发电联盟参与电-碳-绿证市场的协同优化策略

詹博淳，冯昌森，尚 楠，卢治霖，梁梓杨，文福拴

（1.浙江大学电气工程学院，杭州 310027；2.浙江工业大学信息工程学院，杭州 310023；3.南方电网能源发展研究院有限责任公司，广州 510663）

国家发展改革委和国家能源局发布的《关于促进新时代新能源高质量发展的实施方案》（国办函〔2022〕39号）[1]要求推广绿色电力证书交易，加快研究建立非水可再生能源发电配额强制考核办法，完善可再生能源电力消纳责任权重制度。在此背景下，发电主体有必要统筹规划，通过参与电力市场、碳市场和绿证市场，在完成消纳责任的同时获得最大收益[2-3]。

学术界针对发电主体参与电-碳-绿证市场已有广泛研究。文献[4]建立了基于局部均衡理论的化石能源发电主体电-碳交易的发电决策模型；文献[5]建立了基于时间序列分析的风电主体在电-绿证市场长期风险投资决策模型；文献[6]建立了基于多场景模型的可再生能源发电主体电-绿证交易决策模型，有效考虑可再生能源日内出清的不确定性。上述研究并未考虑可再生能源发电主体和化石能源发电主体同时参与电-碳-绿证交易。进一步地，文献[7]建立了基于多方动态博弈的多时间尺度电-碳市场均衡模型；文献[8]提出了基于逆向归纳法的多类型发电主体参与电-绿证市场竞价策略。上述模型将可再生能源发电主体和化石能源发电主体在电-绿证交易时的关系刻画为完全竞争型关系，未考虑到二者合作参与电-绿证市场交易可获得合作剩余。

学术界对可再生能源发电主体和化石能源发电主体的合作博弈问题已有部分研究。文献[9]建立了基于条件风险价值理论和随机整数优化的风火机组参与电力现货市场联合竞价模型，并未考虑风火机组联盟参与碳市场和绿证市场；文献[10]建立了考虑调峰补偿和配额收益的自备电厂和风电厂发电权日前交易模型；文献[11]建立了新能源与火电机组联合参与多时间尺度电-绿证市场的决策模型。上述研究构建了发电联盟参与多市场的决策模型，简化了多市场的交易出清。基于此，本文建立了可再生能源-化石能源发电联盟电-碳-绿证交易双层优化模型，在上层发电联盟决策模型中引入信息间隙决策理论量化现货价格的不确定性，在下层建立了电-碳-绿证市场的交易出清模型，确定了电-碳-绿证市场的交易价格。

基于合作博弈的收益分配方法有Shapley 值法、稳定集、谈判集、核仁法等。文献[12]提出了基于联盟成员投入资源成本价值权重的改进Shapley值法，但并未考虑联盟成员在不同联盟活动中可能存在议价能力；文献[13]提出了基于Shapley值等价分解的多权重Shapley 值模型，以反映成员在多项联盟活动中的不同权重；Shapley 值法计算较为简便，但对于非凸博弈存在组合爆炸的问题[14]；文献[15]提出了基于软模糊匹配的稳定集收益分配方法，考虑了表征联盟成员加入先后对收益分配的影响；文献[16]构建了基于讨价还价谈判集的分布式能源收益分配策略，有效表征了联盟个体的用电效用和风险厌恶程度；稳定集和谈判集法能充分保证联盟个体利益[17]；文献[18]提出了基于核仁法的直购电交易中电力网络固定成本的分摊方法，核仁法计算复杂度会随联盟成员增加呈指数增加，不利于博弈模型的扩展。本文采用双边Shapley 值法将联盟取得的总收益在化石能源机组子联盟和可再生能源机组子联盟间分配，采用改进的核仁法[19]在化石能源机组子联盟和可再生能源机组子联盟内进行收益分配。

在上述背景下，本文针对属于不同集团的化石能源发电主体和可再生能源发电主体，建立了其联合参与电-碳-绿证市场的交易决策和收益分配模型。具体地，建立了中长期-日前两阶段联合优化的双层模型，上层模型为考虑现货价格不确定性的发电联盟参与电-碳-绿证市场决策模型，下层模型为电-碳-绿证市场的交易出清模型，通过KKT条件将双层模型整合为一个单层混合整数线性规划问题。同时，还建立了基于Shapley 值法和改进核仁法的发电联盟收益分配模型。本文提出的基于合作博弈的新型发电联盟参与电-碳-绿证市场决策模型可促进可再生能源消纳、减少电力市场出清偏差，使可再生能源机组和化石能源机组实现双赢。

1 发电联盟电-碳-绿证交易决策优化模型

1.1 可再生能源-化石能源发电主体的合作博弈模型

可再生能源消纳责任制背景下，发电主体可参与电力中长期交易、电力现货交易、碳排放权交易和绿证交易，各市场时间尺度如图1所示。

图1 中，电力中长期交易周期为Tz，发电主体可签订中长期合约锁定部分收益。电力现货市场的交易周期为Δt，各发电主体需提供竞价曲线。本文设定中长期合约电量按电力现货市场的交易周期签订，电力现货市场的交易周期为2 h。

碳配额考核和可再生能源消纳责任权重考核周期为T，碳市场和绿证市场交易周期为Tn，化石能源发电主体间可交易碳排放配额，化石能源发电主体和可再生能源发电主体间可交易绿证。碳配额余量和可再生能源消纳完成情况会影响化石能源发电主体在电力现货市场的竞价。本文旨在研究碳市场和绿证市场交易对发电主体在电力市场竞价决策的影响，将可再生能源消纳责任考核周期T、绿证和碳配额的交易周期Tn设定为1 日，可再生能源消纳量和碳配额在考核周期的划分决策不是本文的研究重点。

由于光伏和风电等出力具有随机波动性，可再生能源发电主体的实际出力通常会与现货市场出清电量存在偏差而被考核[20]。可再生能源发电主体在与化石能源发电主体组成发电联盟后，依据现货市场的出清结果优先调度，发电量超过出清电量的部分可替代部分化石能源电力，若存在负偏差电量由化石能源机组补发，可有效减少可再生能源发电主体的考核成本。发电联盟结成后，化石能源发电主体需要为可再生能源出力的不确定性提供兜底服务，在可再生能源机组多发的情况下可能会减少出力，但可再生能源发电主体提供的绿证可减少其为满足消纳责任要求而购买绿证的成本，从而使其在合作中获益。

可再生能源-化石能源发电联盟的交易过程本质为一个两阶段决策过程，其架构如图2所示。在中长期决策阶段，以预测的现货市场价格签订中长期合约，并决策各时段签约电量，通过签订电力中长期合约锁定部分收益。在日前决策阶段，各时段合约电量已定，发电联盟需要决策现货市场竞价以及绿证和碳配额交易量；在现货市场出清阶段，发电联盟可参与碳-绿证交易达到考核要求并获取收益。

图2 发电联盟参与电-碳-绿证市场交易优化决策模型Fig.2 Optimal decision-making model of generation alliance participating in electricity-carbon-green certificate markets

（1）绿证交易：在现货出清阶段，智能电表记录发电联盟可再生能源实际上网电量，按上网电量核发绿证，拥有绿证的发电联盟进入绿证交易市场进行交易，通过出售绿证获得经济利益，以获得绿电补贴，有消纳责任需求的发电主体通过购买绿证获得相应绿证，完成消纳责任权重指标要求。

（2）碳交易：在现货出清阶段，智能电表记录发电联盟化石能源机组出力的实际碳排放量，若在本轮市场中实际碳排放量小于拥有的碳排放权余额，则可持有多余的碳排放权作为碳排放权交易的卖方进入市场；若本轮市场中实际的碳排放量大于企业持有的碳排放权余额，则作为碳排放权交易的买方进入市场，购买碳配额满足碳排放配额考核要求。

1.2 可再生能源-化石能源机组优化决策模型

可再生能源-化石能源机组发电联盟优化目标为在一个考核周期T内电-碳-绿证市场总收益最大，即

式中：fm为发电联盟m的电-碳-绿证市场总收益；和分别为时段t发电联盟m的中长期合约收益和电力现货市场收益；和分别为时段t发电联盟m的总发电成本和偏差考核成本；Fm,tgc和Cm,car分别为发电联盟m该考核周期出售绿证的收益和购买碳配额的成本。

（1）电力中长期合约售电收益表示为

（2）电力现货市场售电收益表示为

（3）总发电成本表示为

式中：K和Q分别为化石能源机组和可再生能源机组总台数；δk,fe、δk,on-off和δq,re分别为第k台化石能源机组的度电成本、机组启停成本和第q台可再生能源机组的度电成本；为时段t第k台化石能源机组的状态，开启和停运状态分别取0 和1；和分别为时段t第k台化石能源机组和第q台可再生能源机组的出力。

（4）偏差考核成本表示为

（5）出售绿证收益表示为

式中，Qm,tgc和αtgc分别为本考核周期发电联盟m出售绿证的数量和绿证市场的交易价格。

（6）购买碳配额成本表示为

式中，Qm,car和αcar分别为本考核周期发电联盟m购买碳配额的数量和碳排放权市场的交易价格。

约束条件如下。

（1）功率平衡约束表示为

式中，τ为中长期合约电量最低比例。

（2）碳配额平衡约束表示为

式中：χ为基于基准线法的单位电量碳排放分配系数[22]；χk,fe为第k台化石能源机组的碳排放系数；

（3）绿证平衡约束表示为

式中：εq,re为第q台可再生能源机组单位电量对应的核发绿证数量，与可再生能源发电机组的类型有关[22]；ηk,fe为第k台化石能源机组的可再生能源责任消纳权重，与机组的装机容量等因素有关[22]。

（4）机组出力约束表示为

1.3 考虑现货预测价格不确定性的鲁棒优化模型

第1.2 节建立的可再生能源-化石能源机组决策模型本质为一个两阶段决策模型：第1阶段为中长期合约决策阶段，发电联盟通过与用户签订中长期合约可提前锁定一部分收益，但决策中长期签约电量时需要考虑合约价格中电力现货价格的不确定性；第2 阶段为现货市场竞价决策阶段，发电联盟依据电力现货市场、碳市场和绿证市场的交易出清规则，决策在电力现货市场的竞价以及在绿证市场和碳市场的交易量。

采用基于IGDT 的鲁棒模型来量化第1 阶段电力现货预测价格的不确定性。基于IGDT的电力价格不确定模型数学表达式为

式中：X为电力价格的不确定参数；ξ为不确定参数的波动幅度；U(ξ,)为不确定参数X偏离其预测值的范围不大于ξ。

考虑预测价格具有不确定性，风险回避的发电联盟会要求保证最低收益，即满足总收益不小于某一预期收益fm,ex的前提下，追求能抵抗预测偏差最大化的交易策略（即上层发电联盟决策模型决策变量）。基于IGDT 风险决策理论可建立如下投标策略的鲁棒优化模型表示为

式中：σ为发电联盟可接受的收益偏差范围；κ为上层发电联盟决策变量集合；f( )X,κ为发电联盟在策略κ下的收益；κ( )σ为偏差范围σ下的决策变量解；X为上层发电联盟决策目标函数中的参数集合；fm0为波动系数ξ=0 时发电联盟收益。

具体来说，基于IGDT 的发电联盟决策模型求解步骤如下。

步骤1不考虑在中长期决策时电力现货价格的不确定性，即ξ=0，以求解式（1）发电联盟收益最大化为目标，并考虑约束条件式（9）～式（15）的优化问题，获得ξ=0 时的发电联盟收益fm0。

步骤2考虑中长期合约中电力现货预测价格的不确定性，基于发电联盟可接受的收益偏差范围σ，求解式（18）～式（21）的鲁棒优化模型，获得考虑现货价格不确定性的交易策略及相应的鲁棒区域。

2 电-碳-绿证市场交易出清模型

2.1 电力现货市场出清模型

电力现货市场的出清与地理位置、网络约束等条件有关[23-24]，电力现货市场的出清出清目标是社会福利最大化，即

式中：v和o别为参与电力现货市场的发电主体和负荷数量；αi,bid和αn,bid分别为第i个发电主体和第n个负荷的竞价；和分别为时段t第i个发电联盟和第n个负荷的出清功率；和分别为第i个发电主体的出清功率的上限和下限；和分别为第n个负荷出清功率的上限和下限；ρi,l和ρn,l分别为第i个发电主体和第n个负荷对线路l的功率传输分布系数，采用直流潮流模型计算；Fl,max为线路l的传输功率上限；ϕν、ϕo和ϕl分别为发电联盟集合、负荷集合和线路集合。

2.2 碳排放权市场交易模型

碳排放权市场交易模型采用阶梯式碳交易机制[25]。与普通的碳交易机制不同，式（27）碳交易机制划分多个碳排放量区间，当Qm,car为正时表示发电主体本考核周期实际碳排放量少于分配的额度，可以出售盈余的碳排放权获得经济补贴。当Qm,car为负时表示发电主体本考核周期实际碳排放量超过分配的额度，需要购买碳排放权达到考核要求。为促进发电侧碳减排，购买或销售的碳排放量越多相应的交易价格越高。阶梯式碳配额交易价格为

2.3 绿证市场交易模型

绿证市场交易模型采用基于数量竞争的古诺模型。在古诺模型中，逆需求函数用来表征绿证市场的交易价格与市场绿证存量的关系，有

式中：a0和b0分别为绿证市场的逆需求函数中两个正值参数；Qtgc,s和Qtgc,b分别为绿证市场挂牌出售量和挂牌购买量；αtgc为绿证交易价格；为绿证交易基础价格；为基于历史数据算出的绿证交易价格比率系数[22]。

2.4 模型的转换与求解

在双层模型的下层，求得的电力现货市场、绿证市场和碳排放权市场的交易出清结果需反馈至上层发电联盟鲁棒优化模型。其中，由于绿证市场和碳排放权市场的交易出清模型不存在优化问题，可直接将其作为约束条件整合到上层模型。对于电力现货市场出清模型，其KKT条件为其最优解的充分必要条件，根据式（22）～式（26）构造电力现货市场出清模型的拉格朗日函数为

其KKT条件如下。

（1）拉格朗日函数为

（2）等式与不等式约束为

（3）互补松弛条件为

式（38）～（43）所示的互补松弛条件涉及两个决策变量相乘，可通过Fortuny-Amat-McCarl法将其转化为线性约束。以式（38）为例，可做下述变换：

式中：M为一个充分大的正数；为引入的布尔变量。

基于上述KKT条件，可将下层电力现货市场出清模型以约束条件的形式纳入由式（18）～式（21）所描述的上层发电联盟鲁棒优化模型中，这样就把双层优化模型转化为单层优化问题，采用第1.3 节描述的鲁棒优化模型求解流程即可。

3 发电联盟的收益分配

基于合作博弈的收益分配方法有核仁法、稳定谈判集、Shapley 值法等。考虑到Shapley 值法可有效合理地将联盟收益在各成员间分配，且计算较为简便，因此本文首先采用Shapley 值法将联盟取得的总收益在化石能源机组和可再生能源机组间分配，但在可再生能源机组内部和化石能源机组内部进行收益分配时，可能存在某两台机组各时段出力呈现正相关，不满足Shapley 值法报酬递增的凸博弈条件[14，26]。考虑到核仁法计算合作博弈的分配最优解必定存在且唯一，因此，本文对于可再生能源机组内部和化石能源机组内部进行收益分配时采用核仁法。

3.1 可再生能源与化石能源机组子联盟间的收益分配

基于Shapley 值法，将总收益在多个子联盟之间分配的一般形式表示为

式中：φi(v)为合作博弈大联盟N中个体i的收益；W为合作博弈大联盟中的可组合的子联盟个数；|s|和n为子联盟S和大联盟N的个体数目；v(s) 和v(s-{i} )分别为个体i加入子联盟前和加入子联盟后的子联盟收益。

对于可再生能源机组子联盟和化石能源机组子联盟间的双边Shapley值分配方案，可表示为

式中：φfe(v)和φre(v)分别为发电联盟中化石能源机组子联盟φfe和可再生能源机组子联盟φre的分配收益；vfe和vre分别为化石能源机组子联盟和可再生能源机组子联盟单独参与电-碳-绿证市场的收益，通过分别去除上层决策模型中有关可再生能源机组和化石能源机组目标函数部分和相应的约束条件后优化得到；vfr为化石能源机组-可再生能源机组发电联盟参与电-碳-绿证市场的收益。

3.2 可再生能源和化石能源机组子联盟内部收益分配

为减少计算复杂度，采用改进的核仁法[19]在可再生能源和化石能源机组子联盟内部进行收益分配，其目标函数f为收益偏差ε最小，即

式中：xi为满足核仁解的个体i分配的收益，为决策变量；P'为化石能源机组或可再生能源机组子联盟P内部的任意子联盟；vP'为子联盟P'单独参与电-碳-绿证市场的收益；P(v)为化石能源机组或可再生能源机组子联盟P的收益；vi为个体i单独参与电-碳-绿证市场的收益。

4 算例与结果

4.1 参数设置

采用IEEE 14 节点系统进行算例分析，如图3所示。假设参与电-绿证交易的市场主体有5个，分别位于节点2、4、8、11、14，节点2、11、14 为化石能源发电主体，节点8为可再生能源发电主体，节点4为化石能源-可再生能源发电联盟，发电联盟的收益偏差允许范围σ=0.1。每个化石能源发电主体均配备2台火电机组，基本参数取自文献[23]；每个可再生能源发电主体均配备1台光伏机组和1台风电机组，出力曲线取自文献[7]。负荷数据和线路容量数据采用IEEE 14 节点系统的数据，碳配额和绿证历史价格数据取自文献[6]。

图3 IEEE 14 节点系统拓扑结构Fig.3 Topology of IEEE 14-node power system

4.2 发电联盟交易策略分析

图4 为发电联盟在现货市场的竞价曲线，其中：Pmix为调度化石能源机组的临界出力，Pmix以下的竞价对应只调度可再生能源机组发电，Pmix以上的竞价对应同时调度可再生机组和化石能源机组发电，通过引入消纳责任考核和碳-绿证市场交易，发电联盟在400 kW 以下出力段的竞价有所降低，这是因为引入绿证交易后，发电联盟可通过出售绿证和碳配额获取收益，因此降低了在现货市场的竞价以争取更多的出清电量；Pcar为从碳排放权市场购买碳配额的临界出力，出力大于Pcar时发电联盟需要额外从碳排放权市场购买碳配额，购买碳配额成本导致发电联盟在400～500 kW段的竞价高于仅考虑电能交易时的竞价；Ptgc为从绿证市场购买绿证的临界出力，出力大于Ptgc时由于化石机组出力过多，发电联盟需要同时购买碳配额和绿证达到消纳责任考核要求，因此竞价进一步提高。

图4 发电联盟竞价曲线Fig.4 Bidding curve for generation alliance

图5 为不同日出清电量下发电联盟的碳-绿证交易量。可以看出，发电联盟的度电收益随着日出清电量先增加后减少。当日出清电量从0 开始增加至1 500 kW·h 时，可再生能源机组被优先调度，随着可再生能源机组出力增加，出售绿证的数量也在增加，而因化石机组出力比例较低碳配额出售量几乎不变，发电联盟的度电收益不断增加；当日出清电量从1 500 kW·h 增加至3 500 kW·h 的过程中，由于化石能源机组发电比例增大，发电联盟的绿证收益下降，碳配额成本增加，但发电联盟从电力市场获得了更多的售电收益，因此度电收益依然缓慢增加；当日出清电量从3 500 kW·h 继续增加时，虽然售电收益有所增加，在阶梯式碳交易机制下发电联盟碳配额成本大幅上升，且绿证收益进一步下降，因此发电联盟的度电收益反而下降。

图5 发电联盟参与碳-绿证市场交易量Fig.5 Trading quantities in carbon-green certificate markets for generation alliance

图6 为各时段发电联盟实际出清电量和机组调度结果。可以看出，在00：00—06：00 的负荷低谷期，由于发电联盟现货出清电量较少，优先调度可再生能源机组出力，化石能源机组该时段出力较少；在08：00—14：00时段，虽然发电联盟出清电量有所增加，但该时段为可再生能源发电机组发电量高峰期，因此化石能源机组出力增幅不明显；在16：00—22：00 的负荷高峰期时段，发电联盟出清电量达到一天中的最大值，同时该时段为可再生能源机组出力低谷期，因此化石能源机组出力明显增加。

图6 发电联盟电能交易和机组调度结果Fig.6 Electricity trading and unit scheduling results of generation alliance

4.3 交易策略的鲁棒性分析

图7为收益偏差因子σ=0.1时的出清电价预测值波动范围，可以看出，预测价格上下限波动趋势和实际出清价格波动基本趋势一致。在18：00—20：00时段出清电价较高，此时段预测价格波动范围较大，为达到发电联盟最低收益要求，鲁棒优化模型会为风险较高的高价时段制定更宽的价格波动范围。

图7 σ=0.1 时出清电价波动范围Fig.7 Fluctuation range of electricity clearing price when σ=0.1

发电联盟在不同的最低预期收益目标下，其电价预测值波动系数ξ随收益偏差因子σ的变化曲线如图8 所示。以碳配额系数0.2、消纳责任权重0.15 为例，分析收益偏差范围对交易策略的影响。可以看出，在一定范围内，预测价格的波动系数随收益偏差因子σ的增加而增加，当发电联盟可接受的预期收益越低，交易策略的鲁棒性越好，越能承受越大范围的预测价格波动。

图8 波动系数ξ 随收益偏差因子σ 变化情况Fig.8 Variation of fluctuation coefficient ξ with return deviation factor σ

当收益偏差因子增加到0.28时，电价预测值波动系数取到最大值0.184，表明即使现货电价比预测值低18.4%，发电联盟在鲁棒策略下的收益依然可保证总收益不低于预期收益的72%。当收益偏差范围继续增加时，与不确定量有关的约束条件式（18）不再是有效的约束边界，碳配额约束和消纳责任权重约束限制了电价波动范围的进一步增加，这意味着在σ≥0.28 时发电联盟无法继续通过降低预期总收益来获得具有更强鲁棒性的交易策略。因此，发电联盟在电-碳-绿证交易决策时，应将预期总收益偏差设置为σ<0.28。

可再生能源消纳责任权重和碳配额系数对交易策略的鲁棒性亦有影响。在保证相同最低预期收益的情况下，随着可再生能源消纳责任权重比例的提高和碳配额系数的降低，所能承受的预测价格波动范围越小，交易策略的鲁棒性越差。

4.4 发电联盟收益分配分析

发电联盟可再生能源消纳量如图9 所示。当可再生能源发电主体单独参与电力交易时，因竞价优势可出清06：00—14：00和18：00—20：00时段全部预测电量。然而可再生能源发电机组实际出力具有波动性，在16：00—18：00 时段实际最大出力为97.8 kW，低于预测最大出力115.4 kW，此时段该发电主体签订的现货出清电量共计104.9 kW，因而偏差的7.1 kW 电量将会被考核；在06：00—14：00时段可再生能源机组的实际最大出力均高于预测最大出力，但其签订的中长期合约电量和现货电量总计为预测最大出力，这导致了可再生能源的浪费，也使得可再生能源发电主体利益受损。

图9 发电联盟在某个典型日的可再生能源消纳量Fig.9 Renewable energy consumption by generation alliance on one typical day

当可再生能源发电主体与化石能源发电主体组成发电联盟后，在16：00—18：00时段化石能源机组为可再生能源机组提供发电兜底服务，联盟免于偏差考核；在06：00—14：00 时段化石能源发电机组减少出力，使联盟内可再生能源机组满发，消纳了全部可再生能源电力，同时联盟总发电成本降低。

表1 为不同联盟情况下的收益对比，表2 为基于Shapley-改进核仁法的收益分配方案。可以看出，对于化石能源发电机组而言，由于可稳定出力，单独参与或组成化石能源发电子联盟参与的电-碳-绿证市场收益无差异；若和可再生能源发电子联盟组成大联盟，则可利用可再生能源发电机组的绿证完成部分绿电消纳责任要求，化石能源子联盟总收益提高了5.8%。

表1 三种联盟下收益对比Tab.1 Comparison of income among three alliances 元

表2 基于Shapley-改进核仁法的收益分配方案Tab.2 Income allocation scheme based on Shapley value method and improved nucleolus method 元

对于可再生能源发电机组而言，由于出力具有波动性，组成子联盟的2台可再生能源机组可通过互补出力，减少部分差价合约考核成本，使收益提升2.8%；可再生能源发电子联盟与化石能源发电子联盟组成大联盟，通过化石能源机组提供兜底供电，使可再生能源机组满发且免于差价合约考核，可再生能源子联盟收益提升了5.2%。

5 结 语

本文建立了化石能源-可再生能源发电联盟参与电-碳-绿证市场的双层优化模型，经过算例仿真分析，得出以下结论。

（1）可再生能源机组和化石能源机组联合参与电-碳-绿证市场可促进可再生能源消纳，减少电力现货市场出清偏差。

（2）基于IGDT 的发电联盟交易决策模型可有效量化现货市场出清价格波动的风险，求解的交易策略鲁棒性强，可保证发电联盟的最低预期收益。

（3）基于双边Shapley 值和改进核仁法的收益分配模型可将发电联盟收益进行公平分配，实现可再生能源机组和化石能源机组盈利的共同提升。

在后续研究中，拟考虑多发电主体之间的博弈问题以及发电主体提供辅助服务的补偿与收费方式。