基于電力金融衍生品含獨立儲能的容量市場出清方法

左永濤，韓冬，魯卓欣

基于電力金融衍生品含獨立儲能的容量市場出清方法

左永濤，韓冬，魯卓欣

（上海理工大學 電氣工程系，上海 200093）

純能量市場價格的劇烈波動會導致發電企業難以回收投資成本，同時收益損失風險將會降低發電企業投資新建機組的意愿。以電力金融衍生品為交易工具，提出了一種基于多代理系統的電力容量市場出清方法。首先，搭建以多代理系統為基礎的容量市場架構，確保各市場參與者之間相互協調共同完成容量市場出清；然后，針對不同市場參與者分別建立以社會福利最大化為決策目標的經濟調度模型，建立以風險最小化、收益最大化為決策目標的用戶風險評估模型以及容量供應商風險評估模型；最后，通過調整容量市場中不同容量供應商的裝機容量和金融衍生品的交易量來滿足供需平衡并降低自身風險，使市場達到均衡。以某容量市場相關數據對所提出的模型進行算例仿真。計算結果表明，引入金融衍生品的容量市場出清方法可鼓勵包含獨立儲能的容量供應商投建更多機組，從而保證了容量充裕性；但在改善不同容量供應商風險時存在非對稱影響，即會使容量出清組合朝著固定投資成本低、運行成本高的峰荷機組傾斜。

新型電力系統；電力市場；容量市場；多代理系統；金融衍生品；獨立儲能

0 引言

隨著電力體制改革的不斷深化、電力能源結構綠色轉型步伐加速，構建以新能源為主體的新型電力系統成為實現“雙碳”戰略目標的重要舉措[1,2]。電力市場作為能源資源優化配置的重要平臺，將在促進可再生能源發展、支撐“雙碳”目標落實中發揮重要作用。然而，目前的電力市場交易存在電價上限受限等問題，導致常規發電機組普遍出現固定投資成本難以回收等現象[3]。電力系統發電容量充裕度不足，將導致電力長期平穩供給難以得到保障[4]。因此，需要建立合理的電力容量市場來確保發電容量的充裕性[5]，進而保障能源供應安全。

容量市場作為一種有效的發電容量充裕性保障機制，在國際上多個國家和地區得到推進實施。美國PJM（Pennsylvania-New Jersey-Maryland，PJM）容量市場采用基于可靠性定價模型的多重拍賣機制，加強了市場的準入管制，有效引導了發電容量建設[6]。英國的容量市場由容量定額、資格及拍賣、交付等5個階段構成，且政府部門通過市場引導容量定額和交付這2個階段來實現完全市場競爭[7]。

在國內，針對電力容量市場的建設已有了相關的研究。有文獻認為，為了滿足多政策目標調控需要以及能源轉型發展的需要，應通過搭建引入能源發展約束的出清模型，建設兼顧保障供給安全、推動綠色轉型的容量市場機制[8]；針對發電機組擱置成本的補償問題，可借鑒不同容量市場的市場模式和交易機制，結合實際設計我國電力容量市場的分階段發展規劃[9]。上述文獻所采用的模型與方法都具有一定的先進性，但大多側重于研究容量市場整體機制在保障容量充裕性方面的作用，對于容量市場機制下市場參與者自身風險管控方面的研究還不夠深入，且關于刻畫容量市場中不同主體之間交互性方面的研究有待進一步完善。

在能源結構低碳轉型趨勢下，儲能可為新型電力系統提供容量支撐，其在保障發電容量充裕性容量方面的價值凸顯。儲能的容量價值不僅與儲能電池的放電持續時間有關[10]，還受到有效荷載能力等評價指標的影響[11]。儲能的容量支撐能力可根據系統電源結構與負荷曲線確定。修改儲能的容量降級因數可反映不同時長儲能的容量可用性[12]。相關研究反映出了儲能所具有的容量價值，但是獨立儲能電站作為容量供應商參與容量市場在保證容量充裕性方面的研究還不夠深入。

