张继英 刘 健 王晓敏 胡如乐 张建中

（1．南方电网数字企业科技（广东）有限公司，广东 广州 510700；2．北京科东电力控制系统有限责任公司，北京 100192）

随着新能源在电网系统中大规模接入，由于新能源自身的属性，因此出现了电压不稳、频率振荡等供电质量问题[1]。提高电力系统的调频效果以及采取事故备用措施非常必要[2]。然而，这些做法间接增加了电力资源的成本。为保证电力稳定供应，结合电力市场的发展成熟度，建立合理的交易价格衔接机制成为极为必要的工作之一[3]。该文对电力市场的各个阶段进行划分，其主要包括初期阶段、过渡阶段以及成熟阶段。在初期阶段，电力市场的主要模式为中长期交易，最突出的表现为现货市场规模相对较小，虽然已经开始关于调峰市场的建设，但是计划补偿是最主要的辅助服务形式；在过渡阶段，电力市场的主要模式主要为现货交易；而在成熟阶段，电力市场无论是在容量方面、还是在电力金融方面，都达到相对完善的状态。此时的价格衔接机制也在影响电力交易双方的经济利益。

在此基础上，该文提出基于SD 模型的电力市场交易价格衔接机制研究，并采用对比测试的方式，分析了该文设计电力市场交易价格衔接机制的实际应用效果。

1 电力市场交易价格衔接机制设计

为保证电力市场的运行效率，确保不同时间段、不同地区的电力交易能够顺利进行，需要建立一套合理的电力市场交易价格衔接机制衔接不同的交易价格。该文以电力交易价格为导向，建立SD 结构模型，以此分析电力交易价格传导动力。以电量电费为核心，分析电力资源生产端的基本收入情况，结合分析结果，设置交易价格，并根据实际的电力交易情况，设计电力市场交易价格衔接机制。

1.1 基于SD 模型的电力交易价格传导动力分析

如果要对电力市场交易价格衔接机制进行合理地设计，那么对电力交易价格传导动力进行全面、准确地分析是十分必要的[4]。通过分析电力交易价格传导动力，能够了解电力供需关系的变化情况，有助于均衡市场价格。电力市场中存在多种交易形式和价格机制，不同形式的交易会对价格产生影响，由此消除不同交易形式之间产生的价格扭曲，使供应商和购买方基于市场信号做出合理决策，确保价格合理传导[5]。一般情况下，构成电力交易价格的因素较为复杂，且电力市场中的供需关系、市场竞争、发电方式以及燃料成本等因素之间也存在一定的相互关联、相互影响的关系[6]。该文在具体的分析过程中引入SD 模型，该模型采用的是一种系统性的建模方法，通过模拟电力市场中的动态变化过程，描述其中不同因素之间的相互关系和影响。在SD 模型中，利用常量参数、辅助变量参数、表函数、速率变量参数和状态变量参数描述模型中各个元素的特性和关系。常量参数是在模型中固定不变的数值，用于表示系统中的常量或固定值。辅助变量参数是对其他变量进行计算得到的中间变量，用于辅助模型的运算和分析。表函数是一种根据输入变量的值返回相应输出值的函数，通常用于模拟非线性关系或者根据实际数据提供模型的输入输出关系。速率变量参数为某一变量的变化速度，通常与状态变量相关联，用于描述状态变量的变化。状态变量参数是描述系统状态或者某一变量的状态的参数，表示SD 模型中的关键变量的值或状态。这些参数和变量在SD 模型中共同构成了电力市场的基本元素，通过模拟电力市场中的动态变化过程，描述其中不同因素之间的相互关系和影响。利用其分析电力交易价格传导动力。其中，以电力交易价格为导向的SD 结构模型如公式（1）所示。

式中：SD（x）为电力交易价格x为导向的SD 结构模型；ai为构成电力交易价格的常量参数，包括电力交易覆盖的土地面积（电力交易范围）和可交易的电力资源总量；bi为构成电力交易价格的辅助变量参数，包括人均土地面积，人均可交易电力资源量以及电力能源消耗量，电力生产量和电力消耗量；ci为构成电力交易价格的表函数，也就是单位GDP 的电力资源能耗；di为构成电力交易价格的速率变量参数，包括电力市场交易地区的电力能源产量，以及电力能源终端的消费量；ei为构成电力交易价格的状态变量参数，主要是指电力市场交易地区可供利用的电力资源总量。

按照上述方式构建电力交易价格导向下SD 结构模型。以此为基础对电力交易价格传导动力进行分析，终端的电力资源消费能力以及电力资源的生产能力是价格传导的核心动力。终端的电力资源消费能力指的是终端用户对电力的需求和消费能力。终端用户的需求量和购买意愿会直接影响电力交易市场的供需关系和价格水平。如果终端用户的需求增加，可能会导致电力供应紧张，从而推动电力市场交易价格上涨。相反，可能会导致电力供过于求，从而推动价格下跌。电力资源的生产能力决定了电力市场的供给侧情况。当电力当生产能力增加时，供给侧的供应能力将增强，会导致电力市场交易价格下降。相反，可能会推动电力价格上涨。结合该理论基础，当设计交易价格衔接机制时，需要充分考虑终端用户的电力资源消费能力，通过设置交易价格，满足不同终端用户的需求，为后续的电力市场交易价格衔接机制设计提供执行基础。

1.2 构建电力市场交易价格衔接机制

结合第1.1 节对电力交易价格传导动力的分析结果，在构建电力市场交易价格衔接机制的过程中，该文对电力资源生产端的基本收入情况进行分析，电力资源生产端的基本收入情况通常受到多方面的影响，其中包括电价水平、用电量、用户结构和政策支持等因素。这些因素相互作用，共同决定了电费收入的情况。

电力资源生产端通常会根据成本、市场需求和政策等因素来确定电价水平[7]。较高的电价可以带来更高的收入，也可能影响用户的用电需求，即用电量。因此，电力资源生产端需要在考虑经济效益的同时，需要平衡用户的用电量，确保电费收入的稳定性和可持续性。另外，由公式（1）构建的SD 结构模型可知，人均可交易电力资源量以及电力能源消耗量增加也会带动电费增加。

综上所述，以电量电费为核心分析电力资源生产端的基本收入情况。电费是电力资源生产端主要的收入来源之一，是消费者为使用电力而支付的费用，直接反映了电力资源的价值和消费需求。通过分析电费收入情况，可以了解电力资源生产端的经济状况和运营效益。电力资源生产端以电量电费为核心的收入具体计算如公式（2）所示。

式中：Cmid为电力资源生产端以电量电费为核心的收入；qnh为在超过中长期合同偏差电量范围内的电量规模，即电力资源生产端超出与用户签订的中长期电力购买合同所约定的偏差电量范围的电量；pnh为电力市场现货交易的价格；qnh（t）为超过t时间内合同偏差电量范围内的电量规模；pnh（t）为t时间内电力市场期货交易的价格。

按照以上方式对电力资源生产端的基本收入情况进行分析。结合上述分析结果，该文对交易价格衔接机制的设计充分考虑了电力交易价格传导动力，具体的设计结果如公式（3）所示。

式中：c为交易价格；pa（xi）为自主利用剩余电量容量，指的是用户在电力系统中根据自身的电力需求和能源生产能力，利用剩余电量满足自身的电力需求。通过影响电力市场的供需关系，影响电力交易价格。k为电力市场交易阶段核定容量电价参数，是指在电力市场中确定电力供应商（发电厂）的容量电价的相关参数[8]。供电公司根据k以及其他市场规则和条件进行容量市场交易，确保电力供需平衡和稳定运行。具体的核定容量电价参数可能因地区、市场规则和政策等因素而有所差异[9]，因此，交易价格的设定需要参考当地电力市场的相关规定和政策，确定相应的k。

按照以上方式设置交易价格。结合实际的电力交易情况，基于供需关系和市场需求等因素分析历史交易数据和电力需求预测等数据，确定电力交易价格的参考范围。针对不同的电力市场阶段和交易类型设计不同的价格衔接机制，在市场交易阶段采用实时定价机制，长期交易阶段采用合同定价机制确定价格。此外，为了保证电力市场价格衔接的合理性，引入市场调节机制和价格波动限制机制，确保供需平衡以及价格波动在控制范围内，从而完成电力市场交易价格衔接机制设计，保证价格衔接的合理性，促进电力市场的稳定和发展。

2 测试分析

2.1 设置测试环境

在具体的测试过程中，该文以某抽水蓄能电站的电力资源为追踪目标进行测试。其中，测试环境的发电电动机组为混流可逆式水泵水轮类型，规模共4 台，单机容量为500MW。在此基础上对测试环境的基础发电成本情况进行分析，得到的数据结果如图1所示。

图1 测试环境容量费用

结合图1 的信息对该抽蓄电站的内部经济运行情况进行分析，其中，收益率为8.7%，对应的投资回收期为14.2年，对借款偿还期进行分析，其为13.6年。在此基础上，该文按照7%的基准折现率对测试发电系统的净现值进行分析，得到的数据结果为77309.10 万元。

在此基础上，采用该文设计的电力市场交易价格衔接机制对其交易价格进行调控，为了能够更直观地分析具体的调控效果，设置了对照组在相同的测试环境下进行测试，其中，选择的具体方法分别为文献[3]提出的交易价格衔接机制以及文献[4]提出的交易价格衔接机制。对比不同机制下的效果。

2.2 测试结果

结合上述设置的测试环境，该文分析了在不同电力市场交易价格梯度变化条件下，对应的NPV（Net Present Value，净现值）、IRR（Internal Rate of Return，内部收益率）情况，得到的测试结果见表1。

表1 不同交易价格衔接机制测试结果对比表

结合表1 的测试结果对3 种不同电力市场交易价格衔接机制的具体应用效果进行分析，可以发现随着交易价格梯度变化的改变，对应的NPV和IRR均表现出了不同的发展趋势。在文献[3]机制的测试结果中，当价格变化梯度正向下降时，对应的NPV和IRR均表现出先上升后下降的特点，当价格变化梯度负向下降时，NPV和IRR随之表现出稳定下降的趋势。从整体角度对其进行分析，NPV的最大值为82446.35 万元，IRR的最大值为8.86%（梯度变化为15.0%时），NPV的最小值为75038.15 万元，IRR的最大值为8.66%（梯度变化为0 时）。在文献[4]机制的测试结果中，NPV和IRR随着梯度变化绝对值的降低表现出了稳定下降的发展趋势，其中，NPV的最大值为80214.09 万元，IRR的最大值为8.85%（梯度变化为20.0%时），NPV的最小值为78673.25 万元，IRR的最大值为8.68%（梯度变化为0 时）。在该文设计机制测试结果中，虽然NPV和IRR也表现出了随着梯度变化绝对值降低的特点，但是对应的下降幅度相对较小，且NPV和IRR始终处于较高水平，其中，NPV的最大值为82446.30 万元，IRR的最大值为8.86%（梯度变化为20.0%时），NPV的最小值为81515.75 万元，IRR的最大值为8.76%（梯度变化为0 时），明显比对照组的测试结果要好。

通过以上测试结果可以得出结论，该文设计的基于SD模型的电力市场交易价格衔接机制可以在提高自电力企业NPV和IRR方面发挥积极作用，具有良好的实际应用价值。

3 结语

作为电力市场机制的核心，电力价格机制决定了电力交易的公平性和合理性，是保证电力市场有序发展的重要基础。该文提出基于SD 模型的电力市场交易价格衔接机制研究，分析客观用电需求以及发电情况的基础，合理构建电力价格机制，极大程度地保障了电力交易双方的利益，同时对于实现电力资源价值最大化也起到了一定的作用。通过该文设计的电力市场交易价格衔接机制，希望能够为实际的电力市场管理提供参考，为电力交易价格调控提供有价值的帮助。