CN115187264A - 一种微电网群两阶段日前交易优化方法 - Google Patents

一种微电网群两阶段日前交易优化方法 Download PDF

Info

Publication number
CN115187264A
CN115187264A CN202210958272.7A CN202210958272A CN115187264A CN 115187264 A CN115187264 A CN 115187264A CN 202210958272 A CN202210958272 A CN 202210958272A CN 115187264 A CN115187264 A CN 115187264A
Authority
CN
China
Prior art keywords
group
microgrid
transaction
power
micro
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
CN202210958272.7A
Other languages
English (en)
Inventor
陈文钢
张莹
王敬华
陈佳佳
丛新棚
徐丙垠
肖传亮
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.)
Shandong Kehui Power Automation Co ltd
Shandong University of Technology
Original Assignee
Shandong Kehui Power Automation Co ltd
Shandong University of Technology
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 Shandong Kehui Power Automation Co ltd, Shandong University of Technology filed Critical Shandong Kehui Power Automation Co ltd
Priority to CN202210958272.7A priority Critical patent/CN115187264A/zh
Publication of CN115187264A publication Critical patent/CN115187264A/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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401—Transaction verification
    • G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
    • 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
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种微电网群两阶段日前交易优化方法，属于微电网群电力交易领域。S1以微电网群运营商和多个微电网组成微电网群；S2建立根据微电网群内部供需形势动态调整的交易机制；S3针对各微电网存在的交易违约行为制定惩罚机制；S4微电网对交易违约的经济风险进行量化；S5实现新能源出力场景建模；S6各微电网上报各时刻的交易需求量；S7微电网群运营商制进行电力定价，并反馈给各微电网；S8根据反馈信息，微电网进行优化调整，再次上报微电网群运营商；S9通过不断迭代，最终达到均衡。本发明实现更加有利的群内交易策略，能够抑制MG新能源出力不确定性带来的经济风险，适应于解决含高比例风光的微电网群的安全经济运行问题。

Description

一种微电网群两阶段日前交易优化方法
技术领域
一种微电网群两阶段日前交易优化方法，属于微电网群电力交易领域。
背景技术
随着现代社会的发展，传统化石能源日益枯竭，能源危机已成为现代经济社会发展中不可忽视的问题。面对日益严峻的挑战，我国提出了“碳中和”、“碳达峰”目标。因新能源具有清洁、可持续的特点，构建以新能源为主体的新型电力系统对双碳目标的实现具有重要意义。以新能源为主导的微电网群，能够提高新能源的就地消纳率，保证用电经济性，已成为实现双碳目标的重要手段。然而，微电网群内新能源发电的不确定性，不仅影响到微网间的电能交互，还加剧了电力定价的困难度，给微电网群运行带来经济风险。基于此，综合考虑微电网群各方利益及新能源发电不确定性带来的经济风险量化对微电网群电价交易机制和交易策略的研究具有重要意义。
发明内容
本发明要解决的技术问题是：克服现有技术的不足，提供一种能够提高微电网群经济效益的同时，降低微电网群因新能源出力不确定导致的经济风险的微电网群两阶段日前交易优化方法。
本发明解决其技术问题所采用的技术方案是：该微电网群两阶段日前交易优化方法，其特征在于：包括如下步骤：
S1以微电网群运营商和多个微电网组成微电网群；
S2建立根据微电网群内部供需形势动态调整的交易机制；
S3针对各微电网存在的交易违约行为制定惩罚机制；
S4微电网利用条件风险价值对交易违约的经济风险进行量化，将潜在经济风险转变为风险成本；
S5利用拉丁超立方抽样和向后缩减技术实现新能源出力场景建模；
S6各微电网上报各时刻的交易需求量；
S7微电网群运营商根据相应的电价机制进行电力定价，并将各时段的交易情况反馈给各微电网；
S8根据反馈信息，微电网进行优化调整，再次上报微电网群运营商；
S9通过不断迭代，最终达到均衡。
优选的，所述的微电网群运营商利用各微电网具有不同的发电和用电特性，实现微电网群整体效益的提升，降低微电网群电能交易的峰谷差。
优选的，各所述的微电网根据微电网群内电价对购售电量进行调整。
优选的，所述方法还包括，微电网群运营商建立基于微电网群内供需形势动态调整的需求响应交易模型。
优选的，所述需求响应交易模型的内部电价约束为：
在微电网群内盈余电能小于缺电电能时，内部电价约束为：
Figure BDA0003788663280000021
其中，
Figure BDA0003788663280000022
和
Figure BDA0003788663280000023
分别为t时段群内总的购电功率和总的售电功率，
Figure BDA0003788663280000024
和
Figure BDA0003788663280000025
分别为t时段MGi的购电功率和售电功率，
Figure BDA0003788663280000026
和
Figure BDA0003788663280000027
分别为t时段配电网的售电电价和上网电价，
Figure BDA0003788663280000028
和
Figure BDA0003788663280000029
分别为t时段MG参与群内交易的内部购电电价和售电电价；
当微电网群内售电需求大于购电需求量时，群内购售电电价约束为：
Figure BDA0003788663280000031
优选的，所述方法还包括，微电网群运营商通过激励机制降低微电网群的峰谷差，微电网群的整体功率波动ΔP为：
Figure BDA0003788663280000032
其中，
Figure BDA0003788663280000035
和
Figure BDA0003788663280000036
为t1时段的微电网群内购电需求总量和售电需求总量；
Figure BDA0003788663280000037
和
Figure BDA0003788663280000038
为t2时段的微电网群内购电需求总量和售电需求总量。
优选的，所述方法还包括，在微电网群售电功率最大时的t2时段，给予降低售电需求量和提高购电需求量的MG经济补偿满足如下约束：
Figure BDA0003788663280000033
其中，Wi为给MGi的补偿费用；
Figure BDA0003788663280000039
和
Figure BDA00037886632800000310
分别为在t1时段需求响应下调购电需求功率或上调的售电需求功率；cdown和cup分别为上调和下调的激励价格；
补偿给需求响应MG的总费用需满足：
Figure BDA0003788663280000034
其中，W为MGCO给予需求响应MG的总补偿费用，m为MG个数，Wmax为补偿费用的上限。
优选的，所述方法还包括，微电网群运营商以上报交易量与实际交易量的差值为基准，设置惩罚成本。
优选的，所述方法还包括，惩罚费用如下：
Figure BDA0003788663280000041
其中，
Figure BDA0003788663280000043
为MGCO对微电网i的惩罚费用，
Figure BDA0003788663280000044
为惩罚单价，
Figure BDA0003788663280000045
为交易功率误差，Ptrade，max为最大允许功率波动范围；
Figure BDA0003788663280000042
其中，
Figure BDA0003788663280000046
和
Figure BDA0003788663280000047
分别为MGi在t时段日内的真实购电功率和日前的上报购电功率；
Figure BDA0003788663280000048
和
Figure BDA0003788663280000049
分别为MG在t时段日内的真实售电功率和日前的上报售电功率。
优选的，所述的微电网采用条件风险价值理论对其运行的经济风险进行量化，并将量化经济风险值加入到优化模型中。
与现有技术相比，本发明所具有的有益效果是：
本微电网群两阶段日前交易优化方法的构造了上层微电网群运营商通过电价交易机制实现了微电网群交易的交易模型，下层MG通过电价信息和新能源出力不确定带来的经济风险量化实现内部的经济调度，实现更加有利的群内交易策略，能够抑制MG新能源出力不确定性带来的经济风险，适应于解决含高比例风光的微电网群的安全经济运行问题。
附图说明
图1为微电网群两阶段日前交易优化方法的流程图。
具体实施方式
下面结合具体实施例对本发明做进一步说明，然而熟悉本领域的人们应当了解，在这里结合附图给出的详细说明是为了更好的解释，本发明的结构必然超出了有限的这些实施例，而对于一些等同替换方案或常见手段，本文不再做详细叙述，但仍属于本申请的保护范围。
图1是本发明的最佳实施例，下面结合附图1对本发明做进一步说明。
一种微电网群两阶段日前交易优化方法，包括如下步骤：
S1以微电网群运营商和多个微电网组成微电网群；
S2建立根据微电网群内部供需形势动态调整的交易机制；
S3针对各微电网存在的交易违约行为制定惩罚机制；
S4微电网利用条件风险价值对交易违约的经济风险进行量化，将潜在经济风险转变为风险成本；
S5利用拉丁超立方抽样和向后缩减技术实现新能源出力场景建模；
S6各微电网上报各时刻的交易需求量；
S7微电网群运营商根据相应的电价机制进行电力定价，并将各时段的交易情况反馈给各微电网；
S8根据反馈信息，微电网进行优化调整，再次上报微电网群运营商；
S9通过不断迭代，最终达到均衡。
本发明构造了基于CVaR理论量化经济风险的微电网群交易机制，能准确有效量化MG因新能源出力不确定性带来的潜在经济风险，同时利用储能和柔性负荷等设备降低V的经济风险，从而做出更加有利的交易策略，实现微电网群的交易策略优化，适应于解决含高比例光伏的微电网群安全经济交易问题。
作为本实施例一种可能的实现方式，上层微电网群运营商制定的交易机制为：
微电网群运营商为了保障各方收益均衡，建立了基于群内供需形势动态调整的需求响应交易模型。
在微电网群内盈余电能小于缺电电能时，内部电价满足：
Figure BDA0003788663280000051
其中，
Figure BDA0003788663280000052
和
Figure BDA0003788663280000053
分别为t时段群内总的购电功率和总的售电功率，
Figure BDA0003788663280000054
和
Figure BDA0003788663280000055
分别为t时段MGi的购电功率和售电功率，
Figure BDA0003788663280000056
和
Figure BDA0003788663280000058
分别为t时段配电网的售电电价和上网电价，
Figure BDA0003788663280000057
和
Figure BDA0003788663280000065
分别为t时段MG参与群内交易的内部购电电价和售电电价。
当微电网群内售电需求大于购电需求量时，群内购售电电价满足：
Figure BDA0003788663280000061
微电网群运营商作为能量交易中心，需承担一定的社会责任，通过激励机制降低微电网群的峰谷差，即满足：
Figure BDA0003788663280000062
其中，ΔP微电网群的整体功率波动，
Figure BDA0003788663280000066
和
Figure BDA0003788663280000067
为t1时段的微电网群内购电需求总量和售电需求总量；
Figure BDA0003788663280000068
和
Figure BDA0003788663280000069
为t2时段的微电网群内购电需求总量和售电需求总量。
MGCO为了降低微电网群整体的功率波动，在微电网群购电功率最大时的t1时段，给予削减购电需求量和提高售电需求量的MG经济补偿；在微电网群售电功率最大时的t2时段，给予降低售电需求量和提高购电需求量的MG经济补偿。即满足：
Figure BDA0003788663280000063
其中，Wi为给MGi的补偿费用；
Figure BDA00037886632800000610
和
Figure BDA00037886632800000611
分别为在t1时段需求响应下调购电需求功率或上调的售电需求功率；
Figure BDA00037886632800000612
和cup分别为上调和下调的激励价格。
补偿给需求响应MG的总费用需满足：
Figure BDA0003788663280000064
其中，W为MGCO给予需求响应MG的总补偿费用，m为MG个数，Wmax为补偿费用的上限。
微电网群运营商为了避免交易混乱，及违约行为的发生，以上报交易量与实际交易量的差值为基准，设置惩罚成本。惩罚成本的设置既要保证MG交易的积极性，同时需要降低MG的违约行为。具体原则如下：
1)确定交易功率波动范围：微电网群运营商汇总MG日前上报的交易电量，向配电网发送下一个交易日各时段的交互功率基准值。同时，按照上报量确定下一个交易日MG的功率波动范围。
2)确定功率偏差：当MG实际交易功率超出日前所确定的交易功率波动范围时，将收取惩罚费用。
惩罚费用如下：
Figure BDA0003788663280000071
其中，
Figure BDA0003788663280000075
为MGCO对微电网i的惩罚费用，
Figure BDA0003788663280000073
为惩罚单价，
Figure BDA0003788663280000074
为交易功率误差，
Figure BDA0003788663280000076
为最大允许功率波动范围。
其中
Figure BDA0003788663280000077
为：
Figure BDA0003788663280000072
其中，
Figure BDA0003788663280000078
和
Figure BDA0003788663280000079
分别为MGi在t时段日内的真实购电功率和日前的上报购电功率；
Figure BDA00037886632800000710
和
Figure BDA00037886632800000711
分别为MG在t时段日内的真实售电功率和日前的上报售电功率。
作为本实施例一种可能的实现方式，MG考虑经济风险的经济调度为：
下层MG作为独立的利益主体，具有自利性，以自身运行费用最低为目标，对内部各装置出力情况进行优化调整，太阳能、风能等新能源出力成本忽略不计，优先满足自身供电，实现“自发自用，余电上网”，提高就地消纳能力。其目标函数为：
f＝[f1，f2，，，fm]；
其中，fm为MG的目标函数。其中，各MG目标函数满足：
fi＝min{Ci，ES+Ci，b-Ci，s+Ci，CVaR+Ci，cload+Ci，sc}；
其中，Ci，ES为MGi的储能运行维护成本；Ci，b为MGi的购电成本；Ci，s为MGi的售电收益；Ci，CVaR为MGi的潜在经济损失；Ci，cload为MGi的切负荷成本；Ci，sc为MGi参与群内交易的服务费。
储能运行维护成本：其投资建造成本较大，且随着储能装置的使用，会出现储能装置老化等问题，故将储能装置的投资建造成本进行折算，得到单位充放电成本cES。储能装置的充放电成本为：
Figure BDA0003788663280000081
其中，
Figure BDA0003788663280000082
和
Figure BDA0003788663280000083
分别为MG在时段储能的充放电功率，Δt为调度时间间隔，T为调度周期中的总的调度次数。
交易成本：为了满足MG内部功率平衡，需与MGCO进行电能交易，交易成本满足：
Figure BDA0003788663280000084
MG参与群内交易的服务费满足：
Figure BDA0003788663280000085
其中，csc为单位服务费。
切负荷成本满足：
Figure BDA0003788663280000086
其中，ci，doad为单位功率的切负荷成本。
各约束包括储能设备约束、负荷约束、交易约束以及功率平衡。
其中，储能设备的充放电功率均需在最大额定功率范围内，且不能同时进行，即储能设备约束满足：
Figure BDA0003788663280000091
其中，Pi，ch，N和Pi，dch，N分别为储能充放电的最大额定功率；
Figure BDA0003788663280000095
为二进制变量，限制储能充放电不能同时进行，当
Figure BDA0003788663280000096
为0时，储能可放电，反之储能放电。
为避免储能的过充过放，设置储能剩余电量的上、下限值，及调度周期内最大吞吐量，满足：
Figure BDA0003788663280000092
其中，Si，ES，max和Si，ES，min分别为储能剩余容量的最大值和最小值；
Figure BDA0003788663280000097
为MGi储能在t时刻剩余容量；Qi，max为MGi储能日吞吐量上限，其取值依据受交易电价和储能损耗等因素综合考虑而定。
为了保证储能装置能够持续工作，其调度周期始末的剩余容量应相等，且储能装置在t时刻的剩余容量，可根据t-1时刻的剩余容量计算，即：
Figure BDA0003788663280000093
其中，
Figure BDA0003788663280000098
和
Figure BDA0003788663280000099
分别为储能设备调度周期始末的剩余容量，ηch和ηdch分别为储能在充放电时的传输效率。
负荷由重要负荷、可平移负荷和可切断负荷组成，负荷约束满足：
Figure BDA0003788663280000094
其中，
Figure BDA00037886632800000910
为MGi在t时段的总负荷功率，
Figure BDA00037886632800000911
为可平移负荷功率，
Figure BDA00037886632800000912
可切断负荷功率，
Figure BDA00037886632800000913
为重要负荷功率。
对于可平移负荷约束为：
Figure BDA0003788663280000101
其中，Pi，tload，max为可平移负荷的最大负荷功率；
Figure BDA0003788663280000105
为二进制变量，作为可平移负荷的标志位；Pi，tload为在整个调度周期中可平移负荷的总负荷量。
对于可切断负荷约束为：
Figure BDA0003788663280000102
其中，
Figure BDA0003788663280000106
为MGi在t时段最大可切除负荷功率；
Figure BDA0003788663280000107
为二进制变量，作为可切断负荷标志位，当其为0时，此时段没有切负荷，当其等于1时，该时段有切负荷。
MG与外部交易功率需满足联络线功率要求，交易约束满足：
Figure BDA0003788663280000103
其中，Pi，max为MGi联络线上的功率上限；
Figure BDA0003788663280000108
为购售电标志位，其为二进制数，保证了MG不能同时购电和售电，当
Figure BDA0003788663280000109
为1时，MG可购电；反之，MG可售电。
MG通过调节储能的充放电功率、参与微电网群内交易，以满足功率平衡，功率平衡满足如下条件：
Figure BDA0003788663280000104
其中，
Figure BDA00037886632800001010
为预测风机功率，
Figure BDA00037886632800001011
为预测光伏功率，
Figure BDA00037886632800001012
为电力负荷。
作为本实施例一种可能的实现方式，下层MG考虑新能源出力不确定性带来的经济风险为：
日前交易市场，因MG内部的风机和光伏预测出力具有不确定性，导致日前上报量与实际交易量存在差异，当差异较大时MG将会受到经济惩罚，存在潜在的经济运行风险，为了保障潜在的经济风险在可接受范围内，引入CVaR理论对经济风险进行量化。
CVaR理论作为金融领域内的风险度量理论，是在风险价值(Value at Risk,VaR)理论基础上发展而来的，解决了VaR理论尾部损失测量的非充分性和无法考察超过分位点的下方风险信息的问题。其反映了在给定置信度下，潜在风险损失超过VaR值的平均值。目前，CVaR已经应用于电力系统风险决策。
对于给定置信度β∈(0，1)，VaR值可用下式得到：
Figure BDA0003788663280000111
其中，f(x，y)为决策变量x和随机变量y下的风险损失；ρ(y)为随机变量y的概率密度函数；ψ(x，α)为损失不超过α的概率；zβ(x)为置信度β的VaR。
CVaR为损失超过置信度为β下VaR的平均值，满足：
Figure BDA0003788663280000112
其中，zCVaR(x)为置信度β下的CVaR。
由于zβ(x)解析式难以求解，引入辅助变量进行简化求解：
Figure BDA0003788663280000113
因公式中含有积分项，难以求解，且在实际应用中，随机变量y的概率密度函数ρ(y)难以得到，故根据风、光出力预测误差符合正态分布的特点，通过拉丁超立方抽样生成N组随机场景，再通过向后场景缩减技术，将场景缩减为n组，有：
Figure BDA0003788663280000114
其中，z(x)为CVaR估计值；yk为y的第k组样本数据，共n组数据。
本发明通过协调运行策略能够有效应对多利益主体MG交易问题，建立诚信机制，动态调整诚信因子，抑制了群内虚假信息的产生，有利于微电网群的安全稳定运行。
下面以一个实例具体说明本发明基于CVaR理论的微电网群电价交易机制与交易策略优化方法，在该实例中3个MG组成微电网群，并设置了4种场景进行对比分析，情景1，无需求响应机制下，不考虑经济风险的微电网群交易；情景2，需求响应机制下，不考虑经济风险的微电网群交易；情景3，无需求响应下，考虑经济风险的微电网群交易；情景4，需求响应机制下，考虑潜在经济风险的微电网群交易。
情景2和情景4两种交易情景下，MG1购电需求量较大，为应对经济风险损失，MG1在4、12、15、21和23时段的购电电量均有不同程度的增加；MG2在情景4相比情景2模式运行下，购电需求量略有增加，表中3中的储能运行成本提高了4.96元，这是由于MG2增加购电量存入储能设备，以应对潜在的经济风险损失；MG3的售电需求量较大，情景4相比情景2模式下，在10-12的电价高峰时段的售电电量分别增加了15.01、15.34和13.97kWh，这是由于MG3综合考虑售电收益与潜在风险优化后的结果。
情景4相比情景2，MG1和MG2储能总的运行功率增加，这是由于情景4考虑到新能源出力不确定性带来的经济风险损失，增加储能的运行以应对新能源出力带来的经济风险。MG3储能总运行功率减小，这是由于MG3的负荷功率需求较小，具有较大的售电需求量，为了应对新能源出力的不确定性，需预留出更大的储能容量，以便于新能源实际出力大于预测值时，将多余能量存储到储能设备，从而降低违约惩罚金额。
在8-9时段和16-21时段各MG交易电价均为从配电网购电电价，表示该时段MG均无售电需求，根据电价机制，在仅有售电需求或仅有购电需求的时段，内部交易电价为配电网电价，不会降低MG参与群内交易的积极性。在其他时段MG的购电费用均小于配电网电价，售电费用均大于配电网收购电价，调动了MG参与群内交易的积极性。各时段交易电价均处于配电网上网电价和售电电价之间，验证了该群内定价机制的合理性和有效性。
表1给出了四种交易情景下，各MG的运行情况。对比情景1、2可知，考虑需求响应后，MG1和MG2运行费用分别降低了20.29元和3.69元，微电网群的总运行费用减少了11.52元，这是由于考虑需求响应机制下的电力交易，使各MG能够更好的调节储能出力和灵活性负荷，从而降低了运行费用，验证了需求响应机制下的电力交易能够更好的发挥微电网群电力交易的优点；而MG1和MG3的CVaR值分别增加了13.75元和43.7元，MG2的CVaR值减少了2.61元，这是因为情景1和情景2均未将经济风险转化为成本纳入到交易模型中，致使情景1和情景2的CVaR值过大。对比情景1、3可知，将新能源出力不确定性带来的经济风险以CVaR理论量化为成本，纳入交易模型，使得各MG运行费用分别增加了21.06元、10.19元和17.94元，但是各MG的CVaR值分别降低了77.82元、66.50元和70.18元，这是由于情景3将经济风险转化为成本纳入交易模型中，使得MG需调用更多的储能和柔性负荷来应对潜在经济风险，因此运行费用提高，CVaR值降低。最后，对比情景3和情景4，可以看出情景4中各MG运行费用分别降低了7.46元、6.21元和8.73元，CVaR值分别降低了1.51元、3.81元和1.75元，这是由于考虑到需求响应后，MG能够更好的得到微电网群内的交易信息，做出更加有利的交易调整，从而降低了MG的运行费用和潜在的经济风险损失，更好的发挥微电网群交易的优势。
表1不同情景下的优化结果
Figure BDA0003788663280000131
表2给出了四种交易情景下，微电网群的峰谷差。对比表2中数据可知，情景2相比情景1微电网群峰谷差降低了3.2kw，情景4相比情景3微电网群峰谷差降低了6.58kw，验证了实行需求响应的交易机制能够降低微电网群的峰谷差；情景4相比情景2微电网群峰谷差降低了12.39kw，表明在考虑潜在经济风险的微电网群交易，能够降低微电网群的峰谷差。
表2不同情景下微电网群的峰谷差
Figure BDA0003788663280000141
表3给出了不同置信水平下微电网群的运行成本。如表3所示，随着置信度的提高，CVaR的值、运行费用和综合费用整体呈上升趋势。置信度越大，为了应对新能源出力不确定性带来的经济风险，储能设备需备用更多的电能，以应对新能源出力的不确定性带来的经济损失。
表3不同置信水平运行成本
Figure BDA0003788663280000142

Claims (10)

1.一种微电网群两阶段日前交易优化方法，其特征在于：包括如下步骤：
S1以微电网群运营商和多个微电网组成微电网群；
S2建立根据微电网群内部供需形势动态调整的交易机制；
S3针对各微电网存在的交易违约行为制定惩罚机制；
S4微电网利用条件风险价值对交易违约的经济风险进行量化，将潜在经济风险转变为风险成本；
S5利用拉丁超立方抽样和向后缩减技术实现新能源出力场景建模；
S6各微电网上报各时刻的交易需求量；
S7微电网群运营商根据相应的电价机制进行电力定价，并将各时段的交易情况反馈给各微电网；
S8根据反馈信息，微电网进行优化调整，再次上报微电网群运营商；
S9通过不断迭代，最终达到均衡。
2.根据权利要求1所述的微电网群两阶段日前交易优化方法，其特征在于：所述的微电网群运营商利用各微电网具有不同的发电和用电特性，实现微电网群整体效益的提升，降低微电网群电能交易的峰谷差。
3.根据权利要求1所述的微电网群两阶段日前交易优化方法，其特征在于：各所述的微电网根据微电网群内电价对购售电量进行调整。
4.根据权利要求1所述的微电网群两阶段日前交易优化方法，其特征在于：所述方法还包括，微电网群运营商建立基于微电网群内供需形势动态调整的需求响应交易模型。
5.根据权利要求4所述的微电网群两阶段日前交易优化方法，其特征在于：所述需求响应交易模型的内部电价约束为：
在微电网群内盈余电能小于缺电电能时，内部电价约束为：
Figure FDA0003788663270000021
其中，
Figure FDA0003788663270000022
和
Figure FDA0003788663270000023
分别为t时段群内总的购电功率和总的售电功率，
Figure FDA0003788663270000024
和
Figure FDA0003788663270000025
分别为t时段MGi的购电功率和售电功率，
Figure FDA0003788663270000026
和
Figure FDA0003788663270000027
分别为t时段配电网的售电电价和上网电价，
Figure FDA0003788663270000028
和
Figure FDA0003788663270000029
分别为t时段MG参与群内交易的内部购电电价和售电电价；
当微电网群内售电需求大于购电需求量时，群内购售电电价约束为：
Figure FDA00037886632700000210
6.根据权利要求4所述的微电网群两阶段日前交易优化方法，其特征在于：所述方法还包括，微电网群运营商通过激励机制降低微电网群的峰谷差，微电网群的整体功率波动ΔP为：
Figure FDA00037886632700000211
其中，
Figure FDA00037886632700000212
和
Figure FDA00037886632700000213
为t1时段的微电网群内购电需求总量和售电需求总量；
Figure FDA00037886632700000214
和
Figure FDA00037886632700000215
为t2时段的微电网群内购电需求总量和售电需求总量。
7.根据权利要求6所述的微电网群两阶段日前交易优化方法，其特征在于：所述方法还包括，在微电网群售电功率最大时的t2时段，给予降低售电需求量和提高购电需求量的MG经济补偿满足如下约束：
Figure FDA00037886632700000216
其中，Wi为给MGi的补偿费用；
Figure FDA00037886632700000217
和
Figure FDA00037886632700000218
分别为在t1时段需求响应下调购电需求功率或上调的售电需求功率；cdown和cup分别为上调和下调的激励价格；
补偿给需求响应MG的总费用需满足：
Figure FDA0003788663270000031
其中，W为MGCO给予需求响应MG的总补偿费用，m为MG个数，Wmax为补偿费用的上限。
8.根据权利要求1所述的微电网群两阶段日前交易优化方法，其特征在于：所述方法还包括，微电网群运营商以上报交易量与实际交易量的差值为基准，设置惩罚成本。
9.根据权利要求8所述的微电网群两阶段日前交易优化方法，其特征在于：所述方法还包括，惩罚费用如下：
Figure FDA0003788663270000032
其中，
Figure FDA0003788663270000033
为MGCO对微电网i的惩罚费用，
Figure FDA0003788663270000034
为惩罚单价，
Figure FDA0003788663270000035
为交易功率误差，Ptrade，max为最大允许功率波动范围；
Figure FDA0003788663270000036
其中，
Figure FDA0003788663270000037
和
Figure FDA0003788663270000038
分别为MGi在t时段日内的真实购电功率和日前的上报购电功率；
Figure FDA0003788663270000039
和
Figure FDA00037886632700000310
分别为MG在t时段日内的真实售电功率和日前的上报售电功率。
10.根据权利要求1所述的微电网群两阶段日前交易优化方法，其特征在于：所述的微电网采用条件风险价值理论对其运行的经济风险进行量化，并将量化经济风险值加入到优化模型中。
CN202210958272.7A 2022-08-09 2022-08-09 一种微电网群两阶段日前交易优化方法 Pending CN115187264A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210958272.7A CN115187264A (zh) 2022-08-09 2022-08-09 一种微电网群两阶段日前交易优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210958272.7A CN115187264A (zh) 2022-08-09 2022-08-09 一种微电网群两阶段日前交易优化方法

Publications (1)

Publication Number Publication Date
CN115187264A true CN115187264A (zh) 2022-10-14

Family

ID=83523294

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210958272.7A Pending CN115187264A (zh) 2022-08-09 2022-08-09 一种微电网群两阶段日前交易优化方法

Country Status (1)

Country Link
CN (1) CN115187264A (zh)

Similar Documents

Publication Publication Date Title
CN109713673B (zh) 售电环境下并网型微电网系统配置及优化运行的方法
CN112651105B (zh) 一种基于博弈论的微网容量配置优化方法
CN110633854A (zh) 一种考虑储能电池多重分段服务全生命周期优化规划方法
CN103241130A (zh) 一种电动公交车充换电站的能量管理方法及系统
CN112907129A (zh) 储能综合效益评估指标体系
CN109102185B (zh) 一种评估光储充一体化电站全寿命周期经济性的方法和系统
CN115204443B (zh) 风光火储联合参与市场竞价最优出清调度方法
CN113971530A (zh) 面向新型电力系统源网荷储协同的电力平衡方法
CN112865146A (zh) 一种用户侧储能系统协调化运行策略的生成方法
CN115133548A (zh) 一种考虑运行灵活性的含储协电力系统优化调度方法
CN112383086A (zh) 一种孤岛微电网日前能量-备用联合优化调度方法
CN115511658A (zh) 一种计及储能装置折损的楼宇能量优化方法
Cui et al. Optimal electricity allocation model under China's planning-market double-track mechanism considering bidding game of generation companies
CN113708394A (zh) 一种百兆瓦级储能参与调峰及频率响应辅助服务的联合调度方法
CN115187264A (zh) 一种微电网群两阶段日前交易优化方法
CN115049431A (zh) 一种水电在电力现货市场中的定价方法
CN112861376A (zh) 一种基于单元调度模型的评估方法及装置
CN113872226A (zh) 规模化储能参与辅助服务日前增补空间优化方法
CN113255957A (zh) 综合服务站不确定因素的定量优化分析方法及系统
Zhu et al. Study on the Clearing Mechanism of Provincial Power Spot Market Considering Regional Standby Market Trading
CN117411089B (zh) 一种基于动态碳排放责任因子的微网低碳运行方法及系统
Sha et al. Peaking compensation mechanism for supply and demand sides union promoting wind power integration
CN114884133B (zh) 一种计及电动汽车的微电网经济调度优化方法及系统
CN117810980B (zh) 基于储能系统自由交易的光储虚拟网格博弈优化方法
CN110400079B (zh) 一种实现新能源用户社区能量分享的日前调度方法及系统

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