CN116050635A - 针对储能调频交易的模糊随机双层鲁棒优化方法及装置 - Google Patents
针对储能调频交易的模糊随机双层鲁棒优化方法及装置 Download PDFInfo
- Publication number
- CN116050635A CN116050635A CN202310089719.6A CN202310089719A CN116050635A CN 116050635 A CN116050635 A CN 116050635A CN 202310089719 A CN202310089719 A CN 202310089719A CN 116050635 A CN116050635 A CN 116050635A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- storage battery
- layer
- frequency modulation
- optimization model
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 221
- 238000005457 optimization Methods 0.000 title claims abstract description 184
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000007600 charging Methods 0.000 claims abstract description 32
- 238000007599 discharging Methods 0.000 claims abstract description 24
- 238000010248 power generation Methods 0.000 claims abstract description 24
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 239000010410 layer Substances 0.000 claims description 109
- 230000006870 function Effects 0.000 claims description 21
- 239000013598 vector Substances 0.000 claims description 16
- 239000002355 dual-layer Substances 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 9
- 230000009977 dual effect Effects 0.000 claims description 8
- 238000005286 illumination Methods 0.000 claims description 6
- 238000007619 statistical method Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 2
- 230000005611 electricity Effects 0.000 abstract description 13
- 239000004973 liquid crystal related substance Substances 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 239000008186 active pharmaceutical agent Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 230000000694 effects Effects 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
- 230000008569 process Effects 0.000 description 1
- 238000007665 sagging Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- 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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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
- 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
- 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]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Power Engineering (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Technology Law (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本申请公开了一种针对储能调频交易的模糊随机双层鲁棒优化方法及装置，通过根据新能源机组的输出功率信息，确定新能源机组输出功率的不确定性变量；基于所述不确定性变量，构建储能电池参与一次调频的模糊随机双层鲁棒优化模型；利用列和约束生成算法，根据预设约束条件，对所述模糊随机双层鲁棒优化模型进行运算，直至预设目标函数达到最小值，得到所述模糊随机双层鲁棒优化模型的输出结果。从而在考虑新能源发电和储能电池充放电的随机性和波动性的基础上，结合经济性角度确定储能电池协同调频的市场电价以及一次调频用电量，为电力系统安全稳定运行提供必要的技术支撑。
Description
技术领域
本申请涉及电力系统技术领域，尤其涉及一种针对储能调频交易的模糊随机双层鲁棒优化方法及装置。
背景技术
电网分布式电源系统是一种同时具有关系复杂并交互作用的随机和模糊不确定性事件或参量的系统。目前，电网分布式电源系统的发电功率和发电量通常采用确定性计算方法或采用基于概率分析的不确定性计算方法。其中，确定性计算方法通常是在假设小水电站的来水量和流量、区域内日照强度和风速都确定的情况下，计算电网分布式电源系统的发电功率、发电量及装机容量，但是其计算结果是唯一和确定的，无法真实反应电网分布式电源系统的发电功率、发电量及装机容量的实际情况。而基于概率分析的不确定性计算方法通常是在只假设小水电站的来水量和流量、区域内日照强度和风速等单一因素为不确定性因素的情况下，计算电网分布式电源系统的发电功率、发电量及装机容量，其计算结果具有一定置信水平的概率值。
然而在实际上，电网分布式电源系统的发电功率、发电量及装机容量受多种不确定性因素影响，且这些影响因素通常具有随机不确定性或模糊不确定性，通常以随机和模糊不确定性事件或参量而存在。而当前计算方式均未考虑影响因素的不确定性和随机性，从而导致电网调频控制的准确性差。
发明内容
本申请提供了一种针对储能调频交易的模糊随机双层鲁棒优化方法及装置，以解决当前计算发电信息未考影响因素的不确定性和随机性而导致电网调频控制准确性差的技术问题。
为了解决上述技术问题，第一方面，本申请提供了一种针对储能调频交易的模糊随机双层鲁棒优化方法，包括：
根据新能源机组的输出功率信息，确定新能源机组输出功率的不确定性变量；
基于所述不确定性变量，构建储能电池参与一次调频的模糊随机双层鲁棒优化模型，所述模糊随机双层鲁棒优化模型的第一层优化变量为储能电池输出功率的报价，所述模糊随机双层鲁棒优化模型的第二层优化变量为储能电池输出功率的投标量：
利用列和约束生成算法，根据预设约束条件，对所述模糊随机双层鲁棒优化模型进行运算，直至预设目标函数达到最小值，得到所述模糊随机双层鲁棒优化模型的输出结果，所述输出结果包括所述储能电池参与一次调频的市场出清价格和所述储能电池输出功率的服务电量。
在一些实现方式中，所述根据新能源机组的输出功率信息，确定新能源机组输出功率的不确定性变量，包括：
获取所述新能源机组的发电影响因素数据，所述发电影响因素数据包括历史风速数据和/或历史光照数据；
对所述发电影响因素数据进行统计分析，得到所述新能源机组的所述输出功率信息；
基于预设不等式，构建所述新能源机组输出功率的不确定性变量。
在一些实现方式中，所述模糊随机双层鲁棒优化模型的表达式为：
其中，cT表示新能源机组输出功率的不确定性变量列向量，x表示第一层优化变量，u1表示储能参与一次调频的充电功率，u2表示储能参与一次调频的放电功率，yu表示第二层优化变量，y(u1，u2)表示电池储能装置站运营商输出功率和服务电量，dT表示第二层优化变量系数向量，H1～H11分别表示等式约束以及不等式约束中分别对应的系数矩阵，h1～h6分别表示对应各种等约束条件和不等约束条件下常数列向量，U1表示储能参与一次调频的充电功率集合，U2表示储能参与一次调频的放电功率集合。
在一些实现方式中，所述预设目标函数的表达式为：
其中，X表示第一层优化变量储能参与一次调频的市场出清价格的集合，Δfe(t)表示一次调频中时刻t频率偏差值，u表示不确定性变量，U表示不确定性变量的集合，CM1表示参与一次调频的辅助服务交易成本。
在一些实现方式中，所述利用列和约束生成算法，根据预设约束条件，对所述模糊随机双层鲁棒优化模型进行运算，直至预设目标函数达到最小值，得到所述模糊随机双层鲁棒优化模型的输出结果，包括：
利用所述列和约束生成算法，对所述模糊随机双层鲁棒优化模型进行分解，得到主优化模型和子优化模型；
基于所述预设约束条件，对所述主优化模型和子优化模型进行交替迭代，直至所述预设目标函数达到最小值，得到所述主优化模型的市场出清价格和子优化模型的服务电量。
在一些实现方式中，所述主优化模型的表达式为：
所述子优化模型的表达式为：
其中，η表示辅助变量，k表示不确定场景，
表示当
或
确定后值对偶问题在第k种不确定场景下的值，
表示迭代子优化模型产生的最劣场景所对应的第一不确定量值，
表示迭代子优化模型产生的最劣场景所对应的第二不确定量值。
在一些实现方式中，所述预设约束条件包括惯性响应阶段频率偏差约束条件、下垂调控阶段频率偏差约束条件、储能电池输出功率投标量约束条件、储能电池服务电量投标量约束条件、储能电池充电约束条件、储能电池放电约束条件、储能电池蓄电电量约束条件、储能电池充电功率约束条件、储能电池充电时间约束条件、储能电池放电功率约束条件、储能电池放电时间约束条件、储能电池荷电状态SOC约束条件、储能电池荷电状态与负荷需求的约束关系和/或储能电池荷电状态与电力系统功率缺额的约束关系。
第二方面，本申请还提供一种针对储能调频交易的模糊随机双层鲁棒优化装置，包括：
确定模块，用于根据新能源机组的输出功率信息，确定新能源机组输出功率的不确定性变量；
构建模块，用于基于所述不确定性变量，构建储能电池参与一次调频的模糊随机双层鲁棒优化模型，所述模糊随机双层鲁棒优化模型的第一层优化变量为储能电池输出功率的报价，所述模糊随机双层鲁棒优化模型的第二层优化变量为储能电池输出功率的投标量；
运算模块，用于利用列和约束生成算法，根据预设约束条件，对所述模糊随机双层鲁棒优化模型进行运算，直至预设目标函数达到最小值，得到所述模糊随机双层鲁棒优化模型的输出结果，所述输出结果包括所述储能电池参与一次调频的市场出清价格和所述储能电池输出功率的服务电量。
第三方面，本申请还提供一种计算机设备，包括处理器和存储器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时实现如第一方面所述的针对储能调频交易的模糊随机双层鲁棒优化方法。
第四方面，本申请还提供一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的针对储能调频交易的模糊随机双层鲁棒优化方法。
与现有技术相比，本申请至少具备以下有益效果：
通过根据新能源机组的输出功率信息，确定新能源机组输出功率的不确定性变量，以考虑新能源发电和储能电池充放电的随机性和波动性；再基于所述不确定性变量，构建储能电池参与一次调频的模糊随机双层鲁棒优化模型，所述模糊随机双层鲁棒优化模型的第一层优化变量为储能电池输出功率的报价，所述模糊随机双层鲁棒优化模型的第二层优化变量为储能电池输出功率的投标量，以结合经济性角度考虑储能电池参与一次调频的发电量；最后利用列和约束生成算法，根据预设约束条件，对所述模糊随机双层鲁棒优化模型进行运算，直至预设目标函数达到最小值，得到所述模糊随机双层鲁棒优化模型的输出结果，所述输出结果包括所述储能电池参与一次调频的市场出清价格和所述储能电池输出功率的服务电量，从而在考虑新能源发电和储能电池充放电的随机性和波动性的基础上，结合经济性角度确定储能电池协同调频的市场电价以及一次调频用电量，为电力系统安全稳定运行提供必要的技术支撑。
附图说明
图1为本申请实施例示出的针对储能调频交易的模糊随机双层鲁棒优化方法的流程示意图；
图2为本申请实施例示出的针对储能调频交易的模糊随机双层鲁棒优化装置的结构示意图；
图3为本申请实施例示出的计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
请参照图1，图1为本申请实施例提供的一种针对储能调频交易的模糊随机双层鲁棒优化方法的流程示意图。本申请实施例的针对储能调频交易的模糊随机双层鲁棒优化方法可应用于计算机设备，该计算机设备包括但不限于智能手机、笔记本电脑、平板电脑、桌上型计算机、物理服务器和云服务器等设备。如图1所示，本实施例的针对储能调频交易的模糊随机双层鲁棒优化方法包括步骤S101至步骤S103，详述如下：
步骤S101，根据新能源机组的输出功率信息，确定新能源机组输出功率的不确定性变量。
在本步骤中，新能源机组发电受到风速和光照等影响因素的影响，所以可根据发电影响因素确定新能源机组输出功率的不确定性变量。
在一些实施例中，所述步骤S101，包括：
获取所述新能源机组的发电影响因素数据，所述发电影响因素数据包括历史风速数据和/或历史光照数据；
对所述发电影响因素数据进行统计分析，得到所述新能源机组的所述输出功率信息；
基于预设不等式，构建所述新能源机组输出功率的不确定性变量。
在本实施例中，基于风电机组和光伏电池组的功率模型以及历史风速数据和历史光照数据的统计分析，采用预设不等式描述风电机组和光伏电池组输出功率的不确定性变量：
其中，Pi，t和
分别为第i种可再生能源t时段的实际输出功率和预测输出功率；
和
分别为第i种可再生能源t时段输出功率波动的上、下限值；
分别为最劣场景下引入的风电机组、光伏电池组输出功率的不确定性变量。
步骤S102，基于所述不确定性变量，构建储能电池参与一次调频的模糊随机双层鲁棒优化模型，所述模糊随机双层鲁棒优化模型的第一层优化变量为储能电池输出功率的报价，所述模糊随机双层鲁棒优化模型的第二层优化变量为储能电池输出功率的投标量。
在本步骤中，考虑储能电池充放电的随机性和波动性，构建储能独立参与一次调频的模糊随机双层鲁棒优化模型，第一层优化确定一次调频的市场出清价格，第二层优化确定电池储能装置站运营商输出功率和服务电量。双层鲁棒优化模型的一般形式为：
其中，x、yu分别为第一层优化变量和第二层优化变量；A、B、C、D、E和F为等式约束以及不等式约束中分别对应的系数矩阵；h1一h4分别为对应各种等约束条件和不等约束条件下常数列向量；u、U分别为不确定性变量及不确定性变量的集合。
可选地，对于模型的第一层优化目标为最小化一次调频中频率偏差值，第二层优化目标为最小化与一次调频相关的辅助服务交易成本，则预设目标函数为：
其中，X表示第一层优化变量储能参与一次调频的市场出清价格的集合，Δfe(t)表示一次调频中时刻t频率偏差值，u表示不确定性变量，U表示不确定性变量的集合，CM1表示参与一次调频的辅助服务交易成本，其由电池储能装置站运营商储能电池输出功率及其报价以及服务电量及其报价决定，可表示为：
其中pSpi、pSEi分别为各个运营商的储能电池输出功率报价、服务电量报价。
步骤S103，利用列和约束生成算法，根据预设约束条件，对所述模糊随机双层鲁棒优化模型进行运算，直至预设目标函数达到最小值，得到所述模糊随机双层鲁棒优化模型的输出结果，所述输出结果包括所述储能电池参与一次调频的市场出清价格和所述储能电池输出功率的服务电量。
在本步骤中，结合预设约束条件，所述模糊随机双层鲁棒优化模型的表达式为：
其中，cT表示新能源机组输出功率的不确定性变量列向量，x表示第一层优化变量，u1表示储能参与一次调频的充电功率，u2表示储能参与一次调频的放电功率，yu表示第二层优化变量，y(u1，u2)表示电池储能装置站运营商输出功率和服务电量，dT表示第二层优化变量系数向量，H1～H11分别表示等式约束以及不等式约束中分别对应的系数矩阵，h1～h6分别表示对应各种等约束条件和不等约束条件下常数列向量，U1表示储能参与一次调频的充电功率集合，U2表示储能参与一次调频的放电功率集合。
在一些实施例中，所述步骤S103，包括：
利用所述列和约束生成算法，对所述模糊随机双层鲁棒优化模型进行分解，得到主优化模型和子优化模型；
基于所述预设约束条件，对所述主优化模型和子优化模型进行交替迭代，直至所述预设目标函数达到最小值，得到所述主优化模型的市场出清价格和子优化模型的服务电量。
在本步骤中，模糊随机双层鲁棒优化模型是一个min-max-min结构的双层-三个鲁棒优化模型，第一层中包含一个min优化问题，对应于对应储能电池输出功率的报价优化问题；第二层中包含一个max-min优化问题，max-min优化问题包含一个max和一个min优化问题，对应储能电池输出功率的投标量优化问题。该模型无法直接采用商业求解器求解，但第三个的min优化问题可通过对偶变换为max优化问题，故第二层的min-max可合并为一个max优化问题，从而将该min-max-min形式的优化模型转化为min-max的优化模型，该类型的min-max优化问题可采用列约束生成算法(column and constraint generation，C&CG)进行求解。
可选地，C&CG算法将原优化问题分解为主优化问题MP(即主优化模型)和子优化问题SP(即子优化模型)，通过主优化问题MP和子优化问题SP进行交替迭代求解。在每次迭代中，主优化问题MP向子优化问题SP传递第一层储能电池输出功率的报价的优化结果，而子优化问题SP接受到第一层的优化结果，可以独立求解第二层的储能电池输出功率的投标量优化问题，并向主优化问题MP返回最劣场景和最劣场景对应的相关约束条件。
可选地，主优化问题MP根据子优化问题SP在当前迭代过程中所反馈的最劣场景，优化在当前的最劣场景下的储能电池输出功率的报价，其表达式为：
可选地，所述子优化模型的表达式为：
其中，η表示辅助变量，k表示不确定场景，
表示当
或
确定后值对偶问题在第k种不确定场景下的值，
表示迭代子优化模型产生的最劣场景所对应的第一不确定量值，
表示迭代子优化模型产生的最劣场景所对应的第二不确定量值。
优选地，SP问题为max-min的结构，采用强对偶理论和big-M法将内层转化如下的单层max结构的问题，从而将内层转化为混合整数线性规划问题：
其中β、γ、ν、π为子问题中min优化问题转换为max问题时各约束条件所对应的对偶变量。子问题中存在双线性项h(u1，u2)，当所对应的不确定量应取其不确定集的边界值时对偶问题取得最优解。采用Big-M法进行线性化处理，可将子问题转化为如下模型：
其中，
和
分别为储能电池在预测场景下的充电和放电功率向量；Δu1和Δu2分别为储能电池充电和放电功率的波动值列向量；Z1和Z2为引入的辅助变量；k1和k2分别为不确定变量的系数；d1和d2分别为Big-M法所引入二进制变量构成的列向量，用以选择不确定变量的取值；M为辅助变量，取值为较大的正实数。
可选地，经过上述转换，双层鲁棒优化模型转换为具有混合整数线性形式的主问题MP和子问题SP，可采用列约束生成算法(C&CG)求解，求解步骤如下：
1)初始化：初始优化问题上界fu＝∞、下界fl＝-∞，收敛误差ε取较小的正数，置迭代次数k＝0，场景集合
2)求解主问题MP：求解初始场景下主问题MP，获得主问题MP的最优解
并更新优化问题的下界
3)求解SP：将主问题MP的最优解
传递给子问题SP，并利用商用求解器Gurobi9.0求解子问题SP的混合整数线性问题，获得子问题SP的最劣场景
更新优化问题的上界为
4)收敛判断：若fu-fl≤ε，则返回最优解
否则增加变量
及对应的相关约束(50)到主问题MP，并更新k＝k+1，K＝K∪{k+1}，返回步骤2)。
在一些实施例中，所述预设约束条件包括惯性响应阶段频率偏差约束条件、下垂调控阶段频率偏差约束条件、储能电池输出功率投标量约束条件、储能电池服务电量投标量约束条件、储能电池充电约束条件、储能电池放电约束条件、储能电池蓄电电量约束条件、储能电池充电功率约束条件、储能电池充电时间约束条件、储能电池放电功率约束条件、储能电池放电时间约束条件、储能电池荷电状态SOC约束条件、储能电池荷电状态与负荷需求的约束关系以及储能电池荷电状态与电力系统功率缺额的约束关系。
a)惯性响应阶段频率偏差约束条件：
在同步发电机机组惯性响应阶段，频率偏差ΔfeM(t)要求满足不大于期望的最大值、不小于期望的最小值的约束条件：
其中，
和fe M(t)分别为在时段t惯性响应阶段频率偏差期望的最大值和最小值。
b)下垂调控阶段频率偏差约束条件：
在下垂调控阶段，频率偏差ΔfeC(t)要求满足不大于期望的最大值、不小于期望的最小值的约束条件：
其中，
和fe C(t)分别为在时段t下垂调控阶段频率偏差期望的最大值和最小值。
c)储能电池输出功率投标量约束条件：
储能电池i在时段t输出功率的投标量应该满足不大于其允许的最大值、不小于其允许的最小值的约束条件：
其中，
和PS i(t)分别为储能电池k在时段t输出功率允许的最大值和最小值。
d)储能电池服务电量投标量约束条件：
储能电池i在时段t服务电量的投标量应该满足不大于蓄电电量允许的最大值、不小于蓄电电量允许的最小值的约束条件：
其中，
和ESi(t)分别为储能电池i在时段t蓄电电量允许的最大值和最小值。
e)储能电池充电约束条件：
储能电池k在时段t是否进入充电运行状态取决于电力系统的分时电价。当分时电价低于储能电池可进行充电的电价水平时储能电池进行充电，增大荷电状态，提高蓄电电量。一旦储能电池进入放电运行状态，不允许转入充电运行状态，除非蓄电电量已经小于其允许的最小值。储能电池i在时段t充电需要满足如下约束条件：
其中，μi1为储能电池i在时段t充电状态变量，充电时μi1＝1，不充电时μi1＝0；μi2为储能电池i在时段t放电状态变量，放电时μi2＝1，不放电时μi2＝0；pSYS为电力系统的分时电价；pSCHi为电池储能装置站运营商可接受的储能电池i可进行充电的电价；ESi为储能电池i蓄电电量；ESCHi为电池储能装置站运营商可接受的储能电池i需要进行充电的蓄电电量。
f)储能电池放电约束条件：
储能电池k在时段t是否进入放电运行状态取决于储能电池的蓄电电量、分时电价及电力系统的运行状态和需求。当分时电价高于储能电池可进行放电的电价水平时储能电池进行放电，作为电源电网注入功率。在放电状态下，储能电池不断消耗蓄电电量，使得荷电状态水平不断降低。如果，储能电池蓄电电量低于电池储能装置站运营商可接受的储能电池i需要进行放电的蓄电电量时，近应该停止放电。一旦储能电池进入充电运行状态，也不允许转入放电运行状态。储能电池i在时段t放电需要满足如下约束条件：
其中，pSDISCi为电池储能装置站运营商可接受的储能电池i可进行放电的电价；ESDISCi为电池储能装置站运营商可接受的储能电池i需要进行放电的蓄电电量。
g)储能电池蓄电电量约束条件：
储能电池i在时段t蓄电电量取决于其蓄电电量的初始值ES0i(t)、充放电状态、充电功率的大小和充电时间，其数学表式为：
其中，ESi(t)为储能电池i在时段t蓄电电量，PCHi(t)和kCHi分别为储能电池i在时段t充电功率和充电效率，PDISCi(t)和kDISCi分别为储能电池i在时段t放电功率和放电效率。
储能电池i在时段t蓄电电量应该满足不大于其允许的最大值、不小于其允许的最小值的约束条件：
h)储能电池充电功率约束条件：
储能电池i在时段t充电功率应该满足不大于其允许的最大值、不小于其允许的最小值的约束条件：
其中，
和P SCHi(t)分别为储能电池i在时段t充电功率允许的最大值和最小值。
i)储能电池充电时间约束条件：
储能电池i在时段t充电时间应该满足如下约束条件：
j)储能电池放电功率约束条件：
储能电池i在时段t放电功率应该满足不大于其允许的最大值、不小于其允许的最小值的约束条件：
其中，
和P SDISCi(t)分别为储能电池i在时段t放电功率允许的最大值和最小值。
k)储能电池放电时间约束条件：
储能电池i在时段t放电时间应该满足如下约束条件：
I)储能电池荷电状态SOC约束条件：
储能电池i在时段t荷电状态SOC(State of Charge)应该满足不大于其允许的最大值、不小于其允许的最小值的约束条件：
其中，δSi(t)为储能电池i在时段t荷电状态，
和δ Si(t)分别为储能电池i在时段t荷电状态允许的最大值和最小值。
o)储能电池荷电状态与负荷需求的约束关系：
在一次调频中，应对变化周期为1Oms以下的尖峰负荷，储能电池可以向电网注入有功功率，有助于降低频率偏差。因此，在一个运行周期内，可以根据尖峰负荷出现的频次及持续时间，规定储能电池荷电状态需要保持的水平。这就是储能电池荷电状态与负荷需求的约束关系，其数学表式如下：
其中，tDS和NDS分别为电力系统尖峰负荷变化的周期及频次，kSOCni(t)(n＝1,2,3,4)为储能电池i在时段t荷电状态的调控系数，0≤kSOCni(t)≤1。
p)储能电池荷电状态与电力系统功率缺额的约束关系：
在一次调频中，应对周期为10ms以下的功率缺额，储能电池可以向电网注入有功功率，有助于降低频率偏差。因此，在一个运行周期内，可以根据功率缺额出现的频次及持续时间，规定储能电池荷电状态需要保持的水平。这就是储能电池荷电状态与功率缺额的约束关系，其数学表式如下：
其中，tGPV和NGPV分别为电力系统功率缺额的周期及频次。
为了执行上述方法实施例对应的针对储能调频交易的模糊随机双层鲁棒优化方法，以实现相应的功能和技术效果。参见图2，图2示出了本申请实施例提供的一种针对储能调频交易的模糊随机双层鲁棒优化装置的结构框图。为了便于说明，仅示出了与本实施例相关的部分，本申请实施例提供的针对储能调频交易的模糊随机双层鲁棒优化装置，包括：
确定模块201，用于根据新能源机组的输出功率信息，确定新能源机组输出功率的不确定性变量；
构建模块202，用于基于所述不确定性变量，构建储能电池参与一次调频的模糊随机双层鲁棒优化模型，所述模糊随机双层鲁棒优化模型的第一层优化变量为储能电池输出功率的报价，所述模糊随机双层鲁棒优化模型的第二层优化变量为储能电池输出功率的投标量＝
运算模块203，用于利用列和约束生成算法，根据预设约束条件，对所述模糊随机双层鲁棒优化模型进行运算，直至预设目标函数达到最小值，得到所述模糊随机双层鲁棒优化模型的输出结果，所述输出结果包括所述储能电池参与一次调频的市场出清价格和所述储能电池输出功率的服务电量。
在一些实施例中，所述确定模块201，具体用于：
获取所述新能源机组的发电影响因素数据，所述发电影响因素数据包括历史风速数据和/或历史光照数据；
对所述发电影响因素数据进行统计分析，得到所述新能源机组的所述输出功率信息；
基于预设不等式，构建所述新能源机组输出功率的不确定性变量。
在一些实施例中，所述模糊随机双层鲁棒优化模型的表达式为：
其中，cT表示新能源机组输出功率的不确定性变量列向量，x表示第一层优化变量，u1表示储能参与一次调频的充电功率，u2表示储能参与一次调频的放电功率，yu表示第二层优化变量，y(u1，u2)表示电池储能装置站运营商输出功率和服务电量，dT表示第二层优化变量系数向量，H1～H11分别表示等式约束以及不等式约束中分别对应的系数矩阵，h1～h6分别表示对应各种等约束条件和不等约束条件下常数列向量，U1表示储能参与一次调频的充电功率集合，U2表示储能参与一次调频的放电功率集合。
在一些实施例中，所述预设目标函数的表达式为：
其中，X表示第一层优化变量储能参与一次调频的市场出清价格的集合，Δfe(t)表示一次调频中时刻t频率偏差值，u表示不确定性变量，U表示不确定性变量的集合，CM1表示参与一次调频的辅助服务交易成本。
在一些实施例中，所述运算模块203，具体用于：
利用所述列和约束生成算法，对所述模糊随机双层鲁棒优化模型进行分解，得到主优化模型和子优化模型；
基于所述预设约束条件，对所述主优化模型和子优化模型进行交替迭代，直至所述预设目标函数达到最小值，得到所述主优化模型的市场出清价格和子优化模型的服务电量。
在一些实施例中，所述主优化模型的表达式为：
所述子优化模型的表达式为：
其中，η表示辅助变量，k表示不确定场景，
表示当
或
确定后值对偶问题在第k种不确定场景下的值，
表示迭代子优化模型产生的最劣场景所对应的第一不确定量值，
表示迭代子优化模型产生的最劣场景所对应的第二不确定量值。
在一些实施例中，所述预设约束条件包括惯性响应阶段频率偏差约束条件、下垂调控阶段频率偏差约束条件、储能电池输出功率投标量约束条件、储能电池服务电量投标量约束条件、储能电池充电约束条件、储能电池放电约束条件、储能电池蓄电电量约束条件、储能电池充电功率约束条件、储能电池充电时间约束条件、储能电池放电功率约束条件、储能电池放电时间约束条件、储能电池荷电状态SOC约束条件、储能电池荷电状态与负荷需求的约束关系以及储能电池荷电状态与电力系统功率缺额的约束关系。
上述的针对储能调频交易的模糊随机双层鲁棒优化装置可实施上述方法实施例的针对储能调频交易的模糊随机双层鲁棒优化方法。上述方法实施例中的可选项也适用于本实施例，这里不再详述。本申请实施例的其余内容可参照上述方法实施例的内容，在本实施例中，不再进行赘述。
图3为本申请一实施例提供的计算机设备的结构示意图。如图3所示，该实施例的计算机设备3包括：至少一个处理器30(图3中仅示出一个)、存储器31以及存储在所述存储器31中并可在所述至少一个处理器30上运行的计算机程序32，所述处理器30执行所述计算机程序32时实现上述任意方法实施例中的步骤。
所述计算机设备3可以是智能手机、平板电脑、桌上型计算机和云端服务器等计算设备。该计算机设备可包括但不仅限于处理器30、存储器31。本领域技术人员可以理解，图3仅仅是计算机设备3的举例，并不构成对计算机设备3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，该处理器30还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific lntegrated Circuit，ASlC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器31在一些实施例中可以是所述计算机设备3的内部存储单元，例如计算机设备3的硬盘或内存。所述存储器31在另一些实施例中也可以是所述计算机设备3的外部存储设备，例如所述计算机设备3上配备的插接式硬盘，智能存储卡(Smart Med iaCard，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器31还可以既包括所述计算机设备3的内部存储单元也包括外部存储设备。所述存储器31用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
另外，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任意方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在计算机设备上运行时，使得计算机设备执行时实现上述各个方法实施例中的步骤。
在本申请所提供的几个实施例中，可以理解的是，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意的是，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述的具体实施例，对本申请的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本申请的具体实施例而已，并不用于限定本申请的保护范围。特别指出，对于本领域技术人员来说，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种针对储能调频交易的模糊随机双层鲁棒优化方法，其特征在于，包括：
根据新能源机组的输出功率信息，确定新能源机组输出功率的不确定性变量；
基于所述不确定性变量，构建储能电池参与一次调频的模糊随机双层鲁棒优化模型，所述模糊随机双层鲁棒优化模型的第一层优化变量为储能电池输出功率的报价，所述模糊随机双层鲁棒优化模型的第二层优化变量为储能电池输出功率的投标量；
利用列和约束生成算法，根据预设约束条件，对所述模糊随机双层鲁棒优化模型进行运算，直至预设目标函数达到最小值，得到所述模糊随机双层鲁棒优化模型的输出结果，所述输出结果包括所述储能电池参与一次调频的市场出清价格和所述储能电池输出功率的服务电量。
2.如权利要求1所述的针对储能调频交易的模糊随机双层鲁棒优化方法，其特征在于，所述根据新能源机组的输出功率信息，确定新能源机组输出功率的不确定性变量，包括：
获取所述新能源机组的发电影响因素数据，所述发电影响因素数据包括历史风速数据和/或历史光照数据；
对所述发电影响因素数据进行统计分析，得到所述新能源机组的所述输出功率信息；
基于预设不等式，构建所述新能源机组输出功率的不确定性变量。
3.如权利要求1所述的针对储能调频交易的模糊随机双层鲁棒优化方法，其特征在于，所述模糊随机双层鲁棒优化模型的表达式为：
s.t.
其中，cT表示新能源机组输出功率的不确定性变量列向量，x表示第一层优化变量，u1表示储能参与一次调频的充电功率，u2表示储能参与一次调频的放电功率，yu表示第二层优化变量，y(u1,u2)表示电池储能装置站运营商输出功率和服务电量，dT表示第二层优化变量系数向量，H1～H11分别表示等式约束以及不等式约束中分别对应的系数矩阵，h1～h6分别表示对应各种等约束条件和不等约束条件下常数列向量，U1表示储能参与一次调频的充电功率集合，U2表示储能参与一次调频的放电功率集合。
4.如权利要求1所述的针对储能调频交易的模糊随机双层鲁棒优化方法，其特征在于，所述预设目标函数的表达式为：
其中，X表示第一层优化变量储能参与一次调频的市场出清价格的集合，Δfe(t)表示一次调频中时刻t频率偏差值，u表示不确定性变量，U表示不确定性变量的集合，CM1表示参与一次调频的辅助服务交易成本。
5.如权利要求1所述的针对储能调频交易的模糊随机双层鲁棒优化方法，其特征在于，所述利用列和约束生成算法，根据预设约束条件，对所述模糊随机双层鲁棒优化模型进行运算，直至预设目标函数达到最小值，得到所述模糊随机双层鲁棒优化模型的输出结果，包括：
利用所述列和约束生成算法，对所述模糊随机双层鲁棒优化模型进行分解，得到主优化模型和子优化模型；
基于所述预设约束条件，对所述主优化模型和子优化模型进行交替迭代，直至所述预设目标函数达到最小值，得到所述主优化模型的市场出清价格和子优化模型的服务电量。
6.如权利要求5所述的针对储能调频交易的模糊随机双层鲁棒优化方法，其特征在于，所述主优化模型的表达式为：
s.t.
所述子优化模型的表达式为：
s.t.
其中，η表示辅助变量，k表示不确定场景，
表示当
或
确定后值对偶问题在第k种不确定场景下的值，
表示迭代子优化模型产生的最劣场景所对应的第一不确定量值，
表示迭代子优化模型产生的最劣场景所对应的第二不确定量值。
7.如权利要求1或5所述的针对储能调频交易的模糊随机双层鲁棒优化方法，其特征在于，所述预设约束条件包括惯性响应阶段频率偏差约束条件、下垂调控阶段频率偏差约束条件、储能电池输出功率投标量约束条件、储能电池服务电量投标量约束条件、储能电池充电约束条件、储能电池放电约束条件、储能电池蓄电电量约束条件、储能电池充电功率约束条件、储能电池充电时间约束条件、储能电池放电功率约束条件、储能电池放电时间约束条件、储能电池荷电状态SOC约束条件、储能电池荷电状态与负荷需求的约束关系和/或储能电池荷电状态与电力系统功率缺额的约束关系。
8.一种针对储能调频交易的模糊随机双层鲁棒优化装置，其特征在于，包括：
确定模块，用于根据新能源机组的输出功率信息，确定新能源机组输出功率的不确定性变量；
构建模块，用于基于所述不确定性变量，构建储能电池参与一次调频的模糊随机双层鲁棒优化模型，所述模糊随机双层鲁棒优化模型的第一层优化变量为储能电池输出功率的报价，所述模糊随机双层鲁棒优化模型的第二层优化变量为储能电池输出功率的投标量；
运算模块，用于利用列和约束生成算法，根据预设约束条件，对所述模糊随机双层鲁棒优化模型进行运算，直至预设目标函数达到最小值，得到所述模糊随机双层鲁棒优化模型的输出结果，所述输出结果包括所述储能电池参与一次调频的市场出清价格和所述储能电池输出功率的服务电量。
9.一种计算机设备，其特征在于，包括处理器和存储器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7任一项所述的针对储能调频交易的模糊随机双层鲁棒优化方法。
10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的针对储能调频交易的模糊随机双层鲁棒优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310089719.6A CN116050635A (zh) | 2023-02-08 | 2023-02-08 | 针对储能调频交易的模糊随机双层鲁棒优化方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310089719.6A CN116050635A (zh) | 2023-02-08 | 2023-02-08 | 针对储能调频交易的模糊随机双层鲁棒优化方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116050635A true CN116050635A (zh) | 2023-05-02 |
Family
ID=86125347
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310089719.6A Pending CN116050635A (zh) | 2023-02-08 | 2023-02-08 | 针对储能调频交易的模糊随机双层鲁棒优化方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116050635A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117422183A (zh) * | 2023-12-18 | 2024-01-19 | 国网四川省电力公司 | 机组检修优化方法、装置、设备及存储介质 |
-
2023
- 2023-02-08 CN CN202310089719.6A patent/CN116050635A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117422183A (zh) * | 2023-12-18 | 2024-01-19 | 国网四川省电力公司 | 机组检修优化方法、装置、设备及存储介质 |
| CN117422183B (zh) * | 2023-12-18 | 2024-03-19 | 国网四川省电力公司 | 机组检修优化方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2019097267A (ja) | エネルギーマネジメントシステム、電力需給計画最適化方法、および電力需給計画最適化プログラム | |
| US11664678B2 (en) | Grid asset manager | |
| CN112736918B (zh) | 微电网中源储荷协调的两级优化调度方法、装置及设备 | |
| CN110516832B (zh) | 可再生能源跨区域消纳的备用出清方法、装置及电子设备 | |
| CN116050635A (zh) | 针对储能调频交易的模糊随机双层鲁棒优化方法及装置 | |
| CN115271397A (zh) | 一种电力日前市场出清的计算方法、装置及储存介质 | |
| CN116667387A (zh) | 一种电网频率调控的方法、装置及存储介质 | |
| CN116470543A (zh) | 一种虚拟电厂的运行控制方法、装置、设备及介质 | |
| CN114498638A (zh) | 计及源荷双侧不确定性的源网荷储协调规划方法及系统 | |
| Yang et al. | Deep reinforcement learning for economic energy scheduling in data center microgrids | |
| CN111126882B (zh) | 虚拟变电站调度方法及终端设备 | |
| CN116014725A (zh) | 二次调频功率需求量的确定方法、装置、设备及存储介质 | |
| CN116545025A (zh) | 一种配电网优化调度方法、装置、设备及存储介质 | |
| CN115864364A (zh) | 一种用户参与需求响应的运行策略规划方法及装置 | |
| CN107482658B (zh) | 一种微电网储能经济运行控制方法和装置 | |
| US20220102998A1 (en) | Systems and methods for efficient charging of energy storage systems | |
| CN115760194A (zh) | 一种峰谷电价与时段的优化方法、装置、设备及存储介质 | |
| CN111798070B (zh) | 一种用户侧光储系统的配置方法及装置 | |
| Chehab et al. | A sliding window algorithm for energy distribution system with storage | |
| CN116073377B (zh) | 基于双向调节的主配网交互协同方法及系统 | |
| CN111431196B (zh) | 用户侧储能系统容量优化供电方法及装置 | |
| CN116454876B (zh) | 电力市场水电机组的组合控制方法、装置、设备和介质 | |
| US20240195217A1 (en) | Grid asset manager | |
| CN115764947A (zh) | 一种电力出清方法、装置、设备及存储介质 | |
| CN115566710A (zh) | 一种针对微电网的调度方法、电子设备及可读存储介质 |
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 |