知识点
电力市场环境中，辅助服务包括备用、无功和黑启动等，其中，无功和黑启动一般都通过与发电公司签订中长期合同提供，备用服务则可通过竞价或长期合同两种方式提供，当采用竞价方式时，由于备用市场与日前有功市场有很强的关联性，在市场交易决策上必须协调它们的相互关系，通常将交易决策方法分为优先级排序决策法、顺序交易决策法、联合交易决策法和混合交易决策法等几种。
(1)优先级排序决策法。该法是将有功、AGC、旋转备用、非旋转备用、替代备用五种电力商品视为独立竞争的分离市场，通过优先级排序即可得到满足各自市场需求的成交结果。它的优点是简单，便于理解，算法易于实现;缺点是没有考虑到各类电力商品间的耦合性，调度方案可能不可行，比如机组同时提供有功与备用时，总和可能超过机组容量限制。因而此种方法在实用上难以推行。
(2)顺序交易决策法。该法根据各类市场重要程度的不同，按一定先后次序对各个市场进行单独交易决策。每个市场交易决策都以该市场购买费用最低为目标。它的优点是各市场间基本不存在耦合问题，每个决策过程都可以保证该市场内部的公平与透明;缺点是只保证了局部市场购买费用最低，而所有市场的购买费用之和不–定最低。此外，该决策法中，市场的交易顺序很重要，优先进行决策的市场，往往会剥夺一些市场成员在下一个市场中竞争的权利。因而，顺序的排列涉及市场整体公平性。
(3)联合交易决策法。该法是将各类市场的决策过程统-进行， 以各市场的综合购买费用最低为目标。但缺点是各类市场的决策过程相互影响，决策算法比较复杂，交易结果不便于分析和判断，会造成市场的清晰度和透明度都比较差，容易受到市场成员质疑，也不便于监管。
(4)混合交易决策法。该法是将顺序交易决策法与联合交易决策法混合在一起，每顺序增加一个市场，则计算该市场的清算价格，从而保证了该市场的公平性，而且最-一次的统一决策过程，又保证了最终交易结果的全局最优。因而，这种交易决策法尽管还存在着计算复杂等问题，但由于较好兼顾了公平性与经济性，从而得到一定认同。值得注意的是，随着市场化进程加快，各类辅助服务最终将从日前市场中分离出来，建立独立竞价的发电辅助市场，与日前市场并行。
本节分别从参与市场交易的电网公司和发电公司的不同角度，研究联合交易决策方法下备用服务的调度问题。
算例1
from scipy import optimize as op
import numpy as np
#目标函数
cp1=float(input('请输入第一台机组有功报价：'))
cp2=float(input('请输入第二台机组有功报价：'))
cp3=float(input('请输入第三台机组有功报价：'))
cp4=float(input('请输入第四台机组有功报价：'))
print('--------------')
PD=float(input('请输入负荷：'))
beiyong=float(input('请输入系统需要备用：'))
print('--------------')
maxPG1=float(input('请输入第一台机组出力上限：'))
maxPG2=float(input('请输入第二台机组出力上限：'))
maxPG3=float(input('请输入第三台机组出力上限：'))
maxPG4=float(input('请输入第四台机组出力上限：'))
print('--------------')
maxRG1=float(input('请输入第一台机组预留备用上限：'))
maxRG2=float(input('请输入第二台机组预留备用上限：'))
maxRG3=float(input('请输入第三台机组预留备用上限：'))
maxRG4=float(input('请输入第四台机组预留备用上限：'))
#目标函数
c=[cp1,cp2,cp3,cp4,0,0,0,0]
#等式约束
#1PG1+1PG2+1PG3+1PG4=PD
A_eq=np.array([[1,1,1,1,0,0,0,0]])
B_eq=np.array([PD])
#不等式约束
#RG1+RG2+RG3+RG4>=beiyong
#PG1+RG1<=maxPG1 PG2+RG2<=maxPG2 PG3+RG3<=maxPG3 PG4+RG4<=maxPG4
A_ub=np.array([[0,0,0,0,-1,-1,-1,-1],[1,0,0,0,1,0,0,0],[0,1,0,0,0,1,0,0],[0,0,1,0,0,0,1,0],[0,0,0,1,0,0,0,1]])
B_ub=np.array([-beiyong,maxPG1,maxPG2,maxPG3,maxPG4])
#上下限
PG1=(0,maxPG1)
PG2=(0,maxPG2)
PG3=(0,maxPG3)
PG4=(0,maxPG4)
RG1=(0,maxRG1)
RG2=(0,maxRG2)
RG3=(0,maxRG3)
RG4=(0,maxRG4)
if __name__ == "__main__":
res = op.linprog(c, A_ub, B_ub, A_eq, B_eq, bounds=(PG1,PG2,PG3,PG4,RG1,RG2,RG3,RG4))
x=res.x
print('-------------求解结果-------')
print(res.fun)
print('PG1',x[0])
print('PG2', x[1])
print('PG3', x[2])
print('PG3', x[3])
print('RG1', x[4])
print('RG2', x[5])
print('RG3', x[6])
print('RG4', x[7])
算例1
from scipy import optimize as op
import numpy as np
#目标函数
cp1=float(input('请输入第一台机组有功报价：'))
cp2=float(input('请输入第二台机组有功报价：'))
cp3=float(input('请输入第三台机组有功报价：'))
cp4=float(input('请输入第四台机组有功报价：'))
cp5=float(input('请输入第一台机组备用报价：'))
cp6=float(input('请输入第二台机组备用报价：'))
cp7=float(input('请输入第三台机组备用报价：'))
cp8=float(input('请输入第四台机组备用报价：'))
print('--------------')
PD=float(input('请输入负荷：'))
beiyong=float(input('请输入系统需要备用：'))
print('--------------')
maxPG1=float(input('请输入第一台机组出力上限：'))
maxPG2=float(input('请输入第二台机组出力上限：'))
maxPG3=float(input('请输入第三台机组出力上限：'))
maxPG4=float(input('请输入第四台机组出力上限：'))
print('--------------')
maxRG1=float(input('请输入第一台机组预留备用上限：'))
maxRG2=float(input('请输入第二台机组预留备用上限：'))
maxRG3=float(input('请输入第三台机组预留备用上限：'))
maxRG4=float(input('请输入第四台机组预留备用上限：'))
#目标函数
c=[cp1,cp2,cp3,cp4,cp5,cp6,cp7,cp8]
#等式约束
#1PG1+1PG2+1PG3+1PG4=PD
A_eq=np.array([[1,1,1,1,0,0,0,0]])
B_eq=np.array([PD])
#不等式约束
#RG1+RG2+RG3+RG4>=beiyong
#PG1+RG1<=maxPG1 PG2+RG2<=maxPG2 PG3+RG3<=maxPG3 PG4+RG4<=maxPG4
A_ub=np.array([[0,0,0,0,-1,-1,-1,-1],[1,0,0,0,1,0,0,0],[0,1,0,0,0,1,0,0],[0,0,1,0,0,0,1,0],[0,0,0,1,0,0,0,1]])
B_ub=np.array([-beiyong,maxPG1,maxPG2,maxPG3,maxPG4])
#上下限
PG1=(0,maxPG1)
PG2=(0,maxPG2)
PG3=(0,maxPG3)
PG4=(0,maxPG4)
RG1=(0,maxRG1)
RG2=(0,maxRG2)
RG3=(0,maxRG3)
RG4=(0,maxRG4)
if __name__ == "__main__":
res = op.linprog(c, A_ub, B_ub, A_eq, B_eq, bounds=(PG1,PG2,PG3,PG4,RG1,RG2,RG3,RG4))
x=res.x
print('-------------求解结果-------')
print(res.fun)
print('PG1',x[0])
print('PG2', x[1])
print('PG3', x[2])
print('PG3', x[3])
print('RG1', x[4])
print('RG2', x[5])
print('RG3', x[6])
print('RG4', x[7])
