CN110147907A - 一种考虑网络约束的虚拟电厂双层优化模型 - Google Patents
一种考虑网络约束的虚拟电厂双层优化模型 Download PDFInfo
- Publication number
- CN110147907A CN110147907A CN201910417934.8A CN201910417934A CN110147907A CN 110147907 A CN110147907 A CN 110147907A CN 201910417934 A CN201910417934 A CN 201910417934A CN 110147907 A CN110147907 A CN 110147907A
- Authority
- CN
- China
- Prior art keywords
- constraint
- period
- model
- node
- follows
- 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
- 230000005611 electricity Effects 0.000 claims abstract description 57
- 230000005540 biological transmission Effects 0.000 claims abstract description 34
- 238000005457 optimization Methods 0.000 claims abstract description 14
- 230000002860 competitive effect Effects 0.000 claims abstract description 9
- 239000010410 layer Substances 0.000 claims description 41
- 238000000034 method Methods 0.000 claims description 37
- 238000004146 energy storage Methods 0.000 claims description 30
- 230000009977 dual effect Effects 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 22
- 238000003860 storage Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 7
- 239000002355 dual-layer Substances 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000002485 combustion reaction Methods 0.000 claims 1
- 238000011160 research Methods 0.000 abstract description 5
- 230000003993 interaction Effects 0.000 abstract description 3
- 230000007812 deficiency Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 239000007789 gas Substances 0.000 description 31
- 238000010586 diagram Methods 0.000 description 5
- 230000003750 conditioning effect Effects 0.000 description 4
- 239000000567 combustion gas Substances 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000002969 morbid Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Power Engineering (AREA)
- Public Health (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及电力系统及其自动化技术领域,具体涉及一种考虑网络约束的虚拟电厂双层优化模型,具体步骤包括建立上层虚拟电厂利润最大化模型、建立下层考虑网络约束的市场出清模型、将双层优化模型转化为具有平衡约束的数学规划模型、将具有平衡约束的数学规划模型转化为混合整数规划模型。针对当前相关研究并未考虑线路输电功率约束的不足,本发明在充分考虑虚拟电厂内部优化、与市场运营商及其他常规机组之间的相互作用,建立了虚拟电厂参与市场竞标优化模型,在计及线路输电阻塞情况下生成了优化竞标策略体现了投标策略的优越性,既提高了虚拟电厂利润,又贴近现实情况。为今后虚拟电厂有效参与电力市场提供了科学理论支持。
Description
技术领域
本发明涉及电力系统及其自动化技术领域,具体涉及一种考虑网络约束的虚拟电厂双层优化模型。
背景技术
虚拟电厂能有效聚合分散的不同容量等级需求侧资源,通过协调优化控制,能够提高系统整体的稳定性,减轻调度负担,同时作为整体参与电力市场,具有更强的市场竞争力,为用户带来可观收益,是实现多类型需求侧资源协同管理有效手段。在需求响应项目中,虚拟电厂聚合的广义需求侧资源主要包括分布式发电资源、储能资源和负荷资源。其中,DG资源包括2类:一类式是诸如风能、太阳能等间歇式可再生能源,另一类是可控DG资源,如燃料电池、微型燃气轮机、柴油发电机等。储能资源包括静态储能和电动汽车。负荷资源包括不可平移负荷、可平移负荷和可削减负荷等。
现有关于虚拟电厂内部优化协调及虚拟电厂竞价已开展了相关工作,具体可分为两类。第一类,虚拟电厂被视为价格接受者,即假定其规模足够小,这样虚拟电厂的行为不会影响市场价格。在此背景下,在假定未来市场价格是外生参数的前提下,对虚拟电厂的运营进行了优化。因此,虚拟电厂运营商将使用历史数据预测未来的市场价格,并相应地优化其运营决策。第二类研究中虚拟电厂拥有足够数量的不同类型的需求侧资源,规模相对较大,其运营决策实际上可能影响市场出清结果,通过虚拟电厂运营商策略性参与市场竞标,使运营商受益。
现有研究对虚拟电厂优化运营做出了有意义探索,但大多是在忽略输电线路阻塞的理想市场环境下开展的。这种模型下,系统内虚拟电厂可以自由地向任意节点的负荷供电。然而实际的电力市场运营中,由于电源、负荷的分布不均及随着发电、用电规模的日益增大,使得某些输电线路发生输电阻塞,迫使系统运营商为了消除阻塞不得不调整发电计划,从而可能会影响虚拟电厂收益。
发明内容
为了解决上述问题,本发明提供了一种考虑网络约束的虚拟电厂双层优化模型,具体技术方案如下:
一种考虑网络约束的虚拟电厂双层优化模型,所述虚拟电厂双层优化模型包括上层虚拟电厂利润最大化模型、下层考虑网络约束的市场出清模型;具体包括以下步骤:
S1:建立上层虚拟电厂利润最大化模型;
S2:建立下层考虑网络约束的市场出清模型;
S3:将双层优化模型转化为具有平衡约束的数学规划模型;
S4:将具有平衡约束的数学规划模型转化为混合整数规划模型。
优选地,所述步骤S1建立上层虚拟电厂利润最大化模型具体包括以下步骤:
S11:上层问题是虚拟电厂运营商根据历史市场出清信息,以利润最大为目标,优化其投标电量和投标电价,具体优化目标为收益减去成本,所述成本包括燃气轮机成本、负荷响应成本和储能成本,建立的上层虚拟电厂利润最大化模型为:
式中:πd,t为t时段的现货价格;gvpp,t为t时段的出清电量;CGT,t、CDR,t和CES,t分别为t时段的燃气轮机成本、负荷响应成本和储能成本;R为虚拟电厂利润;Nt为运行时间周期,
所述燃气轮机成本包括燃气轮机的生产成本、启停成本;具体如下:
式中:a、cSUC、cSUD分别为燃气轮机的固定成本和启、停成本;这里将燃气轮机的二次成本进行分段线性化表达,Nm为线性化的分段数;bm为燃气轮机第m段发电成本斜率;gm,t为t时段燃气轮机在第分段上的出力;uGT,t为二进制变量,分别表示t时段燃气轮机机组是否启动、停止以及是否处于运行的状态,是则取1,否则取0;
所述负荷响应成本为虚拟电厂按中断等级向用户支付的中断负荷补偿费用,中断等级越高,补偿价格越高,具体如下:
式中:Nr为中断等级数;ccurt,r为第r级中断负荷补偿价格;gr,t为t时段第r级中断负荷量;
所述储能成本包括充电过程的损耗成本、放电过程的损耗成本,具体如下:
CES,t=cdisgdis,t+cchgch,t;
式中:cch、cdis分别是储能充电边际成本、储能放电边际成本;gch,t、gdis,t分别是储能在t时段充、放电功率;
S12:建立上层虚拟电厂利润最大化模型的约束;上层问题约束条件包括风电约束、燃气轮机运行约束、DR运行约束、储能运行约束和虚拟电厂竞标约束,具体如下:
①风电约束具体如下:
式中:gWT,t为t时段风电出力;表示为t时段风电预测值;
②燃气轮机运行约束具体如下:
式中:gGT,t等于各分段出力之和,即为燃气轮机在t时段出力;表示燃气轮机最大输出功率;uGT,t-1表示在t-1时段燃气轮机是否处于运行状态。
③DR运行约束具体如下:
式中:gDR,t为t时段中断负荷量;表示为第r级中断负荷量上限;表示连续时间内可中断负荷最大调用量;gDR,t-1表示为t-1时段中断负荷量。
④储能运行约束具体如下:
udis,t+uch,t≤1;
SES,t=SES,t-1+ηchgch,t-gdis,t/ηdis;
式中:SES,t-1、SES,t分别为t-1时段和t时段储能蓄电量;分别为储能蓄电量上、下限;gch,t、gdis,t分别表示储能在t时段充、放电功率;分别是储能充、放电功率上限;布尔变量uch,t、udis,t分别表示t时段储能充是否处于充、放电状态,是则置1,否则置0;分别为储能始、末时段蓄电量;ηch、ηdis为储能充、放电效率;SES,0、SES,24分别表示储能0时段和第24时段蓄电量。
⑤虚拟电厂竞标约束具体如下:
gvpp,t=gWT,t+gGT,t+gDR,t+gdis,t-gch,t;
λvpp,t≥0
式中:λvpp,t为虚拟电厂在t时段投标价格;Pvpp,t为虚拟电厂在t时段投标电量;表示燃气轮机最大出力;表示最大可中段负荷量。
优选地,所述步骤S2建立下层考虑网络约束的市场出清模型的具体步骤如下:
S21:在下层问题中,市场运营商根据提交的投标电量和投标电价,以社会福利最大为目标,优化市场出清电量和电价,设非虚拟电厂参与者根据其边际成本提交投标电量和投标价格,建立的下层考虑网络约束的市场出清模型为:
式中:MCk为常规机组k边际成本;gk,t为机组k在t时段出清电量;λd,t为负荷d在t时段投标价格;Pd,t为负荷d在t时段投标电量;Nk、Nd分别表示常规机组、负荷用户数量。
S21:建立下层考虑网络约束的市场出清模型的约束;下层问题约束条件包括节点功率平衡约束、常规机组出力约束、节点电压相角约束和虚拟电厂出力约束、线路输电限制约束,具体如下:
①节点功率平衡约束具体如下:
②常规机组出力约束具体如下:
③常规机组出力约束具体如下:
④线路输电功率限制约束具体如下:
⑤节点电压相角约束具体如下:
⑥虚拟电厂出力约束具体如下:
式中:Pd,t为负荷d在t时段负荷;表示负荷d限值;Bi,j为线路连接节点i到节点j的电纳;δi,t为节点i在t时段电压相角;Qd、Qvpp、Qk分别表示位于节点i上负荷、虚拟电厂和常规机组集合;NVPP表示虚拟电厂vpp数量;ψi表示与节点i相邻节点集合;表示常规机组k在t时段输出功率上限;表示连接节点i到节点j线路的传输容量上限;分别表示常规机组k在t时段出力上、下限约束的对偶变量;分别表示用户负荷d在t时段上、下限约束的对偶变量;分别表示连接节点i、j线路在t时段输电功率上、下限约束的对偶变量;分别表示节点i电压相角在t时段上、下限约束的对偶变量;μ1,t节点1的电压相角在t时段约束的对偶变量;分别表示虚拟电厂vpp在t时段出力上、下限约束的对偶变量;πi,t为节点i在t时段节点功率平衡约束的对偶变量,即节点边际价格。
优选地,所述步骤S3将双层优化模型转化为具有平衡约束的数学规划模型的具体步骤如下:
S31:对下层考虑网络约束的市场出清模型应用原对偶变换,得到其最优性条件,即KKT条件,具体包括对偶约束和互补条件;具体如下:
①与下层问题相关的对偶约束:
式中:Qk,i、Qvpp,i、Qd,i分别表示节点i连接的常规机组、虚拟电厂和负荷用户数量;Nj表示于与节点i连接的线路端点j数量。
②下层问题相关的互补条件:
S32:上层问题的目标函数的线性等效表达式可以从KKT等式条件中得出:
式中:Ni表示电网节点数量。
优选地,所述步骤S4将具有平衡约束的数学规划模型转化为混合整数规划模型具体包括以下步骤:
S41:应用大M方法,引入大M值,将步骤S31中每个互补条件由其混合整数线性等价物线性化;
S42:将互补条件等价线性公式替换含有平衡约束的数学规划模型中互补条件,将具有平衡约束的数学规划模型转化为混合整数规划模型。
本发明的有益效果为:针对当前相关研究并未考虑线路输电功率约束的不足,本发明在充分考虑虚拟电厂内部优化、与市场运营商及其他常规机组之间的相互作用,建立了虚拟电厂参与市场竞标优化模型,在计及线路输电阻塞情况下生成了优化竞标策略体现了投标策略的优越性,既提高了虚拟电厂利润,又贴近现实情况。为今后虚拟电厂有效参与电力市场提供了科学理论支持。
本发明通过将下层问题的KKT条件作为约束条件添加到上层优化模型,将双层优化模型转化为单层具有平衡约束的数学模型,并进一步将其转化为一个混合整数规划模型,该模型能够直接采用GAMS、CPLEX等计算软件建模求解,简化了建模过程,减少了计算工作量。
附图说明
图1为本发明方法的总流程图;
图2为虚拟电厂双层优化问题结构示意图;
图3为六节点系统示意图;
图4为系统负荷和风电出力示意图;
图5为无线路输电限制时系统各节点边际价格示意图;
图6为有线路输电限制时系统各节点边际价格示意图。
具体实施方式
为了更好的理解本发明,下面结合附图和具体实施例对本发明作进一步说明:
如图1所示,一种考虑网络约束的虚拟电厂双层优化模型,所述虚拟电厂双层优化模型包括上层虚拟电厂利润最大化模型、下层考虑网络约束的市场出清模型;具体包括以下步骤:S1:建立上层虚拟电厂利润最大化模型;具体步骤如下:
S11:如图2所示,上层问题是虚拟电厂运营商根据历史市场出清信息,以利润最大为目标,优化其投标电量和投标电价,具体优化目标为收益减去成本,所述成本包括燃气轮机成本、负荷响应成本和储能成本,建立的上层虚拟电厂利润最大化模型为:
式中:πd,t为t时段的现货价格;gvpp,t为t时段的出清电量;CGT,t、CDR,t和CES,t分别为t时段的燃气轮机成本、负荷响应成本和储能成本;R为虚拟电厂利润;Nt为运行时间周期。
所述燃气轮机成本包括燃气轮机的生产成本、启停成本;具体如下:
式中:a、cSUC、cSUD分别为燃气轮机的固定成本和启、停成本;这里将燃气轮机的二次成本进行分段线性化表达,Nm为线性化的分段数;bm为燃气轮机第m段发电成本斜率;gm,t为t时段燃气轮机在第分段上的出力;uGT,t为二进制变量,分别表示t时段燃气轮机机组是否启动、停止以及是否处于运行的状态,是则取1,否则取0。
所述负荷响应成本为虚拟电厂按中断等级向用户支付的中断负荷补偿费用,中断等级越高,补偿价格越高,具体如下:
式中:Nr为中断等级数;ccurt,r为第r级中断负荷补偿价格;gr,t为t时段第r级中断负荷量;
所述储能成本包括充电过程的损耗成本、放电过程的损耗成本,具体如下:
CES,t=cdisgdis,t+cchgch,t;
式中:cch、cdis分别是储能充电边际成本、储能放电边际成本;gch,t、gdis,t分别是储能在t时段充、放电功率。
S12:建立上层虚拟电厂利润最大化模型的约束;上层问题约束条件包括风电约束、燃气轮机运行约束、DR运行约束、储能运行约束和虚拟电厂竞标约束,具体如下:
①风电约束具体如下:
式中:gWT,t为t时段风电出力;表示为t时段风电预测值;
②燃气轮机运行约束具体如下:
式中:gGT,t等于各分段出力之和,即为燃气轮机在t时段出力;表示燃气轮机第m分段最大输出功率;uGT,t-1表示在t-1时段燃气轮机是否处于运行状态。
③DR运行约束具体如下:
式中:gDR,t为t时段中断负荷量;表示为第r级中断负荷量上限;表示连续时间内可中断负荷最大调用量;gDR,t-1表示为t-1时段中断负荷量。
④储能运行约束具体如下:
udis,t+uch,t≤1;
SES,t=SES,t-1+ηchgch,t-gdis,t/ηdis;
式中:SES,t-1、SES,t分别为t-1时段和t时段储能蓄电量;分别为储能蓄电量上、下限;gch,t、gdis,t分别表示储能在t时段充、放电功率;分别是储能充、放电功率上限;布尔变量uch,t、udis,t分别表示t时段储能充是否处于充、放电状态,是则置1,否则置0;分别为储能始、末时段蓄电量;ηch、ηdis为储能充、放电效率;SES,0、SES,24分别表示储能0时段和第24时段蓄电量。
⑤虚拟电厂竞标约束具体如下:
gvpp,t=gWT,t+gGT,t+gDR,t+gdis,t-gch,t;
λvpp,t≥0
式中:λvpp,t为虚拟电厂在t时段投标价格;Pvpp,t为虚拟电厂在t时段投标电量;;表示燃气轮机最大出力;表示最大可中段负荷量。
S2:建立下层考虑网络约束的市场出清模型;具体步骤如下:
S21:在下层问题中,市场运营商根据提交的投标电量和投标电价,以社会福利最大为目标,优化市场出清电量和电价,考虑所有市场参与者的竞价行为不是研究的重点,设非虚拟电厂参与者根据其边际成本提交投标电量和投标价格,建立的下层考虑网络约束的市场出清模型为:
式中:MCk为常规机组k边际成本;gk,t为机组k在t时段出清电量;λd,t为负荷d在t时段投标价格;Pd,t为负荷d在t时段投标电量;Nk、Nd分别表示常规机组、负荷用户数量;
S21:建立下层考虑网络约束的市场出清模型的约束;下层问题约束条件包括节点功率平衡约束、常规机组出力约束、节点电压相角约束和虚拟电厂出力约束、线路输电限制约束,具体如下:
①节点功率平衡约束具体如下:
②常规机组出力约束具体如下:
③常规机组出力约束具体如下:
④线路输电功率限制约束具体如下:
⑤节点电压相角约束具体如下:
⑥虚拟电厂出力约束具体如下:
式中:Pd,t为负荷d在t时段负荷;表示负荷d限值;Bi,j为线路连接节点i到节点j的电纳;δi,t为节点i在t时段电压相角;Qd、Qvpp、Qk分别表示位于节点i上负荷、虚拟电厂和常规机组集合;NVPP表示虚拟电厂vpp数量;ψi表示与节点i相邻节点集合;表示常规机组k在t时段输出功率上限;表示连接节点i到节点j线路的传输容量上限;分别表示常规机组k在t时段出力上、下限约束的对偶变量;分别表示用户负荷d在t时段上、下限约束的对偶变量;分别表示连接节点i、j线路在t时段输电功率上、下限约束的对偶变量;分别表示节点i电压相角在t时段上、下限约束的对偶变量;μ1,t节点1的电压相角在t时段约束的对偶变量;分别表示虚拟电厂vpp在t时段出力上、下限约束的对偶变量;πi,t为节点i在t时段节点功率平衡约束的对偶变量,即节点边际价格。
S3:将双层优化模型转化为具有平衡约束的数学规划模型;具体步骤如下:
S31:对下层考虑网络约束的市场出清模型应用原对偶变换,得到其最优性条件,即KKT条件,具体包括对偶约束和互补条件;具体如下:
①与下层问题相关的对偶约束:
式中:Qk,i、Qvpp,i、Qd,i分别表示节点i连接的常规机组、虚拟电厂和负荷用户数量;Nj表示于与节点i连接的线路端点j数量。
②下层问题相关的互补条件:
S32:上层问题的目标函数的线性等效表达式可以从KKT等式条件中得出:
式中:Ni表示电网节点数量。
S4:将具有平衡约束的数学规划模型转化为混合整数规划模型,具体步骤如下:
S41:应用大M方法,引入大M值,将步骤S31中每个互补条件由其混合整数线性等价物线性化:
对于常规机组最小出力互补条件其等价线性公式为:
式中:分别为应用大M方法线性化处理常规机组k在t时段最小出力互补条件过程中引入的二进制变量和大M值。
对于负荷最小限值互补条件其等价线性公式为:
式中:分别为应用大M方法线性化处理负荷d在t时段最小限值互补条件过程中引入的二进制变量和大M值。
对于虚拟电厂最小出力互补条件其等价线性公式为:
式中:分别为应用大M方法线性化处理虚拟电厂vpp在t时段最小出力互补条件过程中引入的二进制变量和大M值。
对于常规机组最大出力互补条件其等价线性公式为:
式中:分别为应用大M方法线性化处理常规机组k在t时段最大出力互补条件过程中引入的二进制变量和大M值。
对于负荷最大限值互补条件其等价线性公式为:
式中:分别为应用大M方法线性化处理负荷d在t时段最大限值互补条件过程中引入的二进制变量和大M值。
对于虚拟电厂最大出力互补条件其等价线性公式为:
式中:分别为应用大M方法线性化处理虚拟电厂vpp在t时段最大出力互补条件过程中引入的二进制变量和大M值。
对于线路输送功率最小限值互补条件其等价线性公式为:
式中:分别为应用大M方法线性化处理两端节点为i和j线路在t时段输送功率最小限值互补条件过程中引入的二进制变量和大M值。
对于线路输送功率最大限值互补条件其等价线性公式为:
式中:分别为应用大M方法线性化处理两端节点为i和j线路在t时段输送功率最大限值互补条件过程中引入的二进制变量和大M值。
对于节点相角最小限值互补条件其等价线性公式为:
式中:分别为应用大M方法线性化处理节点i在t时段最小相角限值互补条件过程中引入的二进制变量和大M值。
对于节点相角最大限值互补条件其等价线性公式为:
式中:分别为应用大M方法线性化处理节点i在t时段最大相角限值互补条件过程中引入的二进制变量和大M值。
S42:将互补条件等价线性公式替换含有平衡约束的数学规划模型中互补条件,将具有平衡约束的数学规划模型转化为混合整数规划模型。值得注意的是,大M值的选择可能具有挑战性,因为相对较小的值可能会导致计算负担增加,而相对较大的值可能会导致数值病态调节。为了解决这个问题,先任意选择大值,然后求解模型。接下来,检查数值结果以验证每个互补条件是否成立。如果没有,则相应的大M值被减小,然后求解模型。此优化过程将继续进行,直到所有互补条件都保持不变。
下面以一个含虚拟电厂的六节点系统为例对本发明作进一步的说明:
为验证上述模型,位于节点5的虚拟电厂VPP参与电力市场竞标,六节点系统如图3所示。输电线路数据见表1,除4号线外,每条输电线路的容量均为150MW,4号线将节点2连接至节点4,且限制为33MW。常规发电机分布在节点1、2和6,其技术特性见表2。
表1输电线路数据
表2常规发电机数据
虚拟电厂由一台燃气轮机、一个风电机组、一个储能和可中断负荷构成。燃气轮机采用TAU5670型号,将其二次运行成本函数分三段线性化,具体数据如表3所示。储能系统的储能容量为30兆瓦时,储能蓄电量上、下限分别设为电池容量的95%和15%,充、放电功率分别为电池容量的30%和40%,充、放电效率均为90%。假设存储系统开始为空,在时间范围结束时恢复到相同的状态。充电的初始状态可以是任何值。可中断负荷分为三级,每级中断负荷补偿价格分别设为90$/MWh、95$/MWh、100$/MWh,可中断负荷量均设为总负荷的10%。
表3燃气轮机参数
虚拟电厂竞标时间范围为24小时,系统负荷和风电出力预测值见图4。负荷分布在节点3、4节点和5节点,假设分别为系统负荷40%,40%和20%。负荷投标价为450美元/MWh/h。
为探究线路输电限制对虚拟电厂赢利能力影响以及虚拟电厂竞标行为对边际价格影响,研究了以下测试案例:
案例1:在线路无输电功率限制情况下,虚拟电厂策略性地参与市场竞标。
案例2:将线路输电功率限制添加到案例2中,以分析其对虚拟电厂运营策略的影响。
案例1、2系统各节点边际价格分别如图5、图6所示,且虚拟电厂所在节点边际价格与虚拟电厂竞标价格相同。此外,在线路无输电功率限制情况下,案例1中系统各节点边际价格相同。在线路有输电功率限制时,当输电线路没有发生阻塞,案例2中所有节点边际价格与案例1完全相同,当输电线路发生阻塞,案例2中各节点边际价格与案例1不同,且虚拟电厂所在节点边际价格得到了提高。
采用上述2种案例,所得虚拟电厂各类需求侧资源成本、总成本和利润如表4所示。分析可知,在计及线路有输电功率限制时,虚拟电厂利用线路输电阻塞,策略性调整内部组合出力参与市场竞标,提高了报价,导致价格上涨,获得更高利润。
表4 2种案例结果比较
以上仿真结果验证了本发明所构模型有效性和实用性,说明本文中考虑网络约束的虚拟电厂通过内部优化、与市场运营商及其他常规机组之间的相互作用,在线路发生输电阻塞时,提高了节点边际价格,从而获取了更多利润。
本发明不局限于以上所述的具体实施方式,以上所述仅为本发明的较佳实施案例而已,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、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种考虑网络约束的虚拟电厂双层优化模型,其特征在于:所述虚拟电厂双层优化模型包括上层虚拟电厂利润最大化模型、下层考虑网络约束的市场出清模型;具体包括以下步骤:
S1:建立上层虚拟电厂利润最大化模型;
S2:建立下层考虑网络约束的市场出清模型;
S3:将双层优化模型转化为具有平衡约束的数学规划模型;
S4:将具有平衡约束的数学规划模型转化为混合整数规划模型。
2.根据权利要求1所述的一种考虑网络约束的虚拟电厂双层优化模型,其特征在于:所述步骤S1建立上层虚拟电厂利润最大化模型具体包括以下步骤:
S11:上层问题是虚拟电厂运营商根据历史市场出清信息,以利润最大为目标,优化其投标电量和投标电价,具体优化目标为收益减去成本,所述成本包括燃气轮机成本、负荷响应成本和储能成本,建立的上层虚拟电厂利润最大化模型为:
式中:πd,t为t时段的现货价格;gvpp,t为t时段的出清电量;CGT,t、CDR,t和CES,t分别为t时段的燃气轮机成本、负荷响应成本和储能成本;R为虚拟电厂利润;Nt为运行时间周期。
所述燃气轮机成本包括燃气轮机的生产成本、启停成本;具体如下:
式中:a、cSUC、cSUD分别为燃气轮机的固定成本和启、停成本;这里将燃气轮机的二次成本进行分段线性化表达,Nm为线性化的分段数;bm为燃气轮机第m段发电成本斜率;gm,t为t时段燃气轮机在第分段上的出力;uGT,t为二进制变量,分别表示t时段燃气轮机机组是否启动、停止以及是否处于运行的状态,是则取1,否则取0;
所述负荷响应成本为虚拟电厂按中断等级向用户支付的中断负荷补偿费用,中断等级越高,补偿价格越高,具体如下:
式中:Nr为中断等级数;ccurt,r为第r级中断负荷补偿价格;gr,t为t时段第r级中断负荷量;
所述储能成本包括充电过程的损耗成本、放电过程的损耗成本,具体如下:
CES,t=cdisgdis,t+cchgch,t;
式中:cch、cdis分别是储能充电边际成本、储能放电边际成本;gch,t、gdis,t分别是储能在t时段充、放电功率;
S12:建立上层虚拟电厂利润最大化模型的约束;上层问题约束条件包括风电约束、燃气轮机运行约束、DR运行约束、储能运行约束和虚拟电厂竞标约束,具体如下:
①风电约束具体如下:
式中:gWT,t为t时段风电出力;表示为t时段风电预测值;
②燃气轮机运行约束具体如下:
式中:gGT,t等于各分段出力之和,即为燃气轮机在t时段出力;表示燃气轮机第m分段最大输出功率;uGT,t-1表示在t-1时段燃气轮机是否处于运行状态;
③DR运行约束具体如下:
式中:gDR,t为t时段中断负荷量;表示为第r级中断负荷量上限;表示连续时间内可中断负荷最大调用量;gDR,t-1表示为t-1时段中断负荷量;
④储能运行约束具体如下:
udis,t+uch,t≤1;
SES,t=SES,t-1+ηchgch,t-gdis,t/ηdis;
式中:SES,t-1、SES,t分别为t-1时段和t时段储能蓄电量;分别为储能蓄电量上、下限;gch,t、gdis,t分别表示储能在t时段充、放电功率;分别是储能充、放电功率上限;布尔变量uch,t、udis,t分别表示t时段储能充是否处于充、放电状态,是则置1,否则置0;分别为储能始、末时段蓄电量;ηch、ηdis为储能充、放电效率;SES,0、SES,24分别表示储能0时段和第24时段蓄电量;
⑤虚拟电厂竞标约束具体如下:
gvpp,t=gWT,t+gGT,t+gDR,t+gdis,t-gch,t;
λvpp,t≥0
式中:λvpp,t为虚拟电厂在t时段投标价格;Pvpp,t为虚拟电厂在t时段投标电量;表示燃气轮机最大出力;表示最大可中段负荷量。
3.根据权利要求1所述的一种考虑网络约束的虚拟电厂双层优化模型,其特征在于:所述步骤S2建立下层考虑网络约束的市场出清模型的具体步骤如下:
S21:在下层问题中,市场运营商根据提交的投标电量和投标电价,以社会福利最大为目标,优化市场出清电量和电价,设非虚拟电厂参与者根据其边际成本提交投标电量和投标价格,建立的下层考虑网络约束的市场出清模型为:
式中:MCk为常规机组k边际成本;gk,t为机组k在t时段出清电量;λd,t为负荷d在t时段投标价格;Pd,t为负荷d在t时段投标电量;Nk、Nd分别表示常规机组、负荷用户数。
S21:建立下层考虑网络约束的市场出清模型的约束;下层问题约束条件包括节点功率平衡约束、常规机组出力约束、节点电压相角约束和虚拟电厂出力约束、线路输电限制约束,具体如下:
①节点功率平衡约束具体如下:
②常规机组出力约束具体如下:
③用户负荷约束具体如下:
④线路输电功率限制约束具体如下:
⑤节点电压相角约束具体如下:
⑥虚拟电厂出力约束具体如下:
式中:Pd,t为负荷d在t时段负荷;表示负荷d限值;Bi,j为线路连接节点i到节点j的电纳;δi,t为节点i在t时段电压相角;Qd、Qvpp、Qk分别表示位于节点i上负荷、虚拟电厂和常规机组集合;NVPP表示虚拟电厂vpp数量;ψi表示与节点i相邻节点集合;表示常规机组k在t时段输出功率上限;表示连接节点i到节点j线路的传输容量上限;分别表示常规机组k在t时段出力上、下限约束的对偶变量;分别表示用户负荷d在t时段上、下限约束的对偶变量;分别表示连接节点i、j线路在t时段输电功率上、下限约束的对偶变量;分别表示节点i电压相角在t时段上、下限约束的对偶变量;μ1,t节点1的电压相角在t时段约束的对偶变量;分别表示虚拟电厂vpp在t时段出力上、下限约束的对偶变量;πi,t为节点i在t时段节点功率平衡约束的对偶变量,即节点边际价格。
4.根据权利要求1所述的一种考虑网络约束的虚拟电厂双层优化模型,其特征在于:所述步骤S3将双层优化模型转化为具有平衡约束的数学规划模型的具体步骤如下:
S31:对下层考虑网络约束的市场出清模型应用原对偶变换,得到其最优性条件,即KKT条件,具体包括对偶约束和互补条件;具体如下:
①与下层问题相关的对偶约束:
式中:Qk,i、Qvpp,i、Qd,i分别表示节点i连接的常规机组、虚拟电厂和负荷用户数量;Nj表示于与节点i连接的线路端点j的数量;
②下层问题相关的互补条件:
S32:上层问题的目标函数的线性等效表达式可以从KKT等式条件中得出:
式中:Ni表示电网节点数量。
5.根据权利要求4所述的一种考虑网络约束的虚拟电厂双层优化模型,其特征在于:所述步骤S4将具有平衡约束的数学规划模型转化为混合整数规划模型具体包括以下步骤:
S41:应用大M方法,引入大M值,将步骤S31中每个互补条件由其混合整数线性等价物线性化;
S42:将互补条件等价线性公式替换含有平衡约束的数学规划模型中互补条件,将具有平衡约束的数学规划模型转化为混合整数规划模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910417934.8A CN110147907B (zh) | 2019-05-20 | 2019-05-20 | 一种考虑网络约束的虚拟电厂双层优化模型的构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910417934.8A CN110147907B (zh) | 2019-05-20 | 2019-05-20 | 一种考虑网络约束的虚拟电厂双层优化模型的构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110147907A true CN110147907A (zh) | 2019-08-20 |
CN110147907B CN110147907B (zh) | 2021-05-25 |
Family
ID=67592202
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910417934.8A Active CN110147907B (zh) | 2019-05-20 | 2019-05-20 | 一种考虑网络约束的虚拟电厂双层优化模型的构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110147907B (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111222917A (zh) * | 2020-01-03 | 2020-06-02 | 广东电网有限责任公司电力调度控制中心 | 一种与配电侧多元零售市场互动的虚拟电厂投标策略 |
CN111242392A (zh) * | 2020-03-06 | 2020-06-05 | 上海电力大学 | 多虚拟电厂参与主动配电网的双层-两阶段运行方法 |
CN111402015A (zh) * | 2020-03-17 | 2020-07-10 | 南京工业大学 | 一种基于购售风险的虚拟电厂双层竞标方法及系统 |
CN111967895A (zh) * | 2020-07-27 | 2020-11-20 | 华南理工大学 | 基于多目标和mpec规划制定发电计划放开方案的方法 |
CN112036934A (zh) * | 2020-08-14 | 2020-12-04 | 南方电网能源发展研究院有限责任公司 | 考虑热电协调运行的负荷聚合商参与需求响应的报价方法 |
CN112271724A (zh) * | 2020-10-13 | 2021-01-26 | 国网上海市电力公司 | 一种基于电压调控的虚拟电厂分区构建模型及构建方法 |
CN112541778A (zh) * | 2020-11-10 | 2021-03-23 | 深圳供电局有限公司 | 一种基于微电网参与两阶段市场出清系统优化运行方法 |
CN112561120A (zh) * | 2020-11-10 | 2021-03-26 | 深圳供电局有限公司 | 一种基于微电网参考日前市场出清系统优化运行方法 |
CN112580850A (zh) * | 2020-11-13 | 2021-03-30 | 国网河南综合能源服务有限公司 | 一种电力调峰市场的出清方法及系统 |
CN112906975A (zh) * | 2021-03-17 | 2021-06-04 | 广东电网有限责任公司电力调度控制中心 | 一种双层优化方法及其装置 |
CN112966909A (zh) * | 2021-02-23 | 2021-06-15 | 国网山东省电力公司经济技术研究院 | 计及需求响应的区域综合能源系统的优化调度方法 |
CN113013929A (zh) * | 2021-04-20 | 2021-06-22 | 天津大学 | 面向负荷曲线调节的有源配电网模拟优化运行方法 |
CN113255957A (zh) * | 2021-04-02 | 2021-08-13 | 国网山东省电力公司济南供电公司 | 综合服务站不确定因素的定量优化分析方法及系统 |
CN113255993A (zh) * | 2021-05-21 | 2021-08-13 | 中国三峡新能源(集团)股份有限公司 | 确定储能参与日前市场的优化申报策略的方法和装置 |
CN113538066A (zh) * | 2021-07-30 | 2021-10-22 | 国网上海市电力公司 | 虚拟电厂参与电力市场的控制方法、系统、设备及介质 |
CN114548536A (zh) * | 2022-02-16 | 2022-05-27 | 东南大学 | 一种电力市场环境下考虑储能影响的可再生能源规划方法 |
CN115062835A (zh) * | 2022-06-10 | 2022-09-16 | 山东大学 | 基于虚拟发电厂的主动配电网分布式资源优化调度方法 |
CN117096856A (zh) * | 2023-08-02 | 2023-11-21 | 中国地质大学(武汉) | 考虑配网三相电价和相间电压不平衡的虚拟电厂调度方法 |
CN111967895B (zh) * | 2020-07-27 | 2024-05-28 | 华南理工大学 | 基于多目标和mpec规划制定发电计划放开方案的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101572643B1 (ko) * | 2014-06-27 | 2015-11-30 | (주)네모파트너즈엔이씨 | 국민발전소 비지니스 플랫폼 연계형 전력수요자원 네모모델링 시뮬레이션 장치 및 방법 |
CN106485600A (zh) * | 2016-10-12 | 2017-03-08 | 国网宁夏电力公司 | 一种虚拟电厂经济安全调度优化方法 |
CN107067281A (zh) * | 2017-04-10 | 2017-08-18 | 燕山大学 | 基于多智能体和博弈方法的微电网电力市场双层竞价方法 |
CN109245091A (zh) * | 2018-09-27 | 2019-01-18 | 东南大学 | 一种面向售电公司的双层策略调度方法 |
-
2019
- 2019-05-20 CN CN201910417934.8A patent/CN110147907B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101572643B1 (ko) * | 2014-06-27 | 2015-11-30 | (주)네모파트너즈엔이씨 | 국민발전소 비지니스 플랫폼 연계형 전력수요자원 네모모델링 시뮬레이션 장치 및 방법 |
CN106485600A (zh) * | 2016-10-12 | 2017-03-08 | 国网宁夏电力公司 | 一种虚拟电厂经济安全调度优化方法 |
CN107067281A (zh) * | 2017-04-10 | 2017-08-18 | 燕山大学 | 基于多智能体和博弈方法的微电网电力市场双层竞价方法 |
CN109245091A (zh) * | 2018-09-27 | 2019-01-18 | 东南大学 | 一种面向售电公司的双层策略调度方法 |
Non-Patent Citations (2)
Title |
---|
国家电力监管委员会政策法规部: "《电力监管工作政策法规选编.2005卷》", 30 November 2006 * |
王晛 等: "风电和电动汽车组成虚拟电厂参与电力市场的博弈模型", 《电力系统自动化》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111222917A (zh) * | 2020-01-03 | 2020-06-02 | 广东电网有限责任公司电力调度控制中心 | 一种与配电侧多元零售市场互动的虚拟电厂投标策略 |
CN111242392A (zh) * | 2020-03-06 | 2020-06-05 | 上海电力大学 | 多虚拟电厂参与主动配电网的双层-两阶段运行方法 |
CN111242392B (zh) * | 2020-03-06 | 2022-12-09 | 上海电力大学 | 多虚拟电厂参与主动配电网的双层-两阶段运行方法 |
CN111402015A (zh) * | 2020-03-17 | 2020-07-10 | 南京工业大学 | 一种基于购售风险的虚拟电厂双层竞标方法及系统 |
CN111967895A (zh) * | 2020-07-27 | 2020-11-20 | 华南理工大学 | 基于多目标和mpec规划制定发电计划放开方案的方法 |
CN111967895B (zh) * | 2020-07-27 | 2024-05-28 | 华南理工大学 | 基于多目标和mpec规划制定发电计划放开方案的方法 |
CN112036934A (zh) * | 2020-08-14 | 2020-12-04 | 南方电网能源发展研究院有限责任公司 | 考虑热电协调运行的负荷聚合商参与需求响应的报价方法 |
CN112271724A (zh) * | 2020-10-13 | 2021-01-26 | 国网上海市电力公司 | 一种基于电压调控的虚拟电厂分区构建模型及构建方法 |
CN112541778B (zh) * | 2020-11-10 | 2022-10-14 | 深圳供电局有限公司 | 一种基于微电网参与两阶段市场出清系统优化运行方法 |
CN112561120B (zh) * | 2020-11-10 | 2022-10-14 | 深圳供电局有限公司 | 一种基于微电网参考日前市场出清系统优化运行方法 |
CN112541778A (zh) * | 2020-11-10 | 2021-03-23 | 深圳供电局有限公司 | 一种基于微电网参与两阶段市场出清系统优化运行方法 |
CN112561120A (zh) * | 2020-11-10 | 2021-03-26 | 深圳供电局有限公司 | 一种基于微电网参考日前市场出清系统优化运行方法 |
CN112580850A (zh) * | 2020-11-13 | 2021-03-30 | 国网河南综合能源服务有限公司 | 一种电力调峰市场的出清方法及系统 |
CN112966909A (zh) * | 2021-02-23 | 2021-06-15 | 国网山东省电力公司经济技术研究院 | 计及需求响应的区域综合能源系统的优化调度方法 |
CN112906975A (zh) * | 2021-03-17 | 2021-06-04 | 广东电网有限责任公司电力调度控制中心 | 一种双层优化方法及其装置 |
CN113255957A (zh) * | 2021-04-02 | 2021-08-13 | 国网山东省电力公司济南供电公司 | 综合服务站不确定因素的定量优化分析方法及系统 |
CN113013929A (zh) * | 2021-04-20 | 2021-06-22 | 天津大学 | 面向负荷曲线调节的有源配电网模拟优化运行方法 |
CN113255993A (zh) * | 2021-05-21 | 2021-08-13 | 中国三峡新能源(集团)股份有限公司 | 确定储能参与日前市场的优化申报策略的方法和装置 |
CN113255993B (zh) * | 2021-05-21 | 2023-10-10 | 中国三峡新能源(集团)股份有限公司 | 确定储能参与日前市场的优化申报策略的方法和装置 |
CN113538066A (zh) * | 2021-07-30 | 2021-10-22 | 国网上海市电力公司 | 虚拟电厂参与电力市场的控制方法、系统、设备及介质 |
CN113538066B (zh) * | 2021-07-30 | 2024-02-27 | 国网上海市电力公司 | 虚拟电厂参与电力市场的控制方法、系统、设备及介质 |
CN114548536A (zh) * | 2022-02-16 | 2022-05-27 | 东南大学 | 一种电力市场环境下考虑储能影响的可再生能源规划方法 |
CN115062835A (zh) * | 2022-06-10 | 2022-09-16 | 山东大学 | 基于虚拟发电厂的主动配电网分布式资源优化调度方法 |
CN117096856A (zh) * | 2023-08-02 | 2023-11-21 | 中国地质大学(武汉) | 考虑配网三相电价和相间电压不平衡的虚拟电厂调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110147907B (zh) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110147907A (zh) | 一种考虑网络约束的虚拟电厂双层优化模型 | |
Chen et al. | Bargaining game-based profit allocation of virtual power plant in frequency regulation market considering battery cycle life | |
Shafie-Khah et al. | An innovative two-level model for electric vehicle parking lots in distribution systems with renewable energy | |
Nasrolahpour et al. | Impacts of ramping inflexibility of conventional generators on strategic operation of energy storage facilities | |
Karimi et al. | Multi‐objective bi‐level optimisation to design real‐time pricing for demand response programs in retail markets | |
Hayes et al. | Comparison of two energy storage options for optimum balancing of wind farm power outputs | |
BiazarGhadikolaei et al. | Expansion planning of energy storages in microgrid under uncertainties and demand response | |
Dadashi et al. | Coordination of wind power producers with an energy storage system for the optimal participation in wholesale electricity markets | |
Bahloul et al. | Role of aggregator in coordinating residential virtual power plant in “StoreNet”: A pilot project case study | |
Lai et al. | Are energy policies for supporting low-carbon power generation killing energy storage? | |
Junlakarn et al. | A cross-country comparison of compensation mechanisms for distributed photovoltaics in the Philippines, Thailand, and Vietnam | |
Ahmadi et al. | Design of joint active and reactive power reserve market: a multi‐objective approach using NSGA II | |
Bafrani et al. | Robust electrical reserve and energy scheduling of power system considering hydro pumped storage units and renewable energy resources | |
Chaves‐Avila et al. | Impact of support schemes and market rules on renewable electricity generation and system operation: the Spanish case | |
Al-Sorour et al. | Enhancing PV self-consumption within an energy community using MILP-based P2P trading | |
Nazari et al. | Joint investment of community energy storage systems in distribution networks using modified Nash bargaining theory | |
Ghaemi et al. | Local energy communities with strategic behavior of multi-energy players for peer-to-peer trading: A techno-economic assessment | |
Chang et al. | Low carbon oriented collaborative energy management framework for multi-microgrid aggregated virtual power plant considering electricity trading | |
Jiang et al. | What duality theory tells us about giving market operators the authority to dispatch energy storage | |
Park et al. | A bi-level scheduling model of the distribution system with a distribution company and virtual power plants considering grid flexibility | |
Xing et al. | Optimal coordinated energy management in active distribution system with battery energy storage and price-responsive demand | |
Nikpour et al. | Stochastic-risk based approach for Microgrid participation in joint active, reactive, and ancillary services markets considering demand response | |
Zhang et al. | Dispatchable capacity optimization strategy for battery swapping and charging station aggregators to participate in grid operations | |
Li et al. | Three‐level interactive energy management strategy for optimal operation of multiple virtual power plants considering different time scales | |
Zalzar et al. | An incentive-based settlement mechanism for participation of flexible demands in day-ahead markets |
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 |