CN112836916A - 一种电力中长期考虑发电侧负荷曲线匹配度的出清方法 - Google Patents

Abstract

本发明公开了一种电力中长期考虑发电侧负荷曲线匹配度的出清方法，计算各发电企业与所有电力用户间的发电用电曲线关联度系数矩阵λ；构建目标函数及其约束条件；求解目标函数，获取考虑发电侧负荷曲线匹配度的交易价差最大化时，各成交对中各主体的成交电量和成交价格。本发明提供的一种电力中长期考虑发电侧负荷曲线匹配度的出清方法，通过发电侧负荷曲线匹配度的出清方法，保证发电‑用电曲线相似度高的发电企业和电力用户优先成交，最大限度的保证负荷曲线接近发电曲线。

Description

一种电力中长期考虑发电侧负荷曲线匹配度的出清方法

技术领域

本发明涉及一种电力中长期考虑发电侧负荷曲线匹配度的出清方法，属于电力系统自动化控制技术领域。

背景技术

电力系统中电源出力与负荷须实时功率平衡，在实际运行时两曲线完全相同。但是随着新能源的大量并入，电网存在多种发电出力特性的功率曲线，仍采用单一传统负荷曲线，无法改善系统中同时出现总负荷曲线的峰谷差、负荷率等传统负荷特性指标良好，但常规机组出力波动较大、新能源消纳水平低的情况。

截至2018年6月底，我国的风电装机容量超过了1.7×108kW，风电具有强随机性，发电并网后会对电网功率产生波动。在新能源快速发展的过程中，“弃风”和“弃光”问题逐渐凸显，新能源消纳矛盾日益突出。要解决弃风弃光的问题，一方面需要强化系统对风电或光电的实际接纳能力；另一方面，在风电和光电领域顺利构建起高效率消纳的配套控制方法。

现有的交易出清方法中都以费用最小为目标函数，进行了出清模型优化决策，但研究过程中未考虑到发电-负荷匹配度出清约束条件。如何有效支撑能源资源大范围优化配置的市场运作，落实国家能源战略、保障电力可靠供应和促进清洁能源消纳是本领域技术人员急需要解决的技术问题。

发明内容

目的：为了最大化消纳新能源，保证传统机组出力的平缓，通过出清控制方法使得负荷曲线与新能源出力曲线相似，以实现电力系统源荷协调运行。本发明提供一种电力中长期考虑发电侧负荷曲线匹配度的出清方法。

技术方案：为解决上述技术问题，本发明采用的技术方案为：

一种电力中长期考虑发电侧负荷曲线匹配度的出清方法，包括如下步骤：

计算各发电企业与所有电力用户间的发电用电曲线关联度系数矩阵λ；

构建目标函数及其约束条件；

求解目标函数，获取考虑发电侧负荷曲线匹配度的交易价差最大化时，各成交对中各主体的成交电量和成交价格。

作为优选方案，所述发电用电曲线关联度系数矩阵λ的计算公式如下：

其中：λ_mn为第m个发电企业与第n个电力用户之间的关联度系数。

作为优选方案，所述λ_mn的计算步骤如下：

发电企业的日典型出力曲线和电力用户的日典型用电负荷曲线，如下所示：

假设有m个发电企业日典型出力曲线为P′_g1、P′_g2、……、P′_gm；

假设有n个电力用户日典型用电负荷曲线为P′_d1、P′_d2、……、P′_dn；

将每个发电企业日典型出力曲线与电力用户的日典型用电负荷曲线除以各自平均值，获得m个无量纲发电曲线P_g1、P_g2、……、P_gm与n个无量纲发电曲线P_d1、P_d2、……、P_dm；

分别以P_g1、P_g2、……、P_gm为参考数列，计算P_d1、P_d2、……、P_dn与每个参考数列的关联度系数λ_mn。

作为优选方案，所述目标函数公式如下：

F₁＝max∑λ(R_dj-R_gi)

其中，λ为成交对的发电用电曲线关联度系数矩阵；R_dj、R_gi分别为成交对中电力用户j的申报电价及发电企业i的申报电价。

作为优选方案，所述约束条件至少包括发电用电平衡约束、市场出清约束、发用协同约束其中一种。

作为优选方案，所述发电用电平衡约束公式如下：

电力用户的购电量与发电企业售电量相等，即

式(20)中，Q_dj、Q_gi分别为电力用户j的购电量、发电企业i的售电量；C表示成交的市场主体。

作为优选方案，所述市场出清约束公式如下：

(1)发电报价从低到高排序，电力用户报价从高到低排序，即

R_dj＞R_d(j+1)

R_gi＜R_g(i+1)

其中，R_dj、R_d(j+1)分别为第j个电力用户、第j+1个电力用户的交易申报电价、R_gi、R_g(i+1)分别为第i个发电企业和第i+1个发电企业的交易申报电价；

(2)设第m个成交对中，对应的电力用户为M、发电企业N；最接近且低于报价的电力用户为M+1，最接近且高于N的发电企业为N+1；成交对m+1对应的市场主体如下公式所示：

上式表示，优先成交报价高的电力用户及报价低的发电用户，当已成交的电力用户用电总量小于已成交的发电企业总量时，下一个成交对m+1对应的电力用户M+1，发电企业N；当已成交的电力用户用电总量大于已成交的发电企业总量时，下一个成交对m+1对应的电力用户M，发电企业N+1；

(3)成交对m的出清电价为

其中，R_M、R_N表示电力用户M和发电企业N的申报电价；

(4)考虑到发电侧的售电报价不大于市场边际电价时才能中标，用户侧的购电报价不小于市场边际价格时才能中标，即

R_dj≥R_c

R_gi≤R_c

其中，R_c表示市场边际价格。

作为优选方案，所述发用协同约束公式如下：

当市场主体申报的价格相同时，考虑发用电曲线相似度高的发电商或电力用户/售电商优先成交；

假设有电力用户m和发电企业n，发电企业(n-1)，当发电企业n与发电企业(n-1)交易申报价格相同时，出清考虑发电用电相关性系数高的匹配对成交；当发用电曲线相似度相等时，各发电企业申报电量的一半成交；即：

式(27)中，Q_m、Q_n、Q_n-1表示电力用户m和发电企业n、发电企业(n-1)的申报电量。λ_mn代表第m个发电企业和第n个电力用户间的关联度系数；λ_m(n-1)代表第m个发电企业和第(n-1)个电力用户间的关联度系数。

有益效果：本发明提供的一种电力中长期考虑发电侧负荷曲线匹配度的出清方法，同时考虑负荷需求和新能源发电状况，寻求一种度量两者相似性的方法，将新能源出力和用电负荷曲线的特性拓展为可表达其相互关系的新能源负荷特性指标，从而更加合理有效地描述新能源高渗透率电力系统负荷特性。通过发电侧负荷曲线匹配度的出清方法，保证发电-用电曲线相似度高的发电企业和电力用户优先成交，最大限度的保证负荷曲线接近发电曲线。

附图说明

图1为本发明方法的流程示意图。

具体实施方式

下面结合具体实施例对本发明作更进一步的说明。

如图1所示，本发明提出了一种电力中长期考虑发电侧负荷曲线匹配度的出清方法，首先基于灰色关联度的发电-用电曲线进行相似度分析，然后建立考虑相似度的交易出清模型，最后基于MATLAB求解模型，得出交易出清方案。

为实现上述目的，本发明采用如下技术方案：

1基于灰色关联度的发电-用电曲线进行相似度分析

1.1灰色关联度概述

灰色关联度分析法是一种基于灰色理论的技术方法，它通过对灰色系统内有限数据序列的分析，寻求系统内部诸因素间的关系，找出影响目标值的主要因素，进而分析各因素间关联程度，是一种因素比较分析法。它通过确定参考数列和若干比较数列几何形状的相似程度，判断灰色过程发展态势的关联程度，目前灰色关联度分析方法已经在各个领域内均有广泛应用。

灰色关联度评价法对数据要求较低，是一种原理简单的综合评价方法。它认为由于客观事物的复杂性，人们对客观事物的认识具有广泛的“灰色性”，即信息的不完全性和不确定性。灰色关联度分析的目的就是通过一定的方法，揭示相互关联相互影响因素之间的主要关系找出影响目标值的重要因素，使各个因素之间的“灰色”关系清晰化。灰色关联分析作为一种多因素综合影响的统计分析理论，将分析对象和待比较对象及其影响因素的数值曲线化，曲线形状越贴近，变化的趋势就越接近，分析对象和待比较对象的关联度就越大。灰色关联度的本质就是比较数值曲线几何形状的贴近程度。

