CN112446745A - 基于双层随机规划的含多微网的配电市场交易方法 - Google Patents
基于双层随机规划的含多微网的配电市场交易方法 Download PDFInfo
- Publication number
- CN112446745A CN112446745A CN202011479739.7A CN202011479739A CN112446745A CN 112446745 A CN112446745 A CN 112446745A CN 202011479739 A CN202011479739 A CN 202011479739A CN 112446745 A CN112446745 A CN 112446745A
- Authority
- CN
- China
- Prior art keywords
- power distribution
- layer
- distribution network
- microgrid
- model
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000013468 resource allocation Methods 0.000 claims abstract description 7
- 230000005611 electricity Effects 0.000 claims description 15
- 230000009977 dual effect Effects 0.000 claims description 4
- 230000000295 complement effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 abstract description 14
- 230000008901 benefit Effects 0.000 description 5
- 238000007599 discharging Methods 0.000 description 4
- 238000004146 energy storage Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- 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)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开基于双层随机规划的含多微网的配电市场交易方法,该方法基于输电网、配电网和微电网,在所述配电网与所述微电网之间建立实现配电网和多个微电网内的优化资源配置的双层随机规划模型,上层配电网运营商模型同时考虑最小化配网内资源的日前‑实时两阶段调度成本和满足配网运行约束条件下确定与微电网之间的交易价格;下层微电网运营商模型根据交易价格确定日前‑实时两阶段运行成本最低的调度方案和交易电量;将双层随机规划模型转化为混合整数线性规划模型进行求解,从而确定配电网运营商和多个微电网运营商之间的交易价格和交易电量,实现配网与多微网内的最优资源配置。
Description
技术领域
本发明属于售电网资源配置改进的方法,特别涉及基于双层随机规划的含多微网的配电市场交易方法。
背景技术
随着售电侧电力市场改革的不断深入,国内积极推进发电侧和售电侧电价市场化,鼓励放开竞争性环节电力价格,逐步建立反应市场信息的价格形成机制,创建公平竞争的环境。在国家大力提倡发展清洁能源的形势下,以及分布式电源技术的逐渐成熟,拥有分布式电源的微电网可以完全根据自身需求参与电力交易,实现自身运营效益的最大化。可再生能源的不确定性会造成微电网的功率不平衡,从而需要与其他微电网或者配电网进行电力交易。
在研究微电网与配电网之间的交易时,目前的主要研究内容分为以下两个方面:
1)仅考虑微电网与配电网之间的交易量
部分文献利用完全信息的非合作博弈法考虑配网与多微网之间的博弈关系,并采用路径跟踪的内点算法进行求解。然而,以上研究中仅仅考虑了微电网与配电网之间的交易量,并没有研究激励不同微电网利益主体实现对应交易量的价格信号,因此在市场环境下无法有效实现优化所得到的交易量。
2)同时考虑微电网与配电网之间的交易量和交易价格
部分文献基于Stackelberg博弈提出配电网与微电网之间的交易方法。其中,下层是微电网的日前经济调度模型,上层是配网运营商在保证配网安全运行的基础上确定和微电网之间的交易价格。
在研究微电网与配电网之间的交易时,目前文献仅仅考虑日前市场或者实时市场,而未充分考虑到日前和实时两个阶段的交易框架。虽然微电网所需要的电量大部分在日前市场中进行购买,但是微电网的日前调度计划严重依赖于微电网内部源-荷的预测精度,若实时的交易量无法按照日前调度计划进行,则会面临高额的惩罚成本。
发明内容
本发明针对现有微电网与配电网之间的交易研究的不足,本发明提供基于双层随机规划的含多微网的配电市场交易方法,该方法引入层随机规划模型来模拟多微网在配电市场内的交易模型,实现配网和多微电网内资源配置最优化。
为了解决技术问题,本发明采用如下技术方案予以实施:
根据配电市场中不同市场利益主体的需求,构建了双层随机规划模型:上层模型以最小化配网运营商运行成本为目标,在考虑配网运行约束的条件下确定与微电网之间的交易价格,其中,配网的潮流约束由配网安全域表示;下层模型中每个微电网运营商根据交易价格确定运行成本最低的调度方案。其中,为了考虑可再生能源的不确定性,配网运营商和微电网运营商均采用日前-实时两阶段随机规划模型进行经济调度。基于KKT条件,将上述双层随机规划模型转化为混合整数非线性规划问题,通过大M法和强对偶原理,将其转化为混合整数线性规划模型进行求解,从而确定多微网与配电网之间的交易方案。具体内容为:
基于双层随机规划的含多微网的配电市场交易方法,该方法基于输电网、配电网和微电网,在所述配电网与所述微电网之间建立实现配电网和多个微电网内的优化资源配置的双层随机规划模型,所述双层随机规划模型包括上层配电网运营商模型和下层微电网运营商模型,包括如下步骤:
上层配电网运营商模型以最小化配网运营商运行成本为目标并基于配电网运行约束的条件下确定与微电网之间的交易价格;
下层微电网运营商模型中每个微电网运营商根据交易价格确定运行成本最低的调度方案;其中:
上层配网运营商模型和下层微电网运营商模型均采用日前-实时两阶段的交易电量和交易价格进行经济调度;
将所述双层随机规划模型转化为混合整数线性规划模型进行求解,从而确定配电网运营商和多个微电网运营商的交易价格和交易电量,实现配网与多微网内的最优资源配置。
进一步,所述上层配电网运营商模型为:
min(CDSO,DA+CDSO,RT)
式中:CDSO,DA为配网运营商日前购电成本函数;CDSO,RT为配网运营商实时期望购电成本函数。
进一步,所述下层微电网运营商模型为:
进一步,所述双层随机规划模型转化为混合整数线性规划模型进行求解过程:
将下层微电网运营商模型转化为KKT等价条件;
通过大M法对KKT等价条件中的下层微电网运营商模型互补松弛条件进行线性化;
通过基于强对偶理论的线性化方法对下层微电网运营商运营商模型的非线性部分进行线性化获得混合整数线性规划模型;
利用matlab中的Yalmip调用CPLEX求解器对混合整数线性规划模型进行求解输出。
有益效果
如上所述,现有针对微电网与配电网之间交易的研究均具有一定局限性。部分文献仅仅考虑了微电网与配电网之间的交易量,并没有研究激励不同微电网利益主体实现对应交易量的价格信号,因此在市场环境下无法有效实现优化所得到的交易量。虽然部分文献考虑了微电网与配电网之间的交易价格,但是主要研究微电网与配电网之间日前交易行为,没有考虑可再生能源的预测误差给微电网造成的实时惩罚成本。
因此,本发明针对现有微电网与配电网之间交易研究的不足,引入层随机规划模型来模拟多微网在配电市场内的交易行为:配网运营商以最小化日前-实时两阶段运行成本为目标,在考虑配网运行约束的条件下确定与微电网之间的交易价格;每个微电网运营商根据交易价格确定日前-实时两阶段运行成本最低的调度方案。
附图说明
图1本发明基于双层随机规划的含多微网的配电市场交易方法涉及的多微网交易的市场架构;
图2本发明基于双层随机规划的含多微网的配电市场交易方法中配电市场双层交易架构。
具体实施方式:
以下结合实施案例和附图,对本发明的技术和方法进行详细描述,以下案例和附图用于说明本发明的构成,但不是用来限定本发明的范围。
本发明所基于的多微网市场架构,如图1所示。多微网市场架构包括输网运营网、配网运营网和微网运营网。其中:输网运营网主要依靠输网运营商负责运营输电市场,通过市场出清获得日前电价或者实时电价;配网运营网主要依靠配网运营商负责运营配电市场,在满足配网约束条件下确定与输电市场交易电量以及与微电网的交易价格;而微网运营网主要包括微网运营商负责运营微电网,根据自身的需求确定与配电市场的日前和实时两阶段的交易电量。
配网运营商在输电市场中的角色是价格接受者,即配网运营商与输电市场的交易量不会影响输电价格;然而,配网运营商在配电市场中是价格的制定者,在满足配网约束的条件下确定与微电网之间的交易价格。
本发明是针对基于配电市场中配网运营商与微网运营商之间双层随机规划的配电市场交易方法,即:在配电市场中,配网运营商在日前和实时两个阶段制定与微电网进行电量交易的价格,具有领导者的地位。而微电网作为跟随者根据配网运营商的交易价格确定与配电网的交易量。通过本发明构建的双层随机规划模型对配电网和多个微电网之间的博弈关系进行建模,如图2所示,进而解决配网运营商与微网运营商之间资源最优的配置达到经济利益最大化。包括如下步骤:
建立上层配电网运营商模型
根据配电网中配电网运营商以最小化日前-实时两阶段运行成本目标进行分布式资源的调度建立上层配电网运营模型,从而确定与输电市场的交易电量,并制定与微电网之间的交易价格。所述上层配电网运营模型为配网运营商的目标函数如式(5-1)所示。
min(CDSO,DA+CDSO,RT) (5-1)
式中:CDSO,DA为配网运营商日前购电成本函数;CDSO,RT为配网运营商实时期望购电成本函数。具体地,CDSO,DA和CDSO,RT可以分别由式(5-2)和式(5-3)表示。
式中:πs为一个实时不确定性场景s发生的概率;cDSO,MT和分别为配网运营商的燃气轮机组d日前调度和实时调度的成本;cDSO,ES,cha和cDSO,ES,dis分别为配网运营商的储能充电和放电的日前调度成本;和分别为配网运营商在不同时段从日前和实时输电市场购电的成本;和分别为配网运营商在日前和实时不同时段从微电网购电的成本;和分别为配网运营商在日前和实时不同时段向微电网售电的成本;为负荷削减的成本;为弃风的成本;和分别为配网运营商的燃气轮机组日前有功出力和实时有功调整出力;和分别为配网运营商的储能在日前不同时段的充电和放电功率;和分别表示配网运营商在不同时段从日前和实时输电市场购买的电量;为实时不同时段的负荷削减量;为实时不同时段的弃风量;和分别表示配网运营商在日前和实时不同时段从微电网购买的电量;和分别表示配网运营商在日前和实时不同时段向微电网销售的电量。
建立上层配电网运营模型约束条件
①配网潮流约束
②分布式资源运行约束
③交易电量传输约束
根据微电网中每个微电网运营商以最小化日前-实时两阶段运行成本目标进行分布式资源的调度建立下层微电网运营商模型,从而确定与配电市场的交易电量。所述下层微电网运营商模型为微网运营商i的目标函数如式(5-19)所示。
式中:和分别为微网运营商i的燃气轮机组日前调度和实时调度的成本;和分别为微网运营商i的储能充电和放电的日前调度成本;和分别为配网运营商i在日前和实时不同时段从微电网购电的成本;和分别为微网运营商i的燃气轮机组日前有功出力和实时有功调整出力;和分别为微网运营商i的储能在日前不同时段的充电和放电功率;为微网运营商i在实时不同时段的负荷削减量;为微网运营商i在实时不同时段的弃风量;和分别表示微网运营商在日前和实时不同时段从配网购买的电量;和分别表示微网运营商在日前和实时不同时段向配网销售的电量。
建立下层微电网运营商模型约束条件
①节点功率平衡
②分布式资源运行约束
③交易电量传输约束
通过对上层配电网运营模型、下层微电网运营商模型进行优化过程:
步骤1:将式(5-19)-式(5-31)转化为KKT等价条件;
步骤2:将KKT等价条件中的互补松弛条件通过大M法进行线性化;
步骤3:将目标函数(5-2)-(5-3)中的非线性部分通过强对偶原理进行线性化,从而得到混合整数线性规划模型;
步骤4:利用matlab中的Yalmip调用CPLEX求解器对混合整数线性规划模型进行求解。
本发明并不限于上文描述的实施方式。以上对具体实施方式的描述旨在描述和说明本发明的技术方案,上述的具体实施方式仅仅是示意性的,并不是限制性的。在不脱离本发明宗旨和权利要求所保护的范围情况下,本领域的普通技术人员在本发明的启示下还可做出很多形式的具体变换,这些均属于本发明的保护范围之内。
Claims (4)
1.基于双层随机规划的含多微网的配电市场交易方法,该方法基于输电网、配电网和微电网,在所述配电网与所述微电网之间建立实现配电网和多个微电网内的优化资源配置的双层随机规划模型,所述双层随机规划模型包括上层配电网运营商模型和下层微电网运营商模型,包括如下步骤:
上层配电网运营商模型以最小化配网运营商运行成本为目标并基于配电网运行约束的条件下确定与微电网之间的交易价格;
下层微电网运营商模型中每个微电网运营商根据交易价格确定运行成本最低的调度方案;其中:
上层配网运营商模型和下层微电网运营商模型分别采用日前-实时两阶段的经济调度确定交易价格和交易电量;
将所述双层随机规划模型转化为混合整数线性规划模型进行求解,从而确定配电网运营商和多个微电网运营商的交易价格和交易电量,实现配网与多微网内的最优资源配置。
2.根据权利要求1所述的基于双层随机规划的含多微网的配电市场交易方法,其特征在于:所述上层配电网运营商模型为:
min(CDSO,DA+CDSO,RT)
式中:CDSO,DA为配网运营商日前购电成本函数;CDSO,RT为配网运营商实时期望购电成本函数。
4.根据权利要求1所述的基于双层随机规划的含多微网的配电市场交易方法,其特征在于:所述双层随机规划模型转化为混合整数线性规划模型进行求解过程:
将下层微电网运营商模型转化为KKT等价条件;
通过大M法对下层微电网运营商模型KKT等价条件中的互补松弛条件进行线性化;
通过基于强对偶理论的线性化方法对下层微电网运营商运营商模型的非线性部分进行线性化获得混合整数线性规划模型;
利用matlab中的Yalmip调用CPLEX求解器对混合整数线性规划模型进行求解输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011479739.7A CN112446745A (zh) | 2020-12-15 | 2020-12-15 | 基于双层随机规划的含多微网的配电市场交易方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011479739.7A CN112446745A (zh) | 2020-12-15 | 2020-12-15 | 基于双层随机规划的含多微网的配电市场交易方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112446745A true CN112446745A (zh) | 2021-03-05 |
Family
ID=74739120
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011479739.7A Pending CN112446745A (zh) | 2020-12-15 | 2020-12-15 | 基于双层随机规划的含多微网的配电市场交易方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112446745A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113255129A (zh) * | 2021-05-24 | 2021-08-13 | 南京南瑞信息通信科技有限公司 | 增量式配电网双层随机优化运行方法及系统 |
CN113255993A (zh) * | 2021-05-21 | 2021-08-13 | 中国三峡新能源(集团)股份有限公司 | 确定储能参与日前市场的优化申报策略的方法和装置 |
CN113421123A (zh) * | 2021-06-29 | 2021-09-21 | 国网安徽省电力有限公司电力科学研究院 | 含共享储能的点对点电能交易市场设计方法和装置 |
CN116523481A (zh) * | 2023-05-09 | 2023-08-01 | 山东理工大学 | 上层零售商定价与下层微网独立决策的双层协同优化方法 |
CN117791613A (zh) * | 2024-02-27 | 2024-03-29 | 浙电(宁波北仑)智慧能源有限公司 | 一种基于资源集群调控的决策方法及系统 |
-
2020
- 2020-12-15 CN CN202011479739.7A patent/CN112446745A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113255993A (zh) * | 2021-05-21 | 2021-08-13 | 中国三峡新能源(集团)股份有限公司 | 确定储能参与日前市场的优化申报策略的方法和装置 |
CN113255993B (zh) * | 2021-05-21 | 2023-10-10 | 中国三峡新能源(集团)股份有限公司 | 确定储能参与日前市场的优化申报策略的方法和装置 |
CN113255129A (zh) * | 2021-05-24 | 2021-08-13 | 南京南瑞信息通信科技有限公司 | 增量式配电网双层随机优化运行方法及系统 |
CN113421123A (zh) * | 2021-06-29 | 2021-09-21 | 国网安徽省电力有限公司电力科学研究院 | 含共享储能的点对点电能交易市场设计方法和装置 |
CN113421123B (zh) * | 2021-06-29 | 2024-04-09 | 国网安徽省电力有限公司电力科学研究院 | 含共享储能的点对点电能交易市场设计方法和装置 |
CN116523481A (zh) * | 2023-05-09 | 2023-08-01 | 山东理工大学 | 上层零售商定价与下层微网独立决策的双层协同优化方法 |
CN117791613A (zh) * | 2024-02-27 | 2024-03-29 | 浙电(宁波北仑)智慧能源有限公司 | 一种基于资源集群调控的决策方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cruz et al. | A comprehensive survey of flexibility options for supporting the low-carbon energy future | |
Shahinzadeh et al. | Internet of Energy (IoE) in smart power systems | |
Jiang et al. | A multiagent-based hierarchical energy management strategy for maximization of renewable energy consumption in interconnected multi-microgrids | |
Muqeet et al. | Optimal scheduling for campus prosumer microgrid considering price based demand response | |
Adefarati et al. | Integration of renewable distributed generators into the distribution system: a review | |
Short et al. | Regional energy deployment system (ReEDS) | |
Sheibani et al. | Energy storage system expansion planning in power systems: a review | |
Varaiya et al. | Smart operation of smart grid: Risk-limiting dispatch | |
Aghdam et al. | Optimal scheduling of multi-energy type virtual energy storage system in reconfigurable distribution networks for congestion management | |
CN112446745A (zh) | 基于双层随机规划的含多微网的配电市场交易方法 | |
Venegas-Zarama et al. | A review of the evolution and main roles of virtual power plants as key stakeholders in power systems | |
Anand et al. | A real time pricing strategy for remote micro-grid with economic emission dispatch and stochastic renewable energy sources | |
Panda et al. | A conceptual review on transformation of micro‐grid to virtual power plant: Issues, modeling, solutions, and future prospects | |
Nikolaidis et al. | Sustainable services to enhance flexibility in the upcoming smart grids | |
Peikherfeh et al. | Optimal dispatch of distributed energy resources included in a virtual power plant for participating in a day-ahead market | |
Peng et al. | Optimized economic operation strategy for distributed energy storage with multi-profit mode | |
Zhang et al. | Optimizing the planning of distributed generation resources and storages in the virtual power plant, considering load uncertainty | |
Panda et al. | A comprehensive review on demand side management and market design for renewable energy support and integration | |
Jafarpour et al. | Resiliency assessment of the distribution system considering smart homes equipped with electrical energy storage, distributed generation and plug-in hybrid electric vehicles | |
An et al. | Optimal operation of multi-micro energy grids under distribution network in Southwest China | |
Rizvi et al. | Optimal scheduling of virtual power plants utilizing wind power and electric vehicles | |
Yuan et al. | A multi-objective risk-constrained approach for capturing and recycling carbon dioxide in multi-energy combined heat and power microgrids | |
Hejeejo et al. | Sustainable energy system planning for the management of MGs: a case study in New South Wales, Australia | |
Zhang et al. | Economic evaluation of energy storage integrated with wind power | |
Badar et al. | Introduction and history of virtual power plants with experimental examples |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210305 |
|
WD01 | Invention patent application deemed withdrawn after publication |