CN112381339A - 电力市场环境下区域综合能源系统运行成本优化方法 - Google Patents

电力市场环境下区域综合能源系统运行成本优化方法 Download PDF

Info

Publication number
CN112381339A
CN112381339A CN202110053830.0A CN202110053830A CN112381339A CN 112381339 A CN112381339 A CN 112381339A CN 202110053830 A CN202110053830 A CN 202110053830A CN 112381339 A CN112381339 A CN 112381339A
Authority
CN
China
Prior art keywords
market
energy system
electricity
regional
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110053830.0A
Other languages
English (en)
Inventor
李鹏
于力
张斌
姜臻
姚森敬
郭志诚
席禹
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.)
Southern Power Grid Digital Grid Research Institute Co Ltd
Original Assignee
Southern Power Grid Digital Grid Research Institute Co Ltd
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 Southern Power Grid Digital Grid Research Institute Co Ltd filed Critical Southern Power Grid Digital Grid Research Institute Co Ltd
Priority to CN202110053830.0A priority Critical patent/CN112381339A/zh
Publication of CN112381339A publication Critical patent/CN112381339A/zh
Pending legal-status Critical Current

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

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

Abstract

本发明公开了一种电力市场环境下区域综合能源系统运行成本优化方法，包括步骤：S1、建立电力市场环境下区域综合能源系统的运行模型，确定区域综合能源系统的运行约束条件；S2、构建用户侧电力市场交易模型，确定电力市场交易的约束条件；S3、结合区域综合能源系统运行模型和用户侧电力市场交易模型，构建考虑风险厌恶系数的市场风险条件下，以区域综合能源系统的运行成本最低为优化目标的目标函数，并结合区域综合能源系统运行和电力市场交易的约束条件，对目标函数进行求解；S4、评估电力市场环境下区域综合能源系统的风险和收益。本发明解决电力市场环境下区域综合能源系统运行成本优化方法不适用问题，有效提高区域综合能源系统运行的经济性。

Description

电力市场环境下区域综合能源系统运行成本优化方法
技术领域
本发明涉及区域综合能源系统技术领域，具体涉及一种电力市场环境下区域综合能源系统运行成本优化方法。
背景技术
随着电力体制改革的不断深入，我国的电力市场“中长期+现货”的交易模式进入试点阶段。电力市场环境下区域综合能源系统可通过参加电力市场交易，根据市场电价的高低，选择合适的能源组合方案，降低系统运行成本。
现有的，公开号为CN109543889A的中国发明申请公开了一种区域综合能源系统日前协同优化运行方法，通过对区域综合能源系统中，冷、热、电多种能源协调优化运行，来提高能源使用效率，降低区域综合能源系统终端功能运行费用，公开号为CN110826815A的中国发明申请公开了一种考虑综合需求响应的区域综合能源系统运行优化方法，根据区域综合能源系统能源供给和需求响应特性，使能量相互转化，来达到综合能源系统经济运行的目的。
然而，上述提到的区域综合能源系统运行优化方法只适用于非电力市场环境下，在参与电力市场交易的情况下，现有的区域综合能源系统运行成本优化方法存在不适用问题，如将面临市场电价不确定的风险，这也成为区域综合能源系统在电力市场环境下进行运行成本优化的技术瓶颈，为了深度挖掘区域综合能源系统运行成本优化空间，有必要进一步探究区域综合能源系统参与电力市场交易下的优化方法。
发明内容
为解决上述技术问题的至少之一，本发明提供一种电力市场环境下区域综合能源系统运行成本优化方法。
本发明的目的通过一下技术方案实现：
本发明提供一种电力市场环境下区域综合能源系统运行成本优化方法，包括如下步骤：
S1、建立电力市场环境下区域综合能源系统的运行模型，确定区域综合能源系统的运行约束条件；
S2、构建用户侧电力市场交易模型，用户侧电力市场交易模型包括中长期电能量市场购电交易模型、现货电能量市场购电交易模型和需求侧响应模型，并确定电力市场交易的约束条件；
S3、结合区域综合能源系统运行模型和用户侧电力市场交易模型，构建考虑风险厌恶系数的市场风险条件下，以区域综合能源系统的运行成本最低为优化目标的目标函数，并结合区域综合能源系统运行和电力市场交易的约束条件，对目标函数进行求解；
S4、设定不同的风险偏好系数，分别计算不同风险厌恶系数下区域综合能源系统的运行成本，对比不同风险厌恶系数下的结果，评估参与电力市场环境下区域综合能源系统的收益和风险。
作为进一步的改进，步骤S1中，区域综合能源系统的运行成本包括购电成本和购气成本。
作为进一步的改进，步骤S1中，区域综合能源系统的运行约束条件包括电负荷供需平衡、热负荷供需平衡、冷负荷供需平衡、能量转化设备运行约束和储能设备运行约束。
作为进一步的改进，步骤S2中，中长期电能量市场购电交易模型为采用差价合约形式的中长期合约，合约电量分解到每个小时，中长期差价电费为：
Figure 656811DEST_PATH_IMAGE001
其中，
Figure 980476DEST_PATH_IMAGE002
为时段，
Figure 291372DEST_PATH_IMAGE003
为
Figure 109417DEST_PATH_IMAGE002
时段中长期合约电价，
Figure 658210DEST_PATH_IMAGE004
分别为
Figure 277410DEST_PATH_IMAGE002
时段日前市场电价，
Figure 278864DEST_PATH_IMAGE005
为
Figure 149868DEST_PATH_IMAGE002
时段中长期合约电量，
Figure 553168DEST_PATH_IMAGE006
为
Figure 77690DEST_PATH_IMAGE002
时段中长期差价电费。
作为进一步的改进，步骤S2中，现货电能量市场购电交易模型为包括日前市场和实时市场的现货电能量市场，采用发电侧报量报价与用户侧报量不报价的原则及日前市场和实时市场偏差收益返还机制，则
Figure 753391DEST_PATH_IMAGE002
时段日前电费、实时电费及需返还的偏差收益分别为：
Figure 224824DEST_PATH_IMAGE008
其中，
Figure 544947DEST_PATH_IMAGE009
为
Figure 381316DEST_PATH_IMAGE002
时段日前申报电量，
Figure 357362DEST_PATH_IMAGE010
、
Figure 429223DEST_PATH_IMAGE011
分别为
Figure 807115DEST_PATH_IMAGE002
时段实时市场电价和实际用电量，
Figure 302468DEST_PATH_IMAGE012
为允许最大申报偏差率，
Figure 828127DEST_PATH_IMAGE013
、
Figure 641362DEST_PATH_IMAGE014
、
Figure 811444DEST_PATH_IMAGE015
分别为
Figure 317511DEST_PATH_IMAGE002
时段日前电费、实时电费和需返还的偏差收益。
作为进一步的改进，步骤S2中，需求侧响应模型为调度机构根据需要发布需求侧响应需求和基准负荷，并通过基准负荷和实际负荷的差值确定实际响应电量,区域综合能源系统可通过参与需求侧响应获得相应的补偿，则
Figure 64888DEST_PATH_IMAGE002
时段需求侧响应的费用为:
Figure 603185DEST_PATH_IMAGE016
其中，
Figure 690090DEST_PATH_IMAGE017
表示是否发布需求，其值为1时表示
Figure 429376DEST_PATH_IMAGE002
时刻发布了需求，为0时表示未发布需求，
Figure 601731DEST_PATH_IMAGE018
为
Figure 428873DEST_PATH_IMAGE002
时段的基准负荷，
Figure 698180DEST_PATH_IMAGE019
为实际用电量，
Figure 546050DEST_PATH_IMAGE020
响应补偿电价，
Figure 894117DEST_PATH_IMAGE021
为
Figure 852846DEST_PATH_IMAGE002
时段需求侧响应的费用。
作为进一步的改进，步骤S2中，电力市场交易的约束条件为各时段中长期合约电量、日前申报电量及实际用电量应不小于0。
作为进一步的改进，步骤S3中，构建的考虑风险厌恶系数的市场风险条件下，以区域综合能源系统运行成本最低为优化目标的目标函数为：
Figure 711081DEST_PATH_IMAGE022
其中，
Figure 729852DEST_PATH_IMAGE023
为
Figure 814483DEST_PATH_IMAGE002
时段购电成本，
Figure 373640DEST_PATH_IMAGE024
为
Figure 289644DEST_PATH_IMAGE002
时段购气成本，
Figure 400688DEST_PATH_IMAGE025
为风险厌恶系数，
Figure 831669DEST_PATH_IMAGE026
为条件风险价值，
Figure 132201DEST_PATH_IMAGE027
为运行周期，
Figure 105973DEST_PATH_IMAGE028
为考虑条件风险价值的区域综合能源系统运行成本。
作为进一步的改进，
Figure 200968DEST_PATH_IMAGE002
时段购电成本和购气成本为：
Figure 384825DEST_PATH_IMAGE029
其中，
Figure 489047DEST_PATH_IMAGE030
为
Figure 799549DEST_PATH_IMAGE002
时刻燃气价格，
Figure 331025DEST_PATH_IMAGE031
为
Figure 736598DEST_PATH_IMAGE002
时刻购得燃气量。
作为进一步的改进，步骤S3中，在对结合电力市场交易的约束条件和目标函数进行求解时，首先采用拉丁超立方抽样生成
Figure 644511DEST_PATH_IMAGE032
组各时段日前市场电价和实时市场电价数据，然后采用粒子群算法对目标函数进行求解。
本发明提出了一种电力市场环境下区域综合能源系统运行成本优化方法，包括步骤：S1、建立电力市场环境下区域综合能源系统的运行模型，确定区域综合能源系统的运行约束条件；S2、构建用户侧电力市场交易模型，用户侧电力市场交易模型包括中长期电能量市场购电交易模型、现货电能量市场购电交易模型和需求侧响应模型，并确定电力市场交易的约束条件；S3、结合区域综合能源系统运行模型和用户侧电力市场交易模型，构建考虑风险厌恶系数的市场风险条件下，以区域综合能源系统的运行成本最低为优化目标的目标函数，并结合区域综合能源系统运行和电力市场交易的约束条件，对目标函数进行求解；S4、设定不同的风险偏好系数，分别计算不同风险厌恶系数下区域综合能源系统的运行成本，对比不同风险厌恶系数下的结果，评估参与电力市场环境下区域综合能源系统的收益和风险。本发明通过建立区域综合能源系统的运行模型和用户侧电力市场交易的模型，区域综合能源系统在参与电力市场交易的情况下，综合考虑市场风险，建立以区域综合能源系统的运行成本最小为优化目标的目标函数，求解得到区域综合能源系统运行优化策略，并对收益和风险进行评估，解决现有的区域综合能源系统运行成本优化方法不适用电力市场环境下的问题，并有效降低区域综合能源系统的运行成本。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明的流程图；
图2是区域综合能源系统的示意图。
具体实施方式
下面将结合说明书附图和实施例，对本发明中的技术方案进行完整、清楚地描述，显然，所述实施例仅仅是本发明一部分实施例，本发明的保护范围不局限于所述实施例。
结合图1和图2所示，本发明实施例提供了一种电力市场环境下区域综合能源系统运行成本优化方法，其包括如下步骤：
S1：建立电力市场环境下区域综合能源系统的运行模型，确定区域综合能源系统的运行约束条件。区域综合能源系统的运行模型包括储能设备、能量转化设备和用能负荷，电网和燃气系统与区域综合能源系统的运行模型连接，本实施例中储能设备包括电储能设备，能量转化设备包括电制热、电制冷、吸收式制冷机、冷热电联供和燃气锅炉，区域综合能源系统的运行模型用能负荷包括电负荷、冷负荷和热负荷，其中，使用电制热、冷热电联供和燃气锅炉产生热负荷，使用电制冷及冷热电联供通过吸收式制冷机产生冷负荷。区域综合能源系统的运行成本包括通过电网产生的购电成本和通过燃气系统产生的购气成本。区域综合能源系统的运行约束条件包括电负荷供需平衡、热负荷供需平衡、冷负荷供需平衡、能量转化设备运行约束和储能设备运行约束，具体地，电负荷的供需平衡、热负荷的供需平衡和冷负荷的供需平衡通过如下公式获得:
Figure 61717DEST_PATH_IMAGE034
其中，
Figure 826411DEST_PATH_IMAGE002
为时段，
Figure 656964DEST_PATH_IMAGE035
为
Figure 289939DEST_PATH_IMAGE002
时段电负荷的供需平衡，
Figure 889548DEST_PATH_IMAGE036
为
Figure 825143DEST_PATH_IMAGE002
时段热负荷的供需平衡，
Figure 142992DEST_PATH_IMAGE037
为
Figure 64811DEST_PATH_IMAGE002
时段冷负荷的供需平衡约束，
Figure 581243DEST_PATH_IMAGE038
为
Figure 625423DEST_PATH_IMAGE002
时刻实际用电量，
Figure 118983DEST_PATH_IMAGE039
为
Figure 906811DEST_PATH_IMAGE002
时段储能设备的充放电电量，放电为正,充电为负，
Figure 543328DEST_PATH_IMAGE040
为
Figure 758409DEST_PATH_IMAGE002
时刻购得燃气量。
Figure 457375DEST_PATH_IMAGE041
分别为
Figure 111210DEST_PATH_IMAGE002
时段总电量中分配到用户直接使用、分配到电制热(EH)和分配到电制冷(EC)中的分配系数，
Figure 539917DEST_PATH_IMAGE042
分别为
Figure 112850DEST_PATH_IMAGE002
时段购得的气体分配到冷热电联供(CCHP)以及燃气锅炉(GB)的分配系数，
Figure 689325DEST_PATH_IMAGE043
分别为
Figure 818955DEST_PATH_IMAGE002
时段冷热电联供(CCHP)产生的热量直接分配给用户使用和分配给吸收式制冷机(AB)的分配系数，
Figure 39852DEST_PATH_IMAGE044
分别指利用冷热电联供(CCHP)将燃气转化为电能和热能的效率，
Figure 862314DEST_PATH_IMAGE045
分别为电制热(EH)和燃气锅炉(GB)制热的效率，
Figure 926085DEST_PATH_IMAGE046
分别为电制冷(EC)和燃气锅炉(GB)制冷的效率。前述中的各分配系数、制热效率和制冷效率均大于等于0且小于等于1。
能量转化设备运行约束包括冷热电联供发电功率上下限约束，冷热电联供制热功率上下限约束，电制热制热功率上下限约束，电制冷的制冷功率上下限约束，燃气锅炉的制热功率上下限约束，吸收式制冷机的制冷功率上下限约束。
冷热电联供发电功率上下限约束如下：
Figure 859406DEST_PATH_IMAGE047
其中，
Figure 676753DEST_PATH_IMAGE048
为
Figure 670117DEST_PATH_IMAGE002
时段冷热电联供发电功率，
Figure 221184DEST_PATH_IMAGE049
为冷热电联供发电功率最大值。
冷热电联供制热功率上下限约束如下：
Figure 692616DEST_PATH_IMAGE050
其中，
Figure 888105DEST_PATH_IMAGE051
为
Figure 849108DEST_PATH_IMAGE002
时段冷热电联供制热功率，
Figure 559575DEST_PATH_IMAGE052
为冷热电联供制热功率最大值。
电制热的制热功率上下限约束如下：
Figure 21649DEST_PATH_IMAGE053
其中，
Figure 399541DEST_PATH_IMAGE054
为
Figure 531445DEST_PATH_IMAGE002
时段电制热的制热功率，
Figure 994788DEST_PATH_IMAGE055
为电制热的制热功率最大值。
电制冷的制冷功率上下限约束如下：
Figure 745706DEST_PATH_IMAGE056
其中，
Figure 978104DEST_PATH_IMAGE057
为
Figure 280909DEST_PATH_IMAGE002
时段电制冷的制冷功率，
Figure 231548DEST_PATH_IMAGE058
为电制冷的制冷功率最大值。
燃气锅炉的制热功率上下限约束如下：
Figure 536890DEST_PATH_IMAGE059
其中，
Figure 623794DEST_PATH_IMAGE060
为
Figure 363080DEST_PATH_IMAGE002
时段燃气锅炉的制热功率，
Figure 535435DEST_PATH_IMAGE061
为燃气锅炉的制热功率最大值。
吸收式制冷机的制冷功率上下限约束如下：
Figure 628156DEST_PATH_IMAGE062
其中，
Figure 631885DEST_PATH_IMAGE063
为t时段吸收式制冷机的制冷功率，
Figure 214176DEST_PATH_IMAGE064
为吸收式制冷机的制冷功率最大值。
储能设备运行约束如下：
Figure 60778DEST_PATH_IMAGE065
其中，
Figure 19506DEST_PATH_IMAGE066
为
Figure 143320DEST_PATH_IMAGE002
时段电储能设备的充放电功率，
Figure 162092DEST_PATH_IMAGE067
为电储能设备的充放电功率最小值，
Figure 246723DEST_PATH_IMAGE068
为电储能设备的充放电功率最大值，
Figure 743563DEST_PATH_IMAGE069
为
Figure 721883DEST_PATH_IMAGE002
时段电储能设备的剩余容量，
Figure 911556DEST_PATH_IMAGE070
为电储能设备的最小剩余容量，
Figure 965706DEST_PATH_IMAGE071
为电储能设备的最大剩余容量。
S2：构建用户侧电力市场交易模型，包括中长期电能量市场购电交易模型、现货电能量市场购电交易模型和需求侧响应模型。
中长期电能量市场购电交易模型为采用差价合约形式的中长期合约，合约电量分解到每个小时，中长期差价电费为：
Figure 328555DEST_PATH_IMAGE072
其中，
Figure 99065DEST_PATH_IMAGE003
为
Figure 397322DEST_PATH_IMAGE002
时段中长期合约电价，
Figure 518862DEST_PATH_IMAGE004
分别为
Figure 419822DEST_PATH_IMAGE002
时段日前市场电价，
Figure 310417DEST_PATH_IMAGE005
为
Figure 28843DEST_PATH_IMAGE002
时段中长期合约电量，
Figure 372100DEST_PATH_IMAGE006
为
Figure 342330DEST_PATH_IMAGE002
时段中长期差价电费。
现货电能量市场购电交易模型为包括日前市场和实时市场的现货电能量市场，采用发电侧报量报价与用户侧报量不报价的原则及日前市场和实时市场偏差收益返还机制，则
Figure 87432DEST_PATH_IMAGE002
时段日前电费、实时电费及需返还的偏差收益分别为：
Figure 727492DEST_PATH_IMAGE007
其中，
Figure 354782DEST_PATH_IMAGE009
为
Figure 535228DEST_PATH_IMAGE002
时段日前申报电量，
Figure 88831DEST_PATH_IMAGE010
、
Figure 962109DEST_PATH_IMAGE011
分别为
Figure 342275DEST_PATH_IMAGE002
时段实时市场电价和实际用电量，
Figure 326412DEST_PATH_IMAGE012
为允许最大申报偏差率，
Figure 983789DEST_PATH_IMAGE073
、
Figure 27969DEST_PATH_IMAGE014
、
Figure 895430DEST_PATH_IMAGE015
分别为
Figure 683258DEST_PATH_IMAGE002
时段日前电费、实时电费和需返还的偏差收益。
需求侧响应模型为调度机构根据需要发布需求侧响应需求和基准负荷，并通过基准负荷和实际负荷的差值确定实际响应电量，区域综合能源系统可通过参与需求侧响应获得相应的补偿，则
Figure 444409DEST_PATH_IMAGE002
时段需求侧响应的费用为：
Figure 659490DEST_PATH_IMAGE016
其中，
Figure 748669DEST_PATH_IMAGE017
表示是否发布需求，其值为1时表示
Figure 340187DEST_PATH_IMAGE002
时刻发布了需求，为0时表示未发布需求，
Figure 706577DEST_PATH_IMAGE018
为
Figure 889297DEST_PATH_IMAGE002
时段的基准负荷，
Figure 669034DEST_PATH_IMAGE019
为实际用电量，
Figure 490010DEST_PATH_IMAGE020
响应补偿电价，
Figure 773223DEST_PATH_IMAGE074
为
Figure 658003DEST_PATH_IMAGE002
时段需求侧响应的费用。
电力市场交易的约束条件为每时段中长期合约电量、日前申报电量及实际用电量应不小于0，如下所示：
Figure 659457DEST_PATH_IMAGE075
S3：结合区域综合能源系统运行模型和用户侧电力市场交易模型，构建考虑风险厌恶系数的市场风险条件下，以区域综合能源系统运行成本最低为优化目标的目标函数，并结合区域综合能源系统运行和电力市场交易的约束条件，对目标函数进行求解。
构建的考虑风险厌恶系数的市场风险条件下，以区域综合能源系统运行成本最低为优化目标的目标函数为：
Figure 264882DEST_PATH_IMAGE022
其中，
Figure 668181DEST_PATH_IMAGE023
为
Figure 723862DEST_PATH_IMAGE002
时段购电成本，
Figure 947033DEST_PATH_IMAGE024
为
Figure 870995DEST_PATH_IMAGE002
时段购气成本，
Figure 128801DEST_PATH_IMAGE025
为风险厌恶系数，
Figure 89804DEST_PATH_IMAGE026
为条件风险价值，
Figure 737954DEST_PATH_IMAGE027
为运行周期，
Figure 13078DEST_PATH_IMAGE028
为考虑条件风险价值的区域综合能源系统运行成本。
Figure 187707DEST_PATH_IMAGE002
时段购电成本和
Figure 522874DEST_PATH_IMAGE002
时段购气成本分别为：
Figure 409052DEST_PATH_IMAGE029
其中，
Figure 487867DEST_PATH_IMAGE030
为
Figure 782582DEST_PATH_IMAGE002
时段燃气价格，
Figure 23070DEST_PATH_IMAGE031
为
Figure 911392DEST_PATH_IMAGE002
时段购得燃气量。
结合电力市场交易的约束条件对目标函数进行求解时，首先采用拉丁超立方抽样生成
Figure 528318DEST_PATH_IMAGE076
组各时段日前市场电价和实时市场电价数据。本实施具体为，采用拉丁超立方抽样从日前市场电价和实时市场电价概率分布模型中随机抽取数据生成
Figure 677540DEST_PATH_IMAGE076
组各时段日前市场电价和实时市场电价数据，
Figure 88929DEST_PATH_IMAGE076
组对应
Figure 448235DEST_PATH_IMAGE076
个场景，其中日前市场电价和实时市场电价概率分布模型分别为服从期望为
Figure 868852DEST_PATH_IMAGE077
和方差为
Figure 872580DEST_PATH_IMAGE078
的正态分布以及期望为
Figure 392555DEST_PATH_IMAGE079
，方差为
Figure 52206DEST_PATH_IMAGE080
的正态分布。设
Figure 73252DEST_PATH_IMAGE076
个场景的某场景
Figure 134749DEST_PATH_IMAGE081
下，生成的某时段日前市场电价和实时市场电价数据分别为
Figure 839006DEST_PATH_IMAGE082
，在该
Figure 517112DEST_PATH_IMAGE081
场景下，相应的购电成本和购气成本分别为
Figure 279532DEST_PATH_IMAGE083
，对于
Figure 133218DEST_PATH_IMAGE076
个场景，每个场景出现的概率为1/
Figure 322891DEST_PATH_IMAGE084
，
Figure 19452DEST_PATH_IMAGE085
为风险价值，则可得置信度水平
Figure 319983DEST_PATH_IMAGE086
下的条件风险价值
Figure 277444DEST_PATH_IMAGE087
为：
Figure 638018DEST_PATH_IMAGE089
引入辅助变量
Figure 556295DEST_PATH_IMAGE090
和
Figure 332621DEST_PATH_IMAGE091
，将其转化为线性规划问题，如下所示：
Figure 223217DEST_PATH_IMAGE092
其中，求解该问题所得的解的即为风险价值
Figure 817009DEST_PATH_IMAGE085
，该函数最小值即为条件风险价值
Figure 583102DEST_PATH_IMAGE087
。
则目标函数可进一步表示为：
Figure 225436DEST_PATH_IMAGE093
进一步地，根据步骤S1和S2中所述的约束条件，采用粒子群算法对目标函数进行求解，得到区域综合能源系统各时刻的优化策略，包括中长期合约电量、日前申报电量、实际用电量、购气量以及系统内部各能源协调策略。
具体的，粒子群优化算法步骤如下：
步骤1：初始化参数，包括设置最大迭代次数和目标函数的自变量个数，以及设置粒子群的规模和粒子的最大速度，对每个粒子在速度区间和自变量取值范围内随机初始化速度和自变量取值，同时将目标函数作为适应度函数。
步骤2：迭代计算每个粒子的适应度函数，对每个粒子，若本次循环适应度函数小于以往循环中的适应度函数最小值，则将该值对应的解作为此粒子当前的最优解，接着，从每个粒子的最小适应度值中找到一个全局最小值，该值对应的解为当前全局最优解。
步骤3：采用以下公式更新速度和自变量:
Figure 32855DEST_PATH_IMAGE095
其中，
Figure 735232DEST_PATH_IMAGE096
为粒子数，
Figure 503468DEST_PATH_IMAGE097
为第
Figure 949493DEST_PATH_IMAGE096
粒子的速度，
Figure 611418DEST_PATH_IMAGE098
、
Figure 671647DEST_PATH_IMAGE099
、
Figure 723917DEST_PATH_IMAGE100
为常数，分别为0.6，2，2。
Figure 35949DEST_PATH_IMAGE101
(0,1)为0到1之间的随机数，
Figure 755644DEST_PATH_IMAGE102
为第
Figure 737506DEST_PATH_IMAGE096
粒子的自变量当前的取值，
Figure 73809DEST_PATH_IMAGE103
第
Figure 861637DEST_PATH_IMAGE096
粒子的最优解，
Figure 138902DEST_PATH_IMAGE104
为全局最优解。
步骤4：当达到设定迭代次数或两次迭代之间的差值满足最小界限时，中止循环，此时的全局最优解即为目标函数的最优解，否则转到步骤2。
S4：评估参与电力市场环境下区域综合能源系统的收益和风险。具体地，通过设定不同的风险偏好系数，分别计算不同风险厌恶系数下区域综合能源系统的运行成本，对比不同风险厌恶系数下的结果。此外，计算非电力市场环境下区域综合能源系统的运行成本，将参与电力市场环境下与不参与电力市场环境下区域综合能源系统的运行成本进行对比。并根据比对结果，选择合理的运行方式。
以上对本发明实施例的详细介绍，仅用于帮助理解本发明的核心思想及方法，不应视为对本发明实施的限定；应当指出，本领域普通技术人员基于本发明中的实施例，在没有作出创造性劳动前提下所获得的所有其它实施例，都应视为本发明保护的范围。

Claims (10)

1.一种电力市场环境下区域综合能源系统运行成本优化方法，其特征在于包括如下步骤：
S1、建立电力市场环境下区域综合能源系统的运行模型，确定区域综合能源系统的运行约束条件；
S2、构建用户侧电力市场交易模型，用户侧电力市场交易模型包括中长期电能量市场购电交易模型、现货电能量市场购电交易模型和需求侧响应模型，并确定电力市场交易的约束条件；
S3、结合区域综合能源系统运行模型和用户侧电力市场交易模型，构建考虑风险厌恶系数的市场风险条件下，以区域综合能源系统的运行成本最低为优化目标的目标函数，并结合区域综合能源系统运行和电力市场交易的约束条件，对目标函数进行求解；
S4、设定不同的风险偏好系数，分别计算不同风险厌恶系数下区域综合能源系统的运行成本，对比不同风险厌恶系数下的结果，评估参与电力市场环境下区域综合能源系统的收益和风险。
2.根据权利要求1所述的电力市场环境下区域综合能源系统运行成本优化方法，其特征在于，步骤S1中，区域综合能源系统的运行成本包括购电成本和购气成本。
3.根据权利要求2所述的电力市场环境下区域综合能源系统运行成本优化方法，其特征在于，步骤S1中，区域综合能源系统的运行约束条件包括电负荷供需平衡、热负荷供需平衡、冷负荷供需平衡、能量转化设备运行约束和储能设备运行约束。
4.根据权利要求3所述的电力市场环境下区域综合能源系统运行成本优化方法，其特征在于，步骤S2中，中长期电能量市场购电交易模型为采用差价合约形式的中长期合约，合约电量分解到每个小时，中长期差价电费为：
Figure 50073DEST_PATH_IMAGE001
其中，
Figure 871399DEST_PATH_IMAGE002
为时段，
Figure 282788DEST_PATH_IMAGE003
为
Figure 438832DEST_PATH_IMAGE002
时段中长期合约电价，
Figure 62711DEST_PATH_IMAGE004
分别为
Figure 4123DEST_PATH_IMAGE002
时段日前市场电价，
Figure 320835DEST_PATH_IMAGE005
为
Figure 964174DEST_PATH_IMAGE002
时段中长期合约电量，
Figure 657324DEST_PATH_IMAGE006
为
Figure 453242DEST_PATH_IMAGE002
时段中长期差价电费。
5.根据权利要求4所述的电力市场环境下区域综合能源系统运行成本优化方法，其特征在于，步骤S2中，现货电能量市场购电交易模型为包括日前市场和实时市场的现货电能量市场，采用发电侧报量报价与用户侧报量不报价的原则及日前市场和实时市场偏差收益返还机制，则
Figure 206434DEST_PATH_IMAGE002
时段日前电费、实时电费及需返还的偏差收益分别为：
Figure 337070DEST_PATH_IMAGE007
其中，
Figure 568331DEST_PATH_IMAGE008
为
Figure 218755DEST_PATH_IMAGE002
时段日前申报电量，
Figure 142849DEST_PATH_IMAGE010
、
Figure 308251DEST_PATH_IMAGE011
分别为
Figure 595400DEST_PATH_IMAGE002
时段实时市场电价和实际用电量，
Figure 100331DEST_PATH_IMAGE012
为允许最大申报偏差率，
Figure 195326DEST_PATH_IMAGE013
、
Figure 51287DEST_PATH_IMAGE014
、
Figure 873618DEST_PATH_IMAGE016
分别为
Figure 498634DEST_PATH_IMAGE002
时段日前电费、实时电费和需返还的偏差收益。
6.根据权利要求5所述的电力市场环境下区域综合能源系统运行成本优化方法，其特征在于，步骤S2中，需求侧响应模型为调度机构根据需要发布需求侧响应需求和基准负荷，并通过基准负荷和实际负荷的差值确定实际响应电量，区域综合能源系统可通过参与需求侧响应获得相应的补偿，则
Figure 764531DEST_PATH_IMAGE002
时段需求侧响应的费用为:
Figure 842208DEST_PATH_IMAGE017
其中，
Figure 733809DEST_PATH_IMAGE018
表示是否发布需求，其值为1时表示
Figure 947753DEST_PATH_IMAGE002
时刻发布了需求，为0时表示未发布需求，
Figure 384551DEST_PATH_IMAGE019
为
Figure 949524DEST_PATH_IMAGE002
时段的基准负荷，
Figure 113658DEST_PATH_IMAGE020
为实际用电量，
Figure 713267DEST_PATH_IMAGE021
响应补偿电价，
Figure 117703DEST_PATH_IMAGE022
为
Figure 169973DEST_PATH_IMAGE002
时段需求侧响应的费用。
7.根据权利要求6所述的电力市场环境下区域综合能源系统运行成本优化方法，其特征在于，步骤S2中，电力市场交易的约束条件为各时段中长期合约电量、日前申报电量及实际用电量应不小于0。
8.根据权利要求7所述的电力市场环境下区域综合能源系统运行成本优化方法，其特征在于，步骤S3中，构建的考虑风险厌恶系数的市场风险条件下，以区域综合能源系统运行成本最低为优化目标的目标函数为：
Figure 888530DEST_PATH_IMAGE023
其中，
Figure 606561DEST_PATH_IMAGE024
为
Figure 385162DEST_PATH_IMAGE002
时段购电成本，
Figure 659148DEST_PATH_IMAGE025
为
Figure 181396DEST_PATH_IMAGE002
时段购气成本，
Figure 739285DEST_PATH_IMAGE026
为风险厌恶系数，
Figure 688787DEST_PATH_IMAGE027
为条件风险价值，
Figure 246807DEST_PATH_IMAGE028
为运行周期，
Figure 572746DEST_PATH_IMAGE029
为考虑条件风险价值的区域综合能源系统运行成本。
9.根据权利要求8所述的电力市场环境下区域综合能源系统运行成本优化方法，其特征在于，
Figure 735874DEST_PATH_IMAGE002
时段购电成本和购气成本分别为：
Figure 105545DEST_PATH_IMAGE030
其中，
Figure 354123DEST_PATH_IMAGE031
为
Figure 218174DEST_PATH_IMAGE002
时刻燃气价格，
Figure 235809DEST_PATH_IMAGE032
为
Figure 41960DEST_PATH_IMAGE002
时刻购得燃气量。
10.根据权利要求9所述的电力市场环境下区域综合能源系统运行成本优化方法，其特征在于，步骤S3中，在结合电力市场交易的约束条件和目标函数进行求解时，首先采用拉丁超立方抽样生成
Figure 574572DEST_PATH_IMAGE033
组各时段日前市场电价和实时市场电价数据，然后采用粒子群算法对目标函数进行求解。
CN202110053830.0A 2021-01-14 2021-01-14 电力市场环境下区域综合能源系统运行成本优化方法 Pending CN112381339A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110053830.0A CN112381339A (zh) 2021-01-14 2021-01-14 电力市场环境下区域综合能源系统运行成本优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110053830.0A CN112381339A (zh) 2021-01-14 2021-01-14 电力市场环境下区域综合能源系统运行成本优化方法

Publications (1)

Publication Number Publication Date
CN112381339A true CN112381339A (zh) 2021-02-19

Family

ID=74581887

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110053830.0A Pending CN112381339A (zh) 2021-01-14 2021-01-14 电力市场环境下区域综合能源系统运行成本优化方法

Country Status (1)

Country Link
CN (1) CN112381339A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114548692A (zh) * 2022-01-25 2022-05-27 浙江大学 一种基于元宇宙的区域能源系统多未来调度优化方法及系统
CN116843406A (zh) * 2023-05-16 2023-10-03 中国长江电力股份有限公司 综合能源系统参与电力系统调节的市场机制设计方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106373033A (zh) * 2016-10-09 2017-02-01 东南大学 一种计及新能源的发电侧竞价优化方法
CN108985944A (zh) * 2018-08-07 2018-12-11 燕山大学 基于多智能体和博弈论的微电网群内的电力市场交易方法
CN109409725A (zh) * 2018-10-19 2019-03-01 广东电网有限责任公司 一种高成本机组参与现货市场的补贴方法、装置及设备
CN111553747A (zh) * 2020-05-08 2020-08-18 中国南方电网有限责任公司 一种电力现货市场动态监测方法、装置及存储介质
CN111681130A (zh) * 2020-06-15 2020-09-18 西安交通大学 一种考虑条件风险价值的综合能源系统优化调度方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106373033A (zh) * 2016-10-09 2017-02-01 东南大学 一种计及新能源的发电侧竞价优化方法
CN108985944A (zh) * 2018-08-07 2018-12-11 燕山大学 基于多智能体和博弈论的微电网群内的电力市场交易方法
CN109409725A (zh) * 2018-10-19 2019-03-01 广东电网有限责任公司 一种高成本机组参与现货市场的补贴方法、装置及设备
CN111553747A (zh) * 2020-05-08 2020-08-18 中国南方电网有限责任公司 一种电力现货市场动态监测方法、装置及存储介质
CN111681130A (zh) * 2020-06-15 2020-09-18 西安交通大学 一种考虑条件风险价值的综合能源系统优化调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
许志恒等: "考虑运行策略和投资主体利益的电转气容量双层优化配置", 《电力系统自动化》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114548692A (zh) * 2022-01-25 2022-05-27 浙江大学 一种基于元宇宙的区域能源系统多未来调度优化方法及系统
CN114548692B (zh) * 2022-01-25 2024-10-08 浙江大学 一种基于元宇宙的区域能源系统多未来调度优化方法及系统
CN116843406A (zh) * 2023-05-16 2023-10-03 中国长江电力股份有限公司 综合能源系统参与电力系统调节的市场机制设计方法

Similar Documents

Publication Publication Date Title
Li et al. Trading strategy and benefit optimization of load aggregators in integrated energy systems considering integrated demand response: A hierarchical Stackelberg game
Gu et al. Residential CCHP microgrid with load aggregator: Operation mode, pricing strategy, and optimal dispatch
Wang et al. Non-cooperative game-based multilateral contract transactions in power-heating integrated systems
CN111860965B (zh) 考虑储能多类型服务的用户综合能源系统优化调度方法
CN108009693A (zh) 基于两级需求响应的并网微电网双层优化方法
CN115115277A (zh) 园区综合能源调度方法、装置、计算机设备及存储介质
CN112398164A (zh) 含共享储能系统的微能源网群优化运行及成本分配方法
CN114358432A (zh) 计及需求响应与碳交易的多能源系统优化调度方法及装置
CN112381339A (zh) 电力市场环境下区域综合能源系统运行成本优化方法
CN113435095A (zh) 一种用于综合能源系统的优化调度的方法及系统
CN113487188A (zh) 考虑电气联合价格引导机制的综合能源系统优化调度方法
CN112600253A (zh) 基于用能效率最优的园区综合能源协同优化方法及设备
CN112068436A (zh) 工业园区的综合能源系统分层分布式控制方法及系统
CN113705906A (zh) 一种综合能源园区能源协调优化运行方法及系统
CN112564102A (zh) 多微网负荷优化调度方法和系统
CN112016825A (zh) 一种区域综合能源系统的集中式交易优化决策方法
CN116128201A (zh) 一种基于非合作博弈的多虚拟电厂点对点能源交易方法
CN115689166A (zh) 一种区域分布式能源资源聚合利用方法及系统
CN116432824A (zh) 基于多目标粒子群的综合能源系统优化方法及系统
CN115293485A (zh) 考虑电动汽车和需求响应的综合能源系统低碳调度方法
CN111489193B (zh) 一种电-气互联能源系统下用户价格响应特性的计算方法
CN117455164A (zh) 考虑碳交易和需求响应的电热气综合能源系统的优化运行方法
Wang et al. A master–slave game optimal scheduling strategy for park-integrated energy systems based on adjustable robust optimization
CN116432807A (zh) 考虑耦合效应与不确定性的综合需求响应系统及其方法
Chen et al. Robust optimization based multi-level coordinated scheduling strategy for energy hub in spot market

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210219