CN112290530A - 风储联合发电商参与能量-调频市场的投标策略优化方法 - Google Patents

风储联合发电商参与能量-调频市场的投标策略优化方法 Download PDF

Info

Publication number
CN112290530A
CN112290530A CN201910675709.4A CN201910675709A CN112290530A CN 112290530 A CN112290530 A CN 112290530A CN 201910675709 A CN201910675709 A CN 201910675709A CN 112290530 A CN112290530 A CN 112290530A
Authority
CN
China
Prior art keywords
frequency modulation
market
energy
wind
moment
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
CN201910675709.4A
Other languages
English (en)
Other versions
CN112290530B (zh
Inventor
郭伟清
谢云云
谷志强
黄详淇
刘琳
李德正
杨正婷
殷明慧
卜京
张俊芳
姚娟
邹云
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 University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
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 University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN201910675709.4A priority Critical patent/CN112290530B/zh
Publication of CN112290530A publication Critical patent/CN112290530A/zh
Application granted granted Critical
Publication of CN112290530B publication Critical patent/CN112290530B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种风储联合发电商参与能量‑调频市场的投标策略优化方法。方法为：首先建立风储联合发电商参与能量‑调频市场的模式；然后将风电出力和市场价格的不确定性用数学语言进行描述，基于鲁棒模型预测控制思想建立风储联合发电商参与能量‑调频市场的投标策略双层鲁棒优化模型；接着采用对偶定理对双层鲁棒优化模型进行处理，建立单层鲁棒优化模型；最后采用商业数学软件CPLEX求解模型，得到不同保守度下的投标策略。本发明减小了预测偏差带来的影响，提高了风储联合发电商的收益，并且使风储联合发电商可以根据自身能承受的风险大小，选择不同保守度下优化得到的投标策略。

Description

风储联合发电商参与能量-调频市场的投标策略优化方法
技术领域
本发明属于电力市场技术领域，特别是一种风储联合发电商参与能量-调频市场的投标策略优化方法。
背景技术
随着电力市场的不断发展，在能量市场机制不断完善的同时，辅助服务市场也逐渐兴起。在这样的市场背景下，发电商不但可以参与到能量市场的投标，还可以参与到辅助服务市场的投标，以获取更大的收益。研究表明风电有参与系统调频的能力，风力发电商参与调频也能够获得一定的经济效益，因此，风力发电商可以同时参与到能量和调频市场以获取更大的收益。
由于风电出力的间歇性和波动性，会导致风力发电商参与电力市场时存在出力偏差而受到市场惩罚。储能作为一种优质的调频资源，响应速度快，精度高，但其成本较高，将两者结合起来能使双方都获得更高的收益。因此，相较于风电独自参与到电力市场，风电和储能联合参与电力市场能使两者都获得更高的收益。除了出力的不确定性会影响发电商的收益，市场价格的波动性也会使发电商的收益受到影响。为此，在制定投标策略的时候有必要考虑市场价格的不确定性。
现有的投标策略研究主要是基于风储联合发电商通过向电力市场提供能量和调频服务获取收益，以市场预期收益最大作为目标，建立单时步随机优化模型来求解最优的投标和运行策略。但是，单时步优化难以保证发电商在整个运行时间内的收益最大，随机优化方法需要生成大量场景，得到基于场景的最优策略，但无法应对最坏场景，且采用场景概率法计算时间较长，无法满足短时间尺度的市场投标决策。
发明内容
本发明的目的在于提供一种提高风储联合发电商的收益，并且使风储联合发电商可以根据自身能承受的风险大小，选择不同保守度下优化得到的投标策略的风储联合发电商参与能量-调频市场的投标策略优化方法。
实现本发明目的的技术解决方案为：一种风储联合发电商参与能量-调频市场的投标策略优化方法，包括如下步骤：
步骤1：构建风储联合发电商参与能量-调频市场的模式；
步骤2：将风电出力和市场价格的不确定性用数学语言进行描述；
步骤3：基于鲁棒模型预测控制思想建立风储联合发电商参与能量-调频市场的投标策略双层鲁棒优化模型；
步骤4：采用对偶定理对双层鲁棒优化模型进行处理，建立单层鲁棒优化模型；
步骤5：采用数学软件CPLEX求解模型，得到不同保守度下的投标策略。
本发明与现有技术相比，其显著优点为：(1)在对投标策略的优化中考虑了未来若干时刻风电出力和价格的预测偏差，减小了预测偏差带来的影响，提高了风储联合发电商的收益；(2)风储联合发电商可以根据自身能承受的风险大小，选择不同保守度下优化得到的投标策略。
附图说明
图1为本发明风储联合发电商参与能量-调频市场的投标策略优化方法的流程图。
图2为本发明实施例中能量、调频市场价格和风电功率的预测数据曲线图。
图3为本发明实施例中不同优化时步数下的市场收益曲线图。
图4为本发明实施例中风储联合发电商的最优投标策略曲线图。
图5为本发明实施例中市场收益随价格、风电不确定度的变化趋势图。
图6为本发明实施例中市场收益随三种价格不确定度的变化趋势图。
图7为本发明实施例中考虑风电出力、价格不确定性的市场收益图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细说明。
结合图1，本发明的一种风储联合发电商参与能量-调频市场的投标策略优化方法，包括以下步骤：
步骤1：构建风储联合发电商参与能量-调频市场的模式；
步骤2：将风电出力和市场价格的不确定性用数学语言进行描述，具体如下：
步骤2.1，根据电力市场获得收益的规则，让风储联合发电商同时参与能量和调频市场，将风储联合发电商参与能量-调频市场的收益和惩罚规则用数学语言描述：
实时能量市场每15分钟出清一次，出清时考核运营商的投标量与实际出力之间的偏差，使用偏差量Fpenalty将进行惩罚：
Figure BDA0002143202790000021
式中，
Figure BDA0002143202790000031
为k时刻风储系统实时出力；ρm、ρl为偏差惩罚系数；
Figure BDA0002143202790000032
为k时刻能量市场投标量；Δk为市场投标间隔；
Figure BDA0002143202790000033
—为k时刻能量市场预测价格；
步骤2.2，为了提供频率调节服务，调频资源需要在实时的调频市场上提交其容量，然后实时跟踪系统运营商的调节信号RegD；风储联合发电商在响应调频信号后，电力市场根据调频的性能得分对调频资源进行补偿，补偿由容量补偿Paycap和调频性能补偿Payperf两部分组成：
Figure BDA0002143202790000034
Figure BDA0002143202790000035
式中，
Figure BDA0002143202790000036
为k时刻调频市场容量价格；
Figure BDA0002143202790000037
为k时刻调频市场性能价格；Kpref为调频性能得分；
Figure BDA0002143202790000038
为k时刻调频市场投标量；R为调频里程比，取值为3。
步骤3：基于鲁棒模型预测控制思想建立风储联合发电商参与能量-调频市场的投标策略双层鲁棒优化模型，具体如下：
步骤3.1，根据风电出力和市场价格的预测值，以风储联合发电商在能量-调频市场的预期收益最大为优化目标，建立目标函数为：
Figure BDA0002143202790000039
Figure BDA00021432027900000310
Figure BDA00021432027900000311
式中，Fengry为能量市场收益；Fregulation为调频市场收益；
由于市场价格的不确定性，目标函数可表达为：
Figure BDA00021432027900000312
式中，J0为价格不确定集合；S0为期望价格不确定发生的集合；Γ为不确定度的控制量；
Figure BDA00021432027900000313
为能量价格预测偏差量；
Figure BDA00021432027900000314
为调频容量价格预测偏差量；
Figure BDA00021432027900000315
为调频性能价格预测偏差量；
Figure BDA0002143202790000041
为能量价格偏差占比；
Figure BDA0002143202790000042
为调频容量价格偏差占比；
Figure BDA0002143202790000043
——调频性能价格偏差占比；
步骤3.2，根据风储联合发电商参与能量-调频市场的模式，并且需要风储系统准确响应调频市场的调频信号和满足储能系统的容量约束，确定风储联合发电商参与能量-调频市场投标过程中需要考虑的约束条件如下：
风电出力约束：
根据风电实时出力与风电预留上调量之和应小于等于风电实时最大出力预测值，风电预留下调量应小于等于风电实时出力，风电的预留调频量应满足爬坡约束，风储联营系统的实时出力等于风电实时出力与储能实时出力之和，得出风电出力约束为：
Figure BDA0002143202790000044
Figure BDA0002143202790000045
Figure BDA0002143202790000046
Figure BDA0002143202790000047
式中，
Figure BDA0002143202790000048
为k时刻风电实时出力；ΔPk为k时刻风电出力预测偏差量；εk为k时刻风电出力偏差占比；
Figure BDA0002143202790000049
为k时刻风电预测出力；
Figure BDA00021432027900000410
为k时刻风电预留上调量；
Figure BDA00021432027900000411
为k时刻风电预留下调量；Rw为k时刻风电爬坡率；
储能系统约束：
根据储能实时出力应在其正负出力最大值之间，并留出余量保证储能预留调整量能够实现，储能荷电状态要能够满足下一时刻储能出力、参与调频的用电需求，储能的充放电功率由储能实时的出力和储能用于调节的功率决定，储能当前时刻的荷电状态由上一时刻的荷电状态和储能荷电状态变化量决定，储能用于调节的功率由调频市场的调频信号和风电在调频市场的出力决定，得出储能系统约束为：
Figure BDA00021432027900000412
Figure BDA00021432027900000413
Figure BDA00021432027900000414
Figure BDA00021432027900000415
Figure BDA0002143202790000051
Ek＝Ek-1+ΔEk
Figure BDA0002143202790000052
Figure BDA0002143202790000053
式中，Smax为储能最大功率；
Figure BDA0002143202790000054
为k时刻储能实时出力；
Figure BDA0002143202790000055
为k时刻储能预留上调量；
Figure BDA0002143202790000056
为k时刻储能预留下调量；Ek为k时刻储能状态量；Emax为储能的最大容量；
Figure BDA0002143202790000057
为t时刻储能放电功率；
Figure BDA0002143202790000058
为t时刻储能充电功率；η为储能充放电效率；
Figure BDA0002143202790000059
为k时刻储能用于调节的功率，等于风电出力的控制误差再加上调频偏差量；
Figure BDA00021432027900000510
为t时刻系统的调频信号，
Figure BDA00021432027900000511
投标容量约束：
根据市场的投标容量不小于零，调频市场的投标量包含上调量和下调量，风储系统实际能提供的上调量和下调量不小于调频投标量的二分之一，风储系统预留上、下调频量分别大于等于调频投标量的二分之一；为保证调频质量，储能预留调频量大于调频投标量的五分之一，得出投标容量约束为：
Figure BDA00021432027900000512
Figure BDA00021432027900000513
Figure BDA00021432027900000514
Figure BDA00021432027900000515
步骤3.3，综合步骤3.1和步骤3.2，将优化模型整理为：
Figure BDA0002143202790000061
步骤4：采用对偶定理对双层鲁棒优化模型进行处理，建立单层鲁棒优化模型，具体如下：
步骤4.1，因为风电出力和市场价格两种不确定量相互独立，首先处理市场价格不确定性：
Figure BDA0002143202790000062
能量市场、调频容量、调频性能价格三者相互独立，取其中一个进行推导：
Figure BDA0002143202790000063
令
Figure BDA0002143202790000064
可得：
Figure BDA0002143202790000071
当x≥0时，目标函数为
Figure BDA0002143202790000072
当x≤0时，目标函数为
Figure BDA0002143202790000073
故原问题等价于：
Figure BDA0002143202790000074
原问题对应的拉格朗日函数为：
Figure BDA0002143202790000075
整理可得：
Figure BDA0002143202790000076
当
Figure BDA0002143202790000077
大于零时，拉格朗日函数有最大值即原问题的最小值，所对偶结果如下：
Figure BDA0002143202790000078
步骤4.2，对风电出力不确定性进行处理对偶后的问题为：
Figure BDA0002143202790000079
步骤4.3，综合步骤4.1和4.2，得到单层鲁棒优化模型：
Figure BDA0002143202790000081
实施例1
本实施例使用2014年的PJM市场历史价格数据、来自NREL公司的编号为7791的200MW风电场风电出力数据作为基础数据，进行仿真，验证投标策略的有效性，基础数据如图2所示，其他参数如下：平均里程比RegD为2.92，偏差惩罚系数为0.1，风场爬坡率取4MW/min，储能系统的总容量为30MW，调频控制信号取自2015年4月美国PJM市场的数据，风储联合系统的调频性能得分取0.95。
本实施例基于鲁棒模型预测控制构建了风储联合发电商参与能量-调频市场的投标策略优化模型的基本框架。采用模型预测控制方法需要确定滚动优化的时步数，图3为不同优化时步数下所得到的市场收益曲线，从图中可以看出随着优化时步数的不断增加，市场的收益也不断增大。但是，伴随着时步数的增加，风电出力和市场价格预测值的准确度也在不断下降，优化所用的时间也增加了。综合上述因素，本实施例选择4个时步数作为优化步长。
基于图2的数据对风储联合发电商参与能量-调频市场的投标策略进行优化，结果如图4所示。从优化结果中可以看出，风储联合发电商同时参与到能量-调频市场时，根据当前两个市场的预测价格，分配其在能量和调频市场的出力。因为风电出力的不确定性，投标时风电参与能量-调频市场的总投标量会略小于风电预测出力值。从图4中可以看出优化得到的投标策略能够使风储系统在能量市场的投标量与风储系统的实时出力相等，因而不会受到市场的惩罚。图5所表示的是市场总收益随风电、价格不确定度变化的情况，价格的不确定度对市场收益的影响比较大。价格不确定度包含能量市场价格，调频市场容量价格、调频性能价格的不确定度，如图6所示调频容量价格的不确定度对市场总收益的影响较大。两种不确定量对市场收益的影响如图7，因为风电作为市场价格的接受者，风电出力和价格两者之间没有联系，所以整个曲面是线性的，风储联合发电商可以根据自己对风险的接受程度选择相应保守度下的投标策略。

Claims (4)

1.一种风储联合发电商参与能量-调频市场的投标策略优化方法，其特征在于，包括如下步骤：
步骤1：构建风储联合发电商参与能量-调频市场的模式；
步骤2：将风电出力和市场价格的不确定性用数学语言进行描述；
步骤3：基于鲁棒模型预测控制思想建立风储联合发电商参与能量-调频市场的投标策略双层鲁棒优化模型；
步骤4：采用对偶定理对双层鲁棒优化模型进行处理，建立单层鲁棒优化模型；
步骤5：采用数学软件CPLEX求解模型，得到不同保守度下的投标策略。
2.根据权利要求1所述的风储联合发电商参与能量-调频市场的投标策略优化方法，其特征在于，步骤2所述的将风电出力和市场价格的不确定性用数学语言进行描述，具体如下：
步骤2.1，实时能量市场每15分钟出清一次，出清时考核运营商的投标量与实际出力之间的偏差，使用偏差量Fpenalty进行惩罚：
Figure FDA0002143202780000011
式中，
Figure FDA0002143202780000012
为k时刻风储系统实时出力；ρm、ρl为偏差惩罚系数；
Figure FDA0002143202780000013
为k时刻能量市场投标量；Δk为市场投标间隔；
Figure FDA0002143202780000014
为k时刻能量市场预测价格；
步骤2.2，调频资源在实时的调频市场上提交容量，然后实时跟踪系统运营商的调节信号RegD；风储联合发电商在响应调频信号后，电力市场根据调频的性能得分对调频资源进行补偿，补偿由容量补偿Paycap和调频性能补偿Payperf两部分组成：
Figure FDA0002143202780000015
Figure FDA0002143202780000016
式中，
Figure FDA0002143202780000017
为k时刻调频市场容量价格；
Figure FDA0002143202780000018
为k时刻调频市场性能价格；Kpref为调频性能得分；
Figure FDA0002143202780000019
为k时刻调频市场投标量；R为调频里程比，取值为3。
3.根据权利要求1所述的风储联合发电商参与能量-调频市场的投标策略优化方法，其特征在于，步骤3所述的基于鲁棒模型预测控制思想建立风储联合发电商参与能量-调频市场的投标策略双层鲁棒优化模型，具体如下：
步骤3.1，根据风电出力和市场价格的预测值，以风储联合发电商在能量-调频市场的预期收益最大为优化目标，建立目标函数为：
Figure FDA0002143202780000021
Figure FDA0002143202780000022
Figure FDA0002143202780000023
式中，Fengry为能量市场收益；Fregulation为调频市场收益；
由于市场价格的不确定性，目标函数表达为：
Figure FDA0002143202780000024
式中，J0为价格不确定集合；S0为期望价格不确定发生的集合；Γ为不确定度的控制量；
Figure FDA0002143202780000025
为能量价格预测偏差量；
Figure FDA0002143202780000026
为调频容量价格预测偏差量；
Figure FDA0002143202780000027
为调频性能价格预测偏差量；
Figure FDA0002143202780000028
为能量价格偏差占比；
Figure FDA0002143202780000029
为调频容量价格偏差占比；
Figure FDA00021432027800000210
为调频性能价格偏差占比；
步骤3.2，根据风储联合发电商参与能量-调频市场的模式，并且需要风储系统准确响应调频市场的调频信号和满足储能系统的容量约束，确定风储联合发电商参与能量-调频市场投标过程中需要考虑的约束条件如下：
风电出力约束：
根据风电实时出力与风电预留上调量之和应小于等于风电实时最大出力预测值，风电预留下调量应小于等于风电实时出力，风电的预留调频量应满足爬坡约束，风储联营系统的实时出力等于风电实时出力与储能实时出力之和，得出风电出力约束为：
Figure FDA00021432027800000211
Figure FDA00021432027800000212
Figure FDA00021432027800000213
Figure FDA00021432027800000214
式中，
Figure FDA00021432027800000215
为k时刻风电实时出力；ΔPk为k时刻风电出力预测偏差量；εk为k时刻风电出力偏差占比；
Figure FDA00021432027800000216
为k时刻风电预测出力；
Figure FDA00021432027800000217
为k时刻风电预留上调量；
Figure FDA00021432027800000218
为k时刻风电预留下调量；Rw为k时刻风电爬坡率；
储能系统约束：
根据储能实时出力应在其正负出力最大值之间，并留出余量保证储能预留调整量能够实现，储能荷电状态要能够满足下一时刻储能出力、参与调频的用电需求，储能的充放电功率由储能实时的出力和储能用于调节的功率决定，储能当前时刻的荷电状态由上一时刻的荷电状态和储能荷电状态变化量决定，储能用于调节的功率由调频市场的调频信号和风电在调频市场的出力决定，得出储能系统约束为：
Figure FDA0002143202780000031
Figure FDA0002143202780000032
Figure FDA0002143202780000033
Figure FDA0002143202780000034
ΔEt＝-Pt d·Δt/η+Pt c·Δt·η
Ek＝Ek-1+ΔEk
Figure FDA0002143202780000035
Figure FDA0002143202780000036
式中，Smax为储能最大功率；
Figure FDA0002143202780000037
为k时刻储能实时出力；
Figure FDA0002143202780000038
为k时刻储能预留上调量；
Figure FDA0002143202780000039
为k时刻储能预留下调量；Ek为k时刻储能状态量；Emax为储能的最大容量；Pt d为t时刻储能放电功率；Pt c为t时刻储能充电功率；η为储能充放电效率；
Figure FDA00021432027800000310
为k时刻储能用于调节的功率，等于风电出力的控制误差再加上调频偏差量；
Figure FDA00021432027800000311
为t时刻系统的调频信号，
Figure FDA00021432027800000312
投标容量约束：
根据市场的投标容量不小于零，调频市场的投标量包含上调量和下调量，风储系统实际能提供的上调量和下调量不小于调频投标量的二分之一，风储系统预留上、下调频量分别大于等于调频投标量的二分之一；为保证调频质量，储能预留调频量大于调频投标量的五分之一，得出投标容量约束为：
Figure FDA00021432027800000313
Figure FDA0002143202780000041
Figure FDA0002143202780000042
Figure FDA0002143202780000043
步骤3.3，综合步骤3.1和3.2，将优化模型整理为：
Figure FDA0002143202780000044
Figure FDA0002143202780000045
Figure FDA0002143202780000046
Figure FDA0002143202780000047
Figure FDA0002143202780000048
Figure FDA0002143202780000049
Figure FDA00021432027800000410
Figure FDA00021432027800000411
Figure FDA00021432027800000412
ΔEt＝-Pt d·Δt/η+Pt c·Δt·η
Ek＝Ek-1+ΔEk
Figure FDA00021432027800000413
Figure FDA00021432027800000414
Figure FDA00021432027800000415
Figure FDA00021432027800000416
Figure FDA00021432027800000417
Figure FDA00021432027800000418
。
4.根据权利要求1所述的风储联合发电商参与能量-调频市场的投标策略优化方法，其特征在于，步骤4所述的采用对偶定理对双层鲁棒优化模型进行处理，建立单层鲁棒优化模型，具体如下：
步骤4.1，处理市场价格不确定性：
Figure FDA0002143202780000051
Figure FDA0002143202780000052
Figure FDA0002143202780000053
能量市场、调频容量、调频性能价格三者相互独立，取其中一个进行推导：
Figure FDA00021432027800000519
Figure FDA00021432027800000518
Figure FDA0002143202780000054
令
Figure FDA0002143202780000055
得：
Figure FDA0002143202780000056
Figure FDA0002143202780000057
当x≥0时，目标函数为
Figure FDA0002143202780000058
当x≤0时，目标函数为
Figure FDA0002143202780000059
故原问题等价于：
Figure FDA00021432027800000510
Figure FDA00021432027800000511
原问题对应的拉格朗日函数为：
Figure FDA00021432027800000512
整理得：
Figure FDA00021432027800000513
当
Figure FDA00021432027800000514
大于零时，拉格朗日函数的最大值即原问题的最小值，所以对偶结果如下：
Figure FDA00021432027800000515
Figure FDA00021432027800000516
Figure FDA00021432027800000517
步骤4.2，对风电出力不确定性进行处理，对偶后的问题为：
Figure FDA0002143202780000061
Δp-λ1+λ2-λ3+λ4＝0
λ1,λ2,λ3,λ4≥0
步骤4.3，综合步骤4.1和4.2，得到单层鲁棒优化模型：
Figure FDA0002143202780000062
Figure FDA0002143202780000063
Figure FDA0002143202780000064
Figure FDA0002143202780000065
Δp-λ1+λ2-λ3+λ4＝0
λ1,λ2,λ3,λ4≥0
Figure FDA0002143202780000066
Figure FDA0002143202780000067
Figure FDA0002143202780000068
Figure FDA0002143202780000069
Figure FDA00021432027800000610
Figure FDA00021432027800000611
Figure FDA00021432027800000612
ΔEt＝-Pt d·Δt/η+Pt c·Δt·η
Ek＝Ek-1+ΔEk
Figure FDA00021432027800000613
Figure FDA00021432027800000614
Figure FDA00021432027800000615
Figure FDA00021432027800000616
Figure FDA00021432027800000617
Figure FDA00021432027800000618
。
CN201910675709.4A 2019-07-25 2019-07-25 风储联合发电商参与能量-调频市场的投标策略优化方法 Active CN112290530B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910675709.4A CN112290530B (zh) 2019-07-25 2019-07-25 风储联合发电商参与能量-调频市场的投标策略优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910675709.4A CN112290530B (zh) 2019-07-25 2019-07-25 风储联合发电商参与能量-调频市场的投标策略优化方法

Publications (2)

Publication Number Publication Date
CN112290530A true CN112290530A (zh) 2021-01-29
CN112290530B CN112290530B (zh) 2022-09-27

Family

ID=74418859

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910675709.4A Active CN112290530B (zh) 2019-07-25 2019-07-25 风储联合发电商参与能量-调频市场的投标策略优化方法

Country Status (1)

Country Link
CN (1) CN112290530B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113452041A (zh) * 2021-08-19 2021-09-28 云南电网有限责任公司电力科学研究院 一种新能源场站的调频方法及系统
CN116596116A (zh) * 2023-04-14 2023-08-15 广东电力交易中心有限责任公司 一种风储联合投标策略优化方法及其装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2437372A2 (en) * 2010-10-04 2012-04-04 The Boeing Company Smart microgrid
CN208158140U (zh) * 2018-04-23 2018-11-27 华北电力科学研究院有限责任公司 基于虚拟同步机的风储协调调频装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2437372A2 (en) * 2010-10-04 2012-04-04 The Boeing Company Smart microgrid
CN208158140U (zh) * 2018-04-23 2018-11-27 华北电力科学研究院有限责任公司 基于虚拟同步机的风储协调调频装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113452041A (zh) * 2021-08-19 2021-09-28 云南电网有限责任公司电力科学研究院 一种新能源场站的调频方法及系统
CN113452041B (zh) * 2021-08-19 2023-05-26 云南电网有限责任公司电力科学研究院 一种新能源场站的调频方法及系统
CN116596116A (zh) * 2023-04-14 2023-08-15 广东电力交易中心有限责任公司 一种风储联合投标策略优化方法及其装置
CN116596116B (zh) * 2023-04-14 2023-12-08 广东电力交易中心有限责任公司 一种风储联合投标策略优化方法及其装置

Also Published As

Publication number Publication date
CN112290530B (zh) 2022-09-27

Similar Documents

Publication Publication Date Title
CN112465323B (zh) 一种耦合日电量分解及日前市场竞价的梯级水电站短期鲁棒调度方法
CN111832824B (zh) 电力调频市场交易出清及结算方法、装置及系统
CN107248749B (zh) 风储联合调频的运营模式及多市场投标与控制方法及系统
CN111523729B (zh) 基于igdt和需求响应的虚拟电厂竞价的优化控制方法
CN109934665A (zh) 一种分布式电能交易系统及方法
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
CN111311012A (zh) 基于多智能体的微电网电力市场双层竞价优化方法
CN114971899A (zh) 新能源参与下的日前、日内和实时市场电能交易优化方法
CN111476647A (zh) 基于最差条件风险价值的储能聚合商投标方法
CN112348591A (zh) 一种电动汽车的有序充电控制方法和装置
CN111008463A (zh) 一种考虑发电侧储能的容量配置优化方法、装置及设备
CN115526550A (zh) 适应新能源电力与常规火电同台竞争的现货市场组织方法
CN108446967A (zh) 虚拟电厂竞价方法
Rahman et al. On efficient operation of a V2G-enabled virtual power plant: when solar power meets bidirectional electric vehicle charging
CN117332937A (zh) 一种考虑需求响应的多能互补虚拟电厂经济调度方法
CN115618983A (zh) 考虑日前备用和实时偏差的光储辅助决策优化控制方法
CN114362139A (zh) 一种以消纳新能源为目标的源-荷-储多边议价日前响应控制方法
CN116307029A (zh) 促进多虚拟网格间源储荷协调的双层优化调度方法及系统
CN115600757A (zh) 海上风电共享储能参与现货市场交易协调优化方法及系统
CN115759560A (zh) 储能-新能源-火电多目标优化调度方法及其系统
CN113872226A (zh) 规模化储能参与辅助服务日前增补空间优化方法
CN114708071A (zh) 考虑虚拟电厂对现货市场结算影响的双层竞价系统及方法
CN114463058B (zh) 一种以消纳受阻新能源激励电价为引导的储能响应控制方法
Gibescu et al. Optimal bidding strategy for mixed-portfolio producers in a dual imbalance pricing system
Moghaddam et al. A new method for pricing of wind power in short-term power markets

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Xie Yunyun

Inventor after: Zhang Junfang

Inventor after: Yao Juan

Inventor after: Zou Yun

Inventor after: Guo Weiqing

Inventor after: Gu Zhiqiang

Inventor after: Huang Xiangqi

Inventor after: Liu Lin

Inventor after: Li Dezheng

Inventor after: Yang Zhengting

Inventor after: Yin Minghui

Inventor after: Bu Jing

Inventor before: Guo Weiqing

Inventor before: Zhang Junfang

Inventor before: Yao Juan

Inventor before: Zou Yun

Inventor before: Xie Yunyun

Inventor before: Gu Zhiqiang

Inventor before: Huang Xiangqi

Inventor before: Liu Lin

Inventor before: Li Dezheng

Inventor before: Yang Zhengting

Inventor before: Yin Minghui

Inventor before: Bu Jing

GR01 Patent grant
GR01 Patent grant