CN112967085A - 日前市场节点边际电价的确定方法及其确定系统 - Google Patents

日前市场节点边际电价的确定方法及其确定系统 Download PDF

Info

Publication number
CN112967085A
CN112967085A CN202110194504.1A CN202110194504A CN112967085A CN 112967085 A CN112967085 A CN 112967085A CN 202110194504 A CN202110194504 A CN 202110194504A CN 112967085 A CN112967085 A CN 112967085A
Authority
CN
China
Prior art keywords
unit
uncertainty
load
node
wind power
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
CN202110194504.1A
Other languages
English (en)
Inventor
刘一欣
郭力
赵宗政
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.)
Tianjin University
Original Assignee
Tianjin 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 Tianjin University filed Critical Tianjin University
Priority to CN202110194504.1A priority Critical patent/CN112967085A/zh
Publication of CN112967085A publication Critical patent/CN112967085A/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
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q30/0206—Price or cost determination based on market factors
    • 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
    • H02J3/008—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
    • H02J3/381—Dispersed generators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms
    • 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
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • 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)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Power Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Computation (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种日前市场节点边际电价的确定方法，包括：利用鲁棒机组组合建立最恶劣场景下成本最低的机组组合模型，分为基本调度和再调度过程；建立与所述机组组合方案对应的基本调度过程中的约束条件和再调度过程中的约束条件；使用盒式集合对风电和负荷的不确定性进行建模，得到日前机组的能量和备用的调度计划以及风电、负荷等不确定性变量的最恶劣场景实现；根据上一步骤获得的结果和最恶劣场景实现，得到鲁棒经济调度模型的目标函数及其约束条件；并将上述结果转换为拉格朗日函数，得到确定性节点边际电价和不确定性节点边际电价。本发明还涉及一种日前市场节点边际电价的确定系统。

Description

日前市场节点边际电价的确定方法及其确定系统
技术领域
本发明涉及日前市场电力调度技术领域，具体涉及一种考虑不确定性的日前市场节点边际电价的确定方法及其确定系统。
背景技术
可再生能源发电大规模接入电力系统，在缓解环境压力的同时也给电力系统运行带来了巨大的挑战。可再生能源发电的不确定性和可变性增加了电力市场中对灵活性资源的需求。合理制定考虑不确定性的电价机制是保证电力市场运行安全性和经济性的重要保证。
安全约束经济调度不仅可以得到计及系统约束的机组发电计划，也能为电力市场提供节点边际电价(locational marginal price,LMP)信号。安全约束经济调度计算前需要通过安全约束机组组合得到不确定性变量的最恶劣场景和机组启停状态。鲁棒机组组合模型和鲁棒经济调度模型由于不需要不确定参数的概率分布和基于大量场景的复杂计算而得到了广泛的研究。传统的节点边际电价由电能分量、网损分量和阻塞分量三部分组成，无法提供反应不确定性的价格信号，无法清算不确定量。而在含高渗透可再生能源发电的电力市场中，为了保证系统安全和经济运行，需要制定考虑具备不确定量清算功能的不确定性电价机制。因此，传统的日前市场节点边际电价求解方法存在的缺陷包括：传统的LMP无法反应不确定性也无法清算不确定量。
为此，本申请提出一种考虑不确定性的日前市场节点边际电价确定方法及其确定系统。
发明内容
本发明的目的是克服现有技术的缺陷，提供一种考虑不确定性的日前市场节点边际电价确定方法及其确定系统。该方法基于鲁棒机组组合模型和鲁棒经济调度模型，根据拉格朗日函数推导出节点边际电价LMP和不确定性节点边际电价ULMP，用于能量、备用和不确定性的清算。
本发明通过以下的技术方案予以实现：
一种日前市场节点边际电价的确定方法，包括：
步骤1：利用鲁棒机组组合建立最恶劣场景下成本最低的机组组合模型，分为基本调度和再调度过程；其中，基本调度过程针对负荷、风电的预测出力优化机组的能量输出，再调度过程针对负荷、风电的预测偏差优化机组的备用容量；
其中，最低成本的参数包括：发电机组的燃料成本、开机成本和关机成本；
步骤2：建立与所述机组组合方案对应的基本调度过程中的约束条件和再调度过程中的约束条件，包括：机组启停状态的约束条件，功率平衡约束条件，机组的发电出力约束条件，机组的爬坡率约束条件，线路容量约束条件，机组的最小开机/关机时间约束；
利用现有的电力检测装置的数据库获取风电场、负荷的历史预测出力数据和实际出力数据；
步骤3：使用盒式集合对风电和负荷的不确定性进行建模，利用所述机组组合模型的目标函数和约束条件，获得机组启停和运行状态的关系，并得到日前机组的能量和备用的调度计划以及风电、负荷等不确定性变量的最恶劣场景实现；
步骤4：根据上一步骤获得的结果和最恶劣场景实现，得到鲁棒经济调度模型的目标函数及其约束条件；
步骤5：将上述鲁棒经济调度模型的目标函数及其约束条件转换为拉格朗日函数，得到确定性节点边际电价(LMP)和不确定性节点边际电价(ULMP)；
其中所述确定性节点边际电价(LMP)定义为电网中特定的节点上新增单位负荷所产生的新增供电成本，所述不确定性节点边际电价(ULMP)定义为电网中特定的节点上新增单位不确定量所产生的新增供电成本。
进一步，所述节点边际电价可以用于日前市场中能量、备用容量和不确定性的清算。
使用所述确定性节点边际电价和不确定性节点边际电价对能量输出、备用容量和不确定性进行结算，结算方法如下：
(1)能量收入和支出：
在母线m处的机组i的能量收入为能量支出和所述节点边际电价的乘积。
在母线m处的风电场j的能量收入为功率预测和所述节点边际电价的乘积。
在母线m处的负荷的能量支出为功率预测和所述节点边际电价的乘积。
(2)不确定性源的支出：
在母线m处的负荷和风电场j的不确定性支出为其最大预测偏差和所述不确定性节点边际电价的乘积。
(3)发电备用的收入：
在母线m处的机组i的备用收入为其备用容量和所述不确定性节点边际电价的乘积。
进一步的，所述步骤1中的利用鲁棒机组组合建立最恶劣场景下成本最低的机组组合模型为：
Figure BDA0002946011810000031
式中，i、j、m和l分别为常规发电机组、风电场、母线和传输线的编号；TN是日前机组组合的总调度时间段；
Figure BDA0002946011810000032
和
Figure BDA0002946011810000033
分别为机组i的启动成本和停机成本；NG为常规发电机组的数量；
Figure BDA0002946011810000034
为机组i的运行成本；
Figure BDA0002946011810000035
为基本调度过程中机组i在时间t的能量输出；
Figure BDA0002946011810000036
为再调度过程中机组i在时间t的备用容量；ui,t为机组i在时间t的启动变量，1表示启动，0表示无启动动作；vi,t为机组i在时间t的停机变量，1表示停机，0表示无停机动作。
进一步的，步骤4中的风电的不确定性盒式集合可以表示为：
Figure BDA0002946011810000037
负荷的不确定性盒式集合可以表示为：
Figure BDA0002946011810000038
式中，
Figure BDA0002946011810000039
和
Figure BDA00029460118100000310
分别为风电场和负荷在时段t的出力，
Figure BDA00029460118100000311
和
Figure BDA00029460118100000312
分别为风电场合负荷在时段t的出力预测值，
Figure BDA00029460118100000313
和
Figure BDA00029460118100000314
分别为风电场和负荷在时段t的出力预测误差，Bw,t和Bd,t均为0-1变量，等于0的时候表示风电场和负荷的出力取到风电场和负荷预测值，等于1的时候表示风电场和负荷的出力取到风电场和负荷的盒式集合的边界，Γw和Γd分别为风电场和负荷的不确定性预算，其值等于风电场和负荷的出力取到盒式集合边界的时段数。Pw和Pd分别表示风电场和负荷的盒式集合。Γw越大，说明不确定性场景越恶劣。
一种考虑不确定性的日前市场节点边际电价的确定系统，包括：
鲁棒机组组合模型建立模块，用于建立最恶劣场景下成本最低的鲁棒机组组合模型；
约束条件建立模块，用于建立与所述目标函数对应的基本调度过程中的约束条件和再调度过程中的约束条件；包括：机组启停状态的约束条件，功率平衡约束条件，机组的发电出力约束条件，机组的爬坡率约束条件，线路容量约束条件，机组的最小开机/关机时间约束；
不确定性变量的最恶劣场景实现模块，使用盒式集合对风电和负荷的不确定性进行建模，利用所述目标函数和约束条件，获得机组启停和运行状态的关系，并得到日前机组的能量和备用的调度计划以及风电、负荷等不确定性变量的最恶劣场景实现；
鲁棒经济调度模型建立模块：根据所述不确定性变量的最恶劣场景实现模块，得到鲁棒经济调度模型的目标函数及其约束条件；
节点边际电价和不确定性节点边际电价计算模块，将鲁棒经济调度模型建立模块中的目标函数及其约束条件转换为拉格朗日函数，得到确定性节点边际电价和不确定性节点边际电价。
与现有技术相比，本发明的优点与积极效果在于：
本发明所述的方法基于鲁棒机组组合模型和鲁棒经济调度模型，根据拉格朗日函数推导出确定性节点边际电价LMP和不确定性节点边际电价ULMP，用于能量、备用和不确定性的清算；
而且，本发明提出的基于经济调度模型的确定性节点边际价格可以反映系统的不确定性节点边际电价，从而，不确定性节点边际电价可以用于含不确定性的日前市场清算。
附图说明
图1是本发明实施例1中的日前市场节点边际电价确定方法流程图；
图2本发明实施例1所示的PJM 5节点系统接线图；
图3是根据本发明实施例1所示的负荷和风电场功率的预测值；
图4是根据本发明实施例1所示的节点边际电价LMP的计算结果；
图5是根据本发明实施例1所示的不确定性节点边际电价ULMP的计算结果。
具体实施方式
为使本发明实施例的目的、技术方案、有益效果及显著进步更加清楚，下面，将结合本发明实施例中所提供的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所有描述的这些实施例仅是本发明的部分实施例，而不是全部的实施例；基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
如图1至图5所示，本实施例1使用PJM 5节点算例对本专利提出的方法进行验证，其中的节点可以是电机节点，可以是负荷节点，还可以是其他节点，图2所示的PJM 5节点系统中的线路参数如表1所示，发电机参数如表2所示。
表1 PJM 5节点系统的线路参数
线路 AB AD AE BC CD DE
电阻(％) 0.281 0.304 0.064 0.108 0.297 0.297
电抗(％) 2.81 3.04 0.64 1.08 2.97 2.97
导纳(10<sup>-3</sup>) 7.12 6.58 31.26 18.52 6.74 6.74
功率限制(MVA) 400 -- -- -- -- 240
表2 PJM 5节点系统的发电机参数
机组位置(名称) A(Alta) C(Solitude) D(Sundance) E(Brighton)
爬坡限制(MW/h) 25 60 25 80
发电成本($/MWh) 15 30 40 20
有功容量(MW) 210 520 200 600
无功容量(MVar) ±157.5 ±390 ±150 ±450
启动成本($) 360 500 300 550
停机成本($) 40 80 50 90
最小开机时间(小时) 4 4 2 3
最小关机时间(小时) 3 4 2 3
如图1所示，本实施例1提供了一种考虑不确定性的日前市场节点边际电价确定方法，包括以下步骤：
步骤1：利用鲁棒机组组合用来确定最恶劣场景下成本最低的机组组合模型，分为基本调度和再调度过程。基本调度过程针对负荷、风电的预测出力优化机组的能量输出，再调度过程针对负荷、风电的预测偏差优化机组的备用容量。成本包括发电机组的燃料成本、开机成本和关机成本；其目标函数如式(1)所示。
Figure BDA0002946011810000051
步骤2：建立与所述机组组合模型的目标函数对应的基本调度过程中的约束条件和再调度过程中的约束条件，包括：机组启停状态的约束条件，功率平衡约束条件，机组的发电出力约束条件，机组的爬坡率约束条件，线路容量约束条件，机组的最小开机/关机时间约束；约束条件如以下式(2)-(19)所示。
Figure BDA0002946011810000052
Figure BDA0002946011810000053
Figure BDA0002946011810000054
Figure BDA0002946011810000055
Figure BDA0002946011810000056
Figure BDA0002946011810000061
Figure BDA0002946011810000062
Figure BDA0002946011810000063
Figure BDA0002946011810000064
Figure BDA0002946011810000065
Figure BDA0002946011810000066
Figure BDA0002946011810000067
Figure BDA0002946011810000068
Figure BDA0002946011810000069
Figure BDA00029460118100000610
Figure BDA00029460118100000611
Figure BDA00029460118100000612
Figure BDA00029460118100000613
式中，i、j、m和l分别为常规发电机组、风电场、母线和传输线的编号；NG、NW和NM分别为常规发电机组、风电场和母线的数量；
Figure BDA00029460118100000614
为基本调度过程中机组i在时间t的能量输出；
Figure BDA00029460118100000615
为再调度过程中机组i在时间t的备用容量；
Figure BDA00029460118100000616
为机组i的运行成本；
Figure BDA00029460118100000617
和
Figure BDA00029460118100000618
分别为机组i的启动成本和停机成本；ui,t为机组i在时间t的启动变量，1表示启动，0表示无启动动作；vi,t为机组i在时间t的停机变量，1表示停机，0表示无停机动作；Ii,t为机组i在时间t的状态变量，1表示运行，0表示关闭；
Figure BDA00029460118100000619
和
Figure BDA00029460118100000620
分别为风电场j和节点m的负荷在时间t的日前预测出力，单位为MW；GSFl,m为母线m对线路l的功率转移因子；Fl为线路l的最大传输功率，单位为MW；
Figure BDA00029460118100000621
和
Figure BDA00029460118100000622
分别为机组i出力的最小值和最大值，单位为MW；
Figure BDA00029460118100000623
和
Figure BDA00029460118100000624
分别为机组i的最小启动时间和最小停机时间，单位为小时；ri ru和ri rd分别为机组i的最大向上和向下爬坡率，单位为MW/h；ri su和ri sd分别为机组i的最大启动和停机爬坡率，单位为MW/h；
Figure BDA00029460118100000625
和
Figure BDA00029460118100000626
分别为负荷最恶劣场景
Figure BDA00029460118100000627
和风电场最恶劣场景
Figure BDA00029460118100000628
与对应的预测值之间的差值；
Figure BDA0002946011810000071
和
Figure BDA0002946011810000072
分别为母线m处在基本调度的注入功率和再调度过程中的注入功率增加量。
Figure BDA0002946011810000073
Figure BDA0002946011810000074
和
Figure BDA0002946011810000075
可以表示为：
Figure BDA0002946011810000076
Figure BDA0002946011810000077
Figure BDA0002946011810000078
Figure BDA0002946011810000079
式中，G(m)和W(m)分别表示位于母线m处的风电场和负荷集合。
其中，负荷和风电的功率预测值如图3所示。认为负荷D为确定性负荷，负荷B和C的最大预测偏差分别为其预测值的5％和10％。风电的最大预测偏差为其预测值的30％。
步骤3：利用所述机组组合模型的目标函数和约束条件，获得机组启停和运行状态的关系，且机组不能同时出现启动和停机；
式(1)表示最小化调度周期内的总的运行成本。式(2)-(8)表示基本调度过程中的约束条件，式(9)-(15)表示再调度过程中的约束条件，式(16)-(19)表示机组启停状态的约束条件。式(2)和(9)为功率平衡约束条件，式(3)、(4)、(10)和(11)为机组的发电出力约束条件，式(5)、(6)、(12)和(13)为机组的爬坡率约束条件，式(7)、(8)、(14)和(15)为线路容量约束条件，式(16)和(17)为机组的最小开机/关机时间约束，式(18)表示机组启停和运行状态的关系，式(19)保证机组不能同时出现启动和停机。
步骤4：使用盒式集合对风电和负荷的不确定性进行建模，从而得到日前机组的能量和备用的调度计划以及风电、负荷等不确定性变量的最恶劣场景实现；
风电的不确定性盒式集合可以表示为：
Figure BDA00029460118100000710
负荷的不确定性盒式集合可以表示为：
Figure BDA00029460118100000711
式中，Bw,t和Bd,t分别为与风电出力和负荷恶劣场景实现相关的0-1变量，Γw和Γd分别为风电和负荷的不确定性预算，为0和总调度时段数T之间的正整数。Γw越大，说明不确定性场景越恶劣。
步骤5：根据上一步骤获得的结果和最恶劣场景实现，得到鲁棒经济调度模型的目标函数及其约束条件；
利用鲁棒机组组合模型，如式(1)-(24)，可以得到日前机组的能量和备用的调度计划以及风电、负荷等不确定性变量的最恶劣场景实现。基于机组组合结果和最恶劣场景实现(Ii,t、ui,t、vi,t、
Figure BDA0002946011810000081
和
Figure BDA0002946011810000082
)，可以得到下面的经济调度模型：
Figure BDA0002946011810000083
约束条件如式(26)-(19)所示。
Figure BDA0002946011810000084
Figure BDA0002946011810000085
Figure BDA0002946011810000086
Figure BDA0002946011810000087
Figure BDA0002946011810000088
Figure BDA0002946011810000089
Figure BDA00029460118100000810
Figure BDA00029460118100000811
Figure BDA00029460118100000812
Figure BDA00029460118100000817
Figure BDA00029460118100000813
Figure BDA00029460118100000814
Figure BDA00029460118100000815
Figure BDA00029460118100000816
式(26)-(39)括号内的变量为对应约束的对偶变量。
步骤6：将上述鲁棒经济调度模型的目标函数及其约束条件转换为拉格朗日函数，得到确定性节点边际电价和不确定性节点边际电价；
根据鲁棒经济调度模型可以得到拉格朗日函数：
Figure BDA0002946011810000091
确定性节点边际电价LMP定义为电网中特定的节点上新增单位负荷所产生的新增供电成本，因此可以由式(40)对负荷求微分推导得到：
Figure BDA0002946011810000092
本发明中提出了不确定性节点边际电价ULMP，其定义为电网中特定的节点上新增单位不确定量所产生的新增供电成本，由式(40)对负荷求微分推导得到：
Figure BDA0002946011810000093
由LMP和ULMP的定义可知，本发明提出的节点边际电价可以反应系统的不确定性。
图4和图5示出实施例1获得的LMP结果和ULMP结果。根据两图的对比可知，LMP和ULMP与系统的负荷水平相关。在高负荷阶段，边际价格较高，再低负荷阶段，边际价格较低。另外，ULMP体现了系统的不确定性对于系统边际成本的影响。
使用LMP和ULMP对能量输出、备用容量和不确定性进行结算，结算方法如下：
(1)能量收入和支出：
在母线m处的机组i的能量收入为能量支出和LMP的乘积，
Figure BDA0002946011810000094
在母线m处的风电场j的能量收入为功率预测和LMP的乘积，
Figure BDA0002946011810000095
在母线m处的负荷的能量支出为功率预测和LMP的乘积，
Figure BDA0002946011810000096
(2)不确定性源的支出：
在母线m处的负荷和风电场j的不确定性支出为其最大预测偏差和ULMP的乘积，
Figure BDA0002946011810000097
和
Figure BDA0002946011810000098
(3)发电备用的收入：
在母线m处的机组i的备用收入为其备用容量和ULMP的乘积，
Figure BDA0002946011810000099
表3，表4和表5示出使用PJM 5节点算例对本专利提出的方法进行验证得到的结果，其中表3为基本调度过程中机组能量的调度计划，表4为再调度过程中机组的备用容量的调度计划，表5为日前市场的出清结果。
表3基本调度过程中机组能量的调度计划
Figure BDA0002946011810000101
表4再调度过程中机组的备用容量的调度计划
Figure BDA0002946011810000102
Figure BDA0002946011810000111
表5日前市场的出清结果
负荷基本能量电费 负荷备用电费 负荷总支出
335194.15 14519.98 349714.13
风电卖电收入 风电备用支出 风电净收益
54567.45 16929.73 37637.71
电源能量收入 电源能量成本 电源能量收益
252745.79 215973.02 36772.77
电源备用收入 电源备用成本 电源备用收益
29424.08 28896.11 527.98
电源总收入 电源总成本 电源总收益
282169.88 244869.13 37300.75
由表3和表4可知，由于机组A和E的边际成本较低，所以日前市场中的能量输出和备用容量主要有这两个机组提供，保证了机组组合和经济调度的经济性。由表5可知，机组可以从能量输出和备用容量两个方面得到收益，负荷和风电由于其不确定性要承担一部分备用成本，降低了其收益或是支出。
以上各实施例和具体案例仅用以说明本发明的技术方案，而非是对其的限制，尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换，而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，本领域技术人员根据本说明书内容所做出的非本质改进和调整或者替换，均属本发明所要求保护的范围。

Claims (5)

1.一种日前市场节点边际电价的确定方法，其特征在于，所述确定方法包括：
步骤1：利用鲁棒机组组合建立最恶劣场景下成本最低的机组组合模型，分为基本调度和再调度过程；其中，基本调度过程针对负荷、风电的预测出力优化机组的能量输出，再调度过程针对负荷、风电的预测偏差优化机组的备用容量；
其中，最低成本的参数包括：发电机组的燃料成本、开机成本和关机成本；
步骤2：建立与所述机组组合方案对应的基本调度过程中的约束条件和再调度过程中的约束条件，包括：机组启停状态的约束条件，功率平衡约束条件，机组的发电出力约束条件，机组的爬坡率约束条件，线路容量约束条件，机组的最小开机/关机时间约束；
步骤3：使用盒式集合对风电和负荷的不确定性进行建模，利用所述机组组合模型的目标函数和约束条件，获得机组启停和运行状态的关系，并得到日前机组的能量和备用的调度计划以及风电、负荷等不确定性变量的最恶劣场景实现；
步骤4：根据上一步骤获得的结果和最恶劣场景实现，得到鲁棒经济调度模型的目标函数及其约束条件；
步骤5：将上述鲁棒经济调度模型的目标函数及其约束条件转换为拉格朗日函数，得到确定性节点边际电价和不确定性节点边际电价；
其中所述确定性节点边际电价定义为电网中特定的节点上新增单位负荷所产生的新增供电成本，所述不确定性节点边际电价定义为电网中特定的节点上新增单位不确定量所产生的新增供电成本。
2.根据权利要求1所述的日前市场节点边际电价的确定方法，其特征在于，所述确定性节点边际电价可以用于日前市场中能量、备用容量和不确定性的清算。
3.根据权利要求1所述的日前市场节点边际电价的确定方法，其特征在于，使用所述确定性节点边际电价和不确定性节点边际电价对能量输出、备用容量和不确定性进行结算，结算方法如下：
(1)能量收入和支出：
在母线m处的机组i的能量收入为能量支出和所述节点边际电价的乘积；
在母线m处的风电场j的能量收入为功率预测和所述节点边际电价的乘积；
在母线m处的负荷的能量支出为功率预测和所述节点边际电价的乘积；
(2)不确定性源的支出：
在母线m处的负荷和风电场j的不确定性支出为其最大预测偏差和所述不确定性节点边际电价的乘积；
(3)发电备用的收入：
在母线m处的机组i的备用收入为其备用容量和所述不确定性节点边际电价的乘积；
进一步的，所述步骤1中的利用鲁棒机组组合建立最恶劣场景下成本最低的机组组合模型为：
Figure FDA0002946011800000021
式中，i、j、m和l分别为常规发电机组、风电场、母线和传输线的编号；TN是日前机组组合的总调度时间段；
Figure FDA0002946011800000022
和
Figure FDA0002946011800000023
分别为机组i的启动成本和停机成本；NG为常规发电机组的数量；
Figure FDA0002946011800000024
为机组i的运行成本；
Figure FDA0002946011800000025
为基本调度过程中机组i在时间t的能量输出；
Figure FDA0002946011800000026
为再调度过程中机组i在时间t的备用容量；ui,t为机组i在时间t的启动变量，1表示启动，0表示无启动动作；vi,t为机组i在时间t的停机变量，1表示停机，0表示无停机动作。
4.根据权利要求1所述的日前市场节点边际电价的确定方法，其特征在于，所述步骤4中的风电的不确定性盒式集合可以表示为：
Figure FDA0002946011800000027
负荷的不确定性盒式集合可以表示为：
Figure FDA0002946011800000028
式中，
Figure FDA0002946011800000029
和
Figure FDA00029460118000000210
分别为风电场和负荷在时段t的出力，
Figure FDA00029460118000000211
和
Figure FDA00029460118000000212
分别为风电场合负荷在时段t的出力预测值，
Figure FDA00029460118000000213
和
Figure FDA00029460118000000214
分别为风电场和负荷在时段t的出力预测误差，Bw,t和Bd,t均为0-1变量，等于0的时候表示风电场和负荷的出力取到风电场和负荷预测值，等于1的时候表示风电场和负荷的出力取到风电场和负荷的盒式集合的边界，Γw和Γd分别为风电场和负荷的不确定性预算，其值等于风电场和负荷的出力取到盒式集合边界的时段数；Pw和Pd分别表示风电场和负荷的盒式集合；Γw越大，说明不确定性场景越恶劣。
5.一种考虑不确定性的日前市场节点边际电价的确定系统，其特征在于，所述确定系统包括：
鲁棒机组组合模型建立模块，用于建立最恶劣场景下成本最低的鲁棒机组组合模型；
约束条件建立模块，用于建立与所述目标函数对应的基本调度过程中的约束条件和再调度过程中的约束条件；包括：机组启停状态的约束条件，功率平衡约束条件，机组的发电出力约束条件，机组的爬坡率约束条件，线路容量约束条件，机组的最小开机/关机时间约束；
不确定性变量的最恶劣场景实现模块，使用盒式集合对风电和负荷的不确定性进行建模，利用所述目标函数和约束条件，获得机组启停和运行状态的关系，并得到日前机组的能量和备用的调度计划以及风电、负荷等不确定性变量的最恶劣场景实现；
鲁棒经济调度模型建立模块：根据所述不确定性变量的最恶劣场景实现模块，得到鲁棒经济调度模型的目标函数及其约束条件；
节点边际电价和不确定性节点边际电价计算模块，将鲁棒经济调度模型建立模块中的目标函数及其约束条件转换为拉格朗日函数，得到确定性节点边际电价和不确定性节点边际电价。
CN202110194504.1A 2021-02-20 2021-02-20 日前市场节点边际电价的确定方法及其确定系统 Pending CN112967085A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110194504.1A CN112967085A (zh) 2021-02-20 2021-02-20 日前市场节点边际电价的确定方法及其确定系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110194504.1A CN112967085A (zh) 2021-02-20 2021-02-20 日前市场节点边际电价的确定方法及其确定系统

Publications (1)

Publication Number Publication Date
CN112967085A true CN112967085A (zh) 2021-06-15

Family

ID=76285334

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110194504.1A Pending CN112967085A (zh) 2021-02-20 2021-02-20 日前市场节点边际电价的确定方法及其确定系统

Country Status (1)

Country Link
CN (1) CN112967085A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113344641A (zh) * 2021-07-02 2021-09-03 广东电力交易中心有限责任公司 一种运行备用辅助服务市场交易成本分摊方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107330546A (zh) * 2017-06-14 2017-11-07 武汉大学 一种考虑风电出力和需求响应不确定性的优化调度方法
CN108281989A (zh) * 2018-03-09 2018-07-13 广东电网有限责任公司电力科学研究院 一种风电电力系统经济调度方法及装置
CN109193636A (zh) * 2018-10-08 2019-01-11 华东交通大学 一种基于分类不确定集的电力系统环境经济鲁棒调度方法
CN111682529A (zh) * 2020-06-10 2020-09-18 广西大学 一种基于节点电价信息的移动储能车灵活调度方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107330546A (zh) * 2017-06-14 2017-11-07 武汉大学 一种考虑风电出力和需求响应不确定性的优化调度方法
CN108281989A (zh) * 2018-03-09 2018-07-13 广东电网有限责任公司电力科学研究院 一种风电电力系统经济调度方法及装置
CN109193636A (zh) * 2018-10-08 2019-01-11 华东交通大学 一种基于分类不确定集的电力系统环境经济鲁棒调度方法
CN111682529A (zh) * 2020-06-10 2020-09-18 广西大学 一种基于节点电价信息的移动储能车灵活调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ZONGZHENG ZHAO ET AL: "A Locational Marginal Pricing Mechanism for Uncertainty Management Based on Improved Multi-Ellipsoidal Uncertainty Set", 《HTTPS://ARXIV.ORG/ABS/2012.08091》, pages 1 - 9 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113344641A (zh) * 2021-07-02 2021-09-03 广东电力交易中心有限责任公司 一种运行备用辅助服务市场交易成本分摊方法

Similar Documents

Publication Publication Date Title
Tejada-Arango et al. Power-based generation expansion planning for flexibility requirements
CN113193547A (zh) 计及新能源及负荷区间不确定性的电力系统日前-日内协同调度方法与系统
Osório et al. New control strategy for the weekly scheduling of insular power systems with a battery energy storage system
Ai et al. Robust operation strategy enabling a combined wind/battery power plant for providing energy and frequency ancillary services
CN113205273B (zh) 一种计及区外电能交易的低碳化电源规划方法及系统
Sun et al. Improving the restorability of bulk power systems with the implementation of a WF-BESS system
Azimi et al. Energy management considering simultaneous presence of demand responses and electric vehicles in smart industrial grids
Carrión et al. Scheduling isolated power systems considering electric vehicles and primary frequency response
CN114897346A (zh) 计及不确定性和需求响应的虚拟电厂鲁棒优化调度方法
CN112018756A (zh) 气电联合系统日前鲁棒协调优化调度方法
CN112967085A (zh) 日前市场节点边际电价的确定方法及其确定系统
CN112510690B (zh) 考虑风火储联合和需求响应奖惩的优化调度方法及系统
JP7170141B2 (ja) 望ましい容量係数を提供する統合型の再生可能電気生成リソース及び電荷ストレージシステムを制御する方法
JP7113145B2 (ja) 望ましい容量係数を提供するａｃオーバービルト再生可能電気生成リソース及び電荷ストレージ装置を利用するシステム及び方法
CN112633675A (zh) 一种能量调度方法、装置、设备及计算机可读存储介质
CN113394789B (zh) 考虑高比例可再生能源接入的电力系统一体化调度方法
Hidalgo González et al. Dispa-SET 2.0: unit commitment and power dispatch model
Yao et al. Determination of a dispatch strategy to maximize income for a wind turbine-BESS power station
CN113255129A (zh) 增量式配电网双层随机优化运行方法及系统
Kashyap et al. An Iterative Heuristic Optimization Method for the optimum Sizing of Battery Energy Storage System to augment the dispatchability of Wind Generators
CN109980668B (zh) 一种含有ess的电力系统可靠性评估方法
Zhou et al. Two-stage robust optimal capacity configuration of a wind, photovoltaic, hydropower, and pumped storage hybrid energy system
JP7219341B2 (ja) 統合型の再生可能エネルギーソース及びエネルギーストレージシステム設備の潜在的電気出力用のパワー供給トランザクションを実装する方法
Lara Filho et al. A Data-driven Robust Model for Day-ahead Operation Planning of Microgrids Considering Distributed Energy Resources and Demand Response
Yuan et al. An energy trading strategy considering the priority of renewable energy and electric vehicles

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: Liu Yixin

Inventor after: Guo Li

Inventor after: Zhao Zongzheng

Inventor after: Lu Hai

Inventor after: Luo Enbo

Inventor before: Liu Yixin

Inventor before: Guo Li

Inventor before: Zhao Zongzheng

CB03 Change of inventor or designer information
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210615