CN114201858A - 一种新能源实时电价的定价方法 - Google Patents

一种新能源实时电价的定价方法 Download PDF

Info

Publication number
CN114201858A
CN114201858A CN202111391740.9A CN202111391740A CN114201858A CN 114201858 A CN114201858 A CN 114201858A CN 202111391740 A CN202111391740 A CN 202111391740A CN 114201858 A CN114201858 A CN 114201858A
Authority
CN
China
Prior art keywords
new energy
real
time
price
load
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
CN202111391740.9A
Other languages
English (en)
Inventor
袁亮
柳张杰
刘绪斌
黄婧杰
粟梅
孙尧
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.)
Central South University
Original Assignee
Central South 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 Central South University filed Critical Central South University
Priority to CN202111391740.9A priority Critical patent/CN114201858A/zh
Publication of CN114201858A publication Critical patent/CN114201858A/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
    • G06Q30/0283—Price estimation or determination
    • 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
    • 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
    • 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
    • G06F2113/04—Power grid distribution networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种新能源实时电价的定价方法，包括：在供应侧，利用标准化‑欧式距离挖掘影响新能源实时电价的相关因素，包括系统电价、新能源预测上网量及负荷需求预测量，提出各相关因素与新能源实时供电价之间的拟合函数关系；在需求侧，利用价格需求响应弹性矩阵表示售电价与负荷大小的函数关系；将两侧函数关系计入成本效益目标，建立min‑max模型，作为“源‑荷”实时供需的实时供、售电定价模型；在考虑不同场景情况下，建立min‑max多场景目标函数，利用拉格朗日优化对偶理论对模型转换并求解。本发明具有原理简单、易实现、可平抑负荷波动、提高新能源消纳等优点。

Description

一种新能源实时电价的定价方法
技术领域
本发明主要涉及到电力运营技术领域，特指一种新能源实时电价的定价方法。
背景技术
随着可再生能源并网的高速发展，其电价研究也随着出现多样化趋势。目前新能源发电电价是由成本和补贴构成：成本主要是按照财务核算的方法，比如利用测算建设成本、节能成本、运行维护成本、环境价值等方面制定电价标准。由于可再生能源发展初期投资成本较高，各国为鼓励可再生能源的发展，采取各种相关补贴政策以保证机组收益：我国目前对可再生能源采用的电价政策为固定的标杆上网电价，其中包含部分可再生能源发电补贴；北欧电力公司为可再生能源发电商提供贷款担保和税收减免。随着新能源发电的节能减排特点凸显，新能源发电成本可设定为动态电价，分为固定成本电价和反映新能源带来的环境价值和节能减排价值的浮动电价。另一种是市场行为下的定价方式：德国可再生能源按照电力市场规则与其他电源无差别竞价上网并承担类似于常规电源的电力系统平衡义务，同时政府为并网可再生能源提供上网电价和市场参考价格差值的溢价补贴；英国针对可再生能源发电机组等间歇性发电资源，采取差价合约，合同价格设置为电力市场可再生能源机组日前出清价格的加权平均值，当市场价格低于合同价格时，可再生能源发电商获得差额价格结算收益，当市场价格高于合同价格时，发电商偿还差额收益。
随着可再生能源装机增加，发电成本下降，因此相关政策性价格如补贴、溢价和差价合约将退坡。而成本的下降必将使得新能源具有较强市场力，参与市场也是一种必然。而供求关系是市场化必然遵循的规律，在新能源发电过程中，供大于求会造成大量弃风弃光，供小于求会导致切负荷电量增加，其根本原因在于新能源与负荷在时间尺度上的不协调，本质上为供需关系在时间上不对等。
为了实现电力系统功率供需平衡，当前主要技术手段有调度控制有序用电、弃风弃光以及利用储能参与辅助服务市场消除功率偏差。现有经济手段方面研究在需求侧是通过响应分时电价改变需求；在供应侧目前研究是通过量化系统实时电价与当地风力发电量之间的相关性，以评估风力发电的市场价值与预期收益，确定可再生能源实时上网电价。而可再生能源上网电价除与其发电量有关，还与市场出清时的上网电量相关。有从业者提出风力预测发电量与实际上网电量比率与价格之间相关性的数学模型，以此反映新能源发电对电力系统功率平衡和定价的影响。但是，由于供需平衡是在满足功率供给与需求相等时，即电源侧功率与负荷功率两条曲线的交点为均衡条件下的均衡点，因此可再生能源实时上网电价应与其实时上网功率及负荷功率相关。
由于新能源发电功率、负荷功率具有随机性必然导致实时电价具有随机性。目前随机问题的优化模型主要有鲁棒优化、模糊优化和分布式鲁棒优化等模型。其中，鲁棒优化中min-max模型，可假定随机参数概率分布未知，只需要设定其波动范围，便可使目标函数在参数波动范围内最差的情况下，实现外层模型的最优解，所以能较好地适用于求解未知概率分布却具有随机性的实时电价。
发明内容
本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种原理简单、易实现、可平抑负荷波动、提高新能源消纳的新能源实时电价的定价方法。
为解决上述技术问题，本发明采用以下技术方案：
一种新能源实时电价的定价方法，其包括：
在供应侧，利用标准化-欧式距离挖掘影响新能源实时电价的相关因素，包括系统电价、新能源预测上网量及负荷需求预测量，提出各相关因素与新能源实时供电价之间的拟合函数关系；
在需求侧，利用价格需求响应弹性矩阵表示售电价与负荷大小的函数关系；
将两侧函数关系计入成本效益目标，建立min-max模型，作为“源-荷”实时供需的实时供、售电定价模型；
在考虑不同场景情况下，建立min-max多场景目标函数，利用拉格朗日优化对偶理论对模型转换并求解。
作为本发明方法的进一步改进：由新能源-负荷引起的日内功率波动，构建基于供需关系的实时供售电定价min-max模型，在实现传统机组调节费用最小的情况下，同时使得新能源消纳效益最大。
作为本发明方法的进一步改进：所构建的具体目标函数为：
Figure BDA0003364662220000031
Figure BDA0003364662220000032
上式中，供售电两侧新能源电价FR，负荷电价q为优化变量，
Figure BDA0003364662220000033
为新能源日前预测上网电量，
Figure BDA0003364662220000034
为电价调整后的新能源实际上网电量，T为时段数目；PGi,t为火电机组i在时段t内的计划发电量；△PGi,t(q)为火电机组i在时段t的调节功率；Ci,t(·)为火电机组i在时段t的发电成本函数，ai,bi,ci为火电机组发电成本系数；cT为火电机组的单位功率调节费用；n为机组数目。
作为本发明方法的进一步改进：通过下式获得系统达到实时功率平衡时所需的火电机组调节费用，其中△PGi,t(q)是与新能源-负荷两侧实时电价相关：
Figure BDA0003364662220000035
作为本发明方法的进一步改进：设定不同场景的目标函数：
(1)成本小效益大场景：在传统机组调节成本最小的情况下，最大化新能源消纳效益；此时的目标函数为：
Figure BDA0003364662220000041
(2)效益大成本小场景：在新能源消纳效益最大的情况下，最小化传统机组调节成本；此时的目标函数为基本目标函数：
Figure BDA0003364662220000042
(3)效益大成本零场景：当传统机组调节能力严重受限时，此时在新能源消纳效益最大的情况下，最小化传统机组调节成本：
Figure BDA0003364662220000043
Figure BDA0003364662220000044
作为本发明方法的进一步改进：对运行增加一定约束，所述约束包括：功率平衡约束；
在日内实时运行情况时，会出现功率预测误差，功率平衡公式转换为：
PG,t+PW,t+△PW,t(FR)＝PL,t+△PL,t(q)+△Punb.
t＝1,2,…,T
△PW,t(FR)＝PW,t(FR)-PW,t
式中：△PW,t(FR)为日内新能源上网功率调整量，△Punb.为日内功率预测误差。
作为本发明方法的进一步改进：对运行增加一定约束，所述约束包括：常规机组出力约束；常规机组参与调度主要受到出力约束、爬坡约束和启停时间约束；
Figure BDA0003364662220000045
式中，
Figure BDA0003364662220000046
和
Figure BDA0003364662220000047
分别为常规机组i在时段t前的持续运行时间和持续停机时间；
Figure BDA0003364662220000048
和
Figure BDA0003364662220000049
分别为常规机组的最小持续运行时间和最小持续停机时间。
作为本发明方法的进一步改进：对运行增加一定约束，所述约束包括：新能源出力约束；新能源预测上网电量与日内上网调整电量之和不得高于新能源预测发电量：
PW,t+△PWd,t≤PW.pred.
式中，△PWd,t为新能源通过日内实时价格调整电量，PW,pred.为新能源预测发电量。
作为本发明方法的进一步改进：对运行增加一定约束，所述约束包括：需求响应约束；各个时段通过价格调用的需求侧负荷是有限的：
PLmin≤PL,t≤PLmax
Figure BDA0003364662220000051
式中：PL max和PL min分别表示需求响应负荷的上下限。Spmax和Spmin分别表示需求响应负荷在T周期内的总容量上下限。
作为本发明方法的进一步改进：对运行增加一定约束，所述约束包括：电价约束；供售电电价使联动的新能源出力和负荷在机组允许范围内：
qt-FRt≤c
FR.min≤FR(t)≤FR.max
qmin≤q(t)≤qmax
其中FR.min、FR.max分别为新能源出力响应电价的最小值和最大值，qmin、qmax分别为需求响应电价的最小值和最大值。
与现有技术相比，本发明的优点就在于：
1、本发明的新能源实时电价的定价方法，根据新能源及其市场价格的相关数据统计，分析得到新能源实时电价与供需关系密切相关。利用标准化-欧氏距离处理后的各新能源相关因素与新能源实时电价的数学特性函数能准确反映电力系统供需平衡关系。
2、本发明的新能源实时电价的定价方法，利用市场价格实现“源-荷”不同时间尺度上的协调是一种有效的技术调节手段。相比于由传统技术手段平抑日内预测误差的方式，利用实时电价对新能源-负荷曲线进行调整实现功率平衡，有利于促进新能源消纳和传统机组出力平稳。
3、本发明的新能源实时电价的定价方法，在不同场景下的不同模型中，利用供需关系实时电价模型，可平抑负荷波动，提高新能源消纳，同时无论从煤耗量、调频费用和低碳情况来说均能在各场景下实现最优，社会整体效益得到提升。
4、本发明的新能源实时电价的定价方法，电力系统灵活调节能力对新能源与负荷的影响较大。对碳中和进程中可能出现的系统调节困难等问题，本发明所提基于供需关系下的实时电价可为储能、P2G等实时调整和服务提供价格空间。
附图说明
图1是本发明方法的流程示意图。
图2是本发明在具体应用实例中日前各源-荷出力曲线示意图。
图3是本发明在具体应用实例中日内电量预测误差示意图。
图4是本发明在具体应用实例中场景一日内实际源-荷曲线示意图。
图5是本发明在具体应用实例中场景二实时电价调整下日内源-荷曲示意图。
图6是本发明在具体应用实例中实时电价与新能源上网电量关系示意图。
图7是本发明在具体应用实例中不同场景下电源侧电量与负荷需求量的示意图。
图8是本发明在具体应用实例中不同场景下新能源弃风情况的示意图。
图9是本发明在具体应用实例中各场景下传统机组出力情况示意图。
图10是本发明在具体应用实例中传统机组调节能力对源-荷曲线影响示意图。
图11是本发明在具体应用实例中不同电力系统状态新能源上网电量与实时电价关系示意图。
具体实施方式
以下将结合说明书附图和具体实施例对本发明做进一步详细说明。
随着新型通讯技术和控制技术的发展，实时定价使“源-荷”侧相互响应成为可能。本发明通过新能源、负荷与市场出清价之间回归分析，挖掘出了新能源与其实时电价的相关特性函数，因而提出考虑“源-荷”供需平衡的实时供、售电定价方法。
如图1所示，本发明的新能源实时电价的定价方法，其包括：
在供应侧，利用标准化-欧式距离挖掘影响新能源实时电价的相关因素，包括系统电价、新能源预测上网量及负荷需求预测量，提出各相关因素与新能源实时供电价之间的拟合函数关系；
在需求侧，利用价格需求响应弹性矩阵表示售电价与负荷大小的函数关系；
将两侧函数关系计入成本效益目标，以传统机组调节成本最小、新能源消纳效益最大，建立min-max模型，作为“源-荷”实时供需的实时供、售电定价模型；
在考虑不同场景情况下，建立min-max多场景目标函数，利用拉格朗日优化对偶理论对模型转换并求解。
在具体应用实例中，本发明是针对由新能源-负荷引起的日内功率波动，提出一种基于供需关系的实时供售电定价min-max模型，在实现传统机组调节费用最小的情况下，同时使得新能源消纳效益最大。
本发明所构建的具体目标函数为：
Figure BDA0003364662220000071
Figure BDA0003364662220000072
上式中，供售电两侧新能源电价FR，负荷电价q为优化变量，
Figure BDA0003364662220000073
为新能源日前预测上网电量，
Figure BDA0003364662220000074
为电价调整后的新能源实际上网电量，T为时段数目；PGi,t为火电机组i在时段t内的计划发电量；△PGi,t(q)为火电机组i在时段t的调节功率；Ci,t(·)为火电机组i在时段t的发电成本函数，ai,bi,ci为火电机组发电成本系数；cT为火电机组的单位功率调节费用；n为机组数目。
由拟合函数可知新能源消纳效益中
Figure BDA0003364662220000075
与新能源实时电价FR的函数关系；传统机组的调节成本是由电价调节新能源与负荷的不确定性导致的预测误差，系统达到实时功率平衡时所需的火电机组调节费用，其中△PGi,t(q)是与新能源-负荷两侧实时电价相关。
Figure BDA0003364662220000085
在具体应用实例中，本发明进一步考虑到新能源消纳效益与传统机组调节成本为不同的受益方，且随着传统机组的退坡，其调节能力受限。由此设定不同场景的目标函数：
(1)成本小效益大场景：在传统机组调节成本最小的情况下，最大化新能源消纳效益。此时的目标函数为：
Figure BDA0003364662220000081
(2)效益大成本小场景：在新能源消纳效益最大的情况下，最小化传统机组调节成本。此时的目标函数为基本目标函数：
Figure BDA0003364662220000082
(3)效益大成本零场景：当传统机组调节能力严重受限时，此时在新能源消纳效益最大的情况下，最小化传统机组调节成本。
Figure BDA0003364662220000083
Figure BDA0003364662220000084
在具体应用实例中，本发明进一步对运行增加一定约束，所述约束包括：
(1)功率平衡约束。
由于新能源与负荷的不确定性，在日内实时运行情况时，会出现功率预测误差，因此其功率平衡公式转换为：
PG,t+PW,t+△PW,t(FR)＝PL,t+△PL,t(q)+△Punb.
t＝1,2,…,T
△PW,t(FR)＝PW,t(FR)-PW,t
式中：△PW,t(FR)为日内新能源上网功率调整量，△Punb.为日内功率预测误差。
(2)常规机组出力约束。
常规机组参与调度主要受到出力约束、爬坡约束和启停时间约束。
Figure BDA0003364662220000091
式中，
Figure BDA0003364662220000092
和
Figure BDA0003364662220000093
分别为常规机组i在时段t前的持续运行时间和持续停机时间；
Figure BDA0003364662220000094
和
Figure BDA0003364662220000095
分别为常规机组的最小持续运行时间和最小持续停机时间。
(3)新能源出力约束。
新能源预测上网电量与日内上网调整电量之和不得高于新能源预测发电量。
PW,t+△PWd,t≤PW.pred.
式中，△PWd,t为新能源通过日内实时价格调整电量，PW,pred.为新能源预测发电量。
(4)需求响应约束。
各个时段通过价格调用的需求侧负荷是有限的。
PLmin≤PL,t≤PLmax
Figure BDA0003364662220000096
式中：PLmax和PLmin分别表示需求响应负荷的上下限。Spmax和Spmin分别表示需求响应负荷在T周期内的总容量上下限。
(5)电价约束。
除了网络拓扑结构和线路损耗对电价的约束外，供售电电价还应使联动的新能源出力和负荷在机组允许范围内。
qt-FRt≤c
FR.min≤FR(t)≤FR.max
qmin≤q(t)≤qmax
其中FR.min、FR.max分别为新能源出力响应电价的最小值和最大值，qmin、qmax分别为需求响应电价的最小值和最大值。
在具体应用实例中，本发明进一步对最优对偶理论模型求解，本发明主要涉及到min-max基本目标函数问题，其目的在新能源消纳效益最大的情况下，实现传统机组调节成本最小，其他场景目标函数求解方法类似。上述目标函数的具体紧凑形式可表述为：
Figure BDA0003364662220000101
Figure BDA0003364662220000102
式中外层为最小化问题，优化变量为x，对应新能源电价FR；内层为最大化问题，优化变量为u，对应负荷电价q；f为目标函数，对应
Figure BDA0003364662220000103
D、K、F、G为对应约束下变量的系数矩阵；d、h为常数向量。上式中约束条件第一行表示实时定价模型中的不等式约束；第二行为等式约束；第三行对应电价约束式。
对于内层最大化问题需构造拉格朗日函数将其转换成方便求解的半定对偶模型，设定各约束对应的对偶变量拉格朗日乘子为δ,ζ,γ。
L(u,δ,ζ,γ)＝f(x,u)+δT(Du-d)+ζT(Ku)
+γT(Fx+Gu-h)
对上式求导并令其导函数为零时，
Figure BDA0003364662220000104
由拉格朗日函数对u求导为常数，所以当u为零向量时，L(u,δ,ζ,γ)取得最大值，即
Figure BDA0003364662220000105
根据上式优化对偶定理，可转换为下式：
Figure BDA0003364662220000106
Figure BDA0003364662220000107
f(x,0)-δTd+γT(Fx-h)＝0,δ≥0,γ≥0
综合上式可整合为：
Figure BDA0003364662220000111
-f(x,0)+δTd-γT(Fx-h)＝0,δ≥0,γ≥0
由此min-max定价模型的求解可转化为以下优化问题：
Figure BDA0003364662220000112
Figure BDA0003364662220000113
δ≥0,ζ≥0,γ≥0
在一个具体应用实例中，本发明采用北欧NordPool中SE地区某日的数据进行仿真验算。设置火电机组单位调节费用为482.6元/MW，火电机组发电成本系数a＝0.0054，b＝20.25，c＝1150，电网输配电电价为18EUR/MW。需求响应调节负荷比例为20％，需求响应总容量的上限为1700MW。相邻时段火电机组爬坡约束为350MW/h。某日系统电价、风电预测发电量如附录A所示。日前新能源预测上网电量、日前预测负荷需求量及传统机组出力曲线如图2所示。图2中，曲线Ⅰ表示日前预测负荷需求量，曲线Ⅱ表示日前传统机组计划出力，曲线Ⅲ表示日前新能源预测上网电量。
由于日内新能源与负荷的不确定性，产生日内的电量预测误差如图3所示。在考虑日内预测误差对源-荷各曲线的影响下，本发明设定使用实时电价前后五个不同场景各源荷曲线和价格曲线的调整对比分析，以及新能源消纳情况和传统机组调节程度变化验证所建实时电价模型的有效性。场景二可通过对其设定均等权重获得，场景三至场景五可由min-max场景模型获得：
场景一：在目前电力系统状态下，不考虑实时电价的变化，通过技术手段平抑日内电量预测误差；
场景二：在目前电力系统状态下，考虑实时电价的变化，平抑日内电量预测误差。兼顾新能源消纳效益及传统机组调节成本的情况；
场景三：对应成本小效益大场景，在目前电力系统状态下，考虑实时电价的变化，平抑日内电量预测误差。传统机组调节经济性为主，新能源可弃风的情况；
场景四：对应效益大成本小，在目前电力系统状态下，考虑实时电价的变化，平抑日内电量预测误差。新能源消纳效益为主，传统机组可调节的情况；
场景五：对应效益大成本零，在高比例电力系统状态下，为实现零碳，考虑实时电价的变化，平抑日内电量预测误差。新能源消纳效益为主，传统机组无调节能力的情况。
仿真结果分析：
(1)实时电价对源-荷曲线影响分析；
在目前电力系统状态下，考虑源-荷互动的实时电价前后场景一与场景二对比分析。场景一不考虑实时电价，采用技术手段后日内新能源实际上网电量、负荷实际需求量以及传统机组出力，如图4和图5所示。图4中，曲线Ⅰ表示日内负荷需求量波动，曲线Ⅱ表示日内传统机组出力波动，曲线Ⅲ表示日前传统机组计划出力，曲线Ⅳ表示日前新能源预测上网电量，曲线Ⅴ表示日内新能源上网电量波动，曲线Ⅵ表示日前预测负荷需求量，曲线Ⅶ表示场景一负荷实际需求量，曲线Ⅷ表示场景一传统机组实际出力。图5中，曲线Ⅰ表示场景二负荷需求量，曲线Ⅱ表示日内传统机组计划出力，曲线Ⅲ表示场景二传统机组出力，曲线Ⅳ表示日前新能源预测上网电量，曲线Ⅴ表示日前预测负荷需求量，曲线Ⅵ表示场景二新能源上网电量。
由于没有日内实时电价对新能源-负荷曲线的调整。新能源上网电量在日内无法再次调整，造成大量弃风现象出现。只能由传统机组进行调节日内预测误差(图中蓝色虚线部分)，但由于传统机组调节能力有限，在9-12时段与17-20时段传统机组出力出现降低，当超过其调节能力时，只能采取切负荷手段使电力系统功率平衡(图中红色实线部分)，总共切除负荷电量为284MW。
通过日内实时电价对新能源与负荷曲线的调整，新能源侧上网电量明显增加，使得弃风电量减少，且能够满足负荷侧电量需求，无切负荷现象，具有一定的削峰作用。同时由实时电价引导“源-荷”互动，使得新能源上网曲线跟随负荷曲线波动，从而使得传统机组出力平稳，降低传统机组的调节成本。
场景一与场景二的新能源上网电价与上网电量对比分析，如图6所示。
场景二中的新能源上网电量与电价呈现明显的供需关系。当实时电价高时，新能源上网电量增加；实时电价低时，新能源上网电量降低。在18-20时段，虽然场景二新能源上网电量比场景一同时段的电量低，但是此时实时电价却是处于高水平。是因为场景二的负荷需求量较场景一也出现了降低，导致此时负荷需求量与新能源上网电量的差值减少，表征此时要么是由于实时电价的增加导致负荷需求量减少或上网电量的增加，才会使得两者差值减少。所以此时的实时电价是会增加的。由场景一和二对比分析得到。可通过实时电价引导新能源上网电量，从而联动负荷侧电量调整，最终使得新能源跟随负荷曲线波动，实现功率平衡。
(2)不同目标下实时电价引导作用分析；
场景二、场景三和场景四分别针对目前电力系统状态下，不同目标下实时电价对各源-荷曲线出力引导情况分析。
图7、图8为各场景下新能源上网电量曲线和负荷出力曲线及弃风情况。场景一下的弃风电量是最多的，达到8780MW。图7中，曲线Ⅰ表示场景二负荷需求量，曲线Ⅱ表示场景四负荷需求量，曲线Ⅲ表示场景三负荷需求量，曲线Ⅳ表示场景三传统机组出力，曲线Ⅴ表示场景一传统机组出力，曲线Ⅵ表示场景三新能源上网电量，曲线Ⅶ表示场景二新能源上网电量，曲线Ⅷ表示场景二传统机组出力，曲线Ⅸ表示场景一负荷需求量，曲线Ⅹ表示场景四传统机组出力，曲线Ⅺ表示场景四新能源上网电量，曲线Ⅻ表示场景一新能源上网电量。
其中场景二是在目前电力系统状态下，在新能源消纳与传统机组调节经济性为共同目标时。日内新能源与负荷产生波动时，为使得传统机组出力平稳的同时提高新能源上网电量，所以实时电价引导新能源上网电量增加，且与负荷波动情况较为一致。
场景三是在以传统机组调节经济性为主，为了尽可能保证传统机组出力平稳，导致此时的新能源波动频繁，且弃风电量最多为4899MW。此时的新能源出力曲线与负荷曲线波动完全一致，实现“源荷互动”协调运行。
场景四是在以新能源消纳最大为主的情况下，调整实时电价使得新能源弃风电量最小，仅为1536MW。由于负荷调节范围有限，导致传统机组频繁调节来实现电力系统功率平衡。相比于其他情况，此时由实时电价调整的新能源上网电量程度较大。
各场景下传统机组出力如图9所示，场景二中为兼顾新能源消纳效益与传统机组调节的经济性，所以其传统机组出力较不考虑实时电价的情况较为平稳。场景三实现了传统机组出力最平稳目标，很明显出现三段式调节曲线，此时传统机组经济性最好。场景四由实时电价引导新能源与负荷电量调整，为使新能源在每个时刻的消纳情况最佳，所以需要传统机组频繁调节，从而满足电力系统功率平衡。但是整体上而言，利用实时电价对新能源及负荷电量调整后，得到的传统机组出力曲线，无论从煤耗量、调频费用和低碳情况来说比不使用实时电价时均得到较好的体现。
(3)实时电价对不同系统状态影响分析；
场景五是在碳中和趋势下，传统机组大规模退役，基荷由无法进行调节的清洁能源核电替代时。由于日前核电计划出力在日内无法做出调整，此时完全由实时电价对新能源上网电量与负荷需求量进行调控。所以此时新能源上网电量曲线与负荷曲线波动完全一致，同时实现电力系统的功率平衡。
如图10和图11所示，与场景四中传统机组可频繁调节相比，场景五完全依靠日内实时电价对新能源和负荷的调整，实现功率平衡。此时新能源上网电量曲线与负荷需求曲线完全同步波动，实时电价波动比较大，且与新能源上网电量呈现明显的供需关系，从而实现源荷协调。由于日内负荷调节能力受限，又无可灵活调节电源，所以场景五中新能源上网电量较场景四少，弃风电量增加。图10中，曲线Ⅰ表示场景五负荷需求量，曲线Ⅱ表示场景四负荷需求量，曲线Ⅲ表示场景五负传统机组出力，曲线Ⅳ表示场景四传统机组出力，曲线Ⅴ表示场景五新能源上网电量，曲线Ⅵ表示场景四新能源上网电量。
由上述实施例可以表明：实时供售电定价在供应侧使新能源消纳电量增加，传统机组出力平稳；需求侧负荷加大响应，切负荷电量减少。本发明提出的实时供售电定价调整了电力实时供需关系，实现了新能源与负荷的联动，在新能源为主体的电力系统调控中提出了一种新型技术及运行方法。
因此本发明建立以传统机组调节成本最小、新能源消纳效益最大的min-max模型，以供电侧新能源实时电价与需求侧售电电价为变量，充分反映电力商品本质上的供需关系特征。当前国内外虽暂无此种模型和方法，但深入挖掘国外现有新能源电力市场相关数据，验证这种供需关系，可作为该模型和方法研究的现实参考。而随着5G通讯及智能控制等技术的发展，一种反映实时供需关系的实时价格的经济手段也可为高比例可再生能源电力系统实时供需平衡提供思路。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (10)

1.一种新能源实时电价的定价方法，其特征在于，包括：
在供应侧，利用标准化-欧式距离挖掘影响新能源实时电价的相关因素，包括系统电价、新能源预测上网量及负荷需求预测量，提出各相关因素与新能源实时供电价之间的拟合函数关系；
在需求侧，利用价格需求响应弹性矩阵表示售电价与负荷大小的函数关系；
将两侧函数关系计入成本效益目标，建立min-max模型，作为“源-荷”实时供需的实时供、售电定价模型；
在考虑不同场景情况下，建立min-max多场景目标函数，利用拉格朗日优化对偶理论对模型转换并求解。
2.根据权利要求1所述的新能源实时电价的定价方法，其特征在于，由新能源-负荷引起的日内功率波动，构建基于供需关系的实时供售电定价min-max模型，在实现传统机组调节费用最小的情况下，同时使得新能源消纳效益最大。
3.根据权利要求2所述的新能源实时电价的定价方法，其特征在于，所构建的具体目标函数为：
Figure FDA0003364662210000011
Figure FDA0003364662210000012
上式中，供售电两侧新能源电价FR，负荷电价q为优化变量，
Figure FDA0003364662210000013
为新能源日前预测上网电量，
Figure FDA0003364662210000014
为电价调整后的新能源实际上网电量，T为时段数目；PGi,t为火电机组i在时段t内的计划发电量；△PGi,t(q)为火电机组i在时段t的调节功率；Ci,t(·)为火电机组i在时段t的发电成本函数，ai,bi,ci为火电机组发电成本系数；cT为火电机组的单位功率调节费用；n为机组数目。
4.根据权利要求2所述的新能源实时电价的定价方法，其特征在于，通过下式获得系统达到实时功率平衡时所需的火电机组调节费用，其中△PGi,t(q)是与新能源-负荷两侧实时电价相关：
△PGi,t(q)＝PLt(q)-PWrt-PGi,t。
5.根据权利要求2或3或4所述的新能源实时电价的定价方法，其特征在于，设定不同场景的目标函数：
(1)成本小效益大场景：在传统机组调节成本最小的情况下，最大化新能源消纳效益；此时的目标函数为：
Figure FDA0003364662210000021
(2)效益大成本小场景：在新能源消纳效益最大的情况下，最小化传统机组调节成本；此时的目标函数为基本目标函数：
Figure FDA0003364662210000022
(3)效益大成本零场景：当传统机组调节能力严重受限时，此时在新能源消纳效益最大的情况下，最小化传统机组调节成本：
Figure FDA0003364662210000023
Figure FDA0003364662210000024
6.根据权利要求5所述的新能源实时电价的定价方法，其特征在于，对运行增加一定约束，所述约束包括：功率平衡约束；
在日内实时运行情况时，会出现功率预测误差，功率平衡公式转换为：
PG,t+PW,t+△PW,t(FR)＝PL,t+△PL,t(q)+△Punb.
t＝1,2,…,T
△PW,t(FR)＝PW,t(FR)-PW,t
式中：△PW,t(FR)为日内新能源上网功率调整量，△Punb.为日内功率预测误差。
7.根据权利要求5所述的新能源实时电价的定价方法，其特征在于，对运行增加一定约束，所述约束包括：常规机组出力约束；常规机组参与调度主要受到出力约束、爬坡约束和启停时间约束；
Figure FDA0003364662210000031
式中，
Figure FDA0003364662210000032
和
Figure FDA0003364662210000033
分别为常规机组i在时段t前的持续运行时间和持续停机时间；
Figure FDA0003364662210000034
和
Figure FDA0003364662210000035
分别为常规机组的最小持续运行时间和最小持续停机时间。
8.根据权利要求5所述的新能源实时电价的定价方法，其特征在于，对运行增加一定约束，所述约束包括：新能源出力约束；新能源预测上网电量与日内上网调整电量之和不得高于新能源预测发电量：
PW,t+△PWd,t≤PW.pred.
式中，△PWd,t为新能源通过日内实时价格调整电量，PW,pred.为新能源预测发电量。
9.根据权利要求5所述的新能源实时电价的定价方法，其特征在于，对运行增加一定约束，所述约束包括：需求响应约束；各个时段通过价格调用的需求侧负荷是有限的：
PLmin≤PL,t≤PLmax
Figure FDA0003364662210000036
式中：PLmax和PLmin分别表示需求响应负荷的上下限。Spmax和Spmin分别表示需求响应负荷在T周期内的总容量上下限。
10.根据权利要求5所述的新能源实时电价的定价方法，其特征在于，对运行增加一定约束，所述约束包括：电价约束；供售电电价使联动的新能源出力和负荷在机组允许范围内：
qt-FRt≤c
FR.min≤FR(t)≤FR.max
qmin≤q(t)≤qmax
其中FR.min、FR.max分别为新能源出力响应电价的最小值和最大值，qmin、qmax分别为需求响应电价的最小值和最大值。
CN202111391740.9A 2021-11-19 2021-11-19 一种新能源实时电价的定价方法 Pending CN114201858A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111391740.9A CN114201858A (zh) 2021-11-19 2021-11-19 一种新能源实时电价的定价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111391740.9A CN114201858A (zh) 2021-11-19 2021-11-19 一种新能源实时电价的定价方法

Publications (1)

Publication Number Publication Date
CN114201858A true CN114201858A (zh) 2022-03-18

Family

ID=80648383

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111391740.9A Pending CN114201858A (zh) 2021-11-19 2021-11-19 一种新能源实时电价的定价方法

Country Status (1)

Country Link
CN (1) CN114201858A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116109335A (zh) * 2023-04-10 2023-05-12 国网浙江省电力有限公司 一种基于数字孪生的新能源动态电价数据管理系统
CN117013624A (zh) * 2023-09-28 2023-11-07 国网江苏省电力有限公司电力科学研究院 风光并网容量配比区间优化方法、装置、存储介质及设备

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116109335A (zh) * 2023-04-10 2023-05-12 国网浙江省电力有限公司 一种基于数字孪生的新能源动态电价数据管理系统
CN116109335B (zh) * 2023-04-10 2023-09-08 国网浙江省电力有限公司 一种基于数字孪生的新能源动态电价数据管理系统
CN117013624A (zh) * 2023-09-28 2023-11-07 国网江苏省电力有限公司电力科学研究院 风光并网容量配比区间优化方法、装置、存储介质及设备

Similar Documents

Publication Publication Date Title
CN109858774B (zh) 提高系统安全性和协调性的源网荷规划方法
Virasjoki et al. Market power with combined heat and power production in the nordic energy system
CN114201858A (zh) 一种新能源实时电价的定价方法
Cao et al. Two-stage optimization of a virtual power plant incorporating with demand response and energy complementation
CN115099725B (zh) 一种综合能源系统能量管理分配方法及系统
Yuan et al. The bidding strategies of large-scale battery storage in 100% renewable smart energy systems
Cai et al. Optimal scheduling of a hybrid AC/DC multi-energy microgrid considering uncertainties and Stackelberg game-based integrated demand response
Backe et al. Exploring the link between the EU emissions trading system and net-zero emission neighbourhoods
Zhang et al. Quantifying accommodated domain of wind power for flexible look-ahead unit commitment
Oladimeji et al. Modeling demand flexibility of RES-based virtual power plants
Ding et al. Long-term operation rules of a hydro–wind–photovoltaic hybrid system considering forecast information
JP2020039222A (ja) 電力需給制御装置、電力需給制御システムおよび電力需給制御方法
Liang et al. Optimal unit commitment integrated energy storage system, renewable energy sources and FACTS devices with robust method
CN117557301A (zh) 一种考虑储能介入的电力市场效益评估模型算法
CN115758763A (zh) 一种计及源荷不确定性的多能流系统优化配置方法及系统
Yang et al. Integrated energy scheduling using wind-storage cascade control strategy in dynamic peak regulation right
CN113989072A (zh) 面向调峰辅助服务市场交易主体的分摊上限动态调整策略
Seervi et al. Renewable Energy Forecasting for Energy Storage Sizing: A Review
Li et al. Optimization strategy for CHP with heat storage participating in deep peak regulation market
Liu et al. Design of Capacity Compensation Mechanism to Ensure Flexibility and Resource Adequacy
CN114928054B (zh) 考虑新能源不确定性的储能多目标协调优化方法及系统
CN116247720B (zh) 用于火储联合调频的控制装置及火储联合调频系统
CN109754335B (zh) 一种基于负荷准线的高比例新能源消纳方法
Zhu et al. Environmental and economic scheduling for wind-pumped storage-thermal integrated energy system based on priority ranking
Saffari Flexibility assessment of Canada’s electricity system for deep decarbonization

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