CN109902855B - 一种市场环境下的梯级关键水电站多目标优化及电量分配方法 - Google Patents

一种市场环境下的梯级关键水电站多目标优化及电量分配方法 Download PDF

Info

Publication number
CN109902855B
CN109902855B CN201910030762.9A CN201910030762A CN109902855B CN 109902855 B CN109902855 B CN 109902855B CN 201910030762 A CN201910030762 A CN 201910030762A CN 109902855 B CN109902855 B CN 109902855B
Authority
CN
China
Prior art keywords
market
water
cascade
reservoir
unit
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
CN201910030762.9A
Other languages
English (en)
Other versions
CN109902855A (zh
Inventor
蔡华祥
程春田
张茂林
于浩健雄
刘双全
刘本希
王帮灿
谢蒙飞
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.)
Kunming Electric Power Transaction Center Co ltd
Original Assignee
Kunming Electric Power Transaction Center Co ltd
Dalian University of Technology
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 Kunming Electric Power Transaction Center Co ltd, Dalian University of Technology filed Critical Kunming Electric Power Transaction Center Co ltd
Priority to CN201910030762.9A priority Critical patent/CN109902855B/zh
Publication of CN109902855A publication Critical patent/CN109902855A/zh
Application granted granted Critical
Publication of CN109902855B publication Critical patent/CN109902855B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于水电经济调度领域，涉及一种市场环境下的梯级关键水电站多目标优化及电量分配方法，根据梯级水电站群年内来水情况根据市场经济效益最大及弃水量最小的多目标优化调度方法制定需要，并根据多元市场分类给出基于不同市场价格波动率最小、期望收益最大的多元电力市场分配比重。利用NSGA‑2遗传算法框架对梯级市场经济效益及弃水量进行多目标前沿解集求解，给出年内梯级水库水位过程及处理过程满意解集，根据参考年内市场电价波动给出计划参与多元市场交易电量分配比例。本发明为交易中心发布重要水电站水位的边界范围、为市场参与主体的水电站参与电力市场竞价提供方法支持。

Description

一种市场环境下的梯级关键水电站多目标优化及电量分配 方法
技术领域
本发明属于水电经济调度领域，涉及一种市场环境下的梯级关键水电站多目标优化及电量分配方法，根据交易中心披露的市场成交信息，结合历史径流信息和未来径流预报，以经济效益和弃水最小为目标优化年内的市场电量分配和水位控制，进而为交易中心发布重要水电站水位的边界范围、为市场参与主体的水电站参与电力市场竞价提供方法支持。
技术背景
具有多年调节性能的梯级水电站群对整个流域的水能利用有着重要的作用，同时也是电网调度中参与调峰调频的重要组成部分。但是受流域来水的不确定性及本地消纳有限的影响，梯级水电站经常出现弃水现象，电力市场将进一步加剧弃水风险，如何在电力市场条件下，保证水电清洁最大程度的消纳，是电力监管部门和发电企业普遍关注的重大问题，需要结合各地水电参与电力市场特点，研究提出兼顾市场、清洁能源利用的梯级水电站群调度优化新方法。
在常规调度时，如何降低梯级弃水是电力监管人员对水电运行管理的重点。而随着我国逐步建立电力市场，电力交易价格受市场供需影响，梯级水电站作为市场参与者倾向于“价枯期高泄流、汛期价低蓄水”的水库调度过程，但是伴随着未来来水不确定因素的影响，这种行为一旦与来水情况相悖会导致后期来水减少降低经济效益、来水增加加剧梯级弃水的潜在可能。如何在减少弃水的情况下提高经济效益成为电力市场环境下电力监管部门对梯级水电站群运行管理的新需求。另一方面，梯级水电站作为发电企业参与电力交易面对市场交易多元化和价格不确定性变化，如何保证经济收益稳定性是梯级运营人员关注的重点。市场价格作为引导市场主体参与交易的信号，梯级水电站通过利用交易中西的公开信息对多元市场历史价格波动进行电量分散投资来降低市场风险，同时给出基于期望收益最大的交易组合电量分配比例是参与目前我国多元电力市场的另一个新需求。
为了解决上述所提问题和满足对应的新需求，本发明从梯级关键水电站参与多元电力市场优化调度及交易周期内电量分配优化着手，引入多目标优化方法及投资组合理论，提出了一种经济效益及弃水量兼顾的梯级调度及多元电力市场交易电量分配方法。
发明内容
本发明要解决根据梯级水电站群年内来水情况根据市场经济效益最大及弃水量最小的多目标优化调度方法制定需要，并根据多元市场分类给出基于不同市场价格波动率最小、期望收益最大的多元电力市场分配比重。为此，建立一种市场环境下的梯级关键水电站多目标优化及电量分配方法，该方法利用NSGA-2遗传算法框架对梯级市场经济效益及弃水量进行多目标前沿解集求解，给出年内梯级水库水位过程及处理过程满意解集，根据参考年内市场电价波动给出计划参与多元市场交易电量分配比例。
本发明的技术方案为：
一种市场环境下的梯级关键水电站多目标优化及电量分配方法，根据梯级来水情况，以梯级水电站物理约束为控制条件，给出多目标的优化调度满意解集，再根据多元电力市场历史电价信息给出年内梯级水电站群参与各类市场分配比例；具体步骤如下：
(1)根据梯级年内来水预测数据，还原梯级区间径流，根据水库库容特性确定约束边界及发电特性曲线，建立梯级水电站群参与的市场效益模型、弃水模型和电价模型。
(2)确定多目标优化满意解集数量S，计算迭代次数G、变异概率P1和交叉概率P2。
(3)根据来水条件初始化解集种群。
(4)计算以市场经济效益和弃水多目标适应度函数，基于NSGA-2适应度排序策略及种群保留策略选择个体形成新种群，基本流程见图1。
(5)迭代次数低于G时，进行种群间交叉及个体变异，补充新种群个体数目至S，重复步骤(4)，迭代次数等于G时，输出种群，得到满意解集。
(6)将多元市场进行分类，计算各类交易表征电价，得到各时段电价序列。
(7)计算各类电价的期望收益及波动率。
(8)在给定效益函数下计算风险波动率最小时的交易组合电量比重。
(9)给出满意解集各方案参与多元市场的电量组成。
本发明对比现有技术具有如下有益效果：本发明一种以市场经济效益及弃水量的多目标优化及年内多元市场电量分配方法，首先根据来水条件、水库特性条件、市场电价条件给出以市场经济效益最大及弃水量最小的满意解集；根据多元电力市场交易特点进行交易分类及电价表征，通过各类交易价格期望收益与波动程度给出波动程度最小下的多元市场参与比例，确定满意解集参与多元市场的电量比重。对比现有技术，本发明能够有效解决具有水力联系的梯级水电站群参与多元电力市场中长期调度方案的制作及年内交易电量分配的问题，为梯级调度人员提供多种水位调度方案，是一种切实可行的梯级经济调度方法，对于梯级水电站群追求多元市场经济效益和提高水能利用具有重要的理论和实践意义。
附图说明
图1是NSGA-2算法基本流程图。
图2(a)和图2(b)分别是本发明方法求解得到的小湾和糯扎渡水位过程满意解集图。
图2(c)和图2(d)分别是本发明方法求解得到的小湾和糯扎渡出力过程满意解集图。
图2(e)是本发明方法求解得到的梯级经济效益与弃水量关系图。
图3是应用本发明方法得到的多元电力市场投资组合期望收益与波动率关系图。
具体实施方式
下面结合说明书附图和实施例对本发明作进一步的描述。
在以往梯级水电站调度一般以发电量为优化目标，其目的是促进梯级水电站群水能高效利用，方法优化的目标大多是是唯一的。随着我国电力市场改革，梯级水电站作为电力市场参与主体，参与交易的经济利益是其关注的重点，但是另一方面也要兼顾水能利用。本发明旨在通过预测或已知年内来水情况下，通过参考历史交易年内各月电价，在基于NSGA-2多目标优化种群保留策略下得到出力和水位的满意解，提供调度管理人员进行参考，并根据多元电力市场交易特点进行交易分类，给出电价序列后通过建立优化函数获得年内电量分配比例，为梯级水电站群参与多元市场提供指导。
具体步骤描述如下：
步骤一：确定梯级来水资料，作为梯级区间流量数据，数据来源方式本发明不作要求。确定计算水库的信息：水库特征水位信息包括汛限水位、死水位和正常高水位；水库特征曲线包括水位库容曲线、尾水位泄量曲线以及耗水率曲线；机组发电特征信息包括机组台数和机组最大过流能力。
水库和机组的约束条件如下：
(a)水量平衡约束
Figure BDA0001944139930000031
式中：vt为水库在t时段末的库容，单位：m3；Int为水库在t时段的入库流量，单位：m3/s；ut为水库在t时段的出库流量，单位：m3/s；Δt为时段时长，单位：s。
(b)库容限制约束
Figure BDA0001944139930000032
式中：
Figure BDA0001944139930000033
分别为库容上、下限，单位：m3。
(c)出库流量约束
Figure BDA0001944139930000034
式中：
Figure BDA0001944139930000035
分别为出库流量的上、下限，单位：m3/s。
(d)出力限制约束
Figure BDA0001944139930000036
式中：pi,t为第i个水库t时段出力，单位：W；
Figure BDA0001944139930000041
为第i个水库的出力上限，单位：W。
(e)发电流量限制约束
Figure BDA0001944139930000042
式中：qi,t为第i个水库t时段发电流量，单位：m3/s；
Figure BDA0001944139930000043
为第i个水库的机组发电流量上限，单位：m3/s。
(f)初始库容约束
vbeg＝Vbeg
式中：vbeg为水库起始库容变量，m3；Vbeg为水库起始库容控制值，m3。
(g)水位库容关系
Figure BDA0001944139930000044
式中：fvz(·)为水位库容关系函数；zft为水库在t时段的坝前水位，m。
(h)尾水位泄量关系
Figure BDA0001944139930000045
式中：fzu(·)为尾水位泄量关系函数；zdt为水库在t时段的尾水位，m。
确定参考年内电力市场各时段特征电价，得到电价模型，特征电价计算方式为：
Figure BDA0001944139930000046
其中，p为时段内交易加权平均电价，共有N类市场交易，第n类市场交易的成交均价为pn、成交电量为qn。
以年内梯级水电站群参与月度市场交易的经济利益和弃水量为目标，建立市场效益模型和弃水模型，经济效益Emarket与弃水量Qaban作为多目标的两个目标函数，其表达如下：
Figure BDA0001944139930000047
Figure BDA0001944139930000048
其中，Emarket为系统梯级经济效益，单位：元，
Figure BDA0001944139930000049
表示水电站m在t时段的市场交易电价，单位：元/kWh；
Figure BDA0001944139930000051
表示水电站m在t时段市场成交电量，单位：kWh；T为计算周期，此处为12，表示计算周期为12个月；m、M分别为水电站编号和总数；Qaban为系统梯级弃水量，单位：m3；
Figure BDA0001944139930000052
为水电站m第t时段的弃水流量，单位：m3/s；Δt为时段时长，为3600×24×30，单位：s。
步骤二：确定经济效益Emarket与弃水量Qaban的多目标优化满意解集数量S，计算迭代次数G、变异概率P1和交叉概率P2，参数需由使用者自行设置，本发明不作要求，本实施例中设置的参数为：S＝100；G＝1000；P1＝0.2；P2＝0.8。满意解集数量影响最后优化方案中的可提供的数量，计算迭代数影响优化算法最终收敛的程度，变异概率是保证种群不陷入局部最优并提供满意解集多样性。
步骤三：种群中的个体为一组m×T的水位值，单位：m；为保证计算效率及收敛速度，在初始种群时，根据步骤一中的梯级内区间流量，通过随机入库流量方式给出基于满意解集数量S的随机初始解，即生成数量为S的个体；步骤如下：
(1)对于第m个水电站，计算给定来水下的时段内来水总量qinm：
Figure BDA0001944139930000053
其中，qinm为T时段内第m个水电站的总来水，单位：m3。
(2)生成时段数T的随机数向量
Figure BDA0001944139930000054
其中random(0,1)为在0和1中取一个随机数，按照r生成的权重得到各时段的新入库流量：
Figure BDA0001944139930000055
其中，Int *为电站m随机生成后的新入库流量，单位：m3/s。
(3)计算各时段末库容，根据约束条件中库容限制约束对时段末库容进行修正，超过库容约束上限，则将时段末库容修正为库容上限；低于库容约束下限，则将时段末库容修正为库容下限。
(4)根据水位库容函数fvz(·)，通过时段末库容确定时段末水位。
步骤四：计算步骤一中两个目标函数的适应度函数，通过NSGA-2适应度排序策略及种群保留策略选择个体生成新种群，算法流程结合图1，该算法框架为现有技术，实现方式本发明不作限制，本实施例实现基于Python语言编写通过开源第三方包DEAP中遗传算法框架实现迭代过程并调用包中自带NSGA-2适应度排序策略及种群保留策略实现对满意解的排序和筛选。
步骤五：该步骤为验证步骤，如果迭代次数低于设置的值G，则对新种群按照给定概率对种群内个体进行个体交叉和个体变异操作，种群个体之间的交叉和变异方式不限要求，其目的是在迭代过程中得到满意解集的更新，可采用如下的方式：
交叉：数交叉算子是在父代个体完成非支配排序后，按照P1概率由程序控制发生，由其中两个个体A、B进行线性组合而生成新个体，其中组合系数α由A、B两个体的排序层级确定。算数交叉算子适度保留个体的排序层级信息，有效减小随机交叉对个体可行性的破坏，同时充分利用其他层级个体的遗传信息以保证种群多样性。
Figure BDA0001944139930000061
其中，
Figure BDA0001944139930000062
式中：
Figure BDA0001944139930000063
和
Figure BDA0001944139930000064
表示迭代过程中第i代满意解集中的A、B个体的水位序列；
Figure BDA0001944139930000065
和
Figure BDA0001944139930000066
表示交叉发生后生成的第i+1代新的个体；α为百分比值，表示个体中从起始到某一点占个体长度的百分比；Ar和Br分别表示A、B两个体在这代满意解集中的排序位置。
变异：小扰动变异是利用高斯分布进行小尺度扰动，其目的是增加优秀个体出现几率，同时减少种群陷入局部最优解的概率，按照P2概率由程序控制发生。对于个体
Figure BDA0001944139930000067
在某一概率下的变异为：
Figure BDA0001944139930000068
式中
Figure BDA0001944139930000069
为第i+1代个体A中x位置的新水位值，
Figure BDA00019441399300000610
为第i代发生变异个体A中x位置的水位值。
步骤六：根据多元电力市场中的市场交易按照省内交易和外送交易进行交易分类，两类交易生成的电价序列长度以月为时段，至少包含24个月电价数据，电价序列按照各时段各类市场交易电量比例进行数据处理：
Figure BDA00019441399300000611
其中
Figure BDA00019441399300000612
为t时段第n类考虑市场份额后的交易电价，单位：元；
Figure BDA00019441399300000613
为该类交易的加权电价,按照步骤一所提出的特征电价计算方式进行电价计算，单位：元/kWh；
Figure BDA00019441399300000614
为该类交易所占市场份额的比重；
Figure BDA00019441399300000615
其中，N为多元电力市场交易分类数量，以本实施例中按照省内交易和外送交易分类为例，N＝2，交易分类方式本发明不做限制，可根据实际情况确定，分类总数量满足N≥2，Qk和Qn分别为N类交易中第k类与第n类交易的总成交电量，单位：kWh。
步骤七：对于电价序列(本实施例中为省内交易和外送交易的电价序列)，其收益率为：
Figure BDA0001944139930000071
Figure BDA0001944139930000072
其中，
Figure BDA0001944139930000073
为第n类交易t时段收益率，
Figure BDA0001944139930000074
为第n类交易t时段考虑市场份额后的交易电价，
Figure BDA0001944139930000075
为第n类交易t-1时段考虑市场份额后的交易电价，
Figure BDA0001944139930000076
为以自然对数e为底的对数值；Rn为第n类交易的平均收益；
设梯级水电站群参与N类交易的权重为：w＝(w1,w2,…,wN)；
则满足以下条件：
Figure BDA0001944139930000077
步骤八：目标为预期投资组合波动率最小，目标函数描述为：
Figure BDA0001944139930000078
其中，σ为梯级水电站群参与多元电力市场的波动率；σij为第i类市场交易与第j类市场交易虑市场份额后的电价序列的协方差，其中i,j∈N；
预期收益描述为：
Figure BDA0001944139930000079
其中，U为预期收益值，单位：元。
本目标优化函数其本质上是一个二次规划寻优问题，可用目前已知任意二次规划优化算法进行求解，本发明不做限制。本实施例通过利用序贯最小二乘规划优化算法(Sequential Least Squares Programming Optimization Algorithm,SLSQP)进行求解。求得梯级水电站群参与的市场交易的最优比例wopt。
步骤九：根据步骤八得到的最优比例wopt以及根据步骤五的满意解集得到的水位，计算出各时段电量，得到各类市场交易的参与电量(本实施例中为省内交易和外送交易两类交易的参与电量)。
以澜沧江下游流域小湾和糯扎渡两座具有多年调节能力的水电站为例，给出基于本发明方法的多目标满意解制定及年内电量分配。在给定来水情况下，小湾糯扎渡始末水位分别为1235m和805m时得到的满意解集，图2(a)和图2(b)分别是小湾和糯扎渡水位过程满意解集，颜色越深表示其获得经济效益越大；图2(c)和图2(d)分别是小湾和糯扎渡出力过程满意解集；图2(e)为所获得的解集中经济效益与弃水量的关系图，从得到的满意解集来看，最后生成的多目标解集弃水量在14.0～16.0亿立方米，发电效益在102.0～105.0亿元之间，对应发电量在565.5～578.5亿立方米之间。可见随着经济效益的增加弃水量也逐渐增加。
表1为根据本发明方法对多元市场归类后两类市场交易的加权价格。图3为通过优化计算后得到的波动率最小的点，其颜色代表期望收益与波动率比值，颜色越深比值越小，星号处为期望波动率最小点，是梯级水电站群参与省内和外送两个市场建议比例，此时交易组合比例为(0.704，0.296)，即对于各类方案中得到的每月电量采用建议比例风险收益概率最小。即梯级参与省内交易电量在398.112～407.264亿立方米；参与西电东送交易电量在167.388～171.236亿立方米。
表1某电力市场省内与外送电价加权表
Figure BDA0001944139930000081
Figure BDA0001944139930000091

Claims (3)

1.一种市场环境下的梯级关键水电站多目标优化及电量分配方法，根据梯级来水情况，以梯级水电站物理约束为控制条件，给出多目标的优化调度满意解集，再根据多元电力市场历史电价信息给出年内梯级水电站群参与各类市场分配比例；其特征在于，具体步骤如下：
步骤一：根据梯级年内来水预测数据，还原梯级区间径流，根据水库库容特性确定约束边界及发电特性曲线，建立梯级水电站群参与的市场效益模型、弃水模型和电价模型：
确定梯级来水资料，作为梯级区间流量数据；确定计算水库的信息：水库特征水位信息包括汛限水位、死水位和正常高水位；水库特征曲线包括水位库容曲线、尾水位泄量曲线以及耗水率曲线；机组发电特征信息包括机组台数和机组最大过流能力；
水库和机组的约束条件如下：
(a)水量平衡约束
Figure FDA0003922053690000011
式中：vt为水库在t时段末的库容，单位：m3；Int为水库在t时段的入库流量，单位：m3/s；ut为水库在t时段的出库流量，单位：m3/s；Δt为时段时长，单位：s；
(b)库容限制约束
Figure FDA0003922053690000012
式中：V、
Figure FDA0003922053690000013
分别为库容上、下限，单位：m3；
(c)出库流量约束
Figure FDA0003922053690000014
式中：U、
Figure FDA0003922053690000015
分别为出库流量的上、下限，单位：m3/s；
(d)出力限制约束
Figure FDA0003922053690000016
式中：pi,t为第i个水库t时段出力，单位：W；
Figure FDA0003922053690000017
为第i个水库的出力上限，单位：W；
(e)发电流量限制约束
Figure FDA0003922053690000018
式中：qi,t为第i个水库t时段发电流量，单位：m3/s；
Figure FDA0003922053690000019
为第i个水库的机组发电流量上限，单位：m3/s；
(f)初始库容约束
vbeg＝Vbeg
式中：vbeg为水库起始库容变量，m3；Vbeg为水库起始库容控制值，m3；
(g)水位库容关系
Figure FDA0003922053690000021
式中：fvz(·)为水位库容关系函数；zft为水库在t时段的坝前水位，m；
(h)尾水位泄量关系
Figure FDA0003922053690000022
式中：fzu(·)为尾水位泄量关系函数；zdt为水库在t时段的尾水位，m；
确定参考年内电力市场各时段特征电价，得到电价模型，特征电价计算方式为：
Figure FDA0003922053690000023
其中，p为时段内交易加权平均电价，共有N类市场交易，第n类市场交易的成交均价为pn、成交电量为qn；
以年内梯级水电站群参与月度市场交易的经济利益和弃水量为目标，建立市场效益模型和弃水模型，经济效益Emarket与弃水量Qaban作为多目标的两个目标函数，表达如下：
Figure FDA0003922053690000024
Figure FDA0003922053690000025
其中，Emarket为系统梯级经济效益，单位：元，
Figure FDA0003922053690000026
表示水电站m在t时段的市场交易电价，单位：元/kWh；
Figure FDA0003922053690000027
表示水电站m在t时段市场成交电量，单位：kWh；T为计算周期；m、M分别为水电站编号和总数；Qaban为系统梯级弃水量，单位：m3；
Figure FDA0003922053690000028
为水电站m第t时段的弃水流量，单位：m3/s；Δt为时段时长，单位：s；
步骤二：确定经济效益Emarket与弃水量Qaban的多目标优化满意解集数量S，计算迭代次数G、变异概率P1和交叉概率P2；
步骤三：根据来水条件初始化解集种群：
种群中的个体为一组m×T的水位值，单位：m；在初始种群时，根据步骤一中的梯级内区间流量，通过随机入库流量方式给出基于满意解集数量S的随机初始解，即生成数量为S的个体；步骤如下：
(1)对于第m个水电站，计算给定来水下的时段内来水总量qinm：
Figure FDA0003922053690000031
其中，qinm为T时段内第m个水电站的总来水，单位：m3；
(2)生成时段数T的随机数向量
Figure FDA0003922053690000032
其中random(0,1)为在0和1中取一个随机数，按照r生成的权重得到各时段的新入库流量：
Figure FDA0003922053690000033
其中，Int *为电站m随机生成后的新入库流量，单位：m3/s；
(3)计算各时段末库容，根据约束条件中库容限制约束对时段末库容进行修正，超过库容约束上限，则将时段末库容修正为库容上限；低于库容约束下限，则将时段末库容修正为库容下限；
(4)根据水位库容函数fvz(·)，通过时段末库容确定时段末水位；
步骤四：计算步骤一中市场经济效益和弃水量两个目标函数的适应度函数，基于NSGA-2适应度排序策略及种群保留策略选择个体形成新种群；
步骤五：为验证步骤，迭代次数低于G时，进行种群内进行个体交叉及个体变异，补充新种群个体数目至S，重复步骤四，迭代次数等于G时，输出种群，得到满意解集；
步骤六：将多元市场进行分类，计算各类交易表征电价，得到各时段电价序列：
电价序列按照各时段各类市场交易电量比例进行数据处理：
Figure FDA0003922053690000034
其中
Figure FDA0003922053690000035
为t时段第n类考虑市场份额后的交易电价，单位：元；
Figure FDA0003922053690000036
为该类交易的加权电价，按照步骤一所提出的特征电价计算方式进行电价计算，单位：元/kWh；
Figure FDA0003922053690000037
为该类交易所占市场份额的比重；
Figure FDA0003922053690000041
其中，N为多元电力市场交易分类数量，分类总数量满足N≥2，Qk和Qn分别为N类交易中第k类与第n类交易的总成交电量，单位：kWh；
步骤七：计算各类电价的期望收益及波动率：
对于电价序列，其收益率为：
Figure FDA0003922053690000042
Figure FDA0003922053690000043
其中，
Figure FDA0003922053690000044
为第n类交易t时段收益率，
Figure FDA0003922053690000045
为第n类交易t时段考虑市场份额后的交易电价，
Figure FDA0003922053690000046
为第n类交易t-1时段考虑市场份额后的交易电价，
Figure FDA0003922053690000047
为以自然对数e为底的对数值；Rn为第n类交易的平均收益；
设梯级水电站群参与N类交易的权重为：w＝(w1,w2,...,wN)；
则满足以下条件：
Figure FDA0003922053690000048
步骤八：在给定效益函数下计算风险波动率最小时的交易组合电量比重：
目标为预期投资组合波动率最小，目标函数描述为：
Figure FDA0003922053690000049
其中，σ为梯级水电站群参与多元电力市场的波动率；σij为第i类市场交易与第j类市场交易考虑市场份额后的电价序列的协方差，其中i,j∈N；
预期收益描述为：
Figure FDA00039220536900000410
其中，U为预期收益值，单位：元；
采用序贯最小二乘规划优化算法求得梯级水电站群参与的市场交易的最优比例wopt；
步骤九：给出满意解集各方案参与多元市场的电量组成：
根据步骤八得到的最优比例wopt以及根据步骤五的满意解集得到的水位，计算出各时段电量，得到各类市场交易的参与电量。
2.根据权利要求1所述的一种市场环境下的梯级关键水电站多目标优化及电量分配方法，其特征在于，市场交易分类为两类，分别为省内交易和外送交易。
3.根据权利要求1或2所述的一种市场环境下的梯级关键水电站多目标优化及电量分配方法，其特征在于，设置步骤二中的参数如下：S＝100；G＝1000；P1＝0.2；P2＝0.8。
CN201910030762.9A 2019-01-14 2019-01-14 一种市场环境下的梯级关键水电站多目标优化及电量分配方法 Active CN109902855B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910030762.9A CN109902855B (zh) 2019-01-14 2019-01-14 一种市场环境下的梯级关键水电站多目标优化及电量分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910030762.9A CN109902855B (zh) 2019-01-14 2019-01-14 一种市场环境下的梯级关键水电站多目标优化及电量分配方法

Publications (2)

Publication Number Publication Date
CN109902855A CN109902855A (zh) 2019-06-18
CN109902855B true CN109902855B (zh) 2023-02-14

Family

ID=66943640

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910030762.9A Active CN109902855B (zh) 2019-01-14 2019-01-14 一种市场环境下的梯级关键水电站多目标优化及电量分配方法

Country Status (1)

Country Link
CN (1) CN109902855B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110348740B (zh) * 2019-07-12 2021-01-12 华能四川水电有限公司 基于大数据的多流域水电站集群发电计划系统
CN111144624B (zh) * 2019-12-10 2023-05-02 昆明电力交易中心有限责任公司 一种可再生能源电力配额分配的优化方法
CN110942212B (zh) * 2019-12-13 2022-09-23 国网青海省电力公司电力科学研究院 一种基于梯级水库运行系数的梯级水库优化运行方法
CN111476675B (zh) * 2020-03-16 2023-11-03 昆明电力交易中心有限责任公司 基于需求响应的综合能源系统分布式均衡交互控制方法
CN111612292A (zh) * 2020-04-03 2020-09-01 贵州乌江水电开发有限责任公司 基于关键水位控制的梯级水电站调度控制系统及方法
CN111626512B (zh) * 2020-05-28 2023-11-14 国家电网公司西南分部 一种考虑电网断面约束的梯级水电日前调度方法
CN113705861A (zh) * 2021-08-06 2021-11-26 龙滩水电开发有限公司龙滩水力发电厂 基于遗传算法的电力市场环境下水电站运行优化方法
CN114676888A (zh) * 2022-03-04 2022-06-28 三峡大学 一种兼顾合约电量分解的梯级水电站群中长期优化调度方法
CN114819659A (zh) * 2022-04-28 2022-07-29 浙江工业大学 一种基于动态优化算法的水库优化调度方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105869070A (zh) * 2016-04-06 2016-08-17 大连理工大学 一种跨流域梯级水电站群效益均衡的合作优化调度方法
CN108022021A (zh) * 2017-12-19 2018-05-11 大连理工大学 一种梯级水电参与省内和西电东送市场组合交易策略优化方法
CN108805434A (zh) * 2018-05-25 2018-11-13 河海大学 一种基于改进nsga-ⅲ的梯级水电站多目标优化调度方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105869070A (zh) * 2016-04-06 2016-08-17 大连理工大学 一种跨流域梯级水电站群效益均衡的合作优化调度方法
CN108022021A (zh) * 2017-12-19 2018-05-11 大连理工大学 一种梯级水电参与省内和西电东送市场组合交易策略优化方法
CN108805434A (zh) * 2018-05-25 2018-11-13 河海大学 一种基于改进nsga-ⅲ的梯级水电站多目标优化调度方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
A Deep Game Bidding Model and Practice of Electricity Market;Maolin Zhang等;《2018 China International Conference on Electricity Distribution （CICED）》;20180901;全文 *
多元电力市场环境下梯级水电站群组合交易优化模型;苗树敏等;《水电能源科学》;20181125(第11期);全文 *
梯级水电站群发电优化调度策略综述;陈铁华;《水电能源科学》;20101025(第10期);全文 *
流域梯级水电站中长期调度与跨价区交易组合双层优化模型;刘方等;《中国电机工程学报》;20180120(第02期);全文 *

Also Published As

Publication number Publication date
CN109902855A (zh) 2019-06-18

Similar Documents

Publication Publication Date Title
CN109902855B (zh) 一种市场环境下的梯级关键水电站多目标优化及电量分配方法
Yang et al. A multi-objective stochastic optimization model for electricity retailers with energy storage system considering uncertainty and demand response
CN112465323A (zh) 一种耦合日电量分解及日前市场竞价的梯级水电站短期鲁棒调度方法
CN109389327B (zh) 基于风光不确定性的多虚拟电厂时前合作方法
CN108964124B (zh) 增量配电网中计及电价响应的分布式电源并网优化配置方法
CN112488744A (zh) 一种交易驱动的虚拟电厂定制化构建方法
CN112465303A (zh) 考虑需求响应基于多代理的双边电力市场优化决策方法
CN115423508B (zh) 一种梯级水电在不确定性碳-电耦合市场中策略竞价方法
CN109598408A (zh) 一种兼顾用水公平性和重要性的年水量调度计划编制方法
Janke et al. Probabilistic multivariate electricity price forecasting using implicit generative ensemble post-processing
CN109978331B (zh) 一种高比例水电现货市场下日电量分解方法
CN117117878A (zh) 基于人工神经网络和多智能体强化学习的电网需求侧响应潜力评估及负荷调控方法
Yan et al. Cross-regional green certificate transaction strategies based on a double-layer game model
Vincent et al. Sustainable microgrid design with peer-to-peer energy trading involving government subsidies and uncertainties
CN110610403A (zh) 考虑现货市场竞价空间的水电站中长期交易计划分解方法
Jing et al. Benefit compensation of hydropower-wind-photovoltaic complementary operation in the large clean energy base
Kell et al. Exploring market power using deep reinforcement learning for intelligent bidding strategies
CN117039982A (zh) 适用于风光火耦合参与月度集中市场的交易方法
Engmark et al. Stochastic multistage bidding optimisation in an intraday market with limited liquidity
CN111783303B (zh) 抽水蓄能电站报价报量确定方法、系统及装置
CN114676895A (zh) 一种计及大小水电发电权交易的风险调度方法
CN113239315A (zh) 一种对水电参与电力现货市场竞价效果评价的方法
Liang et al. Power market equilibrium analysis with large-scale hydropower system under uncertainty
Yu et al. Multi-objective Optimization Model for Cascaded Operation under Multivariate Electricity Market of South-western China
Sueyoshi Beyond economics for guiding large public policy issues: Lessons from the Bell System divestiture and the California electricity crisis

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230706

Address after: No.73 Tuodong Road, Guandu District, Kunming, Yunnan 650011

Patentee after: KUNMING ELECTRIC POWER TRANSACTION CENTER CO.,LTD.

Address before: No.73, kaedong Road, Kunming, Yunnan 650011

Patentee before: KUNMING ELECTRIC POWER TRANSACTION CENTER CO.,LTD.

Patentee before: DALIAN University OF TECHNOLOGY