CN109543898B - 一种基于双向拍卖的多微网优化调度方法 - Google Patents

Abstract

一种基于双向拍卖的多微网优化调度方法，包括：建立发电成本模型，在其调度策略中，当分布式能源出力p_i在限定范围内时表示出发电成本C_G(p_i,t)，发电成本模型中发电成本函数通常接近于二次凸函数；建立储能设备的充放电模型，在其调度策略中，储能设备满足不过充过放条件时表示出储能成本C_bat,i；在追求经济效益的同时考虑环境综合处理费用，第i个微电网在每个时段的环境成本为C_M,t；在建立微电网功率优化模型的基础上，最小化微电网综合发电成本与电能交易成本之和F；建立双向拍卖交易模型；对含有多个微电网的配电网进行仿真分析，制定调度策略。该方法能够协调多个微电网之间以及配电网和微电间的功率分配，在增强微电网之间能量交互的同时达到整体效益最优。

Description

一种基于双向拍卖的多微网优化调度方法

技术领域

本发明属于电力系统领域，涉及一种基于双向拍卖的多微网优化调度方法。

背景技术

单微网的独立运行面临可再生能源自我消纳能力低、运行费用高和与主网能量交互频繁等问题，将区域内多个单微网互联构成多微网系统是解决这些问题的有效方式之一。事实上，在经济学领域双向拍卖机制是一种较为普遍的市场机制，它的特性能够实现资源高效分配，并且可以保证协调分配的有效性。但以往的研究缺乏对拍卖参与方的供给能力和策略行为的考虑。基于以上考虑，如何基于改进的双向拍卖交易机制，提出了多微网能量管理优化竞价策略，是当前要解决的技术问题。

发明内容

本发明提供一种基于双向拍卖的多微网优化调度方法，可以使多微网总运行成本降低；同时采用改进的双向拍卖机制，解决交易过程中规则、秩序等问题。该方法能够协调多个微电网之间以及配电网和微电间的功率分配，在增强微电网之间能量交互的同时达到整体效益最优。

本发明采取的技术方案为：

一种基于双向拍卖的多微网优化调度方法，包括以下步骤：

步骤1：建立发电成本模型，在其调度策略中，当分布式能源出力p_i在限定范围内时表示出发电成本C_G(p_i,t)，发电成本模型中发电成本函数通常接近于二次凸函数；

步骤2：建立储能设备的充放电模型，在其调度策略中，储能设备满足不过充过放条件时表示出储能成本C_bat,i；

步骤3：考虑到燃气轮机排放污染气体会对环境造成污染，在追求经济效益的同时考虑环境综合处理费用，第i个微电网在每个时段的环境成本为C_M,t；

步骤4：在建立微电网功率优化模型的基础上，最小化微电网综合发电成本与电能交易成本之和F；

步骤5：建立双向拍卖交易模型；

步骤6：对含有多个微电网的配电网进行仿真分析，制定调度策略。

本发明基于改进的双向拍卖机制，提出了一种基于双向拍卖的基于双向拍卖的多微网优化调度方法，以最小化多微电网综合发电成本与电能交易成本之和为目标函数，优化各微电网与其他微电网和配电网的交互功率，通过双向拍卖机制对交互功率进行分配，基于算例分析与比较，可得：

1)、本发明所提调度方法既在各微电网内协调了各微源出力，也通过交易市场实现了多微电网间及其与配电网间的能量交互，减少对配电网系统影响。

2)、在改进的双向拍卖机制中，各微电网根据所获取的信息不断更新自己的价格，匹配交易对象，获取自身效益最大化，并实现多微网系统内资源的有效分配，降低总的经济成本。

附图说明

图1为多微网的协调优化调度框架图。

图2为双向拍卖交易流程图。

图3为各个微电网的负荷情况图。

图4(1)为各微电网各时段的分布式电源情况图。

图4(2)为各微电网各时段的储能情况图。

图5为策略1和2的总调度对比图。

图6(1)为微电网1在其他微电网的买电情况图。

图6(2)为微电网2在其他微电网的买电情况图。

图6(3)为微电网3在其他微电网的买电情况图。

图6(4)为各微电网在配电网的买电情况图。

图7(1)为策略2中各微电网分时段经济费用对比图。

图7(2)为策略3中各微电网分时段经济费用对比图。

图8为三种策略下分时段总经济费用图。

具体实施方式

下面结合实施例及附图，对本发明做进一步地详细说明，但本发明的实施方式不限于此。

图1为多微电网系统的协调优化调度框架，其中的能量资源由配电网和各个微电网内部的分布式能源和储能系统组成，包括分布式传统燃料发电机和可再生能源。例如光伏和风力发电机)。

多微电网系统通过调度中心和双向拍卖机制，协调各微电网间和各微电网与配电网间的交互功率，实现资源的有效分配。首先，对微电网内部出力以及储能系统充放电进行优化，并在各个时段向双向拍卖机制上报需交互的功率。然后，各微电网通过重复竞争确定自己每一轮的价格，双向拍卖机制进行优选直到满足各微电网的供需平衡，实现整体效益的最大化。拍卖机制具体的交易流程如图2所示。最后，双向拍卖机制将最优交易结果传达给调度中心，调度中心通过所得到的信息对微电网和配电网进行调度。

以一个含有3个微电网的配电网为例进行仿真分析，配电网分时电价和各微电网的参数分别如表1、表2和图3所示。应用粒子群优化算法优化得到各时段分布式能源和储能设备的最优值，如图4(1)、图4(2)所示。三种策略的总调度方案对比如图5(策略2、3重合)所示。基于双向拍卖机制即策略3对应的微电网买卖电情况如图6(1)、图6(2)、图6(3)、图6(4)所示。三种策略下各微电网的分时段经济费用及其总经济费用比较如图7(1)、图7(2)和图8所示。

1.发电成本模型为：

C_G(p_i,t)＝a_ip_i,t ²+b_ip_i,t+c_i (1)

式中：C_G(p_i,t)为发电成本，p_i,t表示第i个微电网其t时刻分布式能源的出力，a_i，b_i，c_i是大于0的成本系数；p_i ^min和p_i ^max分别是第i个微电网内部分布式能源出力的上、下限。

2.储能设备的充放电模型如下：

式中，p_bat(t+1)表示储能设备t+1时刻的电能，p_bat(t)表示储能设备t时刻的电能，p_c(t+1)和p_d(t+1)分别表示t+1时刻电池充放电功率；Δt为时间间隔长度；η_c和η_d分别为充放电效率；C_bat,i表示储能设备所需成本，c_bat,i表示第i个微电网中储能设备的平均单位投资成本；p_bat,i,t表示在第t个时间段的交互功率。

但考虑到蓄电池寿命等因素，储能设备不允许过充过放，即需满足：

式中，p_bat,i,t表示在第t个时间段的交互功率,p^min _bat,i、p^max _bat,i分别为储能设备充放电的最小、最大功率,E_bat,i,t为第i个微电网前t个时间段的充放电之和。

3.第i个微电网在每个时间段的环境成本可表示为：

式中，C_M,t表示每个时间段的环境成本，J为排放污染气体的种类；x_m和y_m为第m种污染气体排放速率，单位为m³/h；v_m为第m种污染气体排放惩罚因子，单位为CNY/m³。

4.各微电网的综合发电成本为：

式中，F₁表示各微电网综合发电成本，C_G(p_i,t)为发电成本，C_M,t表示第i个微电网在每个时间段的环境成本，C_bat,i表示储能设备所需成本。

微电网自身供需平衡：

式中，p_tl,i,t为第i个微电网在t时间段的总负荷；p_w,i,t为各微电网之间的交易功率之和；p_p,i,t为微电网与配电网之间的交易功率，p_i,t表示第i个微电网其t时刻分布式能源的出力，p_i,t’为各微电网之间以及微电网与配电网之间的交易功率总和。

微电网与配电网和其他微电网之间的交易成本分别表示为：

式中，F₂为微电网与配电网之间的交易成本，k和

分别为配电网的售、购电价格；

为价格弹性系数；F₃为其他微电网之间的交易成本，ω，γ为分别微电网的期望电价(售电价格)和购电价格。

最小化多微电网综合发电成本与电能交易成本之和如下：

式中，F为多微电网综合发电成本与电能交易成本之和，F₁表示各微电网综合发电成本，F₂为微电网与配电网之间的交易成本，F₃为其他微电网之间的交易成本，N为第N个微电网。

5.双向拍卖交易模型：

将上述p_i,t’>0的微电网定义为，买方集合B＝{b₁，b₂，···，b_N}，即有N个微电网无法自给自足，需要从其他微电网或/和配电网购电。卖方集合S＝{s₁，s₂，···，s_M}为p_i,t’<0的微电网，即有M个微电网满足自身的负荷需求后仍持有多余清洁能源的微电网。b_i和s_j分别为集合中各自对应的微电网。

买卖双方底价计算：

式中，b_i,t为买方的底价，ω_t为价格弹性系数，

为价格弹性系数，p_i,t’为买方各微电网之间以及微电网与配电网之间的交易功率总和，p_j,t’为卖方各微电网之间以及微电网与配电网之间的交易功率总和；k_t为电网电价，s_j,t为卖方的底价，α_t为卖方的成本系数，α_t表达式如下所示：

式中，C_G，t为发电成本，p_j,t为卖方分布式能源出力，C_SB,t为储能成本,p_bat,j,t表示在第t个时间段的交互功率，C_M,t为环境成本。

买卖双方的报价计算：

式中，M_i,t，M_j,t分别为买方i和卖方j在t时刻的报价；n_t是t时刻买方的最高出价，b_i,t为买方的底价，τ_i,t为t时刻买方的目标价格；s_j,t为卖方的底价，m_t是t时刻卖方的最低出价，τ_j,t为t时刻卖方的目标价格。η∈[1,∞)；c_t为报价的轮次，直到不需要进行下一轮的交易。

t时刻买方和卖方的目标价格计算公式分别为：

式中，τ_i,t为t时刻买方的目标价格，γ_t为最近的一次报价对应的风险指数学习速率，

是基于上一轮交易历史，通过回归分析方法计算得到的t时刻的预测均衡价，b_i,t为买方的底价，θ_i,t’和θ_j,t’均为指数变化速率过渡量；τ_j,t为t时刻卖方的目标价格，n_t,max是t时刻买方的最高出价，s_j,t为卖方的底价，指数变化的速率θ∈[-1,+∞)，一般根据经验取值为1。

6.风险模型：

式中，γ(t+1)为下一时刻报价对应的风险指数学习速率，γ_t为最近的一次报价对应的风险指数学习速率；β∈(0,1)，λ为参数。

每一时刻多微电网之间的交易行为约束条件为：买、卖方集合中的b_i≠s_j。

7.拍卖交易过程：

1)买卖双方分别公布各自的报价与供需电量。双向拍卖机制将所得信息的价格从低到高进行排列。

2)若最高的购电单价大于或等于最低的售电单价，且买者的需求能在这一轮交易中全部被满足时，则不需要进行下一轮的交易。在一轮交易完成以后，记录交易的结果和交易后剩余电能和需求情况，根据所得到的信息更新价目信息表，进行下一轮的交易匹配。

3)如果卖方的电量全部出售以后仍然无法满足买方电能需求，则拍卖机制直接将配电网与其进行匹配，通过从配电网中购买电能来达到供需平衡。反之，如果需求侧的微电网满足需求后卖方还有剩余电能，则将剩余的电能卖给配电网。

8.调度策略：

策略1：以各微电网总经济费用最小为目标，但微电网内部没有储能设备，只考虑微电网与配电网之间的交易；

策略2：在策略1的基础上，各微电网内部加入储能设备；

策略3：在策略1和策略2的基础上，同时考虑微电网与微电网之间的交易。

表1为配电网的分时电价表

通过表1的分时电价数据对配电网进行仿真分析，可以看出12-16时和20-22时的电价最贵，0-8时的电价最便宜。

表2为各微网的参数表

表2为进行仿真分析所用的三个微电网的初始参数，可以看出3个微电网最大出力和最小出力均相同。

表3为各微网分时段总经济费用比较表

可以得到策略1和策略2的分时段总经济费用差不多，相比于策略1和2，采用策略3的总经济费用更低，在9-12时段，策略3的经济费用会大于策略2的总费用，所以如果在策略3的9-12时段采用策略2够得到更好的经济效益，即将策略2和策略3相结合混合策略，总经济费用最低，即混合策略下能够得到更好的经济效益。

Claims (8)

1.一种基于双向拍卖的多微网优化调度方法，其特征在于包括以下步骤：

步骤1：建立发电成本模型，在其调度策略中，当分布式能源出力p_i在限定范围内时表示出发电成本C_G(p_i,t)；

步骤2：建立储能设备的充放电模型，在其调度策略中，储能设备满足不过充过放条件时表示出储能成本C_bat,i；

步骤3：考虑到燃气轮机排放污染气体会对环境造成污染，在追求经济效益的同时考虑环境综合处理费用，第i个微电网在每个时段的环境成本为C_M,t；

步骤4：在建立微电网功率优化模型的基础上，最小化微电网综合发电成本与电能交易成本之和F；

步骤5：建立双向拍卖交易模型；

步骤6：对含有多个微电网的配电网进行仿真分析，制定调度策略；

所述步骤5中，双向拍卖交易模型如下：

微电网自身供需平衡：

式中，p_tl,i,t为第i个微电网在t时间段的总负荷；p_w,i,t为各微电网之间的交易功率之和；p_p,i,t为微电网与配电网之间的交易功率，p_i,t表示第i个微电网其t时刻分布式能源的出力，p_i,t’为各微电网之间以及微电网与配电网之间的交易功率总和；

将上述公式(8)中p_i,t’>0的微电网定义为，买方集合B＝{b₁，b₂，···，b_N}，即有N个微电网无法自给自足，需要从其他微电网或/和配电网购电；卖方集合S＝{s₁，s₂，···，s_M}为p_i,t’<0的微电网，即有M个微电网满足自身的负荷需求后仍持有多余清洁能源的微电网；b_i和s_j分别为集合中各自对应的微电网；

买卖双方底价计算：

式中，b_i,t为买方的底价，ω_t和

为价格弹性系数，p_i,t’为买方各微电网之间以及微电网与配电网之间的交易功率总和，p_j,t’为卖方各微电网之间以及微电网与配电网之间的交易功率总和；k_t为电网电价，s_j,t为卖方的底价，α_t为卖方的成本系数，α_t表达式如下所示：

式中，C_G,t为发电成本,p_j,t为卖方分布式能源出力，C_SB,t为储能成本，p_bat,j,t表示在第t个时间段的交互功率,C_M,t为环境成本；

买卖双方的报价计算：

式中，M_i,t，M_j,t分别为买方i和卖方j在t时刻的报价；n_t是t时刻买方的最高出价，b_i,t为买方的底价，τ_i,t为t时刻买方的目标价格；s_j,t为卖方的底价，m_t是t时刻卖方的最低出价，τ_j,t为t时刻卖方的目标价格；η∈[1,∞)；c_t为报价的轮次，直到不需要进行下一轮的交易；

t时刻买方和卖方的目标价格计算公式分别为：

式中，τ_i,t为t时刻买方的目标价格，γ_t为最近的一次报价对应的风险指数学习速率，

是基于上一轮交易历史，通过回归分析方法计算得到的t时刻的预测均衡价，b_i,t为买方的底价，θ_i,t’和θ_j,t’均为指数变化速率过渡量；τ_j,t为t时刻卖方的目标价格，n_t,max是t时刻买方的最高出价，s_j,t为卖方的底价，指数变化的速率θ∈[-1,+∞)。

2.根据权利要求1所述一种基于双向拍卖的多微网优化调度方法，其特征在于：

所述步骤1中，发电成本模型为：

C_G(p_i,t)＝a_ip_i,t ²+b_ip_i,t+c_i (1)

式中：C_G(p_i,t)为发电成本，p_i,t表示第i个微电网其t时刻分布式能源的出力，a_i，b_i，c_i是大于0的成本系数；p_i ^min和p_i ^max分别是第i个微电网内部分布式能源出力的上、下限。

3.根据权利要求1所述一种基于双向拍卖的多微网优化调度方法，其特征在于：

所述步骤2中，储能设备的充放电模型如下：

式中，p_bat(t+1)表示储能设备t+1时刻的电能，p_bat(t)表示储能设备t时刻的电能，p_c(t+1)和p_d(t+1)分别表示t+1时刻电池充放电功率；Δt为时间间隔长度；η_c和η_d分别为充放电效率；C_bat,i表示储能设备所需成本，c_bat,i表示第i个微电网中储能设备的平均单位投资成本；p_bat,i,t表示在第t个时间段的交互功率；

考虑到蓄电池寿命因素，储能设备不允许过充过放，即需满足：

式中，p_bat,i,t表示在第t个时间段的交互功率,p^min _bat,i、p^max _bat,i分别为储能设备充放电的最小、最大功率,E_bat,i,t为第i个微电网前t个时间段的充放电之和。

4.根据权利要求1所述一种基于双向拍卖的多微网优化调度方法，其特征在于：所述步骤3中，第i个微电网在每个时间段的环境成本表示为：

式中，C_M,t表示每个时间段的环境成本，J为排放污染气体的种类；x_m和y_m为第m种污染气体排放速率，单位为m³/h；v_m为第m种污染气体排放惩罚因子，单位为CNY/m³。

5.根据权利要求1所述一种基于双向拍卖的多微网优化调度方法，其特征在于：所述步骤4中，各微电网的综合发电成本为：

式中，F₁表示各微电网综合发电成本，C_G(p_i,t)为发电成本，C_M,t表示第i个微电网在每个时间段的环境成本，C_bat,i表示储能设备所需成本；

微电网自身供需平衡：

式中，p_tl,i,t为第i个微电网在t时间段的总负荷；p_w,i,t为各微电网之间的交易功率之和；p_p,i,t为微电网与配电网之间的交易功率，p_i,t表示第i个微电网其t时刻分布式能源的出力，p_i,t’为各微电网之间以及微电网与配电网之间的交易功率总和；

微电网与配电网和其他微电网之间的交易成本分别表示为：

式中，F₂为微电网与配电网之间的交易成本，k和

分别为配电网的售、购电价格；

为价格弹性系数；F₃为其他微电网之间的交易成本，ω、γ分别为微电网的期望电价、购电价格；

最小化多微电网综合发电成本与电能交易成本之和如下：

式中，F为多微电网综合发电成本与电能交易成本之和，F₁表示各微电网综合发电成本，F₂为微电网与配电网之间的交易成本，F₃为其他微电网之间的交易成本，N为第N个微电网。

6.根据权利要求1所述一种基于双向拍卖的多微网优化调度方法，其特征在于：所述步骤5中，风险模型如下：

式中，γ(t+1)为下一时刻报价对应的风险指数学习速率，γ_t为最近的一次报价对应的风险指数学习速率；β∈(0,1)，λ为参数；

每一时刻多微电网之间的交易行为约束条件为：买、卖方集合中的b_i≠s_j。

7.根据权利要求1所述一种基于双向拍卖的多微网优化调度方法，其特征在于：所述步骤5中，拍卖交易过程如下：

1)买卖双方分别公布各自的报价与供需电量；双向拍卖机制将所得信息的价格从低到高进行排列；

2)若最高的购电单价大于或等于最低的售电单价，且买者的需求能在这一轮交易中全部被满足时，则不需要进行下一轮的交易；在一轮交易完成以后，记录交易的结果和交易后剩余电能和需求情况，根据所得到的信息更新价目信息表，进行下一轮的交易匹配；

3)如果卖方的电量全部出售以后仍然无法满足买方电能需求，则拍卖机制直接将配电网与其进行匹配，通过从配电网中购买电能来达到供需平衡；反之，如果需求侧的微电网满足需求后卖方还有剩余电能，则将剩余的电能卖给配电网。

8.根据权利要求1所述一种基于双向拍卖的多微网优化调度方法，其特征在于：所述步骤6中，仿真分析考虑以下几种调度策略：

策略1：以各微电网总经济费用最小为目标，但微电网内部没有储能设备，只考虑微电网与配电网之间的交易；

策略2：在策略1的基础上，各微电网内部加入储能设备；

策略3：在策略1和策略2的基础上，同时考虑微电网与微电网之间的交易。

Images