CN111402015B - 一种基于购售风险的虚拟电厂双层竞标方法及系统 - Google Patents

一种基于购售风险的虚拟电厂双层竞标方法及系统 Download PDF

Info

Publication number
CN111402015B
CN111402015B CN202010188661.7A CN202010188661A CN111402015B CN 111402015 B CN111402015 B CN 111402015B CN 202010188661 A CN202010188661 A CN 202010188661A CN 111402015 B CN111402015 B CN 111402015B
Authority
CN
China
Prior art keywords
power plant
virtual power
user
purchase
electricity
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
CN202010188661.7A
Other languages
English (en)
Other versions
CN111402015A (zh
Inventor
胡高见
窦迅
王俊
叶飞
邵平
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.)
Nanjing Tech University
Original Assignee
Nanjing Tech 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 Nanjing Tech University filed Critical Nanjing Tech University
Priority to CN202010188661.7A priority Critical patent/CN111402015B/zh
Publication of CN111402015A publication Critical patent/CN111402015A/zh
Application granted granted Critical
Publication of CN111402015B publication Critical patent/CN111402015B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/06Buying, selling or leasing transactions
    • G06Q30/08Auctions
    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS 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
    • Y04S50/00Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/10Energy trading, including energy flowing from end-user application to grid

Landscapes

  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于购售风险的虚拟电厂双层竞标方法及系统,包括,初始化虚拟电厂对内资源报价,计算用户申报电量并将计算结果反馈给所述虚拟电厂;分别建立虚拟电厂运行成本模型minf1和购售风险价值模型minf2,结合日前市场购售电量决策、所述用户申报电量和零售电价决策计算所述虚拟电厂运行成本和购售风险价值;多次迭代求出最优解集,将所述最优解集的运行成本f1和风险价值f2绘制为成本风险图;所述虚拟电厂利用所述成本风险图,选择自身风险偏好制定合理的内部资源和外部市场竞标策略。本发明方法能够量化虚拟电厂实际运行中的风险,虚拟电厂可以依据自身风险偏好,制定最佳对内报价策略和外部市场购售电策略。

