CN116780535A - 基于阶梯型碳交易机制的光储协同优化调度方法 - Google Patents
基于阶梯型碳交易机制的光储协同优化调度方法 Download PDFInfo
- Publication number
- CN116780535A CN116780535A CN202311033441.7A CN202311033441A CN116780535A CN 116780535 A CN116780535 A CN 116780535A CN 202311033441 A CN202311033441 A CN 202311033441A CN 116780535 A CN116780535 A CN 116780535A
- Authority
- CN
- China
- Prior art keywords
- carbon
- entity
- generating unit
- ladder
- constraint
- 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.)
- Granted
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 427
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 425
- 238000000034 method Methods 0.000 title claims abstract description 97
- 238000005457 optimization Methods 0.000 title claims abstract description 67
- 238000003860 storage Methods 0.000 title claims abstract description 60
- 230000007246 mechanism Effects 0.000 title claims abstract description 55
- 230000008569 process Effects 0.000 claims abstract description 38
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 11
- 230000003287 optical effect Effects 0.000 claims abstract description 11
- 238000004146 energy storage Methods 0.000 claims description 32
- 230000009194 climbing Effects 0.000 claims description 15
- 239000013598 vector Substances 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000005284 excitation Effects 0.000 claims description 10
- 230000002146 bilateral effect Effects 0.000 claims description 7
- 230000009977 dual effect Effects 0.000 claims description 7
- 230000005611 electricity Effects 0.000 claims description 5
- 238000012797 qualification Methods 0.000 claims description 5
- 238000007599 discharging Methods 0.000 claims description 4
- 238000010248 power generation Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 239000000446 fuel Substances 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 description 9
- 238000011161 development Methods 0.000 description 6
- 230000009467 reduction Effects 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 230000001737 promoting effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004134 energy conservation Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于阶梯型碳交易机制的光储协同优化调度方法，包括步骤：S1、构建包含碳配额和基于双向竞价机制进行碳交易的阶梯型碳交易成本模型；S2、基于高斯过程回归计算光储协同系统的日前光伏出力预测与日前负荷功率预测；S3、基于日前光伏出力预测与日前负荷功率预测构建光储协同系统的两阶段鲁棒优化调度的不确定集；S4、构建光储协同系统的两阶段鲁棒优化调度模型，将两阶段鲁棒优化调度模型划分为隶属于第一阶段的日前阶段预调度模型和隶属于第二阶段的日前阶段再调度模型；设定对应的约束条件；S5、采用列与约束生成算法对求解优化调度模型得到调度策略。本方案显著提高了光储协同系统调度平稳性和健壮性，促进碳交易高效顺利进行。
Description
技术领域
本发明涉及电力系统调控技术领域，具体的，涉及基于阶梯型碳交易机制的光储协同优化调度方法。
背景技术
碳交易机制是被提出的一种可以减少系统碳排放量的有效机制之一，目前主要分为传统型碳交易机制和阶梯型碳交易机制，引入碳交易机制能够有效降低地区级电网的成本与碳排放量，但目前只考虑了传统碳交易情况，并且对新能源出力不确定性的研究较浅。大多考虑碳交易的调度方法都将综合能源系统作为背景，但很少将含有高比例新能源的风光储系统作为研究对象，虽然风、光发电具有无碳排放的优点，但其波动性会加重火电资源的旋转备用负担，因此，急于开发一套光储协同系统合理的调度分布式的能源参与能源调控；同时，由于对参与节能减排的能源实体缺乏合理的激励政策和引导策略，导致碳交易的达成率和满意度不高，间接影响参与节能减排的能源实体的积极性。
中国专利，公开号：CN 115018230 A，公开日：2022年9月16日，提供了一种考虑减排成本的综合能源系统低碳鲁棒经济优化运行方法；采用的技术方案为：包括以下步骤：步骤S1）碳交易机制分析，步骤S2）基于配额制的绿证交易机制分析，步骤S3）建立综合能源系统鲁棒优化模型，步骤S4）算例分析验证；首先，构建了计及补贴的阶梯型碳交易成本模型，并通过引入绿证交易机制以促进可再生能源的消纳；其次，计及源荷不确定性所带来的成本波动，以碳交易成本、减排成本、绿证成本与能源成本之和最小为目标函数，建立了考虑绿证交易的区域综合能源系统双阶段鲁棒低碳优化模型；最后通过算例仿真验证了所提模型的合理性及有效性。本方案仅考虑源端的出力情况，没有考虑了源荷（光伏出力、负荷功率）双端的不确定情况，可能导致综合能源系统存在调度稳定性不高的问题。
在所述背景技术部分公开的上述信息仅用于加强对本申请的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明的目的是针对现有技术中能源调控策略难以有效促成节能减排的问题，提出了基于阶梯型碳交易机制的光储协同优化调度方法，以光储协同系统作为应用对象，以日前预调度成本和日前再调度成本最小作为目标函数，利用两阶段鲁棒优化方法应对新能源出力与负荷不确定的问题，构建基于高斯回归过程的光伏出力与负荷功率的模糊集，同时将阶梯型碳交易机制引入经济调度中，基于强对偶原理将模型转化为两阶段鲁棒优化模型，利用列与约束生成算法求解模型，得到充分考虑光伏与负荷波动的日前调度策略，并基于调度策略和双向竞价机制进行碳交易，可以显著提高光储协同系统的能源调度平稳性和健壮性，并能够有效促成碳交易的达成率。
本发明实施例中提供的一种技术方案是：基于阶梯型碳交易机制的光储协同优化调度方法，包括如下步骤：
S1、构建包含碳配额和基于双向竞价机制进行碳交易的阶梯型碳交易成本模型，并基于阶梯型碳交易成本模型获取每一个碳消耗实体的碳交易成本；
S2、基于高斯过程回归计算光储协同系统的日前光伏出力预测与日前负荷功率预测；
S3、基于日前光伏出力预测与日前负荷功率预测构建光储协同系统的两阶段鲁棒优化调度的不确定集；
S4、构建光储协同系统的两阶段鲁棒优化调度模型，将两阶段鲁棒优化调度模型划分为隶属于第一阶段的日前阶段预调度模型和隶属于第二阶段的日前阶段再调度模型；设定对应的约束条件；
S5、采用列与约束生成算法对两阶段鲁棒优化调度模型进行求解得到调度策略。
本方案中，以光储协同系统作为应用对象，以日前预调度成本和日前再调度成本最小作为目标函数，利用两阶段鲁棒优化方法应对新能源出力与负荷不确定的问题，构建基于高斯回归过程的光伏出力与负荷功率的模糊集（不确定集），使新能源充分发挥出其优势，同时将阶梯型碳交易机制引入经济调度中，使光储协同系统更好地调度火电机组，以达到运行成本最小的目标，实现经济调度和电力调度的协同进行，基于强对偶原理将模型转化为两阶段鲁棒优化模型，利用列与约束生成算法求解模型，得到充分考虑光伏与负荷波动的日前调度策略，并基于调度策略进行碳交易，可以显著提高光储协同系统的调度平稳性和健壮性。
作为优选，构建阶梯型碳交易成本模型，包括如下步骤：
S101、基于台区装机容量和碳排放比重构建火电机组的碳配额模型，基于碳配额模型获取火电机组的碳排放无偿配额；
S102、获取碳消耗实体的实际碳排放量，基于实际碳排放量和碳排放无偿配额获取碳排放份额；
S103、基于碳排放份额、阶梯尺度、激励因子构建阶梯型碳交易成本模型。
本方案中，首先基于碳配额模型获取台区中火电机组的碳排放无偿配额，然后获取碳排放份额，基于碳排放份额可以进行接下来的碳交易；同时，基于碳排放份额阶梯尺度、激励因子构建阶梯型碳交易成本模型，可以建立碳排放与碳交易成本之间的耦合关系，可以实现经济调度和电力调度的协同进行，保证经济效益最大化的同时，实现电力调度和碳交易安全、平稳、高效顺利进行。
作为优选，S1中，基于双向竞价机制进行碳交易，包括如下步骤：
S111、基于步骤S102获取每一个碳消耗实体的碳排放份额，基于碳消耗实体对应的碳排放份额和碳买入标的构建碳消耗实体序列；
S112、获取具备绿证资质的碳供应实体的碳交易配额以及碳售价标的构建碳供应实体序列；
S113、基于碳消耗实体的第一价值度对碳消耗实体序列进行优先度排序得到优选碳消耗实体序列；
S114、基于碳供应实体的第二价值度对碳供应实体序列进行优先度排序得到优选碳供应实体序列；
S115、计算优选碳消耗实体序列和优选碳供应实体序列中各实体之间的链接程度，基于链接程度进行碳交易。
本方案中，由于计算出了每个碳消耗实体（可以认为是包含有多个火电机组的实体企业）的碳排放份额，碳排放份额即为当前碳消耗实体需要购买的碳排放份额；而参与交易的碳供应实体的碳盈余可以通过查证绿证资质牌照进行统计，碳盈余量对应的碳供应实体可以参与后续的碳交易过程；为了鼓励和引导碳消耗实体节能减排（可以通过提升生产技术水平和升级设备等）行为，鼓励碳供应实体更加积极的参与碳交易过程（投入更多的研发成本、获利更多等），因此，碳交易过程充分考虑碳消耗实体的第一价值度和碳供应实体的第二价值度，价值度即为衡量实体企业的发展趋势和潜力的参考变量，可以间接起到促成交易以及正向引导碳交易和碳排放行为的效力。
作为优选，所述碳消耗实体的第一价值度G1的计算公式为：
，
其中，为碳消耗实体的年产值增量，/>为碳消耗实体的年碳排放增量。
作为优选，所述碳供应实体的第二价值度G2的计算公式为：
，
其中，为碳供应实体的年产值增量，/>为碳消耗实体的年碳排放增量。
作为优选，所述计算优选碳消耗实体序列和优选碳供应实体序列中各实体之间的链接程度，基于链接程度进行碳交易，包括如下步骤：
依次获取优选碳消耗实体序列中碳消耗实体的碳排放份额，筛选优选碳供应实体序列中碳交易配额大于等于碳排放份额的碳供应实体构建碳供应实体交易集合；
依次计算当前碳消耗实体与碳供应实体交易集合中各碳供应实体的链接程度；
选定链接程度最大的碳供应实体作为交易对象缔结交易合约。
本方案中，为了保证交易的高效顺利进行，减少交易次数和频率，首先基于碳消耗和碳供应量进行匹配获取每一个碳消耗实体对应的碳供应实体交易集合，依次计算当前碳消耗实体与碳供应实体交易集合中各碳供应实体的链接程度，链接程度可以碳消耗实体和衡量碳供应实体质检的关联程度，关联程度越大的两个实体完成交易，可以显著提高彼此的碳交易满意度。
作为优选，链接程度Lev的计算公式如下：
，
其中，为碳消耗实体的碳买入标的，其中/>为碳消耗实体的碳售价标的，/>为碳消耗实体的第一价值度的归一化系数，/>为碳供应实体的第二价值度的归一化系数，/>为台区内所有碳消耗实体的第一价值度的之和，/>为参与碳供应实体交易集合中各碳供应实体的第二价值度之和。
本方案中，链接程度公式通过价值度作为指数函数前的常数，考虑了不同实体的发展潜力对于交易达成率的影响，同时，指数函数中的变量为碳买入标的和碳售价标的之间的偏差值的倒数，可以理解的是，偏差值越小，说明碳消耗实体的期望买入价格和碳供应实体的期望卖出价格越相近，以期望值相近的价格进行成交，显著提高了交易达成率和交易双方的满意度。
作为优选，所述阶梯型碳交易成本模型的公式如下：
，
,
,
为碳消耗实体的碳交易成本；/>为碳消耗实体的碳交易基本价格；/>为激励因子；/>为阶梯尺度；/>为碳消耗实体的碳排放份额；/>为火电机组的碳排放无偿配额；/>为实际碳排放量；/>为火电机组的/>排放系数；/>为第/>台火电机组的实际输出功率；n为台区内火电机组的个数。
作为优选，所述基于高斯过程回归计算光储协同系统的日前光伏出力预测与日前负荷功率预测，包括如下步骤：
S21、将光伏发电与负荷用电的历史功率值作为输入向量，输入向量/>与其对应的目标值/>之间的关系视作高斯过程/>，建立标准高斯过程回归模型：/>；其中，/>为独立同分布的噪声变量；
S22、根据高斯过程推导出预测数据满足的概率分布，得到光伏出力与负荷用电在置信度下的预测值置信区间：
，
式中：为显著性水平，即调度决策中所面临的风险水平；/>、/>分别是置信下限和置信上限；/>为标准正态分布的双侧/>分位数，/>为预测值的均值，/>为预测值的标准差。
作为优选，基于区间概率的不确定集如下：
，
式中：为预测值的均值；/>为预测值的方差；n为样本容量；/>为标准正态分布的双侧/>分位数，/>为显著性水平，通过调节/>来实现不确定集边界的缩放；/>是自由度为/>的/>分布的双侧/>分位数；/>为样本的标准差；对光伏出力和负荷用电历史数据采用高斯过程回归，得到其24h内各时刻出力预测值的均值及其方差。
作为优选，两阶段鲁棒优化调度模型如下：
，
式中：为第一阶段目标函数即日前阶段预调度成本；/>为第二阶段目标函数，即日前阶段再调度成本；/>为火电机组的启动/停机成本之和；/>为日前调度成本中除去火电机组的启动/停机成本外的其它成本之和；/>为不确定集，包括光伏出力和负荷用电的不确定性；/>为不确定变量，包括系统中的光伏出力和负荷用电功率；/>为预调度阶段的决策变量向量；/>为再调度阶段的决策变量向量；/>表示由预调度阶段决策变量/>与不确定变量/>决策后形成的可行域。
作为优选，的公式如下：
，
式中：、/>、/>、/>表示再调度阶段最小化问题中各约束对应的对偶变量。
作为优选，约束条件包括有：火电机组启停运行约束、火电机组出力运行约束、火电机组爬坡运行约束、储能系统约束、电网系统节点功率平衡约束、电网系统支路潮流约束、弃光切负荷约束。
作为优选，所述火电机组启停运行约束为：
，
式中：为布尔变量，表示第/>台火电机组于/>时刻的运行状态，运行时为 1，关停时为0；/>和/>分别为第/>台火电机组于/>时刻已连续开、停机时长；/>和/>分别为第/>台火电机组的最小连续开、关机时间。
作为优选，所述火电机组出力运行约束为：
，
式中：为第/>台火电机组于/>时刻的出力；/>为第/>台火电机组的最大出力；为第/>台火电机组的最小出力。
作为优选，所述火电机组爬坡运行约束：
，
式中：为第/>台火电机组的爬坡速率；/>为第/>台火电机组于/>时刻的出力。
作为优选，所述储能系统约束为：
，
式中：和/>分别为充、放电布尔系数，分别代表储能单元在/>时刻的充放电状态；/>和/>分别为最大充电、放电功率；/>为储能单元在/>时刻的电量；/>和分别为最大、最小电量限制；/>和/>分别为其充、放电效率；/>和/>分别为始、末电量。
作为优选，所述电网系统节点功率平衡约束为：
，
式中：表示火电机组的数量；/>为第/>台火电机组于/>时刻的出力；/>为光伏在/>时刻的预测出力；/>为/>时刻的弃光功率；/>为/>时刻负荷所消耗的功率；/>为/>时刻切负荷功率；/>为线路/>在/>时刻的输送功率。
作为优选，所述电网系统支路潮流约束为：
，
式中：和/>分别表示线路/>始端相角与末端相角；/>和/>分别表示节点相角最小值和最大值；/>表示线路电抗；/>表示线路/>潮流上限。
作为优选，所述弃光切负荷约束为：
，
为光伏在/>时刻的预测出力；/>为/>时刻的弃光功率；/>为/>时刻负荷所消耗的功率；/>为/>时刻切负荷功率。
作为优选，预调度模型的目标函数为：
，
式中：和/>分别表示调度周期内火电机组的启动、停机成本；/>和/>分别为火电机组的单位启/停机成本。
作为优选，再调度模型的目标函数为：
，
式中：、/>、/>分别表示火电机组运行成本、储能充放电成本、系统碳排放成本；/>、/>、/>为火电机组的燃料成本系数；/>为储能的运行成本系数。
作为优选，所述采用列与约束生成算法对两阶段鲁棒优化调度模型进行求解得到调度策略，包括：
将日前阶段预调度模型作为第一阶段的主问题求解，将日前阶段再调度模型作为第二阶段的子问题求解。
作为优选，主问题的目标函数为：
，
预调度阶段与预调度成本函数相关的决策变量为火电机组运行状态；
主问题满足火电机组启停运行约束、火电机组启停运行约束、火电机组出力运行约束、火电机组爬坡运行约束、储能系统约束、电网系统节点功率平衡约束、电网系统支路潮流约束、弃光切负荷约束。
作为优选，子问题目标函数为：
，
再调度阶段与再调度成本函数相关的决策变量包括但不限于火电机组出力功率、储能充放功率、光伏消纳功率以及切负荷功率；
子问题满足火电机组启停运行约束、火电机组出力运行约束、火电机组爬坡运行约束、储能系统约束、电网系统节点功率平衡约束、电网系统支路潮流约束、弃光切负荷约束。
本发明至少具备如下实质性效果：
1、本申请以光储协同系统作为应用对象，以日前预调度成本和日前再调度成本最小作为目标函数，利用两阶段鲁棒优化方法应对新能源出力与负荷不确定的问题，构建基于高斯回归过程的光伏出力与负荷功率的不确定集，同时将阶梯型碳交易机制引入经济调度中，实现经济调度和电力调度的协同进行，基于强对偶原理将模型转化为两阶段鲁棒优化模型，利用列与约束生成算法求解模型，得到充分考虑光伏与负荷波动的日前调度策略，并基于调度策略和双向竞价机制进行碳交易，可以显著提高光储协同系统的能源调度平稳性和健壮性，并能够有效促成碳交易的达成率；
2、本申请基于碳配额模型获取台区中火电机组的碳排放无偿配额，然后获取每一个碳消耗实体的碳排放份额，基于碳排放份额可以进行接下来的碳交易；同时，基于碳排放份额阶梯尺度、激励因子构建阶梯型碳交易成本模型，可以建立碳排放与碳交易成本之间的耦合关系，可以实现经济调度和电力调度的协同进行，保证经济效益最大化的同时，实现电力调度和碳交易安全、平稳、高效顺利进行；
3、本申请为了保证碳交易的高效顺利进行，减少交易次数和频率，基于碳消耗和碳供应量进行匹配获取每一个碳消耗实体对应的碳供应实体交易集合，依次计算当前碳消耗实体与碳供应实体交易集合中各碳供应实体的链接程度，链接程度公式通过价值度作为指数函数前的常数，考虑了不同实体的发展潜力对于交易达成率的影响，同时，指数函数中的变量为碳买入标的和碳售价标的之间的偏差值的倒数，可以理解的是，偏差值越小，说明碳消耗实体的期望买入价格和碳供应实体的期望卖出价格越相近，以期望值相近的价格进行成交，显著提高了交易达成率和交易双方的满意度。
上述发明内容仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。
图1为本发明的基于阶梯型碳交易机制的光储协同优化调度方法流程图。
具体实施方式
为使本发明的目的、技术方案以及优点更加清楚明白，下面结合附图和实施例对本发明作进一步详细说明，应当理解的是，此处所描述的具体实施方式仅是本发明的一种最佳实施例，仅用以解释本发明，并不限定本发明的保护范围，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在更加详细地讨论示例性实施例之前，应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作(或步骤)可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤；所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例：如图1所示，基于阶梯型碳交易机制的光储协同优化调度方法，包括如下步骤：
S1、构建包含碳配额和基于双向竞价机制进行碳交易的阶梯型碳交易成本模型，并基于阶梯型碳交易成本模型获取每一个碳消耗实体的碳交易成本。
具体地，构建阶梯型碳交易成本模型，包括如下步骤：
S101、基于台区装机容量和碳排放比重构建火电机组的碳配额模型，基于碳配额模型获取火电机组的碳排放无偿配额；
S102、获取碳消耗实体的实际碳排放量，基于实际碳排放量和碳排放无偿配额获取碳排放份额；
S103、基于碳排放份额、阶梯尺度、激励因子构建阶梯型碳交易成本模型。
本实施例中，首先基于碳配额模型获取台区中火电机组的碳排放无偿配额，然后获取碳排放份额，基于碳排放份额可以进行接下来的碳交易；同时，基于碳排放份额阶梯尺度、激励因子构建阶梯型碳交易成本模型，可以建立碳排放与碳交易成本之间的耦合关系，可以实现经济调度和电力调度的协同进行，保证经济效益最大化的同时，实现电力调度和碳交易安全、平稳、高效顺利进行。
可以理解的是，碳配额方式为主要采取为根据装机容量和碳排放比重配发无偿配额，火力发电机组的配额模型如下式所示：
，
式中：为燃煤机组的碳排放无偿配额；/>为配额系数；/>为第/>台机组的最大输出功率。
进一步地，生产商根据此配额方式可以对机组的运行进行调整，如果实际碳排放量小于此配额，多余的碳交易配额可以通过碳交易平台进行售卖，如大于此配额，则需要进行买入，买方通过碳交易市场中介向卖方支付一定金额来购买卖方的碳排放份额，这种方式可以有效约束生产商，减少二氧化碳排放量。
可以理解的是，碳交易成本模型分为传统碳交易模型和阶梯型碳交易模型，相对于传统碳交易模型，阶梯型碳交易模型通过需求碳排放量制定了阶梯型的定价区间，使实际碳排放量超出既定配额较多的生产商花费更多的资金来购买碳交易配额，从价格方面给生产商压力，以达到促使生产商减少碳排放。
具体地，碳消耗实体的实际碳排放量为
，
式中：为实际碳排放量；/>为燃煤机组的/>排放系数；/>为第/>台燃煤机组的实际输出功率。
具体地，实际参与碳交易市场的碳排放份额如式所示：
。
进一步地，基于碳排放份额、阶梯尺度、激励因子构建阶梯型碳交易成本模型，阶梯型碳交易成本模型的公式如下：
，
，
，
为碳消耗实体的碳交易成本；/>为碳消耗实体的碳交易基本价格；/>为激励因子；/>为阶梯尺度；/>为碳消耗实体的碳排放份额；/>为火电机组的碳排放无偿配额；/>为实际碳排放量；/>为火电机组的/>排放系数；/>为第/>台火电机组的实际输出功率；n为台区内火电机组的个数。
具体地，基于双向竞价机制进行碳交易，包括如下步骤：
S111、基于步骤S102获取每一个碳消耗实体的碳排放份额，基于碳消耗实体对应的碳排放份额和碳买入标的构建碳消耗实体序列；
S112、获取具备绿证资质的碳供应实体的碳交易配额以及碳售价标的构建碳供应实体序列；
S113、基于碳消耗实体的第一价值度对碳消耗实体序列进行优先度排序得到优选碳消耗实体序列；
S114、基于碳供应实体的第二价值度对碳供应实体序列进行优先度排序得到优选碳供应实体序列；
S115、计算优选碳消耗实体序列和优选碳供应实体序列中各实体之间的链接程度，基于链接程度进行碳交易。
本实施例中，由于计算出了每个碳消耗实体（可以认为是包含有多个火电机组的实体企业）的碳排放份额，碳排放份额即为当前碳消耗实体需要购买的碳排放份额；而参与交易的碳供应实体的碳盈余可以查证绿证资质牌照进行统计，碳盈余量对应的碳供应实体可以参与后续的碳交易过程；为了鼓励和引导碳消耗实体节能减排（可以通过提升生产技术水平和升级设备等）行为，鼓励碳供应实体更加积极的参与碳交易过程（投入更多的研发成本、获利更多等），因此，碳交易过程充分考虑碳消耗实体的第一价值度和碳供应实体的第二价值度，价值度即为衡量实体企业的发展趋势和潜力的参考变量，可以间接起到促成交易以及正向引导碳交易和碳排放行为的效力。
进一步地，碳消耗实体的第一价值度G1的计算公式为：
，
其中，为碳消耗实体的年产值增量，/>为碳消耗实体的年碳排放增量。
进一步地，碳供应实体的第二价值度G2的计算公式为：
，
其中，为碳供应实体的年产值增量，/>为碳消耗实体的年碳排放增量。
具体地，计算优选碳消耗实体序列和优选碳供应实体序列中各实体之间的链接程度，基于链接程度进行碳交易，包括如下步骤：
依次获取优选碳消耗实体序列中碳消耗实体的碳排放份额，筛选优选碳供应实体序列中碳交易配额大于等于碳排放份额的碳供应实体构建碳供应实体交易集合；
依次计算当前碳消耗实体与碳供应实体交易集合中各碳供应实体的链接程度；
选定链接程度最大的碳供应实体作为交易对象缔结交易合约。
本实施例中，由于减少中间商的参与度可以有效保障交易的高效顺利进行，为了减少交易次数和频率，首先基于碳消耗和碳供应量进行匹配获取每一个碳消耗实体对应的碳供应实体交易集合，依次计算当前碳消耗实体与碳供应实体交易集合中各碳供应实体的链接程度，链接程度可以碳消耗实体和衡量碳供应实体质检的关联程度，关联程度越大的两个实体完成交易，可以显著提高彼此的碳交易满意度。
作为本实施例的一种优选方案，链接程度Lev的计算公式如下：
，
其中，为碳消耗实体的碳买入标的，其中/>为碳消耗实体的碳售价标的，/>为碳消耗实体的第一价值度的归一化系数，/>为碳供应实体的第二价值度的归一化系数，/>为台区内所有碳消耗实体的第一价值度的之和，/>为参与碳供应实体交易集合中各碳供应实体的第二价值度之和。
本实施例中，链接程度公式通过价值度作为指数函数前的常数，考虑了不同实体的发展潜力对于交易达成率的影响，同时，指数函数中的变量为碳买入标的和碳售价标的之间的偏差值的倒数，可以理解的是，偏差值越小，说明碳消耗实体的期望买入价格和碳供应实体的期望卖出价格越相近，以期望值相近的价格进行成交，显著提高了交易达成率和交易双方的满意度。
S2、基于高斯过程回归计算光储协同系统的日前光伏出力预测与日前负荷功率预测。
具体地，包括如下步骤：
S21、将光伏发电与负荷用电的历史功率值作为输入向量，输入向量/>与其对应的目标值/>之间的关系视作高斯过程/>，建立标准高斯过程回归模型：/>；其中，/>为独立同分布的噪声变量；
S22、根据高斯过程推导出预测数据满足的概率分布，得到光伏出力与负荷用电在置信度下的预测值置信区间：
，
式中：为显著性水平，即调度决策中所面临的风险水平；/>、/>分别是置信下限和置信上限；/>为标准正态分布的双侧/>分位数，/>为预测值的均值，/>为预测值的标准差。
可以理解的是，根据贝叶斯定律可知，需要为函数假设一个先验分布，在高斯过程回归中，通常假设/>服从均值为0的高斯过程：
，
式中：为与/>相同的样本集输入矩阵。
进一步地，高斯过程回归基于贝叶斯原理构建预测模型，首先在给定的维训练样本集合/>内建立先验分布，在/>维测试样本集合/>内建立后验分布，则训练样本目标值/>和测试数据的输出向量/>之间构成联合高斯分布为
，
式中：为测试数据/>与训练集的输入/>之间的协方差矩阵；/>为自身的协方差矩阵；/>为单位矩阵；/>为样本数据的方差。
进一步地，根据多元高斯分布的性质可知：
，
利用上述性质可得出预测值的均值和方差分别如下：
，
至此高斯过程推导出预测数据满足的概率分布，得到一定置信度下的区间预测，考虑到实际当中光伏出力与负荷用电的预测区间下限值不可能为负，所以光伏出力与负荷用电在置信度下的预测值置信区间为
，
式中：为显著性水平，即调度决策中所面临的风险水平；/>、/>分别是置信下限和置信上限；/>为标准正态分布的双侧/>分位数；本实施例采用基于高斯过程的预测方法处理小样本、强随机性的光伏和负荷功率预测问题；得到光伏出力与负荷功率在一定置信度下的预测区间，使得预测区间更加合理。
S3、基于日前光伏出力预测与日前负荷功率预测构建光储协同系统的两阶段鲁棒优化调度的不确定集。
可以理解的是，本实施例利用光伏出力和负荷用电自身所具有的概率特性信息能降低决策结果的保守性，建立预测阶段与调度阶段之间的联系，能提高优化调度的合理性。鉴于光伏出力的不确定性能表示为一个具有零均值、呈正态分布的预测误差，同时负荷用电的不确定性也可用正态分布概率模型来近似描述。因此光伏出力、负荷用电的历史值可认为服从正态总体，而根据历史值自适应生成的预测值可看作取自正态总体的样本。为此本申请提出以下基于区间概率的新型不确定集：
，
式中：为预测值的均值；/>为预测值的方差；/>为样本容量；/>为标准正态分布的双侧/>分位数，/>为显著性水平，通过调节/>来实现不确定集边界的缩放；/>是自由度为/>的/>分布的双侧/>分位数；/>为样本的标准差。
可以理解的是，对光伏出力和负荷用电历史数据采用高斯过程回归，得到其24h内各时段出力预测值的均值及其方差。该不确定集在结构上是通过带有概率的预测区间呈现出来的，其概率意义蕴含在新型不确定集的上下界之间的区间中。此设置将历史数据蕴含的关键信息关联至不确定集，能尽量避免预测阶段中有效决策信息的损失，降低不确定集中主观影响因子所占的权重及其保守程度，进而减小鲁棒优化建模误差。
S4、构建光储协同系统的两阶段鲁棒优化调度模型，将两阶段鲁棒优化调度模型划分为隶属于第一阶段的日前阶段预调度模型和隶属于第二阶段的日前阶段再调度模型；设定对应的约束条件。
具体地，两阶段鲁棒优化调度模型如下：
，
式中：为第一阶段目标函数即日前阶段预调度成本；/>为第二阶段目标函数，即日前阶段再调度成本；/>为火电机组的启动/停机成本之和；/>为日前调度成本中除去火电机组的启动/停机成本外的其它成本之和；/>为不确定集，包括光伏出力和负荷用电的不确定性；/>为不确定变量，包括系统中的光伏出力和负荷用电功率；/>为预调度阶段的决策变量向量；/>为再调度阶段的决策变量向量；/>表示由预调度阶段决策变量/>与不确定变量/>决策后形成的可行域。
进一步地，的公式如下：/>
，
式中：、/>、/>、/>表示再调度阶段最小化问题中各约束对应的对偶变量。
具体地，约束条件包括有：火电机组启停运行约束、火电机组出力运行约束、火电机组爬坡运行约束、储能系统约束、电网系统节点功率平衡约束、电网系统支路潮流约束、弃光切负荷约束。
具体地，火电机组启停运行约束为：
，
式中：为布尔变量，表示第/>台火电机组于/>时刻的运行状态，运行时为 1，关停时为0；/>和/>分别为第/>台火电机组于/>时刻已连续开、停机时长；/>和/>分别为第/>台火电机组的最小连续开、关机时间。
具体地，所述火电机组出力运行约束为：
，
式中：为第/>台火电机组于/>时刻的出力；/>为第/>台火电机组的最大出力；为第/>台火电机组的最小出力。
具体地，所述火电机组爬坡运行约束：
，
式中：为第/>台火电机组的爬坡速率；/>为第/>台火电机组于/>时刻的出力。
具体地，所述储能系统约束为：
，
，
，
，
，
，/>
式中：和/>分别为充、放电布尔系数，分别代表储能单元在/>时刻的充放电状态；/>和/>分别为最大充电、放电功率；/>为储能单元在/>时刻的电量；/>和分别为最大、最小电量限制；/>和/>分别为其充、放电效率；/>和/>分别为始、末电量。
具体地，所述电网系统节点功率平衡约束为：
，
式中：表示火电机组的数量；/>为第/>台火电机组于/>时刻的出力；/>为光伏在/>时刻的预测出力；/>为/>时刻的弃光功率；/>为/>时刻负荷所消耗的功率；/>为/>时刻切负荷功率；/>为线路/>在/>时刻的输送功率。
具体地，所述电网系统支路潮流约束为：
，
式中：和/>分别表示线路/>始端相角与末端相角；/>和/>分别表示节点相角最小值和最大值；/>表示线路电抗；/>表示线路/>潮流上限。
具体地，所述弃光切负荷约束为：
，
为光伏在/>时刻的预测出力；/>为/>时刻的弃光功率；/>为/>时刻负荷所消耗的功率；/>为/>时刻切负荷功率。
具体地，预调度模型的目标函数为：
，
式中：和/>分别表示调度周期内火电机组的启动、停机成本；/>和/>分别为火电机组的单位启/停机成本。
具体地，再调度模型的目标函数为：
，
式中：、/> 、/>分别表示火电机组运行成本、储能充放电成本、系统碳排放成本；/>、/>、/>为火电机组的燃料成本系数；/>为储能的运行成本系数。
基于以上约束条件和两阶段模型处理过程，可以理解的是，日前调度根据光伏出力、负荷用电的日前预测值，制定24h后各时段火力发电机组的启停状态及出力、储能装置的运行状态及出力；通过模拟日内运行策略，当光伏出力和系统负荷用电的日内预测值与日前预测值有偏差时，模拟的日内运行第二阶段优化问题根据模拟预测值，及时调整日内各时段的常规发电机组出力、快速启停发电机组的启停状态和出力、储能装置的运行状态和出力以及微电网与主网之间的购售电计划。通过上述两阶段计划的进行的调度策略调整，最终实现对系统的鲁棒性调度。
S5、采用列与约束生成算法对两阶段鲁棒优化调度模型进行求解得到调度策略。
具体地，将日前阶段预调度模型作为第一阶段的主问题求解，将日前阶段再调度模型作为第二阶段的子问题求解；可以理解的是，将光储协同运行优化模型解耦成主、子问题，第一阶段看作主问题，第二阶段转化为单层问题后看作子问题；主问题求解出的决策变量结果作为子问题的已知量，子问题的最优解向主问题的模型中添加新的约束参数；采用列与约束生成算法迭代求解直到上下界收敛进而求出最优值。
进一步地，主问题的目标函数为：
，
预调度阶段与预调度成本函数相关的决策变量为火电机组运行状态；
主问题满足火电机组启停运行约束、火电机组启停运行约束、火电机组出力运行约束、火电机组爬坡运行约束、储能系统约束、电网系统节点功率平衡约束、电网系统支路潮流约束、弃光切负荷约束。
进一步地，子问题目标函数为：
，
再调度阶段与再调度成本函数相关的决策变量包括但不限于火电机组出力功率、储能充放功率、光伏消纳功率以及切负荷功率；
子问题满足火电机组启停运行约束、火电机组出力运行约束、火电机组爬坡运行约束、储能系统约束、电网系统节点功率平衡约束、电网系统支路潮流约束、弃光切负荷约束。
本实施例至少具备如下有益效果：以光储协同系统作为应用对象，以日前预调度成本和日前再调度成本最小作为目标函数，利用两阶段鲁棒优化方法应对新能源出力与负荷不确定的问题，构建基于高斯回归过程的光伏出力与负荷功率的模糊集（不确定集），使新能源充分发挥出其优势，同时将阶梯型碳交易机制引入经济调度中，使光储协同系统更好地调度火电机组，以达到运行成本最小的目标，实现经济调度和电力调度的协同进行，基于强对偶原理将模型转化为两阶段鲁棒优化模型，利用列与约束生成算法求解模型，得到充分考虑光伏与负荷波动的日前调度策略，并基于调度策略进行碳交易，可以显著提高光储协同系统的调度平稳性和健壮性。
以上所述之具体实施方式为本发明基于阶梯型碳交易机制的光储协同优化调度方法的较佳实施方式，并非以此限定本发明的具体实施范围，本发明的范围包括并不限于本具体实施方式，凡依照本发明之形状、结构所作的等效变化均在本发明的保护范围内。
Claims (25)
1.基于阶梯型碳交易机制的光储协同优化调度方法，其特征在于，包括如下步骤：
S1、构建包含碳配额和基于双向竞价机制进行碳交易的阶梯型碳交易成本模型；
S2、基于高斯过程回归计算光储协同系统的日前光伏出力预测与日前负荷功率预测；
S3、基于日前光伏出力预测与日前负荷功率预测构建光储协同系统的两阶段鲁棒优化调度的不确定集；
S4、构建光储协同系统的两阶段鲁棒优化调度模型，将两阶段鲁棒优化调度模型划分为隶属于第一阶段的日前阶段预调度模型和隶属于第二阶段的日前阶段再调度模型；设定对应的约束条件；
S5、采用列与约束生成算法对两阶段鲁棒优化调度模型进行求解得到调度策略。
2.根据权利要求1所述的基于阶梯型碳交易机制的光储协同优化调度方法，其特征在于，S1中，构建阶梯型碳交易成本模型，包括如下步骤：
S101、基于台区装机容量和碳排放比重构建火电机组的碳配额模型，基于碳配额模型获取火电机组的碳排放无偿配额；
S102、获取碳消耗实体的实际碳排放量，基于实际碳排放量和碳排放无偿配额获取碳排放份额；
S103、基于碳排放份额、阶梯尺度、激励因子构建阶梯型碳交易成本模型。
3.根据权利要求2所述的基于阶梯型碳交易机制的光储协同优化调度方法，其特征在于：S1中，基于双向竞价机制进行碳交易，包括如下步骤：
S111、基于步骤S102获取每一个碳消耗实体的碳排放份额，基于碳消耗实体对应的碳排放份额和碳买入标的构建碳消耗实体序列；
S112、获取具备绿证资质的碳供应实体的碳交易配额以及碳售价标的构建碳供应实体序列；
S113、基于碳消耗实体的第一价值度对碳消耗实体序列进行优先度排序得到优选碳消耗实体序列；
S114、基于碳供应实体的第二价值度对碳供应实体序列进行优先度排序得到优选碳供应实体序列；
S115、计算优选碳消耗实体序列和优选碳供应实体序列中各实体之间的链接程度，基于链接程度进行碳交易。
4.根据权利要求3所述的基于阶梯型碳交易机制的光储协同优化调度方法，其特征在于：所述碳消耗实体的第一价值度G1的计算公式为：
，
其中，为碳消耗实体的年产值增量，/>为碳消耗实体的年碳排放增量。
5.根据权利要求3所述的基于阶梯型碳交易机制的光储协同优化调度方法，其特征在于：所述碳供应实体的第二价值度G2的计算公式为：
，
其中，为碳供应实体的年产值增量，/>为碳消耗实体的年碳排放增量。
6.根据权利要求3所述的基于阶梯型碳交易机制的光储协同优化调度方法，其特征在于：所述计算优选碳消耗实体序列和优选碳供应实体序列中各实体之间的链接程度，基于链接程度进行碳交易，包括如下步骤：
依次获取优选碳消耗实体序列中碳消耗实体的碳排放份额，筛选优选碳供应实体序列中碳交易配额大于等于碳排放份额的碳供应实体构建碳供应实体交易集合；
依次计算当前碳消耗实体与碳供应实体交易集合中各碳供应实体的链接程度；
选定链接程度最大的碳供应实体作为交易对象缔结交易合约。
7.根据权利要求3或6所述的基于阶梯型碳交易机制的光储协同优化调度方法，其特征在于：
链接程度Lev的计算公式如下：
，
其中为碳消耗实体的碳买入标的，其中/>为碳消耗实体的碳售价标的，/>为碳消耗实体的第一价值度的归一化系数，/>为碳供应实体的第二价值度的归一化系数，/>为台区内所有碳消耗实体的第一价值度的之和，/>为参与碳供应实体交易集合中各碳供应实体的第二价值度之和。
8.根据权利要求1或2所述的基于阶梯型碳交易机制的光储协同优化调度方法，其特征在于，所述阶梯型碳交易成本模型的公式如下：
，
为碳消耗实体的碳交易成本；/>为碳消耗实体的碳交易基本价格；/>为激励因子；/>为阶梯尺度；/>为碳消耗实体的碳排放份额；/>为火电机组的碳排放无偿配额；/>为实际碳排放量；/>为火电机组的/>排放系数；/>为第/>台火电机组的实际输出功率；n为台区内火电机组的个数。
9.根据权利要求1所述的基于阶梯型碳交易机制的光储协同优化调度方法，其特征在于：
所述基于高斯过程回归计算光储协同系统的日前光伏出力预测与日前负荷功率预测，包括如下步骤：
S21、将光伏发电与负荷用电的历史功率值作为输入向量，输入向量/>与其对应的目标值/>之间的关系视作高斯过程/>，建立标准高斯过程回归模型：/> ；其中，/>为独立同分布的噪声变量；
S22、根据高斯过程推导出预测数据满足的概率分布，得到光伏出力与负荷用电在置信度下的预测值置信区间：
，
式中：为显著性水平，即调度决策中所面临的风险水平；/>、/>分别是置信下限和置信上限；/>为标准正态分布的双侧/>分位数，/>为预测值的均值，/>为预测值的标准差。
10.根据权利要求1所述的基于阶梯型碳交易机制的光储协同优化调度方法，其特征在于，
基于区间概率的不确定集如下：
，
式中：为预测值的均值；/>为预测值的方差；n为样本容量；/>为标准正态分布的双侧/>分位数，/>为显著性水平，通过调节/>来实现不确定集边界的缩放；/>是自由度为的/>分布的双侧/>分位数；/>为样本的标准差；对光伏出力和负荷用电历史数据采用高斯过程回归，得到其24h内各时刻出力预测值的均值及其方差。
11.根据权利要求1所述的基于阶梯型碳交易机制的光储协同优化调度方法，其特征在于：
两阶段鲁棒优化调度模型如下：
，
式中：为第一阶段目标函数即日前阶段预调度成本；/>为第二阶段目标函数，即日前阶段再调度成本；/>为火电机组的启动/停机成本之和；/>为日前调度成本中除去火电机组的启动/停机成本外的其它成本之和；/>为不确定集，包括光伏出力和负荷用电的不确定性；/>为不确定变量，包括系统中的光伏出力和负荷用电功率；/>为预调度阶段的决策变量向量；/>为再调度阶段的决策变量向量；/>表示由预调度阶段决策变量/>与不确定变量/>决策后形成的可行域。
12.根据权利要求11所述的基于阶梯型碳交易机制的光储协同优化调度方法，其特征在于：的公式如下：
，
式中：、/>、/>、/>表示再调度阶段最小化问题中各约束对应的对偶变量。
13.根据权利要求1所述的基于阶梯型碳交易机制的光储协同优化调度方法，其特征在于：
约束条件包括有：火电机组启停运行约束、火电机组出力运行约束、火电机组爬坡运行约束、储能系统约束、电网系统节点功率平衡约束、电网系统支路潮流约束、弃光切负荷约束。
14.根据权利要求13所述的基于阶梯型碳交易机制的光储协同优化调度方法，其特征在于：
所述火电机组启停运行约束为：
，
式中：为布尔变量，表示第/>台火电机组于/>时刻的运行状态，运行时为 1，关停时为0；/>和/>分别为第/>台火电机组于/>时刻已连续开、停机时长；/>和/>分别为第/>台火电机组的最小连续开、关机时间。
15.根据权利要求13所述的基于阶梯型碳交易机制的光储协同优化调度方法，其特征在于：
所述火电机组出力运行约束为：
，
式中：为第/>台火电机组于/>时刻的出力；/>为第/>台火电机组的最大出力；/>为第台火电机组的最小出力。
16.根据权利要求13所述的基于阶梯型碳交易机制的光储协同优化调度方法，其特征在于：
所述火电机组爬坡运行约束：
，
式中：为第/>台火电机组的爬坡速率；/>为第/>台火电机组于/>时刻的出力。
17.根据权利要求13所述的基于阶梯型碳交易机制的光储协同优化调度方法，其特征在于：
所述储能系统约束为：
，
式中：和/>分别为充、放电布尔系数，分别代表储能单元在/>时刻的充放电状态；/>和/>分别为最大充电、放电功率；/>为储能单元在/>时刻的电量；/>和/>分别为最大、最小电量限制；/>和/>分别为其充、放电效率；/>和/>分别为始、末电量。
18.根据权利要求13所述的基于阶梯型碳交易机制的光储协同优化调度方法，其特征在于：
所述电网系统节点功率平衡约束为：
，
式中：表示火电机组的数量；/>为第/>台火电机组于/>时刻的出力；/>为光伏在/>时刻的预测出力；/>为/>时刻的弃光功率；/>为/>时刻负荷所消耗的功率；/>为/>时刻切负荷功率；/>为线路/>在/>时刻的输送功率。
19.根据权利要求13所述的基于阶梯型碳交易机制的光储协同优化调度方法，其特征在于：
所述电网系统支路潮流约束为：
，
式中：和/>分别表示线路/>始端相角与末端相角；/>和/>分别表示节点相角最小值和最大值；/>表示线路电抗；/>表示线路/>潮流上限。
20.根据权利要求13所述的基于阶梯型碳交易机制的光储协同优化调度方法，其特征在于：
所述弃光切负荷约束为：
，
为光伏在/>时刻的预测出力；/>为/>时刻的弃光功率；/>为/>时刻负荷所消耗的功率；/>为/>时刻切负荷功率。
21.根据权利要求1或11所述的基于阶梯型碳交易机制的光储协同优化调度方法，其特征在于：
预调度模型的目标函数为：
，
式中：和/>分别表示调度周期内火电机组的启动、停机成本；/>和/>分别为火电机组的单位启/停机成本。
22.根据权利要求1或11所述的基于阶梯型碳交易机制的光储协同优化调度方法，其特征在于：
再调度模型的目标函数为：
，
式中：、/>、/>分别表示火电机组运行成本、储能充放电成本、系统碳排放成本；、/>、/>为火电机组的燃料成本系数；/>为储能的运行成本系数。
23.根据权利要求1所述的基于阶梯型碳交易机制的光储协同优化调度方法，其特征在于：
所述采用列与约束生成算法对两阶段鲁棒优化调度模型进行求解得到调度策略，包括：
将日前阶段预调度模型作为第一阶段的主问题求解，将日前阶段再调度模型作为第二阶段的子问题求解。
24.根据权利要求23所述的基于阶梯型碳交易机制的光储协同优化调度方法，其特征在于：
主问题的目标函数为：
，
预调度阶段与预调度成本函数相关的决策变量为火电机组运行状态；
主问题满足火电机组启停运行约束、火电机组启停运行约束、火电机组出力运行约束、火电机组爬坡运行约束、储能系统约束、电网系统节点功率平衡约束、电网系统支路潮流约束、弃光切负荷约束。
25.根据权利要求23所述的基于阶梯型碳交易机制的光储协同优化调度方法，其特征在于：
子问题目标函数为：
，
再调度阶段与再调度成本函数相关的决策变量包括火电机组出力功率、储能充放功率、光伏消纳功率以及切负荷功率；
子问题满足火电机组启停运行约束、火电机组出力运行约束、火电机组爬坡运行约束、储能系统约束、电网系统节点功率平衡约束、电网系统支路潮流约束、弃光切负荷约束。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311033441.7A CN116780535B (zh) | 2023-08-16 | 2023-08-16 | 基于阶梯型碳交易机制的光储协同优化调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311033441.7A CN116780535B (zh) | 2023-08-16 | 2023-08-16 | 基于阶梯型碳交易机制的光储协同优化调度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116780535A true CN116780535A (zh) | 2023-09-19 |
| CN116780535B CN116780535B (zh) | 2024-01-02 |
Family
ID=87986190
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311033441.7A Active CN116780535B (zh) | 2023-08-16 | 2023-08-16 | 基于阶梯型碳交易机制的光储协同优化调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116780535B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120296799A1 (en) * | 2009-12-10 | 2012-11-22 | Phillip Andrew Ross Playfair | System, method and computer program for energy use management and reduction |
| CN113592365A (zh) * | 2021-08-30 | 2021-11-02 | 中国科学院重庆绿色智能技术研究院 | 一种考虑碳排放与绿电消纳的能源优化调度方法及系统 |
| CN113822706A (zh) * | 2021-09-07 | 2021-12-21 | 昆明理工大学 | 低碳背景下考虑绿色证书交易的多园区综合能源系统优化运行方法 |
| CN114336703A (zh) * | 2021-12-17 | 2022-04-12 | 中国长江三峡集团有限公司 | 一种大规模风光储电站自动协同控制方法 |
| CN115375344A (zh) * | 2022-07-13 | 2022-11-22 | 太原理工大学 | 计及阶梯碳交易机制的微电网两阶段鲁棒优化低碳经济调度方法 |
| CN115498624A (zh) * | 2022-08-09 | 2022-12-20 | 国网湖北省电力有限公司电力科学研究院 | 基于两阶段鲁棒优化的含灵活互动资源配电网低碳经济调度方法 |
| CN115688970A (zh) * | 2022-09-21 | 2023-02-03 | 三峡大学 | 基于区间概率不确定集的微电网两阶段自适应鲁棒优化调度方法 |
| CN116247719A (zh) * | 2022-11-29 | 2023-06-09 | 国网河南省电力公司安阳供电公司 | 一种基于阶梯碳交易的微电网两阶段鲁棒优化配置方法 |
-
2023
- 2023-08-16 CN CN202311033441.7A patent/CN116780535B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120296799A1 (en) * | 2009-12-10 | 2012-11-22 | Phillip Andrew Ross Playfair | System, method and computer program for energy use management and reduction |
| CN113592365A (zh) * | 2021-08-30 | 2021-11-02 | 中国科学院重庆绿色智能技术研究院 | 一种考虑碳排放与绿电消纳的能源优化调度方法及系统 |
| CN113822706A (zh) * | 2021-09-07 | 2021-12-21 | 昆明理工大学 | 低碳背景下考虑绿色证书交易的多园区综合能源系统优化运行方法 |
| CN114336703A (zh) * | 2021-12-17 | 2022-04-12 | 中国长江三峡集团有限公司 | 一种大规模风光储电站自动协同控制方法 |
| CN115375344A (zh) * | 2022-07-13 | 2022-11-22 | 太原理工大学 | 计及阶梯碳交易机制的微电网两阶段鲁棒优化低碳经济调度方法 |
| CN115498624A (zh) * | 2022-08-09 | 2022-12-20 | 国网湖北省电力有限公司电力科学研究院 | 基于两阶段鲁棒优化的含灵活互动资源配电网低碳经济调度方法 |
| CN115688970A (zh) * | 2022-09-21 | 2023-02-03 | 三峡大学 | 基于区间概率不确定集的微电网两阶段自适应鲁棒优化调度方法 |
| CN116247719A (zh) * | 2022-11-29 | 2023-06-09 | 国网河南省电力公司安阳供电公司 | 一种基于阶梯碳交易的微电网两阶段鲁棒优化配置方法 |
Non-Patent Citations (1)
| Title |
|---|
| 张笑演 等: "基于最优出力区间和碳交易的园区综合能源系统灵活经济调度", 《电力系统自动化》, vol. 46, no. 16, pages 72 - 83 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116780535B (zh) | 2024-01-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110188950A (zh) | 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法 | |
| CN107453407B (zh) | 一种智能微电网分布式能源调度方法 | |
| 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 | |
| Zhang et al. | Cournot oligopoly game-based local energy trading considering renewable energy uncertainty costs | |
| Thi et al. | Negotiation game for joint IT and energy management in green datacenters | |
| Cui et al. | Optimal electricity allocation model under China's planning-market double-track mechanism considering bidding game of generation companies | |
| Sriyakul et al. | Economic scheduling of a smart microgrid utilizing the benefits of plug-in electric vehicles contracts with a comprehensive model of information-gap decision theory | |
| Alizadeh et al. | A cooperative transactive multi-carrier energy control mechanism with P2P energy+ reserve trading using Nash bargaining game theory under renewables uncertainty | |
| Wang et al. | A risk-averse day-ahead bidding strategy of transactive energy sharing microgrids with data-driven chance constraints | |
| Song et al. | A low-carbon peak-load regulation trading strategy for large-scale wind power integration using information gap decision theory | |
| Ye et al. | Optimal dispatch of integrated energy systems considering integrated demand response and stepped carbon trading | |
| CN116780535B (zh) | 基于阶梯型碳交易机制的光储协同优化调度方法 | |
| Banaei et al. | Mutual impacts of procuring energy flexibility and equipment degradation at the residential consumers level | |
| CN116342176A (zh) | 一种电力市场现货电能量交易规则的火电企业分段报价方法 | |
| CN116432862A (zh) | 一种面向可再生能源微电网的多主体博弈优化方法及装置 | |
| 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 | |
| CN114301081A (zh) | 一种考虑蓄电池储能寿命损耗与需求响应的微电网优化方法 | |
| Javadi et al. | Electricity trading of multiple home microgrids through V2X based on game theory | |
| CN111783303A (zh) | 抽水蓄能电站报价报量确定方法、系统及装置 | |
| Zhu et al. | Low carbon optimal dispatching of microgrid considering demand response | |
| Hou et al. | An integrated energy system “green-carbon” offset mechanism and optimization method with Stackelberg game | |
| CN117674300B (zh) | 虚拟电厂资源调度方法、装置、终端设备以及存储介质 | |
| CN117375114B (zh) | 一种综合能源系统优化调度方法及系统 | |
| Rendroyoko et al. | Integration of solar photovoltaic plant in the eastern Sumba microgrid using unit commitment optimization | |
| CN114862163B (zh) | 综合能源系统优化调度方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |