CN109636671A - 一种考虑多层次市场联动型的风电消纳优化策略 - Google Patents

Abstract

本发明公开了一种考虑多层次市场联动型的风电消纳优化方法，其特征在于，包括如下步骤：首先，在现货市场开市前，执行风电顺负荷即无波动性的基层段出清进行日负荷曲线修正，开市前的出清结果作为日前市场的数据信息来源；然后，日前市场中，市场组织成员根据合作博弈理论和已修正的日负荷曲线给出本阶段的风火出清电量和电价，日前市场的出清结果作为日内市场的数据信息参考；最后，进入日内市场，通过挂牌交易执行本阶段的风火出清电量和电价。汇总各阶段的市场出清结果，并将出清结果反馈给市场各级成员。本发明解决了风电消纳不足的问题，有助于现货市场针对清洁能源的建立与完善，从而提高短期内风电的消纳率，降低购电成本，增大社会福利。

Description

一种考虑多层次市场联动型的风电消纳优化策略

技术领域

本发明涉及电力系统新能源消纳领域，具体涉及一种考虑多层次市场联 动型的风电消纳优化策略。

背景技术

近年来,中国经济的飞速发展带动了能源需求的急剧增加,在国家强有力 的政策推动下,清洁能源发展速度十分迅猛,其装机容量和并网容量均居世界 前列，但以化石能源为主的能源消费结构却导致经济、能源与环境间的矛盾十 分突出,这使得加快清洁能源开发进程成果社会关注的新焦点。以风能发电为 例，风力发电极易受天气、地势的影响，风电具有相应的波动性和不确定性， 导致风电消纳困难，风电质量较低。由于我国目前风电参与市场消纳以发电全 额保障性收购方式为主，导致我国目前新能源参与市场积极性较低，其本身的 发电特性也导致弃风现象较为严重。根据国家能源局发布的全国电力行业统计 数据显示，2018年上半年全国风电累计装机16964万千瓦，同比增长11.5％； 风电平均利用1001小时，同比增长149小时，虽风电利用整体水平提升，但 其弃风电量仍高居不下。

在现货市场交易中，短期内的快速交易以及市场级间的相互承接，可削弱 风电不确定性对消纳的影响；尤其在实时平衡市场中，15min的短时间间隔， 风电预测准确性提高的同时，风电也能得到实时消纳。

发明内容

本发明的目的在于克服现有技术中存在的缺陷，提供一种解决上述技术问 题的考虑多层次市场联动型的风电消纳优化策略，在现货市场进行风电逐层 出清，大大提高了风电消纳率以及市场出清效率。

本发明采用以下技术方案：

一种考虑多层次市场联动型的风电消纳优化方法，其特征在于，包括 如下步骤：

S1：在现货市场开市前，交易中心发布次日负荷曲线以及风功率预测 曲线；

S2：在现货市场开市前，根据风电场申报预测功率建立基层段功率曲 线模型M1，确定基层段功率曲线，执行基层段优先消纳，修正日负荷曲线；

S3：在日前市场中，基于合作博弈论进行风火电力联营，建立双方博 弈模型M2，求解M2模型，完成日前市场出清；

S4：在日内市场中，基于发用电侧建立单向挂牌交易出清模型M3求解 M3模型，完成日内市场出清。

优选地，所述M2模型的目标函数以最大化风电场效益以及火电厂的效 益，所述M2模型的约束条件包括：系统平衡约束、火电出力上下限约束、 风电出力上下限约束、火电机组爬坡率约束、火电机组最小启停时间约束。

优选地，所述M3模型的目标函数以最小化可竞部分负荷量的购电费用， 所述M3模型的约束条件包括：系统功率平衡约束及线路传输功率约束、风 电机组中标电量约束、火电机组中标电量约束、报价约束。

优选地，所述建立基础段功率曲线模型M1具体包括：模型M1的目标函 数：

式中，B表示为风电在基层段的总出力，T为调度周期包含的时间段数， Nw为风电机组总数，为风电机组i在t时刻基层段的出力值。

优选地，所述M2模型的目标函数为：max{U_F，U_W} (4)

其中，T为调度周期包含的时间段数，Nw为风电机组总数，Nf为火电 机组总数，U_F表示为火电厂的效用函数，U_W表示为风电厂的效益函数。 分别表示为火电厂的收益函数、成本函数、运输费用 函数、平衡函数；分别表示为风电厂的收益函数、成 本函数、运输费用函数以及政府补贴函数。

优选地，所述M3模型的目标函数为：

其中，F表示为全网在一个时段内可竞部分负荷量的购电费用，T为调 度周期包含的时间段数，为在t时段风电机组i的摘牌电量；为对 应的电价；U_on(j，t)是一个0、1的随机变量，为在t时段火电机组j的 摘牌电量；为其对应的电价。

优选地，所述U_on(j，t)＝0表示火电机组j在t时段竞价失败，所述 U_on(j，t)＝1表示火电机组j在t时段竞价成功。

优选地，所述约束条件包括风电出力约束以及波动指数约束条件，其 中，所述风电出力约束具体包括：

式中，为风电机组i在t时刻的有功出力预测值,e_i，t为风电机组 i在t时刻的预测误差，

所述波动指数约束具体包括：

式中，为在t时刻的负载功率，式(3)表达为在T时段内，风 电机组i在t时刻基层段的出力值的变化率与在t时刻的负载功率 的变化率相同，即波动指数为0。

优选地，

表示为火电厂的收益函数，其中，e_j，t表示机组j在t时刻的启停状 态，c_j，t＝1为开机，c_j，t＝0为关机；表示为在t时刻火电厂j 向风电厂i购买电量的费用，为在t时刻风电厂i和火电厂j的捆绑电 量，为在t时刻风电厂i和火电厂j的捆绑电价；表示为在t时刻火电厂j在电力市场中竞价获得的盈利，为火电厂j在 风火捆绑中的出力，为火电厂j在电力市场中竞价的捆绑电 量，p^m为对应的电力市场统一出清电价，

表示为火电厂的成本函数，为在t时刻火电厂j的发电单位成 本系数，

表示为风火联营产生的运输费用函数，p^tr为风火输电的单位运输费 用，

表示为火电厂的平衡函数，表示为在t时刻风电厂 i向火电厂j支付的平衡费用，p_flu为火电厂平衡风电并网波动所消耗的单 位费用，

表示为风电厂的收益函数，为在t时刻风电厂i在 电力市场中获得的盈利，为风电厂i在电力市场中单独竞得电量，

表示为风电厂的成本函数，风电的成本函数主要包含发电成本及并 网成本，风电依靠自然风力发电，其发电成本几乎为零；而考虑到其波动 性以及不不确定性将增加隐性成本，即并网成本。表示为在 t时刻风电厂i因其波动性所增加的并网成本，为在t时 刻风电厂i的全部出力，

表示为风火联营产生的运输费用函数，

表示为风电厂政府补贴函数，p^sub为政府补贴风电的单位费用，

约束条件包括有功功率平衡约束、火电机组出力上下限约束、火电机 组爬坡率约束、火电机组最小启停时间约束以及风电机组运行约束，

所述有功功率平衡约束：

式中，为在t时刻的负载功率。

火电机组出力上下限约束：

式中，分别表示为火电机组j的最小、最大技术出力， 所述火电机组爬坡率约束：

式中，分别表示为火电机组j的下爬坡率和上爬坡率，

所述火电机组最小启停时间约束：

式中，分别表示为机组j的最小连续运行时间和最小连续停 运时间，

所述风电机组运行约束：

式中，为风电机组i在t时刻的有功出力预测值。

优选地，M3约束条件：系统功率平衡约束及线路传输功率约束、风电 机组中标电量约束、火电机组中标电量约束及报价约束；

所述系统功率平衡约束及线路传输功率约束：

式中，为在t时段的实际负荷功率，

所述风电机组中标电量约束：

式中，为风电机组i在t时段的实际输出功率，

所述火电机组中标电量约束：

所述报价约束：

式中，p^min、p^max分别为报价的最小、最大报价限制。

本发明的优点和有益效果在于：

本发明提供一种基于风火合作博弈的多层次风电消纳优化策略。根据交易 中心发布次日负荷预测曲线以及风功率预测曲线，同时根据风电品质优劣进行 价值分段；在现货市场开市前，执行风电优先消纳出清，即品质优良且波动成 本为零的基层段进行日负荷功率曲线修正；在日前市场中，基于风火合作博弈 的市场均衡模型，根据风火联合出力执行市场出清；在日内市场中，风功率预 测由短期进入超短期预测，风电波动成本大幅度降低，基于发电侧单向挂牌交 易机制执行出清。根据风电具有不确定性和波动性的环境下，本发明提出了促 进风电消纳的优化策略，解决了风电消纳不足的问题，有助于现货市场针对清 洁能源的建立与完善，从而提高短期内风电的消纳率，降低购电成本，增大社 会福利。

附图说明

图1为本发明的方案流程图；

图2为某省某地区系统结构图；

图3为某省某地区负荷曲线和3个风电厂预测功率曲线图；

图4为日前市场中基于风火合作博弈市场出清数据图；

具体实施方式

下面结合附图和实时例，对本发明的具体实时方式作进一步描述。以下实 时例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保 护范围。

在现有基础上，本发明提出一种考虑多层次市场联动型的风电消纳优 化策略。首先，在现货市场开市前，根据风电场申报预测功率建立基层段功 率曲线模型M1，以最大消纳风电为目标函数，属于线性规划问题，采用优化 软件Gurobi进行建模既可求得最优结果；其次，在日前市场中，基于合作博 弈论进行风火电力联营，建立双方博弈模型M2，以最大化风电场效益以及火 电厂的效益，采用Matlab仿真软件搭建模型，通过搜索各博弈主体的决策变 量空间寻找纳什均衡点，记录交易结果，完成日前市场出清；最后，在日内市 场中，基于发用电侧建立单向挂牌交易出清模型M3，以最小化可竞部分负荷 量的购电费用，属于混合整数规划问题(Mixed Integer Linear Programming)： MILP)，采用优化软件Gurobi进行建模既可求得最优结果，完成日内市场出清。

所述风电消纳优化策略包括如下步骤，具体参见附图1。

具体的，某省存在相邻的多个风电机组和火电机组，两者之间存在电能输 送和电量交易，其系统结构图如附图2所示，采用其某地区某日内的数据作为 仿真数据，其负荷曲线和3个风电场的预测功率曲如附图3所示。

其中Nw＝3，Nf＝4，机组W1、W2、W3为风电机组，机组G2、G5、G4、G7 为火电机组，风火电机组单位运输费用p^tr＝0.3千元/MW·h，风电单位补贴费 用p^sub＝0.4千元/MW·h，风电机组与火电机组协商报价分别为0.384千元 /MW·h、0.368千元/MW·h、0.372千元/MW·h，其余报价参数如下表所示。

步骤一：在现货市场开市前，交易中心发布次日负荷曲线以及风功率预测 曲线。同时，风电场、火电厂以及大用户进行电力申报。

步骤二：在现货市场开市前，根据风电场申报预测功率建立基层段功率曲 线模型M1，确定基层段功率曲线，执行基层段优先消纳，修正日负荷曲线。

市场开市前，执行风电优先消纳出清，即品质优良且波动成本为零的基层 段进行日负荷功率曲线修正，各风电机组出力计划如下表所示。

建立基层段功率出清表：

机组	风电机组1	风电机组2	风电机组3
				预测功率(MW·h)	937.490	993.112	4182.800
基层段功率(MW·h)	133.889	217.285	2549.250
				波动成本(千元/MW·h)	0	0	0
基层段消纳占比	24.32％	40.15％	39.76％

1)基于风电场预测功率品质分段，建立基层段功率曲线模型M1，模型M1 的目标函数：

2)约束条件

S3：在日前市场中，基于合作博弈论进行风火电力联营，建立双方博弈模 型M2。M2模型的目标函数以最大化风电场效益以及火电厂的效益，M2模型的 约束条件包括：系统平衡约束、火电出力上下限约束、风电出力上下限约束、 火电机组爬坡率约束、火电机组最小启停时间约束。求解该优化模型，完成日 前市场出清。在日前市场中，所述双方博弈模型属于混合整数线性规划问题。 火电机组运行参数包括最大技术出力、最小技术出力、最小开停机时间、机组 爬坡率。

1)基于合作博弈论进行风火电力联营，建立双方博弈模型M2，模型M2 的目标函数：

max(U_F，U_W} (4)

2)约束条件：

基于风火合作博弈建立日前市场出清表：

日前市场中，通过调用基于合作博弈进行风火电力协商出清模型，得到市 场出清结果如附图4所示。

S4：在实时平衡市场中，风功率预测由短期进入超短期，风电不确定性及 波动性大幅降低，基于发电侧建立单向挂牌交易出清模型M3。M3模型的目标 函数以最小化可竞部分负荷量的购电费用，M3模型的约束条件包括：系统功 率平衡约束及线路传输功率约束、风电机组中标电量约束、火电机组中标电量 约束、报价约束。求解该优化模型，完成实时平衡市场出清。

1)基于发用电侧建立单向挂牌交易出清模型M3，模型M3的目标函数：

2)交易约束：

建立单向挂牌交易出清表：

建立市场出清数据汇总表：

结果表明，在开市前的第一层风电提前消纳中，风电消纳电量 1900.43MW·h，风电消纳占比31％，可有效简化市场流程，保障风电基础消纳； 在日前市场的第二层消纳中，风火双方协商交易，可有效消纳低谷时期的风电， 风电消纳电量3995.963MW·h，风电消纳占比65.36％；在实时平衡市场的第三 层消纳中，可有效处理偏差电量，使得波动性最强的风能在短期内快速消纳， 风电消纳电量210.827MW·h，风电消纳占比3.45％；整体来看，风电累计消纳 6107.220MW·h，风电消纳率达到99.89％。

本领域普通技术人员可以理解：以上各实时例仅用以说明本发明的技术方 案，而非对其限制；尽管参照前述各实时例对本发明进行了详细的说明，本领 域的普通技术人员应当理解：其依然可以对前述各实时例所记载的技术方案进 行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替 换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。

Claims (10)

1.一种考虑多层次市场联动型的风电消纳优化方法，其特征在于，包括如下步骤：

S1：在现货市场开市前，交易中心发布次日负荷曲线以及风功率预测曲线；

S2：在现货市场开市前，根据风电场申报预测功率建立基层段功率曲线模型M1，确定基层段功率曲线，执行基层段优先消纳，修正日负荷曲线；

S3：在日前市场中，基于合作博弈论进行风火电力联营，建立双方博弈模型M2，求解M2模型，完成日前市场出清；

S4：在日内市场中，基于发用电侧建立单向挂牌交易出清模型M3求解M3模型，完成日内市场出清。

2.如权利要求1所述的方法，其特征在于，所述M2模型的目标函数以最大化风电场效益以及火电厂的效益，所述M2模型的约束条件包括：系统平衡约束、火电出力上下限约束、风电出力上下限约束、火电机组爬坡率约束、火电机组最小启停时间约束。

3.如权利要求1所述的方法，其特征在于，所述M3模型的目标函数以最小化可竞部分负荷量的购电费用，所述M3模型的约束条件包括：系统功率平衡约束及线路传输功率约束、风电机组中标电量约束、火电机组中标电量约束、报价约束。

4.如权利要求1所述的方法，其特征在于，所述建立基础段功率曲线模型M1具体包括：模型M1的目标函数：

式中，B表示为风电在基层段的总出力，T为调度周期包含的时间段数，Nw为风电机组总数，为风电机组i在t时刻基层段的出力值。

5.如权利要求1或2任一项所述的方法，其特征在于，所述M2模型的目标函数为：max{U_F，U_W} (4)

其中，T为调度周期包含的时间段数，Nw为风电机组总数，Nf为火电机组总数，U_F表示为火电厂的效用函数，U_W表示为风电厂的效益函数；分别表示为火电厂的收益函数、成本函数、运输费用函数、平衡函数；分别表示为风电厂的收益函数、成本函数、运输费用函数以及政府补贴函数。

6.如权利要求1或3任一项所述的方法，其特征在于，所述M3模型的目标函数为：

其中，F表示为全网在一个时段内可竞部分负荷量的购电费用，T为调度周期包含的时间段数，为在t时段风电机组i的摘牌电量；为对应的电价；U_on(j，t)是一个0、1的随机变量，为在t时段火电机组j的摘牌电量；为其对应的电价。

7.如权利要求1或3或7任一项所述的方法，其特征在于，所述U_on(j，t)＝0表示火电机组j在t时段竞价失败，所述U_on(j，t)＝1表示火电机组j在t时段竞价成功。

8.如权利要求4所述的方法，其特征在于，所述约束条件包括风电出力约束以及波动指数约束条件，其中，所述风电出力约束具体包括：

式中，为风电机组i在t时刻的有功出力预测值,e_i，t为风电机组i在t时刻的预测误差，

所述波动指数约束具体包括：

式中，为在t时刻的负载功率，式(3)表达为在T时段内，风电机组i在t时刻基层段的出力值的变化率与在t时刻的负载功率的变化率相同，即波动指数为0。

9.如权利要求5所述的方法，其特征在于：

表示为火电厂的收益函数，其中，c_j，t表示机组j在t时刻的启停状态，c_j，t＝1为开机，c_j，t＝0为关机；表示为在t时刻火电厂j向风电厂i购买电量的费用，为在t时刻风电厂i和火电厂j的捆绑电量，为在t时刻风电厂i和火电厂j的捆绑电价；表示为在t时刻火电厂j在电力市场中竞价获得的盈利，为火电厂j在风火捆绑中的出力，为火电厂j在电力市场中竞价的捆绑电量，p^m为对应的电力市场统一出清电价，

表示为火电厂的成本函数，为在t时刻火电厂j的发电单位成本系数，

表示为风火联营产生的运输费用函数，p^tr为风火输电的单位运输费用，

表示为火电厂的平衡函数，表示为在t时刻风电厂i向火电厂j支付的平衡费用，p_flu为火电厂平衡风电并网波动所消耗的单位费用，

表示为风电厂的收益函数，为在t时刻风电厂i在电力市场中获得的盈利，为风电厂i在电力市场中单独竞得电量，

表示为风电厂的成本函数，风电的成本函数主要包含发电成本及并网成本，风电依靠自然风力发电，其发电成本几乎为零；而考虑到其波动性以及不不确定性将增加隐性成本，即并网成本；表示为在t时刻风电厂i因其波动性所增加的并网成本，为在t时刻风电厂i的全部出力，

表示为风火联营产生的运输费用函数，

表示为风电厂政府补贴函数，p^sub为政府补贴风电的单位费用，

约束条件包括有功功率平衡约束、火电机组出力上下限约束、火电机组爬坡率约束、火电机组最小启停时间约束以及风电机组运行约束，

所述有功功率平衡约束：

式中，为在t时刻的负载功率；

火电机组出力上下限约束：

式中，分别表示为火电机组j的最小、最大技术出力，

所述火电机组爬坡率约束：

式中，分别表示为火电机组j的下爬坡率和上爬坡率，

所述火电机组最小启停时间约束：

式中，分别表示为机组j的最小连续运行时间和最小连续停运时间，

所述风电机组运行约束：

式中，为风电机组i在t时刻的有功出力预测值。

10.如权利要求6所述的方法，其特征在于，M3约束条件：系统功率平衡约束及线路传输功率约束、风电机组中标电量约束、火电机组中标电量约束及报价约束；

所述系统功率平衡约束及线路传输功率约束：

式中，为在t时段的实际负荷功率，

所述风电机组中标电量约束：

式中，为风电机组i在t时段的实际输出功率，

所述火电机组中标电量约束：

所述报价约束：

式中，p^min、p^max分别为报价的最小、最大报价限制。