⚡ electrical engineering

A day-ahead market model for power systems: benchmarking and security implications

该论文提出了一种基于社会福利的日前市场出清模型，并通过级联故障分析表明，相较于传统最优潮流（OPF）调度，考虑市场参与者逐利行为的市场调度会导致未满足需求显著增加（最高达 80%），从而揭示了对电力系统安全性的过度高估风险。

原作者： Andrej Stankovski, Blazhe Gjorgiev, James Ciyu Qin, Giovanni Sansavini

发布于 2026-03-26

📖 1 分钟阅读☕ 轻松阅读

原作者： Andrej Stankovski, Blazhe Gjorgiev, James Ciyu Qin, Giovanni Sansavini

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文探讨了一个电力系统中非常关键但常被忽视的问题：电力市场的“赚钱逻辑”如何影响电网的“安全底线”。

为了让你更容易理解，我们可以把整个电力系统想象成一个巨大的、繁忙的物流网络，而电力市场就是指挥这个网络如何分配货物的“调度中心”。

1. 核心冲突：理想 vs. 现实

传统的“理想派”（OPF 模型）：
以前的安全评估就像是一个完美的数学老师在解题。老师只关心怎么用最少的钱把货送到目的地（成本最低），假设所有司机都听指挥，路线完全通畅。
- 比喻： 就像老师规划了一条“最省钱”的路线，让所有卡车都走这条道。但在现实中，如果这条道太窄，或者司机为了多赚点钱突然变道，就会堵车甚至撞车。
现实的“市场派”（本文提出的 DAM 模型）：
这篇论文说，现实中的电力市场不是由老师指挥的，而是由一群精明的商人组成的。他们不仅想省钱，更想赚钱。他们会根据预测的价格，像炒股一样买卖电力（低买高卖），甚至为了维持自己的机器运转，愿意在价格很低时“倒贴钱”发电。
- 比喻： 就像一群卡车司机，为了赚差价，会在深夜把车停在仓库充电（像电池一样），然后在白天电价高时疯狂出货。他们不管路有多堵，只要有利可图就敢跑。

2. 论文做了什么？

作者开发了一个新的**“市场模拟器”**（DAM 模型），用来模拟这群“精明商人”的真实行为，而不是像以前那样假设他们全是听话的“乖孩子”。

他们把这个模拟器放在一个标准的测试电网（IEEE-118 节点系统，相当于一个缩小版的欧洲电网）里，然后和传统的“理想派”模型进行了一场**“安全大比拼”**。

3. 发现了什么惊人的真相？

结果让人大吃一惊，就像发现了一个**“隐形炸弹”**：

真相一：市场越活跃，电网越“紧绷”
传统的“理想派”模型认为电网很安全。但“市场派”模型显示，因为商人们为了套利（低买高卖），疯狂地给储能设备（如电池、抽水蓄能）充电，并频繁启动燃气机组（这些机组反应快，常用来定价格）。
- 比喻： 就像为了赚差价，所有司机都挤在一条狭窄的支路上。平时看着没事，一旦遇到突发状况（比如一辆车坏了），这条支路瞬间就会瘫痪，导致大堵车。
真相二：安全被“高估”了 80%
当模拟发生大规模故障（比如多条线路同时断裂）时，使用传统模型预测的“停电损失”很小。但使用新模型发现，停电损失（未满足的需求）竟然比传统模型预测的高出了 80%！
- 比喻： 以前以为大楼着火只会烧掉一个房间，结果发现因为货物堆积方式不对，火苗一窜，整个楼层都可能塌掉。
真相三：为什么会出现这种情况？
因为市场是**“脱节”**的。发电商在 A 区为了赚钱疯狂发电，但电网的物理限制（比如 B 区到 C 区的线路太细）他们看不见。结果就是电在 A 区堆积，却送不到需要的地方，导致局部线路过载，像高压锅一样随时可能爆炸。

4. 这对我们意味着什么？

对电网运营商（交警）： 不能再只看着“最省钱”的路线规划了。必须考虑到那些“精明的司机”可能会为了赚钱把路堵死。需要预留更多的备用力量，就像在繁忙路段多派几个交警指挥交通，防止大堵车。
对未来的规划： 如果我们继续按照旧模型来扩建电网，可能会建错地方。我们需要知道，市场行为会让电网在哪些地方变得脆弱，从而在这些地方加强建设。

总结

这篇论文就像给电力安全领域做了一次**“体检”，发现了一个被忽视的“慢性病”**：

我们以前以为电网很安全，是因为我们假设大家都**“听话且无私”。但现实是，大家都在“精明地赚钱”。这种“精明”在风平浪静时能带来效率，但在风暴来临时，却可能因为“各自为战”**而导致电网崩溃的风险大大增加。

作者的新模型就是提醒我们：在规划电网安全时，必须把“人性的贪婪与精明”考虑进去，否则我们可能正在走向一个看似安全、实则脆弱的未来。

这是一份关于论文《A day-ahead market model for power systems: benchmarking and security implications》（电力系统日前市场模型：基准测试与安全影响）的详细技术总结。

1. 研究背景与问题 (Problem)

现有方法的局限性： 传统的电力系统安全评估（如级联故障分析）通常基于最优潮流（OPF）或经济调度（ED）/ 机组组合（UC）模型。这些模型主要追求系统总成本最小化，假设市场参与者是完全竞争且透明的，忽略了市场参与者的逐利行为（profit-driven behavior）和复杂的博弈互动。
现实与模型的脱节： 在现实电力市场（如欧洲 EPEX SPOT）中，市场出清主要由** merit order（按报价排序）**驱动，而非单纯的成本最小化。市场参与者（特别是储能和快速调节机组）会根据价格预测进行策略性报价以最大化利润，且市场出清往往与电网物理约束解耦（参与者不知道区内的电网约束）。
安全评估的偏差： 由于上述模型过于理想化，导致对系统安全性的评估往往被高估。当实际市场出清导致机组调度分布不均时，可能使系统处于临界运行状态，增加级联故障的风险，而传统 OPF 模型无法捕捉这一风险。
研究缺口： 目前缺乏一种能够模拟真实市场逐利行为、基于社会福利最大化（Social Welfare Maximization）的日前市场出清模型，并将其与大规模级联故障分析相结合的研究。

2. 方法论 (Methodology)

作者提出了一个名为 EuroEM 的框架，包含三个核心步骤，并在修改后的 IEEE-118 节点系统（包含三个独立控制区）上进行了验证：

A. 长期持仓优化模块 (Long-term Positions Optimization, LTPO)

目的： 模拟市场参与者的策略性报价行为。
模型： 采用混合整数线性规划（MILP），以最大化每个参与者的利润为目标函数。
输入： 机组技术参数、燃料/碳价预测、电价预测。
策略：
- 热机： 根据预测价格制定报价策略。
- 储能： 利用套利机会优化充放电周期。
- 负报价机制： 为了应对可再生能源高峰导致的低价或负电价，模型允许机组（特别是无法轻易停机的大型热机）提交负报价，以确保其最小运行出力（ $P_{min}$ ）被市场接受，避免非计划停机。

B. 日前市场出清模块 (Day-Ahead Market, DAM)

目标： 基于社会福利最大化（消费者剩余 - 生产者成本）进行线性优化出清。
特点：
- 采用“铜板”（Copper-plate）假设，即出清阶段不考虑区内的电网物理约束（仅考虑区际传输容量）。
- 引入负报价（Negative Bids）：允许机组以负价格报价以维持最小出力，这更符合欧洲现货市场的实际行为。
- 可再生能源通常优先出清（或按预测全额接受）。
输出： 出清价格、跨区交易功率、机组出力计划。

C. 再调度与安全评估模块 (Redispatch & Cascades)

再调度： 由于 DAM 出清忽略了区内约束，需通过再调度模型（模拟 TSO 行为）调整机组出力以满足电网物理约束（如线路潮流限制）。
安全分析： 使用 Cascades 模型（一种大规模级联故障分析工具）进行安全评估。
- 输入：再调度后的机组状态。
- 过程：模拟 1000 种故障场景（单/双/多线路故障），分析级联故障的传播。
对比基准： 将 DAM 模型与传统的经济调度（ED）和机组组合（UC）模型进行对比，并均以OPF作为安全评估的基准场景。

3. 主要贡献 (Key Contributions)

提出了基于社会福利的日前市场模型 (DAM)： 该模型能够模拟真实市场中参与者的逐利行为（如策略性报价、负报价、套利），弥补了传统 ED/UC 模型仅追求成本最小化的不足。
揭示了市场机制对系统安全的潜在负面影响： 首次量化了市场驱动调度（Market Dispatch）与传统 OPF 调度在系统安全性上的显著差异。
构建了完整的评估框架： 将“长期持仓优化 -> 日前市场出清 -> 再调度 -> 级联故障分析”整合在一个框架内，能够识别传统安全模拟中常被忽视的临界场景。

4. 关键结果 (Key Results)

在 IEEE-118 系统（模拟法国、德国、瑞士数据）上的仿真结果显示：

调度行为差异：
- DAM 模型显著增加了燃气机组和储能单元（特别是抽水蓄能和电池）的利用率。
- 储能单元在 DAM 中为了套利而频繁充放电，而在 ED/UC 中仅为了系统成本最小化而运行（利用率低）。
- 燃气机组作为价格制定者（Price-setters），在 DAM 中被更频繁地激活，导致出清价格更高（平均高 2.7%，且高价小时数增加了 4.3 倍）。
经济影响：
- DAM 模型的再调度成本比 ED 和 UC 低约 15%（因为储能和燃气提供了更多灵活性，减少了跨区再调度需求）。
- 热机和储能的净利润在 DAM 模型中普遍更高，但部分抽水蓄能因错过交易窗口而亏损。
安全性影响（核心发现）：
- OPF 高估了安全性： 基于 OPF 的调度在安全评估中表现最好，但这是一种假象。
- DAM 导致更高的未满足需求 (DNS)： 在级联故障模拟中，DAM 模型导致的累计未满足需求（DNS）比 OPF 高出 64%，比 ED 高出 10% 以上。
- 关键风险点： 市场驱动的调度导致发电分布不均，迫使系统在某些控制区内运行在临界负载条件下。特别是在大规模级联故障（DNS > 100MW）发生时，DAM 模型下的系统脆弱性显著增加。
- 相邻支路故障增加： DAM 模型导致与互联线路相连的区内支路（Adjacent branches）故障率显著上升，表明级联故障在控制区内的传播风险加剧。

5. 意义与结论 (Significance & Conclusion)

纠正安全评估偏差： 研究证明，依赖 OPF 或传统成本最小化模型进行安全评估会严重高估电力系统的鲁棒性。真实的逐利市场行为可能导致系统处于更危险的运行状态。
政策与规划启示：
- 电网运营商（TSO）和监管机构需要认识到市场机制对物理安全的双重影响（虽然可能降低再调度成本，但增加了级联故障风险）。
- 在制定扩容策略和储备分配时，必须考虑市场驱动的调度模式，而不仅仅是基于物理约束的最优解。
未来方向： 作者计划将框架扩展至包含期货市场和平衡市场（辅助服务），并引入更精细的 15 分钟时间分辨率，以更好地捕捉大型资产所有者的行为。

总结： 该论文通过构建一个贴近现实的日前市场模型，揭示了“市场效率”与“系统安全”之间潜在的权衡。它警示我们，如果不考虑市场参与者的逐利策略，传统的电力系统安全评估可能会产生误导，导致在极端情况下系统面临比预期更高的崩溃风险。