电力竞价(广东规则)详解与代码

电力改革如火如荼,针对电力交易的广东规则,本文进行了详细地阐述并附上了代码与实例,供大家一起交流学习。

竞价规则

本竞价规则参考广东电力交易中心目前的竞价规则。

该内容及算例引用了售电市场研修院的内容,并感谢北京清软创新科技股份有限公司研究中心主任罗欣的讲解。

交易规模

交易牵涉两大角色,卖电方和买电方:

  • 卖电方:发电企业
  • 买电方:售电公司、电力大用户

交易牵涉一个变量:

  • 成交比例

也就是说,买卖双方的电量不会全部成交。

例如,如果发电企业意向申报交易规模100万千瓦时,售电公司意向申报规模80万千瓦时,电力大用户意向申报20万千瓦时。 若设置成交比例为80%,则竞争交易电力规模为100*0.8=80万千瓦时。

报价规则

报价规则牵涉的变量有:

  • 报价形式(双向报价,下面内容均特指该报价形式)
  • 发电企业申报与上网电价的价差
  • 发电企业申报与上网电价的价差范围
  • 售电公司、电力大用户申报与现行目录电价中的价差
  • 售电公司、电力大用户申报与现行目录电价中的价差范围

所报价差必须在指定的价差范围内。

例如: 发电企业申报价差范围:-50到-500厘/千瓦时。 售电公司及电力用户申报价差范围:0到-100厘/千瓦时。 发电企业上网电价为:500厘/千瓦时,申报价差:-100厘/千瓦时,表示期望卖出电价为400厘/千瓦时。 售电公司及电力用户目录电价为500厘/千瓦时,申报价差为-50千瓦时,表示期望买入电价为450厘/千瓦时。

撮合规则

这里,首先介绍下价差对的概念:

价差对=发电企业申报价差−售电公司或电力用户申报价差

价差对=发电企业申报价差-售电公司或电力用户申报价差

例如:发电企业申报价差为-100厘/千瓦时,电力大用户申报价差为-50厘/千瓦时,价差对为-100-(-50)= -50厘/千瓦时。

需要注意的是:

  • 价差对只有是负的才可以成交,表示卖方对买方让利(试想,如果卖方一直保持高价格不对买方让利,交易怎么可能成交呢)。
  • 卖方(发电企业)肯定希望价差的绝对值越小越好,这样表示他让利让的少啊。
  • 买方(售电企业与电力用户)肯定希望价差的绝对值越大越好,因为这意味着自己买电的价格更低,从卖方获利越大。
  • 价差对绝对值越大的越优先成交(相当于卖家让利最大)。
  • 当价差对相同的时候,按申报价差对应电量比例确定中标电量。

结算规则

结算规则主要涉及两点:

  • 价差电费返还:配对成交的买卖双方存在价差对,因此会产生价差电费,价差电费按照各自申报成交电费成比例返还给发电企业和大用户。
  • 价差返还系数:50%意味着价差电费在价差对双方之间平均分配。
  • 平均结算价格:(成交电量部分申报价差*成交电量+-返还电费)/总成交量

实例讲解

下面附上一个例子,并附上相应代码仅供交流学习。

交易双方

该交易涉及的发电企业与用电大用户数据如下:

交易情况概述

每轮的交易情况概述如下:

交易结算

发电企业的交易结算如下:

电力用户的交易结算如下:

代码

# coding: utf-8

# In[1]:

from __future__ import division
import pandas as pd


# # 基础类定义

# In[2]:

# 定义类
class Producer:
    def __init__(self,name,amount,price):
        self.name = name
        self.amount = amount
        self.price = price
        self.amount_left = amount
        self.accu_money = 0
        self.accu_money_diff = 0
    def __repr__(self):
        return "<Producer name:%2s  amount:%6s  price:%7s amount_left:%6s>" % (self.name, self.amount, self.price, self.amount_left)

class User:
    def __init__(self,name,amount,price):
        self.name = name
        self.amount = amount
        self.price = price
        self.amount_left = amount
        self.accu_money = 0
        self.accu_money_diff = 0
    def __repr__(self):
        return "<User name:%2s  amount:%6s  price:%7s amount_left:%6s>" % (self.name, self.amount, self.price, self.amount_left)


class Process:
    def __init__(self,amount,p_price,u_price):
        self.amount = amount
        self.p_price = p_price
        self.u_price = u_price
        self.diff_price = p_price-u_price
    def __repr__(self):
        return "<Process amount:%6s  p_price:%7s  u_price:%7s  diff_price:%7s>" % (self.amount, self.p_price, self.u_price, self.diff_price)


# # 参数设置

# In[3]:

# 设置买卖双方的参数
producers_name = ['A','B','C','D','E']
producers_amount = [14975,18099,59015,53707,87809]
producers_price = [-500,-334.3,-145.7,-105.8,-60.6]

users_name = ['1','2','3','4','5']
users_amount = [67983,39403,64478,38592,19799]
users_price = [-45,-35.8,-26.7,-14.3,-0.1]


# In[4]:

producers = []
for name,amount,price in zip(producers_name,producers_amount,producers_price):
    producers.append(Producer(name,amount,price))
users = []
for name,amount,price in zip(users_name,users_amount,users_price):
    users.append(User(name,amount,price))

# sort producers and users
import operator
producers_inline = sorted(producers, key=operator.attrgetter('price'), reverse=False)
users_inline = sorted(users, key=operator.attrgetter('price'), reverse=True)


# In[5]:

producers_inline


# In[6]:

users_inline


# # 交易撮合

# In[7]:

# 确定针对producers_inline和users_inline的指针
producer_pt = 0
user_pt = 0

# 指定参数
deal_ratio_proc = 0.8  #发电企业的成交比例
deal_amounts = 0      #成交数量累计
deal_amounts_max = sum(producers_amount)*deal_ratio_proc   #最大的成交数量
df = pd.DataFrame(columns=('发电企业', '申报电量', '申报价差','售电公司', '申报电量', '申报价差', '价差', '成交电量'))  #数据框初始化
df_i = 0   #数据框的行指针
processes = []     #累计每个交易流程
flag_stop = False  #判断是否到达成交比例的flag

# 交易流程
while user_pt < len(users_inline) and producer_pt < len(producers_inline):
    cur_producer = producers_inline[producer_pt]
    cur_user = users_inline[user_pt]
    diff_amount = cur_producer.amount_left - cur_user.amount_left
    diff_price = float(cur_producer.price) - float(cur_user.price)
    # 只有当价差对为负的时候才有可能成交
    if diff_price > 0:
        break
    deal_amount =  min(cur_producer.amount_left,cur_user.amount_left)
    deal_amounts += deal_amount
    # 只有当交易量在规定范围内才有可能成交,否则将flag_stop设置为True
    if deal_amounts > deal_amounts_max:
        curr_del_amount = deal_amounts_max - (deal_amounts-deal_amount)
        flag_stop = True
    else:
        curr_del_amount = deal_amount 
    # 针对每次交易过程的数据统计计算
    ##输出信息
    print "P:%s U:%s P_left_Amount:%6s U_left_Amount:%6s Deal_Amount:%6s Price_Differ:%s" % (cur_producer.name,     cur_user.name, cur_producer.amount_left, cur_user.amount_left, int(curr_del_amount),     cur_producer.price-cur_user.price) 
    ##进程信息统计
    processes.append(Process(int(curr_del_amount),cur_producer.price,cur_user.price))
    ##累计电费与累计价差电费
    cur_user.accu_money += cur_user.price*int(curr_del_amount)
    cur_user.accu_money_diff += (cur_producer.price-cur_user.price)*int(curr_del_amount)
    cur_producer.accu_money += cur_producer.price*int(curr_del_amount)
    cur_producer.accu_money_diff += (cur_producer.price-cur_user.price)*int(curr_del_amount)
    ##数据库信息统计
    df.loc[df_i] = [cur_producer.name,cur_producer.amount,cur_producer.price,            cur_user.name,cur_user.amount,cur_user.price,           cur_producer.price-cur_user.price,curr_del_amount]
    df_i += 1
    ##判断终止条件
    if flag_stop:
        cur_user.amount_left -= curr_del_amount
        cur_producer.amount_left -= curr_del_amount
        break
    ##判断交易方向,卖者还是买者退出市场
    if diff_amount == 0:
        user_pt += 1
        producer_pt += 1
        cur_user.amount_left = 0
        cur_producer.amount_left = 0
    elif diff_amount < 0:  #卖的少,买的多,卖者退出市场
        producer_pt += 1
        cur_user.amount_left -= curr_del_amount
        cur_producer.amount_left = 0
    else:                  #卖的多,买的少,买者退出市场
        user_pt += 1
        cur_user.amount_left = 0
        cur_producer.amount_left -= curr_del_amount


# # 交易整理

# In[8]:

df


# # 结算情况

# ## 发电公司

# In[9]:

producers_accounts = pd.DataFrame([(i.name,i.amount,i.amount_left,i.accu_money,i.accu_money_diff)for i in producers],columns=('name','amount','amount_left','accu_money','accu_money_diff'))


# In[10]:

producers_accounts['price'] = producers_price
producers_accounts['amount_deal'] = producers_accounts['amount'] - producers_accounts['amount_left']
producers_accounts['accu_money_ratio'] = producers_accounts['accu_money']/sum(producers_accounts['accu_money'])
producers_accounts['return_money'] = producers_accounts['accu_money_ratio']*sum(producers_accounts['accu_money_diff'])*0.5
producers_accounts['real_monty'] = producers_accounts['accu_money'] -  producers_accounts['return_money']
producers_accounts['real_price'] = producers_accounts['real_monty']/producers_accounts['amount_deal']


# In[11]:

columns_ordered = ['name', 'price','amount', 'amount_left','amount_deal', 'accu_money','accu_money_ratio', 'accu_money_diff',                   'return_money','real_monty', 'real_price']
producers_accounts = producers_accounts[columns_ordered]
producers_accounts.columns = ['名称','申报价差','申报电量','剩余电量','中标电量','累计电费(不含返还)','累计电费占比','累计价差电费',                             '返还电费','中标电费(含返还)','中标价差']
producers_accounts


# ## 售电公司与电力用户

# In[12]:

users_accounts = pd.DataFrame([(i.name,i.amount,i.amount_left,i.accu_money,i.accu_money_diff)for i in users],columns=('name','amount','amount_left','accu_money','accu_money_diff'))


# In[13]:

users_accounts['price'] = users_price
users_accounts['amount_deal'] = users_accounts['amount'] - users_accounts['amount_left']
users_accounts['accu_money_ratio'] = users_accounts['accu_money']/sum(users_accounts['accu_money'])
users_accounts['return_money'] = users_accounts['accu_money_ratio']*sum(users_accounts['accu_money_diff'])*0.5
users_accounts['real_monty'] = users_accounts['accu_money'] +  users_accounts['return_money']
users_accounts['real_price'] = users_accounts['real_monty']/users_accounts['amount_deal']


# In[14]:

columns_ordered = ['name', 'price','amount', 'amount_left','amount_deal', 'accu_money','accu_money_ratio', 'accu_money_diff',                   'return_money','real_monty', 'real_price']
users_accounts = users_accounts[columns_ordered]
users_accounts.columns = ['名称','申报价差','申报电量','剩余电量','中标电量','累计电费(不含返还)','累计电费占比','累计价差电费',                             '返还电费','中标电费(含返还)','中标价差']
users_accounts

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏大数据文摘

今天,我们请来一波超龄儿童画出了他们眼中的AI……

973
来自专栏区块链领域

eos原力:15天目睹万币侯诞生 ·商战备忘录

我运营了一个超级节点,是EOS原力主链启动的23个超级节点之一,按照游戏的规则,保持名次在23名以内,就可以每24小时获得11000枚原力EOS币。

641
来自专栏镁客网

坚果 R1 手机和 TNT 电脑发布:裤子都脱了,罗永浩你给我看这个?

1302
来自专栏钱塘大数据

涨姿势,单身数学家如何通过数据挖掘找真爱

没女朋友的一定要读完这篇脱单记, 有女朋友的请默默转发这篇脱单记, 因为…… 男主真的太牝了! 凌晨三点,在加州大学洛杉矶分校(UCLA)数学系大楼五楼的一个...

3434
来自专栏VRPinea

灭霸弹指间宇宙毁灭!但漫威平行宇宙却还有万种可能

就在上周五凌晨,大家心心念念的《复联3》终于上映了。宇宙重塑,众英雄死伤大半,这也意味着漫威电影宇宙第三阶段,即将走向完结。

3646
来自专栏CDA数据分析师

单身数学家教你如何通过数据挖掘找真爱

? 男主角麦金利 凌晨三点,在加州大学洛杉矶分校(UCLA)数学系大楼五楼的一个拥挤小隔间里,只有一只灯泡和一台计算机的屏幕发出光亮。克里斯·麦金利(Chri...

1769
来自专栏汇智网教程

2018最新区块链白皮书大全

4416
来自专栏腾讯大讲堂的专栏

2333333-弹幕,弹幕的正确打开方式!

“构成群体的个人不管是谁,他们的生活方式、职业、性格或智力不管相同还是不同,他们变成了一个群体这个事实,便使他们获得了一种集体心理,这使他们的感情、思想和行为变...

2257
来自专栏大数据文摘

重温计算机简史:从石头计数到计算机

1384
来自专栏SAP最佳业务实践

从SAP最佳业务实践看企业管理(163)-复式记账法

在十四世纪末的地中海,那些阳光和煦的冬日里,威尼斯的港口大概是最繁忙的地方。商船满载着将要运往东方,或者刚从东方运来的货物在码头穿梭,珠光宝气的商人们一面监视着...

2638

扫码关注云+社区