CN111882111A - 一种源网荷储协同互动的电力现货市场出清方法 - Google Patents

一种源网荷储协同互动的电力现货市场出清方法 Download PDF

Info

Publication number
CN111882111A
CN111882111A CN202010610595.8A CN202010610595A CN111882111A CN 111882111 A CN111882111 A CN 111882111A CN 202010610595 A CN202010610595 A CN 202010610595A CN 111882111 A CN111882111 A CN 111882111A
Authority
CN
China
Prior art keywords
power
market
load
capacity
clearing
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
Application number
CN202010610595.8A
Other languages
English (en)
Other versions
CN111882111B (zh
Inventor
陈巨龙
陈皓勇
钟佳宇
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN202010610595.8A priority Critical patent/CN111882111B/zh
Publication of CN111882111A publication Critical patent/CN111882111A/zh
Application granted granted Critical
Publication of CN111882111B publication Critical patent/CN111882111B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于电力市场交易技术领域，公开一种源网荷储协同互动的电力现货市场出清方法，包括步骤：在市场交易申报过程中市场主体提交运行参数和竞价信息给电力调度机构和交易中心；电力调度机构根据风、光和径流式水电等不可控新能源的预测发电出力、负荷预测、网络电气参数和电力系统拓扑结构等信息，确定市场出清的边界条件；构建源网荷储四方在电力市场联合出清优化模型中的约束数学模型；构建源网荷储协同的电力市场联合出清优化模型；求解和发布各市场主体的中标容量和实时电价。本发明将调节主体扩展到源网荷储四方市场主体，从而实现在市场环境下电力系统灵活调节资源的高效配置和互补优化，提高了市场效率和电力系统鲁棒性。

Description

一种源网荷储协同互动的电力现货市场出清方法
技术领域
本发明涉及电力市场交易领域，尤其涉及一种源网荷储协同互动的电力现货市场出清方法。
背景技术
新能源发电的间歇性、随机性、波动性和不可控性会对电网的安全稳定运行造成影响。不断攀升的新能源发电渗透率对电力系统的稳定可靠运行和高效调度提出了更高地挑战。电力系统必须要有充裕的灵活性以应对高比例新能源发电并网所带来的影响。
在电力市场环境下，市场主体通过集中竞价平台或合约市场完成与电力调度机构以及交易中心的信息交互。在当前的电力现货市场模式下，电力调度机构通常只考虑由电源端提供灵活调节能力，这极大的浪费了网络、负荷和储能系统的调节功能和能力。同时，在高比例可再生能源接入下的电网，仅由电源端提供调节能力显得杯水车薪。
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。
针对当前电力系统缺乏源网荷储协同互动方式，本发明提供一种源网荷储协同互动的电力现货市场出清方法，以应对未来高比例新能源并网产生的电力系统灵活性不足的问题。
本发明采用如下技术方案实现：
一种源网荷储协同互动的电力现货市场出清方法，包括以下步骤：
S1、在市场交易申报过程中市场主体提交运行参数和竞价信息给电力调度机构和交易中心；
S2、电力调度机构根据风、光和径流式水电等不可控新能源的预测发电出力、负荷预测、网络电气参数和电力系统拓扑结构等信息，确定市场出清的边界条件；
S3、构建源网荷储四方在电力市场联合出清优化模型中的约束数学模型；
S4、构建源网荷储协同的电力市场联合出清优化模型；
S5、求解和发布各市场主体的中标容量和实时电价。
优选地，构建源网荷储四方在电力市场联合出清优化模型中的约束数学模型包括：
S301、构建电源端火电机组、水电机组在电力市场联合出清优化模型中的约束数学模型；
S302、构建电源端新能源机组在电力市场联合出清优化模型中的约束数学模型；
S303、构建网络端在电力市场联合出清优化模型中的约束数学模型；
S304、构建负荷端在电力市场联合出清优化模型中的约束数学模型；
S305、构建储能端在电力市场联合出清优化模型中的约束数学模型。
优选地，构建电源端火电机组、水电机组在电力市场联合出清优化模型的约束数学模型包括：
火电机组的约束条件包括：
Figure BDA0002561690500000021
Figure BDA0002561690500000022
式中：
Figure BDA0002561690500000023
和
Figure BDA0002561690500000024
分别为第i个火电机组的最小、最大出力；
Figure BDA0002561690500000025
第i个火电机组在第t个调度周期内的出力；
Figure BDA0002561690500000026
和
Figure BDA0002561690500000027
分别为第i个火电机组的单位时间内的上、下爬坡率；式(1)为火电机组发电功率上下限约束；式(2)表示火电机组开机阶段的爬坡约束；
水电机组的约束条件包括：水电机组技术出力上下限约束、爬坡速率约束和最大发电水库容量约束：
Figure BDA0002561690500000028
Figure BDA0002561690500000029
Figure BDA00025616905000000210
Figure BDA00025616905000000211
Figure BDA00025616905000000212
式中：Qj,τ为第j台水电机组在第τ个调度周期内的耗水量；
Figure BDA00025616905000000213
为第j台水电机组在第τ个调度周期的天然来水量；Qj,0为第j台水电机组在调度开始前的水库储水容量；Qj,max和Qj,min分别为第j台水电机组的最大和最小水库容量；ηj为第j台水电机组的水能电能转化效率，与水库的形状、水头高度等因素相关；
Figure BDA00025616905000000214
为第j台水电机组在第t个调度周期的最大发电功率，也是竞标的发电容量；
Figure BDA00025616905000000215
和
Figure BDA00025616905000000216
分别为第j台水电机组的单位时间向下和向上爬坡容量；式(4)表示水电机组在任意的调度期间内耗水量不能超过水库的初始储水量和来水量之和；式(5)表示水库的储水量不得超过水库总容量和不得低于最小水库储水量，若水库储水量超过水库总容量将发生弃水；式(6)表示有调节水库水电厂耗水量转化为电能量的转换公式；式(7)表示水电厂单位调度周期发电功率调节速率的上下限约束，即爬坡约束。
优选地，构建电源端新能源机组在电力市场联合出清优化模型的约束数学模型过程中，不将风、光新能源机组发电出力作为调控的范围内，仅作为净负荷曲线的形成数据基础；净负荷曲线的计算公式如下：
Pt NL＝Pt L-Pt R (8)
式中：Pt NL为在第t个调度周期的净负荷；Pt L为第t个调度周期的总负荷；Pt R为第t个调度周期的总新能源发电出力，包括风电场总出力、光伏电站总出力、核电站总出力和无调节能力的径流水电站总出力。
优选地，构建网络端在电力现货市场出清优化过程中的约束数学模型包括：通过改变网络拓扑结构或者改变网络参数实现对潮流的控制。
优选地，改变网络参数实现对潮流的控制具体地：通过加装灵活交流输电系统装置和D-FACTS装置来实现对潮流的控制；等效数学模型如下：
Figure BDA0002561690500000031
Figure BDA0002561690500000032
式中：Xmn为节点m到节点n的原始线路电抗；X'mn为补偿后的线路电抗值；
Figure BDA0002561690500000033
为补偿电抗；cmn为补偿度；
网络侧决策变量为补偿电抗的安装位置emn和补偿度cmn，并满足以下约束：
emn∈{0,1}
Figure BDA0002561690500000034
式中，
Figure BDA0002561690500000035
和
Figure BDA0002561690500000036
为补偿度的上下限；emn为1表示在节点m到n的支路安装了补偿电抗；
补偿电抗单位容量与投资成本的关系：
Figure BDA0002561690500000037
Figure BDA0002561690500000041
Figure BDA0002561690500000042
Figure BDA0002561690500000043
式中：CX,mn为在节点m到n的支路增加补偿电抗Xmn的投资成本；a、b和c为补偿电抗的投资成本系数；QX,mn为补偿电抗的运行容量；VN为安装线路额定电压；Xmn,max为最大补偿电抗；Xmn,min为最小补偿电抗；
补偿电抗对市场出清目标函数的影响如下：
Figure BDA0002561690500000044
式中：Nn为网络的节点数；TX为补偿电抗的平均投运年数；emn为1表示在节点m到n的支路安装了补偿电抗；
Figure BDA0002561690500000045
为安装补偿电抗以后，总投资成本平均到每个出清时刻的平均费用。
优选地，构建负荷端在电力现货市场出清优化过程中的约束数学模型包括：
对于在合约生效周期内分解至每天的连续时段[ts,te]的可调控电量ΔPl CL和在集中竞价中申报的可调控电量ΔPl BL，调度运行时需满足以下约束：
Figure BDA0002561690500000046
Figure BDA0002561690500000047
Figure BDA0002561690500000048
式中：
Figure BDA0002561690500000049
为第l个被动响应用户在第t个调度周期的最小保障性用电；
Figure BDA00025616905000000410
为第l个被动响应用户在第t个调度周期不被调用时的正常负荷；
Figure BDA00025616905000000411
和
Figure BDA00025616905000000412
分别是在合约市场和集中竞价市场中被调用的负荷中断量；[ts,te]通常取一日的用电高峰和尖峰时段。
优选地，构建储能端在电力现货市场出清优化过程中的约束数学模型包括：
储能系统所考虑的约束如下：
Figure BDA0002561690500000051
Ek,min≤Ek,t≤Ek,max (21)
Figure BDA0002561690500000052
式中：Ek,t为第k个储能系统在第t个调度周期的储存能量；Ek,0为储能系统的初始存储能量；
Figure BDA0002561690500000053
为充放电功率，正值表示充电功率，负值表示放电功率；Δt为调度时间间隔；Ek,min和Ek,max分别为储能系统的最小和最大容量；
Figure BDA0002561690500000054
和
Figure BDA0002561690500000055
分别为储能系统的放电功率上限和充电功率上限。
优选地，假定负荷侧申报总量等于实际预测负荷总量，储能系统和需求侧响应用户采用发电厂报价结算机制，电力现货市场中，电源侧报量报价、负荷侧报量不报价的源网荷储协同的电力市场联合出清优化模型如下：
min F＝f1+f2+f3+f4
Figure BDA0002561690500000056
Figure BDA0002561690500000057
Figure BDA0002561690500000058
Figure BDA0002561690500000059
s.t.
Figure BDA0002561690500000061
-Lmnmax≤δmn,t/X'mn≤Lmnmax
Figure BDA0002561690500000062
Figure BDA0002561690500000063
式(1)～(22)
式中：f1、f2、f3和f4分别为源、网、荷和储参与电力现货市场出清增加的系统成本；TN为市场出清的周期总数；G、W、L和S分别为火电机组、水电厂、需求侧响应用户和储能系统的集合；
Figure BDA0002561690500000064
和
Figure BDA0002561690500000065
分别为第i个火电或可控水电机组在第t个调度周期的电能量报价、上行和下行备用服务报价；
Figure BDA0002561690500000066
和
Figure BDA0002561690500000067
分别第i个火电或可控水电机组在第t个调度周期的中标发电容量、上行备用容量和下行备用容量；
Figure BDA0002561690500000068
为补偿电抗总投资成本平均到每个出清时刻的平均费用；
Figure BDA0002561690500000069
为第l个被动需求侧响应用户在第t个调度周期的中断负荷报价；
Figure BDA00025616905000000610
为第l个被动需求侧响应用户中断负荷的合约协商价格；D为调度总周期的TN包含的天数；ts和te分别为中需求侧响应用户在合约市场中允许被中断负荷的时间段起点和终点时刻；
Figure BDA00025616905000000611
为第k个储能系统的调节服务报价；
Figure BDA00025616905000000612
为储能系统的中标的充放电容量；
Figure BDA00025616905000000613
和
Figure BDA00025616905000000614
分别为节点m在第t个调度周期的注入功率和净负荷；Nn和NL分别为网络的节点总数和支路总数；
Figure BDA00025616905000000615
为考虑补偿电抗影响的节点电纳矩阵第m行第n列的元素；δmn,t为节点m与节点n在第t个调度周期的相角差；
Figure BDA00025616905000000616
和
Figure BDA00025616905000000617
分别为节点m的电力用户在t时刻中标的合约负荷中断量和集中竞价负荷中断量；
Figure BDA00025616905000000618
为节点m的储能系统在t时刻中标的电功率；Lmnmax为节点m到节点n的支路潮流极限；X'mn为增加补偿电抗后节点m到节点n的支路电抗；Pimax和Pimin分别为机组i的最大和最小输出功率；Pi,t为机组i在t时刻的输出功率；
Figure BDA00025616905000000619
和
Figure BDA00025616905000000620
分别为中合约市场中和集中竞价市场中中标的负荷中断量；NS为储能系统总数；Ek,max和Ek,min分别为第k个储能的最大和最小存储能量；Ek,t为第k个储能在t时刻的储存能量；Pt RU和Pt RD分别上行和下行备用需求；
约束条件依次为：直流潮流的有功功率平衡约束(对任意节点均需满足)、支路潮流约束、上行备用容量约束、下行备用容量约束以及源网荷储四方的在电力市场联合出清优化模型中的运行约束条件。
优选地，S2中电力系统拓扑结构的节点包括省辖范围内省级及以上电力调度机构调管的以220kV及以上电压等级接入电网的发、输、变电设备，包括省外以点对网专线输电方式向省内送电的发电机组，以及准入参与电力现货市场交易的部分以110kV电压等级接入电网的发电机组。
本发明具有以下有益效果：
1、在电力市场环境下，将网络侧、负荷侧和储能侧纳入提供灵活性调节服务的主体，能够极大地提高电力系统的灵活调节能力。
2、充分考虑了源网荷储不同市场主体参与电力市场的形式以及在出清优化过程所体现的差异性，具有实际执行和落地应用的可能性。
3、提出了源网荷储协同互动的框架图，明确各方主体参与市场交易获利的途径，源网荷储均能够在市场竞价博弈中获取收益，并且提供的调节速率和容量越大，收益越高。实现激励相容的目的，促进源网荷储互动市场的蓬勃发展，提高电力系统的运行经济性和安全稳定性。
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为本发明一个实施例中电力市场环境下的源网荷储协同互动框架；
图2为本发明一个实施例中源网荷储协同互动的电力现货市场出清方法的流程图；
图3为本发明一个实施例中日负荷曲线和新能源发电商的日发电曲线；
图4为本发明一个实施例中电力系统网络拓扑图；
图5为本发明一个实施例中不同电源类型发电机组和储能系统的发电出力柱状图。
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地说明。
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。
实施例
源网荷储是指电源、电网、负荷与储能四部分。协同互动指源端各类型电源发电特性的互补融合、网络端的结构和参数控制、负荷端的主动和被动响应以及储能的优化控制实现资源的高效配置和互补优化。
参照图1、图2，本实施例提供一种源网荷储协同互动的电力现货市场出清方法，包括以下步骤：
S1：在市场交易申报过程中市场主体提交运行参数和竞价信息给电力调度机构和交易中心。
所述S1中市场交易申报指市场主体在集合竞价交易申报时间窗口内申报拟购买或出售的交易电量与价格，并且申报信息不公开；所述S1中市场主体指符合准入条件并完成准入注册的发电企业、售电公司、批发用户和辅助服务独立提供者等；所述S1中运行参数包括但不限于发电机组额定有功功率、最小稳定技术出力、有功功率调节速率、日内允许最大启停次数、最小开停机时间、典型开停机曲线等；所述S1中竞价信息包括但不限于出力区间的起点、终点和该区间报价。
在本应用案例中，运行参数及竞价信息如下表1～4所示：
表1火电机组参数
Figure BDA0002561690500000081
表2水电机组参数
Figure BDA0002561690500000082
表3储能系统参数
Figure BDA0002561690500000091
表4需求侧响应参数
Figure BDA0002561690500000092
S2：电力调度机构根据风、光和径流式水电等不可控新能源的预测发电出力、负荷预测、网络电气参数和电力系统拓扑结构等信息，确定市场出清的边界条件。
其中：负荷预测是指根据电网运行特性，综合自然条件、经济状况与社会事件等因素，对电力调度机构所辖电网未来特定时刻的负荷需求进行预测的行为。
网络电气参数指输电线路的阻抗和导纳、变压器的阻抗和导纳等。
电力系统拓扑结构的节点包括省辖范围内省级及以上电力调度机构调管的以220kV及以上电压等级接入电网的发、输、变电设备，包括省外以点对网专线输电方式向省内送电的发电机组，以及准入参与电力现货市场交易的部分以110kV电压等级接入电网的发电机组等。
在本应用实例中，风、光和径流式水电等不可控新能源的预测发电出力、负荷预测见图3。电力系统网络拓扑结构见图4，其中G1和G2为火电机组，H、S分别为水电机组和储能系统，DR为需求侧响应用户，L1、L2、L3和L4分别为节点1、2、3和4的负荷；网络电气参数如表5：
表5网络电气参数
支路编号 支路起始节点 支路终止节点 支路电抗(p.u.) 输电容量(MVA)
1 1 2 0.0504 250
2 1 3 0.0372 250
3 2 4 0.0372 250
4 3 4 0.0636 250
S3：构建源网荷储四方在电力市场联合出清优化模型中的约束数学模型。
源网荷储是指电源、电网、负荷与储能四部分。源网荷储在电力市场联合出清优化模型中的约束数学模型包括以下内容：
S301：构建电源端火、水电机组在电力市场联合出清优化模型中的约束数学模型。
其中，火电机组G1和G2的约束条件包括：
Figure BDA0002561690500000101
Figure BDA0002561690500000102
式中：
Figure BDA0002561690500000103
和
Figure BDA0002561690500000104
分别为第i个火电机组的最小、最大出力；
Figure BDA0002561690500000105
第i个火电机组在第t个调度周期内的出力；
Figure BDA0002561690500000106
和
Figure BDA0002561690500000107
分别为第i个火电机组的单位时间内的上、下爬坡率；式(1)为火电机组发电功率上下限约束。式(2)表示火电机组开机阶段的爬坡约束。
有调节水库水电厂可根据调度部分给定的耗水量安排处理。而无调节水库的径流式水电厂只能按实际来水流量发电，可近似看作不可控且具有随机性的新能源电厂发电。水电机组的投入和退出运行费用和用时都很少，因此最小开停机时间约束和开停机成本均可忽略。对于有调节水库水电厂，市场出清时考虑的约束包括水电机组技术出力上下限约束、爬坡速率约束和最大发电水库容量约束。
Figure BDA0002561690500000108
Figure BDA0002561690500000109
Figure BDA00025616905000001010
Figure BDA00025616905000001011
Figure BDA00025616905000001012
式中：Qj,τ为第j台水电机组在第τ个调度周期内的耗水量；
Figure BDA00025616905000001013
为第j台水电机组在第τ个调度周期的天然来水量；Qj,0为第j台水电机组在调度开始前的水库储水容量；Qj,max和Qj,min分别为第j台水电机组的最大和最小水库容量；ηj为第j台水电机组的水能电能转化效率，与水库的形状、水头高度等因素相关；
Figure BDA00025616905000001014
为第j台水电机组在第t个调度周期的最大发电功率，也是竞标的发电容量。
Figure BDA00025616905000001015
和
Figure BDA00025616905000001016
分别为第j台水电机组的单位时间向下和向上爬坡容量。式(4)表示水电机组在任意的调度期间内耗水量不能超过水库的初始储水量和来水量之和；式(5)表示水库的储水量不得超过水库总容量和不得低于最小水库储水量，若水库储水量超过水库总容量将发生弃水；式(6)表示有调节水库水电厂耗水量转化为电能量的转换公式；式(7)表示水电厂单位调度周期发电功率调节速率的上下限约束，即爬坡约束。
S302：构建电源端核电、风光等新能源机组在电力市场联合出清优化模型中的约束数学模型。
核能发电厂一次性投资大，运行费用小，在运行中不宜带剧烈变动的负荷。此外，反应堆和汽轮机退出运行和再度投入费用都很高，因此通常只用于带基荷运行，不进行非计划的启停机动作。市场环境下，核电厂不建议参与竞价。
可再生能源由于边际发电成本极低，且发电具有波动性和随机性等特点，直接参与市场会对电力市场的价格波动、福利分配和市场均衡造成影响。现阶段，电力市场暂不具备风、光可再生能源发电商参与竞价的成熟条件：在能源革命背景下，风电和光电通常具有优先发电的权利。考虑到风、光可再生能源不适应与参与电力市场竞争，本发明不将风、光新能源机组发电出力作为调控的范围内，仅作为净负荷曲线的形成数据基础。净负荷曲线的计算公式如下：
Pt NL＝Pt L-Pt R (8)
式中：Pt NL为在第t个调度周期的净负荷；Pt L为第t个调度周期的总负荷；Pt R为第t个调度周期的总新能源发电出力，包括风电场总出力、光伏电站总出力、核电站总出力和无调节能力的径流水电站总出力。
S303：构建网络端在电力市场联合出清优化模型中的约束数学模型。
在电网中，可通过改变网络拓扑结构或者网络参数实现对潮流的控制，从而提高系统鲁棒性和灵活性，实现源网荷储四方的互动。
1)改变网络拓扑结构：通过微网、智能配电网等技术和在输电线路设置中间开关站等基础设施对电力系统的运行接线方式进行改变，实现网络拓扑的优化，降低输电阻塞情况的发生，平衡电价的波动，提升网络的互动性。或是通过电网线路的投资建设，来改善潮流的分布，提高电网运行的安全裕度和承载能力。
2)改变网络参数：通过加装灵活交流输电系统(FACTS)装置和D-FACTS装置来实现对潮流的控制。等效数学模型如下：
Figure BDA0002561690500000111
Figure BDA0002561690500000112
式中：Xmn为节点m到节点n的原始线路电抗；X'mn为补偿后的线路电抗值；
Figure BDA0002561690500000121
为补偿电抗；cmn为补偿度。
在源网荷储协同调度中，网络侧决策变量为补偿电抗的安装位置emn和补偿度cmn，并满足以下约束：
emn∈{0,1}
Figure BDA0002561690500000122
式中，
Figure BDA0002561690500000123
和
Figure BDA0002561690500000124
为补偿度的上下限。补偿度cmn一般的取值为-0.2～0.8。emn为1表示在节点m到n的支路安装了补偿电抗。
补偿电抗单位容量与投资成本的关系：
Figure BDA0002561690500000125
Figure BDA0002561690500000126
Figure BDA0002561690500000127
Figure BDA0002561690500000128
式中：CX,mn为在节点m到n的支路增加补偿电抗Xmn的投资成本，单位为USD/kvar；a、b和c为补偿电抗的投资成本系数(a＝0.0015，b＝-0.713，c＝153.75)；QX,mn为补偿电抗的运行容量，单位为Mvar；VN为安装线路额定电压；Xmn,max为最大补偿电抗；Xmn,min为最小补偿电抗。
通常而言，投资的补偿电抗能够使用多年。市场环境下，投资成本必须分散至每个出清时刻才具有评估是否投入补偿电抗至输电线路的意义。因此补偿电抗对市场出清目标函数的影响如下：
Figure BDA0002561690500000129
式中：Nn为网络的节点数；TX为补偿电抗的平均投运年数；emn为1表示在节点m到n的支路安装了补偿电抗。；
Figure BDA00025616905000001210
为安装该补偿电抗以后，总投资成本平均到每个出清时刻的平均费用。
S304：构建负荷端在电力市场联合出清优化模型中的约束数学模型。
参与源网荷储协同机制的负荷侧主体包括主动需求侧响应用户和被动需求侧响应用户。主动需求侧响应指在用户接收到市场披露实时出清价格等信息后，自发的调整用电行为以减少自身进行生产活动的成本，包括可转移负荷、可平移负荷和可削减负荷。被动需求侧响应指具有负荷控制装置的市场主体通过市场竞价、签订合约等方式赋予电力公司或负荷聚合商直接削减一定负荷量的权利，包括直接负荷控制和可中断负荷等。
主动需求侧响应不直接接受调度控制中心的控制，在数学模型中通常将用电量的变化建模为以电价作为自变量的连续函数，或是将用户行为建模成以负荷转移量和转移时段作为决策变量、自身收益最大化和用户满意度组成目标函数的下层优化模型，与上层电力交易中心的福利最大化出清模型形成双层规划进行市场均衡的求解。由于主动需求侧响应的响应程度与用户心理和客观环境均息息相关，提供灵活性调节的随机性和主观性较大，因而通常不纳入优化出清的考虑范围。
被动需求侧响应由于可以直接接受调度控制中心的部分控制，因而属于源网荷储协同优化的范围。用户通过与电力公司签订合约或在辅助服务市场中集中竞价来获得转移负荷和切负荷产生的收益。对于在合约生效周期内分解至每天的连续时段[ts,te]的可调控电量ΔPl CL和在集中竞价中申报的可调控电量ΔPl BL，调度运行时需满足以下约束：
Figure BDA0002561690500000131
Figure BDA0002561690500000132
Figure BDA0002561690500000133
式中：
Figure BDA0002561690500000134
为第l个被动响应用户在第t个调度周期的最小保障性用电；
Figure BDA0002561690500000135
为第l个被动响应用户在第t个调度周期不被调用时的正常负荷；
Figure BDA0002561690500000136
和
Figure BDA0002561690500000137
分别是在合约市场和集中竞价市场中被调用的负荷中断量。[ts,te]通常取一日的用电高峰和尖峰时段。
S305：构建储能端在电力市场联合出清优化模型中的约束数学模型。
储能系统在电力市场的获利方式通常有两种，一是在电能量现货市场系统出清价格偏低时购入电量，而在出清价格偏高时卖出电量以赚取差价；二是在辅助服务市场中通过提供上行和下行备用等辅助服务来获得收益。当储能系统通过第一种方式盈利时，其行为类似于主动需求侧响应，因此不属于协同控制的范围，而在参与辅助服务市场时才赋予调控中心直接调度的权利。此外，由于系统出清价格通常与电能量稀缺程度成正相关，因而储能系统能够起到削峰填谷和提高系统稳定性的作用。储能系统所考虑的约束如下：
Figure BDA0002561690500000141
Ek,min≤Ek,t≤Ek,max (21)
Figure BDA0002561690500000142
式中：Ek,t为第k个储能系统在第t个调度周期的储存能量；Ek,0为储能系统的初始存储能量；
Figure BDA0002561690500000143
为充放电功率，正值表示充电功率，负值表示放电功率；Δt为调度时间间隔；Ek,min和Ek,max分别为储能系统的最小和最大容量；
Figure BDA0002561690500000144
和
Figure BDA0002561690500000145
分别为储能系统的放电功率上限和充电功率上限。
S4：构建源网荷储协同的电力市场联合出清优化模型。
在联合出清优化模型中，源端各类型电源发电特性的互补融合、网络端的结构和参数控制、负荷端的主动和被动响应以及储能的优化控制实现资源的高效配置和协同互动。源网荷储协同机制能够充分利用电源侧、网络侧、负荷侧和储能侧的互补特性，并通过价格信号的引导来充分挖掘四方的灵活调节能力。假定负荷侧申报总量等于实际预测负荷总量，储能系统和需求侧响应用户采用PAB(发电厂报价)结算机制，电力现货市场中，电源侧报量报价、负荷侧报量不报价的源网荷储协同的电力现货市场联合出清优化模型如下：
min F＝f1+f2+f3+f4
Figure BDA0002561690500000146
Figure BDA0002561690500000147
Figure BDA0002561690500000148
Figure BDA0002561690500000149
s.t.
Figure BDA0002561690500000151
-Lmnmax≤δmn,t/X'mn≤Lmnmax
Figure BDA0002561690500000152
Figure BDA0002561690500000153
式(1)～(22)
式中：f1、f2、f3和f4分别为源、网、荷和储参与电力现货市场出清增加的系统成本；TN为市场出清的周期总数；G、W、L和S分别为火电机组、水电厂、需求侧响应用户和储能系统的集合；
Figure BDA0002561690500000154
和
Figure BDA0002561690500000155
分别为第i个火电或可控水电机组在第t个调度周期的电能量报价、上行和下行备用服务报价；
Figure BDA0002561690500000156
和
Figure BDA0002561690500000157
分别第i个火电或可控水电机组在第t个调度周期的中标发电容量、上行备用容量和下行备用容量；
Figure BDA0002561690500000158
为补偿电抗总投资成本平均到每个出清时刻的平均费用；
Figure BDA0002561690500000159
为第l个被动需求侧响应用户在第t个调度周期的中断负荷报价；
Figure BDA00025616905000001510
为第l个被动需求侧响应用户中断负荷的合约协商价格；D为调度总周期的TN包含的天数；ts和te分别为中需求侧响应用户在合约市场中允许被中断负荷的时间段起点和终点时刻；
Figure BDA00025616905000001511
为第k个储能系统的调节服务报价；
Figure BDA00025616905000001512
为储能系统的中标的充放电容量；
Figure BDA00025616905000001513
和
Figure BDA00025616905000001514
分别为节点m在第t个调度周期的注入功率和净负荷；Nn和NL分别为网络的节点总数和支路总数；
Figure BDA00025616905000001515
为考虑补偿电抗影响的节点电纳矩阵第m行第n列的元素；δmn,t为节点m与节点n在第t个调度周期的相角差；
Figure BDA00025616905000001516
和
Figure BDA00025616905000001517
分别为节点m的电力用户在t时刻中标的合约负荷中断量和集中竞价负荷中断量；
Figure BDA00025616905000001518
为节点m的储能系统在t时刻中标的电功率；Lmnmax为节点m到节点n的支路潮流极限；X'mn为增加补偿电抗后节点m到节点n的支路电抗；Pimax和Pimin分别为机组i的最大和最小输出功率；Pi,t为机组i在t时刻的输出功率；
Figure BDA00025616905000001519
和
Figure BDA00025616905000001520
分别为中合约市场中和集中竞价市场中中标的负荷中断量；NS为储能系统总数；Ek,max和Ek,min分别为第k个储能的最大和最小存储能量；Ek,t为第k个储能在t时刻的储存能量；Pt RU和Pt RD分别上行和下行备用需求。
约束条件依次为：直流潮流的有功功率平衡约束(对任意节点均需满足)、支路潮流约束、上行备用容量约束、下行备用容量约束以及S3中的源网荷储四方的运行约束条件。
S5：求解和发布各市场主体的中标容量和实时电价。
求解源网荷储协同的电力市场联合出清优化模型，求解结果如表6、表7及图5所示：
表6不同协同机制的出清成本对比
组合类型 源网荷储 源 源荷 源储
出清成本(千元) 4661.5 4813.7 4705.9 4769.3
表7源网荷储协同的各节点实时电价(元/kWh)
时刻 节点1 节点2 节点3 节点4 时刻 节点1 节点2 节点3 节点4
1 0.4 0.4 0.4 0.4 13 0.5 0.5 0.5 0.5
2 0.4 0.4 0.4 0.4 14 0.5 0.5 0.5 0.5
3 0.4 0.4 0.4 0.4 15 0.3 0.5 0.5 0.5
4 0.4 0.4 0.4 0.4 16 0.3 0.5 0.5 0.5
5 0.4 0.4 0.4 0.4 17 0.3 0.5 0.5 0.5
6 0.4 0.4 0.4 0.4 18 0.3 0.5 0.5 0.5
7 0.4 0.4 0.4 0.4 19 0.3 0.5 0.5 0.5
8 0.4 0.4 0.4 0.4 20 0.3 0.5 0.5 0.5
9 0.4 0.4 0.4 0.4 21 0.3 0.5 0.5 0.5
10 0.5 0.5 0.5 0.5 22 0.5 0.5 0.5 0.5
11 0.5 0.5 0.5 0.5 23 0.5 0.5 0.5 0.5
12 0.5 0.5 0.5 0.5 24 0.4 0.4 0.4 0.4
可见，采用源网荷储的模型能够提高电力系统的运行经济性。
若对单位弃新能源发电量增加100元的惩罚电价，对新能源发电比例进行灵敏度分析，如表8所示，可见源网荷储协同的出清方法能够促进新能源的消纳，提高系统稳定性，降低成本。
表8新能源发电占比灵敏度分析
Figure BDA0002561690500000161
Figure BDA0002561690500000171
电力调度中心或电力交易中心出具运行日的市场交易出清结果，经电力交易机构、相关电力调度机构会签，按照有关程序通过技术支持系统发布。
上述实施例尽管已经示出和描述了本发明的实施方式，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
此外，为了提供示例性实施方案的简练描述，可以不描述实际实施方案的所有特征(即，与当前考虑的执行本发明的最佳模式不相关的那些特征，或于实现本发明不相关的那些特征)。
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 (10)

1.一种源网荷储协同互动的电力现货市场出清方法，其特征在于，包括以下步骤：
S1、在市场交易申报过程中市场主体提交运行参数和竞价信息给电力调度机构和交易中心；
S2、电力调度机构根据风、光和径流式水电等不可控新能源的预测发电出力、负荷预测、网络电气参数和电力系统拓扑结构等信息，确定市场出清的边界条件；
S3、构建源网荷储四方在电力市场联合出清优化模型中的约束数学模型；
S4、构建源网荷储协同的电力市场联合出清优化模型；
S5、求解和发布各市场主体的中标容量和实时电价。
2.根据权利要求1所述的电力现货市场出清方法，其特征在于，构建源网荷储四方在电力市场联合出清优化模型中的约束数学模型包括：
S301、构建电源端火电机组、水电机组在电力市场联合出清优化模型中的约束数学模型；
S302、构建电源端新能源机组在电力市场联合出清优化模型中的约束数学模型；
S303、构建网络端在电力市场联合出清优化模型中的约束数学模型；
S304、构建负荷端在电力市场联合出清优化模型中的约束数学模型；
S305、构建储能端在电力市场联合出清优化模型中的约束数学模型。
3.根据权利要求2所述的电力现货市场出清方法，其特征在于，构建电源端火电机组、水电机组在电力市场联合出清优化模型的约束数学模型包括：
火电机组的约束条件包括：
Figure FDA0002561690490000011
Figure FDA0002561690490000012
式中：
Figure FDA0002561690490000013
和
Figure FDA0002561690490000014
分别为第i个火电机组的最小、最大出力；
Figure FDA0002561690490000015
第i个火电机组在第t个调度周期内的出力；
Figure FDA0002561690490000016
和
Figure FDA0002561690490000017
分别为第i个火电机组的单位时间内的上、下爬坡率；式(1)为火电机组发电功率上下限约束；式(2)表示火电机组开机阶段的爬坡约束；
水电机组的约束条件包括：水电机组技术出力上下限约束、爬坡速率约束和最大发电水库容量约束：
Figure FDA0002561690490000018
Figure FDA0002561690490000019
Figure FDA0002561690490000021
Figure FDA0002561690490000022
Figure FDA0002561690490000023
式中：Qj,τ为第j台水电机组在第τ个调度周期内的耗水量；
Figure FDA0002561690490000024
为第j台水电机组在第τ个调度周期的天然来水量；Qj,0为第j台水电机组在调度开始前的水库储水容量；Qj,max和Qj,min分别为第j台水电机组的最大和最小水库容量；ηj为第j台水电机组的水能电能转化效率，与水库的形状、水头高度等因素相关；
Figure FDA0002561690490000025
为第j台水电机组在第t个调度周期的最大发电功率，也是竞标的发电容量；
Figure FDA0002561690490000026
和
Figure FDA0002561690490000027
分别为第j台水电机组的单位时间向下和向上爬坡容量；式(4)表示水电机组在任意的调度期间内耗水量不能超过水库的初始储水量和来水量之和；式(5)表示水库的储水量不得超过水库总容量和不得低于最小水库储水量，若水库储水量超过水库总容量将发生弃水；式(6)表示有调节水库水电厂耗水量转化为电能量的转换公式；式(7)表示水电厂单位调度周期发电功率调节速率的上下限约束，即爬坡约束。
4.根据权利要求3所述的电力现货市场出清方法，其特征在于，构建电源端新能源机组在电力市场联合出清优化模型的约束数学模型过程中，不将风、光新能源机组发电出力作为调控的范围内，仅作为净负荷曲线的形成数据基础；净负荷曲线的计算公式如下：
Pt NL＝Pt L-Pt R (8)
式中：Pt NL为在第t个调度周期的净负荷；Pt L为第t个调度周期的总负荷；Pt R为第t个调度周期的总新能源发电出力，包括风电场总出力、光伏电站总出力、核电站总出力和无调节能力的径流水电站总出力。
5.根据权利要求4所述的电力现货市场出清方法，其特征在于，构建网络端在电力现货市场出清优化过程中的约束数学模型包括：通过改变网络拓扑结构或者改变网络参数实现对潮流的控制。
6.根据权利要求5所述的电力现货市场出清方法，其特征在于，改变网络参数实现对潮流的控制具体地：通过加装灵活交流输电系统装置和D-FACTS装置来实现对潮流的控制；等效数学模型如下：
Figure FDA0002561690490000031
Figure FDA0002561690490000032
式中：Xmn为节点m到节点n的原始线路电抗；X'mn为补偿后的线路电抗值；
Figure FDA0002561690490000033
为补偿电抗；cmn为补偿度；
网络侧决策变量为补偿电抗的安装位置emn和补偿度cmn，并满足以下约束：
emn∈{0,1}
Figure FDA0002561690490000034
式中，
Figure FDA0002561690490000035
和
Figure FDA0002561690490000036
为补偿度的上下限；emn为1表示在节点m到n的支路安装了补偿电抗；
补偿电抗单位容量与投资成本的关系：
Figure FDA0002561690490000037
Figure FDA0002561690490000038
Figure FDA0002561690490000039
Figure FDA00025616904900000310
式中：CX,mn为在节点m到n的支路增加补偿电抗Xmn的投资成本；a、b和c为补偿电抗的投资成本系数；QX,mn为补偿电抗的运行容量；VN为安装线路额定电压；Xmn,max为最大补偿电抗；Xmn,min为最小补偿电抗；
补偿电抗对市场出清目标函数的影响如下：
Figure FDA00025616904900000311
式中：Nn为网络的节点数；TX为补偿电抗的平均投运年数；emn为1表示在节点m到n的支路安装了补偿电抗；
Figure FDA00025616904900000312
为安装补偿电抗以后，总投资成本平均到每个出清时刻的平均费用。
7.根据权利要求6所述的电力现货市场出清方法，其特征在于，构建负荷端在电力现货市场出清优化过程中的约束数学模型包括：
对于在合约生效周期内分解至每天的连续时段[ts,te]的可调控电量ΔPl CL和在集中竞价中申报的可调控电量ΔPl BL，调度运行时需满足以下约束：
Figure FDA0002561690490000041
Figure FDA0002561690490000042
Figure FDA0002561690490000043
式中：
Figure FDA0002561690490000044
为第l个被动响应用户在第t个调度周期的最小保障性用电；
Figure FDA0002561690490000045
为第l个被动响应用户在第t个调度周期不被调用时的正常负荷；
Figure FDA0002561690490000046
和
Figure FDA0002561690490000047
分别是在合约市场和集中竞价市场中被调用的负荷中断量；[ts,te]通常取一日的用电高峰和尖峰时段。
8.根据权利要求7所述的电力现货市场出清方法，其特征在于，构建储能端在电力现货市场出清优化过程中的约束数学模型包括：
储能系统所考虑的约束如下：
Figure FDA0002561690490000048
Ek,min≤Ek,t≤Ek,max (21)
Figure FDA0002561690490000049
式中：Ek,t为第k个储能系统在第t个调度周期的储存能量；Ek,0为储能系统的初始存储能量；
Figure FDA00025616904900000410
为充放电功率，正值表示充电功率，负值表示放电功率；Δt为调度时间间隔；Ek,min和Ek,max分别为储能系统的最小和最大容量；
Figure FDA00025616904900000411
和
Figure FDA00025616904900000412
分别为储能系统的放电功率上限和充电功率上限。
9.根据权利要求8所述的电力现货市场出清方法，其特征在于，假定负荷侧申报总量等于实际预测负荷总量，储能系统和需求侧响应用户采用发电厂报价结算机制，电力现货市场中，电源侧报量报价、负荷侧报量不报价的源网荷储协同的电力市场联合出清优化模型如下：
Figure FDA0002561690490000051
式中：f1、f2、f3和f4分别为源、网、荷和储参与电力现货市场出清增加的系统成本；TN为市场出清的周期总数；G、W、L和S分别为火电机组、水电厂、需求侧响应用户和储能系统的集合；
Figure FDA0002561690490000052
和
Figure FDA0002561690490000053
分别为第i个火电或可控水电机组在第t个调度周期的电能量报价、上行和下行备用服务报价；
Figure FDA0002561690490000054
和
Figure FDA0002561690490000055
分别第i个火电或可控水电机组在第t个调度周期的中标发电容量、上行备用容量和下行备用容量；
Figure FDA0002561690490000056
为补偿电抗总投资成本平均到每个出清时刻的平均费用；
Figure FDA0002561690490000057
为第l个被动需求侧响应用户在第t个调度周期的中断负荷报价；
Figure FDA0002561690490000058
为第l个被动需求侧响应用户中断负荷的合约协商价格；D为调度总周期的TN包含的天数；ts和te分别为中需求侧响应用户在合约市场中允许被中断负荷的时间段起点和终点时刻；
Figure FDA0002561690490000059
为第k个储能系统的调节服务报价；
Figure FDA00025616904900000510
为储能系统的中标的充放电容量；
Figure FDA00025616904900000511
和
Figure FDA00025616904900000512
分别为节点m在第t个调度周期的注入功率和净负荷；Nn和NL分别为网络的节点总数和支路总数；
Figure FDA0002561690490000061
为考虑补偿电抗影响的节点电纳矩阵第m行第n列的元素；δmn,t为节点m与节点n在第t个调度周期的相角差；
Figure FDA0002561690490000062
和
Figure FDA0002561690490000063
分别为节点m的电力用户在t时刻中标的合约负荷中断量和集中竞价负荷中断量；
Figure FDA0002561690490000064
为节点m的储能系统在t时刻中标的电功率；Lmnmax为节点m到节点n的支路潮流极限；X'mn为增加补偿电抗后节点m到节点n的支路电抗；Pimax和Pimin分别为机组i的最大和最小输出功率；Pi,t为机组i在t时刻的输出功率；
Figure FDA0002561690490000065
和
Figure FDA0002561690490000066
分别为中合约市场中和集中竞价市场中中标的负荷中断量；NS为储能系统总数；Ek,max和Ek,min分别为第k个储能的最大和最小存储能量；Ek,t为第k个储能在t时刻的储存能量；Pt RU和Pt RD分别上行和下行备用需求；
约束条件依次为：直流潮流的有功功率平衡约束(对任意节点均需满足)、支路潮流约束、上行备用容量约束、下行备用容量约束以及源网荷储四方的在电力市场联合出清优化模型中的运行约束条件。
10.根据权利要求1-9中任一项所述的电力现货市场出清方法，其特征在于，S2中电力系统拓扑结构的节点包括省辖范围内省级及以上电力调度机构调管的以220kV及以上电压等级接入电网的发、输、变电设备，包括省外以点对网专线输电方式向省内送电的发电机组，以及准入参与电力现货市场交易的部分以110kV电压等级接入电网的发电机组。
CN202010610595.8A 2020-06-30 2020-06-30 一种源网荷储协同互动的电力现货市场出清方法 Active CN111882111B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010610595.8A CN111882111B (zh) 2020-06-30 2020-06-30 一种源网荷储协同互动的电力现货市场出清方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010610595.8A CN111882111B (zh) 2020-06-30 2020-06-30 一种源网荷储协同互动的电力现货市场出清方法

Publications (2)

Publication Number Publication Date
CN111882111A true CN111882111A (zh) 2020-11-03
CN111882111B CN111882111B (zh) 2022-07-26

Family

ID=73157284

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010610595.8A Active CN111882111B (zh) 2020-06-30 2020-06-30 一种源网荷储协同互动的电力现货市场出清方法

Country Status (1)

Country Link
CN (1) CN111882111B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112561120A (zh) * 2020-11-10 2021-03-26 深圳供电局有限公司 一种基于微电网参考日前市场出清系统优化运行方法
CN112651850A (zh) * 2021-01-12 2021-04-13 国网宁夏电力有限公司 一种基于价格激励的源网荷储互动交易方法及系统
CN112950278A (zh) * 2021-03-16 2021-06-11 清华大学 配网侧用户间的电力交易激励方法及装置
CN113379512A (zh) * 2021-07-02 2021-09-10 广东电力信息科技有限公司 一种电力现货市场交易出清方法及系统
CN113610394A (zh) * 2021-08-06 2021-11-05 天津大学 一种基于区域互联的能源市场双边竞价出清方法
CN113690875A (zh) * 2021-07-27 2021-11-23 国网湖北省电力有限公司 一种微网实时互动等值模型建立方法
CN113971530A (zh) * 2021-10-29 2022-01-25 国网福建省电力有限公司福州供电公司 面向新型电力系统源网荷储协同的电力平衡方法
CN113988446A (zh) * 2021-11-04 2022-01-28 贵州电网有限责任公司 一种风光水协同的输配电系统分布式优化方法
CN114723495A (zh) * 2022-04-21 2022-07-08 国家电网有限公司西北分部 考虑发用资源备用能力的区域互联电网主辅联合出清方法
CN114861470A (zh) * 2022-07-04 2022-08-05 华中科技大学 一种实时电力市场出清模型的建立方法和装置
CN116667445A (zh) * 2023-07-27 2023-08-29 中国能源建设集团湖南省电力设计院有限公司 新能源电力系统抽蓄电站容量多时间尺度优化配置方法
CN117273242A (zh) * 2023-11-20 2023-12-22 华南理工大学 一种基于区块链的虚拟电厂管理系统及方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108988328A (zh) * 2018-07-31 2018-12-11 清华大学 一种电力系统发电侧资源配置优化方法
CN111027798A (zh) * 2019-10-23 2020-04-17 广东电力交易中心有限责任公司 一种转移型负荷参与现货能量市场的方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108988328A (zh) * 2018-07-31 2018-12-11 清华大学 一种电力系统发电侧资源配置优化方法
CN111027798A (zh) * 2019-10-23 2020-04-17 广东电力交易中心有限责任公司 一种转移型负荷参与现货能量市场的方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
徐韵 等: "电力市场环境下含"源–网–荷–储"互动的主动配电网有功/无功联合优化", 《电网技术》 *
江泽志等: "电力现货市场仿真系统的设计与实现", 《浙江电力》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112561120A (zh) * 2020-11-10 2021-03-26 深圳供电局有限公司 一种基于微电网参考日前市场出清系统优化运行方法
CN112651850A (zh) * 2021-01-12 2021-04-13 国网宁夏电力有限公司 一种基于价格激励的源网荷储互动交易方法及系统
CN112950278A (zh) * 2021-03-16 2021-06-11 清华大学 配网侧用户间的电力交易激励方法及装置
CN113379512A (zh) * 2021-07-02 2021-09-10 广东电力信息科技有限公司 一种电力现货市场交易出清方法及系统
CN113379512B (zh) * 2021-07-02 2023-12-12 广东电力信息科技有限公司 一种电力现货市场交易出清方法及系统
CN113690875B (zh) * 2021-07-27 2023-10-13 国网湖北省电力有限公司 一种微网实时互动等值模型建立方法
CN113690875A (zh) * 2021-07-27 2021-11-23 国网湖北省电力有限公司 一种微网实时互动等值模型建立方法
CN113610394A (zh) * 2021-08-06 2021-11-05 天津大学 一种基于区域互联的能源市场双边竞价出清方法
CN113610394B (zh) * 2021-08-06 2023-06-13 天津大学 一种基于区域互联的能源市场双边竞价出清方法
CN113971530A (zh) * 2021-10-29 2022-01-25 国网福建省电力有限公司福州供电公司 面向新型电力系统源网荷储协同的电力平衡方法
CN113988446A (zh) * 2021-11-04 2022-01-28 贵州电网有限责任公司 一种风光水协同的输配电系统分布式优化方法
CN114723495A (zh) * 2022-04-21 2022-07-08 国家电网有限公司西北分部 考虑发用资源备用能力的区域互联电网主辅联合出清方法
CN114861470A (zh) * 2022-07-04 2022-08-05 华中科技大学 一种实时电力市场出清模型的建立方法和装置
CN116667445A (zh) * 2023-07-27 2023-08-29 中国能源建设集团湖南省电力设计院有限公司 新能源电力系统抽蓄电站容量多时间尺度优化配置方法
CN116667445B (zh) * 2023-07-27 2023-11-17 中国能源建设集团湖南省电力设计院有限公司 新能源电力系统抽蓄电站容量多时间尺度优化配置方法
CN117273242A (zh) * 2023-11-20 2023-12-22 华南理工大学 一种基于区块链的虚拟电厂管理系统及方法
CN117273242B (zh) * 2023-11-20 2024-03-08 华南理工大学 一种基于区块链的虚拟电厂管理系统及方法

Also Published As

Publication number Publication date
CN111882111B (zh) 2022-07-26

Similar Documents

Publication Publication Date Title
CN111882111B (zh) 一种源网荷储协同互动的电力现货市场出清方法
CN113241757B (zh) 一种考虑柔性负荷与ess-sop的多时间尺度优化调度方法
CN115271467A (zh) 考虑电碳协同优化的虚拟电厂调度优化方法及应用
CN111769543B (zh) 一种含多微网的区域配电网自律协同运行优化方法
CN109376970B (zh) 适用于能源互联网的动态实时电价机制形成方法及系统
Peikherfeh et al. Optimal dispatch of distributed energy resources included in a virtual power plant for participating in a day-ahead market
Liu et al. Optimal dispatch strategy of virtual power plants using potential game theory
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
Zhang et al. Multi-level distributed demand response study for a multi-park integrated energy system
CN115423260A (zh) 一种电力市场及政策服务新能源利用的量化分析方法
Hu et al. A two-stage dispatching method for wind-hydropower-pumped storage integrated power systems
Zhang et al. Economic and Optimal Dispatch Model of Electricity, Heat and Gas for Virtual Power Plants in Parks Considering Low Carbon Targets.
CN117374974A (zh) 一种配电网调度方法、系统、介质及设备
Sun et al. Three-side coordinated dispatching method for intelligent distribution network considering dynamic capacity division of shared energy storage system
Wang et al. Multi-timescale risk scheduling for transmission and distribution networks for highly proportional distributed energy access
CN116090753A (zh) 一种市场环境下多主体博弈的多状态开关规划方法及装置
Yan et al. Optimal operation strategies of pumped storage hydropower plant considering the integrated AC grids and new energy utilization
CN114389315A (zh) 资源调度方法、装置及电子设备
CN114139362A (zh) 一种计及可再生能源渗透率的智能软开关优化配置方法
Zhang et al. Real-time active power dispatch for virtual power plant via a multi-agent leader-follower game approach
Qian et al. Low carbon optimization dispatching of energy intensive industrial park based on adaptive stepped demand response incentive mechanism
Chen et al. Research on distributed renewable energy transaction decision-making based on multi-agent bilevel cooperative reinforcement learning
Cheng et al. Distributed hierarchically optimal schedule of distribution network with multiple virtual power plant
Qi et al. Agent Simulation-Based Market Clearing Model for Reactive Auxiliary Services
Liu et al. Model selection and mechanism design for electricity markets in hydropower‐rich regions: Adaptation study

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