CN109741103A - 一种短期多目标双层优化调度方法 - Google Patents
一种短期多目标双层优化调度方法 Download PDFInfo
- Publication number
- CN109741103A CN109741103A CN201811631841.7A CN201811631841A CN109741103A CN 109741103 A CN109741103 A CN 109741103A CN 201811631841 A CN201811631841 A CN 201811631841A CN 109741103 A CN109741103 A CN 109741103A
- Authority
- CN
- China
- Prior art keywords
- wind
- bidding
- power
- unit
- wind power
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000005457 optimization Methods 0.000 title claims abstract description 27
- 239000002355 dual-layer Substances 0.000 title abstract 2
- 230000005611 electricity Effects 0.000 claims abstract description 27
- 230000007613 environmental effect Effects 0.000 claims abstract description 14
- 230000007774 longterm Effects 0.000 claims abstract description 6
- 238000010248 power generation Methods 0.000 claims description 23
- 230000036963 noncompetitive effect Effects 0.000 claims description 15
- 230000009194 climbing Effects 0.000 claims description 5
- 238000010977 unit operation Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 abstract description 9
- 230000011218 segmentation Effects 0.000 abstract description 9
- 230000006978 adaptation Effects 0.000 abstract 1
- 230000014509 gene expression Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000001737 promoting effect Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000002860 competitive effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- 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
- Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种适应风电参与市场化交易的短期多目标双层优化调度方法,该方法包括基于风电品质分段构建月度风火竞价交易模型;求解所述月度风火竞价交易模型,得到各竞价机组的月度合约电量;基于所述月度合约电量,进行中长期合约电量的分解,得到各竞价机组的日执行电量;基于所述竞价机组的日执行电量所形成的新的约束条件,把它纳入到调度模型中去,构建考虑风电参与市场化交易的短期多目标优化调度模型,协调优化竞价机组和非竞价机组的出力。本发明通过构建以电网购电的经济性、风电弃风量、环境成本最小为多目标的短期优化调度模型,通过协调优化竞价机组与非竞价机组的出力,达到系统运行成本、弃风量、环境成本最小的目标。
Description
技术领域
本发明涉及电力系统调度领域,具体涉及到一种短期多目标双层优化调度方法。
背景技术
随着电力市场改革的不断深入,风电等新能源正处于从原来的全额保障性收购向到参与市场化交易的过渡之中,例如湖北省近日印发的《湖北省电市场建设实施意见》中指出:湖北省电力市场建设的近期目标(2018年-2019年)是:初步构建湖北电力市场,先期纳入火电和调峰性能好的水电参与市场化交易,条件成熟时支持风电、光伏等新能源发电企业自主选择进入市场。可见,随着电力体制改革的深入,风电等新能源参与电力市场交易将是无法避免的趋势;同时,对于风电的中期即月度发电量的预测研究有助于风电的规划消纳;为此急需建立一种中长期交易模式下考虑风电等新能源参与市场化交易的电力系统优化调度模型,用以研究分析风电等新能源参与市场化交易对其消纳和电力系统调度的影响。
然而现有的关于含风电的电力系统调度方面的研究主要针对的是传统集中调度模式下的发电运行和计划编制,很少有考虑市场方面的因数。仅少数发明对市场过渡时期的发电调度问题进行了初步研究,其考虑的市场化交易也只是针对火电机组,没有考虑风电等新能源参与市场交易等新形式下的影响,即其还是在风电全额保障性收购环境下而开展的研究。为此,本发明针对湖北省的电力市场初建设期,风电、光伏等新能源发电企业自主选择进入市场的改革背景,风电等新能源参与市场化交易对电网公司编制日发电计划将要面临的新问题,构建了考虑风电参与市场化交易的短期多目标双层优化调度模型。
发明内容
本发明的目的在于克服现有技术中存在的缺陷,提供一种至少部分解决上述技术问题的电力系统优化调度方法,该模型以电网购电的经济性、风电弃风量、环境成本最小为多目标的短期优化调度模型,通过协调优化竞价机组与非竞价机组的出力,达到系统运行成本、弃风量、环境成本最小的目标。
本发明采用以下技术方案:
一种适应风电参与市场化交易的短期多目标双层优化调度方法,其特征在于,所述方法包括如下步骤:
S1:基于风电品质分段构建月度风火竞价交易模型;
S2:求解所述月度风火竞价交易模型,得到各竞价机组的月度合约电量;
S3:基于所述月度合约电量,进行中长期合约电量的分解,得到各竞价机组的日执行电量;
S4:基于所述竞价机组的日执行电量所形成的新的约束条件,把它纳入到调度模型中去,构建考虑风电参与市场化交易的短期多目标优化调度模型,协调优化竞价机组和非竞价机组的出力。
优选地,所述构建月度风火竞价交易模型具体包括基于风电品质风电的风火竞价的目标函数为:
式中,m为参与交易的用户数;X为用户的报价段数;PriceL(i,x)为用户i第x段的申报价格;为用户i第x段的成交量;NWb、NGb分别为参与竞价交易的风电机组、火电机组的数目;K为风电品质的区分段数;Pricew(i,k)为风电机组i第k个分段的申报价格,PriceG(j)为火电机组j的申报价格;为风电机组i第k个分段的中标出力值;为火电机组j的中标出力值。
优选地,所述基于风电品质风电的风火竞价的约束条件包括:报价约束、发电企业中标电量约束、用电企业中标电量约束、供需平衡约束。
优选地,采用网络流规划法对所述月度风火竞价交易模型进行求解。
优选地,所述基于所述竞价机组的日执行电量所形成的新的约束条件,把它纳入到调度模型中去,构建考虑风电参与市场化交易的短期多目标优化调度模型具体包括:
适应风电参与市场化交易的短期多目标优化调度模型目标函数,构建电网公司购电的经济性目标函数、系统运行的环境成本目标函数、弃风量最小的目标函数。
优选地,所述电网公司购电的经济性目标表示为:
其中,f1为电网购电成本、风电机组中Nwb+1,Nwb+2,…,Nw为非竞价机组,火电机组中NGb+1,NGb+2,...NG为非竞价机组;s1i为风电非竞价机组i的上网电价;s2j为火电非竞价机组j的上网电价;Pw,i,t为风电非竞价机组i在t时段的出力;PG,i,t为火电非竞价机组j在t时段的出力;Δt为单位时段包含的小时数;T为整个调度周期的总调度时段数;uw,i,t为风电非竞价机组i在t时段的开停机状态;uG,j,t为火电非竞价机组j在t时段的开停机状态。
优选地,所述系统运行的环境成本目标函数为f2=f21+f22
其中,
αs,i、βs,i和γs,i为火电机组i的SO2气体排污系数;αc,i、βc,i和γc,i为火电机组i的CO2气体排污特性系数;λs、λc分别为SO2、CO2气体排放对应的成本系数;Pi,t为火电机组i在t时段的出力;NG为系统中火电机组总数。
优选地,所述弃风量最小的目标函数
其中,λw为弃风惩罚系数;为非竞价风电机组i在t时段的预测出力;Pw,i,t为非竞价风电机组i在t时段的实际消纳量。
优选地,适应风电参与市场化交易的短期多目标优化调度模型的约束条件,具体约束条件如下:功率平衡约束、系统备用约束、火电机组出力上下限约束、火电机组爬坡约束、火电机组最小启停时间约束、风电机组运行约束、日执行电量约束。
本发明的优点和有益效果在于:
本发明以电网购电的经济性、风电弃风量、环境成本最小为目标,构建了考虑风电参与市场化交易的短期多目标双层优化调度模型,上层为基于风电品质分段的月度风火竞价交易模型,通过风电分段,风火互补的特性,提高月度竞价交易中风电机组中标的可能性,从而达到促进风电消纳的目的;下层为考虑合约电量分解的短期多目标优化调度模型,通过协调竞价机组和非竞价机组的出力,达到促进风电消纳的目的。即通过优化上层模型,促进竞价机组中风电的消纳;通过优化下层模型,促进非竞价机组中风电的消纳。
附图说明
图1为本发明的方案流程图;
图2为本发明实施例中修改后的IEEE39节点系统结构图;
图3为本发明实施例中湖北省某地区日负荷曲线和3个风电场出力曲线;
图4为本发明实施例中算列1的竞价机组和非竞价机组的优化调度结果;
图5为本发明实施例中算列2的竞价机组和非竞价机组的优化调度结果;
图6为本发明实施例中算列3的竞价机组和非竞价机组的优化调度结果。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步描述。以下实施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。
本发明提供一种至少部分解决上述技术问题的电力系统优化调度方法,该模型以电网购电的经济性、风电弃风量、环境成本最小为多目标的短期优化调度模型,通过协调优化竞价机组与非竞价机组的出力,达到系统运行成本、弃风量、环境成本最小的目标。
为了达到上述目的,如图1所示,本发明的技术方案包括如下步骤:
S1:基于风电品质分段的月度风火竞价交易模型的构建;
S2:求解月度风火竞价交易模型,得到各竞价机组的月度合约电量;
S3:基于所求得的月度合约电量,进行中长期合约电量的分解,得到各竞价机组的日执行电量;
S4:基于求得的竞价机组的日执行电量所形成的新的约束条件,把它纳入到调度模型中去,构建考虑风电参与市场化交易的短期多目标优化调度模型,协调优化竞价机组和非竞价机组的出力。
进一步地,所述基于风电品质分段的月度风火竞价交易模型的构建包括:
S11:基于风电品质风电的风火竞价的目标函数;本发明以集中撮合交易方式为例建立风电参与市场化交易的数学模型。以社会福利最大为目标建立交易的数学模型。目标函数为:
式中,m为参与交易的用户数;X为用户的报价段数;PriceL(i,x)为用户i第x段的申报价格;为用户i第x段的成交量;NWb、NGb分别为参与竞价交易的风电机组、火电机组的数目;K为风电品质的区分段数;Pricew(i,k)为风电机组i第k个分段的申报价格,PriceG(j)为火电机组j的申报价格;为风电机组i第k个分段的中标出力值;为火电机组j的中标出力值。
S12:基于风电品质风电的风火竞价的约束条件,由于本发明研究针对的是中长期交易市场(即没有现货市场),因此相对于现货市场而言,月度集中竞价交易考虑的约束条件要少一些,其约束条件如下:
约束条件一:报价约束,为了防止市场成员恶意抬高电价,交易中心往往设置了报价的上下限,市场成员的报价只能在设定的范围之内报,即:
minPrice≤Pricew(i,k)≤maxPrice i=1...NWb,k=1...K
minPrice≤PriceG(j)≤maxPrice j=1...NGb
Pricew(i,k)为风电机组i第k个分段的申报价格,PriceG(j)为火电机组j的申报价格,minPrice、maxPrice为最小、最大报价限制。
约束条件二:发电企业中标电量约束,中标电量不能大于向交易中心所申报的电量,即:
为风电机组i第k个分段的申报出力值,为火电机组j申报的出力值。
约束条件三:用电企业中标电量约束,中标电量不能大于向交易中心所申报的电量,即:
其中,为用户i第x个分段的申报出力值。
约束条件四:供需平衡约束,即月度竞价所有机组的成交量要等于负荷的月度需求量,即:
进一步地,所述求解月度风火竞价交易模型,得到各竞价机组的月度合约电量进一步包括:
S21:月度集中竞价模型求解算法主要有:排队法、网络流规划法和线性规划法等,它们分别适应于不同类型的报价曲线,并适合解决不同类型的约束条件。其中排队法使用的条件是报价必须是分段水平线即阶梯形。它的优点是简单快速,缺点是处理时间类约束(比如机组的最小启停时间约束)和电网安全类约束(比如线路潮流约束)问题较困难。线性规划法主要优点是快速、可靠,能有效地处理网络安全约束及和时间有关的约束问题;其缺点是:处理网损比较麻烦;如果竞价模型不是线性的,逐次线性化会造成计算精度的损失。网络流规划法是针对网络问题的一类特殊算法,适合解高维数、多约束的线性和非线性优化问题。它非常适用于发电竞价,计算原理符合市场操作过程。因此本发明采用网络流规划法对所建的月度集中竞价交易模型进行求解。
进一步地,所述基于所求得的月度合约电量,进行中长期合约电量的分解,得到各竞价机组的日执行电量,进一步包括:
S31:由于本发明的重点是研究适应风电参与市场化交易的短期多目标双层优化调度问题,即在考虑风电品质的月度集中竞价上层模型中,通过对风电参与月竞市场的优化,来保证风电的月度规划消纳;在考虑合约电量分解的短期多目标优化调度的下层模型,通过优化协调竞价机组和非竞价机组的出力,来保证风电的实时消纳。因此合约电量的分解采用现有技术中的分解机制,在此不再详述。
进一步地,所述基于求得的竞价机组的日执行电量所形成的新的约束条件,把它纳入到调度模型中去,构建适应风电参与市场化交易的短期多目标优化调度模型包括:
S41:适应风电参与市场化交易的短期多目标优化调度模型目标函数,分别从电网公司、社会环保、风电企业三个角度,综合考虑了电网公司购电的经济性、系统运行的环保性以及对风电的消纳三个目标,各目标的具体表达式如下:
目标函数一:电网公司购电的经济性目标,电力市场改革过渡时期,电网公司仍负责非竞价机组发电量(对应的是非市场用户的用电需求,比如居民用电)的统一购买和销售。而对于竞价机组,其发电量即交易电量,其购买成本已在月度市场中确定,制作日前计划时无需重复考虑。此时,电网购电成本即为所有非竞价机组的购电成本,目标函数表示为:
式中:f1为电网购电成本,元;风电机组中Nwb+1,Nwb+2,...Nw为非竞价机组,火电机组中NGb+1,NGb+2,...NG为非竞价机组;s1i为风电非竞价机组i的上网电价,元/MW·h,即政府对风电的全额保障性收购电价;s2j为火电非竞价机组j的上网电价,元/MW·h,即政府部门对火电的批复电价;Pw,i,t为风电非竞价机组i在t时段的出力,MW;PG,i,t为火电非竞价机组j在t时段的出力,MW;Δt为单位时段包含的小时数,h;T为整个调度周期的总调度时段数;uw,i,t为风电非竞价机组i在t时段的开停机状态,0表示停机,1表示开机。uG,j,t为火电非竞价机组j在t时段的开停机状态,0表示停机,1表示开机。
目标函数二:系统运行的环境成本,机组的环境成本是用来衡量机组运行中由于排放SO2和CO2气体造成的环境损失程度,函数表示为:
f2=f21+f22
其中,
式中:αs,i、βs,i和γs,i为火电机组i的SO2气体排污系数;αc,i、βc,i和γc,i为火电机组i的CO2气体排污特性系数;λs、λc分别为SO2、CO2气体排放对应的成本系数。Pi,t为火电机组i在t时段的出力(不管是市场电量还是计划电量,肯定最终还是要通过机组出力来实现);NG为系统中火电机组总数(包括竞价机组和非竞价机组)。
目标函数三:弃风量最小,由于风电中的竞价机组的风电消纳量即在月度竞价市场中的成交量,是之前已经确定了(不足或者超过的可以去平衡市场上去买卖),所以在短期调度模型中的弃风电量,只要考虑非竞价机组即可。为了实现系统总体弃风量最小,对每个非竞价风电机组引入弃风惩罚系数,具体表达式如下:
式中,λw为弃风惩罚系数,是一个较大的正数;为非竞价风电机组i在t时段的预测出力;Pw,i,t为非竞价风电机组i在t时段的实际消纳量。因为系统对不参与市场交易的风电是全额保障性收购的,不过收购的价格是政府指定的,价格一般来说是比参与市场交易的风电机组来说成交的价格要低一些,这样才能鼓励风电参与市场化交易;市场有风险,不过收益也高。这就要风电企业权衡利弊,做出参与市场交易与否。
S42:适应风电参与市场化交易的短期多目标优化调度模型的约束条件,具体约束条件如下:
约束条件一:功率平衡约束,即任意时段t竞价机组和非竞价机组的出力之和要等时段t的负荷需求。具体表达式如下,
式中:Pi,t和Pj,t分别为风电机组i和火电机组j在t时段的出力,MW;Lt为系统在t时段的负荷需求,MW。系统内的机组按参与市场交易与否,从整体上可以分为竞价机组和非竞价机组两大类。火电机组中既有竞价机组也有非竞价机组,风电机组根据其参与市场的情况,有三种可能性。case1,都是竞价机组;case2:一部分是竞价机组,一部分是非竞价机组;case3:都是非竞价机组。
约束条件二:系统备用约束,由于风电出力的随机性,现有的预测技术无法提供准确的预测值,因此需要提供一定的备用值以保证系统的安全。具体表达式如下:
式中:和分别为火电机组j的正旋转备用容量和负旋转备用容量,MW;KL、Kw分别为系统对负荷和风电的备用系数,根据相关报告指出,全球范围内实际投入运行的风电预测系统的平均绝对误差为14%~20%。为保证系统的安全,本发明取Kw=0.2;负荷备用系数取KL=0.05。
约束条件三:火电机组出力上下限约束,即任意时段t火电机组的出力不能超过其最大技术出力,同时也不能低于其最小技术出力,具体表达式如下:
式中,和分别为火电机组j在t时段的出力上、下限,MW;Pj,t为火电机组j在时段t的出力,MW。
约束条件四:火电机组爬坡约束,即任意时段t火电机组所能增加的出力不能超过其最大向上爬坡能力,火电机组所能减少的出力不能超过其最大向下爬坡能力,具体表达式如下:
式中,和分别为火电机组j每分钟输出功率所允许的上升和下降速度,Δt为每一调度时段所延续的时间,本发明取Δt=60min。
约束条件五:火电机组最小启停时间约束,火电机组不能频繁的开关机,通常火电机组如果是刚刚开始运行的,在为了保护机组的前提下要持续运行一段时间,然后才可以选择是继续运行还是关机;同理,如果火电机组刚刚关机,就必须停机一段时间才允许开机。具体表达式如下:
式中,和分别为火电机组i在t时段的连续运行、停运时间;和分别为火电机组i必须保持运行状态、停运状态的最小时间。
约束条件六:风电机组运行约束,即任意时段t风电机组(包括竞价机组和非竞价机组)的出力不会超过其装机容量,具体表达式如下,
式中,Pi,t为风电机组i在t时段的出力,为风电机组i的装机容量。
约束条件七,日执行电量约束,由于风电的随机性,因此风电竞价机组的日执行电量允许有一定的误差,即风电竞价机组在某一天的总出力要在其日完成电量偏差容许度的范围之内;而火电竞价机组的日执行电量一定要满足其合约电量的日分解值。具体表达式如下,
式中,Cw,i为风电竞价机组i分解得到的日执行电量,MW·h;为风电竞价机组的日完成电量偏差容许度,根据其合约电量完成情况确定,本发明取CG,j为火电竞价机组j分解得到的日执行电量。
本部分将采用修改过的IEEE 39节点系统对本发明所提考虑风电参与市场化交易的短期多目标双层优化调度模型的合理性进行仿真验证,在matlab平台上借助成熟的商业软件cplex对所建模型进行编程求解,并通过三个算例的仿真结果进行对比,分析风电等新能源参与市场化交易对其消纳和电力系统调度的影响。case1:所有的风电商都选择不参与市场交易,即所有的风电都被全额保障性收购;case2:风电一部分保障性收购,一部分参与市场交易;case3:风电商全部参与市场交易。
A系统参数设置
本发明以湖北省的电力市场改革为背景,结合湖北省的火电、风电装机比例进行仿真模拟,对标准的IEEE39节点系统进行适当的修改,使之大概符合湖北省的电源结构情况。本发明假设每台火电机组对应一个火电厂,每台风电机组对应一个风电场。修改后系统中火电、风电装机数量接近7:3,其中3个风电机组(即风电场,因为本发明假设一个风电机组对应一个风电场)分别于节点30、32、34处接入电网,系统网络拓扑如图2所示。火电机组污染物排放系数见表1;火电机组基本参数见表2;日负荷采用湖北电网某日的实际负荷曲线形状等比例缩小使之符合修改后的测试系统负荷值,日前负荷预测和风功率预测值见图3。环境成本系数λs和λc都取为3.4元/kg。根据湖北省2016年批复的15个电力项目中风电的上网电价情况,本发明的火电机组的批复电价s2取为350元/MW,风电机组批复电价s1取610元/MW。火电机组中的非竞价机组为G1-G4,竞价机组为G5-G7;风电机组中竞价机组和非竞价机组的数量,根据其参与市场交易的情况来确定,具体情况见算列分析。
表1火电机组的污染物排放系数
表2火电机组的基本参数
表3风电机组参数
B系统仿真
基于上述修改的IEEE 39节点系统结构图以及考虑风电参与市场化交易的短期多目标双层优化调度模型的建立,上层为基于风电品质分段的月度风火竞价交易模型,通过风电分段,风火互补的特性,提高月度竞价交易中风电机组中标的可能性,从而达到促进风电消纳的目的;下层为考虑合约电量分解的短期多目标优化调度模型,通过协调竞价机组和非竞价机组的出力,达到促进风电消纳的目的。即通过优化上层模型,促进竞价机组中风电的消纳;通过优化下层模型,促进非竞价机组中风电的消纳。基于风电品质分段的月度风火竞价模型和竞价机组月度合约电量分解的仿真求解结果如表4、表5所示,不同算列的模型优化结果如表6所示。算例1、2、3的仿真结果分别如图4、5、6所示。
表4基于风电品质分段的月度风火竞价模型的求解结果
表5竞价机组月度合约电量分解结果
表6不同算列的模型优化结果
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种适应风电参与市场化交易的短期多目标双层优化调度方法,其特征在于,所述方法包括如下步骤:
S1:基于风电品质分段构建月度风火竞价交易模型;
S2:求解所述月度风火竞价交易模型,得到各竞价机组的月度合约电量;
S3:基于所述月度合约电量,进行中长期合约电量的分解,得到各竞价机组的日执行电量;
S4:基于所述竞价机组的日执行电量所形成的新的约束条件,把它纳入到调度模型中去,构建考虑风电参与市场化交易的短期多目标优化调度模型,协调优化竞价机组和非竞价机组的出力。
2.如权利要求1所述的方法,其特征在于,所述构建月度风火竞价交易模型具体包括基于风电品质风电的风火竞价的目标函数为:
式中,m为参与交易的用户数;X为用户的报价段数;PriceL(i,x)为用户i第x段的申报价格;为用户i第x段的成交量;Nwb、NGb分别为参与竞价交易的风电机组、火电机组的数目;K为风电品质的区分段数;Pricew(i,k)为风电机组i第k个分段的申报价格,PriceG(j)为火电机组j的申报价格;为风电机组i第k个分段的中标出力值;为火电机组j的中标出力值。
3.如权利要求2所述的方法,其特征在于,所述基于风电品质风电的风火竞价的约束条件包括:报价约束、发电企业中标电量约束、用电企业中标电量约束、供需平衡约束。
4.如权利要求1所述的方法,其特征在于,采用网络流规划法对所述月度风火竞价交易模型进行求解。
5.如权利要求1所述的方法,其特征在于,所述基于所述竞价机组的日执行电量所形成的新的约束条件,把它纳入到调度模型中去,构建考虑风电参与市场化交易的短期多目标优化调度模型具体包括:
适应风电参与市场化交易的短期多目标优化调度模型目标函数,构建电网公司购电的经济性目标函数、系统运行的环境成本目标函数、弃风量最小的目标函数。
6.如权利要求5所述的方法,其特征在于,所述电网公司购电的经济性目标表示为:
其中,f1为电网购电成本、风电机组中Nwb+1,Nwb+2,…Nw为非竞价机组,火电机组中NGb+1,NGb+2,…NG为非竞价机组;s1i为风电非竞价机组i的上网电价;s2j为火电非竞价机组j的上网电价;Pw,i,t为风电非竞价机组i在t时段的出力;PG,i,t为火电非竞价机组j在t时段的出力;Δt为单位时段包含的小时数;T为整个调度周期的总调度时段数;uw,i,t为风电非竞价机组i在t时段的开停机状态;uG,j,t为火电非竞价机组j在t时段的开停机状态。
7.如权利要求5所述的方法,其特征在于,所述系统运行的环境成本目标函数为f2=f21+f22
其中,
αs,i、βs,i和γs,i为火电机组i的SO2气体排污系数;αc,i、βc,i和γc,i为火电机组i的CO2气体排污特性系数;λs、λc分别为SO2、CO2气体排放对应的成本系数;Pi,t为火电机组i在t时段的出力;NG为系统中火电机组总数。
8.如权利要求5所述的方法,其特征在于,所述弃风量最小的目标函数
其中,λw为弃风惩罚系数;为非竞价风电机组i在t时段的预测出力;Pw,i,t为非竞价风电机组i在t时段的实际消纳量。
9.如权利要求1、5-8任一项所述的方法,其特征在于,适应风电参与市场化交易的短期多目标优化调度模型的约束条件,具体约束条件如下:功率平衡约束、系统备用约束、火电机组出力上下限约束、火电机组爬坡约束、火电机组最小启停时间约束、风电机组运行约束、日执行电量约束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811631841.7A CN109741103B (zh) | 2018-12-29 | 2018-12-29 | 一种短期多目标双层优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811631841.7A CN109741103B (zh) | 2018-12-29 | 2018-12-29 | 一种短期多目标双层优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109741103A true CN109741103A (zh) | 2019-05-10 |
CN109741103B CN109741103B (zh) | 2020-09-29 |
Family
ID=66362105
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811631841.7A Active CN109741103B (zh) | 2018-12-29 | 2018-12-29 | 一种短期多目标双层优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109741103B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110689286A (zh) * | 2019-11-13 | 2020-01-14 | 国网陕西省电力公司电力科学研究院 | 中长期电力市场下风火打捆电厂的最优合同电量决策方法 |
CN110880046A (zh) * | 2019-11-06 | 2020-03-13 | 清华大学 | 短期机组信息获取方法、装置、计算机设备及存储介质 |
CN111049192A (zh) * | 2019-12-11 | 2020-04-21 | 云南电网有限责任公司 | 一种考虑可再生能源同台竞价的发电控制方法 |
CN114091721A (zh) * | 2021-09-30 | 2022-02-25 | 重庆大学 | 一种基于博弈论的耦合系统可靠性评估方法 |
CN115065102A (zh) * | 2022-07-20 | 2022-09-16 | 广西电网有限责任公司 | 一种火电机组启停调度的方法及装置 |
CN116128641A (zh) * | 2022-12-07 | 2023-05-16 | 申万宏源证券有限公司 | 一种竞价交易与非竞价交易分离的分布式证券交易系统 |
CN116342176A (zh) * | 2023-02-15 | 2023-06-27 | 广州东方电科自动化有限公司 | 一种电力市场现货电能量交易规则的火电企业分段报价方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106130079A (zh) * | 2016-07-08 | 2016-11-16 | 华北电力大学 | 一种风水火短期联合优化调度方法 |
CN107665378A (zh) * | 2017-09-25 | 2018-02-06 | 燕山大学 | 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 |
CN109066812A (zh) * | 2018-10-29 | 2018-12-21 | 东北大学 | 一种基于双层一致性算法的电力系统多目标优化调度方法 |
-
2018
- 2018-12-29 CN CN201811631841.7A patent/CN109741103B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106130079A (zh) * | 2016-07-08 | 2016-11-16 | 华北电力大学 | 一种风水火短期联合优化调度方法 |
CN107665378A (zh) * | 2017-09-25 | 2018-02-06 | 燕山大学 | 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 |
CN109066812A (zh) * | 2018-10-29 | 2018-12-21 | 东北大学 | 一种基于双层一致性算法的电力系统多目标优化调度方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110880046A (zh) * | 2019-11-06 | 2020-03-13 | 清华大学 | 短期机组信息获取方法、装置、计算机设备及存储介质 |
CN110689286A (zh) * | 2019-11-13 | 2020-01-14 | 国网陕西省电力公司电力科学研究院 | 中长期电力市场下风火打捆电厂的最优合同电量决策方法 |
CN110689286B (zh) * | 2019-11-13 | 2022-03-11 | 国网陕西省电力公司电力科学研究院 | 中长期电力市场下风火打捆电厂的最优合同电量决策方法 |
CN111049192A (zh) * | 2019-12-11 | 2020-04-21 | 云南电网有限责任公司 | 一种考虑可再生能源同台竞价的发电控制方法 |
CN111049192B (zh) * | 2019-12-11 | 2023-04-11 | 云南电网有限责任公司 | 一种考虑可再生能源同台竞价的发电控制方法 |
CN114091721A (zh) * | 2021-09-30 | 2022-02-25 | 重庆大学 | 一种基于博弈论的耦合系统可靠性评估方法 |
CN115065102A (zh) * | 2022-07-20 | 2022-09-16 | 广西电网有限责任公司 | 一种火电机组启停调度的方法及装置 |
CN115065102B (zh) * | 2022-07-20 | 2024-04-12 | 广西电网有限责任公司 | 一种火电机组启停调度的方法及装置 |
CN116128641A (zh) * | 2022-12-07 | 2023-05-16 | 申万宏源证券有限公司 | 一种竞价交易与非竞价交易分离的分布式证券交易系统 |
CN116128641B (zh) * | 2022-12-07 | 2023-10-17 | 申万宏源证券有限公司 | 一种竞价交易与非竞价交易分离的分布式证券交易系统 |
CN116342176A (zh) * | 2023-02-15 | 2023-06-27 | 广州东方电科自动化有限公司 | 一种电力市场现货电能量交易规则的火电企业分段报价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109741103B (zh) | 2020-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109741103B (zh) | 一种短期多目标双层优化调度方法 | |
Wang et al. | Decentralized coordinated operation model of VPP and P2H systems based on stochastic-bargaining game considering multiple uncertainties and carbon cost | |
CN111210079B (zh) | 一种分布式能源虚拟电厂运行优化方法及系统 | |
CN111126657B (zh) | 交流互联电网省间清洁电能峰谷丰枯互济的电力交易模式 | |
CN106126923B (zh) | 流域梯级龙头水电站效益补偿方法及系统 | |
CN111311012A (zh) | 基于多智能体的微电网电力市场双层竞价优化方法 | |
Tan et al. | Bidding strategy of virtual power plant with energy storage power station and photovoltaic and wind power | |
Tang et al. | Unit maintenance strategy considering the uncertainty of energy intensive load and wind power under the carbon peak and carbon neutral target | |
Zhang et al. | A master-slave game optimization model for electric power companies considering virtual power plant | |
CN112308411A (zh) | 基于动态碳交易模型的综合能源站随机规划方法及系统 | |
CN114912943A (zh) | 一种考虑碳排放交易的虚拟电厂中长期联合调度方法 | |
Li et al. | Integrated energy system for low-carbon economic operation optimization: Pareto compromise programming and master-slave game | |
Fu et al. | Effective mechanism for trading generation rights in the context of carbon emission rights | |
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 | |
CN117391718A (zh) | 一种基于动态减排因子的绿电-ccer互认交易系统 | |
CN115496378B (zh) | 一种计入风能减排效益的电力系统经济调度方法 | |
CN111160767A (zh) | 一种综合能源服务效益评估方法 | |
CN114611827A (zh) | 社区电碳因子计算及预测方法 | |
CN113989072A (zh) | 面向调峰辅助服务市场交易主体的分摊上限动态调整策略 | |
CN113239315A (zh) | 一种对水电参与电力现货市场竞价效果评价的方法 | |
Wang et al. | Wind‐Thermal‐Energy Storage System Optimization: Evidence from Simulations of the Economical Consumption of Wind Energy | |
Ying et al. | Research on Bidding Strategy of Virtual Power Plant Considering Risk Preference | |
CN111126690A (zh) | 计划-集中式市场双轨制下电力差价合同曲线分解方法 | |
Zhao et al. | Operation Strategy of Integrated Wind-Solar-Hydrogen-Storage System as VPP in Electricity Market | |
Zhao et al. | Low Carbon Economic Scheduling of Wind Power System Including Environmental Premium and Carbon Cost |
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 |