國外的演進軌跡和核心前沿：純能源市場稀缺電價導致系統(tǒng)成本增加，容量市場成為熱點；同時，去中心化的市場機制設計仍在實行與探索中。在電價預測方面發(fā)展迅猛，在此領域中，機器學習算法仍具有研究價值；聚合商是中介中心性最高的關鍵詞，以虛擬電廠、電動汽車為代表的聚合商，鼓勵其主動為電網提供靈活性。

圖1 國外電力市場演化路徑

1 國外電力市場的演進軌跡

本節(jié)以“主題：（electricity NEAR/5 market），文獻類型：（Article），語種：（English），索引=SCI-EXPANDED，時間跨度=2011~2020”等組配索引式，基于Web of Science檢索電力市場相關的5106篇文章，對國外電力市場的研究演進軌跡進行梳理。單個時間切片的網絡信息見表1，以2020年的網絡結構為例，2020年558篇g-index指數36以上的代表性文獻集合，組成253個節(jié)點、759條連線的單年切片網絡。

整合單個的時間網絡形成的研究演進軌跡如圖1所示，圖1呈現了國外近十年電力市場研究演化路徑。基于對數似然比算法抽取網絡圖譜的標簽詞，共劃分了23個集群標簽。附錄中顯示聚類標簽0~4號。

表1 電力市場切片網絡結構

以集群規(guī)模較大的0~8號分析集群結構特征，如圖2所示。0號集群有44個成員，規(guī)模最大，是最具有代表性的集群之一。同時集群0~8號的輪廓性均超過0.8，說明集群內的各成員之間連接緊密。

圖2 集群結構特征

接下來，以0號集群（負荷預測）為例對演化路徑的時間線進行解讀，其演進軌跡如圖3所示。

圖3 0號集群演進軌跡

應用場景：單個市場支撐電力交易的難度大且風險較高，因此負荷預測的應用場景需要考慮市場之間的耦合，例如“能源+容量”、“能源+輔助服務”等。由圖3可知，2015年純能源市場引起廣泛的討論，長期而言純能源市場促進轉型低碳，然而可能出現能源短缺的風險，稀缺電價導致系統(tǒng)成本增加。因此容量市場受到投資者支持，其發(fā)電能力可靠，供應安全穩(wěn)定，同時需求響應和儲能的加入可實現發(fā)電充足性。

近些年P2P(peer to peer)能源交易平臺率先在瑞士落地實施，去中心化的市場機制設計是雙邊能源交易的基礎。聯合雙向能源和輔助服務市場中交互式電網系統(tǒng)的協(xié)同優(yōu)化，對分布式能源與配電網運營商的經濟性、靈活性以及可靠性進行評估。

解決方法：隨著市場的轉變與發(fā)展，負荷預測已成為一個重要的研究領域，是電力市場運營和規(guī)劃的關鍵任務。短期負荷預測常用長短期記憶、回聲狀態(tài)網絡等模型，分布式學習算法對于預測復雜地理分布的用戶非常具有潛力。近些年采用相似日法衡量氣候的影響因素，最新的發(fā)展軌跡為機器學習模型，用于預測技術的發(fā)展，支撐后續(xù)投標策略和估算盈利。

2 國外電力市場的核心前沿

本節(jié)數據來源于Web of science檢索3238篇相關文獻。生成關鍵詞網絡圖譜，并采取不同的優(yōu)化算法進行圖譜剪枝，結果見表2。對比聚類效果可知，綜合聚類效果最佳為0.8779。

表2 不同聚類裁剪算法效果對比

基于尋徑網絡算法對綜合網絡裁剪，聚類效果明顯優(yōu)于單年網絡。這是由于文獻數量增加，導致單年裁剪的網絡劃分模糊，使得其聚類模塊值較低，進而影響了整體的聚類效果。因此，選擇對綜合網絡裁剪，得到關鍵詞的聚類圖譜，如圖4所示。

關鍵詞網絡圖譜中出現頻次最高的有模型、優(yōu)化、需求響應、可再生能源、電價以及不確定性等。完整的圖譜展示了全部的信息，但由于數據過多使得圖譜節(jié)點眾多、連接復雜，從而缺乏可讀性。因此，接下來依據節(jié)點的權重，提煉出關鍵節(jié)點，聚焦于局部圖譜。

圖4 關鍵詞網絡圖譜

以最小持續(xù)時間為一年，尋找16個突現關鍵詞，結果見表3。

表3 關鍵節(jié)點-突現詞表

從表3中可知，突現強度比較高的關鍵詞有隨機過程、最優(yōu)潮流以及電價預測。區(qū)別于中國的定價機制，國外在電價預測方面發(fā)展迅猛。在此領域中，機器學習算法仍具有研究價值。最新突現的關鍵詞有能量樞紐、區(qū)塊鏈，例如考慮信息勾鴻決策能量樞紐的管理仍需提高其決策靈活性。

隨機過程節(jié)點兼具突現性高以及時間最新的特點，以此節(jié)點為例展示其在網絡圖譜中的具體連接，如圖5所示。從圖中可以看出，隨機過程方法，應用于不確定性因素的量化處理，或者計及發(fā)電側經濟性的最優(yōu)運行策略。

圖5 隨機過程節(jié)點

從高到低排列節(jié)點的中介中心性，選取前8個中介中心性詞，結果見表4。應用場景中最新穎的是能量交易。能量交易中，需求響應的環(huán)境效益是一個相對較新的話題，碳排放交易是其中不可或缺的環(huán)節(jié)。通過跟蹤需求響應的碳排放量，有效地指導排放交易計劃。從表4中可以看出，聚合商是中介中心性最高的節(jié)點，接下來以此節(jié)點為例進行解析。

表4 關鍵節(jié)點-中介中心詞表

聚合商節(jié)點及其連接如圖6所示。常見的聚合商有虛擬電廠、電動汽車聚合商。虛擬電廠的靈活運行緩解網絡堵塞，提高其集成能源的附加價值；電動汽車聚合商的管理，需考慮駕駛模式、市場價格的不確定性。

圖6 聚合商節(jié)點

此外，電動汽車通過V2G(vehicle-to-grid）提供電網輔助服務，提高車網系統(tǒng)靈活性。市場機制對于充分開發(fā)產消者的潛力是非常有必要的，鼓勵本地配電網內的發(fā)電和消費，同時利用機器學習等算法為聚合商提供決策支撐。

本文編自2022年第11期《電工技術學報》，論文標題為“基于知識圖譜的國內外電力市場研究綜述”。本課題得到了國家自然科學基金和上海市科學技術委員會資助項目的支持。