CN109492905B - 一种基于购电量转移的可控资源控制方法 - Google Patents

一种基于购电量转移的可控资源控制方法 Download PDF

Info

Publication number
CN109492905B
CN109492905B CN201811322817.5A CN201811322817A CN109492905B CN 109492905 B CN109492905 B CN 109492905B CN 201811322817 A CN201811322817 A CN 201811322817A CN 109492905 B CN109492905 B CN 109492905B
Authority
CN
China
Prior art keywords
day
regional
cost
controllable
calling
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
Application number
CN201811322817.5A
Other languages
English (en)
Other versions
CN109492905A (zh
Inventor
刘继春
杨阳方
刘俊勇
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.)
Sichuan University
Original Assignee
Sichuan 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 Sichuan University filed Critical Sichuan University
Priority to CN201811322817.5A priority Critical patent/CN109492905B/zh
Publication of CN109492905A publication Critical patent/CN109492905A/zh
Application granted granted Critical
Publication of CN109492905B publication Critical patent/CN109492905B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/067—Enterprise or organisation modelling
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply

Abstract

本发明公开了一种基于购电量转移的可控资源控制方法，包括如下步骤：S1、获取区域代理商的可控资源、成本信息、电量以及电价信息；电量包括日前购电量，所述电价信息包括市场出清电价；S2、根据采集到的信息，建立区域代理商的月度随机鲁棒优化双层模型；S3、根据月度随机鲁棒优化双层模型，得到可控资源的调用日期，根据可控资源的调用日期、市场出清电价和日前购电量得到日前优化模型；S4、根据日前优化模型，得到购电量转移量与可控资源的调用量，并根据其进行购电和可控资源的控制；本发明解决了区域代理商在出清后获得的购电量与预期购电量存在偏差，以及区域代理商内部可控资源备而不用的问题。

Description

一种基于购电量转移的可控资源控制方法
技术领域
本发明属于电力市场领域，具体涉及一种基于购电量转移的可控资源控制方法。
背景技术
中国四川省有很多的水电，由于其中很多水电为径流式小水电，调节能力差，为了减少其不确定性，通常可以与当地负荷，经由区域代理商共同管理，并在电力市场中进行竞争。区域代理商除了要面对市场价格、其他代理商的压力，在日前市场购电时，区域代理商可能存在出清后获得的购电量与预期购电量存在偏差的情况。当出现日前市场购电偏差时，区域代理商需要进一步在实时市场中购电。然而实时市场价格通常具有较大的波动，较大的日前市场购电偏差会增加区域代理商的运营成本。为了消减日前市场购电量偏差，通常有两种思路，一是调用储能、需求响应等区域代理商内部的可控资源进行调节，二是采用区域代理商间的购电量转移策略，对各自的购电量实施转移，能够消减参加购电量转移策略的区域代理商电量正偏差和负偏差。
当前，针对电力市场中代理商的研究主要集中在购电决策上，现有技术针对聚集了弹性用户的代理商的报价问题，在考虑了市场风险和采用实验随机场景非参数分析模型的用户需求响应情况下，采用随机优化方法，建立了代理商利益最大化模型。现有技术在代理商面对日前、实时市场及用户消费行为的风险条件下，通过双层优化模型和时间序列中的最佳聚类构建了代理商制定的零售价格框架。现有技术提出了短期需求响应向代理商报价的交易机制，促使代理商利用需求响应来修正电量的不平衡状况，减少购电风险。现有技术提出了一种基于逐步奖赏的需求响应负荷作为代理商的能源，考虑了市场价格和响应行为的不确定性，建立了随机优化模型。现有技术考虑代理商聚合家庭用户的需求响应，建立了代理商参与日前市场购电决策模型。上述模型中利用需求响应是用于代理商削峰填谷或进行日前、实时购电决策，并没有考虑采取需求响应调用策略来消减区域代理商的日前市场购电偏差。现有技术提出代理商解决日前预测用电量与实际用电量之间偏差的方法，但没有解决代理商出清后获得的购电量与预期购电量存在偏差的问题。
与代理商间的购电量转移策略类似，现有技术采用互保策略和可中断负荷来减少日前市场购电偏差，但是代理商内部仅仅考虑了可中断负荷一种可控资源作为调节偏差的手段，对于未来可能具有多种可控资源的适用性不强，此外，现有技术只是在日前进行代理商的决策优化，没有从中长期尺度来对可控资源的调用日期进行合理规划，这样容易造成可控资源日前多“备”而实际少“用”的资源浪费状况。
综上所述，现有技术存在以下问题：
(1)在日前市场购电时，区域代理商存在出清后获得的购电量与预期购电量存在偏差的情况；
(2)现有技术只是在日前进行代理商的决策优化，没有从中长期尺度来对可控资源的调用日期进行合理规划，造成可控资源日前多“备”而实际少“用”的资源浪费状况。
发明内容
针对现有技术中的上述不足，本发明提供的一种基于购电量转移的可控资源控制方法，用于解决区域代理商在出清后获得的购电量与预期购电量存在偏差，以及区域代理商内部可控资源备而不用的问题。
为了达到上述发明目的，本发明采用的技术方案为：
一种基于购电量转移的可控资源控制方法，包括如下步骤：
S1：获取区域代理商的可控资源、成本信息、电量以及电价信息；
电量包括日前购电量，所述电价信息包括市场出清电价；
S2：根据采集到的信息，建立区域代理商的月度随机鲁棒优化双层模型；
S3：根据月度随机鲁棒优化双层模型，得到可控资源的调用日期，根据可控资源的调用日期、市场出清电价和日前购电量得到日前优化模型；
S4：根据日前优化模型，得到购电量转移量与可控资源的调用量，并根据其进行购电和可控资源的控制。
进一步地，步骤S1中，可控资源包括需求响应负荷和储能设备，需求响应负荷包括转移负荷和可中断负荷，储能设备为抽水蓄能电站；
成本信息包括可控资源的调用成本、中断成本、购电量转移成本以及储能的充、放电成本。
进一步地，步骤S2中，月度随机鲁棒优化双层模型的公式为：
Figure BDA0001857942360000031
式中，s为负荷预测场景变量；i、j均为区域代理商变量；d为日期变量；t为时段变量；k为可控资源变量；Δt为时间间隔；
Figure BDA0001857942360000032
为d天区域代理商i的可控资源k的调用成本；
Figure BDA0001857942360000033
为d天区域代理商i的可控资源k的调用状态；Ps为场景s的概率；
Figure BDA0001857942360000034
为t时段区域代理商i中断负荷的中断成本；
Figure BDA0001857942360000035
为中断量；
Figure BDA0001857942360000036
分别为t时段区域代理商i储能的充电、放电成本；
Figure BDA0001857942360000037
分别为各时段储能的充电、放电量；
Figure BDA0001857942360000038
为t时段区域代理商i和j之间的购电量转移成本；
Figure BDA0001857942360000039
Figure BDA00018579423600000310
分别为区域代理商i向j和区域代理商j向i的购电量转移电量；
Figure BDA00018579423600000311
分别为日前和实时的购电量；
Figure BDA0001857942360000041
分别为日前、实时电价；
Figure BDA0001857942360000042
为可转移负荷成本；
Figure BDA0001857942360000043
为可转移负荷的转移电量。
进一步地，月度随机鲁棒优化双层模型的约束条件包括：
可控资源的调用日期约束；
可中断负荷和可转移负荷的调节量上下限约束；
抽水蓄能的抽水、发电状态约束；
各区域代理商的能量平衡约束；
电价的鲁棒性约束。
进一步地，步骤S3中，日前优化模型包括调用月前可控资源的日前优化模型以及调用储能调整可控资源的日前优化模型。
进一步地，执行调用月前可控资源的日前优化模型的目标函数公式为：
Figure BDA0001857942360000044
式中，s'为优化负荷预测场景变量；i、j均为区域代理商变量；d为日期变量；t为时段变量；Δt为时间间隔；
Figure BDA0001857942360000045
为区域代理商i中断负荷的中断成本；
Figure BDA0001857942360000046
为优化中断量；
Figure BDA0001857942360000047
分别为t时段区域代理商i储能的充电、放电成本；
Figure BDA0001857942360000048
Figure BDA0001857942360000049
分别为各时段储能的优化充电、放电量；
Figure BDA00018579423600000410
为t时段区域代理商i和j之间的购电量转移成本；
Figure BDA00018579423600000411
分别为区域代理商i向j和区域代理商j向i的优化购电量转移电量；
Figure BDA00018579423600000412
为实时电价；
Figure BDA00018579423600000413
为可转移负荷成本；
Figure BDA00018579423600000414
为可转移负荷的转移电量；
Figure BDA00018579423600000415
为实时市场购电量；t1、t2为负荷转移的时刻。
进一步地，执行调用储能调整可控资源的日前优化模型的目标函数公式为：
Figure BDA0001857942360000051
式中，s'为优化负荷预测场景变量；i、j均为区域代理商变量；d为日期变量；t为时段变量；
Figure BDA0001857942360000052
为d天区域代理商i的储能设备的调用成本；
Figure BDA0001857942360000053
为区域代理商i的储能设备的调用状态；
Figure BDA0001857942360000054
为区域代理商i中断负荷的中断成本；
Figure BDA0001857942360000055
为优化中断量；
Figure BDA0001857942360000056
分别为t时段区域代理商i储能的充电、放电成本；
Figure BDA0001857942360000057
Figure BDA0001857942360000058
分别为各时段储能的优化充电、放电量；
Figure BDA0001857942360000059
为t时段区域代理商i和j之间的购电量转移成本；
Figure BDA00018579423600000510
分别为区域代理商i向j和区域代理商j向i的优化购电量转移电量；
Figure BDA00018579423600000511
为实时电价；
Figure BDA00018579423600000512
为可转移负荷成本；
Figure BDA00018579423600000513
为可转移负荷的转移电量；
Figure BDA00018579423600000514
为实时市场购电量；t1、t2为负荷转移的时刻。
本发明的有益效果为：
(1)本发明采用月度随机鲁棒优化双层模型，考虑了市场出清电价和日前购电量的不确定性，提高了发明的鲁棒性和准确性；
(2)本发明提出一种区域代理商间以购电量转移策略为媒介，相互借用可控资源资源的机制，消减了超出预期的偏差，解决了区域代理商出清后获得的购电量与预期购电量存在偏差的问题；
(3)本发明在中长期尺度中协调区域代理商内部可控资源的调用日期，解决了多个区域代理商内部可控资源备而不用的问题。
附图说明
图1为基于购电量转移的可控资源控制方法流程图；
图2为区域代理商第一天的净预测负荷曲线图；
图3为日前电价历史数据折线图；
图4为区域代理商可中断负荷成本图；
图5为区域代理商转移成本图；
图6为可控资源容量对优化成本的影响图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
在购电量转移策略中，集合中的两个区域代理商在日前市场出清后，出清日期来临前，将市场中买到的购电量进行转让，并向交易中心支付一定的购电量转移费用。在可控资源能够满足区域代理商内部需求的情况下，剩余的调节能力可以通过购电量转移策略借给其他区域代理商。
一种基于购电量转移的可控资源控制方法，如图1所示，包括如下步骤：
S1：获取区域代理商的可控资源、成本信息、电量以及电价信息；
电量包括日前购电量，所述电价信息包括市场出清电价；
可控资源包括需求响应负荷和储能设备，需求响应负荷包括转移负荷和可中断负荷，储能设备为抽水蓄能电站；
成本信息包括可控资源的调用成本、中断成本、购电量转移成本以及储能的充、放电成本；
S2：根据采集到的信息，建立区域代理商的月度随机鲁棒优化双层模型；
月度随机鲁棒优化双层模型不易直接通过优化算法进行求解，因此通过对偶原理将下层优化求解max转化为求解min从而与上层优化合并，双层模型转化为单层模型进行求解；
月度随机鲁棒优化双层模型的公式为：
Figure BDA0001857942360000071
式中，s为负荷预测场景变量；i、j均为区域代理商变量；d为日期变量；t为时段变量；k为可控资源变量；Δt为时间间隔；
Figure BDA0001857942360000072
为d天区域代理商i的可控资源k的调用成本；
Figure BDA0001857942360000073
为d天区域代理商i的可控资源k的调用状态；Ps为场景s的概率；
Figure BDA0001857942360000074
为t时段区域代理商i中断负荷的中断成本；
Figure BDA0001857942360000075
为中断量；
Figure BDA0001857942360000076
分别为t时段区域代理商i储能的充电、放电成本；
Figure BDA0001857942360000077
分别为各时段储能的充电、放电量；
Figure BDA0001857942360000078
为t时段区域代理商i和j之间的购电量转移成本；
Figure BDA0001857942360000079
Figure BDA00018579423600000710
分别为区域代理商i向j和区域代理商j向i的购电量转移电量；
Figure BDA00018579423600000711
分别为日前和实时的购电量；
Figure BDA00018579423600000712
分别为日前、实时电价；
Figure BDA00018579423600000713
为可转移负荷成本；
Figure BDA00018579423600000714
为可转移负荷的转移电量；
目标函数分为两层，上层的决策变量为随机优化的变量
Figure BDA00018579423600000715
下层的决策变量为
Figure BDA00018579423600000716
表示使得区域代理商恶劣决策的日前出清电价和实时电价；在月度随机鲁棒优化双层模型的公式中，其中第一项
Figure BDA00018579423600000717
表示区域代理商在某天调用可控负荷的费用，第二项
Figure BDA00018579423600000718
表示可中断负荷的调用成本，第三项
Figure BDA00018579423600000719
表示转移负荷的调用成本，第四项、第五项
Figure BDA00018579423600000720
分别为储能的充电、放电成本，第六项
Figure BDA00018579423600000721
表示购电量转移成本，最后两项
Figure BDA00018579423600000722
分别表示日前购电成本和实时购买偏差的成本；
月度随机鲁棒优化双层模型的约束条件包括：
可控资源的调用日期约束；
可中断负荷和可转移负荷的调节量上下限约束；
抽水蓄能的抽水、发电状态约束；
各区域代理商的能量平衡约束；
电价的鲁棒性约束，表示优化的结果对于不确定量电价具有鲁棒性，其中日前电价的预测值，通过ARIMA模型得到电价预测值，通常日前电价与实时电价越高，对区域代理商影响越恶劣，在描述电价的波动时，只取电价向上波动的区间；
S3：根据月度随机鲁棒优化双层模型，得到可控资源的调用日期，根据可控资源的调用日期、市场出清电价和日前购电量得到日前优化模型；
由于需求响应负荷在当日是否调用涉及到用户满意度，因此在月前确定的调用日期后不易进行改变，但是储能的调用变动影响相对需求响应较小，如果市场的出清结果波动太大或太小，与月前的预估不符，可以对各区域代理商的储能设备进行调整；日前优化模型包括调用月前可控资源的日前优化模型以及调用储能调整可控资源的日前优化模型；
执行调用月前可控资源的日前优化模型的目标函数公式为：
Figure BDA0001857942360000081
式中，s'为优化负荷预测场景变量；i、j均为区域代理商变量；d为日期变量；t为时段变量；Δt为时间间隔；
Figure BDA0001857942360000087
为区域代理商i中断负荷的中断成本；
Figure BDA0001857942360000082
为优化中断量；
Figure BDA0001857942360000083
分别为t时段区域代理商i储能的充电、放电成本；
Figure BDA0001857942360000084
Figure BDA0001857942360000085
分别为各时段储能的优化充电、放电量；
Figure BDA0001857942360000086
为t时段区域代理商i和j之间的购电量转移成本；
Figure BDA0001857942360000091
分别为区域代理商i向j和区域代理商j向i的优化购电量转移电量；
Figure BDA0001857942360000092
为实时电价；
Figure BDA0001857942360000093
为可转移负荷成本；
Figure BDA0001857942360000094
为可转移负荷的转移电量；
Figure BDA0001857942360000095
为实时市场购电量；t1、t2为负荷转移的时刻。
定义
Figure BDA0001857942360000096
为储能的调用变量，当
Figure BDA0001857942360000097
为1时，表示区域代理商i的储能设备在该日调用，执行调用储能调整可控资源的日前优化模型的目标函数公式为：
Figure BDA0001857942360000098
式中，s'为优化负荷预测场景变量；i、j均为区域代理商变量；d为日期变量；t为时段变量；
Figure BDA0001857942360000099
为d天区域代理商i的储能设备的调用成本；
Figure BDA00018579423600000910
为区域代理商i的储能设备的调用状态；
Figure BDA00018579423600000911
为区域代理商i中断负荷的中断成本；
Figure BDA00018579423600000912
为优化中断量；
Figure BDA00018579423600000913
分别为t时段区域代理商i储能的充电、放电成本；
Figure BDA00018579423600000914
Figure BDA00018579423600000915
分别为各时段储能的优化充电、放电量；
Figure BDA00018579423600000916
为t时段区域代理商i和j之间的购电量转移成本；
Figure BDA00018579423600000917
分别为区域代理商i向j和区域代理商j向i的优化购电量转移电量；
Figure BDA00018579423600000918
为实时电价；
Figure BDA00018579423600000919
为可转移负荷成本；
Figure BDA00018579423600000920
为可转移负荷的转移电量；
Figure BDA00018579423600000921
为实时市场购电量；t1、t2为负荷转移的时刻。
将日前优化模型通过对偶原理将线性化转化为混合整数线性规划形式；
S4：根据日前优化模型，得到购电量转移量与可控资源的调用量，并根据其进行购电和可控资源的控制。
算例及分析：针对有4个区域代理商的购电量转移集合进行优化。区域代理商月度优化周期中有30天，每天24个时段，负荷单位为kW，成本单位为元/kWh，其他区域代理商已经对内部的可控资源进行聚合，因此区域代理商内部每一类可控资源的数量都是1个，负荷减去水电发电量的净负荷曲线和日前电价选取一个月的数据，图2为第一天各区域代理商的净负荷曲线，图3为日前市场电价历史数据。各区域代理商可中断负荷的中断成本如图4所示，转移负荷的成本如图5所示，可控资源的其他参数如表1区域代理商可控资源容量表所示，区域代理商间购电量转移的成本如表2区域代理商购电量转移成本表所示，可控资源的日调用成本如表3区域代理商可控资源调用成本表所示。
表1
Figure BDA0001857942360000101
表2
Figure BDA0001857942360000102
表3
区域代理商标号 1 2 3 4
可中断负荷(元/日) 138 205 127 136
转移负荷(元/日) 137 194 126 174
储能(元/日) 181 212 193 139
优化结果中所有区域代理商的总成本为3.526×105元，并可以得到各区域代理商可控资源调用日期，其中前7天的调用日期U如表4区域代理商可控资源调用日期表所示，0表示可控资源该日不调用，1表示在该日调用。
表4
Figure BDA0001857942360000103
Figure BDA0001857942360000111
区域代理商的可控资源的调用日期与购电偏差、电价和可控资源成本都有一定关系，将表4的调用日期与预测负荷曲线进行对照，当各区域代理商的日负荷较大时，区域代理商的调用的可控资源类型较多，其原因是区域代理商购电偏差与负荷大小具有一定的正相关性，更多的偏差需要更多的可控资源来处理。
考虑如下三种优化方案与本发明优化方案的对比，方案1：分别不考虑可控资源调用日期；方案2：不考虑基于购电量转移的可控资源借用机制；方案3：即不考虑可控资源调用日期也不考虑基于购电量转移的可控资源借用机制，各方案的优化结果如表5不同优化方案的比较表所示。
表5
方案1(元) 方案2(元) 方案3(元) 本发明方案(元)
可控资源调用成本 58995 36793 58995 19665
运行成本 3.40E+05 3.78E+05 3.97E+05 3.33E+05
总成本 3.99E+05 4.15E+05 4.56E+05 3.53E+05
方案1中可控资源在优化周期中全部调用，虽然购电偏差费用减少了很多，但是可控资源的利用率不高，并且由于每天都要有可控资源的日调用成本，总体费用较高；方案2则是由于各区域代理商间不能借用可控资源，造成区域代理商内部的可控资源频繁调用，也有较高的成本；方案3则具有最高运行成本；本发明的方案则由于综合考虑了可控资源的调用日期和可控资源的借用机制，具有较好的处理购电偏差的能力。
如图6所示表示区域代理商月度优化成本随各类可控资源容量(抽水蓄能，可中断负荷，可转移负荷)的变化情况，在相同的偏差水平下，增加区域代理商的可控资源中不同设备的容量可以在一定程度上削减区域代理商的偏差，但是由于在月度优化时各个区域代理商在配置自身可控资源的调用情况，随着容量的增加，总体的优化成本减小的幅度变缓。
随着日期的临近，区域代理商在市场中竞价，可以得到出清电价和购电偏差，根据在月前优化的可控资源调用日期矩阵U，确定在当日的可控资源是否调用，根据之前的月度优化结果、出清的电价和购电偏差，对30天分别进行仿真，区域代理商优化获得可控资源在各时段的调用量，区域代理商间购电量转移量，区域代理商间可控资源借用量。
如果不对储能进行调整，取5天的偏差消减结果进行分析，如表6各策略对购电偏差的削减情况表所示分别为购电量转移策略、可控资源及借用可控资源减少的购电偏差百分比。
表6
日期 总偏差量(kWh) 购电量转移策略 可控资源 借用可控资源
1 5.843E+03 35.72％ 21.62％ 14.53％
2 3.251E+03 21.42％ 25.87％ 19.24％
3 5.128E+03 28.53％ 22.32％ 15.21％
4 4.728E+03 32.68％ 12.78％ 8.91％
5 4.252E+03 47.91％ 16.85％ 17.39％
根据表6的结果，购电量转移策略减少偏差和具体的偏差类型有关；可控资源受到自身容量及调用约束的限制，当偏差的类型与可控资源更相符时，即日期2的情况，可控资源能减少更多偏差；借用可控资源则与消减完自身偏差后的剩余量有关。总体来看，购电量转移策略减少偏差的能力更强，可控资源次之，借用可控资源的偏差减少量较少。
调用月前可控资源的日前优化模型以及调用储能调整可控资源的日前优化模型的优化结果对比如表7所示：
表7
Figure BDA0001857942360000131
由于购电偏差量在日前市场出清时已经确定，因此调节储能对于购电量转移消减购电偏差没有影响，而由于调节了储能，能够有效消减超出预期的偏差。通常调用储能调整可控资源的日前优化模型相对调用月前可控资源的日前优化模型能够有效调节储能，在消纳超出预期的偏差上更为适用。
本发明的有益效果为：
(1)本发明采用月度随机鲁棒优化双层模型，考虑了市场出清电价和日前购电量的不确定性，提高了发明的鲁棒性和准确性；
(2)本发明提出一种区域代理商间以购电量转移策略为媒介，相互借用可控资源资源的机制，消减了超出预期的偏差，解决了区域代理商出清后获得的购电量与预期购电量存在偏差的问题；
(3)本发明在中长期尺度中协调区域代理商内部可控资源的调用日期，解决了多个区域代理商内部可控资源备而不用的问题。

Claims (3)

1.一种基于购电量转移的可控资源控制方法，其特征在于，包括如下步骤：
S1：获取区域代理商的可控资源、成本信息、电量以及电价信息；
所述电量包括日前购电量，所述电价信息包括市场出清电价；
S2：根据采集到的信息，建立区域代理商的月度随机鲁棒优化双层模型；
S3：根据月度随机鲁棒优化双层模型，得到可控资源的调用日期，根据可控资源的调用日期、市场出清电价和日前购电量得到日前优化模型；
S4：根据日前优化模型，得到购电量转移量与可控资源的调用量，并根据其进行购电和可控资源的控制；
所述日前优化模型包括调用月前可控资源的日前优化模型以及调用储能调整可控资源的日前优化模型；
所述月度随机鲁棒优化双层模型的公式为：
Figure FDA0002986268320000011
式中，
Figure FDA0002986268320000012
为上层min优化问题中需要求解的变量集合；α表示上层min优化问题待求解变量的可行域，λ表示下层max优化问题待求解变量的可行域；s为负荷预测场景变量；i、j均为区域代理商变量；d为日期变量；t为时段变量；k为可控资源变量；Δt为时间间隔；
Figure FDA0002986268320000013
为d天区域代理商i的可控资源k的调用成本；
Figure FDA0002986268320000014
为d天区域代理商i的可控资源k的调用状态；Ps为场景s的概率；
Figure FDA0002986268320000015
为t时段区域代理商i中断负荷的中断成本；
Figure FDA0002986268320000016
为中断量；
Figure FDA0002986268320000017
分别为t时段区域代理商i储能的充电、放电成本；
Figure FDA0002986268320000018
分别为各时段储能的充电、放电量；
Figure FDA0002986268320000021
为t时段区域代理商i和j之间的购电量转移成本；
Figure FDA0002986268320000022
Figure FDA0002986268320000023
分别为区域代理商i向j和区域代理商j向i的购电量转移电量；
Figure FDA0002986268320000024
Figure FDA0002986268320000025
分别为日前和实时的购电量；
Figure FDA0002986268320000026
分别为日前、实时电价；
Figure FDA0002986268320000027
为可转移负荷成本；
Figure FDA0002986268320000028
为可转移负荷的转移电量；
所述执行调用月前可控资源的日前优化模型的目标函数公式为：
Figure FDA0002986268320000029
式中，s'为优化负荷预测场景变量；i、j均为区域代理商变量；d为日期变量；t为时段变量；Δt为时间间隔；
Figure FDA00029862683200000210
为区域代理商i中断负荷的中断成本；
Figure FDA00029862683200000211
为优化中断量；
Figure FDA00029862683200000212
分别为t时段区域代理商i储能的充电、放电成本；
Figure FDA00029862683200000213
分别为各时段储能的优化充电、放电量；
Figure FDA00029862683200000214
为t时段区域代理商i和j之间的购电量转移成本；
Figure FDA00029862683200000215
分别为区域代理商i向j和区域代理商j向i的优化购电量转移电量；
Figure FDA00029862683200000216
为实时电价；
Figure FDA00029862683200000217
为可转移负荷成本；
Figure FDA00029862683200000218
为可转移负荷的转移电量；
Figure FDA00029862683200000219
为实时市场购电量；t1、t2为负荷转移的时刻；
所述调用储能调整可控资源的日前优化模型的目标函数公式为：
Figure FDA00029862683200000220
式中，s'为优化负荷预测场景变量；i、j均为区域代理商变量；d为日期变量；t为时段变量；
Figure FDA00029862683200000221
为d天区域代理商i的储能设备的调用成本；
Figure FDA00029862683200000222
为区域代理商i的储能设备的调用状态；
Figure FDA00029862683200000223
为区域代理商i中断负荷的中断成本；
Figure FDA0002986268320000031
为优化中断量；
Figure FDA0002986268320000032
分别为t时段区域代理商i储能的充电、放电成本；
Figure FDA0002986268320000033
分别为各时段储能的优化充电、放电量；
Figure FDA0002986268320000034
为t时段区域代理商i和j之间的购电量转移成本；
Figure FDA0002986268320000035
分别为区域代理商i向j和区域代理商j向i的优化购电量转移电量；
Figure FDA0002986268320000036
为实时电价；
Figure FDA0002986268320000037
为可转移负荷成本；
Figure FDA0002986268320000038
为可转移负荷的转移电量；
Figure FDA0002986268320000039
为实时市场购电量；t1、t2为负荷转移的时刻。
2.根据权利要求1所述的基于购电量转移的可控资源控制方法，其特征在于，所述步骤S1中，所述可控资源包括需求响应负荷和储能设备，所述需求响应负荷包括转移负荷和可中断负荷，所述储能设备为抽水蓄能电站；
所述成本信息包括可控资源的调用成本、中断成本、购电量转移成本以及储能的充、放电成本。
3.根据权利要求2所述的基于购电量转移的可控资源控制方法，其特征在于，所述月度随机鲁棒优化双层模型的约束条件包括：
可控资源的调用日期约束；
可中断负荷和可转移负荷的调节量上下限约束；
抽水蓄能的抽水、发电状态约束；
各区域代理商的能量平衡约束；
电价的鲁棒性约束。
CN201811322817.5A 2018-11-08 2018-11-08 一种基于购电量转移的可控资源控制方法 Active CN109492905B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811322817.5A CN109492905B (zh) 2018-11-08 2018-11-08 一种基于购电量转移的可控资源控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811322817.5A CN109492905B (zh) 2018-11-08 2018-11-08 一种基于购电量转移的可控资源控制方法

Publications (2)

Publication Number Publication Date
CN109492905A CN109492905A (zh) 2019-03-19
CN109492905B true CN109492905B (zh) 2021-07-20

Family

ID=65695387

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811322817.5A Active CN109492905B (zh) 2018-11-08 2018-11-08 一种基于购电量转移的可控资源控制方法

Country Status (1)

Country Link
CN (1) CN109492905B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111047114B (zh) * 2019-12-28 2022-09-27 中国南方电网有限责任公司 抽水蓄能机组在日前电力现货市场的双层竞价优化方法
CN115713211B (zh) * 2022-11-21 2024-03-19 中国南方电网有限责任公司超高压输电公司广州局 基于电力能源的资源转移方法、装置、计算机设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107967533A (zh) * 2017-11-08 2018-04-27 国网冀北电力有限公司 一种计及分布式电源和需求侧响应的负荷预测方法
CN108227489A (zh) * 2017-12-26 2018-06-29 东南大学 一种负荷参与需求响应的双层控制方法
CN108537363A (zh) * 2018-03-09 2018-09-14 天津大学 一种配售分开环境下售电公司购电量控制方法
CN108734396A (zh) * 2018-05-16 2018-11-02 国网山东省电力公司电力科学研究院 一种基于需求侧竞价和多能互补的虚拟电厂调度优化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103296679B (zh) * 2013-05-20 2016-08-17 国家电网公司 电力系统中长期优化运行的中长期风电出力模型建模方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107967533A (zh) * 2017-11-08 2018-04-27 国网冀北电力有限公司 一种计及分布式电源和需求侧响应的负荷预测方法
CN108227489A (zh) * 2017-12-26 2018-06-29 东南大学 一种负荷参与需求响应的双层控制方法
CN108537363A (zh) * 2018-03-09 2018-09-14 天津大学 一种配售分开环境下售电公司购电量控制方法
CN108734396A (zh) * 2018-05-16 2018-11-02 国网山东省电力公司电力科学研究院 一种基于需求侧竞价和多能互补的虚拟电厂调度优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Purchase Bidding Strategy for a Retailer With Flexible Demands in Day-Ahead Electricity Market;Meng Song 等;《IEEE TRANSACTIONS ON POWER SYSTEMS》;20170531;第32卷(第3期);全文 *
计及电量互保策略的售电公司两阶段日前决策方法;杨阳方 等;《电力系统自动化》;20171225;第41卷(第24期);全文 *

Also Published As

Publication number Publication date
CN109492905A (zh) 2019-03-19

Similar Documents

Publication Publication Date Title
Lin et al. Optimal charging control of energy storage and electric vehicle of an individual in the internet of energy with energy trading
Maity et al. Simulation and pricing mechanism analysis of a solar-powered electrical microgrid
Sharma et al. Integrated TOU price‐based demand response and dynamic grid‐to‐vehicle charge scheduling of electric vehicle aggregator to support grid stability
CN101794424A (zh) 自适应的统一电力市场交易方法
Li et al. Incentivizing distributed energy trading among prosumers: A general Nash bargaining approach
CN110852519A (zh) 一种考虑多类型负荷的售电公司最优盈利方法
Nabavi et al. Social welfare maximization with fuzzy based genetic algorithm by TCSC and SSSC in double-sided auction market
CN112465208B (zh) 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
CN109492905B (zh) 一种基于购电量转移的可控资源控制方法
Chang et al. Two-stage coordinated operation framework for virtual power plant with aggregated multi-stakeholder microgrids in a deregulated electricity market
Zheng et al. Stochastic programming model for incentive‐based demand response considering complex uncertainties of consumers
Chuang et al. Deep reinforcement learning based pricing strategy of aggregators considering renewable energy
CN115271228A (zh) 电-气联合系统的能价计算方法、装置和计算机设备
Chang et al. Day-ahead bidding strategy of cloud energy storage serving multiple heterogeneous microgrids in the electricity market
Zhang et al. Dispatchable capacity optimization strategy for battery swapping and charging station aggregators to participate in grid operations
CN110556821B (zh) 考虑交互功率控制和双边竞价交易的多微电网双层优化调度方法
CN112671022A (zh) 光储充电站容量优化配置方法、系统、终端及存储介质
Li et al. Three‐level interactive energy management strategy for optimal operation of multiple virtual power plants considering different time scales
Mochi et al. Empowering customers in local electricity market: A prosumer segmentation and operating envelope strategy for joint cost reduction and profit maximization
CN116342166A (zh) 一种基于多区域共享的能量博弈调控方法和设备
CN115481866A (zh) 乡村能源微电网群的调度方法、装置、设备及存储介质
Gong et al. Optimal stochastic scheduling of thermal‐wind GENCOs trading in the day‐ahead market including bilateral contracts with BSS
CN111062513B (zh) 基于自适应共识机制的分布式社区能源交易系统及方法
CN111144657B (zh) 协同售用双方的多家庭能源优化方法
CN113177655A (zh) 基于强化学习的综合能源系统多主体运行优化方法及装置

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