CN108399492A - 一种虚拟电厂内部收益分配方法 - Google Patents
一种虚拟电厂内部收益分配方法 Download PDFInfo
- Publication number
- CN108399492A CN108399492A CN201810107620.3A CN201810107620A CN108399492A CN 108399492 A CN108399492 A CN 108399492A CN 201810107620 A CN201810107620 A CN 201810107620A CN 108399492 A CN108399492 A CN 108399492A
- Authority
- CN
- China
- Prior art keywords
- virtual plant
- alliance
- income
- load
- distribution method
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 230000005611 electricity Effects 0.000 claims description 24
- 230000004044 response Effects 0.000 claims description 24
- 230000009467 reduction Effects 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 238000012512 characterization method Methods 0.000 claims description 4
- 230000005284 excitation Effects 0.000 claims description 4
- 230000008901 benefit Effects 0.000 claims description 3
- 238000002485 combustion reaction Methods 0.000 claims description 3
- 238000010248 power generation Methods 0.000 claims description 3
- 240000002853 Nelumbo nucifera Species 0.000 claims description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 2
- 239000011800 void material Substances 0.000 claims 1
- 230000000694 effects Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000013598 vector Substances 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or 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
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Power Engineering (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种虚拟电厂内部收益分配方法,包括:获取作为虚拟电厂内成员的分布式发电单元的功率预测数据和虚拟电厂所供用电负荷的功率预测数据;根据虚拟电厂内成员的种类,列出所有可能性的联盟组合;确定每种联盟组合下的优化变量、约束条件和表示收益的特征函数;利用优化变量、约束条件和表示收益的特征函数,采用算法求解每种联盟组合下的虚拟电厂的收益;利用求解的收益,计算虚拟电厂内各个分布式发电单元的表示的基本Shapley值,其中Shapley值表示根据各分布式发电单元对联盟边际贡献的大小而进行的收益分配;计算风险因子;计算风险因子修正改进的Shapley值。
Description
技术领域
本发明涉及电力系统的新能源调度运行技术领域,尤其涉及一种交易日结束之后虚拟电厂(Virtual Power Plant)收益分配方法。
背景技术
随着电力需求的不断增长以及全球范围内能源紧缺、环境污染和气候变化等问题的日益严峻,传统能源发电的弊端日趋凸显,清洁能源成为能源开发主流趋势,实现由不可再生能源向清洁能源的转变加快。虚拟电厂通过先进的控制、计量、通信等技术聚合不可控机组、可控机组、储能系统、可控负荷等多种类型的分布式电源,利用不同分布式电源之间的时空互补性,消纳分布式电源的出力随机性,实现多个分布式电源之间的协调优化运行,以及资源的合理优化配置及利用。虚拟电厂作为对分布式电源接入电网进行有效管理的重要形式,日益受到重视。
虚拟电厂的内部收益分配机制包括均分策略、按容分配策略、等MDP值分配策略、基本Shapley值(Shapley Value)分配策略、核仁分摊策略。均分策略忽略参与者的不同贡献,将利益平均分摊。按容分配策略根据各个参与者出力大小,对利益进行按比例分配。等MDP值分配确保各参与者在该分配策略下的满意度是相同的。基本Shapley值分配是根据各个参与者对联盟的边际贡献进行利益的分配。核仁分摊策略的基本思路是在分配属于核仁的条件下,最不理想的联盟收益也要优于其他分配向量的最不理想的联盟收益。
但是,总体上,目前对于虚拟电厂内部单元收益分配函数的考虑较为简单,未考虑不同类型分布式电源在虚拟电厂组成中所发挥的不同贡献,未对不同成员在虚拟电厂中承担的不同风险进行衡量。然而,虚拟电厂内部的运行管理对象主要包括各种分布式电源、储能系统以及可控负荷等。内部各个对象又可能隶属于不同的所有者。虚拟电厂运行调度形成稳定的输出参与市场获得利润后,需要研究如何对内部分布式电源所做出的贡献进行合理的补偿。运行中,柴油机组等可控分布式电源往往对风电、光伏发电等被动不可控电源起着备用作用。如果单纯地以出力大小评估各个分布式电源的贡献并不能公平地反映其在运行过程中所发挥的作用。同时,如果分配不合理,部分分布式电源可能会选择脱离虚拟电厂,对虚拟电厂的稳定运行造成不容忽视的威胁。
发明内容
有鉴于现有技术的上述缺陷,本发明所要解决的技术问题是提供一种虚拟电厂内部收益分配方法以克服或减轻现有技术的上述缺陷,确保虚拟电厂的稳定运行。
为实现上述目的,本发明提供了一种虚拟电厂内部收益分配方法,包括:
获取作为虚拟电厂内成员的分布式发电单元的功率预测数据和虚拟电厂所供用电负荷的功率预测数据;
根据虚拟电厂内成员的种类,列出所有可能性的联盟组合;
确定每种联盟组合下的优化变量、约束条件和表示收益的特征函数;
利用优化变量、约束条件和表示收益的特征函数,采用算法求解每种联盟组合下的虚拟电厂的收益;
利用求解的收益,计算虚拟电厂内各个分布式发电单元的表示的基本Shapley值,其中Shapley值表示根据各分布式发电单元对联盟边际贡献的大小而进行的收益分配;
计算风险因子;
计算风险因子修正改进的Shapley值。
优选地,风险因子为:
Δη(i)=γΔP(i)2
其中,Δη(i)为第i个有风险成员的风险因子,γ为单位风险成本,ΔP(i)为第i个成员的出力偏差;
将风险因子归一化得到归一化的风险因子:
优选地,风险因子修正改进的Shapley值为:
其中,v(n)为联盟收益。
优选地,作为虚拟电厂内成员的分布式发电单元为风机、光伏、燃气轮机;虚拟电厂的特征函数取为:
maxf=-(Cpur+CWT+CPV+CMT-Ccom)
式中,Cpur为购电成本,CWT、CPV、CMT分别为风机、光伏、燃气轮机的成本,Ccom为补偿成本;LD、ΔLD为负荷预测值与削减值,WT、ΔWT为风机预测值与风机弃电值,PV、ΔPV为光伏预测值与光伏弃电值,MT为燃气轮机的出力;λt为电价,a、b、c为燃气轮机的成本系数,εWT、εPV为风机和光伏的出力波动值,虚拟电厂的组合状态被表示为[x1,x2,x3],其中x1、x2、x3为表征成员风机、光伏、燃气轮机是否参与虚拟电厂的变量,取值为0或1,通过调整x1、x2、x3的数值来区分不同的虚拟电厂组合;
优化变量为虚拟电厂内各成员24小时的调度功率,约束条件包括:
功率平衡约束
其中,Pmarket为虚拟电厂购售电量;
联络线功率约束
Pmarket min≤Pmarket≤Pmarket max
其中,Pmarket max和Pmarket min分别为联络线最大传输功率和最小传输功率;
发电单元出力上下限约束
MTmin≤MT≤MTmax
其中,MTmax和MTmin为燃机轮机出力上下限;
弃电量约束
ΔWTmin≤ΔWT≤ΔWTmax
ΔPVmin≤ΔPV≤ΔPVmax
其中,ΔWTmax、ΔWTmin为风机弃电量上下限,ΔPVmax、ΔPVmin为光伏弃电量上下限;
需求响应负荷调整量约束
-αLD≤ΔLD≤αLD
其中,α为需求响应负荷调整量最大比例。
优选地,第i个分布式发电单元的Shapley值为:
其中,S为所有可能的子联盟,s为联盟S中分布式发电单元的个数,n为所有分布式发电单元的个数,N为所有分布式发电单元的集合,v(s)为联盟收益。
优选地,所述虚拟电厂内部收益分配方法进一步包括:验证基于改进的Shapley值的分配策略的有效性,其中在x(i)≥v({i}),i∈N以及同时成立的情况下判断基于改进的Shapley值的分配策略有效,否则判断基于改进的Shapley值的分配策略无效。
优选地,在判断基于改进的Shapley值的分配策略有效的情况下验证虚拟电厂内部成员的满意度。
优选地,在判断基于改进的Shapley值的分配策略无效的情况下,重新采用算法求解每种联盟组合下的虚拟电厂的收益。
优选地,所述虚拟电厂内部收益分配方法进一步包括:采用MDP指标计算虚拟电厂内部成员对分配策略的满意程度,MDP指标为:
当MDP指标的值处于0-1之间,则判定各分布式发电单元是满意的。否则当MDP指标的值不处于0-1之间,重新采用算法求解每种联盟组合下的虚拟电厂的收益。
优选地虚拟电厂内部收益分配方法进一步包括:
执行需求响应负荷补偿策略;
其中,在基于激励的需求响应负荷中,当负荷参与削减负荷时,负荷用户得到的补偿为:C=k1ΔLD2+k2ΔLD,式中k1和k2为补偿系数,补偿系数通常为正数,ΔLD为负荷削减量;
在基于价格的需求响应负荷中,当负荷参与削减负荷时,负荷用户得到的补偿为:C=λLD-R(λ+Δλ)(LD-ΔLD),式中λ为电价,Δλ为电价升高量,R为优惠电价比例,LD为负荷预测量,ΔLD为负荷削减量。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本发明的目的、特征和效果。
附图说明
结合附图,并通过参考下面的详细描述,将会更容易地对本发明有更完整的理解并且更容易地理解其伴随的优点和特征,其中:
图1是根据本发明优选实施例的虚拟电厂内部收益分配方法的流程图。
图2是根据本发明优选实施例的具体示例的预测数据与实际出力对比图。
图3是根据本发明优选实施例的具体示例的PBDR响应结果示意图。
需要说明的是,附图用于说明本发明,而非限制本发明。注意,表示结构的附图可能并非按比例绘制。并且,附图中,相同或者类似的元件标有相同或者类似的标号。
具体实施方式
本发明公开了一种虚拟电厂内部收益分配方法,所述虚拟电厂内部收益分配方法包括:建立基于风险因子的改进Shapley值的虚拟电厂内部发电单元的收益分配方法;根据虚拟电厂内部需求响应负荷的种类计算需求响应负荷补偿;对所述的虚拟电厂内部收益分配方法进行有效性验证;对虚拟电厂内部成员进行满意度评价。
虚拟电厂内部收益分配方法的具体步骤如下所示:
1)获取虚拟电厂内各成员(分布式发电单元)的功率预测数据和虚拟电厂所供用电负荷的功率预测数据。
2)根据虚拟电厂内成员(分布式发电单元)的种类,列出所有可能性的联盟组合,方便后期计算每种组合联盟的收益。
3)确定每种联盟组合下的优化变量、约束条件和特征函数(收益)。
典型的含有风机、光伏、燃气轮机的虚拟电厂参数如下所示:
在对虚拟电厂内部收益进行分配时,需要计算特征函数f。特征函数是表征不同组合下虚拟电厂的收益。本发明的实施例所述及的虚拟电厂的特征函数取为:
maxf=-(Cpur+CWT+CPV+CMT-Ccom)
式中,Cpur为购电成本,CWT、CPV、CMT分别为风机、光伏、燃气轮机的成本,Ccom为补偿成本。LD、ΔLD为负荷预测值与削减值,WT、ΔWT为风机预测值与风机弃电值,PV、ΔPV为光伏预测值与光伏弃电值,MT为燃气轮机的出力。λt为电价,a、b、c为燃气轮机的成本系数,分别取0.03,0.22,1。εWT、εPV为风机和光伏的出力波动值。虚拟电厂的组合状态可表示为[x1,x2,x3],其中x1、x2、x3为表征成员风机、光伏、燃气轮机是否参与虚拟电厂的0或1变量。通过调整x1、x2、x3的数值来区分不同的虚拟电厂组合。
优化变量为:虚拟电厂内各成员(分布式发电单元)24小时的调度功率。
约束条件包括:
功率平衡约束
其中,Pmarket为虚拟电厂购售电量。
联络线功率约束
Pmarket min≤Pmarket≤Pmarket max
其中,Pmarket max和Pmarket min分别为联络线最大传输功率和最小传输功率。
发电单元出力上下限约束
MTmin≤MT≤MTmax
其中,MTmax和MTmin为燃机轮机出力上下限。
弃电量约束
ΔWTmin≤ΔWT≤ΔWTmax
ΔPVmin≤ΔPV≤ΔPVmax
其中,ΔWTmax、ΔWTmin为风机弃电量上下限,ΔPVmax、ΔPVmin为光伏弃电量上下限。
需求响应负荷调整量约束
-αLD≤ΔLD≤αLD
其中,α为需求响应负荷调整量最大比例。
4)采用算法求解每种联盟组合下的虚拟电厂的收益。因为步骤3中,求解的特征函数是典型的非线性优化问题,需要采用优化算法来准确地搜索到全局最优点,通常采用比较成熟的粒子群算法(PSO)来求解特征函数的最大值(收益)。
5)计算虚拟电厂内各个分布式发电单元的基本Shapley值。
此处用到合作博弈论。合作博弈的定义:对于支付可转移的合作博弈是由一个由有限个参与者组成的参与者集合N={1,2,...,n}和定义在集合N上的一个函数v(N)组成的,函数v(N)可以对集合N中每个可能存在的非空子集S进行赋值,其函数值为一个实数。通常用<N,v>来表示这样一个支付可转移的合作博弈。
特征函数的定义:设有n个参与者的集合N={1,2,...,n},对于集合N的任一子集定义一个实值函数V(S),该函数满足以下两个条件:(1) 表示空集;(2)当时,有V(S1∩S2)≥V(S1)+V(S2)。则称V(S)为这个支付可转移的n人合作博弈的特征函数,V(S)代表着联盟S的效用,对n人合作博弈的每一种可能的联盟都给出了相应的联盟收益,其中S是N的任意子集(联盟)。
Shapley值可以根据各分布式发电单元对联盟边际贡献的大小进行收益分配,使每个分布式发电单元都能获得比不加入虚拟电厂联盟更多的收益。即第i个分布式发电单元的Shapley值为:
其中,S为所有可能的子联盟,s为联盟S中分布式发电单元的个数,n为所有分布式发电单元的个数,N为所有分布式发电单元的集合,v(s)为联盟收益。
6)计算风险因子
当多种分布式发电单元组合成为虚拟电厂运行时,储能设备或常规机组为了平抑不可控机组的出力波动性和间歇性,放弃了一部分的售电收入。故而,为了保持虚拟电厂的稳定性,需要对虚拟电厂的收益进行内部分配。传统的Shapley值分配策略虽然可以明确表征联盟内成员对联盟的边际贡献,然而Shapley值假定所有成员的特性相同,认为成员所承担的风险是平均的,忽略了联盟中成员个体可能具有不同的属性,没有考虑成员在运行过程中可能承担不同的风险情况。
考虑到虚拟电厂中可控机组为了配合可再生能源机组的运行,降低了自身的运行效率和出力水平,需合理度量各分布式电源在虚拟电厂运行中所做出的贡献。对于常规机组,其风险因子可定义为其随机故障率。对于分布式电源,特定义风险因子:
Δη(i)=γΔP(i)2
其中,Δη(i)为第i个有风险成员的风险因子,γ为单位风险成本,ΔP(i)为第i个成员的出力偏差。
将风险因子归一化:
7)计算风险因子修正改进的Shapley值
其中,v(n)为联盟收益,即虚拟电厂总收益。
8)验证上述分配策略(即,基于改进的Shapley值的分配策略)的有效性基于虚拟电厂内部每个成员都是理性的,一个能让所有分布式发电单元所接受的分配策略一定符合个体理性和整体理性,这样的一个分配策略可称为一个有效的分配。下面给出个体理性和整体理性的定义。
个体理性:支付可转移的合作博弈<N,v>中,分配策略x={x(1),x(2),...,x(n)}是符合个体理性的,当且仅当,每位博弈参与者所获得的分配都比处于完全竞争的情况下要高,即:
x(i)≥v({i}),i∈N
整体理性:支付可转移的合作博弈<N,v>中,分配策略x={x(1),x(2),...,x(n)}是符合整体理性的,当且仅当,每位博弈参与者所获得的分配的总和与总联盟的效用相等,即:
在一个稳定的分配下,由于组成一个新的联盟并不能使任何一个博弈参与者能够获得更大的收益,故而任何一个博弈参与者都不会选择脱离联盟而是愿意保持原状。
如果满足个体理性和整体理性,则再进行下一个步骤的满意度验证,如果不满足,重新进行步骤4,继续用算法求解。
9)验证虚拟电厂内部成员的满意度
采用MDP指标计算虚拟电厂内部成员对分配策略的满意程度。即:
MDP指标如果处于0-1之间,则说明各分布式发电单元是满意的,可以接受利益分配的策略,若不满足,重新进行步骤4,继续用算法求解。
10)需求响应负荷补偿策略
若虚拟电厂内的负荷为需求响应负荷,在风电、光伏的出力发生波动或可控机组发生故障时,负荷可以通过激励或电价的方式进行响应,调整自身的用电行为。
若为基于激励的需求响应负荷,当负荷参与削减负荷时,负荷用户得到的补偿应为:
C=k1ΔLD2+k2ΔLD
式中,k1和k2为补偿系数,补偿系数通常为正数,ΔLD为负荷削减量。
若为基于价格的需求响应负荷,当负荷参与削减负荷时,负荷用户得到的补偿应为:
C=λLD-R(λ+Δλ)(LD-ΔLD)
式中,λ为电价,Δλ为电价升高量,R为优惠电价比例,LD为负荷预测量,ΔLD为负荷削减量。
用需求价格弹性系数ε描述基于价格的需求响应能力:
进一步化简,得到:
C=aΔLD2+bΔLD+c
其中:
c=(1-R)λLD
本发明考虑了虚拟电厂内部分布式电源可能隶属于不同所有者,提出了基于风险因子的改进Shapley值分配策略,并讨论该分配的稳定性,确保内部各成员的满意度。
而且,本发明所提的基于风险因子的改进Shapley值虚拟电厂收益分配策略可以体现可控机组对其他分布式电源的出力间歇性的补偿作用,有效衡量虚拟电厂内部各个分布式电源的贡献,该分配原则下的分配策略可以使得虚拟电厂内部各个成员接受该分配,从而维持虚拟电厂的运行稳定性。
<具体示例>
下面以一虚拟电厂为例介绍本发明。本发明涉及的虚拟电厂包括一台风电机组(WT)、一台光伏机组(PV)、一台燃气轮机(MT)及需求响应负荷(PBDR)。在对虚拟电厂进行内部收益分配之前,读取虚拟电厂在该调度日内的出力预测数据、实际出力数据如图2所示。电价采用分时电价,峰时段(6:00-19:00)电价设为1.5元,谷时段(0:00-6:00,19:00-24:00)电价设为0.5元。
1)基于风险因子的改进Shapley值的虚拟电厂内部发电单元的收益分配方法
在得到上述信息之后,虚拟电厂的数据处理中心对该数据进行处理,计算得到风险因子,并将风险因子归一化。在某一调度日结束后,虚拟电厂得到各成员单位的预测出力与实际出力,计算风险因子对风险成员的日内偏差进行惩罚,对无风险成员进行补偿。
不同组合下的虚拟电厂具体收益情况如表1所示(采用粒子群优化算法求解)。
表1各种组合情况下的收益情况
根据以上信息计算基本Shapley值、风险因子,从而得到改进的Shapley值,如表2所示。
表2分配结果
成员类型 | 基本Shapley值 | 风险因子 | 改进的Shapley值 |
风电机组 | 4.39561 | 0.38 | 3.90436 |
光伏机组 | 2.45381 | 0.32 | 2.59417 |
燃气轮机 | 3.67750 | 0.3 | 4.02839 |
其中:
基本Shapley值的计算公式为:
风险因子由预测值和实际值的差值,单位风险成本γ取为0.1,由此计算得到WT的风险因子为0.0019,PV的风险因子为0.0016。假设燃气轮机的随机故障率为0.15%。即:
Δη(1)=0.0019,Δη(2)=0.0016,Δη(3)=0.0015
将风险因子归一化:
改进的Shapley值的计算公式为:
因此,WT、PV、MT获得的收益分配为3.90436万元、2.59417万元、4.02839万元。
2)需求响应负荷补偿计算
在某一调度日结束之后,虚拟电厂内各个时刻的需求响应负荷响应结果如图3所示。
在本例中的PBDR,参数设置如下:R为0.2,λ为0.42,ε为-0.17,α为0.2。
可以计算得到每个时段:c=(1-R)λLD
则该调度日内总补偿为:
由技术方案中的公式(6)-(11),结合调度日内的负荷预测值及需求响应后的负荷调整值,可计算得到虚拟电厂内的基于价格的需求响应负荷补偿为2.62807万元。
3)有效性验证
个体理性:
x'(1)=3.90436≥v({1})=2.3405
x'(2)=2.59417≥v({2})=1.6317
x'(3)=4.02839≥v({3})=0
整体理性:
x'(1)+x'(2)+x'(3)=3.90436+2.59417+4.02839=v({1,2,3})=10.52692
故该分配策略满足个体理性与整体理性,该分配策略是有效的。
4)满意度评价
根据技术方案中的公式(14)计算虚拟电厂内部成员的满意度。
可得到,WT、PV、MT的满意度分别为0.94、0.56、0.46,均小于1。故认为虚拟电厂内所有成员均愿意接受该分配。
上述说明示出并描述了本发明的优选实施例,如前所述,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述发明构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (10)
1.一种虚拟电厂内部收益分配方法,其特征在于包括:
获取作为虚拟电厂内成员的分布式发电单元的功率预测数据和虚拟电厂所供用电负荷的功率预测数据;
根据虚拟电厂内成员的种类,列出所有可能性的联盟组合;
确定每种联盟组合下的优化变量、约束条件和表示收益的特征函数;
利用优化变量、约束条件和表示收益的特征函数,采用算法求解每种联盟组合下的虚拟电厂的收益;
利用求解的收益,计算虚拟电厂内各个分布式发电单元的表示的基本Shapley值,其中Shapley值表示根据各分布式发电单元对联盟边际贡献的大小而进行的收益分配;
计算风险因子;
计算风险因子修正改进的Shapley值。
2.如权利要求1所述的虚拟电厂内部收益分配方法,其特征在于,
风险因子为:
Δη(i)=γΔP(i)2
其中,Δη(i)为第i个有风险成员的风险因子,γ为单位风险成本,ΔP(i)为第i个成员的出力偏差;
将风险因子归一化得到归一化的风险因子:
3.如权利要求1或2所述的虚拟电厂内部收益分配方法,其特征在于,
风险因子修正改进的Shapley值为:
其中,v(n)为联盟收益。
4.如权利要求1或2所述的虚拟电厂内部收益分配方法,其特征在于,
作为虚拟电厂内成员的分布式发电单元为风机、光伏、燃气轮机;虚拟电厂的特征函数取为:
max f=-(Cpur+CWT+CPV+CMT-Ccom)
式中,Cpur为购电成本,CWT、CPV、CMT分别为风机、光伏、燃气轮机的成本,Ccom为补偿成本;LD、ΔLD为负荷预测值与削减值,WT、ΔWT为风机预测值与风机弃电值,PV、ΔPV为光伏预测值与光伏弃电值,MT为燃气轮机的出力;λt为电价,a、b、c为燃气轮机的成本系数,εWT、εPV为风机和光伏的出力波动值,虚拟电厂的组合状态被表示为[x1,x2,x3],其中x1、x2、x3为表征成员风机、光伏、燃气轮机是否参与虚拟电厂的变量,取值为0或者1,通过调整x1、x2、x3的数值来区分不同的虚拟电厂组合;
优化变量为虚拟电厂内各成员24小时的调度功率,约束条件包括:
功率平衡约束x1(WT+ΔWT+εWT)+x2(PV+ΔPV+εPV)+x3MT=LD-ΔLD+Pmarket,
其中,Pmarket为虚拟电厂购售电量;
联络线功率约束
Pmarket min≤Pmarket≤Pmarket max
其中,Pmarket max和Pmarket min分别为联络线最大传输功率和最小传输功率;
发电单元出力上下限约束
MTmin≤MT≤MTmax
其中,MTmax和MTmin为燃机轮机出力上下限;
弃电量约束
ΔWTmin≤ΔWT≤ΔWTmax
ΔPVmin≤ΔPV≤ΔPVmax
其中,ΔWTmax、ΔWTmin为风机弃电量上下限,ΔPVmax、ΔPVmin为光伏弃电量上下限;
需求响应负荷调整量约束
-αLD≤ΔLD≤αLD
其中,α为需求响应负荷调整量最大比例。
5.如权利要求4所述的虚拟电厂内部收益分配方法,其特征在于,第i个分布式发电单元的Shapley值为:
其中,S为所有可能的子联盟,s为联盟S中分布式发电单元的个数,n为所有分布式发电单元的个数,N为所有分布式发电单元的集合,v(s)为联盟收益。
6.如权利要求4所述的虚拟电厂内部收益分配方法,其特征在于进一步包括:验证基于改进的Shapley值的分配策略的有效性,其中在x(i)≥v({i}),i∈N以及同时成立的情况下判断基于改进的Shapley值的分配策略有效,否则判断基于改进的Shapley值的分配策略无效。
7.如权利要求6所述的虚拟电厂内部收益分配方法,其特征在于,在判断基于改进的Shapley值的分配策略有效的情况下验证虚拟电厂内部成员的满意度。
8.如权利要求6所述的虚拟电厂内部收益分配方法,其特征在于,在判断基于改进的Shapley值的分配策略无效的情况下,重新采用算法求解每种联盟组合下的虚拟电厂的收益。
9.如权利要求7所述的虚拟电厂内部收益分配方法,其特征在于进一步包括:
采用MDP指标计算虚拟电厂内部成员对分配策略的满意程度,MDP指标为:
其中,当MDP指标的值处于0-1之间,则判定各分布式发电单元是满意的。否则当MDP指标的值不处于0-1之间,重新采用算法求解每种联盟组合下的虚拟电厂的收益。
10.如权利要求1或2所述的虚拟电厂内部收益分配方法,其特征在于进一步包括:
执行需求响应负荷补偿策略;
其中,在基于激励的需求响应负荷中,当负荷参与削减负荷时,负荷用户得到的补偿为:C=k1ΔLD2+k2ΔLD,式中k1和k2为补偿系数,补偿系数通常为正数,ΔLD为负荷削减量;
在基于价格的需求响应负荷中,当负荷参与削减负荷时,负荷用户得到的补偿为:C=λLD-R(λ+Δλ)(LD-ΔLD),式中λ为电价,Δλ为电价升高量,R为优惠电价比例,LD为负荷预测量,ΔLD为负荷削减量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810107620.3A CN108399492A (zh) | 2018-02-02 | 2018-02-02 | 一种虚拟电厂内部收益分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810107620.3A CN108399492A (zh) | 2018-02-02 | 2018-02-02 | 一种虚拟电厂内部收益分配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108399492A true CN108399492A (zh) | 2018-08-14 |
Family
ID=63095394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810107620.3A Pending CN108399492A (zh) | 2018-02-02 | 2018-02-02 | 一种虚拟电厂内部收益分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108399492A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109389327A (zh) * | 2018-11-08 | 2019-02-26 | 贵州电网有限责任公司 | 基于风光不确定性的多虚拟电厂时前合作方法 |
CN109447348A (zh) * | 2018-10-29 | 2019-03-08 | 上海交通大学 | 一种基于模糊联盟的虚拟电厂优化组合机制 |
CN110245790A (zh) * | 2019-05-31 | 2019-09-17 | 国网上海市电力公司 | 基于虚拟电厂技术的区域负荷精准调节方法 |
CN111008739A (zh) * | 2019-12-04 | 2020-04-14 | 华北电力大学 | 一种热电联产虚拟电厂优化调控及收益分配方法及系统 |
CN111311033A (zh) * | 2020-04-24 | 2020-06-19 | 广东卓维网络有限公司 | 一种基于电量互保评价的售电公司电量偏差控制系统 |
CN111952967A (zh) * | 2020-08-11 | 2020-11-17 | 广东电网有限责任公司广州供电局 | 一种多微电网系统停电故障恢复方法、系统及设备 |
CN112465248A (zh) * | 2020-12-03 | 2021-03-09 | 华北电力大学 | 考虑碳交易的虚拟电厂优化运行及收益分配方法及系统 |
CN112766541A (zh) * | 2020-12-31 | 2021-05-07 | 国网上海能源互联网研究院有限公司 | 考虑出力预测误差的虚拟电厂利益分配机制的方法及系统 |
CN117628663A (zh) * | 2024-01-16 | 2024-03-01 | 广州海颐软件有限公司 | 一种基于互动调节的空调负荷集群参与需求响应收益分配方法 |
-
2018
- 2018-02-02 CN CN201810107620.3A patent/CN108399492A/zh active Pending
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109447348B (zh) * | 2018-10-29 | 2022-01-11 | 上海交通大学 | 一种基于模糊联盟的虚拟电厂优化组合机制 |
CN109447348A (zh) * | 2018-10-29 | 2019-03-08 | 上海交通大学 | 一种基于模糊联盟的虚拟电厂优化组合机制 |
CN109389327A (zh) * | 2018-11-08 | 2019-02-26 | 贵州电网有限责任公司 | 基于风光不确定性的多虚拟电厂时前合作方法 |
CN109389327B (zh) * | 2018-11-08 | 2022-04-01 | 贵州电网有限责任公司 | 基于风光不确定性的多虚拟电厂时前合作方法 |
CN110245790A (zh) * | 2019-05-31 | 2019-09-17 | 国网上海市电力公司 | 基于虚拟电厂技术的区域负荷精准调节方法 |
CN111008739A (zh) * | 2019-12-04 | 2020-04-14 | 华北电力大学 | 一种热电联产虚拟电厂优化调控及收益分配方法及系统 |
CN111008739B (zh) * | 2019-12-04 | 2021-03-30 | 华北电力大学 | 一种热电联产虚拟电厂优化调控及收益分配方法及系统 |
CN111311033A (zh) * | 2020-04-24 | 2020-06-19 | 广东卓维网络有限公司 | 一种基于电量互保评价的售电公司电量偏差控制系统 |
CN111952967A (zh) * | 2020-08-11 | 2020-11-17 | 广东电网有限责任公司广州供电局 | 一种多微电网系统停电故障恢复方法、系统及设备 |
CN111952967B (zh) * | 2020-08-11 | 2022-07-08 | 广东电网有限责任公司广州供电局 | 一种多微电网系统停电故障恢复方法、系统及设备 |
CN112465248A (zh) * | 2020-12-03 | 2021-03-09 | 华北电力大学 | 考虑碳交易的虚拟电厂优化运行及收益分配方法及系统 |
CN112766541A (zh) * | 2020-12-31 | 2021-05-07 | 国网上海能源互联网研究院有限公司 | 考虑出力预测误差的虚拟电厂利益分配机制的方法及系统 |
CN117628663A (zh) * | 2024-01-16 | 2024-03-01 | 广州海颐软件有限公司 | 一种基于互动调节的空调负荷集群参与需求响应收益分配方法 |
CN117628663B (zh) * | 2024-01-16 | 2024-06-04 | 广州海颐软件有限公司 | 一种基于互动调节的空调负荷集群参与需求响应收益分配方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108399492A (zh) | 一种虚拟电厂内部收益分配方法 | |
CN109727158B (zh) | 一种基于改进弱鲁棒优化的电热综合能源系统调度方法 | |
Zhang et al. | An optimal dispatch model for virtual power plant that incorporates carbon trading and green certificate trading | |
Volpato et al. | General guidelines for the optimal economic aggregation of prosumers in energy communities | |
Rezaei et al. | Economic-environmental risk-averse optimal heat and power energy management of a grid-connected multi microgrid system considering demand response and bidding strategy | |
Zhong et al. | Deep reinforcement learning framework for dynamic pricing demand response of regenerative electric heating | |
Ebrahimi et al. | Optimal scheduling of distributed generations in microgrids for reducing system peak load based on load shifting | |
Lim et al. | Optimal allocation of energy storage and solar photovoltaic systems with residential demand scheduling | |
Lin et al. | Optimal sharing energy of a complex of houses through energy trading in the Internet of energy | |
CN112116150A (zh) | 一种负荷聚合商参与蓄热式电采暖电力市场调节方法 | |
CN115603317A (zh) | 一种基于两阶段风险约束的虚拟电厂最优调度方法 | |
CN115907488B (zh) | 考虑用户积极性的新能源微电网多层级车网协同优化方法 | |
CN110649594A (zh) | 一种基于多能协同的工业园区综合需求响应调度方法 | |
CN116562567A (zh) | 一种考虑电力辅助服务的虚拟电厂聚合调控方法 | |
Liu et al. | Impact of industrial virtual power plant on renewable energy integration | |
Nethravathi et al. | A novel residential energy management system based on sequential whale optimization algorithm and fuzzy logic | |
CN115689166A (zh) | 一种区域分布式能源资源聚合利用方法及系统 | |
CN114970962A (zh) | 一种电气热综合能源系统优化方法 | |
Cheng et al. | Optimized configuration of distributed power generation based on multi-stakeholder and energy storage synergy | |
Li et al. | Three‐level interactive energy management strategy for optimal operation of multiple virtual power plants considering different time scales | |
CN113378447A (zh) | 一种太阳能光热电站参与的黑启动服务定价方法 | |
Zhang et al. | Low carbon multi‐objective scheduling of integrated energy system based on ladder light robust optimization | |
CN117391718A (zh) | 一种基于动态减排因子的绿电-ccer互认交易系统 | |
Liu et al. | Optimal design of a score-based incentive mechanism for promoting demand response participations of residential users | |
Yang et al. | A bidding model for virtual power plants to participate in demand response in the new power market environment |
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 |