CN114549148A - 虚拟电厂的竞价方法、装置、设备及存储介质 - Google Patents
虚拟电厂的竞价方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114549148A CN114549148A CN202210088583.2A CN202210088583A CN114549148A CN 114549148 A CN114549148 A CN 114549148A CN 202210088583 A CN202210088583 A CN 202210088583A CN 114549148 A CN114549148 A CN 114549148A
- Authority
- CN
- China
- Prior art keywords
- bidding
- power plant
- virtual power
- determining
- cost
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 230000004044 response Effects 0.000 claims abstract description 81
- 230000006870 function Effects 0.000 claims description 56
- 238000005315 distribution function Methods 0.000 claims description 25
- 230000005611 electricity Effects 0.000 claims description 17
- 239000002245 particle Substances 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 12
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 230000033228 biological regulation Effects 0.000 claims description 4
- 238000004146 energy storage Methods 0.000 description 19
- 238000004364 calculation method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 10
- 238000005457 optimization Methods 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 8
- 150000001875 compounds Chemical class 0.000 description 7
- 238000009826 distribution Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000010248 power generation Methods 0.000 description 6
- 101710121996 Hexon protein p72 Proteins 0.000 description 3
- 101710125418 Major capsid protein Proteins 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012887 quadratic function Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000011541 reaction mixture Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 210000000352 storage cell Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013519 translation Methods 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/08—Auctions
-
- 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
- G06Q30/0283—Price estimation or determination
-
- 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
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- 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
- Y04S50/10—Energy trading, including energy flowing from end-user application to grid
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明实施例公开了一种虚拟电厂的竞价方法、装置、设备及存储介质。该方法包括：获取给定的当前竞价配置参数；基于预先构建的虚拟电厂竞价函数，结合设定的竞价约束条件，确定所述当前竞价配置参数下对应的当前数据值；如果所述当前数据值满足设定的电厂利润条件，则将所述当前竞价配置参数确定为目标竞价参数。本发明实施例提供的技术方案，基于预先构建的虚拟电厂竞价函数及竞价约束条件，在满足电厂利润条件的情况下确定目标竞价参数，即确定虚拟电厂如何报价以及选择用户参与需求响应，可以帮助虚拟电厂制定有效的竞价策略，提高中标率并提升虚拟电厂的利润。
Description
技术领域
本发明实施例涉及电力系统技术领域，尤其涉及一种虚拟电厂的竞价方法、装置、设备及存储介质。
背景技术
虚拟电厂是一种通过先进信息通信技术和软件系统，实现分布式电源(distributedgenerator,DG)、储能系统、可控负荷、电动汽车等分布式能源(distributedenergyresource,DER)的聚合和协调优化，以作为一个特殊电厂参与电力市场和电网运行的电源协调管理系统。虚拟电厂能够聚合DER参与电力市场和辅助服务市场运行，为配电网和输电网提供管理和辅助服务。
现有技术中虚拟电厂的竞价方法主要考虑成本进行报价，没有考虑市场情况及各风险因素，中标率不能有效提升；并且没有筛选参与需求响应成员，导致不能保证虚拟电厂利益最大化。
发明内容
本发明实施例提供一种虚拟电厂的竞价方法、装置、设备及存储介质，基于预先构建的虚拟电厂竞价函数及竞价约束条件，在满足电厂利润条件的情况下确定目标竞价参数，可提升虚拟电厂的利润。
第一方面，本发明实施例提供了一种虚拟电厂的竞价方法，包括：
获取给定的当前竞价配置参数；
基于预先构建的虚拟电厂竞价函数，结合设定的竞价约束条件，确定所述当前竞价配置参数下对应的当前数据值；
如果所述当前数据值满足设定的电厂利润条件，则将所述当前竞价配置参数确定为目标竞价参数。
第二方面，本发明实施例还提供了一种虚拟电厂的竞价装置，该装置包括：
配置参数获取模块，用于获取给定的当前竞价配置参数；
当前数据值确定模块，用于基于预先构建的虚拟电厂竞价函数，结合设定的竞价约束条件，确定所述当前竞价配置参数下对应的当前数据值；
目标竞价参数确定模块，用于如果所述当前数据值满足设定的电厂利润条件，则将所述当前竞价配置参数确定为目标竞价参数。
第三方面，本发明实施例还提供一种计算机设备，包括：存储器以及一个或多个处理器；
所述存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述第一方面所述的虚拟电厂的竞价方法。
第四方面，本发明实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面所述的虚拟电厂的竞价方法。
本发明实施例公开了一种虚拟电厂的竞价方法、装置、设备及存储介质。该方法包括：获取给定的当前竞价配置参数；基于预先构建的虚拟电厂竞价函数，结合设定的竞价约束条件，确定所述当前竞价配置参数下对应的当前数据值；如果所述当前数据值满足设定的电厂利润条件，则将所述当前竞价配置参数确定为目标竞价参数。本发明实施例提供的技术方案，基于预先构建的虚拟电厂竞价函数及竞价约束条件，在满足电厂利润条件的情况下确定目标竞价参数，即确定虚拟电厂如何报价以及选择用户参与需求响应，可以帮助虚拟电厂制定有效的竞价策略，提高中标率并提升虚拟电厂的利润。
附图说明
图1为本发明实施例一提供的一种虚拟电厂的竞价方法的流程示意图；
图2为本发明实施例一提供的MCP的概率密度函数曲线和分布函数曲线的示意图；
图3为本发明实施例一提供的修正前后MCP的概率密度函数曲线的示意图；
图4为本发明实施例一提供的修正前后MCP的分布函数曲线的示意图；
图5为本发明实施例二提供的一种虚拟电厂的竞价装置的结构框图；
图6为本发明实施例三提供的一种计算机设备的结构框图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种虚拟电厂的竞价方法的流程示意图，本实施例可适用于虚拟电厂参与需求响应的竞价的情况，该方法可以由虚拟电厂的竞价装置来执行，该装置可由硬件和/或软件组成，并一般可集成在计算机设备中，该方法具体包括如下步骤：
S110、获取给定的当前竞价配置参数。
在本实施例中，可以基于当前竞价配置参数对预先构建的虚拟电厂竞价函数进行计算，并最终获得满足设定的竞价约束条件及设定的电厂利润条件的目标竞价参数。可以理解的是，在确定目标竞价参数之后，基于目标竞价参数可以确定参与需求响应的成员以及报价信息，由此确定虚拟电厂的具体竞价方案。
需要说明的是，对预先构建的虚拟电厂竞价函数的计算过程为一个基于配置参数选取最优值的迭代计算过程，因此，在本实施例中，对虚拟电厂竞价函数的计算可以基于改进的粒子群算法等迭代求解的算法来实现。粒子群优化算法具有设定规则简单、计算精度高、迭代收敛快等优点，能够仅通过当前搜索到的最优值来寻找全局最优。
其中，当前竞价配置参数具体可以包含投标价格及参与需求响应的成员等参数。具体的，可以有多组竞价配置参数作为基于改进的粒子群算法进行迭代的候选参数集，选取其中一组竞价配置参数作为当前竞价配置参数，用于代入虚拟电厂竞价函数中进行计算，根据输出结果判断是否需要获取下一组竞价配置参数。可以清楚的是，基于改进的粒子群算法进行迭代的原理是：若当前输出结果满足设定条件，则确定当前竞价配置参数为目标参数值；若当前输出结果不满足设定条件，则需要在候选参数集中选择下一组竞价配置参数作为当前竞价配置参数，计算输出结果，同样需要判断此次输出结果是否满足设定条件，若不满足，则需重复在候选参数集中选择下一组竞价配置参数继续进行迭代计算。可以清楚的是，这里所说的设定条件是指同时满足设定的竞价约束条件及设定的电厂利润条件。
S120、基于预先构建的虚拟电厂竞价函数，结合设定的竞价约束条件，确定当前竞价配置参数下对应的当前数据值。
其中，虚拟电厂竞价函数是根据出清价格、成本费用并将风险量化为指标而预先构建的。虚拟电厂竞价函数在构建时重点研究出清价格模型以及成本模型，综合考虑当前市场价格影响因素、各类资源出力不确定性因素，对成本进行精细化建模，同时考虑潜在风险因素，将风险量化为指标，实现对成本及风险的精准把控。将成本作为边际条件之一，筛选可调资源。
1)虚拟电厂竞价函数：
假设虚拟电厂共有n个单元可参与需求响应，t时段虚拟电厂的投标价格为νt，以小时为时间刻度计算，以虚拟电厂参加需求响应所获利润最大化为目标，建立虚拟电厂竞价函数：
式中，Wd为24个时段(一天)虚拟电厂参与需求响应总利润，Wi,i为利润矩阵W对角线上的元素，代表第i时段虚拟电厂参与需求响应利润。
其中，W＝DT(F-C)T，式中D为选择矩阵，D＝[Dij]n×24为0-1矩阵，表示各单元是否被选择参与该时段的需求响应，若Dij＝1表示虚拟电厂中第i个调节单元被选择参加第j时段的需求响应，若Dij＝0表示拒绝该单元参与j时段的需求响应。
F为收益矩阵，表示为
Fij是虚拟电厂中第i个调节单元参加第j时段需求响应的收益，Fij计算公式如下：
式中，
为竞价成功下，出清价格的期望值；
为调节单元i在j时段参与需求响应的风险系数；
为调节单元i在j时段参与需求响应的可调负荷量。
C为成本矩阵，表示为
Cij是虚拟电厂中第i个调节单元参加第j时段需求响应的成本。
T为需求响应响应时段矩阵，为24×24的对角矩阵，tii＝1表示在i时段有需求响应需求，tii＝0表示在i时段没有需求响应需求。
2)约束条件
优选地，虚拟电厂约束条件包括内功率平衡约束以及储能约束。
虚拟电厂内功率平衡约束可以表示为：
式中，
为t时段的分布式发电出力；
为t时段的发电机组出力；
为t时段的需求响应出力；
为t时段的储能出力；Lt为t时段的虚拟电厂内部负荷量。
优选地，储能约束条件包括储存电量约束及出力上下限约束，具体的，其约束条件可以表示为：
Emin≤Et≤Emax
上式中，Et为t时刻储能所存储的电量；
为t时段储能的状态变量，充电时为1、放电时为0；η+为储能的充电效率；η-为储能的放电效率；；
为t时段的储能出力；Emin为储能所能存储电量的下限值；Emax为储能所能存储电量的上限值；
为储能的额定充放电功率。
具体的，将给定的当前竞价配置参数代入预先构建的虚拟电厂竞价函数中，结合设定的竞价约束条件，确定当前竞价配置参数下对应的当前数据值，当前数据值可以理解为虚拟电厂按此竞价配置参数参与竞价获得的利润值。
S130、如果当前数据值满足设定的电厂利润条件，则将当前竞价配置参数确定为目标竞价参数。
其中，设定的电厂利润条件可以是当前数据值大于某设定阈值，即，按照当前竞价配置参数参与竞价获取的电厂利润大于某设定利润值。
具体的，如果当前数据值，即当前竞价配置参数参与需求响应获得的利润值满足设定的电厂利润条件，表明按照当前竞价配置参数进行竞价，可以获得最优利润。则将最优情况下的投标价格、各时段利润值、调节负荷、选择矩阵作为目标竞价参数。
本发明实施例公开了一种虚拟电厂的竞价方法。该方法包括：获取给定的当前竞价配置参数；基于预先构建的虚拟电厂竞价函数，结合设定的竞价约束条件，确定当前竞价配置参数下对应的当前数据值；如果当前数据值满足设定的电厂利润条件，则将当前竞价配置参数确定为目标竞价参数。本发明实施例提供的技术方案，基于预先构建的虚拟电厂竞价函数及竞价约束条件，在满足电厂利润条件的情况下确定目标竞价参数，即确定虚拟电厂如何报价以及选择用户参与需求响应，可以帮助虚拟电厂制定有效的竞价策略，提高中标率并提升虚拟电厂的利润。
作为本发明实施例的一个可选实施例，在上述实施例的基础上，虚拟电厂竞价函数的构建步骤，包括：基于虚拟电厂参与需求响应的出清价格、成本费用、风险系数，构建虚拟电厂竞价函数。
其中，出清价格具体可以理解为实现供给与需求双方平衡时的价格，即为均衡价格。根据历史出清价格数据与近期市场因素，建立出清价格模型，预测不同报价的中标概率，获得出清价格。根据虚拟电厂可调资源类型的不同建立不同的成本计算方法，对成本进行精细化建模，获得成本费用。考虑潜在风险因素，用风险系数量化各单元出力偏差带来的风险，获得风险系数。最后，基于虚拟电厂参与需求响应的出清价格、成本费用、风险系数，构建虚拟电厂竞价函数。
可选的，基于虚拟电厂参与需求响应的出清价格、成本费用、风险系数，构建虚拟电厂竞价函数，包括：
a1)基于历史出清价格数据及虚拟电厂的投标价格，确定虚拟电厂参与需求响应的出清价格。
具体的，通过对历史出清价格数据进行分析可以得到出清价格的分布函数，基于出清价格的影响因素对分布函数进行修正，根据出清价格的分布函数及投标价格可以预测不同报价下虚拟电厂参与本次需求响应的中标的概率。在虚拟电厂竞价成功情况下，计算出清价格的期望，用出清价格的期望来模拟真实的出清价格计算收益。
b1)基于所有成本信息，确定虚拟电厂参与需求响应的成本费用。
其中，所有成本信息可以包含产量变化成本、设备调节成本、人力成本及电费成本。产量变化成本包括计算虚拟电厂中的工业用户因参与需求响应而调节用电负荷导致产品产量增多或较少带来的成本。设备调节成本包括计算各类设备调节成本，包括储能设备、工业用户设备、分布式发电设备及自备电厂设备。人力成本包括计算员工数量或能力变化而支出的成本。电费成本包括计算电费成本包括因峰谷电价差造成的成本以及用电量变化带来的成本。
c1)基于历史调节数据，确定虚拟电厂参与需求响应的风险系数。
具体的，根据历史调节数据，分析各单元实际出力值与计划出力值偏差，计算历史偏差率。根据历史偏差率计算步骤中得到历史偏差率，计算风险系数，量化各单元出力偏差带来的风险。
d1)根据出清价格、成本费用、风险系数，构建虚拟电厂竞价函数。
具体的，以虚拟电厂参加需求响应所获利润最大化为目标，根据出清价格、成本费用、风险系数，构建虚拟电厂竞价函数。同时，建立虚拟电厂内功率平衡约束及储能约束条件。
可选的，基于历史出清价格数据及虚拟电厂的投标价格，确定虚拟电厂参与需求响应的出清价格，包括：
a11)基于历史出清价格数据及出清价格的影响因素，获得价格分布函数。
其中，出清价格的影响因素具体可以包括，如未来短期天气情况、市场电力供需比、机组停机情况、市场竞争情况、本次需求响应的需求容量等。
本步骤中，根据历史出清价格数据分析得出市场出清价格的概率分布函数，根据官方下发的需求响应信息确定报价上限。根据近期市场情况分别分析计算得出各因素的价格影响因子数值，对价格分布函数进行修正，使价格的分布更贴合近期市场情况，提高预测准确度。市场情况是与出清价格的影响因素相对应的，如影响因素为未来短期天气情况，实际市场情况为天气温度下降，则可以确定该因素的价格影响因子取值；又比如影响因素为时长电力供需比，实际市场情况为供需放缓，则可以确定该因素的价格影响因子取值。可以清楚的是，不同出清价格的影响因素，根据对应实际市场情况，其价格影响因子取值不同。
示例性的，修正后的价格分布函数可以表示为：Ft(x)＝{F(x),α1,α2,α3,α4,α5}，式中，F(x)为根据历史数据分析得出市场出清价格的概率分布函数，函数定义域为[0,d]，其中d为标准激励价格，即报价上限，α1、α2、α3、α4、α5为各因素的价格影响因子。
本步骤中，分析价格特征如季节性、跳跃、均值回复等，基于历史价格数据对市场出清价格(Market Clearing Price，MCP)建模，同时搜集市场情报，对影响因素量化分析，并修正模型，使价格的分布更贴合近期市场情况，提高预测准确度。
a12)根据价格分布函数及虚拟电厂的投标价格，确定虚拟电厂参与需求响应的中标概率。
具体的，对价格分布函数求导可以得到市场出清价格的概率密度函数，这里概率密度函数表示为ft(x)，虚拟电厂的投标价格表示为νt，出清价格表示为μt，那么当νt≤μt时，虚拟电厂中标；而当νt＞μt时，虚拟电厂竞价失败，不中标。虚拟电厂参与本次需求响应的中标概率可以表示为：
a13)若虚拟电厂竞价成功，则确定虚拟电厂参与需求响应的出清价格。
在虚拟电厂竞价成功情况下，计算出清价格的期望
用
来模拟真实的出清价格计算收益。
具体的，出清价格的期望可以表示为：
其中，ft(x)表示概率密度函数，νt表示虚拟电厂的投标价格，μt表示出清价格，当νt≤μt时，表示虚拟电厂中标，θt(νt≤μt)表示虚拟电厂参与本次需求响应的中标的概率。
可选的，基于所有成本信息，确定虚拟电厂参与需求响应的成本费用，包括：获取虚拟电厂参与需求响应的产量变化成本、设备调节成本、人力成本及电费成本，将各成本总和作为虚拟电厂参与需求响应的成本费用。
本实施例中根据虚拟电厂可调资源类型的不同，建立不同的成本计算方法，对成本进行精细化建模。其中，产量变化成本可以包括虚拟电厂中的工业用户因参与需求响应而调节用电负荷导致产品产量减少带来的产能损失成本、产品产量增多带来的存储成本。设备调节成本包括各类设备调节成本，各类设备包括储能设备、工业用户设备、分布式发电设备及自备电厂设备等。人力成本包括虚拟电厂中各单元调整用电曲线对人员影响，计算员工数量或能力变化而支出的成本。电费成本包括因峰谷电价差造成的成本以及用电量变化带来的成本。
具体的，虚拟电厂参与需求响应的成本费用具体可以表示为：
b11)产量变化成本
其中，产量变化成本具体可以表示为：当Pt＞0时，
当Pt＜0时，
式中，
为产量变化成本，Pt为t时段的负荷调节量，a1为存储成本系数，a2为产能损失成本系数。
b12)设备调节成本
优选地，虚拟电厂中可调设备包括储能设备、工业用户的设备、分布式发电设备以及自备电厂设备。
其中，储能设备的调节成本，用平准化电力成本(levelized costofelectricity，LCOE)来计算储能单元参与需求响应所产生的成本。其中，设备调节成本可以表示为：
式中，LCOE为设备调节成本，Costn为储能单元每年成本，r为贴现率，Edn为储能单元年放电量，QE为储能容量，ηsely为自放电率，ηdeg为循环衰退率，Ny为年充放电次数，θDoD为放电深度有关。
其中，工业用户的设备调节成本为负荷调节量的二次函数，表示为：
其中，优选地，分布式发电包括分布式风电和分布式光伏。分布式发电运行成本包括两部分，一是风电、光伏的出力成本，二是弃风、弃光的惩罚成本。分布式发电运行成本可表示为：
上式中，PW、PPV分别为风电、光伏实际出力，
分别为风电、光伏预测出力，kW、kPV分别为风电、光伏运行成本系数，
分别为弃风、弃光的惩罚成本系数。
其中，自备电厂发电成本为发电量的二次函数：
式中，
为自备电厂发电成本，Pt PE为发电机组出力，aPE、bPE、cPE为运行成本系数。
b13)人力成本
人力成本可以表示为：
式中，
为人力成本，n为人数变化，S为员工小时工资，T为t时段包含的小时数。
b14)电费成本
电费成本可以表示为：
式中，
为电费成本，Pt 1为平移负荷量，Pt 2为用电负荷变化量，Δd为平移前后电价差，PE为电单价。
可选的，基于历史调节数据，确定虚拟电厂参与需求响应的风险系数，包括：
c11)根据历史调节数据，确定历史偏差率。
本实施例中，考虑潜在风险因素，用风险系数量化各单元出力偏差带来的风险。具体的，根据历史调节数据，计算各单元实际出力值与计划出力值偏差，分析计算历史偏差率。历史偏差率可以表示为：
式中，η为历史偏差率，ΔP为出力偏差，表示实际出力值与计划出力值之差，P为实际出力值。
c12)基于历史偏差率，结合风险函数，确定虚拟电厂参与需求响应的风险系数。
具体的，风险系数可以表示为：β＝K(eη-1)，式中，β为风险系数，K为调节系数，η为历史出力偏差率的均值。
可选的，获取给定的当前竞价配置参数之前，还包括：确定竞价配置参数的粒子群，以获取当前竞价配置参数。
具体的，改进的粒子群优化算法是一种并行算法，因此粒子群算法一般存在多个输入值，且可对多个输入值同时进行计算。在本实施例中，可以将竞价函数中竞价配置参数对应的一组参数值看做一个输入值，因此，可以选取配置参数对应的多组参数值同时作为算法的输入值。为了便于表述，本实施例将作为算法输入值的一组参数值称为一组候选参数值，并加入到设定的候选配置参数集中，形成竞价配置参数的粒子群。示例性的，所述候选配置参数集中的某组候选参数值可以表示为：某虚拟电厂中单元1、2、3参与需求响应，投标价格为z。可以清楚的是，某电厂参与需求响应，可以形成不同单元及不同投标价格的配置参数组合，从而形成竞价配置参数的粒子群，在进行粒子迭代计算时，可以选择粒子群中的候选竞价配置参数作为当前竞价配置参数，用于确定利润是否符合设定利润条件，以实现利润最大化。
作为本发明实施例的可选实施例，本实施例具体化了虚拟电厂竞价函数的构建步骤，包括出清价格计算、成本费用计算及风险参数计算。本方案根据历史出清价格数据，建立出清价格模型，同时考虑影响价格的各个因素对模型进一步修正，使价格的分布更贴合近期市场情况，提高预测准确度。对各种类型可调单元建立成本模型，同时将成本作为边际条件之一，筛选参与需求响应的用户，选取优质资源保证虚拟电厂利润最大化。同时考虑潜在风险因素，将风险量化为指标，实现对风险的精准把控。对以利润最大化为目标，通过先进的优化算法，实现虚拟电厂利润最大化，提高利润空间。
为了更清楚的表述本发明实施例，以某虚拟电厂根据本实施例的竞价方法参与需求响应为例进行示例性描述，假设选取虚拟电厂中不同类型的7个成员参与本次需求响应，仿真了三种时段下的虚拟电厂参与需求响应的竞价策略情况。
1)虚拟电厂中调节单元信息
选取车辆到电网(Vehicle-to-grid，V2G)、磷酸铁锂电池储能系统、分布式发电、自备电厂以及工业用户作为典型成员构建虚拟电厂。负载可调单元信息如表1所示。
表1负荷可调单元信息
2)市场出清价格
假设市场出清价格的分布函数满足下列分布，G(x)为期望为μ、方差为σ的高斯分布的累计分布函数，系数a为G(x)最大值的倒数，作用是将分布函数标准化。其中，分布函数可以表示为：
对分布函数求导可得市场出清价格的概率密度函数，假设价格上限d为4.5(参考某市市场价格上限)，单位为元/kw·h，期望μ＝3.8、方差为σ＝0.4，得到价格的概率密度函数曲线和分布函数曲线。图2为本发明实施例一提供的MCP的概率密度函数曲线和分布函数曲线的示意图。
假设近期天气温度下降，市场电力供需比放缓，没有新增的机组停机情况、已知有几家虚拟电厂不参与本次需求响应，本次需求响应的需求容量有增加，基于这一场景，价格影响因子取值如下表2所示：
表2价格影响因子参数设置
根据价格影响因子参数修正后得到价格的概率密度函数曲线和分布函数曲线。图3为本发明实施例一提供的修正前后MCP的概率密度函数曲线的示意图，图4为本发明实施例一提供的修正前后MCP的分布函数曲线的示意图。
3)竞价函数优化求解
假设三种需求场景：场景一，上午9点到12点，处于工人上班，企业用电量增大时段，电网可能会有削峰需求；场景二，晚上6点到9点，居民下班回到家中，在炎热的夏天，空调使用率急剧增加，在居民住宅区聚集的地区，会出现用电量骤然加快的情况，电网可能会有削峰需求；场景三，可能会在未来出现情况，若未来新能源占比增大，凌晨0点到7点，分布式光伏无法发电，电供应侧减少，为了使电网平衡，会呼吁用户侧减少用电。基于这三种场景，模拟虚拟电厂参与需求侧响应报价。
若虚拟电厂没有竞价优化策略，报价可能参考历史价格，我们假设其报价为历史价格的均值，并且不对用户进行筛选，优化前后结果对比见表3所示。
表3三种场景的优化前后结果对比
采用本竞价模型后利润分别增加了20.82％、16.58％、10.82％。证明本竞价方法可以很好的帮助虚拟电厂筛选资源，以更好的价格参与需求响应竞价，获得利润提升。
实施例二
图5为本发明实施例二提供的一种虚拟电厂的竞价装置的结构框图，本实施例可适用于对虚拟电厂参与需求响应的竞价的情况，该装置可由硬件和/或软件组成，并一般可集成在计算机设备中。如图5所示，该装置具体可以包括：配置参数获取模块21、当前数据值确定模块22和目标竞价参数确定模块23。
配置参数获取模块21，用于获取给定的当前竞价配置参数；
当前数据值确定模块22，用于基于预先构建的虚拟电厂竞价函数，结合设定的竞价约束条件，确定当前竞价配置参数下对应的当前数据值；
目标竞价参数确定模块23，用于如果当前数据值满足设定的电厂利润条件，则将当前竞价配置参数确定为目标竞价参数。
可选的，该装置还包括，竞价函数构建模块，用于：
基于虚拟电厂参与需求响应的出清价格、成本费用、风险系数，构建虚拟电厂竞价函数。
可选的，竞价函数构建模块，包括：
出清价格确定单元，用于基于历史出清价格数据及虚拟电厂的投标价格，确定虚拟电厂参与需求响应的出清价格；
成本费用确定单元，用于基于所有成本信息，确定虚拟电厂参与需求响应的成本费用；
风险系数确定单元，用于基于历史调节数据，确定虚拟电厂参与需求响应的风险系数；
竞价函数确定单元，用于根据出清价格、成本费用、风险系数，构建虚拟电厂竞价函数。
可选的，出清价格确定单元，具体用于：
基于历史出清价格数据及出清价格的影响因素，获得价格分布函数；
根据价格分布函数及虚拟电厂的投标价格，确定虚拟电厂参与需求响应的中标概率；
若虚拟电厂竞价成功，则确定虚拟电厂参与需求响应的出清价格。
可选的，成本费用确定单元，具体用于：
获取虚拟电厂参与需求响应的产量变化成本、设备调节成本、人力成本及电费成本，将各成本总和作为虚拟电厂参与需求响应的成本费用。
可选的，风险系数确定单元，具体用于：
根据历史调节数据，确定历史偏差率；
基于历史偏差率，结合风险函数，确定虚拟电厂参与需求响应的风险系数。
可选的，该装置还包括粒子群确定模块，用于：
确定竞价配置参数的粒子群，以获取当前竞价配置参数。
上述装置可执行本发明前述所有实施例所提供的虚拟电厂的竞价方法，具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明前述所有实施例所提供的方法。
实施例三
图6为本发明实施例三提供的一种计算机设备的结构框图，如图6所示，该计算机设备包括处理器31、存储器32、输入装置33和输出装置34；计算机设备中处理器31的数量可以是一个或多个，图6中以一个处理器31为例；计算机设备中的处理器31、存储器32、输入装置33和输出装置34可以通过总线或其他方式连接，图6中以通过总线连接为例。
存储器32作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的虚拟电厂的竞价方法对应的模块(例如，虚拟电厂的竞价装置中的配置参数获取模块21、当前数据值确定模块22和目标竞价参数确定模块23)。处理器31通过运行存储在存储器32中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述的虚拟电厂的竞价方法。
存储器32可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器32可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器32可进一步包括相对于处理器31远程设置的存储器，这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置33可用于接收输入的数字或字符信息，以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。输出装置34可包括显示屏等显示设备。
实施例四
本发明实施例四还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种虚拟电厂的竞价方法，该方法包括：
获取给定的当前竞价配置参数；
基于预先构建的虚拟电厂竞价函数，结合设定的竞价约束条件，确定当前竞价配置参数下对应的当前数据值；
如果当前数据值满足设定的电厂利润条件，则将当前竞价配置参数确定为目标竞价参数。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的虚拟电厂的竞价方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。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，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，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)执行本发明各个实施例所述的方法。
值得注意的是，上述虚拟电厂的竞价装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种虚拟电厂的竞价方法，其特征在于，包括：
获取给定的当前竞价配置参数；
基于预先构建的虚拟电厂竞价函数，结合设定的竞价约束条件，确定所述当前竞价配置参数下对应的当前数据值；
如果所述当前数据值满足设定的电厂利润条件，则将所述当前竞价配置参数确定为目标竞价参数。
2.根据权利要求1所述的方法，其特征在于，所述虚拟电厂竞价函数的构建步骤，包括：
基于虚拟电厂参与需求响应的出清价格、成本费用、风险系数，构建虚拟电厂竞价函数。
3.根据权利要求2所述的方法，其特征在于，所述基于虚拟电厂参与需求响应的出清价格、成本费用、风险系数，构建虚拟电厂竞价函数，包括：
基于历史出清价格数据及所述虚拟电厂的投标价格，确定虚拟电厂参与需求响应的出清价格；
基于所有成本信息，确定虚拟电厂参与需求响应的成本费用；
基于历史调节数据，确定虚拟电厂参与需求响应的风险系数；
根据所述出清价格、所述成本费用、所述风险系数，构建虚拟电厂竞价函数。
4.根据权利要求3所述的方法，其特征在于，所述基于历史出清价格数据及所述虚拟电厂的投标价格，确定虚拟电厂参与需求响应的出清价格，包括：
基于历史出清价格数据及所述出清价格的影响因素，获得价格分布函数；
根据所述价格分布函数及所述虚拟电厂的投标价格，确定所述虚拟电厂参与所述需求响应的中标概率；
若所述虚拟电厂竞价成功，则确定虚拟电厂参与需求响应的出清价格。
5.根据权利要求3所述的方法，其特征在于，所述基于所有成本信息，确定虚拟电厂参与需求响应的成本费用，包括：
获取虚拟电厂参与需求响应的产量变化成本、设备调节成本、人力成本及电费成本，将各成本总和作为虚拟电厂参与需求响应的成本费用。
6.根据权利要求3所述的方法，其特征在于，所述基于历史调节数据，确定虚拟电厂参与需求响应的风险系数，包括：
根据历史调节数据，确定历史偏差率；
基于历史偏差率，结合风险函数，确定虚拟电厂参与需求响应的风险系数。
7.根据权利要求1所述的方法，其特征在于，所述获取给定的当前竞价配置参数之前，还包括：
确定竞价配置参数的粒子群，以获取当前竞价配置参数。
8.一种虚拟电厂的竞价装置，其特征在于，包括：
配置参数获取模块，用于获取给定的当前竞价配置参数；
当前数据值确定模块，用于基于预先构建的虚拟电厂竞价函数，结合设定的竞价约束条件，确定所述当前竞价配置参数下对应的当前数据值；
目标竞价参数确定模块，用于如果所述当前数据值满足设定的电厂利润条件，则将所述当前竞价配置参数确定为目标竞价参数。
9.一种计算机设备，其特征在于，包括：存储器以及一个或多个处理器；
所述存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的虚拟电厂的竞价方法。
10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7任一所述的虚拟电厂的竞价方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210088583.2A CN114549148A (zh) | 2022-01-25 | 2022-01-25 | 虚拟电厂的竞价方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210088583.2A CN114549148A (zh) | 2022-01-25 | 2022-01-25 | 虚拟电厂的竞价方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114549148A true CN114549148A (zh) | 2022-05-27 |
Family
ID=81673738
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210088583.2A Pending CN114549148A (zh) | 2022-01-25 | 2022-01-25 | 虚拟电厂的竞价方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114549148A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117196696A (zh) * | 2023-11-06 | 2023-12-08 | 南京南自华盾数字技术有限公司 | 一种基于市场供需关系和机组行为的电价预测方法 |
-
2022
- 2022-01-25 CN CN202210088583.2A patent/CN114549148A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117196696A (zh) * | 2023-11-06 | 2023-12-08 | 南京南自华盾数字技术有限公司 | 一种基于市场供需关系和机组行为的电价预测方法 |
| CN117196696B (zh) * | 2023-11-06 | 2024-01-19 | 南京南自华盾数字技术有限公司 | 一种基于市场供需关系和机组行为的电价预测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zheng et al. | Day-ahead bidding strategy for electric vehicle aggregator enabling multiple agent modes in uncertain electricity markets | |
| Zheng et al. | Multi-agent optimal allocation of energy storage systems in distribution systems | |
| Perez et al. | Predictive power control for PV plants with energy storage | |
| Zhou et al. | Forming dispatchable region of electric vehicle aggregation in microgrid bidding | |
| Zhang et al. | Bidding strategy analysis of virtual power plant considering demand response and uncertainty of renewable energy | |
| Shang et al. | Internet of smart charging points with photovoltaic Integration: A high-efficiency scheme enabling optimal dispatching between electric vehicles and power grids | |
| An et al. | A distributed and resilient bargaining game for weather-predictive microgrid energy cooperation | |
| CN111641226B (zh) | 一种计及自动需求响应的建筑型微电网光伏利用率提高方法 | |
| CN111682536B (zh) | 虚拟电厂参与日前双重市场的随机-鲁棒优化运行方法 | |
| Li et al. | Two-stage community energy trading under end-edge-cloud orchestration | |
| Zheng et al. | Two-phase operation for coordinated charging of electric vehicles in a market environment: From electric vehicle aggregators’ perspective | |
| Teng et al. | Potential value of energy storage in the UK electricity system | |
| CN111311012A (zh) | 基于多智能体的微电网电力市场双层竞价优化方法 | |
| Falabretti et al. | Scheduling and operation of RES-based virtual power plants with e-mobility: A novel integrated stochastic model | |
| CN117254501A (zh) | 一种新能源侧集中式共享储能容量规划方法及系统 | |
| CN115313361A (zh) | 一种规模化可调资源的联合优化控制方法和装置 | |
| CN111008463A (zh) | 一种考虑发电侧储能的容量配置优化方法、装置及设备 | |
| CN108446967A (zh) | 虚拟电厂竞价方法 | |
| CN114549148A (zh) | 虚拟电厂的竞价方法、装置、设备及存储介质 | |
| Rahman et al. | On efficient operation of a V2G-enabled virtual power plant: when solar power meets bidirectional electric vehicle charging | |
| Cheng et al. | An innovative profit allocation to distributed energy resources integrated into virtual power plant | |
| CN116596252A (zh) | 一种电动汽车集群多目标充电调度方法 | |
| CN115764863A (zh) | 一种基于数据驱动的多微网合作运行方法 | |
| Fridgen et al. | The value of IS-enabled flexibility in electricity demand-a real options approach | |
| CN116054286A (zh) | 一种考虑多元弹性资源的居民台区容量优化配置方法 |
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 |