CN103870936A - 一种可中断负荷代理的行为决策方法 - Google Patents
一种可中断负荷代理的行为决策方法 Download PDFInfo
- Publication number
- CN103870936A CN103870936A CN201410116109.1A CN201410116109A CN103870936A CN 103870936 A CN103870936 A CN 103870936A CN 201410116109 A CN201410116109 A CN 201410116109A CN 103870936 A CN103870936 A CN 103870936A
- Authority
- CN
- China
- Prior art keywords
- interruptible load
- load
- interruptible
- bid
- ila
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000005611 electricity Effects 0.000 claims abstract description 18
- 238000010845 search algorithm Methods 0.000 claims abstract description 17
- 238000012937 correction Methods 0.000 claims description 14
- 230000009471 action Effects 0.000 claims description 9
- 230000009194 climbing Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 6
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Abstract
本发明提供一种可中断负荷代理的行为决策方法,包括以下步骤:可中断负荷向可中断负荷代理上报成本信息及用电信息,可中断负荷代理获取次日负荷预测曲线;制定可中断负荷最优启停计划;采用极值搜索算法搜索各时段最优报价;调度交易中心进行经济调度,并发布调度计划;可中断负荷代理进行可中断负荷经济调度,并向可中断负荷发布中断用电计划。本发明提供的可中断负荷代理的行为决策方法,为可中断负荷资源参与电力市场提供了有效途径,为可中断负荷代理报价提供了依据,有利于降低电力系统总运行成本,提高电力市场竞争性和灵活性。
Description
技术领域
本发明属于电力系统运行及电力市场技术领域,具体涉及一种可中断负荷代理的行为决策方法。
背景技术
市场机制深化和负荷侧资源开放利用是未来电力系统发展的必然方向。可中断负荷分布广泛、数量众多难以集中控制,同时,电力系统相应补偿机制缺乏,难以发挥可中断用户响应调度的潜力。为此,采用代理竞价方式不仅分担了调度交易中心调控的压力,也有利于挖掘可中断用户的可调度潜力,而代理内部采用经济调度方式实现可中断用户间的协调,还有利于整个电力系统资源的优化配置,综合来看,可中断负荷代理技术是市场化的未来电力系统的重要发展方向。
大容量可中断负荷通过与供电企业签订可中断合同,向电力系统提供备用容量的研究和实践在国外和台湾地区已经广泛展开,但这种方式并不能充分挖掘中小容量用户的可中断潜力,也难以参与电力市场的竞争,缺乏灵活性和竞争性。而可中断负荷以代理的方式参与电力市场的相关研究还未开展。如何设计一种可以充分利用可中断负荷资源的市场机制、如何实现可中断代理参与电力市场的方法还有待进一步研究。
发明内容
为了克服上述现有技术的不足,本发明提供一种可中断负荷代理的行为决策方法,为可中断负荷资源参与电力市场提供了有效途径,为可中断负荷代理报价提供了依据,有利于降低电力系统总运行成本,提高电力市场竞争性和灵活性。
为了实现上述发明目的,本发明采取如下技术方案:
本发明提供一种可中断负荷代理的行为决策方法,所述方法包括以下步骤:
步骤1:可中断负荷向可中断负荷代理上报成本信息及用电信息,可中断负荷代理获取次日负荷预测曲线;
步骤2:制定可中断负荷最优启停计划;
步骤3:采用极值搜索算法搜索各时段最优报价;
步骤4:调度交易中心进行经济调度,并发布调度计划;
步骤5:可中断负荷代理进行可中断负荷经济调度,并向可中断负荷发布中断用电计划。
所述步骤1中,可中断负荷代理从调度交易中心获取次日负荷预测曲线,从历史数据中获取发电机组信息,发电机组信息包括机组成本曲线、机组出力极限及机组爬坡率,并从下辖可中断负荷获取用电信息。
