CN115545856B - 一种计及电价不确定性的梯级水电日前市场组合竞价方法 - Google Patents
一种计及电价不确定性的梯级水电日前市场组合竞价方法 Download PDFInfo
- Publication number
- CN115545856B CN115545856B CN202211218504.1A CN202211218504A CN115545856B CN 115545856 B CN115545856 B CN 115545856B CN 202211218504 A CN202211218504 A CN 202211218504A CN 115545856 B CN115545856 B CN 115545856B
- Authority
- CN
- China
- Prior art keywords
- market
- model
- constraint
- power station
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/08—Auctions
-
- 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
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明涉及电力市场领域及水电调度运行领域,特别涉及一种计及电价不确定性的梯级水电日前市场组合竞价方法。首先,考虑不同备用部署影响,构建耦合中长期合同分解、日前能量竞价及多备用品种竞价的确定性组合优化模型;其次,根据不同风险决策态度将确定性模型分别转化为考虑电价不确定性的鲁棒和机会优化模型;最后,采用等效单层模型转化方法将所提模型转化为单层模型,并利用混合整数非线性规划方法实现求解。本方明能够有效管理电价不确定性导致的收益风险,可为不同风险态度梯级电站提供保守和激进的日前竞价决策工具。
Description
技术领域
本发明涉及电力市场领域及水电调度运行领域,特别涉及一种计及电价不确定性的梯级水电日前市场组合竞价方法。
技术背景
随着国家“碳达峰”和“碳中和”政策的大力推进,以风、光为代表的新能源在全国范围内高速投产,其固有的发电随机性、间歇性进一步加剧了电力系统对灵活调节电源的需求,促使我国电力现货市场改革逐渐从电能量市场向电能量与辅助服务市场并存的模式转变。作为一种技术成熟的灵活调节电源,梯级水电将从“电量供应者”转变为“电量+电力供应者”,如何协调发电能力在电能量与辅助服务市场的合理分配,制定最优的联合交易策略将是水电企业亟待解决的理论与技术难题。
与单一电能量市场不同,在电能量与辅助服务联合市场中,梯级水电将面临电能量市场电价以及多种辅助服务品种电价等多重不确定性,忽略这些不确定性因素会严重影响梯级水电的调度运行策略,并可能导致收益风险。目前较为常用的不确定性处理方法包括随机规划、鲁棒优化、模糊规划以及相关衍生方法,但这些方法在应用中均存在一定限制:随机规划方法需要事前知道不确定参数的概率分布函数,并生成大量的模拟场景,往往导致优化问题面临“维数灾”难题,虽然可以利用场景削减方法缩减模拟场景,但也可能会导致场景泄露;鲁棒优化方法固定不确定参数的上下边界,经常会导致求解过于保守,且该方法基于悲观的世界观,无法作为风险寻求决策者的决策工具;模糊规划方法需要合理的模糊表示及隶属度函数来描述变量,然而这在实际运行中是十分困难的。此外,与火电不同,梯级水电为能量受限电源,其发电能力不仅受到上下游耦合联系的影响,也受制于时段之间的关联性,存在一定的履约风险,特别是对于辅助服务市场,不同的辅助备用部署情况将对梯级水电安全运行及交易策略产生重要影响,然而目前的研究中较少涉及到梯级水电备用部署问题。
发明内容
为解决上述问题,本发明提出一种计及电价不确定性的梯级水电日前市场组合竞价方法,并以澜沧江流域梯级水电站为例进行实例分析,结果显示本发明成果能够得到不同预期收益下的电价波动范围,为不同风险态度决策者参与日前组合市场竞价提供决策支持。
本发明技术方案:
一种计及电价不确定性的梯级水电日前市场组合竞价方法,具体步骤如下:
(1)构建日前市场确定性组合优化模型,包括目标函数、电力约束及水电运行约束。
(1.1)构建目标函数:以梯级水电站参与中长期合同市场、日前能量市场及辅助服务市场联合收益最大为优化目标,表达式如下:
max F1+F2+F3+F4+F5+F6 (1)
