CN111222917B - 一种与配电侧多元零售市场互动的虚拟电厂投标策略 - Google Patents
一种与配电侧多元零售市场互动的虚拟电厂投标策略 Download PDFInfo
- Publication number
- CN111222917B CN111222917B CN202010005476.XA CN202010005476A CN111222917B CN 111222917 B CN111222917 B CN 111222917B CN 202010005476 A CN202010005476 A CN 202010005476A CN 111222917 B CN111222917 B CN 111222917B
- Authority
- CN
- China
- Prior art keywords
- power plant
- virtual power
- reactive
- node
- output
- 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
Links
- 238000005457 optimization Methods 0.000 claims description 62
- 230000005611 electricity Effects 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 16
- 230000008901 benefit Effects 0.000 claims description 10
- 230000009194 climbing Effects 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000002922 simulated annealing Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption 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
- 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
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/08—Auctions
-
- 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
-
- 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
- Y04S50/10—Energy trading, including energy flowing from end-user application to grid
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种与配电侧多元零售市场互动的虚拟电厂投标策略,主要包括以下步骤:步骤1:数据输入,所述数据包括虚拟电厂数据和配电侧零售市场数据;步骤2:建立与多元配电市场互动的虚拟电厂双层投标决策模型;步骤3:基于混合模拟退火‑遗传算法对步骤2)中的模型求解;步骤4:结果输出,所述结果包括虚拟电厂代理参与的配电侧零售市场类型,有功功率、无功功率及旋转备用分时分节点的出力范围和竞标价格。本发明能够有效地制定虚拟电厂同时向配电侧零售能量市场和多种类型辅助服务市场的竞价投标方案。
Description
技术领域
本发明涉及一种与配电侧多元零售市场互动的虚拟电厂投标策略。
背景技术
为深化我国电力体制改革,加快电力市场建设步伐,促进“源-网-荷”协同互补,虚拟电厂技术得到了迅速发展,越来越多的示范工程和实际项目落地应用,展现出重大经济价值。理论和实践结果皆表明,将多种灵活性资源聚合形成虚拟电厂,能够高效地实现可再生能源清洁消纳,并一定程度上提升电网运行经济性。此外,配电侧零售市场产品朝着多元化趋势发展,即,同时包含能量市场和多种类型辅助服务市场产品。因此,目前急需提供一种与配电侧多元零售市场互动的虚拟电厂投标策略,既要能提升虚拟电厂技术在配电侧多元零售市场中的发展要求,又要能兼顾虚拟电厂代理和配电网运营商的利益诉求。
发明内容
本发明的目的在于提供一种与配电侧多元零售市场互动的虚拟电厂投标策略,其能够有效地制定虚拟电厂同时向配电侧零售能量市场和多种类型辅助服务市场的竞价投标方案。
为实现上述目的,本发明采用了以下技术方案:
一种与配电侧多元零售市场互动的虚拟电厂投标策略,其特征在于,包括以下步骤:
步骤1:数据输入,所述数据包括虚拟电厂数据和配电侧零售市场数据;
步骤2:建立与多元配电市场互动的虚拟电厂双层投标决策模型;
步骤3:基于混合模拟退火-遗传算法对步骤2中的模型求解;
步骤4:结果输出,所述结果包括虚拟电厂代理参与的配电侧零售市场类型,有功功率、无功功率及旋转备用分时分节点的出力范围和竞标价格。
进一步地,上述步骤2中与多元配电市场互动的虚拟电厂双层投标决策模型包括:配电网运营商优化层和虚拟电厂代理优化层。
进一步地,上述配电网运营商优化层的优化目标为配电网总运营成本最低,包括传统发电机组的运行成本,配电网从批发市场和虚拟电厂的购电成本,优化目标的具体数学模型可描述为:
式中:T为总运行时段数,h;ΔT为优化时段间隔时长,h;为传统发电机组个数;NVPP为虚拟电厂并网节点数;/>和/>分别为配电侧从主网购入的有功、无功和备用价格,$/MWh;/>和/>分别为配电网从主网购入的有功功率、无功功率和备用容量,MW(MVar);/>和/>分别为虚拟电厂在t时刻i节点处有功、无功和备用的投标价格,$/MWh;/>和/>分别为配电网在t时刻i节点处从虚拟电厂购入的有功功率、无功功率和备用容量,MW(MVar)。
其中传统发电机组的成本特性可表示为:
式中:和/>分别为发电机组i在t时刻的有功功率和备用容量,MW;/>为旋转备用在t时刻的调用概率,%;ai,bi,ci为传统发电机组i的运行成本参数。
该优化问题的决策变量为配电网运营优化的约束包括各类机组及虚拟电厂出力约束,节点电压范围约束,支路潮流容量限制,系统旋转备用平衡等,具体内容列举如下:
1)采用一种线性化的配电侧潮流方程来描述配电网拓扑结构和潮流模型如下:
式中:NB为配电网节点总数;Pi,Qi,θi,Vi分别为节点i处的注入有功功率、注入无功功率、相位及电压幅值,p.u.;SN为基准功率,MW;Pij,Qij,rij,xij分别为节点i和节点j之间线路的有功潮流、无功潮流、电阻和电抗,p.u.;/>和/>分别为节点i处风电场和光伏电站的有功出力,MW。
此外,在系统运行过程中,各节点电压及各支路潮流应限制在一定的范围内:
式中:为节点i和节点j之间线路的额定视在容量,p.u.;V i和/>分别为节点i处电压下限和上限,p.u.。
2)系统中各发电机组及可再生能源机组的出力范围应限制在一定范围内:
式中:分别为发电机i在t时刻的有功出力上、下限和无功出力上、下限,MW(MVar);/>为发电机i的额定容量,MW;/>为发电机i的爬坡出力上限,MW/h;λDG为发电机组的功率因数限制值;/>和/>分别为风电场i和光伏电站i在t时刻的预测出力均值,MW。
为描述系统中可再生能源不确定性,假定风电和光伏出力的预测误差服从均值为0(μ=0),标准差为预测均值5%(σ=5%·Pj,t,mean)的高斯概率密度分布函数εj,t~N(μ,σ2)。本文使用置信水平来描述配电网运营商和虚拟电厂代理对其内部可再生能源出力持有的风险态度,当虚拟电厂采用不同的置信水平会获得不同的投标决策结果。置信水平Clevel与可再生能源出力期望值之间的关系可描述为:
式中:Pi,t,fore为可再生能源i在t时刻的出力预测值,MW;Pi,t,mean为可再生能源i在t时刻的出力预测期望均值,MW;εi,t为可再生能源i在t时刻的出力预测误差,MW。
3)系统中总备用预留应高于备用需求:
式中:分别负荷、风电及光伏的总备用需求,MW。
4)虚拟电厂出力限制:在配电网出清阶段,虚拟电厂提供的服务类型及出力范围是已知的,其有功、无功和备用的中标出力应限制在投标范围以内:
式中:和/>分别为虚拟电厂在时刻t节点i处有功出力上、下限投标值,MW;和/>分别为虚拟电厂在时刻t节点i处无功出力上、下限投标值,MVar;/>为虚拟电厂在时刻t节点i处备用容量投标上限值,MW;λVPP,i为虚拟电厂在节点i处的功率因数限制值。
上述配电网运营优化模型为典型凸优化问题,该优化问题的紧凑形式可表示如下:
式中:M为等式约束总数;N为不等式约束总数。
引入拉格朗日乘子,可以得到原问题的拉格朗日函数如下:
式中:λm为等式约束m对应的拉格朗日乘子;μn为不等式约束n对应的拉格朗日乘子。
利用KKT条件,可以对该问题进行求解,可以获得DSO的经济运营方案。此外,根据包络定理可知,等式约束(7),(8),(19)的拉格朗日乘子分别对应于配电网节点i处出清的有功价格、无功价格和备用价格。
进一步地,上述虚拟电厂代理优化层的优化目标为虚拟电厂收益最大;
虚拟电厂具有多元存在形式,其内部可以包括可再生能源、传统发电机组及电力负荷,此外,虚拟电厂可以从多个节点接入配电网,并同时参与配电网有功、无功及备用市场。虚拟电厂代理投标优化问题的决策变量为虚拟电厂在各节点有功、无功及备用的申报价格和出力范围: 优化目标是获取最优投标策略,包括虚拟电厂在各节点参与的市场类型,各类产品出力范围及申报价格。其优化目标可表示为:
式中:NVPP为虚拟电厂接入配网的节点总数;为虚拟电厂拥有的发电机总数;和/>分别为通过配网出清获得在t时刻j节点处的有功电价、无功电价和备用电价,$/MWh($/MVarh);/>和/>分别虚拟电厂在t时刻j节点处的中标有功功率、中标无功功率和中标备用容量,MW(MVar);/>和/>分别为虚拟电厂内部的发电机组j在t时刻提供的有功出力和旋转备用,MW。
其中,虚拟电厂各节点电价及各类产品中标电量可由配电网优化出清得到,虚拟电厂运行约束条件包括:虚拟电厂内部功率及备用平衡约束,各类机组出力限制及报量报价范围约束等。
1)虚拟电厂各节点处应满足有功、无功及备用平衡如下:
式中:和/>分别为虚拟电厂在t时刻j节点处内部风电和光伏出力,MW;/>和/>分别为虚拟电厂在t时刻j节点处内部有功和无功负荷,MW;/>分别为t时刻j节点处的负荷、风电及光伏的总备用需求,MW。
2)虚拟电厂投标电价应满足政府的限制条件,投标出力范围应满足虚拟电厂实际的聚合可用范围:
式中:为虚拟电厂在t时刻j节点处的聚合出力可行域;分别为有功报价上、下限、无功报价上、下限、备用报价上、下限,$/MWh($/MVar)。
3)虚拟电厂内部传统发电机组及可再生能源机组应满足其出力范围约束见公式(36)-(41)。此外,虚拟电厂优化层中可再生能源出力不确定性的描述方法与配电网优化层完全相同,此处不再赘述。
进一步地,上述步骤3中具体包括以下步骤:
步骤3.1:输入配电网、虚拟电厂内部机组及拓扑参数、可再生能源预测信息。
步骤3.2:生成初始种群,初始化虚拟电厂投标信息,包括虚拟电厂从各节点提供的市场产品类型,申报价格及出力范围。
步骤3.3:配电网根据虚拟电厂投标信息进行运营优化,获取虚拟电厂在各节点的出清价格及中标电量。
步骤3.4:虚拟电厂根据配电网发布的出清信息进行内部优化,获取自身最优收益,计算种群适应度。
步骤3.5:更新种群中每个个体的优化变量,形成新的虚拟电厂投标计划,并转入步骤3.3进行迭代,直至达到如下迭代终止条件:
式中:ΦVPP(l)为第l代种群中的最优适应度,可以由公式(26)计算得到,$;为迭代终止误差,$;K为预先设定的收敛考核步长。
本发明的有益效果体现在:
(1)本发明提出了一种兼顾有功、无功及旋转备用的虚拟电厂投标策略,既兼顾虚拟电厂代理和配电网运营商的各自利益,又考虑了能量市场及辅助服务市场(包括无功市场及旋转备用市场);
(2)本发明中,虚拟电厂运营商作为市场电价的定价参与者,投标内容包含多种电力产品的价格和出力范围,是一种报量报价的投标方法,具有更强的普适性和一般性;
(3)本发明兼顾了虚拟电厂的广泛存在形式,其内部可以包含可控发电机组、分布式能源及电力负荷,此外,本发明的虚拟电厂不受地理位置限制,可从多个节点接入配电系统并分别进行投标。
附图说明
图1为本发明一种与配电侧多元零售市场互动的虚拟电厂投标策略的流程图;
图2为本发明与多元配电市场互动的虚拟电厂双层投标决策结构图;
图3为基于SA-GA的模型优化求解流程图。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚,下面将结合本发明实施方式中的附图,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,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方式,都属于本发明保护的范围。因此,以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施方式。
本发明设计了一种与配电侧多元零售市场互动的虚拟电厂投标策略,流程如图1所示,具体实施步骤如下:
步骤1:数据输入
本发明中考虑的多元配电市场主要涉及有功功率、无功功率和旋转备用三类市场产品。
所需虚拟电厂数据:虚拟电厂内部灵活性可控资源类别及参数,发电机组参数,可再生能源预测信息,虚拟电厂所在节点编号。
所需配电侧零售市场数据:配电网内部灵活性可控资源类别及参数,发电机组参数,可再生能源预测信息,网络拓扑结构及参数,各类市场产品在主网中的分时电价预测信息。
步骤2:与多元配电市场互动的虚拟电厂双层投标决策模型
虚拟电厂代理和配电网运营商的收益来源不同,且二者之间的行为会相互影响,因此,虚拟电厂的报价应考虑配电网的优化运营和市场出清过程。为兼顾虚拟电厂和配电网各自的利益并实现双赢,使得虚拟电厂和配电网共同达到最优值点,本步骤提出了考虑虚拟电厂与配电网互动过程的双层投标决策模型,如图2所示:
(2-1)配电网运营商优化层
配电网运营商的优化目标为配电网总运营成本最低,包括传统发电机组的运行成本,配电网从批发市场和虚拟电厂的购电成本。优化目标的具体数学模型可描述为:
式中:T为总运行时段数,h;ΔT为优化时段间隔时长,h;为传统发电机组个数;NVPP为虚拟电厂并网节点数;/>和/>分别为配电侧从主网购入的有功、无功和备用价格,$/MWh;/>和/>分别为配电网从主网购入的有功功率、无功功率和备用容量,MW(MVar);/>和/>分别为虚拟电厂在t时刻i节点处有功、无功和备用的投标价格,$/MWh;/>和/>分别为配电网在t时刻i节点处从虚拟电厂购入的有功功率、无功功率和备用容量,MW(MVar)。
其中传统发电机组的成本特性可表示为:
式中:和/>分别为发电机组i在t时刻的有功功率和备用容量,MW;/>为旋转备用在t时刻的调用概率,%;ai,bi,ci为传统发电机组i的运行成本参数。
该优化问题的决策变量为配电网运营优化的约束包括各类机组及虚拟电厂出力约束,节点电压范围约束,支路潮流容量限制,系统旋转备用平衡等,具体内容列举如下:
1)采用一种线性化的配电侧潮流方程来描述配电网拓扑结构和潮流模型如下:
式中:NB为配电网节点总数;Pi,Qi,θi,Vi分别为节点i处的注入有功功率、注入无功功率、相位及电压幅值,p.u.;SN为基准功率,MW;Pij,Qij,rij,xij分别为节点i和节点j之间线路的有功潮流、无功潮流、电阻和电抗,p.u.;/>和/>分别为节点i处风电场和光伏电站的有功出力,MW。
此外,在系统运行过程中,各节点电压及各支路潮流应限制在一定的范围内:
式中:为节点i和节点j之间线路的额定视在容量,p.u.;V i和/>分别为节点i处电压下限和上限,p.u.。
2)系统中各发电机组及可再生能源机组的出力范围应限制在一定范围内:
式中:分别为发电机i在t时刻的有功出力上、下限和无功出力上、下限,MW(MVar);/>为发电机i的额定容量,MW;/>为发电机i的爬坡出力上限,MW/h;λDG为发电机组的功率因数限制值;/>和/>分别为风电场i和光伏电站i在t时刻的预测出力均值,MW。
为描述系统中可再生能源不确定性,假定风电和光伏出力的预测误差服从均值为0(μ=0),标准差为预测均值5%(σ=5%·Pj,t,mean)的高斯概率密度分布函数εj,t~N(μ,σ2)。本文使用置信水平来描述配电网运营商和虚拟电厂代理对其内部可再生能源出力持有的风险态度,当虚拟电厂采用不同的置信水平会获得不同的投标决策结果。置信水平Clevel与可再生能源出力期望值之间的关系可描述为:
式中:Pi,t,fore为可再生能源i在t时刻的出力预测值,MW;Pi,t,mean为可再生能源i在t时刻的出力预测期望均值,MW;εi,t为可再生能源i在t时刻的出力预测误差,MW。
3)系统中总备用预留应高于备用需求:
式中:分别负荷、风电及光伏的总备用需求,MW。
4)虚拟电厂出力限制:在配电网出清阶段,虚拟电厂提供的服务类型及出力范围是已知的,其有功、无功和备用的中标出力应限制在投标范围以内:
式中:和/>分别为虚拟电厂在时刻t节点i处有功出力上、下限投标值,MW;和/>分别为虚拟电厂在时刻t节点i处无功出力上、下限投标值,MVar;/>为虚拟电厂在时刻t节点i处备用容量投标上限值,MW;λVPP,i为虚拟电厂在节点i处的功率因数限制值。
上述配电网运营优化模型为典型凸优化问题,该优化问题的紧凑形式可表示如下:
式中:M为等式约束总数;N为不等式约束总数。
引入拉格朗日乘子,可以得到原问题的拉格朗日函数如下:
式中:λm为等式约束m对应的拉格朗日乘子;μn为不等式约束n对应的拉格朗日乘子。
利用KKT条件,可以对该问题进行求解,可以获得DSO的经济运营方案。此外,根据包络定理可知,等式约束(7),(8),(19)的拉格朗日乘子分别对应于配电网节点i处出清的有功价格、无功价格和备用价格。
(2-2)虚拟电厂代理优化层
本发明研究的虚拟电厂具有多元存在形式,其内部可以包括可再生能源、传统发电机组及电力负荷,此外,虚拟电厂可以从多个节点接入配电网,并同时参与配电网有功、无功及备用市场。虚拟电厂代理投标优化问题的决策变量为虚拟电厂在各节点有功、无功及备用的申报价格和出力范围: 优化目标是获取最优投标策略,包括虚拟电厂在各节点参与的市场类型,各类产品出力范围及申报价格。其优化目标可表示为:
式中:NVPP为虚拟电厂接入配网的节点总数;为虚拟电厂拥有的发电机总数;和/>分别为通过配网出清获得在t时刻j节点处的有功电价、无功电价和备用电价,$/MWh($/MVarh);/>和/>分别虚拟电厂在t时刻j节点处的中标有功功率、中标无功功率和中标备用容量,MW(MVar);/>和/>分别为虚拟电厂内部的发电机组j在t时刻提供的有功出力和旋转备用,MW。
其中,虚拟电厂各节点电价及各类产品中标电量可由配电网优化出清得到,虚拟电厂运行约束条件包括:虚拟电厂内部功率及备用平衡约束,各类机组出力限制及报量报价范围约束等。
1)虚拟电厂各节点处应满足有功、无功及备用平衡如下:
式中:和/>分别为虚拟电厂在t时刻j节点处内部风电和光伏出力,MW;/>和分别为虚拟电厂在t时刻j节点处内部有功和无功负荷,MW;/>分别为t时刻j节点处的负荷、风电及光伏的总备用需求,MW。
2)虚拟电厂投标电价应满足政府的限制条件,投标出力范围应满足虚拟电厂实际的聚合可用范围:
式中:为虚拟电厂在t时刻j节点处的聚合出力可行域;分别为有功报价上、下限、无功报价上、下限、备用报价上、下限,$/MWh($/MVar)。
3)虚拟电厂内部传统发电机组及可再生能源机组应满足其出力范围约束见公式(36)-(41)。此外,虚拟电厂优化层中可再生能源出力不确定性的描述方法与配电网优化层完全相同,此处不再赘述。
步骤3:基于混合模拟退火-遗传算法的模型求解
上述优化模型中,配电网优化层为典型的凸优化问题,本文采用CPLEX商业软件对其进行求解;而对于虚拟电厂优化层,由于虚拟电厂收益由配电网出清结果会对虚拟电厂收益造成影响,决策变量与目标函数值之间无显式的解析表达式。因此,采用混合模拟退火-遗传算法(Simulated Annealing hybrid Genetic Algorithm,SA-GA)对其进行求解,该方法融合了模拟退火算法和遗传算法的优势,具有收敛速度快,全局搜索能力强的特点。基于模拟退火混合遗传算法的虚拟电厂与配电网互动的双层优化求解流程如图3所示,具体求解流程如下:
步骤3.1:输入配电网、虚拟电厂内部机组及拓扑参数、可再生能源预测信息。
步骤3.2:生成初始种群,初始化虚拟电厂投标信息,包括虚拟电厂从各节点提供的市场产品类型,申报价格及出力范围。
步骤3.3:配电网根据虚拟电厂投标信息进行运营优化,获取虚拟电厂在各节点的出清价格及中标电量。
步骤3.4:虚拟电厂根据配电网发布的出清信息进行内部优化,获取自身最优收益,计算种群适应度。
步骤3.5:更新种群中每个个体的优化变量,形成新的虚拟电厂投标计划,并转入步骤3.3进行迭代,直至达到如下迭代终止条件:
式中:ΦVPP(l)为第l代种群中的最优适应度,可以由公式(26)计算得到,$;为迭代终止误差,$;K为预先设定的收敛考核步长。
步骤4:数据输出
输出虚拟电厂代理参与的配电侧零售市场类型,有功功率、无功功率及旋转备用分时分节点的出力范围和竞标价格。
Claims (1)
1.一种与配电侧多元零售市场互动的虚拟电厂投标策略,其特征在于包括以下步骤:
步骤1:数据输入,所述数据包括虚拟电厂数据和配电侧零售市场数据;
步骤2:建立与多元配电市场互动的虚拟电厂双层投标决策模型;
所述步骤2中与多元配电市场互动的虚拟电厂双层投标决策模型包括:配电网运营商优化层、虚拟电厂代理优化层;
所述配电网运营商优化层的优化目标为配电网总运营成本最低,包括传统发电机组的运行成本、配电网从批发市场和虚拟电厂的购电成本,优化目标的具体数学模型可描述为:
式中:T为总运行时段数,单位为小时h;△T为优化时段间隔时长,单位为小时h;为传统发电机组个数;NVPP为虚拟电厂并网节点数;/>和/>分别为配电侧从主网购入的有功、无功和备用价格,有功和备用价格的单位为美元每兆瓦时$/MWh,无功价格的单位为美元每兆乏时$/MVarh;/>和/>分别为配电网从主网购入的有功功率、无功功率和备用容量,有功功率和备用容量的单位为兆瓦MW,无功功率的单位为兆乏MVar;/>和/>分别为虚拟电厂在t时刻i节点处有功、无功和备用的投标价格,有功和备用的投标价格单位为美元每兆瓦时$/MWh,无功的投标价格的单位为美元每兆乏时$/MVarh;/>和/>分别为配电网在t时刻i节点处从虚拟电厂购入的有功功率、无功功率和备用容量,有功功率和备用容量的单位为兆瓦MW,无功功率的单位为兆乏MVar;
其中传统发电机组的成本特性可表示为:
式中:和/>分别为发电机组i在t时刻的有功功率和备用容量,单位为兆瓦MW;/>为旋转备用在t时刻的调用概率;ai,bi,ci为传统发电机组i的运行成本参数;
配电网运营商优化层的优化问题的决策变量为 配电网运营优化层的约束包括各类机组及虚拟电厂出力约束,节点电压范围约束,支路潮流容量限制,系统旋转备用平衡,
配电网运营优化层的约束具体包括:
1)采用一种线性化的配电侧潮流方程来描述配电网拓扑结构和潮流模型如下:
式中:NB为配电网节点总数;Pi,Qi,θi,Vi分别为节点i处的注入有功功率、注入无功功率、相位及电压幅值,单位为标幺值p.u.;SN为基准功率,单位为兆瓦MW;Pij,Qij,rij,xij分别为节点i和节点j之间线路的有功潮流、无功潮流、电阻和电抗,单位为标幺值p.u.;/>和/>分别为节点i处风电场和光伏电站的有功出力,单位为兆瓦MW;
此外,在系统运行过程中,各节点电压及各支路潮流应限制在一定的范围内:
式中:为节点i和节点j之间线路的额定视在容量,单位为标幺值p.u.;V i和/>分别为节点i处电压下限和上限,单位为标幺值p.u.;
2)系统中各发电机组及可再生能源机组的出力范围限制在一定范围内:
式中:P i DG,分别为发电机i在t时刻的有功出力上、下限和无功出力上、下限,有功出力上、下限的单位为兆瓦MW、无功出力上、下限的单位为兆乏MVar;/>为发电机i的额定容量,单位为兆瓦MW;/>为发电机i的爬坡出力上限,单位为兆瓦每时MW/h;λDG为发电机组的功率因数限制值;/>和/>分别为风电场i和光伏电站i在t时刻的预测出力均值,单位为兆瓦MW;
为描述系统中可再生能源不确定性,假定风电和光伏出力的预测误差服从均值μ=0,标准差为预测均值5%,即σ=5%·Pj,t,mean的高斯概率密度分布函数εj,t~N(μ,σ2);使用置信水平来描述配电网运营商和虚拟电厂代理对其内部可再生能源出力持有的风险态度,当虚拟电厂采用不同的置信水平会获得不同的投标决策结果;置信水平Clevel与可再生能源出力期望值之间的关系可描述为:
式中:Pi,t,fore为可再生能源i在t时刻的出力预测值,单位为兆瓦MW;Pi,t,mean为可再生能源i在t时刻的出力预测期望均值,单位为兆瓦MW;εi,t为可再生能源i在t时刻的出力预测误差,单位为兆瓦MW;
3)系统中总备用预留应高于备用需求:
式中:分别为负荷、风电及光伏的总备用需求,单位为兆瓦MW;
4)虚拟电厂出力限制:在配电网出清阶段,虚拟电厂提供的服务类型及出力范围是已知的,其有功、无功和备用的中标出力应限制在投标范围以内:
式中:和/>分别为虚拟电厂在时刻t节点i处有功出力上、下限投标值,单位为兆瓦MW;/>和/>分别为虚拟电厂在时刻t节点i处无功出力上、下限投标值,单位为兆乏MVar;/>为虚拟电厂在时刻t节点i处备用容量投标上限值,单位为兆瓦MW;λVPP,i为虚拟电厂在节点i处的功率因数限制值;
上述配电网运营优化模型为典型凸优化问题,该优化问题的紧凑形式可表示如下:
式中:M为等式约束总数;N为不等式约束总数;
引入拉格朗日乘子,可以得到原问题的拉格朗日函数如下:
式中:λm为等式约束m对应的拉格朗日乘子;μn为不等式约束n对应的拉格朗日乘子;
利用KKT条件,可以对该问题进行求解,可以获得DSO的经济运营方案;此外,根据包络定理可知,等式约束(7),(8),(19)的拉格朗日乘子分别对应于配电网节点i处出清的有功价格、无功价格和备用价格;
虚拟电厂代理优化层的优化目标为虚拟电厂收益最大,即获取最优投标策略,包括虚拟电厂在各节点参与的市场类型,各类产品出力范围及申报价格,其优化目标可表示为:
式中:NVPP为虚拟电厂接入配网的节点总数;为虚拟电厂拥有的发电机总数;和/>分别为通过配网出清获得在t时刻j节点处的有功电价、无功电价和备用电价,有功电价和备用电价的单位为美元每兆瓦时$/MWh,无功电价的单位为美元每兆乏时$/MVarh;
和/>分别虚拟电厂在t时刻j节点处的中标有功功率、中标无功功率和中标备用容量,中标有功功率和中标备用容量的单位为兆瓦MW,中标无功功率的单位为兆乏MVar;
虚拟电厂包括可再生能源、传统发电机组及电力负荷,此外,虚拟电厂可以从多个节点接入配电网,并同时参与配电网有功、无功及备用市场;
虚拟电厂代理投标优化问题的决策变量为虚拟电厂在各节点有功、无功及备用的申报价格和出力范围:
其中,虚拟电厂各节点电价及各类产品中标电量可由配电网优化出清得到,虚拟电厂运行约束条件包括:虚拟电厂内部功率及备用平衡约束、各类机组出力限制及报量报价范围约束;
虚拟电厂运行约束条件具体包括:
1)虚拟电厂各节点处应满足有功、无功及备用平衡如下:
式中:和/>分别为虚拟电厂在t时刻j节点处内部风电和光伏出力,单位为兆瓦MW;和/>分别为虚拟电厂在t时刻j节点处内部有功和无功负荷,有功负荷的单位为兆瓦MW,无功负荷的单位为兆乏MVar;/>分别为t时刻j节点处的负荷、风电及光伏的总备用需求,单位为兆瓦MW;
2)虚拟电厂内部传统发电机组及可再生能源机组应满足其出力范围约束见公式(36)-(41);此外,虚拟电厂优化层中可再生能源出力不确定性的描述方法与配电网优化层完全相同,
步骤3:基于混合模拟退火-遗传算法对步骤2中的模型求解;
所述步骤3中具体包括以下步骤:
步骤3.1:输入配电网、虚拟电厂内部机组及拓扑参数、可再生能源预测信息;
步骤3.2:生成初始种群,初始化虚拟电厂投标信息,包括虚拟电厂从各节点提供的市场产品类型,申报价格及出力范围;
步骤3.3:配电网根据虚拟电厂投标信息进行运营优化,获取虚拟电厂在各节点的出清价格及中标电量;
步骤3.4:虚拟电厂根据配电网发布的出清信息进行内部优化,获取自身最优收益,计算种群适应度;
步骤3.5:更新种群中每个个体的优化变量,形成新的虚拟电厂投标计划,并转入步骤3.3进行迭代,直至达到如下迭代终止条件:
式中:ΦVPP(l)为第l代种群中的最优适应度,可以由公式(26)计算得到,单位为美元$;为迭代终止误差,单位为美元$;K为预先设定的收敛考核步长;
步骤4:结果输出,所述结果包括虚拟电厂代理参与的配电侧零售市场类型,有功功率、无功功率及旋转备用分时分节点的出力范围和竞标价格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010005476.XA CN111222917B (zh) | 2020-01-03 | 2020-01-03 | 一种与配电侧多元零售市场互动的虚拟电厂投标策略 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010005476.XA CN111222917B (zh) | 2020-01-03 | 2020-01-03 | 一种与配电侧多元零售市场互动的虚拟电厂投标策略 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111222917A CN111222917A (zh) | 2020-06-02 |
CN111222917B true CN111222917B (zh) | 2023-07-25 |
Family
ID=70829444
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010005476.XA Active CN111222917B (zh) | 2020-01-03 | 2020-01-03 | 一种与配电侧多元零售市场互动的虚拟电厂投标策略 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111222917B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112102047A (zh) * | 2020-08-11 | 2020-12-18 | 国网冀北电力有限公司 | 虚拟电厂优化组合竞价方法、装置、设备和存储介质 |
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 |
CN112508241A (zh) * | 2020-11-23 | 2021-03-16 | 洪东涛 | 一种智能电网能量优化调度方法 |
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 |
CN113190963A (zh) * | 2021-03-30 | 2021-07-30 | 国网上海市电力公司 | 一种虚拟电厂参与电力调峰辅助服务市场的出清方法 |
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 |
CN117217841B (zh) * | 2023-08-25 | 2024-06-11 | 哈尔滨工业大学 | 计及虚拟电厂广义能量约束的多元市场出清系统优化方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108960510B (zh) * | 2018-07-04 | 2021-11-26 | 四川大学 | 一种基于两阶段随机规划的虚拟电厂优化交易策略装置 |
CN109636552A (zh) * | 2019-01-17 | 2019-04-16 | 华北电力大学(保定) | 负荷聚合商参与电力市场的双层投标竞价方法 |
CN110147907B (zh) * | 2019-05-20 | 2021-05-25 | 广西电网有限责任公司电力科学研究院 | 一种考虑网络约束的虚拟电厂双层优化模型的构建方法 |
-
2020
- 2020-01-03 CN CN202010005476.XA patent/CN111222917B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111222917A (zh) | 2020-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111222917B (zh) | 一种与配电侧多元零售市场互动的虚拟电厂投标策略 | |
CN108599373B (zh) | 高比例可再生能源电力系统输配协调调度目标级联分析法 | |
Gabash et al. | Flexible optimal operation of battery storage systems for energy supply networks | |
Luo et al. | Short‐term operational planning framework for virtual power plants with high renewable penetrations | |
Wu et al. | Dynamic economic dispatch of a microgrid: Mathematical models and solution algorithm | |
Li et al. | Supply function game based energy management between electric vehicle charging stations and electricity distribution system considering quality of service | |
CN107392395A (zh) | 一种基于价格激励机制的配电网和微电网协调优化方法 | |
Lahon et al. | Energy management of cooperative microgrids with high‐penetration renewables | |
Salmani et al. | Virtual power plant: New solution for managing distributed generations in decentralized power systems | |
AL-Dhaifallah et al. | An efficient short-term energy management system for a microgrid with renewable power generation and electric vehicles | |
Zhuang et al. | Hierarchical and decentralized stochastic energy management for smart distribution systems with high BESS penetration | |
Cheng et al. | Stochastic short-term scheduling of a wind-solar-hydro complementary system considering both the day-ahead market bidding and bilateral contracts decomposition | |
CN107492886A (zh) | 一种区域电力市场下含风电的电网月度购电方案优化方法 | |
Zhang et al. | Improved MOEA/D approach to many-objective day-ahead scheduling with consideration of adjustable outputs of renewable units and load reduction in active distribution networks | |
Li et al. | Two-stage community energy trading under end-edge-cloud orchestration | |
CN114977320A (zh) | 一种配电网源网荷储多目标协同规划方法 | |
CN111311012A (zh) | 基于多智能体的微电网电力市场双层竞价优化方法 | |
Afshari Igder et al. | Bidding strategies of the joint wind, hydro, and pumped‐storage in generation company using novel improved clonal selection optimisation algorithm | |
Singh et al. | Prosumer energy management for optimal utilization of bid fulfillment with EV uncertainty modeling | |
Nazari et al. | Joint investment of community energy storage systems in distribution networks using modified Nash bargaining theory | |
Thomas et al. | Review of peer-to-peer energy trading for Indian scenario: challenges and opportunities | |
CN114970191A (zh) | 一种基于势博弈的电网交通系统日前分布鲁棒调度方法 | |
CN115062835A (zh) | 基于虚拟发电厂的主动配电网分布式资源优化调度方法 | |
Krishna et al. | Optimal Energy Management of Virtual Power Plants with Storage Devices Using Teaching‐and‐Learning‐Based Optimization Algorithm | |
Rizvi et al. | Optimal scheduling of virtual power plants utilizing wind power and electric vehicles |
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 |