CN112580850A - 一种电力调峰市场的出清方法及系统 - Google Patents

一种电力调峰市场的出清方法及系统 Download PDF

Info

Publication number
CN112580850A
CN112580850A CN202011266123.1A CN202011266123A CN112580850A CN 112580850 A CN112580850 A CN 112580850A CN 202011266123 A CN202011266123 A CN 202011266123A CN 112580850 A CN112580850 A CN 112580850A
Authority
CN
China
Prior art keywords
energy storage
market
power
clearing
time period
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
CN202011266123.1A
Other languages
English (en)
Inventor
南国良
张露江
尚金成
郭志敏
胡黎明
刘浩
李元亨
董慧峰
袁亮
何洋
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.)
State Grid Henan Comprehensive Energy Service Co ltd
State Grid Henan Electric Power Co Ltd
Original Assignee
State Grid Henan Comprehensive Energy Service Co ltd
State Grid Henan 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 State Grid Henan Comprehensive Energy Service Co ltd, State Grid Henan Electric Power Co Ltd filed Critical State Grid Henan Comprehensive Energy Service Co ltd
Priority to CN202011266123.1A priority Critical patent/CN112580850A/zh
Publication of CN112580850A publication Critical patent/CN112580850A/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
    • G06Q10/06—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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一种电力调峰市场的出清方法，包括以下步骤：步骤1，基于电网侧储能参数和电能买卖双方的信息构建考虑电价不确定性的双层出清模型；步骤2，基于电网侧储能参数和电能买卖双方的信息以及所述双层出清模型为所述双层出清模型构建双层约束条件；步骤3，基于所述双层约束条件对所述双层出清模型进行求解，获得电力调峰市场的最优投标结果和最佳收益；步骤4，根据所述最优投标结果和最佳收益获得出清过程，并以可视化方式输出所述出清过程。基于本发明中的出清方法，能够平衡当前的调峰辅助服务的买卖双方市场，充分调动储能参与调峰的积极性。

Description

一种电力调峰市场的出清方法及系统
技术领域
本发明涉及数据处理领域，更具体地，涉及一种电力调峰市场的出清方法及系统。
背景技术
现有条件下，我国参与调峰辅助服务以火电机组为主，且采用制定电量计划的模式运行，这导致各火电机组运行时间相差不大，即实际提供的调峰容量也比较接近，调峰容量只有在中标时才给予补偿。但随着高比例可再生能源的并网成为现有调峰辅助服务的发展趋势，当调峰需求增大时会对调峰市场产生一定冲击。若各机组提供的调峰容量不同且差异较大，则会导致有的机组满负荷运行，有的机组经常处于启停状态，这不仅会对机组设备造成的很大损耗，也会因停机备用机组需要经常启用以补偿调峰容量而造成损失。
目前，规模化储能是世界上公认的应对大规模可再生能源并网最有效、最具潜力的技术之一。随着我国电力市场进程的不断推进，储能作为独立主体参与调峰的优越性已经得到广泛认可，但尚缺乏完整的市场交易机制和有效的模型来激励和规范储能调峰能力的发挥。储能作为一种优质的、具有成熟大规模应用技术条件的双向调节资源，是一种重要的调峰手段，能够缓解调峰需求量增大对常规机组的影响，并减少常规机组因为频繁降低出力而产生的损耗。但是，即使在调峰辅助服务中增加了储能，仍然无法解决调峰辅助服务市场的机制问题，其商业应用更加依赖市场机制问题的解决。
在市场机制问题中，电价是电力市场交易的基础和核心因素，由市场确定电价，可以保障电价在交易环节的合理化和有效化，能够保证电价正确反映电力在生产和交易中的实际价值。日前电价预测能够为发电商和售电公司在现货市场上的竞价提供决策依据，准确的日前电价预测能够极大的减小市场参与者所面临的价格风险，为其带来稳定的收益。在当前的电力市场中，购电电价由交易中心综合发电方报价、市场需求与电力系统状况综合得到。购电电价不再像过往电力管制时期那样由主管部门核定，而是由电力商品的价值决定，并同时受到供求关系的影响。因此，电价中应当包含丰富的信息，例如，上网机组的成本、市场的供需状况以及系统(包括输电网络与发电机等)的健康状况等。然而，电力市场中的电价因其时刻进行着动态变化而具有不确定性，会导致较高的竞标风险以及无法获得稳定利润。因此，在制定储能竞价策略时需要将上述因素均考虑在内。
当前，已有较多针对储能在火电机组侧参与调频、在风电场侧参与调峰的研究，但鲜有专门针对电网侧储能及其参与调峰辅助服务市场出清模型的研究，且尚未有研究涉及到电价的不确定性，以及将储能投标过程中的电量和电价同时进行投标。
因此，为了平衡当前的调峰辅助服务的买卖双方市场，调动储能参与调峰的积极性，亟需一种能够考虑电价不确定性的电网储能参与的调峰市场的可视化的效益分析和投标决策分析的方法。
发明内容
为解决现有技术中存在的不足，本发明的目的在于，提供一种电力调峰市场的出清方法及系统，通过本发明中出清方法建立的双层出清模型和双层约束条件，能够简单、便捷地实现考虑电价不确定性的电网侧储能参与的调峰市场的可视化的效益分析和投标决策。
本发明采用如下的技术方案。本发明第一方面涉及一种电力调峰市场的出清方法，包括以下步骤：步骤1，基于电网侧储能参数和电能买卖双方的信息构建考虑电价不确定性的双层出清模型；步骤2，基于电网侧储能参数和电能买卖双方的信息以及双层出清模型为双层出清模型构建双层约束条件；步骤3，基于双层约束条件对双层出清模型进行求解，获得电力调峰市场的最优投标结果和最佳收益；步骤4，根据最优投标结果和最佳收益获得出清过程，并以可视化方式输出出清过程。
优选地，步骤1中还包括：双层出清模型包括外层模型和内层模型；其中，外层模型为系统最小购电成本模型，包括外层目标函数
Figure BDA0002776167990000021
其中，M为参与调峰的储能电站个数，T为投标时段，共24个时段，
Figure BDA0002776167990000022
为储能电站j在时段t的中标容量，
Figure BDA0002776167990000023
为储能电站j在时段t的报价，N为参与调峰的发电机组个数，
Figure BDA0002776167990000031
为发电机组i在时段t的中标容量，
Figure BDA0002776167990000032
为发电机组i在时段t的报价；内层模型为储能最大售电利润模型，包括内层目标函数
Figure BDA0002776167990000033
其中，s为日前电价预测场景，S为日前电价预测场景总数量，qs为s的概率，E(t)为储能在时段t的日前出清利润，Cess为储能一天的循环损耗成本。
优选地，储能在时段t的日前出清利润E(t)＝f(t，s)(uoutPout(t)-uinPin(t))，其中，f(t，s)为日前在时段t的预期出清电价，Pout(t)和Pin(t)分别为日前储能在时段t从日前市场卖出和买入的电量，uout和uin分别为卖出和买入的投标决策指数。
优选地，储能一天的循环损耗成本
Figure BDA0002776167990000034
其中，Cw为储能容量成本系数，Pr out(t)和
Figure BDA0002776167990000035
分别为储能在时段t的实际充入电量、实际放出电量；Ncyc为储能全寿命周期的充放电循环次数；Ddod为储能充放电深度，时段t的时长为1小时。
优选地，步骤2还包括：外层模型的约束条件包括储能电站约束、机组运行约束和调峰交易约束；内层模型的约束条件包括电力电价投标约束。
优选地，储能电站约束包括所有储能电站在时段t的中标调峰容量之和
Figure BDA0002776167990000036
和所有储能电站在时段t的可售调峰容量
Figure BDA0002776167990000037
且wt≤Qt；其中，
Figure BDA0002776167990000038
为储能电站j的额定容量，
Figure BDA0002776167990000039
为储能电站j在时段t的荷电状态。
优选地，机组运行约束包括调峰市场出清后发电机组i在时段t的技术出力
Figure BDA00027761679900000310
并且
Figure BDA00027761679900000311
其中，
Figure BDA00027761679900000312
为发电机组i在时段t的日前计划出力，
Figure BDA00027761679900000313
为发电机组i在时段t的中标调峰容量，
Figure BDA00027761679900000314
和
Figure BDA0002776167990000041
分别为发电机组i的爬坡率和滑坡率，
Figure BDA0002776167990000042
和
Figure BDA0002776167990000043
分别为发电机组i在时段t-1和时段t的运行状态，
Figure BDA0002776167990000044
为发电机组i的最大技术出力。
优选地，调峰交易约束包括时段t的中标调峰容量
Figure BDA0002776167990000045
及需求方b在时段t的调峰需求
Figure BDA0002776167990000046
且
Figure BDA0002776167990000047
K表示需求方的个数；调峰交易约束包括
Figure BDA0002776167990000048
其中，Ft j为储能电站j在t时刻放电量，
Figure BDA0002776167990000049
为发电机组i在t时刻的发电量，Yt j为储能电站j在t时刻的充电量，Ut为t时刻的负荷容量。
优选地，电力电价投标约束包括连续变量Xin(t，s)、Xout(t，s)，且
Figure BDA00027761679900000410
Xout(t，s)＝Pr out(t，s)(1-Lout)，其中，Lin和Lout分别为电池充放电损失力，Pr out(t，s)和
Figure BDA00027761679900000411
分别为日前电价预测场景s中日前储能在时段t的从日前市场卖出和买入的电量；电力电价投标约束包括储能在时段t从日前市场卖出和买入的投标价Bout(t)和Bin(t)，其中，f(t，s)-uout(t，s)G≤Bout(t)≤f(t，s)+(1-uout(t，s))G且Bout(t)≥0，f(t，s)-(1-uin(t，s))G≤Bin(t)≤f(t，s)+uin(t，s)G且Bin(t)≥0，其中，f(t，s)为日前场景s中t时段的预期出清电价，uin(t，s)和uout(t，s)分别为日前电价预测场景s中时段t的卖出和买入投标决策，G为相对于f(t，s)的一个极大值。
优选地，步骤3还包括：步骤3.1，基于日前计划和日前预测的调峰资源数量提交投标信息，并根据外层出清模型和外层约束条件获取市场需求曲线；步骤3.2，基于需求曲线的线性特征获得预测负荷值；步骤3.3，基于内层电力电价投标模型和内层约束条件获得市场供应曲线；步骤3.4，根据市场供应曲线和所述预测负荷值生成系统边际电价，并获取最优投标结果和最佳收益。
优选地，步骤4还包括：以可视化方式基于区域维度和时间维度输出调峰需求表，分时电价表、市场收益分析表；基于区域维度、时间维度和供应方维度输出储能电站和发电机组的调峰电量图、储能电站充放电功率图、中标容量图。
本发明第二方面涉及一种电力调峰市场的出清系统，系统用于实现如本发明第一方面中所述的一种电力调峰市场的出清方法。本发明的有益效果在于，与现有技术相比，本发明中一种电力调峰市场的出清方法及系统通过建立出清模型和约束条件能够在考虑电价不确定性的基础上对储能参与的调峰市场进行可视化的效益分析和投标决策分析。
1、本发明能够在日前市场中建立充分考虑电价不确定性的电力电价投标模型，为储能进行市场竞标、运营决策和储能经济可行性评估提供参考依据。
2、本发明能够构建调峰辅助服务市场的出清模型，并使得电网侧储能电站作为买卖双方主体参与到调峰辅助服务市场的统一出清过程中来。因此能够有效激励储能参与调峰辅助服务，获得更多收益，同时减少火电机组频繁降低出力产生的损耗，减少需求方的购电成本，满足供求双方的利益诉求。
3、本发明能够通过编程对相关算法进行实现，通过读取输入数据获取输出结果，通过对各个模块界面进行可视化界面设计从而通过数据与图形的方式可视化的展示输出结果，更加简单、便捷的实现储能对调峰辅助服务市场交易过程的参与。
附图说明
图1为本发明一种一种电力调峰市场的出清方法的方法流程示意图；
图2为本发明一种电力调峰市场的出清方法中步骤3的流程图；
图3为本发明一种电力调峰市场的出清方法中发电机组与储能电站的电力电价曲线；
图4为本发明中一种电力调峰市场的出清方法中系统边际电价的生成方法示意图；
图5为本发明一种电力调峰市场的出清方法中储能电站、发电机组可视化电量申报的示意图；
图6为本发明一种电力调峰市场的出清方法中储能电站各时段可视化的充放电功率示意图；
图7为本发明一种电力调峰市场的出清方法中电能卖方24时段调峰中标容量示意图；
图8为本发明一种电力调峰市场的出清系统的系统界面示意图。
具体实施方式
下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本申请的保护范围。
图1为本发明中一种电力调峰市场的出清方法的方法流程示意图。如图1所示，一种电力调峰市场的出清方法，包括步骤1至步骤4。
步骤1，基于电网侧储能参数和电能买卖双方的信息构建考虑电价不确定性的双层出清模型。
本发明一实施例中，可以具备一个调峰辅助服务交易平台，基于该交易平台中提供的日前集中竞价交易的调峰辅助服务市场交易模式，电能买卖双方可以申报相关的信息，由此该交易平台就可以形成一个日前调峰辅助服务市场，用于电价的集中竞价和统一出清。
通常，电能买卖双方的信息包括买卖各方的价格信息和电量信息，如发电机组和储能电站在不同的投标时段的不同报价、日前出清电价、日前出清利润、卖出的电量和买入的电量等参数。
需要说明的是，发电机组为电能卖方，储能电站既可以作为市场中的电能卖方，也可以作为市场中的电能买方。其可以根据分时电价通过本文中所述的双层出清模型进行低买高卖从而获得利润。
同时，电网侧的储能参数通常包括储能电站的相关参数和发电机组的相关参数。例如，储能电站和发电机组的中标容量、参与调峰的储能电站和发电机组的个数、储能一天的循环损耗成本、储能全寿命周期的充放电循环次数、储能充放电深度等。
通常，在成熟理性的市场中，发电报价应当能够体现发电成本。因此，在本公开实施例中，可以将报价结算的补偿费用近似视为发电厂商的发电成本。若发电厂商是基于发电成本或储能成本进行报价的，则可以根据电网侧的储能参数和电能买卖双方的信息基于电价的不确定性来构建出清模型。
优选地，双层出清模型包括外层模型和内层模型；其中，外层模型为系统最小购电成本模型，包括外层目标函数
Figure BDA0002776167990000061
其中，M为参与调峰的储能电站个数，T为投标时段，共24个时段，
Figure BDA0002776167990000071
为储能电站j在时段t的中标容量，
Figure BDA0002776167990000077
为储能电站j在时段t的报价，N为参与调峰的发电机组个数，
Figure BDA0002776167990000072
为发电机组i在时段t的中标容量，
Figure BDA0002776167990000073
为发电机组i在时段t的报价。内层模型为储能最大售电利润模型，包括内层目标函数
Figure BDA0002776167990000074
其中，s为日前电价预测场景，S为日前电价预测场景总数量，qs为s的概率，E(t)为储能在时段t的日前出清利润，Cess为储能一天的循环损耗成本。
具体的，通过外层模型中定义的目标函数，可以确定出发电机组和储能电站在各自电力电价投标曲线下的最小购电成本和中标容量情况，该最小购电成本与投标时段以及参与调峰的发电机组数量有关。通常，可以将日前市场分为24个时段，每个时段长1小时。时段t即为日前市场中第t个1小时时段。
具体的，通过内层模型中定义的目标函数，可以根据日前电价的不同预测场景中储能的日前出清利润和储能的循环损耗成本来确定最大售电利润下对应的储能的投标策略。
优选地，储能在时段t的日前出清利润E(t)＝f(t，s)(uoutPout(t)-uinPin(t))，其中，f(t，s)为日前场景s中t时段的预期出清电价，Pout(t)和Pin(t)分别为日前储能在时段t从日前市场卖出和买入的电量，uout和uin分别为卖出和买入的投标决策指数。
卖出和买入的投标决策指数分别是位于[0，1]区间内的变量，能够代表其投标决策的概率。在区间[0，1]中，0代表拒绝投标，1代表接受投标。根据投标决策指数的不同，以及日前储能从日前市场中卖出和买入的电量及日前预期出清电价，可以计算出日前出清利润。
优选地，储能一天的循环损耗成本
Figure BDA0002776167990000075
其中，Cw为储能容量成本系数，Pr out(t)和
Figure BDA0002776167990000076
分别为储能在时段t的实际充入电量、实际放出电量；Ncyc为储能全寿命周期的充放电循环次数；Ddod为储能充放电深度，时段t的时长为1小时。
根据储能的实际充电电量与实际放电电量的差值，与储能的相关参数，如储能全寿命周期的充放电循环次数和储能充放电深度等可以进一步获得储能一天的循环损耗成本。
步骤2，基于电网侧储能参数和电能买卖双方的信息以及双层出清模型为双层出清模型构建双层约束条件。
双层出清模型中包括的外层出清模型和内层最大售电利润模型分别包括不同的一个或多个约束条件。根据约束条件，可以获得双层出清模型的最优解。
其中，外层模型的约束条件包括储能电站约束、机组运行约束和调峰交易约束。
优选地，储能电站约束包括所有储能电站在时段t的中标调峰容量之和
Figure BDA0002776167990000081
和所有储能电站在时段t的可售调峰容量
Figure BDA0002776167990000082
且wt≤Qt；其中，
Figure BDA00027761679900000816
为储能电站j的额定容量，
Figure BDA0002776167990000083
为储能电站j在时段t的荷电状态(SOC，State ofcharge)。储能电站约束描述了储能电站的相关参数对于最小购电成本模型的影响和限制。
优选地，机组运行约束包括调峰市场出清后发电机组i在时段t的技术出力
Figure BDA0002776167990000084
并且
Figure BDA0002776167990000085
其中，
Figure BDA0002776167990000086
为发电机组i在时段t的日前计划出力，
Figure BDA0002776167990000087
为发电机组i在时段t的中标调峰容量，
Figure BDA0002776167990000088
和
Figure BDA0002776167990000089
分别为发电机组i的爬坡率和滑坡率，
Figure BDA00027761679900000810
和
Figure BDA00027761679900000811
分别为发电机组i在时段t-1和时段t的运行状态，
Figure BDA00027761679900000812
为发电机组i的最大技术出力。机组运行约束描述了发电机组的相关参数对最小购电成本模型的影响和限制。
优选地，调峰交易约束包括时段t的中标调峰容量
Figure BDA00027761679900000813
以及需求方b在时段t的调峰需求
Figure BDA00027761679900000814
且
Figure BDA00027761679900000815
K表示需求方的个数。
所述调峰交易约束包括
Figure BDA0002776167990000091
其中，Ft j为储能电站j在t时刻放电量，
Figure BDA0002776167990000092
为发电机组i在t时刻的发电量，Yt j为储能电站j在t时刻的充电量，Ut为t时刻的负荷容量。通过调峰交易约束，可以确保中标调峰容量和调峰需求之间的平衡，以及发电机组的发电量、储能电站充放电电量和负荷容量之间的平衡。以防止电网中负载过高或是储能电站和发电机组超负荷运行等的问题。
优选地，内层模型的约束条件包括电力电价投标约束。电力电价投标约束包括连续变量Xin(t，s)、Xout(t，s)，且
Figure BDA0002776167990000093
Xout(t，s)＝Pr out(t，s)(1-Lout)，其中，Lin和Lout分别为电池充放电损失力，Pr out(t，s)和
Figure BDA0002776167990000094
分别为日前电价预测场景s中日前储能在时段t的从日前市场卖出和买入的电量；电力电价投标约束包括储能在时段t从日前市场卖出和买入的投标价Bout(t)和Bin(t)，其中，f(t，s)-uout(t，s)G≤Bout(t)≤f(t，s)+(1-uout(t，s))G且Bout(t)≥0，f(t，s)-(1-uin(t，s))G≤Bin(t)≤f(t，s)+uin(t，s)G且Bin(t)≥0，其中，f(t，s)为日前在场景s中t时段的预期出清电价，uin(t，s)和uout(t，s)分别为日前电价预测场景s中时段t的卖出和买入投标决策，G为相对于f(t，s)的一个极大值。
具体的，根据电力电价投标约束可以对日前市场卖出和买入的投标价格进行限制，使其满足日前电价预测场景中卖出和买入投标决策、投标决策指数以及日前场景s中t时段的预期出清电价的约束。
值得注意的是，根据内层约束条件生成储能最大售电利润模型，即储能设备电力电价投标模型；将所述储能设备的电力电价投标模型增加至所述外层模型的约束条件中，此时获得的获得最小购电成本模型为系统出清模型。
步骤3，基于双层约束条件对双层出清模型进行求解，获得电力调峰市场的最优投标结果和最佳收益。
根据步骤1和步骤2中获取的双层出清模型和双层约束条件，可以获得电力调峰市场的最优投标结果和收益情况。
图2为本发明一种电力调峰市场的出清方法中步骤3的流程图。如图3所示，步骤3还包括步骤3.1至步骤3.4。步骤3.1，基于日前计划和日前预测的调峰资源数量提交投标信息，并获取调峰市场需求曲线。步骤3.2，基于电力需求弹性的特性估计预测负荷值。步骤3.3，根据双层约束条件获得市场供应曲线。步骤3.4，根据市场供应曲线生成系统边际电价，并获取最优投标结果和最佳收益。
在步骤3.1中，可以获取到电力调峰市场当中所属电网区域内的调峰资源情况。例如，当前的调峰辅助服务市场是针对于某省或某市的电网区域中的电力供应情况进行调峰。则应当获取当前电网区域中的调峰资源情况。通常，在某一区域内，发电机组与储能电站的调峰资源是相对固定的。电力调度公司会根据日前计划预测其当前一段时间内的所需电量预测到当前一段时间内调峰资源不足的情况，并作为买方申报当前一段时间内，例如次日24小时内的调峰容量需求以及相应的期望价格。由于期望价格是由最小购电成本决定的，因而相应的期望价格可以根据外层出清模型和外层约束条件计算得到最优解。包含调峰容量需求及相应的期望价格的申报信息本质来说就是包含量价信息的一次投标。收集所有当前时间段的投标信息后，按照价格维度，从高到低的将所有投标信息进行排序，从而获得市场需求曲线。该市场需求曲线的横轴为电量，纵轴为价格，能够表征期望电价随需求电量的变化。
在步骤3.2中，由于电力需求具有需求弹性极低的特性，即在市场需求曲线当中，当价格浮动时对电力需求的影响不大。根据该特性就可以将步骤3.1中得到的市场需求曲线近似为与纵轴相平行的垂直线段。此时，市场需求曲线在横轴的截点即为预测负荷值。
在步骤3.3中，作为电能卖方，发电公司能够根据储能电站和发电机组的情况申报当前时间段内，例如次日24小时的时间段内的分段调峰容量与分段补偿价格。卖方可以与买方一样，将其申报的信息发送至电力调峰辅助服务交易平台中。由于卖方的电价通常是由最大售电利润决定的，根据内层最大售电利润模型和内层约束条件即电力电价投标约束可以获得电力与电价之间的关系曲线。因此其电价通常采用阶梯电价的形式，在卖出电量变化不大的情况下，其电价的单价通常不变。而当卖出电量达到一定范围的变化后，其电价单价会阶梯浮动。通常，需要卖出的电量越多，电价单价越高。
图3为本发明一种电力调峰市场的出清方法中发电机组与储能电站的电力电价曲线。根据图3所示，可知，随着发电机组或储能电站卖出电量，即供电量的增加，电价单价会随之阶梯性的升高。
在步骤3.4中，可以根据市场供应曲线中的阶梯电价获得系统边际电价。图4为本发明中一种电力调峰市场的出清方法中系统边际电价(SMP，System marginal price)的生成方法示意图。如图4所示，根据市场需求曲线与市场供应曲线的交点得到市场供需平衡点，由于市场需求曲线忽略了需求电量对价格变化的影响，因此，可以假设市场中需求的所有电量都能被卖方市场满足，即预测负荷值所在的垂直线段。此时，市场供需平衡点即为最优投标结果点和最佳收益点。在该点上，市场供应曲线能够提供的电价单价即为系统边际电价。若价格高于系统边际电价，则说明发电机组或储能电站电能冗余造成了浪费。若价格低于系统边际电价，则说明发电机组或储能电站无法提供电力公司需要的电能总量。
经过步骤3.1至3.4，即可根据双层出清模型和双层约束条件获得市场中卖方的最优投标结果和卖方的最佳收益。
步骤4，根据最优投标结果和最佳收益获得出清过程，并以可视化方式输出出清过程。
优选地，步骤4包括以可视化方式基于区域维度和时间维度输出调峰需求表，分时电价表、市场收益分析表；基于区域维度、时间维度和供应方维度输出储能电站和发电机组的调峰电量图、储能电站充放电功率图、中标容量图。其中供应方维度为根据参与发电和储能的发电机组和储能电站进行维度区分。
通过对步骤1至步骤3中涉及到的相关算法进行封装，即可以通过简单、便捷的可视化界面对出清的过程进行展示。例如，可以采用MATLAB中的图形用户界面(GUI，Graphicuser interface)模块对相关算法进行封装。
本发明一实施例中，以储能电站及火电机组共同参与调峰辅助服务市场中某日的模拟运行数据来构造算例，建设25MW(兆瓦)/115MWh(兆瓦时)的储能系统。在该储能系统中，3个火电发电机组共同参与调峰辅助服务。电网中的A区域在计算日的09：00～17：00这一时间段发现调峰容量不足，因此A区域可以作为需求方向调峰服务市场交易平台进行申报，通常可以申报计算日24个时段的调峰容量需求。表1为电网中A区域在24个时段内的调峰需求表。如表1所示，在不同时段，A区域的调峰需求被确定下来。
表1A区域在24个时段内的调峰需求表
时段/h 1 2 3 4 5 6 7 8 9 10 11 12
A区域调峰需求/MW 0 0 0 0 0 0 0 0 15 20 16 25
时段/h 13 14 15 16 17 18 19 20 21 22 23 24
A区域调峰需求/MW 10 18 12 16 8 0 0 0 0 0 0 0
于此同时，为电网中A区域供电的3个发电机组Z1至Z3，以及储能电站的调峰容量也可以被确定下来，并向调峰辅助服务市场交易平台进行申报。图5为本发明一种电力调峰市场的出清方法中储能电站、发电机组可视化电量申报的示意图。如图5所示，平台可以将上述申报情况，以可视化图表的形式显示。
根据表1和图5中的信息，可以根据本发明中的方法获得卖方的最优投标结果和卖方的最佳收益，该最优投标结果和最佳收益体现在分时电价表中。表2为本发明一实施例中的A区域分时电价表。如表2所示，现有技术中，可以根据电力市场分时电价划分依据，对高峰时段、平时段、低谷时段分别制定不同的电价水平，以鼓励用电客户合理安排用电时间，削峰填谷，提高电力资源的利用效率，获得最合适的分时电价结果。
表2A区域分时电价表
时段(h) 电价(元/kWh)
7：00～8：00 0.460
9：00～12：00 0.560
13：00～14：00 0.460
15：00～21：00 0.560
22：00～次日6：00 0.355
图6为本发明一种电力调峰市场的出清方法中储能电站各时段可视化的充放电功率示意图。如图6所示，9：00～18：00为储能电站的放电时段，22：00～次日9：00为储能电站的充电时段。结合表1可知，储能电站在7：00～8：00、13：00～14：00为平负荷时段，其电价为0.46元/kWh；22：00～次日6：00为负荷低谷时段，电价为0.355元/kWh；9：00～12：00、15：00～21：00为负荷高峰时段，电价为0.56元/kWh。可见，由于储能电站参与了调峰辅助服务市场中峰谷电价的充放电策略，可以通过在负荷低谷时及电价较低时进行充电，在负荷高峰即电价较高时进行放电，并利用此电价差值在节能的同时获利。
图7为本发明一种电力调峰市场的出清方法中电能卖方24时段调峰中标容量示意图。如图7所示，储能电站在第9、10时段中标，发电机组1在第11、15、16时段中标，发电机组2在第14、17时段中标，发电机组3在第12、13时段中标时，系统的购电费用最小。其中，储能电站中标调峰容量为35MW，发电机组1中标调峰容量为44MW，发电机组2中标调峰容量为26MW，发电机组3中标调峰容量为35MW。根据交易平台中确定的不同时段的系统边际电价，电能买方的调峰需求都得到了满足，电能卖方也可同时获得最优投标结果和最佳收益。
值得说明的是，在第9、10时段中标的储能电站能够针对常规发电机组调峰能力的不足而增加供电输出。由于储能参与到了电网侧的调峰，因而能够避免常规发电机组因调峰能力不足而频繁改变出力，减少了发电机组的损耗，同时发挥了储能优良的调峰性能。表3为在9、10两时段中储能申报容量参与不同市场的收益分析表。如表3所示，市场出清过程中，储能电站在第9、10两个时段中标，中标容量分别为15MW、20MW。这两个时段的中标容量参与能量市场放电可分别获得不同的收益。
表3在9、10两时段中储能申报容量参与不同市场的收益分析表
Figure BDA0002776167990000131
通过本发明中所述的方法，可以建立日前市场环境下考虑电价不确定性的电网侧储能参与调峰辅助服务市场的双层出清模型，并针对投标构造内层电力电价投标模型以应对电价的不确定性。
本发明一实施例中，还可以通过算例对比储能仅参与峰谷套利和参与调峰辅助服务的收益差异，来验证储能能够解决当前电力市场调峰资源紧张、调峰困难的问题。本发明中的方法中所提出的双层出清模型，不仅能够满足电力市场供求双方的利益诉求，也能够调动储能参与调峰的积极性。
本发明第二方面，涉及一种如本发明第一方面中所述的一种电力调峰市场的出清方法的电力调峰市场的出清系统。该系统可以用于实现如本发明第一方面中所述的一种电力调峰市场的出清方法。
图8为本发明一种电力调峰市场的出清系统的系统界面示意图。如图8所示，电网侧储能的交易模式分析系统可以提供储能的交易，并提供储能交易的效益分析。根据储能经济指数，例如储能电站的功率、充电功率和放电功率，以及储能成本性参数，例如储能电站的功率成本、容量成本等信息能够确定出该储能交易的直接收益和间接收益。
本发明的有益效果在于，与现有技术相比，本发明中一种电力调峰市场的出清方法及模块通过建立出清模型和约束条件能够在考虑电价不确定性的基础上对储能参与的调峰市场进行可视化的效益分析和投标决策分析。
1、本发明能够在日前市场中建立充分考虑电价不确定性的电力电价投标模型，为储能进行市场竞标、运营决策和储能经济可行性评估提供参考依据。
2、本发明能够构建调峰辅助服务市场的出清模型，并使得电网侧储能电站作为买卖双方主体参与到调峰辅助服务市场的统一出清过程中来。因此能够有效激励储能参与调峰辅助服务，获得更多收益，同时减少火电机组频繁降低出力产生的损耗，减少需求方的购电成本，满足供求双方的利益诉求。
3、本发明能够通过编程对相关算法进行实现，通过读取输入数据获取输出结果，通过对各个模块界面进行可视化界面设计从而通过数据与图形的方式可视化的展示输出结果，更加简单、便捷的实现储能对调峰辅助服务市场交易过程的参与。
本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。

Claims (12)

1.一种电力调峰市场的出清方法，其特征在于，包括以下步骤：
步骤1，基于电网侧储能参数和电能买卖双方的信息构建考虑电价不确定性的双层出清模型；
步骤2，基于电网侧储能参数和电能买卖双方的信息以及所述双层出清模型为所述双层出清模型构建双层约束条件；
步骤3，基于所述双层约束条件对所述双层出清模型进行求解，获得电力调峰市场的最优投标结果和最佳收益；
步骤4，根据所述最优投标结果和最佳收益获得出清过程，并以可视化方式输出所述出清过程。
2.根据权利要求1中所述的一种电力调峰市场的出清方法，其特征在于，步骤1中还包括：
所述双层出清模型包括外层模型和内层模型；其中，
所述外层模型为系统最小购电成本模型，包括外层目标函数
Figure FDA0002776167980000011
其中，M为参与调峰的储能电站个数，T为投标时段，共24个时段，
Figure FDA0002776167980000012
为储能电站j在时段t的中标容量，
Figure FDA0002776167980000013
为储能电站j在时段t的报价，N为参与调峰的发电机组个数，
Figure FDA0002776167980000014
为发电机组i在时段t的中标容量，
Figure FDA0002776167980000015
为发电机组i在时段t的报价；
所述内层模型为储能最大售电利润模型，包括内层目标函数
Figure FDA0002776167980000016
其中，s为日前电价预测场景，S为日前电价预测场景总数量，qs为s的概率，E(t)为储能在时段t的日前出清利润，Cess为储能一天的循环损耗成本。
3.根据权利要求2中所述的一种电力调峰市场的出清方法，其特征在于：
所述储能在时段t的日前出清利润E(t)＝f(t，s)(uoutPout(t)-uinPin(t))，其中，f(t，s)为日前在时段t的预期出清电价，Pout(t)和Pin(t)分别为日前储能在时段t从日前市场卖出和买入的电量，uout和uin分别为卖出和买入的投标决策指数。
4.根据权利要求2中所述的一种电力调峰市场的出清方法，其特征在于：
所述储能一天的循环损耗成本
Figure FDA0002776167980000021
其中，Cw为储能容量成本系数，Pr out(t)和
Figure FDA0002776167980000022
分别为储能在时段t的实际充入电量、实际放出电量；Ncyc为储能全寿命周期的充放电循环次数；Ddod为储能充放电深度，时段t的时长为1小时。
5.根据权利要求2中所述的一种电力调峰市场的出清方法，其特征在于，所述步骤2还包括：
所述外层模型的约束条件包括储能电站约束、机组运行约束和调峰交易约束；
所述内层模型的约束条件包括电力电价投标约束。
6.根据权利要求5中所述的一种电力调峰市场的出清方法，其特征在于：
所述储能电站约束包括所有储能电站在时段t的中标调峰容量之和
Figure FDA0002776167980000023
和所有储能电站在时段t的可售调峰容量
Figure FDA0002776167980000024
且wt≤Qt；
其中，
Figure FDA0002776167980000025
为储能电站j的额定容量，
Figure FDA0002776167980000026
为储能电站j在时段t的荷电状态。
7.根据权利要求5中所述的一种电力调峰市场的出清方法，其特征在于：
所述机组运行约束包括调峰市场出清后发电机组i在时段t的技术出力
Figure FDA0002776167980000027
Figure FDA0002776167980000028
并且
Figure FDA0002776167980000029
其中，
Figure FDA00027761679800000210
为发电机组i在时段t的日前计划出力，
Figure FDA00027761679800000211
为发电机组i在时段t的中标调峰容量，
Figure FDA00027761679800000212
和
Figure FDA00027761679800000213
分别为发电机组i的爬坡率和滑坡率，
Figure FDA00027761679800000214
和
Figure FDA00027761679800000215
分别为发电机组i在时段t-1和时段t的运行状态，
Figure FDA00027761679800000216
为发电机组i的最大技术出力。
8.根据权利要求5中所述的一种电力调峰市场的出清方法，其特征在于：
所述调峰交易约束包括时段t的中标调峰容量
Figure FDA00027761679800000217
及需求方b在时段t的调峰需求
Figure FDA0002776167980000031
且
Figure FDA0002776167980000032
K表示需求方的个数；
所述调峰交易约束包括
Figure FDA0002776167980000033
其中，Ft j为储能电站j在t时刻放电量，
Figure FDA0002776167980000034
为发电机组i在t时刻的发电量，Yt j为储能电站j在t时刻的充电量，Ut为t时刻的负荷容量。
9.根据权利要求5中所述的一种电力调峰市场的出清方法，其特征在于：
所述电力电价投标约束包括连续变量Xin(t，s)、Xout(t，s)，且
Figure FDA0002776167980000035
Xout(t，s)＝Pr out(t，s)(1-Lout)，其中，Lin和Lout分别为电池充放电损失力，
Figure FDA0002776167980000036
和
Figure FDA0002776167980000037
分别为日前电价预测场景s中日前储能在时段t的从日前市场卖出和买入的电量；
所述电力电价投标约束包括储能在时段t从日前市场卖出和买入的投标价Bout(t)和Bin(t)，其中，f(t，s)-uout(t，s)G≤Bout(t)≤f(t，s)+(1-uout(t，s))G且Bout(t)≥0，f(t，s)-(1-uin(t，s))G≤Bin(t)≤f(t，s)+uin(t，s)G且Bin(t)≥0，其中，f(t，s)为日前场景s中t时段的预期出清电价，uin(t，s)和uout(t，s)分别为日前电价预测场景s中时段t的卖出和买入投标决策，G为相对于f(t，s)的一个极大值。
10.根据权利要求1中所述的一种电力调峰市场的出清方法，其特征在于，所述步骤3还包括：
步骤3.1，基于日前计划和日前预测的调峰资源数量提交投标信息，并根据外层出清模型和外层约束条件获取市场需求曲线；
步骤3.2，基于所述需求曲线的线性特征获得预测负荷值；
步骤3.3，基于内层电力电价投标模型和内层约束条件获得市场供应曲线；
步骤3.4，根据所述市场供应曲线和所述预测负荷值生成系统边际电价，并获取最优投标结果和最佳收益。
11.根据权利要求1中所述的一种电力调峰市场的出清方法，其特征在于，所述步骤4还包括：
以可视化方式基于区域维度和时间维度输出调峰需求表，分时电价表、市场收益分析表；基于区域维度、时间维度和供应方维度输出储能电站和发电机组的调峰电量图、储能电站充放电功率图、中标容量图。
12.一种电力调峰市场的出清系统，其特征在于，所述系统用于实现如权利要求1-11中所述的一种电力调峰市场的出清方法。
CN202011266123.1A 2020-11-13 2020-11-13 一种电力调峰市场的出清方法及系统 Pending CN112580850A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011266123.1A CN112580850A (zh) 2020-11-13 2020-11-13 一种电力调峰市场的出清方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011266123.1A CN112580850A (zh) 2020-11-13 2020-11-13 一种电力调峰市场的出清方法及系统

Publications (1)

Publication Number Publication Date
CN112580850A true CN112580850A (zh) 2021-03-30

Family

ID=75122671

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011266123.1A Pending CN112580850A (zh) 2020-11-13 2020-11-13 一种电力调峰市场的出清方法及系统

Country Status (1)

Country Link
CN (1) CN112580850A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113610435A (zh) * 2021-08-24 2021-11-05 内蒙古电力(集团)有限责任公司电力调度控制分公司 基于火电、自备电厂和储能的电力系统调峰方法及装置
CN113837444A (zh) * 2021-08-26 2021-12-24 国网河南省电力公司经济技术研究院 一种虚拟电厂参与多重市场的交易出清优化方法
CN114123235A (zh) * 2021-10-22 2022-03-01 国网浙江省电力有限公司电力科学研究院 火储联合电站参与主能量和调频的协同运行方法及系统
CN117117924A (zh) * 2023-10-24 2023-11-24 国网湖北省电力有限公司经济技术研究院 一种考虑市场出清收益的储能容量配置方法、装置及设备

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103489044A (zh) * 2013-09-26 2014-01-01 华东交通大学 一种面向智能电网的竞价发电风险控制方法
CN108388973A (zh) * 2018-01-11 2018-08-10 河海大学 一种虚拟电厂自适应鲁棒调度优化方法
CN109492815A (zh) * 2018-11-15 2019-03-19 郑州大学 一种市场机制下面向电网的储能电站选址定容优化方法
CN109636552A (zh) * 2019-01-17 2019-04-16 华北电力大学（保定） 负荷聚合商参与电力市场的双层投标竞价方法
CN110147907A (zh) * 2019-05-20 2019-08-20 广西电网有限责任公司电力科学研究院 一种考虑网络约束的虚拟电厂双层优化模型
CN111047114A (zh) * 2019-12-28 2020-04-21 中国南方电网有限责任公司 抽水蓄能机组在日前电力现货市场的双层竞价优化方法
CN111222917A (zh) * 2020-01-03 2020-06-02 广东电网有限责任公司电力调度控制中心 一种与配电侧多元零售市场互动的虚拟电厂投标策略
CN111553750A (zh) * 2020-05-12 2020-08-18 太原理工大学 一种计及电价不确定性和损耗成本的储能竞价策略方法
CN111614087A (zh) * 2020-06-09 2020-09-01 国网吉林省电力有限公司电力科学研究院 一种参与电网调峰的储能双层优化配置方法
CN111756076A (zh) * 2020-07-27 2020-10-09 国网河南省电力公司电力科学研究院 一种储能辅助调峰服务市场的双层互动调度方法及装置
CN111900746A (zh) * 2020-08-05 2020-11-06 浙江华云清洁能源有限公司 一种基于双层模型的储能参与调峰的容量配置方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103489044A (zh) * 2013-09-26 2014-01-01 华东交通大学 一种面向智能电网的竞价发电风险控制方法
CN108388973A (zh) * 2018-01-11 2018-08-10 河海大学 一种虚拟电厂自适应鲁棒调度优化方法
CN109492815A (zh) * 2018-11-15 2019-03-19 郑州大学 一种市场机制下面向电网的储能电站选址定容优化方法
CN109636552A (zh) * 2019-01-17 2019-04-16 华北电力大学（保定） 负荷聚合商参与电力市场的双层投标竞价方法
CN110147907A (zh) * 2019-05-20 2019-08-20 广西电网有限责任公司电力科学研究院 一种考虑网络约束的虚拟电厂双层优化模型
CN111047114A (zh) * 2019-12-28 2020-04-21 中国南方电网有限责任公司 抽水蓄能机组在日前电力现货市场的双层竞价优化方法
CN111222917A (zh) * 2020-01-03 2020-06-02 广东电网有限责任公司电力调度控制中心 一种与配电侧多元零售市场互动的虚拟电厂投标策略
CN111553750A (zh) * 2020-05-12 2020-08-18 太原理工大学 一种计及电价不确定性和损耗成本的储能竞价策略方法
CN111614087A (zh) * 2020-06-09 2020-09-01 国网吉林省电力有限公司电力科学研究院 一种参与电网调峰的储能双层优化配置方法
CN111756076A (zh) * 2020-07-27 2020-10-09 国网河南省电力公司电力科学研究院 一种储能辅助调峰服务市场的双层互动调度方法及装置
CN111900746A (zh) * 2020-08-05 2020-11-06 浙江华云清洁能源有限公司 一种基于双层模型的储能参与调峰的容量配置方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
南国良等: "电网侧储能参与调峰辅助服务市场的交易模式设计", 《电气工程学报》, vol. 15, no. 3, pages 88 - 94 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113610435A (zh) * 2021-08-24 2021-11-05 内蒙古电力(集团)有限责任公司电力调度控制分公司 基于火电、自备电厂和储能的电力系统调峰方法及装置
CN113610435B (zh) * 2021-08-24 2024-06-07 内蒙古电力(集团)有限责任公司电力调度控制分公司 基于火电、自备电厂和储能的电力系统调峰方法及装置
CN113837444A (zh) * 2021-08-26 2021-12-24 国网河南省电力公司经济技术研究院 一种虚拟电厂参与多重市场的交易出清优化方法
CN113837444B (zh) * 2021-08-26 2023-12-26 国网河南省电力公司经济技术研究院 一种虚拟电厂参与多重市场的交易出清优化方法
CN114123235A (zh) * 2021-10-22 2022-03-01 国网浙江省电力有限公司电力科学研究院 火储联合电站参与主能量和调频的协同运行方法及系统
CN117117924A (zh) * 2023-10-24 2023-11-24 国网湖北省电力有限公司经济技术研究院 一种考虑市场出清收益的储能容量配置方法、装置及设备
CN117117924B (zh) * 2023-10-24 2023-12-22 国网湖北省电力有限公司经济技术研究院 一种考虑市场出清收益的储能容量配置方法、装置及设备

Similar Documents

Publication Publication Date Title
Li et al. Distributed tri-layer risk-averse stochastic game approach for energy trading among multi-energy microgrids
Nunna et al. Multiagent-based energy trading platform for energy storage systems in distribution systems with interconnected microgrids
Zhou et al. Peer-to-peer energy sharing and trading of renewable energy in smart communities─ trading pricing models, decision-making and agent-based collaboration
Wang et al. Distributed energy trading for an integrated energy system and electric vehicle charging stations: A Nash bargaining game approach
Shafie-khah et al. A stochastic multi-layer agent-based model to study electricity market participants behavior
Chen et al. Research on day-ahead transactions between multi-microgrid based on cooperative game model
Ju et al. Robust purchase and sale transactions optimization strategy for electricity retailers with energy storage system considering two-stage demand response
CN112580850A (zh) 一种电力调峰市场的出清方法及系统
Jia et al. A bilevel model for optimal bidding and offering of flexible load aggregator in day-ahead energy and reserve markets
CN112529622A (zh) 基于虚拟电厂的多元小微主体参与现货市场的出清方法
Mohseni et al. Modelling utility-aggregator-customer interactions in interruptible load programmes using non-cooperative game theory
Yu et al. A game theoretical pricing mechanism for multi-microgrid energy trading considering electric vehicles uncertainty
Ghaffari et al. Options based reserve procurement strategy for wind generators-using binomial trees
Emarati et al. A two‐stage stochastic programming framework for risk‐based day‐ahead operation of a virtual power plant
Peng et al. Review on bidding strategies for renewable energy power producers participating in electricity spot markets
Nazari et al. Joint investment of community energy storage systems in distribution networks using modified Nash bargaining theory
Vahid-Ghavidel et al. Hybrid IGDT-stochastic self-scheduling of a distributed energy resources aggregator in a multi-energy system
An et al. Distributed online incentive scheme for energy trading in multi-microgrid systems
CN115423260A (zh) 一种电力市场及政策服务新能源利用的量化分析方法
Basu et al. Key energy management issues of setting market clearing price (MCP) in micro-grid scenario
CN117114877A (zh) 一种基于虚拟电厂的中长期电力交易方法及系统
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
Wang et al. Energy scheduling for multi-energy systems via deep reinforcement learning
Warner et al. Decentralized peer-to-peer energy trading model for networked microgrids
Nazari et al. The effects of spinning reserve uncertainty and demand response programs on Transmission-Constrained bidding strategy

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