CN107665378A - 基于需求侧竞价交易机制的电力系统多目标优化调度方法 - Google Patents

基于需求侧竞价交易机制的电力系统多目标优化调度方法 Download PDF

Info

Publication number
CN107665378A
CN107665378A CN201710875247.1A CN201710875247A CN107665378A CN 107665378 A CN107665378 A CN 107665378A CN 201710875247 A CN201710875247 A CN 201710875247A CN 107665378 A CN107665378 A CN 107665378A
Authority
CN
China
Prior art keywords
mrow
msub
msubsup
wind
demand
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
Application number
CN201710875247.1A
Other languages
English (en)
Other versions
CN107665378B (zh
Inventor
杨丽君
梁景志
高鹏
王伟浩
郭海军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xinjiang Zhonglian Yiheng Energy Investment Co ltd
Original Assignee
Yanshan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yanshan University filed Critical Yanshan University
Priority to CN201710875247.1A priority Critical patent/CN107665378B/zh
Publication of CN107665378A publication Critical patent/CN107665378A/zh
Application granted granted Critical
Publication of CN107665378B publication Critical patent/CN107665378B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/08—Auctions
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/10—Energy trading, including energy flowing from end-user application to grid

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Primary Health Care (AREA)
  • Molecular Biology (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Coloring Foods And Improving Nutritive Qualities (AREA)

Abstract

本发明公开了一种需求侧竞价交易机制的电力系统多目标优化调度方法，其内容包括：建立直接型需求侧在辅助服务市场的竞价交易模型，根据直接型需求侧响应机理构建直接型需求侧在辅助服务市场出清模型；根据直接型需求侧响应特点，综合负荷曲线特点和风电出力规律，协调调度需求侧资源；通过监测风电并网引起的系统母线电压波动和计算系统预留备用容量的精确程度，建立风电并网风险模型；建立以最小弃风量为目标考虑需求侧在辅助服务市场竞价交易并且计及风电并网风险成本的多目标优化调度模型，并采用快速粒子群算法求解步该模型。本发明方法可以充分利用需求侧在辅助服务市场提供备用容量的功能，提高系统风电接入能力，减少弃风。

Description

基于需求侧竞价交易机制的电力系统多目标优化调度方法
技术领域
本发明涉及一种含风电的电力系统多目标优化调度方法，尤其是一种基于需求侧在辅助服务市场竞价交易机制并计及风电并网风险成本的电力系统多目标优化调度方法。
背景技术
需求响应概念是美国在进行了电力市场化改革以后，针对需求侧管理(DSM)如何在竞争市场中充分发挥作用以维持系统可靠性和提高市场运行效率而提出的。广义上来说，需求响应可以定义为：电力市场中的用户针对市场价格信号或者激励机制做出响应，并改变正常电力消费模式的市场参与行为。
需求响应作为需求侧管理的一种重要调节手段，通过采用价格或激励手段引导电力用户做出响应，能够向系统提供一定的虚拟备用容量，为降低系统运行成本和解决含风电调度备用容量资源紧缺的问题提供了新的解决途径。
将需求侧响应和博弈理论相结合，通过构建需求侧在辅助服务市场的竞价交易模型，提高需求侧响应提供备用容量的交易达成效率，为消纳风电层面上的电力系统调度提供更多备用容量，以减少弃风。
博弈论主要参与元素有参与者、战略、支付和均衡，参与者是指博弈过程通过选择行动(战略)最大化自己的支付水平的决策主体，这里指辅助服务市场中参与备用容量竞价交易的直接型需求响应运营商；战略是参与者在给定信息情况下的行动规则，即博弈的策略，目的是使自己的支付效应最大化；支付是参与者在博弈策略下得到的期望效用水平，这里直接型需求响应运营商的收益即为支付；均衡是所有参与者的最优战略组合，这里指“纳什均衡”。利用博弈论构建需求侧在辅助服务市场的备用容量竞价交易模型，增加需求响应项目运营商的收益，促进双方交易达成，提高需求响应速度。
风电具有较强的随机性和波动性，可能引起系统性的“电压崩溃”，调度过程中需要考虑风电出力的不确定性对电力系统造成的影响。定义系统内不同母线电压观测值的标准差为母线电压分布指数，可以表征风电出力波动性对电力系统的扰动程度；同时，风电并网风险还与风电出力不足和盈余发生概率、风电实际出力和计划出力之间的差值有关，以此构建风电并网风险模型。
快速粒子群算法是粒子群算法的一种改进算法，它兼具粒子群算法的优点，在求解优化函数时，表现出较好的寻优能力，特别是针对复杂的工程问题，通过迭代寻优计算，能够迅速找到近似解，而快速粒子群算法不仅加快了求解过程中的寻优速度，还提高了粒子群算法的收敛性。
综上所述，有必要发明一种能够充分调动需求侧资源，利用需求侧响应提供可以促进风电消纳层面上的备用容量又计及风电并网风险成本的电力系统多目标优化调度方法。
发明内容
本发明目的在于提供一种以减少弃风为目标基于需求侧在辅助服务市场竞价交易机制的并计及风电并网风险成本的电力系统多目标优化调度方法。
为了解决上述存在的技术问题实现上述目的，本发明是通过以下技术方案实现的：
一种需求侧竞价交易机制的电力系统多目标优化调度方法，该方法内容包括如下步骤：
(1)建立直接型需求侧在辅助服务市场的竞价交易模型，优化需求侧出力模式，根据直接型需求侧响应机理构建直接型需求侧在辅助服务市场出清模型；
(2)根据直接型需求侧响应特点，综合负荷曲线特点和风电出力规律，协调调度需求侧资源；
(3)为保证系统风电接入安全，通过监测风电并网引起的系统母线电压波动和计算系统预留备用容量的精确程度，建立风电并网风险模型；
(4)最后建立以最小弃风量为目标考虑需求侧在辅助服务市场竞价交易并且计及风电并网风险成本的多目标优化调度模型；
(5)采用快速粒子群算法求解步骤(4)中所述的多目标优化调度模型。
进一步的，所述步骤(1)的具体过程如下：
(1-1)分析直接型需求侧的响应机理
为满足辅助服务市场实时竞价的交易规则，将用户在短时间内快速调整发用电的行为定义为直接型需求响应(Direct Demand Response,DDR)，直接型需求响应具有以下特点：响应迅速，接收到市场的信号后可以快速提供备用；经济性好，与电力系统备用竞价价格比较具有一定优势。其响应群体包括可中断负荷、智能微电网和分布式储能系统等，其在电力市场交易中模拟经济学中供给侧竞价的模式，在辅助服务市场采用不断上升阶梯形式的竞价函数参与市场竞价交易。
(1-2)构建直接型需求侧在辅助服务市场的出清模型
直接型需求响应运营商向电网出售电量及其产生的容量获取收益。其中可中断负荷：参与辅助服务市场交易的可中断负荷是具有智能控制设备、能够接受远程调度的用电负荷，如遥控空调和热水负荷等。通过运营商运营数量庞大、形式多样的可中断负荷项目，协调向电力系统提供“虚拟负荷”和“虚拟备用”。
(1-3)建立直接型需求侧在辅助服务市场的竞价交易模型
直接型需求响应运营商在电力市场的交易中存在竞争关系，发电量和售电价格视为商业机密。运营商的竞价交易行为受其他运营商的竞价策略影响，可通过设立一个静态非合作博弈问题来进行分析。
各直接型需求响应运营商在参与辅助服务市场竞价交易时不能获知其他运营商的成本系数，运营商间的博弈为不完全信息静态博弈，各运营商通过市场调查能够获得其他运营商高、中和低成本的成本系数概率分布，分别为μk,1、μk,2和μk,3，∑μk,i＝1，因此可以利用概率计算期望的方式将直接需求响应竞价模型由不完全信息静态博弈模型转换为完全信息静态博弈模型，采用纳什均衡求解。
进一步的，所述步骤(2)的具体过程如下：
直接型需求响应运营商根据当前竞价时段的需求信息向辅助服务交易中心集中申报备用容量竞标方案，当前时段交易达成，形成各直接型需求响应运营商竞价容量和交易价格的竞标书执行交易，然后进入下一时段的竞标。
在辅助服务市场中，辅助服务的购买者向交易中心提出服务请求，出售者通过信息系统接收辅助服务需求信息，响应辅助服务需求，再通过交易中心申报辅助服务报价和提供交易合同，等待购买者确认，辅助服务运营机构监管交易的完成，保证交易符合电网安全运行的条件。
进一步的，所述步骤(3)的具体过程如下：
(3-1)确定风电并网风险成本的影响因子
1)风电并网引起的系统母线电压波动越剧烈，风险成本越高；
2)风电出力不足和盈余情况发生概率越高，风险成本越高；
3)风电实际出力和计划出力之间的差值越大，风险成本越高。
(3-2)测量风电并网对系统的扰动程度
定义系统内不同母线电压观测值的标准差为母线电压分布指数，表征风电出力波动性对系统的扰动程度：
式中，uk为第k次母线电压观测值，为观测电压平均值，m为观测样本容量。
(3-3)构建风电并网风险模型
风电并网风险成本计算如下式所示：
式中，fRCS为风电并网风险成本，μ't为母线电压分布指数μt的归一化值，ξ为风电相比于计划出力不足或盈余的成本系数，ψt为t时刻风电出力不足或盈余的概率，Pw,t为t时刻系统的风电实际接入量，Et为风电实际出力的条件期望。
风电出力的条件期望计算如下：
式中，为风电场实际出力wt的概率密度函数。
(3-4)分析风电不确定性成本对风电接入的影响
根据风电接入风险成本将风电出力不确定性引起的系统风险分为安全、较安全、危险和严重危险四个安全等级，每个安全等级对应着相应的风电接入操作。当风电接入后系统处在危险安全等级情况时，通过采取弃风的方式调节风电接入，保障系统安全运行。
进一步的，所述步骤(4)的具体过程如下：
以弃风最小、需求侧运营商收益最大和系统发电成本及风电接入风险成本最小为目标，构建目标函数如下：
式中，为总弃风量，为t时段弃风量；fπ为参与竞价运营商的总期望收益，fi',t为t时段运营商i的期望收益；fc为火电机组运行费用，fj,t为j机组t时段的发电费用，fRCS为风电接入风险费用。
式中，aj、bj和cj为第j台火电机组的耗量特性系数。
约束条件如下：
1)系统功率平衡约束
式中，pL和pw为负荷预测值和风电预测值，Pi为参与竞价运营商增加的用电量，若为减少的用电量则取负值。
2)常规机组出力约束
Pj,min≤Pj≤Pj,max
3)机组爬坡约束
Pj,t-Pj,t-1≤Ru,jΔT
Pj,t-1-Pj,t≤Rd,jΔT
式中，Ru,j和Rd,j分别为火电机组j的上下爬坡率。
4)系统正负旋转备用容量约束
pu,s≥pL×L％+pw×wu％-pu,t
式中，pu,s和pd,s为系统正负备用容量，pu,t和pd,t为t时段需求侧提供的正负备用容量，L％和wu％为负荷和风电出力对备用容量的需求比例，为风电最大出力。
进一步的，所述步骤(5)的具体过程如下：
(5-1)确定算例以及其必要特征；
(5-2)采用快速粒子群算法对算例进行仿真分析。
与现有技术相比，本发明具有如下优点：
1)利用博弈论构建了需求侧在辅助服务市场的备用容量竞价交易模型，促进需求侧交易短时间达成，提高需求侧响应效率，为电力系统在风电调度层面上提供更多可用的备用资源，提高系统风电消纳能力；
2)量化了风电并网风险，考量了风电不确定性对电力系统调度过程的影响；
3)根据直接型需求侧响应特点，综合负荷曲线特点和风电出力规律，协调调度需求侧资源，能够有效减少弃风。
总之，本发明方法可以充分利用需求侧在辅助服务市场提供备用容量的功能，提高系统风电接入能力，减少弃风。
附图说明
图1是本发明方法中直接型需求响应运营商在辅助服务市场的出清模型示意图；
图2是本发明方法中的辅助服务交易市场的结构示意图；
图3是本发明方法中的直接型需求响应运营商在辅助服务市场的竞价交易模式示意图；
图4是本发明方法中的直接型需求响应运营商竞价交易流程图；
图5是本发明方法中的用电负荷和风电出力示意图。
具体实施方式
下面结合附图对本发明做进一步说明：
本发明的一种需求侧竞价交易机制的电力系统多目标优化调度方法，该方法内容包括如下步骤：
(1)分析直接型需求侧的响应机理并构建直接型需求侧的市场出清模型，建立直接型需求侧在辅助服务市场的竞价交易模型；
(1-1)分析直接型需求侧响应机理
直接型需求响应具有以下特点：响应迅速，接收到市场利信号后可以快速提供备用；经济性好，和电力系统备用竞价价格具有一定优势。其响应群体包括可中断负荷、智能微电网和分布式储能系统等，如图1所示，其在电力市场交易中模拟经济学中供给侧竞价的模式，在辅助服务市场采用不断上升的阶梯形式的竞价函数参与市场竞价交易。
(1-2)构建直接型需求侧在辅助服务市场的出清模型
直接型需求响应运营商向电网出售电量及其产生的容量获取收益。其中可中断负荷：参与辅助服务市场交易的可中断负荷是具有智能控制设备、能够接受远程调度的用电负荷，如遥控空调和热水负荷等。通过运营商运营数量庞大、形式多样的可中断负荷项目，协调向电力系统提供“虚拟负荷”和“虚拟备用”。
所述构建直接型需求侧的市场出清模型，包括如下内容：
可中断负荷项目运营商的市场出清模型为：
式中，fIL表示可中断负荷运营商的收益，λ为辅助服务市场竞价不确定性因子，κ1和κ2为运营商出售电量和容量的价格系数，pIL和QIL分别为中断电量及其产生的容量，其中|pIL|＝QIL，αIL、βIL和γIL为可中断负荷运营商切负荷成本系数。
可中断负荷运营商通过切负荷的方式响应容量市场的需求请求，同时获取折扣电价和出售中断负荷衍生的容量产生收益，其商业模式正常运行需保证可中断负荷项目遵循以下约束。
1)调用频次约束
式中，nt为t时段调用次数，Nz为调度周期T内可中断负荷总的调度次数。
2)调用容量约束
pIL≥pZ (3)式中，pZ为可中断负荷项目最小中断电量。
智能微电网：智能微电网是一个能够实现自我控制、保护和管理的自治系统，可以在短时间内响应调度指令调整并网功率。智能微电网通过和电网交互，向电网出售电量或购买电量，产生可用于调度的备用容量，在辅助服务市场进行交易。
智能微电网项目运营商的市场出清模型为：
式中，fAM表示智能微电网项目运营商收益，pAM为卖电或买电量，QAM为智能电网项目运营商产生的容量，其中|pAM|＝QAM，αAM、βAM和γAM为智能微电网项目运营商发电成本系数。
分布式储能：分布式储能能够吸收分布式能源产生的电能，平抑其波动和无序性，向电网出售平稳有序的电能，也可像电动汽车，与电网交互，从电网购电或向电网供电进行能量的双向流动。分布式储能项目由运营商运营，协同向电网售电，进行市场竞价交易。
分布式储能项目运营商的市场出清模型为：
式中，fEV表示分布式储能运营商的收益，pEV为分布式储能运营商的卖电量，QEV为买电和卖电过程中产生的容量，其中|pEV|＝QEV，αEV、βEV和γEV为分布式储能运营商储能成本系数。
(1-3)建立直接型需求侧在辅助服务市场的竞价交易模型
辅助服务交易市场结构如图2所示，直接型需求响应运营商在电力市场的交易中存在竞争关系，发电量和售电价格视为商业机密。运营商的竞价交易行为受其他运营商的竞价策略影响，可通过设立一个静态非合作博弈问题来进行分析。
所述构建直接型需求侧在辅助服务市场出清模型，包括如下内容：
各直接型需求响应运营商在参与辅助服务市场竞价交易时不能获知其他运营商的成本系数，运营商间的博弈为不完全信息静态博弈，各运营商通过市场调查能够获得其他运营商高、中和低成本的成本系数概率分布，分别为μk,1、μk,2和μk,3，∑μk,i＝1，因此可以利用概率计算期望的方式将直接需求响应竞价模型由不完全信息静态博弈模型转换为完全信息静态博弈模型，采用纳什均衡求解。
以可中断负荷项目运营商为竞价主体，在获知另外两家智能微电网和分布式储能项目运营商成本系数概率分布的情况下，可得到另外两家参与竞价运营商的市场出清竞价交易期望模型。
智能微电网的市场竞价交易出清期望模型为：
式中，CEV为智能微电网项目运营商的成本函数，μAM,i为智能微电网项目运营商在高、中、低成本的概率，fA'M为智能微电网项目运营商的期望收益，λ'AM为智能微电网项目运营商在辅助服务市场竞价的不确定性因子，α'AM、β'AM和γ'AM为智能微电网项目运营商成本函数系数的期望值。
分布式储能项目运营商的市场竞价交易出清期望模型为：
式中，fE'V为分布式储能运营商的期望收益，λ'EV为分布式储能运营商在辅助服务市场竞价的不确定性因子，α'EV、β'EV和γ'EV为分布式储能运营商成本函数系数的期望值。
由平衡条件可得：
根据辅助服务市场交易中心制定的备用容量竞价计划，可得：
式中，Qt为竞标容量，QIL,t、QAM,t和QEV,t为t时段各参与竞标运营商的竞标容量。
联立式(9)、(10)和(11)，可得可中断负荷项目运营商的期望竞价容量和边际成本期望价格为：
κ'2＝(1+λIL)(2βILPIL+γIL) (13)
其他参与竞标运营商的竞价电量和边际成本价格期望值为：
κ'2n＝(1+λ’n)(2α'nPn+β'n) (15)式中，N为除可中断负荷项目运营商外参与竞价运营商的数量。
(2)根据直接型需求侧响应特点，综合负荷曲线特点和风电出力规律，协调调度需求侧资源，其具体内容如下：
直接型需求响应运营商根据当前竞价时段的需求信息向辅助服务交易中心集中申报备用容量竞标方案，当前时段交易达成，形成各直接型需求响应运营商竞价容量和交易价格的竞标书执行交易，然后进入下一时段的竞标，如图3所示。
在辅助服务市场中，辅助服务的购买者向交易中心提出服务请求，出售者通过信息系统接收辅助服务需求信息，响应辅助服务需求，再通过交易中心申报辅助服务报价和提供交易合同，等待购买者确认，辅助服务运营机构监管交易的完成，保证交易符合电网安全运行的条件，如图4所示。
(3)监测风电并网引起的系统母线电压波动和计算系统预留备用容量的精确程度，建立风电并网风险模型，其具体内容如下：
(3-1)确定风电并网风险成本的影响因子
1)风电并网引起的系统母线电压波动越剧烈，风险成本越高；
2)风电出力不足和盈余情况发生概率越高，风险成本越高；
3)风电实际出力和计划出力之间的差值越大，风险成本越高。
(3-2)测量风电并网对系统的扰动程度
定义系统内不同母线电压观测值的标准差为母线电压分布指数，表征风电出力波动性对系统的扰动程度：
式中，uk为第k次母线电压观测值，为观测电压平均值，m为观测样本容量。
(3-3)构建风电并网风险成本函数
风电并网风险成本计算公式如下：
式中，fRCS为风电并网风险成本，μ't为母线电压分布指数μt的归一化值，ξ为风电相比于计划出力不足或盈余的成本系数，ψt为t时刻风电出力不足或盈余的概率，Pw,t为t时刻系统的风电实际接入量，Et为风电实际出力的条件期望。
风电出力的条件期望计算如下：
式中，为风电场实际出力wt的概率密度函数。
(3-4)分析风电不确定性成本对风电接入的影响
根据风电接入风险成本将风电出力不确定性引起的系统风险分为安全、较安全、危险和严重危险四个安全等级，每个安全等级对应着相应的风电接入操作。当风电接入后系统处在危险安全等级情况时，通过采取弃风的方式调节风电接入，保障系统安全运行，相应操作如下表：
表系统安全等级
Tab.System security level
表中，C1、C2和C3分别为系统风险成本的分界值，由于风险成本受风电波动性和风电预测水平的影响，则分界值通过评估系统稳定状况和历史风险成本共同确定。在较安全的等级下系统有两种风电的接入操作，操作1表示当前系统更加重视风电接入带来的环境效益和经济效益，操作2表示系统当前操作较为保守，更加重视系统安全。
(4)建立以最小弃风量为目标考虑需求侧在辅助服务市场竞价交易并且计及风电并网风险成本的多目标优化调度模型，其具体内容如下：
以弃风最小、需求侧运营商收益最大和系统发电成本及风电接入风险成本最小为目标，构建目标函数如下：
式中，为总弃风量，为t时段弃风量；fπ为参与竞价运营商的总期望收益，fi',t为t时段运营商i的期望收益；fc为火电机组运行费用，fj,t为j机组t时段的发电费用，fRCS为风电接入风险费用。
式中，aj、bj和cj为第j台火电机组的耗量特性系数。
约束条件如下：
1)系统功率平衡约束
式中，pL和pw为负荷预测值和风电预测值，Pi为参与竞价运营商增加的用电量，若为减少的用电量则取负值。
2)常规机组出力约束
Pj,min≤Pj≤Pj,max (23)
3)机组爬坡约束
Pj,t-Pj,t-1≤Ru,jΔT (24)
Pj,t-1-Pj,t≤Rd,jΔT (25)式中，Ru,j和Rd,j分别为火电机组j的上下爬坡率。
4)系统正负旋转备用容量约束
pu,s≥pL×L％+pw×wu％-pu,t (26)
式中，pu,s和pd,s为系统正负备用容量，pu,t和pd,t为t时段需求侧提供的正负备用容量，L％和wu％为负荷和风电出力对备用容量的需求比例，为风电最大出力。
(5)采用快速粒子群算法求解多目标优化调度模型，其具体内容如下：
(5-1)确定算例以及其必要特征，用电负荷和风电出力如图5所示；
(5-2)采用快速粒子群算法对算例进行仿真分析。

Claims (7)

1.一种基于需求侧竞价交易机制的电力系统优化调度方法，其特征在于：所提调度方法的步骤如下：
步骤一：建立直接型需求侧在辅助服务市场的竞价交易模型，优化需求侧出力模式，根据直接型需求侧响应机理构建直接型需求侧在辅助服务市场出清模型；
步骤二：根据直接型需求侧响应特点、结合负荷曲线特点和风电出力规律，协调调度需求侧响应；
步骤三：为保证系统风电接入安全，监测风电并网引起的系统母线电压波动和计算系统预留备用容量的精确度，建立风电并网风险模型；
步骤四：最后建立以最小弃风量为目标考虑需求侧在辅助服务市场竞价交易并且计及风电并网风险成本的多目标优化调度模型；
步骤五：采用快速粒子群算法求解上述模型。
2.根据权利要求1所述的一种基于需求侧竞价交易机制的电力系统优化调度方法，其特征在于：在步骤一中，所述构建直接型需求侧的市场出清模型，包括如下内容：
可中断负荷项目运营商的市场出清模型为：
<mrow> <mtable> <mtr> <mtd> <mrow> <msub> <mi>f</mi> <mrow> <mi>I</mi> <mi>L</mi> </mrow> </msub> <mo>=</mo> <msub> <mi>&amp;kappa;</mi> <mn>1</mn> </msub> <msub> <mi>p</mi> <mrow> <mi>I</mi> <mi>L</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>&amp;kappa;</mi> <mn>2</mn> </msub> <msub> <mi>Q</mi> <mrow> <mi>I</mi> <mi>L</mi> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>+</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <msub> <mi>&amp;alpha;</mi> <mrow> <mi>I</mi> <mi>L</mi> </mrow> </msub> <msubsup> <mi>p</mi> <mrow> <mi>I</mi> <mi>L</mi> </mrow> <mn>2</mn> </msubsup> <mo>+</mo> <msub> <mi>&amp;beta;</mi> <mrow> <mi>I</mi> <mi>L</mi> </mrow> </msub> <msub> <mi>p</mi> <mrow> <mi>I</mi> <mi>L</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>&amp;gamma;</mi> <mrow> <mi>I</mi> <mi>L</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>
式中，fIL表示可中断负荷运营商的收益，λ为辅助服务市场竞价不确定性因子，κ1和κ2为运营商出售电量和容量的价格系数，pIL和QIL分别为中断电量及其产生的容量，其中|pIL|＝|QIL|，αIL、βIL和γIL为可中断负荷运营商切负荷成本系数；
可中断负荷项目运营商通过切负荷的方式响应容量市场的需求请求，同时获取折扣电价和出售中断负荷衍生的容量产生收益，其商业模式正常运行需保证可中断负荷项目遵循以下约束；
1)调用频次约束
<mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>T</mi> </munderover> <msub> <mi>n</mi> <mi>t</mi> </msub> <mo>&amp;le;</mo> <msub> <mi>N</mi> <mi>z</mi> </msub> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>
式中，nt为t时段调用次数，Nz为调度周期T内可中断负荷总的调度次数；
2)调用容量约束
pIL≥pZ (3)
式中，pZ为可中断负荷项目最小中断电量。
智能微电网项目运营商的市场出清模型为：
<mrow> <mtable> <mtr> <mtd> <mrow> <msub> <mi>f</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> </msub> <mo>=</mo> <msub> <mi>&amp;kappa;</mi> <mn>1</mn> </msub> <msub> <mi>p</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>&amp;kappa;</mi> <mn>2</mn> </msub> <msub> <mi>Q</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>+</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <msub> <mi>&amp;alpha;</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> </msub> <msubsup> <mi>p</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> <mn>2</mn> </msubsup> <mo>+</mo> <msub> <mi>&amp;beta;</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> </msub> <msub> <mi>p</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>&amp;gamma;</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>
式中，fAM表示智能微电网项目运营商收益，pAM为卖电或买电量，QAM为智能电网项目运营商产生的容量，其中|pAM|＝|QAM|，αAM、βAM和γAM为智能微电网项目运营商发电成本系数；
分布式储能项目运营商的市场出清模型为：
<mrow> <mtable> <mtr> <mtd> <mrow> <msub> <mi>f</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> </msub> <mo>=</mo> <msub> <mi>&amp;kappa;</mi> <mn>1</mn> </msub> <msub> <mi>p</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>&amp;kappa;</mi> <mn>2</mn> </msub> <msub> <mi>Q</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>+</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <msub> <mi>&amp;alpha;</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> </msub> <msubsup> <mi>p</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> <mn>2</mn> </msubsup> <mo>+</mo> <msub> <mi>&amp;beta;</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> </msub> <msub> <mi>p</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>&amp;gamma;</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>
式中，fEV表示分布式储能运营商的收益，pEV为分布式储能运营商的卖电量，QEV为买电和卖电过程中产生的容量，其中|pEV|＝|QEV|，αEV、βEV和γEV为分布式储能运营商储能成本系数。
3.根据权利要求1所述的一种基于需求侧竞价交易机制的电力系统优化调度方法，其特征在于：在步骤一中，所述构建直接型需求侧在辅助服务市场出清模型，包括如下内容：
各直接型需求响应运营商在参与辅助服务市场竞价交易时不能获知其他运营商的成本系数，运营商间的博弈为不完全信息静态博弈，各运营商通过市场调查能够获得其他运营商高、中和低成本的成本系数概率分布，分别为μk,1、μk,2和μk,3，∑μk,i＝1，因此可以利用概率计算期望的方式将直接需求响应竞价模型由不完全信息静态博弈模型转换为完全信息静态博弈模型，采用纳什均衡求解；
智能微电网的市场竞价交易出清期望模型为：
<mrow> <mtable> <mtr> <mtd> <mrow> <mi>E</mi> <mrow> <mo>(</mo> <msub> <mi>C</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>3</mn> </munderover> <msub> <mi>&amp;mu;</mi> <mrow> <mi>A</mi> <mi>M</mi> <mo>,</mo> <mi>i</mi> </mrow> </msub> <msub> <mi>C</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>=</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>+</mo> <msubsup> <mi>&amp;lambda;</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <msubsup> <mi>&amp;alpha;</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <msubsup> <mi>p</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> <mn>2</mn> </msubsup> <mo>+</mo> <msubsup> <mi>&amp;beta;</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <msub> <mi>p</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> </msub> <mo>+</mo> <msubsup> <mi>&amp;gamma;</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>6</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <mtable> <mtr> <mtd> <mrow> <msubsup> <mi>f</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>=</mo> <msub> <mi>&amp;kappa;</mi> <mn>1</mn> </msub> <msub> <mi>p</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>&amp;kappa;</mi> <mn>2</mn> </msub> <msub> <mi>Q</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>+</mo> <msubsup> <mi>&amp;lambda;</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <msubsup> <mi>&amp;alpha;</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <msubsup> <mi>p</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> <mn>2</mn> </msubsup> <mo>+</mo> <msubsup> <mi>&amp;beta;</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <msub> <mi>p</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> </msub> <mo>+</mo> <msubsup> <mi>&amp;gamma;</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>7</mn> <mo>)</mo> </mrow> </mrow>
式中，CEV为智能微电网项目运营商的成本函数，μAM,i为智能微电网项目运营商在高、中、低成本的概率，f′AM为智能微电网项目运营商的期望收益，λ'AM为智能微电网项目运营商在辅助服务市场竞价的不确定性因子，α'AM、β'AM和γ'AM为智能微电网项目运营商成本函数系数的期望值；
分布式储能项目运营商的市场竞价交易出清期望模型为：
<mrow> <mtable> <mtr> <mtd> <mrow> <msubsup> <mi>f</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>=</mo> <msub> <mi>&amp;kappa;</mi> <mn>1</mn> </msub> <msub> <mi>p</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>&amp;kappa;</mi> <mn>2</mn> </msub> <msub> <mi>Q</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>+</mo> <msubsup> <mi>&amp;lambda;</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <msubsup> <mi>&amp;alpha;</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <msubsup> <mi>p</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> <mn>2</mn> </msubsup> <mo>+</mo> <msubsup> <mi>&amp;beta;</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <msub> <mi>p</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> </msub> <mo>+</mo> <msubsup> <mi>&amp;gamma;</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>8</mn> <mo>)</mo> </mrow> </mrow>
式中，f′EV为分布式储能运营商的期望收益，λ'EV为分布式储能运营商在辅助服务市场竞价的不确定性因子，α'EV、β'EV和γ'EV为分布式储能运营商成本函数系数的期望值；
由平衡条件可得：
<mrow> <mtable> <mtr> <mtd> <mrow> <mfrac> <mrow> <mo>&amp;part;</mo> <msubsup> <mi>f</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> </mrow> <mrow> <mo>&amp;part;</mo> <msub> <mi>p</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> </msub> </mrow> </mfrac> <mo>=</mo> <mfrac> <mrow> <mo>&amp;part;</mo> <mrow> <mo>(</mo> <msub> <mi>&amp;kappa;</mi> <mn>1</mn> </msub> <msub> <mi>p</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>&amp;kappa;</mi> <mn>2</mn> </msub> <msub> <mi>Q</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <mo>&amp;part;</mo> <msub> <mi>p</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> </msub> </mrow> </mfrac> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>-</mo> <mfrac> <mrow> <mo>&amp;part;</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>+</mo> <msubsup> <mi>&amp;lambda;</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <msubsup> <mi>&amp;alpha;</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <msubsup> <mi>p</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> <mn>2</mn> </msubsup> <mo>+</mo> <msubsup> <mi>&amp;beta;</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <msub> <mi>p</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> </msub> <mo>+</mo> <msubsup> <mi>&amp;gamma;</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>)</mo> </mrow> </mrow> <mrow> <mo>&amp;part;</mo> <msub> <mi>p</mi> <mrow> <mi>A</mi> <mi>M</mi> </mrow> </msub> </mrow> </mfrac> <mo>=</mo> <mn>0</mn> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>9</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <mtable> <mtr> <mtd> <mrow> <mfrac> <mrow> <mo>&amp;part;</mo> <msubsup> <mi>f</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> </mrow> <mrow> <mo>&amp;part;</mo> <msub> <mi>p</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> </msub> </mrow> </mfrac> <mo>=</mo> <mfrac> <mrow> <mo>&amp;part;</mo> <mrow> <mo>(</mo> <msub> <mi>&amp;kappa;</mi> <mn>1</mn> </msub> <msub> <mi>p</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>&amp;kappa;</mi> <mn>2</mn> </msub> <msub> <mi>Q</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <mo>&amp;part;</mo> <msub> <mi>p</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> </msub> </mrow> </mfrac> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>-</mo> <mfrac> <mrow> <mo>&amp;part;</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>+</mo> <msubsup> <mi>&amp;lambda;</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <msubsup> <mi>&amp;alpha;</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <msubsup> <mi>p</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> <mn>2</mn> </msubsup> <mo>+</mo> <msubsup> <mi>&amp;beta;</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <msub> <mi>p</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> </msub> <mo>+</mo> <msubsup> <mi>&amp;gamma;</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>)</mo> </mrow> </mrow> <mrow> <mo>&amp;part;</mo> <msub> <mi>p</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> </msub> </mrow> </mfrac> <mo>=</mo> <mn>0</mn> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>10</mn> <mo>)</mo> </mrow> </mrow>
根据辅助服务市场交易中心制定的备用容量竞价计划，可得：
<mrow> <mtable> <mtr> <mtd> <mrow> <msub> <mi>Q</mi> <mi>t</mi> </msub> <mo>=</mo> <msub> <mi>Q</mi> <mrow> <mi>I</mi> <mi>L</mi> <mo>,</mo> <mi>t</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>Q</mi> <mrow> <mi>A</mi> <mi>M</mi> <mo>,</mo> <mi>t</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>Q</mi> <mrow> <mi>E</mi> <mi>V</mi> <mo>,</mo> <mi>t</mi> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>=</mo> <mo>|</mo> <msub> <mi>P</mi> <mrow> <mi>I</mi> <mi>L</mi> <mo>,</mo> <mi>t</mi> </mrow> </msub> <mo>|</mo> <mo>+</mo> <mo>|</mo> <msub> <mi>P</mi> <mrow> <mi>A</mi> <mi>M</mi> <mo>,</mo> <mi>t</mi> </mrow> </msub> <mo>|</mo> <mo>+</mo> <mo>|</mo> <msub> <mi>P</mi> <mrow> <mi>E</mi> <mi>V</mi> <mo>,</mo> <mi>t</mi> </mrow> </msub> <mo>|</mo> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>11</mn> <mo>)</mo> </mrow> </mrow>
式中，Qt为竞标容量，QIL,t、QAM,t和QEV,t为t时段各参与竞标运营商的竞标容量；
联立式(9)、(10)和(11)，可得可中断负荷项目运营商的期望竞价容量和边际成本期望价格为：
<mrow> <msubsup> <mi>Q</mi> <mrow> <mi>I</mi> <mi>L</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>=</mo> <mfrac> <mrow> <mi>Q</mi> <mo>+</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>n</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>N</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <mfrac> <msubsup> <mi>&amp;beta;</mi> <mi>n</mi> <mo>&amp;prime;</mo> </msubsup> <mrow> <mn>2</mn> <msubsup> <mi>&amp;alpha;</mi> <mi>n</mi> <mo>&amp;prime;</mo> </msubsup> </mrow> </mfrac> <mo>-</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>n</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>N</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <mfrac> <msub> <mi>&amp;beta;</mi> <mi>n</mi> </msub> <mrow> <mn>2</mn> <msubsup> <mi>&amp;alpha;</mi> <mi>n</mi> <mo>&amp;prime;</mo> </msubsup> </mrow> </mfrac> <mfrac> <mrow> <mn>1</mn> <mo>+</mo> <msub> <mi>&amp;lambda;</mi> <mi>n</mi> </msub> </mrow> <mrow> <mn>1</mn> <mo>+</mo> <msubsup> <mi>&amp;lambda;</mi> <mi>n</mi> <mo>&amp;prime;</mo> </msubsup> </mrow> </mfrac> </mrow> <mrow> <mn>1</mn> <mo>+</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>n</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>N</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <mfrac> <msub> <mi>&amp;beta;</mi> <mi>n</mi> </msub> <msub> <mi>&amp;alpha;</mi> <mi>n</mi> </msub> </mfrac> <mfrac> <mrow> <mn>1</mn> <mo>+</mo> <msub> <mi>&amp;lambda;</mi> <mi>n</mi> </msub> </mrow> <mrow> <mn>1</mn> <mo>+</mo> <msubsup> <mi>&amp;lambda;</mi> <mi>n</mi> <mo>&amp;prime;</mo> </msubsup> </mrow> </mfrac> </mrow> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>12</mn> <mo>)</mo> </mrow> </mrow>
κ'2＝(1+λIL)(2βILPIL+γIL) (13)
其他参与竞标运营商的竞价电量和边际成本价格期望值为：
<mrow> <msubsup> <mi>Q</mi> <mi>n</mi> <mo>&amp;prime;</mo> </msubsup> <mo>=</mo> <mfrac> <mrow> <mn>1</mn> <mo>+</mo> <msub> <mi>&amp;lambda;</mi> <mi>n</mi> </msub> </mrow> <mrow> <mn>1</mn> <mo>+</mo> <msubsup> <mi>&amp;lambda;</mi> <mi>n</mi> <mo>&amp;prime;</mo> </msubsup> </mrow> </mfrac> <mfrac> <mrow> <msub> <mi>&amp;kappa;</mi> <mn>1</mn> </msub> <mo>-</mo> <msubsup> <mi>&amp;beta;</mi> <mi>n</mi> <mo>&amp;prime;</mo> </msubsup> </mrow> <mrow> <mn>2</mn> <msubsup> <mi>&amp;alpha;</mi> <mi>n</mi> <mo>&amp;prime;</mo> </msubsup> </mrow> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>14</mn> <mo>)</mo> </mrow> </mrow>
κ'2n＝(1+λ′n)(2α'nPn+β′n) (15)
式中，N为除可中断负荷项目运营商外参与竞价运营商的数量。
4.根据权利要求1所述的一种基于需求侧竞价交易机制的电力系统优化调度方法，其特征在于：在步骤二中，所述根据直接型需求侧响应特点，综合负荷曲线特点和风电出力规律，协调调度需求侧资源；其具体内容如下：
直接型需求响应运营商根据当前竞价时段的需求信息向辅助服务交易中心集中申报备用容量竞标方案，当前时段交易达成，形成各直接型需求响应运营商竞价容量和交易价格的竞标书执行交易，然后进入下一时段的竞标；
在辅助服务市场中，辅助服务的购买者向交易中心提出服务请求，出售者通过信息系统接收辅助服务需求信息，响应辅助服务需求，再通过交易中心申报辅助服务报价和提供交易合同，等待购买者确认，辅助服务运营机构监管交易的完成，保证交易符合电网安全运行的条件。
5.根据权利要求1所述的一种基于需求侧竞价交易机制的电力系统优化调度方法，其特征在于：在步骤三中，所述监测风电并网引起的系统母线电压波动和计算系统预留备用容量的精确程度，建立风电并网风险模型；其具体内容如下：
1)确定风电并网风险成本的影响因子；
2)测量风电并网对系统的扰动程度；
定义系统内不同母线电压观测值的标准差为母线电压分布指数，表征风电出力波动性对系统的扰动程度：
<mrow> <msub> <mi>&amp;mu;</mi> <mi>t</mi> </msub> <mo>=</mo> <msqrt> <mrow> <mfrac> <mn>1</mn> <mrow> <mi>m</mi> <mo>-</mo> <mn>1</mn> </mrow> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <msup> <mrow> <mo>(</mo> <msub> <mi>u</mi> <mi>k</mi> </msub> <mo>-</mo> <mover> <mi>u</mi> <mo>&amp;OverBar;</mo> </mover> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>16</mn> <mo>)</mo> </mrow> </mrow>
式中，uk为第k次母线电压观测值，为观测电压平均值，m为观测样本容量；
3)构建风电并网风险成本函数；
风电并网风险成本计算如下式所示：
<mrow> <msub> <mi>f</mi> <mrow> <mi>R</mi> <mi>C</mi> <mi>S</mi> </mrow> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>T</mi> </munderover> <msubsup> <mi>&amp;mu;</mi> <mi>t</mi> <mo>&amp;prime;</mo> </msubsup> <msub> <mi>&amp;xi;&amp;psi;</mi> <mi>t</mi> </msub> <mo>|</mo> <msub> <mi>E</mi> <mi>t</mi> </msub> <mo>-</mo> <msub> <mi>P</mi> <mrow> <mi>w</mi> <mo>,</mo> <mi>t</mi> </mrow> </msub> <mo>|</mo> <mi>&amp;Delta;</mi> <mi>T</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>17</mn> <mo>)</mo> </mrow> </mrow>
式中，fRCS为风电并网风险成本，μ′t为母线电压分布指数μt的归一化值，ξ为风电相比于计划出力不足或盈余的成本系数，ψt为t时刻风电出力不足或盈余的概率，Pw,t为t时刻系统的风电实际接入量，Et为风电实际出力的条件期望；
风电出力的条件期望计算如下：
<mrow> <msub> <mi>E</mi> <mrow> <mi>d</mi> <mo>,</mo> <mi>t</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <msubsup> <mo>&amp;Integral;</mo> <mn>0</mn> <mrow> <mi>P</mi> <mrow> <mo>(</mo> <mi>w</mi> <mo>,</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </msubsup> <msub> <mi>w</mi> <mi>t</mi> </msub> <msub> <mi>f</mi> <msub> <mi>w</mi> <mi>t</mi> </msub> </msub> <msub> <mi>d</mi> <msub> <mi>w</mi> <mi>t</mi> </msub> </msub> </mrow> <mrow> <msubsup> <mo>&amp;Integral;</mo> <mn>0</mn> <mrow> <mi>P</mi> <mrow> <mo>(</mo> <mi>w</mi> <mo>,</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </msubsup> <msub> <mi>w</mi> <mi>t</mi> </msub> <msub> <mi>d</mi> <msub> <mi>w</mi> <mi>t</mi> </msub> </msub> </mrow> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>18</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <msub> <mi>E</mi> <mrow> <mi>u</mi> <mo>,</mo> <mi>t</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <msubsup> <mo>&amp;Integral;</mo> <mrow> <mi>P</mi> <mrow> <mo>(</mo> <mi>w</mi> <mo>,</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> <msub> <mi>W</mi> <mi>max</mi> </msub> </msubsup> <msub> <mi>w</mi> <mi>t</mi> </msub> <msub> <mi>f</mi> <msub> <mi>w</mi> <mi>t</mi> </msub> </msub> <msub> <mi>d</mi> <msub> <mi>w</mi> <mi>t</mi> </msub> </msub> </mrow> <mrow> <msubsup> <mo>&amp;Integral;</mo> <mrow> <mi>P</mi> <mrow> <mo>(</mo> <mi>w</mi> <mo>,</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> <msub> <mi>W</mi> <mi>max</mi> </msub> </msubsup> <msub> <mi>f</mi> <msub> <mi>w</mi> <mi>t</mi> </msub> </msub> <msub> <mi>d</mi> <msub> <mi>w</mi> <mi>t</mi> </msub> </msub> </mrow> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>19</mn> <mo>)</mo> </mrow> </mrow>
式中，为风电场实际出力wt的概率密度函数；
4)分析风电不确定性成本对风电接入的影响；
根据风电接入风险成本将风电出力不确定性引起的系统风险分为安全、较安全、危险和严重危险四个安全等级，每个安全等级对应着相应的风电接入操作。当风电接入后系统处在危险安全等级情况时，通过采取弃风的方式调节风电接入，保障系统安全运行，相应操作如下表：
根据风电接入风险成本将风电出力不确定性引起的系统风险分为四个安全等级，每个安全等级对应着相应的风电接入操作按下表操作：
表 系统安全等级
表中，C1、C2和C3分别为系统风险成本的分界值，由于风险成本受风电波动性和风电预测水平的影响，则分界值通过评估系统稳定状况和历史风险成本共同确定。
6.根据权利要求1所述的一种基于需求侧竞价交易机制的电力系统优化调度方法，其特征在于：在步骤四中，所述建立以最小弃风量为目标考虑需求侧在辅助服务市场竞价交易并且计及风电并网风险成本的多目标优化调度模型；其具体内容如下：
以弃风最小、需求侧运营商收益最大和系统发电成本及风电接入风险成本最小为目标，构建目标函数如下：
式中，为总弃风量，为t时段弃风量；fπ为参与竞价运营商的总期望收益，f′i,t为t时段运营商i的期望收益；fc为火电机组运行费用，fj,t为j机组t时段的发电费用，fRCS为风电接入风险费用；
<mrow> <msub> <mi>f</mi> <mi>j</mi> </msub> <mo>=</mo> <msub> <mi>a</mi> <mi>j</mi> </msub> <msubsup> <mi>p</mi> <mi>j</mi> <mn>2</mn> </msubsup> <mo>+</mo> <msub> <mi>b</mi> <mi>j</mi> </msub> <msub> <mi>p</mi> <mi>j</mi> </msub> <mo>+</mo> <msub> <mi>c</mi> <mi>j</mi> </msub> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>21</mn> <mo>)</mo> </mrow> </mrow>
式中，aj、bj和cj为第j台火电机组的耗量特性系数；
约束条件如下：
1)系统功率平衡约束
<mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>g</mi> </msub> </munderover> <msub> <mi>P</mi> <mi>j</mi> </msub> <mo>+</mo> <msub> <mi>P</mi> <mi>w</mi> </msub> <mo>-</mo> <msubsup> <mi>P</mi> <mi>w</mi> <mrow> <mi>c</mi> <mi>u</mi> <mi>r</mi> <mi>t</mi> </mrow> </msubsup> <mo>=</mo> <msub> <mi>P</mi> <mi>L</mi> </msub> <mo>+</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msub> <mi>P</mi> <mi>i</mi> </msub> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>22</mn> <mo>)</mo> </mrow> </mrow>
式中，pL和pw为负荷预测值和风电预测值，Pi为参与竞价运营商增加的用电量，若为减少的用电量则取负值；
2)常规机组出力约束
Pj,min≤Pj≤Pj,max (23)
3)机组爬坡约束
Pj,t-Pj,t-1≤Ru,jΔT (24)
Pj,t-1-Pj,t≤Rd,jΔT (25)
式中，Ru,j和Rd,j分别为火电机组j的上下爬坡率；
4)系统正负旋转备用容量约束
pu,s≥pL×L％+pw×wu％-pu,t (26)
<mrow> <msub> <mi>p</mi> <mrow> <mi>d</mi> <mo>,</mo> <mi>s</mi> </mrow> </msub> <mo>&amp;GreaterEqual;</mo> <mrow> <mo>(</mo> <msubsup> <mi>p</mi> <mi>w</mi> <mi>max</mi> </msubsup> <mo>-</mo> <msub> <mi>p</mi> <mi>w</mi> </msub> <mo>)</mo> </mrow> <mo>&amp;times;</mo> <msub> <mi>w</mi> <mi>d</mi> </msub> <mi>%</mi> <mo>-</mo> <msub> <mi>p</mi> <mrow> <mi>d</mi> <mo>,</mo> <mi>t</mi> </mrow> </msub> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>27</mn> <mo>)</mo> </mrow> </mrow>
式中，pu,s和pd,s为系统正负备用容量，pu,t和pd,t为t时段需求侧提供的正负备用容量，L％和wu％为负荷和风电出力对备用容量的需求比例，为风电最大出力。
7.根据权利要求1所述的一种基于需求侧竞价交易机制的电力系统优化调度方法，其特征在于：在步骤五中，所述采用快速粒子群算法求解多目标优化调度模型，其具体内容如下：
(5-1)确定算例以及其必要特征；
(5-2)采用快速粒子群算法对算例进行仿真分析。
CN201710875247.1A 2017-09-25 2017-09-25 基于需求侧竞价交易机制的电力系统多目标优化调度方法 Active CN107665378B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710875247.1A CN107665378B (zh) 2017-09-25 2017-09-25 基于需求侧竞价交易机制的电力系统多目标优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710875247.1A CN107665378B (zh) 2017-09-25 2017-09-25 基于需求侧竞价交易机制的电力系统多目标优化调度方法

Publications (2)

Publication Number Publication Date
CN107665378A true CN107665378A (zh) 2018-02-06
CN107665378B CN107665378B (zh) 2021-05-28

Family

ID=61098475

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710875247.1A Active CN107665378B (zh) 2017-09-25 2017-09-25 基于需求侧竞价交易机制的电力系统多目标优化调度方法

Country Status (1)

Country Link
CN (1) CN107665378B (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108649556A (zh) * 2018-04-16 2018-10-12 东南大学 一种电网应急场景随机优化调度方法
CN109325677A (zh) * 2018-09-10 2019-02-12 浙江大学 一种基于计量机制的激励型需求响应方法
CN109523096A (zh) * 2018-12-28 2019-03-26 广东电网有限责任公司 可中断负荷作备用辅助服务的气电联合系统优化调度方法
CN109543910A (zh) * 2018-11-27 2019-03-29 长沙理工大学 一种考虑偏差考核惩罚的售电公司电量鲁棒决策电路及方法
CN109741103A (zh) * 2018-12-29 2019-05-10 中南大学 一种短期多目标双层优化调度方法
CN110648012A (zh) * 2019-08-08 2020-01-03 南瑞集团有限公司 一种需求侧资源参与多时间尺度辅助服务市场竞价方法
CN110783957A (zh) * 2019-11-06 2020-02-11 国网新疆电力有限公司经济技术研究院 计及需求响应的含风电电力系统旋转备用优化配置方法
CN111047470A (zh) * 2019-12-24 2020-04-21 国网江苏电力设计咨询有限公司 分布式储能电站参与电力辅助服务市场的运营方法
CN111126709A (zh) * 2019-12-27 2020-05-08 中国南方电网有限责任公司 调度出力的确定方法、装置、计算机设备和存储介质
CN111563617A (zh) * 2020-04-22 2020-08-21 国网上海市电力公司 一种虚拟电厂中长期备用交易的市场出清优化方法及系统
CN111756076A (zh) * 2020-07-27 2020-10-09 国网河南省电力公司电力科学研究院 一种储能辅助调峰服务市场的双层互动调度方法及装置
CN112232863A (zh) * 2020-10-13 2021-01-15 北京邮电大学 一种基于云边端协同的虚拟资源管理方法及系统
CN112258210A (zh) * 2020-09-07 2021-01-22 中国电力科学研究院有限公司 一种市场单侧报价下市场出清方法、装置、设备及介质
CN112651779A (zh) * 2020-12-25 2021-04-13 国网山东省电力公司日照供电公司 具有紧急型、经济型需求响应的市场化资源配置系统
CN112906997A (zh) * 2021-05-10 2021-06-04 国网江西省电力有限公司电力科学研究院 基于Stackelberg博弈的区域综合能源系统优化调度方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103679357A (zh) * 2013-12-06 2014-03-26 国网山东省电力公司 基于价格和激励的电力需求响应的智能决策方法
CN105896596A (zh) * 2016-04-15 2016-08-24 合肥工业大学 一种考虑需求侧响应的风电功率分层平滑系统及其方法
EP3067840A1 (en) * 2015-03-13 2016-09-14 Hitachi, Ltd. Energy control unit, energy control system, and energy management method

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103679357A (zh) * 2013-12-06 2014-03-26 国网山东省电力公司 基于价格和激励的电力需求响应的智能决策方法
EP3067840A1 (en) * 2015-03-13 2016-09-14 Hitachi, Ltd. Energy control unit, energy control system, and energy management method
CN105896596A (zh) * 2016-04-15 2016-08-24 合肥工业大学 一种考虑需求侧响应的风电功率分层平滑系统及其方法

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108649556A (zh) * 2018-04-16 2018-10-12 东南大学 一种电网应急场景随机优化调度方法
CN108649556B (zh) * 2018-04-16 2021-06-01 东南大学 一种电网应急场景随机优化调度方法
CN109325677A (zh) * 2018-09-10 2019-02-12 浙江大学 一种基于计量机制的激励型需求响应方法
CN109325677B (zh) * 2018-09-10 2021-07-06 浙江大学 一种基于计量机制的激励型需求响应方法
CN109543910A (zh) * 2018-11-27 2019-03-29 长沙理工大学 一种考虑偏差考核惩罚的售电公司电量鲁棒决策电路及方法
CN109523096A (zh) * 2018-12-28 2019-03-26 广东电网有限责任公司 可中断负荷作备用辅助服务的气电联合系统优化调度方法
CN109741103A (zh) * 2018-12-29 2019-05-10 中南大学 一种短期多目标双层优化调度方法
CN110648012A (zh) * 2019-08-08 2020-01-03 南瑞集团有限公司 一种需求侧资源参与多时间尺度辅助服务市场竞价方法
CN110648012B (zh) * 2019-08-08 2022-07-29 南瑞集团有限公司 一种需求侧资源参与多时间尺度辅助服务市场竞价方法
CN110783957A (zh) * 2019-11-06 2020-02-11 国网新疆电力有限公司经济技术研究院 计及需求响应的含风电电力系统旋转备用优化配置方法
CN111047470A (zh) * 2019-12-24 2020-04-21 国网江苏电力设计咨询有限公司 分布式储能电站参与电力辅助服务市场的运营方法
CN111126709B (zh) * 2019-12-27 2023-04-25 中国南方电网有限责任公司 调度出力的确定方法、装置、计算机设备和存储介质
CN111126709A (zh) * 2019-12-27 2020-05-08 中国南方电网有限责任公司 调度出力的确定方法、装置、计算机设备和存储介质
CN111563617A (zh) * 2020-04-22 2020-08-21 国网上海市电力公司 一种虚拟电厂中长期备用交易的市场出清优化方法及系统
CN111563617B (zh) * 2020-04-22 2023-09-19 国网上海市电力公司 一种虚拟电厂中长期备用交易的市场出清优化方法及系统
CN111756076A (zh) * 2020-07-27 2020-10-09 国网河南省电力公司电力科学研究院 一种储能辅助调峰服务市场的双层互动调度方法及装置
CN112258210A (zh) * 2020-09-07 2021-01-22 中国电力科学研究院有限公司 一种市场单侧报价下市场出清方法、装置、设备及介质
CN112232863B (zh) * 2020-10-13 2022-09-20 北京邮电大学 一种基于云边端协同的虚拟资源管理方法及系统
CN112232863A (zh) * 2020-10-13 2021-01-15 北京邮电大学 一种基于云边端协同的虚拟资源管理方法及系统
CN112651779A (zh) * 2020-12-25 2021-04-13 国网山东省电力公司日照供电公司 具有紧急型、经济型需求响应的市场化资源配置系统
CN112906997A (zh) * 2021-05-10 2021-06-04 国网江西省电力有限公司电力科学研究院 基于Stackelberg博弈的区域综合能源系统优化调度方法及装置
CN112906997B (zh) * 2021-05-10 2021-09-10 国网江西省电力有限公司电力科学研究院 基于Stackelberg博弈的区域综合能源系统优化调度方法及装置

Also Published As

Publication number Publication date
CN107665378B (zh) 2021-05-28

Similar Documents

Publication Publication Date Title
CN107665378A (zh) 基于需求侧竞价交易机制的电力系统多目标优化调度方法
Li et al. Distributed tri-layer risk-averse stochastic game approach for energy trading among multi-energy microgrids
Sadeghi et al. Optimal bidding strategy of a virtual power plant in day-ahead energy and frequency regulation markets: A deep learning-based approach
Liu Research on bidding strategy of virtual power plant considering carbon-electricity integrated market mechanism
CN109389327B (zh) 基于风光不确定性的多虚拟电厂时前合作方法
Song et al. Decision making of an electricity supplier's bid in a spot market
Salehpour et al. The effect of price responsive loads uncertainty on the risk-constrained optimal operation of a smart micro-grid
CN111311012A (zh) 基于多智能体的微电网电力市场双层竞价优化方法
Vakili et al. Interconnected microgrids: Optimal energy scheduling based on a game‐theoretic approach
Dotoli et al. A Nash equilibrium simulation model for the competitiveness evaluation of the auction based day ahead electricity market
Aryanezhad A robust game-theoretic optimization model for battery energy storage in multi-microgrids by considering of renewable based DGs uncertainty
Wang et al. Dynamic two-layer game for striking the balance of interest in multi-agent electricity market considering bilateral contracts and reward-punishment mechanism
CN113690875B (zh) 一种微网实时互动等值模型建立方法
Vincent et al. Sustainable microgrid design with peer-to-peer energy trading involving government subsidies and uncertainties
Moinian et al. An ISO-based security constrained generation maintenance coordination considering long-term SCOPF
Wang et al. Multi-agent simulation for strategic bidding in electricity markets using reinforcement learning
Teng et al. Trading behavior strategy of power plants and the grid under renewable portfolio standards in China: A tripartite evolutionary game analysis
Alshehri et al. Cash-settled options for wholesale electricity markets
Yan et al. Cross-regional green certificate transaction strategies based on a double-layer game model
Motalleb et al. A game theoretic model of demand response aggregator competition for selling stored energy in regulated and unregulated power markets
Shinde et al. A multi-agent model for cross-border trading in the continuous intraday electricity market
CN110929978A (zh) 一种电力市场风险评估方法及评估系统
Yang et al. Analysis of offering behavior of generation-side integrated energy aggregator in electricity market: A Bayesian evolutionary approach
Liu et al. Optimal bidding strategy for electricity sales company considering contract for difference and risk
Li et al. Prosumer energy-storage trading feasibility evaluation and price bundling

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240108

Address after: 830000, Unit 503, Building 33 East, No. 198 Zhonghuan Road, Tianshan District, Urumqi, Xinjiang Uygur Autonomous Region

Patentee after: Zhang Xinlian

Address before: No.13, 3rd floor, building 1, No.1, Tidu street, Qingyang District, Chengdu, Sichuan 610000

Patentee before: Chengdu yishenrui Technology Co.,Ltd.

Effective date of registration: 20240108

Address after: No.13, 3rd floor, building 1, No.1, Tidu street, Qingyang District, Chengdu, Sichuan 610000

Patentee after: Chengdu yishenrui Technology Co.,Ltd.

Address before: 066004 No. 438 west section of Hebei Avenue, seaport District, Hebei, Qinhuangdao

Patentee before: Yanshan University

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240122

Address after: 830000, Room 1803, Building B, E-Yangzhenpin, No. 276 Guangming Road, Tianshan District, Urumqi, Xinjiang Uygur Autonomous Region

Patentee after: Xinjiang Zhonglian Yiheng Energy Investment Co.,Ltd.

Country or region after: China

Address before: 830000, Unit 503, Building 33 East, No. 198 Zhonghuan Road, Tianshan District, Urumqi, Xinjiang Uygur Autonomous Region

Patentee before: Zhang Xinlian

Country or region before: China