CN115438906A - 一种多虚拟电厂点对点交易方法、电子设备及存储介质 - Google Patents

一种多虚拟电厂点对点交易方法、电子设备及存储介质 Download PDF

Info

Publication number
CN115438906A
CN115438906A CN202210910336.6A CN202210910336A CN115438906A CN 115438906 A CN115438906 A CN 115438906A CN 202210910336 A CN202210910336 A CN 202210910336A CN 115438906 A CN115438906 A CN 115438906A
Authority
CN
China
Prior art keywords
power plant
virtual power
point
time period
formula
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
CN202210910336.6A
Other languages
English (en)
Inventor
孙国强
沈思辰
卫志农
臧海祥
朱瑛
陈�胜
周亦洲
黄蔓云
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN202210910336.6A priority Critical patent/CN115438906A/zh
Publication of CN115438906A publication Critical patent/CN115438906A/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
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Mathematical Physics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Optimization (AREA)
  • Finance (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Mathematical Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computational Mathematics (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Accounting & Taxation (AREA)
  • Technology Law (AREA)
  • Algebra (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种多虚拟电厂点对点交易方法、电子设备及存储介质。首先收集并聚合虚拟电厂内部分布式资源，构建多虚拟电厂电‑碳‑备用点对点交易模型；设定条件风险价值模型置信度和风险偏好系数，构建基于条件风险价值的多虚拟电厂电‑碳‑备用点对点交易模型；采用基于共识的自适应交替方向乘子算法(ADMM)对模型进行分布式求解，得到各虚拟电厂的交易策略。本发明考虑虚拟电厂聚合光伏、燃料电池、储能、中央空调、柔性负荷等分布式资源参与电‑碳‑备用点对点交易，拓宽虚拟电厂的交易渠道；采用条件风险价值量化光伏随机性带来的潜在风险，使虚拟电厂决策者对收益与风险进行权衡；基于共识的自适应ADMM算法有效提高模型求解的计算效率。

Description

一种多虚拟电厂点对点交易方法、电子设备及存储介质
技术领域
本发明属于电力系统调度及优化领域，具体涉及一种多虚拟电厂点对点交易方法、电子设备及存储介质。
背景技术
为实现低碳以及建设新型电力系统目标，分布式资源的广泛接入已成为我国电力系统的新常态。然而，分布式资源容量小、数量多、地理位置分散等特点使得电网很难对其进行有效的管理，从而造成新能源消纳困难、能源利用率低、电力系统安全性不足等问题。为挖掘海量分布式资源的调控潜力，虚拟电厂技术应运而生，其通过先进的通信、控制、计量等手段，实现分布式光伏、储能、柔性负荷等资源的有效聚合和高效管控，平抑光伏等新能源出力的不确定性，助力新能源消纳，降低光伏等波动性风险，协助分布式资源参与电力系统调度和电力市场交易。
虚拟电厂可参与的交易包括集中式交易和分布式交易。相较于集中式交易，分布式点对点交易可实现去中心化，交易更为灵活。然而目前对虚拟电厂之间点对点交易模型的研究集中在电能交易，对于电能-备用、电-碳联合交易的研究大多采用集中式交易方法解决，而对如何实现虚拟电厂的电能、碳排放量和备用等多品种资源的点对点交易鲜有涉及。集中式交易中，虚拟电厂只与主市场进行交易，交易成本固定，缺乏调用内部灵活性资源的积极性，交易成本较大。对于交易不确定性，现有的虚拟电厂风险规避方法应用于集中式交易，如何处理点对点交易中的风险问题仍需进一步研究。对于点对点交易模型求解方法，现有的交替方向乘子算法依赖迭代步长的选取，算法效率较低，收敛性和稳定性较差。
发明内容
为了解决上述背景技术提到的技术问题，本发明提出了一种多虚拟电厂点对点交易方法、电子设备及存储介质。
为了实现上述技术目的，本发明的技术方案为：
一种多虚拟电厂点对点交易方法，包括以下步骤：
S1、收集并聚合虚拟电厂内部分布式资源，构建多虚拟电厂电-碳-备用点对点交易模型；
S2、构建条件风险价值模型，设定条件风险价值模型置信度和风险偏好系数，将条件风险价值模型加入步骤S1中的多虚拟电厂电-碳-备用点对点交易模型中，构建基于条件风险价值的多虚拟电厂电-碳-备用点对点交易模型；
S3、采用基于共识的自适应ADMM算法对步骤S2中的基于条件风险价值的多虚拟电厂电-碳-备用点对点交易模型进行分布式求解，获得虚拟电厂参与市场交易的最优决策。
优选地，步骤S1包括以下步骤：
S11、建立多虚拟电厂电-碳-备用点对点交易模型的目标函数，公式表达如下：
