CN117473122A - 一种基于图计算的市场参与储能利润优化方法及系统 - Google Patents

一种基于图计算的市场参与储能利润优化方法及系统 Download PDF

Info

Publication number
CN117473122A
CN117473122A CN202311313133.XA CN202311313133A CN117473122A CN 117473122 A CN117473122 A CN 117473122A CN 202311313133 A CN202311313133 A CN 202311313133A CN 117473122 A CN117473122 A CN 117473122A
Authority
CN
China
Prior art keywords
energy storage
power
graph
time
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
Application number
CN202311313133.XA
Other languages
English (en)
Inventor
王珍意
谢一工
胡斌
林莉
汤亚宸
刘广一
段明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yunnan Power Grid Co Ltd
Original Assignee
Yunnan Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yunnan Power Grid Co Ltd filed Critical Yunnan Power Grid Co Ltd
Priority to CN202311313133.XA priority Critical patent/CN117473122A/zh
Publication of CN117473122A publication Critical patent/CN117473122A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—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
    • 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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply

Abstract

本发明公开了一种基于图计算的市场参与储能利润优化方法，包括获取参与市场的电力系统物理模型数据和储能计算所需的相关数据；解析电力系统物理模型数据和储能模型数据结构；构建电力系统物理图模型和储能图模型；将电力系统物理图和储能图模型融合，形成统一图模型；基于图计算获取电网潮流与状态估计结果，根据市场价格波动和电力需求变化，在满足电网和储能安全稳定运行的约束条件下，建立最大化储能利润的线性规划目标函数；基于统一图模型，结合目标函数和约束条件进行图并行计算，确定储能供电和放电功率以使市场参与储能利润最优；返回最优的储能利润及充放电功率策略结果。

Description

一种基于图计算的市场参与储能利润优化方法及系统
技术领域
本发明涉及电力市场储能优化技术领域，特别是一种基于图计算的市场参与储能利润优化方法及系统。
背景技术
储能技术在新型电力系统中扮演着重要的角色。随着可再生能源的快速发展，储能系统成为平衡供需、提高电能质量和响应电力市场需求的关键。通过储存可再生能源并在需要时释放，储能系统帮助平衡电力系统，提高可再生能源的利用率。为了最大化储能利润，需要考虑市场智能化、数据分析、市场参与策略、综合能源管理系统、虚拟电厂以及市场激励措施等技术和政策背景。
然而，现有的技术仍然存在一些缺点。目前还没有综合考虑储能系统的多个约束条件，如储能容量、充放电功率、充放电效率、储能电网交换功率平衡、储能能量平衡以及电力市场价格。此外，基于关系型数据技术处理这些多约束条件下的最大化储能利润计算性能较差。因此，在开发新的技术和算法时，需要解决这些问题以实现更高的效益。
发明内容
鉴于现有的没有综合考虑电力系统稳定运行、市场价格波动以及储能系统的多个约束条件所存在的问题，提出了本发明。
因此，本发明所要解决的问题在于如何基于图数据库的实现考虑市场价格波动和电力需求变化的储能最大利润优化方法。
为解决上述技术问题，本发明提供如下技术方案：
第一方面，本发明实施例提供了一种基于图计算的市场参与储能利润优化方法，其包括获取参与市场的电力系统物理模型数据和储能计算所需的相关数据；解析电力系统物理模型数据，根据不同数据类型和定义在图数据库模型中构建对应的电力系统物理节点和节点属性，并解析储能模型数据结构以定义储能系统的图节点和节点属性；将电力系统物理图和储能图模型融合，形成统一图模型；根据市场价格波动和电力需求变化，建立最大化储能利润的线性规划目标函数；基于统一图模型，结合目标函数和约束条件进行计算，并确定储能供电和放电策略以使市场参与储能利润最优；返回最优的储能利润策略结果。
作为本发明所述基于图计算的市场参与储能利润优化方法的一种优选方案，其中：目标函数的具体公式如下：
其中，V表示目标函数，T表示规划的时间总步数，Δt表示单位时间步长，表示t时刻的储能充电功率，/>表示t时刻的储能放电功率，Pt Sell表示t时刻储能卖电市场电价，Pt Buy表示t时刻储能购电市场电价，/>表示t时刻储能充电成本，/>表示t时刻储能放电成本。
作为本发明所述基于图计算的市场参与储能利润优化方法的一种优选方案，其中：约束条件包括储能容量约束、充电功率和放电功率约束、充电和放电效率约束、储能电网交换功率平衡约束、储能能量平衡约束、储能系统的初始和最终能量水平约束、电力市场价格约束、储能运行时间约束以及储能充放电次数约束。
作为本发明所述基于图计算的市场参与储能利润优化方法的一种优选方案，其中：储能能量平衡约束的具体公式如下：
其中，Et+1表示t+1时刻储能电量，表示t时刻的储能充电功率，/>表示t时刻的储能放电功率，Δt表示单位时间步长，/>表示t时刻储能充电成本，/>表示t时刻储能放电成本。
作为本发明所述基于图计算的市场参与储能利润优化方法的一种优选方案，其中：储能充放电次数约束的具体公式如下：
其中，B(x)表示在时刻t储能是否充放电，Nmax表示允许的储能总充电和放电次数上限，T表示规划的时间总步数，Δt表示单位时间步长，表示t时刻的储能充电功率，/>表示t时刻的储能放电功率。
作为本发明所述基于图计算的市场参与储能利润优化方法的一种优选方案，其中：确定储能供电和放电策略以使市场参与储能利润最优包括以下步骤：基于预建立的统一图模型执行图计算，并获取电网的潮流计算结果和状态估计结果；根据潮流和状态估计结果，对接入储能区域的供用电情况进行核算，并进行短期负荷预测，将预测结果写入对应区域负荷节点的属性或额外的负荷预测节点中；从统一图模型中读取实时电价节点的电价属性、负荷节点的负荷属性以及定义在电网节点和储能节点上的所有约束条件；通过自定义图数据库内部优化计算函数或利用图数据库的API接口调用优化软件进行优化函数解析，并生成优化问题；利用图数据库的并行计算能力快速迭代求解，以获得不同电价时段下储能收益最大化的充放电策略；将求解所得的充放电策略写入对应时段的储能节点属性中，作为后续对储能的充放电控制的建议。
作为本发明所述基于图计算的市场参与储能利润优化方法的一种优选方案，其中：储能电网交换功率平衡约束的具体公式如下：
其中，表示t时刻储能与电网交换功率，/>表示t时刻电网总负荷，/>表示t时刻电网总发电，/>表示t时刻的储能充电功率，/>表示t时刻的储能放电功率。
第二方面，本发明实施例提供了一种基于图计算的市场参与储能利润优化系统，其包括数据获取模块，用于获取参与市场的电力系统物理模型数据和储能计算所需的相关数据；模型解析融合模块，用于解析储能模型数据结构以定义储能系统的节点和节点属性，并将电力系统物理图和储能图模型融合以形成统一图模型；利润最优计算模块，用于在图数据库中建立储能利润优化分析功能，结合统一图模型、目标函数和约束条件，调用自定义优化函数或图数据库API接口调用优化软件，计算以确定储能供电和放电策略以使市场参与储能利润最优。
第三方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述计算机程序指令被处理器执行时实现如本发明第一方面所述的基于图计算的市场参与储能利润优化方法的步骤。
第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序指令被处理器执行时实现如本发明第一方面所述的基于图计算的市场参与储能利润优化方法的步骤。
本发明有益效果为：本发明建立统一的电网与储能融合图模型，实现对电网物理特性和储能特性的深度数字化描述，为储能规划提供高质量的数据支撑；借助图数据库并行计算的分布式计算能力，实现对海量设备及其约束条件的高速并行处理，显著提升了计算性能；采用图计算函数的自定义扩展能力，实现了电力系统潮流计算在图数据库中的无缝集成，提高了电力专业特性的支持程度；将图模型与算法相结合，实现了电力物理系统数字化建模与高效计算的有机融合，推动电网的智慧化、柔性化与经济性协同发展。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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它的附图。其中：
图1为基于图计算的市场参与储能利润优化方法的方法流程图。
图2为基于图计算的市场参与储能利润优化方法的图模型构建流程。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
实施例1
参照图1～图2，为本发明第一个实施例，该实施例提供了一种基于图计算的市场参与储能利润优化方法，包括，
S1：获取参与市场的电力系统物理模型数据和储能计算所需的相关数据。
具体的，参与市场的电力系统物理模型数据包括构建参与市场的物理电网拓扑的各类设备，如发电机、变压器、开关、刀闸、传输线、储能、负荷等等的拓扑关联，设备参数以及运行参数；储能计算所需的相关数据包括储能设备参数以及约束参数。
S2：解析电力系统物理模型数据，根据不同数据类型和定义在图数据库模型中构建对应的电力系统物理节点和节点属性，并解析储能模型数据结构以定义储能系统的图节点和节点属性。
优选的，根据不同设备数据类型，如发电机、变压器、开关、刀闸、传输线、储能、负荷等，定义对应的图设备节点和节点属性，且在解析电力系统物理模型数据的过程中，考虑设备数据所涉及的各种物理属性包括电网的运行参数、逻辑属性、逻辑管理关系、计算属性以及执行潮流计算所需的参数等，根据这些物理属性将各类设备转化为图数据库中的图节点，并将相应的属性添加到节点内，最后根据设备间物理拓扑连接关系构建图节点的边，以建立电力系统物理图模型。
需要说明的是，解析储能模型数据结构与解析电力系统物理模型数据方法类似，定义储能系统的节点和节点属性。
S3：将电力系统物理图模型和储能图模型融合，形成统一图模型。
具体的，在电力系统物理图模型中，已建立发电机、变压器、线路、开关等设备的节点，并添加了设备参数等属性；在储能图模型中，已建立储能设施的节点，添加了储能容量、充放电功率以及最小最大储能量的约束属性；将两者融合时，需要建立储能设施节点与电网节点之间的连接关系，包括关联至物理拓扑、逻辑管理和优化计算所涉及的图节点，即确定储能接入电网的位置以及其接入方式(接入变压器高压侧或低压侧等)；调整储能设施节点属性，增加市场交易属性，如报价函数和参与方式；调整电网节点属性，增加参与市场交易的属性标识；在计算模块中，实现储能节点与电网节点的协同模拟计算，使得储能的充放电行为能够影响并参与到电网的潮流计算及最优调度中；最终形成一个包含电网和储能的统一图数据库模型，为后续的市场模拟计算提供支持。
S4：根据市场价格波动和电力需求变化，建立最大化储能利润的线性规划目标函数。
具体的，目标函数的具体公式如下：
其中，V表示目标函数，T表示规划的时间总步数，Δt表示单位时间步长，表示t时刻的储能充电功率，/>表示t时刻的储能放电功率，Pt Sell表示t时刻储能卖电市场电价，Pt Buy表示t时刻储能购电市场电价，/>表示t时刻储能充电成本，/>表示t时刻储能放电成本。
S5：基于统一图模型，结合目标函数和约束条件进行计算以确定储能充电和放电策略，使市场参与储能利润最优。
具体的，包括以下步骤：
S5.1：基于预建立的统一图模型执行图计算，并获取电网的潮流计算结果和状态估计结果。
具体的，将构建的电网拓扑图模型(节点开关图)通过自定义图拓扑分析函数转化为电网计算图模型(母线支路图)，然后通过自定义图潮流和图状态估计函数实现快速计算，获取电网潮流和状态估计结果。
S5.2：根据潮流和状态估计结果，对接入储能区域的供用电情况进行核算，并进行短期负荷预测，将预测结果写入对应区域负荷节点的属性中。
优选的，基于连续时间断面内潮流和状态估计结果，获取储能区域内连续时间断面的负荷量，对该时序负荷量进行统计分析，可通过传统负荷预测方法或图机器学习方法实现短期负荷预测。
S5.3：从统一图模型中读取实时电价节点的电价属性、负荷节点的负荷属性以及定义在电网节点和储能节点上的所有约束条件。
进一步的，约束条件包括储能容量约束、充电功率和放电功率约束、充电和放电效率约束、储能电网交换功率平衡约束、储能能量平衡约束、储能系统的初始和最终能量水平约束、电力市场价格约束、储能运行时间约束以及储能充放电次数约束。
具体的，由于储能有一个最大储能容量，因此不能无限制地储存电能，故储能容量约束的具体公式如下：
Emin≤Et≤Emax
其中，Emin表示储能最小能量水平，Emax表示储能最大能量水平，Et表示储能t时刻的电能，且t＝1,2,3,...,T。
需要说明的是在本实施例中，储能最小能量水平表示当储能放电后剩余容量降至额定容量的50％时，停止继续放电；储能最大能量水平表示当储能充电后容量升至额定容量的95％时，停止继续充电。
进一步的，充电功率和放电功率约束要求储能的充电功率和放电功率必须在允许的范围内，具体公式如下：
其中，表示储能最大放电功率，/>表示储能最大充电功率，/>表示t时刻的储能充电功率，/>表示t时刻的储能放电功率。
进一步的，储能在充电和放电过程中会有能量损失，所以需要给出充电和放电效率约束，通过效率参数表示充电效率和放电效率，并使用真实充放电功率值与计算充放电功率值的比值，具体公式如下：
EFcharge≤1EFdischarge≤1
其中，EFcharge表示储能最大放电功率，EFdischarge表示储能最大充电功率。
进一步的，储能电网交换功率平衡约束的具体公式如下：
其中，表示t时刻储能与电网交换功率，/>表示t时刻电网总负荷，/>表示t时刻电网总发电，/>表示t时刻的储能充电功率，/>表示t时刻的储能放电功率。
优选的，储能能量平衡约束的具体公式如下：
其中，Et+1表示t+1时刻储能电量，表示t时刻的储能充电功率，/>表示t时刻的储能放电功率，Δt表示单位时间步长，/>表示t时刻储能充电成本，/>表示t时刻储能放电成本。
进一步的，储能系统的初始和最终能量水平约束的具体公式如下：
Et＝Einitial when t＝1
Et＝Efinal when t＝T
其中，Einital表示储能初始电量，Efinal表示储能最终电量，t表示时刻。
进一步的，储能运行需要考虑电力市场的实时价格包括电力市场价格的变化速率、峰值价格等，电力市场价格约束的具体公式如下：
0＜Pt Buy＜Ppeak
|Pt-Pt-1|≤ΔPmax
其中，Pt表示t时刻储能买入或卖出电价，Ppeak表示电力市场峰值价格，ΔPmax表示电力市场电价最大变化速率。
优选的，储能的充电功率和放电功率必须在允许的范围内，故储能运行时间约束的具体公式如下：
其中，P(x)表示在t时刻储能是否运行，Tmax表示允许的储能总运行时间上限，T表示规划的时间总步数，Δt表示单位时间步长，表示t时刻的储能充电功率，/>表示t时刻的储能放电功率。
需要说明的是，P(x)是一个用于判断储能是否运行的二进制变量判断函数。
进一步的，储能次数约束的具体公式如下：
其中，B(x)表示在时刻t储能是否充放电，Nmax表示允许的储能总充电和放电次数上限，T表示规划的时间总步数，Δt表示单位时间步长，表示t时刻的储能充电功率，/>表示t时刻的储能放电功率。
需要说明的是，B(x)是一个用于判断储能是否充放电的的二进制变量判断函数。
进一步的，在约束图节点中定义所有约束条件相关属性，形式为属性名+数据类型，然后在数据导入过程中将相应的数据映射至指定属性当中，由于约束图节点和指定的物理图节点关联，因此在解析优化结果时，只需要在撰写图数据库调用CPLEX过程中从节点中直接读取相关约束值即可实现图并行(所有约束条件并行处理)优化计算。
S5.4：通过图数据库的API接口调用优化软件进行优化函数解析，并生成优化问题。
需要说明的是，优化函数是指包含目标函数和所有约束条件函数。
S5.5：利用图数据库的并行计算能力快速迭代求解，以获得不同电价时段下最优储能利润的充放电策略。
优选的，利用图模型确定电网拓扑以及储能接入位置，明确影响负荷范围，基于图计算实现实时潮流和状态估计，并可精细化短期负荷预测；根据不同时间区间内实时市场电价和储能充放电成本价格，利用图计算，在满足电力系统稳定运行、储能系统安全稳定运行以及满足储能管理政策的约束条件下，快速解析最大化储能利润，给出当前时段内最优充放电策略。
S5.6：将求解所得的充放电策略写入对应时段的储能节点属性中，作为后续对储能的充放电控制的建议。
S6：返回最优的储能利润策略结果。
进一步的，根据业务需求提供储能系统在当前或多个时间段内的最佳利润结果以及对应的充放电功率建议，这些结果可以帮助用户在不同时间段做出合理的充电和放电决策，以最大化储能系统的经济效益。
进一步的，本实施例还提供一种基于图计算的市场参与储能利润优化系统，包括数据获取模块，用于获取参与市场的电力系统物理模型数据和储能计算所需的相关数据；模型解析融合模块，用于解析储能模型数据结构以定义储能系统的节点和节点属性，并将电力系统物理图和储能图模型融合以形成统一图模型；利润最优计算模块，用于在图数据库中建立储能利润优化分析功能，结合统一图模型、目标函数和约束条件，调用自定义优化函数或图数据库API接口调用优化软件，计算以确定储能供电和放电策略以使市场参与储能利润最优。
本实施例还提供一种计算机设备，适用于基于图计算的市场参与储能利润优化方法的情况，包括存储器和处理器；存储器用于存储计算机可执行指令，处理器用于执行计算机可执行指令，实现如上述实施例提出的基于图计算的市场参与储能利润优化方法。
该计算机设备可以是终端，该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本实施例还提供一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：获取参与市场的电力系统物理模型数据和储能计算所需的相关数据；解析电力系统物理模型数据，根据不同数据类型定义对应的节点和节点属性，并解析储能模型数据结构以定义储能系统的节点和节点属性；将电力系统物理图和储能图模型融合，形成统一图模型；根据市场价格波动和电力需求变化，建立最大化储能利润的线性规划目标函数；基于统一图模型，结合目标函数和约束条件进行计算，并确定储能供电和放电策略以使市场参与储能利润最优；返回最优的储能利润策略结果。
综上，本发明建立统一的电网与储能融合图模型，实现对电网物理特性和储能特性的深度数字化描述，为储能规划提供高质量的数据支撑；借助图数据库并行计算的分布式计算能力，实现对海量设备及其约束条件的高速并行处理，显著提升了计算性能；采用图计算函数的自定义扩展能力，实现了电力系统潮流计算在图数据库中的无缝集成，提高了电力专业特性的支持程度；将图模型与算法相结合，实现了电力物理系统数字化建模与高效计算的有机融合，推动电网的智慧化、柔性化与经济性协同发展。
实施例2
参照图1～图2，为本发明第二个实施例，该实施例提供了一种基于图计算的市场参与储能利润优化方法，为了验证本发明的有益效果，通过经济效益计算和仿真实验进行科学论证。
具体的，以某省网公司一条含有储能系统的下属馈线为例，通过图计算获取该馈线以每15分钟为一个周期一天的负荷数据如表1所示。
表1每15分钟为一个周期一天的负荷数据
时间标识 1 2 3 4 5 ... 96
负荷 92.278333 97.97972 87.0322 91.05851 116.4439 ... 127.49127
进一步的，以每15分钟为一个周期一天的市场购电电价数据(峰值电价0.6224，1:00-6:00为低谷电价0.175，其余时间为正常电价0.273)如表2所示。
表2每15分钟为一个周期一天的市场购电电价数据
时间标识 1 2 3 4 5 ... 96
市场电价 0.175 0.175 0.175 0.175 0.175 ... 0.175
优选的，以每15分钟为一个周期一天的市场售电电价数据(峰值电价0.7231，1:00-6:00为低谷电价0.173，其余时间为正常电价0.281)如表3所示。
表3每15分钟为一个周期一天的市场售电电价数据
时间标识 1 2 3 4 5 ... 96
市场电价 0.173 0.173 0.173 0.173 0.173 ... 0.173
更进一步的，以每15分钟为一个周期一天的储能充电成本数据如表4所示。
表4每15分钟为一个周期一天的储能充电成本数据
时间标识 1 2 3 4 5 ... 96
充电成本 0.0299 0.0283 0.0235 0.0245 0.0244 ... 0.0282
优选的，以每15分钟为一个周期一天的储能放电成本如表5所示。
表5每15分钟为一个周期一天的储能充电成本数据
时间标识 1 2 3 4 5 ... 96
放电成本 0.0314 0.0321 0.0233 0.0241 0.0314 ... 0.0234
优选的，储能充放电容量限制为95％和50％，即充电至储能容量95％停止充电，放电至50％停止放电，每天充放电最多次数设置为3次，整个省网系统12923节点14785边，图拓扑分析和状态估计600ms以内完成，图潮流计算400ms以内完成，该样例中馈线系统18节点21条边，优化计算100ms以内完成。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种基于图计算的市场参与储能利润优化方法，其特征在于：包括，
获取参与市场的电力系统物理模型数据和储能计算所需的相关数据；
解析电力系统物理模型数据，根据不同数据类型和定义在图数据库模型中构建对应的电力系统物理节点和节点属性，并解析储能模型数据结构以定义储能系统的图节点和节点属性；
将电力系统物理图和储能图模型融合，形成统一图模型；
根据市场价格波动和电力需求变化，建立最大化储能利润的线性规划目标函数；
基于统一图模型，结合目标函数和约束条件进行计算，并确定储能供电和放电策略以使市场参与储能利润最优；
返回最优的储能利润策略结果。
2.如权利要求1所述的基于图计算的市场参与储能利润优化方法，其特征在于：所述目标函数的具体公式如下：
其中，V表示目标函数，T表示规划的时间总步数，Δt表示单位时间步长，表示t时刻的储能充电功率，/>表示t时刻的储能放电功率，Pt Sell表示t时刻储能卖电市场电价，Pt Buy表示t时刻储能购电市场电价，/>表示t时刻储能充电成本，/>表示t时刻储能放电成本。
3.如权利要求1所述的基于图计算的市场参与储能利润优化方法，其特征在于：所述约束条件包括储能容量约束、充电功率和放电功率约束、充电和放电效率约束、储能电网交换功率平衡约束、储能能量平衡约束、储能系统的初始和最终能量水平约束、电力市场价格约束、储能运行时间约束以及储能充放电次数约束。
4.如权利要求3所述的基于图计算的市场参与储能利润优化方法，其特征在于：所述储能能量平衡约束的具体公式如下：
其中，Et+1表示t+1时刻储能电量，表示t时刻的储能充电功率，/>表示t时刻的储能放电功率，Δt表示单位时间步长，/>表示t时刻储能充电成本，/>表示t时刻储能放电成本。
5.如权利要求3所述的基于图计算的市场参与储能利润优化方法，其特征在于：所述储能充放电次数约束的具体公式如下：
其中，B(x)表示在时刻t储能是否充放电，Nmax表示允许的储能总充电和放电次数上限，T表示规划的时间总步数，Δt表示单位时间步长，表示t时刻的储能充电功率，/>表示t时刻的储能放电功率。
6.如权利要求5所述的基于图计算的市场参与储能利润优化方法，其特征在于：所述确定储能供电和放电策略以使市场参与储能利润最优包括以下步骤：
基于预建立的统一图模型执行图计算，并获取电网的潮流计算结果和状态估计结果；
根据潮流和状态估计结果，对接入储能区域的供用电情况进行核算，并进行短期负荷预测，将预测结果写入对应区域负荷节点的属性或额外的负荷预测节点中；
从统一图模型中读取实时电价节点的电价属性、负荷节点的负荷属性以及定义在电网节点和储能节点上的所有约束条件；
通过自定义图数据库内部优化计算函数或利用图数据库的API接口调用优化软件进行优化函数解析，并生成优化问题；
利用图数据库的并行计算能力快速迭代求解，以获得不同电价时段下储能收益最大化的充放电策略；
将求解所得的充放电策略写入对应时段的储能节点属性中，作为后续对储能的充放电控制的建议。
7.如权利要求3所述的基于图计算的市场参与储能利润优化方法，其特征在于：所述储能电网交换功率平衡约束的具体公式如下：
其中，表示t时刻储能与电网交换功率，/>表示t时刻电网总负荷，/>表示t时刻电网总发电，/>表示t时刻的储能充电功率，/>表示t时刻的储能放电功率。
8.一种基于图计算的市场参与储能利润优化系统，基于权利要求1～7任一所述的基于图计算的市场参与储能利润优化方法，其特征在于：还包括，
数据获取模块，用于获取参与市场的电力系统物理模型数据和储能计算所需的相关数据；
模型解析融合模块，用于解析储能模型数据结构以定义储能系统的节点和节点属性，并将电力系统物理图和储能图模型融合以形成统一图模型；
利润最优计算模块，用于在图数据库中建立储能利润优化分析功能，结合统一图模型、目标函数和约束条件，调用自定义优化函数或图数据库API接口调用优化软件，计算以确定储能供电和放电策略以使市场参与储能利润最优。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1～7任一所述的基于图计算的市场参与储能利润优化方法的步骤。
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：所述计算机程序被处理器执行时实现权利要求1～7任一所述的基于图计算的市场参与储能利润优化方法的步骤。
CN202311313133.XA 2023-10-11 2023-10-11 一种基于图计算的市场参与储能利润优化方法及系统 Pending CN117473122A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311313133.XA CN117473122A (zh) 2023-10-11 2023-10-11 一种基于图计算的市场参与储能利润优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311313133.XA CN117473122A (zh) 2023-10-11 2023-10-11 一种基于图计算的市场参与储能利润优化方法及系统

Publications (1)

Publication Number Publication Date
CN117473122A true CN117473122A (zh) 2024-01-30

Family

ID=89632165

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311313133.XA Pending CN117473122A (zh) 2023-10-11 2023-10-11 一种基于图计算的市场参与储能利润优化方法及系统

Country Status (1)

Country Link
CN (1) CN117473122A (zh)

Similar Documents

Publication Publication Date Title
Tao et al. Integrated electricity and hydrogen energy sharing in coupled energy systems
Han et al. Incentivizing prosumer coalitions with energy management using cooperative game theory
Liu et al. Dynamic pricing for decentralized energy trading in micro-grids
Mavalizadeh et al. Hybrid expansion planning considering security and emission by augmented epsilon-constraint method
Yi et al. Coordinated operation strategy for a virtual power plant with multiple DER aggregators
Jin et al. Game theoretical analysis on capacity configuration for microgrid based on multi-agent system
Lyu et al. Optimal sizing of energy station in the multienergy system integrated with data center
Haghighat et al. Integrating energy management of autonomous smart grids in electricity market operation
Wu et al. The online charging and discharging scheduling potential of electric vehicles considering the uncertain responses of users
CN111079971A (zh) 一种考虑车、站、网三方的充电站定价方法
CN111082451A (zh) 基于场景法的增量配电网多目标优化调度模型
Fang et al. How dynamic renewable portfolio standards impact the diffusion of renewable energy in China? A networked evolutionary game analysis
Saraswat et al. A novel multi-zone reactive power market settlement model: A pareto-optimization approach
Jia et al. Analysis on demand-side interactive response capability for power system dispatch in a smart grid framework
CN106651214A (zh) 基于强化学习的微电网电能分配方法
CN110289642B (zh) 一种基于指数罚函数的配电网分层调度优化方法
Peng et al. Sequential coalition formation for wind-thermal combined bidding
Gu et al. A data-driven stochastic energy sharing optimization and implementation for community energy storage and PV prosumers
Raju et al. Enhancement of loadability and voltage stability in grid-connected microgrid network
Jiang et al. Risk-averse TSO-DSOs coordinated distributed dispatching considering renewable energy and demand response uncertainties
CN114298393A (zh) 考虑不确定性的储能电站动态配置方法、系统及设备
CN113364043A (zh) 一种基于条件风险价值的微电网群优化方法
Ding et al. A Stackelberg Game-based robust optimization for user-side energy storage configuration and power pricing
CN116342166A (zh) 一种基于多区域共享的能量博弈调控方法和设备
Zhang et al. Negotiation strategy for discharging price of EVs based on fuzzy Bayesian learning

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