CN112508281A - 一种用于电力中长期交易的时序滚动统筹优化方法 - Google Patents

一种用于电力中长期交易的时序滚动统筹优化方法 Download PDF

Info

Publication number
CN112508281A
CN112508281A CN202011444179.1A CN202011444179A CN112508281A CN 112508281 A CN112508281 A CN 112508281A CN 202011444179 A CN202011444179 A CN 202011444179A CN 112508281 A CN112508281 A CN 112508281A
Authority
CN
China
Prior art keywords
risk
clean energy
power
total
electric quantity
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
CN202011444179.1A
Other languages
English (en)
Other versions
CN112508281B (zh
Inventor
冯迎春
范洁
蒋宇
李雪松
陈浩
高博
李天宇
高赐威
陈涛
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.)
Southeast University
State Grid Jiangsu Electric Power Co Ltd
Original Assignee
Southeast University
State Grid Jiangsu Electric Power 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 Southeast University, State Grid Jiangsu Electric Power Co Ltd filed Critical Southeast University
Priority to CN202011444179.1A priority Critical patent/CN112508281B/zh
Publication of CN112508281A publication Critical patent/CN112508281A/zh
Application granted granted Critical
Publication of CN112508281B publication Critical patent/CN112508281B/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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • 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
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Landscapes

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

Abstract

本发明公开了一种用于电力中长期交易的时序滚动统筹优化方法，属于计算、推算或计数的技术领域，包括清洁能源出力不确定性的风险评估计算模型和时序滚动优化模型，风险评估计算模型包括风险预警模块用于风险识别判定，并做出相应的响应级别；时序滚动优化模型包括用于计算购电成本和风险成本的目标函数，目标函数用于统筹规划电量交易计划制定；通过对清洁能源出力不确定性的风险分析及将风险成本引入经济最优模型，此方法采用时序滚动的方法，通过风险预警机制，判断风险程度并做出不同级别的响应，提高了求解效率，本发明实现了考虑清洁能源配额制的电力中长期交易时序滚动统筹优化方法，为中长期交易的组织者提供了参考。

Description

一种用于电力中长期交易的时序滚动统筹优化方法
技术领域
本发明涉及一种用于电力中长期交易的时序滚动统筹优化方法，属于计算、推算或计数技术领域。
背景技术
由于可再生能源电力消纳保障机制要求优先消纳清洁能源，而清洁能源的出力具有不确定性，预测误差大。许多省份内自发的清洁能源不能满足配额需求，需要购买省外清洁能源电量来完成配额。如果电网公司盲目地安排中长期市场中的不同种类能源的购电量，不能合理规划省内外购电比例，会导致电价风险波动过大，面临很大的市场风险。因此，需要建立一套科学的包含风险分析的电力中长期时序滚动统筹优化方法。
基于我国当前实施的可再生能源配额制，结合我国电力市场发展的背景，很多相关交易策略通常只考虑省内、省间统筹优化的中长期电力总交易量，而无法考虑风险成本问题。这些实际交易场景需要明确对清洁能源出力进行的预测，根据预测误差，进行清洁能源出力和交易安排，然而面临巨大偏差和不确定性风险。在给定的中长期交易场景中，传统经济最优决策模型只考虑限定时间尺度内的静态优化，并以此为依据无差异化的执行各不同时间尺度交易策略。但在没有风险成本和时序静态差异情况下的电力中长期交易方法，无法实时协调省间、省内的交易安排，及时制定相关交易优化方法。另一方面，电力中长期交易优化方法需要及时调整，动态评估分析关键不确定性参数对最优决策的影响。
发明内容
本发明的发明目的是针对上述背景技术的不足，提出了一种用于电力中长期交易的时序滚动统筹优化方法，考虑将风险成本引入经济最优模型，来安排省内清洁能源电量、非清洁能源电量和省外电量交易，并通过将模型中非线性部分线性化的方法，提高了求解效率。采用时序滚动的方法，通过风险预警机制，判断风险程度并做出不同级别的响应，更新中长期市场购电安排。
本发明的目的可以通过以下技术方案实现：一种用于电力中长期交易的时序滚动统筹优化方法，包括清洁能源出力不确定性的风险评估计算模型和时序滚动优化模型，所述风险评估计算模型包括风险预警模块用于风险识别判定，并做出相应的响应级别；
所述时序滚动优化模型包括用于计算购电成本和风险成本的目标函数，所述目标函数用于统筹规划电量交易计划制定。
作为本发明进一步的方案，包括对清洁能源的出力和负荷的误差分析对各类清洁能源和负荷不确定性产生的误差进行分析，清洁能源出力的不确定性较大，其误差明显高于负荷的预测误差，经过大量研究表明，清洁能源出力和负荷的预测误差分布可以采用均值为零的正态分布来表示：
Figure BDA0002823634220000021
Figure BDA0002823634220000022
Figure BDA0002823634220000023
Figure BDA0002823634220000024
其中，εW、εPV、εH和εL分别表示风电、光伏出力的预测误差和负荷的预测误差；
Figure BDA0002823634220000031
和
Figure BDA0002823634220000032
分别表示风电出力、光伏出力、水电出力和负荷的预测误差的方差。
作为本发明进一步的方案，根据随机误差的分布规律和统计特性，采用积分公式计算在所有情形下的条件风险损失，为了明确不同的风险等级，基于全概率公式，将预测误差产生的风险，分成缓冲区风险，危险区风险和极端区风险三部分，可将预测误差风险分为以下三种情况：
A：省外额外购买的清洁能源电量的最大值Ro
B：Ro和从省间绿证市场购买绿证的最大值之和Rg
C：给定置信水平下的清洁能源的需求量Rset
Figure BDA0002823634220000033
ρ(ε)为随机误差ε的概率密度函数，Drm，b为缓冲区风险，Drm，d为危险区风险，Drm，e为极端区风险；
Figure BDA0002823634220000034
Figure BDA0002823634220000041
ρ(ε)为随机误差ε的概率密度函数，Drm，b为缓冲区风险，Drm，d为危险区风险，Drm，e为极端区风险；
Figure BDA0002823634220000042
ρ(ε)为随机误差ε的概率密度函数，Drm，b为缓冲区风险，Drm，d为危险区风险，Drm，e为极端区风险。
作为本发明进一步的方案，目标函数包含购电成本和风险成本，该优化的目标函数为min(Ce+Crisk)，Ce为总购电成本，Crisk为风险成本，电网公司从中长期电力市场中购电的电量分为省内电量和省外电量两个部分，其中省内电量来源可以分为风电、光伏、水电和火电；省外电量可以分为非水电清洁能源、火电和水电：
Qtotal，f＝QT，v+QW，f+QH，v+QPV，f+Qo，v
Qo，v＝QoR，v+QoH，v+QoN，v
Qtotal，f为总购电量，为火电购电量，QH，v为水电购电量，QW，f为风电购电量，QPV，f为光伏发电购电量，Qo，v为省外来电购电量，QoR，v为省外非水清洁能源购电量，QoN，v为省外非清洁能源购电量，QoH，v为省外水电购电量。
作为本发明进一步的方案，假设清洁能源配额制所规定的清洁能源电量(风电、光伏)占总电量比例至少达到α0，非水清洁能源电量(风电、光伏、水电)占总电量比例至少达到β0，实际清洁能源电量占总电量的消纳比例αr以及实际非水电清洁能源电量占总电量的消纳比例βr的表达式为：
Figure BDA0002823634220000051
Figure BDA0002823634220000052
风险成本Crisk的表达式为
Crisk＝λrm，b·Drm，b+λrm，d·Drm，d+λrm，e·Drm，e
λrm，b为额外从省外额外购买的清洁能源的价格，λrm，d为从省间绿证市场购买绿证的价格，λrm，e为配额未达标的罚款金额；
Ro、Rg、Rset的表达式为
Ro＝QoR，max-QoR，v
Rg＝Ro+Qg，max
Rset＝max((α0-αr)·Qtotal，(β0-βr)·Qtotal)
QoR，max为省外能提供的清洁能源需求量最大值，Qg，max为省间绿证市场能提供绿证量的最大值。
作为本发明进一步的方案，所述模型中包含的非线性参数处理方式如下：
首先将式
Figure BDA0002823634220000053
转化为不等式形式：
Figure BDA0002823634220000054
通过这种方法可以将上式转化为以下形式：
Figure BDA0002823634220000061
式中，Δr为每一个区间的宽度，xφ为分段线性化离散点的横坐标，yφ为分段线性化离散点的纵坐标，aφ为相邻离散点间的斜率，类似地，可以将其他非线性不等式线性化，提高求解效率。
作为本发明进一步的方案，使用滚动优化的中长期交易优化方法，一般来说，预测时间越接近预测目标，预测的准确性越高，由于清洁能源发电出力的不确定性，需要在一年当中对购电方案进行及时修正；
在一年当中的某一时刻t0进行滚动优化：
Figure BDA0002823634220000062
Qtotal是这一年该时刻后的预测剩余总电量，
Figure BDA0002823634220000071
为更新预测的全年总购电量，QT，b为已经完成交易的省内火电的购电量，QW，b为已经完成交易的省内风电的购电量，QH，b为已经完成交易的省内水电的购电量，QPV，b为已经完成交易的省内光伏发电的购电量，QoR，b为已经完成交易的省外清洁能源的购电量，QoN，b为已经完成交易的省外非清洁能源的购电量，QoH，b为已经完成交易的省外水电的购电量。
Ro、Rg、Rset的表达式为
Ro＝QoR，max-QoR，v
Rg＝Ro+Qg，max
Figure BDA0002823634220000072
QoR，max为省外能提供的清洁能源需求量最大值，Qg，max为省间绿证市场能提供绿证量的最大值。
本发明有益效果：本发明提出了一种用于电力中长期市场的时序滚动统筹优化方法，将清洁能源风险成本引入决策中，建立总成本最优为目标的中长期电力时序滚动统筹优化方法。本方法采用对清洁能源出力不确定性风险的分析，通过风险预警机制，判断风险程度，对不同程度的风险进行不同级别的响应。并通过将模型中非线性部分线性化的方法，提高了求解效率。通过不同的响应和时序滚动的优化模型计算方法，来更新中长期市场中省内、省外的购电安排，并决定在绿证市场中的绿证购买量。在经济最优的前提下，用时序滚动的方法来统筹优化计算。
附图说明
图1是全概率风险成本情况一，给定置信水平下的清洁能源的需求量Rset最大；
图2是全概率风险成本情况二，从省间绿证市场购买绿证的最大值之和Rg最大；
图3是全概率风险成本情况三，省外额外购买的清洁能源电量的最大值Ro最大；
图4是一种用于电力中长期市场的时序滚动统筹优化方法的流程图。
具体实施方式
下面结合附图对发明的技术方案进行详细说明。
本申请公开的一种用于电力中长期市场的时序滚动统筹优化方法，如图4所示，包含以下两大步骤具体说明。
步骤一：建立针对清洁能源出力不确定性的风险评估计算模型，通过预测误差与风险等级划分进行计算
(1)预测误差模型的建立
对各类清洁能源和负荷不确定性产生的误差进行分析。清洁能源(风电、光伏)出力的不确定性较大，其误差明显高于负荷的预测误差。经过大量研究表明，清洁能源出力和负荷的预测误差分布可以采用均值为零的正态分布来表示：
Figure BDA0002823634220000081
Figure BDA0002823634220000082
Figure BDA0002823634220000091
Figure BDA0002823634220000092
其中，εW、εPV、εH和εL分别表示风电、光伏出力的预测误差和负荷的预测误差；
Figure BDA0002823634220000093
和
Figure BDA0002823634220000094
分别表示风电出力、光伏出力、水电出力和负荷的预测误差的方差。以上误差是相互独立的，则有
Figure BDA0002823634220000095
Figure BDA0002823634220000096
Figure BDA0002823634220000097
Figure BDA0002823634220000098
其中，εR是清洁能源的预测误差，
Figure BDA0002823634220000099
是清洁能源预测误差的方差；ω1、ω2和ω3分别为预测的风电和光伏的占清洁能源的比重，满足ω1+ω2+ω3＝1；εsum是总预测误差，
Figure BDA00028236342200000910
是总预测误差的方差。预测误差方差的大小，应该与预测的时间尺度有关，时间尺度越长，误差方差越大；时间尺度越短，误差方差越小。
(2)全概率风险等级计算
根据随机误差的分布规律和统计特性，采用积分形式描述在所有情形下的条件风险损失。为了明确不同的风险等级，基于全概率公式，将预测误差产生的风险，分成缓冲区风险，危险区风险和极端区风险三部分。可将预测误差风险分为以下三种情况：
A：省外额外购买的清洁能源电量的最大值Ro
B：Ro和从省间绿证市场购买绿证的最大值之和Rg
C：给定置信水平下的清洁能源的需求量Rset
针对图1场景：
Figure BDA0002823634220000101
ρ(ε)为随机误差ε的概率密度函数，Drm，b为缓冲区风险，Drm，d为危险区风险，Drm，e为极端区风险。
针对图2场景：
Figure BDA0002823634220000102
ρ(ε)为随机误差ε的概率密度函数，Drm，b为缓冲区风险，Drm，d为危险区风险，Drm，e为极端区风险。
针对图3场景：
(3)Rset＞Rg≥Ro
Drm，b＝0
Drm，d＝0
Figure BDA0002823634220000111
ρ(ε)为随机误差ε的概率密度函数，Drm，b为缓冲区风险，Drm，d为危险区风险，Drm，e为极端区风险。
步骤二：建立时序滚动优化模型，利用全概率风险成本约束与经济最优函数模型对包含清洁能源配额的电力中长期市场的统筹规划进行计算
1)设置目标函数包含购电成本和风险成本
设置目标函数包含购电成本和风险成本，该优化的目标函数为min(Ce+Crisk)，Ce为总购电成本，Crisk为风险成本。电网公司从中长期电力市场中购电的电量分为省内电量和省外电量两个部分，其中省内电量来源可以分为风电、光伏、水电和火电；省外电量可以分为非水电清洁能源、火电和水电：
Qtotal，f＝QT，v+QW，f+QH，v+QPV，f+Qo，v
Qo，v＝QoR，v+QoH，v+QoN，v
Qtotal，f为总购电量，为火电购电量，QH，v为水电购电量，QW，f为风电购电量，QPV，f为光伏发电购电量，Qo，v为省外来电购电量，QoR，v为省外非水清洁能源购电量，QoN，v为省外非清洁能源购电量，QoH，v为省外水电购电量。
2)构建清洁能源配额制约束
使用清洁能源配额制，将清洁能源电量(风电、光伏)占总电量比例至少达到α0，非水清洁能源电量(风电、光伏、水电)占总电量比例至少达到β0。实际清洁能源电量占总电量的消纳比例αr以及实际非水电清洁能源电量占总电量的消纳比例βr的表达式为：
Figure BDA0002823634220000121
Figure BDA0002823634220000122
风险成本Crisk的表达式为
Crisk＝λrm，b·Drm，b+λrm，d·Drm，d+λrm，e·Drm，e
λrm，b为额外从省外额外购买的清洁能源的价格，λrm，d为从省间绿证市场购买绿证的价格，λrm，e为配额未达标的罚款金额。
Ro、Rg、Rset的表达式为
Ro＝QoR，max-QoR，v
Rg＝Ro+Qg，max
Rset＝max((α0-αr)·Qtotal，(β0-βr)·Qtotal)
QoR，max为省外能提供的清洁能源需求量最大值，Qg，max为省间绿证市场能提供绿证量的最大值。
3)构建滚动优化的中长期交易优化方法
使用滚动优化的中长期交易优化方法，一般来说，预测时间越接近预测目标，预测的准确性越高。由于清洁能源发电出力的不确定性，需要在一年当中对购买电量进行及时修正。
在一年当中的某一时刻t0进行滚动优化：
Figure BDA0002823634220000123
Figure BDA0002823634220000131
Qtotal是这一年该时刻后的预测剩余总电量，
Figure BDA0002823634220000132
为更新预测的全年总购电量，QT，b为已经完成交易的省内火电的购电量，QW，b为已经完成交易的省内风电的购电量，QH，b为已经完成交易的省内水电的购电量，QPV，b为已经完成交易的省内光伏发电的购电量，QoR，b为已经完成交易的省外清洁能源的购电量，QoN，b为已经完成交易的省外非清洁能源的购电量，QoH，b为已经完成交易的省外水电的购电量。
Ro、Rg、Rset的表达式为
Ro＝QoR，max-QoR，v
Rg＝Ro+Qg，max
Figure BDA0002823634220000133
QoR，max为省外能提供的清洁能源需求量最大值，Qg，max为省间绿证市场能提供绿证量的最大值。
步骤三：计算模型中存在非线性项，会导致求解效率低。需要将非线性部分线性化。
本专利提出了一种将模型中非线性项线性化的方法。
首先将式
Figure BDA0002823634220000141
转化为不等式形式：
Figure BDA0002823634220000142
通过这种方法可以将上式转化为以下形式：
Figure BDA0002823634220000143
上式中，Δr为每一个区间的宽度。xφ为分段线性化离散点的横坐标，yφ为分段线性化离散点的纵坐标，aφ为相邻离散点间的斜率。
类似地，可以将其他非线性不等式线性化，这样能大幅提高求解效率。
综上，本申请提出基于风险成本分析和时序滚动优化的电力中长期交易方法，考虑将风险成本引入经济最优模型，来安排省内清洁能源电量、非清洁能源电量和省外电量交易，并通过将模型中非线性部分线性化的方法，提高了求解效率。采用时序滚动的方法，通过风险预警机制，判断风险程度并做出不同级别的响应，更新中长期市场购电安排，实现了考虑清洁能源配额制的统筹优化电力中长期交易，为中长期交易的组织者提供了参考。

Claims (7)

1.一种用于电力中长期交易的时序滚动统筹优化方法，其特征在于，包括清洁能源出力不确定性的风险评估计算模型和时序滚动优化模型，所述风险评估计算模型包括风险预警模块用于风险识别判定，并做出相应的响应级别；
所述时序滚动优化模型包括用于计算购电成本和风险成本的目标函数，所述目标函数用于统筹规划电量交易计划制定。
2.根据权利要求1所述一种用于电力中长期交易的时序滚动统筹优化方法，其特征在于，包括对清洁能源的出力和负荷的误差分析对各类清洁能源和负荷不确定性产生的误差进行分析，清洁能源出力的不确定性较大，其误差明显高于负荷的预测误差，经过大量研究表明，清洁能源出力和负荷的预测误差分布可以采用均值为零的正态分布来表示：
Figure FDA0002823634210000011
Figure FDA0002823634210000012
Figure FDA0002823634210000013
Figure FDA0002823634210000014
其中，εW、εPV、εH和εL分别表示风电、光伏出力的预测误差和负荷的预测误差；
Figure FDA0002823634210000015
和
Figure FDA0002823634210000016
分别表示风电出力、光伏出力、水电出力和负荷的预测误差的方差。
3.根据权利要求2所述一种用于电力中长期交易的时序滚动统筹优化方法，其特征在于，根据随机误差的分布规律和统计特性，采用积分公式计算在所有情形下的条件风险损失，为了明确不同的风险等级，基于全概率公式，将预测误差产生的风险，分成缓冲区风险，危险区风险和极端区风险三部分，可将预测误差风险分为以下三种情况：
A：省外额外购买的清洁能源电量的最大值Ro
B：Ro和从省间绿证市场购买绿证的最大值之和Rg
C：给定置信水平下的清洁能源的需求量Rset
(1)Rset＞Rg≥Ro
Figure FDA0002823634210000021
Figure FDA0002823634210000022
Figure FDA0002823634210000023
ρ(ε)为随机误差ε的概率密度函数，Drm，b为缓冲区风险，Drm，d为危险区风险，Drm，e为极端区风险；
(2)Rg≥Rset≥Ro
Drm，b＝0
Figure FDA0002823634210000024
Figure FDA0002823634210000025
ρ(ε)为随机误差ε的概率密度函数，Drm，b为缓冲区风险，Drm，d为危险区风险，Drm，e为极端区风险；
(3)Rset＞Rg≥Ro
Drm，b＝0
Drm，d＝0
Figure FDA0002823634210000031
ρ(ε)为随机误差ε的概率密度函数，Drm，b为缓冲区风险，Drm，d为危险区风险，Drm，e为极端区风险。
4.根据权利要求3所述一种用于电力中长期交易的时序滚动统筹优化方法，其特征在于，目标函数包含购电成本和风险成本，该优化的目标函数为min(Ce+Crisk)，Ce为总购电成本，Crisk为风险成本，电网公司从中长期电力市场中购电的电量分为省内电量和省外电量两个部分，其中省内电量来源可以分为风电、光伏、水电和火电；省外电量可以分为非水电清洁能源、火电和水电：
Qtotal，f＝QT，v+QW，f+QH，v+QPV，f+Qo，v
Qo，v＝QoR，v+QoH，v+QoN，v
Qtotal，f为总购电量，为火电购电量，QH，v为水电购电量，QW，f为风电购电量，QPV，f为光伏发电购电量，Qo，v为省外来电购电量，QoR，v为省外非水清洁能源购电量，QoN，v为省外非清洁能源购电量，QoH，v为省外水电购电量。
5.根据权利要求4所述一种用于电力中长期交易的时序滚动统筹优化方法，其特征在于，假设清洁能源配额制所规定的清洁能源电量(风电、光伏)占总电量比例至少达到α0，非水清洁能源电量(风电、光伏、水电)占总电量比例至少达到β0，实际清洁能源电量占总电量的消纳比例αr以及实际非水电清洁能源电量占总电量的消纳比例βr的表达式为：
Figure FDA0002823634210000041
Figure FDA0002823634210000042
风险成本Crisk的表达式为
Crisk＝λrm，b·Drm，b+λrm，d·Drm，d+λrm，e·Drm，e
λrm，b为额外从省外额外购买的清洁能源的价格，λrm，d为从省间绿证市场购买绿证的价格，λrm，e为配额未达标的罚款金额；
Ro、Rg、Rset的表达式为
Ro＝QoR，max-QoR，v
Rg＝Ro+Qg，max
Rset＝max((α0-αr)·Qtotal，(β0-βr)·Qtotal)
QoR，max为省外能提供的清洁能源需求量最大值，Qg，max为省间绿证市场能提供绿证量的最大值。
6.根据权利要求5所述一种用于电力中长期交易的时序滚动统筹优化方法，其特征在于，所述模型中包含的非线性参数处理方式如下：
首先将式
Figure FDA0002823634210000043
转化为不等式形式：
Figure FDA0002823634210000044
通过这种方法可以将上式转化为以下形式：
Figure FDA0002823634210000051
式中，Δr为每一个区间的宽度，xφ为分段线性化离散点的横坐标，yφ为分段线性化离散点的纵坐标，aφ为相邻离散点间的斜率，类似地，可以将其他非线性不等式线性化，提高求解效率。
7.根据权利要求6所述一种用于电力中长期交易的时序滚动统筹优化方法，其特征在于，使用滚动优化的中长期交易优化方法，一般来说，预测时间越接近预测目标，预测的准确性越高，由于清洁能源发电出力的不确定性，需要在一年当中对购电方案进行及时修正；
在一年当中的某一时刻t0进行滚动优化：
Figure FDA0002823634210000052
Figure FDA0002823634210000053
Figure FDA0002823634210000054
Qtotal是这一年该时刻后的预测剩余总电量，
Figure FDA0002823634210000061
为更新预测的全年总购电量，QT，b为已经完成交易的省内火电的购电量，QW，b为已经完成交易的省内风电的购电量，QH，b为已经完成交易的省内水电的购电量，QPV，b为已经完成交易的省内光伏发电的购电量，QoR，b为已经完成交易的省外清洁能源的购电量，QoN，b为已经完成交易的省外非清洁能源的购电量，QoH，b为已经完成交易的省外水电的购电量。
Ro、Rg、Rset的表达式为
Ro＝QoR，max-QoR，v
Rg＝Ro+Qg，max
Figure FDA0002823634210000062
QoR，max为省外能提供的清洁能源需求量最大值，Qg，max为省间绿证市场能提供绿证量的最大值。
CN202011444179.1A 2020-12-08 2020-12-08 一种用于电力中长期交易的时序滚动统筹优化方法 Active CN112508281B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011444179.1A CN112508281B (zh) 2020-12-08 2020-12-08 一种用于电力中长期交易的时序滚动统筹优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011444179.1A CN112508281B (zh) 2020-12-08 2020-12-08 一种用于电力中长期交易的时序滚动统筹优化方法

Publications (2)

Publication Number Publication Date
CN112508281A true CN112508281A (zh) 2021-03-16
CN112508281B CN112508281B (zh) 2022-08-23

Family

ID=74971141

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011444179.1A Active CN112508281B (zh) 2020-12-08 2020-12-08 一种用于电力中长期交易的时序滚动统筹优化方法

Country Status (1)

Country Link
CN (1) CN112508281B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113177692A (zh) * 2021-04-06 2021-07-27 长沙理工大学 一种国家指令性电量的年计划完成风险评估方法
CN113962468A (zh) * 2021-10-29 2022-01-21 杭州青橄榄网络技术有限公司 基于用能监控统计能源消耗碳排放管理方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106408186A (zh) * 2016-09-13 2017-02-15 国网福建省电力有限公司 一种评估含风电的省级电网多类市场购电风险的方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106408186A (zh) * 2016-09-13 2017-02-15 国网福建省电力有限公司 一种评估含风电的省级电网多类市场购电风险的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
殷加玞等: "基于全概率风险度量的电力系统备用风险评估方法", 《电力自动化设备》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113177692A (zh) * 2021-04-06 2021-07-27 长沙理工大学 一种国家指令性电量的年计划完成风险评估方法
CN113177692B (zh) * 2021-04-06 2024-05-10 长沙理工大学 一种国家指令性电量的年计划完成风险评估方法
CN113962468A (zh) * 2021-10-29 2022-01-21 杭州青橄榄网络技术有限公司 基于用能监控统计能源消耗碳排放管理方法及系统

Also Published As

Publication number Publication date
CN112508281B (zh) 2022-08-23

Similar Documents

Publication Publication Date Title
CN115018230B (zh) 考虑减排成本的综合能源系统低碳鲁棒经济优化运行方法
CN113222465A (zh) 一种计及碳-绿色证书交易机制的综合能源系统优化运行方法
CN112508281B (zh) 一种用于电力中长期交易的时序滚动统筹优化方法
CN112529304B (zh) 一种基于配额制考虑风险的两级电力市场优化运行方法
CN109767029A (zh) 局域能源互联网中冷热电三联供系统容量配置方法及系统
CN106447073A (zh) 一种基于不确定性因素与全省负荷预测的购电交易方法
CN115000968A (zh) 基于博弈和风电出力相关性的海上风电接入系统规划方法
Chen et al. Reforming the operation mechanism of Chinese electricity system: benefits, challenges and possible solutions
Li et al. Distributionally robust offering strategy of the aggregator integrating renewable energy generator and energy storage considering uncertainty and connections between the mid-to-long-term and spot electricity markets
Liu et al. Behavior analysis of photovoltaic-storage-use value chain game evolution in blockchain environment
CN112270443B (zh) 一种用于月度电力市场和日前市场的统筹规划优化算法
Yang et al. An optimized scheduling strategy combining robust optimization and rolling optimization to solve the uncertainty of RES-CCHP MG
Xu et al. CVaR‐based method for optimizing the contract bidding strategy of PV power stations
CN117114726A (zh) 一种电力现货市场日前和实时电价的预测方法
CN116258511A (zh) 一种考虑碳交易价格不确定性的能源系统配置方法及装置
CN114925892A (zh) 水电与电转气结合的中长期风水火发电量双层规划方法
CN114202184A (zh) 一种基于中长期市场的煤电联动方法及其风险评估方法
Wang et al. On the use of techno‐economic evaluation on typical integrated energy technologies matching different companies
Brkić et al. Analysis of a diesel-generator-assisted peak power reduction in a production plant
CN113408900B (zh) 一种中长期电力市场不同时间尺度的购电量安排方法
CN107153897B (zh) 一种煤电联动采用技术参数设计的方法
Liu et al. Electricity‐Carbon Joint Trading of Virtual Power Plant with Carbon Capture System
CN111126690A (zh) 计划-集中式市场双轨制下电力差价合同曲线分解方法
CN117094745B (zh) 基于igdt-效用熵的综合能源系统优化控制方法及装置
Song et al. Research on demand response strategy of the electricity deviation assessment

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