江２０１５年９月 苏电机工程 第３４卷第５期 ４７ Ｊｉａｎｇｓｕ Ｅｌｅｃｔｒｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ 多时间尺度相协调的电力市场价值评估 朱雨彤．靳晶 （国网冀北电力有限公司秦皇岛供电公司，河北秦皇岛０６６０００） 摘 要：通过对多时间尺度下的各市场类型对风电消纳的影响分析，提出了多级竞争电力市场的价值评估模型，反映市场在 优化电网资源配置．促进风电消纳方面的积极效果。该市场价值评估模型中涵盖了日前市场、小时前市场和实时运行校正， 通过建立考虑风电不确定性的随机规划模型．评估３种不同时间尺度下的有效资源价值．形成不同时间下各级市场的相协 调的出清决策。算例分析结果表明．多时间尺度协调的电力市场能够有效减小大规模风电不确定性带来影响和系统备用运 行留用容量．有利于电网优化运行 关键词：电力市场；随机规划；多阶段场景树；风电；不确定因素 中图分类号：ＴＭ７３ 文献标志码：Ａ 文章编号：１００９－０６６５（２０１５）０５－００４７－０４ 为了解决风电所引发的电网运行上的技术和经 济问题．目前已经开展了许多关于风电不确定因素影 电力市场结构主要包括了日前市场和小时前市场 所设计的市场时序组织流程（如图ｌ所示 展示了 响下的电网最优发电计划和系统备用容量分配的研 究［１］ 随着不确定因素的日益增多．随机因素的分析方 法已广泛地用来确定考虑风电不确定性的系统备用 容量需求［Ｈ］ 文献［５］提出了一种基于场景的随机规 划方法．用来分析考虑风电波动特性和风电与负荷负 相关性的电力市场出清过程 文献［６３通过求解一种 相邻两日的不同时间尺度的电力市场构成．包括ｄ一１ 日的日前计划市场和运行日ｄ中若干小时前市场 ．日前市场ｄ－１ ＝二＝＝二 小时前市场 ．ｈ－２４． 小时前市场 ｈ－ｋ．． …・Ｉ 运行日ｄ一１ 运行日ｄ 考虑输电网安全约束的机组组合问题．建立了一种日 前市场的随机出清模型 文献［７］采用随机方法模拟 风电特性．并提出一种市场出清方法来确定系统最优 备用容量安排 为了应对风电不确定性对电网运行带来的挑战． 从电网调度层面．需要考虑灵活的运行计划安排。通 过调整风电预测时间尺度［ ．可以获得滚动的且经过 校正的风电预测功率．进而可以愈发地接近实时状态 进行运行安排．减缓风电不确定性的预测误差因素带 来的风险影响。文献［９］利用滚动的机组组合方法，将 风电预测的可用价值大幅提升．使电网的运行计划更 具鲁棒性。电力市场环境下。文献［１０］针对风力发电 商提出了一种按照不同时间点的市场类型的最优发 电策略．该策略具有减小系统总运行成本和风险的作 用特点。这些研究表明．通过灵活地调整不同时期运 行计划．能够减小风电不确定性带来的负面影响 文 中建立了基于随机规划的多时间尺度协调下不同电 图１多级竞价市场时序组织流程 基于上述市场的时序组织流程．通过输入和输出 变量构成的市场结构如图２所示 输出结果可以分析 得到．小时前市场时前出清结果能够修正日前市场中 得到的时前期望出清结果．促使整个电网运行计划随 时间发展进行滚动更新 日前主能量和备用容量申报 小时前主能量和备用容量申报 风电场景预测 负荷预测 输入变量 不同时间尺度下 的多级竞价市场 日前市场 小时前市场 ——ｆ， Ｊ＼＼Ｉ 量期望值及期望价格 ／ 期望的实时调整策略 ＼，，下－－ｄ＇时前主能量、备用 一实时运行校正 ］小时前Ｉ其他小时前主能量、备用 容量期望值及期望价格 ／ｌ 容量计划值及出清价格 出清结果 力市场类型的价值评估模型．通过近时间点的市场出 图２市场结构概述 清决策．滚动校正更新远时间点的已知市场出清信 息．形成灵活的电力市场交易出清计划。适应风电出 力的波动性 ２数学模型 数学上．文中提出的多时间尺度协调的电力市场 价值评估模型可表述为一个含不确定因素的多阶段混 合整数规划问题。模型中的目标函数、约束条件以及随 机变量的处理如下。 ２．１目标函数 １市场结构 按照时间演变进度．文中研究的多时间尺度下的 收稿日期：２０１５—０４—０８：修回日期：２０１５－０６－０９ ４８ ｍ ， ＝ Ｎ ＴＨ Ｎ 江苏 电机工程 ＵＨ ＵＨ．ｍｌ［ｏｉ￣Ｓ ｏ≤尺 ≤尺 ＤＨ ＤＨ ｍａｘ Ｓ （７） ｎｈ ０≤Ｒ ≤Ｒ ’ Ｕ （８） （９） ∑ ∑ＪＤ ∑∑Ｅｃ触 Ｈｂ＋ｃＲＵ ＨＲＵ眺Ｈ ＋ ＲＤＨ ＤＨ＋ ＝ＤＨ．ｍａｘ Ｏ＜￣ｒｉ ≤ ☆ ｌ ｆ＝１ ｉ＝１ Ｄ∑ 心∑ Ｃ 。 （Ｕ Ｃ ｒ（如一ｒ ）＋ ｉ ）＋ＵＣ ］＋ＵＣｉｉ ｊ＋ 一 ～式中：Ｒ ’一Ｒ ’，Ｒ ’一，，Ｒ ’一分别为日前与小 ） ∞：Ｄ ：Ｒ Ｃ 薹 （１） 时前市场正负备用容量的最大限值。 （４）机组启停约束： ≥ 讹 “（ ＋ｌ ≤ （ ＋ｒＨ）ｂ＋ 打（ ＋１） （１Ｏ） （１１） 式中：第一行表示日前主能量与正、负备用容量市场的 ＋ 购买成本．第二行表达式为小时前市场的主能量与正、 负备用容量购买成本．第三行表示实时运行时的备用 容量成本和机组启停成本．第四行表达式为系统弃风 ＋ 成本。其中具体变量含义为：叩＝Ｄ Ｒ 萎 表示第ｋ类型市场； 表示日前市场时段数； 为小时前市场时段数；Ⅳ。表 示机组总数量；＋ Ⅳｓ表示场景数量；Ｃ 为市场ｋ中机组ｉ 在时段ｔ的主能量单位购买成本； 为ｋ类市场中 机组ｉ在时段ｔ的启停成本；Ｐ 为风电场景ｓ发生的概 率； Ｄ 和 分别为日前和小时前市场机组ｉ在时段 购买的主能量；尺 ’、Ｒ ， ，Ｒ ，ｒ ，ｒＤ 分别为日 前、小时前市场和实时运行中机组ｉ在时段ｔ的正、负 备用容量；Ｃ ，ｃ ，ｃ ，ｃ 分别为日前、小时前 市场中机组ｉ在时段ｔ的正、负备用容量单位购买成 本；ｃ：为ｋ类型市场在时段ｔ的弃风单位成本； 为 场景ｓ中ｋ类型市场在时段ｔ的弃风功率总量。 ２．２约束条件 （１）日前／小时前计划市场与实时运行中功率平 衡约束： ∑［ ＋或 ］＋ ： Ｌ，Ｖｔ ｋ （２） ｉ＝１ ∑［或＋ ＋ Ｕ 一 Ｄ］＋（ ｗ ，ｒ一 ）： Ｌ，Ｖｔ，ｋ，ｓ（３） ｉ＝１ 式中： ： 表示风电在市场ｋ时段ｔ所处场景ｓ中的功 率预测值； 为风电在给定场景ｓ时段ｔ中的实际输 出功率； 为系统 时刻的负荷值。 （２）机组在计划和实时运行阶段的功率约束： ≤ ＋ 池≤ 泓 （４） ≤ ＋ ＋ 一ｒ ≤ 如 （５） 式中： ｍ ， ｍ 分别为机组ｉ的出力最小、最大限值； ｉ 分别为机组ｉ在市场计划交易阶段和实时运行 阶段的启停状态。 （３）备用容量约束： ０≤尺触≤ 触 （６） 其中： Ｓ ∈ ＳＨ ）。 ＳＨ 和 分别为小时前和日前 ， 市场中机组计划启停状态。 （５）风电弃风约束： ０≤ ｗ ≤ ０≤ ≤Ｐ ，ｔｋ ， ，，Ｖｔ，Ｖｔ ｋ，ｋｓ （１２） ２．３场景树模拟技术 为了描述风电功率的不确定性…］．采用多阶段场 景树技术 模拟模型中的随机变量。场景树通过对随 机变量在不同阶段的概率特性分析．将随机规划模型 转换为确定性模型 多阶段风电输出功率的场景树如 图３所示 每各节点表示对应场景下的风电输出功率， 任意两节点连接的树枝表示上一阶段到下一阶段场景 的演变。假定预测风电输出功率变量ｐ Ｗ， 的概率分布 Ｐ 则： ｐ ＝ｐ（ ）兀Ｐ（ｑ－＝２ ｌ Ｌ ） （１３） 式中：ｐ（ ）表示 时段ｐ Ｗ ｆ 的概率；ｐ（ ｌ・） 表示 时段 发生的条件概率。 ｄ一１ ｄ 图３多阶段风电概率场景树 ３求解方法及流程 文中提出的数学模型如式（１—１３）所示，构成了一 个多阶段的混合整数规划问题。采用Ｂｅｎｄｅｒｓ分解技 术将原问题分解为整数变量和含连续变量的线性规划 子问题．进行交替迭代获取优化问题的最优解。具体操 朱雨彤等：多时间尺度相协调的电力市场价值评估 ４９ 作流程为： （１）初始化。通过场景树技术模拟随机变量，获得 初始阶段ｓ的场景信息 初始化迭代步 ＝１。 （２）求解初始场景下的混合整数规划主问题。 （３）求解仅含连续变量的线性规划子问题。 （４）收敛性判断。比较主问题与子问题目标函数 值的边界的差值．若该差值满足收敛精度则计算下一 阶段场景ｓ＋ｌ的优化问题；否则，继续步骤（５）。 （５）更新迭代步￣ｙ－－ｖ＋ｌ。计算 ＋１迭代步内的混 合整数规划主问题。返回至步骤（３）继续迭代。 （６）获得随机变量所有场景下的模型最优解，计 算结束 ４算例分析 ４．１基础数据 假设系统中有４台常规机组．具体机组信息见表 １。同时．风电装机容量为１５０ ＭＷ，常规机组无论在日 前市场还是小时前市场均具有同时提供主能量和备用 容量的能力。系统负荷为４８０ ＭＷ且为恒定值。设风 电在下一场景发生的概率为０．５．预测场景中风电输出 功率波动区间为［８０ ＭＷ．１２０ Ｍｗ］．并仅考虑小时前 ∞０ Ｏ 一瑚０ ０ 一市场风电随机特性场景 ∞Ｏ Ｏ ０ Ｏ Ｏ 表１常规机组信息 项目 机组１ 机组２ 机组３ 机组４ Ｌ组卜Ｐ民，ＭＷ ｌＵＵ ｌ００ ）Ｕ ）Ｕ ∞Ｏ Ｏ Ｏ Ｏ Ｏ 机组上限／ＭＷ ２００ ２００ １００ １００ 启停成本／￥ｌＯ００ １０００ ２００ ５０ 专学姜单 ［￥．（ＭＷ．ｈ） ］ ２０ ２５ ４０ ６０ ∞Ｏ Ｏ Ｏ ０ Ｏ 成本／塑 用单 ￥・ ＭＷ －ｔ ６ ５ ４ ３成本／塑 用单 ￥・Ｍ Ｗ ６ ５ ４ ３位成本／妻 备用兰 ￥－ＭＷ－一 ８” ７ ６ ５ 位成本／￥・ＭＷ。 思兽 ８ ７ ６ ５ 仿真环境为ＩｎｔｅｌＸｅｏｎ处理器和４ＧＢ的 的 计算机上采用ＭＡＴＬＡＢ ＣＰＬＥＸ软件工具包进行求解。 ４．２仿真结果及分析 选取相邻两日作为仿真时间．主能量与备用容量 在日前市场和小时前市场的出清结果如表２、３、４、５所 示 小时前市场中出清的主能量与备用容量与风电场 景输出功率相关，其中４０（３，６）表示在场景３、４、５、６ 中取值为４０。数据表明．机组１为承担基荷机组，并且 在计划市场中仅提供主能量服务 机组２在日前市场 和小时前市场均具有提供主能量和正、负备用容量的 能力 但机组２在日前市场提供的主能量多于小时前 市场．表明在远时间点计划量大于近时间点的调整量． 符合降低系统运行风险的原则和减小运行成本的目 标。另外，机组２不仅可以提供正备用服务．还可以提 供负备用容量。对于某些低风电输出功率场景。如５、 ６、７、８，机组１和２无法满足系统的全部负荷需求．因 此需要结合机组３、机组４共同实现系统功率平衡。从 前８小时市场出清结果可以看出．机组４由于是价格 昂贵机组仅提供５０ ＭＷ的正备用容量服务 表２ Ｇ１机组主能量与备用容量最优计划安排 能量 ｄ 类型 ｄ－ 『一 表３ Ｇ２机组主能量与备用容量最优计划安排 一 一 表４ Ｇ３机组主能量与备用容量最优计划安排 羹萎川 Ｄ。 ２５ Ｏ（１，４） ０（１，４） ｎ ２５（５，８） ２５（５，８） ＲＵＤ ０ Ｏ Ｏ ０ ０ ０ Ｏ Ｏ ＰＨ 一 ０ ０ ０ ０ Ｏ Ｏ ０ ０ ０ 图４为不同市场模式下的弃风效果对比分析 其 中场景１表示文中所采用的多时间尺度协调的市场模 式，包括日前市场和小时前市场。场景２表示仅考虑日 前市场的交易模式。结果表明．随着弃风单位成本从１ 增加到３５￥ ・ｈ．２种场景的市场模式均有降低系 统弃风量的效果．但文中所采用的市场模式可以更大 限度减少弃风，优于场景２的市场模式。因此，文中设 计的市场模式的价值之一体现为可有效减少风电弃风 损失。促进新能源更大程度的消纳 ５０ 江苏 电机工程 表５ Ｇ４机组主能量与备用容量最优计划安排 １３］ＰＡＰＡＶＡＳＩＬＩＯＮ Ａ．ＯＲＥＮ Ｓ．Ｏ’ＮＥＩＬＬ Ｒ．Ｒｅｓｅｒｖｅ Ｒｅｑｕｉｒｅｍｅ－ ｎｔｓ ｆｏｒ Ｗｉｎｄ Ｐｏｗｅｒ Ｉｎｔｅｇｒａｔｉｏｎ：Ａ Ｓｃｅｎａｒｉｏ－ｂａｓｅｄ Ｓｔｏｃｈａｓｔｉｃ Ｐｒｏ－ ｇｒａｍｍｉｎｇ Ｆｒａｍｅｗｏｒｋ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ．ｏｎ Ｐｏｗｅｒ Ｓｙｓｔｅｍｓ， ２０１１，２６（４）：２１９７—２２０６． ［４］邵成成，王锡凡，王秀丽．等．考虑风电的电力联营市场日前出 清模型［Ｊ］．电力系统自动化，２０１４，３８（１３）：４５—５０． ［５］ＯＵＦＦＡＲＤ Ｆ．ＧＡＬＩＡＮＡ Ｆ．Ｓｔｏｃｈａｓｔｉｃ Ｓｅｃｕｒｉｔｙ ｆｏｒ Ｏｐｅｒａｔｉｏｎｓ Ｐｌａｎｎｉｎｇ ｗｉｔｈ Ｓｉｇｎｉｉｆｃａｎｔ Ｗｉｎｄ Ｐｏｗｅｒ Ｇｅｎｅｒａｔｉｏｎ［Ｃ］／／ＩＥＥＥ Ｐｏ— ｗｅｒ ａｎｄ Ｅｎｅｒｇｙ Ｓｏｃｉｅｔｙ Ｇｅｎｅｒａｌ Ｍｅｅｔｉｎｇ・－Ｃｏｎｖｅｒｓｉｏｎ ａｎｄ Ｄｅｌｉｖ－・ ｅｒｙ ｏｆＥｌｅｃｔｒｉｃａｌ Ｅｎｅｒｇｙ ｉｎ ｔｈｅ ２１ｓｔ Ｃｅｎｔｒｕｒｙ．２００８：卜１ １． ［６］ＷＺＮＧ Ｊ，ＳＨＡＨＩＤＥＨＰＯＵＲ Ｍ，ＬＩ Ｚ．Ｓｅｃｕｒｉｙｔ—ｃｏｎｓｔｒａｉｎｅｄ Ｕｎｉｔ Ｃｏｍｍｉｔｍｅｎｔ ｗｉｔｈ Ｖｏｌａｔｉｌｅ Ｗｉｎｄ Ｐｏｗｅｒ Ｇｅｎｅｒａｔｉｏｎ ｌＪｊ．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ￣ｏｎＰｏｗｅｒ Ｓｙｓｔｅｍｓ，２００８，２３（３）：１３１９—１３２７． 至 １７］ＭＯＲＡＬＥＳ Ｊ．ＣＯＮＥＪ０ Ａ．ＰＥＲＥＺ－ＲＵＩＺ Ｊ．Ｅｃｏｎｏｍｉｃ Ｖａｌｕａｔｉｏｎ ｏｆＲｅｓｅｒｖｅｓ ｉｎ Ｐｏｗｅｒ Ｓｙｓｔｅｍｓ ｗｉｔｈ Ｈｉｇｈ Ｐｅｎｅｔｒａｔｉｏｎ ｏｆＷｉｎｄ Ｐｏ． ｗｅｒ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓ．ｏｎ Ｐｏｗｅｒ Ｓｙｓｔｅｍｓ，２００９，２４（２）：９００—９１０． ［８］ＤＯＨＥＲＴＹ Ｒ．Ｏ’ＭＡＬＬＥＹ Ｍ．Ａ Ｎｅｗ Ａｐｐｒｏａｃｈ ｔｏ Ｑｕａｎｔｉｆｙ Ｒｅｓｅｒｖｅ Ｄｅｍａｎｄ ｉｎ Ｓｙｓｔｅｍｓ ｗｉｔｈ Ｓｉｎｉｆｇｉｃａｎｔ Ｉｎｓｔａｌｌｅｄ Ｗｉｎｄ Ｃａ— ｐａｃｉｔｙ【Ｊｊ．１ＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ．ｏｎ Ｐｏｗｅｒ Ｓｙｓｔｅｍｓ，２００５，２０（２）： 弃风单位成本Ｉ Ｅ￥・（ＭＷ．ｈ） ］ ５８７—５９５． 图４不同市场模式下的弃风效果比较分析 １９］ＭＥ１ＢＯＭ Ｐ，ＢＡＲＴＨ Ｒ．ＨＡＳＣＨＥ Ｂ，ｅｔ ａ１．Ｓｔｏｃｈａｓｔｉｃ Ｏｐｔｉｍｉｚａ— ｔｉｏｎ Ｍｏｄｅｌ ｔｏ Ｓｔｕｄｙ ｈｅ Ｏｐｅｒａｔｉｔｏｎａｌ Ｉｍｐａｃｔｓ ｏｆ Ｈｉｇｈ Ｗｉｎｄ Ｐｅｎｅ— ５结束语 可对多时间尺度协调下主能量和备用容量联合市 场的价值进行了评估研究．通过建立多阶段随机规划 模型实现对不同时间点电网调度运行在计划和实时状 态时做出的决策．可使全网运行更加优化．更大限度地 促进风电大规模消纳。算例结果表明．市场价值体现为 ｔｒａｔｉｏｎｓ ｉｎ Ｉｒｅｌａｎｄ ｌＪ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ．ｏｎ Ｐｏｗｅｒ Ｓｙｓｔｅｍｓ． ２０１１，２６（３）：１３６７—１３７９． １ｌ０Ｊ ＭＯＲＡＬＥＳ Ｊ。ＣＯＮＥＪＯ Ａ．ＰＥＲＥＺ—ＲＵＩＺ Ｊ．Ｓｈｏｎ－ｔｅｒｍ Ｔｒａｄｉｎｇ ｏｒ ａ Ｗｉｆｎｄ Ｐｏｗｅｒ Ｐｒｏｄｕｃｅｒ【ＪＪ．ＩＥＥＥ Ｔｒａｎｓ ａｃｔｉｏｎｓ．ｏｎ Ｐｏｗｅｒ Ｓｙｓｔｅｍｓ，２０１０，２５（１）：５５４—５６４． ［１１］江林．可再生能源国际标准的现状及发展［Ｊ］．江苏电机工 程．２０１３．３２（６）：８卜８４． ［１２］姜文．严正．杨建林．基于解析法的风电场可靠性模型［Ｊ］． 电力自动化设备，２０１０，３０（１０）：７９—８３． 该模式能够有效利用历史信息．降低风电不确定性带 来的负面影响．减少系统备用容量的计划留用量和风 电弃风。 参考文献： ［１］王瑞庆，王宏福，王睨，等．考虑高阶矩时变性的电力市场风 险价值计算［Ｊ］．电力系统保护与控制．２０１２．４０（２４）：４６—５２． ［２］徐立中，易永辉，朱承治，等．考虑风电随机性的微网多时间尺 度能量优化调度［Ｊ］．电力系统保护与控制，２０１４．４２（２３）：卜８． 靳作者简介： 朱雨彤（１９８８），男，河北秦皇岛人，工程师，从事电力系统规划与运 行工作： 晶（１９８８），女，河北秦皇岛人，工程师，从事电力系统优化运行 及电力市场工作。 Ｅｖａｌｕａｔｉｏｎ ｏｎ ｔｈｅ Ｖａｌｕｅ ｏｆ Ｍｕｌｔｉｐｌｅ Ｔｉｍｅ－ｓｃａｌｅ Ｅｌｅｃｔｒｉｃｉｔｙ Ｍａｒｋｅｔ ＺＨＵ Ｙｕｔｏｎｇ，ＪＩＮ Ｊｉｎｇ （Ｑｉｎｈｕａｎｇｄａｏ Ｐｏｗｅｒ Ｓｕｐｐｌｙ Ｃｏｍｐａｎｙ ｏｆ Ｓｔａｔｅ Ｇｒｉｄ Ｊｉｂｅｉ Ｅｌｅｃｔｒｉｃ Ｐｏｗｅｒ Ｃｏ．Ｌｔｄ．，Ｑｉｎｈｕａｎｇｄａｏ ０６６０００，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｉｓ ｐａｐｅｒ ｐｒｅｓｅｎｔｓ ａｎ ｅｖａｌｕａｔｉｏｎ ｍｏｄｅｌ ｔｏ ｒｅｆｌｅｃｔ ｔｈｅ ｖａｌｕｅ ｂｒｏｕｇｈｔ ｆｒｏｍ ｍｕｌｔｉｐｌｅ ｃｏｍｐｅｔｉｔｉｖｅ ｅｌｅｃｔｒｉｃｉｔｙ ｍａｒｋｅｔｓ ｔｈｒｏｕｇｈｏｕｔ ｔｈｅ ａｎａｌｙｓｉｓ ｏｆ ｈｅ ｉｍｐａｃｔｔ ｏｆ ｍｕｌｔｉｐｌｅ ｔｉｍｅ－ｓｃａｌｅ ｍａｒｋｅｔｓ ｏｎ ｗｉｎｄ ｐｏｗｅｒ ｉｎｔｅｇｒａｔｉｏｎ．Ｔｈｉｓ ｍｏｄｅｌ ｉｓ ｃａｐａｂｌｅ ｏｆ ｏｐｔｉｍａｌｌｙ ａｌｌｏｃａｔｉｎｇ ｔｈｅ ｒｅｓｏｕｒｃｅｓ ｏｆ ｐｏｗｅｒ ｇｒｉｄｓ ａｎｄ ｐｒｏｍｏｔｉｎｇ ｈｉ曲ｗｉｎｄ ｐｏｗｅｒ ｐｅｎｅｔｒａｔｉｏｎ ｂｙ ｍｅａｎｓ ｏｆ ｍａｒｋｅｔ ｍｅａｓｕｒｅｓ． Ｔｈｅ ｐｒｏｐｏｓｅｄ ｅｌｅｃｔｒｉｃｉｔｙ ｍａｒｋｅｔ ｍｏｄｅｌ ｃｏｎｓｉｓｔｓ ｏｆ ｔｈｅ ｄａｙ－ａｈｅａｄ ｍａｒｋｅｔ，ｈｏｕｒ－ａｈｅａｄ ｍａｒｋｅｔ ａｎｄ ｒｅａｌ ｔｉｍｅ ｏｐｅｒａｔｉｏｎ ａｄｊｕｓｔｍｅｎｔ．Ｓｔｏｃｈａｓｔｉｃ ｐｒｏｇｒａｍｍｉｎｇ ｉｓ ｕｓｅｄ ｔｏ ｍｏｄｅｌ ｄｅｃｉｓｉｏｎ—ｍａｋｉｎｇ ｕｎｄｅｒ ｗｉｎｄ ｐｏｗｅｒ ｕｎｃｅｒｔａｉｎｔｙ，ｔｏ ｅｖａｌｕａｔｅ ｈｅｔ ｖａｌｕｅ ｏｆ ｔｈｅ ａｖａｉｌａｂｌｅ ｒｅｓｏｕｒｃｅｓ ｉｎ ｔｈｉｓ ｔｈｒｅｅ ｔｉｍｅ ｐｏｉｎｔｓ．Ｆｕａｈｅｒｍｏｒｅ，ｍｕｌｔｉｐｌｅ ｔｉｍｅ—ｓｃａｌｅ ｃｏｏｒｄｉｎａｔｉｏｎ ｍａｒｋｅｔ ｃｌｅａｒｉｎｇ ｃａｎ ｂｅ ｏｂｔａｉｎｅｄ ａｔ ｈｅ ｃｏｒｒｅｓｐｏｎｄｉｎｇ ｔｔｉｍｅ ｐｏｉｎｔｓ．Ｎｕｍｅｒｉｃａｌ ｓｉｍｕｌａｔｉｏｎ ｄｅｍｏｎｓｔｒａｔｅｓ ｔｈａｔ ｔｈｅ ｐｒｅｓｅｎｔｅｄ ｍａｒｋｅｔ ｆｒａｍｅｗｏｒｋ ｃａｎ ｍｉｔｉｇａｔｅ ｔｈｅ ｕｎｃｅｒｔａｉｎｔｙ ｏｆ ｌａｒｇｅ—ｓｃａｌｅ ｗｉｎｄ ｐｏｗｅｒ，ｌｅａｄｓ ｔｏ ａ ｒｅｄｕｃｔｉｏｎ ｉｎ ｓｙｓｔｅｍ ｒｅｓｅｒｖｅ ｒｅｑｕｉｒｅｍｅｎｔｓ，ａｎｄ ｂｅ ｂｅｎｅｆｉｃｉａｌ ｔｏ ｔｈｅ ｏｐｔｉｍａｌ ｏｐｅｒａｔｉｏｎ ｆｏｒ ａ ｐｏｗｅｒ ｄ． Ｋｅｙ ｗｏｒｄｓ：ｅｌｅｃｔｒｉｃｉｔｙ ｍａｒｋｅｔ；ｓｔｏｃｈａｓｔｉｃ ｐｒｏｇｒａｍｍｉｎｇ；ｍｕｌｔｉ－ｓｔａｇｅ ｓｃｅｎａｒｉｏ ｒｅｅ；ｗｉｔｎｄ ｐｏｗｅｒ；ｕｎｃｅｒｔａｉｎｔｙ
