CN111047114A - 抽水蓄能机组在日前电力现货市场的双层竞价优化方法 - Google Patents
抽水蓄能机组在日前电力现货市场的双层竞价优化方法 Download PDFInfo
- Publication number
- CN111047114A CN111047114A CN201911385193.6A CN201911385193A CN111047114A CN 111047114 A CN111047114 A CN 111047114A CN 201911385193 A CN201911385193 A CN 201911385193A CN 111047114 A CN111047114 A CN 111047114A
- Authority
- CN
- China
- Prior art keywords
- storage unit
- pumped storage
- market
- output
- unit
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000005457 optimization Methods 0.000 title claims abstract description 34
- 230000002068 genetic effect Effects 0.000 claims abstract description 27
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- 238000010248 power generation Methods 0.000 claims abstract description 13
- 230000005611 electricity Effects 0.000 claims description 24
- 238000005086 pumping Methods 0.000 claims description 22
- 230000008901 benefit Effects 0.000 claims description 19
- 230000009194 climbing Effects 0.000 claims description 6
- 230000009977 dual effect Effects 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 239000000243 solution Substances 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000004146 energy storage Methods 0.000 claims description 2
- 238000002347 injection Methods 0.000 claims description 2
- 239000007924 injection Substances 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 231100000716 Acceptable daily intake Toxicity 0.000 claims 1
- 238000013468 resource allocation Methods 0.000 abstract description 5
- 238000012804 iterative process Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000002028 premature Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241001146702 Candidatus Entotheonella factor Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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
- G06Q10/04—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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/08—Auctions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Finance (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Game Theory and Decision Science (AREA)
- Water Supply & Treatment (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
Abstract
本发明公开了一种抽水蓄能机组在日前电力现货市场的双层竞价优化方法:首先在报价范围内随机生成W组新报价;然后调用gurobi优化器求解市场出清模型,在全***发电总费用最小目标下优化抽水蓄能机组的相关参数;接着以实现抽水蓄能机组在电力现货市场中获得最大收益为目标,从而通过遗传算法寻优迭代过程,直至输出最优的抽水蓄能机组报价及容量优化结果。本发明可实现抽水蓄能机组容量合理安排和优化资源配置,同时获得更高的收益,从而提高抽水蓄能电站在市场中的竞争力。
Description
技术领域
本发明属于抽水蓄能机组市场化应用领域,具体涉及抽水蓄能机组在日前电力现货市场的策略性竞价模型的应用。
背景技术
抽水蓄能机组是一种响应快速、运行方式灵活的电源形式,由于其具有储能、调峰、调频等多种功能,因而对于间歇性能源的发展起到了重要的辅助作用。目前,全球抽水蓄能电站的装机已达1.5亿千瓦,伴随全球能源结构转型和能源消费革命,抽水蓄能机组将在保障电网安全、提供***灵活调节和促进新能源消纳等方面发挥越来越重要的作用。
随着电力工业引入市场竞争,电力市场参与主体不断增多,市场化用电量逐步增加,逐步形成了电能市场和辅助服务市场,发电商参与电力市场竞争是电力行业的发展趋势。虽然在市场起步阶段抽水蓄能机组允许参与的电能量和辅助市场仍较少,但目前对于抽水蓄能机组市场化形式的交易和补偿明显增多。目前,国内外对抽水蓄能机组的应用研究中,从抽水蓄能机组的竞价策略角度优化其应用的研究较少,在电能量和辅助市场的联合市场中开展的应用研究相对也较少。但由于抽水蓄能机组存在抽发损耗,提供的辅助服务受益对象广泛难以量化等原因,限制了抽水蓄能机组在市场中的竞争力,因此,需要通过建立模型、分析模型并求解验证后应用于提升抽水蓄能机组在市场中的竞争力,对其在市场中发挥的作用予以正确量化分析,在对抽水蓄能机组容量合理安排和优化资源配置前提下实现最大效益。
另外,采用数学优化算法直接求解模型一般较为复杂,往往完全依赖于商业化软件,且模型求解结果仍有待提高对于实践的指导价值。尽管遗传算法是解决复杂问题的有效工具,例如,其能够直接对结构对象进行处理,不会受到求导和连续性的限制,对于含有0/1变量的函数的求解具有优势。但目前遗传算法在电力***中主要应用于无功优化问题。
发明内容
本发明的目的在于提供一种抽水蓄能机组在日前电力现货市场的双层竞价优化方法,实现抽水蓄能机组容量合理安排和优化资源配置,同时获得更高的收益。
为实现上述目的,本发明采用了以下技术方案:
1)在抽水蓄能电站的(一般为一个电站)报价范围内随机生成W组报价策略,以每组报价策略代表初始遗传种群中的一个个体(采用实数编码),并确定遗传算法的运行参数,所述运行参数包括遗传代数G、交叉概率Pc和变异概率Pm;
2)以***的发电总费用(所有机组的总报价,***中所有机组分为两类:抽水蓄能机组和其他机组)最小为优化目标建立市场出清模型,使用分支界定法求解该市场出清模型,得到步骤1)中任意一组报价策略下抽水蓄能机组的出力(Pj(t))、抽水功率(Dj(t)),并计算电价(①将市场出清模型目标函数联合约束建立拉格朗日函数,可求解得到拉格朗日乘子λe(t)、μ+ l(t)、μ- l(t)和λr(t),通过计算节点边际电价;②由ρr(t)=-λr(t)得到调频辅助服务市场电价);其中所述市场出清模型的约束条件包括***安全运行约束、抽水蓄能机组约束、其他机组约束(其他机组具体包括煤电机组、气电机组、水电机组中的一种以上机组)和电能量市场与调频辅助服务市场之间的市场关联约束;
3)以抽水蓄能机组在电力现货市场中获得的收益最大为优化目标建立抽水蓄能机组效益模型(主要利用其目标函数计算适应度值),根据步骤2)优化得到的抽水蓄能机组的出力、抽水功率及相应电价,计算每一组报价策略下抽水蓄能机组在电力现货市场获得的收益(即电能量市场收益和调频辅助服务市场收益之和减去抽水购电费用后的净收益)并作为对应个体的适应度值,然后使用遗传算法进行迭代寻优,得到抽水蓄能机组效益模型的求解结果(即最优的一组报价策略),在迭代寻优过程中(通过遗传操作,即选择、交叉和变异,产生新的报价组合,并通过多代种群进行反复寻优),每一代遗传种群中个体的适应度值均为对应报价策略下抽水蓄能机组的出力、抽水功率及相应电价在经所述市场出清模型优化后所对应的在电力现货市场获得的收益(根据抽水蓄能机组效益模型目标函数,可结合电价计算得到)。
优选的,所述报价策略包括抽水蓄能机组的电能量市场报价ρe(w)和调频辅助服务市场报价ρr(w),w=1,…,W(抽水蓄能机组以所在电站为单位进行统一报价,即同一抽水蓄能电站的抽水蓄能机组报价相同)。
优选的,所述市场出清模型的目标函数(下层目标函数)为:
其中,分别是第i台其他机组在电能量市场、调频辅助服务市场中的报价,Pi(t)是第i台其他机组在电能量市场的出力,是第i台其他机组在调频辅助服务市场的出力;ρe是抽水蓄能机组在电能量市场中的报价,ρr是抽水蓄能机组在调频辅助服务市场中的调频里程报价,Pj(t)是第j台抽水蓄能机组在电能量市场的出力,Rj(t)是第j台抽水蓄能机组在调频辅助服务市场的调频容量;T1为电能量市场调度时刻集合(一般为96个时刻),T2为调频辅助服务市场调度时刻集合(一般为24个时刻),M为其他机组数,N为抽水蓄能机组数。
优选的,所述***安全运行约束包括***负荷平衡约束、***正备用和负备用约束、***旋转备用约束、线路潮流约束及***调频容量约束;
4.1)***负荷平衡约束表示为:
其中,Dj(t)是第j台抽水蓄能机组的抽水功率,PL(t)是***负荷功率,λe(t)是***统一出清电价;t均为电能量市场调度时刻;
4.2)***正备用和负备用约束表示为:
其中,Pi,max是第i台其他机组的出力上限,Pi,min是第i台其他机组的出力下限;Pj,max是第j台抽水蓄能机组的出力上限,Pj,min是第j台抽水蓄能机组的出力下限;Ui(t)表示第i台其他机组在t时刻的开停机状态(处于开机状态值为1,处于停机状态值为0),Uj(t)表示第j台抽水蓄能机组在t时刻的开停机状态,Uj,pump(t)表示第j台抽水蓄能机组在t时刻的抽水状态(处于抽水状态值为1,未处于抽水状态值为0);分别是正、负备用容量,除了的t是调频辅助服务市场调度时刻,其他参数的t是电能量市场调度时刻;
4.3)***旋转备用约束表示为:
