CN113807554A - 基于现货模式下的负荷聚合商能源优化方法和装置 - Google Patents

基于现货模式下的负荷聚合商能源优化方法和装置 Download PDF

Info

Publication number
CN113807554A
CN113807554A CN202010529046.8A CN202010529046A CN113807554A CN 113807554 A CN113807554 A CN 113807554A CN 202010529046 A CN202010529046 A CN 202010529046A CN 113807554 A CN113807554 A CN 113807554A
Authority
CN
China
Prior art keywords
load
energy
charging
energy storage
day
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
CN202010529046.8A
Other languages
English (en)
Inventor
张琳
陶力
刘健
史侯建
张雪
高慧
周孟
张春玲
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.)
Beijing Kedong Electric Power Control System Co Ltd
State Grid Beijing Electric Power Co Ltd
State Grid Electric Power Research Institute
Original Assignee
Beijing Kedong Electric Power Control System Co Ltd
State Grid Beijing Electric Power Co Ltd
State Grid Electric Power Research Institute
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 Beijing Kedong Electric Power Control System Co Ltd, State Grid Beijing Electric Power Co Ltd, State Grid Electric Power Research Institute filed Critical Beijing Kedong Electric Power Control System Co Ltd
Priority to CN202010529046.8A priority Critical patent/CN113807554A/zh
Publication of CN113807554A publication Critical patent/CN113807554A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • 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
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/16—Energy services, e.g. dispersed generation or demand or load or energy savings aggregation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于现货模式下的负荷聚合商能源优化方法和装置，包括以下步骤：步骤1：构建能源分配模型；获取能源分配模型电力交易过程中的历史运行数据，并预测负荷聚合商的充电负荷；步骤2：构建月前能源分配模型中的目标函数和月度购售电量平衡、各时段储能终端负荷聚合、储能放电容量、储能运行约束条件，以获得月度最高利润为目标求解目标函数；步骤3：构建日前能源分配模型中的目标函数和时间维度购售电量、储能放电量、储能容量、各时段充电终端聚合负荷、储能运行约束条件，以获得日度最高利润为目标求解目标函数。本发明所负荷聚合商通过采用月前‑日前的滚动优化，降低日前优化受中长期的随机波动所带来的影响。

Description

基于现货模式下的负荷聚合商能源优化方法和装置
技术领域
本发明属于电力现货交易领域，具体涉及一种基于现货模式下的负荷聚合商能源优化方法和装置。
背景技术
截至2018年6月底，我国的风电装机容量超过了1.7×108kW，风电具有强随机性，发电并网后会对电网功率产生波动。负荷聚合商可以将具有一定负荷响应能力的中小型用户聚合起来，提供比单一用户更优的负荷响应特性，尤其在电力现货市场具有优越性。同时电动汽车充电行为具有一定的随机性和分散性，大量电动汽车无序接入，可能加剧电网负荷的峰谷差，不利于电网稳定运行。如何规模化的聚合电动汽车和储能，与风电消纳和电力市场交易协同，是一个亟待解决的问题。
另外，负荷聚合商作为一个独立运营的经济实体，运营目标必然为自身利益的最大化，其盈利一部分来源于电动汽车用户支付的充电费用与负荷聚合商参与市场化交易的价差，另一部分是储能不同时段的电价差套利。目前多类柔性负荷按照各自的行为特征运行，不仅各类柔性负荷建缺乏协同控制，而且未与电力现货市场环境下的市场交易进行购售电协同，未发挥其资源价值。本专利从多区域多时间尺度研究负荷聚合商的经营利润，对电动汽车各台区聚合负荷、储能进行优化控制，实现购售电协同以及各类负荷的能源优化分配。该方法可应用于负荷聚合商电力市场购电交易后的能源分配工作，减少用电偏差，提高电网运行特性与负荷聚合商的经营利润。
与本发明相近的2个技术：
(1)重庆大学的李春燕等公布了一种计及需求响应灵活性和不确定性的负荷聚合商经济调度方法(201910985269.2)。该方法主要涉及一下几个模块：
第一，采用多时段调度方法，安排调度计划，实现购售电电力平衡。
第二，聚合商日前调度的收益来源于扣除了不能消纳新能源的惩罚后，向电网出售负荷灵活性的获利；
第三，计及需求响应灵活性和不确定性的负荷聚合商经济调度方法，建立面向聚合商的非合作博弈日前经济调度模型。
第四，考虑用户违约对实时调度造成的影响，具体为：视用户违约电量ξ服从截断正态分布。
第五，在计及用户违约的基础上，聚合商以收益最大为目标进行调度。
(2)华北电力大学的林俐等公布了一种负荷聚合商-风电场协同运营模式下的负荷调度模型(201810013993.4)。该方法主要涉及一下几个模块：
第一，以负荷聚合商所管辖的电力负荷为对象，确定负荷的柔性度。
第二，建立负荷聚合商与风电场的协同运营模式。
第三，负荷聚合商以风电场消纳需要为依据,以收益最大为目标,建立日前优化调度模型。
发明内容
针对上述问题，本发明提出一种基于现货模式下的负荷聚合商能源优化方法和装置。
实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：
一种基于现货模式下的负荷聚合商能源优化方法，包括以下步骤：
步骤1：构建能源分配模型；获取能源分配模型电力交易过程中的历史运行数据，并预测负荷聚合商的充电负荷；
步骤2：构建月前能源分配模型中的目标函数和月度购售电量平衡、月度充电负荷、储能放电容量不在配电网中传送、储能运行特性约束条件，以获得月度最高利润为目标求解目标函数；
步骤3：构建日前能源分配模型中的目标函数和时间维度购售电量、储能放电量、储能容量、日内充电负荷、储能运行特性约束条件，以获得日度最高利润为目标求解目标函数。
作为本发明的进一步改进，步骤1基于构建的台区充电终端负荷聚合模型预测负荷聚合商的充电负荷，所构建的模型公式如下：
Figure BDA0002534706540000021
Figure BDA0002534706540000022
式中，Ptj表示t时刻充电终端j的充电负荷；
Figure BDA0002534706540000023
表示充电终端的充电状态，0为未充电或带充电，1为正在充电。PEti表示台区充电站i内充电终端的聚合充电负荷；PEt表示t时刻负荷聚合商的充电负荷；n表示台区的个数。
作为本发明的进一步改进，通过构建储能负荷模型预测储能运行特性，构建的储能负荷模型包括以下公式：
soct,i＝soc(t-1),i+Pt,i
Figure BDA0002534706540000024
-Pt,i≤Pt,i≤Pt,i
其中式中：soct，i和soc(t-1)，i分别表示为在t时刻和t-1时刻的储能i的剩余电量；Pt，i表示储能i的充放电功率，其值为正时表示充电，为负时表示放电；
Figure BDA0002534706540000031
和
Figure BDA0002534706540000032
表示储能i的容量上下限。
作为本发明的进一步改进，步骤2中月前能源分配模型如下：
负荷聚合商在中长期交易中获取的利润，目标函数为：
Figure BDA0002534706540000033
月度购售电量平衡约束为：
Figure BDA0002534706540000034
月度充电负荷约束为：
Figure BDA0002534706540000035
储能的放电容量不在配电网中传送约束：
-PDit-PEit＜0；
和储能运行特性约束条件。
作为本发明的进一步改进，步骤3中构建的日前能源分配模型如下：
日前交易的利润，目标函数为：
Figure BDA0002534706540000036
时间维度购售电量平衡约束为：
PEti(zcq)+PEti(rq)+PDti(zcq)+PDti(rq)≥0；
储能放电量约束为：
PEti(zcq)+PEti(rq)+PDti(zcq)+PDti(rq)≥0；
储能容量约束为：
PDimin≤PDti(zcq)+PDti(rq)≤PDimax
日内充电负荷约束为：
Figure BDA0002534706540000037
和储能运行特性约束条件。
作为本发明的进一步改进，对于中长期交易的利润目标或日前交易的利润目标函数采用线性规划法，利用MATLAB中的linprog函数进行编程求解。
作为本发明的进一步改进，月度充电负荷阈值范围的确定包括根据历史数据获取月度充电负荷的最大值和最小值，并结合以日为单位所获取的数据为基础采用平均增长率算法预测月度充电负荷约束条件中的阈值范围。
作为本发明的进一步改进，还包括将经月前能源分配模型分析所获得的优化结果和日前能源分配模型所获得的优化结果进行复合，获得最终的优化分配方案。
作为本发明的进一步改进，所构建的能源分配模型包括负荷聚合商，及与其进行电力交易的各个储能终端和负荷终端。
本发明还提供一种基于现货模式下的负荷聚合商能源优化装置，包括：
能源分配模型，被配置为获取能源分配模型电力交易过程中的历史运行数据，并预测负荷聚合商的充电负荷；
月前能源分配模型，被配置为构建包括月前能源分配目标函数和月度购售电量平衡、月度充电负荷、储能放电容量不在配电网中传送、储能运行特性约束条件，以获得月度最高利润为目标求解目标函数；
日前能源分配模型，被配置为构建包括日前能源分配目标函数和时间维度购售电量、储能放电量、储能容量、日内充电负荷、储能运行特性约束条件，以获得日度最高利润为目标求解目标函数
本发明的有益效果：本发明所提出的方法负荷聚合商通过规模化优化分配台区充电站和储能的运行负荷，与电力市场交易协同，优化电网负荷特性，降低峰谷差。建立量本利模型，在保障各约束条件下，负荷聚合商对各类负荷进行经济优化分配。负荷聚合商月前-日前的滚动优化，降低日前优化受中长期的随机波动所带来的影响。
附图说明
图1所构建的能源分配模块的结构示意图；
图2为现货结算模型示意图；
图3是本发明的能源优化方法的流程图；
图4为月前电动汽车和储能的优化曲线；
图5为日前电动汽车和储能的优化曲线。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
一 构建能源分配模块
本发明所构建的能源分配模块包括负荷聚合商，以及与负荷聚合商进行交易的各个储能终端和负荷终端，如图1所示各个终端通过网络通信设备连接进行电能的交易和数据的传输。如图1所示一种实施例，所述的储能终端包括参与交易的各个绿电能源，所述的储能终端以设置在台区中的用于电动汽车充电的电动桩为例，以及基于此建立的车辆网***。
二 假设条件
市场主体按照各省参加市场化交易，通过电力中长期交易，形成下月的用电计划。当现货市场完全放开后，由于供需情况、电网结构以及各节点阻塞情况，导致现货电价产生波动。目前开展的现货市场中，某时段的实际用电负荷与日前现货成交负荷的偏差，按照日内实时现货的价格进行考核，由此本发明中的技术方案是在以下三种假设条件的前提下完成的。
2.1现货交易出清电价
日清现货在用户侧统一出清，出清电价由全省电网的供需能力决定，折算至负荷聚合商侧的交易电价在部分时段高于目录电价。
2.2用电偏差与负荷分配方式
假设日前现货的成交电量与负荷聚合商的实际用电偏差，由日内实时现货交易价格进行考核。考虑日前聚合负荷的预测值贴近实际用电情况，且日前负荷预测电量全部在日前现货市场中标，有必要将日前现货中标电量全部优化分解，将日内负荷按照日前负荷运行，实现日内考核电费为0。
2.3优化范围与绿电交易周期
负荷聚合商针对区域内的所有台区的电动汽车聚合负荷及储能负荷等进行优化分配，文中负荷聚合商参与以风电为主的绿色能源交易，绿电交易的合同最小周期为月度。
三 现货结算模型与各类柔性负荷模型建模
3.1现货结算模型
如图2所示的现货结算模型，现货交易框架下的中长期电力直接交易，将市场主体的交易合同电量按照每天各时段的电力曲线形式分解。现货结算采用日清月结，日清算时将实际用电量依次拆分，结算日前中标曲线与中长期曲线的偏差电量，匹配不同的电价进行计算。结算的公式如下：
C＝Pzcq×ρzcq+(Prq-Pzcq)×ρrq+(Pss-Prq)×ρss (1)
式(1)中：C表示日清算费用；Pzcq、Prq、Pss分别表示中长期合同分解电量、日前现货成交电量及负荷聚合商的实际用电量；ρzcq、ρrq、ρss分别表示中长期合同电价、日前市场成交电价及日内实时成交电价。
3.2现货模式下的各类柔性负荷模型
3.2.1台区充电终端负荷聚合模型
充电终端以电动汽车为例，电动汽车在多时间、多空间维度协同调度模型中，不考虑V2G模式。电动汽车执行充电动作是在其荷电状态低于安全阈值，反之电动汽车停止充电是在其电池荷电状态高于预设值，因此聚合电动汽车充电负荷时，其充电状态、电池荷电状态和聚合充电上限应满足模型约束。台区与负荷聚合商的电动汽车聚合模型如下所示:
Figure BDA0002534706540000061
Figure BDA0002534706540000062
式(2)-(3)中：Ptj表示t时刻电动汽车j的充电负荷；
Figure BDA0002534706540000063
表示电动汽车的充电状态，0为未充电或带充电，1为正在充电。PEti表示台区充电站i内电动汽车的聚合充电负荷；PEt表示t时刻负荷聚合商的充电负荷；n表示台区的个数。
3.2.2储能负荷模型
储能位于台区充电站内，与充电汽车充电行为进行统一调度，不考虑储能的电能在配电网中传送。
socDti＝socD(t-1)i+PDti (4)
Figure BDA0002534706540000064
-PDi≤PDti≤PDi (6)
式(4)-(6)中：socDti和socD(t-1)i分别表示为在t时刻和t-1时刻的储能i的剩余电量；PDti表示t时刻储能i的充放电功率，其值为正时表示充电，为负时表示放电；PDi表示储能i的最大充放电功率；
Figure BDA0002534706540000065
和
Figure BDA0002534706540000066
表示储能i的容量上下限。
四 负荷聚合商多区域、多时间尺度的能源分配模型
研究负荷聚合商的经营利润，从时间维度考虑参与绿电交易中长期交易及的电力现货交易，从区域维度考虑不同各台区所处地区执行不同的目录电价。通过量本利的方法实现台区充电站聚合负荷与储能负荷协调运行，使得负荷聚合商获得最大化利润。
4.1月前能源分配模型
4.1.1目标函数
交易中心市场化结算工作按月度进行，本文以负荷聚合商的月利润最大化为目标建立模型。假设每月30天每天24个时段，共720个时段，目标函数如下(7)所示：
Figure BDA0002534706540000071
公式(7)表示与风电厂的中长期交易获取的利润，n表示模型中台区充电站个数；PEti(zcq)和PDti(zcq)分别表示t时段台区i电动汽车聚合负荷和储能的充放电的中长期分解电量；ρzcqi表示t时段的参与中长期交易的不同绿电厂的交易电价，ρmlti表示i台区t时段的目录电价。
4.1.2约束条件
(1)月度购售电量平衡
Figure BDA0002534706540000072
公式(8)表示中长期绿色能源购电负荷与各充电负荷平衡；Pzcqt表示t时段与绿电厂交易的中长期分解电量。
(2)月度充电站的电动汽车负荷聚合电量约束
Figure BDA0002534706540000073
公式(9)表示t时段电动汽车的聚合介于相似日的最大值
Figure BDA0002534706540000074
和最小值
Figure BDA0002534706540000075
之间。
(3)储能的放电容量不在配电网中传送约束
-PDti-PEti＜0 (10)
公式(10)表示t时段台区充电站内储能的放电量小于该台区电动汽车的聚合充电量；PDti、PEti表示t时段台区i的储能充放电功率和电动汽车聚合负荷。
(4)储能的运行特性约束
见第三节3.2.2
4.2日前能源分配模型
4.2.1目标函数
日前负荷预测相较于月前更加贴近实际用电，建立日前能源分配模型，将预测偏差进行合理调度分配，实现日前交易的利润最大化。
Figure BDA0002534706540000076
公式(11)中：Crq表示负荷聚合商的利润；PEti(rq)和PEti(rq)分别表示电动汽车聚合负荷及储能的预测偏差；Pzcqt表示t时段负荷聚合商的中长期交易电量；ρrqt表示t时段的日前交易出清电价。
4.2.2约束条件
(1)各时间维度购售电量平衡
Figure BDA0002534706540000081
公式(12)表示日前与中长期的购售电偏差电量平衡，Prqt表示t时段日前现货的交易电量。
(2)日前优化分配后，储能放电量不在电网中流通。
PEti(zcq)+PEti(rq)+PDti(zcq)+PDti(rq)≥0 (13)
(3)各储能SOC介于最低容量与额定容量之间
PDimin≤PDti(zcq)+PDti(rq)≤PDimax (14)
公式(14)中：PDmax表示储能的额定容量；PDmin表示储能的容量下限。
(4)日内电动汽车聚合负荷约束
Figure BDA0002534706540000082
公式(15)表示电动汽车聚合负荷的日前优化分配功率介于相似时段的最高值与最低值之间；
Figure BDA0002534706540000083
和
Figure BDA0002534706540000084
分别表示t时刻充电站i电动汽车聚合负荷在相似日的最低值和最高值。(5)各台区电动汽车聚合负荷与储能负荷的约束
PEit＝PEit(zcq)+PEit(rq)(16)
PDit＝PDit(zcq)+PDit(rq)(17)
公式(16)-(17)表示各时段负荷的分配功率为中长期与日前优化分配电量之和。
(6)储能的运行特性约束
见第三节3.2.2
4.3模拟能源优化方法流程
如图3所示，模拟能源优化的流程包括以下步骤：
(一)、数据准备
1、从车联网获取台区充电桩信息，例如：台区信息、充电桩编号、充电负荷等；获取储能的基础信息，例如；所属台区、储能编号、容量上下限、储能的充电负荷；
2、输入所在各区域的目录电价信息；根据负荷聚合商参与中长期与现货电力市场的实际情况，输入负荷聚合商参与电力中长期交易的分月历史用电量、分月电价信息；输入现货交易的历史数据，该历史数据包括参与日前市场成交电量与电价、日内实时市场的电量与电价信息。
(二)、月前优化
3、以步骤1的台区及电动汽车的充电负荷信息为基础，获取一年内各台区电动汽车的充电负荷Ptj，以各台区为主体获得各台区的聚合负荷PEti，聚合所有台区的负荷获得负荷聚合商在该月内所有电动汽车的充电负荷PEt。以工作日与休息日作为相似日的划分依据，将一年划分为12个月，根据每个月聚合商的充电负荷PEt得到各月负荷聚合商最大与最小的聚合负荷。工作日与休息日分别采用平均增长率算法，模拟未来的台区最大与最小聚合负荷。
4、以公式(7)为目标函数，以(4)-(6)、(8)-(10)为约束条件，采用线性规划法，调用MATLAB的linprog函数进行编程求解，获取负荷聚合商获取在获取月度最大利润时，下月30天储能的运行曲线和各台区电动汽车聚合负荷。所获得的月前优化曲线如图4所示(注意，图中是截取30天中其中某一天的优化曲线)。
(三)、日前优化
5、以步骤1的台区及电动汽车的充电负荷信息为基础，获取一天前各台区电动汽车的充电负荷Ptj，参照3.2.1节所建立的台区充电终端负荷聚合模型以各台区为主体获得各台区的聚合负荷PEti，聚合所有台区的负荷获得负荷聚合商在该日所有电动汽车的充电负荷PEt。以该日负荷PEt为基础采用MATLAB的rand函数模拟日负荷的随机波动，模拟第二天的电动汽车聚合负荷较月前预测的波动情况；
6、以步骤2的日前现货交易为基础数据，获取一天前现货市场各时段的交易出清电价ρrqt，以该日24小时的交易出清电价ρrqt为基础，采用MATLAB的rand函数模拟日交易出清电价的随机波动，从而获得第二天各时段的交易出清电价ρrqt。将第二天各时段的交易出清电价ρrqt减去中长期市场交易电价ρzcqi得到：各时段现货市场与中长期市场的波动电价。
7、以公式(12)为目标函数，以(13)-(17)为约束条件，采用线性规划法，利用MATLAB的linprog函数进行编程求解，获取波动负荷在日前现货获取最大利润时，波动负荷在各台区电动汽车和储能建的分配曲线。所获得优化分配曲线如图5所示。
(四)、最终优化
8、叠加月前优化的负荷曲线与日前优化的负荷波动曲线，获取日前最终的优化曲线。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (10)

1.一种基于现货模式下的负荷聚合商能源优化方法，其特征在于，包括以下步骤：
步骤1：构建能源分配模型；获取能源分配模型电力交易过程中的历史运行数据，并预测负荷聚合商的充电负荷；
步骤2：构建月前能源分配模型中的目标函数和月度购售电量平衡、月度充电负荷、储能放电容量不在配电网中传送、储能运行特性约束条件，以获得月度最高利润为目标求解目标函数；
步骤3：构建日前能源分配模型中的目标函数和时间维度购售电量、储能放电量、储能容量、日内充电负荷、储能运行特性约束条件，以获得日度最高利润为目标求解目标函数。
2.根据权利要求1所述的基于现货模式下的负荷聚合商能源优化方法，其特征在于：步骤1基于构建的台区充电终端负荷聚合模型预测负荷聚合商的充电负荷，所构建的模型公式如下：
Figure FDA0002534706530000011
Figure FDA0002534706530000012
式中，Ptj表示t时刻充电终端j的充电负荷；
Figure FDA0002534706530000013
表示充电终端的充电状态，0为未充电或带充电，1为正在充电；PEti表示台区充电站i内充电终端的聚合充电负荷；PEt表示t时刻负荷聚合商的充电负荷；n表示台区的个数。
3.根据权利要求2所述的基于现货模式下的负荷聚合商能源优化方法，其特征在于：通过构建储能负荷模型预测储能运行特性，构建的储能负荷模型包括以下公式：
soct,i＝soc(t-1),i+Pt,i
Figure FDA0002534706530000014
-Pt,i≤Pt,i≤Pt,i
其中式中：soct，i和soc(t-1)，i分别表示为在t时刻和t-1时刻的储能i的剩余电量；Pt，i表示储能i的充放电功率，其值为正时表示充电，为负时表示放电；
Figure FDA0002534706530000015
和
Figure FDA0002534706530000016
表示储能i的容量上下限。
4.根据权利要求3所述的基于现货模式下的负荷聚合商能源优化方法，其特征在于：步骤2中月前能源分配模型如下：
负荷聚合商在中长期交易中获取的利润，目标函数为：
Figure FDA0002534706530000017
式中，n表示模型中台区充电站个数；PEti(zcq)和PDti(zcq)分别表示t时段台区i充电终端聚合负荷和储能的充放电的中长期分解电量；ρzcqi表示t时段的参与中长期交易的不同电厂的交易电价，ρmlti表示i台区t时段的目录电价；
月度购售电量平衡约束为：
Figure FDA0002534706530000021
式中，Pzcqt表示t时段与电厂交易的中长期分解电量；
月度充电负荷约束为：
Figure FDA0002534706530000022
Figure FDA0002534706530000023
和
Figure FDA0002534706530000024
分别对应于t时段充电终端的聚合介于相似日的最大值和最小值；
储能的放电容量不在配电网中传送约束：
-PDit-PEit＜0
PDti、PEti表示t时段台区i的储能充放电功率和充电终端聚合负荷；
和储能运行特性约束条件。
5.根据权利要求3所述的基于现货模式下的负荷聚合商能源优化方法，其特征在于：步骤3中构建的日前能源分配模型如下：
日前交易的利润，目标函数为：
Figure FDA0002534706530000025
式中，Crq表示负荷聚合商的利润；PEti(rq)和PEti(rq)分别表示充电终端聚合负荷及储能的预测偏差；Pzcqt表示t时段负荷聚合商的中长期交易电量；ρrqt表示t时段的日前交易出清电价；
时间维度购售电量平衡约束为：
Figure FDA0002534706530000026
式中，Prqt表示t时段日前现货的交易电量；
储能放电量约束为：
PEti(zcq)+PEti(rq)+PDti(zcq)+PDti(rq)≥0；
储能容量约束为：
PDimin≤PDti(zcq)+PDti(rq)≤PDimax
式中，
Figure FDA0002534706530000031
和
Figure FDA0002534706530000032
分别表示t时刻充电站i充电负荷聚合负荷在相似日的最低值和最高值；
日内充电负荷约束为：
Figure FDA0002534706530000033
和储能运行特性约束条件。
6.根据权利要求4或5所述的基于现货模式下的负荷聚合商能源优化方法，其特征在于：对于中长期交易的利润目标或日前交易的利润目标函数采用线性规划法，利用MATLAB中的linprog函数进行编程求解。
7.根据权利要求4所述的基于现货模式下的负荷聚合商能源优化方法，其特征在于：月度充电负荷阈值范围的确定包括根据历史数据获取月度充电负荷的最大值和最小值，并结合以日为单位所获取的数据为基础采用平均增长率算法预测月度充电负荷约束条件中的阈值范围。
8.根据权利要求1所述的基于现货模式下的负荷聚合商能源优化方法，其特征在于：还包括将经月前能源分配模型分析所获得的优化结果和日前能源分配模型所获得的优化结果进行叠加，获得最终的优化分配方案。
9.根据权利要求1所述的基于现货模式下的负荷聚合商能源优化方法，其特征在于：所构建的能源分配模型包括负荷聚合商，及与其进行电力交易的各个储能终端和负荷终端。
10.基于现货模式下的负荷聚合商能源优化装置，其特征在于：包括
能源分配模型，被配置为获取能源分配模型电力交易过程中的历史运行数据，并预测负荷聚合商的充电负荷；
月前能源分配模型，被配置为构建包括月前能源分配目标函数和月度购售电量平衡、月度充电负荷、储能放电容量不在配电网中传送、储能运行特性约束条件，以获得月度最高利润为目标求解目标函数；
日前能源分配模型，被配置为构建包括日前能源分配目标函数和时间维度购售电量、储能放电量、储能容量、日内充电负荷、储能运行特性约束条件，以获得日度最高利润为目标求解目标函数。
CN202010529046.8A 2020-06-11 2020-06-11 基于现货模式下的负荷聚合商能源优化方法和装置 Pending CN113807554A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010529046.8A CN113807554A (zh) 2020-06-11 2020-06-11 基于现货模式下的负荷聚合商能源优化方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010529046.8A CN113807554A (zh) 2020-06-11 2020-06-11 基于现货模式下的负荷聚合商能源优化方法和装置

Publications (1)

Publication Number Publication Date
CN113807554A true CN113807554A (zh) 2021-12-17

Family

ID=78943808

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010529046.8A Pending CN113807554A (zh) 2020-06-11 2020-06-11 基于现货模式下的负荷聚合商能源优化方法和装置

Country Status (1)

Country Link
CN (1) CN113807554A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114140176A (zh) * 2022-01-30 2022-03-04 国网浙江电动汽车服务有限公司 一种负荷聚集平台的可调容量预测方法及装置
CN114219188A (zh) * 2022-02-23 2022-03-22 国网浙江电动汽车服务有限公司 充电桩聚合负荷有功功率整定方法、装置、设备及介质
CN114596116A (zh) * 2022-03-09 2022-06-07 中国南方电网有限责任公司 负荷聚合商电量预测方法、装置和计算机设备
CN116544920A (zh) * 2023-05-09 2023-08-04 南京邮电大学 一种居民台区电动汽车夜间充电优化控制方法、设备及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106469354A (zh) * 2016-09-09 2017-03-01 中国电力科学研究院 一种负荷聚合商模式下的用户需求响应参与方法
US20170285612A1 (en) * 2016-03-30 2017-10-05 Advanced Institutes Of Convergence Technology Apparatus and method of optimization modeling for forming smart portfolio in negawatt market
CN107248010A (zh) * 2017-06-06 2017-10-13 重庆大学 计及负荷聚合商和电动汽车响应可靠性的优化调度方法
CN107906675A (zh) * 2017-10-11 2018-04-13 天津大学 一种基于用户需求的中央空调集群优化控制方法
CN108281968A (zh) * 2018-01-08 2018-07-13 华北电力大学 一种负荷聚合商-风电场协同运营模式下的负荷调度模型
CN109802412A (zh) * 2019-03-25 2019-05-24 上海理工大学 用户侧负荷聚集商储能容量的优化配置方法
CN109840808A (zh) * 2019-01-31 2019-06-04 国网河南省电力公司经济技术研究院 一种基于改进Shapley值的负荷聚集商利润的分摊方法
CN110516855A (zh) * 2019-08-08 2019-11-29 西安交通大学 一种面向负荷聚合商的分布式储能控制权优化调度方法
CN111080014A (zh) * 2019-12-19 2020-04-28 合肥工业大学 基于负荷聚合商非合作博弈的负荷曲线优化方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170285612A1 (en) * 2016-03-30 2017-10-05 Advanced Institutes Of Convergence Technology Apparatus and method of optimization modeling for forming smart portfolio in negawatt market
CN106469354A (zh) * 2016-09-09 2017-03-01 中国电力科学研究院 一种负荷聚合商模式下的用户需求响应参与方法
CN107248010A (zh) * 2017-06-06 2017-10-13 重庆大学 计及负荷聚合商和电动汽车响应可靠性的优化调度方法
CN107906675A (zh) * 2017-10-11 2018-04-13 天津大学 一种基于用户需求的中央空调集群优化控制方法
CN108281968A (zh) * 2018-01-08 2018-07-13 华北电力大学 一种负荷聚合商-风电场协同运营模式下的负荷调度模型
CN109840808A (zh) * 2019-01-31 2019-06-04 国网河南省电力公司经济技术研究院 一种基于改进Shapley值的负荷聚集商利润的分摊方法
CN109802412A (zh) * 2019-03-25 2019-05-24 上海理工大学 用户侧负荷聚集商储能容量的优化配置方法
CN110516855A (zh) * 2019-08-08 2019-11-29 西安交通大学 一种面向负荷聚合商的分布式储能控制权优化调度方法
CN111080014A (zh) * 2019-12-19 2020-04-28 合肥工业大学 基于负荷聚合商非合作博弈的负荷曲线优化方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114140176A (zh) * 2022-01-30 2022-03-04 国网浙江电动汽车服务有限公司 一种负荷聚集平台的可调容量预测方法及装置
CN114219188A (zh) * 2022-02-23 2022-03-22 国网浙江电动汽车服务有限公司 充电桩聚合负荷有功功率整定方法、装置、设备及介质
CN114596116A (zh) * 2022-03-09 2022-06-07 中国南方电网有限责任公司 负荷聚合商电量预测方法、装置和计算机设备
CN116544920A (zh) * 2023-05-09 2023-08-04 南京邮电大学 一种居民台区电动汽车夜间充电优化控制方法、设备及存储介质
CN116544920B (zh) * 2023-05-09 2024-03-26 南京邮电大学 一种居民台区电动汽车夜间充电优化控制方法、设备及存储介质

Similar Documents

Publication Publication Date Title
Zheng et al. Day-ahead bidding strategy for electric vehicle aggregator enabling multiple agent modes in uncertain electricity markets
Zhang et al. An optimal dispatch model for virtual power plant that incorporates carbon trading and green certificate trading
Ahmad et al. A cost-efficient energy management system for battery swapping station
Gough et al. Vehicle-to-grid feasibility: A techno-economic analysis of EV-based energy storage
Honarmand et al. Self-scheduling of electric vehicles in an intelligent parking lot using stochastic optimization
CN113807554A (zh) 基于现货模式下的负荷聚合商能源优化方法和装置
Druitt et al. Simulation of demand management and grid balancing with electric vehicles
Sæther et al. Peer-to-peer electricity trading in an industrial site: Value of buildings flexibility on peak load reduction
Lujano-Rojas et al. Optimum residential load management strategy for real time pricing (RTP) demand response programs
Wang et al. Economic evaluation of photovoltaic and energy storage technologies for future domestic energy systems–A case study of the UK
Rappaport et al. Cloud energy storage for grid scale applications in the UK
Shi et al. Vehicle-to-grid service development logic and management formulation
Šepetanc et al. A cluster-based operation model of aggregated battery swapping stations
Hosseinnia et al. Optimal eco-emission scheduling of distribution network operator and distributed generator owner under employing demand response program
Tostado-Véliz et al. A two-stage IGDT-stochastic model for optimal scheduling of energy communities with intelligent parking lots
Zheng et al. Two-phase operation for coordinated charging of electric vehicles in a market environment: From electric vehicle aggregators’ perspective
Mohseni et al. Modelling utility-aggregator-customer interactions in interruptible load programmes using non-cooperative game theory
Chang et al. Two-stage coordinated operation framework for virtual power plant with aggregated multi-stakeholder microgrids in a deregulated electricity market
Zhang et al. Cournot oligopoly game-based local energy trading considering renewable energy uncertainty costs
Sortomme Combined bidding of regulation and spinning reserves for unidirectional vehicle-to-grid
Wang et al. Research on the pricing strategy of park electric vehicle agent considering carbon trading
Yang et al. Day-ahead and real-time market bidding and scheduling strategy for wind power participation based on shared energy storage
Falabretti et al. Scheduling and operation of RES-based virtual power plants with e-mobility: A novel integrated stochastic model
Shokouhmand et al. Stochastic optimal scheduling of electric vehicles charge/discharge modes of operation with the aim of microgrid flexibility and efficiency enhancement
Hou et al. A dispatching strategy for electric vehicle aggregator combined price and incentive demand response

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