CN112884381B - 一种考虑供需不确定性的p2p用能市场规划方法 - Google Patents

一种考虑供需不确定性的p2p用能市场规划方法 Download PDF

Info

Publication number
CN112884381B
CN112884381B CN202110391272.9A CN202110391272A CN112884381B CN 112884381 B CN112884381 B CN 112884381B CN 202110391272 A CN202110391272 A CN 202110391272A CN 112884381 B CN112884381 B CN 112884381B
Authority
CN
China
Prior art keywords
energy
model
uncertainty
cost
node
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
Application number
CN202110391272.9A
Other languages
English (en)
Other versions
CN112884381A (zh
Inventor
徐青山
夏元兴
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
Original Assignee
Southeast University
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 filed Critical Southeast University
Priority to CN202110391272.9A priority Critical patent/CN112884381B/zh
Publication of CN112884381A publication Critical patent/CN112884381A/zh
Application granted granted Critical
Publication of CN112884381B publication Critical patent/CN112884381B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Accounting & Taxation (AREA)
  • Power Engineering (AREA)
  • Finance (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (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

本发明公开了一种考虑供需不确定性的P2P用能市场规划方法，涉及P2P用能管理技术领域，该方法包括以下步骤：构建交易模型；采集参与P2P交易的能源产消者负荷数据，分析各新能源出力的不确定性和各产消者的用能要求；制定定价策略，用于标记市场参与者的用能偏好和发电资源储备的价值；通过将P2P交易嵌入到一个鲁棒的机组组合框架中，并使用CCG算法来求解该不确定性问题；提供一种新的市场清算机制，对能源产消者的用能需求、耗能量和新能源的不确定性进行收费；充分考虑了各能源产消者的用能需求和发电不确定性，具有灵活性和实用性，且所提出的市场机制可以有效克服金融输电权资金不足的问题，易于推广。

Description

一种考虑供需不确定性的P2P用能市场规划方法
技术领域
本发明属于P2P用能管理技术领域,具体涉及一种考虑供需不确定性的P2P用能市场规划方法。
背景技术
近年来，随着可再生能源发电(REGs)、物联网通信技术和用户级控制基础设施的发展，传统电力系统中的被动型用户已经成为能够控制其负荷和发电功率的主动型用户(能源产消者)。当前电力市场的参与者可以根据自己的安排生产和消耗能源，此外，用户还可以有效地与其他本地的能源市场参与者进行能源交易，从而将以系统为中心的电力市场转变为以市场参与者为中心的电力市场。在市场参与者为中心的交易中，用户的用能需求和可再生能源的不确定性对交易结果的可靠性提出了挑战，因此，我们提出一种考虑供需不确定性的P2P用能市场规划方法。
发明内容
针对现有技术缺陷，本发明提出一种考虑供需不确定性的P2P用能市场规划方法，能高效准确地促进能源产消者之间进行P2P能源交易，本发明考虑了新能源不确定性的同时保证用户的用能需求得到满足。
本发明的目的可以通过以下技术方案实现：一种考虑供需不确定性的P2P用能市场规划方法，包括步骤：
(1)构建交易模型；
(2)采集参与P2P交易的能源产消者负荷数据，分析各新能源出力的不确定性和各产消者的用能要求；
(3)优化步骤(1)中的模型，并嵌入到一个鲁棒的机组组合框架中，并使用CCG算法来求解该不确定性问题，求解得出市场中各类费用；
(4)将步骤(3)核算的各类费用进行分配归纳，即可得出最终的市场出清情况。
作为本发明进一步地方案，步骤(1)中所述的交易模型中包括多个市场者，市场参与者包括N＝Nseller∪Nbuyer个能源产消者，其中Nseller＝{1,2,3…NS}为卖电方的集合，Nbuyer＝{1,2,3…NB}为买电方的集合；因此，在一个特定的时间节点上优化后的模型实现全社会效益最大化，模型如下：
式中：WSi为市场中卖方i的收益；WBj为市场中买方j的收益；
市场中的卖家总收益可以建模为如下：
式中：λi,j为卖家i对买家j卖电的价格，xi,j为对应卖电量，Ci为卖电方i的发电成本函数，该成本函数可以建模为如下二次函数：
式中：αi,βi,γi分别为发电成本函数的先验系数，参数xi为发电方总发电量，因此其符合以下公式：
式中：分别为发电机i的发电下限和上限；
用能交易的能源买家建模如下：
因为上述对于能源买家的建模要求，买方的用电效用函数可以写作如下：
式中：wj和δj与(22)中的模型一样，为模型的先验系数，因此市场买方的能效函数可以建模为：
式中：Uj为买方j的效用函数，λi,jyj,i为用户j向卖电方i购电所花的成本，用户总的买电功率因此可以建模为：
式中：表示用户j必须满足的最小负荷，/>表示用户的弹性负荷上限。；具备刚性负荷的用户上下限设置为一致；
为了保证新能源不确定波动时，网络还能正常输配电，支路潮流的二阶锥模型如下：
该模型的公式分别为线路l上的有功平衡，无功平衡，线路首末两端的输电容量上限约束，节点电压的松弛模型和各能源产消者的发电上限，各节点电压的上下限约束，是线路l上发电节点为b的有功潮流，Rl为线路l的电阻值，/>为线路l上电流的平方，/>为节点b的有功输出，/>是节点b的卖电量，/>为节点b的电力需求，Gb为节点b的电导，vb为节点b的电压平方，/>是线路l上发电节点为b的无功潮流，Xl为线路l的电抗值，Bb为节点b的电纳值，/>为线路l的输电容量上限的平方；
综合考虑支路潮流约束和各能效模型，总模型可以写作如下：
式中各变量与上述公式中的定义一致。
作为本发明进一步地方案，步骤(2)中，所述能源产消者负荷数据包括用户全年的负荷数据，数据采集间隔最小15分钟。
作为本发明进一步地方案，步骤(3)中具体优化方法如下：
将各新能源出力的不确定性建模为鲁棒优化中的不确定集，不确定集合建模为：
式中：Δt为不确定集的不确定预算，(-ub,t,ub,t)为不确定参数的变化范围，不确定参数的上限即为∈b,t，定义好不确定集后，机组组合模型和经济调度模型可以联合优化如下：
s.t.
Ax+By+Cv≤d
soEx+Fy+GΔx+HΔy+Jv≤e+K∈}
该模型可用于优化计算出灵活资源Δx,Δy用以应对不确定情况下(x,y,v)的波动情况，
该机组组合-经济调度联合优化模型如下：
s.t.Ax+By+Cv≤d
s.t.s≥0
GΔx+HΔy-s≤e-Ex-Fy-Jv+K∈
该模型被分解为了主问题(MP)和子问题(SP)，式中：κ为CCG算法的迭代次数集合，不确定变量由子问题SP在每次迭代中动态地生成；
综合上述模型，鲁棒性机组组合问题可以构成如下：
s.t.
作为本发明进一步地方案，将用户的用电需求约束也被添加在模型中，以考虑不同能源产消者的个体偏好，约束建模如下：
根据上述模型及其对偶变量，灵活资源价格、电力用能价格和用户用电福利的边际价格可以计算如下：
式中：表示耗能的节点边际电价，/>表示新能源不确定性对应的不确定边际价格，/>和/>分别表示一场交易中买卖双方的用能需求边际价格，本模型将原来的鲁棒机组组合问题重构为拉格朗日函数，并应用每个约束的对偶变量求解本发明所需要求解的边际价格参数。
作为本发明进一步地方案，所述步骤(4)中费用包括用能费用、灵活资源备用的费用和用能需求费用，
用能费用迭代公式为：
市场中的用能费用由电能购买者按照其位置不同支付对应的节点边际电价，因此每个用户的用能费用由节点边际价格乘以对应的用电量/>
灵活资源备用的费用：
电力网络的灵活资源备用是为了弥补网络中的不确定电源，因此首先计算出网络的不确定源总量，然后对应费用如下：
式中：为不确定边际价格，/>为对应不确定源的出力不确定性，通过对所有不确定索引对应的不确定源累和，网络的总不确定性即可计算出来；
用能需求费用：
将用能需求乘以对应需求边际价格即可得到用能需求费用，交易买方的用能需求费用为交易卖方的需求费用则为/>
将用能费用分配给金融输电权和对应的能耗成本，不确定源的边际费用分配给金融输电权和灵活资源备用的费用，而用能需求费用分配给对应的市场参与者，即可得到最终的市场出清情况。
本发明的有益效果：考虑用户用能需求和新能源不确定性的P2P用能市场规划的方法对电网中P2P交易进行优化，保证用户的用能需求得到满足的同时，提高了整个网络的定价和资金流的合理性，具有较强的使用价值。
附图说明
图1是本发明的CCG算法流程图；
图2是本发明所提出的机制的资金流图；
图3是三节点系统的物理层示意图；
图4是三节点系统的虚拟资金层示意图；
具体实施方式
下面结合附图对本发明的技术方案作进一步的说明。
请参见图1，其示出了本发明基于CCG算法的考虑用户用电要求和各能源产消者出力不确定性的的流程图，该方法包括以下步骤：
(1)构建交易模型；
(2)采集参与P2P交易的能源产消者负荷数据，分析各新能源出力的不确定性和各产消者的用能要求；获取用户负荷、实时电价、新能源出力的不确定范围和用户用能需求等数据，将收集到的数据作为参数传入优化模型中；
进一步地，所述用户负荷数据包括用户全年的负荷数据，数据采集间隔最小15分钟；进一步地，实时电价采用国家统一的峰谷平三时电价，需量电价收费周期为一个月；进一步地，用户的用能需求为其特定的能效函数需求，可以建模为能效值大于某个特定值。
(3)优化步骤(1)中的模型，并嵌入到一个鲁棒的机组组合框架中，并使用CCG算法来求解该不确定性问题，求解得出市场中各类费用；
(4)将步骤(3)核算的各类费用进行分配归纳，即可得出最终的市场出清情况。
进一步地，P2P市场参与者及其模型；
P2P市场参与者包括N＝Nseller∪Nbuyer个能源产消者，其中Nseller＝{1,2,3…NS}为卖电方的集合，Nbuyer＝{1,2,3…NB}为买电方的集合。因此，在一个特定的时间节点上在优化过程中，每个产消者试图最大化自身利益，因此，模型可以建立为如下的全社会效益最大化：
式中：WSi为市场中卖方i的收益；WBj为市场中买方j的收益。
市场中的卖家总收益可以建模为如下：
式中：λi,j为卖家i对买家j卖电的价格，xi,j为对应卖电量，Ci为卖电方i的发电成本函数。该成本函数可以建模为如下二次函数：
式中：αi,βi,γi分别为发电成本函数的先验系数，参数xi为发电方总发电量，因此其符合以下公式：
式中：分别为发电机i的发电下限和上限。
用能交易的能源买家建模如下：
因为上述对于能源买家的建模要求，买方的用电效用函数可以写作如下：
式中：wj和δj与(22)中的模型一样，为模型的先验系数。因此市场买方的能效函数可以建模为：
式中：Uj为买方j的效用函数，λi,jyj,i为用户j向卖电方i购电所花的成本。用户总的买电功率因此可以建模为：
式中：表示用户j必须满足的最小负荷，/>表示用户的弹性负荷上限。具备刚性负荷的用户上下限设置为一致。
为了保证新能源不确定波动时，网络还能正常输配电，支路潮流的二阶锥模型如下：
该模型的公式分别为线路l上的有功平衡，无功平衡，线路首末两端的输电容量上限约束，节点电压的松弛模型和各能源产消者的发电上限，各节点电压的上下限约束。是线路l上发电节点为b的有功潮流，Rl为线路l的电阻值，/>为线路l上电流的平方，/>为节点b的有功输出，/>是节点b的卖电量，/>为节点b的电力需求，Gb为节点b的电导，vb为节点b的电压平方。/>是线路l上发电节点为b的无功潮流，Xl为线路l的电抗值，Bb为节点b的电纳值，/>为线路l的输电容量上限的平方。
综合考虑支路潮流约束和各能效模型，总模型可以写作如下：
(22)-(24)的约束
式中各变量与(22)-(24)中的定义一致。
进一步地，为了进一步分析模型中新能源发电带来的不确定性，本实施例将使用矩阵形式表示(2)中的模型，并将模型植入机组组合问题中；
不确定集合建模：
式中：Δt为不确定集的不确定预算，(-ub,t,ub,t)为不确定参数的变化范围，不确定参数的上限即为∈b,t。定义好不确定集后，机组组合模型和经济调度模型可以联合优化如下：
s.t.
Ax+By+Cv≤d
soEx+Fy+GΔx+HΔy+Jv≤e+K∈}
该模型可用于优化计算出灵活资源Δx,Δy用以应对不确定情况下(x,y,v)的波动情况，
该机组组合-经济调度联合优化模型如下：
s.t.Ax+By+Cv≤d
s.t.s≥0
GΔx+HΔy-s≤e-Ex-Fy-Jv+K∈
该模型被分解为了主问题(MP)和子问题(SP)，式中：κ为CCG算法的迭代次数集合，不确定变量由子问题SP在每次迭代中动态地生成。
进一步地，综合上述模型，鲁棒性机组组合问题可以构成如下：
s.t.
式中变量同上文一致
除了上述常规约束，用户的用电福利需求约束也被添加在原模型中，以考虑不同能源产消者的个体偏好。约束建模如下：
根据上述模型及其对偶变量，灵活资源价格、电力用能价格和用户用电福利的边际价格可以计算如下：
式中：表示耗能的节点边际电价，/>表示新能源不确定性对应的不确定边际价格，/>和/>分别表示一场交易中买卖双方的用能需求边际价格。本模型将原来的鲁棒机组组合问题重构为拉格朗日函数，并应用每个约束的对偶变量求解本发明所需要求解的边际价格参数。
市场中各费用计算如图2所示，市场内的流动资金有以下三种分类：
用能费用：
市场中的用能费用由电能购买者按照其位置不同支付对应的节点边际电价，因此每个用户的用能费用由节点边际价格乘以对应的用电量/>
灵活资源备用的费用:
电力网络的灵活资源备用是为了弥补网络中的不确定电源，因此本发明首先计算出网络的不确定源总量，然后对应费用如下：
式中：为不确定边际价格，/>为对应不确定源的出力不确定性。通过对所有不确定索引k∈κ对应的不确定源累和，网络的总不确定性即可计算出来。
用能需求费用：
网络中部分用户由于其所在行业的特殊性，可能对自身用电的效用函数有一定要求。因此，将用能需求乘以对应需求边际价格即可得到用能需求费用。交易买方的用能需求费用为交易卖方的需求费用则为/>
如图2所示，将用能费用分配给金融输电权和对应的能耗成本，不确定源的边际费用分配给金融输电权和灵活资源备用的费用，而用能需求费用分配给对应的市场参与者，即可得到最终的市场出清情况。
本发明所应用的三节点系统如图3和图4所示，图3为该系统的物理层示意图，包含了能源生产者，能源消费者和能源产消者，两两之间的线路用支路潮流模型进行约束。而图4则显示了该系统的虚拟金融层的示意图，每个市场参与者在买卖能量的时候需要发出信号表示自己正在购买相应的能量。发起交易的市场参与者需要购买一定的金融输电权，以保证交易的正常进行。
本发明适用于可再生能源渗透率较高的电力网络中，从市场参与者角度分析了耗能费用、不确定源的边际费用和用能需求边际费用，并优化了市场中的P2P交易过程，为用户合理支付电费提供了一种新的思路，有效地推广了P2P用能交易在用户侧的应用。
对于本领域技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型。因此，从任意一处来说，都应将实施例看作是指导性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所有的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种考虑供需不确定性的P2P用能市场规划方法，其特征在于，该方法包括步骤：
(1)构建交易模型；
(2)采集参与P2P交易的能源产消者负荷数据，分析各新能源出力的不确定性和各产消者的用能要求；
(3)优化步骤(1)中的模型，并嵌入到一个鲁棒的机组组合框架中，并使用CCG算法来求解该不确定性问题，求解得出市场中各类费用；
(4)将步骤(3)核算的各类费用进行分配归纳，即可得出最终的市场出清情况；
步骤(1)中所述的交易模型中包括多个市场者，市场参与者包括N＝Nseller∪Nbuyer个能源产消者，其中Nseller＝{1,2,3…NS}为卖电方的集合，Nbuyer＝{1,2,3…NB}为买电方的集合；因此，在一个特定的时间节点上 优化后的模型实现全社会效益最大化，模型如下：
式中：WSi为市场中卖方i的收益；WBj为市场中买方j的收益；
市场中的卖家总收益建模为如下：
式中：λi,j为卖家i对买家j卖电的价格，xi,j为对应卖电量，Ci为卖电方i的发电成本函数，该成本函数建模为如下二次函数：
式中：αi,βi,γi分别为发电成本函数的先验系数，参数xi为发电方总发电量，因此其符合以下公式：
式中：分别为发电机i的发电下限和上限；
用能交易的能源买家建模如下：
因为上述对于能源买家的建模要求，买方的用电效用函数写作如下：
式中：wj和δj为模型的先验系数，因此市场买方的能效函数建模为：
式中：Uj为买方j的效用函数，λi,jyj,i为用户j向卖电方i购电所花的成本，用户总的买电功率因此建模为：
式中：表示用户j必须满足的最小负荷，/>表示用户的弹性负荷上限；具备刚性负荷的用户上下限设置为一致；
为了保证新能源不确定波动时，网络还能正常输配电，支路潮流的二阶锥模型如下：
该模型的公式分别为线路l上的有功平衡，无功平衡，线路首末两端的输电容量上限约束，节点电压的松弛模型和各能源产消者的发电上限，各节点电压的上下限约束，是线路l上发电节点为b的有功潮流，Rl为线路l的电阻值，/>为线路l上电流的平方，/>为节点b的有功输出，/>是节点b的卖电量，/>为节点b的电力需求，Gb为节点b的电导，/>为节点b的电压平方，/>是线路l上发电节点为b的无功潮流，Xl为线路l的电抗值，Bb为节点b的电纳值，/>为线路l的输电容量上限的平方；
综合考虑支路潮流约束和各能效模型，总模型写作如下：
式中各变量与上述公式中的定义一致；
步骤(3)中具体优化方法如下：
将各新能源出力的不确定性建模为鲁棒优化中的不确定集，不确定集合建模为：
式中：Δt为不确定集的不确定预算，(-ub,t,ub,t)为不确定参数的变化范围，不确定参数的上限即为∈b,t，定义好不确定集后，机组组合模型和经济调度模型联合优化如下：
s.t.
Ax+By+Cv≤d
so Ex+Fy+GΔx+HΔy+Jv≤e+K∈}
该模型可用于优化计算出灵活资源Δx,Δy用以应对不确定情况下(x,y,v)的波动情况，
该机组组合-经济调度联合优化模型如下：
(MP):
s.t.Ax+By+Cv≤d
(SP):
s.t.s≥0
GΔx+HΔy-s≤e-Ex-Fy-Jv+K∈
该模型被分解为了主问题(MP)和子问题(SP)，式中：κ为CCG算法的迭代次数集合，不确定变量由子问题SP在每次迭代中动态地生成；
综合上述模型，鲁棒性机组组合问题构成如下：
s.t.
将用户的用电需求约束也被添加在模型中，以考虑不同能源产消者的个体偏好，约束建模如下：
根据上述模型及其对偶变量，灵活资源价格、电力用能价格和用户用电福利的边际价格计算如下：
式中：表示耗能的节点边际电价，/>表示新能源不确定性对应的不确定边际价格，/>和/>分别表示一场交易中买卖双方的用能需求边际价格，本模型将原来的鲁棒机组组合问题重构为拉格朗日函数，并应用每个约束的对偶变量求解本发明所需要求解的边际价格参数；
所述步骤(4)中费用包括用能费用、灵活资源备用的费用和用能需求费用，
用能费用迭代公式为：
市场中的用能费用由电能购买者按照其位置不同支付对应的节点边际电价，因此每个用户的用能费用由节点边际价格乘以对应的用电量/>
灵活资源备用的费用：
电力网络的灵活资源备用是为了弥补网络中的不确定电源，因此首先计算出网络的不确定源总量，然后对应费用如下：
式中：为不确定边际价格，/>为对应不确定源的出力不确定性，通过对所有不确定索引对应的不确定源累和，网络的总不确定性即可计算出来；
用能需求费用：
将用能需求乘以对应需求边际价格即可得到用能需求费用，交易买方的用能需求费用为交易卖方的需求费用则为/>
将用能费用分配给金融输电权和对应的能耗成本，不确定源的边际费用分配给金融输电权和灵活资源备用的费用，而用能需求费用分配给对应的市场参与者，即可得到最终的市场出清情况。
2.根据权利要求1所述的一种考虑供需不确定性的P2P用能市场规划方法，其特征在于，步骤(2)中，所述能源产消者负荷数据包括用户全年的负荷数据，数据采集间隔最小15分钟。
CN202110391272.9A 2021-04-13 2021-04-13 一种考虑供需不确定性的p2p用能市场规划方法 Active CN112884381B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110391272.9A CN112884381B (zh) 2021-04-13 2021-04-13 一种考虑供需不确定性的p2p用能市场规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110391272.9A CN112884381B (zh) 2021-04-13 2021-04-13 一种考虑供需不确定性的p2p用能市场规划方法

Publications (2)

Publication Number Publication Date
CN112884381A CN112884381A (zh) 2021-06-01
CN112884381B true CN112884381B (zh) 2024-05-24

Family

ID=76040099

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110391272.9A Active CN112884381B (zh) 2021-04-13 2021-04-13 一种考虑供需不确定性的p2p用能市场规划方法

Country Status (1)

Country Link
CN (1) CN112884381B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114707788B (zh) * 2021-12-29 2023-08-08 西南交通大学 一种基于需求侧-负荷聚集商-微电网的p2p交易模型
CN116091066B (zh) * 2023-04-07 2023-07-21 广东电力交易中心有限责任公司 基于加速对偶动态规划的全分散式交易出清方法和装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106803171A (zh) * 2017-01-23 2017-06-06 国网福建省电力有限公司 考虑日前市场价和风电不确定性的月度合约市场购电方法
CN110852535A (zh) * 2018-07-24 2020-02-28 华北电力大学 一种考虑中长期交易和风电不确定性的日前市场出清模型
KR20210012630A (ko) * 2019-07-26 2021-02-03 한국전기연구원 P2p 전력거래 메커니즘 설계 방법 및 그 시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106803171A (zh) * 2017-01-23 2017-06-06 国网福建省电力有限公司 考虑日前市场价和风电不确定性的月度合约市场购电方法
CN110852535A (zh) * 2018-07-24 2020-02-28 华北电力大学 一种考虑中长期交易和风电不确定性的日前市场出清模型
KR20210012630A (ko) * 2019-07-26 2021-02-03 한국전기연구원 P2p 전력거래 메커니즘 설계 방법 및 그 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
考虑新能源不确定性和点对点交易的配网产消者分布式优化调度;陈修鹏;李庚银;周明;夏勇;;电网技术(第09期);1-10 *

Also Published As

Publication number Publication date
CN112884381A (zh) 2021-06-01

Similar Documents

Publication Publication Date Title
Dong et al. Decentralized peer-to-peer energy trading strategy in energy blockchain environment: A game-theoretic approach
CN112884381B (zh) 一种考虑供需不确定性的p2p用能市场规划方法
CN110852519A (zh) 一种考虑多类型负荷的售电公司最优盈利方法
Tumuluru et al. Integrating price responsive demand into the unit commitment problem
CN111695943B (zh) 一种计及浮动高峰电价的优化管理方法
Nezamabadi et al. Market bidding strategy of the microgrids considering demand response and energy storage potential flexibilities
Niromandfam et al. Designing risk hedging mechanism based on the utility function to help customers manage electricity price risks
Schill et al. Testing regulatory regimes for power transmission expansion with fluctuating demand and wind generation
Yao et al. An incentive-compatible distributed integrated energy market mechanism design with adaptive robust approach
Haring et al. Contract design for demand response
Chang et al. Day-ahead bidding strategy of cloud energy storage serving multiple heterogeneous microgrids in the electricity market
van Blijswijk et al. Evaluating congestion management in the Dutch electricity transmission grid
Gupta et al. Facilitating DER participation in wholesale electricity market through TSO‐DSO coordination
Vahid-Ghavidel et al. Energy storage system impact on the operation of a demand response aggregator
Aguilar et al. Intent profile strategy for virtual power plant participation in simultaneous energy markets with dynamic storage management
Liu et al. A combinatorial auction energy trading approach for VPPs consisting of interconnected microgrids in demand-side ancillary services market
Outhred et al. Incorporating network effects in a competitive electricity industry: an Australian perspective
Wang et al. Optimal day-ahead decision-making scheduling of multiple interruptible load schemes for retailer with price uncertainties
Chen et al. Optimal retail tariff design with prosumers: Pursuing equity at the expenses of economic efficiencies?
CN111402015A (zh) 一种基于购售风险的虚拟电厂双层竞标方法及系统
CN115375481A (zh) 一种基于区块链技术的分层级电力交易优化方法
Xie et al. Generalized Nash equilibrium analysis of transmission and distribution coordination in coexistence of centralized and local markets
Nieto-Martin et al. Community energy retail tariffs in Singapore: Opportunities for peer-to-peer and time-of-use versus vertically integrated tariffs
Xu et al. Stackelberg game-based three-stage optimal pricing and planning strategy for hybrid shared energy storage
Ahunbay et al. Solving large-scale electricity market pricing problems in polynomial time

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