CN113255993B - 确定储能参与日前市场的优化申报策略的方法和装置 - Google Patents
确定储能参与日前市场的优化申报策略的方法和装置 Download PDFInfo
- Publication number
- CN113255993B CN113255993B CN202110559613.9A CN202110559613A CN113255993B CN 113255993 B CN113255993 B CN 113255993B CN 202110559613 A CN202110559613 A CN 202110559613A CN 113255993 B CN113255993 B CN 113255993B
- Authority
- CN
- China
- Prior art keywords
- representing
- model
- energy storage
- node
- market
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 103
- 238000005457 optimization Methods 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000005611 electricity Effects 0.000 claims abstract description 77
- 239000010410 layer Substances 0.000 claims description 64
- 230000009977 dual effect Effects 0.000 claims description 20
- 238000010248 power generation Methods 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000007599 discharging Methods 0.000 claims 4
- 238000004364 calculation method Methods 0.000 claims 2
- 239000002355 dual-layer Substances 0.000 claims 1
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 210000001072 colon Anatomy 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 238000012885 constant function Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种确定储能参与日前市场的优化申报策略的方法和装置，其中，方法包括：构建最大化总收益为目标、满足储能运行约束的优化模型为上层，和以市场出清确定节点电价的模型为下层的双层优化申报策略模型；将所述双层优化申报策略模型转化为混合整数线性规划模型；基于所述混合整数线性规划模型确定储能系统的求解结果。本发明通过将双层优化申报策略模型转化为混合整数线性规划模型即将双层优化申报策略模型中的下层市场出清问题进行简化，使得市场出清问题规模大、决策变量多的问题得到解决，从而使转化后的混合整数线性规划模型能够利用商业求解器求解。
Description
技术领域
本发明涉及电力规划技术领域，尤其涉及一种确定储能参与日前市场的优化申报策略的方法和装置。
背景技术
为应对化石能源短缺以及环境污染问题，我国可再生能源发电技术得到了高速、大规模的发展与应用。但可再生能源具有间歇性、波动性和随机性的特点，自身可调控性和灵活性较弱，给电网的安全稳定运行带来挑战。
储能是解决可再生能源发电波动、减少负荷峰谷差的理想选择。电池储能由于不受地理、气候条件的限制，规模可大可小，能量转换效率高达90％以上，且伴随技术进步，寿命不断延长，成本持续下降，有望在未来的电力系统中发挥越来越重要的作用。随着灵活高效的电力系统与市场体系机制建立，储能不仅能够为电网运行提供灵活调节资源，也逐渐能够成为参与短期市场套利的独立主体。
目前关于储能短期套利的研究有很多，研究重点关注储能在日前市场中的每日收益最大化策略。现有部分模型的特征是需要价格信号作为模型输入。例如，基于线性规划的模型需要输入历史价格或预先计算的价格；鲁棒模型需要输入价格范围；随机模型需要输入价格预测并进行场景削减。然而，这类模型没有考虑储能运行对电力系统最优潮流和节点电价的影响，因此计算的最终套利收入结果不够准确。也有部分研究采用双层模型优化储能套利收入，然而这类模型的求解方法通常是将下层问题的KKT(Karush-Kuhn-Tucker)最优性条件代入上层问题并进一步线性化求解，当下层问题规模较大、决策变量较多时，此类方法得到的混合整数线性规划模型往往很难求解。
因此，亟需建立一种考虑对市场出清和节点电价影响的储能参与日前市场优化申报策略模型及其高效求解方法来解决上述问题。
发明内容
本发明提供一种确定储能参与日前市场的优化申报策略的方法和装置，用以解决现有技术中求解难度大、效率低的缺陷，实现日前市场优化申报策略模型的高效求解。
第一方面，本发明提供一种确定储能参与日前市场的优化申报策略的方法，包括：
构建最大化总收益为目标、满足储能运行约束的优化模型为上层，和以市场出清确定节点电价的模型为下层的双层优化申报策略模型；
将所述双层优化申报策略模型转化为混合整数线性规划模型；
基于所述混合整数线性规划模型确定储能系统的求解结果。
进一步，本发明提供的确定储能参与日前市场的优化申报策略的方法，其中，所述最大化总收益为目标、满足储能运行约束的优化模型表示为：
其中，表示储能所在节点电价；
表示储能在t时段的充、放电功率；
Δt表示t时段的时长；
表示储能的最大充、放电功率，αt、βt表示在t时段储能充、放电状态的指示变量；
Et表示储能在t时段的荷电状态，ηc、ηd表示储能的充、放电效率，El、Eu表示储能荷电状态的下、上界；
目标函数表示商业储能的总收益，/>由市场出清决定；
表示储能最大充放电功率限制；
限制了储能同时充放电；
表示储能荷电状态的动态；
表示储能荷电状态的可行区间。
进一步，本发明提供的确定储能参与日前市场的优化申报策略的方法，其中，所述以市场出清确定节点电价的模型表示为：
其中，cg表示发电机g的发电成本；
表示发电机g在t时段的出力；
表示发电机g出力的下、上界；
表示储能的申报功率，在模型中被视为取值符合正负不予限定的负荷；/>表示负荷节点在t时段的需求；
表示从节点到支路的功率转移分布因子，(·)＝{g，s，d}，冒号之后的希腊字母表示对偶变量；
目标函数表示电力系统总发电成本；
表示发电机出力范围；
表示系统功率平衡；
表示支路潮流限制；
定义了储能所在节点的节点电价。
进一步，本发明提供的确定储能参与日前市场的优化申报策略的方法，其中，所述将所述双层优化申报策略模型转化为混合整数线性规划模型具体包括：
通过将所述以市场出清确定节点电价的模型进行简化为：
min cTx
s.t.Ax≤b+Bθ:μ
其中，为标量参数且在市场出清问题中为定值；
表示储能的申报功率，其中，/>表示储能在t时段的充、放电功率；
为参数集，其中，/>表示储能的最大充、放电功率；
x包括所述以市场出清确定节点电价的模型中所有的决策变量；
A，B，b，c为常系数；
由于节点电价是所述对偶变量μ中元素的线性组合，对于每一个确定的θ，通过求解线性规划得到一个对应电价/>
其中，CIn是关键区间，其中n的取值为1、2、3……m的整数，λi表示每个关键区间的常数值；
将所述得到一个对应电价改写为：
zjt∈{0，1}，j＝1:mt
ρjt≤zjt+z(j+1)t，j＝1:mt
其中，sjt，j＝0，1，…，mt表示t时段mt个关键区间的端点，λjt表示各区间对应的常数值，二进制变量zjt的值强制为第2类特殊有序集；
进而，所述混合整数线性规划模型表示为：
其中，Δt表示t时段的时长。
第二方面，本发明提供一种确定储能参与日前市场的优化申报策略的装置，包括：
构建模块，用于构建最大化总收益为目标、满足储能运行约束的优化模型为上层，和以市场出清确定节点电价的模型为下层的双层优化申报策略模型；
转化模块，用于将所述双层优化申报策略模型转化为混合整数线性规划模型；
求解模块，用于基于所述混合整数线性规划模型确定储能系统的求解结果。
进一步，本发明提供一种确定储能参与日前市场的优化申报策略的装置，其中，所述构建模块中构建的所述最大化总收益为目标、满足储能运行约束的优化模型表示为：
其中表示储能所在节点电价；
表示储能在t时段的充、放电功率；
Δt表示t时段的时长；
表示储能的最大充、放电功率，αt、βt表示在t时段储能充、放电状态的指示变量；
Et表示储能在t时段的荷电状态，ηc、ηd表示储能的充、放电效率，El、Eu表示储能荷电状态的下、上界；
目标函数表示商业储能的总收益，/>由市场出清决定；
表示储能最大充放电功率限制；
限制了储能同时充放电；
表示储能荷电状态的动态；
表示储能荷电状态的可行区间。
进一步，本发明提供一种确定储能参与日前市场的优化申报策略的装置，其中，所述构建模块中构建的所述以市场出清确定节点电价的模型表示为：
其中，cg表示发电机g的发电成本；
表示发电机g在t时段的出力；
表示发电机g出力的下、上界；
表示储能的申报功率，在模型中被视为取值取值符号正负不予限定的负荷；/>表示负荷节点在t时段的需求；
表示从节点到支路的功率转移分布因子，(·)＝{g，s，d}，冒号之后的希腊字母表示对偶变量；
目标函数表示电力系统总发电成本；
表示发电机出力范围；
表示系统功率平衡；
表示支路潮流限制；
定义了储能所在节点的节点电价。
进一步，本发明提供一种确定储能参与日前市场的优化申报策略的装置，其中，所述转化模块具体用于：
通过将所述以市场出清确定节点电价的模型进行简化为：
min cTx
s.t.Ax≤b+Bθ:μ
其中为标量参数且在市场出清问题中为定值；
表示储能的申报功率，其中，/>表示储能在t时段的充、放电功率；
为参数集，其中，/>表示储能的最大充、放电功率；
x包括所述以市场出清确定节点电价的模型中所有的决策变量；A，B，b，c为常系数；
由于节点电价是所述对偶变量μ中元素的线性组合，对于每一个确定的θ，通过求解线性规划得到一个对应电价/>
其中，CIn是关键区间，其中n的取值为1、2、3……m的整数，λi表示每个关键区间的常数值；
将所述得到一个对应电价改写为：
zjt∈{0，1}，j＝1:mt
ρjt≤zjt+z(j+1)t，j＝1:mt
其中，sjt，j＝0，1，…，mt表示t时段mt个关键区间的端点，λjt表示各区间对应的常数值，，二进制变量zjt的值强制为第2类特殊有序集；
进而，所述混合整数线性规划模型表示为：
其中，Δt表示t时段的时长。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述确定储能参与日前市场的优化申报策略的方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述确定储能参与日前市场的优化申报策略的方法的步骤。
本发明提供的确定储能参与日前市场的优化申报策略的方法和装置，通过构建最大化总收益为目标、满足储能运行约束的优化模型为上层，和以市场出清确定节点电价的模型为下层的双层优化申报策略模型；将所述双层优化申报策略模型转化为混合整数线性规划模型；基于所述混合整数线性规划模型确定储能系统的求解结果。本发明通过将双层优化申报策略模型转化为混合整数线性规划模型即将双层优化申报策略模型的中的下层市场出清问题进行简化，使得市场出清问题规模大、决策变量多的问题得到解决，从而使转化后的混合整数线性规划模型能够利用商业求解器求解。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的确定储能参与日前市场的优化申报策略的方法的流程示意图；
图2是本发明提供的确定储能参与日前市场的优化申报策略的装置的结构示意图；
图3是本发明提供的电子设备的结构示意图；
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，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作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。
下面结合图1描述本发明的提供的实施例中，确定储能参与日前市场的优化申报策略的方法，包括：
步骤100：构建最大化总收益为目标、满足储能运行约束的优化模型为上层，和以市场出清确定节点电价的模型为下层的双层优化申报策略模型；
由于本发明的目的是为了解决储能参与日市场的双层优化申报策略模型及其求解方法。通过建立考虑储能输出对电力系统运行和节点电价影响的储能参与日前市场双层优化申报策略模型，其中，上层为储能优化申报决策问题，下层为电力市场出清问题，储能采用节点电价结算。
步骤200：将所述双层优化申报策略模型转化为混合整数线性规划模型；
将储能所在节点的电价用关于储能申报策略的分段常数函数表示，消去下层市场出清问题并将原双层模型转化为单层混合整数线性规划模型。
步骤300：基于所述混合整数线性规划模型确定储能系统的求解结果。
利用成熟的商业求解器对获取的混合整数线性规划模型进行高效求解，从而获取储能在日前市场中的每日收益的最大值。
本发明提供的确定储能参与日前市场的优化申报策略的方法，通过构建最大化总收益为目标、满足储能运行约束的优化模型为上层，和以市场出清确定节点电价的模型为下层的双层优化申报策略模型；将所述双层优化申报策略模型转化为混合整数线性规划模型；基于所述混合整数线性规划模型确定储能系统的求解结果。本发明通过将双层优化申报策略模型转化为混合整数线性规划模型即将双层优化申报策略模型的中的下层市场出清问题进行简化，使得市场出清问题规模大、决策变量多的问题得到解决，从而使转化后的混合整数线性规划模型能够利用商业求解器求解。
进一步，本发明提供的实施例中确定储能参与日前市场的优化申报策略的方法，其中，所述最大化总收益为目标、满足储能运行约束的优化模型表示为：
其中，表示储能所在节点电价；/>表示储能在t时段的充、放电功率；Δt表示t时段的时长；/>表示储能的最大充、放电功率，αt、βt表示在t时段储能充、放电状态的指示变量；Et表示储能在t时段的荷电状态，ηc、ηd表示储能的充、放电效率，El、Eu表示储能荷电状态的下、上界；目标函数/>表示商业储能的总收益，/>由市场出清决定；/>表示储能最大充放电功率限制；/>限制了储能同时充放电；/>表示储能荷电状态的动态；/>表示储能荷电状态的可行区间。
进一步，本发明提供的实施例中确定储能参与日前市场的优化申报策略的方法，其中，所述以市场出清确定节点电价的模型表示为：
其中，cg表示发电机g的发电成本；表示发电机g在t时段的出力；/>表示发电机g出力的下、上界；/>表示储能的申报功率，在模型中被视为取值符合正负不予限定的负荷；/>表示负荷节点在t时段的需求；/>表示从节点到支路的功率转移分布因子，(·)＝{g,s,d}，冒号之后的希腊字母表示对偶变量；目标函数/>表示电力系统总发电成本；/>表示发电机出力范围；/>表示系统功率平衡；/>表示支路潮流限制；/>定义了储能所在节点的节点电价。
进一步，本发明实施例提供的确定储能参与日前市场的优化申报策略的方法，其中，所述将所述双层优化申报策略模型转化为混合整数线性规划模型具体包括：
通过将所述以市场出清确定节点电价的模型进行简化为：
min cTx
s.t.Ax≤b+Bθ:μ (3)
其中，为标量参数且在市场出清问题中为定值；
表示储能的申报功率，其中，/>表示储能在t时段的充、放电功率；/>为参数集，其中，/>表示储能的最大充、放电功率；x包括所述以市场出清确定节点电价的模型中所有的决策变量；A,B,b,c为常系数；
由于节点电价是所述对偶变量μ中元素的线性组合，对于每一个确定的θ，通过求解线性规划得到一个对应电价/>
其中，CIn是关键区间，其中n的取值为1、2、3……m的整数，λi表示每个关键区间的常数值；
将所述得到一个对应电价改写为：
zjt∈{0,1},j＝1:mt
ρjt≤zjt+z(j+1)t,j＝1:mt
其中，sjt,j＝0,1,…,mt表示t时段mt个关键区间的端点，λjt表示各区间对应的常数值，二进制变量zjt的值强制为第2类特殊有序集；
进而，所述混合整数线性规划模型表示为：
其中，Δt表示t时段的时长。
具体地，为解决市场出清问题带来的求解困难，提出一种基于储能所在节点电价与储能申报策略之间关系的方法将原问题转化为等价的小规模混合整数线性规划模型。
1)关于储能申报策略的节点电价函数
下层市场出清问题可写成如下紧凑形式(为简洁起见，省略下标t)：
其中为标量参数且在市场出清问题中为定值；/> 为参数集；x包括问题(2)中所有的决策变量；A,B,b,c为常系数。节点电价/>是对偶变量μ中元素的线性组合。对于每一个确定的θ，可通过求解线性规划(3)得到一个对应电价/>函数具有分段常数解析表达式。证明如下：
对于某个确定的θ，求解线性规划(3)，在最优解处所有约束可分为起作用约束和不起作用约束：
对于线性规划，起作用约束必然构成一个基，即为方阵且可逆，因此最优解可表达如下：
根据KKT最优性条件，对偶变量可表达如下：
将公式(9)代入公式(8),可获得一组不等式并推出参数θ的区间
其中，只要有θ∈CI，则会有相同的起作用约束，由公式(10)给出的最优对偶变量为常数。CI被称为关键区间。当θ取值超出CI范围，可得到另一组起作用约束以及对应的关键区间。
综上，从的左侧端点开始求解线性规划(3)。在最优解处，分别根据公式(10)、(2e)和(11)计算对偶变量μ、节点电价和关键区间CI。然后，从Θ中去掉CI，并重复以上过程，直到/>最终，Θ可被分为一组互不重叠的关键区间，即/>并且在每个关键区间内都有/>为常数：
2)混合整数线性规划模型
通过多次求解线性规划(3)，可独立计算每个时段t节点电价关于储能申报功率的分段常数表达式。接下来将分段常数函数转化为可利用商业求解器求解的等价混合整数线性形式。在公式(9)中，用sjt,j＝0,1,…,mt表示t时段mt个关键区间的端点，λjt表示各区间对应的常数值，则各时段t节点电价关于储能申报功率的分段常数(9)可写成如下等价的混合整数线性形式：
在公式(10)中，二进制变量zjt的值强制为第2类特殊有序集，即至多两个相邻的权重变量可以取严格正值。
最后，目标函数中的乘积项可写成如下形式：
其中可被线性化如下：
其中σjt为连续的辅助变量。当zjt＝0时，当zjt＝1时，说明公式(12)中/>等价。
综上所述，原双层优化模型(1)-(2)可写成如下形式：
该混合整数线性规划模型可用成熟的商业求解器轻松求解。
结合图2，本发明实施例提供一种确定储能参与日前市场的优化申报策略的装置，包括：
构建模块21，用于构建最大化总收益为目标、满足储能运行约束的优化模型为上层，和以市场出清确定节点电价的模型为下层的双层优化申报策略模型；
转化模块22，用于将所述双层优化申报策略模型转化为混合整数线性规划模型；
求解模块23，用于基于所述混合整数线性规划模型确定储能系统的求解结果。
由于本发明实施例提供的装置，可以用于执行上述实施例所述的方法，其工作原理和有益效果类似，故此处不再详述，具体内容可参见上述实施例的介绍。
进一步，本发明提供的实施例中确定储能参与日前市场的优化申报策略的装置，其中，构建模块21中，所述最大化总收益为目标、满足储能运行约束的优化模型表示为：
其中，表示储能所在节点电价；/>表示储能在t时段的充、放电功率；Δt表示t时段的时长；/>表示储能的最大充、放电功率，αt、βt表示在t时段储能充、放电状态的指示变量；Et表示储能在t时段的荷电状态，ηc、ηd表示储能的充、放电效率，El、Eu表示储能荷电状态的下、上界；目标函数/>表示商业储能的总收益，/>由市场出清决定；/>表示储能最大充放电功率限制；/>限制了储能同时充放电；/>表示储能荷电状态的动态；/>表示储能荷电状态的可行区间。
进一步，本发明提供的实施例中确定储能参与日前市场的优化申报策略的装置，其中，构建模块21中，所述以市场出清确定节点电价的模型表示为：
其中，cg表示发电机g的发电成本；表示发电机g在t时段的出力；/>表示发电机g出力的下、上界；/>表示储能的申报功率，在模型中被视为取值符合正负不予限定的负荷；/>表示负荷节点在t时段的需求；/>表示从节点到支路的功率转移分布因子，(·)＝{g,s,d}，冒号之后的希腊字母表示对偶变量；目标函数/>表示电力系统总发电成本；/>表示发电机出力范围；/>表示系统功率平衡；/>表示支路潮流限制；/>定义了储能所在节点的节点电价。
进一步，本发明实施例提供的确定储能参与日前市场的优化申报策略的装置，其中，转化模块22中，所述将所述双层优化申报策略模型转化为混合整数线性规划模型具体包括：
通过将所述以市场出清确定节点电价的模型进行简化为：
min cTx
s.t.Ax≤b+Bθ:μ (3)
其中，为标量参数且在市场出清问题中为定值；
表示储能的申报功率，其中，/>表示储能在t时段的充、放电功率；/>为参数集，其中，/>表示储能的最大充、放电功率；x包括所述以市场出清确定节点电价的模型中所有的决策变量；A,B,b,c为常系数；
由于节点电价是所述对偶变量μ中元素的线性组合，对于每一个确定的θ，通过求解线性规划得到一个对应电价/>
其中，CIn是关键区间，其中n的取值为1、2、3……m的整数，λi表示每个关键区间的常数值；
将所述得到一个对应电价改写为：
zjt∈{0,1},j＝1:mt
ρjt≤zjt+z(j+1)t,j＝1:mt
其中，sjt,j＝0,1,…,mt表示t时段mt个关键区间的端点，λjt表示各区间对应的常数值，二进制变量zjt的值强制为第2类特殊有序集；
进而，所述混合整数线性规划模型表示为：
其中，Δt表示t时段的时长。
具体地，为解决市场出清问题带来的求解困难，提出一种基于储能所在节点电价与储能申报策略之间关系的方法将原问题转化为等价的小规模混合整数线性规划模型。
1)关于储能申报策略的节点电价函数
下层市场出清问题可写成如下紧凑形式(为简洁起见，省略下标t)：
其中为标量参数且在市场出清问题中为定值；/> 为参数集；x包括问题(2)中所有的决策变量；A,B，b，c为常系数。节点电价/>是对偶变量μ中元素的线性组合。对于每一个确定的θ，可通过求解线性规划(3)得到一个对应电价/>函数具有分段常数解析表达式。证明如下：
对于某个确定的θ，求解线性规划(3)，在最优解处所有约束可分为起作用约束和不起作用约束：
对于线性规划，起作用约束必然构成一个基，即为方阵且可逆，因此最优解可表达如下：
根据KKT最优性条件，对偶变量可表达如下：
将公式(9)代入公式(8),可获得一组不等式并推出参数θ的区间
其中，只要有θ∈CI，则会有相同的起作用约束，由公式(10)给出的最优对偶变量为常数。CI被称为关键区间。当θ取值超出CI范围，可得到另一组起作用约束以及对应的关键区间。
综上，从的左侧端点开始求解线性规划(3)。在最优解处，分别根据公式(10)、(2e)和(11)计算对偶变量μ、节点电价和关键区间CI。然后，从Θ中去掉CI，并重复以上过程，直到/>最终，Θ可被分为一组互不重叠的关键区间，即/>并且在每个关键区间内都有/>为常数：
2)混合整数线性规划模型
通过多次求解线性规划(3)，可独立计算每个时段t节点电价关于储能申报功率的分段常数表达式。接下来将分段常数函数转化为可利用商业求解器求解的等价混合整数线性形式。在公式(9)中，用sjt,j＝0,1,…,mt表示t时段mt个关键区间的端点，λjt表示各区间对应的常数值，则各时段t节点电价关于储能申报功率的分段常数(9)可写成如下等价的混合整数线性形式：
在公式(10)中，二进制变量zjt的值强制为第2类特殊有序集，即至多两个相邻的权重变量可以取严格正值。
最后，目标函数中的乘积项可写成如下形式：
/>
其中可被线性化如下：
其中σjt为连续的辅助变量。当zjt＝0时，σjt＝0，当zjt＝1时，说明公式(12)中/>等价。
综上所述，原双层优化模型(1)-(2)可写成如下形式：
该混合整数线性规划模型可用成熟的商业求解器轻松求解。
图3示例了一种电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行确定储能参与日前市场的优化申报策略的方法，该方法包括：构建最大化总收益为目标、满足储能运行约束的优化模型为上层，和以市场出清确定节点电价的模型为下层的双层优化申报策略模型；将所述双层优化申报策略模型转化为混合整数线性规划模型；基于所述混合整数线性规划模型确定储能系统的求解结果。
此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的确定储能参与日前市场的优化申报策略的方法，该方法包括：构建最大化总收益为目标、满足储能运行约束的优化模型为上层，和以市场出清确定节点电价的模型为下层的双层优化申报策略模型；将所述双层优化申报策略模型转化为混合整数线性规划模型；基于所述混合整数线性规划模型确定储能系统的求解结果。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的确定储能参与日前市场的优化申报策略的方法，该方法包括：构建最大化总收益为目标、满足储能运行约束的优化模型为上层，和以市场出清确定节点电价的模型为下层的双层优化申报策略模型；将所述双层优化申报策略模型转化为混合整数线性规划模型；基于所述混合整数线性规划模型确定储能系统的求解结果。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述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精神和范围。
Claims (6)
1.一种确定储能参与日前市场的优化申报策略的方法，其特征在于，包括：
构建最大化总收益为目标、满足储能运行约束的优化模型为上层，和以市场出清确定节点电价的模型为下层的双层优化申报策略模型，其中，所述最大化总收益为目标、满足储能运行约束的优化模型表示为：
；
其中，表示储能所在节点电价；
表示储能在/>时段的充、放电功率；
表示/>时段的时长；
表示储能的最大充、放电功率，/>表示在/>时段储能充、放电状态的指示变量；
表示储能在/>时段的荷电状态，/>表示储能的充、放电效率，/>表示储能荷电状态的下、上界；
目标函数表示商业储能的总收益，/>由市场出清决定；
表示储能最大充放电功率限制；
限制了储能同时充放电；
表示储能荷电状态的动态；
表示储能荷电状态的可行区间；
所述以市场出清确定节点电价的模型表示为：
；
其中，表示发电机/>的发电成本；
表示发电机/>在/>时段的出力；
表示发电机/>出力的下、上界；
表示储能的申报功率，在模型中被视为取值符合正负不予限定的负荷；/>表示负荷节点在/>时段的需求；
表示从节点到支路的功率转移分布因子，/>，/>和/>表示对偶变量；
目标函数表示电力系统总发电成本；
表示发电机出力范围；
表示系统功率平衡；
表示支路潮流限制；
定义了储能所在节点的节点电价；
将所述双层优化申报策略模型转化为混合整数线性规划模型；
基于所述混合整数线性规划模型确定储能系统的求解结果。
2.根据权利要求1所述的确定储能参与日前市场的优化申报策略的方法，其特征在于，所述将所述双层优化申报策略模型转化为混合整数线性规划模型具体包括：
通过将所述以市场出清确定节点电价的模型进行简化为：
；
其中，为标量参数且在市场出清问题中为定值；
表示储能的申报功率，其中，/>表示储能在/>时段的充、放电功率；
为参数集，其中，/>表示储能的最大充、放电功率；
包括所述以市场出清确定节点电价的模型中所有的决策变量；
为常系数；
由于节点电价是对偶变量/>中元素的线性组合，对于每一个确定的/>，通过求解线性规划得到一个对应电价/>：
；
其中，CI n是关键区间，其中n的取值为1、2、3……m的整数，表示每个关键区间的常数值；
将所述得到一个对应电价改写为：
；
其中，表示/>时段/>个关键区间的端点，/>表示各区间对应的常数值，二进制变量/>的值强制/>为第2类特殊有序集；
进而，所述混合整数线性规划模型表示为：
；
其中，表示/>时段的时长。
3.一种确定储能参与日前市场的优化申报策略的装置，其特征在于，包括：
构建模块，用于构建最大化总收益为目标、满足储能运行约束的优化模型为上层，和以市场出清确定节点电价的模型为下层的双层优化申报策略模型，其中，所述构建模块中构建的所述最大化总收益为目标、满足储能运行约束的优化模型表示为：
；
其中，表示储能所在节点电价；
表示储能在/>时段的充、放电功率；
表示/>时段的时长；
表示储能的最大充、放电功率，/>表示在/>时段储能充、放电状态的指示变量；
表示储能在/>时段的荷电状态，/>表示储能的充、放电效率，/>表示储能荷电状态的下、上界；
目标函数表示商业储能的总收益，/>由市场出清决定；
表示储能最大充放电功率限制；
限制了储能同时充放电；
表示储能荷电状态的动态；
表示储能荷电状态的可行区间；
其中，所述构建模块中构建的所述以市场出清确定节点电价的模型表示为：
；
其中，表示发电机/>的发电成本；
表示发电机/>在/>时段的出力；
表示发电机/>出力的下、上界；
表示储能的申报功率，在模型中被视为取值符合正负不予限定的负荷；/>表示负荷节点在/>时段的需求；
表示从节点到支路的功率转移分布因子，/>、/>和/>表示对偶变量；
目标函数表示电力系统总发电成本；
表示发电机出力范围；
表示系统功率平衡；
表示支路潮流限制；
定义了储能所在节点的节点电价；
转化模块，用于将所述双层优化申报策略模型转化为混合整数线性规划模型；
求解模块，用于基于所述混合整数线性规划模型确定储能系统的求解结果。
4.根据权利要求3所述的确定储能参与日前市场的优化申报策略的装置，其特征在于，所述转化模块具体用于：
通过将所述以市场出清确定节点电价的模型进行简化为：
；
其中为标量参数且在市场出清问题中为定值；
表示储能的申报功率，其中，/>表示储能在/>时段的充、放电功率；
为参数集，其中，/>表示储能的最大充、放电功率；
包括所述以市场出清确定节点电价的模型中所有的决策变量；/>为常系数；
由于节点电价是对偶变量/>中元素的线性组合，对于每一个确定的/>，通过求解线性规划得到一个对应电价/>：
；
其中，CI n是关键区间，其中n的取值为1、2、3……m的整数，表示每个关键区间的常数值；
将所述得到一个对应电价改写为：
；
其中，表示/>时段/>个关键区间的端点，/>表示各区间对应的常数值，二进制变量/>的值强制/>为第2类特殊有序集；
进而，所述混合整数线性规划模型表示为：
；
其中，表示/>时段的时长。
5.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至2任一项所述确定储能参与日前市场的优化申报策略的方法的步骤。
6.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至2任一项所述确定储能参与日前市场的优化申报策略的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110559613.9A CN113255993B (zh) | 2021-05-21 | 2021-05-21 | 确定储能参与日前市场的优化申报策略的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110559613.9A CN113255993B (zh) | 2021-05-21 | 2021-05-21 | 确定储能参与日前市场的优化申报策略的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113255993A CN113255993A (zh) | 2021-08-13 |
| CN113255993B true CN113255993B (zh) | 2023-10-10 |
Family
ID=77183689
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110559613.9A Active CN113255993B (zh) | 2021-05-21 | 2021-05-21 | 确定储能参与日前市场的优化申报策略的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113255993B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107862586A (zh) * | 2017-12-04 | 2018-03-30 | 清华大学 | 一种面向多能流交易的能量枢纽竞标方法及系统 |
| 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 |
| CN112446745A (zh) * | 2020-12-15 | 2021-03-05 | 天津天大求实电力新技术股份有限公司 | 基于双层随机规划的含多微网的配电市场交易方法 |
| CN112541778A (zh) * | 2020-11-10 | 2021-03-23 | 深圳供电局有限公司 | 一种基于微电网参与两阶段市场出清系统优化运行方法 |
| CN112561120A (zh) * | 2020-11-10 | 2021-03-26 | 深圳供电局有限公司 | 一种基于微电网参考日前市场出清系统优化运行方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7590589B2 (en) * | 2004-09-10 | 2009-09-15 | Hoffberg Steven M | Game theoretic prioritization scheme for mobile ad hoc networks permitting hierarchal deference |
-
2021
- 2021-05-21 CN CN202110559613.9A patent/CN113255993B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107862586A (zh) * | 2017-12-04 | 2018-03-30 | 清华大学 | 一种面向多能流交易的能量枢纽竞标方法及系统 |
| 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 |
| CN112541778A (zh) * | 2020-11-10 | 2021-03-23 | 深圳供电局有限公司 | 一种基于微电网参与两阶段市场出清系统优化运行方法 |
| CN112561120A (zh) * | 2020-11-10 | 2021-03-26 | 深圳供电局有限公司 | 一种基于微电网参考日前市场出清系统优化运行方法 |
| CN112446745A (zh) * | 2020-12-15 | 2021-03-05 | 天津天大求实电力新技术股份有限公司 | 基于双层随机规划的含多微网的配电市场交易方法 |
Non-Patent Citations (2)
| Title |
|---|
| Wei Wei等.Impact of Energy Storage on Economic Dispatch of Distribution Systems: A Multi-parametric Linear Programming Approach and its Implications.《IEEE Open Access Journal of Power and Energy》.2020,第1-10页. * |
| 魏韡等.电力系统鲁棒经济调度.《电力系统自动化》.2013,第60-67页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113255993A (zh) | 2021-08-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | Optimal power peak shaving using hydropower to complement wind and solar power uncertainty | |
| Tajeddini et al. | Risk averse optimal operation of a virtual power plant using two stage stochastic programming | |
| WO2019218671A1 (zh) | 一种海岛微电网综合优化配置方法及装置 | |
| CN110676863B (zh) | 储能优化配置方法及系统 | |
| Hayes et al. | Comparison of two energy storage options for optimum balancing of wind farm power outputs | |
| CN110633854A (zh) | 一种考虑储能电池多重分段服务全生命周期优化规划方法 | |
| CN110165698B (zh) | 一种实现前瞻性误差资产转换的风电场平滑并网方法 | |
| CN109978408B (zh) | 综合能源系统规划运行联合优化方法、装置、设备及介质 | |
| CN111639866B (zh) | 基于遗传算法的储能充电站的储能容量的配置方法 | |
| Qiao et al. | Comparison of centralised and distributed battery energy storage systems in LV distribution networks on operational optimisation and financial benefits | |
| CN110867852B (zh) | 计及全寿命周期成本的微电网储能优化配置方法及装置 | |
| Xiao et al. | A multi‐energy complementary coordinated dispatch method for integrated system of wind‐photovoltaic‐hydro‐thermal‐energy storage | |
| CN112072643A (zh) | 一种基于深度确定性梯度策略的光-蓄系统在线调度方法 | |
| CN114970191A (zh) | 一种基于势博弈的电网交通系统日前分布鲁棒调度方法 | |
| Basu | Heat and power generation augmentation planning of isolated microgrid | |
| CN113794224A (zh) | 基于风电场应用场景的储能系统优化配置方法及装置 | |
| CN112633675A (zh) | 一种能量调度方法、装置、设备及计算机可读存储介质 | |
| CN113255993B (zh) | 确定储能参与日前市场的优化申报策略的方法和装置 | |
| CN109617100B (zh) | 一种数据驱动的风电场储能容量规划方法 | |
| CN114094609B (zh) | 电网储能系统的优化配置方法 | |
| Wang et al. | Energy scheduling for multi-energy systems via deep reinforcement learning | |
| Hjelmeland et al. | Combined SDDP and simulator model for hydropower scheduling with sales of capacity | |
| CN104951650A (zh) | 一种评估含大规模风电电网关口外送电交易能力的方法 | |
| Wu et al. | An efficient decomposition method for bilevel energy storage arbitrage problem | |
| Koutroulis et al. | Optimal design and economic evaluation of a battery energy storage system for the maximization of the energy generated by wind farms in isolated electric grids |
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 |