式中:F1为合同市场收益,元;F2为日前电能量市场收益,元;F3为旋转备用市场收益,元;F4为调节备用市场收益,元;F5为实时运行阶段旋转备用被部署收益,元;F6为实时运行阶段调节备用被部署收益,元;为电站i在时段t的合同分解出力,MW;/>为电站i在时段t的合同电价,元/MWh;/>为电站i在时段t的日前竞价出力,MW;/>为时段t的日前市场电价预测值,元/MWh;/>为电站i在时段t的旋转备用竞价出力,MW;/>为时段t的旋转备用市场电价预测值,元/MWh;/>为电站i在时段t的调节备用竞价出力,MW;/>为时段t的调节备用市场电价预测值,元/MWh;/>为时段t的现货市场出清电价预测值,元/MWh;ps为旋转备用部署概率;/>为上调节备用部署概率;/>为下调节备用部署概率。
(1.2)构建约束条件
(1.2.1)电力约束
1)出力平衡约束
式中:Pi,t为电站i在时段t的总出力,MW;该约束考虑了水电站同时被部署旋转备用、调节备用的情况,以确保有足够的能力完成部署要求。
2)出力限制约束
3)备用约束
4)日合同电量约束
式中:Ei为电站i的日合同电量,MWh。
(1.2.2)水电运行约束,包括水量平衡约束、流量平衡约束、水位约束、出库流量约束、发电流量约束、弃水流量约束、净水头约束、水位库容曲线、尾水位泄量曲线、水电出力函数和限制出力曲线约束。
(2)构建基于信息间隙决策理论的鲁棒及机会优化模型。
(2.1)选取不确定性集
以日前市场电价、旋转备用市场电价、调节备用市场电价及现货市场出清电价为不确定参数,选取应用最为广泛的包络模型构建电价不确定性集,可表示为:
(2.2)构建鲁棒优化模型
当梯级电站认为不确定性将对其收益带来损失时,可以采用风险规避策略中的鲁棒模型来优化调度策略,以尽可能规避收益风险。结合步骤(1)中的日前市场确定性组合优化模型,可以得到相应的鲁棒优化模型如下:
s.t:R*≥Ra=(1-σ)R0 (15)
式中:R0为确定性模型最优目标函数值;σ为鲁棒风险因子;Ra为发电商期望的最低目标函数值;为满足最低期望目标函数值的不确定参数最大波动范围;/>为时段t的日前市场实际电价;/>为时段t的旋转备用市场实际电价;/>为时段t的调节备用市场实际电价;/>为时段t的现货市场实际电价;R*为鲁棒模型中梯级电站收益最小值。
约束条件除了公式(15)-(20)外,还包括步骤(1)中的电力约束及水电运行约束。
(2.3)构建机会优化模型
当梯级电站认为不确定性有利于其获得更高收益时,可以采用风险寻求策略中的机会模型来优化调度策略,以尽可能利用不确定性获得机会收益。结合步骤(1)中的日前市场确定性组合优化模型,可以得到相应的机会优化模型如下:
s.t:R*≥Rs=(1+ρ)R0 (22)
约束条件除了公式(22)-(27)外,还包括步骤(1)中的电力约束及水电运行约束。
(3)等效模型转化。
由于步骤(2)中所提鲁棒模型和机会模型均为双层优化模型,上层与下层之间存在关联关系无法直接求解,需要将其转化为单层优化模型。通过分析双层模型发现,对于鲁棒模型,其下层表示各市场电价在不确定范围内波动时,梯级电站获得的最大总收益,而上层模型表示满足预期收益时,各市场电价的最大波动范围。当梯级电站调度计划确定时,各市场电价越小,梯级电站总收益越低;相反,各市场电价越大,梯级电站总收益越高,即总收益与市场电价呈正相关,因此可以对鲁棒模型进行等价转化,具体如下:
s.t:R*≥Ra=(1-σ)R0 (29)
R*=F1+F2+F3+F4+F5+F6 (30)
同理,双层机会优化模型可以转化为如下单层模型:
s.t:R*≥Rs=(1+ρ)R0 (36)
R*=F1+F2+F3+F4+F5+F6 (37)
(4)模型求解。
首先输入包括初始水位、入库流量、预测电价、备用部署概率等计算参数,求解确定性组合优化模型得到确定性情况下的电站最优收益R0;其次,根据水电站风险决策态度分别给定鲁棒风险因子σ和机会风险因子ρ;最后,根据给定的风险因子分别求解鲁棒和机会优化模型得到不同预期收益下的电价波动范围及不同市场下的竞价策略。
本发明成果有如下有益效果:本发明方法考虑不同备用部署的影响,构建了包含中长期合同分解、日前能量市场以及旋转备用市场、调节备用市场竞价的确定性组合优化模型;其次,为量化并管理电价不确定性及收益风险,采用非概率的信息间隙决策理论对多重电价不确定性进行建模,分别从风险规避与风险寻求两种决策角度,构建了鲁棒优化模型和机会优化模型;最后,采用等效单层模型转化方法将所提模型转化为单层模型,并使用商业优化求解器LINGO对模型进行求解。
