CN113283672A - 一种储能系统的充放电状态确定方法和装置 - Google Patents
一种储能系统的充放电状态确定方法和装置 Download PDFInfo
- Publication number
- CN113283672A CN113283672A CN202110691946.7A CN202110691946A CN113283672A CN 113283672 A CN113283672 A CN 113283672A CN 202110691946 A CN202110691946 A CN 202110691946A CN 113283672 A CN113283672 A CN 113283672A
- Authority
- CN
- China
- Prior art keywords
- market
- energy storage
- storage system
- expected
- model
- 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
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 168
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000013486 operation strategy Methods 0.000 claims abstract description 44
- 238000005457 optimization Methods 0.000 claims abstract description 18
- 238000007599 discharging Methods 0.000 claims description 19
- 230000008901 benefit Effects 0.000 claims description 18
- 230000005611 electricity Effects 0.000 claims description 17
- 238000010248 power generation Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000003247 decreasing effect Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 4
- 230000009471 action Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005612 types of electricity Effects 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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Water Supply & Treatment (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开的储能系统的充放电状态确定方法和装置，考虑到电力市场的不确定性，运用鲁棒优化法研究储能系统参与预定市场如日前市场和实时市场时的最优运行策略，对储能系统参与预定市场时的运行策略进行了鲁棒优化，能够尽可能保证电力市场即使在最坏的价格情况下也有一定的利润水平预测。当操作人员面对电力市场信息不完整的情况下，可参考本申请设置储能电池的充放电状态，以获得更高的市场收入，并减少预测错误。
Description
本申请要求于2021年05月26日提交中国专利局、申请号为202110578998.3、发明名称为“一种储能系统的充放电状态确定方法和装置”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
技术领域
本申请属于储能管理技术领域，尤其涉及一种储能系统的充放电状态确定方法和装置。
背景技术
随着大规模储能(如蓄电池储能、新型储能)技术的发展，越来越多的储能系统集成到电网中。储能有助于提高电网或微电网的可靠性，平滑可再生能源发电的功率输出变化等。尽管储能具有所有有价值的功能，但是，对于储能调查者和操作员来说，在制定操作策略/运行策略时，最大限度地获取利益是最重要的考虑因素之一。
多种类型电力市场价格的时间变化为储能提供了套利机会。一些研究侧重于储能在不同市场的联合自调度策略，通过套利和提供辅助服务来挖掘潜在的利润。研究结果表明，在合理的运营计划下，储能可以获得可观的市场收益。然而，电力市场中储能的套利潜力受到市场价格不确定性的严重影响，可能导致不合理的自调度结果，进而导致经济损失。因此，在市场价格不确定的情况下，为了保证满意的收益水平，对储能运行策略的鲁棒优化非常必要。
发明内容
