CN106169117A - 一种虚拟电厂日前和实时竞标模型 - Google Patents
一种虚拟电厂日前和实时竞标模型 Download PDFInfo
- Publication number
- CN106169117A CN106169117A CN201610475818.8A CN201610475818A CN106169117A CN 106169117 A CN106169117 A CN 106169117A CN 201610475818 A CN201610475818 A CN 201610475818A CN 106169117 A CN106169117 A CN 106169117A
- Authority
- CN
- China
- Prior art keywords
- vpp
- electricity
- period
- market
- sigma
- 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.)
- Pending
Links
- 230000002860 competitive effect Effects 0.000 title claims abstract description 44
- 230000005611 electricity Effects 0.000 claims abstract description 145
- 230000002146 bilateral effect Effects 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 10
- 230000008569 process Effects 0.000 claims abstract description 8
- 230000004044 response Effects 0.000 claims abstract description 6
- 230000005284 excitation Effects 0.000 claims abstract description 5
- 238000007599 discharging Methods 0.000 claims abstract description 4
- 239000007789 gas Substances 0.000 claims description 39
- 238000010248 power generation Methods 0.000 claims description 9
- 230000007246 mechanism Effects 0.000 claims description 7
- 239000003344 environmental pollutant Substances 0.000 claims description 6
- 231100000719 pollutant Toxicity 0.000 claims description 6
- 235000013399 edible fruits Nutrition 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 230000009194 climbing Effects 0.000 claims description 2
- 239000000567 combustion gas Substances 0.000 claims description 2
- 238000009472 formulation Methods 0.000 claims description 2
- 239000000446 fuel Substances 0.000 claims description 2
- 239000000203 mixture Substances 0.000 claims description 2
- 230000032258 transport Effects 0.000 claims description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims 1
- 240000002853 Nelumbo nucifera Species 0.000 claims 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims 1
- 230000008439 repair process Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 4
- 238000004146 energy storage Methods 0.000 description 4
- 238000006116 polymerization reaction Methods 0.000 description 4
- 230000004899 motility Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种虚拟电厂日前和实时竞标模型,用以解决在同时参与双边合同市场、日前市场(DAM)、实时市场(RTM)和平衡市场的情况下,虚拟电厂(VPP)竞标模型建立问题。介绍了VPP参与电力市场的三阶段竞标流程。并以此为依据,建立了同时参与双边合同市场、DAM、RTM和平衡市场情况下计及电动汽车(EV)和需求响应(DR)的VPP三阶段竞标模型,该模型考虑每辆EV的充放电管理,以及基于价格DR和基于激励DR的互补性。本发明提供的VPP日前和实时竞标模型,能很好的描述VPP同时参与多种电力市场的情况,兼顾VPP内各分布式能源的协调管理,实现对每辆EV和DR的有效控制,从而降低VPP的运营成本。
Description
技术领域
本发明属于电力系统电源调度领域,特别涉及一种虚拟电厂日前和实时竞标模型。
背景技术
近年来,包括风力和光伏发电在内的可再生能源(renewable energy sources,RES)迅速发展,然而,RES出力的随机性和不可控性给电力系统的安全稳定运行带来一定的挑战,为此电网需增设大量储能装置。就目前形势而言,大规模储能装置已远远跟不上RES的大量接入,因此亟需寻找新型储能装置。电动汽车(electric vehicle,EV)的快速发展为解决该问题提供了新的思路,相对于传统储能,EV不仅发展迅猛,且不需要额外的投资。并且,EV大多数时候处于停驶状态,通过EV与电网互动(vehicle-to-grid,V2G),对EV充放电进行有序管理,使其在空闲时段参与到电力市场中,能起到调峰调频、配合风力和光伏发电的作用。
然而,EV数量多、容量小、接入分散的特点不利于EV大规模的接入和管理,而虚拟电厂(virtual power plant,VPP)技术则突破了上述限制,以VPP形式聚合RES、分布式发电机组、可控负荷和EV等分布式能源(distributed energy resources,DER),通过能量管理系统(energy management systems,EMS)控制各DER,能实现DER的协调优化运行,从而提高VPP的稳定性和参与电力市场时的竞争力。VPP可参与的电力市场包括日前市场(day-aheadmarket,DAM)、实时市场(real-time market,RTM)、双边合同市场、平衡市场和辅助服务市场等,同时参与多类电力市场能提高决策的灵活性,从而获得更大收益。此外,电力市场下以需求响应(demand response,DR)形式参与电力系统运行能实现调峰功能,并获得自身收益。然而目前研究中VPP聚合单元和参与电力市场情况相对简单,不足以应对目前多种电力市场以及VPP聚合多类型DER的情况。
发明内容
发明目的:本发明提供了一种虚拟电厂日前和实时竞标模型,用以解决计及电动汽车和需求响应的虚拟电厂日前和实时竞标模型建立问题,提高了决策的灵活性,从而降低VPP的运营成本。
技术方案:本发明提供一种虚拟电厂日前和实时竞标模型,包括以下步骤:
步骤1:根据电力市场规则,介绍VPP参与电力市场的三阶段竞标流程,以及EV和DR的基本原理;
步骤2:建立对应的VPP阶段1竞标模型;
步骤3:建立对应的VPP阶段2竞标模型;
步骤4:建立对应的VPP阶段3竞标模型。
进一步,步骤1包括以下步骤:
由于目前世界主要国家或地区电力市场机制不尽相同,本文以北欧电力市场为例,介绍VPP参与电力市场的竞标流程。北欧电力市场包括双边合同市场、DAM、RTM(也称为日内市场)和平衡市场,其竞标流程可分为以下3个阶段。
阶段1:DAM开启前,VPP在双边合同市场与电商签订双边合同,DAM在交易日前一天10点开启,此时RES出力、DAM和RTM电价均未知,EMS通过历史数据预测交易日未知量,从而制定相应的竞标策略,并向市场操作者(Market Operator,市场操作者)提交DAM竞标电价和电量,DAM于交易日前一天12点闭市,市场操作者在DAM闭市后出清DAM电价,并告知VPP运营者DAM出清电价和中标电量。
阶段2:RTM在DAM闭市后开启,EMS实时更新并重新预测RES出力,此时DAM出清电价和交易量为已知量,RES出力预测值更为准确。VPP根据DAM出清结果和已更新RES出力逐个时段制定并向市场操作者提交RTM竞标曲线。RTM在交易时段前1h~2h关闭,市场操作者在RTM闭市后出清RTM电价,并向VPP运营者公布出清结果。
阶段3:交易时段,EMS根据出清结果和竞标策略控制各DER运行,完成电能交易,市场操作者按照DAM和RTM出清电价和交易量与VPP结算交易。平衡市场在RTM闭市后开启,其负责消纳RES出力的偏差量并向VPP收取平衡电量所需的费用,表现为当实际出力大于计划出力时,VPP以低于RTM统一出清价出售过剩电量,当实际出力小于计划出力时,VPP以高于RTM统一出清价购进不足电量。
EV种类包含纯EV、混合动力EV和燃料电池EV等,本文考虑的EV为家用纯EV。EV车主根据自身出行情况设定次日EV并网时间、离网时间和每段行程的行驶距离,并与VPP运营者共享信息。EMS根据EV信息分析次日EV状态,从而制定相应的竞标策略,当EV接入电网后,由VPP负责EV充放电,保证EV拥有足够的电量满足行驶需求。
DR指的是电力用户根据价格信号或激励机制做出响应,改变固有习惯用电模式的行为。按照响应方式的不同,可将DR划分为基于电价的DR和基于激励的DR,用户可根据自身用电情况,以自愿原则选择参与的DR项目。根据基于电价DR和基于激励DR的互补性,本文将负荷分为固定负荷、可转移负荷和可中断负荷。可转移负荷是指根据电价调整运行时段,但运行功率和用电量基本保持不变的负荷。可中断负荷表示为VPP运营者和用户签订合同,并在合同中规定可中断负荷量和相应的激励机制,本文考虑的激励机制为中断负荷补偿,在必要时,VPP切除可中断负荷,但需按合同给予用户一定的补偿费用。
进一步,步骤2包括以下步骤:
VPP在RTM的决策会影响到DAM竞标策略的制定,因此,VPP在阶段1需要规划DAM和RTM的竞标策略,但只需向市场操作者提交DAM的竞标曲线,VPP阶段1竞标模型的目标函数为:
目标函数包含4个部分,分别为t时段VPP参与双边合同市场、DAM和RTM的成本燃气轮机成本DR成本和EV成本每部分具体表达式如下:
式中:为VPP在双边合同市场与电商签订合同所规定的交易电价;为VPP向电商实际输送电量,为正表示VPP向电商购电,为负表示VPP向电商售电,为决策变量;分别为DAM和RTM电价预测值;分别为VPP在DAM的购电量和售电量,为决策变量;分别为VPP在RTM的购电量和售电量,为决策变量;kp为购电系数,表示购电价格与售电价格的比值。
燃气轮机成本包括运行成本、启停成本和环境成本:
式中:ni为燃气轮机数;ki为燃气轮机i固定成本;布尔变量分别表示t时段燃气轮机i是否工作、启动、停止,是则置1,否则置0,为决策变量;nj为燃气轮机二次成本函数分段线性化后的段数;ki,j为燃气轮机i第j段发电成本斜率;gi,j,t为t时段燃气轮机i第j段出力,为决策变量;分别为燃气轮机i启动和停止成本;gi,t为t时段燃气轮机i出力;nl为污染物数量;Qi,l为燃气轮机i第l项污染物排放量;Vl、Yl分别为第l项污染物环境价值和罚款数量级。
DR成本为VPP向用户支付的中断负荷补偿费用,考虑到不同中断负荷量对用户的影响不同,本文将中断补偿价格与负荷中断等级挂钩,中断等级越高,所需支付的补偿价格越高。
式中:nm为中断等级数;为第m级中断负荷补偿价格;为t时段第m级中断负荷量,为决策变量。
EV成本即为EV放电产生的电池损耗成本,当放电达到一定次数时,需更换EV电池,因此可将EV电池损耗成本表示为:
式中:nv为EV数量;为第v辆EV电池购买成本;为第v辆EV电池生命周期内的充放电循环次数;为第v辆EV电池容量;为第v辆EV电池放电深度;为t时段第v辆EV放电功率,为决策变量;为第v辆EV放电效率;为t时段第v辆EV行驶距离;Ev为第v辆EV单位行驶距离所需消耗的功率。
对上述公式变量补充约束条件如下:
VPP在运行时需要满足如下约束条件。
1)燃气轮机约束。
-ri d≤gi,t-gi,t-1≤ri u
式中:表示t-1时段燃气轮机i是否工作,是则置1,否则置0;分别为燃气轮机i最大、最小输出功率;为燃气轮机i第j段出力上限;gi,t-1为t-1时段燃气轮机i出力;ri u、ri d分别为燃气轮机i向上、向下爬坡率。
2)EV约束。
式中:为t时段第v辆EV蓄电量;分别为第v辆EV蓄电量上、下限;为t时段第v辆EV充电功率,为决策变量;分别为第v辆EV充、放电功率上限;布尔变量分别表示t时段第v辆EV是否处于充、放电状态,是则置1,否则置0,为决策变量;表示t时段第v辆EV是否处于接入电网状态,是则置1,否则置0;分别为第v辆EV始、末时段蓄电量;为t-1时段第v辆EV蓄电量;为第v辆EV充电效率。
3)DR约束。
式中:为t时段第m级中断负荷量上限;为t时段中断负荷量;Lc,max为连续时间内可中断负荷最大调用量;为t-1时段中断负荷量;为t时段转移后转移负荷量,为决策变量;为t时段可转移负荷量;为t时段转移负荷量上限,表示转移负荷所能达到的极限。
4)双边合同市场约束。
在双边合同市场中,允许实际输送电量与合同规定输送电量存在微小的偏差,但总输电量必须相等:
式中:α为合同允许的偏差系数,为t时段合同规定输送电量。
5)VPP竞标量约束。
考虑到VPP与主网传输功率限制,VPP在电力市场的竞标量需满足如下约束式:
式中:G为电力市场最大竞标量。
6)VPP内部功率平衡约束。
式中:nw、ns分别为风力发电站和光伏发电站数;分别为t时段风力发电站w、光伏发电站s输出功率日前预测值;Lt为t时段总负荷量;为t时段固定负荷量。
进一步,步骤3包括以下步骤:
在RTM中,VPP需逐个时段制定竞标策略,t时段制定竞标策略时,DAM电价和交易量为已知量,风电和光伏出力的预测值更为准确,且t时段之前的决策变量变成已知量,因此需修改目标函数及部分约束条件,所得t时段竞标模型如下:
式中:分别为t时段DAM出清电价、购电量和售电量; 分别为t-1时段燃气轮机i工作布尔变量、燃气轮机i出力、第v辆EV蓄电量和中断负荷量,为已知量;分别为1~(t-1)时段转移后转移负荷量和双边合同市场实际输送电量,为已知量;分别为t时段风力发电站w、光伏发电站s输出功率实时预测值。
进一步,步骤4包括以下步骤:
阶段3,市场操作者按照DAM和RTM出清电价和交易量与VPP结算电力市场前两阶段交易,VPP前两阶段结算成本CEM表达式如下:
其中:
式中:为t时段VPP在双边合同市场、DAM和RTM的结算成本;分别为t时段RTM出清电价、购电量和售电量。
此外,平衡市场负责消纳RES出力偏差量,VPP需要为此支付平衡电量所需的费用,t时段VPP所需支付的费用可由下式表示:
式中:分别为t时段风力发电站w、光伏发电站s实际出力;分别为t时段平衡市场的购电价格和售电价格,其与的关系满足下列不等式:
因此,VPP在平衡市场的成本CBM和VPP实际成本C表示如下:
C=CEM+CBM
有益效果:本发明具有如下优点和技术效果:
(1)本发明提供了一种虚拟电厂日前和实时竞标模型,解决了同时参与双边合同市场、DAM、RTM和平衡市场情况下,计及EV和DR的VPP竞标模型建立问题;
(2)本发明提供的一种虚拟电厂日前和实时竞标模型,将EV和DR约束条件线性化,建立了混合整数线性规划模型,方便于采用GAMS的CPLEX求解器直接建模求解,简化了建模过程。
附图说明
图1为电力市场电价示意图;
图2为风电出力示意图;
图3为光伏出力示意图;
图4为每时段负荷量示意图;
图5为DAM和RTM每时段交易量示意图;
图6为选取的EV优化结果示意图;
图7为每时段负荷量优化结果示意图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
下面以一VPP为例介绍本发明:
本发明涉及的VPP包括一台燃气轮机、一座小型风力发电站、一座小型光伏发电站和4000户家庭,燃气轮机采用TAU5670型号,具体数据见表1。污染物排放量、环境价值、罚款数量级数据见表2。DAM和RTM电价、风电和光伏出力数据如图1-3所示。为区分购电价格和售电价格,将购电系数取为1.1。平衡市场中,购电价格和售电价格分别为RTM出清价的1.3和0.8倍。假设4000户家庭拥有尼桑LEAF、比亚迪E6、三菱iMiEV和宝马MINI E类型EV各1000辆,EV参数见表3,并且,蓄电量上、下限分别为电池容量的95%和15%,充、放电功率均为电池容量的20%,充、放电效率均为90%。为提高模型的适应性,EV始、末蓄电量在蓄电量上、下限范围内随机生成。EV离网时间、并网时间和行驶距离根据EV出行规律统计数据采用蒙特卡罗方法模拟生成。固定负荷量、可中断负荷量和可转移负荷量如图4所示。
表1 TAU5670燃气轮机参数
表2 燃气轮机主要污染气体数据
表3 EV参数
为衡量VPP同时参与DAM和DRM、聚合EV、用户参与DR行为对运营成本的影响,设置以下5种方案。
表4 5种不同的VPP构建方案
采用GAMS软件在对上述混合整数线性规划(MILP)问题进行求解,所得的结果如表5所示。
表5 5种方案VPP成本对比
从表5方案1、2、5对比可以看出,VPP只参与DAM或RTM时,实际成本均大于同时参与DAM和RTM的情景,并且,方案1中VPP在平衡市场的成本高于其他方案,这是日前风电和光伏出力预测误差更大所致;就方案3而言,VPP不聚合EV,无法对EV充放电进行有效管理,EV在接入电网时开始充放电,直至满足自身需求为止,表中所给的实际成本为VPP运营成本和EV车主所需支付费用(充电成本-放电收益+电池损耗成本)的总和,结果显示,方案3的实际成本远大于方案5,说明由VPP控制EV进行有序充放电能显著减少VPP和EV车主的总成本,进一步,EV车主将EV并网时段管理权交予VPP后,可与VPP运营者约定收益分配制度,实现双赢。方案4中,用户不参与DR,所有负荷均为固定负荷,其成本也大于方案5。综上所述,VPP同时参与DAM和RTM、聚合EV、用户参与DR行为均能有效降低VPP运营成本。
图5为VPP在DAM和RTM竞标量优化结果,为正表示VPP从电力市场购电,为负表示VPP向电力市场售电。由图可知,1-9时段,电力市场电价低,VPP选择在电价更低的市场(RTM)购买电量满足自身需求,从下文的分析也可以看出,由于2-5时段为电价最低时段,因而EV选择在该时段完成大部分充电,导致VPP在2-5时段的购电量最大;1时段和6时段,VPP对电量的需求不大,并且,DAM和RTM电价差额大于购电系数,VPP在两个市场通过套利(在电价低市场购电并在电价高市场售电)获取更大利润;10-13时段,电力市场电价高,VPP在电价更高的市场售电,并且,11-13时段为电价最高时段,EV选择在该时段完成绝大部分放电,因而此时VPP售电量大于其他时段,此外,在12时段同样存在套利情况;14-24时段,DAM和RTM电价差额小于购电系数,VPP在电价更低市场购电满足自身需求。
由于本例中存在4000辆EV,每辆EV的参数各不相同,在此无法一一罗列,为了分析不同EV优化情况,从EV中选取一辆,所得优化结果如图6所示。可以看出,由于该EV初始蓄电量低,为满足自身行驶需求以及在高电价时段向电网放电,该EV在2-5时段以最大充电功率进行充电,并在5时段达到蓄电量上限;11-13时段,其向电网放电以获取收益。
从图7中DR优化结果可以看出,高电价时段,中断负荷补偿价格低于电力市场电价,因而VPP选择在不影响用户舒适度的前提下,中断部分可中断负荷。同时,可转移负荷从高电价时段转移到了低电价时段,使得VPP在高电价时段的售电量更多,从而提高VPP的经济效益,这也实现了负荷的削峰填谷。
以上仿真结果验证了本发明所构模型有效性和实用性,说明VPP同时参与DAM和RTM、聚合EV、用户参与DR行为均能提高决策的灵活性,从而有效降低VPP的运营成本。该模型通过对每辆EV的充放电管理,以及在高电价时段切除可中断负荷,将可转移负荷转移到低电价时段提高VPP的经济效益。
Claims (5)
1.一种虚拟电厂日前和实时竞标模型,其特征在于:包括以下步骤:
步骤1:根据电力市场规则,介绍VPP参与电力市场的三阶段竞标流程,以及EV和DR的基本原理;
步骤2:建立对应的VPP阶段1竞标模型;
步骤3:建立对应的VPP阶段2竞标模型;
步骤4:建立对应的VPP阶段3竞标模型。
2.根据权利要求1所述的VPP日前和实时竞标模型,其特征在于:所述步骤1包括以下步骤:
以北欧电力市场为例,介绍VPP参与电力市场的竞标流程,北欧电力市场包括双边合同市场、DAM、RTM和平衡市场,其竞标流程可分为以下3个阶段:
阶段1:DAM开启前,VPP在双边合同市场与电商签订双边合同,DAM在交易日前一天10点开启,此时RES出力、DAM和RTM电价均未知,EMS通过历史数据预测交易日未知量,从而制定相应的竞标策略,并向市场操作者提交DAM竞标电价和电量,DAM于交易日前一天12点闭市,市场操作者在DAM闭市后出清DAM电价,并告知VPP运营者DAM出清电价和中标电量;
阶段2:RTM在DAM闭市后开启,EMS实时更新并重新预测RES出力,此时DAM出清电价和交易量为已知量,RES出力预测值更为准确;VPP根据DAM出清结果和已更新RES出力逐个时段制定并向市场操作者提交RTM竞标曲线;RTM在交易时段前1h~2h关闭,市场操作者在RTM闭市后出清RTM电价,并向VPP运营者公布出清结果;
阶段3:交易时段,EMS根据出清结果和竞标策略控制各DER运行,完成电能交易,市场操作者按照DAM和RTM出清电价和交易量与VPP结算交易;平衡市场在RTM闭市后开启,其负责消纳RES出力的偏差量并向VPP收取平衡电量所需的费用,表现为当实际出力大于计划出力时,VPP以低于RTM统一出清价出售过剩电量,当实际出力小于计划出力时,VPP以高于RTM统一出清价购进不足电量;
EV种类包含纯EV、混合动力EV和燃料电池EV等,本文考虑的EV为家用纯EV。EV车主根据自身出行情况设定次日EV并网时间、离网时间和每段行程的行驶距离,并与VPP运营者共享信息。EMS根据EV信息分析次日EV状态,从而制定相应的竞标策略,当EV接入电网后,由VPP负责EV充放电,保证EV拥有足够的电量满足行驶需求。
DR指的是电力用户根据价格信号或激励机制做出响应,改变固有习惯用电模式的行为。按照响应方式的不同,可将DR划分为基于电价的DR和基于激励的DR,用户可根据自身用电情况,以自愿原则选择参与的DR项目。根据基于电价DR和基于激励DR的互补性,本文将负荷分为固定负荷、可转移负荷和可中断负荷。可转移负荷是指根据电价调整运行时段,但运行功率和用电量基本保持不变的负荷。可中断负荷表示为VPP运营者和用户签订合同,并在合同中规定可中断负荷量和相应的激励机制,本文考虑的激励机制为中断负荷补偿,在必要时,VPP切除可中断负荷,但需按合同给予用户一定的补偿费用。
3.根据权利要求1所述的VPP日前和实时竞标模型,其特征在于:所述步骤2包括以下步骤:
VPP在RTM的决策会影响到DAM竞标策略的制定,因此,VPP在阶段1需要规划DAM和RTM的竞标策略,但只需向市场操作者提交DAM的竞标曲线,VPP阶段1竞标模型的目标函数为:
目标函数包含4个部分,分别为燃气轮机成本DR成本EV成本和t时段VPP参与双边合同市场、DAM和RTM的成本每部分具体表达式如下:
式中:为VPP在双边合同市场与电商签订合同所规定的交易电价;为VPP向电商实际输送电量,为正表示VPP向电商购电,为负表示VPP向电商售电,为决策变量;分别为DAM和RTM电价预测值;分别为VPP在DAM的购电量和售电量,为决策变量;分别为VPP在RTM的购电量和售电量,为决策变量;kp为购电系数,表示购电价格与售电价格的比值;
燃气轮机成本包括运行成本、启停成本和环境成本:
式中:ni为燃气轮机数;ki为燃气轮机i固定成本;布尔变量分别表示t时段燃气轮机i是否工作、启动、停止,是则置1,否则置0,为决策变量;nj为燃气轮机二次成本函数分段线性化后的段数;ki,j为燃气轮机i第j段发电成本斜率;gi,j,t为t时段燃气轮机i第j段出力,为决策变量;分别为燃气轮机i启动和停止成本;gi,t为t时段燃气轮机i出力;nl为污染物数量;Qi,l为燃气轮机i第l项污染物排放量;Vl、Yl分别为第l项污染物环境价值和罚款数量级;
DR成本为VPP向用户支付的中断负荷补偿费用,考虑到不同中断负荷量对用户的影响不同,将中断补偿价格与负荷中断等级挂钩,中断等级越高,所需支付的补偿价格越高;
式中:nm为中断等级数;为第m级中断负荷补偿价格;为t时段第m级中断负荷量,为决策变量;
EV成本即为EV放电产生的电池损耗成本,当放电达到一定次数时,需更换EV电池,因此可将EV电池损耗成本表示为:
式中:nv为EV数量;为第v辆EV电池购买成本;为第v辆EV电池生命周期内的充放电循环次数;为第v辆EV电池容量;为第v辆EV电池放电深度;为t时段第v辆EV放电功率,为决策变量;为第v辆EV放电效率;为t时段第v辆EV行驶距离;Ev为第v辆EV单位行驶距离所需消耗的功率;
对上述公式变量补充约束条件如下:
VPP在运行时需要满足如下约束条件:
1)燃气轮机约束:
-ri d≤gi,t-gi,t-1≤ri u
式中:表示t-1时段燃气轮机i是否工作,是则置1,否则置0;分别为燃气轮机i最大、最小输出功率;为燃气轮机i第j段出力上限;gi,t-1为t-1时段燃气轮机i出力;ri u、ri d分别为燃气轮机i向上、向下爬坡率;
2)EV约束:
式中:为t时段第v辆EV蓄电量;分别为第v辆EV蓄电量上、下限;为t时段第v辆EV充电功率,为决策变量;分别为第v辆EV充、放电功率上限;布尔变量分别表示t时段第v辆EV是否处于充、放电状态,是则置1,否则置0,为决策变量;表示t时段第v辆EV是否处于接入电网状态,是则置1,否则置0;分别为第v辆EV始、末时段蓄电量;为t-1时段第v辆EV蓄电量;为第v辆EV充电效率;
3)DR约束:
式中:为t时段第m级中断负荷量上限;为t时段中断负荷量;Lc,max为连续时间内可中断负荷最大调用量;为t-1时段中断负荷量;为t时段转移后转移负荷量,为决策变量;为t时段可转移负荷量;为t时段转移负荷量上限,表示转移负荷所能达到的极限。
4)双边合同市场约束
在双边合同市场中,允许实际输送电量与合同规定输送电量存在微小的偏差,但总输电量必须相等:
式中:α为合同允许的偏差系数,为t时段合同规定输送电量;
5)VPP竞标量约束
考虑到VPP与主网传输功率限制,VPP在电力市场的竞标量需满足如下约束式:
式中:G为电力市场最大竞标量;
6)VPP内部功率平衡约束:
式中:nw、ns分别为风力发电站和光伏发电站数;分别为t时段风力发电站w、光伏发电站s输出功率日前预测值;Lt为t时段总负荷量;为t时段固定负荷量。
4.根据权利要求1所述的VPP日前和实时竞标模型,其特征在于:所述步骤3包括以下步骤:
在RTM中,VPP需逐个时段制定竞标策略,t时段制定竞标策略时,DAM电价和交易量为已知量,风电和光伏出力的预测值更为准确,且t时段之前的决策变量变成已知量,因此需修改目标函数及部分约束条件,所得t时段竞标模型如下:
式中:分别为t时段DAM出清电价、购电量和售电量; 分别为t-1时段燃气轮机i工作布尔变量、燃气轮机i出力、第v辆EV蓄电量和中断负荷量,为已知量;分别为1~(t-1)时段转移后转移负荷量和双边合同市场实际输送电量,为已知量;分别为t时段风力发电站w、光伏发电站s输出功率实时预测值。
5.根据权利要求1所述的VPP日前和实时竞标模型,其特征在于:所述步骤4包括以下步骤:
阶段3,市场操作者按照DAM和RTM出清电价和交易量与VPP结算电力市场前两阶段交易,VPP前两阶段结算成本CEM表达式如下:
其中:
式中:为t时段VPP在双边合同市场、DAM和RTM的结算成本;分别为t时段RTM出清电价、购电量和售电量;
此外,平衡市场负责消纳RES出力偏差量,VPP需要为此支付平衡电量所需的费用,t时段VPP所需支付的费用可由下式表示:
式中:分别为t时段风力发电站w、光伏发电站s实际出力;分别为t时段平衡市场的购电价格和售电价格,其与的关系满足下列不等式:
因此,VPP在平衡市场的成本CBM和VPP实际成本C表示如下:
C=CEM+CBM。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610475818.8A CN106169117A (zh) | 2016-06-24 | 2016-06-24 | 一种虚拟电厂日前和实时竞标模型 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610475818.8A CN106169117A (zh) | 2016-06-24 | 2016-06-24 | 一种虚拟电厂日前和实时竞标模型 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106169117A true CN106169117A (zh) | 2016-11-30 |
Family
ID=58066026
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610475818.8A Pending CN106169117A (zh) | 2016-06-24 | 2016-06-24 | 一种虚拟电厂日前和实时竞标模型 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106169117A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108171436A (zh) * | 2018-01-11 | 2018-06-15 | 天津大学 | 居民空调需求响应策略及其对配用电侧影响的控制方法 |
CN108960510A (zh) * | 2018-07-04 | 2018-12-07 | 四川大学 | 一种基于两阶段随机规划的虚拟电厂优化交易策略模型 |
CN109193623A (zh) * | 2018-09-10 | 2019-01-11 | 广东工业大学 | 一种结合电动汽车的日前市场和实时市场联合优化方法 |
CN112465208A (zh) * | 2020-11-20 | 2021-03-09 | 国网江苏省电力有限公司盐城供电分公司 | 计及区块链技术的虚拟电厂随机自适应鲁棒优化调度方法 |
CN112988845A (zh) * | 2021-04-01 | 2021-06-18 | 毕延杰 | 在大数据业务场景下的数据信息处理方法及信息服务平台 |
CN114491997A (zh) * | 2022-01-13 | 2022-05-13 | 国网江苏省电力有限公司营销服务中心 | 考虑需求响应及电动汽车的虚拟电厂运行优化方法及系统 |
-
2016
- 2016-06-24 CN CN201610475818.8A patent/CN106169117A/zh active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108171436A (zh) * | 2018-01-11 | 2018-06-15 | 天津大学 | 居民空调需求响应策略及其对配用电侧影响的控制方法 |
CN108171436B (zh) * | 2018-01-11 | 2021-10-08 | 天津大学 | 居民空调需求响应策略及其对配用电侧影响的控制方法 |
CN108960510A (zh) * | 2018-07-04 | 2018-12-07 | 四川大学 | 一种基于两阶段随机规划的虚拟电厂优化交易策略模型 |
CN108960510B (zh) * | 2018-07-04 | 2021-11-26 | 四川大学 | 一种基于两阶段随机规划的虚拟电厂优化交易策略装置 |
CN109193623A (zh) * | 2018-09-10 | 2019-01-11 | 广东工业大学 | 一种结合电动汽车的日前市场和实时市场联合优化方法 |
CN109193623B (zh) * | 2018-09-10 | 2021-11-26 | 广东工业大学 | 一种结合电动汽车的日前市场和实时市场联合优化方法 |
CN112465208A (zh) * | 2020-11-20 | 2021-03-09 | 国网江苏省电力有限公司盐城供电分公司 | 计及区块链技术的虚拟电厂随机自适应鲁棒优化调度方法 |
CN112988845A (zh) * | 2021-04-01 | 2021-06-18 | 毕延杰 | 在大数据业务场景下的数据信息处理方法及信息服务平台 |
CN114491997A (zh) * | 2022-01-13 | 2022-05-13 | 国网江苏省电力有限公司营销服务中心 | 考虑需求响应及电动汽车的虚拟电厂运行优化方法及系统 |
CN114491997B (zh) * | 2022-01-13 | 2024-05-10 | 国网江苏省电力有限公司营销服务中心 | 考虑需求响应及电动汽车的虚拟电厂运行优化方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shayegan-Rad et al. | Day-ahead scheduling of virtual power plant in joint energy and regulation reserve markets under uncertainties | |
Wei et al. | Charging strategies of EV aggregator under renewable generation and congestion: A normalized Nash equilibrium approach | |
Yang et al. | Computational scheduling methods for integrating plug-in electric vehicles with power systems: A review | |
CN106169117A (zh) | 一种虚拟电厂日前和实时竞标模型 | |
Neyestani et al. | Allocation of plug-in vehicles' parking lots in distribution systems considering network-constrained objectives | |
Varkani et al. | A new self-scheduling strategy for integrated operation of wind and pumped-storage power plants in power markets | |
Salehpour et al. | Contract-based utilization of plug-in electric vehicle batteries for day-ahead optimal operation of a smart micro-grid | |
Rappaport et al. | Cloud energy storage for grid scale applications in the UK | |
Nykamp et al. | Value of storage in distribution grids—Competition or cooperation of stakeholders? | |
Sandels et al. | Vehicle to grid—Monte Carlo simulations for optimal aggregator strategies | |
CN111079971A (zh) | 一种考虑车、站、网三方的充电站定价方法 | |
CN111177637B (zh) | 电动汽车换电站动力电池的容量配置方法 | |
Lei et al. | Bridging electricity market and carbon emission market through electric vehicles: Optimal bidding strategy for distribution system operators to explore economic feasibility in China's low-carbon transitions | |
CN110059843A (zh) | 一种联合风-火合同电量交易的月度电能量市场运行方法 | |
CN110033142A (zh) | 考虑负荷不确定性的充换电站优化调度策略 | |
CN113690875B (zh) | 一种微网实时互动等值模型建立方法 | |
Yang et al. | Coordination and optimization of CCHP microgrid group game based on the interaction of electric and thermal energy considering conditional value at risk | |
Zeng et al. | Optimal configuration planning of vehicle sharing station-based electro-hydrogen micro-energy systems for transportation decarbonization | |
CN115062835A (zh) | 基于虚拟发电厂的主动配电网分布式资源优化调度方法 | |
Guo et al. | How to realize the power demand side actively matching the supply side?——A virtual real-time electricity prices optimization model based on credit mechanism | |
Kong et al. | Independence enhancement of distributed generation systems by integrating shared energy storage system and energy community with internal market | |
Momber et al. | PEV fleet scheduling with electricity market and grid signals Charging schedules with capacity pricing based on DSO's long run marginal cost | |
Ma et al. | Bi-level shared energy storage station capacity configuration method for multi-energy hubs considering health state of battery | |
Tong et al. | Economical optimization for multi-microgrid based on Stackelberg game | |
CN113449987A (zh) | 可再生能源配额制下的园区能源系统优化调度方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161130 |