其中,ramp_up是上爬坡率,ramp_down是下爬坡率;Ps(t)是t时刻第s台机组在电能量市场的出力;Pt,s,max是t时刻第s台机组的出力上限;Pt+1,s,min是下一时刻(t+1时刻)第s台机组的出力下限;为上旋转备用需求,为下旋转备用需求,除了的t是调频辅助服务市场调度时刻,其他参数的t是电能量市场调度时刻;
4.4)线路潮流约束表示为:
其中,gl,i、gl,j、gl,k分别为第l条线路对其他机组、抽水蓄能机组、节点负荷的转移分布因子;Ll,max为第l条线路最大有功传输容量,PL,k(t)为第k个节点的注入负荷,K为***节点数;μ+ l(t)、μ- l(t)分别是正对偶变量、负对偶变量;t均为电能量市场调度时刻;
4.5)***调频容量约束表示为:
其中,j()是第j台抽水蓄能机组在调频辅助服务市场的调频容量,Ri(t)是第i台其他机组在调频辅助服务市场的调频容量,RL(t)为***在t时刻的调频容量需求,λr(t)为***在t时刻的调频电价(对偶变量);t均为调频辅助服务市场调度时刻。
优选的,所述抽水蓄能机组约束包括出力上下限约束、发电/抽水同时性约束、库容约束、最大启停次数约束及抽水蓄能机组调频上下限约束;
5.1)出力上下限约束表示为:
Uj(t)Pj,min≤Pj(t)≤Uj(t)Pj,max (9)
其中,Uj(t)表示第j台抽水蓄能机组在t时刻的开停机状态;t均为电能量市场调度时刻;
5.2)发电/抽水同时性约束表示为:
0≤max(Uj(t))+max(Uj,pump(t))≤1 (10)
其中,Uj,pump(t)表示第j台抽水蓄能机组在t时刻的抽水状态;t均为电能量市场调度时刻;
5.3)库容约束表示为:
V(0)=V(T2) (11)
Vmin≤V(t)≤Vmax (12)
V(t)=V(t-1)-Pj(t)×FactorP+Dj(t)×FactorD (13)
其中,V(0)是初始库容,V(T2)是最终库容,Vmin是库容下限,Vmax是库容上限,V(t)是t时刻库容,t-1表示上一时刻;FactorP和FactorD为水电转换因子(一般为抽4发3,即FactorD=0.75×FactorP,下标P表示放水发电,下标D表示抽水蓄电);t均为电能量市场调度时刻;
5.4)最大启停次数约束表示为:
其中,Shutj是抽水蓄能机组的停机状态(停机取1),Startj是抽水蓄能机组的启动(即开机)状态(开机取1),Nj是启停次数限值;t均为电能量市场调度时刻;
5.5)抽水蓄能机组调频上下限约束表示为:
其中,vj是第j台抽水蓄能机组的实测调节速率,是第j台抽水蓄能机组在调频辅助服务市场中的状态;f1是调节速率限制系数,f2是发电容量限制系数,f3是调频需求限制系数,f4是可调节容量限制系数;t均为调频辅助服务市场调度时刻。
优选的,所述其他机组约束包括出力上下限约束、爬坡约束、最小连续开停时间约束、最大启停次数约束及其他机组调频上下限约束;
6.1)出力上下限约束表示为:
Ui(t)Pi,min≤Pi(t)≤Pi,maxUi(t) (18)
其中,Ui(t)是第i台其他机组在t时刻的开停机状态;t均为电能量市场调度时刻;
6.2)爬坡约束表示为:
Pi(t)-Pi(t-1)≤RampupUi(t-1)+Pi,min(Ui(t)-Ui(t-1))+Pi,max(1-Ui(t)) (19)
Pi(t-1)-Pi(t)≤RampupUi(t)+Pi,min(Ui(t)-Ui(t-1))+Pi,max(1-Ui(t-1)) (20)
其中,Rampup是上爬坡率;t均为电能量市场调度时刻;
6.3)最小连续开停时间约束表示为:
6.4)最大启停次数约束表示为:
其中,Shuti是其他机组的停机状态(停机取1),Starti是其他机组的启动状态(开机取1),Ni是启停次数限值;t均为电能量市场调度时刻;
6.5)其他机组调频上下限约束
优选的,所述市场关联约束包括所有机组出力上下限约束及机组状态关联约束;
7.1)所有机组(抽水蓄能机组和其他机组)出力上下限约束(能量和容量关联)表示为:
Pmin Ue(t)≤P(t)+R(t)≤Pmax Ue(t) (27)
其中,Pmin是机组最小出力,Pmax是机组最大出力,Ue(t)是机组在电能量市场中的状态(开机取1,停机取0),R(t)是机组在调频辅助服务市场中容量,P(t)是机组在电能量市场中出力;R(t)的t是调频辅助服务市场调度时刻,其他参数的t是电能量市场调度时刻;
7.2)所有机组(抽水蓄能机组和其他机组)状态关联约束表示为(可用于限定电能量市场与调频辅助服务市场中时刻的对应关系):
其中,Ur(t)是机组在调频辅助服务市场中的状态(参与调频取1,不参与调频取0);Ur(t)的t是调频辅助服务市场调度时刻,其他参数的t是电能量市场调度时刻。
优选的,所述抽水蓄能机组效益模型的目标函数(上层目标函数)为:
其中,为抽水蓄能机组在第b个节点处的节点边际电价,Pj,b(t)为第j台抽水蓄能机组在第b个节点处的发电功率,Dj,b(t)为第j台抽水蓄能机组在第b个节点处的抽水功率,B为抽水蓄能机组所在的节点总数,ργ(t)为抽水蓄能机组在辅助服务市场电价(调频辅助服务市场采用市场统一出清电价)。
优选的,所述遗传算法的选择操作采用随机摄动法(能改善种群的多样性,对早熟现象和局部最优的问题有显著的改善,使优化过程具有较好的鲁棒性),交叉操作方法采用实数交叉法。
优选的,W的取值范围为20~160(增大种群规模能保证种群多样性,但会增加计算量,收敛速度下降),G的取值范围为≥20,Pc的取值范围为0.25~1.0(交叉率越大,群体中新个体产生的机会就会越多,但原有个体被破坏的可能性也随之增大,太低则可能导致搜索阻滞),Pm的取值范围为0.005~0.3(变异率太大会使得算法成为随机搜索,太小可能导致算法早熟,或者使算法陷入局部最优解的概率增大)。
