CN113837444B - 一种虚拟电厂参与多重市场的交易出清优化方法 - Google Patents

一种虚拟电厂参与多重市场的交易出清优化方法 Download PDF

Info

Publication number
CN113837444B
CN113837444B CN202110991581.XA CN202110991581A CN113837444B CN 113837444 B CN113837444 B CN 113837444B CN 202110991581 A CN202110991581 A CN 202110991581A CN 113837444 B CN113837444 B CN 113837444B
Authority
CN
China
Prior art keywords
power plant
virtual power
market
generating set
auxiliary service
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
CN202110991581.XA
Other languages
English (en)
Other versions
CN113837444A (zh
Inventor
王世谦
李鹏
刘湘莅
靳勇
余晓鹏
祖文静
鞠立伟
李慧璇
谢安邦
郑永乐
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.)
Economic and Technological Research Institute of State Grid Henan Electric Power Co Ltd
Original Assignee
Economic and Technological Research Institute of State Grid Henan Electric Power Co Ltd
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 Economic and Technological Research Institute of State Grid Henan Electric Power Co Ltd filed Critical Economic and Technological Research Institute of State Grid Henan Electric Power Co Ltd
Priority to CN202110991581.XA priority Critical patent/CN113837444B/zh
Publication of CN113837444A publication Critical patent/CN113837444A/zh
Application granted granted Critical
Publication of CN113837444B publication Critical patent/CN113837444B/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
    • G06Q10/04—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
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (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)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Water Supply & Treatment (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种虚拟电厂参与多重市场的交易出清优化方法，包括以下步骤：首先确定参与主电能量市场与调峰辅助服务市场的虚拟电厂的范围，然后构建虚拟电厂参与主电能量市场与调峰辅助服务市场交易的目标函数，建立考虑主电能量市场与调峰辅助服务市场相关性、新能源出力的不确定性的出清模型，最后根据出清模型计算得到出清结果。本发明能够合理安排在电能量市场与调峰辅助服务市场中的申报容量，引导虚拟电厂更好地提供调峰电量服务，促进清洁能源消纳的同时提高虚拟电厂的收益。

