CN117035443A - 统筹省间电力现货与需求响应市场的联合优化装置及方法 - Google Patents
统筹省间电力现货与需求响应市场的联合优化装置及方法 Download PDFInfo
- Publication number
- CN117035443A CN117035443A CN202310894911.2A CN202310894911A CN117035443A CN 117035443 A CN117035443 A CN 117035443A CN 202310894911 A CN202310894911 A CN 202310894911A CN 117035443 A CN117035443 A CN 117035443A
- Authority
- CN
- China
- Prior art keywords
- inter
- spot
- provincial
- power
- demand response
- 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
- 230000004044 response Effects 0.000 title claims abstract description 150
- 238000005457 optimization Methods 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000001514 detection method Methods 0.000 claims description 35
- 230000005540 biological transmission Effects 0.000 claims description 32
- 230000005611 electricity Effects 0.000 claims description 32
- 230000000670 limiting effect Effects 0.000 claims description 22
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 8
- 230000007246 mechanism Effects 0.000 claims description 6
- 230000002829 reductive effect Effects 0.000 claims description 5
- 206010063659 Aversion Diseases 0.000 claims description 3
- 230000000295 complement effect Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 101150067055 minC gene Proteins 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 3
- 238000012502 risk assessment Methods 0.000 claims description 2
- 230000003993 interaction Effects 0.000 abstract description 5
- 238000013439 planning Methods 0.000 abstract description 5
- 230000015572 biosynthetic process Effects 0.000 abstract description 4
- 230000008878 coupling Effects 0.000 abstract description 4
- 238000010168 coupling process Methods 0.000 abstract description 4
- 238000005859 coupling reaction Methods 0.000 abstract description 4
- 238000013468 resource allocation Methods 0.000 abstract description 4
- 230000008901 benefit Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000003860 storage Methods 0.000 description 6
- 238000012546 transfer Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000010405 clearance mechanism Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000000192 social effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001052 transient 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
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种统筹省间电力现货与需求响应市场的联合优化装置及方法,突破了“省间现货优先,需求响应兜底”的固有模式,将省间现货和需求响应市场统一建模、联合优化,在目标函数中考虑两个市场的联合成本最优,在模型设置中充分计及省间现货未成交、用户需求响应量未达预期等不确定性因素造成的潜在风险以及两个市场相互耦合的组合风险。最终优化得到的方案,一方面能实现省间现货、需求响应市场在应急保供形式下的最优组合和负荷缺口的最优分配,另一面按照该模型进行资源调配,能有效激发需求侧资源参与市场的主动性和应急保供潜力,加快供‑需双侧高效互动的电力供应新格局的形成。
Description
技术领域
本发明属于电力现货与需求响应市场技术领域,具体涉及一种统筹省间电力现货与需求响应市场的联合优化装置及方法,主要应用于区域级调度指挥平台/负荷管理中心,而等到省间现货市场放开至允许非电网企业的市场主体参与购电交易后,则同样适用于可参与省间现货市场的大型负荷聚合商、虚拟电厂运营商以及配售电公司。
背景技术
在迎峰度夏(冬)期间,各省会出现电力供应紧平衡甚至存在供应缺口,此时最主要的保供手段即为省间现货购电及省内需求响应。目前各省普遍仅将需求响应作为省间现货购电的兜底措施,可概括为“省间现货优先,需求响应兜底”的衔接模型,需求响应的优先级较低。
然而在2022年7、8月全国各省普遍缺电的情况下,省间现货在晚高峰的受端成交价格(包含通道传输价格)高达5~6元/千瓦时,明显高于省内需求响应市场的采购成本2~3元/兆瓦时,并且随着全国经济复苏,各省年最大用电负荷稳步攀升,而受火电装机增速受限、新能源发电反调峰特性、极端天气频发等因素影响,未来电力保供形势将更加严峻,省间现货市场在供电紧缺时段的成交价格不会降低,甚至可能进一步上涨。相反,随着供-需双侧互动的观念深入人心、相关基础设施及技术条件的不断成熟,需求响应市场的平均采购成本预计会进一步降低,因此“省间现货优先,需求响应兜底”的模型不会维持较长时间,而会逐步过渡为“省间现货与需求响应有机组合,根据实际情况合理调配”的模型。
现有的省间现货与需求响应市场配合模型仅按照“省间现货优先,需求响应兜底”的逻辑简单设计,无法实现对两个市场的经济效应、社会效益和抗风险能力的综合衡量,难以有效刻画两个市场面对应急保供的实际价值,压制了需求响应市场潜力和活力的发挥,不利于需求响应市场的发展以及用户主动响应意识的提升。
发明内容
为解决现有技术中带有的缺陷,本发明提出一种统筹省间电力现货与需求响应市场的联合优化装置,突破了“省间现货优先,需求响应兜底”的固有模式,将省间现货和需求响应市场统一建模、联合优化,在目标函数中考虑两个市场的联合成本最优(经济+社会效益),在模型设置中充分计及省间现货未成交、用户需求响应量未达预期等不确定性因素造成的潜在风险以及两个市场相互耦合的组合风险(前一个市场的成交情况会影响后一个市场)。最终优化得到的方案,一方面能实现省间现货、需求响应市场在应急保供形式下的最优组合和负荷缺口的最优分配,另一面按照该模型进行资源调配,能有效激发需求侧资源参与市场的主动性和应急保供潜力,加快供-需双侧高效互动的电力供应新格局的形成。
本发明运用如下的技术方案。
一种统筹省间电力现货与需求响应市场的联合优化方法,包括:
步骤1:准备联合优化方法所需的数据参数;
步骤2:根据联合优化方法所需的数据参数构建模型;
步骤3:根据构建的模型执行联合优化。
优选地,联合优化方法所需的数据参数包括:本地区内的供需形势相关数据、全国各省的供需形势相关数据、实施需求响应的补偿费用相关数据与运行主体的风险偏好相关数据。
优选地,本地区内的供需形势相关数据包括:电力系统上旋转备用容量限值、当日最大预测负荷、统调发购出力与新能源预测出力;
全国各省的供需形势相关数据包括:全国各区域各省在近期及历史同期的电力供需情况、购电申报策略、未来一天的全国各省市的气象预测数据;
实施需求响应的补偿费用相关数据包括:本地区最新的需求响应补偿费用,其包括本地区最新的容量补偿费用、电能量补偿费用与扣减费用;
运行主体的风险偏好相关数据包括:运行主体的风险厌恶系数与可承受的最大预期损失。
优选地,根据联合优化方法所需的数据参数构建的模型为一个两阶段鲁棒优化模型。
优选地,两阶段鲁棒优化模型包括:
步骤2-1:求解第一阶段经济性最优主问题F1;
步骤2-2:求解第二阶段风险检测双层优化子问题F2。
优选地,第一阶段经济性最优主问题F1的目标函数如公式(1)所示:
minCInter+CDR (1)
式中,CInter为参与省间现货交易的购电成本;CDR是组织需求响应的补贴成本;
CInter的计算公式如公式(2)和公式(3)所示:
其中,λ表示电力与电量的转换系数,表示t时段的省间现货市场预估成交量,/>表示t时段的省间现货市场预估成交价。
优选地,以每15分钟为一个时段,则λ=15/60=0.25,等于t时段的省间现货市场申报量/>乘以申报中标比αt,/>等于t时段的省间现货市场申报价格/>乘以成交价与申报价的比βt,αt、βt是依据t时段的全国供需情况按照省间现货出清机制进行自模拟出清计算而得,αt∈[0,1],βt∈[0,1]。
优选地,省间现货出清机制包括:
①买方市场主体在所在节点申报分时“电力-价格”曲线,考虑所有交易路径的输电价格和输电网损后,逐一折算到卖方节点,具体如公式3.1到公式3.4所示;
其中,qbuy,j,t买方市场主体j在t时段的申报电力;为买方市场主体j在t时段申报电力折算到卖方节点的电力;pbuy,j,t为买方市场主体j在t时段的申报价格;/>为买方市场主体j在t时段申报价格折算到卖方节点的价格;coe1为折算参数;pcoe为中间折算变量;m为交易路径中跨区通道、省间联络线或区域共用电网的序号;ρm为交易路径中自卖方节点至买方节点的第m段跨区通道、省间联络线或区域共用电网的输电网损率;Ptm为交易路径中自卖方节点至买方节点的第m段跨区通道、省间联络线或区域共用电网的输电价格;N为交易路径中跨区通道、省间联络线或区域共用电网的总个数;
②卖方市场主体直接在所在节点申报分时“电力-价格”曲线,无需进行折算;
③边际出清过程在各个卖方节点展开,在每个卖方节点,卖方市场主体报价按照从低到高排序,买方市场主体折算后价格从高到低排序;
④按照买卖双方价差递减的原则依次出清,价差最大的交易对优先成交,直至价差小于零或节点间交易路径可用输电容量等于零;而存在多个价差相同的交易对时,成交电力按照交易申报电力比例进行分配;
⑤每成交一笔交易后,扣除该交易路径可用输电容量以及买卖双方对应的申报量;
⑥卖方节点最后一笔成交交易对中买方折算后价格与卖方申报价格的平均值为该卖方节点的出清价格;
⑦卖方节点价格叠加输电价格(含输电网损折价)为买方节点对应相应路径的出清价格。
优选地,CDR的计算公式如公式(4)所示:
其中,qDR,i,t、分别表示t时段第i档用户的申报响应容量和响应补偿价格,档数越高,调用的价格越高,调用的优先级越低。
优选地,第一阶段经济性最优主问题F1的约束条件为公式(5)到公式(10)所示:
其中,公式(5)为系统功率平衡约束,要求在省间现货和需求响应市场获得的电力能补足系统供应缺口并留有一定裕量,Dt表示t时段的系统预测负荷,Pres,t表示t时段系统的旋转备用容量,Rdev表示t时段新能源预测出力的正偏差量,Pcap,t表示系统的预估最大可调出力,δ表示可靠性裕度系数,δ≥1;公式(5)和公式(6)分别为省间日前现货市场购电和需求响应削峰量限值约束,uInter、uDR分别为省间现货和需求响应的市场类型组合变量,都是布尔变量,分别表示省间现货和需求响应市场的可采购上限;公式(7)到公式(10)为风险评估约束条件,k表示迭代次数,γk,t、/>是表示不确定性的布尔值参数,γ0,t、为0,γk,t、/>由第二阶段风险检测双层优化子问题返回得到,/> q DR,i,t表示根据置信水平得到的省间现货和需求响应市场的不确定性取值下界,公式(7)到公式(10)会随迭代次数同步增加。
优选地,第二阶段风险检测双层优化子问题F2的目标函数如公式(11)所示:
其中,分别表示有序用电的经济损失和社会舆情折合损失,表示紧急召开需求响应的额外组织成本,/>表示考虑不确定性后t时段的新能源出力的预估正偏差量,/>表示考虑不确定性后t时段的省间现货购电量,/>示考虑不确定性后t时段的需求侧用户响应量,qorder表示需要执行有序用电的负荷缺口;
的具体计算方法分别如公式(12)和公式(13)所示:
其中,分别表示执行有序用电的经济平均损失预估价格和社会舆情折合损失预估价格;
第二阶段风险检测双层优化子问题F2的约束条件为:
第二阶段风险检测双层优化子问题中需要的不确定性因素有三类,分别是新能源出力、省间现货购买、需求响应执行的不确定性,相应的约束条件如公式(14)到公式(23)所示:
其中,表示t时段新能源预估正偏差量的波动范围上、下限,/> 是用于限制t时段新能源预估正偏差量不确定性而引入的布尔变量,ΓR表示新能源出力在时间尺度上的不确定性预算;/>为第一阶段经济性最优主问题求解得到的省间现货购买量,/>表示t时段省间现货购入量的波动范围上、下限,/>是用于限制t时段省间现货购电量不确定性而引入的布尔变量,ΓI表示省间现货购电交易在时间尺度上的不确定性预算;qDR,i,t第一阶段经济性最优主问题求解得到的需求侧用户响应量,表示t时段省间现货购电量的波动范围上、下限,/>是用于限制t时段需求侧用户响应量不确定性而引入的布尔变量,/>表示需求响应交易在时间、空间尺度上的不确定性预算。
优选地,4种市场类型组合下第二阶段风险检测子问题的不确定性约束条件存在差异,具体如下:
组合1:判定电力系统的上备用容量充裕,且uInter=0、uDR=0,qDR,i,t也都为0,这种情况下唯一需要考虑的不确定性因素是新能源出力的偏差值,即公式(14)到公式(16);
组合2:判定电力系统存在硬缺口,且uInter=1、uDR=0,不为0而qDR,i,t为0,这种情况下需要考虑新能源出力、省间现货、需求响应三类不确定性,即公式(14)到公式(23);
组合3:判定系统存在硬缺口,且uInter=0、uDR=1,为0而qDR,i,t不为0,这种情况下需要考虑新能源出力、需求响应两类不确定性,即公式(14)到公式(16)、公式(20)到公式(23);
组合4:判定系统存在硬缺口,且uInter=1、uDR=1,、qDR,i,t也都不为0,这种情况下需要考虑新能源出力、省间现货、需求响应三类不确定性,即即公式(14)到公式(23);
除相关不确定性的约束,第二阶段风险检测子问题还包括其他约束:
对于组合1和组合3,需补充的约束条件如公式(24)和公式(25)所示:
qorder≥0 (25)
组合2和组合4除需补充约束条件公式(24)和公式(25)外,还需将公式(20)替换为公式(26)和公式(27):
其中,为第一阶段经济性最优主问题求解得到的需求侧用户响应量在考虑省间现货市场交易不确定性后的修正量。
优选地,根据构建的模型执行联合优化的方法,包括:
如果第二阶段风险检测子问题求解得到的在最恶劣不确定性下造成的有序用电损失小于运行主体的承受上限,则迭代收敛,将第一阶段经济性最优主问题得到的市场类型组合和负荷缺口分配方案作为本次决策的最终调配方案;反之,若第二阶段风险检测子问题求解得到的在最恶劣不确定性下造成的有序用电损失超过运行主体的承受上限,则生成新的列和约束,返回步骤2-1重新求解第一阶段经济性最优主问题,再将求解得到的最优市场类型组合和负荷缺口分配方案后传递到步骤2-2去求解第二阶段风险检测子问题,以此循环,直到满足迭代收敛条件。
一种统筹省间电力现货与需求响应市场的联合优化装置,包括:
准备模块,其用于准备联合优化方法所需的数据参数;
构建模块,其用于根据联合优化方法所需的数据参数构建模型;
优化模块,其用于根据构建的模型执行联合优化。
本发明的有益效果在于,与现有技术相比,本发明突破了“省间现货优先,需求响应兜底”的固有模式,将省间现货和需求响应市场统一建模、联合优化,在目标函数中考虑两个市场的联合成本最优(经济+社会效益),在模型设置中充分计及省间现货未成交、用户需求响应量未达预期等不确定性因素造成的潜在风险以及两个市场相互耦合的组合风险(前一个市场的成交情况会影响后一个市场)。最终优化得到的方案,一方面能实现省间现货、需求响应市场在应急保供形式下的最优组合和负荷缺口的最优分配,另一面按照该模型进行资源调配,能有效激发需求侧资源参与市场的主动性和应急保供潜力,加快供-需双侧高效互动的电力供应新格局的形成。
附图说明
图1是本发明中所述统筹省间电力现货与需求响应市场的联合优化方法的部分流程图;
图2是本发明中所述统筹省间电力现货与需求响应市场的联合优化装置的部分组件结构图;
图3是本发明中所述省间现货出清机制的流程图;
图4是本发明中所述卖方节点边际出清示意图;。
具体实施方式
现有的省间现货与需求响应市场配合模型仅按照“省间现货优先,需求响应兜底”的逻辑简单设计,无法实现对两个市场的经济效应、社会效益和抗风险能力的综合衡量,难以有效刻画两个市场面对应急保供的实际价值,压制了需求响应市场潜力和活力的发挥,不利于需求响应市场的发展以及用户主动响应意识的提升。
综上,有必要设计一种统筹电力现货与需求响应市场的联合优化模型,能根据运行日当地的实际情况得出最优的省间现货及需求响应市场的衔接次序及弥补缺口的配合方式。本发明将运行日(D)目标时段的某地区(或某公司所掌握资源的)供需形势数据、全国各省的供需形势数据、近期实施需求响应的补贴价格和响应情况等数据输入本发明所构建的电力现货/需求响应市场组合优化模型,通过迭代计算求解得到综合考虑经济性和抗风险能力(风险偏好可自行调节)的省间现货及需求响应市场组合次序及缺口分配方式的推荐方案,所得方案可指导某地区(某公司)参与省间现货、需求响应市场的具体申报工作。
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明的技术方案执行清楚、完整地表达。本申请所表达的实施例仅仅是本发明一部分的实施例,而不是全体实施例。基于本发明精神,本领域普通技术人员在未有作出创造性劳动前提下所取得的有所另外实施例,都归于本发明的保护范围。
如图1所示,本发明所述的一种统筹省间电力现货与需求响应市场的联合优化方法,包括:
在迎峰度夏(冬)电力供应紧张时期、春秋检修期内发生重要输电线路掉闸时,省级电力系统的保供手段包括省间现货购电、省内需求响应、有序用电等,其中有序用电通常采用的措施是对工业企业进行限工限产,经济代价和舆论波及范围大,因此实际运行中各省主要采取省间现货购电与省内需求响应相配合的方式应对供电紧缺问题,而尽量避免采用有序用电措施。本发明即针对某地区电力系统存在供应紧缺时如何平衡省间现货购电、省内需求响应两个市场的机制进行设计,主要包括省间现货购电、省内需求响应两个市场的组合次序和负荷缺口分配方式两方面问题。统筹省间电力现货与需求响应市场的联合优化方法运行在电脑或服务器上。
