CN112651544B - 一种增量配电多主体协调优化方法 - Google Patents
一种增量配电多主体协调优化方法 Download PDFInfo
- Publication number
- CN112651544B CN112651544B CN202011327451.8A CN202011327451A CN112651544B CN 112651544 B CN112651544 B CN 112651544B CN 202011327451 A CN202011327451 A CN 202011327451A CN 112651544 B CN112651544 B CN 112651544B
- Authority
- CN
- China
- Prior art keywords
- investment
- power
- incremental
- risk
- formula
- 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.)
- Active
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 120
- 238000005457 optimization Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000012502 risk assessment Methods 0.000 claims abstract description 29
- 238000011156 evaluation Methods 0.000 claims abstract description 24
- 230000008901 benefit Effects 0.000 claims abstract description 22
- 230000005611 electricity Effects 0.000 claims description 47
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 36
- 239000007789 gas Substances 0.000 claims description 21
- 239000003345 natural gas Substances 0.000 claims description 18
- 238000010248 power generation Methods 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000012423 maintenance Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 10
- 230000015556 catabolic process Effects 0.000 claims description 9
- 238000006731 degradation reaction Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000003672 processing method Methods 0.000 claims description 6
- 238000005057 refrigeration Methods 0.000 claims description 6
- 238000001816 cooling Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000010438 heat treatment Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 238000010977 unit operation Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000020169 heat generation Effects 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 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
- 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
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06Q10/06—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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Quality & Reliability (AREA)
- Mathematical Optimization (AREA)
- Educational Administration (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种增量配电多主体协调优化方法,该方法首先获取增量配电系统基础数据,确定增量配电网各个投资主体的相关投资运行风险指标值;其次,综合考虑配电网、终端综合能源和分布式发电之间的协调运行,在满足配电网、终端综合能源和分布式电源三种主体参与增量配电投资运行的约束条件下,以增量配电投资运行的经济效益最大化为目标,建立多主体协调优化模型;然后,结合各个投资主体的相关投资运行风险指标,基于模糊综合评价法评估各主体风险偏好值;最后基于风险评估改进Shapley分配方法,得到增量配电多主体利益分摊的优化配置;该方法在吸引不同主体投资运营增量配电网的同时,提高增量配电网运营的经济性和运行效率。
Description
技术领域
本发明涉及一种增量配电多主体协调优化方法,属于配电网投资规划技术领域。
背景技术
增量配电改革通过引入多元主体投资、运营增量配电网,促进配电网建设发展,提高增量配电网运营的经济性和运行效率。在此背景下,电网企业、分布式电源投资商(分布式发电投资商)、能源企业等不同类型的主体均可参与增量配电投资。但是目前针对增量配电网协调优化技术的研究主要侧重于增量配电网整体优化,对于不同主体的行业背景和技术优势考虑不足,尤其是不同投资主体风险偏好程度不同,即对于各个投资主体共摊风险、共享利益的个体诉求考虑不足。此外,传统的Shapley值分配方法仅考虑不同主体在合作联盟中的效益共享,未考虑投资的风险因素。增量配电多主体协调优化技术涉及的主体具有多样性,需要针对不同主体投资诉求建立相应成本和收益模型,是个多主体博弈的问题。如何构建增量配电多主体协调优化模型,综合考虑不同类型投资主体的利益诉求和风险偏好对增量配电资源进行优化配置,以提升增量配电投资效益是目前亟待解决的问题。
发明内容
技术问题:本发明针对目前增量配电网投资规划缺乏对于各个投资主体利益诉求和风险偏好不同的考虑问题。建立考虑配电网、分布式电源和综合能源的增量配电网协调优化模型,综合考虑不同类型投资主体的风险因素,基于风险评估改进Shapley值,优化资源配置和合理分配投资收益。在吸引不同主体投资运营增量配电网的同时,提高增量配电网运营的经济性和运行效率。
技术方案:
一种增量配电多主体协调优化方法,包括以下步骤:
步骤1,获取增量配电系统内不同节点冷、热、电能源需求的基础数据;确定增量配电网内需规划分布式电源和接入终端综合能源设备的节点,并计算各个投资主体的相关投资运行风险指标值;
步骤2,建立增量配电投资成本模型,所述的成本模型包括分布式发电投资成本、配电网投资成本、终端综合能源投资成本;建立增量配电的收益模型,具体包括售电收益模型、供冷收益模型和供热收益模型;
增量配电投资成本模型建立过程为:
Ct=CD+CE+CG (1)
式中:CD、CE、CG分别为分布式发电、配电网、综合能源年投资成本;
首先建立分布式发电投资成本模型,主要包括分布式光伏、分布式风电的建设成本和运营维护成本;
式中:f为年值化系数,ig为利率,T为周期;cpv、cwt分别为分布式光伏和风电的单位投资成本;wpv、wwt分别为分布式光伏和风电的投资容量;Tpv和Twt分别为分布式光伏和分布式风电年有效利用小时数;Pt pv和Pt wt分别为t时刻分布式光伏和风电的出力;mpv和mwt分别为分布光伏和风电的单位运行维护成本;
然后建立配电网投资成本模型
CE=fCfix+CM+CIM (3)
Cfix=Ctrans+Cline (4)
CM=λMCfix (5)
式中:Cfix为配电网固定建设成本,包括变电站投资Ctrans和新建线路Cline,其中变电站的建设容量与最大供电负荷相关;CM为年维护成本;CIM为增量配电网的购电成本;λM为设备维护成本系数;cIM为增量配电网向上一级输配电网购电的电价;t为时刻,Pe,t为t时刻下的增量配电网供电负荷功率;
最后,建立终端综合能源投资成本模型,包括配置电转气、热电联产机组、电制冷、燃气锅炉的设备固定费用、向然气公司购买天然气的费用、向电网购电的费用;
式中:cER、cP2G、cCHP、cGB分别为ER、P2G、CHP、GB设备的单位容量成本;SER、SP2G、SCHP、SGB分别为ER、P2G、CHP、GB设备的配置容量;cIM,g为增量配电网向燃气公司购买天然气的价格;为t时刻向燃气公司购买的天然气;
投资收益模型的建立过程为:
首先建立售电收益模型,包括配电网的售电收益、分布式电源售电收益以及终端综合能源设备将天然气转换为电销售的收益;
式中:Re,t为售电年收益;Δt'为t年第t'时段;πpv和πwt分别为光伏和风电的上网电价;πe为配电销售电价;Pcchp,t'为t'时刻CCHP转换的电功率;
然后建立供热、供冷收益模型
式中:Rh,t和Rl,t分别为供热和供冷年收益;πh和πl分别为单位供热价格和单位供冷价格;Δt'为t年第t'时段;
最后得到增量配电网的年收益Rt为
Rt=Re,t+Rh,t+Rl,t (14);
步骤3,多主体协调优化模型为:
令N为增量配电投资主体的类型数,投资主体集合表示为Nz={D,E,G},其中D、E、G分别表示分布式发电投资商、电网企业、能源企业;在满足分布式发电投资商、电网企业和能源企业三种主体参与投资的约束条件下,以增量配电系统产生的经济效益最大化为目标,建立基于合作博弈的多主体协调优化模型;则有
R1,i,t=Rt-Ct-Ds,t-Ctax (18)
Ct=γDCD+γECE+γGCG (20)
R2,t=s(Rt-Ct-Ds,t-Ctax) (21)
式中:γi为二进制变量,γD、γE和γG分别表示分布式发电投资商、电网企业和能源企业三类专业公司是否参与合作联盟,γi=1表示参加,γi=0表示不参加;式(16)表示三类专业公司中至少有一个参与合作联盟;各类专业公司年分配收益为R1,i,t,i∈N,各类专业公司年分配收益为R1,i,t,i∈N;Dst为还本付息费用;Ctax为年税收费用,
多主体协调优化模型满足以下约束条件:
I.配电网络约束
配电网规划考虑节点功率平衡约束、节点电压限制和支路容量限制的安全约束,即
式中:Pe,t,i、Qe,t,i分别为注入节点i的有功和无功功率;Ue,t,i、Ue,t,j分别为节点i、j的电压;Gij、Bij、θij分别为节点i、j间的电导、电纳、相角差;为节点i电压幅值的上下限;Se,t,ij为支路ij的容量;为支路ij的传输容量限制;
II.能量平衡约束
由于各个投资项目生产的电能和天然气通过终端综合能源转换单元供给用户,满足用户的电、热、冷、气不同能源的需求;因此考虑终端综合能源转换单元内各类功率平衡约束
式中:LE,t、LH,t和LC,t分别为电、热、冷负荷;
III.终端能源转换设备出力约束
式(28)-式(32)分别为P2G转换气功率约束、CHP产电的约束、CHP产热约束、ER制冷约束和GB产热约束;
IV.天然气分配系数约束
V.分布式发电约束
PPV,min≤Pt PV≤PPV,max (34)
PWT,min≤Pt WT≤PWT,max (35)
式中:PPV,min、PPV,max分别为PV出力的最小最大值;PWT,min、PWT,max分别为WT出力的最小最大值;
步骤4,结合各个投资主体的相关投资运行风险指标,基于模糊综合评价法评估各主体风险偏好值:
评价指标归一
将各个投资主体的风险偏好值划分为4个等级,其中,Le,1、Le,2、Le,3、Le,4分别表示规避风险型、能接受风险、较偏好风险和偏好风险型,则指标评价等级集合为
Le={Le,1,Le,2,Le,3Le,4} (36)
考虑到各指标的数值均具有其物理含义,为了综合分析,应归一化处理,采用相对劣化度的分析方法,即根据各指标的数值所反映出的指标状态的好坏,将该数值折算成区间[0,1]之间的具体数值,其中0代表最差,1代表最佳,各个投资主体的风险指标主要涉及到以下两种劣化度计算方法:
对于越大越优型指标,标准化处理方法为:
式中:Ix为越大越好类型的指标;N为评价体系中所有指标的集合
对于越小越优型指标,标准化处理方法为:
式中:Iy为越小越好类型的指标
建立模糊评价矩阵
选择三角形和半梯形组合的隶属度函数,划分风险评估4种偏好程度等级分界点,各转风险偏好程度隶属度函数分别为:
式中,x为指标数值,
可以得到第i个指标中的n个状态参数的劣化度数值隶属于状态空间{Le,1,Le,2,Le,3Le,4}的隶属度矩阵Ri为
风险综合评估
模糊综合评判计算模型为
最后得到的模糊综合评判结果为
CR=[c1 c2 c3 c4] (45)
式中,c1、c2、c3、c4分别为第1-4个指标的评判结果,
步骤5,求解协调优化模型,并基于风险评估改进Shapley值,得到增量配电多主体利益分摊的优化配置;
以Lingo软件为平台进行求解,采用非线性规划法求得各种联盟组合的最优解;基于Shapley值确定不同主体出资份额和分配增量配电协调运行的利益:
式中:S\i表示不含i的规模为(s-1)的联盟;
基于风险评估改进Shapley值,即根据风险评估结果引入风险改进因子,修正Shapley值分配模型,即有
有益效果:本发明针对增量配电对主体协调优化问题,考虑不同投资主体的利益诉求和风险偏好,基于风险评估改进Shapley值,提出增量配电多投资主体的投资利益分摊方法。本发明带来的好处为:
①所提出的方法可以协调资源配置,通过冷、热、电多能源综合优化为增量配电创造增加值,相比于不同主体独立运行,能提高增量配电整体投资效益;
②所提出的方法综合考虑了不同主体的投资诉求和风险偏好,有利于吸引多主体投资运行增量配电网。
附图说明
图1是本发明的流程图;
图2是各个投资主体的相关风险指标图;
图3是冷、热、电日负荷曲线图;
图4是14节点配电网的网络结构图。
具体实施方式
一种增量配电多主体协调优化方法,基于风险评估改进Shapley值的方法,包括以下步骤:
步骤1,获取增量配电系统内不同节点冷、热、电能源需求的基础数据,日负荷数据如图3所示;确定增量配电网内需规划分布式电源和接入终端综合能源设备的节点,并计算各个投资主体的相关投资运行风险指标值,各个投资主体的相关投资运行风险指标如图2所示:在IEEE14节点标准测试系统基础上修改配电网网络,负荷节点9、11、14规划建设分布式电源,其中节点14为具有冷、热、电综合需求的节点,如图4所示。步骤2,综合考虑配电网、终端综合能源和分布式发电之间的协调运行,建立增量配电投资成本模型,所述的成本模型包括分布式发电投资成本、配电网投资成本、终端综合能源投资成本;建立增量配电的收益模型,具体包括售电收益模型、供冷收益模型和供热收益模型。实现如下:
增量配电投资成本模型建立过程为:
Ct=CD+CE+CG (1)
式中:CD、CE、CG分别为分布式发电、配电网、综合能源年投资成本。
首先建立分布式发电投资成本模型,主要包括分布式光伏、分布式风电的建设成本和运营维护成本。
式中:f为年值化系数,ig为利率,T为周期;cpv、cwt分别为分布式光伏和风电的单位投资成本;wpv、wwt分别为分布式光伏和风电的投资容量;Tpv和Twt分别为分布式光伏和分布式风电年有效利用小时数;Pt pv和Pt wt分别为t时刻分布式光伏和风电的出力;mpv和mwt分别为分布光伏和风电的单位运行维护成本。
然后建立配电网投资成本模型
CE=fCfix+CM+CIM (3)
Cfix=Ctrans+Cline (4)
CM=λMCfix (5)
式中:Cfix为配电网固定建设成本,包括变电站投资Ctrans和新建线路Cline,其中变电站的建设容量与最大供电负荷相关;CM为年维护成本;CIM为增量配电网的购电成本;λM为设备维护成本系数;cIM为增量配电网向上一级输配电网购电的电价;t为时刻,Pe,t为t时刻下的增量配电网供电负荷功率。
最后,建立终端综合能源投资成本模型,包括配置电转气(power to gas,P2G)、热电联产机组(combined heat and power,CHP)、电制冷(electrical refrigeration,ER)、燃气锅炉(gas boiler,GB)的设备固定费用、向然气公司购买天然气的费用、向电网购电的费用。
式中:cER、cP2G、cCHP、cGB分别为ER、P2G、CHP、GB设备的单位容量成本;SER、SP2G、SCHP、SGB分别为ER、P2G、CHP、GB设备的配置容量;cIM,g为增量配电网向燃气公司购买天然气的价格;为t时刻向燃气公司购买的天然气。
投资收益模型的建立过程为:
首先建立售电收益模型,包括配电网的售电收益、分布式电源售电收益以及终端综合能源设备将天然气转换为电销售的收益。
式中:Re,t为售电年收益;Δt'为t年第t'时段;πpv和πwt分别为光伏和风电的上网电价;πe为配电销售电价;Pcchp,t'为t'时刻CCHP转换的电功率。
然后建立供热、供冷收益模型
式中:Rh,t和Rl,t分别为供热和供冷年收益;πh和πl分别为单位供热价格和单位供冷价格;Δt'为t年第t'时段。
最后得到增量配电网的年收益Rt为
Rt=Re,t+Rh,t+Rl,t (14)
步骤3,多主体协调优化模型为:
令N为增量配电投资主体的类型数,投资主体集合表示为Nz={D,E,G},其中D、E、G分别表示分布式发电投资商、电网企业、能源企业;在满足分布式发电投资商、电网企业和能源企业三种主体参与投资的约束条件下,以增量配电系统产生的经济效益最大化为目标,建立基于合作博弈的多主体协调优化模型;则有
R1,i,t=Rt-Ct-Ds,t-Ctax (18)
Ct=γDCD+γECE+γGCG (20)
R2,t=s(Rt-Ct-Ds,t-Ctax) (21)
式中:γi为二进制变量,γD、γE和γG分别表示分布式发电投资商、电网企业和能源企业三类专业公司是否参与合作联盟,γi=1表示参加,γi=0表示不参加;式(16)表示三类专业公司中至少有一个参与合作联盟;各类专业公司年分配收益为R1,i,t,i∈N,各类专业公司年分配收益为R1,i,t,i∈N;Dst为还本付息费用;Ctax为年税收费用。
多主体协调优化模型满足以下约束条件:
(1)配电网络约束
配电网规划考虑节点功率平衡约束、节点电压限制和支路容量限制的安全约束,即
式中:Pe,t,i、Qe,t,i分别为注入节点i的有功和无功功率;Ue,t,i、Ue,t,j分别为节点i、j的电压;Gij、Bij、θij分别为节点i、j间的电导、电纳、相角差;为节点i电压幅值的上下限;Se,t,ij为支路ij的容量;为支路ij的传输容量限制;
(2)能量平衡约束
由于各个投资项目生产的电能和天然气通过终端综合能源转换单元供给用户,满足用户的电、热、冷、气不同能源的需求;因此考虑终端综合能源转换单元内各类功率平衡约束
式中:LE,t、LH,t和LC,t分别为电、热、冷负荷;
(3)终端能源转换设备出力约束
式(28)-式(32)分别为P2G转换气功率约束、CHP产电的约束、CHP产热约束、ER制冷约束和GB产热约束;
(4)天然气分配系数约束
(5)分布式发电约束
PPV,min≤Pt PV≤PPV,max (34)
PWT,min≤Pt WT≤PWT,max (35)
式中:PPV,min、PPV,max分别为PV出力的最小最大值;PWT,min、PWT,max分别为WT出力的最小最大值;
步骤4,结合各个投资主体的相关投资运行风险指标,基于模糊综合评价法评估各主体风险偏好值。
1)评价指标归一
将各个投资主体的风险偏好值划分为4个等级,其中,Le,1、Le,2分别表示风险规避型和风险偏好型。则指标评价等级集合为
Le={Le,1,Le,2,Le,3Le,4} (36)
考虑到各指标的数值均具有其物理含义,为了综合分析,应归一化处理。采用相对劣化度的分析方法,即根据各指标的数值所反映出的指标状态的好坏,将该数值折算成区间[0,1]之间的具体数值,其中0代表最差,1代表最佳。各个投资主体的风险指标主要涉及到以下两种劣化度计算方法。
1)对于越大越优型指标,标准化处理方法为:
式中:Ix为越大越好类型的指标;N为评价体系中所有指标的集合
2)对于越小越优型指标,标准化处理方法为:
式中:Iy为越小越好类型的指标
2)建立模糊评价矩阵
选择三角形和半梯形组合的隶属度函数。划分风险评估4种偏好程度等级分界点,各转风险偏好程度隶属度函数分别为:
式中,x为指标数值。
可以得到第i个指标中的n个状态参数的劣化度数值隶属于状态空间{Le,1,Le,2,Le,3Le,4}的隶属度矩阵Ri为
(3)风险综合评估
模糊综合评判计算模型为
最后得到的模糊综合评判结果为
CR=[c1 c2 c3 c4] (45)
步骤5,求解协调优化模型,并基于风险评估改进Shapley值,得到增量配电多主体利益分摊的优化配置;
以Lingo软件为平台进行求解,采用非线性规划法求得各种联盟组合的最优解,如表1所示。
表1不同联盟的求解结果
基于风险评估改进Shapley值确定不同主体出资份额和分配增量配电协调运行的利益:当特征函数为v时,用表示特征函数博弈<N,v>中的局中人i的Shapley值;设s是S中的元素个数,n是N中的元素个数,Shapley值用特征函数确定唯一的价值函数,则
式中:S\i表示不含i的规模为(s-1)的联盟;
基于风险评估改进Shapley值,即根据风险评估结果引入风险改进因子,修正Shapley值分配模型,即有
最后,得到增量配电不同投资主体收益分配比例如表2所示。
表2不同主体的出资份额和和收益分配比例
Claims (1)
1.一种增量配电多主体协调优化方法,其特征在于,包括以下步骤:
步骤1,获取增量配电系统内不同节点冷、热、电能源需求的基础数据;确定增量配电网内需规划分布式电源和接入终端综合能源设备的节点,并计算各个投资主体的相关投资运行风险指标值;
步骤2,建立增量配电投资成本模型,所述的成本模型包括分布式发电投资成本、配电网投资成本、终端综合能源投资成本;建立增量配电的收益模型,具体包括售电收益模型、供冷收益模型和供热收益模型;
增量配电投资成本模型建立过程为:
Ct=CD+CE+CG (1)
式中:CD、CE、CG分别为分布式发电、配电网、综合能源年投资成本;
首先建立分布式发电投资成本模型,主要包括分布式光伏、分布式风电的建设成本和运营维护成本;
式中:f为年值化系数,ig为利率,T为周期;cpv、cwt分别为分布式光伏和风电的单位投资成本;wpv、wwt分别为分布式光伏和风电的投资容量;Tpv和Twt分别为分布式光伏和分布式风电年有效利用小时数;和Pt wt分别为t时刻分布式光伏和风电的出力;mpv和mwt分别为分布光伏和风电的单位运行维护成本;
然后建立配电网投资成本模型
CE=fCfix+CM+CIM (3)
Cfix=Ctrans+Cline (4)
CM=λMCfix (5)
式中:Cfix为配电网固定建设成本,包括变电站投资Ctrans和新建线路Cline,其中变电站的建设容量与最大供电负荷相关;CM为年维护成本;CIM为增量配电网的购电成本;λM为设备维护成本系数;cIM为增量配电网向上一级输配电网购电的电价;t为时刻,Pe,t为t时刻下的增量配电网供电负荷功率;
最后,建立终端综合能源投资成本模型,包括配置电转气、热电联产机组、电制冷、燃气锅炉的设备固定费用、向然气公司购买天然气的费用、向电网购电的费用;
式中:cER、cP2G、cCHP、cGB分别为ER、P2G、CHP、GB设备的单位容量成本;SER、SP2G、SCHP、SGB分别为ER、P2G、CHP、GB设备的配置容量;cIM,g为增量配电网向燃气公司购买天然气的价格;为t时刻向燃气公司购买的天然气;
投资收益模型的建立过程为:
首先建立售电收益模型,包括配电网的售电收益、分布式电源售电收益以及终端综合能源设备将天然气转换为电销售的收益;
式中:Re,t为售电年收益;Δt'为t年第t'时段;πpv和πwt分别为光伏和风电的上网电价;πe为配电销售电价;Pcchp,t'为t'时刻CCHP转换的电功率;
然后建立供热、供冷收益模型
式中:Rh,t和Rl,t分别为供热和供冷年收益;πh和πl分别为单位供热价格和单位供冷价格;Δt'为t年第t'时段;
最后得到增量配电网的年收益Rt为
Rt=Re,t+Rh,t+Rl,t (14);
步骤3,多主体协调优化模型为:
令N为增量配电投资主体的类型数,投资主体集合表示为Nz={D,E,G},其中D、E、G分别表示分布式发电投资商、电网企业、能源企业;在满足分布式发电投资商、电网企业和能源企业三种主体参与投资的约束条件下,以增量配电系统产生的经济效益最大化为目标,建立基于合作博弈的多主体协调优化模型;则有
R1,i,t=Rt-Ct-Ds,t-Ctax (18)
Ct=γDCD+γECE+γGCG (20)
R2,t=s(Rt-Ct-Ds,t-Ctax) (21)
式中:γi为二进制变量,γD、γE和γG分别表示分布式发电投资商、电网企业和能源企业三类专业公司是否参与合作联盟,γi=1表示参加,γi=0表示不参加;式(16)表示三类专业公司中至少有一个参与合作联盟;各类专业公司年分配收益为R1,i,t,i∈N,各类专业公司年分配收益为R1,i,t,i∈N;Dst为还本付息费用;Ctax为年税收费用,
多主体协调优化模型满足以下约束条件:
I.配电网络约束
配电网规划考虑节点功率平衡约束、节点电压限制和支路容量限制的安全约束,即
式中:Pe,t,i、Qe,t,i分别为注入节点i的有功和无功功率;Ue,t,i、Ue,t,j分别为节点i、j的电压;Gij、Bij、θij分别为节点i、j间的电导、电纳、相角差;为节点i电压幅值的上下限;Se,t,ij为支路ij的容量;为支路ij的传输容量限制;
II.能量平衡约束
由于各个投资项目生产的电能和天然气通过终端综合能源转换单元供给用户,满足用户的电、热、冷、气不同能源的需求;因此考虑终端综合能源转换单元内各类功率平衡约束
式中:LE,t、LH,t和LC,t分别为电、热、冷负荷;
III.终端能源转换设备出力约束
式(28)-式(32)分别为P2G转换气功率约束、CHP产电的约束、CHP产热约束、ER制冷约束和GB产热约束;
IV.天然气分配系数约束
V.分布式发电约束
PWT,min≤Pt WT≤PWT,max (35)
式中:PPV,min、PPV,max分别为PV出力的最小最大值;PWT,min、PWT,max分别为WT出力的最小最大值;
步骤4,结合各个投资主体的相关投资运行风险指标,基于模糊综合评价法评估各主体风险偏好值:
评价指标归一
将各个投资主体的风险偏好值划分为4个等级,其中,Le,1、Le,2、Le,3、Le,4分别表示规避风险型、能接受风险、较偏好风险和偏好风险型,则指标评价等级集合为
Le={Le,1,Le,2,Le,3Le,4} (36)
考虑到各指标的数值均具有其物理含义,为了综合分析,应归一化处理,采用相对劣化度的分析方法,即根据各指标的数值所反映出的指标状态的好坏,将该数值折算成区间[0,1]之间的具体数值,其中0代表最差,1代表最佳,各个投资主体的风险指标主要涉及到以下两种劣化度计算方法:
对于越大越优型指标,标准化处理方法为:
式中:Ix为越大越好类型的指标;N为评价体系中所有指标的集合
对于越小越优型指标,标准化处理方法为:
式中:Iy为越小越好类型的指标
建立模糊评价矩阵
选择三角形和半梯形组合的隶属度函数,划分风险评估4种偏好程度等级分界点,各转风险偏好程度隶属度函数分别为:
式中,x为指标数值,
可以得到第i个指标中的n个状态参数的劣化度数值隶属于状态空间{Le,1,Le,2,Le, 3Le,4}的隶属度矩阵Ri为
风险综合评估
模糊综合评判计算模型为
最后得到的模糊综合评判结果为
CR=[c1 c2 c3 c4] (45)
式中,c1、c2、c3、c4分别为第1-4个指标的评判结果,
步骤5,求解协调优化模型,并基于风险评估改进Shapley值,得到增量配电多主体利益分摊的优化配置;
以Lingo软件为平台进行求解,采用非线性规划法求得各种联盟组合的最优解;基于Shapley值确定不同主体出资份额和分配增量配电协调运行的利益:
式中:S\i表示不含i的规模为(s-1)的联盟;
基于风险评估改进Shapley值,即根据风险评估结果引入风险改进因子,修正Shapley值分配模型,即有
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011327451.8A CN112651544B (zh) | 2020-11-24 | 2020-11-24 | 一种增量配电多主体协调优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011327451.8A CN112651544B (zh) | 2020-11-24 | 2020-11-24 | 一种增量配电多主体协调优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112651544A CN112651544A (zh) | 2021-04-13 |
CN112651544B true CN112651544B (zh) | 2022-05-24 |
Family
ID=75349977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011327451.8A Active CN112651544B (zh) | 2020-11-24 | 2020-11-24 | 一种增量配电多主体协调优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112651544B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7221370B1 (ja) | 2021-12-06 | 2023-02-13 | 株式会社日立パワーソリューションズ | 電力管理装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109034563A (zh) * | 2018-07-09 | 2018-12-18 | 国家电网公司 | 一种多主体博弈的增量配电网源网荷协同规划方法 |
CN109712020A (zh) * | 2018-12-14 | 2019-05-03 | 国网安徽省电力有限公司经济技术研究院 | 一种考虑微网和多元负荷的投入产出效益评估方法 |
CN110570015A (zh) * | 2019-08-07 | 2019-12-13 | 广东电网有限责任公司 | 一种配电网多目标规划方法 |
-
2020
- 2020-11-24 CN CN202011327451.8A patent/CN112651544B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109034563A (zh) * | 2018-07-09 | 2018-12-18 | 国家电网公司 | 一种多主体博弈的增量配电网源网荷协同规划方法 |
CN109712020A (zh) * | 2018-12-14 | 2019-05-03 | 国网安徽省电力有限公司经济技术研究院 | 一种考虑微网和多元负荷的投入产出效益评估方法 |
CN110570015A (zh) * | 2019-08-07 | 2019-12-13 | 广东电网有限责任公司 | 一种配电网多目标规划方法 |
Non-Patent Citations (1)
Title |
---|
电改形势下配电网规划不确定因素分析;王喆等;《电力系统及其自动化学报》;20170430;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112651544A (zh) | 2021-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Day-ahead optimal bidding and scheduling strategies for DER aggregator considering responsive uncertainty under real-time pricing | |
CN111082451B (zh) | 基于场景法的增量配电网多目标优化调度模型 | |
Yang et al. | A multi-objective stochastic optimization model for electricity retailers with energy storage system considering uncertainty and demand response | |
Jin et al. | Game theoretical analysis on capacity configuration for microgrid based on multi-agent system | |
Bahloul et al. | Role of aggregator in coordinating residential virtual power plant in “StoreNet”: A pilot project case study | |
Tan et al. | Business model of virtual power plant considering uncertainty and different levels of market maturity | |
Li et al. | Medium and long-term electricity market trading strategy considering renewable portfolio standard in the transitional period of electricity market reform in Jiangsu, China | |
CN109685287A (zh) | 增量配电网电源容量多目标优化配置方法 | |
CN115829142A (zh) | 一种工业企业综合能源系统优化规划方法 | |
CN115759556A (zh) | 一种碳-电市场中的多虚拟电厂优化运行与分配方法 | |
Ali | Development and Improvement of Renewable Energy Integrated with Energy Trading Schemes based on Advanced Optimization Approaches | |
CN116388293A (zh) | 一种新能源配建储能电站的联合优化调度方法及系统 | |
Wu et al. | Dynamic pricing and energy management of hydrogen-based integrated energy service provider considering integrated demand response with a bi-level approach | |
Pilz et al. | Selfish energy sharing in prosumer communities: A demand-side management concept | |
Cai et al. | Optimal scheduling of a hybrid AC/DC multi-energy microgrid considering uncertainties and Stackelberg game-based integrated demand response | |
Gao et al. | Green electricity trading driven low-carbon sharing for interconnected microgrids | |
CN112651544B (zh) | 一种增量配电多主体协调优化方法 | |
Han et al. | Dynamic game optimization control for shared energy storage in multiple application scenarios considering energy storage economy | |
Kong et al. | Independence enhancement of distributed generation systems by integrating shared energy storage system and energy community with internal market | |
CN113570282B (zh) | 多主体微电网群联合储能系统容量配置与成本分摊方法 | |
CN110556821A (zh) | 考虑交互功率控制和双边竞价交易的多微电网双层优化调度方法 | |
Zeng et al. | Optimal Planning of IDR-Integrated Electricity-Heat Systems Considering Techno-Economic and Carbon Emission Issues | |
Burgio et al. | A heuristic method to calculate the capacity of residential PV-BESS in providing upward flexibility services in energy communities | |
Fiorotti et al. | A novel strategy for simultaneous active/reactive power design and management using artificial intelligence techniques | |
Mihaela et al. | Smart Hub Electric Energy Data Aggregation Platform for Prosumers Grid Integration |
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 |