大規(guī)模風電并網(wǎng)的雙供應源電力供應鏈牛鞭效應分析

侯琳娜， 孫靜春， 王海燕

(1.西安交通大學 管理學院，陜西 西安 710049; 2.北京信息科技大學 機電工程學院，北京 100192)

?

大規(guī)模風電并網(wǎng)的雙供應源電力供應鏈牛鞭效應分析

侯琳娜1， 孫靜春1， 王海燕2

(1.西安交通大學 管理學院，陜西 西安 710049; 2.北京信息科技大學 機電工程學院，北京 100192)

中國當前的電力供應鏈除具有部分壟斷特征外，還由于大規(guī)模風電并網(wǎng)使得電力供給也出現(xiàn)隨機性，它與隨機需求一起影響了供應鏈信息的準確傳遞，在電力供應鏈產(chǎn)生了牛鞭效應，但對這類問題的研究極少。本文在分析中國電力供應鏈特點的基礎(chǔ)上，構(gòu)建了由煤炭供應企業(yè)、發(fā)電廠(火力發(fā)電和風力發(fā)電)和用戶組成的多級電力供應鏈模型，揭示了牛鞭效應在單/雙供應源兩種供應鏈類型下的變化。研究結(jié)果表明，大規(guī)模風電并網(wǎng)形成的雙供應源電力供應鏈牛鞭效應較大且波動劇烈，尤其當下游用戶需求較平穩(wěn)時，供應鏈會出現(xiàn)牛鞭效應與反牛鞭效應共存現(xiàn)象，而預測技術(shù)的選擇、風電場合理規(guī)劃等有助于抑制牛鞭效應，保證電力安全并減小資源浪費。

牛鞭效應；反牛鞭效應；隨機需求；隨機供應；電力供應鏈

0 引言

牛鞭效應是供應鏈的需求信息從下游用戶向上游供應商傳遞過程中被逐漸放大而扭曲的現(xiàn)象，在IT制造、食品、汽車、零售百貨等領(lǐng)域都被證實。牛鞭效應的存在給供應鏈管理帶來很多困難，如庫存投入浪費、生產(chǎn)低效、利潤損失等。研究表明，由于牛鞭效應造成的無效生產(chǎn)運作等將使企業(yè)多支付12.5%至25%的費用[1]。同樣，對電力工業(yè)領(lǐng)域牛鞭效應研究也非常必要，因為它的存在意味著電煤需求信號被放大傳遞給了上游的煤炭供應企業(yè)，這不僅會誤導煤炭企業(yè)的產(chǎn)能規(guī)劃，使生產(chǎn)計劃紊亂，而且還會增加供應鏈核心企業(yè)—發(fā)電廠的燃料庫存成本，而這部分成本占到火電發(fā)電成本的60%～70%，并且當考慮到儲存損耗及煤價上漲等因素時，由牛鞭效應造成的過量庫存將嚴重影響整個發(fā)電廠的經(jīng)濟效益?？傊娏湹呐１扌粌H使上、下游企業(yè)的生產(chǎn)成本增加，同時也會造成煤炭資源的損耗。因此，只有在識別電力供應鏈牛鞭效應的產(chǎn)生原因、影響因素及變化規(guī)律等基礎(chǔ)上，才能找到有效抑制策略，達到減少資源浪費、保證電力供應以及實現(xiàn)國民經(jīng)濟平穩(wěn)發(fā)展的目標。

由于國情特點，中國電力供應鏈與其他國家有兩點不同：一是具有部分壟斷特征，表現(xiàn)為“市場煤，計劃電”的矛盾，即電力供應鏈上游煤炭的生產(chǎn)和供應已經(jīng)完全市場化，但是中下游的電力供應還處于市場化改革的起步和試驗階段，僅完成了“廠網(wǎng)分開”，還沒有形成競爭性的成熟電力市場。因此，中國電力供應鏈各節(jié)點不都是以“利潤最大化”為目標進行決策的，這與國外完全市場化的電力供應鏈有著本質(zhì)區(qū)別；二是具有大規(guī)模、集中并網(wǎng)、遠距離輸電等特點風電接入電網(wǎng)，成為電力供應鏈的重要的供應環(huán)節(jié)。從2006年起，中國風電裝機容量以平均每年80%的速度增長，2011年已經(jīng)超過美國成為世界上風電裝機容量最大的國家，2013年累計裝機容量已突破9000萬千瓦。根據(jù)規(guī)劃，中國將在甘肅、新疆、河北、吉林、內(nèi)蒙古、江蘇六個省區(qū)打造7個千萬千瓦級風電基地，這與國外，特別是歐洲地區(qū)風電分布均衡且就地并網(wǎng)、就地消納有著很大差異。

大規(guī)模風電接入使得電力供應鏈結(jié)構(gòu)發(fā)生了變化—由單供應源轉(zhuǎn)變?yōu)殡p供應源鏈狀結(jié)構(gòu)，并且除了電力需求的隨機波動外，由于風能本身間歇性和波動性特點使上游的風電供應也呈現(xiàn)出隨機性。這樣，供應鏈上下游供給和需求的同時隨機性波動使得鏈上信息傳遞規(guī)律和扭曲程度發(fā)生了變化，這是形成牛鞭效應的重要原因之一。從供應鏈管理角度對中國電力供應鏈的牛鞭效應進行定量研究，討論其影響因素和變化規(guī)律，有助于更好理解電力供應鏈結(jié)構(gòu)變化產(chǎn)生的影響，為供應鏈成員的決策提供參考。

1 電力供應鏈及牛鞭效應研究現(xiàn)狀

電力供應鏈的研究近幾年才開始，主要以完全市場化環(huán)境為背景討論其影響因素及均衡條件。Nagurney團隊[2]最早開始關(guān)注電力供應鏈的相關(guān)研究，建立了包含發(fā)電公司、發(fā)電廠、輸電商和用戶的供應鏈模型，根據(jù)變分不等式理論求解了電力供應鏈燃料和電量的均衡結(jié)果，并討論了滿足均衡條件下的三種碳稅政策對環(huán)境目標的影響。在此基礎(chǔ)上，Wu等[3]將電力供應鏈網(wǎng)絡均衡問題轉(zhuǎn)化為運輸網(wǎng)絡均衡問題來求解，分析了一種碳稅政策對均衡的影響。Yang等[4]考慮發(fā)電污染排放所產(chǎn)生的額外交易成本，構(gòu)建了包括燃料、發(fā)電和排放交易市場的電力供應鏈模型，采用啟發(fā)式算法求解了由三個發(fā)電公司和一個負荷服務公司組成的四節(jié)點系統(tǒng)的燃料、發(fā)電和排放的均衡。李學遷等[5]構(gòu)建了包含發(fā)電廠、電力服務商和用戶的三級電力供應鏈，分析了各級決策者的競爭行為，基于供應鏈均衡條件研究了發(fā)電廠排污權(quán)交易政策設計問題。以上研究以電力供應鏈參與方追求各自利潤最大化為前提，在分析各主體相互關(guān)系的基礎(chǔ)上探尋了均衡結(jié)果。Chen等[6]從社會福利最大化的角度分析電力供應鏈參與主體之間關(guān)系，提出采用罰函數(shù)與變分不等式相結(jié)合的方法可以找到實現(xiàn)福利最大化的供應鏈均衡。

相關(guān)研究的另一重要方面是基于一般供應鏈的理論來討論電力供應鏈管理問題。針對供應鏈整體利益問題，Oliveira等[7]構(gòu)建了基于不同市場結(jié)構(gòu)、由多個發(fā)電公司和售電公司組成的電力供應鏈模型，分析了不同類型合同與市場結(jié)構(gòu)的交互對各參與方及供應鏈整體利益的影響，提出兩部制電價合同是提高電力供應鏈效率的最佳合同。竇迅等[8]從收益風險角度討論了實現(xiàn)電力供應鏈整體利潤最優(yōu)的電量組合策略。而供應鏈管理的重要前提是解決牛鞭效應問題，它是供應鏈研究的熱點內(nèi)容之一。

目前只有少數(shù)文獻對電力供應鏈牛鞭效應進行了討論，定性分析了其產(chǎn)生原因。徐曼等[9]運用供應鏈及復雜系統(tǒng)理論，構(gòu)建了由電力工業(yè)供應主供應鏈和電力生產(chǎn)/建設項目供應輔供應鏈組成的兩維度模型，討論主輔供應鏈的差異并發(fā)現(xiàn)主輔供應鏈的傳導機制是造成牛鞭效應的原因，提出解決電力企業(yè)物資采購問題的對策。李揚[10]也探討了中國電力工業(yè)牛鞭效應的產(chǎn)生原因，認為電力工業(yè)市場化改革使得電力供應的發(fā)、輸、配等環(huán)節(jié)的市場地位和利益傾向有所不同，造成供應鏈信息難以共享從而形成牛鞭效應。但是目前對電力供應鏈牛鞭效應的定量研究幾乎空白，尤其缺少對大規(guī)模風電并網(wǎng)和部分壟斷特征的中國電力供應鏈牛鞭效應的討論。

本文通過電力供應鏈模型的構(gòu)建，在分析單/雙供應源的電力供應鏈牛鞭效應的特點的基礎(chǔ)上，對兩類供應鏈的牛鞭效應進行量化和比較分析，揭示供應鏈結(jié)構(gòu)變化帶來的影響，為抑制牛鞭效應提出建議。

2 問題描述及模型構(gòu)建

2.1 電力供應鏈整體模型

Nagurney團隊建立的模型中電力供應鏈由燃料供應企業(yè)、發(fā)電公司、輸配電公司及用戶組成。當前中國電力行業(yè)完成了電廠和電網(wǎng)的分離，但輸配電網(wǎng)并未分開，因此本文構(gòu)建一個由煤炭供應企業(yè)、火電廠、風電場和用戶組成的三級電力供應鏈，其中煤炭供應企業(yè)和風資源供應為第一級，分別向火電廠和風電場供應煤炭和風能；火電廠和風電場為第二級，分別采用火力發(fā)電和風力發(fā)電向用戶輸送；用戶為第三級。它們分別用圖1中的1、2、3和4表示。風的供應具有自然特性，用1′表示。

圖1 一個簡單的三級電力供應鏈

圖1第一級表示雙供應源——煤炭和風能的供應，粗實線表示煤炭供應商1向火電廠2輸送的煤炭量，也即火電廠2的煤炭訂購量，本文假設煤炭不存在缺貨。圖1中點劃線表示新能源風能向風電場供應。由于風的間歇性和波動性特點，風電場3的風力發(fā)電也具有較強的不確定性。細實線表示電力供應。由于大規(guī)模電能儲存所需成本太高，在此不考慮電力儲存。電力供應鏈要求電力供需的實時平衡，用戶4的電力需求通過火電廠2和風電場3發(fā)電共同完成。并且由于國家對風電等新能源發(fā)電出臺了一系列扶持政策，要求電網(wǎng)優(yōu)先接納風電，電能不足部分再由火電補充?？梢哉J為火電廠2的電力需求等于用戶電力需求4與風電發(fā)電量3的差額。虛線表示信息流，火電廠2根據(jù)用戶4和風力發(fā)電3的信息的綜合，判斷出火電的需求信息，據(jù)此向煤炭供應商1提出訂購量。

2.2 電力供應鏈各環(huán)節(jié)分析

本文以發(fā)電量占主體的電力供應鏈核心企業(yè)火電廠為研究對象，火電廠在t-1期末觀察到實際的煤炭消耗量x1,t-1，計算t期煤炭的目標庫存y1,t，并在t期初向煤炭供應企業(yè)發(fā)出訂煤量q1,t，在經(jīng)過煤炭訂購提前期L后在t+L期初收到煤炭。

q1,t=y1,t-y1,t-1+x1,t-1

(1)

(2)

火電廠對煤炭的需求量x1,t用發(fā)電所需的煤耗量來表示，即：

x1,t=β1x2,t

(3)

其中β1表示煤耗率，即單位發(fā)電量所需的耗煤量，可設為常數(shù)。

由于風電優(yōu)先調(diào)度和保障性收購等政策，假設電力需求優(yōu)先由風電等新能源發(fā)電來滿足。因此，第t期火電廠的發(fā)電量x2,t等于t期的風電x3,t盡量滿足電力需求x4,t后的剩余電量，即：

x2,t=x4,t-x3,t

(4)

根據(jù)公式(1)～(4)，火電廠的訂煤量q1,t可以表示為：

(5)

火電廠對煤炭需求量的估計需要考慮兩方面：一是火力發(fā)電本身所需煤炭量，二是應對風電場風力發(fā)電量的不確定性而準備的火電備用機組發(fā)電所需的煤炭量。因為風電具有間歇性、波動性和隨機性特點，當它并入電網(wǎng)時對電力傳輸功率將產(chǎn)生很大影響，并且隨著風電場并網(wǎng)裝機容量規(guī)模的擴大而影響更加顯著。為了保證電力的輸送的穩(wěn)定和用戶需求的實時滿足，火電廠必須承擔消納風電功率波動的任務，即通過提前準備一些火電機組作為備用，當風電場由于風速變化未能按計劃發(fā)電時，火電廠必須啟動備用機組發(fā)電來滿足用戶端電力需求，備用的比例一般按照風力發(fā)電量的一定比例θ來準備：

(6)

因此，根據(jù)公式(5)～(6)，t期的煤炭訂購量q1,t可以表示為：

(7)

令

(8)

(9)

N與電力需求有關(guān)，M與風力發(fā)電量有關(guān)。

因此，煤炭訂購量公式(7)可表示為：

q1,t=β1(N+M)

(10)

2.3 電力供應鏈的牛鞭效應

Lee[14, 15]等提出牛鞭效應通過供應商收到的訂單量方差相對于顧客需求量方差之比來表示，據(jù)此將電力供應鏈的牛鞭效應通過煤炭訂購量的方差與實際需求量方差之比來衡量，即：

BWE=Var(q1,t)/Var(x1,t)

(11)

由于國家出臺的風電保障性收購政策，要求電網(wǎng)全額接納風電，本文假設風力發(fā)電量與電力需求量不相關(guān)，因此：

(12)

Var(x1,t)=Var(x4,t-x3,t)=Var(x4,t)+Var(x3,t)

(13)

假設電力需求x4,t在一定時間和區(qū)域范圍內(nèi)是穩(wěn)定的，滿足AR(1)自相關(guān)過程[16～18]：

x4,t=μ4+ρ4x4,t-1+ε4,t

(14)

(15)

(16)

(17)

對較長期的風力發(fā)電量的預測時，q階自回歸模型AR(q)是預測常采用的一種方法[20, 21]：

x3,t=φ1x3,t-1+φ2x3,t-2+…+φqx3,t-q+α3,t

(18)

(19)

采用模型AR(q)預測的風力發(fā)電方差表示為：

(20)

現(xiàn)有理論和實踐都指出，風速分布規(guī)律滿足雙參數(shù)的Weibull分布，t期單個風機的風力發(fā)電方差可表示為[22]：

(21)

其中V表示風速，a是尺度參數(shù)，b是形狀參數(shù)，ρ表示標準空氣密度。

對于整個風電場來講，t期所有風機發(fā)電量的方差可表示為：

(22)

其中，θG為風力發(fā)電場的參數(shù)：

(23)

其中，C表示風電場容量，C0表示單個風機的額定功率，δ表示尾流效應，Cp表示風能利用系數(shù)，S表示風機掃略面積。

風電場發(fā)電方差和協(xié)方差為：

(24)

(25)

其中ρt-i,t-j表示t-i期與t-j期風速的相關(guān)系數(shù)。

將公式(17),(20)～(25)代入公式(12)得到t期訂購量方差：

(26)

其中Φ表示與其有關(guān)的風電預測誤差，表示為:

(27)

從上面的推導可以得到以下定理。

(28)

3 單供應源電力供應鏈的牛鞭效應分析

當大規(guī)模風電未接入電力供應鏈時，此時供應鏈特征是只有煤炭供應的單供應源電力供應鏈，牛鞭效應公式(28)中不包含風電方差部分，即

(29)

其中，BWEED表示單供應源電力供應鏈的牛鞭效應。據(jù)統(tǒng)計，電力需求自相關(guān)系數(shù)0<ρ4<1，可以證明BWEED>1，表明單供應源電力供應鏈存在牛鞭效應，其大小與電力需求函數(shù)自相關(guān)系數(shù)ρ4以及需求預測移動平均次數(shù)p有關(guān)。

定理2 單供應源電力供應鏈的牛鞭效應對預測移動平均次數(shù)的變化更敏感，移動平均次數(shù)的增加能夠顯著減小牛鞭效應；電力需求的自相關(guān)性越強牛鞭效應越小。

公式(29)的牛鞭效應BWEED分別對p和ρ4求偏導得到：

(30)

(31)

牛鞭效應對兩個變量的偏導都小于0說明其在此區(qū)間內(nèi)是減函數(shù)，變化形式如圖2。

圖2 單供應源電力供應鏈牛鞭效應

單供應源電力供應鏈牛鞭效應隨著預測移動平均次數(shù)的增加而明顯減小，而需求自相關(guān)系數(shù)的增加對牛鞭效應的抑制作用很小。

4 雙供應源電力供應鏈的牛鞭效應分析

由于雙供應源電力供應鏈的牛鞭效應公式(28)較為復雜，單從定理無法直接判斷預測技術(shù)、電力需求特征、風電場規(guī)模等因素對牛鞭效應的影響，因此通過實際算例來分析。根據(jù)某區(qū)域2009～2013年各月電力需求量統(tǒng)計得ρ4=0.8129，ε4,t～(0,0.703)，設置p=4；根據(jù)2009～2013年月風力發(fā)電量統(tǒng)計得各月風速參數(shù)如表1所示，風電場參數(shù)與其規(guī)模等有關(guān)，100MW風電場θG=0.063。

表1 模型參數(shù)及結(jié)果

通過crystal ball軟件仿真10000次，得到風電接入后電力供應鏈的牛鞭效應結(jié)果。

4.1 風電是否接入及接入規(guī)模對牛鞭效應的影響

當電力需求特征不變時，風電未接入的單供應源的電力供應鏈的牛鞭效應為1.35。

以風電規(guī)模分別為9MW、45MW和100MW為例分析風電接入的雙供應源電力供應鏈的牛鞭效應，以10年的每10min風速數(shù)據(jù)為基礎(chǔ)，一次差分后月風速數(shù)據(jù)的數(shù)據(jù)符合平穩(wěn)條件，q階的自回歸預測模型的結(jié)果和風電場規(guī)模與牛鞭效應的結(jié)果分別見表2和表3。

表2 模型參數(shù)及結(jié)果

表3 風電場規(guī)模變化后的牛鞭效應平均值

通過對全年牛鞭效應平均值的計算發(fā)現(xiàn)，風電的接入總體上增強了供應鏈的牛鞭效應，且接入規(guī)模越大牛鞭效應越大。AIC準則所選擇的AR(2)回歸模型預測產(chǎn)生的平均牛鞭效應最小，表明預測模型的選擇有助于減小牛鞭效應。

4.2 風電預測AR(q)模型對牛鞭效應的影響

以某100MW風電場接入的電力供應鏈為例，得到不同階數(shù)風電預測模型對各月牛鞭效應的影響規(guī)律如圖3所示。

圖3 不同階數(shù)自回歸模型牛鞭效應仿真結(jié)果 圖4 各月風力發(fā)電方差比較

從圖3可以得出的啟示是：不同階數(shù)的風電預測自回歸模型對雙供應源電力供應鏈牛鞭效應的影響趨勢基本一致，且1～7月份牛鞭效應較小，6月份達到最小，而10月份最大。

從圖3中結(jié)果可以看出，選擇不同階數(shù)的風電預測模型對牛鞭效應的影響并不顯著，全年的牛鞭效應在各階數(shù)條件下都呈現(xiàn)出前抑后仰的特點，1～7月份的牛鞭效應遠小于8～12月份，為何會呈現(xiàn)出相同的變化規(guī)律在下面進一步分析。

4.3 雙供應源電力供應鏈牛鞭效應規(guī)律性變化的原因分析

根據(jù)牛鞭效應計算公式(28)，分子和分母的左邊部分與電力需求有關(guān)，在預測技術(shù)不變的條件下其值不變，不影響各月的牛鞭效應計算。分子和分母的右邊部分與各月風力發(fā)電量方差有關(guān)，以風電AR(2)預測模型為例，這兩部分值的變化如圖4所示。

當風電場規(guī)模與電力需求特征變化時，各月牛鞭效應的變化是否還服從此規(guī)律在下面進一步驗證。

4.4 風電場規(guī)模與電力需求的匹配對牛鞭效應的影響

當100MW的大規(guī)模風電接入較平穩(wěn)的電力需求時，仿真結(jié)果如圖5所示。

圖5 牛鞭效應與反牛鞭效應共存

從圖5可以看出：當大規(guī)模風電接入電力供應鏈時，若用戶的電力需求較平穩(wěn)，供應鏈會出現(xiàn)牛鞭效應與反牛鞭效應共存現(xiàn)象，反牛鞭效應出現(xiàn)在6月份。

反牛鞭效應(anti-bullwhip effect)的定義是李剛、汪壽陽等[23,24]首先提出并驗證的，即訂單方差小于需求方差的現(xiàn)象。從圖5中看出，電力供應鏈的牛鞭效應趨勢符合前文總結(jié)的規(guī)律，不同點在于大規(guī)模風電接入電力需求較平穩(wěn)的電力供應鏈不僅平均牛鞭效應增加，而且各月牛鞭效應的波動也增加。例如6月份的牛鞭效應為0.44，小于1，出現(xiàn)反牛鞭效應，而其他月份牛鞭效應大于1，全年出現(xiàn)牛鞭效應與反牛鞭效應共存的現(xiàn)象。

總之，大規(guī)模風電接入后形成的雙供應源電力供應鏈的全年平均牛鞭效應更大，主要原因是風電的預測精度低造成信息更加扭曲，且當下游用戶電力需求波動較小時會出現(xiàn)反牛鞭效應。對牛鞭效應的抑制可以通過選擇合適的預測模型來實現(xiàn)。在本文的區(qū)域?qū)嶋H電力系統(tǒng)中，以兼顧模型的復雜度和擬合數(shù)據(jù)的優(yōu)良性的AIC準則為標準選擇風電預測模型時能夠減小電力供應鏈的牛鞭效應。此外，合理控制風電并網(wǎng)規(guī)模將有助于抑制牛鞭效應，保證電力供應安全并減小浪費。

5 結(jié)論

本文建立了反映中國電力供應特點的供應鏈模型，基于電力需求AR(1)模式和風電AR(q)模式分析了單和雙供應源電力供應鏈的牛鞭效應，得到以下結(jié)論：

①單供應源電力供應鏈牛鞭效應與電力需求函數(shù)自相關(guān)系數(shù)以及需求預測移動平均次數(shù)有關(guān)；雙供應源牛鞭效應除了與以上兩個因素相關(guān)外，還與風電發(fā)電量預測階數(shù)、自回歸系數(shù)、風電方差等因素有關(guān)。②單供應源電力供應鏈中，用戶需求預測移動次數(shù)的增加能夠顯著減小牛鞭效應；自相關(guān)系數(shù)大的電力需求牛鞭效應較小；雙供應源電力供應鏈中，不同階數(shù)的風電預測自回歸模型對牛鞭效應的影響趨勢基本一致；雙供應源牛鞭效應均值大于單供應源且波動也大；當大規(guī)模風電接入電力需求較平穩(wěn)的雙供應源電力供應鏈時，會出現(xiàn)牛鞭效應與反牛鞭效應共存現(xiàn)象。③電力供應鏈牛鞭效應的抑制可通過AIC準則選擇風電預測模型、合理控制風電場規(guī)模以及供應鏈企業(yè)聯(lián)合預測和制定發(fā)電計劃等手段來實現(xiàn)。本文僅考慮了風電這一種新能源發(fā)電形式，對于其他新能源發(fā)電如光伏發(fā)電等對電力供應鏈牛鞭效應的影響將是進一步的研究方向。

[1] Associates K S, Council U C. Efficient consumer response: enhancing consumer value in the grocery industry[R]. The Joint Industry Project on Efficient Consumer Response, Washington D. C, 1993.

[2] Nagurney A, Liu Z G, Woolley T. Optimal endogenous carbon taxes for electric power supply chains with power plants[J]. Mathematical and Computer Modelling, 2006, 44(9): 899-916.

[3] Wu K,Nagurney A, Liu Z G, Stranlund J K. Modeling generator power plant portfolios and pollution taxes in electric power supply chain networks[J]. Transportation Research Part D, 2006, 11(3): 171-190.

[4] Yang H M, Chung C Y, Wong K P. Optimal fuel, power and load-based emissions trades for electric power supply chain equilibrium[J]. IEEE Transactions on Power Systems, 2012, 27(3): 1147-1157.

[5] 李學遷,胡一竑.基于網(wǎng)絡均衡的電力市場排污權(quán)交易政策研究[J].運籌與管理,2013,22(1):230-236.

[6] Chen M J, Hsu Y F, Wu Y C. Modified penalty function method for optimal social welfare of electric power supply chain with transmission constraints[J]. International Journal of Electrical Power & Energy Systems, 2014, 57(4): 90-96.

[7] Oliverira F S, Rriz C, Conejo A J. Contract design and supply chain coordination in the electricity industry[J]. European Journal of Operational Research, 2013, 227(3): 527-537.

[8] 竇迅,李揚,王蓓蓓,薛朝改.電力供應鏈的收益風險研究[J].電力自動化設備,2012,32(4):11-15.

[9] 徐曼,沈江.電網(wǎng)企業(yè)供應鏈建模及其應用[J].工業(yè)工程,2009,12(6):66-69.

[10] 李揚.電力系統(tǒng)中錯峰控制與牛鞭效應的研究[D].沈陽：東北大學信息科學與工程學院,2008.

[11] Chen F, Ryan J K, SimchiLevi D. The impact of exponential smoothing forecasts on the bullwhip effect[J]. Naval Research Logistics, 2000, 47(4): 269-286.

[12] Kim H K, Ryan J K. The cost impact of using simple forecasting techniques in a supply chain[J]. Naval Research Logistics, 2003, 50(5): 388- 411.

[13] 劉紅,王平.基于不同預測技術(shù)的供應鏈牛鞭效應分析[J].系統(tǒng)工程理論與實踐,2007,27(7):26-33.

[14] Lee H L, Padmanabhan V, Whang S. The bullwhip effect in supply chains[J]. Sloan Management Review, 1997, 38(3): 93-102.

[15] Lee H L, Padmanabhan V, Whang S. Information distortion in a supply chain: the bullwhip effect[J]. Management Science, 1997, 43(4): 546-558.

[16] Mirasgedis S, Sarafidis Y, Georgopoulou E, et al. Models for mid-term electricity demand forecasting incorporating weather influences[J]. Energy, 2006, 31(2): 208-227.

[17] Hsing Y. Estimation of residential demand for electricity with the cross-sectionally correlated and time-wise autoregressive model[J]. Resource and Energy Economics, 1994, 16(3): 255-263.

[18] Engle R F, Mustafa C, Rice J. Modelling peak electricity demand[J]. Journal of Forecasting, 1992, 11(3): 241-251.

[19] 康重慶,夏清,劉梅.電力系統(tǒng)負荷預測[M].北京：中國電力出版社,2007.

[20] Ma L, Luan S Y, Jiang C W, Liu H L, Zhang Y. A review on the forecasting of wind speed and generated power[J]. Renewable and Sustainable Energy Reviews, 2009, 13(4): 915-920.

[21] Foley A M, Leahy P G, Marvuglia A, McKeogh E J. Current methods and advances in forecasting of wind power generation[J]. Renewable Energy, 2012, 37(1): 1- 8.

[22] Altunkaynak A, Erdik T, Dabanli, Sen Z K. Theoretical derivation of wind power probability distribution function and applications[J]. Applied Energy, 2012, 92(4): 809- 814.

[23] Li G, Wang S Y, Yan H, Yu Gang. Information transformation in a supply chain: a simulation study[J]. Computers & Operations Research, 2005, 32(3): 707-725.

[24] 李剛,汪壽陽,于剛,閻洪.牛鞭效應與生產(chǎn)平滑模型有效性問題[J].管理科學學報,2004,7(1):1-18.

Bullwhip Effect of Double Sources Electricity Supply Chain for Large-scale Wind Power Integration on Power System

HOU Lin-na1， SUN Jing-chun1， WANG Hai-yan2

(1.SchoolofManagement,Xi’anJiaotongUniversity,Xi’an710049,China;2.InstituteofMechanicandElectronicEngineering,BeijingInformationScienceandTechnologyUniversity,Beijing100192,China)

In addition to characteristics of partial monopoly for current electricity supply chain in China, its structure changes from single source to double sources due to large-scale wind power integration on power system, resulting in random supply and random demand. These changes affect the accurate transmission of electricity demand information and induce bullwhip effect, but these problems have rarely studied. Based on the characteristics of China’s electricity supply chain, we build a multi-level supply chain model including coal companies, power plants (thermal plant and wind power plant) and users, discuss changes of bullwhip effect in single and double sources electricity supply chain. The results show that bullwhip effect in double sources electricity supply chain is larger and more unstable, especially when the electricity need is relatively steady, there will be coexistence of bullwhip effect and anti-bullwhip effect. Through discussion of the bullwhip effect, we can deeply understand the changes and impacts of China’s current electricity supply chain and realize that reasonable forecasting model and rational planning of wind farms will be helpful to restrain bullwhip effect.

bullwhip effect; anti-bullwhip effect; random demand; random supply; electricity supply chain

2014- 05- 05

國家自然科學基金項目:產(chǎn)能影響下的光伏供應鏈風險池效應研究(71372164);國家自然科學基金項目:考慮新能源發(fā)電預測誤差及其聯(lián)合分布特性的電力系統(tǒng)隨機優(yōu)化理論研究(51277141)

侯琳娜(1979-),女,陜西寶雞人,博士生,研究方向:電力供應鏈;孫靜春(1966-),男,河北唐山人,博士,副教授,研究方向:運籌學、供應鏈管理。

F253.2

A

1007-3221(2015)06- 0086- 09

10.12005/orms.2015.0199