風(fēng)力發(fā)電出力有所增加,此時園區(qū)向主網(wǎng)返送電以獲得更好的經(jīng)濟效益,也起到為主網(wǎng)調(diào)峰的作用。

園區(qū)與主網(wǎng)的互動是通過報價實現(xiàn)的,園區(qū)根據(jù)系統(tǒng)的信息、市場出清的規(guī)則和自身的運行情況,預(yù)測市場出清的結(jié)果,根據(jù)自身與主網(wǎng)交互的需求,優(yōu)化自身的報價行為。

從主網(wǎng)ISO的角度看來,園區(qū)對外表現(xiàn)為一個受控的負荷或電源,ISO無需了解園區(qū)的底層細節(jié),只需按照市場出清的規(guī)則,根據(jù)園區(qū)的報價,按照最優(yōu)化社會成本的方式進行出清。以社會成本的觀點分析,園區(qū)的報價實際上相當(dāng)于其作為負荷時的用電效用或作為電源時的發(fā)電成本。

求解的最優(yōu)報價策略和相應(yīng)的園區(qū)與主網(wǎng)的互動情況如圖3所示。

圖3 園區(qū)的最優(yōu)報價(1)Fig. 3 Optimal bidding of industrial park(1)

從圖3可以看出,在谷時段,由于電價較低,此時園區(qū)從主網(wǎng)購電,相當(dāng)于負荷,為了能夠在市場出清時出清得到相應(yīng)的電量,園區(qū)的報價至少要相當(dāng)于此時系統(tǒng)邊際發(fā)電機的成本,也即此時系統(tǒng)的邊際價格,該價格即為出清電價,因此該時段園區(qū)的報價值等于出清電價。

在平時段,出清電價提高,此時園區(qū)向主網(wǎng)返送電具有更好的經(jīng)濟效益,相當(dāng)于電源,為了保證市場出清時能夠?qū)⒆陨碜鳛殡娫凑{(diào)用,園區(qū)的報價值應(yīng)小于等于此時系統(tǒng)邊際發(fā)電機的成本,在平時段,園區(qū)發(fā)電能力余量較大,因此能夠以最大聯(lián)絡(luò)線功率向外送電,為了保證這部分電量能全部出清送出,園區(qū)采取了最穩(wěn)妥的報價即報價的下限。

在第一個峰時段,由于自身發(fā)電缺額,園區(qū)需要從主網(wǎng)購電,相當(dāng)于負荷,因此此時報價值等于日前出清價格,保證獲得所需電量。在第二個峰時段,此時風(fēng)力發(fā)電增大,發(fā)電能力又有余量,因此相當(dāng)于電源,但由于自身負荷需求也在峰值,因此不能以最大聯(lián)絡(luò)線功率向外送電,因此此時不需要采取一個低報價來保證自身的外送電被優(yōu)先出清,因此此時園區(qū)報價仍等于邊際機組的成本即出清價格。

3.2 園區(qū)可再生能源發(fā)電量較低時的運行優(yōu)化和報價策略

由于可再生能源發(fā)電出力依賴于風(fēng)、光等一次能源,當(dāng)氣候條件受限時,可再生能源的出力水平較低,此時可再生能源發(fā)電情況見表B4,園區(qū)主要通過調(diào)用自身可控DG來滿足負荷需求,并將缺額部分從市場購電補足,求解模型,得到運行優(yōu)化結(jié)果見圖4。

圖4 園區(qū)運行優(yōu)化結(jié)果(2)Fig. 4 Optimal result of industrial park(2)

從圖4可以看到,由于可再生能源發(fā)電出力的減小,此時園區(qū)的主要電力來源變?yōu)榭煽谼G以及從主網(wǎng)購電,在谷時段,由于出清電價較低,從主網(wǎng)購電較為經(jīng)濟,此時DG不出力,園區(qū)以從主網(wǎng)購電滿足負荷需求,同時儲能裝置充電,這起到了谷時段填谷的作用。

在平時段,隨著主網(wǎng)整體負荷的增大,出清電價也增加,而園區(qū)負荷也在增加,因此此時除了從主網(wǎng)購電滿足負荷需求外,可控DG也增加出力,補足發(fā)電量缺額。

在峰時段,電價較高,此時從主網(wǎng)購電成本較高,因此園區(qū)主要通過DG發(fā)電和儲能裝置放電供應(yīng)負荷,而只從主網(wǎng)購電補足缺額,雖然此時園區(qū)負荷達到峰值,但與主網(wǎng)的交互功率反而下降,在峰時段起到了削峰的作用。

該算例中園區(qū)的報價策略如圖5所示。

圖5 園區(qū)的最優(yōu)報價(2)Fig. 5 Optimal bidding of industrial park(2)

從圖5可知,可再生能源出力較低的情形下,園區(qū)需要從主網(wǎng)購電供應(yīng)負荷,對外表現(xiàn)為負荷,為了能在市場上出清負荷,園區(qū)報價應(yīng)大于或等于系統(tǒng)的邊際成本即出清電價。

在谷時段,由于電價較低,園區(qū)從主網(wǎng)購電,此時由于缺額不大,園區(qū)以系統(tǒng)的邊際價格報價。

在平時段,園區(qū)需要主網(wǎng)以最大聯(lián)絡(luò)線功率供電,因此為了保證能夠出清足夠的負荷,園區(qū)報價選擇最為穩(wěn)妥的高于系統(tǒng)邊際價格的報價方式。

在峰時段,此時園區(qū)主要以可控DG供電,僅從市場上補足缺額,因此此時報價也為系統(tǒng)的邊際價格。

上述分析表明,在園區(qū)的最優(yōu)報價決策下,園區(qū)的能夠優(yōu)化自身的運行,實現(xiàn)自身所調(diào)度的多源互補,并與市場的價格信號響應(yīng),通過調(diào)度自身的可控負荷和可控DG,在追求效益最優(yōu)的同時,實現(xiàn)削峰填谷,有利于主網(wǎng)的運行和經(jīng)濟性。

3.3 園區(qū)最優(yōu)報價的效益

下面比較園區(qū)最優(yōu)報價和以邊際效用報價的優(yōu)化結(jié)果,說明園區(qū)最優(yōu)報價帶來的效益。

圖6為以園區(qū)負荷邊際效用報價時的優(yōu)化結(jié)果。

圖6 園區(qū)邊際報價優(yōu)化結(jié)果Fig. 6 Optimal result of industrial park marginal bidding

當(dāng)以邊際效用報價時,由于園區(qū)負荷的邊際效用較高,因此報價較高,ISO始終將園區(qū)當(dāng)作負荷處理并以聯(lián)絡(luò)線最大功率供給電力,在此情況下,園區(qū)自身的優(yōu)化運行只能在接受主網(wǎng)供給的情況下進行,其優(yōu)化結(jié)果見表1。

表1 園區(qū)最優(yōu)報價和邊際效用報價Tab. 1 Industrial park optimal and marginal bidding

從表1可知,在以邊際效用報價時,園區(qū)在市場上始終作為負荷出清,因此自身的運行優(yōu)化受到限制,結(jié)果表明,與最優(yōu)報價時相比,園區(qū)的可控DG出力大幅減小,由5 978.02 kW·h下降為977.95 kW·h,這是由于大部分電力由主網(wǎng)供給,同時,可再生能源發(fā)電的消納能力也大幅下降,最優(yōu)報價的情況下,可再生能源發(fā)電能夠得到完全消納,而以邊際效用報價時,24 h的棄風(fēng)、棄光量達到了1 235.00 kW·h。

由于自身的優(yōu)化運行受到限制,在以邊際效用報價的情況下,園區(qū)的經(jīng)濟性也受到影響,相比最優(yōu)報價時,園區(qū)的總效用由1 572.33 USD下降為1 355.24 USD。

上述分析表明,園區(qū)通過報價來實現(xiàn)自身與主網(wǎng)的互動,在園區(qū)最優(yōu)報價的情況下,可以更好的實現(xiàn)自身的運行優(yōu)化,增強可再生能源的消納能力,并具有更好的經(jīng)濟性。

3.4 園區(qū)參與實時市場的作用

在本文的二階段市場模型中,園區(qū)參與日前市場和實時平衡市場,本節(jié)比較園區(qū)參與實時市場和不參與實時市場的優(yōu)化結(jié)果,說明該市場機制對園區(qū)運行的影響。園區(qū)參與實時市場的優(yōu)化結(jié)果見表2。

表2 園區(qū)參與實時市場的優(yōu)化結(jié)果Tab. 2 Optimal result of industrial park real time market

從表2數(shù)據(jù)可以分析,在參與實時平衡市場的情況下,園區(qū)有更大的調(diào)整裕度來出力可再生能源發(fā)電的波動性,因而將更多可再生能源發(fā)電電量在實時進行消納,而不參與實時市場時,在日前計劃時就偏向保守,將更多可再生能源發(fā)電量列入日前計劃。同時,參與實時市場可以更多的消納可再生能源發(fā)電的發(fā)電量,不參與實時市場時,可再生能源發(fā)電的消納量由3 671.25 kW·h下降為3 666.26 kW·h。

從可控DG出力的角度分析,由于不參與實時市場,因此總的可再生能源發(fā)電利用量減少,同時需要DG更多的調(diào)整來應(yīng)對出力的不確定性,因此可控DG的出力較參與實時市場更大。

參與實時市場對園區(qū)來說具有更好的經(jīng)濟性,因為此時園區(qū)具有更多的選擇,對于出力的波動,園區(qū)可以根據(jù)需要花費的支出來決策是調(diào)用自身備用資源處理出力偏差還是通過實時市場處理偏差,數(shù)據(jù)表明,參與實時市場的園區(qū)效用為1572.33 USD,大于不參與實時市場時的1 568.02 USD。

上述分析表明,園區(qū)參與實時市場有利于更好的消納可再生能源的發(fā)電量,并且具有更好的經(jīng)濟性。

4 結(jié)論

本文建立了日前市場和實時平衡市場的二階段電力市場出清模型,并建立了園區(qū)參與此市場的雙層優(yōu)化模型,通過最優(yōu)性條件對雙層模型進行處理,將其轉(zhuǎn)換成單層模型的MILP問題求解,并通過算例仿真分析了園區(qū)的最優(yōu)報價策略和運行優(yōu)化,主要結(jié)論如下：

1)在園區(qū)最優(yōu)報價決策下,園區(qū)能夠?qū)崿F(xiàn)對市場價格的響應(yīng),優(yōu)化自身運行,充分利用需求側(cè)資源,實現(xiàn)削峰填谷,實現(xiàn)與主網(wǎng)的友好互動。

2)園區(qū)通過報價實現(xiàn)與主網(wǎng)的互動,在最優(yōu)報價的情況下,園區(qū)能夠最大限度的優(yōu)化自身運行,提高經(jīng)濟性,并增強可再生能源消納能力。

3)園區(qū)參與實時平衡市場有助于增強園區(qū)應(yīng)對可再生能源發(fā)電波動的能力,提高可再生能源消納能力,提升經(jīng)濟效益。

附錄A

互補松弛條件：

附錄B

參考文獻

[1]江澤民.對中國能源問題的思考[J].上海交通大學(xué)學(xué)報,2008,42(3):345-359.JiangZemin.Reflections on energy issues in China[J].Journal of Shanghai Jiaotong University,2008,42(3):345-359(in Chinese).

[2]吳鳴,任學(xué)婧,周丹,等.新電改背景下產(chǎn)業(yè)園區(qū)供電系統(tǒng)容量優(yōu)化配置方法[J].電力系統(tǒng)自動化,2017,41(1):3-18.WuMing,RenXueqian,ZhouDan,et al.Optimal allocation method for capacity of power supply system in industrial park under new electricity market reform[J].Automation of Electric Power Systems,2017,41(1):3-18(in Chinese).

[3]王剛,孫文健,李歧強,等.基于魯棒后悔度的光儲微網(wǎng)優(yōu)化調(diào)度[J].電網(wǎng)技術(shù),2017,41(1):106-111.WangGang,SunWenjian,LiQiqiang,et al.Robust regret optimal scheduling of microgrid with PV and battery[J].Power System Technology,2017,41(1):106-111(in Chinese).

[4]梁子鵬,陳皓勇,王勇超,等.含電動汽車的微網(wǎng)魯棒經(jīng)濟調(diào)度[J].電網(wǎng)技術(shù),2017,41(8):2647-2656.LiangZipeng,ChenHaoyong,WangYongchao,et al.Robust economic dispatch of microgrids containing electric vehicles[J].Power System Technology,2017,41(8):2647-2656(in Chinese).

[5]朱蘭,嚴(yán)正,楊秀,等.計及需求側(cè)響應(yīng)的微網(wǎng)綜合資源規(guī)劃方法[J].中國電機工程學(xué)報,2014,34(16):2621-2628.ZhuLan,YanZheng,YangXiu,et al.Integrated resources planning in microgrid based on modeling demand response[J].Proceedings of the CSEE,2014,34(16):2621-2628(in Chinese).

[6]Nguyen DT,Le LB.Optimal bidding strategy for microgrids considering renewable energy and building thermal dynamics[J].IEEE Transactions on Smart Grid,2014,5(4):165-180.

[7]LiuG,XuY,TomsovicK.Bidding strategy for microgrid in day-ahead market based on hybrid stochastic/robust optimization[J].IEEE Transactions on Smart Grid,2016,7(1):227-237.

[8]WongS,Fuller JD.Pricing energy and reserves using stochastic optimization in an alternative electricity market[J].IEEE Transactions on Power Systems,2007,22(2):631-638.

[9]Arroyo JM,Galiana FD.Energy and reserve pricing in security and network-constrained electricity markets[J].IEEE Transactions on Power Systems,2005,20(2):634-643.

[10]邵成成,王錫凡,王秀麗,等.考慮風(fēng)電的電力聯(lián)營市場日前出清模型[J].電力系統(tǒng)自動化,2014,38(13):45-50.ShaoChengcheng,WangXifan,WangXiuli,et al.An electricity market clearing model for day-ahead pool market considering wind power[J].Automation of Electric Power Systems,2014,38(13):45-50(in Chinese).

[11]BouffardF,Galiana FD,Conejo AJ.Market-clearing with stochastic security-part I: formulation[J].IEEE Transactions on Power Systems,2005,20(4):1818-1826.

[12]BouffardF,Galiana FD,Conejo AJ.Market-clearing with stochastic security-part II: case studies[J].IEEE Transactions on Power System,2005,20(4):1827-1835.

[13]DaraeepourA,Kazempour SJ,Patiño-EcheverriD,et al.Strategic demand-side response to wind power integration[J].IEEE Transactions on Power Systems,2016,31(5):3495-3505.

[14]DaiT,QiaoW.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.

[15]Schweppe FC,Caramanis MC,Tabors RD,et al.Spot pricing of electricity[M].Springer US,1988:162-388.

[16]Wood AJ,Wollenberg BF.Power generation, operation, and control[M].J. Wiley & Sons,1996:689-742.

[17]Fortuny-AmatJ,McCarl B.A representation and economic interpretation of a two-level programming problem[J].The Journal of the Operational Research Society,1981,32(9):783-792.

甘宇翔1, 蔣傳文1, 白宏坤2, 王江波2, 楊萌2

1.電力傳輸與功率變換控制教育部重點實驗室(上海交通大學(xué) 電氣工程系),上海市 閔行區(qū) 200240

2.國網(wǎng)河南省電力公司經(jīng)濟技術(shù)研究院,河南省 鄭州市 450000

甘宇翔(1993),男,碩士研究生,主要研究方向為可再生能源發(fā)電、電力市場,E-mail：w12379564@sjtu.edu.cn;

蔣傳文(1966),男,通信作者,教授,博士生導(dǎo)師,主要研究方向為電力市場、主動配電網(wǎng),E-mail：jiangcw@sjtu.edu.cn;

白宏坤(1971),女,博士,主要研究方向為能源電力經(jīng)濟、電網(wǎng)規(guī)劃,E-mail：baihongkun @ha.sgcc.com.cn;

王江波(1985),男,碩士,主要研究方向為能源電力經(jīng)濟、電網(wǎng)規(guī)劃,E-mail：wangjiangbo@ha.sgcc.com.cn;

楊萌(1988),男,碩士,主要研究方向為能源電力經(jīng)濟、電網(wǎng)規(guī)劃,E-mail：angmeng7@ha.sgcc.com.cn。