有鉴于此，本申请提供了一种储能系统的充放电状态确定方法和装置，用于基于考虑电力市场中电价的不确定性，对储能系统(如蓄电池储能系统、新型储能系统等)参与预定市场(如参与日前市场和实时市场)时的运行策略进行鲁棒优化，使得能够保证电力市场即使在最坏的价格情况下也有一定的利润水平预测。
具体技术方案如下：
一种储能系统的充放电状态确定方法，包括：
在给定市场价格预测置信区间下，构建电价的不确定预测价格模型；
基于所述不确定预测价格模型，构建储能系统在参与预定市场时的预期市场收益模型；
确定所述预期市场收益模型的约束条件；对应于所述约束条件的所述预期市场收益模型包括储能系统的充放电状态变量；
使用鲁棒参数调整对应于所述约束条件的所述预期市场收益模型，得到储能系统在参与所述预定市场时的运行策略模型；其中，所述鲁棒参数表示储能系统运营商的风险等级偏好；
基于所述运行策略模型，确定储能系统在参与所述预定市场时的充放电状态。
可选的，所述预定市场包括日前市场和实时市场；
所述在给定市场价格预测置信区间下，构建电价的不确定预测价格模型，包括：
构建如下的电价的不确定预测价格模型：
-δmax≤δt≤δmax； (2)
其中，
表示预期价格；
表示预测价格，δt表示预测误差系数，δmax是预测误差的置信水平，表示最大预测误差范围。
可选的，针对所述日前市场，所述基于所述不确定预测价格模型，构建储能系统在参与预定市场时的预期市场收益模型，包括：
基于所述不确定预测价格模型，构建储能系统在参与日前市场时的最大最小预期市场收益目标函数；
其中，所述最大最小预期市场收益目标函数由日前市场收益、实时市场预期收益和预期运营成本组成。
可选的，所述构建储能系统在参与日前市场时的最大最小预期市场收益目标函数，包括：
构建如下的储能系统在参与日前市场时的最大最小预期市场收益目标函数：
其中，BD表示制定日前市场运营决策时的预期收益；BDAM、
和CD分别表示日前市场的预期收益、实时市场的预期收益和预期运营成本；Ωt表示不确定性参数ζt的集合；
和
分别表示t时刻日前市场的充电价格和放电价格；
和
分别表示t时刻日前市场的充电率和放电率；
和
分别表示t时刻增加发电量和减少发电量的预测市场价格，且都与不确定性参数ζt有关；
和
分别表示t时刻实时市场减少的发电量和增加的发电量；Δt表示时间间隔；co表示单位运行成本；ΔEt表示t时刻储能系统能量的预期变化。
可选的，所述确定所述预期市场收益模型的约束条件，包括：
确定所述预期市场收益模型的充/放电率约束、荷电状态约束和剩余能量约束。
可选的，所述确定所述预期市场收益模型的充/放电率约束、荷电状态约束和剩余能量约束，包括：
为所述预期市场收益模型确定如下的充/放电率约束：
-PN≤PD，t≤PN； (12)
其中，PN为储能系统的额定充/放电功率；PD，t为t时刻的总充/放电率；
和
为布尔变量，分别表示日前市场t时刻储能系统的充放电状态和实时市场t时刻发电量的增减状态；
为所述预期市场收益模型确定如下的荷电状态约束：
SOCmin≤SOCt≤SOCmax； (16)
其中，ut是一个布尔变量，表示t时刻储能系统的实际充/放电状态；ηc和ηd分别表示充电效率和放电效率；EN表示储能系统的额定容量；SOCmax和SOCmin分别表示SOC的最大值和最小值；
为所述预期市场收益模型确定如下的剩余能量约束：
|SOC0-SOCT|≤ΔS； (17)
其中，SOC0表示初始的SOC，SOCT表示储能系统周期结束时的SOC值，ΔS是一个非常小的常数。
可选的，所述使用鲁棒参数调整对应于所述约束条件的所述预期市场收益模型，得到储能系统在参与所述预定市场时的运行策略模型，包括：
采用变量ut将计算式(6)调整表示为如下计算式：
使用鲁棒参数γ将计算式-δmax≤δt≤δmax调整为如下计算式：
-γδmax≤δt≤γδmax； (19)
基于调整后的上述计算式，构建得到储能系统在参与日前市场时的如下运行策略模型：
其中，γ∈[0，1]，式(20)中的(1)～(5)表示上述的计算式(1)～(5)，(7)～(19)表示上述的计算式(7)～(19)。
一种储能系统的充放电状态确定装置，包括：
预测价格模型构建单元，用于在给定市场价格预测置信区间下，构建电价的不确定预测价格模型；
预期市场收益模型构建单元，用于基于所述不确定预测价格模型，构建储能系统在参与预定市场时的预期市场收益模型；
约束确定单元，用于确定所述预期市场收益模型的约束条件；对应于所述约束条件的所述预期市场收益模型包括储能系统的充放电状态变量；
鲁棒优化单元，用于使用鲁棒参数调整对应于所述约束条件的所述预期市场收益模型，得到储能系统在参与所述预定市场时的运行策略模型；其中，所述鲁棒参数表示蓄能系统运营商的风险等级偏好；
状态确定单元，用于基于所述运行策略模型，确定储能系统在参与所述预定市场时的充放电状态。
可选的，针对所述日前市场，所述预期市场收益模型构建单元，具体用于：
基于所述不确定预测价格模型，构建储能系统在参与日前市场时的最大最小预期市场收益目标函数；
所述最大最小预期市场收益目标函数由日前市场收益、实时市场预期收益和预期运营成本组成。
可选的，所述约束确定单元，具体用于：确定所述预期市场收益模型的充/放电率约束、荷电状态约束和剩余能量约束。
根据以上陈述可知，本申请公开的储能系统的充放电状态确定方法和装置，考虑到电力市场的不确定性，运用鲁棒优化法研究储能系统参与预定市场如日前市场和实时市场时的最优运行策略，对储能系统参与预定市场时的运行策略进行了鲁棒优化，能够尽可能保证电力市场即使在最坏的价格情况下也有一定的利润水平预测。当操作人员面对电力市场信息不完整的情况下，可参考本申请设置储能电池的充放电状态，以获得更高的市场收入，并减少预测错误。
附图说明
为了更清楚地说明本申请实施例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简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，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，还可以根据提供的附图获得其他的附图。
图1是本申请实施例提供的储能系统的充放电状态确定方法流程图；
图2是本申请实施例提供的给定置信区间内的价格预测图；
图3是本申请实施例提供的实际日前和实时市场价格；
图4是本申请实施例提供的第一场景自调度结果图：(a)第一场景充放电功率结果；(b)第二场景SOC结果；
图5是本申请实施例提供的第二场景的自调度结果图：(a)第二场景充放电功率结果；(b)第二场景SOC结果；
图6是本申请实施例提供的不同价格预测置信区间下的预期和实际市场收益图；
图7是本申请实施例提供的储能系统的充放电状态确定装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
发明人经研究发现，由于储能系统的充放电特点，使其对市场价格特别敏感，因此在考虑到所有可能的价格情景下，储能系统的鲁棒运营策略更为重要。由于储能充放电的特点，储能系统的市场收入既包括通过放电行为销售电能的利润，也包括通过充电行为购买电能的成本。如果储能系统(如蓄电池储能系统、新型储能系统等)不能以高价放电，以低价充电，则很可能在某些运营期内总收入为负。因此，在市场价格不确定的情况下，为了保证满意的收益水平，对储能系统运行策略的鲁棒优化有很大的贡献。
鉴于此，本申请提出了一种储能系统的充放电状态确定方法和装置。该方法和装置针对概率分布函数不能精确描述电力市场不确定性的情况，提出了独立运行的储能系统在给定市场价格预测置信区间下的鲁棒运行策略，以保证市场收益最大化。
参见图1，为本申请提供的储能系统的充放电状态确定方法的流程示意图，如图1所述，该方法包括以下的处理步骤：
步骤101、在给定市场价格预测置信区间下，构建电价的不确定预测价格模型。
如果允许进入多个市场，储能系统可以实现经济运营并获得可观利润。本实施例主要考虑了日前市场和实时市场，当然，实施中可以并不限于此。
在日前市场中，储能系统运营商决定并提交次日24小时的能源报价，同时考虑实时市场中可能的发电量调整；在运营日的实时市场中，储能系统可以根据新的价格预测，以及实际充放电率和储能水平，选择在每个时段增加或减少发电量，以获得更多利润。
为了使拟议的战略更加合理，本实施例提出了以下的一些假设：
1)在做日前市场的决策时，日前市场的价格比实时市场的价格更可信，因此被视为已确定；
2)实时市场价格预测误差在一定的置信水平内；
3)储能系统是一个价格接受者，其报价/投标被完全接受。
本实施例在以上假设的基础上，进行不确定预测价格模型的构建。
具体地，由于预测误差，实时市场t的市场价格是一个不确定的参数。不同时间的价格预测误差可能不同，并且总是落在给定的上下限内，即置信区间，具体可参见图2示出的给定置信区间内的价格预测图，本实施例将不确定预测价格模型假设如下：
-δmax≤δt≤δmax； (2)
其中，
表示预期价格；
表示预测价格，δt表示预测误差系数，δmax是预测误差的置信水平，表示最大预测误差范围。
步骤102、基于所述不确定预测价格模型，构建储能系统在参与预定市场时的预期市场收益模型。
可选的，上述的预定市场可以包括但不限于日前市场和/或实时市场。
在接下来的各步骤中，本实施例将以步骤101中所作出的假设基础上的日前市场和实时市场作为运行框架，并以构建的不确定预测价格模型为基础，对参与日前市场和实时市场的储能系统，在制定日前市场和实时市场的运营策略中使用鲁棒优化，以使未来所有时间间隔内的市场期望收益最大化，使得即使在市场价格预测最坏的情况下，鲁棒优化仍可以保证制定的经营计划能够使储能系统获得最大的市场收益。
接下来将主要以在制定日前市场的运营策略中使用鲁棒优化为例，对本申请方案进行说明。
基于以上思路，本步骤102具体在上述不确定预测价格模型的基础上，构建储能系统在参与日前市场时的预期市场收益模型。可选的，构建的该预期市场收益模型，为储能系统在参与日前市场时的最大最小预期市场收益目标函数，该最大最小预期市场收益目标函数由日前市场收益、实时市场预期收益和预期运营成本组成。
具体的，在日前市场对第二天的每小时进行报价/投标决策时，要考虑运行日实时前市场可能的发电量调整，因此，日前市场决策时的预期市场收益由日前市场收益BDAM、实时市场预期收益
和预期运营成本CD组成。因此，针对储能系统在参与日前市场时的预期市场收益，构建以下的目标函数：
其中，BD表示制定日前市场运营决策时的预期收益；BDAM、
和CD分别表示日前市场的预期收益、实时市场的预期收益和预期运营成本；Ωt表示不确定性参数ζt的集合；
和
分别表示t时刻日前市场的充电价格和放电价格；
和
分别表示t时刻日前市场的充电率和放电率；
和
分别表示t时刻增加发电量和减少发电量的预测市场价格，且都与不确定性参数ζt有关；
和
分别表示t时刻实时市场减少的发电量和增加的发电量；Δt表示时间间隔；co表示单位运行成本；ΔEt表示t时刻储能系统能量的预期变化。
步骤103、确定所述预期市场收益模型的约束条件；对应于所述约束条件的所述预期市场收益模型包括储能系统的充放电状态变量。
所确定的上述预期市场收益模型的约束条件，可以包括但不限于该预期市场收益模型的充/放电率约束、荷电状态约束和剩余能量约束中的任意一种或多种。
上述的各方面约束条件具体如下：
1)充/放电率约束
发明人经研究发现，每次储能系统的总充/放电率必须在其允许充/放电率范围内，由此，制定以下的充/放电率约束：
-PN≤PD，t≤PN； (12)
其中，PN为储能系统的额定充/放电功率；PD，t为t时刻的总充/放电率；
和
为布尔变量，分别表示日前市场t时刻储能系统的充放电状态和实时市场t时刻发电量的增减状态。
2)荷电状态约束
发明人经研究发现，储能系统在每个时间间隔的荷电状态(SOC)应限制在允许范围内，由此，制定以下的荷电状态约束：
SOCmin≤SOCt≤SOCmax； (16)
其中，ut是一个布尔变量，表示t时刻储能系统的实际充/放电状态；ηc和ηd分别表示充电效率和放电效率；EN表示储能系统的额定容量；SOCmax和SOCmin分别表示SOC的最大值和最小值；
3)剩余能量约束
发明人经研究发现，为了保证储能系统S的SOC在最后一个时间间隔内保持在一定的水平，应限制SOCT，由此，制定以下的剩余能量约束：
|SOC0-SOCT|≤ΔS； (17)
其中，SOC0表示初始的SOC，SOCT表示蓄电池系统周期结束时的SOC值，ΔS是一个非常小的常数。
步骤104、使用鲁棒参数调整对应于所述约束条件的所述预期市场收益模型，得到储能系统在参与所述预定市场时的运行策略模型；其中，所述鲁棒参数表示储能系统运营商的风险等级偏好。
进一步地，对于变量ut，可基于式(13)将式(6)调整表示为：
并使用表示储能系统运营商的风险等级偏好的鲁棒参数γ将计算式(2)调整为：
-γδmax≤δt≤γδmax； (19)
其中，γ∈[0，1]，γ越大，运营商越规避风险。
在此基础上，基于调整后的上述计算式，构建得到储能系统在参与日前市场时的如下运行策略模型：
其中，式(20)中的(1)～(5)表示上述的计算式(1)～(5)，(7)～(19)表示上述的计算式(7)～(19)。
上述运行策略模型的整体数学模型为具有非线性元素utPD，t的模型，实施中，可选的，可进一步利用McCormick包络，将建立的具有非线性元素utPD，t的模型转化为一个混合整数线性规划(MILP)问题。
步骤105、基于所述运行策略模型，确定储能系统在参与所述预定市场时的充放电状态。
之后，可进一步基于所构建的上述运行策略模型，确定储能系统在参与日前市场时每一时间间隔的充放电状态，以使市场利润实现最大化。
而对于实时市场来说，随着时间的推移，在实时市场上，操作员不断在期间t＝i，i+1，…，T内，调节功率
和
并基于新收到的价格预测信息利用实时市场对应的经鲁棒优化的运行策略模型，确定储能系统的充放电状态，以使市场利润实现最大化。
实时市场与日前市场的企业经营战略的数学模型(即，经鲁棒优化的运行策略模型)相似，只是相比于日前市场来说，实时市场已经知道日前每次充放电功率，功率调整和价格在i＝1,2，…，t-1被确定。
本实施例在日前市场和实时市场的框架下，建立了各场景的运行策略模型，在所有可能的市场预测中实现市场收入最大化的目标函数，并对其进行鲁棒优化，以使在各种场景的市场预测中，均能保证市场收益最大化。
根据以上陈述可知，本实施例公开的储能系统的充放电状态确定方法，考虑到电力市场的不确定性，运用鲁棒优化法研究储能系统参与预定市场如日前市场和实时市场时的最优运行策略，对储能系统参与预定市场时的运行策略进行了鲁棒优化，能够尽可能保证电力市场即使在最坏的价格情况下也有一定的利润水平预测。当操作人员面对电力市场信息不完整的情况下，可参考本申请设置储能电池的充放电状态，以获得更高的市场收入，并减少预测错误。
以下提供本申请方法的一应用实例。
该实例具体以参与日前和实时市场的电池储能为例，并使用MATLAB2018对问题进行编码和求解。储能系统的参数如表1所示：
表1电池储能参数
本实例对预定区域电力市场2018年9月的历史价格进行了调整，如图3所示。以实际实时价格为基础，建立了每次预测实时价格的不确定性集，预测误差为20％，鲁棒参数γ为1。
在此基础上，具有以下的案例研究结果：
案例研究结果：
整个运行策略可以分为两个场景。在第一场景，日前市场的运营策略是考虑到未来一小时内可能发生的变化而制定市场；在第二场景，通过在24实时市场中滚动操作获得最终的自调度结果。第一场景和第二场景的运营策略结果分别如图4和图5所示，市场相关收入如表2所示：
表2市场收入表
| 场景1 | 场景1和场景2 | |
| 期望收入(元) | 2167.6 | 2225.0 |
| 实际收入(元) | 3343.1 | 2245.6 |
| 最大收入(元) | 2248.3 | 2248.3 |
从图4和图5可以看出，由于大多数情况下，日前价格高于实时价格，因此储能系统在日前市场售电放出，在实时市场购电冲入。不同市场的价格差异会影响储能系统在不同市场的调度结果。从表二可以看出，在第一场景和第二场景，预期收入都低于实际收入。同时，通过在运营日每小时不断更新运营策略，最终实际收益大于第一场景的收益，这是因为根据更准确的新收到的价格信息更新运营策略有助于减少价格预测误差的消极影响。然而，由于价格预测误差总是存在于每个决策时间点，并且运行时间表是非常保守的，实际收入总是小于储能系统所能达到的最大收入。需要注意的是，由于日前市场价格与实时市场价格的差异显著，采用仅包括第一场景的运营策略和采用两场景运营策略的收益差距并不十分明显，所提出的操作策略(运行策略)也可应用于更复杂的情况。
以下进一步针对上述实例，进行预测误差的影响分析。
其中，不同价格预测置信区间下的预期收益和实际收益如图6所示。
从图6可以看出，随着价格预测置信区间的增大，市场预期收入和相应的实际收入普遍下降。这是因为预测误差越大，调度越保守，以避免因高价格收费和低价格交易可能造成的经济损失。此外，实际收益总是大于预期收益，且置信度越大，实际收益与预期收益的差距越大，这是因为鲁棒经营策略获得的预期收益与最坏情况相关，实际收益总是大于预期收益，并且随着置信度的增大，最坏情况下的价格误差也随之增大。
对应于上述的储能系统的充放电状态确定方法，本申请实施例还提供了一种储能系统的充放电状态确定装置，参见图7示出的该装置的结构示意图，该装置可以包括：
预测价格模型构建单元701，用于在给定市场价格预测置信区间下，构建电价的不确定预测价格模型；
预期市场收益模型构建单元702，用于基于所述不确定预测价格模型，构建储能系统在参与预定市场时的预期市场收益模型；
约束确定单元703，用于确定所述预期市场收益模型的约束条件；对应于所述约束条件的所述预期市场收益模型包括储能系统的充放电状态变量；
鲁棒优化单元704，用于使用鲁棒参数调整对应于所述约束条件的所述预期市场收益模型，得到储能系统在参与所述预定市场时的运行策略模型；其中，所述鲁棒参数表示储能系统运营商的风险等级偏好；
状态确定单元705，用于基于所述运行策略模型，确定储能系统在参与所述预定市场时的充放电状态。
在本申请实施例的一可选实施方式中，上述预定市场包括日前市场和实时市场；预测价格模型构建单元701，具体用于：
构建如下的电价的不确定预测价格模型：
-δmax≤δt≤δmax； (2)
其中，
表示预期价格；
表示预测价格，δt表示预测误差系数，δmax是预测误差的置信水平，表示最大预测误差范围。
在本申请实施例的一可选实施方式中，针对日前市场，预期市场收益模型构建单元702，具体用于
基于所述不确定预测价格模型，构建储能系统在参与日前市场时的最大最小预期市场收益目标函数；
所述最大最小预期市场收益目标函数由日前市场收益、实时市场预期收益和预期运营成本组成。
在本申请实施例的一可选实施方式中，预期市场收益模型构建单元702，在构建储能系统在参与日前市场时的最大最小预期市场收益目标函数时，具体用于：
构建如下的储能系统在参与日前市场时的最大最小预期市场收益目标函数：
其中，BD表示制定日前市场运营决策时的预期收益；BDAM、
和CD分别表示日前市场的预期收益、实时市场的预期收益和预期运营成本；Ωt表示不确定性参数ζt的集合；
和
分别表示t时刻日前市场的充电价格和放电价格；
和
分别表示t时刻日前市场的充电率和放电率；
和
分别表示t时刻增加发电量和减少发电量的实时市场价格，且都与不确定性参数ζt有关；
和
分别表示t时刻实时市场减少的发电量和增加的发电量；Δt表示时间间隔；co表示单位运行成本；ΔEt表示t时刻储能系统能量的预期变化。
在本申请实施例的一可选实施方式中，约束确定单元703，具体用于：
确定所述预期市场收益模型的充/放电率约束、荷电状态约束和剩余能量约束。
在本申请实施例的一可选实施方式中，约束确定单元703，在确定所述预期市场收益模型的充/放电率约束、荷电状态约束和剩余能量约束时，具体用于：
为所述预期市场收益模型确定如下的充/放电率约束：
-PN≤PD，t≤PN； (12)
其中，PN为储能系统的额定充/放电功率；PD，t为t时刻的总充/放电率；
和
为布尔变量，分别表示日前市场t时刻储能系统的充放电状态和实时市场t时刻发电量的增减状态；
为所述预期市场收益模型确定如下的荷电状态约束：
SOCmin≤SOCt≤SOCmax； (16)
其中，ut是一个布尔变量，表示t时刻储能系统的实际充/放电状态；ηc和ηd分别表示充电效率和放电效率；EN表示储能系统的额定容量；SOCmax和SOCmin分别表示SOC的最大值和最小值；
为所述预期市场收益模型确定如下的剩余能量约束：
|SOC0-SOCT|≤ΔS； (17)
其中，SOC0表示初始的SOC，ΔS是一个非常小的常数。
在本申请实施例的一可选实施方式中，鲁棒优化单元704，具体用于：
采用变量ut将计算式(6)调整表示为如下计算式：
使用鲁棒参数γ将计算式-δmax≤δt≤δmax调整为如下计算式：
-γδmax≤δt≤γδmax； (19)
基于调整后的上述计算式，构建得到储能系统在参与日前市场时的如下运行策略模型：
其中，γ∈[0，1]，式(20)中的(1)～(5)表示上述的计算式(1)～(5)，(7)～(19)表示上述的计算式(7)～(19)。
对于本申请实施例公开的储能系统的充放电状态确定装置而言，由于其与上文相应各方法实施例公开的储能系统的充放电状态确定方法相对应，所以描述的比较简单，相关相似之处请参见上文相应方法实施例的说明即可，此处不再详述。
综上所述，本申请实施例公开的储能系统的充放电状态确定方法和装置，与传统技术相比，至少具备以下技术优势：
1)针对概率分布函数不能精确描述电力市场不确定性的情况，提出了独立运行的储能系统在给定市场价格预测置信区间下的鲁棒运行策略，以保证市场收益最大化；
2)在日前市场和实时市场的框架下，建立了各场景的运行策略模型，并在所有可能的市场预测中实现市场收入最大化的目标函数；
3)考虑到电力市场的不确定性，本申请运用鲁棒优化法研究储能系统参与日前市场和实时市场的最优运行策略，能够保证市场收益最大化。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
为了描述的方便，描述以上系统或装置时以功能分为各种模块或单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的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)执行本申请各个实施例或者实施例的某些部分所述的方法。
最后，还需要说明的是，在本文中，诸如第一、第二、第三和第四等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种储能系统的充放电状态确定方法，其特征在于，包括：
在给定市场价格预测置信区间下，构建电价的不确定预测价格模型；
基于所述不确定预测价格模型，构建储能系统在参与预定市场时的预期市场收益模型；
确定所述预期市场收益模型的约束条件；对应于所述约束条件的所述预期市场收益模型包括储能系统的充放电状态变量；
使用鲁棒参数调整对应于所述约束条件的所述预期市场收益模型，得到储能系统在参与所述预定市场时的运行策略模型；其中，所述鲁棒参数表示储能系统运营商的风险等级偏好；
基于所述运行策略模型，确定储能系统在参与所述预定市场时的充放电状态。
2.根据权利要求1所述的方法，其特征在于，所述预定市场包括日前市场和实时市场；
所述在给定市场价格预测置信区间下，构建电价的不确定预测价格模型，包括：
构建如下的电价的不确定预测价格模型：
-δmax≤δt≤δmax； (2)
其中，
表示预期价格；
表示预测价格，δt表示预测误差系数，δmax是预测误差的置信水平，表示最大预测误差范围。
3.根据权利要求2所述的方法，其特征在于，针对所述日前市场，所述基于所述不确定预测价格模型，构建储能系统在参与预定市场时的预期市场收益模型，包括：
基于所述不确定预测价格模型，构建储能系统在参与日前市场时的最大最小预期市场收益目标函数；
其中，所述最大最小预期市场收益目标函数由日前市场收益、实时市场预期收益和预期运营成本组成。
4.根据权利要求3所述的方法，其特征在于，所述构建储能系统在参与日前市场时的最大最小预期市场收益目标函数，包括：
构建如下的储能系统在参与日前市场时的最大最小预期市场收益目标函数：
其中，BD表示制定日前市场运营决策时的预期收益；BDAM、
和CD分别表示日前市场的预期收益、实时市场的预期收益和预期运营成本；Ωt表示不确定性参数ζt的集合；
和
分别表示t时刻日前市场的充电价格和放电价格；
和
分别表示t时刻日前市场的充电率和放电率；
和
分别表示t时刻增加发电量和减少发电量的预测市场价格，且都与不确定性参数ζt有关；
和
分别表示t时刻实时市场减少的发电量和增加的发电量；Δt表示时间间隔；co表示单位运行成本；ΔEt表示t时刻储能系统能量的预期变化。
5.根据权利要求4所述的方法，其特征在于，所述确定所述预期市场收益模型的约束条件，包括：
确定所述预期市场收益模型的充/放电率约束、荷电状态约束和剩余能量约束。
6.根据权利要求5所述的方法，其特征在于，所述确定所述预期市场收益模型的充/放电率约束、荷电状态约束和剩余能量约束，包括：
为所述预期市场收益模型确定如下的充/放电率约束：
-PN≤PD，t≤PN； (12)
其中，PN为储能系统的额定充/放电功率；PD，t为t时刻的总充/放电率；
和
为布尔变量，分别表示日前市场t时刻储能系统的充放电状态和实时市场t时刻发电量的增减状态；
为所述预期市场收益模型确定如下的荷电状态约束：
SOCmin≤SOCt≤SOCmax； (16)
其中，ut是一个布尔变量，表示t时刻储能系统的实际充/放电状态；ηc和ηd分别表示充电效率和放电效率；EN表示储能系统的额定容量；SOCmax和SOCmin分别表示SOC的最大值和最小值；
为所述预期市场收益模型确定如下的剩余能量约束：
|SOC0-SOCT|≤ΔS； (17)
其中，SOC0表示蓄电池系统的初始SOC值，SOCT表示蓄电池系统周期结束时的SOC值，ΔS是一个非常小的常数。
7.根据权利要求6所述的方法，其特征在于，所述使用鲁棒参数调整对应于所述约束条件的所述预期市场收益模型，得到储能系统在参与所述预定市场时的运行策略模型，包括：
采用变量ut将计算式(6)调整表示为如下计算式：
使用鲁棒参数γ将计算式-δmax≤δt≤δmax调整为如下计算式：
-γδmax≤δt≤γδmax； (19)
基于调整后的上述计算式，构建得到储能系统在参与日前市场时的如下运行策略模型：
其中，γ∈[0，1]，式(20)中的(1)～(6)表示上述的计算式(1)～(6)，(7)～(19)表示上述的计算式(7)～(19)。
8.一种储能系统的充放电状态确定装置，其特征在于，包括：
预测价格模型构建单元，用于在给定市场价格预测置信区间下，构建电价的不确定预测价格模型；
预期市场收益模型构建单元，用于基于所述不确定预测价格模型，构建储能系统在参与预定市场时的预期市场收益模型；
约束确定单元，用于确定所述预期市场收益模型的约束条件；对应于所述约束条件的所述预期市场收益模型包括储能系统的充放电状态变量；
鲁棒优化单元，用于使用鲁棒参数调整对应于所述约束条件的所述预期市场收益模型，得到储能系统在参与所述预定市场时的运行策略模型；其中，所述鲁棒参数表示储能系统运营商的风险等级偏好；
状态确定单元，用于基于所述运行策略模型，确定储能系统在参与所述预定市场时的充放电状态。
9.根据权利要求8所述的装置，其特征在于，针对所述日前市场，所述预期市场收益模型构建单元，具体用于：
基于所述不确定预测价格模型，构建储能系统在参与日前市场时的最大最小预期市场收益目标函数；
所述最大最小预期市场收益目标函数由日前市场收益、实时市场预期收益和预期运营成本组成。
10.根据权利要求9所述的装置，其特征在于，所述约束确定单元，具体用于：确定所述预期市场收益模型的充/放电率约束、荷电状态约束和剩余能量约束。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110578998 | 2021-05-26 | ||
| CN2021105789983 | 2021-05-26 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113283672A true CN113283672A (zh) | 2021-08-20 |
Family
ID=77285241
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110691946.7A Pending CN113283672A (zh) | 2021-05-26 | 2021-06-22 | 一种储能系统的充放电状态确定方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113283672A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024093353A1 (zh) * | 2022-11-04 | 2024-05-10 | 上海电享信息科技有限公司 | 一种虚拟电厂的电力市场交易方法、装置及电子设备 |
-
2021
- 2021-06-22 CN CN202110691946.7A patent/CN113283672A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024093353A1 (zh) * | 2022-11-04 | 2024-05-10 | 上海电享信息科技有限公司 | 一种虚拟电厂的电力市场交易方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111492559B (zh) | 用于能量存储系统的最佳控制的系统和方法 | |
| Perez et al. | Predictive power control for PV plants with energy storage | |
| Cho et al. | Energy storage systems in energy and ancillary markets: A backwards induction approach | |
| Golmohamadi et al. | Stochastic optimization for retailers with distributed wind generation considering demand response | |
| EP4086835A1 (en) | Dynamic non-linear optimization of a battery energy storage system | |
| CN109802412B (zh) | 用户侧负荷聚集商储能容量的优化配置方法 | |
| CN111553750A (zh) | 一种计及电价不确定性和损耗成本的储能竞价策略方法 | |
| CN114971899A (zh) | 新能源参与下的日前、日内和实时市场电能交易优化方法 | |
| CN115513984A (zh) | 储能系统日前充放电功率的确定方法、装置、存储介质 | |
| Mohamed et al. | Stacked revenues for energy storage participating in energy and reserve markets with an optimal frequency regulation modeling | |
| Martinez-Rico et al. | Sizing a battery energy storage system for hybrid renewable power plants based on optimal market participation under different market scenarios | |
| Gandhi et al. | The value of solar forecasts and the cost of their errors: A review | |
| CN113283672A (zh) | 一种储能系统的充放电状态确定方法和装置 | |
| Wang et al. | A risk-averse day-ahead bidding strategy of transactive energy sharing microgrids with data-driven chance constraints | |
| Bakhtvar et al. | A vision of flexible dispatchable hybrid solar‐wind‐energy storage power plant | |
| Subroto et al. | BESS optimal sizing and scheduling for energy arbitrage and frequency containment reserve via dual-loop optimization | |
| CN117114877A (zh) | 一种基于虚拟电厂的中长期电力交易方法及系统 | |
| CN112926811A (zh) | 一种考虑可再生能源消纳责任权重的负荷聚合商购电方法 | |
| CN116362136A (zh) | 一种独立储能系统的自调度优化方法及系统 | |
| CN116012051A (zh) | 一种基于灵活性的新型储能参与电力市场的出清方法 | |
| Garella et al. | Provision of flexibility services through energy communities | |
| Sun et al. | Development status, policy, and market mechanisms for battery energy storage in the US, China, Australia, and the UK | |
| Baik et al. | Business feasibility study for storage-based customer flexibility platform of load-serving entity | |
| CN114549148A (zh) | 虚拟电厂的竞价方法、装置、设备及存储介质 | |
| CN113629781A (zh) | 一种基于empc的多vpp日前日内协调优化方法及装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210820 |