本发明具有如下有益效果:
本发明建立了抽水蓄能机组在日前现货市场的双层竞价模型,竞价策略模型的目标函数分为上下两层,上层为抽水蓄能机组效益模型,目的是使抽水蓄能机组在电力现货市场中获得最大收益,下层为***出清模型,使全***发电总费用最小,并实现抽水蓄能机组容量合理安排。针对***出清模型约束中含有0/1变量的双层竞价模型,选用遗传算法配合求解,不仅简化了求解过程,而且通过先对下层目标函数进行求解,在全***发电总费用最小目标下,实现抽水蓄能机组容量安排更加合理、优化资源配置,从而获得更高的收益,提高了抽水蓄能电站(抽水蓄能机组)在市场中的竞争力,而抽水蓄能机组更多地参与市场,能更好地平抑***负荷的波动,使其他机组出力更为平稳,减少损耗和启停费用,从而实现社会福利最大化。
附图说明
图1是本发明的求解算法流程图。
图2是遗传算法寻优流程图。
图3是应用实例所采用的IEEE39节点***结构图,C为燃煤机组,G为燃气机组,S为抽水蓄能机组。
图4是应用实例中各发电机组分段报价曲线。
图5是遗传算法寻找最大收益曲线。
图6是抽水蓄能机组电能量市场分段报价曲线。
图7是最优报价策略与一般报价下的出力对比(以负荷为参照)。
图8是最优报价策略与一般报价下的出力对比(以节点电价为参照)。
图9是最优报价策略与一般报价下的抽水蓄能机组收益。
具体实施方式
下面结合附图和实施例对本发明做详细说明。
本发明提出了抽水蓄能机组在日前电力现货市场的双层竞价模型,研究在电力市场环境中,抽水蓄能机组如何通过策略性报价,实现资源优化配置并获取最大收益。
本发明中场景选取日前电能量市场和辅助服务市场联合出清的市场模式。在不失一般性的情况下,对模型进行如下假设:
1)本模型考虑调频市场和电能量市场的联合优化出清;
2)本模型默认其他机组或电厂都按边际成本(估算)报价;
3)本模型中,电能量市场采用节点边际电价,调频辅助服务市场采用市场统一出清电价。
本发明采用遗传算法配合求解,求解流程如图1所示,遗传算法寻优流程如图2所示。首先生成随机新报价,使用分支界定法(调用gurobi优化器)求解市场出清模型,计算抽水蓄能机组收益,然后进入遗传算法寻优迭代过程,直至最终输出最优结果。具体步骤如下:
1)确定所研究节点***的网络数据,发电机组的种类、数目、运行参数及分段报价曲线,相应时间内负荷数据。
2)确定遗传算法的运行参数,主要包括群体大小W、遗传代数G、交叉概率Pc和变异概率Pm。并在报价范围内随机生成W个个体,每个个体代表一组报价策略,包含能量市场报价ρe(w)和调频辅助服务市场报价ρr(w)。
3)先调用Gurobi优化器求解市场出清模型(下层模型),目标函数为:
由求解下层模型(约束条件参见公式(2)-(28),f2=0.15,f3=0.2,f4=0.03,公式(16)、(25)中f1=3min,公式(17)、(26)中f1=1min)得到的相关参数计算对应报价策略的适应度,适应度函数为:
4)进行遗传操作,包括选择操作、交叉操作和变异操作。选择操作采用随机摄动法,交叉操作采用实数交叉法。
5)通过多代种群进行反复寻优,得到最优报价策略。
具体应用实例:
采用改进的IEEE39节点***进行测算,该***结构如图3所示,其中,C为燃煤机组(煤电),G为燃气机组(气电),S为抽水蓄能机组(抽蓄),发电机组的参数信息如表1所示:
表1.发电机组参数信息
发电机组分段报价曲线如图4所示。负荷数据采取PJM某日数据,符合两峰两谷的特点。
遗传算法的群体大小W取30,遗传代数G取50,交叉概率Pc为0.7,变异概率Pm为0.3。电能量市场报价区间为0至市场中其他机组最高报价125%,即0-1000MW;调频市场的报价区间为0至市场中其他机组最高报价125%,即0-80MW。处理器为Intel(R)Core(TM)i7-7700 [email protected] 3.60GHz(RAM:16.0GB),预计计算时间为30000秒(约8-9小时)。
计算得到的抽水蓄能机组的最优报价结果:电能量市场报价为130.0629元/MWh,调频里程报价为46.6694元/MW。最大收益为141490元,其中电能量收益为132940元,调频收益为8550元。计算时间为32472秒。遗传算法寻找最大收益曲线如图5所示,可以看出在进行到大约第21代之后,已基本收敛。最终优化得到的抽水蓄能机组电能量市场分段报价曲线如图6所示。
将抽水蓄能机组在最优报价策略和一般报价下(确保抽水蓄能机组能优先出清的报价)的运行曲线和收益进行对比,且分别以负荷、节点电价为参照,得到图7和图8所示曲线,可以看出在最优报价策略下,抽水蓄能机组的出力与负荷曲线更加贴切。抽水蓄能机组通过合理的容量安排,使得抽水电价降低,减少了抽水需要的购电成本。
最优报价策略与一般报价下的抽水蓄能机组收益对比如图9所示,可以看出无论在电能量市场还是调频市场,收益均高于一般报价,使抽水蓄能机组获得了更高的收益。所以,通过实例验证,本发明能够合理安排抽水蓄能机组容量,优化资源配置,并使抽水蓄能机组在日前电力市场中获得更高收益,本发明的策略性竞价模型具有可行性。
Claims (10)
1.抽水蓄能机组在日前电力现货市场的双层竞价优化方法,其特征在于:包括以下步骤:
1)在抽水蓄能电站的报价范围内随机生成W组报价策略,以每组报价策略代表初始遗传种群中的一个个体,并确定遗传算法的运行参数,所述运行参数包括遗传代数G、交叉概率Pc和变异概率Pm;
2)以***的发电总费用最小为优化目标建立市场出清模型,使用分支界定法求解该市场出清模型,得到任意一组报价策略下抽水蓄能机组的出力、抽水功率,并计算电价;其中所述市场出清模型的约束条件包括***安全运行约束、抽水蓄能机组约束、其他机组约束和市场关联约束;
3)以抽水蓄能机组在电力现货市场中获得的收益最大为优化目标建立抽水蓄能机组效益模型,根据步骤2)优化得到的抽水蓄能机组的出力、抽水功率及相应电价,计算每一组报价策略下抽水蓄能机组在电力现货市场获得的收益并作为对应个体的适应度值,然后使用遗传算法进行迭代寻优,得到抽水蓄能机组效益模型的求解结果,在迭代寻优过程中,每一代遗传种群中个体的适应度值均为对应报价策略下抽水蓄能机组的出力、抽水功率及相应电价在经所述市场出清模型优化后所对应的在电力现货市场获得的收益。
2.根据权利要求1所述抽水蓄能机组在日前电力现货市场的双层竞价优化方法,其特征在于:所述报价策略包括抽水蓄能机组的电能量市场报价和调频辅助服务市场报价。
4.根据权利要求1所述抽水蓄能机组在日前电力现货市场的双层竞价优化方法,其特征在于:所述***安全运行约束包括***负荷平衡约束、***正备用和负备用约束、***旋转备用约束、线路潮流约束及***调频容量约束;
4.1)***负荷平衡约束表示为:
其中,Pi(t)是第i台其他机组在电能量市场的出力,Pj(t)是第j台抽水蓄能机组在电能量市场的出力,Dj(t)是第j台抽水蓄能机组的抽水功率,PL(t)是***负荷功率,λe(t)是***统一出清电价,M为其他机组数,N为抽水蓄能机组数;
4.2)***正备用和负备用约束表示为:
其中,Pi,max是第i台其他机组的出力上限,Pi,min是第i台其他机组的出力下限,Pj,max是第j台抽水蓄能机组的出力上限,Pj,min是第j台抽水蓄能机组的出力下限,Ui(t)表示第i台其他机组在t时刻的开停机状态,Uj(t)表示第j台抽水蓄能机组在t时刻的开停机状态,Uj,pump(t)表示第j台抽水蓄能机组在t时刻的抽水状态,PL(t)是***负荷功率,分别是正、负备用容量,M为其他机组数,N为抽水蓄能机组数;
4.3)***旋转备用约束表示为:
其中,ramp_up是上爬坡率,ramp_down是下爬坡率,Ps(t)是t时刻第s台机组在电能量市场的出力,Pt,s,max是t时刻第s台机组的出力上限,Pt+1,s,min是下一时刻第s台机组的出力下限,为上旋转备用需求,为下旋转备用需求,M为其他机组数,N为抽水蓄能机组数;
4.4)线路潮流约束表示为:
其中,gl,i、gl,j、gl,k分别为第l条线路对其他机组、抽水蓄能机组、节点负荷的转移分布因子,Ll,max为第l条线路最大有功传输容量,PL,k(t)为第k个节点的注入负荷,Pi(t)是第i台其他机组在电能量市场的出力,Pj(t)是第j台抽水蓄能机组在电能量市场的出力,Dj(t)是第j台抽水蓄能机组的抽水功率,K为***节点数,M为其他机组数,N为抽水蓄能机组数,μ+ l(t)、μ- l(t)分别是正对偶变量、负对偶变量;
4.5)***调频容量约束表示为:
其中,Rj(t)是第j台抽水蓄能机组在调频辅助服务市场的调频容量,Ri(t)是第i台其他机组在调频辅助服务市场的调频容量,RL(t)为***在t时刻的调频容量需求,λr(t)为***在t时刻的调频电价,M为其他机组数,N为抽水蓄能机组数。
5.根据权利要求1所述抽水蓄能机组在日前电力现货市场的双层竞价优化方法,其特征在于:所述抽水蓄能机组约束包括出力上下限约束、发电/抽水同时性约束、库容约束、最大启停次数约束及调频上下限约束;
5.1)出力上下限约束表示为:
Uj(t)Pj,min≤Pj(t)≤Uj(t)Pj,max
其中,Uj(t)表示第j台抽水蓄能机组在t时刻的开停机状态,Pj,max是第j台抽水蓄能机组的出力上限,Pj,min是第j台抽水蓄能机组的出力下限,Pj(t)是第j台抽水蓄能机组在电能量市场的出力;
5.2)发电/抽水同时性约束表示为:
0≤max(Uj(t))+max(Uj,pump(t))≤1
其中,Uj,pump(t)表示第j台抽水蓄能机组在t时刻的抽水状态,Uj(t)表示第j台抽水蓄能机组在t时刻的开停机状态;
5.3)库容约束表示为:
V(0)=V(T2)
Vmin≤V(t)≤Vmax
V(t)=V(t-1)-Pj(t)×FactorP+Dj(t)×FactorD
其中,V(0)是初始库容,V(T2)是最终库容,Vmin是库容下限,Vmax是库容上限,V(t)是t时刻库容,t-1表示上一时刻,Pj(t)是第j台抽水蓄能机组在电能量市场的出力,Dj(t)是第j台抽水蓄能机组的抽水功率,FactorP和FactorD为水电转换因子;
5.4)最大启停次数约束表示为:
其中,Shutj是抽水蓄能机组的停机状态,Startj是抽水蓄能机组的启动状态,Nj是启停次数限值,T1为电能量市场调度时刻集合;
5.5)调频上下限约束表示为:
6.根据权利要求1所述抽水蓄能机组在日前电力现货市场的双层竞价优化方法,其特征在于:所述其他机组约束包括出力上下限约束、爬坡约束、最小连续开停时间约束、最大启停次数约束及调频上下限约束;
6.1)出力上下限约束表示为:
Ui(t)Pi,min≤Pi(t)≤Pi,maxUi(t)
其中,Ui(t)是第i台其他机组在t时刻的开停机状态,Pi,max是第i台其他机组的出力上限,Pi,min是第i台其他机组的出力下限,Pi(t)是第i台其他机组在电能量市场的出力;
6.2)爬坡约束表示为:
Pi(t)-Pi(t-1)≤RampupUi(t-1)+Pi,min(Ui(t)-Ui(t-1))+Pi,max(1-Ui(t))
Pi(t-1)-Pi(t)≤RampupUi(t)+Pi,min(Ui(t)-Ui(t-1))+Pi,max(1-Ui(t-1))
其中,Rampup是上爬坡率;
6.3)最小连续开停时间约束表示为:
6.4)最大启停次数表示为:
其中,Shuti是其他机组的停机状态,Starti是其他机组的启动状态,Ni是启停次数限值,T1为电能量市场调度时刻集合;
6.5)调频上下限约束
9.根据权利要求1所述抽水蓄能机组在日前电力现货市场的双层竞价优化方法,其特征在于:所述遗传算法的选择操作采用随机摄动法,交叉操作方法采用实数交叉法。
10.根据权利要求1所述抽水蓄能机组在日前电力现货市场的双层竞价优化方法,其特征在于:W的取值范围为20~160,G的取值范围为≥20,Pc的取值范围为0.25~1.0,Pm的取值范围为0.005~0.3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911385193.6A CN111047114B (zh) | 2019-12-28 | 2019-12-28 | 抽水蓄能机组在日前电力现货市场的双层竞价优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911385193.6A CN111047114B (zh) | 2019-12-28 | 2019-12-28 | 抽水蓄能机组在日前电力现货市场的双层竞价优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111047114A true CN111047114A (zh) | 2020-04-21 |
CN111047114B CN111047114B (zh) | 2022-09-27 |
Family
ID=70240990
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911385193.6A Active CN111047114B (zh) | 2019-12-28 | 2019-12-28 | 抽水蓄能机组在日前电力现货市场的双层竞价优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111047114B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111783303A (zh) * | 2020-07-03 | 2020-10-16 | 国网能源研究院有限公司 | 抽水蓄能电站报价报量确定方法、***及装置 |
CN112529648A (zh) * | 2020-10-15 | 2021-03-19 | 中国南方电网有限责任公司 | 一种连续报价的考虑风电的联合出清方法及*** |
CN112580850A (zh) * | 2020-11-13 | 2021-03-30 | 国网河南综合能源服务有限公司 | 一种电力调峰市场的出清方法及*** |
CN112909933A (zh) * | 2021-02-01 | 2021-06-04 | 三峡大学 | 现货市场环境下含抽水蓄能机组的日内滚动优化调度方法 |
CN112952918A (zh) * | 2021-03-23 | 2021-06-11 | 国网山西省电力公司 | 基于边际效益的电力调峰与调频联合出清方法 |
CN113572165A (zh) * | 2021-08-06 | 2021-10-29 | 国网四川省电力公司电力科学研究院 | 一种考虑水光蓄互补发电的电力现货市场出清机制 |
CN113705861A (zh) * | 2021-08-06 | 2021-11-26 | 龙滩水电开发有限公司龙滩水力发电厂 | 基于遗传算法的电力市场环境下水电站运行优化方法 |
CN113725917A (zh) * | 2021-09-01 | 2021-11-30 | 国网河南省电力公司电力科学研究院 | 一种抽蓄电站向电网提供多时间尺度备用的优化建模方法 |
CN114172167A (zh) * | 2021-11-04 | 2022-03-11 | 国网湖北省电力有限公司恩施供电公司 | 一种抽水蓄能和低频减载联合的紧急低频控制方法 |
CN114611970A (zh) * | 2022-03-21 | 2022-06-10 | 中国南方电网有限责任公司 | 调度策略确定方法、装置、计算机设备和存储介质 |
CN115204443A (zh) * | 2022-05-12 | 2022-10-18 | 电力规划总院有限公司 | 风光火储联合参与市场竞价最优策略模型 |
CN115423508A (zh) * | 2022-08-29 | 2022-12-02 | 大连川禾绿能科技有限公司 | 一种梯级水电在不确定性碳-电耦合市场中策略竞价方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107220868A (zh) * | 2017-04-20 | 2017-09-29 | 国网上海市电力公司 | 一种抽水电量集中竞价交易出清电价的计算方法 |
WO2018059096A1 (zh) * | 2016-09-30 | 2018-04-05 | 国电南瑞科技股份有限公司 | 一种多类电源发电计划组合决策方法及存储介质 |
CN107944733A (zh) * | 2017-12-06 | 2018-04-20 | 华中科技大学 | 一种含风电、需求响应和压缩空气储能的电网调度方法 |
CN109492905A (zh) * | 2018-11-08 | 2019-03-19 | 四川大学 | 一种基于购电量转移的可控资源控制方法 |
CN109829559A (zh) * | 2018-04-20 | 2019-05-31 | 广东电网有限责任公司 | 一种促进清洁能源消纳的调峰权交易方法 |
CN110400096A (zh) * | 2019-08-05 | 2019-11-01 | 国电南瑞科技股份有限公司 | 一种火电融合电储能联合调峰的日前发电计划优化方法及*** |
CN110443645A (zh) * | 2019-07-26 | 2019-11-12 | 中国能源建设集团广东省电力设计研究院有限公司 | 基于电力现货市场的抽水蓄能机组运行策略模型建立方法 |
-
2019
- 2019-12-28 CN CN201911385193.6A patent/CN111047114B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018059096A1 (zh) * | 2016-09-30 | 2018-04-05 | 国电南瑞科技股份有限公司 | 一种多类电源发电计划组合决策方法及存储介质 |
CN107220868A (zh) * | 2017-04-20 | 2017-09-29 | 国网上海市电力公司 | 一种抽水电量集中竞价交易出清电价的计算方法 |
CN107944733A (zh) * | 2017-12-06 | 2018-04-20 | 华中科技大学 | 一种含风电、需求响应和压缩空气储能的电网调度方法 |
CN109829559A (zh) * | 2018-04-20 | 2019-05-31 | 广东电网有限责任公司 | 一种促进清洁能源消纳的调峰权交易方法 |
CN109492905A (zh) * | 2018-11-08 | 2019-03-19 | 四川大学 | 一种基于购电量转移的可控资源控制方法 |
CN110443645A (zh) * | 2019-07-26 | 2019-11-12 | 中国能源建设集团广东省电力设计研究院有限公司 | 基于电力现货市场的抽水蓄能机组运行策略模型建立方法 |
CN110400096A (zh) * | 2019-08-05 | 2019-11-01 | 国电南瑞科技股份有限公司 | 一种火电融合电储能联合调峰的日前发电计划优化方法及*** |
Non-Patent Citations (4)
Title |
---|
ELIZA等: "Modified honey bees mating algorithm for optimal weekly operation of a pumped storage plant", 《2017 INTERNATIONAL CONFERENCE ON ENERGY AND ENVIRONMENT (CIEM)》 * |
郑宇等: "含风电机组与电转气设备的虚拟电厂竞价策略", 《电力建设》 * |
钟桦等: "抽水蓄能电量认购交易机制研究", 《电力需求侧管理》 * |
阿斯卡尔: "风电场投资规划及运行优化模型研究", 《中国博士学位论文全文数据库(经济与管理科学辑)》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111783303A (zh) * | 2020-07-03 | 2020-10-16 | 国网能源研究院有限公司 | 抽水蓄能电站报价报量确定方法、***及装置 |
CN111783303B (zh) * | 2020-07-03 | 2024-02-09 | 国网能源研究院有限公司 | 抽水蓄能电站报价报量确定方法、***及装置 |
CN112529648A (zh) * | 2020-10-15 | 2021-03-19 | 中国南方电网有限责任公司 | 一种连续报价的考虑风电的联合出清方法及*** |
CN112580850A (zh) * | 2020-11-13 | 2021-03-30 | 国网河南综合能源服务有限公司 | 一种电力调峰市场的出清方法及*** |
CN112909933A (zh) * | 2021-02-01 | 2021-06-04 | 三峡大学 | 现货市场环境下含抽水蓄能机组的日内滚动优化调度方法 |
CN112909933B (zh) * | 2021-02-01 | 2022-05-03 | 三峡大学 | 现货市场环境下含抽水蓄能机组的日内滚动优化调度方法 |
CN112952918B (zh) * | 2021-03-23 | 2023-04-14 | 国网山西省电力公司 | 基于边际效益的电力调峰与调频联合出清方法 |
CN112952918A (zh) * | 2021-03-23 | 2021-06-11 | 国网山西省电力公司 | 基于边际效益的电力调峰与调频联合出清方法 |
CN113572165A (zh) * | 2021-08-06 | 2021-10-29 | 国网四川省电力公司电力科学研究院 | 一种考虑水光蓄互补发电的电力现货市场出清机制 |
CN113705861A (zh) * | 2021-08-06 | 2021-11-26 | 龙滩水电开发有限公司龙滩水力发电厂 | 基于遗传算法的电力市场环境下水电站运行优化方法 |
CN113725917A (zh) * | 2021-09-01 | 2021-11-30 | 国网河南省电力公司电力科学研究院 | 一种抽蓄电站向电网提供多时间尺度备用的优化建模方法 |
CN113725917B (zh) * | 2021-09-01 | 2023-08-08 | 国网河南省电力公司电力科学研究院 | 一种抽蓄电站向电网提供多时间尺度备用的优化建模方法 |
CN114172167A (zh) * | 2021-11-04 | 2022-03-11 | 国网湖北省电力有限公司恩施供电公司 | 一种抽水蓄能和低频减载联合的紧急低频控制方法 |
CN114172167B (zh) * | 2021-11-04 | 2023-08-29 | 国网湖北省电力有限公司恩施供电公司 | 一种抽水蓄能和低频减载联合的紧急低频控制方法 |
CN114611970A (zh) * | 2022-03-21 | 2022-06-10 | 中国南方电网有限责任公司 | 调度策略确定方法、装置、计算机设备和存储介质 |
CN115204443B (zh) * | 2022-05-12 | 2023-07-18 | 电力规划总院有限公司 | 风光火储联合参与市场竞价最优出清调度方法 |
CN115204443A (zh) * | 2022-05-12 | 2022-10-18 | 电力规划总院有限公司 | 风光火储联合参与市场竞价最优策略模型 |
CN115423508A (zh) * | 2022-08-29 | 2022-12-02 | 大连川禾绿能科技有限公司 | 一种梯级水电在不确定性碳-电耦合市场中策略竞价方法 |
CN115423508B (zh) * | 2022-08-29 | 2023-07-18 | 大连川禾绿能科技有限公司 | 一种梯级水电在不确定性碳-电耦合市场中策略竞价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111047114B (zh) | 2022-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111047114B (zh) | 抽水蓄能机组在日前电力现货市场的双层竞价优化方法 | |
CN110350523B (zh) | 基于需求响应的多能源互补优化调度方法 | |
Ju et al. | A two-stage optimal coordinated scheduling strategy for micro energy grid integrating intermittent renewable energy sources considering multi-energy flexible conversion | |
Bidgoli et al. | Multi-stage optimal scheduling of multi-microgrids using deep-learning artificial neural network and cooperative game approach | |
CN109376970B (zh) | 适用于能源互联网的动态实时电价机制形成方法及*** | |
CN111311012A (zh) | 基于多智能体的微电网电力市场双层竞价优化方法 | |
CN112068436A (zh) | 工业园区的综合能源***分层分布式控制方法及*** | |
CN113888204A (zh) | 多主体博弈的虚拟电厂容量优化配置法 | |
CN115456242A (zh) | 基于多重不确定性表征的虚拟电厂市场化优化调度方法 | |
CN116231655A (zh) | 一种计及源-荷多类型备用的虚拟电厂双层优化调度方法 | |
CN110991881B (zh) | 一种电动汽车换电站与电力公司协同调度方法及*** | |
Ren et al. | Multitime scale coordinated scheduling for electric vehicles considering photovoltaic/wind/battery generation in microgrid | |
CN117977599B (zh) | 含有电动汽车的虚拟电厂的调度方法、***、设备和介质 | |
Wang et al. | Research on collaborative operation optimization of multi-energy stations in regional integrated energy system considering joint demand response | |
CN116799822A (zh) | 基于重力储能和需求响应的配电网多目标运行优化方法 | |
CN115689166A (zh) | 一种区域分布式能源资源聚合利用方法及*** | |
CN115358519A (zh) | 一种虚拟电厂优化调度方法及装置 | |
Dai et al. | An equilibrium model of the electricity market considering the participation of virtual power plants | |
Zhang et al. | Shared energy storage-assisted and tolerance-based alliance strategy for wind power generators based on cooperative game and resource dependence theories | |
CN116885714A (zh) | 一种电力市场均衡方法、***、设备及存储介质 | |
CN110941800A (zh) | 一种基于多利益主体的主动配电网双层优化方法 | |
CN110943487B (zh) | 一种园区能源***能量优化的方法和装置 | |
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*** | |
CN117767375B (zh) | 基于风险约束非对称合作博弈的共享储能公平性分配策略 | |
CN111130101B (zh) | 一种多端口能量路由器多场景容量配置优化方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |