CN117094849A - 储能电站参与多类电力市场的优化运行方法、装置及设备 - Google Patents
储能电站参与多类电力市场的优化运行方法、装置及设备 Download PDFInfo
- Publication number
- CN117094849A CN117094849A CN202311017110.4A CN202311017110A CN117094849A CN 117094849 A CN117094849 A CN 117094849A CN 202311017110 A CN202311017110 A CN 202311017110A CN 117094849 A CN117094849 A CN 117094849A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- power station
- day
- storage power
- market
- 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 350
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000005457 optimization Methods 0.000 claims abstract description 98
- 230000032683 aging Effects 0.000 claims abstract description 53
- 230000005611 electricity Effects 0.000 claims abstract description 52
- 238000007599 discharging Methods 0.000 claims abstract description 45
- 230000006870 function Effects 0.000 claims description 53
- 238000004590 computer program Methods 0.000 claims description 16
- 230000008901 benefit Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000003827 upregulation Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 230000002222 downregulating effect Effects 0.000 claims description 4
- 230000003828 downregulation Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种储能电站参与多类电力市场的优化运行方法、装置及设备,所述方法包括获取储能电站的交易数据和性能参数、电力市场的运营参数及电价数据;计算储能电站日前计划充放电功率;根据储能电站日前计划充放电功率及预设的日前电价预测场景,考虑老化成本构建储能电站参与两类日前市场的联合优化交易模型,得到储能电站日前市场联合优化运行方案,储能电站日前市场联合优化运行方案包括储能电站日内计划充放电功率和日内计划备用容量。本发明提供的方法考虑运行时段、运行场景及老化成本,对交易时序和市场类别双解耦,实现设备老化损耗的储能电站参与多类电力市场的优化运行,提升储能电站在电力市场环境下多场景运行的经济性。
Description
技术领域
本发明属于电力市场技术领域,具体涉及一种储能电站参与多类电力市场的优化运行方法、装置及设备。
背景技术
新能源大规模并网背景下,储能电站等灵活性资源成为构建新型电力系统的重要支撑。现有技术中还未形成多类电力市场的独立储能电站运行方式的指导意见,导致储能电站运行经济性不足、资源利用率不高等问题。因此,亟需建立适用于储能电站参与电力现货市场的运行方法,推动储能电站作为灵活性电力资源参与电力系统平衡及调节过程。
在电力市场建设环境下,考虑运行时段、运行场景及储能电站老化成本,基于市场收益对储能电站的运行方法进行优化,是推动储能电站积极参与电力系统平衡与调节的经济动力与技术支撑。相关技术中,应用两类电力市场环境下的储能电站运行方式,一类是储能电站实时跟踪执行电力调度机构下发的指令,进行功率响应,事后按固定价格获得收益;另一类是储能电站在某类电力市场提前一天申报自调度运行曲线,通过安全校核后,次日可按照申报曲线运行,且不能同时参与其他类别电力市场交易。
对于这两类运行方式,前者未给予储能电站参与不同类别电力市场、制定不同时段运行策略的自主选择权,且未考虑储能电站频繁响应调度指令所产生的设备老化,影响储能电站运行;后者则未考虑储能电站参与不同类别电力市场、不同组织时序交易的兼容性,不利于储能电站从全局角度发挥灵活调节作用。因此,现有技术中储能电站在电力市场环境下多场景运行的经济性较低。
发明内容
有鉴于此,本发明的目的在于克服现有技术的不足,提供一种储能电站参与多类电力市场的优化运行方法、装置及设备,以解决现有技术中储能电站在电力市场环境下多场景运行的经济性较低的问题。
为实现以上目的,本发明采用如下技术方案:一种储能电站参与多类电力市场的优化运行方法,包括:
获取储能电站的交易数据和性能参数、电力市场的运营参数及电价数据;
基于所述交易数据、性能参数、运营参数及电价数据,计算储能电站日前计划充放电功率;
根据所述储能电站日前计划充放电功率及预设的日前电价预测场景,考虑老化成本构建储能电站参与两类日前市场的联合优化交易模型;
求解所述联合优化交易模型,得到储能电站日前市场联合优化运行方案;其中,所述储能电站日前市场联合优化运行方案包括储能电站日内计划充放电功率和日内计划备用容量。
进一步的,还包括:
基于所述交易数据、运营参数及储能电站日前计划充放电功率,计算充放电电量,基于所述运营参数、电价数据和充放电电量计算储能电站在中长期市场的单日总收益;
基于储能电站日前市场联合优化运行方案,根据电价数据计算储能电站参与两类日内市场的无法履约量购买成本;两类日内市场包括日内电能量市场和日内辅助服务市场;
根据储能电站日前市场联合优化运行方案得到的储能电站参与日前和日内市场的单日预测收益和单日老化成本;
根据储能电站在中长期市场的单日总收益、无法履约量购买成本、储能电站参与日前和日内市场的单日预测收益、单日老化成本,预测储能电站多时间多场景下的单日净收益;
根据所述单日净收益调整所述储能电站日前市场联合优化运行方案。
进一步的,所述根据所述储能电站日前计划充放电功率及预设的日前电价预测场景,考虑老化成本构建储能电站参与两类日前市场的联合优化交易模型,包括:
构建储能电站的单日老化成本函数;
构建储能电站在日前电能量市场的单日收益预测函数;
构建储能电站在日前辅助服务市场的单日收益预测函数;
基于所述储能电站的单日老化成本函数、在日前电能量市场的单日收益预测函数以及日前辅助服务市场的单日收益预测函数,得到优化目标函数;
根据所述优化目标函数和相应的约束条件构建储能电站参与两类日前市场的联合优化交易模型。
进一步的,所述优化目标函数以储能电站参与日前电能量市场和日前辅助服务市场的净收益最大为优化目标;
所述优化目标函数为R2s(P2c_t,P2d_t,Q2up_t,Q2do_t)=R2e+R2a-Cw;
所述约束条件包括:
储能电站功率约束,
储能电站电量约束,
储能电站备用容量约束,
其中,P2c_t、P2d_t、Q2up_t、Q2do_t均为优化目标函数的待优化变量;R2s(P2c_t,P2d_t,Q2up_t,Q2do_t)为优化目标函数;Cw为储能电站单日老化成本函数;R2e为储能电站在日前电能量市场的单日收益预测函数;R2a为储能电站在日前辅助服务市场的单日收益预测函数;S1c_t、S1d_t分别为中长期交易约定的t时段储能电站充、放电状态指标;S2c_t、S2d_t分别为日前交易约定的t时段储能电站充、放电状态指标;P1c_t、P1d_t分别为t时段储能电站日前计划充、放电功率;Pcmax、Pdmax分别为储能电站最大充、放电功率;Et为t时段储能电站荷电量;Et-1为t-1时段储能电站荷电量;ηc、ηd分别为储能电站充、放电效率;Δt为每个交易时段t的时长;Emin、Emax分别为储能电站运行荷电量区间下限值和上限值;Q2up_t为储能电站上调备用容量;Q2do_t为储能电站下调备用容量;P2c_t、P2d_t分别为日前电能量交易约定的t时段储能电站充、放电功率;k为备用容量调节时段的序号,K为备用容量连续上调或下调时段数量。
进一步的,求解所述联合优化交易模型,得到储能电站日前市场联合优化运行方案,包括:
在约束条件下,以优化目标函数的最大值为目标进行求解,得到储能电站日内计划充电功率和放电功率,以及储能电站日内计划上调备用容量和计划下调备用容量。
进一步的,所述基于储能电站日前市场联合优化运行方案,根据电价数据计算储能电站参与两类日内市场的无法履约量购买成本,包括:
根据所述交易数据计算储能电站在日内电能量市场购买无法按计划履约电能量的第一成本;
根据所述交易数据计算储能电站在日内辅助服务市场购买无法按计划履约备用容量的第二成本;
利用第一成本和第二成本计算储能电站在两类日内市场无法履约量的购买总成本。
进一步的,所述根据储能电站日前市场联合优化运行方案得到的储能电站参与日前和日内市场的单日预测收益和单日老化成本,包括:
根据所述运营参数和联合优化交易模型,计算储能电站参与日前和日内电能量市场的第一单日收益,以及计算储能电站参与日前和日内辅助服务市场的第二单日收益;
根据第一单日收益和第二单日收益,得到储能电站参与日前和日内市场的单日预测收益;
根据储能电站实际充放电功率和实际调用备用容量计算储能电站老化成本。
本申请实施例提供一种储能电站参与多类电力市场的优化运行装置,包括:
获取模块,用于获取储能电站的交易数据和性能参数、电力市场的运营参数及电价数据;
第一计算模块,用于基于所述交易数据、性能参数、运营参数及电价数据,计算储能电站日前计划充放电功率;
构建模块,用于根据所述储能电站日前计划充放电功率及预设的日前电价预测场景,考虑老化成本构建储能电站参与两类日前市场的联合优化交易模型;
求解模块,用于求解所述联合优化交易模型,得到储能电站日前市场联合优化运行方案;其中,所述储能电站日前市场联合优化运行方案包括储能电站日内计划充放电功率和日内计划备用容量。
进一步的,还包括:
第二计算模块,用于基于所述交易数据、运营参数及储能电站日前计划充放电功率,计算充放电电量,基于所述运营参数、电价数据和充放电电量计算储能电站在中长期市场的单日总收益;
第三计算模块,用于基于储能电站日前市场联合优化运行方案,根据电价数据计算储能电站参与两类日内市场的无法履约量购买成本;两类日内市场包括日内电能量市场和日内辅助服务市场;
第四计算模块,用于根据储能电站日前市场联合优化运行方案得到的储能电站参与日前和日内市场的单日预测收益和单日老化成本;
预测模块,用于根据储能电站在中长期市场的单日总收益、无法履约量购买成本、储能电站参与日前和日内市场的单日预测收益和单日老化成本,预测储能电站多时间多场景下的单日净收益;
调整模块,用于根据所述单日净收益调整所述储能电站日前市场联合优化运行方案。
本申请实施例提供一种计算机设备,包括:存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行上述任一项储能电站参与多类电力市场的优化运行方法的步骤。
本发明采用以上技术方案,能够达到的有益效果包括:
本发明提供一种储能电站参与多类电力市场的优化运行方法、装置及计算机设备,本申请通过储能电站的交易数据、性能参数,电力市场的运营参数及电价数据,计算储能电站日前计划充放电功率,然后根据储能电站日前计划充放电功率及预设的日前电价预测场景,构建考虑老化成本的储能电站参与两类日前市场的联合优化交易模型,求解该模型,得到储能电站日前市场联合优化运行方案。本发明提供的方法考虑运行时段、运行场景及老化成本,对交易时序和市场类别双解耦,实现设备老化损耗的储能电站参与多类电力市场的优化运行,提升储能电站在电力市场环境下多场景运行的经济性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明储能电站参与多类电力市场的优化运行方法的步骤示意图;
图2为本发明储能电站参与多类电力市场的优化运行装置的结构示意图;
图3为本发明储能电站参与多类电力市场的优化运行方法涉及的计算机设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
下面结合附图介绍本申请实施例中提供的一个具体的储能电站参与多类电力市场的优化运行方法、装置及计算机设备。
如图1所示,本申请实施例中提供的储能电站参与多类电力市场的优化运行方法,包括:
S101,获取储能电站的交易数据和性能参数、电力市场的运营参数及电价数据;
其中,交易数据包括中长期交易数据、日前交易数据和日内交易数据,具体如下:
储能电站的中长期交易数据,包括:中长期交易约定的t时段储能充电功率P’1c_t和放电功率P’1d_t,中长期交易约定的t时段储能充电状态指标S1c_t(S1c_t=1表示t时段储能处于充电状态;S1c_t=0则表示t时段储能不处于充电状态)和放电状态指标S1d_t(S1d_t=1表示t时段储能处于放电状态;S1d_t=0则表示t时段储能不处于放电状态)。
(2)储能电站的日前交易数据,包括:根据新能源出力预测确定的t时段储能日前预测需求充电功率P”1c_t和需求放电功率P”1d_t;日前交易约定的t时段储能充电状态指标S2c_t(S2c_t=1表示t时段储能处于充电状态;S2c_t=0则表示t时段储能不处于充电状态)和放电状态指标S2d_t(S2d_t=1表示t时段储能处于放电状态;S2d_t=0则表示t时段储能不处于放电状态)。
(3)储能电站的日内交易数据,包括:日内交易开始前确定的储能t时段无法履约的充电功率偏差量ΔP3c_t和放电功率偏差量ΔP3d_t,日内交易开始前确定的储能储能t时段无法履约的上调备用容量偏差量ΔQ3up_t和下调备用容量偏差量ΔQ3do_t。
获取储能电站的性能参数。具体包括:
(1)储能运行参数,包括:储能额定荷电量Ee、储能最大充电功率Pcmax和最大放电功率Pdmax、储能运行荷电量区间下限值Emin和上限值Emax、储能充电效率ηc和放电效率ηd。
(2)储能经济参数,包括:单位存储电量投资成本Cc、储能循环次数寿命N。
电力市场的运营参数,包括:每个交易时段t的时长Δt、每日交易时段个数T。
电力市场的电价数据,包括:储能中长期市场t时段充电电价λ1c_t和放电电价λ1d_t;日前电能量市场预测电价场景数量I、第i个场景的日前电能量市场t时段预测电价λ2ei_t及其出现概率ρ2i、日前辅助服务市场预测电价场景数量J、第j个场景的日前辅助服务市场t时段预测备用容量价格λ2aj_t及其出现概率ρ2j;日内电能量市场t时段电能量预测价格λ3e_t、日内辅助服务市场t时段备用容量预测价格λ3a_t。
S102,基于所述交易数据、性能参数、运营参数及电价数据,计算储能电站日前计划充放电功率;
具体的,采用以下方式确定t时段储能日前计划充电功率P1c_t和放电功率P1d_t,
S103,根据所述储能电站日前计划充放电功率及预设的日前电价预测场景,考虑老化成本构建储能电站参与两类日前市场的联合优化交易模型;
一些实施例中,根据所述储能电站日前计划充放电功率及预设的日前电价预测场景,考虑老化成本构建储能电站参与两类日前市场的联合优化交易模型,包括:
构建储能电站的单日老化成本函数;具体为
首先构建计算储能电站的总投资成本Cs,具体为
Cs=CcEe
计算储能电站在全寿命周期内的充放总电量Es,
Es=NEe(ηc+1/ηd)
以储能全寿命周期内的充放总电量均摊储能电站的总投资成本,得到储能单位电量充放成本Ce,
Ce=Cs/Es
预设储能t时段运行结束后的荷电量为Et,构建t时段的储能单日老化成本函数Cw_t,
Cw_t=Ce×|Et-Et-1|
计算储能电站的单日老化成本函数Cw,
构建储能电站在日前电能量市场的单日收益预测函数;具体为
设定日前电能量交易约定的t时段储能充电功率P2c_t、放电功率P2d_t为待优化变量,采用以下方式建立第i个预测场景下日前电能量交易对应的t时段储能收益函数R2ei_t,
R2ei_t=λ2ei_t(P2d_tΔt-P2c_tΔt)
采用以下方式考虑预测场景出现概率及全天时段,建立储能电站在日前电能量市场的单日收益预测函数R2e,
构建储能电站在日前辅助服务市场的单日收益预测函数;具体为
设定日前辅助服务交易约定的t时段储能上调备用容量Q2up_t、下调备用容量Q2do_t为待优化变量,采用以下方式建立第j个预测场景下日前辅助服务交易对应的t时段储能预测收益函数R2aj_t,
R2aj_t=λ2aj_t(Q2up_tΔt+Q2do_tΔt)
考虑预测场景出现概率及全天时段,采用以下方式建立储能电站在日前辅助服务市场的单日收益预测函数R2a,
基于所述储能电站的单日老化成本函数、在日前电能量市场的单日收益预测函数以及日前辅助服务市场的单日收益预测函数,得到优化目标函数;具体为
R2s(P2c_t,P2d_t,Q2up_t,Q2do_t)=R2e+R2a-Cw
根据所述优化目标函数和相应的约束条件构建储能电站参与两类日前市场的联合优化交易模型。
其中,所述优化目标函数以储能电站参与日前电能量市场和日前辅助服务市场的净收益最大为优化目标;
约束条件,包括:储能功率约束、储能电量约束和储能备用容量约束。
具体的,日前电能量市场确定的储能充放电功率分别与中长期交易确定的储能充放电功率之和,均不能超过储能最大充电功率Pcmax和最大放电功率Pdmax,由此确定储能功率约束条件,
根据储能电站充电效率ηc、放电效率ηd,储能电站运行荷电量区间下限值Emin和储能电站运行荷电量区间上限值Emax,日前电能量交易约定的t时段储能电站充、放电功率P2c_t、P2d_t,t时段储能电站日前计划充、放电功率P1c_t、P1d_t,确定t时段储能荷电量Et,且Et不应超过储能运行荷电量的上下限值,由此确定储能电量约束条件,
按照各时段储能电量必须处于限定荷电量范围之内的运行原则,确定储能备用容量约束条件,
S104,求解所述联合优化交易模型,得到储能电站日前市场联合优化运行方案;其中,所述储能电站日前市场联合优化运行方案包括储能电站日内计划充放电功率和日内计划备用容量。
一些实施例中,求解所述联合优化交易模型,得到储能电站日前市场联合优化运行方案,包括:
在约束条件下,以优化目标函数的最大值为目标进行求解,得到储能电站日内计划充电功率和放电功率,以及储能电站日内计划上调备用容量和计划下调备用容量。
对优化目标函数R2s(P2c_t,P2d_t,Q2up_t,Q2do_t)进行最大值寻优,求解max{R2s(P2c_t,P2d_t,Q2up_t,Q2do_t)}对应的储能日内交易确定的计划充电功率P’2c_t和计划放电功率P’2d_t,以及储能日内交易确定的计划上调备用容量Q’2up_t和计划下调备用容量Q’2do_t,全天时段的数据集合{P’2c_t,P’2d_t,Q’2up_t,Q’2do_t}即确定为储能日前市场联合优化运行方案。
一些实施例中,还包括:
S105,基于所述交易数据、运营参数及储能电站日前计划充放电功率,计算充放电电量,基于所述运营参数、电价数据和充放电电量计算储能电站在中长期市场的单日总收益;
采用以下方式计算储能中长期交易确定的t时段充电电量E1c_t和放电电量E1d_t,
计算储能中长期交易的单日放电收益R1d_t和单日充电成本C1c_t,收益与成本相减,得到储能在中长期市场的单日总收益R1s,
S106,基于储能电站日前市场联合优化运行方案,根据电价数据计算储能电站在两类日内市场无法履约量的购买总成本;两类日内市场包括日内电能量市场和日内辅助服务市场;
一些实施例中,基于储能电站日前市场联合优化运行方案,根据电价数据计算储能电站在两类日内市场无法履约量的购买总成本,包括:
根据所述交易数据计算储能电站在日内电能量市场购买自身无法按计划履约电能量的第一成本;
采用以下方式计算储能日内对无法履约电能量的第一购买成本CΔP,
根据所述交易数据计算储能电站在日内辅助服务市场购买自身无法按计划履约备用容量的第二成本;
采用以下方式计算储能日内对无法履约备用容量的第二购买成本CΔQ,
利用第一成本和第二成本计算储能电站在两类日内市场无法履约量的购买总成本。
根据第一成本和第二成本求和得储能对日内无法履约量的总购买成本CΔS。
CΔS=CΔP+CΔQ
S107,根据储能电站日前市场联合优化运行方案得到的储能电站参与日前和日内市场的单日预测收益和单日老化成本。
一些实施例中,所述根据储能电站日前市场联合优化运行方案得到的储能电站参与日前和日内市场的单日预测收益和单日老化成本,包括:
根据运营参数和联合优化交易模型,计算储能电站参与日前和日内电能量市场的第一单日收益,以及计算储能电站参与日前和日内辅助服务市场的第二单日收益;
具体的,采用以下方式计算储能参与日前和日内电能量市场的单日收益R3e
采用以下方式计算储能参与日前和日内辅助服务市场的单日收益R3a,
根据第一单日收益和第二单日收益,得到储能电站参与日前和日内市场的单日预测收益;具体为
R3s=R3a+R3e
根据储能电站实际充放电功率和实际调用备用容量计算储能电站老化成本;
具体的,采用以下方式计算t时段储能的实际充电功率Pre,c_t和实际放电功率Pre,d_t,
采用以下方式计算t时段储能的实际上调备用容量Qre,up_t和下调备用容量Qre,do_t,
计算储能电站单日老化成本Cw_re,
S108,根据储能电站在中长期市场的单日总收益、无法履约量购买成本、储能电站参与日前和日内市场的单日预测收益和单日老化成本,预测储能电站多时间多场景下的单日净收益。
按储能各类市场收益减去日内未履约量购买成本及储能电站老化成本,计算储能电站参与中长期、日前和日内电力市场最终获得的单日净收益R,
R=R1s+R3s-CΔS-Cw_re
S109,根据所述单日净收益调整所述储能电站日前市场联合优化运行方案。
储能电站参与多类电力市场的优化运行方法的工作原理为:本申请通过储能电站的交易数据、性能参数,电力市场的运营参数及电价数据,计算储能电站日前计划充放电功率,然后根据储能电站日前计划充放电功率及预设的日前电价预测场景,构建考虑老化成本的储能电站参与两类日前市场的联合优化交易模型,求解该模型,得到储能电站日前市场联合优化运行方案。本发明提供的方法考虑运行时段、运行场景及老化成本,对交易时序和市场类别双解耦,实现设备老化损耗的储能电站参与多类电力市场的优化运行,提升储能电站在电力市场环境下多场景运行的经济性。
除此之外,本申请提供的技术方案考虑运行时段、运行场景及老化成本的储能电站参与电力市场的优化运行方法,并提供收益评估途径。
如图2所示,本申请实施例提供一种储能电站参与多类电力市场的优化运行装置,包括:
获取模块201,用于获取储能电站的交易数据和性能参数、电力市场的运营参数及电价数据;
第一计算模块202,用于基于所述交易数据、性能参数、运营参数及电价数据,计算储能电站日前计划充放电功率;
构建模块203,用于根据所述储能电站日前计划充放电功率及预设的日前电价预测场景,考虑老化成本构建储能电站参与两类日前市场的联合优化交易模型;
求解模块204,用于求解所述联合优化交易模型,得到储能电站日前市场联合优化运行方案;其中,所述储能电站日前市场联合优化运行方案包括储能电站日内计划充放电功率和日内计划备用容量。
本申请提供的储能电站参与多类电力市场的优化运行装置的工作原理为,获取模块201获取储能电站的交易数据和性能参数、电力市场的运营参数及电价数据;第一计算模块202基于所述交易数据、性能参数、运营参数及电价数据,计算储能电站日前计划充放电功率;构建模块203根据所述储能电站日前计划充放电功率及预设的日前电价预测场景,考虑老化成本构建储能电站参与两类日前市场的联合优化交易模型;求解模块204求解所述联合优化交易模型,得到储能电站日前市场联合优化运行方案;其中,所述储能电站日前市场联合优化运行方案包括储能电站日内计划充放电功率和日内计划备用容量。
如图2所示,本申请实施例提供的储能电站参与多类电力市场的优化运行装置,还包括:
第二计算模块205,用于基于所述交易数据、运营参数及储能电站日前计划充放电功率,计算充放电电量,基于所述运营参数、电价数据和充放电电量计算储能电站在中长期市场的单日总收益;
第三计算模块206,用于基于储能电站日前市场联合优化运行方案,根据电价数据计算储能电站参与两类日内市场的无法履约量购买成本;两类日内市场包括日内电能量市场和日内辅助服务市场;
第四计算模块207,用于根据储能电站日前市场联合优化运行方案得到的储能电站参与日前和日内市场的单日预测收益和单日老化成本;
预测模块208,用于根据储能电站在中长期市场的单日总收益、无法履约量购买成本、储能电站参与日前和日内市场的单日预测收益和单日老化成本,预测储能电站多时间多场景下的单日净收益;
调整模块209,用于根据所述单日净收益调整所述储能电站日前市场联合优化运行方案。
本申请提供一种计算机设备,包括:存储器1和处理器2,还可以包括网络接口3,所述存储器存储有计算机程序,存储器可以包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。该计算机设备存储有操作系统4,存储器是计算机可读介质的示例。所述计算机程序被所述处理器执行时,使得所述处理器执行储能电站参与多类电力市场的优化运行方法,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的储能电站参与多类电力市场的优化运行方法可以实现为一种计算机程序的形式,计算机程序可在如图3所示的计算机设备上运行。
一些实施例中,所述计算机程序被所述处理器执行时,使得所述处理器执行以下步骤:获取储能电站的交易数据和性能参数、电力市场的运营参数及电价数据;基于所述交易数据、性能参数、运营参数及电价数据,计算储能电站日前计划充放电功率;根据所述储能电站日前计划充放电功率及预设的日前电价预测场景,考虑老化成本构建储能电站参与两类日前市场的联合优化交易模型;求解所述联合优化交易模型,得到储能电站日前市场联合优化运行方案;其中,所述储能电站日前市场联合优化运行方案包括储能电站日内计划充放电功率和日内计划备用容量。
本申请还提供一种计算机存储介质,计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光光盘(DVD)或其他光学存储、磁盒式磁带存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
一些实施例中,本发明还提出了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,获取储能电站的交易数据和性能参数、电力市场的运营参数及电价数据;基于所述交易数据、性能参数、运营参数及电价数据,计算储能电站日前计划充放电功率;根据所述储能电站日前计划充放电功率及预设的日前电价预测场景,考虑老化成本构建储能电站参与两类日前市场的联合优化交易模型;求解所述联合优化交易模型,得到储能电站日前市场联合优化运行方案;其中,所述储能电站日前市场联合优化运行方案包括储能电站日内计划充放电功率和日内计划备用容量。
可以理解的是,上述提供的方法实施例与上述的装置实施例对应,相应的具体内容可以相互参考,在此不再赘述。
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和光学存储器等)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方法的制造品,该指令方法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。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种储能电站参与多类电力市场的优化运行方法,其特征在于,包括:
获取储能电站的交易数据和性能参数、电力市场的运营参数及电价数据;
基于所述交易数据、性能参数、运营参数及电价数据,计算储能电站日前计划充放电功率;
根据所述储能电站日前计划充放电功率及预设的日前电价预测场景,考虑老化成本构建储能电站参与两类日前市场的联合优化交易模型;
求解所述联合优化交易模型,得到储能电站日前市场联合优化运行方案;其中,所述储能电站日前市场联合优化运行方案包括储能电站日内计划充放电功率和日内计划备用容量。
2.根据权利要求1所述的方法,其特征在于,还包括:
基于所述交易数据、运营参数及储能电站日前计划充放电功率,计算充放电电量,基于所述运营参数、电价数据和充放电电量计算储能电站在中长期市场的单日总收益;
基于储能电站日前市场联合优化运行方案,根据电价数据计算储能电站参与两类日内市场的无法履约量购买成本;两类日内市场包括日内电能量市场和日内辅助服务市场;
根据储能电站日前市场联合优化运行方案得到的储能电站参与日前和日内市场的单日预测收益和单日老化成本;
根据储能电站在中长期市场的单日总收益、无法履约量购买成本、储能电站参与日前和日内市场的单日预测收益、单日老化成本,预测储能电站多时间多场景下的单日净收益;
根据所述单日净收益调整所述储能电站日前市场联合优化运行方案。
3.根据权利要求1或2所述的方法,其特征在于,所述根据所述储能电站日前计划充放电功率及预设的日前电价预测场景,考虑老化成本构建储能电站参与两类日前市场的联合优化交易模型,包括:
构建储能电站的单日老化成本函数;
构建储能电站在日前电能量市场的单日收益预测函数;
构建储能电站在日前辅助服务市场的单日收益预测函数;
基于所述储能电站的单日老化成本函数、在日前电能量市场的单日收益预测函数以及日前辅助服务市场的单日收益预测函数,得到优化目标函数;
根据所述优化目标函数和相应的约束条件构建储能电站参与两类日前市场的联合优化交易模型。
4.根据权利要求3所述的方法,其特征在于,所述优化目标函数以储能电站参与日前电能量市场和日前辅助服务市场的净收益最大为优化目标;
所述优化目标函数为R2s(P2c_t,P2d_t,Q2up_t,Q2do_t)=R2e+R2a-Cw;
所述约束条件包括:
储能功率约束,
储能电量约束,
储能备用容量约束,
其中,P2c_t、P2d_t、Q2up_t、Q2do_t均为优化目标函数的待优化变量;R2s(P2c_t,P2d_t,Q2up_t,Q2do_t)为优化目标函数;Cw为储能电站单日老化成本函数;R2e为储能电站在日前电能量市场的单日收益预测函数;R2a为储能电站在日前辅助服务市场的单日收益预测函数;S1c_t、S1d_t分别为中长期交易约定的t时段储能电站充、放电状态指标;S2c_t、S2d_t分别为日前交易约定的t时段储能电站充、放电状态指标;P1c_t、P1d_t分别为t时段储能电站日前计划充、放电功率;Pcmax、Pdmax分别为储能电站最大充、放电功率;Et为t时段储能电站荷电量;Et-1为t-1时段储能电站荷电量;ηc、ηd分别为储能电站充、放电效率;Δt为每个交易时段t的时长;Emin、Emax分别为储能电站运行荷电量区间下限值和上限值;Q2up_t为储能电站上调备用容量;Q2do_t为储能电站下调备用容量;P2c_t、P2d_t分别为日前电能量交易约定的t时段储能电站充、放电功率;k为备用容量调节时段的序号,K为备用容量连续上调或下调时段数量。
5.根据权利要求4所述的方法,其特征在于,所述求解所述联合优化交易模型,得到储能电站日前市场联合优化运行方案,包括:
在约束条件下,以优化目标函数的最大值为目标进行求解,得到储能电站日内计划充电功率和放电功率,以及储能电站日内计划上调备用容量和计划下调备用容量。
6.根据权利要求2所述的方法,其特征在于,所述基于储能电站日前市场联合优化运行方案,根据电价数据计算储能电站参与两类日内市场的无法履约量购买成本,包括:
根据所述交易数据计算储能电站在日内电能量市场购买无法按计划履约电能量的第一成本;
根据所述交易数据计算储能电站在日内辅助服务市场购买无法按计划履约备用容量的第二成本;
利用第一成本和第二成本计算储能电站在两类日内市场无法履约量的购买总成本。
7.根据权利要求5所述的方法,其特征在于,所述根据储能电站日前市场联合优化运行方案得到的储能电站参与日前和日内市场的单日预测收益和单日老化成本,包括:
根据所述运营参数和联合优化交易模型,计算储能电站参与日前和日内电能量市场的第一单日收益,以及计算储能电站参与日前和日内辅助服务市场的第二单日收益;
根据第一单日收益和第二单日收益,得到储能电站参与日前和日内市场的单日预测收益;
根据储能电站实际充放电功率和实际调用备用容量计算储能电站老化成本。
8.一种储能电站参与多类电力市场的优化运行装置,其特征在于,包括:
获取模块,用于获取储能电站的交易数据和性能参数、电力市场的运营参数及电价数据;
第一计算模块,用于基于所述交易数据、性能参数、运营参数及电价数据,计算储能电站日前计划充放电功率;
构建模块,用于根据所述储能电站日前计划充放电功率及预设的日前电价预测场景,考虑老化成本构建储能电站参与两类日前市场的联合优化交易模型;
求解模块,用于求解所述联合优化交易模型,得到储能电站日前市场联合优化运行方案;其中,所述储能电站日前市场联合优化运行方案包括储能电站日内计划充放电功率和日内计划备用容量。
9.根据权利要求8所述的装置,其特征在于,还包括:
第二计算模块,用于基于所述交易数据、运营参数及储能电站日前计划充放电功率,计算充放电电量,基于所述运营参数、电价数据和充放电电量计算储能电站在中长期市场的单日总收益;
第三计算模块,用于基于储能电站日前市场联合优化运行方案,根据电价数据计算储能电站参与两类日内市场的无法履约量购买成本;两类日内市场包括日内电能量市场和日内辅助服务市场;
第四计算模块,用于根据储能电站日前市场联合优化运行方案得到的储能电站参与日前和日内市场的单日预测收益和单日老化成本;
预测模块,用于根据储能电站在中长期市场的单日总收益、无法履约量购买成本、储能电站参与日前和日内市场的单日预测收益和单日老化成本,预测储能电站多时间多场景下的单日净收益;
调整模块,用于根据所述单日净收益调整所述储能电站日前市场联合优化运行方案。
10.一种计算机设备,其特征在于,包括:存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述的储能电站参与多类电力市场的优化运行方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311017110.4A CN117094849A (zh) | 2023-08-10 | 2023-08-10 | 储能电站参与多类电力市场的优化运行方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311017110.4A CN117094849A (zh) | 2023-08-10 | 2023-08-10 | 储能电站参与多类电力市场的优化运行方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117094849A true CN117094849A (zh) | 2023-11-21 |
Family
ID=88782133
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311017110.4A Pending CN117094849A (zh) | 2023-08-10 | 2023-08-10 | 储能电站参与多类电力市场的优化运行方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117094849A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117895548A (zh) * | 2023-12-01 | 2024-04-16 | 北京天易数智科技有限公司 | 一种储能电站运行优化方法、系统、电子设备及介质 |
CN118052337A (zh) * | 2024-04-16 | 2024-05-17 | 广东工业大学 | 基于效益预测的光伏电站储能容量优化方法及系统 |
-
2023
- 2023-08-10 CN CN202311017110.4A patent/CN117094849A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117895548A (zh) * | 2023-12-01 | 2024-04-16 | 北京天易数智科技有限公司 | 一种储能电站运行优化方法、系统、电子设备及介质 |
CN118052337A (zh) * | 2024-04-16 | 2024-05-17 | 广东工业大学 | 基于效益预测的光伏电站储能容量优化方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108960510B (zh) | 一种基于两阶段随机规划的虚拟电厂优化交易策略装置 | |
Nojavan et al. | Application of fuel cell and electrolyzer as hydrogen energy storage system in energy management of electricity energy retailer in the presence of the renewable energy sources and plug-in electric vehicles | |
Wang et al. | Vehicle to grid frequency regulation capacity optimal scheduling for battery swapping station using deep Q-network | |
Varkani et al. | A new self-scheduling strategy for integrated operation of wind and pumped-storage power plants in power markets | |
Ghiassi-Farrokhfal et al. | Optimal design of solar PV farms with storage | |
CN111832824B (zh) | 电力调频市场交易出清及结算方法、装置及系统 | |
CN111756076B (zh) | 一种储能辅助调峰服务市场的双层互动调度方法及装置 | |
CN109472394A (zh) | 一种储能成本和收益的经济优化方法及系统 | |
CN111523729B (zh) | 基于igdt和需求响应的虚拟电厂竞价的优化控制方法 | |
CN111932075A (zh) | 主动配电网多区域调度方法、系统、设备及可读存储介质 | |
KR102672397B1 (ko) | 전력거래 중개 시스템 및 방법 | |
CN111245024B (zh) | 基于模型预测控制的综合能源系统鲁棒优化运行方法 | |
CN117094849A (zh) | 储能电站参与多类电力市场的优化运行方法、装置及设备 | |
Sheibani et al. | Stochastic price based coordinated operation planning of energy storage system and conventional power plant | |
Anwar et al. | Proximal policy optimization based reinforcement learning for joint bidding in energy and frequency regulation markets | |
CN113690875B (zh) | 一种微网实时互动等值模型建立方法 | |
Helseth et al. | Multi-market price forecasting in hydro-thermal power systems | |
Tan et al. | Hybrid optimization for collaborative bidding strategy of renewable resources aggregator in day-ahead market considering competitors' strategies | |
CN115776125A (zh) | 一种储能与新能源场站的协同运行优化方法及装置 | |
CN115864364A (zh) | 一种用户参与需求响应的运行策略规划方法及装置 | |
CN115600757A (zh) | 海上风电共享储能参与现货市场交易协调优化方法及系统 | |
CN112906961A (zh) | 储能控制方法、装置、非易失性存储介质及电子装置 | |
CN113629781A (zh) | 一种基于empc的多vpp日前日内协调优化方法及装置 | |
CN114725923A (zh) | 一种配电网多级调度控制策略 | |
CN112928755A (zh) | 光伏储能系统的控制方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |