CN110298493B - 一种基于博弈和市场动态自适应调节机制的电源规划方法 - Google Patents

一种基于博弈和市场动态自适应调节机制的电源规划方法 Download PDF

Info

Publication number
CN110298493B
CN110298493B CN201910495885.XA CN201910495885A CN110298493B CN 110298493 B CN110298493 B CN 110298493B CN 201910495885 A CN201910495885 A CN 201910495885A CN 110298493 B CN110298493 B CN 110298493B
Authority
CN
China
Prior art keywords
power generation
year
cost
power
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
CN201910495885.XA
Other languages
English (en)
Other versions
CN110298493A (zh
Inventor
黄仙
李树松
马书艳
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.)
North China Electric Power University
Original Assignee
North China Electric Power University
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 North China Electric Power University filed Critical North China Electric Power University
Priority to CN201910495885.XA priority Critical patent/CN110298493B/zh
Publication of CN110298493A publication Critical patent/CN110298493A/zh
Application granted granted Critical
Publication of CN110298493B publication Critical patent/CN110298493B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Finance (AREA)
  • Evolutionary Biology (AREA)
  • Molecular Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Genetics & Genomics (AREA)
  • Physiology (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)

Abstract

本发明公开了一种基于博弈和市场动态自适应调节机制的电源规划方法，所述电源规划方法包括以下步骤：步骤一：构建根据市场动态调节的多寡头电源规划博弈模型，该模型由目标函数、约束条件和动态调节规则构成；步骤二：利用遗传算法对多寡头电源规划博弈模型进行求解，确定不同发电技术的负荷比例。