1.2关联度分析模型理论基础

灰色关联度指的是系统因素之间，根据时间、判断主体变化而发生变化的关联性大小的量度。灰色关联度的组合模型是基于灰色关联度分析来确定各单一预测模型所占的比重，其方法原理是基于因素之间的关联性大小，从定量方面表示出因素之间的相互变化影响，变化趋势越一致，关联度越大，灰色关联度也因为关联度分析具备对样本量要求较低的特点而被广泛应用。

定义m+1个n维数列X’₀、X’₁、X’₂，…，X’_m将数列无量纲化，得到一组新数列X₀、X₁、X₂，…，X_m。其中X₀为参考数列，各数列具有相同的时间点划分，表示如下：

X₀＝{X₀(1)，X₀(2)，…，X₀(n)} (1)

X₁＝{X₁(1)，X₁(2)，…，X₁(n)} (2)

…

X_i＝{X_i(1)，X_i(2)，…，X_i(n)} (3)

X_m＝{X_m(1)，X_m(2)，…，X_m(n)} (4)

定义K_i(k)表示在k时刻X_i(k)与X₀(k)的关联系数：

式(5)中，min(Δi(min))＝min(min(min(|x0(k)-xi(k)|))表示X_i与X₀的二级最小差，max(Δi(max))＝max(max(|x0(k)-xi(k)|))表示Xi与X0的二级最大差。ρ表示分辨系数，一般在0-1之间，文中取0.5。

1.3发电-用电曲线灰色关联度分析

发电企业的日典型出力曲线和电力用户的日典型用电负荷曲线均用96点曲线来描述。用相同分段时间点的时间序列的数列描述，如下所示：

假设有m个发电企业日典型出力曲线为P′_g1、P′_g2、……、P′_gm。

P′_g1＝(P′_g1(1),P′_g1(2)...P′_g1(t),P′_g1(96)) (6)

P′g₂＝(P′_g2(1),P′_g2(2)...P′_g2(t),P′_g2(96)) (7)

……

P′_gm＝(P′_gm(1),P′_gm(2)...P′_gm(t),P′_gm(96)) (8)

假设有n个电力用户日典型用电负荷曲线为P′_d1、P′_d2、……、P′_dn。

P′_d1＝(P′_d1(1),P′_d1(2)...P′_d1(t),P′_d1(96)) (9)

P′_d2＝(P′_d2(1),P′_d2(2)...P′_d2(t),P′_d2(96)) (10)

……

P′_dn＝(P′_dn(1),P′_dn(2)...P′_dn(t),P′_dn(96)) (11)

将每个发电企业日典型出力曲线与电力用户的日典型用电负荷曲线除以各自96点平均值，获得m个无量纲发电曲线P_g1、P_g2、……、P_gm与n个无量纲发电曲线P_d1、P_d2、……、P_dm。

则m个无量纲发电企业日典型出力曲线为P_g1、P_g2、……、P_gm。

P_g1＝(P_g1(1),P_g1(2)...P_g1(t),P_g1(96)) (12)

P_g2＝(P_g2(1),P_g2(2)...P_g2(t),P_g2(96)) (13)

……

P_gm＝(P_gm(1),P_gm(2)...P_gm(t),P_gm(96)) (14)

n个无量纲日典型用电负荷曲线为P_d1、P_d2、……、P_dn。

P_d1＝(P_d1(1),P_d1(2)...P_d1(t),P_d1(96)) (15)

P_d2＝(P_d2(1),P_d2(2)...P_d2(t),P_d2(96)) (16)

……

P_dn＝(P_dn(1),P_dn(2)...P_dn(t),P_dn(96)) (17)

分别以P_g1、P_g2、……、P_gm为参考数列，通过公式(5)，计算P_d1、P_d2、……、P_dn与每个参考数列的关联系数，因此得到m行n列的关联度系数矩阵。

m条发电曲线与n条用电曲线间的关联度系数矩阵λ如下所示：

式(18)中：λ为发电-用电曲线的关联系数矩阵；λ_mn为第m个发电企业与第n个电力用户之间的关联度系数。

2构建考虑相似度的交易出清模型

2.1出清方法

电力市场交易出清在满足电网的机组约束、交易约束、安全约束条件下进行，发电公司按照报价由低到高、电力用户/售电公司按照报价由高到低进行排序，出清电价为成交对的申报均价。同时，当买方或卖方市场主体申报价格相同时，优先考虑发电-用电曲线相似度高的发电商、电力用户/售电商成交。

2.2出清模型

2.2.1目标函数

电力交易以考虑发电侧负荷曲线匹配度的交易价差最大化为目标。其目标函数如下所示：

F₁＝max∑λ(R_dj-R_gi) (19)

式(19)中，λ为成交对的发电-用电曲线的关联度系数矩阵；R_dj、R_gi分别为成交对中电力用户j的申报电价及发电企业i的申报电价。

2.2.2约束条件

1、发电用电平衡约束

电力用户的购电量与发电企业售电量相等，即

式(20)中，Q_dj、Q_gi分别为电力用户的购电量、发电企业的售电量；C表示成交的市场主体。

2、市场出清约束

(1)发电报价从低到高排序，电力用户报价从高到低排序，即

R_dj＞R_d(j+1) (21)

R_gi＜R_g(i+1) (22)

式(21)、(22)中，R_dj、R_gi分别为第j个电力用户的交易申报电价、第i个发电企业的交易申报电价。

(2)设第m个成交对中，对应的电力用户为M、发电企业N。最接近且低于报价的电力用户为M+1，最接近且高于N的发电企业为N+1。成交对m+1对应的市场主体如下公式所示：

公式(23)表示，优先成交报价高的电力用户及报价低的发电用户，当已成交的电力用户用电总量小于已成交的发电企业总量时，下一个成交对m+1对应的电力用户M+1，发电企业N；当已成交的电力用户用电总量大于已成交的发电企业总量时，下一个成交对m+1对应的电力用户M，发电企业N+1；

(3)成交对m的出清电价为

式(18)中，R_M、R_N表示电力用户M和发电企业N的申报电价。

(4)考虑到发电侧的售电报价不大于市场边际电价时才能中标，用户侧的购电报价不小于市场边际价格时才能中标，即

R_dj≥R_c (25)

R_gi≤R_c (26)

式(25)-(26)中：Rc表示市场边际价格。

3、发用协同约束

当市场主体申报的价格相同时，考虑发用电曲线相似度高的发电商或电力用户/售电商优先成交。

假设有电力用户m和发电企业n，发电企业(n-1)，当发电企业n与发电企业(n-1)交易申报价格相同时，出清考虑发电-用电相关性系数高的匹配对成交；当发用电曲线相似度相等时，各发电企业申报电量的一半成交。即

式(27)中，Q_m、Q_n、Q_n-1表示电力用户m和发电企业n、发电企业(n-1)的申报电量。λ_mn代表第m个发电企业和第n个电力用户间的关联度系数；λ_m(n-1)代表第m个发电企业和第(n-1)个电力用户间的关联度系数。

实施例1：

2.2.3出清流程

1、从电力交易平台获取电力交易信息，例如：市场成员(发电企业、电力用户、售电公司)编号、市场成员名称、市场成员申报电价、市场成员申报电量、交易时间；

2、从电力交易平台获取市场成员的电力曲线，包括：发电企业的典型发电曲线、电力用户的典型用电曲线、售电公司月申报曲线；

3、利用公司(5)-(18)，计算各发电企业与所有电力用户间的发用电曲线关联度系数矩阵λ；

4、以公式(19)为目标函数，以(20)-(27)为约束条件，采用线性规划法，利用MATLAB的linprog函数进行编程求解，获取考虑发电侧负荷曲线匹配度的交易价差最大化时，各成交对中各主体的成交电量和成交价格。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (8)

1.一种电力中长期考虑发电侧负荷曲线匹配度的出清方法，其特征在于：包括如下步骤：

计算各发电企业与所有电力用户间的发电用电曲线关联度系数矩阵λ；

构建目标函数及其约束条件；

求解目标函数，获取考虑发电侧负荷曲线匹配度的交易价差最大化时，各成交对中各主体的成交电量和成交价格。

2.根据权利要求1所述的一种电力中长期考虑发电侧负荷曲线匹配度的出清方法，其特征在于：所述发电用电曲线关联度系数矩阵λ的计算公式如下：

其中：λ_mn为第m个发电企业与第n个电力用户之间的关联度系数。

3.根据权利要求2所述的一种电力中长期考虑发电侧负荷曲线匹配度的出清方法，其特征在于：所述λ_mn的计算步骤如下：

发电企业的日典型出力曲线和电力用户的日典型用电负荷曲线，如下所示：

假设有m个发电企业日典型出力曲线为P′_g1、P′_g2、……、P′_gm；

假设有n个电力用户日典型用电负荷曲线为P′_d1、P′_d2、……、P′_dn；

将每个发电企业日典型出力曲线与电力用户的日典型用电负荷曲线除以各自平均值，获得m个无量纲发电曲线P_g1、P_g2、……、P_gm与n个无量纲发电曲线P_d1、P_d2、……、P_dm；

分别以P_g1、P_g2、……、P_gm为参考数列，计算P_d1、P_d2、……、P_dn与每个参考数列的关联度系数λ_mn。

4.根据权利要求1所述的一种电力中长期考虑发电侧负荷曲线匹配度的出清方法，其特征在于：所述目标函数公式如下：

F₁＝max∑λ(R_dj-R_gi)

其中，λ为成交对的发电用电曲线关联度系数矩阵；R_dj、R_gi分别为成交对中电力用户j的申报电价及发电企业i的申报电价。

5.根据权利要求1所述的一种电力中长期考虑发电侧负荷曲线匹配度的出清方法，其特征在于：所述约束条件至少包括发电用电平衡约束、市场出清约束、发用协同约束其中一种。

6.根据权利要求5所述的一种电力中长期考虑发电侧负荷曲线匹配度的出清方法，其特征在于：所述发电用电平衡约束公式如下：

电力用户的购电量与发电企业售电量相等，即

式(20)中，Q_dj、Q_gi分别为电力用户j的购电量、发电企业i的售电量；C表示成交的市场主体。

7.根据权利要求5所述的一种电力中长期考虑发电侧负荷曲线匹配度的出清方法，其特征在于：所述市场出清约束公式如下：

(1)发电报价从低到高排序，电力用户报价从高到低排序，即

R_dj＞R_d(j+1)

R_gi＜R_g(i+1)

其中，R_dj、R_d(j+1)分别为第j个电力用户、第j+1个电力用户的交易申报电价、R_gi、R_g(i+1)分别为第i个发电企业和第i+1个发电企业的交易申报电价；

(2)设第m个成交对中，对应的电力用户为M、发电企业N；最接近且低于报价的电力用户为M+1，最接近且高于N的发电企业为N+1；成交对m+1对应的市场主体如下公式所示：

上式表示，优先成交报价高的电力用户及报价低的发电用户，当已成交的电力用户用电总量小于已成交的发电企业总量时，下一个成交对m+1对应的电力用户M+1，发电企业N；当已成交的电力用户用电总量大于已成交的发电企业总量时，下一个成交对m+1对应的电力用户M，发电企业N+1；

(3)成交对m的出清电价为

其中，R_M、R_N表示电力用户M和发电企业N的申报电价；

(4)考虑到发电侧的售电报价不大于市场边际电价时才能中标，用户侧的购电报价不小于市场边际价格时才能中标，即

R_dj≥R_c

R_gi≤R_c

其中，R_c表示市场边际价格。

8.根据权利要求5所述的一种电力中长期考虑发电侧负荷曲线匹配度的出清方法，其特征在于：所述发用协同约束公式如下：

当市场主体申报的价格相同时，考虑发用电曲线相似度高的发电商或电力用户/售电商优先成交；

假设有电力用户m和发电企业n，发电企业(n-1)，当发电企业n与发电企业(n-1)交易申报价格相同时，出清考虑发电用电相关性系数高的匹配对成交；当发用电曲线相似度相等时，各发电企业申报电量的一半成交；即：

式(27)中，Q_m、Q_n、Q_n-1表示电力用户m和发电企业n、发电企业(n-1)的申报电量。λ_mn代表第m个发电企业和第n个电力用户间的关联度系数；λ_m(n-1)代表第m个发电企业和第(n-1)个电力用户间的关联度系数。

Images