為模擬不同市場主體參與下容量市場的出清過程、解決含獨立儲能接入的電力系統容量充裕性問題，本文提出一種以電力金融衍生品為交易工具的基于多代理系統框架的容量市場出清模型，并且分析相關電力金融衍生品給容量市場帶來的風險抑制作用。首先，建立以社會福利最大化為決策目標的經濟調度模型，確定機組出清容量以及金融合同出清價格；然后，分別建立用戶風險評估模型以及容量供應商風險評估模型，以條件風險價值（Conditional value at risk，CVaR）和市場交易均衡度共同作為風險評估指標來評價自身風險，通過不斷調整市場參與者之間的交易量和交易方式使市場交易達到均衡狀態。最后，對上述模型進行仿真分析，驗證所提方法的有效性及合理性。

1 基于多代理系統的容量市場架構

基于多代理系統建立以電力金融衍生品為交易工具的容量市場出清模型。

將發電容量視為電力商品，通過市場競爭發現價格，以較穩定的收入鼓勵容量供應商投資新建機組，保障電力系統發電容量充裕性。

容量市場出清方法：額外采用2種金融合同作為交易工具，以發電容量作為金融合同的標的物，市場成員之間通過簽訂合同來完成交易從而確定出清容量。

容量市場的交易流程如圖1所示。圖1中，流程大致可分為能量市場和容量市場2個階段。

圖1 容量市場交易流程

能量市場部分。包含信息申報和能源價格出清。本階段產生的能源價格和執行價格會傳遞給容量市場階段用于制定金融合同的結算價格。

容量市場部分。包含金融合同定價、容量出清以及風險評估。

本文重點圍繞容量市場的容量出清過程以及市場參與者的風險評估展開建模仿真研究。

目前，多代理系統被廣泛應用于電力系統相關領域的研究中。代理（Agent）成員之間相互協調，共同完成一個任務，具有社會性、自主性等特點[13]。引入多代理系統能夠更加清晰地模擬市場主體的行為：一方面，代理成員按照自身的決策目標自主完成優化任務，體現其自主性；另一方面，代理成員會根據優化結果傳遞信息，共同完成容量市場出清這一最終任務，體現社會性。

容量市場的參與主體主要包括系統運營商、用戶以及容量供應商。容量供應商包含峰荷機組（如燃氣機組）、基荷機組（如核電機組）以及獨立儲能電站。獨立儲能不與火電、風電、光伏等電源以聯合體形式參與容量市場交易。這些機組都能為系統提供可靠容量，但是其成本特性各不相同。本文按照運行成本和固定成本將容量供應機組劃分為不同種類，重點研究其成本特性給容量市場出清結果帶來的影響，適當忽略機組本身所具有的其他特性。市場參與者基于特定的市場規則尋求自身決策最優，且通過協調形成容量市場整體的交易結果。

基于多代理系統的容量市場出清框架如圖2所示。圖2中描述了以2種金融合同為交易工具的容量市場當中主要代理的作用以及相互之間的交互。

1）系統運營商代理。通過構建經濟調度模型，以社會福利最大化為決策目標，統籌規劃容量市場出清情況。根據用戶代理提供的負荷需求信息，確定容量需求曲線，安排機組出力計劃；將能量價格反饋給用戶代理和容量供應商代理，確定以容量為標的物的不同金融合同價格，為下一步用戶代理以及容量供應商代理的風險評估決策提供參考信息。

2）用戶代理。通過構建用戶風險評估模型，評估用戶代理自身損失風險。向系統運營商代理上傳的負荷需求信息，被用于確定容量曲線。從系統運營商代理獲取價格信息，與容量供應商代理通過2種金融合同工具進行交易；與容量供應商代理協調交易容量，通過反復迭代消除買賣合同交易容量之間的不平衡，使容量市場交易達到均衡，且不斷降低自身損失風險。

3）容量供應商代理。通過構建容量供應商風險評估模型，評估容量供應商自身損失風險。從系統運營商代理獲取機組出力信息，提供輸出功率滿足電力供需平衡。從系統運營商代理獲取價格信息，與用戶代理通過2種金融合同工具進行交易；與用戶代理交互交易容量信息，不斷調整容量交易量使容量市場達到均衡，且不斷降低自身損失風險。

圖2 基于多代理系統的容量市場出清框架

2 容量市場出清模型

2.1 經濟調度模型

經濟調度（Economic dispatch，ED）是電力系統中的常見問題之一，其決策目標是在滿足各種約束的情況下，確定市場中所有機組的出力來滿足總負荷需求，使社會福利最大化。用于確定出清價格即金融合同定價的能源價格來源于經濟調度模型的約束式所對應的對偶解。

經濟調度模型,r,s表示了給定情景下，考慮燃料成本、發電機和獨立儲能電站容量可用性以及負荷需求情況時的總盈余。

由于容量市場出清是一個中長期時間尺度的最優決策問題，故本文可簡化獨立儲能電站代理的實時動態特性。假定獨立儲能電站代理采用固定的“一充一放”運行模式，即在24 h內的充放電時間段固定不變且總時長為L1，充電功率和放電功率也固定不變且分別為c和dc。所有不同類型的機組在容量市場中出清的是裝機容量，而不是輸出功率，每個時刻的輸出功率需滿足不大于機組本身的裝機容量即可。

式（1）由非價格響應需求的線性項、價格響應需求的二次項、發電機發電成本和獨立儲能電站盈利的線性項構成。

式（3）表示了獨立儲能電站向系統提供容量時的實際等效功率。

2.2 金融合同定價

文中使用的期權合同與電力市場中單向差價合約中的賣方差價合約類似。

期權合同的結算價格由能量市場階段產生的能源價格與容量市場階段制定的執行價格共同制定。中期貨合同的結算價格也需要這2個參數來制定。

文中采用的期貨合同與電力市場中雙向差價合約類似，合同價格即為結算價格。與期權交易不同的是，期權賦予買方享有買進能源的權利，但不負有必須買進能源的義務；而期權賣方卻只負有當買方選擇履行期貨合同時賣出相應合同數量的義務。在期貨交易中，期貨合同雙方都擁有相同的權利和義務。

2.3 市場參與者風險評估模型

2.3.1 用戶風險評估模型

本文將容量市場中的所有用戶整合為一個總代理，即假設只有唯一的用戶代理。作為容量供應商的常規發電機組代理和獨立儲能電站代理也做類似的處理。

用戶風險評估模型以自身收益最大且風險最小為目標函數，采用CVaR作為風險度量指標。具體用戶代理模型如下：

用戶代理的風險評估模型用于計算條件風險價值與預期盈余的凸組合并減去市場參與者買賣合同之間的交易數額的不平衡程度。當容量市場中的金融合同的交易量完全平衡時，式（11）中的第三項必須等于零。式（12）表示出了用戶購買電力能量和容量的總支出。式（13）和式（14）規定了計算CVaR的輔助變量的取值范圍。式（15）規定了每份金融合同的交易數額范圍。

2.3.2 常規發電機組風險評估模型

常規發電機組風險評估模型以自身收益最大且風險最小為目標函數，采用CVaR作為風險度量指標。

具體常規發電機組風險評估模型如下所示。

式（16）表示了考慮CVaR情況下計算常規發電機組的自身風險狀況。式（17）表示了常規發電機組的總剩余。式（18）和式（19）規定了計算CVaR所使用的輔助變量的取值范圍。式（20）規定了每份金融合同的交易數額范圍。

2.3.3 考慮容量衰減的獨立儲能電站風險評估模型

為反映儲能在全壽命周期內的運行狀態變化，當容量供應商是獨立儲能電站時，還要考慮儲能電池容量衰減。為此，在計算實際的運營利潤時需用τ乘以總裝機容量。τ表示獨立儲能電站的容量衰減系數，其在數值上等于電池容量狀態OH()。

1）考慮容量衰減的電池健康狀態。

儲能電池會在其工作周期內出現額定容量不斷衰減的情況。獨立儲能電站代理作為容量供應商時需要對電池容量損耗進行計算[15]。儲能電池的容量衰減與循環次數、運行溫度等因素相關。由于儲能電站一般有相應的有效控溫裝置[16]，因此本文只考慮電池充放電深度及循環次數對儲能電池額定容量衰減的影響[17]。

通過文獻[18]中的實驗測試可得出，儲能電站使用的電池的容量狀態與循環次數的關系如下：

式中：DOD、DOD、DOD分別為不同充放電深度下一次項、二次項和三次項的擬合系數；為該類型電池的充放電循環次數；OH,DOD為不同充放電深度下電池的容量狀態。

根據雨流計數法[19]，計算儲能電池OH。電池第年的額定容量通過計算得到如下關系：

式中：x為儲能電池的額定容量；OH()為電池容量狀態。

2）獨立儲能電站風險評估模型。

獨立儲能電站代理的風險評估模型與常規發電機組代理類似，主要區別在于考慮了儲能的容量衰減特性。獨立儲能電站代理用表示，其風險評估模型為：

2.4 模型求解

圖3 模型求解流程

3 算例分析

3.1 參數設置

本文選取PJM電力市場中某區域的數據進行算例分析[20]。

參與市場的容量供應商各類機組的固定投資成本分別為峰荷機組5萬美元/MW、基荷機組 35萬美元/MW和獨立儲能電站50萬美元/MW。對于不同機組每個時間段內的容量可用性設置為90%。本文在容量市場中引入了執行價格為 1 000美元/MW的看漲期權合同和執行價格為 50美元/MW的期貨合同[20]。

本文分別設置5個運行成本場景和5個需求場景。

=1表示基荷機組，=2表示峰荷機組。表示獨立儲能電站。=1表示期權合同，=2表示期貨合同。市場均衡度設置為0.1。風險達標值設置為0.1。

獨立儲能電站：在電價峰時段放電，功率為50 MW，時間段為08:00至20:00，電價為188美元/MW·h；在電價谷時段充電，功率為60 MW，時間段為20:00至次日上午08:00，電價為50美元/MW·h。1 d內的充放電時長相等均為6 h。

獨立儲能電站采用磷酸鐵鋰電池作為儲能電池。表1展示了其不同充放電深度對應的擬合系數。鑒于本文只考慮未來1年獨立儲能電站作為容量供應商為系統提供容量的能力，故儲能電池的容量衰減情況僅計算至第1年末。結合表1，由本文計算方法可得儲能電池的容量衰減系數為98%。

表1 不同充放電深度對應的擬合系數

本文所建的容量市場出清模型都是通過使用MATLAB調用Gurobi求解器進行求解。

3.2 算例結果分析

本文采用2個簡單的情景測試來說明引入不同金融合同對容量市場中的容量組合產生的非對稱影響。這種非對稱影響是指容量供應商在對不同種類機組的投資行為中，由于受不同金融合同定價機制和機組自身成本特性的共同影響，導致其潛在損失和潛在收益的分布不平衡，進而影響出清容量組合的流向。

情景一。包含固定投資成本較高且運行成本較低的基荷機組以及固定投資成本最低且運行成本最高的峰荷機組參與容量市場；市場參與者風險態度設置為風險偏好型。

情景二。包含固定成本最高且運行成本最低的獨立儲能電站以及峰荷機組參與容量市場；市場參與者風險態度設置為風險厭惡型。

文中采用權重為盈余期望值和權重為1–的盈余級尾部系數的CVaR來表征市場參與者對待風險的態度。當設置為較高的值時，表示該市場參與者對風險交易有著較大的偏好；反之則表現出對風險交易的厭惡。

在現實環境中，系統運營方對市場參與者的風險態度的影響能力有限，因此文中的研究結果更關注于風險交易給容量市場帶來的沖擊；所以，在選擇的值時，不一定完全匹配現實市場參與者的風險態度，而是為市場的風險交易提供一個清晰的說明。

情景一容量市場中每種交易案例出現的容量組合以及金融交易量如表2所示。假設將所有市場參與者的風險系數設置為=0.6，即市場參與者對風險的態度都表現為風險偏好型，其追求高風險高回報的投資方式。結合表2，由上述容量市場出清模型可求出當社會福利最大化時，容量最優組合包括89.5 GW的基荷機組以及77.6 GW的峰荷機組。

表2 情景一容量市場的交易出清仿真結果

任意一種不完全交易將會導致整體容量資源的不足，不利于保障電力市場容量充裕度。在僅有期權合同的交易案例中，容量組合明顯地向峰荷機組傾斜。在僅有期貨合同的交易案例中，容量組合中的一部分則向基荷機組轉移。

為了實現接近完全交易理想的均衡，必須引入2種金融交易合同。由表2可知，在引入2種金融合同的交易案例中，峰荷機組更傾向于賣出期權，總共出售了78 GW的期權合同，而期貨合同只有1.2 GW。在這個案例中，基荷機組卻表現出了相反的偏好：在沒有期權合同達成交易的同時賣出了80.4 GW的期貨合同。

獨立儲能電站固定投資成本遠大于峰荷機組，但其運行成本則比峰荷機組和基荷機組都要低。二者之間的對比，加強了峰荷機組作為固定投資成本低運行成本高的屬性，故可以此驗證完整風險交易給容量市場帶來的影響。將所有市場參與者風險系數更新為=0.4，即所有市場參與者對風險的態度表現為風險厭惡型，這些市場參與者偏好于具有低風險的投資行為。

情景二容量市場中每種交易案例出現的容量組合以及金融交易量如表3所示。由表可知，當引入2種金融合同時，完整的風險交易使容量組合達到最優，包括79.6 GW的儲能電站容量以及60.7 GW的峰荷機組容量。這與情景一的結果表現出一致性：完整的風險交易使整體的容量增加，保證了容量的充裕性，但是2種金融合同的引入使容量組合朝著固定投資成本低，運行成本高的峰荷機組傾斜。

表3 情景二容量市場的交易出清仿真結果

風險交易具有高風險、高收益的特性，其本身的未來價值具有很大的不確定性，且投資者的風險投資不可逆，故較低的風險系數值會影響容量供應商的投資決策。在較低風險系數值以及較高成本等因素的共同作用下，表3中的完整交易的總容量較表2略顯不足；但每種容量供應機組都更偏好于選擇與其風險狀況一致的金融合同。

風險與收益并存。風險越高則盈余期望值越高。不同容量供應商會選擇出售能夠帶來更高收益的金融合同種類，所以不同容量供應商與不同金融合同之間存在著風險一致性。

圖4中顯示了不同需求與運行成本場景下，在2種合同都引入容量市場交易的交易案例中期權合同每千瓦的支付情況。圖中，橫、縱坐標分別按場景運行成本和需求數值從小增大的場景排列。支付結構和風險狀況之間的一致性導致峰荷機組的投資者在2種合同都可用時更加偏好于期權合同而不是期貨合同，所以期權支付與峰荷機組具有風險的一致性。

圖4 期權支付與峰荷機組面臨風險的一致性

圖5顯示的是在2種合同都可用情況下，期貨合同容量每千瓦的支付情況。圖中，橫、縱坐標分別按場景運行成本和需求數值從小增大的場景排列。圖中出現了基荷機組出售期貨合同的價格為負值的現象，其背后的含義是：生產電能的成本已經超出了電能本身的價格，基荷機組此時出售期貨合同會造成自身的收益損失。

支付結構和風險狀況之間的一致性導致基荷機組的投資者往往更傾向于選擇期貨合同而不是期權合同，所以期貨支付與基荷機組具有風險的一致性。

從金融合同種類、交易容量組合等多角度比對性地分析容量供應商的風險狀況：

圖5 期貨支付與基荷機組面臨風險的一致性

圖4和圖5中交易情況的差異性進一步反映了不同種類容量供應商對于風險承擔的態度：由于投資期望與風險成正比，為了改善各自的風險狀況，每種容量供應商都會更傾向于選擇出售對其有利的金融合同種類。

如表2中所示，在單種金融合同引入后，均衡會向著風險狀況更好的容量供應資源轉移，因此可以更好地平衡交易風險。對比來看從無交易到僅有期貨合同引入容量市場的情況，基荷機組容量從76 GW增長到89.1 GW，這種增長符合其風險偏好。而從無交易到僅有期權合同引入情況的變化中，風險交易的影響更為劇烈，使峰荷機組容量從88.8 GW增長到166.6 GW，同時甚至讓基荷機組從交易案例中的容量組合消失。

從完整交易的角度來看，同時引入2種金融合同的容量市場拍賣機制使容量組合達到最優，總計167.1 GW，而且存在使容量組合向著峰荷機組容量傾斜的趨勢。這種容量市場出清方法會使容量組合流向固定成本低、運行成本高的容量供應機組種類，即引入電力金融衍生品的容量市場出清方法對于不同容量供應商具有風險非對稱性。

4 結論

針對容量市場出清機制中有關風險管控和市場成員之間的交互協調性等問題，本文以電力金融衍生品為交易工具，提出了一種基于多代理系統的容量市場出清方法，通過算例仿真得到如下結論：

1）應用本文提出的容量市場出清方法能夠根據用戶上傳的負荷需求信息，在滿足供需平衡的前提下發現合理的金融合同容量價格，降低純能量市場的價格波動，實現容量供應商的固定投資成本回收，降低其損失風險，實現以穩定的收入鼓勵容量供應商投資新建機組。

2）引入電力金融衍生品能夠減少容量供應商的投資風險，但2種金融合同的定價方式以及容量供應商的成本特性存在差異性。用本文提出的容量市場出清方法可對不同容量供應商的風險形成非對稱影響，完整的風險交易使容量資源組合朝著固定投資成本低、運行成本高的峰荷機組傾斜。

3）本文考慮了獨立儲能電站的容量衰減特性和成本特性，并將其視作與常規發電機組等價的容量供應商參與容量市場；但由于目前獨立儲能電站固定投資成本過高，結果導致其在容量市場中的容量占比較低。

[1] 胡源, 薛松, 張寒, 等. 近30年全球大停電事故發生的深層次原因分析及啟示[J]. 中國電力, 2021, 54(10): 204-210. HU YUAN, XUE SONG, ZHANG HAN, et al. Cause analysis and enlightenment of global blackouts in the past 30 years[J]. Electric Power, 2021, 54(10): 204-210(in Chinese).

[2] 馬莉, 范孟華, 曲昊源, 等. 中國電力市場建設路徑及市場運行關鍵問題[J]. 中國電力, 2020, 53(12): 1-9. MA LI, FAN MENGHUA, QU HAOYUAN, et al. Construction path and key operation issues of electricity market in China[J]. Electric Power, 2020, 53(12): 1-9(in Chinese).

[3] HOGAN M. Follow the missing money: Ensuring reliability at least cost to consumers in the transition to a low-carbon power system[J]. The Electricity Journal, 2017, 30(1): 55-61.

[4] 王一, 朱濤, 張玉欣, 等. 適應中國電力現貨市場發展的容量補償機制初探[J]. 電力系統自動化, 2021, 45(6): 52-61. WANG YI, ZHU TAO, ZHANG YUXIN, et al. Preliminary study on capacity compensation mechanism adapted to development of electricity spot market in China[J]. Automation of Electric Power Systems, 2021, 45(6): 52-61(in Chinese).

[5] 孫啟星, 尤培培, 李成仁, 等. 適應中國現行電力市場環境下的容量市場機制設計[J]. 中國電力, 2022, 55(8): 196-201. SUN QIXING, YOU PEIPEI, LI CHENGREN, et al. Capacity market mechanism design under electricity market mechanism in China[J]. Electric Power, 2022, 55(8): 196-201(in Chinese).

[6] 王蓓蓓, 亢麗君, 苗曦云, 等. 考慮可信度的新能源及需求響應參與英美容量市場分析及思考[J]. 電網技術, 2022, 46(4): 1233-1247. WANG BEIBEI, KANG LIJUN, MIAO XIYUN, et al. Analysis and enlightenment of renewable energy and demand response participating in UK and US capacity markets considering capacity credibility[J]. Power System Technology, 2022, 46(4): 1233-1247(in Chinese).

[7] 侯孚睿, 王秀麗, 鎖濤, 等. 英國電力容量市場設計及對中國電力市場改革的啟示[J]. 電力系統自動化, 2015, 39(24): 1-7. HOU FURUI, WANG XIULI, SUO TAO, et al. Capacity market design in the United Kingdom and revelation to China’s electricity market reform[J]. Automation of Electric Power Systems, 2015, 39(24): 1-7(in Chinese).

[8] 陳政, 尚楠, 張翔. 兼容多目標調控需要的新型容量市場機制設計[J]. 電網技術, 2021, 45(1): 198-207. CHEN ZHENG, SHANG NAN, ZHANG XIANG. Design of capacity market mechanism with multi-objective regulation[J]. Power System Technology, 2021, 45(1): 198-207(in Chinese).

[9] 陳雨果, 張軒, 張蘭, 等. 南方(以廣東起步)電力容量市場機制設計探討[J]. 廣東電力, 2020, 33(2): 45-53. CHEN YUGUO, ZHANG XUAN, ZHANG LAN, et al. Discussion on mechanism design of southern China (starting from Guangdong) power capacity market[J]. Guangdong Electric Power, 2020, 33(2): 45-53(in Chinese).

[10] ALBERTUS P, MANSER J S, LITZELMAN S. Long-duration electricity storage applications, economics, and technologies[J]. Joule, 2020, 4(1): 21-32.

[11] 彭冀潯, 周明, 武昭原, 等. 考慮低碳政策的儲能容量價值分析[J/OL]. 現代電力: 1-10[2023-11-02]. https://doi.org/10.19725/j.cnki.1007-2322.2022.0368. PENG JIXUN, ZHOU MING, WU ZHAOYUAN, et al. Analysis of energy storage capacity value considering low-carbon policies[J/OL]. Modern Electric Power: 1-10 [2023-11-02]. https://doi.org/10.19725/j.cnki.1007-2322. 2022.0368(in Chinese).

[12] 朱寰, 徐健翔, 劉國靜, 等. 英國儲能相關政策機制與商業模式及對我國的啟示[J]. 儲能科學與技術, 2022, 11(1): 370-378. ZHU HUAN, XU JIANXIANG, LIU GUOJING, et al. UK policy mechanisms and business models for energy storage and their applications to China[J]. Energy Storage Science and Technology, 2022, 11(1): 370-378(in Chinese).

[13] BRAHMIA I, WANG J, DE OLIVEIRA L, et al. Hierarchical smart energy management strategy based on cooperative distributed economic model predictive control for multi-microgrids systems[J]. International Transactions on Electrical Energy Systems, 2021, 31(2): e12732.

[14] 葉婧, 楊莉, 張磊, 等. 計及暫態頻率穩定約束的同步慣量經濟價值評估[J]. 電力系統保護與控制, 2023, 51(8): 50-62. YE JING, YANG LI, ZHANG LEI, et al. Economic value evaluation of synchronous inertia considering frequency transient stability constraints[J]. Power System Protection and Control, 2023, 51(8): 50-62(in Chinese).

[15] 鄭瑞春, 王煥忠, 李欽豪, 等. 計及儲能壽命特性與健康狀態的多站融合光伏儲能優化配置[J]. 廣東電力, 2021, 34(10): 50-57. ZHENG RUICHUN, WANG HUANZHONG, LI QINHAO, et al. Optimal configuration of photovoltaic and energy storage in multi-station integration scenario considering energy storage life characteristics and health status[J]. Guangdong Electric Power, 2021, 34(10): 50-57(in Chinese).

[16] 李相俊, 馬銳, 王上行, 等. 考慮電池壽命的商業園區儲能電站運行控制策略[J]. 高電壓技術, 2020, 46(1): 62-70. LI XIANGJUN, MA RUI, WANG SHANGXING, et al. Operation control strategy for energy storage station after considering battery life in commercial park[J]. High Voltage Engineering, 2020, 46(1): 62-70(in Chinese).

[17] 張悅, 劉文澤. 考慮功率波動及儲能壽命的微電網儲能容量優化配置[J]. 電測與儀表, 2021, 58(10): 59-66. ZHANG YUE, LIU WENZE. Optimal allocation of micro-grid energy storage capacity considering power fluctuation and energy storage life[J]. Electrical Measurement & Instrumentation, 2021, 58(10): 59-66(in Chinese).

[18] 賓洋, 于靜美, 朱英凱, 等. 實時雨流計數法及其在鈷酸鋰電池健康狀態建模中的應用[J]. 中國電機工程學報, 2017, 37(12): 3627-3635. BIN YANG, YU JINGMEI, ZHU YINGKAI, et al. A real-time rain flow algorithm and its application to state of health modeling for LiCoO2lithium-ion batteries[J]. Proceedings of the CSEE, 2017, 37(12): 3627-3635(in Chinese).

[19] 王育飛, 葉俊斌, 薛花, 等. 基于改進雨流計數法的梯次利用電池儲能系統優化控制[J]. 電力系統自動化, 2022, 46(8): 39-49. WANG YUFEI, YE JUNBIN, XUE HUA, et al. Optimal control for energy storage system with echelon utilization batteries based on improved rain-flow counting method[J]. Automation of Electric Power Systems, 2022, 46(8): 39-49(in Chinese).

[20] MAYS J, MORTON D P, O’NEILL R P. Asymmetric risk and fuel neutrality in electricity capacity markets[J]. Nature Energy, 2019, 4(11): 948-956.

Capacity Market Clearing Method Based on Power Financial Derivatives Including Independent Energy Storage

ZUO Yongtao, HAN Dong, LU Zhuoxin

(Department of Electrical Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China)

The sharp fluctuation of pure energy market price will make it difficult for power generation enterprises to recover investment costs, and the risk of reward loss of revenue will reduce the willingness of power generation companies to invest in new units. Taking power financial derivatives as a trading tool, this paper proposes a clearing method for power capacity market based on multi-agent system. Firstly, a capacity market structure based on multi-agent system is built to ensure that market participants coordinate with each other to complete the capacity market clearing. Then, aiming at different market participants, an economic scheduling model with the goal of maximizing social welfare is established, and the user risk assessment model and the capacity supplier risk assessment model with the goal of risk minimization and profit maximization are established. Finally, the market can reach equilibrium by adjusting the installed capacity of different capacity suppliers and the trading volume of financial derivatives in the capacity market to meet the supply and demand balance and reduce its own risk. A simulation example is given to simulate the proposed model based on the relevant data of a certain capacity market. The calculation results show that the capacity market clearing method with financial derivatives can encourage the capacity suppliers including independent energy storage to build more units, thus ensuring the capacity adequacy. However, there is an asymmetric effect in improving the risk of different capacity suppliers, which means that the capacity clearing portfolio will be tilted towards peak-load units with low fixed investment cost and high operation cost.

new power system; power market; capacity market; multi-agent system; financial derivatives; independent energy storage

10.3969/j.ISSN.1672-0792.2024.02.004

[TK-9]；F224

A

1672-0792(2024)02-0030-12

國家自然科學基金資助項目（12171145）；上海市“科技創新行動計劃”啟明星項目揚帆專項（22YF1429500）。

2023-09-28

左永濤（1999—），男，碩士研究生，研究方向為電力市場；

韓冬（1984—），男，講師，研究方向為電力系統優化運行、電力市場等；

魯卓欣（1995—），女，講師，研究方向為電力系統優化運行等。

韓冬