CN111682536A - 虚拟电厂参与日前双重市场的随机-鲁棒优化运行方法 - Google Patents
虚拟电厂参与日前双重市场的随机-鲁棒优化运行方法 Download PDFInfo
- Publication number
- CN111682536A CN111682536A CN202010586982.2A CN202010586982A CN111682536A CN 111682536 A CN111682536 A CN 111682536A CN 202010586982 A CN202010586982 A CN 202010586982A CN 111682536 A CN111682536 A CN 111682536A
- Authority
- CN
- China
- Prior art keywords
- market
- power plant
- virtual power
- day
- participating
- 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
Images
Classifications
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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]
-
- 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)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种虚拟电厂参与日前双重市场的随机‑鲁棒优化运行方法,根据不同能源之间的互补特性,虚拟电厂在满足负荷需求的基础上,以电功率差额参与能量市场投标,以燃料轮机、燃料电池单元的备用容量参与旋转备用市场投标,来获取更高经济效益。同时考虑日前市场下面临的多种不确定因素,建立了虚拟电厂参与日前双重市场下的随机‑鲁棒优化投标模型,对具有不同特征的不确定因素项分别采用随机场景、置信界限和区间的方式来进行建模。以虚拟电厂整体收益最大为目标进行求解,得到日前双重市场下的最佳投标策略。本发明能够有效降低日前市场下的多种不确定性影响,实现虚拟电厂参与日前双重市场投标的协调优化运行。
Description
技术领域
本发明涉及一种虚拟电厂技术,特别涉及一种虚拟电厂参与日前双重市场的随机-鲁棒优化运行方法。
背景技术
在电力市场自由开放的环境下,为了避免分布式可再生能源(distributedrenewable energy source,DREs)直接参与电网交易的波动性和分散性,将需求侧的资源聚合为虚拟电厂(virtual power plant,VPP)形式参与电力市场成为了一种新的思路。VPP对需求侧零碎化的资源进行调控整合、不同能源之间协调互补,是减少用电峰谷差值、提高电力系统稳定性和降低DREs不确定性对系统波动影响的灵活高效资源配置方式。在电力市场的不断革新下,使VPP通过有效调控、灵活决策同时参与能量市场(energy market,EM)和旋转备用市场(spinning reserve market,SRM)成为了可能。
虚拟电厂参与多市场下所面临的多种不确定因素,难以预测、以及统一调配难度高,是VPP参与日前市场投标运行迫切解决的问题。
发明内容
本发明是针对日前市场下的多种不确定性因素影响虚拟电厂合理参与电力市场的问题,提出了一种虚拟电厂参与日前双重市场的随机-鲁棒优化运行方法,根据不同能源之间的互补特性,虚拟电厂在满足负荷需求的基础上,以电功率差额参与能量市场投标,以燃料轮机、燃料电池单元的备用容量参与旋转备用市场投标,来获取更高经济效益。同时考虑日前市场下面临的多种不确定因素,建立了虚拟电厂参与日前双重市场下的随机-鲁棒优化投标模型,对具有不同特征的不确定因素项分别采用随机场景、置信界限和区间的方式来进行建模。利用拉丁超立方抽样和同步回代场景消除法来生成不同概率下的典型场景集,来模拟双重市场下电价的随机性,采用鲁棒优化处理风机出力、光伏出力和负荷的不确定性,以备用市场部署请求系数模拟旋转备用市场实时调用的随机性。最后,以虚拟电厂整体收益最大为目标,利用YAMILP+CPLEX求解器对混合整数线性规划问题进行求解,得到日前双重市场下的最佳投标策略。本发明能够有效降低日前市场下的多种不确定性影响,实现虚拟电厂参与日前双重市场下的投标运行。
本发明的技术方案为:一种虚拟电厂参与日前双重市场的随机-鲁棒优化运行方法,具体包括如下步骤:
1)根据虚拟电厂内部可控单元的数据信息,将燃料轮机、燃料电池和分布式储能作为可控单元分别进行建模,从而建立虚拟电厂模型;
2)根据日前不同市场间的运行特性,建立虚拟电厂同时参与能量市场和旋转备用市场下应各自满足的约束条件,包括能量市场平衡约束、旋转备用市场平衡约束和虚拟电厂备用约束,并且三种约束之间相互关联;
3)考虑日前市场下的多种不确定因素,基于日前市场电价的历史信息分析,采用随机场景模拟能量市场与旋转备用市场电价的不确定性,利用拉丁超立方抽样和同步回代场景消除法来生成不同概率下的典型场景;风电、光伏出力和负荷波动以不确定变量的区间集合来代替随机变量确定性的概率分布,获得风电、光伏和负荷相关参数的置信界限,以鲁棒优化处理风机出力、光伏出力和负荷的不确定性;以备用市场部署请求系数模拟旋转备用市场实时调用的随机性;建立虚拟电厂随机-鲁棒优化模型;
4)将步骤3)建立的虚拟电厂随机-鲁棒优化模型与步骤2)的双重市场运行约束相结合,建立虚拟电厂参与日前双重市场的随机-鲁棒优化投标模型,以整体经济性最大为目标,其中主要包括虚拟电厂参与能量市场和旋转备用市场的收益与自身运行成本,虚拟电厂成本是用燃气轮机、燃料电池、分布式储能单元以及环境处理的综合成本函数来表示,通过协调虚拟电厂参与不同市场下的投标策略和优化内部可控设备的出力;
5)对步骤4)所建立的模型,采用YAMILP+CPLEX求解器进行求解,来获得不同鲁棒系数和备用市场部署请求系数下的日前市场投标策略,系数取值不同,相应决策的鲁棒性不同,得到日前市场不同风险水平下的能量市场与旋转备用市场的投标策略。
所述步骤2)中参与能量市场竞标下的能量平衡约束为:
式中:n为燃气轮机和燃料电池的单元数;分别为t时刻第i单元燃气轮机和燃料电池的输出功率;Pl,t,Pw,t,Pv,t分别为虚拟电厂中负荷、风机以及光伏在t时刻的功率大小;Pt cha,+、Pt dis,-分别为虚拟电厂中所有分布式储能单元的充、放电功率之和;PEM,t为虚拟电厂在t时刻参与能量市场的竞标量;
参与旋转备用市场竞标的备用功率约束为:
其中燃气轮机和燃料电池的输出功率、参与能量市场的竞标量以及参与旋转备用市场下的竞标量应满足自身容量限制约束:
虚拟电厂在参与能量市场竞标与旋转备用市场备用时,燃气轮机和燃料电池要为系统留有一定的备用容量,不包括已参与旋转备用市场部分,系统备用约束为:
式中:RA,t为t时刻虚拟电厂中备用容量。
所述步骤4)中虚拟电厂参与日前双重市场的随机-鲁棒优化投标模型的目标函数为:
式中:T为调度周期;γs,t分别为场景s下t时刻旋转备用市场的调用电价与容量电价;Ksrm为备用市场部署请求系数,Ksrm∈[0,1],Ksrm描述备用市场实时调度情况;λs,t为场景s下t时刻能量市场电价;πs为场景s的概率;△t为调度时间间隔;为决策变量; 为鲁棒优化辅助变量,ωs,t,ξs,t分别为虚拟电厂中不确定变量与其置信界限的上、下偏离值;分别为虚拟电厂中光伏出力与其置信界限的上、下偏离值;分别为虚拟电厂中负荷与其置信界限的上、下偏离值;分别保证了风电、光伏、负荷的偏离值大于零;随机发电机组的维护费用CK为其中λw,λv分别为风电、光伏机组的维护系数。
本发明的有益效果在于:本发明虚拟电厂参与日前双重市场的随机-鲁棒优化运行方法,能够有效地协调优化不同市场间的投标策略,来提高经济收益,同时,考虑面临的多种不确定性因素,减少不确定决策的盲目性,有效的平衡系统经济性和鲁棒性,为虚拟电厂参与日前市场投标提供了一定参考。
附图说明
图1为本发明虚拟电厂运行结构图;
图2为本发明虚拟电厂参与双重市场下的不确定分析图;
图3为本发明方法虚拟电厂求解流程图。
具体实施方式
1、虚拟电厂参与日前双重市场的随机-鲁棒优化运行方法,具体包括以下步骤:
1)根据虚拟电厂内部可控单元的数据信息,分别对燃料轮机、燃料电池和分布式储能单元进行建模,从而建立虚拟电厂模型;2)根据日前不同市场间的运行特性,建立虚拟电厂同时参与能量市场和旋转备用市场下应各自满足的约束条件,其中包括能量市场平衡约束、旋转备用市场平衡约束和虚拟电厂备用约束,三者之间相互关联。3)在前基础上,考虑日前市场下的多种不确定因素,并对其采用不同方法进行量化,建立了一种计及不确定性的虚拟电厂随机-鲁棒优化模型,对于不同市场电价、风光出力、负荷以及旋转备用市场实时调度的不确定性分别进行处理,以随机场景来模拟双重市场下电价的随机性,采用鲁棒优化处理风机出力、光伏出力和负荷的不确定性,以备用市场部署请求系数模拟旋转备用市场实时调用的随机性;4)在上述基础上,建立了一种计及多种不确定性的虚拟电厂参与日前双重市场的随机-鲁棒优化投标模型,以整体经济性最大为目标,其中主要包括虚拟电厂参与能量市场和旋转备用市场的收益与自身运行成本,虚拟电厂成本是用燃气轮机、燃料电池、分布式储能单元以及环境处理的综合成本函数来表示,通过协调虚拟电厂参与不同市场下的投标策略和优化内部可控设备的出力,来提高经济效益;5)对所建立的模型,采用YAMILP+CPLEX求解器进行求解,来获得不同鲁棒系数和备用市场部署请求系数下日前市场的投标策略,系数取值不同,相应决策的鲁棒性不同,为平衡系统的经济性与鲁棒性提供参考依据。
2、本发明所设计的虚拟电厂参与日前双重市场的随机-鲁棒优化运行方法中,虚拟电厂同时参与能量市场和旋转备用市场投标运行,有利于不同能源间的协调互补,增加决策的灵活性,提高经济效益。
如图1所示的VPP运行结构框图,VPP以燃气轮机(micro turbine,MT)、分布式储能(Distributed Energy Storage,DES)、燃料电池(fuel cell,FC)为可控单元,以光伏(photovoltaic,PV)、风机(wind turbine,WT)为不可控单元,采用集中控制方式由能量系统控制中心统一调配,以可控单元平抑不可控因素所带来的波动,来提高系统稳定性。在满足负荷需求的基础上,以电功率差额参与能量市场EM竞标,以MT、FC单元的备用容量参与旋转备用市场SRM竞标。
对虚拟电厂进行建模,主要包括分布式可控电源和分布式储能单元。VPP中分布式可控电源主要有MT、FC等,为系统决策变量,其成本主要包括运行成本Cy、维护成本Cw以及环境成本Ch。
CG=Cy+Cw+Ch (1)
式中:T为调度周期;n为MT和FC的单元数;a,b,c为MT成本系数;ki、分别为第i单元FC的运行成本系数和固定成本系数;分别为t时刻第i单元MT和FC的输出功率;λi fc分别为第i单元MT和FC的维护系数;J为污染物种类数;Aj,Bj分别代表第j种污染物单位排放量的惩罚费用与分布式可控电源单位电量产生第j种污染物量。
分布式可控电源主要包括有容量约束、启停约束以及爬坡约束,此处不在赘述。
对分布式储能单元建模,DES单元的充放电策略由VPP能量管理中心直接制定,通过协调不同运行参数以及初始状态下的多个DES单元充放电行为,以达到全局最优效果。且不考虑因线路功率限制而对DES充放电行为的影响。
则DES成本CS可表示为:
式中:ks,λdes分别为DES单位充放电功率成本与维护成本,△t为调度时间间隔。
DES的能量约束为:
式中:St,St-1分别为虚拟电厂中所有DES单元在t,t-1时刻的能量。
DES的充放电行为约束为:
Uc,i+Ud,i≤1 (10)
DES的周期性约束为:
式(11)与式(12)避免了DES启用次数过于频繁,减少使用寿命,M、N分别为调度周期T内最大充、放电次数;式(13)防止DES的过充与过放行为,S(0)为DES的初始状态,Smin、Smax分别为DES单元荷电状态的最小、最大值。
3、本发明所设计的虚拟电厂参与日前双重市场的随机-鲁棒优化运行方法中,考虑到了各自运行特性,建立了能量市场约束、旋转备用市场约束和虚拟电厂备用约束,三者之间的约束条件相互关联,改变其中某个参数,另外两个约束条件也随之发生变化。
参与EM竞标下的能量平衡约束为:
式中:Pl,t,Pw,t,Pv,t分别为VPP中负荷、风机以及光伏在t时刻的功率大小;PEM,t为VPP在t时刻参与能量市场EM的竞标量。
参与SRM竞标的备用功率约束为:
其中MT和FC的输出功率、参与EM的竞标量以及参与SRM下的竞标量应满足自身容量限制约束:
VPP在参与EM竞标与SRM备用时,MT和FC要为系统留有一定的备用容量(不包括已参与SRM部分),系统备用约束为:
RA,t为t时刻VPP中备用容量。
4、本发明所设计的虚拟电厂参与日前双重市场的随机-鲁棒优化运行方法中,采用的鲁棒优化方式处理风光和负荷的不确定性,以不确定变量的区间集合来代替随机变量确定性的概率分布,不需要大量统计结果和精确的分布规律,只需获得风电、光伏和负荷相关参数的置信界限即可,并通过鲁棒系数调节其风险水平。
5、本发明所设计的虚拟电厂参与日前双重市场的随机-鲁棒优化运行方法中,对于多种不同特征的不确定因素,分别以随机场景、置信界限及区间三种方式建模,切合各自特性,增强实际可行性。
虚拟电厂参与双重市场下的不确定分析建模如图2所示,基于日前市场电价的历史信息分析,采用随机场景模拟EM与SRM电价的不确定性,利用拉丁超立方抽样和同步回代场景消除法来生成不同概率下的典型场景。拉丁超立方抽样是一种基于逆函数转换的分层抽样,在不改变原始概率密度下使得样本均匀分布于整个样本空间,得到原始等概率的Q个场景,再用同步回代消除法计算出各场景间的欧式距离,并以欧式距离最近为标准确定消除的场景,更新其概率,迭代P次之后,得到Q-P个典型场景。VPP中DERs出力和负荷波动难以通过精准的概率密度与分布函数描述,采用鲁棒优化(RO)方式进行处理更为切合,以不确定变量的区间集合来代替随机变量确定性的概率分布,只需获得风电、光伏和负荷相关参数的置信界限即可。以备用市场部署请求系数来描述VPP参与SRM中实时调用的风险水平,其中Ksrm∈[0,1],0表示VPP参与备用市场容量未被调用,1表示全部被调用。
6、本发明所设计的虚拟电厂参与日前双重市场的随机-鲁棒优化运行方法中,虚拟电厂随机-鲁棒优化模型有如下特点。
1)采用随机场景模拟双重市场电价的不确定性,利用拉丁超立方进行大量场景抽样,然后采用同步回代场景消除法来生成不同概率下的典型场景;
2)对于风机出力、光伏出力和负荷的不确定性,采用鲁棒优化处理;
3)采用备用市场部署请求系数来描述虚拟电厂参与旋转备用市场中实时调用的风险水平;
针对EM电价与SRM电价的不确定性,在拉丁超立方抽样集合Θ中,以同步回代消除法计算任意场景ωi下与其它场景ωj间最小的欧式距离Di,min。
Di,min=minπjd(ωi,ωj),j≠i,j=1,2,...N (20)
式中:πj为场景ωj发生的概率;d(ωi,ωj)为场景ωi与ωj之间的欧式距离;N为场景总数。
以集合Θ中Di,min最小为标准,确定删除场景ωm。
Dmin(ωm)=minπiDi,min,j=1,2,...N (21)
更新场景集Θ和各场景概率πi,将删除场景概率叠加到与其距离最近的其它场景上,循环P次后得到典型场景集{S|s1,s2,…,sQ-P}。
对于VPP中风电、光伏出力以及负荷的不确定性采用RO方式处理,以风电Pw,t为例,考虑形式如下:
采用RO处理要考虑其“最恶劣”条件下发生的情况,故由式(22)所做出的决策会变的过于保守,而丧失经济性。在此基础上,引入鲁棒控制系数Γ,Γ∈[0,|K|],K为RO所处理不确定参数的集合,此时,风电不确定出力置信区间可表示为:
式中:Γw为风电鲁棒系数。光伏出力与负荷波动的不确定置信区间的表示形式与风电一致,不再赘述。
随着鲁棒控制系数Γ的增大,系统鲁棒性与经济性呈负相关变化。当Γ=0时,系统变为不考虑不确定因素影响的确定性优化模型,其稳定性不足,当Γ=|K|时,系统决策最为保守,如式(22)所示。
对于VPP参与SRM的备用功率实时调度的随机性,引入备用市场部署请求系数Ksrm,Ksrm∈[0,1],来描述其实时调度情况。
7、本发明所设计的虚拟电厂参与日前双重市场的随机-鲁棒优化运行方法中,对所构建的计及不确定性的虚拟电厂参与日前双重市场的随机-鲁棒优化投标模型进行求解,可以通过调节鲁棒系数和备用市场部署请求系数来获得不同风险水平的投标策略,对平衡系统经济性和鲁棒性,减少不确定决策的盲目性,提供有效参考依据。
在考虑源荷、电价以及市场实时部署请求的不确定性下,VPP以灵活决策参与EM和SRM日前竞标,寻求其最大利益,其中VPP为电价接受者,由随机场景模拟表示,其目标函数为:
式中:γs,t分别为场景s下t时刻SRM的调用电价与容量电价;λs,t为场景s下t时刻EM电价;πs为场景s的概率;为决策变量;为RO辅助变量,ωs,t,ξs,t分别为VPP中不确定变量与其置信界限的上、下偏离值;分别为VPP中光伏出力与其置信界限的上、下偏离值;分别为VPP中负荷与其置信界限的上、下偏离值;分别保证了风电、光伏、负荷的偏离值大于零;随机发电机组的维护费用CK为其中λw,λv分别为风电、光伏机组的维护系数。
EM和SRM下,功率平衡约束:
VPP要满足EM中的投标决策,又能响应SRM备用容量功率的实时调度需求。
随机约束:
{S|s1,s2,…,sQ-P}∈Θ (26)
削减后得到的典型场景集是拉丁超立方抽样集合的子集,且满足概率之和为1。
鲁棒优化约束:
此外,VPP仍需满足式(5)与式(7)—(19)的约束条件,此处不再赘述。
上述所建立随机-鲁棒优化投标模型为混合整数线性规划问题,在MATLAB环境下,利用YALMIP+CPLEX求解器对其寻优求解,其流程如图3所示。先输入虚拟电厂中各个单元的运行参数,然后利用随机-鲁棒优化方法处理日前双重市场下的多种不确定性,包括电价、风光、负荷以及SRM实时调用等不确定因素,设置鲁棒系数和备用市场部署请求系数,通过对目标函数和其所满足的约束条件求解,进而得到日前市场不同风险水平下的EM和SRM的投标策略。
Claims (3)
1.一种虚拟电厂参与日前双重市场的随机-鲁棒优化运行方法,其特征在于,具体包括如下步骤:
1)根据虚拟电厂内部可控单元的数据信息,将燃料轮机、燃料电池和分布式储能作为可控单元分别进行建模,从而建立虚拟电厂模型;
2)根据日前不同市场间的运行特性,建立虚拟电厂同时参与能量市场和旋转备用市场下应各自满足的约束条件,包括能量市场平衡约束、旋转备用市场平衡约束和虚拟电厂备用约束,并且三种约束之间相互关联;
3)考虑日前市场下的多种不确定因素,基于日前市场电价的历史信息分析,采用随机场景模拟能量市场与旋转备用市场电价的不确定性,利用拉丁超立方抽样和同步回代场景消除法来生成不同概率下的典型场景;风电、光伏出力和负荷波动以不确定变量的区间集合来代替随机变量确定性的概率分布,获得风电、光伏和负荷相关参数的置信界限,以鲁棒优化处理风机出力、光伏出力和负荷的不确定性;以备用市场部署请求系数模拟旋转备用市场实时调用的随机性;建立虚拟电厂随机-鲁棒优化模型;
4)将步骤3)建立的虚拟电厂随机-鲁棒优化模型与步骤2)的双重市场运行约束相结合,建立虚拟电厂参与日前双重市场的随机-鲁棒优化投标模型,以整体经济性最大为目标,其中主要包括虚拟电厂参与能量市场和旋转备用市场的收益与自身运行成本,虚拟电厂成本是用燃气轮机、燃料电池、分布式储能单元以及环境处理的综合成本函数来表示,通过协调虚拟电厂参与不同市场下的投标策略和优化内部可控设备的出力;
5)对步骤4)所建立的模型,采用YAMILP+CPLEX求解器进行求解,来获得不同鲁棒系数和备用市场部署请求系数下的日前市场投标策略,系数取值不同,相应决策的鲁棒性不同,得到日前市场不同风险水平下的能量市场与旋转备用市场的投标策略。
2.根据权利要求1所述虚拟电厂参与日前双重市场的随机-鲁棒优化运行方法,其特征在于,所述步骤2)中参与能量市场竞标下的能量平衡约束为:
式中:n为燃气轮机和燃料电池的单元数;分别为t时刻第i单元燃气轮机和燃料电池的输出功率;Pl,t,Pw,t,Pv,t分别为虚拟电厂中负荷、风机以及光伏在t时刻的功率大小;分别为虚拟电厂中所有分布式储能单元的充、放电功率之和;PEM,t为虚拟电厂在t时刻参与能量市场的竞标量;
参与旋转备用市场竞标的备用功率约束为:
其中燃气轮机和燃料电池的输出功率、参与能量市场的竞标量以及参与旋转备用市场下的竞标量应满足自身容量限制约束:
虚拟电厂在参与能量市场竞标与旋转备用市场备用时,燃气轮机和燃料电池要为系统留有一定的备用容量,不包括已参与旋转备用市场部分,系统备用约束为:
式中:RA,t为t时刻虚拟电厂中备用容量。
3.根据权利要求2所述虚拟电厂参与日前双重市场的随机-鲁棒优化运行方法,其特征在于,所述步骤4)中虚拟电厂参与日前双重市场的随机-鲁棒优化投标模型的目标函数为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010586982.2A CN111682536B (zh) | 2020-06-24 | 2020-06-24 | 虚拟电厂参与日前双重市场的随机-鲁棒优化运行方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010586982.2A CN111682536B (zh) | 2020-06-24 | 2020-06-24 | 虚拟电厂参与日前双重市场的随机-鲁棒优化运行方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111682536A true CN111682536A (zh) | 2020-09-18 |
CN111682536B CN111682536B (zh) | 2023-08-18 |
Family
ID=72456536
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010586982.2A Active CN111682536B (zh) | 2020-06-24 | 2020-06-24 | 虚拟电厂参与日前双重市场的随机-鲁棒优化运行方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111682536B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112257903A (zh) * | 2020-09-28 | 2021-01-22 | 华北电力大学 | 虚拟电厂的控制方法和装置 |
CN112883566A (zh) * | 2021-02-02 | 2021-06-01 | 华北电力大学 | 一种基于虚拟电池模型的光伏产消者能量建模方法及系统 |
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 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971181A (zh) * | 2014-05-20 | 2014-08-06 | 河海大学 | 一种用于虚拟电厂的日前经济调度方法 |
CN104466999A (zh) * | 2014-12-06 | 2015-03-25 | 国网浙江省电力公司电动汽车服务分公司 | 一种含电动汽车和风电机组的虚拟发电厂竞价策略的确定方法 |
CN104517161A (zh) * | 2014-12-25 | 2015-04-15 | 东南大学 | 虚拟发电厂的分布式电源组合规划系统和方法 |
CN105631549A (zh) * | 2015-12-29 | 2016-06-01 | 南京邮电大学 | 主动配电网环境下的虚拟电厂分布式模型预测控制方法 |
CN106127389A (zh) * | 2016-06-24 | 2016-11-16 | 河海大学 | 一种虚拟电厂热电联合调度鲁棒优化模型 |
CN107887932A (zh) * | 2017-11-13 | 2018-04-06 | 天津大学 | 虚拟发电厂在日前市场的生产竞价组织方法 |
CN108388973A (zh) * | 2018-01-11 | 2018-08-10 | 河海大学 | 一种虚拟电厂自适应鲁棒调度优化方法 |
CN110390467A (zh) * | 2019-06-25 | 2019-10-29 | 河海大学 | 一种基于关键场景辨别的虚拟电厂随机自适应鲁棒优化调度方法 |
-
2020
- 2020-06-24 CN CN202010586982.2A patent/CN111682536B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971181A (zh) * | 2014-05-20 | 2014-08-06 | 河海大学 | 一种用于虚拟电厂的日前经济调度方法 |
CN104466999A (zh) * | 2014-12-06 | 2015-03-25 | 国网浙江省电力公司电动汽车服务分公司 | 一种含电动汽车和风电机组的虚拟发电厂竞价策略的确定方法 |
CN104517161A (zh) * | 2014-12-25 | 2015-04-15 | 东南大学 | 虚拟发电厂的分布式电源组合规划系统和方法 |
CN105631549A (zh) * | 2015-12-29 | 2016-06-01 | 南京邮电大学 | 主动配电网环境下的虚拟电厂分布式模型预测控制方法 |
CN106127389A (zh) * | 2016-06-24 | 2016-11-16 | 河海大学 | 一种虚拟电厂热电联合调度鲁棒优化模型 |
CN107887932A (zh) * | 2017-11-13 | 2018-04-06 | 天津大学 | 虚拟发电厂在日前市场的生产竞价组织方法 |
CN108388973A (zh) * | 2018-01-11 | 2018-08-10 | 河海大学 | 一种虚拟电厂自适应鲁棒调度优化方法 |
CN110390467A (zh) * | 2019-06-25 | 2019-10-29 | 河海大学 | 一种基于关键场景辨别的虚拟电厂随机自适应鲁棒优化调度方法 |
Non-Patent Citations (1)
Title |
---|
王育飞: "风储混合系统运行模式及其优化配置", 《上海电力学院学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112257903A (zh) * | 2020-09-28 | 2021-01-22 | 华北电力大学 | 虚拟电厂的控制方法和装置 |
CN112883566A (zh) * | 2021-02-02 | 2021-06-01 | 华北电力大学 | 一种基于虚拟电池模型的光伏产消者能量建模方法及系统 |
CN112883566B (zh) * | 2021-02-02 | 2024-02-20 | 华北电力大学 | 一种基于虚拟电池模型的光伏产消者能量建模方法及系统 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN111682536B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jiang et al. | Smart home in smart microgrid: A cost-effective energy ecosystem with intelligent hierarchical agents | |
Motevasel et al. | Multi-objective energy management of CHP (combined heat and power)-based micro-grid | |
CN109599861B (zh) | 考虑本地负荷调峰能力的送端电网电源结构规划方法 | |
CN109347151B (zh) | 一种新能源参与调峰的送端电网电源结构优化方法 | |
CN112529256B (zh) | 考虑多重不确定性的分布式电源集群日前调度方法和系统 | |
Hemmati et al. | System modeling and optimization for islanded micro-grid using multi-cross learning-based chaotic differential evolution algorithm | |
CN111682536B (zh) | 虚拟电厂参与日前双重市场的随机-鲁棒优化运行方法 | |
Mahesh et al. | Optimal sizing of a grid-connected PV/wind/battery system using particle swarm optimization | |
Fang et al. | Two-layer game theoretic microgrid capacity optimization considering uncertainty of renewable energy | |
CN110518580A (zh) | 一种考虑微网主动优化的主动配电网运行优化方法 | |
CN113285490B (zh) | 电力系统调度方法、装置、计算机设备和存储介质 | |
CN113783224A (zh) | 一种考虑多种分布式能源运行的配电网双层优化规划方法 | |
CN115147245B (zh) | 一种工业负荷参与调峰辅助服务的虚拟电厂优化调度方法 | |
Bazmohammadi et al. | Optimal operation management of a microgrid based on MOPSO and Differential Evolution algorithms | |
Du et al. | RETRACTED ARTICLE: Optimal scheduling of integrated energy system based on improved grey wolf optimization algorithm | |
CN115456242A (zh) | 基于多重不确定性表征的虚拟电厂市场化优化调度方法 | |
Yoldas et al. | Optimal control of microgrids with multi-stage mixed-integer nonlinear programming guided $ Q $-learning algorithm | |
Peng et al. | Sequential coalition formation for wind-thermal combined bidding | |
Abedinia et al. | Synergizing efficient optimal energy hub design for multiple smart energy system players and electric vehicles | |
CN115241923A (zh) | 一种基于蛇优化算法的微电网多目标优化配置方法 | |
CN112510690B (zh) | 考虑风火储联合和需求响应奖惩的优化调度方法及系统 | |
CN113364043A (zh) | 一种基于条件风险价值的微电网群优化方法 | |
CN113112287A (zh) | 一种基于微电网调度的虚拟电厂能源管理方法及装置 | |
CN117057566A (zh) | 一种风火源储一体站主从博弈优化调度方法 | |
CN115189409A (zh) | 电力系统生产模拟方法、装置、计算机设备及存储介质 |
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 |