Description

一种虚拟电厂参与多重市场的交易出清优化方法
技术领域
本发明属于虚拟电厂参与市场交易技术领域，具体涉及一种虚拟电厂参与多重市场的交易出清优化方法。
背景技术
在30、60双碳目标和战略目标的引导下，极大地促进了新能源等清洁性能源的发展，而新能源大规模接入电网，由于其出力的随机性与波动性，给电网调峰带来了困难，目前的调峰机组已经不能满足调峰需求，需要进一步挖掘需求侧资源进行调峰，虚拟电厂通过聚合分布式能源、电动汽车、储能系统、柔性负荷等需求侧资源进行调峰，当容量达到一定条件时，能够参与调峰市场，但在该过程中，由于新能源出力的不确定性以及主、辅市场相关性的不明确，都会影响虚拟电厂的调峰过程，不能很好地提供电量服务同时影响虚拟电厂的收益。
发明内容
本发明的目的是为了克服现有技术的不足，而提供一种虚拟电厂参与多重市场的交易出清优化方法，能够更好地提供调峰与电量服务，促进清洁能源消纳同时提高收益。
本发明采用的技术方案为：一种虚拟电厂参与多重市场的交易出清优化方法，包括以下步骤：
步骤1：确定参与主电能量市场与调峰辅助服务市场的虚拟电厂的范围，
虚拟电厂包括风力发电机组、光伏发电机组、电动汽车、储能系统和柔性负荷；
步骤2：构建虚拟电厂参与主电能量市场与调峰辅助服务市场交易的目标函数，
目标函数为：
上式中，为虚拟电厂所获得的净收益，/>为t时刻虚拟电厂分别在主电能量市场、调峰辅助服务市场中所获得的收益，/>为t时刻虚拟电厂的风力发电组与光伏发电机组的成本、/>分别为t时刻虚拟电厂的储能系统成本、电动汽车的充放电成本、柔性负荷进行需求响应的成本；
步骤3：建立考虑主电能量市场与调峰辅助服务市场相关性、新能源出力的不确定性的出清模型，所述新能源包括所述的风力发电机组和光伏发电机组；
步骤4：根据出清模型计算得到出清结果。
具体地，所述虚拟电厂与外部市场运营商管理的主电能量市场和调峰辅助服务市场通过虚拟电厂的能量管理系统进行能量与信息交互、通过常规发电机组进行信息交互。
具体地，在步骤2中，所述t时刻虚拟电厂在主电能量市场获得的收益具体如下：
主电能量市场的收益由虚拟电厂的出清电量和出清价格决定，若虚拟电厂的出清电量大于申报电量，则按照申报电量出清，若出清电量小于申报电量，且偏差率在30％以内，按照实际的出清电量进行出清，否则不予以出清结算，主电能量市场的收益为：
式中，和/>分别为t时刻虚拟电厂在电能量市场中的申报电量、实际出清电量和出清价格，
所述t时刻虚拟电厂在调峰辅助服务市场中获得的收益具体如下：
调峰辅助服务市场的收益由虚拟电厂实际调峰电量与所在档位的调峰出清价格决定，表示如下：
式中，和/>分别为t时刻虚拟电厂在调峰辅助服务市场中的实际调峰电量与调峰出清价格，/>和/>分别为t时刻虚拟电厂的申报电量与实际调用电量；
所述t时刻虚拟电厂的风力发电组与光伏发电机组的成本包括启停成本与运行维护成本，表示如下：
式中，为布尔变量，/>表示风力发电组与光伏发电机组启动，否则未启动，/>和/>分别为风力发电组与光伏发电机组的总启动成本、总停止成本与总运行维护成本，/>为风力发电组与光伏发电机组的总装机容量，
所述t时刻虚拟电厂的储能系统成本包括充放能成本与运行维护成本，表示如下：
式中，为储能系统的布尔变量，/>表示储能系统放能，否则储能系统储能，/>和/>分别为储能系统t时刻放能与充能量，/>为储能系统单位充放能成本，/>为储能系统单位运行维护成本，/>为储能系统的容量，
所述t时刻虚拟电厂的电动汽车的充放电成本与放电深度、电池循环次数相关，具体表示如下：
式中，为电动汽车的购买成本，QEV、LEV和mEV分别为电动汽车的容量、放电深度和电池循环次数，/>为电动汽车t时刻的行驶里程，/>为电动汽车单位行驶里程的耗电功率，/>和/>分别为电动汽车t时刻的放电功率与放电效率，
所述t时刻虚拟电厂的柔性负荷进行需求响应的成本具体表示如下：
式中，为t时刻虚拟电厂聚合的柔性负荷量，a1、a2和a3分别为柔性负荷成本函数的二次、一次与常数项参数。
具体地，在步骤3中，所述新能源出力的不确定，通过生成典型场景集的方法进行表征，具体步骤如下：
A：计算协方差矩阵
所述风力发电机组、光伏发电机组的历史数据由[预测值，实际值]这一组数据构成，将数据进行标幺化，按照0.01的间隔，将风力发电机组、光伏发电机组的预测值划分为100个预测箱，同时将风力发电机组、光伏发电机组的不同时刻出力的相关性运用协方差矩阵仅从表征，表示如下：
Covt＝αCovt-1+(1-α)Kt-D
式中，Covt为t时刻的协方差矩阵，t＝1,2,…,D，α为常数，Kt-D为D维行向量，
Kt-D行向量的获取流程为：首先调用t-D时刻与t时刻的历史数据[预测值，实际值]对应的预测箱的累积概率分布函数，得到实际值的累积概率，进一步通过逆函数得到正态分布数，
Covt矩阵需要进行初始化，对角线上的元素为1，其余元素为0，其初始化公式为：
式中，Covt'服从标准正态分布N(u0,Covt)，u0为D维零向量，
B：削减场景数
采用同步回代消除法削减不典型的场景，具体如下：
式中，为两个场景之间的距离，/>为场景发生的概率。
具体地，在步骤3中，对主电能量市场与调峰辅助服务市场的考虑如下：
主电能量市场与调峰辅助服务市场价格的相关系数矩阵如下表示：
式中，ρep、Cov(λe,λp)分别为主电能量市场价格对调峰辅助服务市场价格的相关系数与协方差，ppe为调峰辅助服务市场价格对主电能量市场价格的相关系数，λe、λp分别为主电能量市场价格的样本与调峰辅助服务市场价格的样本，分别为主电能量市场价格与调峰辅助服务市场价格的方差，
基于相关系数矩阵，采用Cholesky因子分解法对相关系数矩阵进行线性变换，同时采用蒙特卡洛对主电能量市场与调峰辅助服务市场的数据进行模拟，模拟得到符合这些条件的数据，
基于相关性分析得到的主电能量市场价格与调峰辅助服务市场价格的样本数据，并考虑新能源出力的不确定性，对虚拟电厂出清的目标函数进行调整，得到优化后的目标函数，即为出清模型，如下式表示：
本发明的有益效果：能够考虑主电能量市场与调峰辅助服务市场的相关性与新能源的不确定因素，构建优化后的目标函数，得到出清模型，实现主、辅市场的联合优化，形成价格引导信号，虚拟电厂根据主、辅市场的供需关系和价格信号，合理安排在电能量市场与调峰辅助服务市场中的申报容量，引导虚拟电厂更好地提供调峰电量服务，促进清洁能源消纳的同时提高虚拟电厂的收益。
附图说明
图1为本发明的流程图；
图2为虚拟电厂参与主电能量市场与调峰辅助服务市场的交易框架图；
图3为风力发电机组四种场景的出力情况与概率示意图；
图4为光伏发电机组四种场景的出力情况与概率示意图；
图5为柔性负荷与时间的关系曲线示意图；
图6为虚拟电厂在主辅市场中各时段的出清价格示意图；
图7为虚拟电厂在主辅市场的出清量与收益的柱状图；
图8为三种情景下虚拟电厂新能源的消纳情况示意图；
图9为不同样本数量下虚拟电厂的收益示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。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，以下结合实施例具体说明。
本发明公开了一种虚拟电厂参与多重市场的交易出清优化方法，包括以下步骤：
步骤1：确定参与主电能量市场与调峰辅助服务市场的虚拟电厂的范围，
虚拟电厂包括风力发电机组、光伏发电机组、电动汽车、储能系统和柔性负荷，所述虚拟电厂与外部市场运营商管理的主电能量市场和调峰辅助服务市场通过虚拟电厂的能量管理系统进行能量与信息交互、通过常规发电机组进行信息交互；
步骤2：构建虚拟电厂参与主电能量市场与调峰辅助服务市场交易的目标函数，
目标函数为：
上式中，为虚拟电厂所获得的净收益，/>为t时刻虚拟电厂分别在主电能量市场、调峰辅助服务市场中所获得的收益，/>为t时刻虚拟电厂的风力发电组与光伏发电机组的成本、/>分别为t时刻虚拟电厂的储能系统成本、电动汽车的充放电成本、柔性负荷进行需求响应的成本；
所述t时刻虚拟电厂在主电能量市场获得的收益具体如下：
主电能量市场的收益由虚拟电厂的出清电量和出清价格决定，若虚拟电厂的出清电量大于申报电量，则按照申报电量出清，若出清电量小于申报电量，且偏差率在30％以内，按照实际的出清电量进行出清，否则不予以出清结算，主电能量市场的收益为：
式中，和/>分别为t时刻虚拟电厂在电能量市场中的申报电量、实际出清电量和出清价格，
所述t时刻虚拟电厂在调峰辅助服务市场中获得的收益具体如下：
调峰辅助服务市场的收益由虚拟电厂实际调峰电量与所在档位的调峰出清价格决定，表示如下：
式中，和/>分别为t时刻虚拟电厂在调峰辅助服务市场中的实际调峰电量与调峰出清价格，/>和/>分别为t时刻虚拟电厂的申报电量与实际调用电量；
所述t时刻虚拟电厂的风力发电组与光伏发电机组的成本包括启停成本与运行维护成本，表示如下：
式中，为布尔变量，/>表示风力发电组与光伏发电机组启动，否则未启动，/>和/>分别为风力发电组与光伏发电机组的总启动成本、总停止成本与总运行维护成本，/>为风力发电组与光伏发电机组的总装机容量，
所述t时刻虚拟电厂的储能系统成本包括充放能成本与运行维护成本，表示如下：
式中，为储能系统的布尔变量，/>表示储能系统放能，否则储能系统储能，/>和/>分别为储能系统t时刻放能与充能量，/>为储能系统单位充放能成本，/>为储能系统单位运行维护成本，/>为储能系统的容量，
所述t时刻虚拟电厂的电动汽车的充放电成本与放电深度、电池循环次数相关，具体表示如下：
式中，为电动汽车的购买成本，QEV、LEV和mEV分别为电动汽车的容量、放电深度和电池循环次数，/>为电动汽车t时刻的行驶里程，/>为电动汽车单位行驶里程的耗电功率，/>和/>分别为电动汽车t时刻的放电功率与放电效率，
所述t时刻虚拟电厂的柔性负荷进行需求响应的成本具体表示如下：
式中，为t时刻虚拟电厂聚合的柔性负荷量，a1、a2和a3分别为柔性负荷成本函数的二次、一次与常数项参数。
步骤3：建立考虑主电能量市场与调峰辅助服务市场相关性、新能源出力的不确定性的出清模型，所述新能源包括所述的风力发电机组和光伏发电机组；
所述新能源出力的不确定，通过生成典型场景集的方法进行表征，具体步骤如下：
A：计算协方差矩阵
所述风力发电机组、光伏发电机组的历史数据由[预测值，实际值]这一组数据构成，将数据进行标幺化，按照0.01的间隔，将风力发电机组、光伏发电机组的预测值划分为100个预测箱，同时将风力发电机组、光伏发电机组的不同时刻出力的相关性运用协方差矩阵仅从表征，表示如下：
Covt＝αCovt-1+(1-α)Kt-D
式中，Covt为t时刻的协方差矩阵，t＝1,2,…,D，α为常数，Kt-D为D维行向量，
Kt-D行向量的获取流程为：首先调用t-D时刻与t时刻的历史数据[预测值，实际值]对应的预测箱的累积概率分布函数，得到实际值的累积概率，进一步通过逆函数得到正态分布数，
Covt矩阵需要进行初始化，对角线上的元素为1，其余元素为0，其初始化公式为：
式中，Covt'服从标准正态分布N(u0,Covt)，u0为D维零向量，
B：削减场景数
采用同步回代消除法削减不典型的场景，具体如下：
式中，为两个场景之间的距离，/>为场景发生的概率。
具体地，在步骤3中，对主电能量市场与调峰辅助服务市场的考虑如下：
主电能量市场与调峰辅助服务市场价格的相关系数矩阵如下表示：
式中，ρep、Cov(λe,λp)分别为主电能量市场价格对调峰辅助服务市场价格的相关系数与协方差，ppe为调峰辅助服务市场价格对主电能量市场价格的相关系数，λe、λp分别为主电能量市场价格的样本与调峰辅助服务市场价格的样本，分别为主电能量市场价格与调峰辅助服务市场价格的方差，
基于相关系数矩阵，采用Cholesky因子分解法对相关系数矩阵进行线性变换，同时采用蒙特卡洛对主电能量市场与调峰辅助服务市场的数据进行模拟，模拟得到符合这些条件的数据，
基于相关性分析得到的主电能量市场价格与调峰辅助服务市场价格的样本数据，并考虑新能源出力的不确定性，对虚拟电厂出清的目标函数进行调整，得到优化后的目标函数，即为出清模型，如下式表示：
步骤4：根据出清模型计算得到出清结果。
具体工作流程如下：如图2所示，本实施例以某一聚合风力发电机组、光伏发电机组、电动汽车、储能系统和柔性负荷的虚拟电厂为例，其中包含20辆功率为40KW的电动汽车，储能电站功率为0.8MW，按照本发明所提出的不确定性分析方法，将风力发电机组与光伏发电机组分别形成四种典型场景，如图3 和图4所示，显示了每种场景的出力情况与概率，虚拟电厂中的柔性负荷与时间的关系曲线如图5所示，其中上边的虚线条代表负荷，下边的虚线条代表柔性负荷，假设电网在每时刻都存在调峰需求，电网系统公布的调峰需求如表1 所示：
表1调峰需求(MW)
时段 1 2 3 4 5 6 7 8 9 10 11 12
调峰需求 2.76 2.98 3.12 3.16 3.27 3.41 3.54 3.58 3.69 3.72 4.02 5.13
时段 13 14 15 16 17 18 19 20 21 22 23 24
调峰需求 5.18 5.28 4.07 3.81 3.26 3.89 4.34 4.58 4.01 2.72 2.61 2.17
根据调峰需求以及虚拟电厂内部各机组的信息，市场运营商结合其余常规机组提交的申报信息，在主电能量市场与调峰辅助服务市场中进行出清，得到在主电能量市场与调峰辅助服务市场中各时段的出清价格如图6所示，由图6 可知，主电能量市场价格与调峰辅助服务市场价格在各时段不断波动，一方面，这两个市场的价格波动趋势一致，这说明主电能量市场与调峰辅助服务市场的价格存在相关性；另一方面，在两个市场中，11:00-14:00与18:00-21:00这两个时间段的价格高于其余时间段，这是因为在这两个时间段为负荷高峰时期，电网系统对调峰需求与电量需求均较高，基于主电能量市场与调峰辅助服务市场的价格，得到虚拟电厂在主电能量市场与调峰辅助服务市场的出清量与收益如图7所示，每组中的三列柱形条从左到右依次代表主电能量市场收益、调峰辅助服务市场收益和总收益，由图7可知，在电能量市场与调峰辅助服务市场中的出清电量与出清价格呈现出高度正相关，1；00-10:00与22:00-24:00出清价格较低，虚拟电厂此时在主电能量市场与调峰辅助服务市场中的出清电量也相对较低，同时整体来看，虚拟电厂在电能量市场中获得的收益为5171.95元，高于在调峰辅助服务市场中的收益4972.58元。
验证：为了进一步分析主辅市场联合交易的效果，基于主电能量市场与调峰辅助服务市场的相关性，本发明设计如下三种情景进行分析：
情景1：虚拟电厂单独参与电能量市场，不参与调峰辅助服务市场；
情景2：虚拟电厂同时参与电能量市场与调峰辅助服务市场，但是两市场单独展开，不联合交易；
情景3：虚拟电厂同时参与电能量市场与调峰辅助服务市场，两市场联合交易出清。
得到上述三种情景下虚拟电厂新能源消纳情况如图8所示，由图8可知，考虑主电能量市场与调峰辅助服务市场的情景3的各时刻风力发电、光伏发电等清洁能源消纳量高于情景1与情景2，这是因为情景3在两市场同时出清与同时优化，能够降低风力发电机组和光伏发电机组出力不确定性带来的影响，促进新能源的消纳，三种情景下新能源的总消纳量与收益如表2所示：
表2不同情景下新能源消纳与收益
情景 新能源消纳量(MW) 电量收益(元) 调峰收益(元) 总收益(元)
情景1 39.66 9201.12 0 9201.12
情景2 40.91 4728.91 4702.33 9431.24
情景3 46.27 5171.95 4972.58 10144.52
由表2可知，情景3的新能源消纳量为46.27MW>情景2的40.91MW>情景1 的39.66MW，情景3的总收益10144.52元>情景2的9431.24元>情景1的9201.12 元，说明主电能量市场与调峰辅助服务市场联合优化能够促进清洁能源的消纳，同时提高虚拟电厂的收益，这是因为，主电能量市场与调峰辅助服务市场联合优化，能够形成价格引导信号，虚拟电厂根据主电能量市场与调峰辅助服务市场的供需关系与价格信号，合理安排在主电能量市场与调峰辅助服务市场中的申报容量，引导虚拟电厂更好地提供调峰与电量服务，促进清洁能源消纳同时提高收益。
由于模型求解基于蒙特卡洛模拟法进行的，因此需要对样本数量说明，据此分析不同样本数量下虚拟电厂的收益如图9所示，由图9可知，样本数量为 600、800、1000时，虚拟电厂所获收益的波动性小于样本数量为100、200、400 时的收益，因此，为了求解的稳定性，取样本数量为800。在样本数量的基础上，进一步设置如下三种情景分析不确定性与相关性对于虚拟电厂的影响：
情景1：仅考虑新能源出力的不确定性，不考虑主辅市场价格的相关性；
情景2：不考虑新能源出力的不确定性，仅考虑主辅市场价格的相关性；
情景3：既考虑新能源出力的不确定性，也考虑主辅市场价格的相关性。
得到三种情景下的虚拟电厂收益与结算偏差成本如表3所示，其中结算偏差成本为申报电量与实际结算电量之差与结算价格的乘积，
表3不同情景下虚拟电厂收益与结算偏差成本
结算偏差成本(元) 虚拟电厂收益(元)
情景1 1038.92 9321.88
情景2 897.31 9510.24
情景3 591.24 10144.52
由表3可知，情景1下的结算偏差成本最高，情景3的结算偏差成本最低，这是因为不考虑新能源出力不确定性，容易造成虚拟电厂在申报时的申报容量过大或者过小，当申报过大，偏差超过30％时，此时不予以结算；申报过小，会导致实际结算费用低于应该的结算费用，造成虚拟电厂的收益降低。而针对不考虑主辅市场价格相关性的情景2，由于不考虑两者价格的相关性，会导致虚拟电厂无法合理安排在主电能量市场与调峰辅助服务市场的申报容量，降低了虚拟电厂的收益。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，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，因此旨在将落在权利要求的得同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (3)

1.一种虚拟电厂参与多重市场的交易出清优化方法，其特征在于，包括以下步骤：
步骤1：确定参与主电能量市场与调峰辅助服务市场的虚拟电厂的范围，
虚拟电厂包括风力发电机组、光伏发电机组、电动汽车、储能系统和柔性负荷；
步骤2：构建虚拟电厂参与主电能量市场与调峰辅助服务市场交易的目标函数，
目标函数为：
上式中，为虚拟电厂所获得的净收益，/>为t时刻虚拟电厂分别在主电能量市场、调峰辅助服务市场中所获得的收益，/>为t时刻虚拟电厂的风力发电组与光伏发电机组的成本、/>分别为t时刻虚拟电厂的储能系统成本、电动汽车的充放电成本、柔性负荷进行需求响应的成本；
步骤3：建立考虑主电能量市场与调峰辅助服务市场相关性、新能源出力的不确定性的出清模型，所述新能源包括所述的风力发电机组和光伏发电机组；
步骤4：根据出清模型计算得到出清结果；
在步骤3中，所述新能源出力的不确定，通过生成典型场景集的方法进行表征，具体步骤如下：
A：计算协方差矩阵
所述风力发电机组、光伏发电机组的历史数据由[预测值，实际值]这一组数据构成，将数据进行标幺化，按照0.01的间隔，将风力发电机组、光伏发电机组的预测值划分为100个预测箱，同时将风力发电机组、光伏发电机组的不同时刻出力的相关性运用协方差矩阵仅从表征，表示如下：
Covt＝αCovt-1+(1-α)Kt-D
式中，Covt为t时刻的协方差矩阵，t＝1,2,…,D，α为常数，Kt-D为D维行向量，
Kt-D行向量的获取流程为：首先调用t-D时刻与t时刻的历史数据[预测值，实际值]对应的预测箱的累积概率分布函数，得到实际值的累积概率，进一步通过逆函数得到正态分布数，
Covt矩阵需要进行初始化，对角线上的元素为1，其余元素为0，其初始化公式为：
式中，Cov′t服从标准正态分布N(u0,Covt)，u0为D维零向量，
B：削减场景数
采用同步回代消除法削减不典型的场景，具体如下：
式中，为两个场景之间的距离，/>为场景发生的概率；
在步骤3中，对主电能量市场与调峰辅助服务市场的考虑如下：
主电能量市场与调峰辅助服务市场价格的相关系数矩阵如下表示：
式中，ρep、Cov(λe,λp)分别为主电能量市场价格对调峰辅助服务市场价格的相关系数与协方差，ppe为调峰辅助服务市场价格对主电能量市场价格的相关系数，λe、λp分别为主电能量市场价格的样本与调峰辅助服务市场价格的样本，分别为主电能量市场价格与调峰辅助服务市场价格的方差，
基于相关系数矩阵，采用Cholesky因子分解法对相关系数矩阵进行线性变换，同时采用蒙特卡洛对主电能量市场与调峰辅助服务市场的数据进行模拟，模拟得到符合这些条件的数据，
基于相关性分析得到的主电能量市场价格与调峰辅助服务市场价格的样本数据，并考虑新能源出力的不确定性，对虚拟电厂出清的目标函数进行调整，得到优化后的目标函数，即为出清模型，如下式表示：
2.根据权利要求1所述的一种虚拟电厂参与多重市场的交易出清优化方法，其特征在于：所述虚拟电厂与外部市场运营商管理的主电能量市场和调峰辅助服务市场通过虚拟电厂的能量管理系统进行能量与信息交互、通过常规发电机组进行信息交互。
3.根据权利要求1所述的一种虚拟电厂参与多重市场的交易出清优化方法，其特征在于：在步骤2中，所述t时刻虚拟电厂在主电能量市场获得的收益具体如下：
主电能量市场的收益由虚拟电厂的出清电量和出清价格决定，若虚拟电厂的出清电量大于申报电量，则按照申报电量出清，若出清电量小于申报电量，且偏差率在30％以内，按照实际的出清电量进行出清，否则不予以出清结算，主电能量市场的收益为：
式中，和/>分别为t时刻虚拟电厂在电能量市场中的申报电量、实际出清电量和出清价格，
所述t时刻虚拟电厂在调峰辅助服务市场中获得的收益具体如下：
调峰辅助服务市场的收益由虚拟电厂实际调峰电量与所在档位的调峰出清价格决定，表示如下：
式中，和/>分别为t时刻虚拟电厂在调峰辅助服务市场中的实际调峰电量与调峰出清价格，/>和/>分别为t时刻虚拟电厂的申报电量与实际调用电量；
所述t时刻虚拟电厂的风力发电组与光伏发电机组的成本包括启停成本与运行维护成本，表示如下：
式中，为布尔变量，/>表示风力发电组与光伏发电机组启动，否则未启动，和/>分别为风力发电组与光伏发电机组的总启动成本、总停止成本与总运行维护成本，/>为风力发电组与光伏发电机组的总装机容量，
所述t时刻虚拟电厂的储能系统成本包括充放能成本与运行维护成本，表示如下：
式中，为储能系统的布尔变量，/>表示储能系统放能，否则储能系统储能，和/>分别为储能系统t时刻放能与充能量，/>为储能系统单位充放能成本，/>为储能系统单位运行维护成本，/>为储能系统的容量，
所述t时刻虚拟电厂的电动汽车的充放电成本与放电深度、电池循环次数相关，具体表示如下：
式中，为电动汽车的购买成本，QEV、LEV和mEV分别为电动汽车的容量、放电深度和电池循环次数，/>为电动汽车t时刻的行驶里程，/>为电动汽车单位行驶里程的耗电功率，和/>分别为电动汽车t时刻的放电功率与放电效率，
所述t时刻虚拟电厂的柔性负荷进行需求响应的成本具体表示如下：
式中，为t时刻虚拟电厂聚合的柔性负荷量，a1、a2和a3分别为柔性负荷成本函数的二次、一次与常数项参数。
CN202110991581.XA 2021-08-26 2021-08-26 一种虚拟电厂参与多重市场的交易出清优化方法 Active CN113837444B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110991581.XA CN113837444B (zh) 2021-08-26 2021-08-26 一种虚拟电厂参与多重市场的交易出清优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110991581.XA CN113837444B (zh) 2021-08-26 2021-08-26 一种虚拟电厂参与多重市场的交易出清优化方法

Publications (2)

Publication Number Publication Date
CN113837444A CN113837444A (zh) 2021-12-24
CN113837444B true CN113837444B (zh) 2023-12-26

Family

ID=78961450

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110991581.XA Active CN113837444B (zh) 2021-08-26 2021-08-26 一种虚拟电厂参与多重市场的交易出清优化方法

Country Status (1)

Country Link
CN (1) CN113837444B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114757699B (zh) * 2022-04-11 2024-06-14 国网浙江省电力有限公司经济技术研究院 电力调峰辅助服务市场分级出清方法、装置、设备及介质
CN115147245B (zh) * 2022-09-01 2023-09-19 东北大学 一种工业负荷参与调峰辅助服务的虚拟电厂优化调度方法
CN116306030A (zh) * 2023-05-16 2023-06-23 南方电网数字电网研究院有限公司 考虑预测误差和波动分布的新能源预测动态场景生成方法
CN117541300B (zh) * 2024-01-08 2024-06-04 国网浙江省电力有限公司宁波供电公司 虚拟电厂交易管理方法、系统、设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007058760A (ja) * 2005-08-26 2007-03-08 Mitsubishi Electric Corp エネルギー取引支援システム及びエネルギー取引支援プログラム
CN108960510A (zh) * 2018-07-04 2018-12-07 四川大学 一种基于两阶段随机规划的虚拟电厂优化交易策略模型
WO2019196375A1 (zh) * 2018-04-13 2019-10-17 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
CN112529622A (zh) * 2020-12-08 2021-03-19 国网河南省电力公司经济技术研究院 基于虚拟电厂的多元小微主体参与现货市场的出清方法
CN112580850A (zh) * 2020-11-13 2021-03-30 国网河南综合能源服务有限公司 一种电力调峰市场的出清方法及系统
CN112598175A (zh) * 2020-12-22 2021-04-02 上海电力大学 一种流域型虚拟电厂调度方法
CN113177323A (zh) * 2021-05-14 2021-07-27 华北电力大学 基于矩不确定分布式鲁棒的电热综合系统优化调度方法
CN113190963A (zh) * 2021-03-30 2021-07-30 国网上海市电力公司 一种虚拟电厂参与电力调峰辅助服务市场的出清方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007058760A (ja) * 2005-08-26 2007-03-08 Mitsubishi Electric Corp エネルギー取引支援システム及びエネルギー取引支援プログラム
WO2019196375A1 (zh) * 2018-04-13 2019-10-17 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
CN108960510A (zh) * 2018-07-04 2018-12-07 四川大学 一种基于两阶段随机规划的虚拟电厂优化交易策略模型
CN112580850A (zh) * 2020-11-13 2021-03-30 国网河南综合能源服务有限公司 一种电力调峰市场的出清方法及系统
CN112529622A (zh) * 2020-12-08 2021-03-19 国网河南省电力公司经济技术研究院 基于虚拟电厂的多元小微主体参与现货市场的出清方法
CN112598175A (zh) * 2020-12-22 2021-04-02 上海电力大学 一种流域型虚拟电厂调度方法
CN113190963A (zh) * 2021-03-30 2021-07-30 国网上海市电力公司 一种虚拟电厂参与电力调峰辅助服务市场的出清方法
CN113177323A (zh) * 2021-05-14 2021-07-27 华北电力大学 基于矩不确定分布式鲁棒的电热综合系统优化调度方法

Also Published As

Publication number Publication date
CN113837444A (zh) 2021-12-24

Similar Documents

Publication Publication Date Title
CN113837444B (zh) 一种虚拟电厂参与多重市场的交易出清优化方法
Wang et al. A scenario-based stochastic optimization model for charging scheduling of electric vehicles under uncertainties of vehicle availability and charging demand
Zheng et al. Day-ahead bidding strategy for electric vehicle aggregator enabling multiple agent modes in uncertain electricity markets
Sen et al. A stochastic programming approach to power portfolio optimization
Zhang et al. Credit rating based real-time energy trading in microgrids
CN109389327B (zh) 基于风光不确定性的多虚拟电厂时前合作方法
Zhong et al. Cooperative operation of battery swapping stations and charging stations with electricity and carbon trading
Seyfi et al. Scenario-based robust energy management of CCHP-based virtual energy hub for participating in multiple energy and reserve markets
Porras et al. An efficient robust approach to the day-ahead operation of an aggregator of electric vehicles
Dadashi et al. Coordination of wind power producers with an energy storage system for the optimal participation in wholesale electricity markets
Lei et al. Bridging electricity market and carbon emission market through electric vehicles: Optimal bidding strategy for distribution system operators to explore economic feasibility in China's low-carbon transitions
Falabretti et al. Scheduling and operation of RES-based virtual power plants with e-mobility: A novel integrated stochastic model
Loschan et al. Flexibility potential of aggregated electric vehicle fleets to reduce transmission congestions and redispatch needs: A case study in Austria
CN115764863A (zh) 一种基于数据驱动的多微网合作运行方法
Hayati et al. A two-stage stochastic optimization scheduling approach for integrating renewable energy sources and deferrable demand in the spinning reserve market
Gharibi et al. Deep learning framework for day-ahead optimal charging scheduling of electric vehicles in parking lot
Khalilisenobari et al. Impact of battery degradation on market participation of utility-scale batteries: Case studies
CN116362136A (zh) 一种独立储能系统的自调度优化方法及系统
CN110929978A (zh) 一种电力市场风险评估方法及评估系统
CN114708071A (zh) 考虑虚拟电厂对现货市场结算影响的双层竞价系统及方法
CN111784540A (zh) 一种基于多目标粒子群算法的云储能优化出清方法
Chen et al. Optimal generation bidding strategy for CHP units in deep peak regulation ancillary service market based on two-stage programming
Wang et al. Optimization of Regional Integrated Energy System Cluster Based on Multi-agent Game
US20240097444A1 (en) Hybrid system and method for distributed virtual power plants integrated intelligent net zero
Li et al. Optimal Capacity Allocation of Photovoltaic Energy Storage Charging Station Considering CVaR Assessment for Low Revenue Risk

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