CN115049125A - 考虑电力市场电价不确定性的梯级水电站短期优化调度方法 - Google Patents
考虑电力市场电价不确定性的梯级水电站短期优化调度方法 Download PDFInfo
- Publication number
- CN115049125A CN115049125A CN202210645288.2A CN202210645288A CN115049125A CN 115049125 A CN115049125 A CN 115049125A CN 202210645288 A CN202210645288 A CN 202210645288A CN 115049125 A CN115049125 A CN 115049125A
- Authority
- CN
- China
- Prior art keywords
- hydropower station
- market
- ith
- price
- electricity price
- 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
- 230000005611 electricity Effects 0.000 title claims abstract description 118
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000005457 optimization Methods 0.000 title claims abstract description 21
- 230000008901 benefit Effects 0.000 claims abstract description 46
- 239000002245 particle Substances 0.000 claims abstract description 34
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 23
- 238000010606 normalization Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000009987 spinning Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000012614 Monte-Carlo sampling Methods 0.000 claims description 4
- 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 claims description 3
- 238000010248 power generation Methods 0.000 claims description 3
- 229910052739 hydrogen Inorganic materials 0.000 claims 1
- 239000001257 hydrogen Substances 0.000 claims 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 claims 1
- 238000011156 evaluation Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 6
- 238000012502 risk assessment Methods 0.000 description 2
- 206010063659 Aversion Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000011144 upstream manufacturing 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
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
-
- 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
-
- 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)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了考虑电力市场电价多重不确定性的梯级水电站短期优化调度方法，具体为：首先，通过场景生成方法生成1000种随机电价场景，然后通过场景缩减方法对随机电价场景进行缩减，最终形成10种典型电价场景，其次以兼顾风险和效益的综合效益最大为目标建立梯级水电站短期优化调度模型，最后，采用粒子群算法对模型进行求解，获得电力现货市场环境下梯级水电站的容量申报策略。本发明的方法，考虑到了电力市场环境下电能量市场电价不确定性，引入条件风险价值作为风险评估指标，能够对电力市场环境下水电站的调度决策提供指导作用，促进水库兴利效益目标的可实现性。
Description
技术领域
本发明属于水利工程技术领域，具体涉及一种考虑电力市场电价不确定性的梯级水电站短期优化调度方法。
背景技术
在电力市场环境下，水电站的调度目标将由原来的发电量最大、耗水量最低等转变为水电站的效益最大，同时由于电力市场定价机制的复杂性，目前电力市场价格的预测精度还不够好，特别是在对多元电力市场下的多重电价进行预测时，更难以获得较为准确的预测电价数据。因此，考虑电力市场中电能量市场电价不确定性和调频辅助服务市场中调频里程价格不确定性的梯级水电站短期优化调度方法能够对电力市场环境下水电站的调度决策提供指导作用。
在计算系统和实际系统中，考虑电力市场电价多重不确定性的梯级水电站短期优化调度涉及问题：(1)如何对多重不确定性的电价体系进行模拟；(2)如何构建出能够考虑电力市场电价多重不确定性的梯级水电站短期优化调度模型。但到目前为止，还缺乏一种综合方法解决上述电价多重不确定性的梯级水电站短期优化调度问题。
发明内容
本发明的目的是提供考虑电力市场电价不确定性的梯级水电站短期优化调度方法，通过随机电价场景模拟多重电价的不确定性，并采用条件风险价值作为风险评估指标，建立考虑电价不确定性的梯级水电站参与电力现货组合市场的综合效益最大化模型，实现梯级水电站容量优化调度。
本发明所采用的技术方案是，考虑电力市场电价多重不确定性的梯级水电站短期优化调度方法，具体按照以下步骤实施：
步骤1，通过场景生成方法生成1000种随机电价场景，再通过场景缩减方法对随机电价场景进行缩减，最终形成10种典型电价场景，
步骤2，以兼顾风险和效益的综合效益最大为目标，建立梯级水电站短期优化调度模型，并建立约束条件；
步骤3，在步骤2建立的梯级水电站短期优化调度模型的基础上，采用粒子群算法对模型进行求解，获得电力现货市场环境下梯级水电站的容量申报策略。
本发明的特点还在于，
步骤1中，具体为：
步骤1.1，设电能量市场中的电价服从均值为μ1，方差为σ1的正态分布，调频辅助服务市场中的调频里程价格服从均值为μ2，方差为σ2的正态分布，然后采用蒙特卡洛抽样方法生成1000种随机电价场景；
步骤1.2，采用最大最小值方法分别对电能量电价和调频里程价格进行归一化处理，归一化计算公式如式(1)所示：
式(1)中，fi'是指第i个电价数据归一化处理后的值；fi是指第i个电价数据的值；f是指电价序列；
将次日每个计算时段归一化处理后的电能量市场电价、调频里程价格按顺序进行排列，合为一个价格矩阵，形成一天24小时的组合电价序列；
步骤1.3，采用K-means算法对该组合电价序列进行聚类，首先确定出聚类的组数，并随机选取各聚类的初始中心；
步骤1.4，分别计算每一条电价序列到各聚类中心的距离，计算距离的公式如式(2)所示：
式(2)中：D是指电价序列到聚类中心c的距离；N是指电价序列的长度；pn是指电价序列中的第n个电价数据的值；cn是指聚类中心中的第n个电价数据的值；
步骤1.5，根据每一条电价序列到聚类中心的距离，将该电价序列划分到距离最近的聚类中心代表的类中；
步骤1.6，计算每个聚类中电价序列的均值，作为新的聚类中心，若各聚类中心不再发生变化，则返回划分结果，否则返回步骤1.4；
步骤1.7，将聚类结束后的价格矩阵分解为电能量市场电价和调频里程价格序列，再还原成电能量市场电价和调频里程价格的实际值，得到典型电价场景。
步骤2中，梯级水电站短期优化调度模型，如式(3)所示：
梯级水电站短期优化调度模型的约束条件包括：
水量平衡约束如式(4)所示：
Vi,t+1＝Vi,t+3600(qi,t-Qi,t)Δt (4)；
式中：Vi,t是指第i个水电站在t时段内的水库库容；qi,t是指第i个水电站在t时段内的入库流量；
库水位约束如式(5)所示：
式中：
是指第i个水电站的库水位下限；
是指第i个水电站的库水位上限；Zi,t是指第i个水电站在t时段的坝前水位；Zi,0是指第i个水电站的初始水位；Zi,T是指第i个水电站的末水位；
发电量约束如式(6)所示：
式中：qi,t是指第i个水电站在t时段的发电流量；
是指第i个水电站的最小发电流量；
是指第i个水电站的最大发电流量；
水电站出力约束如式(7)所示
式中：
是指第i个水电站的出力下限；
是指第i个水电站的出力上限；Ni,t是指i个水电站在t时段的实际出力；
是指第i个水电站在t时段的最大出力；
是指第i个水电站t时段在电能量市场的申报电量；
是指第i个水电站t时段在调频辅助服务市场的申报电量；
是指第i个水电站t时段在旋转备用辅助服务市场的申报电量；
电能量市场申报容量约束如式(8)所示：
式中：
是指第i个水电站在t时段在电能量市场申报电量的下限；
是指第i个水电站在t时段在电能量市场申报电量的上限；
调频辅助服务市场申报容量约束如式(9)所示：
式中：
是指第i个水电站t时段内在调频辅助服务市场申报容量的下限；
是指第i个水电站t时段内在调频辅助服务市场申报容量的上限；
旋转备用辅助服务市场申报容量约束如式(10)所示：
式中：
是指第i个水电站t时段内在旋转备用辅助服务市场申报容量的下限；
是指第i个水电站t时段内在旋转备用辅助服务市场申报容量的上限；
非负约束：以上所有变量都是非负的。
步骤3中，具体为：
步骤3.1，设置粒子个数以及最大迭代次数，并给每个粒子赋予随机的初始位置和速度，粒子的位置代表水库的出库流量，将个体当前位置作为个体的历史最优位置向量，而群体中最优的个体作为当前的全局最优向量；
步骤3.2，根据粒子位置，计算各时段的实际出力以及最大出力能力；
步骤3.3，在计算时段t＝9到t＝19之间，梯级水电站能够参与的电力现货市场组合方案有4种，分别是参与电能量市场、参与电能量市场和调频辅助服务市场、参与电能量市场和旋转备用辅助服务市场以及参与电能量市场、调频辅助服务市场和旋转备用辅助服务市场；首先计算出4种不同申报方案下梯级水电站分别所能够获得的最大效益，其次，比较不同方案下梯级水电站的最大效益，获得梯级水电站在当前时段的最大效益及其对应的申报策略；在其它时段，梯级水电站能够参与的电力现货市场组合方案为上述的只参与电能量市场以及参与电能量市场和调频辅助服务市场这两种方案，首先计算出2种不同申报方案下梯级水电站分别所能够获得的最大效益，其次，比较不同方案下梯级水电站的最大效益，获得梯级水电站在当前时段的最大效益及其对应的申报策略；梯级水电站在各时段所获得的最大效益之和即为当前粒子的适应度值；
步骤3.4，如果该粒子当前的适应度函数值比其历史最优值要好，那么历史最优将会被当前位置所替代，如果该粒子的个体最优比全局最优要好，那么全局最优就会被该粒子的最优值所替代；
步骤3.5，判断是否达到结束条件，如果没有，更新每个粒子的速度和位置，返回步骤3.2，如果达到结束条件，输出全局最优位置并结束。
本发明的有益效果是，本发明的方法，通过场景分方法来模拟电能量市场电价和调频里程价格的不确定性，在此基础上，引入条件风险价值作为风险评估指标，建立了考虑电力市场电价多重不确定性的梯级水电站短期优化调度模型，采用粒子群算法求解获得电力市场环境下梯级水电站的申报策略，可以为风险厌恶型的水电站决策者提供参与电力现货组合市场的参考方案。
附图说明
图1是本发明考虑电力市场电价多重不确定性的梯级水电站短期优化调度方法中电能量市场典型电价场景的示意图；
图2是本发明考虑电力市场电价多重不确定性的梯级水电站短期优化调度方法中典型调频里程电价场景的示意图；
图3是本发明考虑电力市场电价多重不确定性的梯级水电站短期优化调度方法中梯级水电站的申报策略示意图；
图4是本发明考虑电力市场电价多重不确定性的梯级水电站短期优化调度方法中DG水电站的申报策略示意图；
图5是本发明考虑电力市场电价多重不确定性的梯级水电站短期优化调度方法中ZM水电站的申报策略示意图；
图6是本发明考虑电力市场电价多重不确定性的梯级水电站短期优化调度方法中JC水电站的申报策略示意图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明考虑电力市场电价多重不确定性的梯级水电站短期优化调度方法，具体按照以下步骤实施：
步骤1，通过场景生成方法生成1000种随机电价场景，再通过场景缩减方法对随机电价场景进行缩减，最终形成10种典型电价场景，具体为：
步骤1.1，设电能量市场中的电价服从均值为μ1，方差为σ1的正态分布，调频辅助服务市场中的调频里程价格服从均值为μ2，方差为σ2的正态分布，然后采用蒙特卡洛抽样方法生成1000种随机电价场景；
步骤1.2，采用最大最小值方法分别对电能量电价和调频里程价格进行归一化处理，归一化计算公式如式(1)所示：
式(1)中，fi'是指第i个电价数据归一化处理后的值；fi是指第i个电价数据的值；f是指电价序列；
将次日每个计算时段归一化处理后的电能量市场电价、调频里程价格按顺序进行排列，合为一个价格矩阵，形成一天24小时的组合电价序列；
步骤1.3，采用K-means算法对该组合电价序列进行聚类，首先确定出聚类的组数，并随机选取各聚类的初始中心；
步骤1.4，分别计算每一条电价序列到各聚类中心的距离，计算距离的公式如式(2)所示：
式(2)中：D是指电价序列到聚类中心c的距离；N是指电价序列的长度；pn是指电价序列中的第n个电价数据的值；cn是指聚类中心中的第n个电价数据的值；
步骤1.5，根据每一条电价序列到聚类中心的距离，将该电价序列划分到距离最近的聚类中心代表的类中；
步骤1.6，计算每个聚类中电价序列的均值，作为新的聚类中心，若各聚类中心不再发生变化，则返回划分结果，否则返回步骤1.4；
步骤1.7，将聚类结束后的价格矩阵分解为电能量市场电价和调频里程价格序列，再还原成电能量市场电价和调频里程价格的实际值，得到典型电价场景；
步骤2，以兼顾风险和效益的综合效益最大为目标，建立梯级水电站短期优化调度模型，如式(3)所示：
式(3)中：U是指梯级水电站的综合效益，单位为RMB；UE是指梯级水电站的期望效益，单位为RMB；β是指风险偏好因子；UCVaR是指条件风险价值，单位为RMB；W是指电价场景数目，单位为个；πw是指场景w对应的概率；Ew是指梯级水电站在场景w下对应的效益，单位为RMB；I是指水电站数目，单位为个；T是指时段数，单位为个；
是指场景w下对应的电能量市场电价，单位为RMB/(MW·h)；
是指第i个水电站在t时段内对电能量市场的申报电量，单位为RMB/(MW·h)；
是指调频辅助服务市场在t时段内的容量补偿价格，单位为RMB/MW；
是指第i个水电站在t时段内在调频辅助服务市场上的申报容量，单位为MW；
是指场景w下对应的调理里程补偿价格，单位为RMB/MW；Mi,t是指第i个水电站在时段t内参与调频辅助服务市场产生的调频里程，单位为MW；
是指旋转备用辅助服务市场在t时段内的容量补偿价格，单位为RMB/MW；
是指第i个水电站在t时段内在旋转备用辅助服务市场上的申报容量，单位为MW；
是指第i个水电站在t时段内由于参与旋转备用辅助服务市场而多发的电量，单位为MW·h；Ci,t是指第i个水电站在t时段内水电站提供调频辅助服务的机会成本，单位为RMB；ki是指第i个水电站的综合出力系数，单位为MW·s/m2；Qi,t是指第i个水电站在t时段内的下泄流量，单位为m3/s；Hi,t是指第i个水电站在t时段内的水头，单位为m；Δt是指时段长度，单位为h；k1是指调频里程与调频容量之间的比例系数；k2是指旋转备用使用量与旋转备用容量之间的的比例系数；Uα是指风险价值，单位为RMB；α是指置信度水平；ηw是指计算UCVaR的辅助变量，其值为max(Uα-Ew,0)；
梯级水电站短期优化调度模型的约束条件为；
水量平衡约束如式(4)所示：
Vi,t+1＝Vi,t+3600(qi,t-Qi,t)Δt (4)；
式中：Vi,t是指第i个水电站在t时段内的水库库容，单位为m3；qi,t是指第i个水电站在t时段内的入库流量，单位为m3/s；
库水位约束如式(5)所示：
式中：
是指第i个水电站的库水位下限，单位为m；
是指第i个水电站的库水位上限，单位为m；Zi,t是指第i个水电站在t时段的坝前水位，单位为m；Zi,0是指第i个水电站的初始水位，其值为Zi,initial，单位为m；Zi,T是指第i个水电站的末水位，其值为Zi,final，单位为m。
发电量约束如式(6)所示：
式中：qi,t是指第i个水电站在t时段的发电流量，单位为m3/s；
是指第i个水电站的最小发电流量，单位为m3/s；
是指第i个水电站的最大发电流量，单位为m3/s；
水电站出力约束如式(7)所示
式中：
是指第i个水电站的出力下限，单位为MW；
是指第i个水电站的出力上限，单位为MW；Ni,t是指i个水电站在t时段的实际出力，单位为MW；
是指第i个水电站在t时段的最大出力，单位为MW；
是指第i个水电站t时段在电能量市场的申报电量，单位为MW；
是指第i个水电站t时段在调频辅助服务市场的申报电量，单位为MW；
是指第i个水电站t时段在旋转备用辅助服务市场的申报电量，单位为MW；
电能量市场申报容量约束如式(8)所示：
式中：
是指第i个水电站在t时段在电能量市场申报电量的下限，单位为MW；
是指第i个水电站在t时段在电能量市场申报电量的上限，单位为MW；
调频辅助服务市场申报容量约束如式(9)所示：
式中：
是指第i个水电站t时段内在调频辅助服务市场申报容量的下限，单位为MW；
是指第i个水电站t时段内在调频辅助服务市场申报容量的上限，单位为MW；
旋转备用辅助服务市场申报容量约束如式(10)所示：
式中：
是指第i个水电站t时段内在旋转备用辅助服务市场申报容量的下限，单位为MW；
是指第i个水电站t时段内在旋转备用辅助服务市场申报容量的上限，单位为MW；
非负约束：以上所有变量都是非负的；
步骤3，在步骤2建立的梯级水电站短期优化调度模型的基础上，采用粒子群算法对模型进行求解，获得电力现货市场环境下梯级水电站的容量申报策略，具体为：
步骤3.1，设置粒子个数以及最大迭代次数，并给每个粒子赋予随机的初始位置和速度，粒子的位置代表水库的出库流量，将个体当前位置作为个体的历史最优位置向量，而群体中最优的个体作为当前的全局最优向量；
步骤3.2，根据粒子位置(当前各时段水库出库流量)，计算各时段(t＝1,2,...,24)的实际出力以及最大出力能力；
步骤3.3，在计算时段t＝9到t＝19之间，梯级水电站能够参与的电力现货市场组合方案有4种，分别是参与电能量市场、参与电能量市场和调频辅助服务市场、参与电能量市场和旋转备用辅助服务市场以及参与电能量市场、调频辅助服务市场和旋转备用辅助服务市场；在调频容量约束、旋转备用容量约束等约束条件下，首先计算出4种不同申报方案下梯级水电站分别所能够获得的最大效益，其次，比较不同方案下梯级水电站的最大效益，获得梯级水电站在当前时段的最大效益及其对应的申报策略；在其它时段，梯级水电站能够参与的电力现货市场组合方案为上述的只参与电能量市场以及参与电能量市场和调频辅助服务市场这两种方案，首先计算出2种不同申报方案下梯级水电站分别所能够获得的最大效益，其次，比较不同方案下梯级水电站的最大效益，获得梯级水电站在当前时段的最大效益及其对应的申报策略。梯级水电站在各时段所获得的最大效益之和即为当前粒子的适应度值；
步骤3.4，如果该粒子当前的适应度函数值比其历史最优值要好，那么历史最优将会被当前位置所替代，如果该粒子的个体最优比全局最优要好，那么全局最优就会被该粒子的最优值所替代；
步骤3.5，判断是否达到结束条件，如果没有，更新每个粒子的速度和位置，返回步骤3.2，如果达到结束条件，输出全局最优位置并结束。
实施例
本实时例选取的调度期为日尺度调度，梯级水电站为雅鲁藏布江中游的DG、ZM和JC水电站。
采用步骤1中的场景分析方法，以一日预测电能量市场电价和调频里程价格为基础，采用蒙特卡洛抽样方法生成1000个电能量市场电价场景和1000个调频里程价格场景，然后通过K-menas算法对电价场景进行聚类，形成10个电能量市场典型电价场景，如图1所示，以及10个典型调频里程电价场景，如图2所示；
采用步骤2中的兼顾风险和效益的综合效益最大为目标的梯级水电站短期优化调度模型建模方法，以DG水电站某日入库径流和梯级水电站在电力市场上的申报容量约束以及梯级水电站的特征参数建立兼顾风险和效益的综合效益最大为目标的梯级水电站短期优化调度模型；
采用步骤3中的粒子群算法对步骤2中构建的模型进行求解，获得电力市场环境下考虑电力市场中电能量市场电价和调频里程价格不确定性的梯级水电站的容量申报策略，如图3所示，以及DG、ZM和JC水电站此时的容量申报策略如图4、图5、图6所示。从申报结果来看，在考虑到电价不确定性时，作为上游电站的DG水电站往往会在电能量市场电价比较高时也预留一部分发电能力来应对风险，而梯级水电站参与辅助服务市场时往往能够获得较大的效益，因此三座梯级水电站在全天大部分时段会以最大可申报容量参与到辅助服务市场中。
Claims (5)
1.考虑电力市场电价多重不确定性的梯级水电站短期优化调度方法，其特征在于，具体按照以下步骤实施：
步骤1，通过场景生成方法生成1000种随机电价场景，再通过场景缩减方法对随机电价场景进行缩减，最终形成10种典型电价场景，
步骤2，以兼顾风险和效益的综合效益最大为目标，建立梯级水电站短期优化调度模型，并建立约束条件；
步骤3，在步骤2建立的梯级水电站短期优化调度模型的基础上，采用粒子群算法对模型进行求解，获得电力现货市场环境下梯级水电站的容量申报策略。
2.根据权利要求1所述的考虑电力市场电价多重不确定性的梯级水电站短期优化调度方法，其特征在于，所述步骤1中，具体为：
步骤1.1，设电能量市场中的电价服从均值为μ1，方差为σ1的正态分布，调频辅助服务市场中的调频里程价格服从均值为μ2，方差为σ2的正态分布，然后采用蒙特卡洛抽样方法生成1000种随机电价场景；
步骤1.2，采用最大最小值方法分别对电能量电价和调频里程价格进行归一化处理，归一化计算公式如式(1)所示：
式(1)中，f′i是指第i个电价数据归一化处理后的值；fi是指第i个电价数据的值；f是指电价序列；
将次日每个计算时段归一化处理后的电能量市场电价、调频里程价格按顺序进行排列，合为一个价格矩阵，形成一天24小时的组合电价序列；
步骤1.3，采用K-means算法对该组合电价序列进行聚类，首先确定出聚类的组数，并随机选取各聚类的初始中心；
步骤1.4，分别计算每一条电价序列到各聚类中心的距离，计算距离的公式如式(2)所示：
式(2)中：D是指电价序列到聚类中心c的距离；N是指电价序列的长度；pn是指电价序列中的第n个电价数据的值；cn是指聚类中心中的第n个电价数据的值；
步骤1.5，根据每一条电价序列到聚类中心的距离，将该电价序列划分到距离最近的聚类中心代表的类中；
步骤1.6，计算每个聚类中电价序列的均值，作为新的聚类中心，若各聚类中心不再发生变化，则返回划分结果，否则返回步骤1.4；
步骤1.7，将聚类结束后的价格矩阵分解为电能量市场电价和调频里程价格序列，再还原成电能量市场电价和调频里程价格的实际值，得到典型电价场景。
3.根据权利要求1所述的考虑电力市场电价多重不确定性的梯级水电站短期优化调度方法，其特征在于，所述步骤2中，梯级水电站短期优化调度模型，如式(3)所示：
式(3)中：U是指梯级水电站的综合效益；UE是指梯级水电站的期望效益；β是指风险偏好因子；UCVaR是指条件风险价值；W是指电价场景数目；πw是指场景w对应的概率；Ew是指梯级水电站在场景w下对应的效益；I是指水电站数目；T是指时段数；
是指场景w下对应的电能量市场电价；
是指第i个水电站在t时段内对电能量市场的申报电量；λt RR是指调频辅助服务市场在t时段内的容量补偿价格；
是指第i个水电站在t时段内在调频辅助服务市场上的申报容量；
是指场景w下对应的调理里程补偿价格；Mi,t是指第i个水电站在时段t内参与调频辅助服务市场产生的调频里程；
是指旋转备用辅助服务市场在t时段内的容量补偿价格；
是指第i个水电站在t时段内在旋转备用辅助服务市场上的申报容量；
是指第i个水电站在t时段内由于参与旋转备用辅助服务市场而多发的电量；Ci,t是指第i个水电站在t时段内水电站提供调频辅助服务的机会成本；ki是指第i个水电站的综合出力系数；Qi,t是指第i个水电站在t时段内的下泄流量；Hi,t是指第i个水电站在t时段内的水头；Δt是指时段长度；k1是指调频里程与调频容量之间的比例系数；k2是指旋转备用使用量与旋转备用容量之间的的比例系数；Uα是指风险价值；α是指置信度水平；ηw是指计算UCVaR的辅助变量。
4.根据权利要求3所述的考虑电力市场电价多重不确定性的梯级水电站短期优化调度方法，其特征在于，所述梯级水电站短期优化调度模型的约束条件包括：
水量平衡约束如式(4)所示：
Vi,t+1＝Vi,t+3600(qi,t-Qi,t)Δt (4)；
式中：Vi,t是指第i个水电站在t时段内的水库库容；qi,t是指第i个水电站在t时段内的入库流量；
库水位约束如式(5)所示：
式中：
是指第i个水电站的库水位下限；
是指第i个水电站的库水位上限；Zi,t是指第i个水电站在t时段的坝前水位；Zi,0是指第i个水电站的初始水位；Zi,T是指第i个水电站的末水位；
发电量约束如式(6)所示：
式中：qi,t是指第i个水电站在t时段的发电流量；
是指第i个水电站的最小发电流量；
是指第i个水电站的最大发电流量；
水电站出力约束如式(7)所示
式中：
是指第i个水电站的出力下限；
是指第i个水电站的出力上限；Ni,t是指i个水电站在t时段的实际出力；
是指第i个水电站在t时段的最大出力；
是指第i个水电站t时段在电能量市场的申报电量；
是指第i个水电站t时段在调频辅助服务市场的申报电量；
是指第i个水电站t时段在旋转备用辅助服务市场的申报电量；
电能量市场申报容量约束如式(8)所示：
式中：
是指第i个水电站在t时段在电能量市场申报电量的下限；
是指第i个水电站在t时段在电能量市场申报电量的上限；
调频辅助服务市场申报容量约束如式(9)所示：
式中：
是指第i个水电站t时段内在调频辅助服务市场申报容量的下限；
是指第i个水电站t时段内在调频辅助服务市场申报容量的上限；
旋转备用辅助服务市场申报容量约束如式(10)所示：
式中：
是指第i个水电站t时段内在旋转备用辅助服务市场申报容量的下限；
是指第i个水电站t时段内在旋转备用辅助服务市场申报容量的上限；
非负约束：以上所有变量都是非负的。
5.根据权利要求4所述的考虑电力市场电价多重不确定性的梯级水电站短期优化调度方法，其特征在于，所述步骤3中，具体为：
步骤3.1，设置粒子个数以及最大迭代次数，并给每个粒子赋予随机的初始位置和速度，粒子的位置代表水库的出库流量，将个体当前位置作为个体的历史最优位置向量，而群体中最优的个体作为当前的全局最优向量；
步骤3.2，根据粒子位置，计算各时段的实际出力以及最大出力能力；
步骤3.3，在计算时段t＝9到t＝19之间，梯级水电站能够参与的电力现货市场组合方案有4种，分别是参与电能量市场、参与电能量市场和调频辅助服务市场、参与电能量市场和旋转备用辅助服务市场以及参与电能量市场、调频辅助服务市场和旋转备用辅助服务市场；首先计算出4种不同申报方案下梯级水电站分别所能够获得的最大效益，其次，比较不同方案下梯级水电站的最大效益，获得梯级水电站在当前时段的最大效益及其对应的申报策略；在其它时段，梯级水电站能够参与的电力现货市场组合方案为上述的只参与电能量市场以及参与电能量市场和调频辅助服务市场这两种方案，首先计算出2种不同申报方案下梯级水电站分别所能够获得的最大效益，其次，比较不同方案下梯级水电站的最大效益，获得梯级水电站在当前时段的最大效益及其对应的申报策略；梯级水电站在各时段所获得的最大效益之和即为当前粒子的适应度值；
步骤3.4，如果该粒子当前的适应度函数值比其历史最优值要好，那么历史最优将会被当前位置所替代，如果该粒子的个体最优比全局最优要好，那么全局最优就会被该粒子的最优值所替代；
步骤3.5，判断是否达到结束条件，如果没有，更新每个粒子的速度和位置，返回步骤3.2，如果达到结束条件，输出全局最优位置并结束。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210645288.2A CN115049125A (zh) | 2022-06-09 | 2022-06-09 | 考虑电力市场电价不确定性的梯级水电站短期优化调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210645288.2A CN115049125A (zh) | 2022-06-09 | 2022-06-09 | 考虑电力市场电价不确定性的梯级水电站短期优化调度方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115049125A true CN115049125A (zh) | 2022-09-13 |
Family
ID=83161649
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210645288.2A Pending CN115049125A (zh) | 2022-06-09 | 2022-06-09 | 考虑电力市场电价不确定性的梯级水电站短期优化调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115049125A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115545768A (zh) * | 2022-10-06 | 2022-12-30 | 大连川禾绿能科技有限公司 | 一种考虑合同分解的大水电跨省跨区日前随机竞价方法 |
-
2022
- 2022-06-09 CN CN202210645288.2A patent/CN115049125A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115545768A (zh) * | 2022-10-06 | 2022-12-30 | 大连川禾绿能科技有限公司 | 一种考虑合同分解的大水电跨省跨区日前随机竞价方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112465323B (zh) | 一种耦合日电量分解及日前市场竞价的梯级水电站短期鲁棒调度方法 | |
| CN112488744A (zh) | 一种交易驱动的虚拟电厂定制化构建方法 | |
| 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 | |
| CN113807554A (zh) | 基于现货模式下的负荷聚合商能源优化方法和装置 | |
| 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 | |
| CN112529249A (zh) | 一种计及绿证交易的虚拟电厂优化调度及交易管理方法 | |
| CN115049125A (zh) | 考虑电力市场电价不确定性的梯级水电站短期优化调度方法 | |
| Liu et al. | Optimal dispatch strategy of virtual power plants using potential game theory | |
| Li et al. | A scheduling framework for VPP considering multiple uncertainties and flexible resources | |
| CN115358519A (zh) | 一种虚拟电厂优化调度方法及装置 | |
| CN114612001A (zh) | 集群电动汽车参与电网削峰的调控指令分解方法和系统 | |
| CN112686432B (zh) | 一种多目标水电-风电优化调度模型方法 | |
| Mena et al. | Multi-objective two-stage stochastic unit commitment model for wind-integrated power systems: A compromise programming approach | |
| CN112721706B (zh) | 考虑弹性的电动汽车充电站储能系统的容量优化方法 | |
| Xu et al. | Perception and decision-making for demand response based on dynamic classification of consumers | |
| CN111667119B (zh) | 一种水电站milp模型最优代表水头选取方法和系统 | |
| Jing et al. | Benefit compensation of hydropower-wind-photovoltaic complementary operation in the large clean energy base | |
| CN115600757A (zh) | 海上风电共享储能参与现货市场交易协调优化方法及系统 | |
| CN115906608A (zh) | 一种基于博弈理论的虚拟电厂模型及优化运行方法 | |
| CN111271839B (zh) | 一种定频空调短期功率调节的方法 | |
| Chen et al. | Data-driven-based distributionally robust optimization approach for a virtual power plant considering the responsiveness of electric vehicles and Ladder-type carbon trading | |
| CN113392366A (zh) | 一种均衡综合服务站内部利益的方法及系统 | |
| Pack et al. | REVENUE POTENTIAL OF DIFFERENT PROSUMER TYPES AT LOCAL FLEXIBILITY MARKETS | |
| CN115663808A (zh) | 一种计及动态碳排放的高原高海拔微电网源网荷系统调控方法 | |
| Duan et al. | Demand curve model based on system reliability in ISO-NE capacity market |
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 |