考慮系統性風險的現貨市場雙邊報價交易機制與模型

杜 帥，豐玉帆

（國核電力規劃設計研究院有限公司 智慧能源設計中心，北京 100095）

0 引言

為了解決電力市場交易機制和市場化定價機制缺失等問題，自2015年起，我國陸續頒布了《關于進一步深化電力體制改革的若干意見》（中發〔2015〕9號）文件及多項改革配套文件，8個電力現貨試點地區全部完成整月結算試運行，標志著電力現貨市場建設真正進入實施時段［1］。然而，目前我國現貨市場采用的是“發電側報量報價，用戶側只報量不報價”的組織形式，這與美國PJM等大多數成熟電力市場“雙邊報價”的現貨市場模式存在一定區別［2—3］?！半p邊報價”的雙邊交易模式能夠為買賣雙方提供更多的選擇，有利于充分發揮市場供需關系決定市場價格的作用等方面具有得天獨厚的優勢［4］。研究適用于我國國情和電力系統現狀的現貨市場雙邊交易模型，對提高市場運行效率，完善市場交易機制具有重要意義。

目前，國內外已經開展了許多關于電力現貨市場雙邊交易的研究。針對以用戶側資源為主體的雙邊交易模式，文獻［5］提出了一種含智能樓宇參與的雙邊交易出清策略，以公平地平衡多方市場參與者之間的利益。針對以新能源為主體的雙邊交易模式，文獻［6］建立了孤島運行模式下微網系統雙邊市場交易模型，以確保系統安全高效的運行并降低能源成本。文獻［7］主要針對中長期電力市場中的雙邊交易，提出了考慮可再生能源滲透率影響的市場出清模型。

為了應對現貨市場雙邊交易合同靈活多變、匹配復雜等挑戰，文獻［8］中打造了基于區塊鏈的雙邊交易平臺。文獻［9—10］基于現貨市場和輔助服務市場，建立了考慮不確定性因素的買賣雙方報價的電力市場均衡模型，隨著新能源發電的大規模并網和電力市場的進一步開放，越來越多的虛擬電廠、負荷聚合商將會加入到市場競爭的行列。這些新型市場主體組織運行框架靈活多變且缺少市場交易經驗，市場波動較大時將面臨較高的交易風險。

在此背景下，本文提出了一種考慮系統性風險的現貨市場雙邊交易模型。首先設計了買賣雙方雙邊報價的現貨市場雙邊交易機制，然后基于CoVaR模型提出了現貨市場雙邊交易機制系統性風險的度量方法，并構建了風險規避的雙邊交易出清模型，最后通過算例模擬分析不同雙邊交易模型下電力市場的運行結果和系統性風險，驗證了該模型的有效性。

1 現貨市場雙邊交易機制設計

1.1 雙邊交易的組織框架及流程

雙邊交易的組織框架如圖1 所示。首先，市場中的購售電雙方需將交易信息上報至配電網運營商。隨后，配電網運營商作為系統管理者，依據交易主體的申報信息依次通過潮流優化、安全約束校核以及交易匹配3 個步驟進行出清。最后，由配電網運行商調度運行交易結果，并由市場監管中心進行金融合同交割。

圖1 現貨市場雙邊交易Fig.1 Bilateral offer transaction of spot market

1.2 報價方式對比分析及建模

“單邊報價”的報價形式為用戶側只需申報負荷功率預測曲線，而對意愿購電價格不進行申報，發電側申報預計發電功率曲線及意愿售電價格?！半p邊報價”與“單邊報價”的不同之處在于它能夠提供一個公平競爭的市場環境，買賣雙方之間的關系變為一種供給和需求的平等關系，是一種生產者與消費者之間平等的網狀信息交流模型［11］。兩種報價方式在組織模式和技術手段等方面均具有一定的區別。

1.2.1 傳統發電商報價模型

傳統火力發電商的發電成本函數為

式中:ai、bi、ci分別為第i個傳統發電商的成本系數；Ptp,i,t為第i個傳統發電商在t時段內的發電功率。

傳統發電商i的邊際成本Mtp,i,t可以表示為

發電商i以自身的收益期望最大化為目標采用線性策略報價，則其報價的計算公式為

式中:ki,t為第i個傳統發電商在t時段的報價策略的系數。

傳統發電商報價模型的約束條件主要包含價格上下限約束、出力約束和爬坡約束，表示如下

式中:πmin、πmax分別為雙邊市場交易發電商報價的下限值和上限值；Ptp,i,min、Ptp,i,max分別為傳統發電商i出力的下限值和上限值；ri,down、ri,up分別為傳統發電商i的向下、向上爬坡速率。

1.2.2 新能源發電商報價模型

新能源發電商是由光伏、風機、儲能甚至負荷聚合商組成的虛擬電廠機組，在參與市場報價時，往往需要考慮內部分布式能源的發電、儲能運營損耗及需求響應等成本的綜合邊際成本，以及新能源發電的不確定性和運行條件約束。文獻［12］對新能源發電商的邊際成本模型構建進行了詳細的研究，假設新能源發電商的報價函數采用線性策略報價的形式

式中:kre,i,t為第i個新能源發電商在t時段的報價策略的系數；are,i,t、bre,i,t分別為第i個新能源發電商在t時段的綜合邊際成本系數；Pre,i,t為第i個新能源發電商在t時段內的發電功率。

新能源發電商報價模型的約束條件主要包含價格上下限約束、出力約束和新能源消納比例約束，表示如下

式中:Pre,i,t,max為新能源發電商i在t時段內出力的下最大值；rcon為系統一個交易周期內新能源發電商棄風、棄光功率的最大占比；T為市場出清的總時段數。

1.2.3 用戶側報價模型

隨著用戶側用電量的增加，其用電損耗、輸電成本也會增加，假設用戶側的用電成本函數Cu,i,t( )Pu,i,t為

式中:au,i、bu,i、cu,i分別為第i個用戶的用電成本系數。

根據式（11）對用戶側的用電成本曲線進行線性化處理，將用戶側的用電功率劃分為m段，每段斜率K1、K2…Km為分段用電成本曲線微增率。因此第i個用戶的用電成本可線性化表征，第j段用電成本可表示為

在此基礎上，通過分段用電成本函數對功率進行求導，當用電功率在［Pu,j,Pu,j+1）之間時，用戶i分段邊際成本價格為

用戶側在考慮自身用電成本的基礎上，所獲得的經濟效益是其制定報價策略的內在驅動力。與發電商的報價策略類似，用戶側基于成本-效益分析進行報價，其申報價格的表達式為

式中:ku,i,t為用戶i期望的用電成本率。

2 考慮系統性風險的雙邊交易模型

2.1 基于CoVaR 的系統性風險指標構建

在可再生能源參與電力市場交易的背景下，現有研究常采用VaR和CVaR指標評估新能源發電商的交易風險，但這兩個指標僅限于評估可再生能源的不確定性對新能源發電商內部自身潛在的風險。評估的結果并不一定反映其對整個市場的財務風險的影響，也不能反映其與其他市場參與者的聯系。相比之下，CoVaR被廣泛應用于測度金融市場陷入困境時單個主體對于整個市場體系的風險貢獻程度，用以刻畫系統性風險的整體水平和市場主體間的風險傳染效應［13］。

2.1.1 風險價值VaR

VaR表示在一定的置信水平q下，投資組合可能在未來發生的最大損失，令隨機變量X表示資產收益率，則定義VaRq,i為收益率X的q分位數，如式（15）所示

雙邊市場和市場參與者的VaR可以表示為

式中:Rtp,i、Rre,i分別為傳統發電商和新能源發電商的預期收益；Ru,i為用戶側的預期收益。

2.1.2 條件風險價值

由于VaR存在尾部風險，常采用CVaR作為風險度量方法，CVaR是指投資組合的損失超過某給定VaR的條件均值［14—15］，如式（20）、式（21）所示

式中:z為損失值；FX為累積概率函數。進而，雙邊市場和市場參與者的CVaR可以表示為

2.1.3 系統性風險價值CoVaR

為了描述系統發生“故障”的連鎖效應，我們將雙邊交易的系統性風險定義為在市場參與者發生困境事件C(ri)時對現貨市場造成的風險VaRq，表示為CoVaRq,sys|C(ri)。雙邊交易市場的風險和單個市場參與者的風險之間的關系可以表示為

此外，采用邊際CoVaR表示當市場參與者發生困境事件(ri=VaR

q,ri)和處于中位狀態(ri=VaR0.5)相比時市場風險的變化，用來衡量市場參與者對市場體系風險的影響程度，及其系統性風險，如式（27）所示

其中，一般情況下Medianri=VaR0.5。

只要現貨市場的VaR和市場參與者的VaR之間的相關性可以公式化，就能夠獲得CoVaR和ΔCoVaR。分位數回歸法是一種高效、穩健的度量方法［16］，本文采用這種方法來估計CoVaR，CoVaR的q分位數線性回歸模型可以表示為

進而通過式（27）得到

2.2 風險規避的雙邊交易出清模型

現貨市場雙邊交易的出清以社會福利最大化為優化目標，則考慮系統性風險出清模型的目標函數包含2部分內容-式中:第一部分為整體社會效益；第二部分為系統性風險指標；αu,i,t為用戶側雙邊交易是否中標的布爾變量，αu,i,t∈{0，1}；αtp,i,t、αre,i,t分別為傳統發電商和新能源發電商雙邊交易是否中標的狀態變量，可以僅中標部分電量αtp,i,t∈［0，1］，αre,i,t∈［0，1］；L為風險偏好系數，表示市場對風險與收益的權衡情況。

傳統發電商i和新能源發電商i在雙邊市場中的收益Rtp,i和Rre,i分別為

用戶i的預期收益Ru,i為

綜述可得，考慮系統性風險的現貨市場雙邊交易模型的目標函數為式（31），約束條件為式（4）—式（6），式（8）—式（10），式（13）—式（19）。文獻［17］詳細介紹了如何處理市場出清模型的非線性問題及模型的求解方法，在此不再贅述。

3 算例分析

本文選取包含3個傳統發電商、2個新能源發電商及3個用戶側負荷聚合商參與的雙邊交易系統進行算例驗證。

3.1 算例數據

新能源發電商RE1 和RE2 由風機及儲能系統組成，總裝機容量分別為200 kW和300 kW，各傳統發電商及新能源發電商的經濟參數分別如表1和表2所示。用戶側的分段邊際成本如表3所示。

表1 傳統發電商的經濟參數Table 1 Economic parameters of traditional power producers

表2 新能源發電商的經濟參數Table 2 Economic parameters for renewable energy generators

表3 用戶側分段邊際成本Table 3 Segmented marginal cost of the user side

3.2 系統性風險分析

綜合考慮風機、儲能模型，計及風力發電機出力及負荷需求的不確定性，采用拉丁超立方采樣技術產生1 000個交易日的樣本。在不考慮系統性風險指標的條件下計算每個交易日的雙邊交易出清結果，得到所有市場參與者的收益情況。進而采用分位數方法來計算各個市場參與者的待估參數，如表4所示，取q=0.05。

表4 參數估計結果Table 4 Parameter estimation results

通過將參數估計結果代入分位數回歸式（29）、式（30）得到相應的估計式，進而采用樣本分位數計算得到每個市場參與者的ΔCoVaR，并按照單位功率進行歸一化處理，如表5所示。

表5 各市場參與者歸一化的ΔCoVaRTable 5 Normalized ΔCoVaR of each market participant

通過表5 對比各個市場參與者的系統性風險，可以看到用戶側U1的風險評估的質量最高，新能源發電商RE1的風險評估的質量最低，市場運營機構可以對已識別的低質量市場參與者進行監管。

3.3 考慮系統性風險的小規模市場出清結果

隨機選取一個交易日的場景分別采用不包含風險度量指標的出清模型以及包含2.1小節中的3種不同風險度量指標的出清模型進行對比分析。其中風險偏好系數L的取值為0.2。配電網運營商以社會福利最大化為目標進行出清，得到4種方案下該交易日24個交易時段的出清價格如圖2所示?？傮w上，各個出清模型的出清電價較為穩定，基本在0.30～0.45元∕kWh上下浮動，說明考慮系統性風險的出清模型并不會對電力市場的運行造成不良干擾。

圖2 市場出清電價Fig.2 Market clearing price

不同方案下各個發電商的中標情況分別如圖3至圖6所示。通過對比考慮系統性風險時的出清情況（圖3）和未考慮風險價值的出清情況（圖6），可以看到，采用本文所提的出清模型時，邊際系統性風險較高的傳統發電商TP2和新能源發電商RE1的出清電量均有所下降。圖4中系統性風險較高的新能源發電商RE1 的出清份額相比于未考慮條件風險價值時更高了，而風險較低的新能源發電商RE2的出清份額反而有所減少。圖5中的出清結果中也出現了這種情況，由此說明，考慮條件風險價值或風險價值作為度量指標的方案并不能很好的識別各個機組的系統性風險。盡管新能源發電商RE1和RE2的系統性風險均大于傳統發電商TP2，但RE1 的出清份額下降了1%，RE2 的出清份額保持不變，而TP2 的出清份額卻降低了4%。這是由于新能源發電商的報價較低，在經濟成本方面具有優勢，說明該出清模型能夠在對具有較高系統性風險的參與者進行判別的同時仍保持市場運行的經濟性。

圖3 考慮系統性風險時發電商的日出清份額Fig.3 Clearing share of generators with considering systemic risk

圖4 考慮條件風險價值時發電商的日出清份額Fig.4 Clearing share of generators with considering conditional risk

圖5 考慮風險價值時發電商的日出清份額Fig.5 Clearing share of generators with considering systemic risk

圖6 未考慮風險價值時發電商的日出清份額Fig.6 Clearing share of generators without considering systemic risk

不同情況下用戶側的購電成本如表6所示。相比于未考慮風險價值的方案，在考慮系統性風險的出清模型下，用戶側的購電成本基本維持不變，只有系統性風險最高的用戶側聚合商U2 的購電成本增加了2.18%，說明該出清模型會增加系統性風險較高的市場參與者的購電成本，而對其他參與者的影響較小，能夠有效對已識別的高風險市場參與者進行管理。

表6 用戶側日購電成本Table 6 Daily cost of electricity on the customer side元

3.4 考慮系統性風險的大規模市場出清結果

為了驗證該機制在大范圍多發電商、多用戶參與大規模市場交易情況下的適用性，基于文獻［18］中的最優潮流計算方法在改進的IEEE33 節點系統進行驗證。同時考慮系統性風險價值相比于考慮條件風險價值和風險價值的優越性已在上一小節中進行討論，故不再贅述。如圖7所示，其中6個新能源發電商分別部署在8、10、17、22、24、33號節點，4個傳統發電商分別部署在1、5、12、27號節點，6個購電商分別部署在6、7、19、23、29、31號節點。通過3.2小節的方法對16個市場參與者進行系統性風險分析，參數估計結果如附錄A 中表A1 所示，每個市場參與者的ΔCoVaR如表7所示。

表A1 參數估計結果Table A1 Parameter estimation results

圖7 IEEE33節點系統Fig.7 IEEE33 node system

表7 市場參與者歸一化的ΔCoVaRTable 7 Normalized ΔCoVaR of each market participant

選取同一個交易日場景分別采用不考慮系統性風險的出清模型和考慮系統性的出清模型進行對比分析。各個發電商的出清份額如圖8所示。相比于不考慮系統性風險的市場出清機制，在計及CoVaR的市場出清機制下，新能源發電商RE2、RE5以及傳統發電商TP1的出清電量呈下降趨勢。這是由于這3 個發電商的ΔCoVaR較大，容易對整個市場的穩定運行造成影響。ΔCoVaR較小的RE3、RE4和TP2則獲得了更大的市場出清份額。

圖8 發電商的市場出清電量Fig.8 Market clearing capacity of generators

發電商的市場收益情況如圖9所示。通過對比圖8和圖9可以發現整體上市場出清電量更多的發電商獲得的市場收益更大。且在考慮系統性風險的市場出清機制下ΔCoVaR較小的發電商能夠獲得更多的出清電量，它們的收益也隨之增加。ΔCoVaR較大的發電商則獲得的出清份額降低，收益也隨之降低。同時，對比RE1和RE2在兩種機制下的出清情況可以發現，雖然RE2 比RE1 交易了更多的電量，但其獲得的收益卻要小于RE1。在2種市場出清機制下TP4 的出清電量幾乎一樣，但在本文所提的方案下其獲得的市場收益更高。由此說明了考慮系統性風險的市場出清機制能夠對發電商的性能進行評估，使優質的發電商獲得更多的出清份額，并提高他們的經濟收益。而對存在金融風險、容易對系統構成威脅的發電商，則降低他們的出清份額，并且需要他們承擔更高的交易成本。2種市場出清機制下的購電商的購電成本如表8所示。

圖9 發電商的市場收益Fig.9 Market revenue of generators

表8 購電商的成本Table 8 Daily cost of electricity of power purchasers元

與發電商的情況類似，在考慮系統性風險的出清機制下ΔCoVaR較高的購電商U2和U4的購電成本分別提高了11.8%和13.1%。ΔCoVaR較低的購電商U5 的購電成本降低了10%。由此說明該機制能夠很好地識別市場參與者的風險大小，通過對他們的交易情況進行調整，風險較小的參與者獲得更高的利潤，風險較大的參與者需要承擔更多的責任，使每個市場參與者獲得更公平的出清結果。

為了驗證該機制的抗風險能力，通過算例設置使新能源發電商RE5 在該交易日存在一個1 MWh的電量缺額，對比不同市場出清機制下的整體社會福利，如表9所示。在正常情況下，采用考慮系統性風險的出清機制能夠使社會福利提升4.2%。同時，當RE5發生電量缺額時，在未考慮系統性風險的市場出清機制下，整體社會福利降低了28.8%。而采用本文中所提的出清機制下，整體社會福利僅降低了13.3%。說明該機制能夠有效降低市場參與者對電力市場造成的經濟損失。

表9 不同機制下的整體社會福利Table 9 Social welfare under different mechanisms元

4 結論

本文在現貨市場雙邊報價出清模型的基礎上，考慮市場參與者對電力市場的風險溢出效益，建立了市場參與者的系統性風險指標，面向市場管理者研究了風險規避的市場出清模型，得到如下結論。

（1）在電力市場中引入系統性風險指標，能夠有效衡量各個市場參與者陷入困境時對整個市場的影響程度，有助于市場管理者進行風險評估和監管，避免發生嚴重的電力功率缺額和金融虧損事件，在一定程度上有利于增加社會福利。

（2）在雙邊報價的現貨市場中采用風險規避的出清模型，能降低具有高系統性風險參與者的出清份額，提升市場的安全性，提高了交易公平性，使高風險的參與者承擔較高的成本，保護參與者的經濟利益不受損害。

本文未來研究的重點在于考慮多個市場參與者之間競標的相互作用關系，如何度量系統性風險中的耦合性，以及市場金融風險與市場力監管的協同優化問題。D