CN112529249A - 一种计及绿证交易的虚拟电厂优化调度及交易管理方法 - Google Patents

一种计及绿证交易的虚拟电厂优化调度及交易管理方法 Download PDF

Info

Publication number
CN112529249A
CN112529249A CN202011256709.XA CN202011256709A CN112529249A CN 112529249 A CN112529249 A CN 112529249A CN 202011256709 A CN202011256709 A CN 202011256709A CN 112529249 A CN112529249 A CN 112529249A
Authority
CN
China
Prior art keywords
green
power
output
gas turbine
transaction
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
CN202011256709.XA
Other languages
English (en)
Other versions
CN112529249B (zh
Inventor
周红益
马汝祥
侍红兵
柏晶晶
胡志林
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.)
Yancheng Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
Yancheng Power Supply Co of 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 Yancheng Power Supply Co of State Grid Jiangsu Electric Power Co Ltd filed Critical Yancheng Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Priority to CN202011256709.XA priority Critical patent/CN112529249B/zh
Publication of CN112529249A publication Critical patent/CN112529249A/zh
Application granted granted Critical
Publication of CN112529249B publication Critical patent/CN112529249B/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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • G06Q30/0283—Price estimation or determination
    • 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
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • Y02P90/90—Financial instruments for climate change mitigation, e.g. environmental taxes, subsidies or financing
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards

Landscapes

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

Abstract

本发明公开一种计及绿证交易的虚拟电厂优化调度及交易管理方法，步骤包括：根据风电、光伏场站实际数据，采用截断通用分布(Truncated Versatile Distribution，TVD)模型拟合新能源出力，构造以虚拟电厂利润最大为优化目标的虚拟电厂优化调度模型，构建模型约束条件；采用随机规划和启发式算法求解虚拟电厂优化调度模型，能够模拟虚拟电厂参与绿证交易的影响。

Description

一种计及绿证交易的虚拟电厂优化调度及交易管理方法
技术领域
本发明属于电力系统电源调度领域，特别涉及一种计及绿证交易的虚拟电厂优化调度及交易管理方法。
背景技术
发展可再生能源已经成为能源低碳转型和应对全球气候变化的重大战略举措。我国早期绿色能源发电主要依靠政府支持，采取固定电价制度(feed-in tariff，FIT)促进可再生能源的发展。目前，我国的风电、光伏装机容量位居世界第一。然而，随着国内可再生能源装机容量的快速发展，可再生能源的补贴缺口也日益增大。为了缓解补贴压力并激励可再生能源发电商的积极性，我国开始逐步实行以可再生能源配额(renewable portfoliostandard，RPS)及其配套的可再生能源绿色证书交易机制。一方面能够缓解因补贴违约而导致可再生能源生产商之间的资本流动紧张，另一方面能够通过灵活的市场作用机制，使发电商的投资回报率更具波动性，促进不同可再生能源技术之间的竞争，具有更优的实施效率与效果。
虚拟电厂(virtual power plant，VPP)通过先进的通信、计量和控制技术聚合可再生能源、储能、需求响应(demand response，DR)等多种分布式能源，作为一个整体参与电网运行，能够减小分布式能源单独并网对公网造成的冲击，并提高其市场竞争力。研究计及绿证交易的虚拟电厂优化调度，能够有效促进可再生能源的消纳，增大虚拟电厂收益。
发明内容
发明目的：针对以上问题，本发明提出一种计及绿证交易的虚拟电厂优化调度及交易管理方法，从而提高了算法的求解效率。
本发明所采用的具体技术方案如下：
一种计及绿证交易的虚拟电厂优化调度及交易管理方法，所述方法包括如下步骤：
步骤1，考虑VPP优化调度不确定性的影响，采用截断通用分布模型拟合实际新能源出力，得到新能源出力的概率密度曲线，并采用拉丁超立方采样获得典型的新能源出力场景和对应的概率；
步骤2，构建以虚拟电厂VPP参与电力交易和绿证交易利润最大化为目标的三阶段VPP 确定性模型；VPP三阶段收益包括：中长期绿电-绿证合约交易MLP-CCT收益、日前电力市场DAM收益、绿证市场CCM收益；
步骤3，构建模型约束条件，所述约束条件包括：燃气轮机约束、ESS约束、DAM交易量约束、功率平衡约束、绿证交易量约束；
步骤4，根据所述步骤3的约束条件，对所述步骤2中的虚拟电厂优化模型进行计算，得到虚拟电厂最优调度情况。
进一步的，在所述步骤1中采用截断通用分布模型拟合新能源出力，并采用拉丁超立方采样，得到新能源的典型出力和对应的概率密度，具体包括：
相较于高斯分布和通用分布模型，截断通用分布模型存在有界性，符合新能源的实际出力，能够更加高效准确地拟合新能源出力的概率分布，基于新能源电场的历史出力数据，采用TVD模型对风电和光伏出力进行概率拟合；
如果连续随机变量X遵循形状参数α，β，γ的截断通用分布，记为：
X～V(α,β,γ)α＞0,β＞0,-∞＜γ＜+∞
截断通用分布的概率密度函数表示为：
Figure RE-GDA0002934883830000021
式中：x表示随机变量，
Figure RE-GDA0002934883830000022
x分别表示标准化区间的上下边界，在表征新能源实际功率时，
Figure RE-GDA0002934883830000023
x＝0；M为归一化常数，表示为：
Figure RE-GDA0002934883830000024
截断通用分布的概率密度累积函数表示为：
Figure RE-GDA0002934883830000025
基于风电、光伏场站实际功率数据形成直方图，采用截断通用分布模型拟合新能源场站实际功率直方图，得到各个时段新能源出力的截断通用分布模型，最后采用拉丁超立方采样得到新能源出力的典型场景和对应概率。
进一步的，在所述步骤2中构建以VPP累计盈利最大为目标的目标函数，包括参与中长期绿电-绿证合约、日前电力市场、绿证市场三部分所获得的收入，其目标函数表示为：
Figure RE-GDA0002934883830000031
F＝max(fPC+fDAM+fCCM)
其中，fPC、fDAM、fCCM分别表示中长期绿电-绿证合约收益，日前电力市场收益和绿证市场收益；ns，np，nm分别为可再生能源出力场景数、日前电力市场电价场景数和绿证挂牌价格场景数；π(s)、π(p)、π(m)分别为第s组光伏场景、第p组电价场景以及第m组绿证市场绿证挂牌价格场景的概率；
Figure RE-GDA0002934883830000032
为可再生能源参加中长期绿电-绿证打包交易的比重；
Figure RE-GDA0002934883830000033
分别为绿电-绿证打包交易交割日中风电和光伏的出力；λcw,λcp分别为中长期市场签订的绿电- 绿证打包合约中的风电和光伏绿证的批发价格；T为一天的总时段数；
Figure RE-GDA0002934883830000034
Pt DA分别为DAM 电价和VPP的购售电量；
Figure RE-GDA0002934883830000035
为燃气轮机的运行成本；
Figure RE-GDA0002934883830000036
为燃气轮机机组的启停变量；SGT为燃气轮机机组的启停成本。
Figure RE-GDA0002934883830000037
为第m组场景中的绿证挂牌价格；
Figure RE-GDA0002934883830000038
为常规火电机组根据配额需求的绿证购买量；
Figure RE-GDA0002934883830000039
为虚拟电厂内部根据配额的绿证扣除数量；
Figure RE-GDA00029348838300000310
为燃气轮机机组i在第m组电价场景、第s组光伏场景下的出力。
Figure RE-GDA00029348838300000311
为中断负荷成本；
燃气轮机的运行成本可以用分段线性函数表示为：
Figure RE-GDA00029348838300000312
其中，a为固定生产成本；
Figure RE-GDA00029348838300000313
为燃气轮机的运行变量；kj为燃气轮机第j段发电成本斜率；
Figure RE-GDA00029348838300000314
为燃气轮机t时段的出力。
绿证交易市场中的绿证购买量
Figure RE-GDA00029348838300000315
和虚拟电厂内部的绿证扣除数量
Figure RE-GDA00029348838300000316
分别为：
Figure RE-GDA00029348838300000317
Figure RE-GDA00029348838300000318
其中，ηq为购电商的绿证配额指标系数，本项目设为定值0.15；
Figure RE-GDA00029348838300000319
为参与绿证交易市场的火电机组的出力；
Figure RE-GDA0002934883830000041
为VPP在可再生能源出力场景为s组、电价场景为p，绿证价格场景为m，t时刻下的燃气轮机i的出力。
进一步的，在步骤3中设立了VPP优化调度模型的约束条件，包括以下约束条件：
(1)燃气轮机约束条件：
Figure RE-GDA0002934883830000042
Figure RE-GDA0002934883830000043
Figure RE-GDA0002934883830000044
Figure RE-GDA0002934883830000045
Figure RE-GDA0002934883830000046
Figure RE-GDA0002934883830000047
Figure RE-GDA0002934883830000048
Figure RE-GDA0002934883830000049
Figure RE-GDA00029348838300000410
其中，gGT,max、gGT,min分别为燃气轮机的最大、最小输出功率；rU、rD为燃气轮机的向上、向下爬坡率；
Figure RE-GDA00029348838300000411
为燃气轮机第l段出力上限；tsu、tsd分别为燃气轮机的最小开关机时间；tsu，0、tsd，0分别为燃气轮机的初始开关机时间；
Figure RE-GDA00029348838300000412
分别为t时段和t-1时段燃气轮机的总出力；布尔变量
Figure RE-GDA00029348838300000413
表示燃气轮机在t时段和t-1时段是否工作；
(2)电储能系统ESS约束条件：
Figure RE-GDA00029348838300000414
Figure RE-GDA00029348838300000415
Figure RE-GDA00029348838300000416
Figure RE-GDA00029348838300000417
其中，
Figure RE-GDA00029348838300000418
分别为电储能系统t时段和t-1时段的蓄电量；ηc、ηd分别为ESS的充放电效率；
Figure RE-GDA0002934883830000051
分别为ESS的充放电量；Ses,max、Ses,min分别为ESS蓄电量的上下限；gesc,max、gesd,max分别为ESS的最大充放电功率；
(3)DAM/RTM交易量约束条件：
Figure RE-GDA0002934883830000052
0≤Pt DA≤PDA,max
其中，Pt DA、
Figure RE-GDA0002934883830000053
分别为t时段VPP在DAM的购售电量；Pt RT、
Figure RE-GDA0002934883830000054
分别为t时段VPP 在RTM的购售电量；PDA,max、SDA,max为VPP在DAM的最大购售电量；PRT,max、SRT,max为 VPP在RTM的最大购售电量；
(4)绿证交易数目约束
Figure RE-GDA0002934883830000055
(5)绿证挂牌价格
Figure RE-GDA0002934883830000056
其中，
Figure RE-GDA0002934883830000057
表示可再生能源发电的成本，Cfit表示政府固定电价补偿价格；
Figure RE-GDA0002934883830000058
表示购电商单位售电的最低利润；fc表示售电商配额惩罚费用。
(6)VPP功率平衡约束
Figure RE-GDA0002934883830000059
其中，
Figure RE-GDA00029348838300000510
为可再生能源出力；
Figure RE-GDA00029348838300000511
为系统负荷需求；
Figure RE-GDA00029348838300000512
表示常规火电机组在第m 组电价场景、第s组新能源场景下的出力。
(7)购电侧系统功率平衡
Figure RE-GDA00029348838300000513
其中，
Figure RE-GDA00029348838300000514
为购电侧系统负荷需求；
Figure RE-GDA00029348838300000515
表示购电侧常规火电机组在t的出力。
进一步的，根据步骤3中的约束条件，在Gams中调用求解器进行求解，得到虚拟电厂参与电力交易和绿证交易的最优化调度策略。
与现有技术相比，本发明的技术方案具有以下有益的技术效果：本发明基于可再生能源配额制和绿证交易制度，建立了计及绿证交易的虚拟电厂优化调度模型，能够有效促进可再生能源的消纳，提高虚拟电厂参与交易的收益。
附图说明
图1是本发明的流程图；
图2(a)、图2(b)分别是一天内的VPP负荷需求量图和购电侧负荷需求量图；
图3(a)、图3(b)分别是DAM电价和绿证交易价格场景图；
图4(a)、图4(b)分别是VPP各聚合单元的具体优化结果及VPP在日前电力市场的购售电量情况。
具体实施方式
下面结合附图，对本发明一种计及绿证交易的虚拟电厂优化调度及交易管理方法的具体实施步骤进行详细的说明。
如图1所示，本发明包括以下步骤：
步骤1，VPP的优化调度需要考虑不确定性的影响：采用截断通用分布模型拟合实际新能源出力，得到新能源出力的概率密度曲线，并采用拉丁超立方采样获得典型的新能源出力场景和对应的概率；
步骤2，构建以虚拟电厂(virtualpowerplant，VPP)参与电力交易和绿证交易利润最大化为目标的三阶段VPP确定性模型；VPP三阶段收益包括：中长期绿电-绿证合约交易(Medium and long-term Green Power-Green Certificate Contract Trading，MLP-CCT)收益、日前电力市场(day-aheadenergymarket，DAM)收益、绿证市场(Green CertificateMarket，CCM)收益；
步骤3，构建模型约束条件所述约束条件包括：燃气轮机约束、ESS约束、DAM交易量约束、功率平衡约束、绿证交易量约束；
步骤4，根据所述步骤3的约束条件，对所述步骤2中的虚拟电厂优化模型进行计算，得到虚拟电厂最优调度情况。
在所述步骤1中采用截断通用分布模型拟合新能源出力，并采用拉丁超立方采样(LHS)，得到新能源的典型出力和对应的概率密度。
相较于高斯分布和通用分布模型，截断通用分布模型存在有界性，符合新能源的实际出力，能够更加高效准确地拟合新能源出力的概率分布。因此，基于新能源电场的历史出力数据，采用TVD模型对风电和光伏出力进行概率拟合。
如果连续随机变量X遵循形状参数α，β，γ的截断通用分布，可记为[11]：
X～V(α,β,γ)α＞0,β＞0,-∞＜γ＜+∞
截断通用分布的概率密度函数(probability density function，PDF)可以表示为：
Figure RE-GDA0002934883830000071
式中：x表示随机变量，
Figure RE-GDA0002934883830000072
x分别表示标准化区间的上下边界，在表征新能源实际功率时，
Figure RE-GDA0002934883830000073
x＝0；M为归一化常数，可以表示为：
Figure RE-GDA0002934883830000074
截断通用分布的概率密度累积函数(probability density function，CDF)可以表示为：
Figure RE-GDA0002934883830000075
基于风电、光伏场站实际功率数据形成直方图，采用截断通用分布模型拟合新能源场站实际功率直方图，得到各个时段新能源出力的截断通用分布模型，最后采用拉丁超立方采样得到新能源出力的典型场景和对应概率。
在所述步骤2中构建以VPP累计盈利最大为目标的目标函数，包括参与中长期绿电-绿证合约、日前电力市场、绿证市场三部分所获得的收入，其目标函数表示为：
Figure RE-GDA0002934883830000076
F＝max(fPC+fDAM+fCCM)
其中，fPC、fDAM、fCCM分别表示中长期绿电-绿证合约收益，日前电力市场收益和绿证市场收益；ns，np，nm分别为可再生能源出力场景数、日前电力市场电价场景数和绿证挂牌价格场景数；π(s)、π(p)、π(m)分别为第s组光伏场景、第p组电价场景以及第m组绿证市场绿证挂牌价格场景的概率；
Figure RE-GDA0002934883830000077
为可再生能源参加中长期绿电-绿证打包交易的比重；
Figure RE-GDA0002934883830000078
分别为绿电-绿证打包交易交割日中风电和光伏的出力；λcw,λcp分别为中长期市场签订的绿电- 绿证打包合约中的风电和光伏绿证的批发价格；T为一天的总时段数；
Figure RE-GDA0002934883830000081
Pt DA分别为DAM 电价和VPP的购售电量；
Figure RE-GDA0002934883830000082
为燃气轮机的运行成本；
Figure RE-GDA0002934883830000083
为燃气轮机机组的启停变量；SGT为燃气轮机机组的启停成本。
Figure RE-GDA0002934883830000084
为第m组场景中的绿证挂牌价格；
Figure RE-GDA0002934883830000085
为常规火电机组根据配额需求的绿证购买量；
Figure RE-GDA0002934883830000086
为虚拟电厂内部根据配额的绿证扣除数量；
Figure RE-GDA0002934883830000087
为燃气轮机机组i在第m组电价场景、第s组光伏场景下的出力。
Figure RE-GDA0002934883830000088
为中断负荷成本；
燃气轮机的运行成本可以用分段线性函数表示为：
Figure RE-GDA0002934883830000089
其中，a为固定生产成本；
Figure RE-GDA00029348838300000810
为燃气轮机的运行变量；kj为燃气轮机第j段发电成本斜率；
Figure RE-GDA00029348838300000811
为燃气轮机t时段的出力。
绿证交易市场中的绿证购买量
Figure RE-GDA00029348838300000812
和虚拟电厂内部的绿证扣除数量
Figure RE-GDA00029348838300000813
分别为：
Figure RE-GDA00029348838300000814
Figure RE-GDA00029348838300000815
其中，ηq为购电商的绿证配额指标系数，本项目设为定值0.15；
Figure RE-GDA00029348838300000816
为参与绿证交易市场的火电机组的出力；
Figure RE-GDA00029348838300000817
为VPP在可再生能源出力场景为s组、电价场景为p，绿证价格场景为m，t时刻下的燃气轮机i的出力。
在步骤3中设立了VPP优化调度模型的约束条件，包括以下约束条件：
(1)燃气轮机约束条件：
Figure RE-GDA00029348838300000818
Figure RE-GDA00029348838300000819
Figure RE-GDA00029348838300000820
Figure RE-GDA00029348838300000821
Figure RE-GDA00029348838300000822
Figure RE-GDA0002934883830000091
Figure RE-GDA0002934883830000092
Figure RE-GDA0002934883830000093
Figure RE-GDA0002934883830000094
其中，gGT,max、gGT,min分别为燃气轮机的最大、最小输出功率；rU、rD为燃气轮机的向上、向下爬坡率；
Figure RE-GDA0002934883830000095
为燃气轮机第l段出力上限；tsu、tsd分别为燃气轮机的最小开关机时间；tsu，0、tsd，0分别为燃气轮机的初始开关机时间；
Figure RE-GDA0002934883830000096
分别为t时段和t-1时段燃气轮机的总出力；布尔变量
Figure RE-GDA0002934883830000097
表示燃气轮机在t时段和t-1时段是否工作；
(2)电储能系统(ESS)约束条件：
Figure RE-GDA0002934883830000098
Figure RE-GDA0002934883830000099
Figure RE-GDA00029348838300000910
Figure RE-GDA00029348838300000911
其中，
Figure RE-GDA00029348838300000912
分别为电储能系统(electric energy storage system,ESS)t时段和t-1时段的蓄电量；ηc、ηd分别为ESS的充放电效率；
Figure RE-GDA00029348838300000913
分别为ESS的充放电量；Ses,max、Ses,min分别为ESS蓄电量的上下限；gesc,max、gesd,max分别为ESS的最大充放电功率；
(3)DAM/RTM交易量约束条件：
Figure RE-GDA00029348838300000914
0≤Pt DA≤PDA,max
其中，Pt DA、
Figure RE-GDA00029348838300000915
分别为t时段VPP在DAM的购售电量；Pt RT、
Figure RE-GDA00029348838300000916
分别为t时段VPP在RTM的购售电量；PDA,max、SDA,max为VPP在DAM的最大购售电量；PRT,max、SRT,max为VPP在RTM 的最大购售电量；
(4)绿证交易数目约束
Figure RE-GDA0002934883830000101
(5)绿证挂牌价格
Figure RE-GDA0002934883830000102
其中，
Figure RE-GDA0002934883830000103
表示可再生能源发电的成本，Cfit表示政府固定电价补偿价格；
Figure RE-GDA0002934883830000104
表示购电商单位售电的最低利润；fc表示售电商配额惩罚费用。
(6)VPP功率平衡约束
Figure RE-GDA0002934883830000105
其中，
Figure RE-GDA0002934883830000106
为可再生能源出力；
Figure RE-GDA0002934883830000107
为系统负荷需求；
Figure RE-GDA0002934883830000108
表示常规火电机组在第m组电价场景、第s组新能源场景下的出力。
(7)购电侧系统功率平衡
Figure RE-GDA0002934883830000109
其中，
Figure RE-GDA00029348838300001010
为购电侧系统负荷需求；
Figure RE-GDA00029348838300001011
表示购电侧常规火电机组在t的出力。
根据步骤3中的约束条件，在Gams中调用求解器进行求解，得到虚拟电厂参与电力交易和绿证交易的最优化调度策略，即决策变量
Figure RE-GDA00029348838300001012
本实施例以燃气轮机机组、风电机组、光伏机组、ESS构成VPP。考虑VPP参与的情况，将中长期交易情况分解到交割日，因此调度周期设置为1天，分为24个时段。
燃气轮机采用TAU5670型号，具体参数见表1，电储能系统的具体参数见表2，VPP和购电侧一天内的负荷需求见图2。DAM电价和绿证挂牌交易价格见图3。
表1 T100燃气轮机参数
Figure RE-GDA00029348838300001013
表2电储能系统参数
Figure RE-GDA00029348838300001014
图4给出了VPP各聚合单元的具体优化结果以及VPP在日前电力市场的购售电量情况。
以上仿真结果验证了本发明的有效性和实用性。根据能源优化调度结果发现，该发明能相比不考虑绿证交易的方式能够获得更大的经济收益。通过绿电-绿证中长期打包交易和绿证市场交易两种途径出售，一方面能够有效的促进可再生能源的消纳，提高常规能源厂商对可再生能源的认购；另一方面，通过常规能源机组分担可再生能源的生产成本，能够有效的缓解政府给可再生能源生产补贴的财政缺口。
以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (5)

1.一种计及绿证交易的虚拟电厂优化调度及交易管理方法，其特征在于，所述方法包括如下步骤：
步骤1，考虑VPP优化调度不确定性的影响，采用截断通用分布模型拟合实际新能源出力，得到新能源出力的概率密度曲线，并采用拉丁超立方采样获得典型的新能源出力场景和对应的概率；
步骤2，构建以虚拟电厂VPP参与电力交易和绿证交易利润最大化为目标的三阶段VPP确定性模型；VPP三阶段收益包括：中长期绿电-绿证合约交易MLP-CCT收益、日前电力市场DAM收益、绿证市场CCM收益；
步骤3，构建模型约束条件，所述约束条件包括：燃气轮机约束、ESS约束、DAM交易量约束、功率平衡约束、绿证交易量约束；
步骤4，根据所述步骤3的约束条件，对所述步骤2中的虚拟电厂优化模型进行计算，得到虚拟电厂最优调度情况。
2.根据权利要求1所述的一种计及绿证交易的虚拟电厂优化调度及交易管理方法，其特征在于：在所述步骤1中采用截断通用分布模型拟合新能源出力，并采用拉丁超立方采样，得到新能源的典型出力和对应的概率密度，具体包括：
相较于高斯分布和通用分布模型，截断通用分布模型存在有界性，符合新能源的实际出力，能够更加高效准确地拟合新能源出力的概率分布，基于新能源电场的历史出力数据，采用TVD模型对风电和光伏出力进行概率拟合；
如果连续随机变量X遵循形状参数α，β，γ的截断通用分布，记为：
X～V(α,β,γ) α＞0,β＞0,-∞＜γ＜+∞
截断通用分布的概率密度函数表示为：
Figure FDA0002773346450000011
式中：x表示随机变量，
Figure FDA0002773346450000012
x分别表示标准化区间的上下边界，在表征新能源实际功率时，
Figure FDA0002773346450000013
x＝0；M为归一化常数，表示为：
Figure FDA0002773346450000014
截断通用分布的概率密度累积函数表示为：
Figure FDA0002773346450000021
基于风电、光伏场站实际功率数据形成直方图，采用截断通用分布模型拟合新能源场站实际功率直方图，得到各个时段新能源出力的截断通用分布模型，最后采用拉丁超立方采样得到新能源出力的典型场景和对应概率。
3.根据权利要求1所述的一种计及绿证交易的虚拟电厂优化调度及交易管理方法，其特征在于：在所述步骤2中构建以VPP累计盈利最大为目标的目标函数，包括参与中长期绿电-绿证合约、日前电力市场、绿证市场三部分所获得的收入，其目标函数表示为：
Figure FDA0002773346450000022
F＝max(fPC+fDAM+fCCM)
其中，fPC、fDAM、fCCM分别表示中长期绿电-绿证合约收益，日前电力市场收益和绿证市场收益；ns，np，nm分别为可再生能源出力场景数、日前电力市场电价场景数和绿证挂牌价格场景数；π(s)、π(p)、π(m)分别为第s组光伏场景、第p组电价场景以及第m组绿证市场绿证挂牌价格场景的概率；
Figure FDA0002773346450000023
为可再生能源参加中长期绿电-绿证打包交易的比重；
Figure FDA0002773346450000024
Figure FDA0002773346450000025
分别为绿电-绿证打包交易交割日中风电和光伏的出力；λcw,λcp分别为中长期市场签订的绿电-绿证打包合约中的风电和光伏绿证的批发价格；T为一天的总时段数；λt DA、Pt DA分别为DAM电价和VPP的购售电量；
Figure FDA0002773346450000026
为燃气轮机的运行成本；
Figure FDA0002773346450000027
为燃气轮机机组的启停变量；SGT为燃气轮机机组的启停成本。
Figure FDA0002773346450000028
为第m组场景中的绿证挂牌价格；
Figure FDA0002773346450000029
为常规火电机组根据配额需求的绿证购买量；
Figure FDA00027733464500000210
为虚拟电厂内部根据配额的绿证扣除数量；
Figure FDA00027733464500000211
为燃气轮机机组i在第m组电价场景、第s组光伏场景下的出力。
Figure FDA00027733464500000212
为中断负荷成本；
燃气轮机的运行成本可以用分段线性函数表示为：
Figure FDA0002773346450000031
其中，a为固定生产成本；
Figure FDA0002773346450000032
为燃气轮机的运行变量；kj为燃气轮机第j段发电成本斜率；
Figure FDA0002773346450000033
为燃气轮机t时段的出力。
绿证交易市场中的绿证购买量
Figure FDA0002773346450000034
和虚拟电厂内部的绿证扣除数量
Figure FDA0002773346450000035
分别为：
Figure FDA0002773346450000036
Figure FDA0002773346450000037
其中，ηq为购电商的绿证配额指标系数，本项目设为定值0.15；
Figure FDA0002773346450000038
为参与绿证交易市场的火电机组的出力；
Figure FDA0002773346450000039
为VPP在可再生能源出力场景为s组、电价场景为p，绿证价格场景为m，t时刻下的燃气轮机i的出力。
4.根据权利要求1所述的一种计及绿证交易的虚拟电厂优化调度及交易管理方法，其特征在于：在步骤3中设立了VPP优化调度模型的约束条件，包括以下约束条件：
(1)燃气轮机约束条件：
Figure FDA00027733464500000310
Figure FDA00027733464500000311
Figure FDA00027733464500000312
Figure FDA00027733464500000313
Figure FDA00027733464500000314
Figure FDA00027733464500000315
Figure FDA00027733464500000316
Figure FDA00027733464500000317
Figure FDA0002773346450000041
其中，gGT,max、gGT,min分别为燃气轮机的最大、最小输出功率；rU、rD为燃气轮机的向上、向下爬坡率；
Figure FDA0002773346450000042
为燃气轮机第l段出力上限；tsu、tsd分别为燃气轮机的最小开关机时间；tsu ，0、tsd，0分别为燃气轮机的初始开关机时间；
Figure FDA0002773346450000043
分别为t时段和t-1时段燃气轮机的总出力；布尔变量
Figure FDA0002773346450000044
表示燃气轮机在t时段和t-1时段是否工作；
(2)电储能系统ESS约束条件：
Figure FDA0002773346450000045
Figure FDA0002773346450000046
Figure FDA0002773346450000047
Figure FDA0002773346450000048
其中，
Figure FDA0002773346450000049
分别为电储能系统t时段和t-1时段的蓄电量；ηc、ηd分别为ESS的充放电效率；
Figure FDA00027733464500000410
分别为ESS的充放电量；Ses,max、Ses,min分别为ESS蓄电量的上下限；gesc,max、gesd,max分别为ESS的最大充放电功率；
(3)DAM/RTM交易量约束条件：
Figure FDA00027733464500000411
0≤Pt DA≤PDA,max
其中，Pt DA、
Figure FDA00027733464500000412
分别为t时段VPP在DAM的购售电量；Pt RT、
Figure FDA00027733464500000413
分别为t时段VPP在RTM的购售电量；PDA,max、SDA,max为VPP在DAM的最大购售电量；PRT,max、SRT,max为VPP在RTM的最大购售电量；
(4)绿证交易数目约束
Figure FDA00027733464500000414
(5)绿证挂牌价格
Figure FDA00027733464500000415
其中，
Figure FDA00027733464500000416
表示可再生能源发电的成本，Cfit表示政府固定电价补偿价格；
Figure FDA00027733464500000417
表示购电商单位售电的最低利润；fc表示售电商配额惩罚费用。
(6)VPP功率平衡约束
Figure FDA00027733464500000418
其中，
Figure FDA0002773346450000051
为可再生能源出力；
Figure FDA0002773346450000052
为系统负荷需求；
Figure FDA0002773346450000053
表示常规火电机组在第m组电价场景、第s组新能源场景下的出力。
(7)购电侧系统功率平衡
Figure FDA0002773346450000054
其中，
Figure FDA0002773346450000055
为购电侧系统负荷需求；
Figure FDA0002773346450000056
表示购电侧常规火电机组在t的出力。
5.根据权利要求1所述的一种计及绿证交易的虚拟电厂优化调度及交易管理方法，其特征在于：根据步骤3中的约束条件，在Gams中调用求解器进行求解，得到虚拟电厂参与电力交易和绿证交易的最优化调度策略。
CN202011256709.XA 2020-11-11 2020-11-11 一种计及绿证交易的虚拟电厂优化调度及交易管理方法 Active CN112529249B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011256709.XA CN112529249B (zh) 2020-11-11 2020-11-11 一种计及绿证交易的虚拟电厂优化调度及交易管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011256709.XA CN112529249B (zh) 2020-11-11 2020-11-11 一种计及绿证交易的虚拟电厂优化调度及交易管理方法

Publications (2)

Publication Number Publication Date
CN112529249A true CN112529249A (zh) 2021-03-19
CN112529249B CN112529249B (zh) 2022-09-30

Family

ID=74981724

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011256709.XA Active CN112529249B (zh) 2020-11-11 2020-11-11 一种计及绿证交易的虚拟电厂优化调度及交易管理方法

Country Status (1)

Country Link
CN (1) CN112529249B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114050609A (zh) * 2021-11-05 2022-02-15 国网江苏省电力有限公司盐城供电分公司 一种高比例新能源电力系统自适应鲁棒日前优化调度方法
CN114362160A (zh) * 2022-01-11 2022-04-15 浙江华云电力工程设计咨询有限公司 一种基于比例均分原则的碳排放及绿电追踪方法、装置
CN115081715A (zh) * 2022-06-24 2022-09-20 东北电力大学 考虑碳交易与绿证交易的虚拟电厂优化调度方法
CN116526584A (zh) * 2023-07-04 2023-08-01 广东电网有限责任公司广州供电局 一种基于绿电溯源的虚拟电厂快速响应调控方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108960510A (zh) * 2018-07-04 2018-12-07 四川大学 一种基于两阶段随机规划的虚拟电厂优化交易策略模型
CN111222664A (zh) * 2018-11-26 2020-06-02 国网能源研究院有限公司 基于可再生能源与负荷响应的电力市场机制设计方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108960510A (zh) * 2018-07-04 2018-12-07 四川大学 一种基于两阶段随机规划的虚拟电厂优化交易策略模型
CN111222664A (zh) * 2018-11-26 2020-06-02 国网能源研究院有限公司 基于可再生能源与负荷响应的电力市场机制设计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王辉等: "可再生能源配额制下电力市场多主体交易决策优化模型", 《科学技术与工程》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114050609A (zh) * 2021-11-05 2022-02-15 国网江苏省电力有限公司盐城供电分公司 一种高比例新能源电力系统自适应鲁棒日前优化调度方法
CN114050609B (zh) * 2021-11-05 2023-11-24 国网江苏省电力有限公司盐城供电分公司 一种高比例新能源电力系统自适应鲁棒日前优化调度方法
CN114362160A (zh) * 2022-01-11 2022-04-15 浙江华云电力工程设计咨询有限公司 一种基于比例均分原则的碳排放及绿电追踪方法、装置
CN114362160B (zh) * 2022-01-11 2024-01-30 浙江华云电力工程设计咨询有限公司 一种基于比例均分原则的碳排放及绿电追踪方法、装置
CN115081715A (zh) * 2022-06-24 2022-09-20 东北电力大学 考虑碳交易与绿证交易的虚拟电厂优化调度方法
CN116526584A (zh) * 2023-07-04 2023-08-01 广东电网有限责任公司广州供电局 一种基于绿电溯源的虚拟电厂快速响应调控方法
CN116526584B (zh) * 2023-07-04 2023-09-15 广东电网有限责任公司广州供电局 一种基于绿电溯源的虚拟电厂快速响应调控方法

Also Published As

Publication number Publication date
CN112529249B (zh) 2022-09-30

Similar Documents

Publication Publication Date Title
CN112529249B (zh) 一种计及绿证交易的虚拟电厂优化调度及交易管理方法
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
CN112465208B (zh) 计及区块链技术的虚拟电厂随机自适应鲁棒优化调度方法
CN109146320B (zh) 一种考虑配电网安全性的虚拟电厂优化调度方法
Cheng et al. Stochastic short-term scheduling of a wind-solar-hydro complementary system considering both the day-ahead market bidding and bilateral contracts decomposition
CN104466999A (zh) 一种含电动汽车和风电机组的虚拟发电厂竞价策略的确定方法
CN108964048B (zh) 微电网容量配置与运行调度方法及装置
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
CN114912943B (zh) 一种考虑碳排放交易的虚拟电厂中长期联合调度方法
CN112836849A (zh) 一种考虑风电不确定性的虚拟电厂调度方法
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
CN105930919A (zh) 基于两阶段随机规划的虚拟电厂风险规避优化运行方法
CN110021932B (zh) 双边参与的调峰辅助服务容量选取和经济模型构建方法
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
Castelli et al. Robust optimization of seasonal, day-ahead and real time operation of aggregated energy systems
Yaniv et al. Optimal battery scheduling in solar-plus-storage grid-connected microgrid for profit and cost efficiency: A use case on an Israeli microgrid
CN112633675A (zh) 一种能量调度方法、装置、设备及计算机可读存储介质
CN110661255B (zh) 一种多能源系统的热电优化运行方法、装置及设备
CN115496378B (zh) 一种计入风能减排效益的电力系统经济调度方法
CN115986833A (zh) 考虑两阶段需求响应的热电联供微网低碳经济调度方法
CN114936672A (zh) 一种基于纳什谈判法的多虚拟电厂联合调度方法
CN113240546B (zh) 密集水电地区的机组月度调度方法
Sun et al. Optimal Capacity Configuration of Energy Storage in PV Plants Considering Multi-Stakeholders
CN113077096B (zh) 一种电力交易中心计划电比例确定方法
CN118157215B (zh) 基于阶梯式碳交易的气电耦合虚拟电厂低碳运行方法

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

Inventor after: Zhou Hongyi

Inventor after: Ma Ruxiang

Inventor after: Shi Hongbing

Inventor after: Bai Jingjing

Inventor after: Hu Zhilin

Inventor before: Zhou Hongyi

Inventor before: Ma Ruxiang

Inventor before: Shi Hongbing

Inventor before: Bai Jingjing

Inventor before: Hu Zhilin

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant