CN116883032A - 一种售电公司运营优化方法、装置、电子设备及存储介质 - Google Patents
一种售电公司运营优化方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116883032A CN116883032A CN202310633567.1A CN202310633567A CN116883032A CN 116883032 A CN116883032 A CN 116883032A CN 202310633567 A CN202310633567 A CN 202310633567A CN 116883032 A CN116883032 A CN 116883032A
- Authority
- CN
- China
- Prior art keywords
- electricity
- price
- selling
- formula
- period
- 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
- 230000005611 electricity Effects 0.000 title claims abstract description 430
- 238000005457 optimization Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000010248 power generation Methods 0.000 claims abstract description 24
- 230000007246 mechanism Effects 0.000 claims abstract description 20
- 238000004146 energy storage Methods 0.000 claims description 73
- 230000008901 benefit Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 7
- 238000007599 discharging Methods 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 7
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 8
- 238000011160 research Methods 0.000 abstract description 5
- 230000007774 longterm Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 12
- 238000012360 testing method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0605—Supply or demand aggregation
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种售电公司运营优化方法、装置、电子设备及存储介质，属于售电公司运营方法研究技术领域，方法包括：于购电侧构建优化调用模型；于售电侧构建售电套餐机制；利用所述优化调用模型和售电套餐机制，构建购售电优化决策模型；对所述购售电优化决策模型进行求解，获取购售电优化决策方案，实现售电公司运营优化。该方法能够实现售电公司日期望收益最大化，并能够有效应对售电公司参与分布式发电交易中长期市场与日前现货市场过程中的不确定性风险。
Description
技术领域
本发明涉及一种售电公司运营优化方法、装置、电子设备及存储介质，属于售电公司运营方法研究技术领域。
背景技术
随着我国电力市场售电侧改革的稳步推进，允许分布式电源、储能和可中断负荷等需求侧灵活资源参与市场竞争已经成为我国电力市场化改革的趋势。在批发侧，售电公司不再仅仅只是电能的购买者，还可以通过运营自身拥有的分布式电源、储能等需求侧灵活资源而成为电能的供应者。在零售侧，售电公司可以通过提供安全优质的服务、推出多样化的售电营销体系来争取市场份额。在国内分布式发电交易市场及电力现货市场试点稳步开展的背景下，研究售电公司参与市场竞争的运营策略，促进资源优化配置，实现收益最大化，是当前阶段市场的迫切需求。
在批发侧，关于售电公司利用需求侧灵活资源参与市场交易的研究多集中于考虑可中断负荷。有学者计及分布式电源和可调负荷，综合考虑售电公司运营的安全性和经济性要求，建立了以日前收益最大为目标的优化调度模型；利用心理学方法，也有学者构建了用户的选择行为模型，提出了计及可中断负荷影响的售电公司营销策略；同时，已有关于考虑可中断负荷的独立配售电公司的运营优化策略的报导，构建了随机二次混合整数规划模型；在偏差电量考核背景下，有文献建立了计及可中断负荷合同和价差期权合同的售电公司最优购售电决策模型。在这些研究中，涉及市场主体利用储能参与市场的研究尚不多见。
在售电侧，关于售电套餐的研究较少且多集中于用户侧售电套餐的优化推荐。部分文献考虑了用户消费的偏好行为，引入分类同化系数建立消费者内部参考价格决策模型，建立了用户决策矩阵以反映群体用户对套餐的选择情况；除此之外，有学者提出了一种基于用户最优特征子集和相似度矩阵的售电套餐推荐方法。基于Spark和属性权重值，有部分学者考虑了大数据环境下的可拓展性和实时性问题，实现了售电套餐的精准推荐。同时也有关于改进自适应k-medoids算法的提出，以实现售电套餐的分层聚类。在这些研究中，涉及售电套餐体系设计优化的研究尚不多见。
结合国内售电侧市场的实际建设情况可以看出，尚无售电侧改革背景下计及储能和可中断负荷的售电公司运营方法的研究，因此无法有效应对售电公司参与分布式发电交易中长期市场与日前现货市场过程中的不确定性风险。
发明内容
本发明的目的在于提供一种售电公司运营优化方法、装置、电子设备及存储介质，实现售电公司日期望收益最大化的同时，能够有效应对售电公司参与分布式发电交易中长期市场与日前现货市场过程中的不确定性风险。
为达到上述目的，本发明提供如下技术方案：
第一方面，本发明提供一种售电公司运营优化方法，包括：
于购电侧构建优化调用模型；
于售电侧构建售电套餐机制；
利用所述优化调用模型和售电套餐机制，构建购售电优化决策模型；
对所述购售电优化决策模型进行求解，获取购售电优化决策方案，实现售电公司运营优化。
结合第一方面，进一步的，于购电侧构建优化调用模型包括：基于购电侧分布式发电出力波动性和日前现货市场电价不确定性，结合分布式发电市场购电成本、日前现货市场购电成本、可中断负荷补偿成本和储能系统运营成本，构建优化调用模型；
所述优化调用模型的表达式如公式(1)所示：
公式(1)中，CDG为分布式发电市场日均购电成本，m为分布式发电场景，M为分布式发电场景集，σm为分布式发电场景m的概率，t为第t个时段，T为总时段，为第t个时段分布式电源的度电收购价格，i为第i个分布式电源，I为分布式电源总数，/>为第t个时段分布式发电场景m下第i个分布式电源的出力，Cspot为日前现货市场日均购电成本，n为日前现货市场电价场景，N为日前现货市场电价场景集，ωn为日前现货市场电价场景n的概率，为第t个时段日前现货市场电价场景n下日前现货市场的电价，/>为第t个时段日前现货市场的买、卖电量，CIL为可中断负荷补偿成本，μ为用户可中断负荷合约历史履行概率，Bspot为售电公司调用可中断负荷0-1变量，j为第j个用户，J为用户总数，k为第k个补偿方案，set为补偿方案集，/>为第t个时段第k个补偿方案下售电公司对第j个用户的补偿成本，CESS为储能系统运营成本，h为第h个储能，H为储能总数，CM0、CM1为储能的运行维护费用第一系数、第二系数，/> 为第h个储能在第t个时段的充、放电功率，/>为储能的最大充放电功率。
结合第一方面，进一步的，可中断负荷的补偿方案包括高电费补偿方案和低电价折扣方案，所述补偿方案集的表达式如公式(2)所示：
set∈{ILH,ILL} (2)
公式(2)中，ILH为高电费补偿方案，ILL为低电价折扣方案；
相应的，售电公司在高电费补偿方案下的补偿成本的表达式如公式(3)所示：
公式(3)中，为第t个时段高电费补偿方案下售电公司对第j个用户的补偿成本，probk为用户选择高电费补偿方案的概率，/>为第t个时段高电费补偿方案对应的补偿价格，/>为第t个时段第j个用户的可中断负荷功率；
相应的，售电公司在低电价折扣方案下的补偿成本的表达式如公式(4)所示：
公式(4)中，为第t个时段低电价折扣方案下售电公司对第j个用户的补偿成本，/>为第t个时段可中断负荷电价折扣率，l为第l个用户负荷场景，L为用户负荷场景集，βl为用户负荷场景l的概率，/>为第t个时段第j个用户在第l个用户负荷场景下的负荷功率。
结合第一方面，进一步的，于售电侧构建售电套餐机制包括：
面向风险规避型用户，设置分时折扣电价套餐；
面向风险偏好型用户，设置偏差惩罚电价套餐；
其中，所述分时折扣电价套餐将电价按照峰、平、谷三个时段进行划分，各时段的电价对应相应的折扣系数；所述偏差惩罚电价套餐将电价按照基础电价和惩罚电价进行划分，并与用户签订用电合约，用电合约规定的用电量范围内按照基础电价收费，用电合约规定的用电量范围外按照惩罚电价收费。
结合第一方面，进一步的，所述分时折扣电价套餐下售电公司的电费收入表达式如公式(5)所示：
公式(5)中，STOU为分时折扣电价套餐下售电公司的电费收入，为分时折扣电价套餐下第t个时段的电价，/>为第j个用户在第t个时段的实际负荷功率；
所述偏差惩罚电价套餐下售电公司的电费收入表达式如公式(6)所示：
公式(6)中，SPunish为偏差惩罚电价套餐下售电公司的电费收入，SBasic为偏差惩罚电价套餐下售电公司的基础电费收入，SDev为偏差惩罚电价套餐下售电公司的惩罚电费收入，λBasic为偏差惩罚电价套餐下的基础电价，λDev为偏差惩罚电价套餐下的惩罚电价，ΔQ为偏差惩罚电价套餐下的偏差电量，为售电公司与第j个用户签订的用电合约规定的用电量，k为偏差惩罚电价套餐下的惩罚电价增长系数；
售电公司的电费总收入的表达式如公式(7)所示：
公式(7)中，SLoad为售电公司的电费总收入，为用户选择偏差惩罚电价套餐的概率，/>为用户选择分时折扣电价套餐的概率，CNet为售电公司向电网企业支付的交易过网费，λNet为单位负荷功率交易过网价格。
结合第一方面，进一步的，所述购售电优化决策模型包括目标函数和约束条件，在满足约束条件的前提下，以售电公司日运营期望收益最大为目标函数，所述目标函数的表达式如公式(8)所示：
maxUR＝SLoad-CDG-Cspot-CIL-CESS (8)
公式(8)中，UR为售电公司日运营期望收益；
所述约束条件包括电力平衡约束、日前现货市场交易约束和储能运行约束；其中，所述电力平衡约束要求满足的公式如公式(9)所示：
公式(9)中，为第j个用户在第t个时段的总负荷功率，/>为储能在第t个时段的放电功率，/>为储能在第t个时段的充电功率；
所述日前现货市场交易约束要求满足的公式如公式(10)所示：
公式(10)中，为售电公司日前储能调用决策0-1变量，Th为日前现货市场电价阈值，M为趋于正无穷的数，Pspot,pur,max为第t个时段日前现货市场最大买电量，Pspot ,sell,max为第t个时段日前现货市场最大卖电量；当/>时，日前现货市场电价低于阈值，售电公司电力缺额时从日前现货市场购电，售电公司电力盈余时不售电，并利用盈余电力给储能充电；当/>时，日前现货市场电价高于阈值，售电公司电力缺额时不从日前现货市场购电，并调用储能给负荷供电，售电公司电力盈余时售电；
所述储能运行约束要求满足的公式如公式(11)所示：
公式(11)中，PESS,ch,max、PESS,dis,max为储能的最大充、放电功率，为第h个储能在第t个时段的荷电状态，/>为第h个储能在第t-1个时段的荷电状态，/>为第h个储能的充、放电效率，Δt为调度的时间步长，/>为第h个储能允许的荷电状态的上、下限。
结合第一方面，进一步的，利用Cplex软件对所述购售电优化决策模型进行求解。
第二方面，本发明提供一种售电公司运营优化装置，包括：
优化调用模型构建模块：用于于购电侧构建优化调用模型；
售电套餐机制构建模块：用于于售电侧构建售电套餐机制；
购售电优化决策模型构建模块：用于利用所述优化调用模型和售电套餐机制，构建购售电优化决策模型；
模型求解模块：用于对所述购售电优化决策模型进行求解，获取购售电优化决策方案，实现售电公司运营优化。
第三方面，本发明提供一种电子设备，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据第一方面任一项所述方法的步骤。
第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面任一项所述方法的步骤。
与现有技术相比，本发明的有益效果是：
本发明所提供的售电公司运营优化方法，能够实现售电公司的日期望收益最大化，并能够有效应对售电公司参与分布式发电交易中长期市场与日前现货市场过程中的不确定性风险。该售电公司运营优化方法的优越性还在于能够充分利用储能的充放电特性以弥补分布式电源出力的不确定性问题，动态调整售电公司各时段的电力供需关系，降低售电公司在日前现货市场中面临的电价波动风险，不仅实现日期望收益最大，还为当前阶段售电公司参与分布式发电交易试点与日前现货交易试点提供了全新的思路。
附图说明
图1是本发明实施例提供的售电公司运营优化方法流程图；
图2是本发明实施例提供的各场景下分布式光伏出力曲线示意图；
图3是本发明实施例提供的各场景下日前现货市场电价曲线示意图；
图4是本发明实施例提供的售电公司代理用户负荷曲线示意图；
图5是本发明实施例提供的各情景下售电公司在日前现货市场购入电力示意图；
图6是本发明实施例提供的情景三下储能调用电价阈值随储能容量变化关系示意图；
图7是本发明实施例提供的情景三下售电公司日期望收益随储能容量变化关系示意图。
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
下面详细描述本专利的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利，而不能理解为对本专利的限制。在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
实施例一：
图1是本发明实施例一提供的一种售电公司运营优化方法流程图，本流程图仅仅示出了本实施例方法的逻辑顺序，在互不冲突的前提下，在本发明其它可能的实施例中，可以以不同于图1所示的顺序完成所示出或描述的步骤。
本实施例提供的售电公司运营优化方法可应用于终端，可以由售电公司运营优化装置来执行，该装置可以由软件和/或硬件的方式实现，该装置可以集成在终端中，例如：任一具备通信功能的平板电脑或计算机设备。参见图1，本实施例的方法具体包括如下步骤：
步骤一：于购电侧构建优化调用模型；
本实施例中，售电公司通过分布式发电市场和日前现货市场两个渠道购电，其中，分布式发电市场是中长期电量交易市场，参与分布式发电市场的电源是风电、光伏两类分布式新能源。一方面，售电公司在分布式发电市场中与分布式电源签订中长期电量合约，根据分布式电源的实际发电情况向其支付购电费；另一方面，售电公司以电能产消者(Prosumer)的角色参与日前现货市场。
可中断负荷和储能作为需求侧灵活资源，能够帮助售电公司实现削峰填谷，提高收益。对于可中断负荷，售电公司与参与用户提前签订合约，规定负荷的中断时间、最大中断量及补偿方式；对于储能，售电公司拥有储能设备，成本包括储能的单位时间内的维护费用，单位时间内的维护费用与实际充放电功率好额定功率有关。
基于购电侧分布式发电出力波动性和日前现货市场电价不确定性，结合分布式发电市场购电成本、日前现货市场购电成本、可中断负荷补偿成本和储能系统运营成本，构建优化调用模型，优化调用模型的表达式如公式(1)所示：
公式(1)中，CDG为分布式发电市场日均购电成本，m为分布式发电场景，M为分布式发电场景集，σm为分布式发电场景m的概率，t为第t个时段，T为总时段，为第t个时段分布式电源的度电收购价格，i为第i个分布式电源，I为分布式电源总数，/>为第t个时段分布式发电场景m下第i个分布式电源的出力，Cspot为日前现货市场日均购电成本，n为日前现货市场电价场景，N为日前现货市场电价场景集，ωn为日前现货市场电价场景n的概率，为第t个时段日前现货市场电价场景n下日前现货市场的电价，为第t个时段日前现货市场的买、卖电量，CIL为可中断负荷补偿成本，μ为用户可中断负荷合约历史履行概率，Bspot为售电公司调用可中断负荷0-1变量，j为第j个用户，J为用户总数，k为第k个补偿方案，set为补偿方案集，/>为第t个时段第k个补偿方案下售电公司对第j个用户的补偿成本，CESS为储能系统运营成本，h为第h个储能，H为储能总数，CM0、CM1为储能的运行维护费用第一系数、第二系数，/> 为第h个储能在第t个时段的充、放电功率，/>为储能的最大充放电功率。
本实施例提供两种可中断负荷的补偿方案，第一种是高电费补偿方案(Interruptible Load with High Compensation，ILH)，即按照实际的被中断负荷量提供高额度电补偿；第二种是低电价折扣方案(Interruptible Load with Low Price，ILL)，即按照负荷发生中断时刻的实际用电量提供折扣。
补偿方案集的表达式如公式(2)所示：
set∈{ILH,ILL} (2)
公式(2)中，ILH为高电费补偿方案，ILL为低电价折扣方案；
相应的，售电公司在高电费补偿方案下的补偿成本的表达式如公式(3)所示：
公式(3)中，为第t个时段高电费补偿方案下售电公司对第j个用户的补偿成本，probk为用户选择高电费补偿方案的概率，/>为第t个时段高电费补偿方案对应的补偿价格，/>为第t个时段第j个用户的可中断负荷功率；
相应的，售电公司在低电价折扣方案下的补偿成本的表达式如公式(4)所示：
公式(4)中，为第t个时段低电价折扣方案下售电公司对第j个用户的补偿成本，/>为第t个时段可中断负荷电价折扣率，l为第l个用户负荷场景，L为用户负荷场景集，βl为用户负荷场景l的概率，/>为第t个时段第j个用户在第l个用户负荷场景下的负荷功率。
步骤二：于售电侧构建售电套餐机制；
于售电侧构建售电套餐机制包括如下步骤：
步骤A：面向风险规避型用户，设置分时折扣电价套餐；
步骤B：面向风险偏好型用户，设置偏差惩罚电价套餐；
其中，分时折扣电价套餐将电价按照峰、平、谷三个时段进行划分，各时段的电价对应相应的折扣系数；偏差惩罚电价套餐将电价按照基础电价和惩罚电价进行划分，并与用户签订用电合约，用电合约规定的用电量范围内按照基础电价收费，用电合约规定的用电量范围外按照惩罚电价收费。
分时折扣电价套餐下售电公司的电费收入表达式如公式(5)所示：
公式(5)中，STOU为分时折扣电价套餐下售电公司的电费收入，为分时折扣电价套餐下第t个时段的电价，/>为第j个用户在第t个时段的实际负荷功率；
偏差惩罚电价套餐下售电公司的电费收入表达式如公式(6)所示：
公式(6)中，SPunish为偏差惩罚电价套餐下售电公司的电费收入，SBasic为偏差惩罚电价套餐下售电公司的基础电费收入，SDev为偏差惩罚电价套餐下售电公司的惩罚电费收入，λBasic为偏差惩罚电价套餐下的基础电价，λDev为偏差惩罚电价套餐下的惩罚电价，ΔQ为偏差惩罚电价套餐下的偏差电量，为售电公司与第j个用户签订的用电合约规定的用电量，k为偏差惩罚电价套餐下的惩罚电价增长系数；
售电公司的电费总收入的表达式如公式(7)所示：
公式(7)中，SLoad为售电公司的电费总收入，为用户选择偏差惩罚电价套餐的概率，/>为用户选择分时折扣电价套餐的概率，CNet为售电公司向电网企业支付的交易过网费，λNet为单位负荷功率交易过网价格。
步骤三：利用优化调用模型和售电套餐机制，构建购售电优化决策模型；
购售电优化决策模型包括目标函数和约束条件，在满足约束条件的前提下，以售电公司日运营期望收益最大为目标函数，目标函数的表达式如公式(8)所示：
maxUR＝SLoad-CDG-Cspot-CIL-CESS (8)
公式(8)中，UR为售电公司日运营期望收益；
约束条件包括电力平衡约束、日前现货市场交易约束和储能运行约束；
其中，电力平衡约束要求满足的公式如公式(9)所示：
公式(9)中，为第j个用户在第t个时段的总负荷功率，/>为储能在第t个时段的放电功率，/>为储能在第t个时段的充电功率；
日前现货市场交易约束要求满足的公式如公式(10)所示：
公式(10)中，为售电公司日前储能调用决策0-1变量，Th为日前现货市场电价阈值，M为趋于正无穷的数，Pspot,pur,max为第t个时段日前现货市场最大买电量，Pspot ,sell,max为第t个时段日前现货市场最大卖电量；当/>时，日前现货市场电价低于阈值，售电公司电力缺额时从日前现货市场购电，售电公司电力盈余时不售电，并利用盈余电力给储能充电；当/>时，日前现货市场电价高于阈值，售电公司电力缺额时不从日前现货市场购电，并调用储能给负荷供电，售电公司电力盈余时售电；
储能运行约束要求满足的公式如公式(11)所示：
公式(11)中，PESS,ch,max、PESS,dis,max为储能的最大充、放电功率，为第h个储能在第t个时段的荷电状态，/>为第h个储能在第t-1个时段的荷电状态，/>为第h个储能的充、放电效率，Δt为调度的时间步长，/>为第h个储能允许的荷电状态的上、下限。
步骤四：对购售电优化决策模型进行求解，获取购售电优化决策方案，实现售电公司运营优化；
利用Cplex软件对购售电优化决策模型进行求解，获取购售电优化决策方案，实现售电公司运营优化。
对本实施例所提出的方法的有效性进行验证，售电公司以价格接受者的身份参与分布式发电市场和日前现货市场交易。在购电侧，与售电公司签订中长期合约的分布式电源为分布式光伏，合约度电价格为0.310元每千瓦时，各场景下的出力曲线如图2所示。由于国内尚无现货市场运行数据，本实施例各场景下日前现货市场24h电价曲线均基于2015-2016年美国PJM日前市场的实际价格数据，如图3所示。在售电侧，售电公司代理4个工商业用户，其典型用电曲线如图4所示，用户选择分时折扣电价套餐和偏差惩罚电价套餐的概率分别为70％和30％。为了突出对比储能和可中断负荷两类需求侧灵活资源对于售电公司参与分布式发电市场和日前现货市场的影响，本实施例采用三个情景分别分析：
情景一(无可中断负荷和储能参与)：售电公司不调用储能及可中断负荷；
情景二(仅考虑可中断负荷参与)：售电公司仅拥有可中断负荷资源，无储能资源。可中断负荷容量为0.1MW，全天可调用次数不限；高电费补偿方案的补偿电价为0.020元每千瓦时，低电价折扣的折扣系数为0.9，用户选择中断负荷量补偿方案和实际用电量折扣方案的概率分别为60％和40％；
情景三(同时考虑可中断负荷和储能参与)：售电公司同时拥有可中断负荷和储能资源。可中断负荷项目信息同情景二，储能的容量为5MW，运行维护系数分别为0.01元每千瓦时和0.005元每千瓦时。
不同情景下售电公司在日前现货市场购入电力如图5所示。情景一较情景二高峰购电量降低了37.2％，由此可见，可中断负荷的参与起到了削减峰时负荷的作用。情景三较情景二，高峰购电量进一步降低了82.3％，低谷购电量提高了58.1％，由此可见，储能的在进一步削减峰时购电量的同时，还提高了谷时段购电量，有效实现了负荷的削峰填谷，优化了售电公司的购售电曲线。
不同情景下售电公司的期望收益结果为：情景一3121元，情景二3185元，情景三3431元。情景二中售电公司的期望收益较情景一中的期望收益提高了2.05％，由此可见，可中断负荷的参与能够在一定程度上提高售电公司的期望收益。情景三中售电公司的期望收益较情景一中的期望收益提高了9.93％，在情景二的基础上提高了7.72％，由此可见，储能的参与能够进一步提高售电公司的期望收益，且效果更为显著，储能是售电公司参与市场过程中的一种有效的需求侧灵活资源。
情景三下，储能调用电价阈值、售电公司的日期望收益随储能容量的变化关系如图6、图7所示。随着售电公司自备储能容量的提高，储能优化调用阈值随之降低，售电公司能够在各个时段更为灵活地调用储能实现削峰填谷，日期望收益随之不断提高。但是，当储能的容量达到极限时，储能调用阈值将保持不变，不再随着容量提高而提高，储能容量的额外增加不再给售电公司额外带来削峰填谷的经济效益，反而会使售电公司增加储能运维成本，降低日期望收益。因此，售电公司在市场参与过程中需要合理规划储能容量。购售电决策需要综合考虑批发侧电价、分布式新能源出力曲线峰谷性的影响，同时需要考虑零售侧电价及代理用户负荷曲线峰谷性的影响。
本实施例提供的售电公司运营优化方法，能够实现售电公司的日期望收益最大化，并能够有效应对售电公司参与分布式发电交易中长期市场与日前现货市场过程中的不确定性风险。该售电公司运营优化方法的优越性还在于能够充分利用储能的充放电特性以弥补分布式电源出力的不确定性问题，动态调整售电公司各时段的电力供需关系，降低售电公司在日前现货市场中面临的电价波动风险，不仅实现日期望收益最大，还为当前阶段售电公司参与分布式发电交易试点与日前现货交易试点提供了全新的思路。
实施例二：
本实施例提供一种售电公司运营优化装置，包括：
优化调用模型构建模块：用于于购电侧构建优化调用模型；
售电套餐机制构建模块：用于于售电侧构建售电套餐机制；
购售电优化决策模型构建模块：用于利用优化调用模型和售电套餐机制，构建购售电优化决策模型；
模型求解模块：用于对购售电优化决策模型进行求解，获取购售电优化决策方案，实现售电公司运营优化。
本发明实施例所提供的售电公司运营优化装置可执行本发明任意实施例所提供的售电公司运营优化方法，具备执行方法相应的功能模块和有益效果。
实施例三：
本实施例提供一种电子设备，包括处理器及存储介质；
存储介质用于存储指令；
处理器用于根据指令进行操作以执行实施例一中方法的步骤。
实施例四：
本实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现实施例一中方法的步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.一种售电公司运营优化方法，其特征在于，包括：
于购电侧构建优化调用模型；
于售电侧构建售电套餐机制；
利用所述优化调用模型和售电套餐机制，构建购售电优化决策模型；
对所述购售电优化决策模型进行求解，获取购售电优化决策方案，实现售电公司运营优化。
2.根据权利要求1所述的售电公司运营优化方法，其特征在于，于购电侧构建优化调用模型包括：基于购电侧分布式发电出力波动性和日前现货市场电价不确定性，结合分布式发电市场购电成本、日前现货市场购电成本、可中断负荷补偿成本和储能系统运营成本，构建优化调用模型；
所述优化调用模型的表达式如公式(1)所示：
公式(1)中，CDG为分布式发电市场日均购电成本，m为分布式发电场景，M为分布式发电场景集，σm为分布式发电场景m的概率，t为第t个时段，T为总时段，为第t个时段分布式电源的度电收购价格，i为第i个分布式电源，I为分布式电源总数，/>为第t个时段分布式发电场景m下第i个分布式电源的出力，Cspot为日前现货市场日均购电成本，n为日前现货市场电价场景，N为日前现货市场电价场景集，ωn为日前现货市场电价场景n的概率，/>为第t个时段日前现货市场电价场景n下日前现货市场的电价，Pt spot,pur、Pt spot,sell为第t个时段日前现货市场的买、卖电量，CIL为可中断负荷补偿成本，μ为用户可中断负荷合约历史履行概率，Bspot为售电公司调用可中断负荷0-1变量，j为第j个用户，J为用户总数，k为第k个补偿方案，set为补偿方案集，/>为第t个时段第k个补偿方案下售电公司对第j个用户的补偿成本，CESS为储能系统运营成本，h为第h个储能，H为储能总数，CM0、CM1为储能的运行维护费用第一系数、第二系数，/> 为第h个储能在第t个时段的充、放电功率，/>为储能的最大充放电功率。
3.根据权利要求2所述的售电公司运营优化方法，其特征在于，可中断负荷的补偿方案包括高电费补偿方案和低电价折扣方案，所述补偿方案集的表达式如公式(2)所示：
set∈{ILH,ILL}(2)公式(2)中，ILH为高电费补偿方案，ILL为低电价折扣方案；
相应的，售电公司在高电费补偿方案下的补偿成本的表达式如公式(3)所示：
公式(3)中，为第t个时段高电费补偿方案下售电公司对第j个用户的补偿成本，probk为用户选择高电费补偿方案的概率，/>为第t个时段高电费补偿方案对应的补偿价格，/>为第t个时段第j个用户的可中断负荷功率；
相应的，售电公司在低电价折扣方案下的补偿成本的表达式如公式(4)所示：
公式(4)中，为第t个时段低电价折扣方案下售电公司对第j个用户的补偿成本，/>为第t个时段可中断负荷电价折扣率，l为第l个用户负荷场景，L为用户负荷场景集，βl为用户负荷场景l的概率，/>为第t个时段第j个用户在第l个用户负荷场景下的负荷功率。
4.根据权利要求1所述的售电公司运营优化方法，其特征在于，于售电侧构建售电套餐机制包括：
面向风险规避型用户，设置分时折扣电价套餐；
面向风险偏好型用户，设置偏差惩罚电价套餐；
其中，所述分时折扣电价套餐将电价按照峰、平、谷三个时段进行划分，各时段的电价对应相应的折扣系数；所述偏差惩罚电价套餐将电价按照基础电价和惩罚电价进行划分，并与用户签订用电合约，用电合约规定的用电量范围内按照基础电价收费，用电合约规定的用电量范围外按照惩罚电价收费。
5.根据权利要求4所述的售电公司运营优化方法，其特征在于，所述分时折扣电价套餐下售电公司的电费收入表达式如公式(5)所示：
公式(5)中，STOU为分时折扣电价套餐下售电公司的电费收入，为分时折扣电价套餐下第t个时段的电价，/>为第j个用户在第t个时段的实际负荷功率；
所述偏差惩罚电价套餐下售电公司的电费收入表达式如公式(6)所示：
公式(6)中，SPunish为偏差惩罚电价套餐下售电公司的电费收入，SBasic为偏差惩罚电价套餐下售电公司的基础电费收入，SDev为偏差惩罚电价套餐下售电公司的惩罚电费收入，λBasic为偏差惩罚电价套餐下的基础电价，λDev为偏差惩罚电价套餐下的惩罚电价，ΔQ为偏差惩罚电价套餐下的偏差电量，为售电公司与第j个用户签订的用电合约规定的用电量，k为偏差惩罚电价套餐下的惩罚电价增长系数；
售电公司的电费总收入的表达式如公式(7)所示：
公式(7)中，SLoad为售电公司的电费总收入，为用户选择偏差惩罚电价套餐的概率，为用户选择分时折扣电价套餐的概率，CNet为售电公司向电网企业支付的交易过网费，λNet为单位负荷功率交易过网价格。
6.根据权利要求1所述的售电公司运营优化方法，其特征在于，所述购售电优化决策模型包括目标函数和约束条件，在满足约束条件的前提下，以售电公司日运营期望收益最大为目标函数，所述目标函数的表达式如公式(8)所示：
maxUR＝SLoad-CDG-Cspot-CIL-CESS (8)
公式(8)中，UR为售电公司日运营期望收益；
所述约束条件包括电力平衡约束、日前现货市场交易约束和储能运行约束；
其中，所述电力平衡约束要求满足的公式如公式(9)所示：
公式(9)中，为第j个用户在第t个时段的总负荷功率，/>为储能在第t个时段的放电功率，/>为储能在第t个时段的充电功率；
所述日前现货市场交易约束要求满足的公式如公式(10)所示：
公式(10)中，为售电公司日前储能调用决策0-1变量，Th为日前现货市场电价阈值，M为趋于正无穷的数，Pspot,pur,max为第t个时段日前现货市场最大买电量，Pspot,sell,max为第t个时段日前现货市场最大卖电量；当/>时，日前现货市场电价低于阈值，售电公司电力缺额时从日前现货市场购电，售电公司电力盈余时不售电，并利用盈余电力给储能充电；当/>时，日前现货市场电价高于阈值，售电公司电力缺额时不从日前现货市场购电，并调用储能给负荷供电，售电公司电力盈余时售电；
所述储能运行约束要求满足的公式如公式(11)所示：
公式(11)中，PESS,ch,max、PESS,dis,max为储能的最大充、放电功率，为第h个储能在第t个时段的荷电状态，/>为第h个储能在第t-1个时段的荷电状态，/>为第h个储能的充、放电效率，Δt为调度的时间步长，/>为第h个储能允许的荷电状态的上、下限。
7.根据权利要求1所述的售电公司运营优化方法，其特征在于，利用Cplex软件对所述购售电优化决策模型进行求解。
8.一种售电公司运营优化装置，其特征在于，包括：
优化调用模型构建模块：用于于购电侧构建优化调用模型；
售电套餐机制构建模块：用于于售电侧构建售电套餐机制；
购售电优化决策模型构建模块：用于利用所述优化调用模型和售电套餐机制，构建购售电优化决策模型；
模型求解模块：用于对所述购售电优化决策模型进行求解，获取购售电优化决策方案，实现售电公司运营优化。
9.一种电子设备，其特征在于，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据权利要求1～7任一项所述方法的步骤。
10.一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权利要求1～7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310633567.1A CN116883032A (zh) | 2023-05-31 | 2023-05-31 | 一种售电公司运营优化方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310633567.1A CN116883032A (zh) | 2023-05-31 | 2023-05-31 | 一种售电公司运营优化方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116883032A true CN116883032A (zh) | 2023-10-13 |
Family
ID=88255623
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310633567.1A Pending CN116883032A (zh) | 2023-05-31 | 2023-05-31 | 一种售电公司运营优化方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116883032A (zh) |
-
2023
- 2023-05-31 CN CN202310633567.1A patent/CN116883032A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110188950B (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 | |
| Ju et al. | Robust purchase and sale transactions optimization strategy for electricity retailers with energy storage system considering two-stage demand response | |
| CN110516855B (zh) | 一种面向负荷聚合商的分布式储能控制权优化调度方法 | |
| CN109787263B (zh) | 一种基于多级云储能的家庭能源互济系统及调度方法 | |
| CN114862460B (zh) | 一种基于主从博弈的电动汽车虚拟电厂运营商的定价方法 | |
| KR20230103799A (ko) | 가상 발전소 운영 시스템 및 방법 | |
| Yu et al. | A game theoretical pricing mechanism for multi-microgrid energy trading considering electric vehicles uncertainty | |
| CN115764938A (zh) | 考虑新能源发电不确定性的含微电网群共享储能优化调度方法 | |
| Yu et al. | Residential microgrids energy trading with plug-in electric vehicle battery via stochastic games | |
| CN106169117A (zh) | 一种虚拟电厂日前和实时竞标模型 | |
| CN111339637A (zh) | 一种基于虚拟电厂的售电方法和装置 | |
| CN115759556A (zh) | 一种碳-电市场中的多虚拟电厂优化运行与分配方法 | |
| Zhang et al. | A master-slave game optimization model for electric power companies considering virtual power plant | |
| CN116402223A (zh) | 一种配电网协同调度方法、系统及设备 | |
| Tan et al. | Joint scheduling optimization of virtual power plants and equitable profit distribution using shapely value theory | |
| Kong et al. | Independence enhancement of distributed generation systems by integrating shared energy storage system and energy community with internal market | |
| 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 | |
| CN109785014A (zh) | 一种能量共享系统的电价确定方法及系统 | |
| CN112232716A (zh) | 一种考虑调峰辅助服务的智慧园区优化决策方法 | |
| CN117332937A (zh) | 一种考虑需求响应的多能互补虚拟电厂经济调度方法 | |
| Baik et al. | Business feasibility study for storage-based customer flexibility platform of load-serving entity | |
| CN116883032A (zh) | 一种售电公司运营优化方法、装置、电子设备及存储介质 | |
| CN112102047A (zh) | 虚拟电厂优化组合竞价方法、装置、设备和存储介质 | |
| Zhang et al. | Master–slave game operation scheduling strategy of an integrated energy system considering the uncertainty of wind and solar output | |
| Satchidanandan et al. | A mechanism for selling battery storage service in day-ahead electricity markets |
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 |