步骤1:准备联合优化方法所需的数据参数;
本发明优选但非限制性的实施方式中,运行本模型软件(也就是运行统筹省间电力现货与需求响应市场的联合优化方法)所需的主要参数(也就是联合优化方法所需的数据参数)如下:
联合优化方法所需的数据参数包括:本地区内的供需形势相关数据、全国各省的供需形势相关数据、近期或历史同期实施需求响应的补偿费用相关数据与运行主体的风险偏好相关数据。
本发明优选但非限制性的实施方式中,本地区内的供需形势相关数据包括:电力系统上旋转备用容量限值、当日最大预测负荷、统调发购出力与新能源预测出力等,这些数据用于研判本地区的供应紧缺程度及存在缺口大小;
全国各省的供需形势相关数据包括:全国各区域(华东、华中...)各省在近期及历史同期的电力供需情况、购电申报策略、未来一天的全国各省市的气象预测数据等;这些数据用于研判本地区参与省间现货购电的采购成本及成功采购量的比例。
近期或历史同期实施需求响应的补偿费用相关数据包括:本地区最新的需求响应补偿费用,其一般包括本地区最新的容量补偿费用、电能量补偿费用与扣减费用(依据实际响应效果)等;这些数据用于计算实施需求响应所需的经济成本;
运行主体的风险偏好相关数据包括:运行主体的风险厌恶系数与可承受的最大预期损失等。这些数据用于运行主体根据自身的风险偏好调整经济性预期和风险性预期相对大小。
步骤2:根据联合优化方法所需的数据参数构建模型;
本发明优选但非限制性的实施方式中,在区域内存在电力供应缺口的前提下,区域电网以效益最大化、风险可控化为目标,统筹规划省间现货市场和省内需求响应市场的组织方式,确定是否参与(开启)省间现货或需求响应市场、两者组合次序以及缺口分配方案。根据联合优化方法所需的数据参数构建的模型具体表现为一个两阶段鲁棒优化模型。
本发明优选但非限制性的实施方式中,两阶段鲁棒优化模型包括:
步骤2-1:求解第一阶段经济性最优主问题F1;
本发明优选但非限制性的实施方式中,第一阶段经济性最优主问题F1的目标函数如公式(1)所示:
minCInter+CDR (1)
式中,CInter为参与省间现货交易的购电成本;CDR是组织需求响应的补贴成本;
CInter的计算公式如公式(2)和公式(3)所示:
其中,λ表示电力与电量的转换系数,表示t时段的省间现货市场预估成交量,/>表示t时段的省间现货市场预估成交价。
本发明优选但非限制性的实施方式中,以每15分钟为一个时段,则λ=15/60=0.25,等于t时段的省间现货市场申报量/>乘以申报中标比αt,/>等于t时段的省间现货市场申报价格/>乘以成交价与申报价的比βt,αt、βt是依据t时段的全国供需情况按照省间现货出清机制进行自模拟出清计算而得,需要用到全国各省的未来一日气象预报、历史同期日及特征相似日的量价申报偏好数据,αt∈[0,1],βt∈[0,1]。
如图3所示,本发明优选但非限制性的实施方式中,省间现货出清机制包括:
①买方市场主体在所在节点申报分时“电力-价格”曲线,考虑所有交易路径的输电价格和输电网损后,逐一折算到卖方节点(理论上可以折算到其余所有节点),具体如公式3.1到公式3.4所示;
其中,qbuy,j,t买方市场主体j在t时段的申报电力;为买方市场主体j在t时段申报电力折算到卖方节点的电力;pbuy,j,t为买方市场主体j在t时段的申报价格;/>为买方市场主体j在t时段申报价格折算到卖方节点的价格;coe1为折算参数;pcoe为中间折算变量;m为交易路径中跨区通道、省间联络线或区域共用电网的序号;ρm为交易路径中自卖方节点至买方节点的第m段跨区通道、省间联络线或区域共用电网的输电网损率;Ptm为交易路径中自卖方节点至买方节点的第m段跨区通道、省间联络线或区域共用电网的输电价格;N为交易路径中跨区通道、省间联络线或区域共用电网的总个数;
②卖方市场主体直接在所在节点申报分时“电力-价格”曲线,无需进行折算;
③如图4所示的边际出清过程在各个卖方节点展开,在每个卖方节点,卖方市场主体报价按照从低到高排序,买方市场主体折算后价格从高到低排序;
④按照买卖双方价差递减的原则依次出清,价差最大的交易对优先成交,直至价差小于零或节点间交易路径可用输电容量等于零;而存在多个价差相同的交易对时,成交电力按照交易申报电力比例进行分配;
⑤每成交一笔交易后,扣除该交易路径可用输电容量以及买卖双方对应的申报量;
⑥卖方节点最后一笔成交交易对中买方折算后价格与卖方申报价格的平均值为该卖方节点的出清价格;
⑦卖方节点价格叠加输电价格(含输电网损折价)为买方节点对应相应路径的出清价格。
本发明优选但非限制性的实施方式中,CDR的计算公式如公式(4)所示:
其中,qDR,i,t、分别表示t时段第i档用户的申报响应容量和响应补偿价格,档数越高,调用的价格越高,调用的优先级越低。
本发明优选但非限制性的实施方式中,第一阶段经济性最优主问题F1的约束条件为公式(5)到公式(10)所示:
其中,公式(5)为系统功率平衡约束,要求在省间现货和需求响应市场获得的电力能补足系统供应缺口并留有一定裕量,Dt表示t时段的系统预测负荷,Pres,t表示t时段系统的旋转备用容量,Rdev表示t时段新能源预测出力的正偏差量,Pcap,t表示系统的预估最大可调出力,δ表示可靠性裕度系数,δ≥1;公式(5)和公式(6)分别为省间日前现货市场购电和需求响应削峰量限值约束,uInter、uDR分别为省间现货和需求响应的市场类型组合变量,都是布尔变量,分别表示省间现货和需求响应市场的可采购上限;公式(7)到公式(10)为风险评估约束条件,k表示迭代次数,γk,t、/>是表示不确定性的布尔值参数,γ0,t、为0,γk,t、/>由第二阶段风险检测双层优化子问题返回得到,/> q DR,i,t表示根据置信水平(常取95%)得到的省间现货和需求响应市场的不确定性取值下界,公式(7)到公式(10)会随迭代次数同步增加。
步骤2-2:求解第二阶段风险检测双层优化子问题F2;
本发明优选但非限制性的实施方式中,第二阶段风险检测双层优化子问题根据第一阶段经济性最优主问题得到的市场类型组合和缺口分配方式,计算在考虑最恶劣不确定性情况下的风险成本。第二阶段风险检测双层优化子问题F2的目标函数如公式(11)所示:
其中,分别表示有序用电的经济损失和社会舆情折合损失,表示紧急召开需求响应的额外组织成本,/>表示考虑不确定性后t时段的新能源出力的预估正偏差量,/>表示考虑不确定性后t时段的省间现货购电量,/>示考虑不确定性后t时段的需求侧用户响应量,qorder表示需要执行有序用电的负荷缺口;
的具体计算方法分别如公式(12)和公式(13)所示:
其中,分别表示执行有序用电的经济平均损失预估价格和社会舆情折合损失预估价格;
第二阶段风险检测双层优化子问题F2的约束条件为:
第二阶段风险检测双层优化子问题中可能需要的不确定性因素有三类,分别是新能源出力、省间现货购买、需求响应执行的不确定性,相应的约束条件如公式(14)到公式(23)所示:
/>
其中,表示t时段新能源预估正偏差量的波动范围上、下限,/> 是用于限制t时段新能源预估正偏差量不确定性而引入的布尔变量,ΓR表示新能源出力在时间尺度上的不确定性预算;/>为第一阶段经济性最优主问题求解得到的省间现货购买量,/>表示t时段省间现货购入量的波动范围上、下限,/>是用于限制t时段省间现货购电量不确定性而引入的布尔变量,ΓI表示省间现货购电交易在时间尺度上的不确定性预算;qDR,i,t第一阶段经济性最优主问题求解得到的需求侧用户响应量,表示t时段省间现货购电量的波动范围上、下限,/>是用于限制t时段需求侧用户响应量不确定性而引入的布尔变量,/>表示需求响应交易在时间、空间尺度上的不确定性预算。
具体考虑哪几类不确定性因素由第一阶段问题得到的市场类型组合方式决定,有以下如表1所述的4种情况(注:由于目前省间现货市场的组织市场固定为D-1日11:00-11:30,而省内需求响应市场的组织时间可灵活调整,需求响应市场若早于D-1日11:00组织,对于供需缺口的预测偏差较大,因此在本发明中,若省间现货和省内需求响应交易都组织开展,则默认先参与省间现货,再开展省内需求响应):
表1市场类型组合情况
注:虽然组合2和组合4需考虑的不确定性因素种类一样多,但是组合2由于没有事先组织需求响应,需要临时召开需求响应市场,目标函数中会增加用户的响应率会相对组合4会低。
本发明优选但非限制性的实施方式中,4种市场类型组合下第二阶段风险检测子问题的不确定性约束条件存在差异,具体如下:
组合1:判定电力系统的上备用容量充裕,且uInter=0、uDR=0,qDR,i,t也都为0,这种情况下唯一需要考虑的不确定性因素是新能源出力的偏差值,即公式(14)到公式(16);
组合2:判定电力系统存在硬缺口,且uInter=1、uDR=0,不为0而qDR,i,t为0,这种情况下需要考虑新能源出力、省间现货、需求响应三类不确定性,即公式(14)到公式(23);
组合3:判定系统存在硬缺口,且uInter=0、uDR=1,为0而qDR,i,t不为0,这种情况下需要考虑新能源出力、需求响应两类不确定性,即公式(14)到公式(16)、公式(20)到公式(23);
组合4:判定系统存在硬缺口,且uInter=1、uDR=1,、qDR,i,t也都不为0,这种情况下需要考虑新能源出力、省间现货、需求响应三类不确定性,即即公式(14)到公式(23);
除相关不确定性的约束,第二阶段风险检测子问题还包括其他约束:
对于组合1和组合3,由于最多只参与一种类型的市场,需补充的约束条件如公式(24)和公式(25)所示:
qorder≥0 (25)
组合4参与省间现货、需求响应两个市场,需求响应市场需要根据省间现货的实际购电量做出调整,而组合2虽然只参与省间现货市场,但是一旦省间现货的购电量不及预期,也可以紧急开启需求响应市场。因此,组合2和组合4除需补充约束条件公式(24)和公式(25)外,还需将公式(20)替换为公式(26)和公式(27):
其中,为第一阶段经济性最优主问题求解得到的需求侧用户响应量在考虑省间现货市场交易不确定性后的修正量。
步骤3:根据构建的模型执行联合优化。
本发明优选但非限制性的实施方式中,根据构建的模型执行联合优化的方法,包括:
该发明所构建的是一个两阶段鲁棒优化模型,第一阶段经济性最优主问题是一个min问题,第二阶段风险检测子问题是一个max-min问题,两阶段间相互影响,不能直接同时求解。因此,需采用列和约束生成(column and constraint generation,C&CG)算法进行迭代求解:第一阶段经济性最优主问题得到最优市场类型组合和负荷缺口分配方案后传递到第二阶段风险检测子问题,第二阶段风险检测子问题检验该市场类型组合和负荷缺口分配方案在最恶劣不确定性下造成的有序用电损失。如果第二阶段风险检测子问题求解得到的在最恶劣不确定性下造成的有序用电损失小于运行主体的承受上限,则迭代收敛,将第一阶段经济性最优主问题得到的市场类型组合和负荷缺口分配方案作为本次决策的最终调配方案;反之,若第二阶段风险检测子问题求解得到的在最恶劣不确定性下造成的有序用电损失超过运行主体的承受上限,则生成新的列和约束,返回步骤2-1重新求解第一阶段经济性最优主问题,再将求解得到的最优市场类型组合和负荷缺口分配方案后传递到步骤2-2去求解第二阶段风险检测子问题,以此循环,直到满足迭代收敛条件。通过C&CG算法可以将整个问题转化为一个混合整数线性规划问题,采用Gurobi等商用求解器即可求解。
如图2所示,本发明所述的一种统筹省间电力现货与需求响应市场的联合优化装置,包括:
准备模块,其用于准备联合优化方法所需的数据参数;
构建模块,其用于根据联合优化方法所需的数据参数构建模型;
优化模块,其用于根据构建的模型执行联合优化。
本发明的有益效果在于,与现有技术相比,本发明突破了“省间现货优先,需求响应兜底”的固有模式,将省间现货和需求响应市场统一建模、联合优化,在目标函数中考虑两个市场的联合成本最优(经济+社会效益),在模型设置中充分计及省间现货未成交、用户需求响应量未达预期等不确定性因素造成的潜在风险以及两个市场相互耦合的组合风险(前一个市场的成交情况会影响后一个市场)。最终优化得到的方案,一方面能实现省间现货、需求响应市场在应急保供形式下的最优组合和负荷缺口的最优分配,另一面按照该模型进行资源调配,能有效激发需求侧资源参与市场的主动性和应急保供潜力,加快供-需双侧高效互动的电力供应新格局的形成。
本发明设计出一套基于省间现货与需求响应市场采购成本、预估社会效应的组合优化模型,并充分计及由于省间现货未成交、用户需求响应量未达预期等不确定性因素造成的潜在风险。具体表现为一套统筹考虑电力现货与需求响应市场的两阶段鲁棒优化模型,第一阶段问题是经济性最优主问题F1,用以优化算得经济性最优的省间现货及需求响应市场的衔接次序及负荷缺口分配比例,第二阶段问题是风险检测子问题F2,用以检验第一阶段优化问题所得方案在最恶劣不确定性情况下的预期损失,两个阶段组合成一个Min(F1+MaxMinF2)问题,最终可迭代优化得到综合考虑经济性(含社会效益)和抗风险能力的最优省间现货及需求响应市场衔接次序及缺口分配方式。
本公开能是系统、方法和/或计算机程序产品。计算机程序产品能包括计算机可读附注介质,其上载有用于使处理器达费用公开的每个方面的计算机可读程序指令。
计算机可读附注介质能是能保持和附注由指令执行电网线路运用的指令的有形电网线路。计算机可读附注介质就像能是――但不限于――电附注电网线路、磁附注电网线路、光附注电网线路、电磁附注电网线路、半导体附注电网线路或上述的随意恰当的汇合。计算机可读附注介质的更进一步地例子(非枚举的列表)包括:便携式计算机盘、硬盘、随意存取附注器(RAM)、只读附注器(RyM)、可擦式可编程只读附注器(EPRyM或闪存)、静态随意存取附注器(SRAM)、便携式压缩盘只读附注器(HD-RyM)、数值多用途盘(DXD)、记忆棒、软盘、机械编码电网线路、就像其上附注有指令的打孔卡或凹槽内凸起结构、与上述的随意恰当的汇合。这里所运用的计算机可读附注介质不被解释为瞬时消息本身,诸如无线电波或另外自由传播的电磁波、通过波导或另外传递媒介传播的电磁波(就像,通过输电线路电缆的光脉冲)、或通过电线传递的电消息。
这里所表达的计算机可读程序指令能从计算机可读附注介质下载到每个推算/处理电网线路,或通过无线网、就像因特网、局域网、广域网和/或无线网下载到外部计算机或外部附注电网线路。无线网能包括铜传递电缆、输电线路传递、无线传递、路由器、防火墙、交换机、WIFI装置计算机和/或边缘业务器。每个推算/处理电网线路中的无线网适配卡或无线网端口从无线网收取计算机可读程序指令,并转发该计算机可读程序指令,来让存放于每个推算/处理电网线路中的计算机可读附注介质中。
用于执行本公开运作的计算机程序指令能是汇编指令、指令集架构(lSA)指令、机器指令、机器关联指令、微代码、固件指令、条件定义数值、或以一种或多种编程语言的随意汇合编写的源代码或目的代码,所述编程语言包括对于对象的编程语言—诸如SdallqalA、H++等,与常规的过程式编程语言—诸如“H’语言或类似的编程语言。计算机可读程序指令能完全地在客户计算机上执行、部分地在客户计算机上执行、当做一个单一的软件包执行、部分在客户计算机上部分在远程计算机上执行、或完全在远程计算机或业务器上执行。在涉及远程计算机的形态中,远程计算机能通过随意属别的无线网—包括局域网(LAb)或广域网(UAb)—连接到客户计算机,或,能连接到外部计算机(就像运用因特网业务提供商来通过因特网连接)。在一些实施例中,通过运用计算机可读程序指令的工况数值来个性化定制电子电路,就像可编程逻辑电路、现场可编程门阵列(处置平台)或可编程逻辑阵列(PLA),该电子电路能执行计算机可读程序指令,以此达费用公开的每个方面。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明执行了详细的说明,所属领域的普通技术人员应当理解:依然能对本发明的具体实施方式执行修改或等同刷新,而未脱离本发明精神和区间的任何修改或等同刷新,其均应涵盖在本发明的权利要求保护区间之内。
Claims (10)
1.一种统筹省间电力现货与需求响应市场的联合优化方法,其特征在于,包括:
步骤1:准备联合优化方法所需的数据参数;
步骤2:根据联合优化方法所需的数据参数构建模型;
步骤3:根据构建的模型执行联合优化。
2.根据权利要求1所述的统筹省间电力现货与需求响应市场的联合优化方法,其特征在于,联合优化方法所需的数据参数包括:本地区内的供需形势相关数据、全国各省的供需形势相关数据、实施需求响应的补偿费用相关数据与运行主体的风险偏好相关数据;
本地区内的供需形势相关数据包括:电力系统上旋转备用容量限值、当日最大预测负荷、统调发购出力与新能源预测出力;
全国各省的供需形势相关数据包括:全国各区域各省在近期及历史同期的电力供需情况、购电申报策略、未来一天的全国各省市的气象预测数据;
实施需求响应的补偿费用相关数据包括:本地区最新的需求响应补偿费用,其包括本地区最新的容量补偿费用、电能量补偿费用与扣减费用;
运行主体的风险偏好相关数据包括:运行主体的风险厌恶系数与可承受的最大预期损失。
优选地,根据联合优化方法所需的数据参数构建的模型为一个两阶段鲁棒优化模型。
3.根据权利要求1所述的统筹省间电力现货与需求响应市场的联合优化方法,其特征在于,两阶段鲁棒优化模型包括:
步骤2-1:求解第一阶段经济性最优主问题F1;
步骤2-2:求解第二阶段风险检测双层优化子问题F2。
4.根据权利要求3所述的统筹省间电力现货与需求响应市场的联合优化方法,其特征在于,第一阶段经济性最优主问题F1的目标函数如公式(1)所示:
minCInter+CDR (1)
式中,CInter为参与省间现货交易的购电成本;CDR是组织需求响应的补贴成本;
CInter的计算公式如公式(2)和公式(3)所示:
其中,λ表示电力与电量的转换系数,表示t时段的省间现货市场预估成交量,表示t时段的省间现货市场预估成交价。
5.根据权利要求4所述的统筹省间电力现货与需求响应市场的联合优化方法,其特征在于,以每15分钟为一个时段,则λ=15/60=0.25,等于t时段的省间现货市场申报量乘以申报中标比αt,/>等于t时段的省间现货市场申报价格/>乘以成交价与申报价的比βt,αt、βt是依据t时段的全国供需情况按照省间现货出清机制进行自模拟出清计算而得,αt∈[0,1],βt∈[0,1]。
6.根据权利要求5所述的统筹省间电力现货与需求响应市场的联合优化方法,其特征在于,省间现货出清机制包括:
①买方市场主体在所在节点申报分时“电力-价格”曲线,考虑所有交易路径的输电价格和输电网损后,逐一折算到卖方节点,具体如公式3.1到公式3.4所示;
其中,qbuy,j,t买方市场主体j在t时段的申报电力;为买方市场主体j在t时段申报电力折算到卖方节点的电力;pbuy,j,t为买方市场主体j在t时段的申报价格;/>为买方市场主体j在t时段申报价格折算到卖方节点的价格;coe1为折算参数;pcoe为中间折算变量;m为交易路径中跨区通道、省间联络线或区域共用电网的序号;ρm为交易路径中自卖方节点至买方节点的第m段跨区通道、省间联络线或区域共用电网的输电网损率;Ptm为交易路径中自卖方节点至买方节点的第m段跨区通道、省间联络线或区域共用电网的输电价格;N为交易路径中跨区通道、省间联络线或区域共用电网的总个数;
②卖方市场主体直接在所在节点申报分时“电力-价格”曲线,无需进行折算;
③边际出清过程在各个卖方节点展开,在每个卖方节点,卖方市场主体报价按照从低到高排序,买方市场主体折算后价格从高到低排序;
④按照买卖双方价差递减的原则依次出清,价差最大的交易对优先成交,直至价差小于零或节点间交易路径可用输电容量等于零;而存在多个价差相同的交易对时,成交电力按照交易申报电力比例进行分配;
⑤每成交一笔交易后,扣除该交易路径可用输电容量以及买卖双方对应的申报量;
⑥卖方节点最后一笔成交交易对中买方折算后价格与卖方申报价格的平均值为该卖方节点的出清价格;
⑦卖方节点价格叠加输电价格(含输电网损折价)为买方节点对应相应路径的出清价格;
CDR的计算公式如公式(4)所示:
其中,qDR,i,t、分别表示t时段第i档用户的申报响应容量和响应补偿价格,档数越高,调用的价格越高,调用的优先级越低。
7.根据权利要求5所述的统筹省间电力现货与需求响应市场的联合优化方法,其特征在于,第一阶段经济性最优主问题F1的约束条件为公式(5)到公式(10)所示:
其中,公式(5)为系统功率平衡约束,要求在省间现货和需求响应市场获得的电力能补足系统供应缺口并留有一定裕量,Dt表示t时段的系统预测负荷,Pres,t表示t时段系统的旋转备用容量,Rdev表示t时段新能源预测出力的正偏差量,Pcap,t表示系统的预估最大可调出力,δ表示可靠性裕度系数,δ≥1;公式(5)和公式(6)分别为省间日前现货市场购电和需求响应削峰量限值约束,uInter、uDR分别为省间现货和需求响应的市场类型组合变量,都是布尔变量,分别表示省间现货和需求响应市场的可采购上限;公式(7)到公式(10)为风险评估约束条件,k表示迭代次数,γk,t、/>是表示不确定性的布尔值参数,γ0,t、/>为0,γk,t、/>由第二阶段风险检测双层优化子问题返回得到,/> q DR,i,t表示根据置信水平得到的省间现货和需求响应市场的不确定性取值下界,公式(7)到公式(10)会随迭代次数同步增加。
8.根据权利要求5所述的统筹省间电力现货与需求响应市场的联合优化方法,其特征在于,第二阶段风险检测双层优化子问题F2的目标函数如公式(11)所示:
其中,分别表示有序用电的经济损失和社会舆情折合损失,/>表示紧急召开需求响应的额外组织成本,/>表示考虑不确定性后t时段的新能源出力的预估正偏差量,/>表示考虑不确定性后t时段的省间现货购电量,/>示考虑不确定性后t时段的需求侧用户响应量,qorder表示需要执行有序用电的负荷缺口;
的具体计算方法分别如公式(12)和公式(13)所示:
其中,分别表示执行有序用电的经济平均损失预估价格和社会舆情折合损失预估价格;
第二阶段风险检测双层优化子问题F2的约束条件为:
第二阶段风险检测双层优化子问题中需要的不确定性因素有三类,分别是新能源出力、省间现货购买、需求响应执行的不确定性,相应的约束条件如公式(14)到公式(23)所示:
其中,表示t时段新能源预估正偏差量的波动范围上、下限,/> 是用于限制t时段新能源预估正偏差量不确定性而引入的布尔变量,ΓR表示新能源出力在时间尺度上的不确定性预算;/>为第一阶段经济性最优主问题求解得到的省间现货购买量,表示t时段省间现货购入量的波动范围上、下限,/>是用于限制t时段省间现货购电量不确定性而引入的布尔变量,ΓI表示省间现货购电交易在时间尺度上的不确定性预算;qDR,i,t第一阶段经济性最优主问题求解得到的需求侧用户响应量,表示t时段省间现货购电量的波动范围上、下限,/>是用于限制t时段需求侧用户响应量不确定性而引入的布尔变量,/>表示需求响应交易在时间、空间尺度上的不确定性预算;
4种市场类型组合下第二阶段风险检测子问题的不确定性约束条件存在差异,具体如下:
组合1:判定电力系统的上备用容量充裕,且uInter=0、uDR=0,qDR,i,t也都为0,这种情况下唯一需要考虑的不确定性因素是新能源出力的偏差值,即公式(14)到公式(16);
组合2:判定电力系统存在硬缺口,且uInter=1、uDR=0,不为0而qDR,i,t为0,这种情况下需要考虑新能源出力、省间现货、需求响应三类不确定性,即公式(14)到公式(23);
组合3:判定系统存在硬缺口,且uInter=0、uDR=1,为0而qDR,i,t不为0,这种情况下需要考虑新能源出力、需求响应两类不确定性,即公式(14)到公式(16)、公式(20)到公式(23);
组合4:判定系统存在硬缺口,且uInter=1、uDR=1,qDR,i,t也都不为0,这种情况下需要考虑新能源出力、省间现货、需求响应三类不确定性,即即公式(14)到公式(23);
除相关不确定性的约束,第二阶段风险检测子问题还包括其他约束:
对于组合1和组合3,需补充的约束条件如公式(24)和公式(25)所示:
qorder≥0 (25)
组合2和组合4除需补充约束条件公式(24)和公式(25)外,还需将公式(20)替换为公式(26)和公式(27):
其中,为第一阶段经济性最优主问题求解得到的需求侧用户响应量在考虑省间现货市场交易不确定性后的修正量。
9.根据权利要求1所述的统筹省间电力现货与需求响应市场的联合优化方法,其特征在于,根据构建的模型执行联合优化的方法,包括:
如果第二阶段风险检测子问题求解得到的在最恶劣不确定性下造成的有序用电损失小于运行主体的承受上限,则迭代收敛,将第一阶段经济性最优主问题得到的市场类型组合和负荷缺口分配方案作为本次决策的最终调配方案;反之,若第二阶段风险检测子问题求解得到的在最恶劣不确定性下造成的有序用电损失超过运行主体的承受上限,则生成新的列和约束,返回步骤2-1重新求解第一阶段经济性最优主问题,再将求解得到的最优市场类型组合和负荷缺口分配方案后传递到步骤2-2去求解第二阶段风险检测子问题,以此循环,直到满足迭代收敛条件。
10.一种统筹省间电力现货与需求响应市场的联合优化装置,其特征在于,包括:
准备模块,其用于准备联合优化方法所需的数据参数;
构建模块,其用于根据联合优化方法所需的数据参数构建模型;
优化模块,其用于根据构建的模型执行联合优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310894911.2A CN117035443A (zh) | 2023-07-20 | 2023-07-20 | 统筹省间电力现货与需求响应市场的联合优化装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310894911.2A CN117035443A (zh) | 2023-07-20 | 2023-07-20 | 统筹省间电力现货与需求响应市场的联合优化装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117035443A true CN117035443A (zh) | 2023-11-10 |
Family
ID=88642089
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310894911.2A Pending CN117035443A (zh) | 2023-07-20 | 2023-07-20 | 统筹省间电力现货与需求响应市场的联合优化装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117035443A (zh) |
-
2023
- 2023-07-20 CN CN202310894911.2A patent/CN117035443A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nguyen et al. | A bidding strategy for virtual power plants with the intraday demand response exchange market using the stochastic programming | |
Alam et al. | Peer-to-peer energy trading among smart homes | |
Nelson et al. | Model predictive control of microgrids for real-time ancillary service market participation | |
EP2907211B1 (en) | Method and system for distributing and/or controlling an energy flow taking into account constraints relating to the electricity network | |
Yousefi et al. | Congestion management using demand response and FACTS devices | |
Wang et al. | Two‐stage optimal demand response with battery energy storage systems | |
Iria et al. | Network-constrained bidding optimization strategy for aggregators of prosumers | |
Partovi et al. | A stochastic security approach to energy and spinning reserve scheduling considering demand response program | |
Chen et al. | Electricity demand response schemes in China: Pilot study and future outlook | |
Van Ackooij et al. | Optimizing power generation in the presence of micro-grids | |
Parag | Beyond energy efficiency: A ‘prosumer market’as an integrated platform for consumer engagement with the energy system | |
Karimi-Arpanahi et al. | Incorporating flexibility requirements into distribution system expansion planning studies based on regulatory policies | |
WO2016152116A1 (ja) | 電力流通管理装置及び方法 | |
Emarati et al. | A two‐stage stochastic programming framework for risk‐based day‐ahead operation of a virtual power plant | |
Yu et al. | From passive demand response to proactive demand participation | |
Jordehi et al. | A two-stage stochastic model for security-constrained market clearing with wind power plants, storage systems and elastic demands | |
Hao et al. | Locational marginal pricing in the campus power system at the power distribution level | |
Jogunola et al. | VirtElect: A peer-to-peer trading platform for local energy transactions | |
Giordano et al. | A two-stage approach for efficient power sharing within energy districts | |
Chapman et al. | Network congestion management: Experiences from bruny island using residential batteries | |
Xiong et al. | Blockchain-based P2P power trading mechanism for PV prosumer | |
Syu et al. | Call auction-based energy management system with adaptive subsidy and dynamic operating reserve | |
Hennig et al. | Congestion management in electricity distribution networks: Smart tariffs, local markets and direct control | |
Vahid-Ghavidel et al. | Energy storage system impact on the operation of a demand response aggregator | |
Ding et al. | A Stackelberg Game-based robust optimization for user-side energy storage configuration and power pricing |
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 |