所述步骤2中,可中断负荷代理根据发电机组信息、系统负荷预测信息、下辖用户用电信息,通过可中断负荷最优启停模型模拟电力市场交易,制定可中断负荷的最优启停计划。
所述可中断负荷最优启停模型如下:
可中断负荷最优启停模型的目标函数如下:
Cg,Up(t)=[1-Ig(t-1)]Ig(t)kg,Up (3)
Cg,Dn(t)=Ig(t-1)[1-Ig(t)]kg,Dn (4)
式(1)中,Csys为电力系统全时段运行总成本,t为时段集合,CGen(t)为发电机组运行成本,Cg,Up(t)为发电机组启动成本,Cg,Dn(t)为发电机组关停成本,CILu(t)为可中断负荷中断成本,CILu,Ac(t)为可中断负荷动作成本;
式(2)中,g为发电机组集合,ag、bg和cg均为发电机组报价系数,Pg(t)为发电机组t时刻有功功率;
式(3)中,Ig(t)表示t时刻发电机组状态,取1时,表示投运状态,取0时,表示退出状态;kg,Up表示发电机组单次启动成本;
式(4)中,kg,Dn为发电机组单次关停成本;
式(5)中,u为可中断负荷集合,au、bu和cu均为可中断负荷上报给可中断负荷代理的成本曲线系数,Pu(t)为可中断负荷中断容量;
式(6)中,Iu(t)表示t时刻可中断负荷运行状态,取1时,表示中断状态,取0时,表示非中断状态;ku为可中断负荷单次动作成本,并令可中断用负荷中断启、停动作成本均为ku;
所述可中断负荷最优启停模型的约束条件为:
Ig(t)Pg,min≤Pg(t)≤Ig(t)Pg,max (8)
Iu(t)Pu,min≤Pu(t)≤Iu(t)Pu,max (10)
式(7)中,Pfor(t)为t时刻可中断负荷预测值;
式(8)中,Pg,max、Pg,min分别为发电机组有功功率上、下限;
式(9)中,Rampg,Up、Rampg,Dn分别为发电机组上行爬坡极限和下行爬坡极限;
式(10)中,Pu,max、Pu,min分别为可中断负荷可中断容量上、下限;
式(11)中,Tu,cal为可中断负荷日最大累积可中断时间;
式(12)中,Tu,con表示最大连续可中断时间,i表示任意时段。
所述步骤3中,可中断负荷代理依据可中断负荷最优启停计划,基于计及可中断负荷代理经济调度模型,采用极值搜索算法搜索各时段最优报价。
所述极值搜索算法为半衰步长极值搜索算法,采用所述半衰步长极值搜索算法搜索可中断负荷代理总收入的极大值和各时段最优报价;
可中断负荷代理总收入的极大值搜索过程如下:
A)设定初始自变量值X0、初始自变量修正量ΔX0、最大迭代次数N及计算精度ε,计算初始函数值Y0=f(X0),并将迭代次数n置零;
B)更新自变量Xn及函数值Yn,有
C)判断当前步长下,是否搜索到局部极大值:
若满足Yn-1-Yn>0,且Yn-1-Yn-2>0,则可知第n-1轮迭代值为局部极大值,搜索步长衰减一半;否则迭代步长不变;
D)判断搜索方向:
若当前函数值大于等于前一轮迭代函数值则搜索方向不变;否则,反向搜索;
E)计算自变量修正量ΔXn,有
ΔXn=sign(Yn-Yn-1)ΔXn-1 (14)
其中:
F)比较ΔXn及ε,若ΔXn≥ε,则执行下一步;否则,输出最大值点(Xn,Yn);
G)比较n及N,若n≥N,则输出最大值点(Xn,Yn);否则,n=n+1,转步骤B);
各时段最优报价的目标函数为:
其中,可中断负荷代理各时段最优报价系数aBid(t)和bBid(t)为半衰步长极值搜索的自变量;cBid(t)为报价常数项,设其为零;Y[aBid(t),bBid(t)]为由aBid(t)和bBid(t)确定的可中断负荷代理总收入;PILA(t)表示可中断负荷代理在最优报价aBid(t)和bBid(t)下的电力系统经济调度的中标容量,其数值依据计及可中断负荷代理经济调度模型求取。
所述计及可中断负荷代理经济调度模型的目标函数如下:
Cg,Up(t)=[1-Ig(t-1)]Ig(t)kg,Up (19)
Cg,Dn(t)=Ig(t-1)[1-Ig(t)]kg,Dn (20)
CILA(t)=aBid(t)PILA(t)2+bBid(t)PILA(t)+cBid(t) (21)
CILA,Ac(t)=CILu,Ac(t) (22)
式(17)中,CILA(t)为可中断负荷代理中断成本,CILA,Ac(t)为可中断负荷代理动作成本;
所述计及可中断负荷代理经济调度模型的约束条件为:
Ig(t)Pg,min≤Pg(t)≤Ig(t)Pg,max (24)
PILA,min(t)≤Pg(t)≤PILA,max(t) (26)
式(26)中,PILA,max(t)、PILA,min(t)分别为可中断负荷代理各时段可中断容量的上限和下限,分别为各时段处于启动状态的可中断负荷的功率极限叠加。
所述步骤4中,调度交易中心根据可中断负荷代理报价进行可中断负荷代理经济调度,并向可中断负荷代理发布调度计划。
所述步骤5中,可中断负荷代理根据可中断负荷经济调度模型进行可中断负荷经济调度,并向可中断负荷发布中断用电计划。
所述可中断负荷经济调度模型的目标函数如下:
CILur,Ac(t)=[1-Iur(t-1)]Iur(t)ku+Iur(t-1)[1-Iur(t)]Iur(t)ku (29)
式(27)中,CILur(t)为表示可中断负荷实际计划中断成本,CILur,Ac(t)为可中断负荷实际计划动作成本;
式(28)中,Pur(t)为可中断负荷实际计划中断容量;
式(29)中,Iur(t)为t时刻可中断负荷实际计划运行状态,取1值表示中断状态,取0值表示非中断状态;
所述可中断负荷经济调度模型的约束条件为:
Iur(t)Pu,min≤Pur(t)≤Iur(t)Pu,max (31)
式(30)中,PILur(t)为可中断负荷实际中断容量。
与现有技术相比,本发明的有益效果在于:
1.本发明可中断负荷代理采用竞价方式参与电力市场,上报标准成本曲线和出力极限,与传统电力市场完全兼容;
2.本发明的可中断负荷代理增加了电力市场的灵活性和竞争性,有利于全系统资源的优化配置,提高电力系统的经济性;
3.为可中断负荷资源参与电力市场提供了有效途径,为可中断负荷代理报价提供了依据,有利于降低电力系统总运行成本,提高电力市场竞争性和灵活性。
附图说明
图1是可中断负荷代理的行为决策方法流程图;
图2是本发明实施例中可中断负荷代理最优报价搜索流程图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
如图1,本发明提供一种可中断负荷代理的行为决策方法,所述方法包括以下步骤:
步骤1:可中断负荷向可中断负荷代理上报成本信息及用电信息,可中断负荷代理获取次日负荷预测曲线;
步骤2:制定可中断负荷最优启停计划;
步骤3:采用极值搜索算法搜索各时段最优报价;
步骤4:调度交易中心进行经济调度,并发布调度计划;
步骤5:可中断负荷代理进行可中断负荷经济调度,并向可中断负荷发布中断用电计划。
所述步骤1中,可中断负荷代理从调度交易中心获取次日负荷预测曲线,从历史数据中获取发电机组信息,发电机组信息包括机组成本曲线、机组出力极限及机组爬坡率,并从下辖可中断负荷获取用电信息。
所述步骤2中,可中断负荷代理根据发电机组信息、系统负荷预测信息、下辖用户用电信息,通过可中断负荷最优启停模型模拟电力市场交易,制定可中断负荷的最优启停计划。
所述可中断负荷最优启停模型如下:
可中断负荷最优启停模型的目标函数如下:
Cg,Up(t)=[1-Ig(t-1)]Ig(t)kg,Up (3)
Cg,Dn(t)=Ig(t-1)[1-Ig(t)]kg,Dn (4)
式(1)中,Csys为电力系统全时段运行总成本,t为时段集合,CGen(t)为发电机组运行成本,Cg,Up(t)为发电机组启动成本,Cg,Dn(t)为发电机组关停成本,CILu(t)为可中断负荷中断成本,CILu,Ac(t)为可中断负荷动作成本;
式(2)中,g为发电机组集合,ag、bg和cg均为发电机组报价系数,Pg(t)为发电机组t时刻有功功率;
式(3)中,Ig(t)表示t时刻发电机组状态,取1时,表示投运状态,取0时,表示退出状态;kg,Up表示发电机组单次启动成本;
式(4)中,kg,Dn为发电机组单次关停成本;
式(5)中,u为可中断负荷集合,au、bu和cu均为可中断负荷上报给可中断负荷代理的成本曲线系数,Pu(t)为可中断负荷中断容量;
式(6)中,Iu(t)表示t时刻可中断负荷运行状态,取1时,表示中断状态,取0时,表示非中断状态;ku为可中断负荷单次动作成本,并令可中断用负荷中断启、停动作成本均为ku;
由于负荷代理的利润与系统调用可中断用户前后的成本差正相关,又因为调用前系统成本固定,所以负荷代理的利润最大化与调用可中断用户后系统成本最小化具有一致性。负荷代理收益最大的用户启停计划与系统成本最低的用户启停计划一致。
所述可中断负荷最优启停模型的约束条件为:
Ig(t)Pg,min≤Pg(t)≤Ig(t)Pg,max (8)
Iu(t)Pu,min≤Pu(t)≤Iu(t)Pu,max (10)
式(7)中,Pfor(t)为t时刻可中断负荷预测值;
式(8)中,Pg,max、Pg,min分别为发电机组有功功率上、下限;
式(9)中,Rampg,Up、Rampg,Dn分别为发电机组上行爬坡极限和下行爬坡极限;
式(10)中,Pu,max、Pu,min分别为可中断负荷可中断容量上、下限;
式(11)中,Tu,cal为可中断负荷日最大累积可中断时间;
式(12)中,Tu,con表示最大连续可中断时间,i表示任意时段。
所述步骤3中,可中断负荷代理依据可中断负荷最优启停计划,基于计及可中断负荷代理经济调度模型,采用极值搜索算法搜索各时段最优报价。
本发明所提极值搜索算法适用于可行域内存在至多一个极值点的函数极值搜索。该搜索方法的可表述为:在初始搜索点的邻域内,以初始修正量值为步长,沿函数值增大(减小)的方向搜索,直到函数值不再增大(减小);修正量衰减为当前值的一半,进入新轮搜索,直到修正量值衰减到满足搜索精度要求,并输出极大(小)值点。
所述极值搜索算法为半衰步长极值搜索算法,采用所述半衰步长极值搜索算法搜索可中断负荷代理总收入的极大值和各时段最优报价;
可中断负荷代理总收入的极大值搜索过程如下:
A)设定初始自变量值X0、初始自变量修正量ΔX0、最大迭代次数N及计算精度ε,计算初始函数值Y0=f(X0),并将迭代次数n置零;
B)更新自变量Xn及函数值Yn,有
C)判断当前步长下,是否搜索到局部极大值:
若满足Yn-1-Yn>0,且Yn-1-Yn-2>0,则可知第n-1轮迭代值为局部极大值,搜索步长衰减一半;否则迭代步长不变;
D)判断搜索方向:
若当前函数值大于等于前一轮迭代函数值则搜索方向不变;否则,反向搜索;
E)计算自变量修正量ΔXn,有
ΔXn=sign(Yn-Yn-1)ΔXn-1 (14)
其中:
F)比较ΔXn及ε,若ΔXn≥ε,则执行下一步;否则,输出最大值点(Xn,Yn);
G)比较n及N,若n≥N,则输出最大值点(Xn,Yn);否则,n=n+1,转步骤B);
各时段最优报价的目标函数为:
其中,可中断负荷代理各时段最优报价系数aBid(t)和bBid(t)为半衰步长极值搜索的自变量;cBid(t)为报价常数项,设其为零;Y[aBid(t),bBid(t)]为由aBid(t)和bBid(t)确定的可中断负荷代理总收入;PILA(t)表示可中断负荷代理在最优报价aBid(t)和bBid(t)下的电力系统经济调度的中标容量,其数值依据计及可中断负荷代理经济调度模型求取。
所述计及可中断负荷代理经济调度模型的目标函数如下:
Cg,Up(t)=[1-Ig(t-1)]Ig(t)kg,Up (19)
Cg,Dn(t)=Ig(t-1)[1-Ig(t)]kg,Dn (20)
CILA(t)=aBid(t)PILA(t)2+bBid(t)PILA(t)+cBid(t) (21)
CILA,Ac(t)=CILu,Ac(t) (22)
式(17)中,CILA(t)为可中断负荷代理中断成本,CILA,Ac(t)为可中断负荷代理动作成本;
所述计及可中断负荷代理经济调度模型的约束条件为:
Ig(t)Pg,min≤Pg(t)≤Ig(t)Pg,max (24)
PILA,min(t)≤Pg(t)≤PILA,max(t) (26)
式(26)中,PILA,max(t)、PILA,min(t)分别为可中断负荷代理各时段可中断容量的上限和下限,分别为各时段处于启动状态的可中断负荷的功率极限叠加。
所述步骤4中,调度交易中心根据可中断负荷代理报价进行可中断负荷代理经济调度,并向可中断负荷代理发布调度计划。
所述步骤5中,可中断负荷代理根据可中断负荷经济调度模型进行可中断负荷经济调度,并向可中断负荷发布中断用电计划。
所述可中断负荷经济调度模型的目标函数如下:
CILur,Ac(t)=[1-Iur(t-1)]Iur(t)ku+Iur(t-1)[1-Iur(t)]Iur(t)ku (29)
式(27)中,CILur(t)为表示可中断负荷实际计划中断成本,CILur,Ac(t)为可中断负荷实际计划动作成本;
式(28)中,Pur(t)为可中断负荷实际计划中断容量;
式(29)中,Iur(t)为t时刻可中断负荷实际计划运行状态,取1值表示中断状态,取0值表示非中断状态;
所述可中断负荷经济调度模型的约束条件为:
Iur(t)Pu,min≤Pur(t)≤Iur(t)Pu,max (31)
式(30)中,PILur(t)为可中断负荷实际中断容量。
附图2表示附图1中步骤3的可中断负荷代理最优报价系数搜索的详细过程。
步骤3.1:可中断负荷代理最优报价系数搜索启动时,外层迭代搜索自变量a、修正量Δa赋初值,外层迭代搜索极值储存变量Ymax,a、aopt置零。
步骤3.2:可中断负荷代理最优报价系数搜索的外层迭代过程,包括步骤3.2.1~3.2.9;
步骤3.2.1:第k轮外层迭代中,内层迭代搜索自变量b、修正量Δb赋初值,内层迭代搜索极值储存变量Ymax,b、bopt置零;
步骤3.2.2:第k轮外层迭代中,内层函数初值计算;
步骤3.2.3:内层迭代搜索过程,包括步骤3.2.3.1~3.2.3.8;
步骤3.2.3.1:内层自变量更新,更新过程为:bn=bn-1+Δbn-1;
步骤3.2.3.2:第n轮内层迭代,计算内层函数值Yn,计算表达式为: 其中a(t)、b(t)取值为第k轮外层迭代第n轮内层迭代时自变量a、b取值,PILA(t)为代理报价为a(t)、b(t)时,系统经济调度下,可中断负荷代理的中标容量,其计算方法如式(17~26)所示。
步骤3.2.3.3:判断内层搜在当前步长下,是否搜索到了极值。其中判断条件Yn-1-Yn>0且Yn-1-Yn-2>0,表示第n-1轮函数值是当前步长下的局部极大值。因此,当条件不满足时,继续以当前步长搜索,转步骤3.2.3.4;当条件成立时,步长衰减一半搜索,转步骤3.2.3.5。
步骤3.2.3.5:确定搜索方向,Δbn=sign(Yn-Yn-1)Δbn-1。其中:该表达式表示:当前函数值大于等于前一轮函数值,则搜索方向不变;当前函数值小于前一轮函数值,则反向搜索。
步骤3.2.3.6:内层迭代精度终止条件:Δbn≤εb;其中εb表示报价系数b(t)的精度要求。若不满足条件,则转步骤3.2.3.7.若满足则终止内层迭代,转步骤3.2.3.8;
步骤3.2.3.7:内层迭代次数终止条件:n≥N;其中N表示内层迭代次数上限。若不满足条件,则继续迭代,转步骤3.2.3.1,且迭代次数n自加1;若满足条件,则终止内层迭代,转步骤3.2.3.8;
步骤3.2.3.8:内层迭代极值储存,并将内层迭代极值作为外层迭代的函数值。Ymax,b=Yn-1;bopt=bn;Ya,k=Yn-1,其中(bopt,Ymax,b)表示内层迭代极值点;Ya,k表示第k轮外层迭代取值a(t)的函数值。
步骤3.2.4:判断外层搜索在当前步长下是否找到了极值。其判断条件Ya,n-1-Ya,n-2>0且Ya,n-1-Ya,n<0,表示前一轮外层迭代函数值为局部极值。因此,若条件成立,则转步骤3.2.5,外层修正量衰减为当前值的一半;若条件不成立,则继续当前步长下搜索,转步骤3.2.6;
步骤3.2.6:确定外层搜索方向,若当前外层函数值大于等于前一轮外层函数值,则搜索方向不变;否则方向搜索。
步骤3.2.7:外层搜索自变量更新。
步骤3.2.8:外层搜索精度终止条件:Δa≤εa,其中εa表示报价系数a(t)的精度要求。若满足条件,则终止外层迭代,转步骤3.3;否则转步骤3.2.9;
步骤3.2.9:外层搜索迭代次数终止条件:k≥K,其中,K为最大外层迭代次数。若满足条件,则终止外层迭代,转步骤3.3;否则转步骤3.2.1,且k自加1;
步骤3.3:储存外层搜索极值点(Ymax,a,aopt)。其中Ymax,a为外层搜索极值,同时也是负荷代理收入最大值;aopt及步骤3.2.3.8中所得bopt即为可中断负荷代理最优报价系数。
需要指出的是:若负荷代理需要给定报价系数a(或b),只需在步骤3.1(或3.2.1)将给定值赋予迭代自变量a(或b),同时将搜索精度εa(或εb)设定与修正量Δa(或Δb)相同。此时搜索结果即为在给定报价系数a(或b)下的最优报价b(或a)。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种可中断负荷代理的行为决策方法,其特征在于:所述方法包括以下步骤:
步骤1:可中断负荷向可中断负荷代理上报成本信息及用电信息,可中断负荷代理获取次日负荷预测曲线;
步骤2:制定可中断负荷最优启停计划;
步骤3:采用极值搜索算法搜索各时段最优报价;
步骤4:调度交易中心进行经济调度,并发布调度计划;
步骤5:可中断负荷代理进行可中断负荷经济调度,并向可中断负荷发布中断用电计划。
2.根据权利要求1所述的可中断负荷代理的行为决策方法,其特征在于:所述步骤1中,可中断负荷代理从调度交易中心获取次日负荷预测曲线,从历史数据中获取发电机组信息,发电机组信息包括机组成本曲线、机组出力极限及机组爬坡率,并从下辖可中断负荷获取用电信息。
3.根据权利要求1所述的可中断负荷代理的行为决策方法,其特征在于:所述步骤2中,可中断负荷代理根据发电机组信息、系统负荷预测信息、下辖用户用电信息,通过可中断负荷最优启停模型模拟电力市场交易,制定可中断负荷的最优启停计划。
4.根据权利要求2所述的可中断负荷代理的行为决策方法,其特征在于:所述可中断负荷最优启停模型如下:
可中断负荷最优启停模型的目标函数如下:
Cg,Up(t)=[1-Ig(t-1)]Ig(t)kg,Up(3)
Cg,Dn(t)=Ig(t-1)[1-Ig(t)]kg,Dn(4)
式(1)中,Csys为电力系统全时段运行总成本,t为时段集合,CGen(t)为发电机组运行成本,Cg,Up(t)为发电机组启动成本,Cg,Dn(t)为发电机组关停成本,CILu(t)为可中断负荷中断成本,CILu,Ac(t)为可中断负荷动作成本;
式(2)中,g为发电机组集合,ag、bg和cg均为发电机组报价系数,Pg(t)为发电机组t时刻有功功率;
式(3)中,Ig(t)表示t时刻发电机组状态,取1时,表示投运状态,取0时,表示退出状态;kg,Up表示发电机组单次启动成本;
式(4)中,kg,Dn为发电机组单次关停成本;
式(5)中,u为可中断负荷集合,au、bu和cu均为可中断负荷上报给可中断负荷代理的成本曲线系数,Pu(t)为可中断负荷中断容量;
式(6)中,Iu(t)表示t时刻可中断负荷运行状态,取1时,表示中断状态,取0时,表示非中断状态;ku为可中断负荷单次动作成本,并令可中断用负荷中断启、停动作成本均为ku;
所述可中断负荷最优启停模型的约束条件为:
Ig(t)Pg,min≤Pg(t)≤Ig(t)Pg,max(8)
Iu(t)Pu,min≤Pu(t)≤Iu(t)Pu,max(10)
式(7)中,Pfor(t)为t时刻可中断负荷预测值;
式(8)中,Pg,max、Pg,min分别为发电机组有功功率上、下限;
式(9)中,Rampg,Up、Rampg,Dn分别为发电机组上行爬坡极限和下行爬坡极限;
式(10)中,Pu,max、Pu,min分别为可中断负荷可中断容量上、下限;
式(11)中,Tu,cal为可中断负荷日最大累积可中断时间;
式(12)中,Tu,con表示最大连续可中断时间,i表示任意时段。
5.根据权利要求1所述的可中断负荷代理的行为决策方法,其特征在于:所述步骤3中,可中断负荷代理依据可中断负荷最优启停计划,基于计及可中断负荷代理经济调度模型,采用极值搜索算法搜索各时段最优报价。
6.根据权利要求5所述的可中断负荷代理的行为决策方法,其特征在于:所述极值搜索算法为半衰步长极值搜索算法,采用所述半衰步长极值搜索算法搜索可中断负荷代理总收入的极大值和各时段最优报价;
可中断负荷代理总收入的极大值搜索过程如下:
A)设定初始自变量值X0、初始自变量修正量ΔX0、最大迭代次数N及计算精度ε,计算初始函数值Y0=f(X0),并将迭代次数n置零;
B)更新自变量Xn及函数值Yn,有
C)判断当前步长下,是否搜索到局部极大值:
若满足Yn-1-Yn>0,且Yn-1-Yn-2>0,则可知第n-1轮迭代值为局部极大值,搜索步长衰减一半;否则迭代步长不变;
D)判断搜索方向:
若当前函数值大于等于前一轮迭代函数值则搜索方向不变;否则,反向搜索;
E)计算自变量修正量ΔXn,有
ΔXn=sign(Yn-Yn-1)ΔXn-1 (14)
其中:
F)比较ΔXn及ε,若ΔXn≥ε,则执行下一步;否则,输出最大值点(Xn,Yn);
G)比较n及N,若n≥N,则输出最大值点(Xn,Yn);否则,n=n+1,转步骤B);
各时段最优报价的目标函数为:
其中,可中断负荷代理各时段最优报价系数aBid(t)和bBid(t)为半衰步长极值搜索的自变量;cBid(t)为报价常数项,设其为零;Y[aBid(t),bBid(t)]为由aBid(t)和bBid(t)确定的可中断负荷代理总收入;PILA(t)表示可中断负荷代理在最优报价aBid(t)和bBid(t)下的电力系统经济调度的中标容量,其数值依据计及可中断负荷代理经济调度模型求取。
7.根据权利要求5所述的可中断负荷代理的行为决策方法,其特征在于:所述计及可中断负荷代理经济调度模型的目标函数如下:
Cg,Up(t)=[1-Ig(t-1)]Ig(t)kg,Up (19)
Cg,Dn(t)=Ig(t-1)[1-Ig(t)]kg,Dn (20)
CILA(t)=aBid(t)PILA(t)2+bBid(t)PILA(t)+cBid(t) (21)
CILA,Ac(t)=CILu,Ac(t) (22)
式(17)中,CILA(t)为可中断负荷代理中断成本,CILA,Ac(t)为可中断负荷代理动作成本;
所述计及可中断负荷代理经济调度模型的约束条件为:
Ig(t)Pg,min≤Pg(t)≤Ig(t)Pg,max (24)
PILA,min(t)≤Pg(t)≤PILA,max(t) (26)
式(26)中,PILA,max(t)、PILA,min(t)分别为可中断负荷代理各时段可中断容量的上限和下限,分别为各时段处于启动状态的可中断负荷的功率极限叠加。
8.根据权利要求1所述的可中断负荷代理的行为决策方法,其特征在于:所述步骤4中,调度交易中心根据可中断负荷代理报价进行可中断负荷代理经济调度,并向可中断负荷代理发布调度计划。
9.根据权利要求1所述的可中断负荷代理的行为决策方法,其特征在于:所述步骤5中,可中断负荷代理根据可中断负荷经济调度模型进行可中断负荷经济调度,并向可中断负荷发布中断用电计划。
10.根据权利要求9所述的可中断负荷代理的行为决策方法,其特征在于:所述可中断负荷经济调度模型的目标函数如下:
CILur,Ac(t)=[1-Iur(t-1)]Iur(t)ku+Iur(t-1)[1-Iur(t)]Iur(t)ku (29)
式(27)中,CILur(t)为表示可中断负荷实际计划中断成本,CILur,Ac(t)为可中断负荷实际计划动作成本;
式(28)中,Pur(t)为可中断负荷实际计划中断容量;
式(29)中,Iur(t)为t时刻可中断负荷实际计划运行状态,取1值表示中断状态,取0值表示非中断状态;
所述可中断负荷经济调度模型的约束条件为:
Iur(t)Pu,min≤Pur(t)≤Iur(t)Pu,max (31)
式(30)中,PILur(t)为可中断负荷实际中断容量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410116109.1A CN103870936B (zh) | 2014-03-26 | 2014-03-26 | 一种可中断负荷代理的行为决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410116109.1A CN103870936B (zh) | 2014-03-26 | 2014-03-26 | 一种可中断负荷代理的行为决策方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103870936A true CN103870936A (zh) | 2014-06-18 |
CN103870936B CN103870936B (zh) | 2017-02-01 |
Family
ID=50909448
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410116109.1A Active CN103870936B (zh) | 2014-03-26 | 2014-03-26 | 一种可中断负荷代理的行为决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103870936B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107516902A (zh) * | 2017-07-28 | 2017-12-26 | 广西大学 | 计及市场运作规则的多种可中断负荷实时协调控制方法 |
CN108039709A (zh) * | 2017-10-23 | 2018-05-15 | 国网能源研究院有限公司 | 一种基于可中断潜力评估的电力可中断负荷的管理方法 |
CN112529271A (zh) * | 2020-12-01 | 2021-03-19 | 国网河南省电力公司电力科学研究院 | 一种可控负荷集群提供电网备用辅助服务的优化调度方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102857363B (zh) * | 2012-05-04 | 2016-04-20 | 运软网络科技(上海)有限公司 | 一种虚拟网络的自主管理系统和方法 |
CN102810186A (zh) * | 2012-08-01 | 2012-12-05 | 江苏省电力设计院 | 多时间尺度微网能量优化管理体系结构及其方法 |
CN103296682B (zh) * | 2013-05-09 | 2015-11-04 | 国家电网公司 | 一种多时空尺度渐进趋优的负荷调度模式设计方法 |
CN103559656B (zh) * | 2013-11-15 | 2016-05-04 | 国家电网公司 | 一种需求响应控制系统及方法 |
-
2014
- 2014-03-26 CN CN201410116109.1A patent/CN103870936B/zh active Active
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107516902A (zh) * | 2017-07-28 | 2017-12-26 | 广西大学 | 计及市场运作规则的多种可中断负荷实时协调控制方法 |
CN107516902B (zh) * | 2017-07-28 | 2020-04-07 | 广西大学 | 计及市场运作规则的多种可中断负荷实时协调控制方法 |
CN108039709A (zh) * | 2017-10-23 | 2018-05-15 | 国网能源研究院有限公司 | 一种基于可中断潜力评估的电力可中断负荷的管理方法 |
CN108039709B (zh) * | 2017-10-23 | 2020-10-02 | 国网能源研究院有限公司 | 一种基于可中断潜力评估的电力可中断负荷的管理方法 |
CN112529271A (zh) * | 2020-12-01 | 2021-03-19 | 国网河南省电力公司电力科学研究院 | 一种可控负荷集群提供电网备用辅助服务的优化调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103870936B (zh) | 2017-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019174039A1 (zh) | 一种超大规模水电站群短期实用化调度方法 | |
CN105006843A (zh) | 一种应对风电不确定性的多时间尺度柔性负荷调度方法 | |
CN106532769A (zh) | 基于光伏并网不确定性的需求侧分时电价的优化方法 | |
CN110400096A (zh) | 一种火电融合电储能联合调峰的日前发电计划优化方法及系统 | |
CN103870936A (zh) | 一种可中断负荷代理的行为决策方法 | |
CN114662319A (zh) | 计及数据中心的主动配电网规划模型的构建方法 | |
Hu et al. | Short-term hydropower generation scheduling using an improved cloud adaptive quantum-inspired binary social spider optimization algorithm | |
Anwar et al. | Proximal policy optimization based reinforcement learning for joint bidding in energy and frequency regulation markets | |
Peng et al. | Sequential coalition formation for wind-thermal combined bidding | |
CN114498638A (zh) | 计及源荷双侧不确定性的源网荷储协调规划方法及系统 | |
CN109726894A (zh) | 保障现货交易和中长期电量的新能源有功指令计算方法 | |
CN107622331A (zh) | 一种发电机组与电力用户直接交易方式的优化方法和装置 | |
CN116739158A (zh) | 一种基于强化学习的自适应优化储能方法 | |
CN116470543A (zh) | 一种虚拟电厂的运行控制方法、装置、设备及介质 | |
CN116050635A (zh) | 针对储能调频交易的模糊随机双层鲁棒优化方法及装置 | |
Duan et al. | Multi-stage robust clearing model considering renewable energy output uncertainty and unit effective reserve calculation in electricity market | |
Zhou et al. | Learning-based green workload placement for energy internet in smart cities | |
CN110648012B (zh) | 一种需求侧资源参与多时间尺度辅助服务市场竞价方法 | |
CN111062513B (zh) | 基于自适应共识机制的分布式社区能源交易系统及方法 | |
CN114462727A (zh) | 基于多主体联合的新能源系统能源优化调度方法及系统 | |
CN110970939A (zh) | 一种分布式能源集群优化方法及系统 | |
CN110544044A (zh) | 一种分布式电源对分时电价发电响应的边缘协同计算方法 | |
CN116073377B (zh) | 基于双向调节的主配网交互协同方法及系统 | |
CN117893360B (zh) | 一种智慧能源控制方法及系统 | |
Han et al. | LSTM-Based Strategy for Customer Directrix Load Prediction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |