CN112116476B - 计及风电和碳交易机制的综合能源系统模拟方法 - Google Patents
计及风电和碳交易机制的综合能源系统模拟方法 Download PDFInfo
- Publication number
- CN112116476B CN112116476B CN202011008770.2A CN202011008770A CN112116476B CN 112116476 B CN112116476 B CN 112116476B CN 202011008770 A CN202011008770 A CN 202011008770A CN 112116476 B CN112116476 B CN 112116476B
- Authority
- CN
- China
- Prior art keywords
- power
- wind power
- carbon
- price
- wind
- 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
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 109
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 109
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000007246 mechanism Effects 0.000 title claims abstract description 44
- 238000004088 simulation Methods 0.000 title claims abstract description 33
- 239000002245 particle Substances 0.000 claims abstract description 28
- 238000005070 sampling Methods 0.000 claims abstract description 11
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 238000005485 electric heating Methods 0.000 claims abstract description 4
- 238000003064 k means clustering Methods 0.000 claims abstract description 4
- 238000010438 heat treatment Methods 0.000 claims description 25
- 230000008901 benefit Effects 0.000 claims description 9
- 238000013519 translation Methods 0.000 claims description 9
- 230000009194 climbing Effects 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008844 regulatory mechanism Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- Tourism & Hospitality (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Technology Law (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Probability & Statistics with Applications (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种计及风电和碳交易机制的综合能源系统模拟方法，所述方法包括：S1，获取系统内负荷数据、能源供应商机组参数、碳交易初始配额及碳价，其中负荷数据包括电热申报功率及申报价格；S2，通过碳交易初始配额及碳交易成本，确定碳交易模型；S3，通过拉丁超立方采样对风电预测功率进行采样，通过k‑means聚类法提取典型场景集，建立风电申报模型，并由市场出清模型目标函数及其约束条件组成双层规划问题；S4，采用cplex求解器与粒子群算法对双层规划问题进行迭代求解；S5，获取风电申报方式、碳交易结果及市场出清结果。根据本发明的方法充分考虑了碳交易机制和风电出力的不确定性对市场的影响，能够更准确的刻画市场的交易情况。
Description
技术领域
本发明涉及电力系统运行与分析技术领域，尤其是涉及一种计及风电和碳交易机制的综合能源系统模拟方法。
背景技术
市场机制设计方面，现有文献分析了新能源消纳所存在的问题，并从发电权交易、调峰机制、跨省区交易等方面进行了机制的设计，对促进新能源的消纳具有指导意义，然而针对综合能源系统中风电消纳问题的研究较少。
近些年来，综合能源系统技术逐步发展，有助于缓解能源安全问题，促进新能源的发展。目前，许多学者已对综合能源系统进行了建模仿真，来研究相关问题。现有文献对综合能源系统的运行机理、潮流计算及如何处理系统中不确定性因素方面进行了深入研究，考虑碳交易并且建立完整的市场报价与出清模型的较少，而研究市场机制对新能源消纳的促进作用的必须要考虑新能源供应商应对不同市场机制做出的不同决策。
因此，针对现有技术的缺陷，迫切需要提出一种新的消纳考虑碳交易和风电不确定性的日前市场机制。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明的一个目的在于提出一种计及风电和碳交易机制的综合能源系统模拟方法，所述方法充分考虑了碳交易机制和风电出力的不确定性对市场的影响，能够更准确的刻画市场的交易情况，且该方法中设计的风电申报模型，能够明显提高风电的消纳量。
本发明还提出了一种可执行上述计及风电和碳交易机制的综合能源系统模拟方法的非临时性可读存储介质。
根据本发明实施例的计及风电和碳交易机制的综合能源系统模拟方法，包括以下步骤：
S1，获取系统内负荷数据、能源供应商机组参数、碳交易初始配额及碳价，其中负荷数据包括电热申报功率及申报价格；
S2，通过碳交易初始配额及碳交易成本，确定碳交易模型；
S3，通过拉丁超立方采样对风电预测功率进行采样，通过k-means聚类法提取典型场景集，建立风电申报模型，并由市场出清模型目标函数及其约束条件组成双层规划问题；
S4，采用cplex求解器与粒子群算法对双层规划问题进行迭代求解；
S5，获取风电申报方式、碳交易结果及市场出清结果。
根据本发明的计及风电和碳交易机制的综合能源系统模拟方法，充分考虑了碳交易机制和风电出力的不确定性对市场的影响，能够更准确的刻画市场的交易情况，且该方法中设计的风电申报模型，能够明显提高风电的消纳量。
根据本发明一个实施例的计及风电和碳交易机制的综合能源系统模拟方法，步骤S2包括：
S201，通过基准线法的免费分配方式对碳排放的初始配额进行分配，其中对于含风电场的综合能源系统，各参与者在t时刻分配到的碳排放权配额为：
式中：为供应商i在t时刻碳排放分配额度；/>为系统在t时刻总负荷预测值；为供应商i的分配比例系数；/>为区域单位功率排放配额；
S202，碳交易成本的核定，其中碳交易的成本满足如下条件：
式中，为供应商i的碳交易成本，数值为负时表示可通过出售碳排放权获得利润，利润为/>；/>为碳市场的交易价格；/>为超额排放的惩罚价格；/>为t时刻的碳排放量；/>为/>时刻购买的碳排放权的额度；取/>，其中，/>为碳排放权购买的裕度；为超排量。
根据本发明一个实施例的计及风电和碳交易机制的综合能源系统模拟方法，步骤S3包括：
S301，核准风电出力不确定性模型，其中受风电的实际出力可表示为风电预测出力和风电预测误差的叠加：
式中：表示风电机组出力的实际值，/>表示风电机组出力的预测值，/>表示段风电出力的预测误差；
S302，确立风电申报目标函数，其中风电站收益的期望值最大为目标函数，具体可表示为：
式中：96表示风电站运营商向ISO申报次日96个时间段，Y表示风电场的利润，表示风电场的成交功率，/>表示出清电价，/>表示场景s发生的概率，/>表示场景s下风电场在时段t的欠发功率，/>为欠发惩罚价格；
S303，确立风电申报模型约束条件，其中风电场的申报要符合的约束条件为：
式中：风电场表示t时段申报的功率，/>表示申报功率的上限值，CWP表示申报价格，/>表示申报价格的上限值；
S304，核定市场出清等式约束条件；
S305，核定出清模型不等式约束条件，其中不等式约束条件包括：能源供应、外送功率、需求响应市场和用户侧效益，能源供应的运行约束包括：热电联产机组、供热锅炉、风电机组和电力供应商；
S306，确定出清模型目标函数，其中日前市场出清模型的目标函数为：
式中：表示第i个电力用户的报价，/>表示第j个热力用户的报价，/>表示t时刻外部电网负荷的报价，/>表示电力供应商1的申报价格。
根据本发明一个实施例的计及风电和碳交易机制的综合能源系统模拟方法，步骤S304包括：
S3041，可平移负荷总量确认，其中可平移负荷平移前后的总量应保持不变，即：
式中：为迁移到t时刻的可以平移负荷，/>为原先在t时刻的可平移负荷；
S3042，确定每个时段电能流与热能流的供需关系，其中每个时段电能流与热能流均需保持供需平衡，可表示为：
式中：为t时段电力供应商1的中标功率，/>为t时段的外送功率，/>为t时段第i个电力负荷的中标功率，m表示电力负荷的数量，/>为t时段第j个热力负荷的中标功率，n为热力负荷的数量；
S3043，热电联产机组与供热机组的成本核定，其中计及碳交易成本后，热电联产机组与供热机组的成本为基础成本与碳交易成本之和，可表示为：
式中：与/>分别为t时刻热电联产机组与供热锅炉的运行成本，也即报价，与/>分别为t时刻热电联产机组与供热锅炉的碳交易成本。
根据本发明一个实施例的计及风电和碳交易机制的综合能源系统模拟方法，步骤S305包括：
S3051，确定热电联产机组的不等式约束条件，其中热电联产机组的不等式约束为：
式中：表示热电联产机组的最大项下爬坡功率，/>表示最大向上爬坡功率；
S3052，确定供热锅炉交易热量的不等式约束条件，其中供热锅炉交易热量的不等式约束为：
式中：为供热锅炉最大的供热功率，/>为供热锅炉最大向下爬坡功率，/>为供热锅炉最大的向上爬坡功率；
S3053，确定风电与电力供应商的成交功率的不等式约束条件，其中风电与电力供应商的成交功率的不等式约束为：
式中：表示电力供应商1和在时间段t的申报功率；
S3054，确定综合能源系统与外部电网存在能量交换的约束条件，其中综合能源系统与外部电网存在能量交换的约束为：，式中：/>为电力输送通道的功率输送上限；
S3055，确定平移负荷的约束条件，其中平移负荷的约束为：
式中：和/>分别为可平移负荷的上调和下调极限；
S3056，确定成交的电量和热量的约束条件，其中成交的电量和热量的约束为：
式中：表示第i个电力用户在时段t的申报电功率，/>表示第j个热力用户在时段t的申报热功率。
根据本发明一个实施例的计及风电和碳交易机制的综合能源系统模拟方法，市场出清的价格可表示为成交的用户中能源供应商申报价格的最高价和用户申报的最低价的均值，即：
式中：为电力出清价格，/>为热出清价格。
根据本发明一个实施例的计及风电和碳交易机制的综合能源系统模拟方法，步骤S4包括：
S401，对双层规划问题模型的上层模型采用Yalmip和Cplex求解包进行求解；
S402，对双层规划问题模型的下层模型采用粒子群算法进行求解。
根据本发明一个实施例的计及风电和碳交易机制的综合能源系统模拟方法，粒子群算法中每个粒子由风电发电商的策略取值构成，每个粒子i的位置参数为，速度参数为/>，适应度/>为风电场的利润，n为粒子进化的代数，进化过程中，每个粒子的局部最优解为/>，全局最优解为/>，粒子i的速度和位置更新公式如下：
式中：为速度权重因子，/>和/>为正常数，/>为最大进化代数，/>和/>为粒子位置的上下限值。
根据本发明的第二方面的非临时性可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时，实现本发明第一方面的计及风电和碳交易机制的综合能源系统模拟方法。所述非临时性可读存储介质与上述的计及风电和碳交易机制的综合能源系统模拟方法相对于现有技术所具有的优势相同，在此不再赘述。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是根据本发明实施例的计及风电和碳交易机制的综合能源系统模拟方法的流程图；
图2是根据本发明实施例的步骤S2的流程图；
图3是根据本发明实施例的步骤S3的流程图；
图4是根据本发明实施例的核定市场出清等式约束条件的流程图；
图5是根据本发明实施例的核定出清模型不等式约束条件的流程图；
图6是根据本发明实施例的步骤S4的流程图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”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。
下面参考图1-图6描述根据本发明实施例的计及风电和碳交易机制的综合能源系统模拟方法。如图1所示，根据本发明实施例的计及风电和碳交易机制的综合能源系统模拟方法，包括以下步骤：
S1，获取系统内负荷数据、能源供应商机组参数、碳交易初始配额及碳价，其中负荷数据包括电热申报功率及申报价格；
S2，通过碳交易初始配额及碳交易成本，确定碳交易模型；
S3，通过拉丁超立方采样对风电预测功率进行采样，通过k-means聚类法提取典型场景集，建立风电申报模型，并由市场出清模型目标函数及其约束条件组成双层规划问题；
S4，采用cplex求解器与粒子群算法对双层规划问题进行迭代求解；进一步地，发电商申报模型综合了市场出清的结果，是一个双层规划模型，具体地，双层规划模型包括上层的市场出清模型和下层的大规模、高维数、非线性模型。
S5，获取风电申报方式、碳交易结果及市场出清结果，具体地，引入了碳交易，碳排放量较大的机组需要额外购买碳排放权，导致成本的增加，风电等新能源便可发挥其清洁的特点，在市场中优先得到出清。
根据本发明的计及风电和碳交易机制的综合能源系统模拟方法，充分考虑了碳交易机制和风电出力的不确定性对市场的影响，能够更准确的刻画市场的交易情况，且该方法中设计的风电申报模型，能够明显提高风电的消纳量。
根据本发明一个实施例的计及风电和碳交易机制的综合能源系统模拟方法，如图2所示，步骤S2包括：
S201，通过基准线法的免费分配方式对碳排放的初始配额进行分配，其中对于含风电场的综合能源系统，各参与者在t时刻分配到的碳排放权配额为：
式中：为供应商i在t时刻碳排放分配额度；/>为系统在t时刻总负荷预测值；为供应商i的分配比例系数；/>为区域单位功率排放配额；
S202，碳交易成本的核定，其中碳交易的成本满足如下条件：
式中，为供应商i的碳交易成本，数值为负时表示可通过出售碳排放权获得利润，利润为/>；/>为碳市场的交易价格；/>为超额排放的惩罚价格；/>为t时刻的碳排放量；/>为/>时刻购买的碳排放权的额度；取/>，其中，/>为碳排放权购买的裕度；为超排量。
根据本发明一个实施例的计及风电和碳交易机制的综合能源系统模拟方法，如图3所示，如图3所示，步骤S3包括：
S301，核准风电出力不确定性模型，需要说明的是，风电具有较大的不确定性，对其出力预测精度有限，其中受风电的实际出力可表示为风电预测出力和风电预测误差的叠加：
式中：表示风电机组出力的实际值，/>表示风电机组出力的预测值，/>表示段风电出力的预测误差；进一步地，/>近似服从期望为0，方差为/>的正态分布，标准差由下式计算：
，
式中：为风电场装机容量。
进一步地，针对风电的不确定性，采用场景集法进行处理。具体地，场景集法根据具有不确定性的因素的概率分布，采用随机采样技术生成初始场景集，将连续变量离散化，但生成的场景数量庞大，不利于计算，因此再应用场景削减技术对初始场景集进行处理，生成元素较少但具有广泛代表性的最终场景集。
进一步地，对于风电场景集，每一种场景都是对实际运行时可能出现的情况的描述。进一步地，采用拉丁超立方法生成风电出力的场景集，可分为两步：第一，采样，即对预测误差进行采样；第二，排列，即改变预测误差采样值的排列顺序，使采样值的相关性趋于最小。
S302，确立风电申报目标函数，具体地，在日前市场，风电站运营商向ISO申报次日96个时间段的功率及电价，ISO反馈给风电站成交功率及出清价格，进一步地，风电站的收益可表示为日前市场的收益减欠发惩罚，其中风电站收益的期望值最大为目标函数，具体可表示为：
式中：96表示风电站运营商向ISO申报次日96个时间段，Y表示风电场的利润，表示风电场的成交功率，/>表示出清电价，/>表示场景s发生的概率，/>表示场景s下风电场在时段t的欠发功率，/>为欠发惩罚价格；
S303，确立风电申报模型约束条件，其中风电场的申报要符合的约束条件为：
式中：风电场表示t时段申报的功率，/>表示申报功率的上限值，CWP表示申报价格，/>表示申报价格的上限值；
S304，核定市场出清等式约束条件；
S305，核定出清模型不等式约束条件，其中不等式约束条件包括：能源供应、外送功率、需求响应市场和用户侧效益，能源供应的运行约束包括：热电联产机组、供热锅炉、风电机组和电力供应商；
S306，确定出清模型目标函数，具体地，在确定了能源供应商、外部电网、需求响应市场、用户侧提交报价与报量后，综合能源系统运营商按照社会福利最大化的原则进行市场出清，从而确定各主体的成交电量、热量。进一步地，在一个具体的实施例中，以社会福利最大化为目标函数，则日前市场出清模型的目标函数为：
式中：表示第i个电力用户的报价，/>表示第j个热力用户的报价，/>表示t时刻外部电网负荷的报价，/>表示电力供应商1的申报价格。
根据本发明一个实施例的计及风电和碳交易机制的综合能源系统模拟方法，如图4所示，步骤S304包括：
S3041，可平移负荷总量确认，其中可平移负荷平移前后的总量应保持不变，即：
式中：为迁移到t时刻的可以平移负荷，/>为原先在t时刻的可平移负荷；
S3042，确定每个时段电能流与热能流的供需关系，其中每个时段电能流与热能流均需保持供需平衡，可表示为：
式中：为t时段电力供应商1的中标功率，/>为t时段的外送功率，/>为t时段第i个电力负荷的中标功率，m表示电力负荷的数量，/>为t时段第j个热力负荷的中标功率，n为热力负荷的数量；
S3043，热电联产机组与供热机组的成本核定，其中计及碳交易成本后，热电联产机组与供热机组的成本为基础成本与碳交易成本之和，可表示为：
式中：与/>分别为t时刻热电联产机组与供热锅炉的运行成本，也即报价，与/>分别为t时刻热电联产机组与供热锅炉的碳交易成本。
根据本发明一个实施例的计及风电和碳交易机制的综合能源系统模拟方法，如图5所示，步骤S305包括：
S3051，确定热电联产机组的不等式约束条件，其中热电联产机组的不等式约束为：
式中：表示热电联产机组的最大项下爬坡功率，/>表示最大向上爬坡功率；
S3052，确定供热锅炉交易热量的不等式约束条件，其中供热锅炉交易热量的不等式约束为：
式中：为供热锅炉最大的供热功率，/>为供热锅炉最大向下爬坡功率，/>为供热锅炉最大的向上爬坡功率；
S3053，确定风电与电力供应商的成交功率的不等式约束条件，其中风电与电力供应商的成交功率的不等式约束为：
式中：表示电力供应商1和在时间段t的申报功率；
S3054，确定综合能源系统与外部电网存在能量交换的约束条件，其中综合能源系统与外部电网存在能量交换的约束为：，式中：/>为电力输送通道的功率输送上限；
S3055，确定平移负荷的约束条件，其中平移负荷的约束为：
式中：和/>分别为可平移负荷的上调和下调极限；
S3056，确定成交的电量和热量的约束条件，其中成交的电量和热量的约束为：
式中：表示第i个电力用户在时段t的申报电功率，/>表示第j个热力用户在时段t的申报热功率。
根据本发明一个实施例的计及风电和碳交易机制的综合能源系统模拟方法，市场出清的价格可表示为成交的用户中能源供应商申报价格的最高价和用户申报的最低价的均值，即：
式中：为电力出清价格，/>为热出清价格。
根据本发明一个实施例的计及风电和碳交易机制的综合能源系统模拟方法，如图6所示，步骤S4包括：
S401，对双层规划问题模型的上层模型采用Yalmip和Cplex求解包进行求解；
S402，对双层规划问题模型的下层模型采用粒子群算法进行求解。
根据本发明一个实施例的计及风电和碳交易机制的综合能源系统模拟方法，粒子群算法中每个粒子由风电发电商的策略取值构成，每个粒子i的位置参数为，速度参数为/>，适应度/>为风电场的利润，n为粒子进化的代数，进化过程中，每个粒子的局部最优解为/>，全局最优解为/>，粒子i的速度和位置更新公式如下：
式中：为速度权重因子，/>和/>为正常数，/>为最大进化代数，/>和/>为粒子位置的上下限值。进一步地，在一个具体的实施例中，/>取值0.8，/>和/>取值2。
综上所述，根据本发明的计及风电和碳交易机制的综合能源系统模拟方法，充分考虑了碳交易机制和风电出力的不确定性对市场的影响，能够更准确的刻画市场的交易情况，且该方法中设计的风电申报模型，能够明显提高风电的消纳量。
本发明还提供了一种非临时性可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时，实现本发明第一方面的计及风电和碳交易机制的综合能源系统模拟方法，从而具有刻画市场的交易情况更准确、风电的消纳量更高等优点。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨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，本发明的范围由权利要求及其等同物限定。
Claims (4)
1.一种计及风电和碳交易机制的综合能源系统模拟方法，其特征在于，包括以下步骤：
S1，获取系统内负荷数据、能源供应商机组参数、碳交易初始配额及碳价，其中负荷数据包括电热申报功率及申报价格；
S2，通过碳交易初始配额及碳交易成本，确定碳交易模型；
S3，通过拉丁超立方采样对风电预测功率进行采样，通过k-means聚类法提取典型场景集，建立风电申报模型，并由市场出清模型目标函数及其约束条件组成双层规划问题；
S4，采用cplex求解器与粒子群算法对双层规划问题进行迭代求解；
S5，获取风电申报方式、碳交易结果及市场出清结果；
步骤S2包括：
S201，通过基准线法的免费分配方式对碳排放的初始配额进行分配，其中对于含风电场的综合能源系统，各参与者在t时刻分配到的碳排放权配额为：
式中：为供应商i在t时刻碳排放分配额度，Ps,t为系统在t时刻总负荷预测值，ηi为供应商i的分配比例系数，ηs为区域单位功率排放配额；
S202，碳交易成本的核定，其中碳交易的成本满足如下条件：
式中，为供应商i的碳交易成本，数值为负时表示可通过出售碳排放权获得利润，利润为/>Bco2为碳市场的交易价格，/>为超额排放的惩罚价格，/>为t时刻的碳排放量，为t时刻购买的碳排放权的额度，取/>其中，μ为碳排放权购买的裕度，/>为超排量；
步骤S3包括：
S301，核准风电出力不确定性模型，其中受风电的实际出力可表示为风电预测出力和风电预测误差的叠加：
式中：Pw,t表示风电机组出力的实际值，表示风电机组出力的预测值，ξw,t表示段风电出力的预测误差；
S302，确立风电申报目标函数，其中风电站收益的期望值最大为目标函数，具体可表示为：
式中：96表示风电站运营商向ISO申报次日96个时间段，Y表示风电场的利润，pw,t表示风电场的成交功率，Cpower,t表示出清电价，πs表示场景s发生的概率，psw,t表示场景s下风电场在时段t的欠发功率，Cpuni为欠发惩罚价格；
S303，确立风电申报模型约束条件，其中风电场的申报要符合的约束条件为：
0≤Cwp≤Cmax
式中：风电场表示t时段申报的功率，Pmax表示申报功率的上限值，CWP表示申报价格，Cmax表示申报价格的上限值；
S304，核定市场出清等式约束条件；
S305，核定出清模型不等式约束条件，其中不等式约束条件包括：能源供应、外送功率、需求响应市场和用户侧效益，能源供应的运行约束包括：热电联产机组、供热锅炉、风电机组和电力供应商；
S306，确定出清模型目标函数，其中日前市场出清模型的目标函数为：
式中：Cpi表示第i个电力用户的报价，Cqj表示第j个热力用户的报价，Clink,t表示t时刻外部电网负荷的报价，Ce1表示电力供应商1的申报价格；
步骤S304包括：
S3041，可平移负荷总量确认，其中可平移负荷平移前后的总量应保持不变，即：
式中：pup,t为迁移到t时刻的可以平移负荷，pdown,t为原先在t时刻的可平移负荷；
S3042，确定每个时段电能流与热能流的供需关系，其中每个时段电能流与热能流均需保持供需平衡，可表示为：
式中：pe1,t为t时段电力供应商1的中标功率，plink,t为t时段的外送功率，pi,t为t时段第i个电力负荷的中标功率，m表示电力负荷的数量，qj,t为t时段第j个热力负荷的中标功率，n为热力负荷的数量；
S3043，热电联产机组与供热机组的成本核定，其中计及碳交易成本后，热电联产机组与供热机组的成本为基础成本与碳交易成本之和，可表示为：
式中：与/>分别为t时刻热电联产机组与供热锅炉的运行成本，也即报价，/>与分别为t时刻热电联产机组与供热锅炉的碳交易成本；
步骤S305包括：
S3051，确定热电联产机组的不等式约束条件，其中热电联产机组的不等式约束为：
-Dchp≤pchp,t+1-pchp,t≤Uchp
式中：Dchp表示热电联产机组的最大项下爬坡功率，Uchp表示最大向上爬坡功率；
S3052，确定供热锅炉交易热量的不等式约束条件，其中供热锅炉交易热量的不等式约束为：
-Db≤qb,t+1-qb,t≤Ub
0≤qb,t≤Hbmax
式中：Hbmax为供热锅炉最大的供热功率，Db为供热锅炉最大向下爬坡功率，Ub为供热锅炉最大的向上爬坡功率；
S3053，确定风电与电力供应商的成交功率的不等式约束条件，其中风电与电力供应商的成交功率的不等式约束为：
式中：表示电力供应商1和在时间段t的申报功率；
S3054，确定综合能源系统与外部电网存在能量交换的约束条件，其中综合能源系统与外部电网存在能量交换的约束为：0≤plink,t≤plinkmax，式中：plinkmax为电力输送通道的功率输送上限；
S3055，确定平移负荷的约束条件，其中平移负荷的约束为：
0≤pup,t≤pupmax
0≤pdown,t≤pdownmax
式中：pupmax和pdownmax分别为可平移负荷的上调和下调极限；
S3056，确定成交的电量和热量的约束条件，其中成交的电量和热量的约束为：
式中：表示第i个电力用户在时段t的申报电功率，/>表示第j个热力用户在时段t的申报热功率；
市场出清的价格可表示为成交的用户中能源供应商申报价格的最高价和用户申报的最低价的均值，即：
Cpower,t＝0.5max(Cchp,t,Cwp,Ce1,Cdown)+0.5min(Cpi,Cup,Clink,t)
Cheat,t＝0.5max(Cchp,t,Cb,t)+0.5min(Cqj)
式中：Cpower,t为电力出清价格，Cheat,t为热出清价格。
2.根据权利要求1的计及风电和碳交易机制的综合能源系统模拟方法，其特征在于，步骤S4包括：
S401，对双层规划问题模型的上层模型采用Yalmip和Cplex求解包进行求解；
S402，对双层规划问题模型的下层模型采用粒子群算法进行求解。
3.根据权利要求2的计及风电和碳交易机制的综合能源系统模拟方法，其特征在于，粒子群算法中每个粒子由风电发电商的策略取值构成，每个粒子i的位置参数为速度参数为/>适应度/>为风电场的利润，n为粒子进化的代数，进化过程中，每个粒子的局部最优解为/>全局最优解为/>粒子i的速度和位置更新公式如下：
式中：ω1为速度权重因子，c1和c2为正常数，nmax为最大进化代数，Xmax和Xmin为粒子位置的上下限值。
4.一种非临时性可读存储介质，其上存储有计算机程序，其特征在于，计算机程序被处理器执行时实现根据权利要求1-3中任一项的计及风电和碳交易机制的综合能源系统模拟方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011008770.2A CN112116476B (zh) | 2020-09-23 | 2020-09-23 | 计及风电和碳交易机制的综合能源系统模拟方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011008770.2A CN112116476B (zh) | 2020-09-23 | 2020-09-23 | 计及风电和碳交易机制的综合能源系统模拟方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112116476A CN112116476A (zh) | 2020-12-22 |
| CN112116476B true CN112116476B (zh) | 2024-03-01 |
Family
ID=73800213
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011008770.2A Active CN112116476B (zh) | 2020-09-23 | 2020-09-23 | 计及风电和碳交易机制的综合能源系统模拟方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112116476B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112883557B (zh) * | 2021-01-27 | 2022-10-14 | 河海大学 | 一种基于推测变差模型的低碳综合能源市场仿真方法 |
| CN113034309A (zh) * | 2021-03-11 | 2021-06-25 | 浙江大学 | 一种区域能源供应商的能源产品交易策略确定方法及装置 |
| CN112966873B (zh) * | 2021-03-18 | 2023-01-24 | 南方电网科学研究院有限责任公司 | 工业园区综合能源系统优化运行方法、装置、存储介质 |
| CN113408924B (zh) * | 2021-06-30 | 2024-02-02 | 中国农业大学 | 基于统计机器学习的园区综合能源系统的规划方法 |
| CN113505983A (zh) * | 2021-07-07 | 2021-10-15 | 广东电网有限责任公司 | 一种能源产业链监测预警系统 |
| CN113592365B (zh) * | 2021-08-30 | 2022-08-05 | 中国科学院重庆绿色智能技术研究院 | 一种考虑碳排放与绿电消纳的能源优化调度方法及系统 |
| CN113822707B (zh) * | 2021-09-10 | 2024-04-30 | 国网冀北电力有限公司电力科学研究院 | 电力市场的出力决策方法、装置、计算机设备及存储介质 |
| CN114219170B (zh) * | 2021-12-23 | 2024-07-02 | 国网江苏省电力有限公司经济技术研究院 | 一种考虑可再生能源不确定性的电力系统电源规划方法 |
| CN115423508B (zh) * | 2022-08-29 | 2023-07-18 | 大连川禾绿能科技有限公司 | 一种梯级水电在不确定性碳-电耦合市场中策略竞价方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108549958A (zh) * | 2018-04-11 | 2018-09-18 | 国网经济技术研究院有限公司 | 考虑风电接入的基于序数效用论的日前低碳调度决策方法 |
| CN109727158A (zh) * | 2019-01-25 | 2019-05-07 | 燕山大学 | 一种基于改进弱鲁棒优化的电热综合能源系统调度方法 |
| CN109978601A (zh) * | 2019-02-25 | 2019-07-05 | 广东电力交易中心有限责任公司 | 一种评估碳排放配额初始分配影响中长期电力市场的方法 |
| CN110310173A (zh) * | 2019-06-11 | 2019-10-08 | 上海电力学院 | 一种可再生能源参与中长期电力交易的电量分配方法 |
-
2020
- 2020-09-23 CN CN202011008770.2A patent/CN112116476B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108549958A (zh) * | 2018-04-11 | 2018-09-18 | 国网经济技术研究院有限公司 | 考虑风电接入的基于序数效用论的日前低碳调度决策方法 |
| CN109727158A (zh) * | 2019-01-25 | 2019-05-07 | 燕山大学 | 一种基于改进弱鲁棒优化的电热综合能源系统调度方法 |
| CN109978601A (zh) * | 2019-02-25 | 2019-07-05 | 广东电力交易中心有限责任公司 | 一种评估碳排放配额初始分配影响中长期电力市场的方法 |
| CN110310173A (zh) * | 2019-06-11 | 2019-10-08 | 上海电力学院 | 一种可再生能源参与中长期电力交易的电量分配方法 |
Non-Patent Citations (2)
| Title |
|---|
| 促进新能源消纳的综合能源系统日前市场出清优化;周琳等;中国电力;全文 * |
| 捆绑合作模式下计及综合能源服务商新型项目的低碳调度;宋阳等;电力建设;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112116476A (zh) | 2020-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112116476B (zh) | 计及风电和碳交易机制的综合能源系统模拟方法 | |
| Zhang et al. | An optimal dispatch model for virtual power plant that incorporates carbon trading and green certificate trading | |
| Jianwei et al. | Configuration optimization and benefit allocation model of multi-park integrated energy systems considering electric vehicle charging station to assist services of shared energy storage power station | |
| CN106355477A (zh) | 一种地区电力市场交易控制方法及系统 | |
| Lei et al. | Bridging electricity market and carbon emission market through electric vehicles: Optimal bidding strategy for distribution system operators to explore economic feasibility in China's low-carbon transitions | |
| He et al. | Bi-level optimization based two-stage market clearing model considering guaranteed accommodation of renewable energy generation | |
| CN111695943A (zh) | 一种计及浮动高峰电价的优化管理方法 | |
| Falabretti et al. | Scheduling and operation of RES-based virtual power plants with e-mobility: A novel integrated stochastic model | |
| Yao et al. | An incentive-compatible distributed integrated energy market mechanism design with adaptive robust approach | |
| Peng et al. | Review on bidding strategies for renewable energy power producers participating in electricity spot markets | |
| CN115358519A (zh) | 一种虚拟电厂优化调度方法及装置 | |
| Hu et al. | The development of renewable energy industry under renewable portfolio standards: from the perspective of provincial resource differences | |
| CN115907927A (zh) | 一种虚拟电厂报价辅助方法、系统、装置及存储介质 | |
| Hu et al. | RETRACTED: Risk-averse trading strategy for a hybrid power plant in energy and carbon markets to maximize overall revenue | |
| Li et al. | Analysis of the compound differential evolution game of new energy manufacturers’ two-stage market behavior under the weight of consumption responsibility | |
| Wang et al. | A risk-averse day-ahead bidding strategy of transactive energy sharing microgrids with data-driven chance constraints | |
| Ericson et al. | Influence of hybridization on the capacity value of PV and battery resources | |
| CN117081169B (zh) | 一种聚合园区分布式光伏能源的运营方法 | |
| Armioun et al. | Optimal scheduling of CCHP-based resilient energy distribution system considering active microgrids' multi-carrier energy transactions | |
| Liao et al. | Comparative study on electricity transactions between multi-microgrid: A hybrid game theory-based peer-to-peer trading in heterogeneous building communities considering electric vehicles | |
| Fan et al. | Medium and long-term electricity trading considering renewable energy participation | |
| CN117391718A (zh) | 一种基于动态减排因子的绿电-ccer互认交易系统 | |
| CN115496378B (zh) | 一种计入风能减排效益的电力系统经济调度方法 | |
| CN117078286A (zh) | 一种过网费标准核定方法及电子设备、可读存储介质 | |
| Chen et al. | Overview of transmission expansion planning in the market environment |
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 |