CN105023053B - 电量分配方法及系统 - Google Patents
电量分配方法及系统 Download PDFInfo
- Publication number
- CN105023053B CN105023053B CN201510205320.5A CN201510205320A CN105023053B CN 105023053 B CN105023053 B CN 105023053B CN 201510205320 A CN201510205320 A CN 201510205320A CN 105023053 B CN105023053 B CN 105023053B
- Authority
- CN
- China
- Prior art keywords
- electricity
- power plant
- market
- power
- distribution
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000005611 electricity Effects 0.000 claims abstract description 290
- 238000009826 distribution Methods 0.000 claims abstract description 107
- 230000005540 biological transmission Effects 0.000 claims abstract description 22
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 8
- 239000002245 particle Substances 0.000 claims description 35
- 238000004519 manufacturing process Methods 0.000 claims description 23
- 238000005457 optimization Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 8
- 230000002146 bilateral effect Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 6
- 230000014509 gene expression Effects 0.000 claims description 4
- 238000010248 power generation Methods 0.000 claims description 3
- 230000009194 climbing Effects 0.000 claims 1
- 230000002860 competitive effect Effects 0.000 claims 1
- 230000006870 function Effects 0.000 description 31
- 238000004364 calculation method Methods 0.000 description 6
- 239000000243 solution Substances 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 2
- 230000019771 cognition Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000012089 stop solution Substances 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种电量分配方法及系统，该方法包括如下步骤：获取电厂的成本数据、历史参考电价数据、输电线路信息、现货市场的负荷需求电量以及双边市场合约电价；初始化电厂在双边市场和现货市场的分配电量，以及电厂的分配电价；根据历史参考电价数据建立概率密度函数，采用蒙特·卡罗方法获取若干个电价策略；通过直流最优潮流模型计算在不同的电价策略下的电力市场的交易价格；根据电力市场的交易价格获取电厂在不同电价策略下的现货市场利润值；建立适应度函数，根据SPSO‑TVAC求解适应度函数，获取电厂在双边市场以及现货市场的分配电量。本发计算效率高，具有极高的应用价值。
Description
技术领域
本发明涉及电力技术领域，特别涉及一种电量分配方法及系统。
背景技术
电厂在发电之后，通常将电量分配到几个市场中，包括现货市场，双边交易市场及备用市场。在现货市场中，电厂分配的电量受到市场参与者的行为及用户负荷需求波动的影响，电厂有必要利用交易风险较低的双边合约交易将部分发电量分配至双边市场。因此，对于每一个电厂都必须充分考虑双边市场及现货市场的电量分配，充分满足用户负荷需求，且在获取利润的同时避免资源浪费，但是当前尚未有较为科学的研究方法。
发明内容
基于此，为解决现有技术中存在的问题，本发明提供一种电量分配方法及系统，在考虑双边市场的基础上合理分配电厂的电量，在保证用户负荷需求的同时避免资源浪费。
为实现上述目的，本发明实施例采用如下的技术方案：
一种电量分配方法，包括如下步骤：
获取电厂的成本数据、历史参考电价数据、输电线路信息、现货市场的负荷需求电量以及双边市场合约电价；
初始化电厂在双边市场的分配电量、电厂在现货市场的分配电量以及电厂的分配电价；
根据所述历史参考电价数据建立概率密度函数，根据所述概率密度函数采用蒙特·卡罗方法获取各个竞争厂的若干次竞价，生成若干个电价策略；
根据所述电价策略、所述现货市场的负荷需求电量、所述输电线路信息以及电厂的分配电价进行直流最优潮流计算，获取在不同的电价策略下的电力市场的交易价格；
根据所述电力市场的交易价格、所述电厂的成本数据、电厂在双边市场的分配电量以及电厂在现货市场的分配电量获取电厂在不同电价策略下的现货市场利润值；
根据所述现货市场利润值、所述双边市场合约电价、电厂在双边市场的分配电量建立适应度函数；
根据基于含随时间变化的加速因子的自组织分层粒子群优化算法求解所述适应度函数，获取电厂在双边市场以及现货市场的最优分配电量。
一种电量分配系统，包括：
基础数据获取模块，用于获取电厂的成本数据、历史参考电价数据、输电线路信息、现货市场的负荷需求电量以及双边市场合约电价；
初始化模块，用于初始化电厂在双边市场的分配电量、电厂在现货市场的分配电量以及电厂的分配电价；
竞价厂竞价策略导出模块，用于根据所述历史参考电价数据建立概率密度函数，根据所述概率密度函数采用蒙特·卡罗方法获取各个竞争厂的若干次竞价，生成若干个电价策略；
交易电价计算模块，用于根据所述电价策略、所述现货市场的负荷需求电量、所述输电线路信息以及电厂分配电价进行直流最优潮流计算，获取在不同的电价策略下的电力市场的交易价格；
现货市场利润进算模块，用于根据所述电力市场的交易价格、所述电厂的成本数据、电厂在双边市场的分配电量以及电厂在现货市场的分配电量获取电厂在不同电价策略下的现货市场利润值；
适应度函数建立模块，用于根据所述现货市场利润值、所述双边市场合约电价、电厂在双边市场的分配电量建立适应度函数；
粒子群优化求解模块，用于根据基于含随时间变化的加速因子的自组织分层粒子群优化算法求解所述适应度函数，获取电厂在双边市场以及现货市场的最优分配电量。
本发明以蒙特·卡罗法(Monte Carlo，MC)对竞争厂的竞价行为进行仿真，通过直流最优潮流(direct current optimal power flow，DCOPF)计算获取在不同的电价策略下的电力市场的交易价格，根据基于含随时间变化的加速因子的自组织分层粒子群优化算法(self-organising hierarchical particle swarm optimisation with time-varyingacceleration coefficients，SPSO-TVAC)求解最优电量分配方案，在保证用户负荷需求的同时避免资源浪费，并为电厂提供了制定双边合约购买决策及现货市场竞价策略的依据，电厂可根据自身的利益需求，调整自身在双边市场与现货市场的分配电量。本发明提供的电量分配方法及系统计算效率高，具有极高的应用价值。
附图说明
图1为本发明实施例中一种电量分配方法的流程示意图；
图2为本发明实施例中一种电量分配系统的结构示意图。
具体实施方式
下面结合附图对本发明的内容作进一步描述。
如图1所示，本实施例提供一种电量分配方法，包括如下步骤：
S100获取电厂的成本数据、历史参考电价数据、输电线路信息、现货市场的负荷需求电量以及双边市场合约电价；
S200初始化电厂在双边市场的分配电量、电厂在现货市场的分配电量以及电厂的分配电价；
S300根据所述历史参考电价数据建立概率密度函数，根据所述概率密度函数采用蒙特·卡罗方法获取各个竞争厂的若干次竞价，生成若干个电价策略；
S400根据所述电价策略、所述现货市场的负荷需求电量、所述输电线路信息以及电厂的分配电价进行直流最优潮流计算，获取在不同的电价策略下的电力市场的交易价格；
S500根据所述电力市场的交易价格、所述电厂的成本数据、电厂在双边市场的分配电量以及电厂在现货市场的分配电量获取电厂在不同电价策略下的现货市场利润值；
S600根据所述现货市场利润值、所述双边市场合约电价、电厂在双边市场的分配电量建立适应度函数；
S700根据基于含随时间变化的加速因子的自组织分层粒子群优化算法求解所述适应度函数，获取电厂在双边市场以及现货市场的最优分配电量。
具体的，首先获取基础数据，包括电厂的成本数据、历史参考电价数据、输电线路信息、现货市场的负荷需求电量以及双边市场合约电价，其中，历史参考电价数据指竞争厂的历史竞价数据。然后初始化相关参数，随机初始化的参数包括电厂在双边市场的分配电量、电厂在现货市场的分配电量以电厂的分配电价。然后根述历史参考电价数据建立概率密度函数。在一种具体实施方式中，历史参考电价数据包括各个竞争厂的各个发电机组的竞价数据，本实施例利用标准的概率密度函数对竞争厂的竞价行为进行建模，具体采用采用如下公式：
其中，为竞争厂r的发电机组j的竞价数据，分别为的中值和标准差。
然后基于上述的概率密度函数，采用蒙特·卡罗方法获取各个竞争厂的若干次竞价，依据各个竞争厂的若干次竞价生成若干个电价策略。例如，采用第一次蒙特·卡罗方法后，获取到竞争厂A的竞价为a1，竞争厂B的竞价为b1，竞争厂C的竞价为c1，采用第二次蒙特·卡罗方法后，获取到竞争厂A的竞价为a2，竞争厂B的竞价为b2，竞争厂C的竞价为c2，则可获取两个电价策略，其中电价策略一为：竞争厂A的竞价为a1、竞争厂B的竞价为b1、竞争厂C的竞价为c1，电价策略二为：竞争厂A的竞价为a2、竞争厂B的竞价为b2、竞争厂C的竞价为c2。
在获取电价策略后，即可根据电价策略、现货市场的负荷需求电量、输电线路信息以及电厂的分配电价获取在不同的电价策略下的电力市场的交易价格。在一种具体实施中，输电线路信息包括系统各个节点的最大电力调度容量和最小电力调度容量、系统各线路的潮流以及系统各线路允许的最大潮流。然后可通过如下方法获取在不同的电价策略下的电力市场的交易价格：
首先，建立直流最优潮流模型：
其中，min表示求取最小值，B为系统的节点集合，b∈B；p1,b为节点b处的竞争厂的竞价或电厂的分配电价；Qb为节点b处的电力调度容量；t'为调度时间；
然后确定直流最优潮流模型的约束条件，具体包括：
Fl≤lmax，l＝1,2,...,L
其中，Db为节点b处现货市场的负荷需求电量；Slo为系统损耗；Fl为线路l处的潮流；lmax为线路l允许的最大潮流；L为线路集合，l∈L；为节点b处的最小电力调度容量；为节点b处的最大电力调度容量。上述3个约束条件分别为电力平衡约束、潮流约束、节点容量约束；
在一种具体实施方式中，可根据如下公式计算系统损耗：
其中，Slo为系统损耗；Rl为线路l的电阻；Fl为线路l处的潮流；L为线路集合，l∈L；
另外，直流最优潮流模型中整个系统的损耗将由发电机在参考节点处进行补偿，因此线路潮流计算公式应包括虚拟节点的负荷需求。下面给出一种考虑虚拟节点负荷需求的线路潮流的计算公式：
其中，λlb为线路l与节点b间的发电机转换因子；Eb为节点b处的虚拟节点负荷需求；为直流最优潮流计算中前一次迭代的线路l的潮流。通过上述计算公式进行迭代计算，可求得线路潮流；
根据上述直流最优潮流模型及其约束条件，采用线性规划方法进行求解，即可获取不同的电价策略下的电力市场的交易价格。
上述的基础数据中，包括了电厂的成本数据，在一种具体实施方式中，电厂的成本数据包括发电机组的生产成本系数和计算发电机组产生负载效应的常数。根据电力市场的交易价格、电厂的成本数据、电厂在双边市场的分配电量以及电厂在现货市场的分配电量即可计算出电厂在不同的电价策略下的现货市场利润值，具体过程如下：
根据电厂的成本数据，建立电厂各个发电机组的生产成本函数：
qjt＝q1,jt+q2,jt
其中，qjt为t时段电厂发电机组j的电力输出量；a0j,a1j,a2j为发电机组j的生产成本系数；为发电机组j的最小电力输出量；a3j,a4j为计算发电机组j产生负载效应的常数；q1,jt为t时段电厂的发电机组j在现货市场的分配电量；q2,jt为t时段电厂的发电机组j在双边市场的分配电量；
根据电厂的生产成本、电力市场的交易价格、电厂在双边市场的分配电量以及电厂在现货市场的分配电量电厂，采用如下公式计算电厂在不同的电价策略下的现货市场利润值：
其中，π1,jnt为t时段电厂的发电机组j在电价策略为n时获得的现货市场利润值，ξ1,nt为t时段在电价策略为n时的电力市场的交易价格；为t时段电厂的发电机组j在电价策略为n时在现货市场的分配电量；q2,jt为t时段电厂的发电机组j在双边市场的分配电量；gjt(qjnt)为t时段内电厂的发电机组j在电价策略为n时的生产成本。
在上述过程中，若根据概率密度函数对竞争厂的竞价行为采用多次蒙特·卡罗方法进行仿真，即可获取各个竞争厂的若干次竞价，得到若干个电价策略。而每一次仿真后，即可计算出相应的电厂的现货市场利润值。
为寻求电厂最优的电量分配方案，本实施例采用粒子群优化算法中的SPSO-TVAC进行求解。粒子群优化算法又称为粒子群算法、微粒群算法或微粒群优化算法，其具有进化计算和群智能计算的优点，是通过个体间的协作与竞争在复杂空间中寻求最优解。在进行最优解搜索时，首先由系统初始化产生一群粒子，每个粒子均是优化问题的潜在最优解。随后每个粒子将通过迭代在解空间中进行搜索，搜索的方向和距离由粒子的速度和当前位置决定。粒子将按照下式(1)和式(2)改变其速度和位置：
其中，为迭代m次时，第i个粒子在d维的速度；分别为迭代m次时粒子群优化算法中认知部分和社会部分的加速系数；ri为分布在0与1之间的随机数，i＝1,2,...,5；为第i个粒子在d维空间迭代m次搜索到的个体最优粒子的位置；为迭代m次时，第i个粒子在d维空间的位置；在d维空间第m次迭代的全局最优粒子的位置。
在上式中，为每个粒子个体的认知能力，表示粒子自身的思考；为进行全局寻优时粒子群的社交协作能力，表示粒子之间进行信息共享和共同协作。
根据时变加速因子的概念，加速度因子的计算方式如下：
其中，c1c,c2c分别为粒子群优化算法中认知部分系数和社会部分系数的初始值；c1z,c2z分别为认知部分系数和社会部分系数的终值；mmax为最大迭代次数。
为优化粒子的搜索能力，若粒子在搜索过程中停滞不前，SPSO-TVAC将对该粒子进行初始化进行再次寻优。SPSO-TVAC进行初始化的主要程序如下：
在上面的程序中，vid是第i个粒子在维度d上的速度；vdmax是d维度空间中的最大速度，设定每个维度空间中变量的动态变化范围为10％。
在本实施例中，在利用SPSO-TVAC进行求解时，可将粒子编码为(电厂在双边市场的分配电量，电厂在现货市场的分配电量，电厂的分配电价)，并根据现货市场利润值、双边市场合约电价、电厂在双边市场的分配电量建立适应度函数，具体过程如下：
根据不同电价策略下的现货市场利润值，获取现货市场利润值的期望以及现货市场利润值的标准差：
其中，E[π1,jt]为t时段电厂的发电机组j的现货市场利润值的期望；σjt为t时段电厂的发电机组j的现货市场利润值的标准差；N为电价策略的总数，n∈N；π1,jnt为t时段电厂的发电机组j在电价策略为n时获得的现货市场利润值，ξ1,nt为t时段在电价策略为n时的电力市场的交易价格；为t时段电厂的发电机组j在电价策略为n时在现货市场的分配电量；q2,jt为t时段电厂的发电机组j在双边市场的分配电量；gjt(qjnt)为t时段内电厂的发电机组j在电价策略为n时的生产成本。
然后通过如下公式建立模型约束条件：
|Δqjt|≤βj，若Δqjt＞0
|Δqjt|≤αj，若Δqjt＜0
其中，qjt为t时段发电机组j的电力输出量；为发电机组j的最小电力输出量；Δqjt为与t-1时段相比，t时段发电机组j电力输出量的变动值；βj为发电机组j的最大向上爬坡速率；αj为发电机组j的最大向下爬坡速率；
再根据双边市场合约电价以及电厂在双边市场的分配电量，通过如下公式获取电厂的双边市场利润值：
其中，ξ2,t为t时段的双边市场合约电价；为t时段电厂的发电机组j在现货市场的分配电量的期望值；q2,jt为t时段电厂的发电机组j在双边市场的分配电量；为在时间t内电厂的发电机组j的生产成本函数；
根据现货市场利润值的期望、双边市场利润值、现货市场利润值的标准差，建立如下适应度函数：
其中，T为电厂在电力市场中进行交易的时间集合，t∈T；J为电厂所有的发电机组集合，j∈J；E[π1,jt]为t时段电厂的发电机组j的现货市场利润值的期望；π2,jt为t时段电厂的发电机组j的双边市场利润值；σjt为t时段电厂的发电机组j的现货市场利润值的标准差；
Y是罚函数，为简化计算，提高计算效率，本实施例中Y为一个常量，在所述模型约束条件不能满足时，Y为一个大于零的常数，在所述模型约束条件满足时Y等于0。
然后根据式(1)和式(2)不断更新粒子速度，当SPSO-TVAC进行求解时的迭代次数达到预设最大值，则停止求解过程，输出计算结果，完成电厂电量分配过程。
本发明能提供最优电量分配方案，在保证用户负荷需求的同时避免资源浪费，并为电厂提供了制定双边合约购买决策及现货市场竞价策略的依据，电厂可根据自身的利益需求，调整自身在双边市场与现货市场的分配电量，加之较高的计算效率，使得本发明具有极高的应用价值。
本发明还提供了一种电量分配系统，如图2所示，包括：
基础数据获取模块100，用于获取电厂的成本数据、历史参考电价数据、输电线路信息、现货市场的负荷需求电量以及双边市场合约电价；
初始化模块200，用于初始化电厂在双边市场的分配电量、电厂在现货市场的分配电量以及电厂的分配电价；
竞价厂竞价策略导出模块300，用于根据所述历史参考电价数据建立概率密度函数，根据所述概率密度函数采用蒙特·卡罗方法获取各个竞争厂的若干次竞价，生成若干个电价策略；
交易电价计算模块400，用于根据所述电价策略、所述现货市场的负荷需求电量、所述输电线路信息以及电厂分配电价进行直流最优潮流计算，获取在不同的电价策略下的电力市场的交易价格；
现货市场利润进算模块500，用于根据所述电力市场的交易价格、所述电厂的成本数据、电厂在双边市场的分配电量以及电厂在现货市场的分配电量获取电厂在不同电价策略下的现货市场利润值；
适应度函数建立模块600，用于根据所述现货市场利润值、所述双边市场合约电价、电厂在双边市场的分配电量建立适应度函数；
粒子群优化求解模块700，用于根据基于含随时间变化的加速因子的自组织分层粒子群优化算法求解所述适应度函数，获取电厂在双边市场以及现货市场的分配电量。
在一种具体实施方式中，历史参考电价数据包括各个竞争厂的各个发电机组的竞价数据，竞价厂竞价策略导出模块300在根据历史参考电价数据建立概率密度函数时采用如下公式：
其中，为竞争厂r的发电机组j的竞价数据，分别为的中值和标准差。
在一种具体实施方式中，输电线路信息包括系统各个节点的最大电力调度容量和最小电力调度容量、系统各线路的潮流以及系统各线路允许的最大潮流。交易电价计算模块400在根据电价策略、现货市场的负荷需求电量、输电线路信息以及电厂的分配电价获取在不同的电价策略下的电力市场的交易价格的过程包括如下步骤：
建立直流最优潮流模型：
其中，min表示求取最小值，B为系统的节点集合，b∈B；p1,b为节点b处的竞争厂的竞价或电厂的分配电价；Qb为节点b处的电力调度容量；t'为调度时间；
建立直流最优潮流模型的约束条件：
Fl≤lmax，l＝1,2,...,L
其中，Db为节点b处现货市场的负荷需求电量；Slo为系统损耗；Fl为线路l处的潮流；lmax为线路l允许的最大潮流；L为线路集合，l∈L；为节点b处的最小电力调度容量；为节点b处的最大电力调度容量；
根据所述直流最优潮流模型以及所述约束条件，采用线性规划方法进行求解，获取不同的电价策略下的电力市场的交易价格。
在一种具体实施方式中，电厂的成本数据包括发电机组的生产成本系数和计算发电机组产生负载效应的常数。现货市场利润进算模块500根据电力市场的交易价格、电厂的成本数据、电厂在双边市场的分配电量以及电厂在现货市场的分配电量获取电厂在不同的电价策略下的现货市场利润值的过程包括如下步骤：
根据所述电厂的成本数据，采用如下公式获取电厂各个发电机组的生产成本：
qjt＝q1,jt+q2,jt
其中，qjt为t时段电厂发电机组j的电力输出量；a0j,a1j,a2j为机组j的生产成本系数；为发电机组j的最小电力输出量；a3j,a4j为计算发电机组j产生负载效应的常数；q1,jt为t时段电厂发电机组j在现货市场的分配电量；q2,jt为t时段电厂的发电机组j在双边市场的分配电量；
根据电厂的生产成本、所述电力市场的交易价格、电厂在双边市场的分配电量以及电厂在现货市场的分配电量电厂，采用如下公式计算电厂在不同的电价策略下的现货市场利润值；
其中，π1,jnt为t时段电厂的发电机组j在电价策略为n时获得的现货市场利润值，ξ1,nt为t时段在电价策略为n时的电力市场的交易价格；为t时段电厂的发电机组j在电价策略为n时在现货市场的分配电量；q2,jt为t时段电厂的发电机组j在双边市场的分配电量；gjt(qjnt)为t时段内电厂的发电机组j在电价策略为n时的生产成本。
在一种具体实施方式中，适应度函数建立模块600根据现货市场利润值、双边市场合约电价、电厂在双边市场的分配电量建立适应度函数的过程包括如下步骤：
根据不同电价策略下的现货市场利润值，获取现货市场利润值的期望以及现货市场利润值的标准差；
通过如下公式建立模型约束条件：
|Δqjt|≤βj，若Δqjt＞0
|Δqjt|≤αj，若Δqjt＜0
其中，qjt为t时段发电机组j的电力输出量；为发电机组j的最小电力输出量；Δqjt为与t-1时段相比，t时段发电机组j电力输出量的变动值；βj为发电机组j的最大向上爬坡速率；αj为发电机组j的最大向下爬坡速率；
根据所述双边市场合约电价以及电厂在双边市场的分配电量，通过如下公式获取电厂的双边市场利润值：
其中，ξ2,t为t时段的双边市场合约电价；为t时段电厂的发电机组j在现货市场的分配电量的期望值；q2,jt为t时段电厂的发电机组j在双边市场的分配电量；为在时间t内电厂的发电机组j的生产成本函数；
根据所述现货市场利润值的期望、所述双边市场利润值、所述现货市场利润值的标准差，通过如下公式建立所述适应度函数：
其中，T为电厂在电力市场中进行交易的时间集合，t∈T；J为电厂所有的发电机组集合，j∈J；为t时段电厂的发电机组j的现货市场利润值的期望；π2,jt为t时段电厂的发电机组j的双边市场利润值；σjt为t时段电厂的发电机组j的现货市场利润值的标准差；Y是一个常量，在所述模型约束条件不能满足时Y为一个大于零的常数，在所述模型约束条件满足时Y等于0。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种电量分配方法，其特征在于，包括如下步骤：
获取电厂的成本数据、历史参考电价数据、输电线路信息、现货市场的负荷需求电量以及双边市场合约电价；
初始化电厂在双边市场的分配电量、电厂在现货市场的分配电量以及电厂的分配电价；
根据所述历史参考电价数据建立概率密度函数，根据所述概率密度函数采用蒙特·卡罗方法获取各个竞争厂的若干次竞价，生成若干个电价策略；
根据各所述电价策略、所述现货市场的负荷需求电量、所述输电线路信息以及电厂的分配电价进行直流最优潮流计算，获取各所述电价策略下的电力市场的交易价格；
根据所述电力市场的交易价格、所述电厂的成本数据、电厂在双边市场的分配电量以及电厂在现货市场的分配电量获取电厂在各所述电价策略下的现货市场利润值；
根据所述现货市场利润值、所述双边市场合约电价、电厂在双边市场的分配电量建立适应度函数；
根据基于含随时间变化的加速因子的自组织分层粒子群优化算法求解所述适应度函数，获取电厂在双边市场以及现货市场的最优分配电量。
2.根据权利要求1所述的电量分配方法，其特征在于，所述历史参考电价数据包括各个竞争厂的各个发电机组的竞价数据，在根据所述历史参考电价数据建立概率密度函数时采用如下公式：
其中，为竞争厂r的发电机组j的竞价数据，分别为的中值和标准差。
3.根据权利要求1所述的电量分配方法，其特征在于，所述输电线路信息包括系统各个节点的最大电力调度容量和最小电力调度容量、系统各线路的潮流以及系统各线路允许的最大潮流；根据所述电价策略、所述现货市场的负荷需求电量、所述输电线路信息以及电厂的分配电价进行直流最优潮流计算，获取在不同的电价策略下的电力市场的交易价格的过程包括如下步骤：
建立直流最优潮流模型：
其中，min表示求取最小值，B为系统的节点集合，b∈B；p1,b为节点b处的竞争厂的竞价或电厂的分配电价；Qb为节点b处的电力调度容量；t'为调度时间；
建立直流最优潮流模型的约束条件：
Fl≤lmax，l＝1,2,...,L
其中，Db为节点b处现货市场的负荷需求电量；Slo为系统损耗；Fl为线路l处的潮流；lmax为线路l允许的最大潮流；L为线路集合，l∈L；为节点b处的最小电力调度容量；为节点b处的最大电力调度容量；
根据所述直流最优潮流模型以及所述约束条件，采用线性规划方法进行求解，获取不同的电价策略下的电力市场的交易价格。
4.根据权利要求3所述的电量分配方法，其特征在于，根据如下公式计算所述系统损耗：
其中，Slo为系统损耗；Rl为线路l的电阻；Fl为线路l处的潮流；L为线路集合，l∈L。
5.根据权利要求1所述的电量分配方法，其特征在于，所述电厂的成本数据包括发电机组的生产成本系数和计算发电机组产生负载效应的常数；根据所述电力市场的交易价格、所述电厂的成本数据、电厂在双边市场的分配电量以及电厂在现货市场的分配电量获取电厂在不同的电价策略下的现货市场利润值的过程包括如下步骤：
根据所述电厂的成本数据，获取电厂各个发电机组的生产成本函数：
qjt＝q1,jt+q2,jt
其中，qjt为t时段电厂发电机组j的电力输出量；a0j,a1j,a2j为发电机组j的生产成本系数；q j为发电机组j的最小电力输出量；a3j,a4j为计算发电机组j产生负载效应的常数；q1,jt为t时段电厂的发电机组j在现货市场的分配电量；q2,jt为t时段电厂的发电机组j在双边市场的分配电量；
根据电厂的生产成本函数、所述电力市场的交易价格、电厂在双边市场的分配电量以及电厂在现货市场的分配电量电厂，采用如下公式计算电厂在不同的电价策略下的现货市场利润值：
其中，π1,jnt为t时段电厂的发电机组j在电价策略为n时获得的现货市场利润值，ξ1,nt为t时段在电价策略为n时的电力市场的交易价格；为t时段电厂的发电机组j在电价策略为n时在现货市场的分配电量；q2,jt为t时段电厂的发电机组j在双边市场的分配电量；gjt(qjnt)为t时段内电厂的发电机组j在电价策略为n时的生产成本。
6.根据权利要求5所述的电量分配方法，其特征在于，根据所述现货市场利润值、所述双边市场合约电价、电厂在双边市场的分配电量建立适应度函数的过程包括如下步骤：
根据不同电价策略下的现货市场利润值，获取现货市场利润值的期望以及现货市场利润值的标准差；
通过如下公式建立模型约束条件：
|Δqjt|≤βj，若Δqjt＞0
|Δqjt|≤αj，若Δqjt＜0
其中，qjt为t时段发电机组j的电力输出量；q j为发电机组j的最小电力输出量；Δqjt为与t-1时段相比，t时段发电机组j电力输出量的变动值；βj为发电机组j的最大向上爬坡速率；αj为发电机组j的最大向下爬坡速率；
根据所述双边市场合约电价以及电厂在双边市场的分配电量，通过如下公式获取电厂的双边市场利润值：
其中，ξ2,t为t时段的双边市场合约电价；为t时段电厂的发电机组j在现货市场的分配电量的期望值；q2,jt为t时段电厂的发电机组j在双边市场的分配电量；为在时间t内电厂的发电机组j的生产成本函数；
根据所述现货市场利润值的期望、所述双边市场利润值、所述现货市场利润值的标准差，通过如下公式建立所述适应度函数：
其中，T为电厂在电力市场中进行交易的时间集合，t∈T；J为电厂所有的发电机组集合，j∈J；E[π1,jt]为t时段电厂的发电机组j的现货市场利润值的期望；π2,jt为t时段电厂的发电机组j的双边市场利润值；σjt为t时段电厂的发电机组j的现货市场利润值的标准差；Y是一个常量，在所述模型约束条件不能满足时Y为一个大于零的常数，在所述模型约束条件满足时Y等于0。
7.一种电量分配系统，其特征在于，包括：
基础数据获取模块，用于获取电厂的成本数据、历史参考电价数据、输电线路信息、现货市场的负荷需求电量以及双边市场合约电价；
初始化模块，用于初始化电厂在双边市场的分配电量、电厂在现货市场的分配电量以及电厂的分配电价；
竞价厂竞价策略导出模块，用于根据所述历史参考电价数据建立概率密度函数，根据所述概率密度函数采用蒙特·卡罗方法获取各个竞争厂的若干次竞价，生成若干个电价策略；
交易电价计算模块，用于根据所述电价策略、所述现货市场的负荷需求电量、所述输电线路信息以及电厂分配电价进行直流最优潮流计算，获取在不同的电价策略下的电力市场的交易价格；
现货市场利润进算模块，用于根据所述电力市场的交易价格、所述电厂的成本数据、电厂在双边市场的分配电量以及电厂在现货市场的分配电量获取电厂在不同电价策略下的现货市场利润值；
适应度函数建立模块，用于根据所述现货市场利润值、所述双边市场合约电价、电厂在双边市场的分配电量建立适应度函数；
粒子群优化求解模块，用于根据基于含随时间变化的加速因子的自组织分层粒子群优化算法求解所述适应度函数，获取电厂在双边市场以及现货市场的最优分配电量。
8.根据权利要求7所述的电量分配系统，其特征在于，所述历史参考电价数据包括各个竞争厂的各个发电机组的竞价数据，所述竞价厂竞价策略导出模块在根据所述历史参考电价数据建立概率密度函数时采用如下公式：
其中，为竞争厂r的发电机组j的竞价数据，分别为的中值和标准差。
9.根据权利要求7所述的电量分配系统，其特征在于，所述输电线路信息包括系统各个节点的最大电力调度容量和最小电力调度容量、系统各线路的潮流以及系统各线路允许的最大潮流；所述交易电价计算模块在根据所述电价策略、所述现货市场的负荷需求电量、所述输电线路信息以及电厂的分配电价进行直流最优潮流计算，获取在不同的电价策略下的电力市场的交易价格的过程包括如下步骤：
建立直流最优潮流模型：
其中，min表示求取最小值，B为系统的节点集合，b∈B；p1,b为节点b处的竞争厂的竞价或电厂的分配电价；Qb为节点b处的电力调度容量；t'为调度时间；
建立直流最优潮流模型的约束条件：
Fl≤lmax，l＝1,2,...,L
其中，Db为节点b处现货市场的负荷需求电量；Slo为系统损耗；Fl为线路l处的潮流；lmax为线路l允许的最大潮流；L为线路集合，l∈L；为节点b处的最小电力调度容量；为节点b处的最大电力调度容量；
根据所述直流最优潮流模型以及所述约束条件，采用线性规划方法进行求解，获取不同的电价策略下的电力市场的交易价格。
10.根据权利要求7所述的电量分配系统，其特征在于，所述电厂的成本数据包括发电机组的生产成本系数和计算发电机组产生负载效应的常数；所述现货市场利润进算模块根据所述电力市场的交易价格、所述电厂的成本数据、电厂在双边市场的分配电量以及电厂在现货市场的分配电量获取电厂在不同的电价策略下的现货市场利润值的过程包括如下步骤：
根据所述电厂的成本数据，采用如下公式获取电厂各个发电机组的生产成本：
qjt＝q1,jt+q2,jt
其中，qjt为t时段电厂发电机组j的电力输出量；a0j,a1j,a2j为发电机组j的生产成本系数；q j为发电机组j的最小电力输出量；a3j,a4j为计算发电机组j产生负载效应的常数；q1,jt为t时段电厂发电机组j在现货市场的竞标电量；q2,jt为t时段电厂的发电机组j在双边市场的分配电量；
根据电厂的生产成本、所述电力市场的交易价格、电厂在双边市场的分配电量以及电厂在现货市场的分配电量电厂，采用如下公式计算电厂在不同的电价策略下的现货市场利润值：
其中，π1,jnt为t时段电厂的发电机组j在电价策略为n时获得的现货市场利润值，ξ1,nt为t时段在电价策略为n时的电力市场的交易价格；为t时段电厂的发电机组j在电价策略为n时在现货市场的分配电量；q2,jt为t时段电厂的发电机组j在双边市场的分配电量；gjt(qjnt)为t时段内电厂的发电机组j在电价策略为n时的生产成本。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510205320.5A CN105023053B (zh) | 2015-04-27 | 2015-04-27 | 电量分配方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510205320.5A CN105023053B (zh) | 2015-04-27 | 2015-04-27 | 电量分配方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105023053A CN105023053A (zh) | 2015-11-04 |
| CN105023053B true CN105023053B (zh) | 2018-09-18 |
Family
ID=54413006
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510205320.5A Active CN105023053B (zh) | 2015-04-27 | 2015-04-27 | 电量分配方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105023053B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107769196B (zh) * | 2017-11-07 | 2020-08-28 | 国网天津市电力公司 | 一种分布式电源聚合交易电量分配方法 |
| CN110852581B (zh) * | 2019-10-28 | 2020-10-23 | 南方电网能源发展研究院有限责任公司 | 一种区分电网结构特征的输配电价核定方法及装置 |
| CN111654045B (zh) * | 2020-04-08 | 2022-07-29 | 国网浙江省电力有限公司 | 一种电力现货市场下储能系统充放电优化方法 |
| CN113468706B (zh) * | 2021-07-26 | 2022-03-15 | 南开大学 | 配网带电作业机器人的激光点云输电线引线拟合方法 |
| CN113592325B (zh) * | 2021-08-05 | 2023-11-28 | 清华四川能源互联网研究院 | 就地制氢加氢站系统及其电量分配方法 |
| CN113592507B (zh) * | 2021-09-28 | 2022-02-22 | 国能日新科技股份有限公司 | 一种电力现货交易月度收益仿真分析方法及装置 |
| CN113762225B (zh) * | 2021-11-09 | 2022-02-11 | 博兴兴业精细化工产业发展有限公司 | 一种化工车间用自动监控报警系统 |
| CN114612017B (zh) * | 2022-05-11 | 2022-08-12 | 南京师范大学 | 一种基于区块链的分布式能源的资源置换方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007065954A (ja) * | 2005-08-31 | 2007-03-15 | Toshiba Corp | 電力市場分析支援システムと方法、プログラム |
-
2015
- 2015-04-27 CN CN201510205320.5A patent/CN105023053B/zh active Active
Non-Patent Citations (3)
| Title |
|---|
| 发电侧峰谷分时电价设计及电量分配优化模型;王绵斌等;《电力自动化设备》;20070831;第27卷(第8期);第16-20页 * |
| 基于前景理论的发电商电量分配策略;潘俊涛等;《电网技术》;20110430;第35卷(第4期);第170-175页 * |
| 电力市场环境下电网日发电计划的电量经济分配策略;蒋东荣等;《中国电机工程学报》;20040731;第24卷(第7期);第90-94页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105023053A (zh) | 2015-11-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105023053B (zh) | 电量分配方法及系统 | |
| Cheng et al. | Game-theoretic approaches applied to transactions in the open and ever-growing electricity markets from the perspective of power demand response: An overview | |
| CN110276698B (zh) | 基于多智能体双层协同强化学习的分布式可再生能源交易决策方法 | |
| Yang et al. | Indirect multi-energy transactions of energy internet with deep reinforcement learning approach | |
| Rathnayaka et al. | Framework to manage multiple goals in community-based energy sharing network in smart grid | |
| CN114256836B (zh) | 一种新能源电站共享储能的容量优化配置方法 | |
| CN107492886A (zh) | 一种区域电力市场下含风电的电网月度购电方案优化方法 | |
| CN112381263A (zh) | 基于区块链分布式数据存储多微网日前鲁棒电能交易方法 | |
| CN113904380B (zh) | 一种考虑需求响应的虚拟电厂可调节资源精准控制方法 | |
| CN111815018A (zh) | 一种虚拟电厂的优化调度方法及装置 | |
| CN112001752A (zh) | 基于有限理性的多虚拟电厂动态博弈交易行为分析方法 | |
| CN111553750A (zh) | 一种计及电价不确定性和损耗成本的储能竞价策略方法 | |
| CN116862551A (zh) | 一种考虑用户隐私保护的新能源消纳电价决策方法 | |
| Fu et al. | Market Equilibrium in Active Distribution System With $\mu $ VPPs: A Coevolutionary Approach | |
| CN115983598A (zh) | 基于分布式深度强化学习的微网隐私保护与能量调度方法 | |
| Gao et al. | Decision-making method of sharing mode for multi-microgrid system considering risk and coordination cost | |
| Dynge et al. | LCOE-based pricing for DLT-enabled local energy trading platforms | |
| CN113364043A (zh) | 一种基于条件风险价值的微电网群优化方法 | |
| Li et al. | A novel price-driven energy sharing mechanism for charging station operators | |
| CN115271438B (zh) | 一种可计及碳排放的多主体博弈协同调度方法及电子设备 | |
| CN106600078A (zh) | 一种基于新能源发电预测的微网能量管理方案 | |
| Xiang et al. | Dynamic price discrimination in demand response market: A bilevel game theoretical model | |
| CN115906608A (zh) | 一种基于博弈理论的虚拟电厂模型及优化运行方法 | |
| CN114048911A (zh) | 基于负荷聚合商分类的非合作博弈优化调度方法 | |
| Chakraborty et al. | Flexible loads and renewable integration: Distributed control and price of anarchy |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210811 Address after: 510700 3rd, 4th and 5th floors of building J1 and 3rd floor of building J3, No.11 Kexiang Road, Science City, Luogang District, Guangzhou City, Guangdong Province Patentee after: China South Power Grid International Co.,Ltd. Patentee after: NORTH CHINA ELECTRIC POWER University Address before: 13-21 / F, West Tower, Yuedian building, No.6 and 8 shuijungang, Dongfeng East Road, Yuexiu District, Guangzhou, Guangdong 510000 Patentee before: POWER GRID TECHNOLOGY RESEARCH CENTER. CHINA SOUTHERN POWER GRID Patentee before: China South Power Grid International Co.,Ltd. Patentee before: NORTH CHINA ELECTRIC POWER University |
|
| TR01 | Transfer of patent right |