短期电力市场设计：确定的挑战和 有希望的解决方案

本节中的大多数建议包括共同优化能源和储量，继续采用第3.3节所述的建议。请注意，大多数拟议的市场清算方案对应于中央结构，类似于美国实施的方法，并与欧洲分散结构脱钩。这种集中式方法依赖于电厂调度的机组组合(UC)和经济调度(ED)模型，市场参与者向系统运营商提供详细的成本和技术信息。相反，分散的方法依赖于向电力交换所提交的市场投标（实际上可以是基于投资组合而不是基于单位的），这些投标通常不考虑详细的单位限制，其责任由每个市场参与者承担[86]。随机规划&一种处理不确定性的方法几位作者提出用两阶段SP模型来清算DA市场[85,87-93]。与确定性模型相反，在确定性模型中，投标者只使用第二天的操作条件预测来确定他们的合适人选，SP模型明确地考虑了在市场清算机制中实时实现不确定性的可能性。两阶段SP方法旨在通过考虑，在一个单一的公式中，DA市场调度成本，它包括能量和备用容量成本（第一阶段），以及实时运行中平衡操作的预期成本（第二阶段）[85]。预期成本可以包括与备用激活、减载操作和VRES削减决策相关的成本。在这种方法中，不确定性，在大多数情况下指VRES生产，由一组场景表示，其出现的概率乘以平衡操作的成本，以产生平衡阶段的预期成本。关于约束，该方法包括DA市场的能量平衡方程、实时平衡、提交投标的界限、非负变量的声明以及与减载、削减和储量激活相关的限制。根据建模方法，输电网络容量限制可以像[88]中那样省略，或者在更详细的层次上包括在内（使用带有松弛技术的交流功率-布里诺模型[87]或线性化的直流功率布里诺模型[85，91，92])。通过在DA时间表中预测实时运行期间可能出现的网络充血，实际上可以降低网络问题发生的可能性[85,92]。注意，并不是所有的SP公式都包括备用容量投标，如[91].L所示。Silva-Rodriguez et al.:《19North Perment Electrical Market Designs:Identi所面临的挑战和有希望的解决方案》预印本第7页为了简化两阶段SP问题，除了省略跨期约束和最小发电量限制之外，诸如风力发电是唯一的不确定性来源、无损传输网络和非弹性需求等假设是常见的[85,88,91]。通过解决安全约束单元组合(SCUC)问题[89，93]的公式给出了一个直观的观点，其中不确定性与-1偶然性事件的发生有关。[89，93]中的SCUC公式也包括了时间间的限制，如发电增长限制。另一个相关的方面是对报酬机制的认识。[85]和[91]都采用了一种定价方案，即在DA市场交易的电力以DA能量平衡相等约束的对偶变量定价，而平衡系统的电力以及不平衡则以与平衡阶段的能量平衡方程的对偶变量成比例的值定价。

讨论：通过考虑预期的不确定性，SP提供了一种可操作的ED/UC方案，其结果是较低的预期实时操作成本。事实上，当不确定性被准确地表示时，SP模型在预期SEW方面比传统ED模型表现得更好[88，91，92]。此外，[91]认为，SP模型通过联合DA和平衡市场的共同优化来减少市场势力和价格波动。[85，91]提出的定价方案也被证明为市场运营商提供了足够的收入，为发电商提供了成本回收，但只是在预期范围内。在这方面，标准普尔市场清算的主要缺点是，这种方法不能满足每一种情况的这些特点。这对快速反应生产者来说是一种风险，在某些情况下，他们可能处于亏损状态----市场价格低于其最初投标中提交的价格，从而降低其参与程度[85，88，91，91]。据作者所知，目前还没有任何工作提出一个SP方案，成功地交付收入充足和成本回收的预期和情景。为了弥补这一差距，人们进行了许多尝试，如[90]中提出的SP均衡模型，该模型确保了成本回收和收入充足，但代价是非常高的系统成本。尽管SP在预期经济价值方面提供了更好的结果，但它在实施上存在一些相关的局限性。例如，SP潜在地引入了与精确表示不确定性所需的大量场景相关的高计算负担[94,95]。SP的另一个缺点是对场景的识别，这些场景是从随机生成资源的概率函数中筛选出来的。文献[88]的工作通过一个案例研究表明，风力发电商可能会被激励误报其风概率函数，以减少其风险敞口并增加其预期利润。此外，他们可能没有准确地考虑到不同地点的不同风力发电厂之间的相关性[91]。机会约束优化CCO是一种适应不确定性的替代方法，同时避免了基于情景的SP模型的不足。在实际应用中，在约束条件中加入不确定性的概率空间，从而限制优化问题的可行域，以保证在特定的约束水平内不违反操作极限。CCO方法的一个关键组成部分是机会约束的制定。这些约束是随机变量的泛函，由它们的概率密度函数表示。例如，随机变量对应于VRES和负荷预测相关的误差（在[96，97]中表示为高斯分布或在[98]中表示为非高斯相关变量）。作者在[96-98]中提出了CCO方法，以最小化第二天运行的发电和备用容量调度成本为目标函数，并考虑系统备用极限和输电线路极限作为机会约束。而且，相对较多的论文建议使用CCO方法来解决UC问题[23,99-103]。例如，[102]提出了一个CCO公式来计算热工机组的最佳小时承诺和相应的旋转备用，以处理负荷预测误差、电力系统停电和随机生产的可变性。这些约束被表示为机会约束，以确保发电量和备用容量能够满足需求，并使输电线路保持在一定范围内。

用于设置与这些约束相关的概率的风险指数是输电线路失载概率(LOLP)和过载概率(TLOP)。作为一种替代方案，在[23，100，103]中提出了一种两阶段CCO方法。在这个公式中，firerst将总的UC成本定常，而第二个公式寻求最小化与风力削减和加载相关的成本。Silva-Rodriguez等人:《短期电力市场设计》预印本第8页：Identi发现的挑战和有希望的解决方案----事件[100，103]以及基于激励的DR措施[23]。除了LOLP和TLOP外，还利用风能损失概率(LOWP)来保证风能的利用水平。[99]提出的公式还规定了一个在CCO方法下奖励能源和备用容量的定价方案。该方案确保在若干条件下（即正承诺价格和将每一发电单位的最小发电量设为零）的充分补偿和成本回收。讨论：通过包括与输电线路过载、不平衡和减载事件有关的机会约束，CCO方法使市场经营者能够限制与实时运行中的不确定性存在相关的风险[23,100,103]。换句话说，CCO提供了一种平衡可靠性和经济性的方法[98，101，102]。例如，限制性较小的机会约束导致DA市场的总成本较低（例如，输电阻塞成本、备用成本），但增加了违反这些约束的风险，如[102]中的案例研究所述。此外，CCO确保实现诸如风力发电的高利用率等目标，同时提供可靠的系统运行[23,100]。这些目标与市场的短期和长期运作有关。例如，保证风力发电的高利用率为风力发电投资者提供了激励，并支持减少共同排放[100]。最后，与基于情景的模型相比，CCO模型通过用随机变量的概率密度函数来表示不确定性，而不是像SP那样使用情景来表示不确定性。因此，CCO模型不能处理每一种情况和预期之间的交易[99]。CCO方法最关键的缺点是其潜在的复杂性。一些相关的挑战来自于对随机变量及其概率分布的描述、将随机机会约束转化为确定性形式的需要以及解决非线性和非凸性问题的方法的发展[98]。解决这些挑战的相关性是显而易见的，例如，一些作者越来越关注为CCO公式提出新的解决算法，并证明它们的e-ciency[96，98，100，102]。注意，模型的复杂性随着被表述为机会约束的约束数量的增加而增加，直到它可能不可能满足所有约束，从而导致不可行或收敛问题[101，102]。此外，关于该级别的确认和负责该级别的实体的未决问题仍有待回答。鲁棒性是所谓的RO方法[85,94,95,104]的关键焦点，它通常是指在不确定性的最坏情况下实现某个需求。在ED应用中，RO以最小化调度成本为目标，在平衡阶段考虑最坏情况的实现。在这种方法中，不确定性由不确定性集合表示（而不是像SP那样使用场景）。

RO为任意值的不确定参数提供了一个可行的解决方案，并在最坏情况下得到了最优结果[85,105,106]。具体而言，在[85,104]中，针对风力发电的高渗透市场，提出了一种自适应鲁棒优化(ARO)模型。该问题涉及两个阶段内的三个层次（min-max-min）结构。figurrst阶段寻求最小化总DA能量和reservecapacity成本。第二阶段对应于平衡阶段，用最大最小公式表示。该问题在一个不确定集合中选择不确定变量（例如风力发电）的最坏情况实现。最小化问题代表了减轻这种最坏案例化影响的决策。换句话说，在这种实现下的平衡行动的成本是最小的。关于不确定性集，[85]将不确定性集定义为一组线性不等式，它包括与主预测的最大偏差（即上下界）和通常所用的不确定性预算，以保证与直接生产者的偏差之和不超过一定的极限。大多数作者提出了RO模型来解决UC问题[94，95，105-107]。例如，[95]使用anARO方法来解释风力发电的斜坡事件，考虑最坏的情况是24小时内风力发电量最高的情况。在该公式中，不确定性预算被定义为风力发电量与预测值之间的周期数。在[94]中的工作也提出了一种ARO方法，通过将不确定性集合定义为每个节点中标称净注入的总变化来解决SCUC问题。这种变化被认为是由风力发电和实时需求变化产生的。另一种RO模型在[105-107]中实现。文献[104]中包含了一个极大极小后悔鲁棒(MRR)附加约束，以关联邻近工厂的风力生产变化，预计这些工厂将经历相似的天气条件。Silva-Rodriguez et al.:19《短期电力市场设计》预印本第9页：Identi所面临的挑战和有希望的解决方案模型是由[106]提出的。这种方法旨在最大限度地减少法律援助决定对所有可能性的最大遗憾。在该模型中，遗憾被度量为当前解决方案和完全信息解决方案之间的总代价，前者的不确定性实现是未知的，后者是在不确定性实现是已知的情况下的决策。文献[105]提出了一种极小极大方差鲁棒(MVR)UC模型。在该模型中，最坏情况被定义为不确定度下的最大平衡成本偏差，作者将其定义为不确定度集合中所有可能实现的实时成本中最大值与最小值之间的最大值。讨论：RO通过在最坏情况下最小化系统总成本来提供可靠的结果，并为不确定集内的任何实现提供可行的解决方案[85,105]。从实际应用的角度来看，与只考虑一组情况的SP相比，这是一个潜在的优势[85,94]。此外，与SP相比，RO模型可以更好地适应VRES的高变化，因为ROP可以获得足够的向上能力来处理最坏情况的实现。在这个意义上，减载事件发生的可能性是最小的[85,94,95,104]。最后，RO通过减少接近实时的紧急减载成本、昂贵的备用单元的激活或由于传输限制而引起的重新调度动作的发生来降低调度成本的波动性[85，94]。总的来说，RO显示出比其他方法（例如SP）更好的现实应用前景。

主要原因是不确定性集可以更容易地从有限的历史数据（即均值和均值附近的变化范围）中提取出来，并可以根据信息的可用性进行调整[94,95]。另一个重要的方面是计算性能。RO模型通常在很少的迭代中收敛，正如[94，95]中的案例研究所证明的那样。事实上，正如文献[104]所总结的那样，该问题与电力系统中节点的数量和不确定参数的数量有很好的关系。使用RO方法的主要缺点是生成的解的保守性，特别是在提供向上储备方面，这可能导致比目前的确定性设计[85，106]更高的成本。事实上，[94]表明，这些成本可以通过适当选择不确定性预算来降低，从而降低解决方案的保守性。然而，不确定性预算的调整是经济性能和系统可靠性之间的一种贸易，因此必须谨慎地进行，以避免诱发运行和可靠性风险。此外，正如[85]中SP和RO的比较分析所示，SP在平衡阶段的预期总成本方面略优于RO。这是由于保守地提供了向上的准备金，以及在现金转出中没有计划向下的准备金。因此，市场无法从重新向下调度储备的可能性中获利，最终反而导致风力发电溢出[85,104]。混合公式除了SP、CCO和RO之外，文献中还提出了各种其他的市场清算模型来处理不确定性，每个模型都有各自的优点和缺点。例如，[107]中的工作提出了两阶段随机鲁棒(SRO)UC模型，该模型在第二阶段考虑了预期和最坏情况下的发电成本，每个成本都用操作员设定的参数加权。与SP相比，SRO模式提供了一个更好的解决方案，与RO相比，总成本更低。然而，总成本比使用SP方法所得到的要高[107]。在[101]中提出了机会约束和目标规划(CCGP)的结合来解决UC问题。当多重机会约束导致昂贵的解决方案时，这种联合公式使得单独调整多重机会约束的风险水平成为可能。在经济方面，CCGP被认为比CCO表现稍好，如[101]所讨论的。这主要是由于采用了风险调整措施，使得能源和备用容量都能得到更便宜的单位。作者在[92]中提出了一个基于SP的双层优化市场出清问题。该模型将常规调度和随机调度区分为上下两层问题，随机的生产者根据不确定性的成本由一个中央非生产者实体调度，而常规的生产者根据传统的优序（即边际成本的升序）调度。根据[92]，该模型在系统运行成本方面的表现与SP一样好，并确保在每种情况下市场参与者的成本回收，与SP相反。然而，它不能提供价格一致性[108]。[109]提出了一个两阶段分布RO模型，它也是SP和RO的结合。本文在[105]中对现有的RO模型进行了比较分析，得出MVR模型在价格波动方面表现最好，而ARO方法的平衡成本最低。

Silva-Rodriguez等人:《短期电力市场设计》预印本第10页：在不确定度集由概率密度函数组成且不存在可手动调整的参数（如不确定度预算）的情况下，RO面临的挑战和有希望的解决方案。SP的主要缺点是它考虑了最坏的结果，而且精确的概率密度函数是未知的（只需要预测均值和方差）。尽管该模型的保守性并不比RO低，但在考虑了所有概率信息的情况下，它具有相似的计算性能。在[110]中使用了类似的模型，其中提出了一个多周期公式和一个更精确的框架来建模分布密度函数。商品的变化除了组织和市场清算的变化外，文献中的一些创新建议建议将其他能源载体纳入市场清算程序，或通过交易电力而不是能源，从而超越电能交易。交易商品的这些变化将在下面讨论。5.1。多载波市场多载波市场将多种能源载体--如电力、天然气和热力--结合在一个综合市场中。这些市场旨在解决两个主要问题。令人担忧的是能源系统之间缺乏协调，这可能导致能源资源的使用和预测错误[111-114]。例如，天然气发电厂在DA电力市场中以可能不会影响天然气价格的价格投标，因为天然气在天然气市场中是单独交易的[111，112]。类似地，供暖系统通过热电联产(CHP)工厂与电力系统相互作用，但不是围绕市场结构组织的[114]。第二个关注是与通过共用部件（例如GFPPs，CHP工厂）将不确定性从需求和VRES转移到煤气和供暖系统有关的操作挑战[115、116]。换句话说，多载波市场能够增强多载波技术的代表性，如GFPPs和CHPs、存储系统和能源枢纽[114，115]。集成电力和天然气市场的模型示例见[111，112]。文[112]提出了一个耦合电力和天然气市场的两阶段SP模型。该模型将一个简单的天然气网络模型引入到天然气供应链和平衡市场的协同优化中，捕捉到了天然气供应链和储藏链的约束条件。文献[111]提出在天然气市场中实施基于波动选择的合同，这些合同旨在保护GFPP免受天然气价格不确定性的影响，并为电力市场中的正式投标提供有效的信息。采用随机双层优化模型确定合同价格，同时兼顾两个系统。另一个工作是讨论多载体市场中的电、气、暖一体化问题。在这方面，[113]提出了通过一个耦合的确定性DA市场模型同时清算所有市场，并引入了一组新的复杂订单来表示不同载体之间的关系。作者在[115]proposean ARO模型中对城市能源系统中三种载体的优化调度进行了研究。一种SP方法是proposedin[114]清除包括存储技术（即电池、储热罐和储气系统）在内的综合能源系统。[77]中的工作提出并比较了一种集中和分散的多载波市场清算算法，该算法包括两种类型的约束（标记为按比例约束和累积约束）。[76]中的工作提供了一个独立的视角，它提出了一个集中的本地多承运人市场，其中包括双依赖和同时清算。

讨论多个能源市场的改进协调通过考虑某一市场（如电力市场）的调度决策对其余市场（如热力市场和煤气市场）的影响来最大化组合的SEW[113，115]。此外，这种方法有选择性地利用了一体化市场中的独立组成部分的可利用性，从而降低了平衡成本[112]。如[113，115，118]中所讨论和[114]中所说明的，这种更高的可预测性将是适应VRES渗透率增加的不确定性的根本。关于多运营商市场的主要关注与模型的增加复杂性有关。这种复杂性通过对结果的富有挑战性的解释[76]和清除市场所需的高计算时间而显而易见。例如，在[112]中的案例研究中，求解所考虑的多载波能量集线器所需的时间是多个能量载波被调节、转换或存储的集成单元[117]。Silva-Rodriguez et al.：19《短期电力市场设计》预印本第11页：Identi所发现的挑战和有希望的解决方案模型是模拟当前设计的模型所需时间的17倍。其他关切涉及组织方面，如系统运营商之间的协调、非电力市场流动性较低以及博彩机会可能增加[113]。根据[21,119],当前设计中使用的粗略近似，将生产和消费建模为每小时块的能量，导致昂贵和不可行的时间表（不适合捕捉激增的需求），并且不能保证供应和需求的瞬时平衡。为了解决这个问题和其他问题，几位作者提出了一个基于功率的DA市场，作为当前基于能量的DA市场的替代方案[21，119，120]。在这方面，一个提案为每个交易期间实施多个步骤的功率PROFIRE[120]。作者认为，这种方法将允许市场参与者交易更好地反映其技术特征的产品。此外，这将使系统运营商能够更好地说明消费和生产的短期成果，并确定市场上可供选择的商品。第二个贡献建议实现一个基于功率的公式，它具有正确地表示发电机运行的启动和关闭轨迹，并更好地利用它们的可选性[119]。第三种建议的方法设想了一种市场设计，其中市场出清过程的结果将是双重的：每个参与者的线性电力轨迹，代表他们在每一个瞬间的电力生产和消费，以及在一定时间内生产的电力的总价[21]。作者认为，这种基于电力的市场的实施将导致成本增加，与基于能源的设计相比，平衡成本更低，风能减少。然而，从本质上讲，这些拟议的变化也会对通信基础设施提出更高的要求，并缩短数据处理时间[120]。政策变化最后一组建议对应于市场外的调整，这些调整是政策决策过程的结果。这一类别中的建议是为了完整性而提到的，但没有详细描述。这主要是由于这些政策决策的范围较广，由于篇幅所限，在目前的工作范围内对其进行全面的审查是不切实际的。文献中经常提出三种不同的政策干预措施。技术补贴侧重于技术补贴的调整，以解决市场价格的扭曲（例如VRES生产商能够低于边际成本）。

第二个考虑调整碳价格，在目前的EU-ETSmarket下，碳价格可以内部化环境外部性[5,6,9,10,15,121]。第三种是稀缺期价格形成不充分。文献[9，25]中的工作建议将价格上限提高到损失负荷（valueof Lass load，VoLL)。这将允许回收每年仅运行几小时的发电厂的成本[25]。作为一种替代方案，系统运营商可以实施行政储备短缺定价，以调整DA价格，当DA价格不影响BovereExability的实际价值时[19]7。市场设计调整方案的分类对于每一个市场设计调整方案，图1说明了哪些阻碍电力市场表现的障碍（在第2节中介绍）得到了明确的解决。在这方面，可以做三个主要的观察。首先，每个提案主要围绕一个屏障类别，以最左边的圆圈为代表。然而，一个提案可以同时解决一个以上的障碍类别。其次，虽然在最近的文献中，一些障碍比其他障碍受到了更多的关注，但所有障碍类别都被至少一个关于当前市场设计的改进建议所解决。然而，请注意，当市场调整建议针对abarrier类别时，这并不意味着该建议能够完全消除这一障碍，而是该建议减轻或部分解决了这一障碍。第三，尽管在文献中找到的建议都可以与一个或多个障碍相匹配，但没有一个同时解决所有障碍的市场设计模式的建议。更具体地说，从提出的解决方案和障碍的分类中，可以观察到以下情况:o大多数建议（直接）解决参与者约束障碍的一个或多个方面。这一高度强调了这一广泛文献的焦点在新玩家的存在和相关的一代，消费，L。Silva-Rodriguez等人:《短期电力市场设计》预印本第12页：Identi发现的挑战和有希望的解决方案图1：市场上每一个提议和存储技术所解决的障碍。o大部分提议旨在实现更好的电价形成。这一目标可以用几种方式来解释，包括实现重新影响网络和参与者约束的价格（例如，使用节点定价和智能订单），以及公平回报发电资源可用性的价格。o与所有其他障碍不同，网络约束障碍只通过本文审查的提议之一来解决：实施节点定价。这可以归因于该解决方案的成熟性，该解决方案已经在世界各地的几个市场（例如，在北美的electr

事实上，在这方面，大部分建议的解决方案似乎都与市场清算的变化有关，导致市场参与者提交订单的方式发生变化，市场运营商也会考虑参与者在市场清算机制中的不确定性。这些调整将视乎市场的集中程度而定。在这方面，市场的发展仍有待明确的方向。我们亦正致力研究未来应如何厘定电价。一方面，文献中提出了本地甚至个人(P2P)定价，以捕捉最终用户的偏好。另一方面，文献还建议批发市场价格应该代表系统的广泛网络和可靠性要求（通过节点定价和基于不确定性的市场清算）。更多的要求是在一个市场价格内捕捉不止一种商品的特定特征。因此，在电力系统内部的市场建议和协调水平方面引入了挑战，而这些新的方向是必要的。Silva-Rodriguez等人:《短期电力市场设计》预印本第13页：Identi所发现的挑战和有希望的解决方案，虽然在所有提议的市场设计中始终关注确保电力市场充分竞争的问题，但它似乎不是提议的主要目标。很简单，所有可能确保更大参与的设计更改都被归类为增强竞争，反之亦然。在实践中，可以进一步发展市场监测和政策变化，以加强竞争和限制市场力量的发挥。最后，必须指出，一些挑战可能会阻碍所调查建议的实际执行。最常见的挑战是与执行某些建议相关的高计算需求。例如，基于不确定性的市场清算、复杂的智能订单和多载波市场的实施都伴随着较高的计算成本。此外，基于不确定性的市场清算模型的实施对数据收集有很高的要求，在一些建议中，如实施标准普尔，收集和处理创建情景所需的信息是一项尚未分配的责任。另一个挑战在于，执行一些建议可能会对另一项标准产生负面影响。例如，后期的GCT会影响电力系统的可靠运行，P2P模型对系统的安全运行提出了挑战。此外，从参与者的角度来看，一个可能影响建议实施的共同挑战是市场设计越来越复杂。例如，过于复杂的市场设计可能会被视为透明度较低，这可能对参与水平产生负面影响。这一挑战可能会阻碍实施，例如，基于不确定性的市场清算、多运营商市场和基于电力的市场。最后，一些建议的实施可能会对市场参与者产生巨大的影响。最直接的例子是实行节点定价，这将使居住在拥挤地区的消费者面临更高的价格。结论和未来研究展望根据电力部门目前的转变，文献中提出了对当前市场设计的几种改进。为了提供一个广泛的建议的全面概述，本文根据所建议的调整的性质（即组织、市场清算、商品相关和政策变化）对所建议的解决方案进行了分类。

此外，潜在的障碍类别，阻碍了电力市场的理想性能，已被发现。这些障碍包括：电力定价、外部性定价、网络约束、参与者约束和市场竞争。随后，对每一项提案的优缺点进行了严格讨论，并对每一项提案所处理的障碍和相关的实际执行挑战进行了结构化评估。在这方面，观察到每个障碍至少由一个提议的解决方案来解决，而没有一个提议的解决方案可以解决所有被清除的障碍。因此，我们需要进一步研究：（1）评估现有市场设计需要哪一套模式来全面改善市场的表现；（2）克服这些挑战，以促进拟议市场模式的实施和利用其优点。未来的研究方向应超越单纯的市场设计，以解释新市场设计的实施对市场参与者投标行为的影响，以及序列市场之间的相互依赖关系。实际上，通过纳入与市场设计、参与者的战略行为和市场之间的相互依赖有关的方面，对任何拟议的市场解决方案的分析都可以提供能够塑造电力市场未来的实用和有针对性的建议。除本文所讨论的方面外，应特别注意近年来出现的可能对电力市场及其设计产生直接影响的新技术趋势，如功率分子技术。在众多优点中，这些技术可以为电力系统提供额外的可选性，允许大规模集成VRES.9。这项工作得到了能源过渡基金项目\'EPOC2030-2050\'的支持，该项目由比利时FPSeconomy、S.M.E.S、自营职业者和energy.A.组织。附录。方法本文回顾了对当前短期市场设计提出改进的文献，同时侧重于欧洲市场环境。由于侧重于短期市场时间框架，建议，例如，电容。Silva-Rodriguez等人：19《短期电力市场设计》预印本第14页：Identi所发现的挑战和有希望的解决方案市场，被排除在外。审查过程的figurrst阶段对应于收集符合搜索标准的文献。这些标准包括一组关键词（例如，电力市场设计、未来市场设计、短期电力市场等），适用于发表日期不超过2010年的英文论文。与本次审查相关的来源包括：书籍、同行评审期刊、会议记录和公认国际实体发表的科学报告。第二阶段是分析和选择论文中的文献。在此阶段，根据参考文献建议的市场调整类型，每个参考文献被分配到至少一个IDenti调整的解决方案类别。在这方面，创建的类别是：1）市场组织变化，2)市场清算变化，3)商品变化和4）政策变化。一旦分类，根据作者是否提出了一个或多个特定的解决方案，或讨论了与实施建议相关的优缺点，评估每篇论文的相关性。这一过程导致总共100篇选择，其中大多数（74%）在2016年至2020年间发表。