Description

一种基于购售风险的虚拟电厂双层竞标方法及系统
技术领域
本发明涉及购售电方法的技术领域,尤其涉及一种基于购售风险的虚拟电厂双层竞标方法及系统。
背景技术
目前世界面临能源供应困难、环境污染严重等问题,以油气为代表的传统化石能源系统正在向清洁能源系统转型。发展清洁能源,促进“源-网-荷-储”协调发展受到越来越广泛的关注。虚拟电厂(virtual power plant,VPP)是聚合优化“源-网-荷-储”清洁发展的新一代智能控制技术和互动商业模式。虚拟电厂内部多主体资源的响应特性,外部市场价格的不确定性为虚拟电厂在交易、运行上的电量申报、电价制定、购售决策带来了困难,因此,虚拟电厂如何对内部资源对外部市场进行合理的竞价,对提高虚拟电厂运营效益,促进清洁能源消纳具有重要意义。
国内外大量学者对虚拟电厂的竞标策略展开了研究。在虚拟电厂参与外部市场竞标方面,有的文献通过利用点估计法应对市场电价和新能源发电的不确定性,提出虚拟电厂在日前市场中的竞标策略。有的文献针对能量市场、辅助服务市场,提出虚拟电厂参与外部多市场的竞标模型,确定不同市场下的竞标电量。也有文献通过考虑电价和风电的不确定性,针对虚拟电厂参与中长期合同市场、日前市场以及平衡市场,建立虚拟电厂鲁棒随机竞标模型。上述文献主要考虑的外部市场为电力市场,而有的文献则建立了虚拟电厂在电力和热备用市场中的联合竞价模型。对于虚拟电厂内部资源竞价问题,有的文献考虑电动汽车数量和风电出力的不确定性,或者考虑储能系统、需求响应、电转气设备等内部资源,建立虚拟电厂参市场的竞价模型。有些文献通过研究博弈论,提出虚拟电厂内部市场机制框架,也有基于主从博弈,建立虚拟电厂竞标问题的动态博弈模型。在风险管理方面,有文献引入不确定规划和风险管理理论的方法,研究了风险管理下的虚拟电厂的优化调度和竞价策略。但在虚拟电厂内部资源和外部市场间的互动联系考虑不足。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有虚拟电厂在制定对内报价和对外购售电策略时未考虑购售风险以及对内对外的竞标联动的问题,提出了本发明。
因此,本发明提供了一种基于购售风险的虚拟电厂双层竞标方法,能够制定最佳对内报价策略和外部市场购售电策略。
为解决上述技术问题,本发明提供如下技术方案:包括,初始化虚拟电厂对内资源报价,计算用户申报电量并将计算结果反馈给所述虚拟电厂;分别建立虚拟电厂运行成本模型minf1和购售风险价值模型minf2,结合日前市场购售电量决策、所述用户申报电量和零售电价决策计算所述虚拟电厂运行成本和购售风险价值;多次迭代求出最优解集,将所述最优解集的运行成本f1和风险价值f2绘制为成本风险图;所述虚拟电厂利用所述成本风险图,选择自身风险偏好制定合理的内部资源和外部市场竞标策略。
作为本发明所述的一种基于购售风险的虚拟电厂双层竞标方法的一种优选方案,其中:所述对内资源报价初始化之前还需建立用户侧效用模型,并利用所述对内资源报价计算所述用户侧效用模型,获得所述虚拟电厂运行成本和所述购售风险价值,建立所述用户侧效用模型包括,建立分布式电源用户效用模型:UDG;建立可控负荷用户效用模型:UDL;构建所述用户侧效用模型:maxu=UDG+UDL
作为本发明所述的一种基于购售风险的虚拟电厂双层竞标方法的一种优选方案,其中:建立所述分布式电源用户效用模型,包括,获取所述对内资源报价PDG、分布式电源用户申报电量QDG;建立所述分布式电源用户效用模型:
Figure BDA0002415083320000021
其中a、b、c分别为分布式电源用户的出力成本系数,对于分布式电源用户,经济效益包括售电收益、发电成本。
作为本发明所述的一种基于购售风险的虚拟电厂双层竞标方法的一种优选方案,其中:建立所述可控负荷用户效用模型,还包括,获取可控负荷用户实际用电量Qre和刚性电量Qie;获取所述虚拟电厂零售电价Psell;获取可中断负荷价格PIL和可平移负荷价格PTL;获取可中断负荷竞标电量QIL和可平移负荷竞标电量QTL;利用微观经济学理论建立用户满意度模型,可控负荷用户效用包括用户满意度、用户中断或平移负荷获得的补偿、购买电量的花费,则建立所述可控负荷用户效用模型如下:
Figure BDA0002415083320000031
用户用电量,α:常数,ε:需求-价格弹性系数。
作为本发明所述的一种基于购售风险的虚拟电厂双层竞标方法的一种优选方案,其中:建立所述虚拟电厂运行成本模型minf1包括,结合所述虚拟电厂的交易模式,建立所述虚拟电厂运行成本模型min f1如下:min f1=CDG+CDL+CPM-CRE;其中,所述虚拟电厂运行成本包括所述虚拟电厂支付给所述分布式电源用户的费用CDG、所述可控负荷用户的费用CDL、所述日前市场购售电的支付费用CPM、所述用户零售电量的收入CRE
作为本发明所述的一种基于购售风险的虚拟电厂双层竞标方法的一种优选方案,其中:所述虚拟电厂支付给所述分布式电源用户和所述可控负荷用户的费用,包括,获取所述对内资源报价PDG和所述分布式电源用户申报电量QDG;获取所述虚拟电厂零售电价Psell和所述可控负荷用户实际用电量QRE;获取所述可中断负荷价格PIL和所述可平移负荷价格PTL;获取所述可中断负荷竞标电量QIL和所述可平移负荷竞标电量QTL;则所述虚拟电厂支付给所述分布式电源用户的费用,如下:CDG=PDGQDG
对所述可控负荷,所述虚拟电厂需要支付所述中断负荷和所述平移负荷的补偿费用,反之,所述可控负荷可以向所述虚拟电厂购买电量,所述虚拟电厂支付给所述可控负荷用户的费用,如下:CDL=PILQIL+PTLQTL-PsellQRE
作为本发明所述的一种基于购售风险的虚拟电厂双层竞标方法的一种优选方案,其中:所述虚拟电厂支付在所述日前市场购售电的支付费用,还包括,获取所述日前市场电价PPM和所述虚拟电厂向所述日前市场购售电量QPM,则所述虚拟电厂在所述日前市场购售电支付的费用:CPM=PPMQPM
作为本发明所述的一种基于购售风险的虚拟电厂双层竞标方法的一种优选方案,其中:所述虚拟电厂向所述用户零售电量的收入,还包括,获取所述虚拟电厂的零售电价Psell和所述用户实际用电量QRE,则所述虚拟电厂向所述用户零售电量的收入:CRE=PsellQRE
作为本发明所述的一种基于购售风险的虚拟电厂双层竞标方法的一种优选方案,其中:建立所述虚拟电厂购售风险价值模型minf2,包括,获取所述日前市场电价PPM的m个样本值;采用CVaR量化所述虚拟电厂的运行风险,建立虚拟电厂购售风险价值模型:
Figure BDA0002415083320000041
[-Ri-α]+=max(0,-R-α),其中/>
Figure BDA0002415083320000042
CVaR的近似值,α:置信水平β与风险约束下的VaR值,即虚拟电厂的单位最大损失。
作为本发明所述的一种基于购售风险的虚拟电厂双层竞标系统的一种优选方案,其中:包括,计算模块,用于计算处理所述虚拟电厂运行成本和所述购售风险价值及所述最优解集;管理模块,用于统计、存储所述计算模块处理的计算结果及系统内部获得资源;调控模块,用于更新所述对内资源报价、所述日前市场购售电决策和所述零售电价决策;分析模块,用于所述虚拟电厂选择自身能承担的所述风险值对应的所述对内资源报价、所述对外购售电量及所述零售电价,考虑其作为合适的所述竞标策略。
本发明的有益效果:有利于虚拟电厂对内部资源和对外市场的竞标与内部资源效用估算、外部市场价格等因素联系紧密,合理的对内报价和对外报量,显著提高虚拟电厂收益,方便虚拟电厂选择激进型、均衡型和保守型的竞标策略,面对内部资源的不同主体和外部不同的市场环境时灵活选择竞标策略。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明方法第一个实施例所述的基于购售风险的虚拟电厂双层竞标方法的整体流程示意图;
图2为本发明方法第一个实施例所述的基于购售风险的虚拟电厂双层竞标方法的又一种流程示意图;
图3为本发明方法第一个实施例所述的基于购售风险的虚拟电厂双层竞标方法的仿真求解的成本风险值示意图;
图4为本发明方法第二个实施例所述的基于购售风险的虚拟电厂双层竞标系统的模块结构分布示意图;
图5为本发明方法第二个实施例所述的基于购售风险的虚拟电厂双层竞标系统的整体网络结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
目前,对虚拟电厂的研究主要集中在虚拟电厂对外部多市场的竞标、内部资源参与的多样性、虚拟电厂与内部资源的博弈及虚拟电厂运营过程中的风险管理方面,在考虑购售风险及对内对外的竞标联动方面涉及较少。而本实施例说明了一种适用于虚拟电厂根据自身风险偏好制定合理的内部资源和外部市场竞标方法,包括,建立虚拟电厂与内部资源、外部市场的双层电价-电量竞标模型,双层模型的下层模型是用户效用模型maxu,上层模型是虚拟电厂运行成本模型minf1和风险价值模型minf2,下层模型传递到上层模型的参数为内部用户申报电量,利用GAMS软件多次迭代求出最优解集,根据解集的成本f1和风险价值f2,绘制成本-风险图,虚拟电厂根据自身所能承担的风险值,选择此风险值对应的对内报价、对外购售电量以及零售电价作为合适的竞标策略。
参照图1~图3,为本发明的第一个实施例,提供了一种基于购售风险的虚拟电厂双层竞标方法,包括:
S1:初始化虚拟电厂对内资源报价,计算用户申报电量并将计算结果反馈给虚拟电厂。其中需要说明的是,对内资源报价初始化之前还需建立用户侧效用模型,并利用对内资源报价计算用户侧效用模型,获得虚拟电厂运行成本和购售风险价值,建立用户侧效用模型包括:
建立分布式电源用户效用模型:UDG
建立可控负荷用户效用模型:UDL
构建用户侧效用模型:maxu=UDG+UDL
具体的,建立分布式电源用户效用模型,包括:
获取对内资源报价PDG、分布式电源用户申报电量QDG
建立分布式电源用户效用模型:
Figure BDA0002415083320000061
其中a、b、c分别为分布式电源用户的出力成本系数,对于分布式电源用户,经济效益包括售电收益、发电成本。
进一步的,建立可控负荷用户效用模型,还包括:
获取可控负荷用户实际用电量Qre和刚性电量Qie
获取虚拟电厂零售电价Psell
获取可中断负荷价格PIL和可平移负荷价格PTL
获取可中断负荷竞标电量QIL和可平移负荷竞标电量QTL
利用微观经济学理论建立用户满意度模型,可控负荷用户效用包括用户满意度、用户中断或平移负荷获得的补偿、购买电量的花费,则建立可控负荷用户效用模型如下:
Figure BDA0002415083320000071
其中,Q:用户用电量,α:常数,ε:需求-价格弹性系数。
S2:分别建立虚拟电厂运行成本模型minf1和购售风险价值模型minf2,结合日前市场购售电量决策、用户申报电量和零售电价决策计算虚拟电厂运行成本和购售风险价值。本步骤需要说明的是,建立虚拟电厂运行成本模型min f1包括:
结合虚拟电厂的交易模式,建立虚拟电厂运行成本模型minf1如下:min f1=CDG+CDL+CPM-CRE
其中,虚拟电厂运行成本包括虚拟电厂支付给分布式电源用户的费用CDG、可控负荷用户的费用CDL、日前市场购售电的支付费用CPM、用户零售电量的收入CRE
具体的,虚拟电厂支付给分布式电源用户和可控负荷用户的费用,包括:
获取对内资源报价PDG和分布式电源用户申报电量QDG
获取虚拟电厂零售电价Psell和可控负荷用户实际用电量QRE
获取可中断负荷价格PIL和可平移负荷价格PTL
获取可中断负荷竞标电量QIL和可平移负荷竞标电量QTL
则虚拟电厂支付给分布式电源用户的费用,如下:
CDG=PDGQDG
对可控负荷,虚拟电厂需要支付中断负荷和平移负荷的补偿费用,反之,可控负荷可以向虚拟电厂购买电量,虚拟电厂支付给可控负荷用户的费用,如下:
CDL=PILQIL+PTLQTL-PsellQRE
进一步的,虚拟电厂支付在日前市场购售电的支付费用,还包括:
获取日前市场电价PPM和虚拟电厂向日前市场购售电量QPM,则虚拟电厂在日前市场购售电支付的费用:CPM=PPMQPM
再进一步的是,虚拟电厂向用户零售电量的收入,还包括:
获取虚拟电厂的零售电价Psell和用户实际用电量QRE,则虚拟电厂向用户零售电量的收入:CRE=PsellQRE
较佳的是,建立虚拟电厂购售风险价值模型minf2,包括:
获取日前市场电价PPM的m个样本值;
采用CVaR量化虚拟电厂的运行风险,建立虚拟电厂购售风险价值模型:
Figure BDA0002415083320000081
[-Ri-α]+=max(0,-R-α),其中/>
Figure BDA0002415083320000082
CVaR的近似值,α:置信水平β与风险约束下的VaR值,即虚拟电厂的单位最大损失。
需要说明的是,市场的准入规则给分散式资源的准入带来了困难,虚拟电厂能够将分布式资源聚合成一个整体,在满足市场准入规则的情况下参与市场交易,需满足如下电量电价约束,包括:
QPM,min≤QPM≤QPM,max
Psell,min≤Psell≤Psell,max
Figure BDA0002415083320000083
Figure BDA0002415083320000084
其中,QPM,max和QPM,min分别为虚拟电厂参与日前市场交易的电量最大值和最小值,Psell,max、Psell,min和Psell,average分别为虚拟电厂零售电价的最大值、最小值和平均值,QWT和QPV分别为风电和光伏的出力。
S3:多次迭代求出最优解集,将最优解集的运行成本f1和风险价值f2绘制为成本风险图。
S4:虚拟电厂利用成本风险图,选择自身风险偏好制定合理的内部资源和外部市场竞标策略。
参照图2,为本实施例提供的一种考虑用户贡献度的购售电方法,具体的,执行步骤组成部分包括:
(1)分布式电源用户效用
虚拟电厂整合多种分布式能源参与电力市场运行,能够平抑可再生能源的波动,提升虚拟电厂的整体收益;分布式电源用户首先从虚拟电厂获得初始报价PDG,用户根据此价格申报电量QDG,分布式电源用户效用为:
Figure BDA0002415083320000091
其中a、b、c分别为分布式电源用户的出力成本系数。
(2)分布式电源出力约束
受电源容量等客观因素影响,分布式电源用户在出力时会有出力上下限约束和爬坡约束:
QDG,min≤QDG≤QDG,max
-RD≤QDG,t+1-QDG,t≤RU
其中,QDG,max和QDG,min分别为DG用户出力的最大值和最小值,RU和RD分别为DG用户出力的上坡率和下坡率。
(3)可控负荷用户效用
可控负荷主要包括可中断负荷和可平移负荷,可中断负荷指在电网高峰时段或紧急状况下,用户负荷中心可以中断的负荷部分,而可平移负荷指负荷供电时间可按计划变动的负荷;计算可控负荷用户效用需要可控负荷用户实际用电量Qre,刚性电量Qie,零售电价Psell,可中断负荷价格PIL,可平移负荷价格PTL以及可中断负荷竞标电量QIL和可平移负荷竞标电量QTL。可控负荷用户效用模型为:
Figure BDA0002415083320000092
其中,Q:用户用电量,α:常数,ε:需求-价格弹性系数,
Figure BDA0002415083320000093
刚性需求曲线,刚性电量指受价格影响较小的电量。
(4)可控负荷约束
可控负荷主要受可中断负荷和可平移负荷约束:
QIL,min≤QIL≤QIL,max
QTL,min≤QTL≤QTL,max
QTL,t=-QTL,t+n
QRE=QE-QIL-QTL
其中,QIL,max和QIL,min分别为DL用户的IL最大值和最小值,QTL,max和QTL,min分别为DL用户的TL最大值和最小值,n为DL用户的TL平移时间间隔,QE为DL用户的初始负荷。
(5)用户总效用
虚拟电厂能够在传统电网物理架构上,依托互联网和现代信息通讯技术,把分布式电源、储能、负荷等分散在电网的各类资源相聚合,进行协同优化运行控制和市场交易;本发明只考虑了分布式电源和可控负荷效用,则用户总效用模型为:
maxu=UDG+UDL
用户侧根据虚拟电厂对内资源报价,通过对用户总效用模型的计算,获得最佳申报电量,将申报电量发送给虚拟电厂。
(6)虚拟电厂支付给分布式电源用户的费用
通过上述分析可知分布式电源用户申报电量,又已知对内资源报价,则虚拟电厂支付给分布式电源用户的费用为:
CDG=PDGQDG
(7)虚拟电厂支付给可控负荷用户的费用
制定虚拟电厂的零售电价方案,获取可控负荷用户实际用电量Qre;可中断负荷价格PIL和可平移负荷价格PTL;获取可中断负荷竞标电量QIL和可平移负荷竞标电量QTL;虚拟电厂支付给可控负荷用户的费用为:
CDL=PILQIL+PTLQTL-PsellQRE
(8)日前市场购售电的支付费用
制定日前市场购售电策略,获取日前市场电价PPM和虚拟电厂向日前市场购售电量QPM;则日前市场购售电的支付费用为:
CPM=PPMQPM
日前市场的价格服从正态分布PPM~N(0,σt 2),考虑到虚拟电厂与日前市场交易的双向性,QPM的值为正则表示从日前市场购电,为负则表示向日前市场售电。
(9)零售电量的收入
通过虚拟电厂的零售电价方案可知零售电价Psell,获取用户实际用电量QRE,则零售电量的收入为:
CRE=PsellQRE
(10)虚拟电厂运行成本
通过上述步骤可以获得虚拟电厂支付给各类用户的费用以及零售电收入,则虚拟电厂运行成本表示为:
min f1=CDG+CDL+CPM-CRE
当零售电量总收入大于虚拟电厂支付给各类用户的总费用时,虚拟电厂处于盈利状态,其收益为:
E=-f1
(11)购售风险价值
获取日前市场电价PPM的m个样本值;采用CVaR来量化虚拟电厂的运行风险,建立虚拟电厂购售风险价值模型:
Figure BDA0002415083320000111
[-Ri-α]+=max(0,-R-α)
CVaR指条件风险估值,其含义为在投资组合的损失超过某个给定VaR值的条件下,该投资组合的平均损失值;将CVaR运用与本例中,则
Figure BDA0002415083320000112
为CVaR的近似值,α为置信水平β与风险约束下的VaR值,即虚拟电厂的单位最大损失。
(12)虚拟电厂电量电价约束
QPM,min≤QPM≤QPM,max
Psell,min≤Psell≤Psell,max
Figure BDA0002415083320000113
Figure BDA0002415083320000114
其中,QPM,max和QPM,min分别为虚拟电厂参与日前市场交易的电量最大值和最小值,Psell,max、Psell,min和Psell,average分别为虚拟电厂零售电价的最大值、最小值和平均值,QWT和QPV分别为风电和光伏的出力。
(13)模型求解
初始化虚拟电厂对内部资源的报价,记为k,用户根据价格k申报电量,记为l;通过不断更新l值,计算最高用户效用,并将此时申报电量l传递给虚拟电厂运行成本和风险价值模型;虚拟电厂对日前市场的购售电量和零售电价进行决策,记为m,不断更新m和k的值,计算最低运行成本和最低风险价值,最终输出虚拟电厂对内资源报价、内部资源对虚拟电厂的报量、虚拟电厂零售电价、虚拟电厂日前市场购售电量以及最终的用户效用、运行成本和风险价值。
综上所述,进行多次迭代求解,获得最优解集,根据多次迭代结果绘制成本值-风险值对应图。
为了验证本发明方法所具有的真实效果,本实施例分别以考虑购售风险的虚拟电厂双层竞标策略与没有考虑购售风险的竞标策略进行测试对比,以验证本发明方法具有的真实性;参照图3,其中,S1:考虑购售风险的虚拟电厂双层竞标策略,S2:则没有考虑购售风险,A、B、C三点分别代表S1场景下的激进型、均衡型和保守型竞标策略,D点代表S2场景下的虚拟电厂竞标策略。两种策略测试对比结果如下:
表1:收益风险表。
策略 收益(¥) CVaR(¥)
A 3864.29 77176.60
B 2220.86 42953.42
C 533.01 7892.42
D 4397.30 88805.50
在A点,虚拟电厂收益为3864.29¥,CVaR为77176.60¥,收益高并且承担的风险也高,在C点,收益为533.01¥,CVaR为7892.42¥,承担风险低,但收益也大大降低,B点的收益为2220.86¥,CVaR为42953.42¥,则相对均衡;由此可得,虚拟电厂在竞标时,降低CVaR是以增加成本为代价的,反之亦然,虚拟电厂可根据其自身的激进、均衡、保守偏好,在低成本与低风险之间进行权衡。
D点的收益为4397.30¥,CVaR为88805.50¥,由于S2场景不考虑购售风险,上层仅仅以虚拟电厂运行成本最低进行优化,因此收益很高;在S1场景下求解的Pareto Front上,同样可以找到收益为4397.30¥的解,其对应的CVaR为88427.68¥,相比D点要低,此时的收益是最高的,但是其风险也是最大的因此S1场景的竞标策略求解过程中,D点的策略作为劣解被淘汰了;显然,S1场景下的策略相比S2更具优势,验证了本发明方法能够量化虚拟电厂实际运行中的风险,虚拟电厂可以依据自身风险偏好,制定最佳对内报价策略和外部市场购售电策略。
实施例2
参照图4和图5,为本发明的第二个实施例,该实施例不同于第一个实施例的是,提供了一种基于购售风险的虚拟电厂双层竞标系统,包括:
计算模块100,用于计算处理虚拟电厂运行成本和购售风险价值及最优解集。
管理模块200,用于统计、存储计算模块100处理的计算结果及系统内部获得资源。
调控模块300,用于更新对内资源报价、日前市场购售电决策和零售电价决策。
分析模块400,用于虚拟电厂选择自身能承担的风险值对应的对内资源报价、对外购售电量及零售电价,考虑其作为合适的竞标策略。
应当认识到,本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现,其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
此外,可按任何合适的顺序来执行本文描述的过程的操作,除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行,并且可作为共同地在一个或多个处理器上执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步,所述方法可以在可操作地连接至合适的任何类型的计算平台中实现,包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现,无论是可移动的还是集成至计算平台,如硬盘、光学读取和/或写入存储介质、RAM、ROM等,使得其可由可编程计算机读取,当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外,机器可读代码,或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时,本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时,本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能,从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中,转换的数据表示物理和有形的对象,包括显示器上产生的物理和有形对象的特定视觉描绘。
如在本申请所使用的,术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体,该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如,组件可以是,但不限于是:在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例,在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中,并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外,这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如,来自一个组件的数据,该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互)的信号,以本地和/或远程过程的方式进行通信。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。

Claims (5)

1.一种基于购售风险的虚拟电厂双层竞标方法,其特征在于:包括,
初始化虚拟电厂对内资源报价,计算用户申报电量并将计算结果反馈给所述虚拟电厂;
分别建立虚拟电厂运行成本模型minf1和购售风险价值模型minf2,结合日前市场购售电量决策、所述用户申报电量和零售电价决策计算所述虚拟电厂运行成本和购售风险价值;
多次迭代求出最优解集,将所述最优解集的运行成本f1和风险价值f2绘制为成本风险图;
所述虚拟电厂利用所述成本风险图,选择自身风险偏好制定合理的内部资源和外部市场竞标策略;
所述对内资源报价初始化之前还需建立用户侧效用模型,并利用所述对内资源报价计算所述用户侧效用模型,获得所述虚拟电厂运行成本和所述购售风险价值,建立所述用户侧效用模型包括,
建立分布式电源用户效用模型:UDG
建立可控负荷用户效用模型:UDL
构建所述用户侧效用模型:maxu=UDG+UDL
建立所述分布式电源用户效用模型,包括,
获取所述对内资源报价PDG、分布式电源用户申报电量QDG
建立所述分布式电源用户效用模型:
Figure FDA0004226210250000011
其中a、b、c分别为分布式电源用户的出力成本系数,对于分布式电源用户,经济效益包括售电收益、发电成本;
建立所述可控负荷用户效用模型,还包括,
获取可控负荷用户实际用电量QRE和刚性电量QIE
获取所述虚拟电厂零售电价Psell
获取可中断负荷价格PIL和可平移负荷价格PTL
获取可中断负荷竞标电量QIL和可平移负荷竞标电量QTL
利用微观经济学理论建立用户满意度模型,可控负荷用户效用包括用户满意度、用户中断或平移负荷获得的补偿、购买电量的花费,则建立所述可控负荷用户效用模型如下:
Figure FDA0004226210250000021
其中,Q:用户用电量,α:常数,ε:需求-价格弹性系数;
建立所述虚拟电厂运行成本模型minf1包括,结合所述虚拟电厂的交易模式,建立所述虚拟电厂运行成本模型minf1如下:minf1=CDG+CDL+CPM-CRE
其中,所述虚拟电厂运行成本包括,虚拟电厂支付给所述分布式电源用户的费用CDG、可控负荷用户的费用CDL、日前市场购售电的支付费用CPM、用户零售电量的收入CRE
所述日前市场购售电的支付费用CPM包括:日前市场电价PPM和虚拟电厂向所述日前市场购售电量QPM
建立所述虚拟电厂购售风险价值模型minf2,包括,
获取所述日前市场电价PPM的m个样本值;采用CVaR量化所述虚拟电厂的运行风险,建立虚拟电厂购售风险价值模型:
Figure FDA0004226210250000022
其中
Figure FDA0004226210250000023
CVaR的近似值,α:置信水平β与风险约束下的CVaR值,即虚拟电厂的单位最大损失。
2.如权利要求1所述的基于购售风险的虚拟电厂双层竞标方法,其特征在于:所述虚拟电厂支付给所述分布式电源用户和所述可控负荷用户的费用,包括,
获取所述对内资源报价PDG和所述分布式电源用户申报电量QDG
获取所述虚拟电厂零售电价Psell和所述可控负荷用户实际用电量QRE
获取所述可中断负荷价格PIL和所述可平移负荷价格PTL
获取所述可中断负荷竞标电量QIL和所述可平移负荷竞标电量QTL;则所述虚拟电厂支付给所述分布式电源用户的费用,如下:
CDG=PDGQDG
对所述可控负荷,所述虚拟电厂需要支付所述中断负荷和所述平移负荷的补偿费用,反之,所述可控负荷可以向所述虚拟电厂购买电量,所述虚拟电厂支付给所述可控负荷用户的费用,如下:
CDL=PILQIL+PTLQTL-PsellQRE
3.如权利要求1所述的基于购售风险的虚拟电厂双层竞标方法,其特征在于:所述虚拟电厂支付在所述日前市场购售电的支付费用,还包括,获取所述日前市场电价PPM和所述虚拟电厂向所述日前市场购售电量QPM,则所述虚拟电厂在所述日前市场购售电支付的费用:CPM=PPMQPM
4.如权利要求1所述的基于购售风险的虚拟电厂双层竞标方法,其特征在于:所述虚拟电厂向所述用户零售电量的收入,还包括,
获取所述虚拟电厂的零售电价Psell和所述可控负荷用户实际用电量QRE,则所述虚拟电厂向所述用户零售电量的收入:CRE=PsellQRE
5.如权利要求1所述的基于购售风险的虚拟电厂双层竞标方法的系统,其特征在于:包括,
计算模块(100):用于计算处理所述虚拟电厂运行成本和所述购售风险价值及所述最优解集;
管理模块(200):用于统计、存储所述计算模块(100)处理的计算结果及系统内部获得资源;
调控模块(300):用于更新所述对内资源报价、所述日前市场购售电决策和所述零售电价决策;
分析模块(400):用于所述虚拟电厂选择自身能承担的所述风险值对应的所述对内资源报价、对外购售电量及所述零售电价,考虑其作为合适的所述竞标策略。
CN202010188661.7A 2020-03-17 2020-03-17 一种基于购售风险的虚拟电厂双层竞标方法及系统 Active CN111402015B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010188661.7A CN111402015B (zh) 2020-03-17 2020-03-17 一种基于购售风险的虚拟电厂双层竞标方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010188661.7A CN111402015B (zh) 2020-03-17 2020-03-17 一种基于购售风险的虚拟电厂双层竞标方法及系统

Publications (2)

Publication Number Publication Date
CN111402015A CN111402015A (zh) 2020-07-10
CN111402015B true CN111402015B (zh) 2023-06-27

Family

ID=71430906

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010188661.7A Active CN111402015B (zh) 2020-03-17 2020-03-17 一种基于购售风险的虚拟电厂双层竞标方法及系统

Country Status (1)

Country Link
CN (1) CN111402015B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112001752A (zh) * 2020-08-18 2020-11-27 四川大学 基于有限理性的多虚拟电厂动态博弈交易行为分析方法
CN113570405A (zh) * 2021-07-01 2021-10-29 国网能源研究院有限公司 一种自备发电厂发用电成本建模分析方法及装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007065954A (ja) * 2005-08-31 2007-03-15 Toshiba Corp 電力市場分析支援システムと方法、プログラム
CN105930919A (zh) * 2016-04-11 2016-09-07 南瑞(武汉)电气设备与工程能效测评中心 基于两阶段随机规划的虚拟电厂风险规避优化运行方法
CN107464010B (zh) * 2017-06-29 2021-10-29 河海大学 一种虚拟电厂容量优化配置方法
CN107909196A (zh) * 2017-11-08 2018-04-13 南京工业大学 一种考虑用户反弹特性的购售电方法
CN108053057B (zh) * 2017-11-29 2021-12-14 国网江苏省电力公司盐城供电公司 一种基于CVaR的虚拟电厂优化调度建模方法
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
CN110097228A (zh) * 2019-05-06 2019-08-06 国家电网有限公司 一种政府监管下基于谱风险的虚拟电厂调度模型构建方法
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

Also Published As

Publication number Publication date
CN111402015A (zh) 2020-07-10

Similar Documents

Publication Publication Date Title
Li et al. Trading strategy and benefit optimization of load aggregators in integrated energy systems considering integrated demand response: A hierarchical Stackelberg game
Wei et al. An optimal scheduling strategy for peer-to-peer trading in interconnected microgrids based on RO and Nash bargaining
Wang et al. Day-ahead optimal bidding and scheduling strategies for DER aggregator considering responsive uncertainty under real-time pricing
Luo et al. Distributed peer-to-peer energy trading based on game theory in a community microgrid considering ownership complexity of distributed energy resources
Wu et al. Optimal dispatch and bidding strategy of a virtual power plant based on a Stackelberg game
US20130332327A1 (en) Hybrid Energy Market and Currency System for Total Energy Management
Chen et al. Electricity demand response schemes in China: Pilot study and future outlook
Li et al. Incentivizing distributed energy trading among prosumers: A general Nash bargaining approach
Zhong et al. Deep reinforcement learning framework for dynamic pricing demand response of regenerative electric heating
CN111402015B (zh) 一种基于购售风险的虚拟电厂双层竞标方法及系统
Yao et al. An incentive-compatible distributed integrated energy market mechanism design with adaptive robust approach
Emarati et al. A two‐stage stochastic programming framework for risk‐based day‐ahead operation of a virtual power plant
Wang et al. A Stackelberg game-based approach to transaction optimization for distributed integrated energy system
CN115271438A (zh) 一种可计及碳排放的多主体博弈协同调度方法及电子设备
Huang et al. Bilateral energy-trading model with hierarchical personalized pricing in a prosumer community
CN112884381B (zh) 一种考虑供需不确定性的p2p用能市场规划方法
Wang et al. Study on the bi-level optimal clearing model of electricity market considering the weight of consumption responsibility
Vahid-Ghavidel et al. Energy storage system impact on the operation of a demand response aggregator
Xing et al. A game-theoretic model of private power production
Zhang et al. Shared energy storage-assisted and tolerance-based alliance strategy for wind power generators based on cooperative game and resource dependence theories
Luo et al. A carbon trading approach for heat-power-hydrogen integrated energy systems based on a Vickrey auction strategy
CN112329230A (zh) 一种多微网主体非合作博弈交易方法
CN111695943A (zh) 一种计及浮动高峰电价的优化管理方法
CN112865101B (zh) 一种考虑可再生能源出力不确定性的线性化交易方法
Fan et al. Medium and long-term electricity trading considering renewable energy participation

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