Description

一种基于博弈和市场动态自适应调节机制的电源规划方法
技术领域
本发明涉及优化电力技术领域，特别是涉及基于博弈和市场动态自适应调节机制的电源规划方法。
背景技术
数十年来，电源规划经历了多种多样的变化，涌现出了许多的模型和求解方法。这期间对电源规划研究影响最大的莫过于电力工业的市场化改革。改革前，电力工业是垂直一体化体制，电源规划通常被当作一个优化决策问题，目标函数是最小化总成本。改革后，电力工业尤其是发电侧迈向了竞争市场，电源规划已演变为一个博弈问题：每个竞争者的目标函数已变为最大化己方利润，且己方利润不但取决于自己的决策还与其他竞争对手的决策密切相关，使得发电集团在资源配置优化方面更加复杂。
从发电集团间的互动来看，电源规划是一个发电市场多寡头博弈问题；从系统科学来看，市场背景下的电源规划则是一个由多寡头主体、市场规则以及终端用户等组成的复杂自适应系统。市场背景下电源规划问题的复杂性主要源自于发电集团智能体的自适应性。
因此希望有一种基于博弈和市场动态自适应调节机制的电源规划方法解决现有技术中的问题。
发明内容
本发明公开了一种基于博弈和市场动态自适应调节机制的电源规划方法，所述电源规划方法包括以下步骤：
步骤一：构建根据市场动态调节的多寡头电源规划博弈模型，该模型由目标函数、约束条件和动态调节规则构成；
步骤二：利用遗传算法对多寡头电源规划博弈模型进行求解，确定不同发电技术的负荷比例。
优选地,所述步骤一目标函数表达式为公式(1)：
Figure GDA0002164238350000021
式中maxPi为最终发电系统的优化目标函数，即在火电、水电、风电与核电装机容量在一定比例下，发电集团得到最大收益；i为发电集团标号；m为发电技术标号；t为规划周期内的各年年次号；Pi为发电集团i在规划周期内的总利润(元)；π(t)为第t年的电价(元)；δ为折现率(指将未来支付改变为现值所使用的利率)；τ为一年小时总数(h)；xim(t)为在第t年发电集团i的发电技术m的发电容量(MW)；Ci为发电集团的总成本。
优选地,所述发电集团总成本Ci包括单位运营维护成本、单位生产成本、单位环保成本、单位产出补贴、投资建设成本和融资成本六个方面成本，公式(2)所示6个方面成本：
Figure GDA0002164238350000022
其中Cop,im(t)为在第t年发电集团i的发电技术m的单位运营维护成本(元/MWh)包括运行材料费、修理费和人工费；εm(t)为在第t年发电技术m的单位环保成本(元/MWh)；rs(t)为融资自筹比率；yim(t)为发电集团i的发电技术m从第t年开始的扩容量(MW)；cs,m(t)为在第t年发电技术m的单位产出补贴(元/MWh)。
优选地，所述投资建设成本Cinv,im(t)和融资成本Cfin,i(t)展开为公式(3)表达式：
Figure GDA0002164238350000023
Cfin,i(t)为发电集团i从第t年开始的那次扩容的融资额与融资利息；Cinv(0)为现机组投资成本(万元/MW)；Cinv,im(0)为发电集团i的发电技术m的现机组单位投资成本(元/MW·h)；b为技术学习率，反映了随着产品累计产量的增加，单位产品成本的下降幅度；rloan(t)为年融资利率，融资期限设定为f期，每期1年，rloan(t)为单利，使用期末清偿的方式还款。
优选地,所述单位产出补贴cs,m(t)是通过收取能源补贴电价附加费实现的，单位产出补贴与能源补贴电价附加费关系如公式(4)：
Figure GDA0002164238350000031
Fb(t)为补贴清洁的新能源发电技术的资金总需求量；πa(t)为能源补贴电价附加费；S(t)为市场中的总发电容量。
优选地，单位生产成本Cvc,im(t)进一步展开为：
Figure GDA0002164238350000032
μ(t)为标准煤耗率(kg/MWh)；pf为标准煤价格(元/吨)；pw为单位发电量的耗水费用(元/MWh)，即水资源费；目前，国家尚未收取风资源费，因此，本文将风电的单位生产成本设定为0；
Cvc,im(t)各发电技术的成本可具体展开如下：
火电机组的发电生产本与火成电的燃料成本和水费有着直接关系，而这其中燃料成本占相当大的比重，因此这里主要针对燃料成本，对火电的发电生产成本进行计算，由此可以得到火电机组的单位生产成本计算公式(6)：
Fm(t)＝τ·xm(t)·μ(t) (6)
Cvc,im(t)＝Fm(t)·ρf/1000＝τ·xm(t)·μ(t)·ρf/1000 (7)
Fm(t)为发电技术m第t年的能源耗量(吨)；μ(t)为标准煤耗率(kg/MWh)；
单位发电量的生产成本cvc,im(元/MWh)为公式(8)：
cvc,im(t)＝Cvc,im/(τ·xm(t))＝μ(t)·pf/1000 (8)
Cvc,im(t)水电单元机组的生产成本主要和它的耗水量挂钩。其生产成本即为水资源费，总生产成本计算公式(9)：
Cvc,im(t)＝ρw·τ·xm(t) (9)
单位发电量的生产成本cvc,im(元/MWh)为：
cvc,im(t)＝Cvc,im(t)/(τ·xm(t))＝ρw (10)
Cvc,im(t)核电机组的耗量特性与火电机组具有相似性，可表示为单位时间内发出电能的铀燃料耗量与发电量的关系。一般的，铀燃料耗量与机组输出功率的关系可以拟合为一个二次的耗量特性函数，铀燃料耗量乘以当前铀燃料价格即为核电机组的总生产成本Cvc,im，其计算公式为公式(11)和(12):
Fm(t)＝a1[xm(t)]2+a2xm(t)+a3 (11)
Cvc,im(t)＝(a1[xm(t)]2+a2xm(t)+a3)ρu＝a[xm(t)]2+dxm(t)+g (12)
式(11)中Fm(t)为第t年发电技术m的能源耗量(吨)；a1,a2,a3为拟合系数，均大于零；xm(t)为在第t年发电技术m的发电容量(MW)；式(12)中ρu为铀燃煤价格(元/吨)；a,d,g为大于0的常数，用来表示核电机组的发电耗能特性，则单位发电量的生产成本Cvc,im(元/MWh)为公式(13)：
cvc,im(t)＝Cvc,im(t)/(τxm(t))＝(axm(t)+d)/τ (13)
风电发电机组的生产成本随发电量变化而产生的变动较小，可将风电机组的单位生产成本看作零。
优选地，所述步骤一的约束条件包括电源建设施工约束条件、系统运行约束条件、可靠性或电量平衡约束条件和融资额度约束条件；
电源建设施工约束条件的表达式为公式(14)：
Figure GDA0002164238350000041
发电集团i某一年的发电技术m的扩容量不得超过其规定的最大可扩容量Mc,im，发电集团i某一年的总扩容量不得超过此集团规定的最大可扩容量TMc,i；
系统运行约束条件的表达式为公式(15)：
Figure GDA0002164238350000042
发电集团i某一年的发电技术m的并网发电容量不得超过其累计装机容量uim(t)，其中ωim(t)为在第t年发电集团i的发电技术m的功率因数；
可靠性或电量平衡约束条件的表达式为公式(16)：
Figure GDA0002164238350000051
第t年的总需求D(t)不得超过其总装机容量；RM(t)为第t年的备用裕量；
融资额度约束条件的表达式为公式(17)：
Figure GDA0002164238350000052
第t年发电集团i的融资额度不得超过其每次扩容的最大可融资额度MCfin,i。
优选地，所述步骤一的动态调节规则的表达式为公式(18)：
Figure GDA0002164238350000053
其中，供应层总发电容量
Figure GDA0002164238350000054
π(t)为第t年的电价(元)；Δπ(t)为第t年电价的改变量；ψ为价格变化衰减因子；D(t)为实际需求；RM(t)为备用容量裕度；第三个式子表示容量裕度约束条件即第t年的总发电容量不小于总需求且具有一定裕度；其中xim(t)为在第t年发电集团m的发电技术i的发电容量(MW)；
终端消费智能体在动态调节中的调整规则，消费者在电价的动态变化中改变负荷需求量为公式(19)：
Figure GDA0002164238350000055
其中，负荷需求包括假设需求D(t)(0)与实际需求D(t)；D(t)(0)为主观假定；Dmod(t)为需求调整中间值；σ是需求弹性指数。
本发明公开了一种基于博弈和市场动态自适应调节机制的电源规划方法，该方法运用多智能体思路建立了计及市场供需动态调节效应市场环境下拥有多发电技术的多寡头发电集团电源规划博弈模型，基于该模型可定量分析负荷需求、燃煤价格、风电补贴与环保成本等不确定性因素以及宏观市场调节措施对电源结构占比的交叉影响规律，进而为政府相关宏观管理部门的电源规划提供决策支持。
附图说明
图1是电源规划求解流程图。
图2是电源结构占比的初始状态与15年后电源结构占比对比示意图。
图3是为情况一、情况二下各类发电技术的占比规律示意图。
具体实施方式
为使本发明实施的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行更加详细的描述。在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本发明一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提出一种基于博弈且考虑市场动态自适应调节机制的电源规划方法，是一种考虑市场动态调节的多寡头电源规划博弈模型的优化方法，基于该模型可定量分析负荷需求、燃煤价格、风电补贴与环保成本等不确定性因素以及宏观市场调节措施对电源结构占比的交叉影响规律，帮助发电市场管理部门对发电市场提出更具有全面性、客观性以及准确性的调整政策，从而有效指导电源规划体系建设的问题。
本发明实施例所提供的基于博弈且考虑市场动态自适应调节机制的电源规划方法基本流程图如图1所示，其步骤包括：
步骤1：初始化规划周期内各年的电价和总需求。
步骤2：供应层智能体基于利润最大化进行内部寻优(规划周期内的每一年都有大量的迭代过程，且年与年之间也存在影响关系)，输出电源规划方案及发电计划。
步骤3：发电市场根据寻出的总发电容量与总需求进行电价调整。
步骤4：需求层根据电价变化调整自身需求。
步骤5：结束。
值得注意的是，以上市场动态调节过程是不断循环迭代的，当规划期每一年的参量都确定且满足终止条件时，才会输出最终的电价、实际需求和电源规划方案。从而探究在市场动态调节下不确定性因素以及宏观市场调节措施对电源结构占比的交叉影响规律。
步骤2中供应层智能体基于利润最大化进行内部寻优即为己方利益最大化，其目标函数表达式如式(1)所示：
Figure GDA0002164238350000071
为各发电集团基于各发电技术成本构成的分析，以最大化发电收益为目标，各发电集团的决策优化模型的目标函数，公式(1)中其中maxPi表示第i个发电集团，在不超出火电、水电、核电和风电技术约束、装机容量约束的条件下，火电、水电、风电与核电装机容量在市场动态调节中某一比例下，发电集团整体收益最大。
等式右侧是第i个发电集团M类发电技术在T年内的收益与发电集团的总成本Ci之差。π(t)为第t年的电价(元)；δ为折现率(指将未来支付改变为现值所使用的利率)；τ为一年小时总数(h)；xim(t)为在第t年发电集团i的发电技术m的发电容量(MW)。
所述发电集团总成本Ci包括单位运营维护成本、单位生产成本、单位环保成本、单位产出补贴、投资建设成本和融资成本六个方面成本，公式(2)所示6个方面成本：
Figure GDA0002164238350000072
其中Cop,im(t)为在第t年发电集团i的发电技术m的单位运营维护成本(元/MWh)包括运行材料费、修理费和人工费；εm(t)为在第t年发电技术m的单位环保成本(元/MWh)；rs(t)为融资自筹比率；yim(t)为发电集团i的发电技术m从第t年开始的扩容量(MW)；cs,m(t)为在第t年发电技术m的单位产出补贴(元/MWh)。
所述投资建设成本Cinv,im(t)和融资成本Cfin,i(t)展开为公式(3)表达式：
Figure GDA0002164238350000081
Cfin,i(t)为发电集团i从第t年开始的那次扩容的融资额与融资利息；Cinv(0)为现机组投资成本(万元/MW)；Cinv,im(0)为发电集团i的发电技术m的现机组单位投资成本(元/MW·h)；b为技术学习率，反映了随着产品累计产量的增加，单位产品成本的下降幅度；rloan(t)为年融资利率，融资期限设定为f期，每期1年，rloan(t)为单利，使用期末清偿的方式还款。
所述单位产出补贴cs,m(t)是通过收取能源补贴电价附加费实现的，单位产出补贴与能源补贴电价附加费关系如公式(4)：
Figure GDA0002164238350000082
Fb(t)为补贴清洁的新能源发电技术的资金总需求量；πa(t)为能源补贴电价附加费；S(t)为市场中的总发电容量。
单位生产成本Cvc,im(t)进一步展开为：
Figure GDA0002164238350000083
μ(t)为标准煤耗率(kg/MWh)；pf为标准煤价格(元/吨)；pw为单位发电量的耗水费用(元/MWh)，即水资源费；目前，国家尚未收取风资源费，因此，本文将风电的单位生产成本设定为0；
Cvc,im(t)各发电技术的成本可具体展开如下：
火电机组的发电生产本与火成电的燃料成本和水费有着直接关系，而这其中燃料成本占相当大的比重，因此这里主要针对燃料成本，对火电的发电生产成本进行计算，由此可以得到火电机组的单位生产成本计算公式(6)：
Fm(t)＝τ·xm(t)·μ(t) (6)
Cvc,im(t)＝Fm(t)·ρf/1000＝τ·xm(t)·μ(t)·ρf/1000 (7)
Fm(t)为发电技术m第t年的能源耗量(吨)；μ(t)为标准煤耗率(kg/MWh)；
单位发电量的生产成本cvc,im(元/MWh)为公式(8)：
cvc,im(t)＝Cvc,im/(τ·xm(t))＝μ(t)·pf/1000 (8)
Cvc,im(t)水电单元机组的生产成本主要和它的耗水量挂钩。其生产成本即为水资源费，总生产成本计算公式(9)：
Cvc,im(t)＝ρw·τ·xm(t) (9)
单位发电量的生产成本cvc,im(元/MWh)为：
cvc,im(t)＝Cvc,im(t)/(τ·xm(t))＝ρw (10)
Cvc,im(t)核电机组的耗量特性与火电机组具有相似性，可表示为单位时间内发出电能的铀燃料耗量与发电量的关系。一般的，铀燃料耗量与机组输出功率的关系可以拟合为一个二次的耗量特性函数，铀燃料耗量乘以当前铀燃料价格即为核电机组的总生产成本Cvc,im,其计算公式如下：
Fm(t)＝a1[xm(t)]2+a2xm(t)+a3 (11)
Cvc,im(t)＝(a1[xm(t)]2+a2xm(t)+a3)ρu＝a[xm(t)]2+dxm(t)+g (12)
式(11)中Fm(t)为第t年发电技术m的能源耗量(吨)；a1,a2,a3为拟合系数，均大于零；xm(t)为在第t年发电技术m的发电容量(MW)；式(12)中ρu为铀燃煤价格(元/吨)；a,d,g为大于0的常数，用来表示核电机组的发电耗能特性，则单位发电量的生产成本Cvc,im(元/MWh)为公式(13)：
cvc,im(t)＝Cvc,im(t)/(τxm(t))＝(axm(t)+d)/τ (13)
风电发电机组的生产成本随发电量变化而产生的变动较小，可将风电机组的单位生产成本看作零。
所述步骤一的约束条件包括电源建设施工约束条件、系统运行约束条件、可靠性或电量平衡约束条件和融资额度约束条件；
电源建设施工约束条件的表达式为公式(14)：
Figure GDA0002164238350000101
发电集团i某一年的发电技术m的扩容量不得超过其规定的最大可扩容量Mc,im，发电集团i某一年的总扩容量不得超过此集团规定的最大可扩容量TMc,i；
系统运行约束条件的表达式为公式(15)：
Figure GDA0002164238350000102
发电集团i某一年的发电技术m的并网发电容量不得超过其累计装机容量uim(t)，其中ωim(t)为在第t年发电集团i的发电技术m的功率因数；
可靠性或电量平衡约束条件的表达式为公式(16)：
Figure GDA0002164238350000103
第t年的总需求D(t)不得超过其总装机容量；RM(t)为第t年的备用裕量；
融资额度约束条件的表达式为公式(17)：
Figure GDA0002164238350000104
第t年发电集团i的融资额度不得超过其每次扩容的最大可融资额度MCfin,i。
所述步骤3发电市场根据寻出的总发电容量与总需求进行电价调整的表达式为公式(18)：
Figure GDA0002164238350000111
其中，供应层总发电容量
Figure GDA0002164238350000112
π(t)为第t年的电价(元)；Δπ(t)为第t年电价的改变量；ψ为价格变化衰减因子；D(t)为实际需求；RM(t)为备用容量裕度；第三个式子表示容量裕度约束条件即第t年的总发电容量不小于总需求且具有一定裕度；其中xim(t)为在第t年发电集团m的发电技术i的发电容量(MW)；
步骤4中需求层根据电价变化调整自身需求为公式(19)：
Figure GDA0002164238350000113
其中，负荷需求包括假设需求D(t)(0)与实际需求D(t)；D(t)(0)为主观假定；Dmod(t)为需求调整中间值；σ是需求弹性指数。
利用遗传算法对步骤1建立的模型进行求解，初始化规划周期内各年的电价和总需求；然后，供应层智能体基于利润最大化进行内部寻优(规划周期内的每一年都有大量的迭代过程，且年与年之间也存在影响关系)，输出电源规划方案及发电计划；再后，发电市场根据寻出的总发电容量与总需求进行电价调整；最后，需求层根据电价变化调整自身需求。本发明运用多智能体思路建立了计及市场供需动态调节效应市场环境下拥有多发电技术的多寡头发电集团电源规划博弈模型，基于该模型定量分析负荷需求、燃煤价格、风电补贴与环保成本等不确定性因素以及宏观市场调节措施对电源结构占比的交叉影响规律，可为政府相关宏观管理部门的电源规划提供决策支持，有效解决电源规划体系建设的问题。
算例分析:本文选取某地区中的发电集团及其下属的各类型发电技术数据，进行研究。该地区共有3个发电集团，其中发电集团A和发电集团B均具有火电、水电、风电、核电技术；发电集团C只具有火电、水电、风电技术，没有获得核电牌照。
设置规划周期为15年，规划周期内的平均折现率δ为7.5％，平均CPI为1.6％。设置这3个发电集团融资时的自筹自己比率rs(t)为30％，年融资利率rloan(t)为6.4％，融资期限f为20期，核电机组的核燃料成本特性参数a,d分别为0.073(元/MWh)和51.33(元/MWh)，标准煤价格pf为849.5(元/吨)；标准煤耗率μ为0.309(kg/KWh)，水资源费pw为0.003(元/KWh)。设置这3个发电集团的火电厂、水电厂、风电厂、核电厂折旧年限分别为20年、30年、20年、25年，各集团及它们下属的各发电技术的，投资建厂技术学习率b均为5％，各年市场电价初始赋值π(t)(0)为500元/MWh，价格变化衰减因子ψ为0.95。
其它参数如表1所示:
表1各发电集团的技术参数
Figure GDA0002164238350000121
负荷需求方面，设定了三种背景假设：GDP维持7％左右的增长、GDP前期增长率7％后期有所下降以及国民经济遭遇困难增长率为负。这三种情景分别对应为负荷需求假定的情景一、情景二和情景三。
如图2所示三种负荷需求假定情景下区域电源结构占比的演化结果，其中图2(a)为规划前电源结构占比的初始状态。图2(b)为情景一的演变结果，由图2(a)～(b)可知，在无风电补贴的条件下，风电的市场竞争力较弱，装机容量的份额下降；水电和核电由于其较低的运维和生产成本，具有较强的市场竞争力，市场份额增加；火电装机容量虽平稳增长，但由于增幅低于水电与核电，因此在总体份额上，火电占比下降。
图2(c)表示情景二电源结构占比的演变结果。水电与核电因其相对火电具有较低的单位生产成本优势，提高了它们在电源结构中的占比。同时，在没有补贴的情况下，风电的市场竞争力依旧偏弱，较难获得投资建设的机会。图2(d)为情景三电源结构占比的演变结果。由于此后需求逐年下降，已有总装机容量完全能满足电力需求，相较于初始状态，所有占比均变化很小。
成本因素对规划结果的影响：煤炭价格直接反映着煤炭供需关系的变化，反映着能源稀缺程度和环境成本。本文将煤价分为高、中、低档。
表2需求情景一下各发电技术占比
Figure GDA0002164238350000131
表3需求情景二下各发电技术占比
Figure GDA0002164238350000132
综合表2和表3可知，在低煤价的情况下，火电在电源结构中的占比很大。主要原因是：煤价在火电的成本中占比巨大，煤价的波动将很大程度地影响火电的总成本，从而影响总收益的大小，因此，当煤价较低时，火电拥有较好的效益；风电有较小的建设成本，对比水电、核电，又有较短的建设年限，因此其在电源结构中的占很大份额。
还可发现，煤价同样是影响风电、水电份额最显著的因素，总体而言，成本因素对核电占比均未见显著影响，主要原因是核电原本在总电源结构中占比很小，尽管核电装机总量也有所增长，但其电源结构占比变化不大。
由于在需求情景三下，需求逐年下滑，已有发电机组满足目前的发电需求，在此种情况下，无论煤价如何变化，发电集团都不会投建新机组，因此电源结构几乎无变化，也无法观察到成本因素对电源结构的影响。
政策调控因素：从前面的仿真结果可以看出，在无绿色经济政策影响下，风电等新能源技术的市场竞争力较弱，因此，需要政府部门出台相应的绿色经济政策，以提高风电等新能源的市场竞争力。本文考虑煤价(高、中、低)、风电补贴(高、中、低)、环保成本(高、中、低)共27种交叉情况，如图3所示为需求旺盛与需求疲软两种情景下的电源结构，情况1-9代表低煤价的情景，情况10-18代表中煤价的情景，情况19-27代表高煤价的情景，风电补贴、环保成本等因素以此类推。举例说明情况1代表低煤价、低风电补贴、低环保成本，情况27代表高煤价、高风电补贴、高环保成本，以此类推。
从电源结构的角度看：无论煤价高低、环保成本、风电补贴力度大小，对于火电而言，其在需求旺盛的情况下的占比均高于在需求疲软下的占比；风电则与火电相反，其在需求旺盛的情况下的占比均低于在需求疲软情况下的占比；水电与风电具有一定的相似性，在绝大多数情况下，其在需求旺盛的情况下的占比均低于在需求疲软情况下的占比，但是，在高煤价时，其在需求旺盛的情况下的占比要高于在需求疲软情况下的占比；核电由于在电源结构占比中非常小，一直在0％-7％之间震荡，占比没有很强的规律性。
通过上述实例分析，可以通过煤价、政策补贴等方法，引导电源规划建设方向，电源规划是电源建设的一项必不可少的前期工作，合理地进行电源规划，可以获得很大的经济效益和社会效益。本方法基于动态调节效应市场环境下拥有多发电技术的多寡头发电集团电源规划博弈模型定量分析负荷需求、燃煤价格、风电补贴与环保成本等不确定性因素以及宏观市场调节措施对电源结构占比的交叉影响规律，可为政府相关宏观管理部门的电源规划提供决策支持，避免电源建设处于无序状态，有效解决电源规划体系建设的问题。

Claims (4)

1.一种基于博弈和市场动态自适应调节机制的电源规划方法，其特征在于，所述电源规划方法包括以下步骤：
步骤一：构建根据市场动态调节的多寡头电源规划博弈模型，该模型由目标函数、约束条件和动态调节规则构成；
所述步骤一目标函数表达式为公式(1)：
Figure FDA0003810371570000011
式中maxPi为最终发电系统的优化目标函数；i为发电集团标号；m为发电技术标号；t为规划周期内的各年年次号；Pi为发电集团i在规划周期内的总利润；π(t)为第t年的电价；δ为折现率；τ为一年小时总数；xim(t)为在第t年发电集团i的发电技术m的发电容量；Ci为发电集团的总成本；
所述发电集团总成本Ci包括单位运营维护成本、单位生产成本、单位环保成本、单位产出补贴、投资建设成本和融资成本六个方面，公式(2)所示6个方面成本：
Figure FDA0003810371570000012
其中Cop,im(t)为在第t年发电集团i的发电技术m的单位运营维护成本包括运行材料费、修理费和人工费；εm(t)为在第t年发电技术m的单位环保成本；rs(t)为融资自筹比率；yim(t)为发电集团i的发电技术m从第t年开始的扩容量；cs,m(t)为在第t年发电技术m的单位产出补贴；Cinv,im(t)为投资建设成本；Cfin,i(t)为融资成本；Cvc,im(t)为单位生产成本；
所述步骤一的约束条件包括电源建设施工约束条件、系统运行约束条件、可靠性或电量平衡约束条件和融资额度约束条件；
电源建设施工约束条件的表达式为公式(14)：
Figure FDA0003810371570000013
发电集团i某一年的发电技术m的扩容量不得超过其规定的最大可扩容量Mc,im，发电集团i某一年的总扩容量不得超过此集团规定的最大可扩容量TMc,i；
系统运行约束条件的表达式为公式(15)：
Figure FDA0003810371570000021
发电集团i某一年的发电技术m的并网发电容量不得超过其累计装机容量uim(t)，其中ωim(t)为在第t年发电集团i的发电技术m的功率因数；
可靠性或电量平衡约束条件的表达式为公式(16)：
Figure FDA0003810371570000022
第t年的总需求D(t)不得超过其总装机容量；RM(t)为第t年的备用裕量；
融资额度约束条件的表达式为公式(17)：
Figure FDA0003810371570000023
第t年发电集团i的融资额度不得超过其每次扩容的最大可融资额度MCfin,i；
所述步骤一的动态调节规则的表达式为公式(18)：
Figure FDA0003810371570000024
其中，供应层总发电容量
Figure FDA0003810371570000025
π(t)为第t年的电价；Δπ(t)为第t年电价的改变量；ψ为价格变化衰减因子；D(t)为实际需求；RM(t)为备用容量裕度；第三个式子表示容量裕度约束条件即第t年的总发电容量不小于总需求且具有一定裕度；其中xim(t)为在第t年发电集团m的发电技术i的发电容量；
终端消费智能体在动态调节中的调整规则，消费者在电价的动态变化中改变负荷需求量为公式(19)：
Figure FDA0003810371570000031
其中，负荷需求包括假设需求D(t)(0)与实际需求D(t)；D(t)(0)为主观假定；Dmod(t)为需求调整中间值；σ是需求弹性指数；
步骤二：利用遗传算法对多寡头电源规划博弈模型进行求解，确定不同发电技术的负荷比例。
2.根据权利要求1所述的基于博弈和市场动态自适应调节机制的电源规划方法，其特征在于：所述投资建设成本Cinv,im(t)和融资成本Cfin,i(t)展开为公式(3)表达式：
Figure FDA0003810371570000032
Cfin,i(t)为发电集团i从第t年开始的那次扩容的融资额与融资利息；Cinv(0)为现机组投资成本；Cinv,im(0)为发电集团i的发电技术m的现机组单位投资成本；b为技术学习率，反映了随着产品累计产量的增加，单位产品成本的下降幅度；rloan(t)为年融资利率，融资期限设定为f期，每期1年，rloan(t)为单利，使用期末清偿的方式还款。
3.根据权利要求1所述的基于博弈和市场动态自适应调节机制的电源规划方法，其特征在于：所述单位产出补贴cs,m(t)是通过收取能源补贴电价附加费实现的，单位产出补贴与能源补贴电价附加费关系如公式(4)：
Figure FDA0003810371570000033
Fb(t)为补贴清洁的新能源发电技术的资金总需求量；πa(t)为能源补贴电价附加费；S(t)为市场中的总发电容量。
4.根据权利要求1所述的基于博弈和市场动态自适应调节机制的电源规划方法，其特征在于：所述单位生产成本Cvcim(t)进一步展开为：
Figure FDA0003810371570000041
μ(t)为标准煤耗率；pf为标准煤价格；pw为单位发电量的耗水费用，即水资源费；
Cvc,im(t)火电机组的单位生产成本计算公式(6)和(7)：
Fm(t)＝τ·xm(t)·μ(t) (6)
Cvc,im(t)＝Fm(t)·pf/1000＝τ·xm(t)·μ(t)·pf/1000 (7)
Fm(t)为发电技术m第t年的能源耗量；μ(t)为标准煤耗率；
单位发电量的生产成本cvc,im为公式(8)：
cvc,im(t)＝Cvc,im/(τ·xm(t))＝μ(t)·pf/1000 (8)
Cvc,im(t)水电单元机组的生产成本计算公式(9)：
Cvc,im(t)＝pw·τ·xm(t) (9)
单位发电量的生产成本cvc,im为：
cvc,im(t)＝Cvc,im(t)/(τ·xm(t))＝pw (10)
Cvc,im(t)核电机组的总生产成本计算公式(11)和(12):
Fm(t)＝a1[xm(t)]2+a2xm(t)+a3 (11)
Cvc,im(t)＝(a1[xm(t)]2+a2xm(t)+a3)ρu＝a[xm(t)]2+dxm(t)+g (12)
式(11)中Fm(t)为第t年发电技术m的能源耗量；a1,a2,a3为拟合系数，均大于零；xm(t)为在第t年发电技术m的发电容量；式(12)中ρu为铀燃煤价格；a,d,g为大于0的常数，用来表示核电机组的发电耗能特性，则单位发电量的生产成本Cvc,im为公式(13)：
cvc,im(t)＝Cvc,im(t)/(τxm(t))＝(axm(t)+d)/τ (13)。
CN201910495885.XA 2019-06-10 2019-06-10 一种基于博弈和市场动态自适应调节机制的电源规划方法 Active CN110298493B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910495885.XA CN110298493B (zh) 2019-06-10 2019-06-10 一种基于博弈和市场动态自适应调节机制的电源规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910495885.XA CN110298493B (zh) 2019-06-10 2019-06-10 一种基于博弈和市场动态自适应调节机制的电源规划方法

Publications (2)

Publication Number Publication Date
CN110298493A CN110298493A (zh) 2019-10-01
CN110298493B true CN110298493B (zh) 2022-10-25

Family

ID=68027711

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910495885.XA Active CN110298493B (zh) 2019-06-10 2019-06-10 一种基于博弈和市场动态自适应调节机制的电源规划方法

Country Status (1)

Country Link
CN (1) CN110298493B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3059646A1 (en) * 2015-02-18 2016-08-24 Technische Universität Wien Method and controller for controlling a power grid
CN108304961A (zh) * 2017-12-29 2018-07-20 北京国网普瑞特高压输电技术有限公司 一种风储接入网源的协调方法及系统
CN109034563A (zh) * 2018-07-09 2018-12-18 国家电网公司 一种多主体博弈的增量配电网源网荷协同规划方法
CN109428344A (zh) * 2017-09-01 2019-03-05 国家电网公司 含风电场的多电源投资规划方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3059646A1 (en) * 2015-02-18 2016-08-24 Technische Universität Wien Method and controller for controlling a power grid
CN109428344A (zh) * 2017-09-01 2019-03-05 国家电网公司 含风电场的多电源投资规划方法和装置
CN108304961A (zh) * 2017-12-29 2018-07-20 北京国网普瑞特高压输电技术有限公司 一种风储接入网源的协调方法及系统
CN109034563A (zh) * 2018-07-09 2018-12-18 国家电网公司 一种多主体博弈的增量配电网源网荷协同规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"一种电力市场环境下的电源规划多智能体模型";黄仙 等;《电力系统保护与控制》;20161216;第44卷(第24期);全文 *

Also Published As

Publication number Publication date
CN110298493A (zh) 2019-10-01

Similar Documents

Publication Publication Date Title
CN108960510B (zh) 一种基于两阶段随机规划的虚拟电厂优化交易策略装置
CN110147907B (zh) 一种考虑网络约束的虚拟电厂双层优化模型的构建方法
CN107464010B (zh) 一种虚拟电厂容量优化配置方法
CN113095791B (zh) 一种综合能源系统运行方法及系统
CN107316125A (zh) 一种基于经济运行域的主动配电网经济运行评价方法
Rocha et al. Multiobjective optimization of hybrid wind-photovoltaic plants with battery energy storage system: Current situation and possible regulatory changes
CN110633854A (zh) 一种考虑储能电池多重分段服务全生命周期优化规划方法
Liu et al. The economy of wind-integrated-energy-storage projects in China's upcoming power market: A real options approach
CN106844916A (zh) 一种基于调峰辅助服务市场的发电和用电组织方法及装置
Lu et al. A hybrid deep learning-based online energy management scheme for industrial microgrid
CN110956324B (zh) 基于改进的moea/d的主动配电网日前高维目标优化调度方法
CN112001752A (zh) 基于有限理性的多虚拟电厂动态博弈交易行为分析方法
CN116231655A (zh) 一种计及源-荷多类型备用的虚拟电厂双层优化调度方法
CN115310797A (zh) 一种园区综合能源系统的鲁棒规划方法
CN112200348A (zh) 一种计及综合需求响应的区域综合能源系统多目标运行决策方法
CN117578409A (zh) 一种电力市场环境下的多能互补优化调度方法及系统
CN110247392B (zh) 计及风电备用能力与需求侧响应的多备用资源鲁棒优化方法
CN110021932B (zh) 双边参与的调峰辅助服务容量选取和经济模型构建方法
Du et al. Optimal whole-life-cycle planning for battery energy storage system with normalized quantification of multi-services profitability
Ding et al. Long-term operation rules of a hydro–wind–photovoltaic hybrid system considering forecast information
CN110298493B (zh) 一种基于博弈和市场动态自适应调节机制的电源规划方法
CN117394404A (zh) 考虑碳效益和辅助调频的风电场储能容量配置方法
CN115422728A (zh) 基于随机规划的鲁棒优化的虚拟电厂优化控制系统
CN117494909B (zh) 基于熵权自适应igdt的购电优化方法、装置和介质
CN118014383A (zh) 基于全生命周期成本的电力系统再规划方法及装置

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