相比以往方法,本发明能够有效管理电价不确定性导致的收益风险,得到不同预期收益下的电价波动范围及不同市场下的交易策略,为风险规避和风险寻求型决策者提供保守和激进的风险决策工具。对不同备用部署概率的敏感性分析结果也可为梯级水电站交易策略制定提供参考。
附图说明
图1为本发明方法的实施流程图;
图2为各市场预测电价图;
图3为场景1下各电站出力及水位过程图;
图4为场景2下各电站出力及水位过程图;
图5为不同鲁棒风险因子下电价波动幅度及预期收益变化曲线图;
图6为不同机会风险因子下电价波动幅度及预期收益变化曲线图;
图7为电价区域划分图;
图8为不同电价区域期望收益分布图;
图9为不同旋转备用部署概率敏感性分析图;
图10为不同调节备用部署概率敏感性分析图。
具体实施方式
下面结合附图和技术方案对本发明作进一步描述,主要包括梯级水电参与日前组合市场优化模型建模、求解方法及实例应用三部分。
1.梯级水电参与日前组合市场优化模型建模
(1)构建日前市场确定性组合优化模型
(1.1)目标函数:以梯级水电站参与中长期合同市场、日前能量市场及辅助服务市场联合收益最大为优化目标,表达式如下:
maxF1+F2+F3+F4+F5+F6 (42)
式中:F1为合同市场收益,元;F2为日前电能量市场收益,元;F3为旋转备用市场收益,元;F4为调节备用市场收益,元;F5为实时运行阶段旋转备用被部署收益,元;F6为实时运行阶段调节备用被部署收益,元;为电站i在时段t的合同分解出力,MW;/>为电站i在时段t的合同电价,元/MWh;/>为电站i在时段t的日前竞价出力,MW;/>为时段t的日前市场电价预测值,元/MWh;/>为电站i在时段t的旋转备用竞价出力,MW;/>为时段t的旋转备用市场电价预测值,元/MWh;/>为电站i在时段t的调节备用竞价出力,MW;/>为时段t的调节备用市场电价预测值,元/MWh;/>为时段t的现货市场出清电价预测值,元/MWh;ps为旋转备用部署概率;/>为上调节备用部署概率;/>为下调节备用部署概率。
(1.2)约束条件
(1.2.1)电力约束
1)出力平衡约束
式中:Pi,t为电站i在时段t的总出力,MW;该约束考虑了水电站同时被部署旋转备用、调节备用的情况,以确保有足够的能力完成部署要求。
2)出力限制约束
3)备用约束
4)日合同电量约束
式中:Ei为电站i的日合同电量,MWh。
(1.2.2)水电运行约束
(1)水量平衡约束
式中:Vi,t为电站i在时段t的库容,万m3;QNi,t、QOi,t分为电站i在时段t的区间流量、出库流量,m3/s;为电站i的第u个直接上游电站在时段t-τu,i的出库流量,m3/s;Ri为电站i的直接上游电站集合;τu,i为电站i到上游电站u的水流滞时,h。
(2)流量平衡约束
QOi,t=QPi,t+QSi,t (54)
式中:QPi,t和QSi,t分别为电站i在时段t的发电流量、弃水流量,m3/s。
3)水位约束
Zi,0=Zi,begin (55)
Zi,T=Zi,end (56)
4)出库流量约束
5)发电流量约束
6)弃水流量约束
QSi,t≥0 (60)
7)净水头约束
8)水位库容曲线
Zi,t=fi,zv(Vi,t) (62)
式中:fi,zv(·)为电站i的水位库容关系函数。
9)尾水位泄量曲线
ZDi,t=fi,zq(QOi,t) (63)
式中:fi,zq(·)为电站i的尾水位泄量关系函数。
10)水电出力函数
Pi,t=fi(Hi,t,QPi,t) (64)
式中:fi(·)为电站i的出力函数。
11)限制出力曲线约束
式中:fi,nsz(·)为电站i的限制出力函数。
(2)构建基于信息间隙决策理论的鲁棒及机会优化模型
(2.1)选取不确定性集
以日前市场电价、旋转备用市场电价、调节备用市场电价及现货市场出清电价为不确定参数,选取应用最为广泛的包络模型构建电价不确定性集,可表示为:
(2.2)构建鲁棒优化模型
当梯级电站认为不确定性将对其收益带来损失时,可以采用风险规避策略中的鲁棒模型来优化调度策略,以尽可能规避收益风险。结合步骤(1)中的日前市场确定性组合优化模型,可以得到相应的鲁棒优化模型如下:
s.t:R*≥Ra=(1-σ)R0 (68)
式中:R0为确定性模型最优目标函数值;σ为鲁棒风险因子;Ra为发电商期望的最低目标函数值;为满足最低期望目标函数值的不确定参数最大波动范围;/>为时段t的日前市场实际电价;/>为时段t的旋转备用市场实际电价;/>为时段t的调节备用市场实际电价;/>为时段t的现货市场实际电价;R*为鲁棒模型中梯级电站收益最小值。
约束条件除了上述(68)-(73)外,还包括步骤(1)中的电力约束及水电运行约束。
(2.3)构建机会优化模型
当梯级电站认为不确定性有利于其获得更高收益时,可以采用风险寻求策略中的机会模型来优化调度策略,以尽可能利用不确定性获得机会收益。结合步骤(1)中的日前市场确定性组合优化模型,可以得到相应的机会优化模型如下:
s.t:R*≥Rs=(1+ρ)R0 (75)
约束条件除了上述(75)-(80)外,还包括步骤(1)中的电力约束及水电运行约束。
2.求解方法
(1)等效单层模型转化
由于所提鲁棒模型和机会模型均为双层优化模型,上层与下层之间存在关联关系无法直接求解,需要将其转化为单层优化模型。通过分析双层模型发现,对于鲁棒模型,其下层表示各市场电价在不确定范围内波动时,梯级电站获得的最大总收益,而上层模型表示满足预期收益时,各市场电价的最大波动范围。当梯级电站调度计划确定时,各市场电价越小,梯级电站总收益越低;相反,各市场电价越大,梯级电站总收益越高,即总收益与市场电价呈正相关,因此可以对鲁棒模型进行等价转化,具体如下:
s.t:R*≥Ra=(1-σ)R0 (82)
R*=F1+F2+F3+F4+F5+F6 (83)
同理,双层机会优化模型可以转化为如下单层模型:
s.t:R*≥Rs=(1+ρ)R0 (89)
R*=F1+F2+F3+F4+F5+F6 (90)
(2)模型求解
首先输入初始水位、入库流量、预测电价、备用部署概率等计算参数,求解确定性组合优化模型得到确定性情况下的电站最优收益R0;其次,根据水电站风险决策态度分别给定鲁棒风险因子σ和机会风险因子ρ;最后,根据给定的风险因子分别求解鲁棒和机会优化模型得到不同预期收益下的电价波动范围及不同市场下的竞价策略。
3.实例应用
(1)工程背景
以澜沧江流域苗尾、功果桥梯级电站为研究对象进行实例分析,各电站特征参数如表1所示。选取2020年5月某典型日为代表场景,以1d为调度周期,1h为调度时段。电站入库径流均参考当日历史实际值。中长期合同电量参考历史实际值设置,合同电价取日前电能量市场平均值,见表2。我国尚未完全开展辅助服务市场建设,缺乏相关电价数据支撑,考虑到所需电价数据仅用于模型验证,故各市场预测电价均参考发展成熟且应用广泛的西班牙电力市场,具体见图2。现货市场价格采用文献(VARKANI A K,DARAEEPOUR A,MONSEF H.Anew self-scheduling strategy for integrated operation of wind and pumped-storage power plants in power markets[J].Applied Energy,2011,88(12):5002-5012.)中方法确定,具体如式(95)所示,其中γ和β为两个服从均匀分布的随机变量。旋转备用、上调节备用、下调节备用部署概率分别取5%、40%、35%。
表1梯级水电站主要特征参数
表2中长期合同电量及电价
(2)计算结果分析
(2.1)确定性优化结果分析
为分析梯级电站参与电能量与辅助服务联合市场的效益,设置了对照场景如下:
1)场景1:梯级水电仅参与电能量市场;
2)场景2:梯级水电同时参与电能量与旋转备用、调节备用辅助服务市场。
图3为场景1下各电站出力及水位过程。可以看出,各电站日前竞价出力能够跟随日前市场电价的变化趋势,当日前电价较高时,电站趋向于参与日前市场竞价;而当日前电价较低时,电站趋向于完成合同电量。图4为场景2下各电站出力及水位过程。可以看出,相较于场景1,场景2下各电站日前竞价出力分配时段更广泛,甚至在日前电价较高的时段分配较少的日前竞价出力,其原因为场景2中各电站同时参与电能量与辅助服务市场,需要考虑多市场电价变化情况,协调分配发电出力以获取更高的联合收益。此外,两种场景下各电站的水位过程均满足水位上、下限约束及调度期末控制要求。
表3为不同场景下梯级电站参与联合市场的总收益。可以看出,相较于场景1,场景2中电能量市场总收益大约降低了14.76%,而备用市场总收益增加了473925元,各市场联合总收益提升了29.39%。这也意味着虽然参与备用市场将降低电能量市场收益,但备用市场收益完全可以弥补电能量市场损失,进而获取更高的联合市场总收益。
表3不同场景下总收益比较
(2.2)不确定性优化结果分析
通过求解确定性优化模型,可以得到梯级水电站的预期收益为R0=1388953元。假设鲁棒风险因子取5%,即当梯级水电站可以接受的最低收益为Ra=R0(1-5%)=1319505.35元时,求解鲁棒模型,得到该风险规避情况下实际电价的最大波动幅度为6.65%。这意味着,如果实际电价波动幅度不超过6.65%,则梯级水电站获得的预期收益将不少于Ra。
图5为不同风险因子下电价波动幅度及预期收益变化曲线。可以看出,随着风险因子逐渐增大,电价波动幅度呈线性趋势增大,而对应的可接受预期收益逐渐减小。这体现了风险规避决策者对电价不确定性的态度,即电价不确定性将导致预期收益降低,因此倾向于通过设置较低的预期收益,换取更为鲁棒的调度方案,从而抵御电价不确定风险。
同样,假设机会风险因子取5%,即当梯级水电站寻求的预期收益为Rs=R0(1+5%)=1458400.65元时,求解机会模型,得到该风险寻求情况下实际电价的最小波动边界为6.71%。这意味着,如果实际电价波动幅度大于6.71%,则梯级水电站获得的预期收益将不少于Rs。
图6为不同风险因子下电价波动幅度及预期收益变化曲线。可以看出,随着风险因子逐渐增大,电价波动幅度呈近乎线性趋势增大,预期收益随风险因子逐渐增大而不断增大。其原因为风险寻求决策者认为电价不确定性是追求更高收益的“机会”,即可以利用电价不确定性获取更高收益。
(3)事后可行性验证
为进一步验证所提鲁棒模型和机会模型的可行性,对风险因子取20%时得到的电价波动范围进行仿真分析,进一步构建了三个电价区域:/>具体见图7。在上述区域内采用服从均匀分布的拉丁超立方采用技术分别抽取500个电价场景,并依次将各电价场景带入确定性优化模型,确定各场景下的总收益。图8为不同电价区域期望收益分布图。可以看出,各电价区域预期收益均近似服从正态分布,且对于鲁棒模型,各电价区域预期收益均大于最低保障收益,意味着当日前市场电价在根据所提鲁棒模型计算得到的范围内波动时,梯级电站最低预期收益能够被保障。对于机会模型,由于R3区域电价均大于保障预期收益的最小电价边界,故根据R3区域得到的总收益大于预期收益;而R1和R2电价区域所得总收益均小于预期收益,其原因为该区域电价均小于保障预期收益的最小电价边界。
(4)敏感性分析
为分析不同备用部署概率对模型优化结果的影响,分别对旋转备用部署概率和调节备用部署概率取不同数值时的结果进行敏感性分析。图9为旋转备用部署概率取不同值时总收益及日前竞价出力、旋转备用变化情况。可以看出,随着旋转备用部署概率逐渐增大,总收益先逐渐增大后逐渐减小,与旋转备用的变化趋势一致。而日前竞价出力随着旋转备用部署概率增大而逐渐减小,直至降为0。其原因为模型中设置了各水电站调度期始末水位一致,故各水电站仅依靠入库水量发电,为确保获得更高的收益会优先将电量空间分配给价格高的交易品种;而备用部署价格在多个时段均大于日前能量价格,故随着旋转备用部署概率的增加,旋转备用将占用更多的发电空间,此消彼长,日前竞价出力随之逐渐减小。当日前竞价出力减小至0时,旋转备用理论上无法再占用日前竞价出力空间,此时为保证始末水位一致,其将随着旋转备用部署概率的进一步增加而逐渐减小,从而使得总收益逐渐减小。
图10为调节备用部署概率分别取不同数值时总收益及日前竞价出力、调节备用变化情况。其中,调节备用部署概率为上调节备用部署概率减去下调节备用部署概率,定义为净调节备用部署概率。可以看出,随着净调节备用部署概率逐渐增大,总收益先保持不变后逐渐增大,与调节备用的变化趋势一致,而日前竞价出力先保持不变后逐渐减小。其原因为当净调节备用概率为负时,系统将调用下调节备用,从而使得日前竞价出力无法履约,必须在实时现货市场中购买高价电来完成日前竞价出力,故为保证总收益最大化,电站选择在净调节备用部署概率为负时不参与调节备用市场,也使得总收益、日前竞价出力及调节备用保持不变。当净调节备用部署概率不为负时,梯级电站将从调节市场获取非负收益,故此时随着净调节备用部署概率逐渐增大,调节备用逐渐增大,而日前竞价出力逐渐减小。此外,相较于旋转备用较高的电价,调节备用电价较低,故其中标情况变化对总收益影响较小。
实例分析结果表明本发明能够有效管理电价不确定性导致的收益风险,得到不同预期收益下的电价波动范围及不同市场下的交易策略,为风险规避和风险寻求型决策者提供保守和激进的风险决策工具。对不同备用部署概率的敏感性分析结果也可为梯级水电站交易策略制定提供参考。
Claims (1)
1.一种计及电价不确定性的梯级水电日前市场组合竞价方法,其特征在于,包括如下步骤:(1)构建日前市场确定性组合优化模型,包括目标函数、电力约束及水电运行约束;(1.1)构建目标函数:以梯级水电站参与中长期合同市场、日前能量市场及辅助服务市场联合收益最大为优化目标,表达式如下:
max F1+F2+F3+F4+F5+F6 (1)
式中:F1为合同市场收益,元;F2为日前电能量市场收益,元;F3为旋转备用市场收益,元;F4为调节备用市场收益,元;F5为实时运行阶段旋转备用被部署收益,元;F6为实时运行阶段调节备用被部署收益,元;为电站i在时段t的合同分解出力,MW;/>为电站i在时段t的合同电价,元/MWh;/>为电站i在时段t的日前竞价出力,MW;/>为时段t的日前市场电价预测值,元/MWh;/>为电站i在时段t的旋转备用竞价出力,MW;/>为时段t的旋转备用市场电价预测值,元/MWh;/>为电站i在时段t的调节备用竞价出力,MW;/>为时段t的调节备用市场电价预测值,元/MWh;/>为时段t的现货市场出清电价预测值,元/MWh;ps为旋转备用部署概率;/>为上调节备用部署概率;/>为下调节备用部署概率;
(1.2)构建电力约束
(1.2.1)出力平衡约束
式中:Pi,t为电站i在时段t的总出力,MW;该约束考虑了水电站同时被部署旋转备用、调节备用的情况,以确保有足够的能力完成部署要求;
(1.2.2)出力限制约束
(1.2.3)备用约束
(1.2.4)日合同电量约束
式中:Ei为电站i的日合同电量,MWh;
(1.3)构建水电运行约束,包括水量平衡约束、流量平衡约束、水位约束、出库流量约束、发电流量约束、弃水流量约束、净水头约束、水位库容曲线、尾水位泄量曲线、水电出力函数和限制出力曲线约束;
(2)构建基于信息间隙决策理论的鲁棒及机会优化模型;
(2.1)选取不确定性集
以日前市场电价、旋转备用市场电价、调节备用市场电价及现货市场出清电价为不确定参数,选取包络模型构建电价不确定性集,表示为:
(2.2)构建鲁棒优化模型
当梯级电站认为不确定性将对其收益带来损失时,采用风险规避策略中的鲁棒模型来优化调度策略,以规避收益风险;结合步骤(1)中的日前市场确定性组合优化模型,得到相应的鲁棒优化模型如下:
s.t:R*≥Ra=(1-σ)R0 (15)
式中:R0为确定性模型最优目标函数值;σ为鲁棒风险因子;Ra为发电商期望的最低目标函数值;为满足最低期望目标函数值的不确定参数最大波动范围;/>为时段t的日前市场实际电价;/>为时段t的旋转备用市场实际电价;/>为时段t的调节备用市场实际电价;为时段t的现货市场实际电价;R*为鲁棒模型中梯级电站收益最小值;
约束条件除了公式(15)-(20)外,还包括步骤(1)中的电力约束及水电运行约束;
(2.3)构建机会优化模型
当梯级电站认为不确定性有利于其获得更高收益时,采用风险寻求策略中的机会模型来优化调度策略,以利用不确定性获得机会收益;结合步骤(1)中的日前市场确定性组合优化模型,得到相应的机会优化模型如下:
约束条件除了公式(22)-(27)外,还包括步骤(1)中的电力约束及水电运行约束;
(3)等效模型转化;
由于步骤(2)中鲁棒模型和机会模型均为双层优化模型,上层与下层之间存在关联关系无法直接求解,需要将其转化为单层优化模型;通过分析双层模型发现,对于鲁棒模型,其下层表示各市场电价在不确定范围内波动时,梯级电站获得的最大总收益,而上层模型表示满足预期收益时,各市场电价的最大波动范围;当梯级电站调度计划确定时,各市场电价越小,梯级电站总收益越低;相反,各市场电价越大,梯级电站总收益越高,即总收益与市场电价呈正相关,因此对鲁棒模型进行等价转化,具体如下:
s.t:R*≥Ra=(1-σ)R0 (29)
R*=F1+F2+F3+F4+F5+F6 (30)
同理,双层机会优化模型转化为如下单层模型:
s.t:R*≥Rs=(1+ρ)R0 (36)
R*=F1+F2+F3+F4+F5+F6 (37)
(4)模型求解;
首先输入包括初始水位、入库流量、预测电价、备用部署概率的计算参数,求解确定性组合优化模型得到确定性情况下的电站最优收益R0;其次,根据水电站风险决策态度分别给定鲁棒风险因子σ和机会风险因子ρ;最后,根据给定的风险因子分别求解鲁棒和机会优化模型得到不同预期收益下的电价波动范围及不同市场下的竞价策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211218504.1A CN115545856B (zh) | 2022-10-06 | 2022-10-06 | 一种计及电价不确定性的梯级水电日前市场组合竞价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211218504.1A CN115545856B (zh) | 2022-10-06 | 2022-10-06 | 一种计及电价不确定性的梯级水电日前市场组合竞价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115545856A CN115545856A (zh) | 2022-12-30 |
CN115545856B true CN115545856B (zh) | 2023-06-16 |
Family
ID=84731800
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211218504.1A Active CN115545856B (zh) | 2022-10-06 | 2022-10-06 | 一种计及电价不确定性的梯级水电日前市场组合竞价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115545856B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113888209A (zh) * | 2021-09-17 | 2022-01-04 | 中国能源建设集团天津电力设计院有限公司 | 虚拟电厂参与电力市场和碳交易市场的协同竞价方法 |
CN114862457A (zh) * | 2022-04-26 | 2022-08-05 | 中国南方电网有限责任公司 | 梯级水电站群参与日前现货市场的竞价电量边界确定方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8626353B2 (en) * | 2011-01-14 | 2014-01-07 | International Business Machines Corporation | Integration of demand response and renewable resources for power generation management |
US20170091828A1 (en) * | 2015-09-24 | 2017-03-30 | Cox Media Group Digital Development, Inc. | Optimization of online advertising bid requests and dynamic floor pricing |
CN109872228A (zh) * | 2019-01-17 | 2019-06-11 | 华北电力大学(保定) | 计及不确定性的柔性负荷聚合商参与电力市场投标方法 |
CN111523729B (zh) * | 2020-04-23 | 2022-03-04 | 上海交通大学 | 基于igdt和需求响应的虚拟电厂竞价的优化控制方法 |
CN112465323B (zh) * | 2020-11-19 | 2024-02-23 | 大连理工大学 | 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 |
-
2022
- 2022-10-06 CN CN202211218504.1A patent/CN115545856B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113888209A (zh) * | 2021-09-17 | 2022-01-04 | 中国能源建设集团天津电力设计院有限公司 | 虚拟电厂参与电力市场和碳交易市场的协同竞价方法 |
CN114862457A (zh) * | 2022-04-26 | 2022-08-05 | 中国南方电网有限责任公司 | 梯级水电站群参与日前现货市场的竞价电量边界确定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115545856A (zh) | 2022-12-30 |
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 | |
Madaeni et al. | How thermal energy storage enhances the economic viability of concentrating solar power | |
CN110310173B (zh) | 一种可再生能源参与中长期电力交易的电量分配方法 | |
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 | |
Cheng et al. | Stochastic short-term scheduling of a wind-solar-hydro complementary system considering both the day-ahead market bidding and bilateral contracts decomposition | |
CN111160640A (zh) | 水电站耗水率迭代修正的电力系统日前现货市场出清方法 | |
CN110852535A (zh) | 一种考虑中长期交易和风电不确定性的日前市场出清模型 | |
Guo et al. | Evaluating effects of battery storage on day-ahead generation scheduling of large hydro–wind–photovoltaic complementary systems | |
CN110649598B (zh) | 一种计及区域内虚拟电厂调节节点电价的方法及系统 | |
CN112909933B (zh) | 现货市场环境下含抽水蓄能机组的日内滚动优化调度方法 | |
Antweiler | Microeconomic models of electricity storage: Price Forecasting, arbitrage limits, curtailment insurance, and transmission line utilization | |
CN112257926A (zh) | 一种基于分区电价的能量块电力交易系统和出清方法 | |
Fang et al. | Coordinated operation of concentrating solar power plant and wind farm for frequency regulation | |
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 | |
CN109978331B (zh) | 一种高比例水电现货市场下日电量分解方法 | |
CN115423260A (zh) | 一种电力市场及政策服务新能源利用的量化分析方法 | |
CN114912943A (zh) | 一种考虑碳排放交易的虚拟电厂中长期联合调度方法 | |
Huang et al. | A model coupling current non-adjustable, coming adjustable and remaining stages for daily generation scheduling of a wind-solar-hydro complementary system | |
CN112365089B (zh) | 考虑分时电价的长时间尺度储能容量配置与控制优化方法 | |
CN111667119B (zh) | 一种水电站milp模型最优代表水头选取方法和系统 | |
CN111724254B (zh) | 调峰辅助服务与电能量联合出清方法、系统、装置及介质 | |
CN115545856B (zh) | 一种计及电价不确定性的梯级水电日前市场组合竞价方法 | |
Cai et al. | Design of hydropower dominated provincial electricity spot Markets in China | |
Tang et al. | Unit maintenance strategy considering the uncertainty of energy intensive load and wind power under the carbon peak and carbon neutral target | |
CN113240546B (zh) | 密集水电地区的机组月度调度方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |