CN116388293A - 一种新能源配建储能电站的联合优化调度方法及系统 - Google Patents
一种新能源配建储能电站的联合优化调度方法及系统 Download PDFInfo
- Publication number
- CN116388293A CN116388293A CN202310357914.2A CN202310357914A CN116388293A CN 116388293 A CN116388293 A CN 116388293A CN 202310357914 A CN202310357914 A CN 202310357914A CN 116388293 A CN116388293 A CN 116388293A
- Authority
- CN
- China
- Prior art keywords
- new energy
- energy storage
- day
- price
- real
- 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 152
- 238000005457 optimization Methods 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000005611 electricity Effects 0.000 claims abstract description 102
- 238000007599 discharging Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 11
- 230000008901 benefit Effects 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims 2
- 239000004973 liquid crystal related substance Substances 0.000 description 8
- 238000010248 power generation Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 239000000370 acceptor Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000016571 aggressive behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000087 stabilizing effect 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
- H02J3/38—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
-
- 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
- G06Q10/0631—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
- G06Q30/0202—Market predictions or forecasting for commercial 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas 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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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
- H02J3/381—Dispersed generators
-
- 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
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- 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
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind 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
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明属于新能源调度技术领域,具体涉及一种新能源配建储能电站的联合优化调度方法及系统,包括:获取新能源日前出力数据;根据所获取的新能源日前出力数据以及电网历史数据和预测数据,预测新能源日前电价和新能源实时电价;基于所得到的新能源日前电价预测值和新能源实时电价预测值,当满足联合优化调度判定条件时,以新能源配建储能电站的收益最大为目标,以新能源场站的日前申报量、储能电站的日前申报充放电功率、储能电站实际执行的充放电功率为优化变量,构建联合优化调度模型,完成新能源配建储能电站的联合优化调度。
Description
技术领域
本发明属于新能源调度技术领域,具体涉及一种新能源配建储能电站的联合优化调度方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
在建设以新能源为主体的新型电力系统背景下,新能源装机容量不断增长,新能源出力的波动性和间歇性给电力系统调峰压力不断增加,由于调峰能力不足而带来的弃风、弃光问题日益严重。为解决系统调峰能力不足的问题,除建设大规模独立储能电站外,部分省份要求新能源发电企业配套建设或租赁一定的储能容量,以促进新能源消纳。
新能源配套建设的储能电站一般要求和新能源场站同时投运,其运行模式如图1所示;新能源场站利用光照或风力资源进行发电,配建储能电站则可配合新能源场站进行充放电操作,达到平抑新能源出力波动的目的。如某时刻新能源场站出力为P1,配建储能电站出力为P2,则新能源配建储能联合体出力P=P1+P2。
随着电力市场建设不断推进,新能源场站和配建储能电站已可作为联合体参与电力市场。根据典型电力市场规则,在电力日前市场中,新能源场站需要申报其日前预测出力及发电成本报价,储能电站需要申报其充放电计划,也即每时段充放电出力。在新能源出力不受限的情况下,新能源被优先消纳,其申报出力和储能充放电计划均作为日前市场的出清边界条件。在实时市场中,新能源场站需要申报其超短期出力预测结果,储能电站则无需再次申报,而是沿用其日前申报的充放电计划。在实际电力市场中,新能源场站在报价时一般报最低价以保证中标,而储能采用自调度模式,作为价格接收者无需报价,所以新能源场站和储能均可看作市场中的价格接受者。当新能源和储能联合体出力大于0时,联合体处于发电状态,以该时段的日前和实时节点电价进行结算发电费用;当新能源和储能联合体出力小于0时,联合体处于充电状态,以该时段的日前和实时节点电价进行结算充电费用。
双结算市场模式下新能源配建储能联合优化决策优化目标为联合体的收益最大,而决策量包括新能源场站的日前申报量、储能电站的日前申报充放电计划、储能电站实际执行的充放电计划。影响收益的因素除日前市场和实时市场的结算收入外,还包括储能电站的充放电成本、因充电需要缴纳的输配电费和基金附加费用,以及新能源场站因日前申报发电量不准确而遭受考核的费用。新能源场站和储能的日前申报直接影响到联合体在电力市场的结算收入,也直接影响到储能成本和考核费用。
发明内容
为了解决上述问题,本发明提出了一种新能源配建储能电站的联合优化调度方法及系统,通过预测电力市场的日前电价和实时电价,以预测的电价为基础进行新能源配建储能电站的联合优化调度的研究,进而提高电力现货市场的收益。
根据一些实施例,本发明的第一方案提供了一种新能源配建储能电站的联合优化调度方法,采用如下技术方案:
一种新能源配建储能电站的联合优化调度方法,包括:
获取新能源日前出力数据;
根据所获取的新能源日前出力数据以及电网历史数据和预测数据,预测新能源日前电价和新能源实时电价;
基于所得到的新能源日前电价预测值和新能源实时电价预测值,当满足联合优化调度判定条件时,以新能源配建储能电站的收益最大为目标,以新能源场站的日前申报量、储能电站的日前申报充放电功率、储能电站实际执行的充放电功率为优化变量,构建联合优化调度模型,完成新能源配建储能电站的联合优化调度。
作为进一步的技术限定,所获取的电网历史数据和预测数据包括历史实时电价数据、历史日前电价数据、供给侧功率预测数据、需求侧功率预测数据和数值天气预报数据。
作为进一步的技术限定,在预测新能源日前电价和新能源实时电价的过程中,采用长短期记忆神经网络构建电价预测模型,分别得到日前电价预测值和实时电价预测值。
进一步的,将所得到的日前电价预测值和实时电价预测值作差,得到价差预测结果;通过条件核密度估计构建价差预测结果的后验概率分布模型,估计所得到的价差预测结果的置信度。
作为进一步的技术限定,所述联合优化调度判定条件为预测的运行日日前电价峰谷价差是否满足充放电价差阈值,或,预测的各时段日前电价和实时电价是否满足价差阈值;即或其中,/>为预测的t时段日前电价,即日前电价的峰谷差大于设定的充放电价差阈值;/>为预测的t时段实时电价;ξt为预测的t时段日前和实时价差的概率,即t时段预测的日前和实时价差的置信度大于设定的策略调整价差阈值。
作为进一步的技术限定,所构建的联合优化调度模型的目标函数为
其中,F1代表联合体在日前市场的收益,为联合体在日前市场t时段的总申报出力,/>为新能源场站日前市场t时段申报出力,/>和/>分别表示储能电站在日前市场t时段的充电和放电功率;/>为预测的t时段日前电价,ΔT为电力市场每个时段的时间间隔;F2代表联合体在实时市场的收益,/>为联合体在实时市场t时段的期望出力, 为新能源场站日前预测t时段出力,以其作为新能源场站在实时阶段的期望出力,/>和/>分别表示储能电站在实时市场t时段的充电和放电功率,/>为预测的t时段实时电价;F3代表储能电站的建设和运维成本,Fkc为储能电站的度电成本,即包括建设成本和运维成本在内的储能电站发出单位电量所耗费的平均成本;F4代表联合体需要缴纳的输配电费和基金附加费用,Qnet为储能电站需要向电网公司缴纳所消耗的单位电量的输配电费和基金附加费用,γt为表征t时段是否缴纳该费用的{0,1}变量,即/>F5为联合体中新能源场站日前申报出力误差超出规定限值需要缴纳的惩罚费用,Qpenalty为单位电量的惩罚费用,代表新能源场站日前申报误差,/>为表征t时段是否缴纳该费用的{0,1}变量,即/>δ为申报出力误差免于惩罚的比例限值。
作为进一步的技术限定,将所构建的联合优化调度模型转化为混合整数线性规划问题进行求解,采用分支定界法求解所述联合优化调度模型的目标函数。
根据一些实施例,本发明的第二方案提供了一种新能源配建储能电站的联合优化调度系统,采用如下技术方案:
一种新能源配建储能电站的联合优化调度系统,包括:
获取模块,其被配置为获取新能源日前出力数据;
预测模块,其被配置为根据所获取的日前出力数据以及电网历史数据和预测数据,预测新能源日前电价和新能源实时电价;
优化调度模块,其被配置为基于所得到的新能源日前电价预测值和新能源实时电价预测值,当满足联合优化调度判定条件时,以新能源配建储能电站的收益最大为目标,以新能源场站的日前申报量、储能电站的日前申报充放电功率、储能电站实际执行的充放电功率为优化变量,构建联合优化调度模型,完成新能源配建储能电站的联合优化调度。
根据一些实施例,本发明的第三方案提供了一种计算机可读存储介质,采用如下技术方案:
一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现如本发明第一方案所述的新能源配建储能电站的联合优化调度方法中的步骤。
根据一些实施例,本发明的第四方案提供了一种电子设备,采用如下技术方案:
一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,所述处理器执行所述程序时实现如本发明第一方案所述的新能源配建储能电站的联合优化调度方法中的步骤。
与现有技术相比,本发明的有益效果为:
本发明提供了一种双结算电力市场模式下新能源配建储能联合优化决策方法,从电力市场的结算模式出发,建立新能源场站配建储能电站联合体的优化决策模型,既考虑了联合体中储能电站依靠充放电价差盈利,也考虑了联合体在日前市场和实时市场间金融套利的可能性,也计及了储能电站的充放电成本和新能源场站的申报误差考核成本;贴合电力现货市场交易规则,依据该方法能够指导新能源场站和配建储能联合体参与电力现货市场交易,能够更好地提高联合体参与电力现货市场的收益。
本发明所建立的新能源场站配建储能电站联合体的优化决策模型的目标函数和约束条件具有非线性成分,属于非线性混合整数规划问题;采用数学等效方法,通过引入辅助变量,将非线性目标函数和约束条件等效为一系列线性等式和不等书约束,从而将优化决策问题转化为混合整数线性规划问题,方便进行求解。
附图说明
构成本实施例的一部分的说明书附图用来提供对本实施例的进一步理解,本实施例的示意性实施例及其说明用于解释本实施例,并不构成对本实施例的不当限定。
图1是本发明背景技术中的新能源场站配建储能电站系统的结构图;
图2为本发明实施例一中的新能源配建储能电站的联合优化调度方法的流程图;
图3为本发明实施例一中的新能源配建储能联合优化决策流程图;
图4为本发明实施例一中的新能源配建储能联合优化决策系统运行流程图;
图5为本发明实施例一中的某运行日日前电价和实时电价预测曲线示意图;
图6为本发明实施例一中的某运行风电场日前申报和预测出力曲线示意图;
图7为本发明实施例一中的某运行日储能电站优化决策结果示意图;
图8是本发明实施例一中的新能源配建储能电站的联合优化调度系统的结构框图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
术语解释:
双结算:参与电力市场的市场主体在电力日前市场和实时市场两个市场分别进行结算。
新能源配建储能:根据政府和电网公司要求,集中式新能源场站(风电、光伏)需配套建设或租赁一定容量的储能电站才能满足投运要求;即针对新能源配套建设的储能电站参与电力市场问题开展的优化决策研究。
日前市场:实际运行日前一天所开展的电量交易市场。
日前电价:日前市场出清得到的日前节点电价。
实时市场:实际运行日当天、距实际运行点前15min所开展的电量交易市场。
实时电价:实时市场出清得到的实时节点电价。
实施例一
本发明实施例一介绍了一种新能源配建储能电站的联合优化调度方法。
如图2、图3和图4所示的一种新能源配建储能电站的联合优化调度方法,包括:
获取新能源日前出力数据;
根据所获取的新能源日前出力数据以及电网历史数据和预测数据,预测新能源日前电价和新能源实时电价;
基于所得到的新能源日前电价预测值和新能源实时电价预测值,当满足联合优化调度判定条件时,以新能源配建储能电站的收益最大为目标,以新能源场站的日前申报量、储能电站的日前申报充放电功率、储能电站实际执行的充放电功率为优化变量,构建联合优化调度模型,完成新能源配建储能电站的联合优化调度。
本实施例分三个方面展开详细的介绍:
(一)基于深度学习与核密度估计的日前电价预测和实时电价预测
电力现货交易价格主要受两方面影响:供给侧的供给量和需求侧的需求量,供给侧和需求侧共同确定电力现货价格。供给侧的影响因素包括:常规火电机组的供给情况、省外来电的供给情况、新能源的出力情况;需求侧的影响因素主要包括:负荷的变化情况。上述影响因素中省外来电一般按提前制定的送电曲线送电,常规机组则根据新能源和负荷变化进行调整,不确定因素主要为新能源出力和负荷变化。而影响新能源出力和负荷变化的最重要因素就是气象。因此,综合考虑新能源出力预测情况、负荷预测情况和气象因素,选择合适的预测模型,即可有效开展电价预测。
电价预测的过程为:
构建历史数据集,包括实时电价数据、日前电价数据、供给侧预测功率数据、需求侧预测功率数据以及数值天气预报数据;
采用相关系数数值量化和理论分析相结合的手段分析影响日前电价和实时电价的不同因素,构建面向日前电价和实时电价预测的关键特征集;
基于构建的关键特征集,利用长短期记忆神经网络分别建立日前电价预测和实时电价预测模型,得到日前电价预测结果和实时电价预测结果,以及两者的价差预测结果;
利用条件核密度估计构建日前电价和实时电价之间价差的先验分布模型,基于价差先验分布和价差预测结果,评估价差预测结果的置信度。
(二)双结算市场模式下新能源配建储能联合优化决策建模
双结算市场模式下新能源配建储能联合优化决策优化目标为联合体的收益最大,而决策量包括新能源场站的日前申报量、储能电站的日前申报充放电计划、储能电站实际执行的充放电计划。影响收益的因素除日前市场和实时市场的结算收入外,还包括储能电站的充放电成本、因充电需要缴纳的输配电费和基金附加费用,以及新能源场站因日前申报发电量不准确而遭受考核的费用。新能源场站和储能的日前申报直接影响到联合体在电力市场的结算收入,也直接影响到储能成本和考核费用。对上述各项成本费用进行建模是本实施例重点解决的问题。
由于储能需要利用充放电价差盈利,当充放电价差较低不满足盈利要求时,即不予充放。新能源场站和储能在日前市场和实时市场进行申报套利时,也需对日前市场和实时市场价差进行判断,因此开展决策之前,首先结合联合优化调度判定条件进行电价峰谷差及日前和实时价差的判断;联合优化调度判定条件的判断内容包括:预测的运行日日前电价峰谷价差是否满足充放电价差阈值,以及预测的各时段日前电价和实时电价是否满足价差阈值,两者满足其中之一则进行联合体优化决策,如均不满足,则该运行日新能源场站日前申报按预测值执行,储能电站不进行充放电操作。
设定充放电价差阈值为ΔQ(元/MWh),ΔQ可根据储能电站的建设、运维成本进行合理设定,当充放电价差大于该阈值时,储能会盈利;设定策略调整价差阈值为β(元/MWh),当预测的日前和实时电价价差大于该阈值时,进行联合体日前申报策略调整。策略调整价差阈值同时也表征用户对调整其申报策略的激进水平,该值越小表明用户对调整策略越激进,该值越大表明用户对调整策略越保守。
合优化调度判定条件为:
其中,为预测的t时段日前电价,其含义为日前电价的峰谷差大于设定的充放电价差阈值;/>为预测的t时段实时电价,ξt为预测的t时段日前和实时价差的概率,其含义为t时段预测的日前和实时价差的置信度大于设定的策略调整价差阈值。若满足合优化调度判定条件中的其中一项,则进入第二步优化决策,如均不满足,则该运行日不进行优化决策。
建立新能源场站和储能联合体参与电力市场策略优化模型,其优化变量为新能源场站和储能电站在日前市场申报电量,以及储能电站在运行日的实际充放电功率,优化目标为新能源场站和储能联合体运行日收益最大化,优化目标如下:
其中,其中,F1代表联合体在日前市场的收益,为联合体在日前市场t时段的总申报出力,/> 为新能源场站日前市场t时段申报出力,/>和/>分别表示储能电站在日前市场t时段的充电和放电功率;/>为预测的t时段日前电价,ΔT为电力市场每个时段的时间间隔;F2代表联合体在实时市场的收益,/>为联合体在实时市场t时段的期望出力, 为新能源场站日前预测t时段出力,/>和/>分别表示储能电站在实时市场t时段的充电和放电功率,/>为预测的t时段实时电价;F3代表储能电站的建设和运维成本,Fkc为储能电站的度电成本,即包括建设成本和运维成本在内的储能电站发出单位电量所耗费的平均成本;F4代表联合体需要缴纳的输配电费和基金附加费用,Qnet为储能电站需要向电网公司缴纳所消耗的单位电量的输配电费和基金附加费用,γt为表征t时段是否缴纳该费用的{0,1}变量,即F5为联合体中新能源场站日前申报出力误差超出规定限值需要缴纳的惩罚费用,Qpenalty为单位电量的惩罚费用,/> 代表新能源场站日前申报误差,/>为表征t时段是否缴纳该费用的{0,1}变量,即δ为申报出力误差免于惩罚的比例限值。
优化目标需要满足的约束条件如下:
(1)日前市场约束条件:
其中,为新能源场站额定装机容量,/>和/>分别代表储能系统的最大充电和放电功率。/>和/>分别表示储能系统在日前市场t时段的充电状态变量和放电状态变量。当该值为1时,储能系统处于充电/放电状态,当该值为0时,储能系统不处于充电/放电状态。
(2)实时市场约束条件:
(3)日前和实时市场策略的衔接约束:
即日前和实时价差置信度小于给定价差调整阈值时,不考虑调整联合体日前申报策略,日前和实时决策一致。
(三)双结算市场模式下新能源配建储能联合优化决策模型求解
联合优化决策模型为一个非线性混合整数规划问题,其目标函数和约束条件均存在非线性部分,直接求解困难。本实施例采用数学等效技术,通过引入辅助变量,将非线性的目标函数和约束条件等效为一系列线性等式和不等式约束,进而将联合优化决策模型转化为线性混合整数规划问题,采用分支定界法进行快速求解。
1)目标函数F4的处理
2)目标函数F5的处理
3)约束条件的处理
针对γt取值的判断约束可以等效为γt为{0,1}变量,当/>时,左侧值介于[0,1]之间,右侧值介于[1,2]之间,γt只能为1;当/>时,左侧值介于[-1,0]之间,右侧值介于[0,1]之间,γt只能为0。
至此,本实施例所建立的联合体优化决策模型已转化为混合整数线性规划问题,可采用常用的分支定界法进行求解,将优化决策问题转化为混合整数线性规划问题,方便求解。
算例分析
某风电场配建储能电站,风机装机容量200MW,配建储能电站装机容量20MW/40MWh,储能电站充放电效率均为90%,初始荷电状态为0,输配电费和基金附加费用为200元/MWh,充放电价差阈值为200元/MWh,策略启动价差阈值为50元/MWh,新能源日前申报偏差免于惩罚的门槛为20%实际出力,偏差惩罚费用为10元/MWh。应用本发明方法某日预测的日前和实时电价如图5所示。从电价曲线可以看出,1-7点间日前电价高于实时电价,19点-24点实时电价高于日前电价,9点-11点,12点-13点存在电价低谷,电价高峰在18点。由本发明所提优化决策方法得到该风电场日前申报曲线如图6所示,在日前电价较高的时段如3点-5点,风电均以高于预测出力进行申报;在日前电价较低的时段如21点-23间,风电场均以低于预测出力进行申报,如此策略性申报,即使会面临部分惩罚,但是由于现货价格较高,惩罚价格较低,总体来说可以提高风电场在日前市场收益。
配建储能电站优化决策结果如图7所示。在日前申报阶段,储能电站在日前电价较高的时段申报了放电操作,在日前电价较低时段申报了充电操作,实现了日前市场和实时市场的套利操作;而在实际执行时则在日前电价和实时电价的低谷期进行了充电,在电价高峰期进行了放电,最大化了充放电价差,提高了收益。
本实施例从电力市场的结算模式出发,建立新能源场站配建储能电站联合体的优化决策模型。决策模型中既考虑了联合体中储能电站依靠充放电价差盈利,也考虑了联合体在日前市场和实时市场间金融套利的可能性,也计及了储能电站的充放电成本和新能源场站的申报误差考核成本;贴合电力现货市场交易规则,依据该方法能够指导新能源场站和配建储能联合体参与电力现货市场交易,能够更好的提高联合体参与电力现货市场的收益。储能电站选择在电价低谷时充电,在电价高峰时放电,以此赚取充放电价差。同时,根据预测的日前电价和实时电价,通过调整新能源场站日前申报量和储能电站在日前市场申报的充放电计划,来实现联合体在日前市场和实时市场的套利操作,提高联合体参与市场的收益。
本实施例所构建的新能源场站配建储能电站联合体的优化决策模型,其目标函数和约束条件具有非线性成分,属于非线性混合整数规划问题。本实施例采用数学等效方法,通过引入辅助变量,将非线性目标函数和约束条件等效为一系列线性等式和不等书约束,从而将优化决策问题转化为混合整数线性规划问题,方便进行求解。
实施例二
本发明实施例二介绍了一种新能源配建储能电站的联合优化调度系统。
如图8所示的一种新能源配建储能电站的联合优化调度系统,包括:
获取模块,其被配置为获取新能源日前出力数据;
预测模块,其被配置为根据所获取的新能源日前出力数据以及电网的历史数据和预测数据,预测新能源日前电价和新能源实时电价;
优化调度模块,其被配置为基于所得到的新能源日前电价预测值和新能源实时电价预测值,当满足联合优化调度判定条件时,以新能源配建储能电站的收益最大为目标,以新能源场站的日前申报量、储能电站的日前申报充放电功率、储能电站实际执行的充放电功率为优化变量,构建联合优化调度模型,完成新能源配建储能电站的联合优化调度。
详细步骤与实施例一提供的新能源配建储能电站的联合优化调度方法相同,在此不再赘述。
实施例三
本发明实施例三提供了一种计算机可读存储介质。
一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现如本发明实施例一所述的新能源配建储能电站的联合优化调度方法中的步骤。
详细步骤与实施例一提供的新能源配建储能电站的联合优化调度方法相同,在此不再赘述。
实施例四
本发明实施例四提供了一种电子设备。
一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,所述处理器执行所述程序时实现如本发明实施例一所述的新能源配建储能电站的联合优化调度方法中的步骤。
详细步骤与实施例一提供的新能源配建储能电站的联合优化调度方法相同,在此不再赘述。
以上所述仅为本实施例的优选实施例而已,并不用于限制本实施例,对于本领域的技术人员来说,本实施例可以有各种更改和变化。凡在本实施例的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本实施例的保护范围之内。
Claims (10)
1.一种新能源配建储能电站的联合优化调度方法,其特征在于,包括:
获取新能源日前出力数据;
根据所获取的日前出力数据以及电网历史数据和预测数据,预测新能源日前电价和新能源实时电价;
基于所得到的新能源日前电价预测值和新能源实时电价预测值,当满足联合优化调度判定条件时,以新能源配建储能电站的收益最大为目标,以新能源场站的日前申报量、储能电站的日前申报充放电功率、储能电站实际执行的充放电功率为优化变量,构建联合优化调度模型,完成新能源配建储能电站的联合优化调度。
2.如权利要求1中所述的一种新能源配建储能电站的联合优化调度方法,其特征在于,所获取的电网历史数据和预测数据包括历史实时电价数据、历史日前电价数据、供给侧功率预测数据、需求侧功率预测数据和数值天气预报数据。
3.如权利要求1中所述的一种新能源配建储能电站的联合优化调度方法,其特征在于,在预测新能源日前电价和新能源实时电价的过程中,采用长短期记忆神经网络构建电价预测模型,分别得到日前电价预测值和实时电价预测值。
4.如权利要求3中所述的一种新能源配建储能电站的联合优化调度方法,其特征在于,将所得到的日前电价预测值和实时电价预测值作差,得到价差预测结果;通过条件核密度估计构建价差预测结果的后验概率分布模型,估计所得到的价差预测结果的置信度。
6.如权利要求1中所述的一种新能源配建储能电站的联合优化调度方法,其特征在于,所构建的联合优化调度模型的目标函数为
其中,F1代表联合体在日前市场的收益,为联合体在日前市场t时段的总申报出力,/>为新能源场站日前市场t时段申报出力,/>和/>分别表示储能电站在日前市场t时段的充电和放电功率;为预测的t时段日前电价,ΔT为电力市场每个时段的时间间隔;F2代表联合体在实时市场的收益,/>为联合体在实时市场t时段的期望出力,为新能源场站日前预测t时段出力,/>和/>分别表示储能电站在实时市场t时段的充电和放电功率,/>为预测的t时段实时电价;F3代表储能电站的建设和运维成本,Fkc为储能电站的度电成本,即包括建设成本和运维成本在内的储能电站发出单位电量所耗费的平均成本;F4代表联合体需要缴纳的输配电费和基金附加费用,Qnet为储能电站需要向电网公司缴纳所消耗的单位电量的输配电费和基金附加费用,γt为表征t时段是否缴纳该费用的{0,1}变量,即F5为联合体中新能源场站日前申报出力误差超出规定限值需要缴纳的惩罚费用,Qpenalty为单位电量的惩罚费用,/> 代表新能源场站目前申报误差,/>为表征t时段是否缴纳该费用的{0,1}变量,即δ为申报出力误差免于惩罚的比例限值。
7.如权利要求1中所述的一种新能源配建储能电站的联合优化调度方法,其特征在于,将所构建的联合优化调度模型转化为混合整数线性规划问题进行求解,采用分支定界法求解所述联合优化调度模型的目标函数。
8.一种新能源配建储能电站的联合优化调度系统,其特征在于,包括:
获取模块,其被配置为获取新能源日前出力数据;
预测模块,其被配置为根据所获取的日前出力数据以及电网历史数据和预测数据,预测新能源日前电价和新能源实时电价;
优化调度模块,其被配置为基于所得到的新能源日前电价预测值和新能源实时电价预测值,当满足联合优化调度判定条件时,以新能源配建储能电站的收益最大为目标,以新能源场站的日前申报量、储能电站的日前申报充放电功率、储能电站实际执行的充放电功率为优化变量,构建联合优化调度模型,完成新能源配建储能电站的联合优化调度。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现了如权利要求1-7任一项所述的新能源配建储能电站的联合优化调度方法的步骤。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现了如权利要求1-7任一项所述的新能源配建储能电站的联合优化调度方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310357914.2A CN116388293A (zh) | 2023-03-31 | 2023-03-31 | 一种新能源配建储能电站的联合优化调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310357914.2A CN116388293A (zh) | 2023-03-31 | 2023-03-31 | 一种新能源配建储能电站的联合优化调度方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116388293A true CN116388293A (zh) | 2023-07-04 |
Family
ID=86974626
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310357914.2A Pending CN116388293A (zh) | 2023-03-31 | 2023-03-31 | 一种新能源配建储能电站的联合优化调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116388293A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117856315A (zh) * | 2024-03-05 | 2024-04-09 | 宁德时代新能源科技股份有限公司 | 储能系统的调度方法和调度装置 |
-
2023
- 2023-03-31 CN CN202310357914.2A patent/CN116388293A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117856315A (zh) * | 2024-03-05 | 2024-04-09 | 宁德时代新能源科技股份有限公司 | 储能系统的调度方法和调度装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yu et al. | Uncertainties of virtual power plant: Problems and countermeasures | |
Chen et al. | Bargaining game-based profit allocation of virtual power plant in frequency regulation market considering battery cycle life | |
Yang et al. | A multi-objective stochastic optimization model for electricity retailers with energy storage system considering uncertainty and demand response | |
US11843266B2 (en) | Dynamic non-linear optimization of a battery energy storage system | |
Yang et al. | Optimal bidding strategy of renewable-based virtual power plant in the day-ahead market | |
Pilz et al. | Selfish energy sharing in prosumer communities: A demand-side management concept | |
CN116388293A (zh) | 一种新能源配建储能电站的联合优化调度方法及系统 | |
Li et al. | A scheduling framework for VPP considering multiple uncertainties and flexible resources | |
Liu et al. | Impact of industrial virtual power plant on renewable energy integration | |
Song et al. | A low-carbon peak-load regulation trading strategy for large-scale wind power integration using information gap decision theory | |
CN116362136A (zh) | 一种独立储能系统的自调度优化方法及系统 | |
Guo et al. | How to realize the power demand side actively matching the supply side?——A virtual real-time electricity prices optimization model based on credit mechanism | |
CN115358519A (zh) | 一种虚拟电厂优化调度方法及装置 | |
CN112651544B (zh) | 一种增量配电多主体协调优化方法 | |
CN113255957A (zh) | 综合服务站不确定因素的定量优化分析方法及系统 | |
Baik et al. | Business feasibility study for storage-based customer flexibility platform of load-serving entity | |
Han et al. | Optimal operations of energy storage systems in multi‐application scenarios of grid ancillary services based on electricity price forecasting | |
Rendroyoko et al. | Integration of solar photovoltaic plant in the eastern Sumba microgrid using unit commitment optimization | |
CN117726143B (zh) | 基于深度强化学习的环境友好型微网优化调度方法及系统 | |
Xiao et al. | Energy Storage Lease Pricing Strategy based on Whole-life Cycle Costs Quantification | |
Guo et al. | A Novel Hybrid Demand Response Model under a Distributed Reputation Framework | |
Zhu et al. | Low carbon optimal dispatching of microgrid considering demand response | |
CN114649820B (zh) | 一种风光储场站多环节容量分配方法及系统 | |
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 | |
Yu et al. | Evaluation Model of Generation Dispatching Optimization considering Participation of Electricity Retailers |
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 |