Figure BDA0003773784640000021
式中：Ni为参与交易的虚拟电厂总量；s为光伏出力场景；t为交易时段；ρs为光伏场景s的概率；
Figure BDA0003773784640000022
和
Figure BDA0003773784640000023
分别为虚拟电厂i在时段t内电力、碳和备用市场的交易成本；
Figure BDA0003773784640000024
为虚拟电厂i在场景s时段t内储能成本；
Figure BDA0003773784640000025
和
Figure BDA0003773784640000026
分别为虚拟电厂i在场景s时段t内调节中央空调和柔性负荷产生的不舒适成本；
Figure BDA0003773784640000027
为虚拟电厂i在场景s时段t内燃料电池运行成本；Ci,t为虚拟电厂i在时段t内点对点交易成本；
S12、建立多虚拟电厂电-碳-备用点对点交易模型的约束条件，包括燃料电池约束、储能约束、中央空调约束、柔性负荷约束、碳排放约束和点对点交易约束。
优选地，步骤S11中，
电力市场交易成本公式表达如下：
Figure BDA0003773784640000028
式中：
Figure BDA0003773784640000029
和
Figure BDA00037737846400000210
分别为时段t内电力市场购电和售电的价格；
Figure BDA00037737846400000211
和
Figure BDA00037737846400000212
分别为虚拟电厂i在时段t内从电力市场购买和出售的电量；
碳市场交易成本公式表达如下：
Figure BDA0003773784640000031
式中：
Figure BDA0003773784640000032
和
Figure BDA0003773784640000033
分别为在时段t内碳市场碳排放量的购买和出售价格；
Figure BDA0003773784640000034
和
Figure BDA0003773784640000035
分别为虚拟电厂i在时段t内从碳市场购买和出售的碳排放量；
备用市场交易成本公式表达如下：
Figure BDA0003773784640000036
式中：
Figure BDA0003773784640000037
和
Figure BDA0003773784640000038
分别为时段t内备用市场备用服务的购买和出售价格；
Figure BDA0003773784640000039
和
Figure BDA00037737846400000310
分别为虚拟电厂i在时段t内从备用市场购买和出售的备用容量；
储能成本公式表达如下：
Figure BDA00037737846400000311
式中：
Figure BDA00037737846400000312
和
Figure BDA00037737846400000313
分别为虚拟电厂i在场景s时段t内储能的充电和放电量；
Figure BDA00037737846400000314
和
Figure BDA00037737846400000315
分别为虚拟电厂i内储能的充放电耗散系数；
中央空调和柔性负荷调用成本公式表达如下：
Figure BDA00037737846400000316
Figure BDA00037737846400000317
式中：m和n为用户不舒适度系数；
Figure BDA00037737846400000318
为虚拟电厂i在场景s时段t内用户的室内温度；Ti ref为虚拟电厂i内用户体感最舒适温度；
Figure BDA00037737846400000319
为虚拟电厂i在场景s时段t内用户的柔性负荷值；
Figure BDA00037737846400000320
为虚拟电厂i在时段t内用户的负荷基准值；
燃料电池成本公式表达如下：
Figure BDA00037737846400000321
式中：
Figure BDA00037737846400000322
为虚拟电厂i内燃料电池的单位发电成本；
Figure BDA00037737846400000323
为虚拟电厂i在场景s时段t内燃料电池的发电功率；
点对点交易成本公式表达如下：
Figure BDA0003773784640000041
式中：cij、dij、eij为虚拟电厂i和虚拟电厂j之间的双边交易系数，该系数反应了产品差异性；Pi,j,t、Ei,j,t、Ri,j,t分别为虚拟电厂i和虚拟电厂j在时段t内的电能、碳排放量和备用的交易量。
优选地，步骤S12中，
燃料电池约束公式表达如下：
Figure BDA0003773784640000042
Figure BDA0003773784640000043
Figure BDA0003773784640000044
Figure BDA0003773784640000045
式中：Pi min和Pi max分别为虚拟电厂i内燃料电池最小和最大输出功率；
Figure BDA0003773784640000046
为虚拟电厂i在场景s时段t内燃料电池的发电功率；
Figure BDA0003773784640000047
为虚拟电厂i在场景s时段t内燃料电池提供的备用容量；
Figure BDA0003773784640000048
和
Figure BDA0003773784640000049
分别为虚拟电厂i内燃料电池备用容量的下限和上限；ri u和ri d为虚拟电厂i内燃料电池的向上和向下爬坡率；
储能约束公式表达如下：
Figure BDA00037737846400000410
Figure BDA00037737846400000411
Figure BDA00037737846400000412
Figure BDA00037737846400000413
式中：Pi c,max和Pi d,max分别为虚拟电厂i内储能的最大充电和放电功率；
Figure BDA00037737846400000414
和
Figure BDA00037737846400000415
分别为虚拟电厂i在场景s时段t内储能的充电和放电量；Si,s,t为虚拟电厂i在场景s时段t内储能的荷电状态；
Figure BDA00037737846400000416
和
Figure BDA00037737846400000417
分别为虚拟电厂i内储能的最小和最大储电量；
Figure BDA00037737846400000418
和
Figure BDA00037737846400000419
为虚拟电厂i内储能的充电和放电效率；
中央空调约束公式表达如下：
Figure BDA0003773784640000051
式中：αi,t、βi、γi为虚拟电厂i在时段t内描述建筑蓄冷特性及天气情况的参数，与楼宇墙壁、窗户和楼层的建筑特性以及室外温度相关；
Figure BDA0003773784640000052
为虚拟电厂i在场景s时段t内用户的室内温度；σi为虚拟电厂i内中央空调制冷机组能效比；
Figure BDA0003773784640000053
为虚拟电厂i在场景s时段t内中央空调的制冷功率；
室内温度保持在温度范围内，公式表达如下：
Figure BDA0003773784640000054
式中：Tin,min和Tin,max分别为最低和最高允许室内温度；
柔性负荷约束公式表达如下：
Figure BDA0003773784640000055
Figure BDA0003773784640000056
Figure BDA0003773784640000057
Figure BDA0003773784640000058
式中：
Figure BDA0003773784640000059
为虚拟电厂i内在场景s时段t用户的柔性负荷值；
Figure BDA00037737846400000510
为虚拟电厂i在时段t内用户的负荷基准值；
Figure BDA00037737846400000511
为虚拟电厂i在场景s时段t内柔性负荷提供的备用容量；
Figure BDA00037737846400000512
和
Figure BDA00037737846400000513
分别为虚拟电厂i内柔性负荷可调节下限和上限；
碳排放约束公式表达如下：
Figure BDA00037737846400000514
式中：Gi,s,t为虚拟电厂i在场景s时段t内光伏核证减排量；
Figure BDA00037737846400000515
为虚拟电厂i在场景s时段t内光伏的发电量；χ为基准线排放因子，由虚拟电厂i所在区域的电量边际排放因子和容量边际排放因子加权平均得到；
虚拟电厂i内燃料电池的碳排放量公式表达如下：
Figure BDA0003773784640000061
式中：Fi,s,t为虚拟电厂i在场景s时段t内燃料电池的碳排放量；υi为虚拟电厂i内燃料电池单位出力的碳排放强度；
点对点交易约束公式表达如下：
Pi,j,t+Pj,i,t＝0 j≠i
Ei,j,t+Ej,i,t＝0 j≠i
Ri,j,t+Rj,i,t＝0 j≠i
Figure BDA0003773784640000062
Figure BDA0003773784640000063
Figure BDA0003773784640000064
式中：Pi,j,t、Ei,j,t、Ri,j,t分别为虚拟电厂i和虚拟电厂j在时段t内的电能、碳排放量和备用的交易量；
Figure BDA0003773784640000065
和
Figure BDA0003773784640000066
分别为虚拟电厂i在时段t内从电力市场购买和出售的电量；
Figure BDA0003773784640000067
和
Figure BDA0003773784640000068
分别为虚拟电厂i在时段t内从碳市场购买和出售的碳排放量；
Figure BDA0003773784640000069
和
Figure BDA00037737846400000610
分别为虚拟电厂i在时段t内从备用市场购买和出售的备用容量；
Figure BDA00037737846400000611
为虚拟电厂i内燃料电池的碳排放限额；
Figure BDA00037737846400000612
为虚拟电厂i在场景s时段t内的备用需求量；
优选地，将楼宇视为灵活性资源，考虑中央空调负荷与其提供备用容量的耦合关系，改写中央空调约束，公式表达如下：
Figure BDA00037737846400000613
Figure BDA00037737846400000614
Figure BDA00037737846400000615
式中：αi,t、βi、γi为虚拟电厂i在时段t内描述建筑蓄冷特性及天气情况的参数，与楼宇墙壁、窗户和楼层的建筑特性以及室外温度相关；σi为虚拟电厂i内中央空调制冷机组能效比；
Figure BDA0003773784640000071
为虚拟电厂i在场景s时段t内中央空调的制冷功率；
Figure BDA0003773784640000072
为虚拟电厂i在场景s时段t内中央空调提供的备用容量；
Figure BDA0003773784640000073
为虚拟电厂i在场景s时段t内中央空调提供备用后的室内温度；Tin,min和Tin,max分别为最低和最高允许室内温度。
优选地，步骤S2具体包括以下步骤：
S21、设定条件风险价值模型置信度和风险偏好系数，建立条件风险价值模型，公式表达如下：
Figure BDA0003773784640000074
式中：δi为虚拟电厂i成本的条件风险价值；φi为虚拟电厂i成本的风险价值；ξ为置信度；zi,s表示虚拟电厂i在场景s内成本超过风险价值的量；
zi,s公式表达如下：
zi,s≥0
Figure BDA0003773784640000075
式中：
Figure BDA0003773784640000076
和
Figure BDA0003773784640000077
分别为虚拟电厂i在时段t内电力、碳和备用市场的交易成本；
Figure BDA0003773784640000078
为虚拟电厂i在场景s时段t内储能成本；
Figure BDA0003773784640000079
和
Figure BDA00037737846400000710
分别为虚拟电厂i在场景s时段t内调节中央空调和柔性负荷产生的不舒适成本；
Figure BDA00037737846400000711
为虚拟电厂i在场景s时段t内燃料电池运行成本；Ci,t为虚拟电厂i在时段t内点对点交易成本；
S22、将条件风险价值模型加入步骤S1中的多虚拟电厂电-碳-备用点对点交易模型中，公式表达如下：
Figure BDA00037737846400000712
式中：Call基于条件风险价值的多虚拟电厂的整体总成本；风险偏好系数L表示投资者对于风险的态度，其取值范围为L∈[0,1]，L值越大，表示虚拟电厂决策者对风险越厌恶。
优选地，步骤S3包括以下步骤：
S31、基于条件风险价值的多虚拟电厂电-碳-备用点对点交易模型目标函数的增广拉格朗日形式如下：
Figure BDA0003773784640000081
式中：Call基于条件风险价值的多虚拟电厂的整体总成本；λi,j,t、ηi,j,t和τi,j,t为对偶变量，分别定义为虚拟电厂i和虚拟电厂j在时段t内电能交易Pi,j,t、碳排放量交易Ei,j,t和备用交易Ri,j,t的价格；
Figure BDA0003773784640000082
ω、
Figure BDA0003773784640000083
为惩罚因子即步长；
S32、对电能交易Pi,j,t、碳排放量交易Ei,j,t、备用交易Ri,j,t及对偶变量λi,j,t、ηi,j,t、τi,j,t进行迭代，公式表达如下：
Figure BDA0003773784640000084
Figure BDA0003773784640000085
Figure BDA0003773784640000086
Figure BDA0003773784640000091
式中：k为迭代次数。上标k，k+1分别表示第k，k+1次迭代；
S33、计算每次迭代后原始残差和对偶残差，公式表达如下：
Figure BDA0003773784640000092
式中：
Figure BDA0003773784640000093
和
Figure BDA0003773784640000094
分别为第k+1次迭代点对点交易中虚拟电厂i和虚拟电厂j在时段t内电能、碳排放量和备用的原始残差；
Figure BDA0003773784640000095
和
Figure BDA0003773784640000096
分别为第k+1次迭代点对点交易中虚拟电厂i和虚拟电厂j在时段t内电能、碳排放量和备用的对偶残差；
S34、通过迭代停止条件判断ADMM算法是否收敛，迭代停止条件公式表达如下：
Figure BDA0003773784640000097
式中：εpri和εdual分别为原始残差和对偶残差的容忍上限；
S35、对步长进行迭代更新，加快算法收敛速度和稳定性，步长更新公式表达如下：
Figure BDA0003773784640000098
Figure BDA0003773784640000099
Figure BDA0003773784640000101
式中：μ为原始残差和对偶残差之间的比例常数；κincr、κdecr为加速/减速因子，μ＞1、κincr＞1、κdecr＞1；
S36、采用GAMS软件对模型进行求解，迭代收敛后得到虚拟电厂的交易决策。
一种电子设备，包括：存储器和处理器，所述存储器存储由所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时实现上述的多虚拟电厂点对点交易方法。
一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被读取并执行时，实现上述的多虚拟电厂点对点交易方法。
采用上述技术方案带来的有益效果：
本发明提出了虚拟电厂的电能、碳排放量和备用多品种资源的点对点交易模型，拓宽虚拟电厂交易渠道，实现资源共享，减少了虚拟电厂的交易成本。考虑了虚拟电厂内光伏出力不确定性并引用条件风险价值理论规避风险，实现虚拟电厂决策者对风险和收益的权衡。采用了基于共识的自适应交替方向乘子算法实现多虚拟电厂分布式优化，该算法能在迭代求解过程中自动更新步长，从而提高所构模型的计算效率。
附图说明
图1为本发明的方法流程图；
图2为实施例中主市场电价示意图；
图3为实施例中不同风险偏好下的虚拟电厂成本和条件风险价值示意图。
具体实施方式
以下将结合附图，对本发明的技术方案进行详细说明。
本发明设计了一种多虚拟电厂点对点交易方法，如图1所示，步骤如下：
步骤1：收集并聚合虚拟电厂内部分布式资源，构建多虚拟电厂电-碳-备用点对点交易模型；
步骤2：设定条件风险价值模型置信度和风险偏好系数，把条件风险价值模型加入步骤1的模型中，构建基于条件风险价值的多虚拟电厂电-碳-备用点对点交易模型；
步骤3：采用基于共识的自适应ADMM算法对步骤2的模型进行分布式求解，获得虚拟电厂参与市场交易的最优决策。
本发明以三个虚拟电厂构成的仿真算例验证所提方法的有效性。其中，虚拟电厂1内包含燃料电池、光伏、储能、中央空调和柔性负荷。虚拟电厂2和3内均包含光伏、储能、中央空调和柔性负荷。燃料电池、储能、中央空调、光伏参数如表1所示。虚拟电厂向主市场(电力市场、碳市场、备用市场)出售价格如图2所示。为了防止虚拟电厂套利，设定虚拟电厂向主市场购买价格为出售价格的1.5倍。
为更好地分析虚拟电厂间点对点交易情况，算例仅展示9：00-19：00(光伏运行时段)的优化结果。
表1虚拟电厂参数
Figure BDA0003773784640000111
为了验证多品种交易及点对点交易模式对各虚拟电厂收益影响，本发明设置6种虚拟电厂交易方案如下所示(本发明提出的交易方法对应方案6)：
方案1：虚拟电厂与主市场进行电交易
方案2：虚拟电厂与主市场进行电-备用交易
方案3：虚拟电厂与主市场进行电-碳-备用交易
方案4：虚拟电厂与主市场和其他虚拟电厂进行电交易
方案5：虚拟电厂与主市场和其他虚拟电厂进行电-备用交易
方案6：虚拟电厂与主市场和其他虚拟电厂进行电-碳-备用交易
三个虚拟电厂参与电-碳-备用交易成本如表2所示。方案1、2与3、方案4、5与6对比可以看出考虑虚拟电厂的多品种交易能有效降低虚拟电厂的总成本。通过方案1和4、方案2和5、方案3和6的对比可以看出，考虑虚拟电厂间的点对点交易后，多虚拟电厂交易的总成本有所降低。从表1也可以看出，方案6中虚拟电厂的总成本最小，这证明了本发明提出的交易方法能拓宽虚拟电厂的交易渠道，更好地发挥虚拟电厂的资源管理和市场参与功能，从而提高虚拟电厂收益和社会效益。
表2虚拟电厂交易成本
Figure BDA0003773784640000121
条件风险价值模型中风险厌恶值L对虚拟电厂总成本的影响如图3所示。可以看出，随着L的增大，虚拟电厂的态度越保守，体现为虚拟电厂总成本不断增大，而条件风险价值不断减小。图3表征了虚拟电厂成本和条件风险价值的关系，该曲线实现了收益和风险的量化，而虚拟电厂决策者可根据自己的心理预期和有效前沿曲线来确定决策的风险偏好。
虚拟电厂确定性方法和条件风险价值方法的成本对比如表3所示。在日前决策中，确定性方法不考虑光伏出力的不确定性，因而该方法日前阶段各虚拟电厂的成本低于条件风险价值方法。然而，确定性方法忽略光伏出力不确定性，这导致当光伏日内实际出力低于预测值时，各虚拟电厂需在主市场以高价购买不足的发电量，从而导致日内成本和总成本显著增大。而条件风险价值方法在日前决策时考虑了光伏不确定性，因而其日内调度成本和总成本远小于确定性方法，这证明了条件风险价值方法的经济性。
表3确定性模型和条件风险价值模型成本对比
Figure BDA0003773784640000131
传统ADMM与自适应步长ADMM对比如表4所示。传统ADMM算法对步长的依赖性较大，迭代次数和时间随步长变化明显，而自适应步长ADMM算法通过对步长的修正，降低了该方法对初始步长的依赖程度，体现为任意步长下该方法的迭代时间基本相同，即该方法显著提高了收敛的稳定性。通过两种算法的对比可知，在相同的初始步长下，自适应步长ADMM算法迭代次数更少，迭代时间更短，这证明了该算法的有效性。
表4传统ADMM与自适应步长ADMM对比
Figure BDA0003773784640000132
Figure BDA0003773784640000141
实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (9)

1.一种多虚拟电厂点对点交易方法，其特征在于，包括以下步骤：
S1、收集并聚合虚拟电厂内部分布式资源，构建多虚拟电厂电-碳-备用点对点交易模型；
S2、构建条件风险价值模型，设定条件风险价值模型置信度和风险偏好系数，将条件风险价值模型加入步骤S1中的多虚拟电厂电-碳-备用点对点交易模型中，构建基于条件风险价值的多虚拟电厂电-碳-备用点对点交易模型；
S3、采用基于共识的自适应ADMM算法对步骤S2中的基于条件风险价值的多虚拟电厂电-碳-备用点对点交易模型进行分布式求解，获得虚拟电厂参与市场交易的最优决策。
2.根据权利要求1所述一种多虚拟电厂点对点交易方法，其特征在于，步骤S1包括以下步骤：
S11、建立多虚拟电厂电-碳-备用点对点交易模型的目标函数，公式表达如下：
Figure FDA0003773784630000011
式中：Ni为参与交易的虚拟电厂总量；s为光伏出力场景；t为交易时段；ρs为光伏场景s的概率；
Figure FDA0003773784630000012
和
Figure FDA0003773784630000013
分别为虚拟电厂i在时段t内电力、碳和备用市场的交易成本；
Figure FDA0003773784630000014
为虚拟电厂i在场景s时段t内储能成本；
Figure FDA0003773784630000015
和
Figure FDA0003773784630000016
分别为虚拟电厂i在场景s时段t内调节中央空调和柔性负荷产生的不舒适成本；
Figure FDA0003773784630000017
为虚拟电厂i在场景s时段t内燃料电池运行成本；Ci,t为虚拟电厂i在时段t内点对点交易成本；
S12、建立多虚拟电厂电-碳-备用点对点交易模型的约束条件，包括燃料电池约束、储能约束、中央空调约束、柔性负荷约束、碳排放约束和点对点交易约束。
3.根据权利要求2所述一种多虚拟电厂点对点交易方法，其特征在于，步骤S11中，
电力市场交易成本公式表达如下：
Figure FDA0003773784630000021
式中：
Figure FDA0003773784630000022
和
Figure FDA0003773784630000023
分别为时段t内电力市场购电和售电的价格；
Figure FDA0003773784630000024
和
Figure FDA0003773784630000025
分别为虚拟电厂i在时段t内从电力市场购买和出售的电量；
碳市场交易成本公式表达如下：
Figure FDA0003773784630000026
式中：
Figure FDA0003773784630000027
和
Figure FDA0003773784630000028
分别为在时段t内碳市场碳排放量的购买和出售价格；
Figure FDA0003773784630000029
和
Figure FDA00037737846300000210
分别为虚拟电厂i在时段t内从碳市场购买和出售的碳排放量；
备用市场交易成本公式表达如下：
Figure FDA00037737846300000211
式中：
Figure FDA00037737846300000212
和
Figure FDA00037737846300000213
分别为时段t内备用市场备用服务的购买和出售价格；
Figure FDA00037737846300000214
和
Figure FDA00037737846300000215
分别为虚拟电厂i在时段t内从备用市场购买和出售的备用容量；
储能成本公式表达如下：
Figure FDA00037737846300000216
式中：
Figure FDA00037737846300000217
和
Figure FDA00037737846300000218
分别为虚拟电厂i在场景s时段t内储能的充电和放电量；
Figure FDA00037737846300000219
和
Figure FDA00037737846300000220
分别为虚拟电厂i内储能的充放电耗散系数；
中央空调和柔性负荷调用成本公式表达如下：
Figure FDA0003773784630000031
Figure FDA0003773784630000032
式中：m和n为用户不舒适度系数；
Figure FDA0003773784630000033
为虚拟电厂i在场景s时段t内用户的室内温度；Ti ref为虚拟电厂i内用户体感最舒适温度；
Figure FDA0003773784630000034
为虚拟电厂i在场景s时段t内用户的柔性负荷值；
Figure FDA0003773784630000035
为虚拟电厂i在时段t内用户的负荷基准值；
燃料电池成本公式表达如下：
Figure FDA0003773784630000036
式中：
Figure FDA0003773784630000037
为虚拟电厂i内燃料电池的单位发电成本；
Figure FDA0003773784630000038
为虚拟电厂i在场景s时段t内燃料电池的发电功率；
点对点交易成本公式表达如下：
Figure FDA0003773784630000039
式中：cij、dij、eij为虚拟电厂i和虚拟电厂j之间的双边交易系数，该系数反应了产品差异性；Pi,j,t、Ei,j,t、Ri,j,t分别为虚拟电厂i和虚拟电厂j在时段t内的电能、碳排放量和备用的交易量。
4.根据权利要求3所述一种多虚拟电厂点对点交易方法，其特征在于，步骤S12中，
燃料电池约束公式表达如下：
Figure FDA00037737846300000310
Figure FDA0003773784630000041
Figure FDA0003773784630000042
Figure FDA0003773784630000043
式中：Pi min和Pi max分别为虚拟电厂i内燃料电池最小和最大输出功率；
Figure FDA0003773784630000044
为虚拟电厂i在场景s时段t内燃料电池的发电功率；
Figure FDA0003773784630000045
为虚拟电厂i在场景s时段t内燃料电池提供的备用容量；
Figure FDA0003773784630000046
和
Figure FDA0003773784630000047
分别为虚拟电厂i内燃料电池备用容量的下限和上限；ri u和ri d为虚拟电厂i内燃料电池的向上和向下爬坡率；
储能约束公式表达如下：
Figure FDA0003773784630000048
Figure FDA0003773784630000049
Figure FDA00037737846300000410
Figure FDA00037737846300000411
式中：Pi c,max和Pi d,max分别为虚拟电厂i内储能的最大充电和放电功率；
Figure FDA00037737846300000412
和
Figure FDA00037737846300000413
分别为虚拟电厂i在场景s时段t内储能的充电和放电量；Si,s,t为虚拟电厂i在场景s时段t内储能的荷电状态；
Figure FDA00037737846300000414
和
Figure FDA00037737846300000415
分别为虚拟电厂i内储能的最小和最大储电量；
Figure FDA00037737846300000416
和
Figure FDA00037737846300000417
为虚拟电厂i内储能的充电和放电效率；
中央空调约束公式表达如下：
Figure FDA0003773784630000051
式中：αi,t、βi、γi为虚拟电厂i在时段t内描述建筑蓄冷特性及天气情况的参数，与楼宇墙壁、窗户和楼层的建筑特性以及室外温度相关；
Figure FDA0003773784630000052
为虚拟电厂i在场景s时段t内用户的室内温度；σi为虚拟电厂i内中央空调制冷机组能效比；
Figure FDA0003773784630000053
为虚拟电厂i在场景s时段t内中央空调的制冷功率；室内温度保持在温度范围内，公式表达如下：
Figure FDA0003773784630000054
式中：Tin,min和Tin,max分别为最低和最高允许室内温度；
柔性负荷约束公式表达如下：
Figure FDA0003773784630000055
Figure FDA0003773784630000056
Figure FDA0003773784630000057
Figure FDA0003773784630000058
式中：
Figure FDA0003773784630000059
为虚拟电厂i内在场景s时段t用户的柔性负荷值；
Figure FDA00037737846300000510
为虚拟电厂i在时段t内用户的负荷基准值；
Figure FDA00037737846300000511
为虚拟电厂i在场景s时段t内柔性负荷提供的备用容量；
Figure FDA00037737846300000512
和
Figure FDA00037737846300000513
分别为虚拟电厂i内柔性负荷可调节下限和上限；
碳排放约束公式表达如下：
Figure FDA0003773784630000061
式中：Gi,s,t为虚拟电厂i在场景s时段t内光伏核证减排量；
Figure FDA0003773784630000062
为虚拟电厂i在场景s时段t内光伏的发电量；χ为基准线排放因子，由虚拟电厂i所在区域的电量边际排放因子和容量边际排放因子加权平均得到；
虚拟电厂i内燃料电池的碳排放量公式表达如下：
Figure FDA0003773784630000063
式中：Fi,s,t为虚拟电厂i在场景s时段t内燃料电池的碳排放量；υi为虚拟电厂i内燃料电池单位出力的碳排放强度；
点对点交易约束公式表达如下：
Pi,j,t+Pj,i,t＝0 j≠i
Ei,j,t+Ej,i,t＝0 j≠i
Ri,j,t+Rj,i,t＝0 j≠i
Figure FDA0003773784630000064
Figure FDA0003773784630000065
Figure FDA0003773784630000066
式中：Pi,j,t、Ei,j,t、Ri,j,t分别为虚拟电厂i和虚拟电厂j在时段t内的电能、碳排放量和备用的交易量；
Figure FDA0003773784630000067
和
Figure FDA0003773784630000068
分别为虚拟电厂i在时段t内从电力市场购买和出售的电量；
Figure FDA0003773784630000069
和
Figure FDA00037737846300000610
分别为虚拟电厂i在时段t内从碳市场购买和出售的碳排放量；
Figure FDA0003773784630000071
和
Figure FDA0003773784630000072
分别为虚拟电厂i在时段t内从备用市场购买和出售的备用容量；
Figure FDA0003773784630000073
为虚拟电厂i内燃料电池的碳排放限额；
Figure FDA0003773784630000074
为虚拟电厂i在场景s时段t内的备用需求量。
5.根据权利要求4所述一种多虚拟电厂点对点交易方法，其特征在于，将楼宇视为灵活性资源，考虑中央空调负荷与其提供备用容量的耦合关系，改写中央空调约束，公式表达如下：
Figure FDA0003773784630000075
Figure FDA0003773784630000076
Figure FDA0003773784630000077
式中：αi,t、βi、γi为虚拟电厂i在时段t内描述建筑蓄冷特性及天气情况的参数；σi为虚拟电厂i内中央空调制冷机组能效比；
Figure FDA0003773784630000078
为虚拟电厂i在场景s时段t内中央空调的制冷功率；
Figure FDA0003773784630000079
为虚拟电厂i在场景s时段t内中央空调提供的备用容量；
Figure FDA00037737846300000710
为虚拟电厂i在场景s时段t内中央空调提供备用后的室内温度；Tin,min和Tin,max分别为最低和最高允许室内温度。
6.根据权利要求1所述一种多虚拟电厂点对点交易方法，其特征在于，步骤S2具体包括以下步骤：
S21、设定条件风险价值模型置信度和风险偏好系数，建立条件风险价值模型，公式表达如下：
Figure FDA00037737846300000711
式中：δi为虚拟电厂i成本的条件风险价值；φi为虚拟电厂i成本的风险价值；ξ为置信度；zi,s表示虚拟电厂i在场景s内成本超过风险价值的量；
zi,s公式表达如下：
zi,s≥0
Figure FDA0003773784630000081
式中：
Figure FDA0003773784630000082
和
Figure FDA0003773784630000083
分别为虚拟电厂i在时段t内电力、碳和备用市场的交易成本；
Figure FDA0003773784630000084
为虚拟电厂i在场景s时段t内储能成本；
Figure FDA0003773784630000085
和
Figure FDA0003773784630000086
分别为虚拟电厂i在场景s时段t内调节中央空调和柔性负荷产生的不舒适成本；
Figure FDA0003773784630000087
为虚拟电厂i在场景s时段t内燃料电池运行成本；Ci,t为虚拟电厂i在时段t内点对点交易成本；
S22、将条件风险价值模型加入步骤S1中的多虚拟电厂电-碳-备用点对点交易模型中，公式表达如下：
Figure FDA0003773784630000088
式中：Call基于条件风险价值的多虚拟电厂的整体总成本；风险偏好系数L表示投资者对于风险的态度，其取值范围为L∈[0,1]，L值越大，表示虚拟电厂决策者对风险越厌恶。
7.根据权利要求1所述一种多虚拟电厂点对点交易方法，其特征在于，步骤S3包括以下步骤：
S31、基于条件风险价值的多虚拟电厂电-碳-备用点对点交易模型目标函数的增广拉格朗日形式如下：
Figure FDA0003773784630000091
式中：Call基于条件风险价值的多虚拟电厂的整体总成本；λi,j,t、ηi,j,t和τi,j,t为对偶变量，分别定义为虚拟电厂i和虚拟电厂j在时段t内电能交易Pi,j,t、碳排放量交易Ei,j,t和备用交易Ri,j,t的价格；
Figure FDA0003773784630000092
ω、
Figure FDA0003773784630000093
为惩罚因子即步长；
S32、对电能交易Pi,j,t、碳排放量交易Ei,j,t、备用交易Ri,j,t及对偶变量λi,j,t、ηi,j,t、τi,j,t进行迭代，公式表达如下：
Figure FDA0003773784630000094
Figure FDA0003773784630000095
Figure FDA0003773784630000096
Figure FDA0003773784630000101
式中：k为迭代次数；上标k，k+1分别表示第k，k+1次迭代；
S33、计算每次迭代后原始残差和对偶残差，公式表达如下：
Figure FDA0003773784630000102
式中：
Figure FDA0003773784630000103
和
Figure FDA0003773784630000104
分别为第k+1次迭代点对点交易中虚拟电厂i和虚拟电厂j在时段t内电能、碳排放量和备用的原始残差；
Figure FDA0003773784630000105
和
Figure FDA0003773784630000106
分别为第k+1次迭代点对点交易中虚拟电厂i和虚拟电厂j在时段t内电能、碳排放量和备用的对偶残差；
S34、通过迭代停止条件判断ADMM算法是否收敛，迭代停止条件公式表达如下：
Figure FDA0003773784630000107
式中：εpri和εdual分别为原始残差和对偶残差的容忍上限；
S35、对步长进行迭代更新，加快算法收敛速度和稳定性，步长更新公式表达如下：
Figure FDA0003773784630000108
Figure FDA0003773784630000111
Figure FDA0003773784630000112
式中：μ为原始残差和对偶残差之间的比例常数；κincr、κdecr为加速/减速因子，μ＞1、κincr＞1、κdecr＞1；
S36、采用GAMS软件对模型进行求解，迭代收敛后得到虚拟电厂的交易决策。
8.一种电子设备，其特征在于，包括：存储器和处理器，所述存储器存储由所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时实现上述权利要求1-7任一项所述的多虚拟电厂点对点交易方法。
9.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被读取并执行时，实现上述权利要求1-7任一项所述的多虚拟电厂点对点交易方法。
CN202210910336.6A 2022-07-29 2022-07-29 一种多虚拟电厂点对点交易方法、电子设备及存储介质 Pending CN115438906A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210910336.6A CN115438906A (zh) 2022-07-29 2022-07-29 一种多虚拟电厂点对点交易方法、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210910336.6A CN115438906A (zh) 2022-07-29 2022-07-29 一种多虚拟电厂点对点交易方法、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN115438906A true CN115438906A (zh) 2022-12-06

Family

ID=84242534

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210910336.6A Pending CN115438906A (zh) 2022-07-29 2022-07-29 一种多虚拟电厂点对点交易方法、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN115438906A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117196173A (zh) * 2023-07-27 2023-12-08 河海大学 一种考虑运行风险和网络传输的虚拟电厂分布式调度方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117196173A (zh) * 2023-07-27 2023-12-08 河海大学 一种考虑运行风险和网络传输的虚拟电厂分布式调度方法
CN117196173B (zh) * 2023-07-27 2024-04-09 河海大学 一种考虑运行风险和网络传输的虚拟电厂分布式调度方法

Similar Documents

Publication Publication Date Title
CN112054513B (zh) 基于混合博弈的多微电网双层协调优化调度方法
CN109800927B (zh) 双边电力市场环境下的配电网分布式优化方法
CN111476414B (zh) 一种光伏产消者优化决策方法
CN109936130B (zh) 一种负荷动态控制方法
CN111008739A (zh) 一种热电联产虚拟电厂优化调控及收益分配方法及系统
CN112529249B (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
CN115660309A (zh) 考虑电-碳-绿证联合交易的虚拟电厂日前优化调度方法
CN111047097A (zh) 一种综合能源系统日中滚动优化方法
CN113746089A (zh) 面向多用户的多时间尺度电力套餐与家庭能量优化方法
CN116128201A (zh) 一种基于非合作博弈的多虚拟电厂点对点能源交易方法
CN115438906A (zh) 一种多虚拟电厂点对点交易方法、电子设备及存储介质
CN115293485A (zh) 考虑电动汽车和需求响应的综合能源系统低碳调度方法
CN114154739A (zh) 共享储能电站在多区域综合能源系统的优化配置方法
CN115809568A (zh) 智能楼宇群电-碳联合分布式交易策略获取方法及装置
CN117217496A (zh) 计及主从博弈的区域综合能源系统控制方法及装置
CN115859691B (zh) 一种电热联合需求响应的多目标优化调度方法
CN116961044A (zh) 基于模糊机会约束规划广义共享储能优化配置方法及系统
CN112366757A (zh) 微电网能量管理调控方法和装置
CN115829112A (zh) 基于配电网运行约束的产消者分布式交易双层优化方法
CN116843359A (zh) 一种考虑碳排放分摊的综合能源服务商交易方法
CN116432807A (zh) 考虑耦合效应与不确定性的综合需求响应系统及其方法
CN116228461A (zh) 一种基于p2p交易的多虚拟电厂随机优化调度方法
CN115730747A (zh) 一种综合能源系统多主体利益分配方法及其应用
CN114444797A (zh) 计及碳减排的社区能源互联网双层分布式互动优化方法
CN114386663A (zh) 一种含电动汽车虚拟电厂的区间主从博弈优化调度方法

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