CN117557301A - 一种考虑储能介入的电力市场效益评估模型算法 - Google Patents
一种考虑储能介入的电力市场效益评估模型算法 Download PDFInfo
- Publication number
- CN117557301A CN117557301A CN202311418879.7A CN202311418879A CN117557301A CN 117557301 A CN117557301 A CN 117557301A CN 202311418879 A CN202311418879 A CN 202311418879A CN 117557301 A CN117557301 A CN 117557301A
- Authority
- CN
- China
- Prior art keywords
- market
- energy
- energy storage
- power
- wind
- 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 109
- 230000008901 benefit Effects 0.000 title claims abstract description 61
- 238000013210 evaluation model Methods 0.000 title claims abstract description 25
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 53
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000012384 transportation and delivery Methods 0.000 claims abstract description 9
- 230000005611 electricity Effects 0.000 claims description 42
- 230000000903 blocking effect Effects 0.000 claims description 36
- 238000005086 pumping Methods 0.000 claims description 24
- 230000005540 biological transmission Effects 0.000 claims description 16
- 238000011144 upstream manufacturing Methods 0.000 claims description 7
- 238000010521 absorption reaction Methods 0.000 claims description 5
- 230000005251 gamma ray Effects 0.000 claims description 4
- 238000013439 planning Methods 0.000 claims description 4
- 230000029087 digestion Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000010248 power generation Methods 0.000 abstract description 12
- 238000013016 damping Methods 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 229910052799 carbon Inorganic materials 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001737 promoting effect Effects 0.000 description 3
- 230000002441 reversible effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000011064 split stream procedure Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial 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
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Power Engineering (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种考虑储能介入的电力市场效益评估模型算法,属于电力系统技术领域,本发明为解决现有风电能源发电电力系统由于随机波动性、间歇性、不具备阻尼特性,使电力系统不能安全稳定运行的问题。它包括:建立考虑风险的储能参与多重市场价值评估模型,获得储能最大化总收益模型;建立储能提升系能源外送能力价值评估模型,获得风光水对外输出效益模型的目标函数。建立考虑风险的储能参与多重市场价值评估模型的具体方法包括:确定各个市场的特征,包括期望收益率、方差、协方差和相关系数;建立风险市场组合;计算获得最优风险市场组合;计算最优风险市场组合的期望收益率和标准差。本发明用于电力市场效益评估。
Description
技术领域
本发明涉及一种考虑储能介入的电力市场效益评估模型算法,属于电力系统技术领域。
背景技术
建设以可再生能源为主体的清洁低碳能源体系是推动实现可持续发展的重要手段。然而,风光能源发电具有随机波动性、间歇性,且相较于同步发电机,不具备阻尼特性。风光能源机组的渗透率不断增加,给电力系统的安全稳定运行带来了严峻挑战。储能系统具有能量时移、快速响应及灵活布置等特点,是促进风光能源消纳、提升风光能源主动支撑能力的重要技术手段。
根据储能在电力系统中的安装位置,其应用场景可分为发电侧、电网侧以及用户侧。在发电侧,储能可参与可再生能源并网、减少弃风弃光、负荷跟踪、系统调频等;在电网侧,可参与辅助电力调峰、备用容量、缓解电网阻塞、延缓输配电设备扩容、无功支持、辅助动态运行等应用场景;在用户侧,储能可用于峰谷价差套利、容量费用管理、提升电能质量、提升供电可靠性等应用场景。
储能参与电力市场能够起延缓能够电网升级投资、改善电压水平、降低网损成本、低储高发以及提高节煤低碳效益等作用。以量化角度分析,可以将储能参与电力市场增量价值分为经济性价值、可靠性价值和环保性价值与三个方面。因此,提出一种考虑储能介入的电力市场效益评估模型对于电力系统的安全稳定运行至关重要。
发明内容
本发明目的是为了解决现有风电能源发电电力系统由于随机波动性、间歇性、不具备阻尼特性,使电力系统不能安全稳定运行的问题,提供了一种考虑储能介入的电力市场效益评估模型算法。
本发明所述的一种考虑储能介入的电力市场效益评估模型算法,它包括:
建立考虑风险的储能参与多重市场价值评估模型,获得储能最大化总收益模型:
其中,Esp表示各时刻储能运营商可参与市场的组合期望收益率;表示相应市场组合的标准差;U表示储能最大化总收益;A表示系统平均每年停电率;s.t.表示使得wi表示i时刻指标权重;
建立储能提升系能源外送能力价值评估模型,获得风光水对外输出效益模型的目标函数:
其中,CPS表示抽水蓄能电站的成本;PPSmax表示水轮机组的装机容量;EPSmax表示抽水蓄能电站上游水库的库容容量。
优选的,建立考虑风险的储能参与多重市场价值评估模型的具体方法包括:
确定各个市场的特征,包括期望收益率、方差、协方差和相关系数;
建立风险市场组合;
计算获得最优风险市场组合;
计算最优风险市场组合的期望收益率和标准差。
优选的,所述考虑风险的储能参与多重市场价值评估模型包括:能量服务市场收益、P2P服务市场收益和阻塞服务市场收益。
优选的,所述能量服务市场收益包括:
在t时刻,能量服务市场下储能运营商的收益为出售电能的预期收益与电能购买成本与间的差值,风险为各时刻电价预测值的标准差:
式中:EPC,t为能量服务市场下储能运营商的收益,Pd,t为t时刻的能量服务市场电价;Pc,t为电能购买成本;σPC,t为t时刻电价预测值的标准差,Pd,t,s为t时刻n个历史电价数据中的一个元素,s为中间变量。
优选的,所述P2P服务市场收益包括:
储能应用于P2P服务市场时的收益为提供此应用的预期收益与电能成本之间的差值,风险为各个时刻预期内部售电价格的标准差:
式中:EP2P,t为储能应用于P2P服务市场时的收益,PP2P,t为t的时刻P2P服务市场价格,Pc,t为能源购买成本;σPP,t为t的时刻预期内部售电价格的标准差,PP2P,s,t为t时刻n个历史P2P服务市场价格数据中的一个元素,s为中间变量。
优选的,所述阻塞服务市场收益为:
储能应用于延缓投资场景下的预期回报ECC,t根据预期能源销售价格与能源购买成本pc,t之间的差异确定;
预期的能源销售价格是储能运营商运营带来的阻塞成本节约CCl,t,如果系统中无阻塞,则该市场的预期回报为0;延缓投资场景的风险是每个时间段内阻塞量的标准差,即每个可能的阻塞成本与平均阻塞成本之间的差异;
式中:TCi,t,x为t时刻负载变化水平TCi,t中n个分支之间可能的拥塞成本,s为中间变量。
优选的,建立储能提升系能源外送能力价值评估模型的具体方法包括:
根据地区的装机情况确定光伏占比,按照光伏占比将风光出力打捆;
建立以最小化抽水蓄能电站的规划成本为目标的优化模型;
以风光水对外输出的波动率作为约束调节;
优化求解得到最优的抽水蓄能的库容和装机容量,输出抽水蓄能和风光的配比。
优选的,建立储能提升系能源外送能力价值评估模型的约束条件包括:
风光出力约束:
Psw=prPsolar+(1-pr)Pwind;
其中:Psw表示风光打捆后的不同时段的功率输出;pr表示风光占比;Psolar表示光伏风光出力;Pwind表示风光出力;
风光水波动率约束:
其中:Pre表示对外输出功率;PPSH表示抽水功率;PPSP表示放水功率;Pload表示本地消纳的部分容量;Pavg表示平均对外输出功率;T表示出力总时;δmax表示风光水对外输出功率允许的最大波动率;
抽水蓄能电站的运行约束:
其中:Ph(t)为t时刻抽水蓄能电站的放水放电功率;Pp(t)为t时刻抽水蓄能电站的抽水吸收功率;γH和γP分别为抽水蓄能电站的0-1放水状态变量和0-1抽水状态变量,且γH和γP不能同时取1;
传输通道约束:
Pre≤Cpcc;
其中:Cpcc表示输送通道的传输容量。
本发明的优点:本发明提出的一种考虑储能介入的电力市场效益评估模型算法,将投资组合问题化为三个风险市场的组合(储能运营商可参与能量服务市场、P2P服务市场及阻塞服务市场),在市场运营背景下,储能收益建模问题默认最大化储能总收益的问题,储能的市场参与策略以各个时刻效用最优为目标。
利用抽水蓄能的调节能力平抑风光出力的波动性,将风光水的打捆,然后通过特高压等输电线路输送至外部电网。利用抽水蓄能电站的调节能力平抑风光的波动性,实现风光水打捆对外输出稳定的功率。
附图说明
图1是差异化市场结构图;
图2是由可行集组成的曲线的有效前沿示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,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作出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明,但不作为本发明的限定。
实施例1:
下面结合图1和图2说明本实施方式,本实施方式所述一种考虑储能介入的电力市场效益评估模型算法,它包括:
建立考虑风险的储能参与多重市场价值评估模型,获得储能最大化总收益模型:
其中,Esp表示各时刻储能运营商可参与市场的组合期望收益率;表示相应市场组合的标准差;U表示储能最大化总收益;A表示系统平均每年停电率;s.t.表示使得wi表示i时刻指标权重;
建立储能提升系能源外送能力价值评估模型,获得风光水对外输出效益模型的目标函数:
其中,CPS表示抽水蓄能电站的成本;PPSmax表示水轮机组的装机容量;EPSmax表示抽水蓄能电站上游水库的库容容量。
进一步的,建立考虑风险的储能参与多重市场价值评估模型的具体方法包括:
确定各个市场的特征,包括期望收益率、方差、协方差和相关系数;
建立风险市场组合;
计算获得最优风险市场组合;
计算最优风险市场组合的期望收益率和标准差。
再进一步的,所述考虑风险的储能参与多重市场价值评估模型包括:能量服务市场收益、P2P服务市场收益和阻塞服务市场收益。
再进一步的,所述能量服务市场收益包括:
在t时刻,能量服务市场下储能运营商的收益为出售电能的预期收益与电能购买成本与间的差值,风险为各时刻电价预测值的标准差:
式中:EPC,t为能量服务市场下储能运营商的收益,Pd,t为t时刻的能量服务市场电价;Pc,t为电能购买成本;σPC,t为t时刻电价预测值的标准差,Pd,t,s为t时刻n个历史电价数据中的一个元素,s为中间变量。
再进一步的,所述P2P服务市场收益包括:
储能应用于P2P服务市场时的收益为提供此应用的预期收益与电能成本之间的差值,风险为各个时刻预期内部售电价格的标准差:
式中:EP2P,t为储能应用于P2P服务市场时的收益,PP2P,t为t的时刻P2P服务市场价格,Pc,t为能源购买成本;σPP,t为t的时刻预期内部售电价格的标准差,PP2P,s,t为t时刻n个历史P2P服务市场价格数据中的一个元素,s为中间变量。
再进一步的,所述阻塞服务市场收益为:
储能应用于延缓投资场景下的预期回报ECC,t根据预期能源销售价格与能源购买成本pc,t之间的差异确定;
预期的能源销售价格是储能运营商运营带来的阻塞成本节约CCl,t,如果系统中无阻塞,则该市场的预期回报为0;延缓投资场景的风险是每个时间段内阻塞量的标准差,即每个可能的阻塞成本与平均阻塞成本之间的差异;
式中:TCi,t,x为t时刻负载变化水平TCi,t中n个分支之间可能的拥塞成本,s为中间变量。
本实施方式中,在现有体系下,由储能运营商(energy storage operator,ESO)管理的新型储能设备可参与的市场通常不止一个,暂且假设储能运营商可参与能量服务市场、P2P服务市场及阻塞服务市场等三个差异化市场,市场结构图如图1所示。
ESO在市场中可获取的电价取决于许多因素,如市场参与者的竞价、负荷需求变化、系统阻塞等,具有不确定性和波动性,因此存在风险,虽然不确定性不可控但风险可控,其中控制风险的一个重要手段就是多样化应用,即通过在不同市场中组合应用来控制风险。但是当ESO参与不同市场时,市场中的风险可能导致储能竞标失败,因此必须量化储能运营的相关利益和风险,因此,考虑能量服务市场和P2P服务市场的风险主要来源于市场价格的变动可能导致实际收益率偏离期望收益率,阻塞服务市场风险主要源于负荷需求以及发电的不确定性引起的阻塞发生的不确定性。
期望收益率即不同情境下的收益率以发生概率为权重的加权平均值。假设ps是各种情景的概率,rs是各个情景的持有期收益率,则期望收益率的表达式:
收益率的标准差是度量风险的一种方法,为方差的平方根,方差是与期望收益偏差的平方的期望值,结果的波动性越强方差的均值就越大,方差的计算式为:
基于历史数据分析收益率和风险时,由于每一个历史观测值是等概率发生的,所以如果t时刻有n个观测电价Pd,s,t,则ps=1/n,这时期望收益率就是各情景下收益率的算术平均值,且各个市场下的收益都是来源于在该市场中提供服务的可获取的电价收益与提供此服务的能源成本Pc,s,t之间的差值,因此各个市场期望收益率可由下式推导出:
式中,为t时刻历史电价的平均值,之后各个市场中用于计算t时刻期望收益率的电价均为该市场该时刻历史电价的平均值。
同期望收益率的推导,可得出使用历史数据下的标准差为:
本实施方式中,能量服务市场收益为:
随着现代电网技术的发展,储能凭借其电能灵活性在需求侧管理上的有效应用而越来越广泛地应用于电力系统中。在能量服务市场中,ESO可将电能出售给能源服务市场同时也可在该市场购电,通过在电价较高时放电、电价较低时充电,储能运营商也可实现套利收益,套利的不确定性源于价格变化,这是无法准确预测的。在时刻t,能量服务市场下ESO的收益源于出售电能的预期收益与电能购买成本与间的差值,风险为各时刻电价预测值的标准差。
式中:Pd,t为t时刻的能量服务市场电价;Pc,t为电能购买成本;Pd,t,s为t时刻n个历史电价数据中的一个元素。
本实施方式中,P2P服务市场收益:
随着分布式发电交易市场的建立和发展,传统的用电用户可向外输送电能,自主管理拥有的发电、用电及储能资源,即成为了产消者,储能则是产消者兴起的重要因素。基于此,P2P市场模式也逐渐成为一类新兴的电力市场模式,是一种“弱中心化”的交易模式。储能运营商在P2P服务市场中可和其他产消者进行电能的买卖或将存储的电能卖给无力安装储能的普通用户实现盈利。P2P中的电能共享交易多通过智能合约或拍卖议价的方式进行,相当于形成用户之间的内部购售电价,一般处于和外部电力市场的购售电价之间,因此用户可低于市场购电价格的内部购电电价进行购电降低购电成本,同时储能也可高于外部售电电价的内部售电电价直接在P2P服务市场中卖给其他用户获取更高的利润,但是由于P2P服务市场中用户规模通常较小,需求的不确定性也更大,这些都导致P2P服务市场中的电价变动较外部电力市场大,风险更高。与能源服务市场中储能的风险收益相似,储能应用于P2P服务市场时的收益来自于提供此应用的预期收益与电能成本之间的差值,风险为各个时刻预期内部售电价格的标准差。
式中:PP2P,t为t的时刻P2P服务市场价格;PP2P,s,t为t时刻n个历史P2P服务市场价格数据中的一个元素。
本实施方式中,阻塞服务市场收益为:
当某一线路负荷超过其额定容量时,传统的措施主要是对配电线路升级或扩建。随着储能技术的发展和储能系统单位成本的下降,储能系统越来越多地应用于阻塞管理中,通过在阻塞服务市场中提供适当的阻塞管理服务,替代上述传统的升级改造措施,以延缓线路和配电站的投资,实现了“无线路解决方案”。该市场下阻塞的出现主要由于需求和发电的不确定性引起的线路意外超载。
假设系统中支路数为N,则在时刻t支路l的阻塞成本CCl,t如式:
式中:Pwl,t为无任何约束的支路l上的功率;Pnl,t为具有约束的分支l上的功率;TCCt为系统的总成本变化。
在节点i,由于储能的使用,时间t时阻塞管理费用的变化TCi,t如式:
节点需求/发电变化对分支流的影响可通过功率传递分布因子PTDF矩阵来量化。PTDF显示了通过传输线l从一个节点i到另一个节点j的能量传递分数。它是由节点功率变化引起的线路有功功率流变化的灵敏度矩阵。忽略线路损耗,直流功率流模型用于根据传输线的电抗来确定通过线路ij.l的功率流的分数。
引入PTDF以选择受节点i需求变化影响最敏感的线路l。节点i处的ES的操作与线路l的负载水平高低相关。因此,节点i中由节点功率流变化ΔPlt引起的ES输出变化ΔPit如式:
ΔPlt=PTDFij,l×ΔPit;
储能应用于延缓投资场景下的预期回报ECC,t是根据预期能源销售价格与能源购买成本pc,t之间的差异确定的。预期的能源销售价格是ES运营带来的阻塞成本节约CCl,t。如果系统中无阻塞,则该市场的预期回报为0。延缓投资场景的风险是每个时间段内阻塞量的标准差(即每个可能的阻塞成本与平均阻塞成本之间的差异)。
式中:TCi,t,x为t时刻负载变化水平TCi,t中n个分支之间可能的拥塞成本。
本实施方式中,基于上述,投资组合问题就是3个风险市场的组合。在市场运营背景下,此时储能收益建模问题默认最大化储能总收益的问题,则储能的市场参与策略以各个时刻效用最优为目标:
式中:Esp为各时刻储能运营商可参与市场的组合期望收益率;为相应市场组合的标准差。
由满足上式的点组成的集合称为投资组合可行集,证明由可行集组成的曲线是一条开口向右的凸曲线,如图2所示,其中,在给定组合期望收益率下方差最小的组合描绘出的曲线称为最小方差边界,所有最小方差边界上方的点提供了最优的风险和收益,因此这部分被称为有效边界。
实施例2:
本实施例对实施例1作进一步说明,建立储能提升系能源外送能力价值评估模型的具体方法包括:
根据地区的装机情况确定光伏占比,按照光伏占比将风光出力打捆;
建立以最小化抽水蓄能电站的规划成本为目标的优化模型;
以风光水对外输出的波动率作为约束调节;
优化求解得到最优的抽水蓄能的库容和装机容量,输出抽水蓄能和风光的配比。
进一步的,
再进一步的,建立储能提升系能源外送能力价值评估模型的约束条件包括:
风光出力约束:
Psw=prPsolar+(1-pr)Pwind;
其中:Psw表示风光打捆后的不同时段的功率输出;pr表示风光占比;Psolar表示光伏风光出力;Pwind表示风光出力;
风光水波动率约束:
其中:Pre表示对外输出功率;PPSH表示抽水功率;PPSP表示放水功率;Pload表示本地消纳的部分容量;Pavg表示平均对外输出功率;T表示出力总时;δmax表示风光水对外输出功率允许的最大波动率;
抽水蓄能电站的运行约束:
其中:Ph(t)为t时刻抽水蓄能电站的放水放电功率;Pp(t)为t时刻抽水蓄能电站的抽水吸收功率;γH和γP分别为抽水蓄能电站的0-1放水状态变量和0-1抽水状态变量,且γH和γP不能同时取1;
传输通道约束:
Pre≤Cpcc;
其中:Cpcc表示输送通道的传输容量。
本实施方式中,跨区域、大规模的新能源电力输送是应对风光资源与负荷中心逆向分布特点与实现碳中和的必然要求,而风光出力固有的随机性、间歇性和波动性给新能源打捆稳定输送带来了挑战。抽水蓄能电站具有的“电源+储能”的双重身份为平抑新能源波动,提升风光水混合能源系统灵活性,以及促进新能源打捆外送提供了解决思路。
利用抽水蓄能电站平抑风电光伏联合出力的日内波动性,实现平稳的功率输出,因此首先对典型抽水蓄能电站进行建模,分析其运行特性和规划成本。抽水蓄能电站的类型多样,目前主流抽水蓄能电站采用基于可逆式水泵的水轮机,其在电网负荷需求处于峰值时放水发电,满足系统电力的需求;而在电网负荷需求处于低谷时,吸收系统过量电能抽水并存放于上游水库。
本实施方式中,抽水蓄能电站的运行取决于电站上游水库的库容容量Epsmax和水轮机组的装机容量Ppsmax,其运行模型主要由三个部分组成:运行功率约束、库容约束和进出水量约束。
抽水蓄能电站在运行过程的功率约束包括抽水约束和放水约束为:
式中:Ph(t)为t时刻抽水蓄能电站的放水放电功率;Pp(t)为t时刻抽水蓄能电站的抽水吸收功率;γH和γP分别为抽水蓄能电站的0-1放水状态变量和0-1抽水状态变量,γH和γP不能同时取1。
抽水蓄能电站在运行过程中受到水库容量变化及其运行容量约束,即,在任意时段电站上游水库的蓄水量Eps(t)应在规定运行范围内,即
式中:cpsmin表示最小库容比例,cpsmax表示最大库容比例;ηP表示放水发电效率,ηH表示抽水效率。
抽水蓄能电站在运行过程中的要保持一天的进出水量一致,即:
抽水蓄能电站的成本模型主要包括两个部分:抽水蓄能电站可逆式发电机的容量和上游水库库容量的建设成本;发电机和水库定期的运行维护成本,即:
风光资源丰富的地区的风光实际出力往往大于负荷需求,因此,需要打捆外送至负荷需求较高的地区。但是,考虑到风电和光伏的出力具有较强的波动性、间歇性和不确定性,直接将风光打捆外输出,其联合出力特性往往与外部电网的负荷特性不符合,影响外部电网的优化运行。利用抽水蓄能的调节能力平抑风光出力的波动性,将风光水的打捆,然后通过特高压等输电线路输送至外部电网。
构建风光水对外输出效益模型的目标函数为最小化抽水蓄能电站的成本,如:
在目标函数的基础上,效益模型主要考虑以下四方面的约束条件,风光出力约束、风光水波动率抽水蓄能电站运行约束、以及传输通道容量约束。
风光出力约束:
根据风光占比pr,计算得到实际风光打捆出力为:
Psw=prPsolar+(1-pr)Pwind;
式中:Psw为风光打捆后的不同时段的功率输出,Psolar和Pwind为风光出力。
风光水波动率约束:
风光水对外输出功率的波动率要满足外部系统接收要求,即
式中:Pre为对外输出功率,Pload为本地消纳的部分容量,δmax为风光水对外输出功率允许的最大波动率。
抽水蓄能电站的运行约束:抽水蓄能的运行约束与建模部分一致。
传输通道约束:
考虑风光水打捆后对外输出的功率需要通过输送通道输送至外部电网,因此其输出功率需要满足线路输送容量的约束:
Pre≤Cpcc;
式中:Cpcc为输送通道的传输容量。
虽然在本文中参照了特定的实施方式来描述本发明,但是应该理解的是,这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是,可以对示例性的实施例进行许多修改,并且可以设计出其他的布置,只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是,可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是,结合单独实施例所描述的特征可以使用在其他所述实施例中。
Claims (8)
1.一种考虑储能介入的电力市场效益评估模型算法,其特征在于,它包括:
建立考虑风险的储能参与多重市场价值评估模型,获得储能最大化总收益模型:
其中,Esp表示各时刻储能运营商可参与市场的组合期望收益率;表示相应市场组合的标准差;U表示储能最大化总收益;A表示系统平均每年停电率;s.t.表示使得/>wi表示i时刻指标权重;
建立储能提升系能源外送能力价值评估模型,获得风光水对外输出效益模型的目标函数:
其中,CPS表示抽水蓄能电站的成本;PPSmax表示水轮机组的装机容量;EPSmax表示抽水蓄能电站上游水库的库容容量。
2.根据权利要求1所述的一种考虑储能介入的电力市场效益评估模型算法,其特征在于,建立考虑风险的储能参与多重市场价值评估模型的具体方法包括:
确定各个市场的特征,包括期望收益率、方差、协方差和相关系数;
建立风险市场组合;
计算获得最优风险市场组合;
计算最优风险市场组合的期望收益率和标准差。
3.根据权利要求1或2所述的一种考虑储能介入的电力市场效益评估模型算法,其特征在于,所述考虑风险的储能参与多重市场价值评估模型包括:能量服务市场收益、P2P服务市场收益和阻塞服务市场收益。
4.根据权利要求3所述的一种考虑储能介入的电力市场效益评估模型算法,其特征在于,所述能量服务市场收益包括:
在t时刻,能量服务市场下储能运营商的收益为出售电能的预期收益与电能购买成本与间的差值,风险为各时刻电价预测值的标准差:
式中:EPC,t为能量服务市场下储能运营商的收益,Pd,t为t时刻的能量服务市场电价;Pc,t为电能购买成本;σPC,t为t时刻电价预测值的标准差,Pd,t,s为t时刻n个历史电价数据中的一个元素,s为中间变量。
5.根据权利要求3所述的一种考虑储能介入的电力市场效益评估模型算法,其特征在于,所述P2P服务市场收益包括:
储能应用于P2P服务市场时的收益为提供此应用的预期收益与电能成本之间的差值,风险为各个时刻预期内部售电价格的标准差:
式中:EP2P,t为储能应用于P2P服务市场时的收益,PP2P,t为t的时刻P2P服务市场价格,Pc,t为能源购买成本;σPP,t为t的时刻预期内部售电价格的标准差,PP2P,s,t为t时刻n个历史P2P服务市场价格数据中的一个元素,s为中间变量。
6.根据权利要求3所述的一种考虑储能介入的电力市场效益评估模型算法,其特征在于,所述阻塞服务市场收益为:
储能应用于延缓投资场景下的预期回报ECC,t根据预期能源销售价格与能源购买成本pc,t之间的差异确定;
预期的能源销售价格是储能运营商运营带来的阻塞成本节约CCl,t,如果系统中无阻塞,则该市场的预期回报为0;延缓投资场景的风险是每个时间段内阻塞量的标准差,即每个可能的阻塞成本与平均阻塞成本之间的差异;
式中:TCi,t,x为t时刻负载变化水平TCi,t中n个分支之间可能的拥塞成本,s为中间变量。
7.根据权利要求1所述的一种考虑储能介入的电力市场效益评估模型算法,其特征在于,建立储能提升系能源外送能力价值评估模型的具体方法包括:
根据地区的装机情况确定光伏占比,按照光伏占比将风光出力打捆;
建立以最小化抽水蓄能电站的规划成本为目标的优化模型;
以风光水对外输出的波动率作为约束调节;
优化求解得到最优的抽水蓄能的库容和装机容量,输出抽水蓄能和风光的配比。
8.根据权利要求1所述的一种考虑储能介入的电力市场效益评估模型算法,其特征在于,建立储能提升系能源外送能力价值评估模型的约束条件包括:
风光出力约束:
Psw=prPsolar+(1-pr)Pwind;
其中:Psw表示风光打捆后的不同时段的功率输出;pr表示风光占比;Psolar表示光伏风光出力;Pwind表示风光出力;
风光水波动率约束:
其中:Pre表示对外输出功率;PPSH表示抽水功率;PPSP表示放水功率;Pload表示本地消纳的部分容量;Pavg表示平均对外输出功率;T表示出力总时;δmax表示风光水对外输出功率允许的最大波动率;
抽水蓄能电站的运行约束:
其中:Ph(t)为t时刻抽水蓄能电站的放水放电功率;Pp(t)为t时刻抽水蓄能电站的抽水吸收功率;γH和γP分别为抽水蓄能电站的0-1放水状态变量和0-1抽水状态变量,且γH和γP不能同时取1;
传输通道约束:
Pre≤Cpcc;
其中:Cpcc表示输送通道的传输容量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311418879.7A CN117557301A (zh) | 2023-10-30 | 2023-10-30 | 一种考虑储能介入的电力市场效益评估模型算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311418879.7A CN117557301A (zh) | 2023-10-30 | 2023-10-30 | 一种考虑储能介入的电力市场效益评估模型算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117557301A true CN117557301A (zh) | 2024-02-13 |
Family
ID=89819475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311418879.7A Pending CN117557301A (zh) | 2023-10-30 | 2023-10-30 | 一种考虑储能介入的电力市场效益评估模型算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117557301A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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
- 2023-10-30 CN CN202311418879.7A patent/CN117557301A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
---|---|---|
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 | |
Ghofrani et al. | A framework for optimal placement of energy storage units within a power system with high wind penetration | |
CN107895221B (zh) | 市场环境下梯级水电站中长期调度与检修计划优化方法 | |
Jordehi | Two-stage stochastic programming for risk-aware scheduling of energy hubs participating in day-ahead and real-time electricity markets | |
CN107798430B (zh) | 计及可再生能源跨区消纳的竞价优化方法 | |
CN117557301A (zh) | 一种考虑储能介入的电力市场效益评估模型算法 | |
Donnellan et al. | A review of energy storage and its application in power systems | |
CN115423260A (zh) | 一种电力市场及政策服务新能源利用的量化分析方法 | |
CN111799794A (zh) | 一种考虑输电阻塞盈余的输电网扩展规划方法 | |
Chandio et al. | Gridpeaks: Employing distributed energy storage for grid peak reduction | |
Li et al. | Multi-energy coordinated operation optimization model for wind-solar-hydro-thermal-energy storage system considering the complementary characteristics of different power resources | |
Bao et al. | Efficient virtual power plant management strategy and Leontief-game pricing mechanism towards real-time economic dispatch support: A case study of large-scale 5G base stations | |
He et al. | Customized prices design for agent-based local energy market with pv and energy storage | |
Vafamehr et al. | Aggregation of BTM battery storages to provide ancillary services in wholesale electricity markets | |
CN114491997A (zh) | 考虑需求响应及电动汽车的虚拟电厂运行优化方法及系统 | |
Liang et al. | Risk Stabilization and Market Bidding Strategy of Virtual Power Plant Alliance Based on Multi-stage Robust Optimization | |
CN112381399A (zh) | 一种能源系统日前-实时出清方法及系统 | |
Liu et al. | Optimal allocation of battery energy storage in distribution network considering the co-operation of generalized demand side resources | |
CN117709689B (zh) | 一种计及整体效能与能量阻抗的风电场功率分配优化方法 | |
Wu et al. | Multi-alliance market subject auxiliary peak shaving strategy for new energy consumption | |
Hu et al. | Optimization model of joint operation Risk control of virtual power plant power Selling Company | |
CN117196173B (zh) | 一种考虑运行风险和网络传输的虚拟电厂分布式调度方法 | |
Gu et al. | Pricing decision-making for interruptible load participating in day-ahead electricity and reserve markets | |
Wang et al. | Research on the optimal configuration of user-side PV&ES and the marketing pricing of power grid enterprises | |
Pack et al. | REVENUE POTENTIAL OF DIFFERENT PROSUMER TYPES AT LOCAL FLEXIBILITY 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 |