CN111476647A - 基于最差条件风险价值的储能聚合商投标方法 - Google Patents
基于最差条件风险价值的储能聚合商投标方法 Download PDFInfo
- Publication number
- CN111476647A CN111476647A CN202010245098.2A CN202010245098A CN111476647A CN 111476647 A CN111476647 A CN 111476647A CN 202010245098 A CN202010245098 A CN 202010245098A CN 111476647 A CN111476647 A CN 111476647A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- market
- aggregator
- storage aggregator
- frequency modulation
- 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.)
- Pending
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 128
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000005611 electricity Effects 0.000 claims description 17
- 238000009826 distribution Methods 0.000 claims description 16
- 229920000642 polymer Polymers 0.000 claims description 12
- 238000007599 discharging Methods 0.000 claims description 10
- 238000009825 accumulation Methods 0.000 claims description 7
- 230000003828 downregulation Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000003827 upregulation Effects 0.000 claims description 6
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000005315 distribution function Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000012983 electrochemical energy storage Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- G06Q30/06—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
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了储能聚合商电力市场投标领域的基于最差条件风险价值的储能聚合商投标方法,基于最差条件风险价值理论,确定决策变量为储能聚合商参与电力市场的参数,而随机变量为调频信号,给定调频市场中的调频信号场景点概率的不确定集,提出储能聚合商参与电力市场的投标方法,能够在仅知道随机变量属于某一分布集合的情况下,合理权衡风险与收益,在调频信号不确定的情况下,使投标策略更具鲁棒性。
Description
技术领域
本发明涉及储能聚合商电力市场投标领域,具体是基于最差条件风险价值的储能聚合商投标方法。
背景技术
对于电网来说能量供需不平衡和系统突发事件是电力系统运行的固有特性,在传统能源结构中,电网短时间内的能量不平衡是由传统机组(在我国主要是火电和水电)通过响应 AGC信号来进行调节的。而随着新能源的并网,风光的波动性和随机性使得电网短时间内的能量不平衡加剧,传统能源(特别是火电)由于调频速度慢,在响应信号时具有滞后性,因此不能满足新增的需求,而储能(特别是电化学储能)由于调频速度快,容量可调,因此成为非常好的调频资源。在现有的政策及技术条件下,储能由于无法作为独立主体参与到市场中,因此目前储能参与调频市场的方式是与火电形成一个混合机组或是以储能聚合商作为参与主体。
经检索,文献[1]:国外典型电力平衡市场的运作模式及其对中国的启示[J](贺宜恒,周明,武昭原,et al.电网技术,2018,42(11)),针对美国PJM市场,分析了调频资源的获取和补偿方法(两部制补偿方法),以此激发市场优质调频资源的参与动力。与其他调频资源相比,储能具有更好的调频性能,因此储能参与调频辅助服务市场可以获取更高的收益。
文献[2]:考虑调频绩效机制下储能在多市场中的最优投标策略研究[J](苏峰,张贲,史沛然,et al.电力建设,2016,37(3):71-75),考虑基于绩效的调频市场机制,研究储能如何优化资源配置,进行投标和运行策略的决策,在能量与辅助服务市场收益之间进行权衡,对于指导储能运营、估计储能收益和引导储能投资具有重大的意义和价值。
文献[3]:风储联合系统参与能量市场和调频辅助服务市场协同优化[J](王杰,方日升,温步瀛电器与能效管理技术,2019(20)),以风储系统联合竞标收益之和最大为目标,建立在日前能量市场和调频辅助服务市场协同优化调度模型。
但是,文献[2-3]均将调频信号设置为定值处理,然而优化时段内调频信号的大小对于投标策略收益影响很大并且又影响着最终的投标结果,因此必须考虑调频信号不确定性的影响。由于调频信号不确定性因素带来了收益风险问题,针对这些问题,国内外相关文献引入金融风险计量工具风险价值和条件风险价值分析一定预期收益下所需要承担的收益风险,且已在电力系统优化调度领域得到了广泛应用。但在使用风险价值或条件风险价值时,需满足不确定性随机变量服从某一确定概率分布,这与实际情况不符。在工程实际中,难免会因为随机变量的概率分布等预测不准确而不能准确评估系统期望收益和风险。由于调频服务是保证电力系统发电与负荷实时平衡,维持系统频率稳定的重要技术手段,因此调频信号呈现出持续时间不确定的特征,只能得到调频信号的部分信息或对其做出粗略估计。因此,用以描述随机变量的概率分布本身也具有不确定性,条件风险价值针对只掌握部分随机变量分布信息的情况并不适用。
发明内容
本发明的目的在于提供基于最差条件风险价值的储能聚合商投标方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
基于最差条件风险价值的储能聚合商投标方法,包括步骤:
S1:储能聚合商参与电力市场投标,电力市场按照市场电价标准付费;
S2:通过调频信号的数值表示电力系统的功率状态,并分别获取投标周期下的调频信号的正负累积值;
S3:根据市场调频信号功率状态以及市场电价获取储能聚合商参与到电力市场中的市场收益,建立储能聚合商参与电力市场后的收益目标函数,同时确定目标函数中储能聚合商的约束条件;
S4:基于WCVaR理论模型确定决策变量为储能聚合商参与电力市场的参数,而随机变量为调频信号,定义储能聚合商参与电力市场运行中的损失函数为收益目标函数的负数,建立储能聚合商的收益风险目标函数;
S5:给定随机变量的场景点概率的不确定集,结合WCVaR理论模型和储能聚合商的收益风险目标函数,获取基于最差条件风险价值的储能聚合商投标模型。
作为本发明的改进方案,S1中,所述储能聚合商同时参与电力市场中的日前电能市场与日前调频市场,并在实时运行日前一天按小时为单位提交次日24小时的电能交易电量和调频服务交易容量,所述电力市场按照出清价格统一付费。
作为本发明的改进方案,S2中,所有数值为正的调频信号的能量累积通过ft +表示,所有数值为负的调频信号的能量累积通过ft -表示,其中,Δτ表示调频信号的间隔时间;Δt表示调频信号的能量累积时间总时长。
作为本发明的改进方案,S3中,所述目标函数为储能聚合商参与电力市场后收益最大的函数,具体为:
其中,为储能聚合商在日前电能市场收益,为日前电能市场电价,Pt dis与 Pt ch分别为储能聚合商在日前电能市场的放电与充电功率;均表示储能聚合商在日前调频市场的收益,与分别为日前调频市场上调容量的出清价格与下调容量的出清价格,与分别为储能聚合商在日前调频市场中标的上调容量与下调容量;为储能聚合商中标的调频容量在实时运行中的调用收益,为实时市场电价。
作为本发明的改进方案,S3中,所述约束条件包括,在同一时间段内,储能聚合商只处于充电或者放电的唯一状态,同时不超过最大充放电功率;即, 其中,ut为储能聚合商的充放电状态,当其值为1时储能聚合商放电;当其值为0时储能聚合商充电;Pmax为储能聚合商的最大充放电功率。
作为本发明的改进方案,S3中,所述约束条件还包括,储能聚合商的储能装置的电量保持在一定的范围内;即,Emin≤Et≤Emax;其中,Et为储能电量,η为充放电功率,Emax与Emin分别为储能最大电量、最小电量。
其中x∈Rn,y∈Rm,并分别表示储能聚合商投标决策过程中的决策变量和随机变量; f(x,y)表示决策变量x的损失函数,p(y)表示随机变量y的连续概率密度函数;
VVaR-β表示在置信水平β下,对于确定的决策变量x的风险价值模型表示公式,且VVaR-β=min{α:Φ(x,α)≥β};其中,Φ(x,α)=∫f(x,y)≤αp(y)dy,表示对于给定的决策变量 x,由随机变量y引起的损失函数f(x,y)不超过阈值α的累积分布函数;决策变量表示储能聚合商参与电力市场的参数。
有益效果:本发明针对现有技术中储能聚合商参与投标时不能充分考虑调频信号不确定因素带来的收益风险问题,基于最差条件风险价值理论,给定调频市场中的调频信号场景点概率的不确定集,提出储能聚合商参与电力市场的投标方法,能够在仅知道随机变量属于某一分布集合的情况下,合理权衡风险与收益,在调频信号不确定的情况下,使投标策略更具鲁棒性。
附图说明
图1为本发明的储能聚合商的投标方法图;
图2为本发明实施例1的电力市场电价图;
图3为本发明实施例1的中标策略图。
具体实施方式
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清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术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,都属于本发明保护的范围。
实施例1,基于最差条件风险价值的储能聚合商投标方法,包括步骤:
S1:储能聚合商参与电力市场投标,电力市场按照市场电价标准付费。
在现货市场中,一般电能市场分为日前市场与实时市场,调频辅助服务市场也分为日前市场与实时市场。参见图1,本步骤中,所述储能聚合商同时参与电力市场中的日前电能市场与日前调频市场,并在实时运行日前一天按小时为单位提交次日24小时的电能交易电量和调频服务交易容量,所述电力市场按照电能市场的出清价格和调频市场的出清电价分别进行统一付费。
由于储能聚合商所聚合的容量相较于电力市场中的其他主体较小,因此作为价格接受者处理,不具备影响出清价格的能力。同时,将储能聚合商的投标电价设置为0,以确保投标电量都能中标。需要指出的是,在调频市场中中标的调频容量会按照统一出清的调频容量价格付费,在实际运行时若被调用会按照实时电价支付所调用电量。
S2:通过调频信号的数值表示电力系统的功率状态,并分别获取投标周期下的调频信号的正负累积值。
本步骤中,调频信号的正负表示了系统功率平衡的情况。当调频信号为正时,表示系统存在功率缺额,需要调频机组上调出力或者储能放电;当调频信号为负时,表示系统存在功率过剩,需要调频机组下调出力或者储能充电。调频信号是秒级的,电池储能响应调频信号指令也是秒级的。
但是,电池储能受调频信号的影响是调频信号长时间累积的结果。为此,首先需要对调频信号的能量累积进行建模。对每个Δt时段,所有数值为正的调频信号的能量累积用ft +表示,所有数值为负的调频信号的能量累积用ft -表示。
其中,Δτ是指调频信号的间隔时间,通常为4s或者2s;Δt表示调频信号的能量累积时间总时长,例如1小时,30分钟或者10分钟。
由于本策略参与的调频辅助服务市场都是每1小时为一个单位进行投标,因此以1小时的数据进行建模。并且,由于某些市场中向上调频和向下调频产品是分开设立的,因此将数值为正和数值为负的调频信号分别累积计算。
S3:根据市场调频信号功率状态以及市场电价获取储能聚合商参与到电力市场中的市场收益,建立储能聚合商参与电力市场后的收益目标函数,同时确定目标函数中储能聚合商的约束条件。
本步骤中,由于本发明主要考虑储能聚合商参与电力市场中标的收益最大的情况,因此建立储能聚合商参与电力市场后的收益最大时的目标函数,具体为:
其中,第一项为储能聚合商在日前电能市场的收益,为日前电能市场电价,Pt dis与Pt ch分别为储能聚合商在日前电能市场的放电与充电功率;第二项与第三项均表示储能聚合商在日前调频市场的收益,与分别表示日前调频市场上调容量的出清价格与下调容量的出清价格,与分别为储能聚合商在日前调频市场中标的上调容量与下调容量;第四项为储能聚合商中标的调频容量在实时运行中的调用收益,为实时市场电价。
本步骤中,还需要考虑储能聚合商自身的约束条件,以更符合实际储能聚合物参与中标时的情况。所述约束条件包括,在同一时间段内,储能聚合商只处于充电或者放电的唯一状态,同时不超过最大充放电功率。即:
其中,ut为储能聚合商的充放电状态,当其值为1时储能聚合商放电,当其值为0时储能聚合商充电;Pmax为储能聚合商的最大充放电功率。
所述约束条件还包括,储能聚合商的储能装置的电量保持在一定的范围内。即:
Emin≤Et≤Emax (7)
其中,Et为储能电量,η为充放电功率,Emax与Emin分别为储能最大电量、最小电量。
S4:基于WCVaR理论确定决策变量为储能聚合商参与电力市场的参数而随机变量为调频信号,定义储能聚合商参与电力市场运行中的损失函数为收益目标函数的负数,建立储能聚合商的收益风险目标函数。
本步骤中,首先设定x∈Rn,y∈Rm,并分别表示储能聚合商投标决策过程中的决策变量和随机变量;f(x,y)表示决策变量x的损失函数,p(y)表示随机变量y的连续概率密度函数。则对于给定的决策变量x,由y引起的损失函数f(x,y)不超过阈值α的累积分布函数为:
Φ(x,α)=∫f(x,y)≤αp(y)dy (8)
在某一置信水平β下,对于确定的x,其风险价值VaR定义为:
VVaR-β=min{α:Φ(x,α)≥β} (9)
根据式(9)可得出相应的CVaR值
由于直接计算CVaR值比较困难,因此通过构造辅助函数来计算CVaR值,其中:
式中,[o]+=max{o,0}。则得出WCVaR理论模型初步为
由于考虑到CVaR定义中积分计算的困难,实际应用中一般采用样本点的近似方法为,
其中NΩ为场景数。
在实际过程中,决策者不可能掌握随机变量概率分布的全部信息,因此WCVaR理论评估仅知道随机变量概率分布所属可能集合时的风险。设随机变量y的概率密度函数 p(y)∈χ,χ为部分信息已知下的某分布集合,则重新定义WCVaR理论模型为:
基于式(14)的模型定量分析分布式系统运行的收益风险,因此决策变量x表示储能聚合商参与电力市场的参数,即随机变量y为调频信号。再定义储能聚合商参与电力市场运行中的损失函数为收益目标函数的负数,可建立储能聚合商的收益风险目标函数为:
为简化表达,引入辅助变量zλ=[-R(x,y)-α]+。
S5:给定随机变量的场景点概率的不确定集,结合WCVaR理论模型和储能聚合商的收益风险目标函数,获取基于最差条件风险价值的储能聚合商投标模型。
由于在WCVaR理论模型中,调频信号的预测存在一定误差,在实际中难以获得随机变量概率密度函数p(y)的准确表达式,在这种情况下,为确定y的场景点概率γ的可信度时,需把γ放入一个给定的不确定集,即:
在辅助变量zλ=[-R(x,y)-α]+下,WCVaR理论模型定义为,
其中k*(z)为下述线性规划问题的最优值:
在所述离散界约束条件下,利用拉格朗日对偶原理,可以有效地将所提模型转换为确定性的半定规划问题。综上,基于最差条件风险价值的储能聚合商投标模型为:
以某一储能聚合商所拥有容量为6×10MW储能设备为例,其充放电效率为0.95,最大最小荷电量分别为0.9与0.1,最大充放电功率为6×10MWh。日前电价、实时电价与调频市场容量价格均如图2所示。在此条件下,调频信号根据美国PJM调频市场2019年信息,随机选取24个场景,设置WCVar模型置信区间为0.75(区间范围为[0,1],一般取值为0.75或0.85或0.95),即β=0.75,误差边界为0.1,即 ε=-0.1;根据上述最差条件风险价值的储能聚合商投标模型得出投标方法如图3所示,图3给出了储能聚合商在日前市场的投标策略,Pdis与Pch对应于日前市场投标,Cdn与Cup对应于调频市场投标,并计算得CVaR风险值为-3560,即为在考虑了收益风险后获取的最大收益值。
本发明针对现有技术中储能聚合商参与投标时不能充分考虑调频信号不确定因素带来的收益风险问题,基于最差条件风险价值理论,给定调频市场中的调频信号场景点概率的不确定集,提出储能聚合商参与电力市场的投标方法,能够在仅知道随机变量属于某一分布集合的情况下,合理权衡风险与收益,在调频信号不确定的情况下,使投标策略更具鲁棒性。
虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
在本发明的描述中,需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
故以上所述仅为本申请的较佳实施例,并非用来限定本申请的实施范围;即凡依本申请的权利要求范围所做的各种等同变换,均为本申请权利要求的保护范围。
Claims (9)
1.基于最差条件风险价值的储能聚合商投标方法,其特征在于,包括步骤:
S1:储能聚合商参与电力市场投标,电力市场按照市场电价标准付费;
S2:通过调频信号的数值表示电力系统的功率状态,并分别获取投标周期下的调频信号的正负累积值;
S3:根据市场调频信号功率状态以及市场电价获取储能聚合商参与到电力市场中的市场收益,建立储能聚合商参与电力市场后的收益目标函数,同时确定目标函数中储能聚合商的约束条件;
S4:基于WCVaR理论模型确定决策变量为储能聚合商参与电力市场的参数,而随机变量为调频信号,定义储能聚合商参与电力市场运行中的损失函数为收益目标函数的负数,建立储能聚合商的收益风险目标函数;
S5:给定随机变量的场景点概率的不确定集,结合WCVaR理论模型和储能聚合商的收益风险目标函数,获取基于最差条件风险价值的储能聚合商投标模型。
2.根据权利要求1所述的基于最差条件风险价值的储能聚合商投标方法,其特征在于,S1中,所述储能聚合商同时参与电力市场中的日前电能市场与日前调频市场,并在实时运行日前一天按小时为单位提交次日24小时的电能交易电量和调频服务交易容量,所述电力市场按照出清价格统一付费。
其中x∈Rn,y∈Rm,并分别表示储能聚合商投标决策过程中的决策变量和随机变量;f(x,y)表示决策变量x的损失函数,p(y)表示随机变量y的连续概率密度函数;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010245098.2A CN111476647A (zh) | 2020-03-31 | 2020-03-31 | 基于最差条件风险价值的储能聚合商投标方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010245098.2A CN111476647A (zh) | 2020-03-31 | 2020-03-31 | 基于最差条件风险价值的储能聚合商投标方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111476647A true CN111476647A (zh) | 2020-07-31 |
Family
ID=71749322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010245098.2A Pending CN111476647A (zh) | 2020-03-31 | 2020-03-31 | 基于最差条件风险价值的储能聚合商投标方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111476647A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112365034A (zh) * | 2020-10-27 | 2021-02-12 | 燕山大学 | 一种电热综合能源系统调度方法及系统 |
CN113435714A (zh) * | 2021-06-10 | 2021-09-24 | 华中科技大学 | 一种基于WCVaR风险分析的电网调度优化方法和系统 |
CN115036920A (zh) * | 2022-07-05 | 2022-09-09 | 东南大学 | 一种混合储能参与调频辅助服务市场的容量投标方法 |
-
2020
- 2020-03-31 CN CN202010245098.2A patent/CN111476647A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112365034A (zh) * | 2020-10-27 | 2021-02-12 | 燕山大学 | 一种电热综合能源系统调度方法及系统 |
CN113435714A (zh) * | 2021-06-10 | 2021-09-24 | 华中科技大学 | 一种基于WCVaR风险分析的电网调度优化方法和系统 |
CN113435714B (zh) * | 2021-06-10 | 2022-08-02 | 华中科技大学 | 一种基于WCVaR风险分析的电网调度优化方法和系统 |
CN115036920A (zh) * | 2022-07-05 | 2022-09-09 | 东南大学 | 一种混合储能参与调频辅助服务市场的容量投标方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110188950B (zh) | 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法 | |
CN111476647A (zh) | 基于最差条件风险价值的储能聚合商投标方法 | |
Thingvad et al. | Assessing the energy content of system frequency and electric vehicle charging efficiency for ancillary service provision | |
CN112001528A (zh) | 一种风储联合参与能量-调频市场的最优竞价方法及系统 | |
CN114938035B (zh) | 考虑储能退化成本的共享储能能量调度方法及系统 | |
CN107480907A (zh) | 一种峰谷电价下含风电的省级电网购电配比的优化方法 | |
KR101581685B1 (ko) | 에너지 저장장치의 충방전 스케줄링 장치 및 방법 | |
KR20210094033A (ko) | 에너지 관리 시스템을 동작시키기 위한 방법, 그 방법을 수행하기 위한 전자 컴퓨팅 디바이스, 컴퓨터 프로그램, 및 데이터 캐리어 | |
CN116388293A (zh) | 一种新能源配建储能电站的联合优化调度方法及系统 | |
CN116845929A (zh) | 一种储能参与的电能量与调频辅助服务市场协调出清方法 | |
Mohamed et al. | Stacking battery energy storage revenues in future distribution networks | |
CN110826801A (zh) | 电动车充电站分布式电能管理方法 | |
Du et al. | Optimal whole-life-cycle planning for battery energy storage system with normalized quantification of multi-services profitability | |
CN113437757A (zh) | 基于前景理论的风-蓄联合系统电量分解方法 | |
CN112290530B (zh) | 风储联合发电商参与能量-调频市场的投标策略优化方法 | |
CN117333058A (zh) | 一种基于典型应用场景的储能综合评价方法 | |
CN117081169A (zh) | 一种聚合园区分布式光伏能源的运营方法 | |
CN114862163B (zh) | 综合能源系统优化调度方法 | |
CN113555887B (zh) | 电网能源控制方法、装置、电子设备及存储介质 | |
Hokmabad et al. | Optimizing size and economic feasibility assessment of photovoltaic and energy storage setup in residential applications | |
CN115204944A (zh) | 一种计及全寿命周期的储能最优峰谷价差测算方法及装置 | |
CN113255957A (zh) | 综合服务站不确定因素的定量优化分析方法及系统 | |
Chen et al. | Value stacking of a behind-the-meter utility-scale battery for demand response markets and demand charge management: real-world operation on the UC San Diego campus | |
CN113659600B (zh) | 基于社区微网电能交易的储能设备控制方法及装置 | |
Zhang et al. | Considering allowable deviation and wind speed distribution wind power business day-ahead market strategy bidding |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200731 |