考虑多时间尺度绿电消纳积分的售电商零售方案优化方法技术

本发明专利技术提供考虑多时间尺度绿电消纳积分的售电商零售方案优化方法，涉及电力市场领域。该考虑多时间尺度绿电消纳积分的售电商零售方案优化方法，包括基于获取的售电商年度火电合同的签订电量及价格、年度绿电合同的签订电量及价格、月度市场电价概率分布函数和月度滚动修正的用户用电量，构建售电商月度市场交易模型；根据绿电实际出力、用户用电高中低段、现货市场电价峰平谷期和用户用电体量分配年度绿电合同月分解量、年度火电合同月分解量、月度市场火电购电量至逐时刻各用户；构建售电商—用户双层模型。本申请优化实时售电价格以引导用户用电行为，既提高了用户侧绿电消纳的积极性，又降低了售电商现货市场的购电成本。又降低了售电商现货市场的购电成本。又降低了售电商现货市场的购电成本。

【技术实现步骤摘要】
考虑多时间尺度绿电消纳积分的售电商零售方案优化方法


[0001]本专利技术涉及电力市场
，具体为考虑多时间尺度绿电消纳积分的售电商零售方案优化方法。

技术介绍

[0002]在电力市场深入改革的背景下，售电商代理电力用户参与多时间尺度市场购买电能。随着可再生能源大规模发展售电侧需承担与其年售电量相对应的消纳责任权重。对于售电商，如何设计中长期市场电量分配策略、现货市场购电策略、面向用户零售套餐，以提高购售电利润、促进用户绿电消纳，是其需要考虑的关键问题。
[0003]目前国内的相关研究主要考虑售电商在电力市场的购售电策略，但对于售电商如何基于多时间尺度绿电消纳、面向用户优化零售套餐尚无深入的研究。因此，售电商面向用户发放年度合同绿电消纳积分、现货市场绿电消纳积分，优化零售套餐，柔化用户用电需求，以适应更大规模绿电消纳的需求。

技术实现思路

[0004](一)解决的技术问题
[0005]针对现有技术的不足，本专利技术提供了考虑多时间尺度绿电消纳积分的售电商零售方案优化方法，来优化售电商零售方案。
[0006](二)技术方案
[0007]为实现以上目的，本专利技术通过以下技术方案予以实现：
[0008]第一方面，提供了考虑多时间尺度绿电消纳积分的售电商零售方案优化方法，所述方法包括以下步骤：
[0009]交易模型构建步骤，基于获取的售电商年度火电合同的签订电量及价格、年度绿电合同的签订电量及价格、月度市场电价概率分布函数和月度滚动修正的用户用电量，构建售电商月度市场交易模型；
[0010]分配步骤，基于构建的售电商月度市场交易模型获取年度绿电合同月分解量、年度火电合同月分解量和月度市场火电购电量，并根据绿电实际出力、用户用电高中低段、现货市场电价峰平谷期和用户用电体量分配年度绿电合同月分解量、年度火电合同月分解量、月度市场火电购电量至逐时刻各用户；
[0011]优化步骤，基于定义的年度合同绿电消纳积分和现货市场绿电消纳积分构建售电商—用户双层模型，通过电商—用户双层模型完成对售电商零售方案的优化；
[0012]其中，售电商—用户双层模型包括上层模型和下层模型。
[0013]优选的，所述售电商月度市场交易模型的目标函数为：
[0014][0015]式中，F
med_long
表示售电商中长期市场总购电成本，M为12个月，p
m
为第m月月度市场
电价，为第m月月度市场购电量，CVaR
m
为第m月月度市场电价波动风险成本，p
cth
为年度火电合同签订价格，为第m月年度火电合同月分解量，p
cgreen
为年度绿电合同签订价格，为第m月年度绿电合同月分解量；售电商在与新能源发电商签订年度绿电合同时，已根据绿电月度出力水平确定年度绿电合同月分解量。
[0016]优选的，所述所述售电商月度市场交易模型的目标函数中，月度市场电价p
m
服从正态分布其概率密度函数为：
[0017][0018]式中，μ
m
为第m月电价期望值，为第m月电价方差，即波动值；通过历史电价数据近似计算得到：
[0019][0020][0021]式中，为第m月近似电价期望值，为第m月近似电价方差，K为第m月历史电价数据个数，为第m月第k个历史月度电价，为其出现的概率。
[0022]优选的，所述售电商月度市场交易模型的目标函数中，月度购电量优化过程为：
[0023][0024]式中，k表示滚动优化次数，Δt为1个月时间尺度；
[0025]月度购电量优化过程以月度市场购电偏差量为控制变量，以用电量预测偏差量为扰动输入；
[0026]目标函数中，第m月月度市场电价波动风险成本CVaR
m
为：
[0027][0028]式中，η为风险价值变量，α为置信度，为第m月第k次场景下的损失函数，构造辅助变量如下：
[0029][0030]式中，损失函数为售电商购电成本与售电利润的差值：
[0031][0032]式中，e
r
为中长期市场单位电量的平均收益，为第m月用户预测用电量。
[0033]优选的，所述售电商月度市场交易模型的约束条件包括：
[0034]风险函数约束
[0035][0036]式中，S
k
为辅助变量；
[0037]考虑偏差考核的月用电量约束
[0038][0039]式中，δ表示偏差考核量；
[0040]年度市场购电量约束
[0041][0042]式中，q
cth
为年度火电合同电量；
[0043]最大分解电量约束
[0044][0045]式中，表示年度火电合同在第m月的最大可分解电量。
[0046]优选的，分配年度绿电合同月分解量、年度火电合同月分解量、月度市场火电购电量至逐时刻各用户，具体包括：
[0047]根据绿电实际出力、用户用电体量分配年度绿电合同月分解量至逐时刻各用户：
[0048]绿电在由A
m
天组成的第m月中每日无出力差别，售电商将第m月年度绿电合同月分配电量平均分解到每日，并根据绿电出力特征分解至逐时刻。t时刻绿电出力水平为：
[0049][0050]式中，为t时刻绿电出力，q
green
为一天绿电总出力；
[0051]则t时刻i用户年度绿电合同分解量为：
[0052][0053]式中，r
i
为i用户用电量占比；
[0054]根据用户用电高中低段、用户用电体量分配年度火电合同月分解量至逐时刻各用户；根据现货市场电价峰平谷期、用户用电体量分配月度市场火电购电量至逐时刻各用户。
[0055]优选的，所述年度合同绿电消纳积分基于用户中长期电量用电行为进行定义：
[0056][0057]式中，表示年度合同绿电消纳积分，分别为i用户在(t+1)、t时刻购买的中长期电量，分别为i用户在(t+1)、t时刻分配的年度绿电合同量；
[0058]所述现货市场绿电消纳积分基于用户现货电量用电行为定义：
[0059][0060]式中，表示现货市场绿电消纳积分，为t时刻现货市场火电售价，为现货市场火电日最高售价，为i用户t时刻消纳现货市场绿电量。优选的，所述上层模型以售电商利润最大化为目标，目标函数B
pr
为：
[0061]B
pr
＝max(R
sell
+R
gss
‑
C
ml
‑
C
sg
‑
C
sth
‑
C
fit
‑
C
csg
)
[0062]目标函数中，R
sell
表示售电商制定的零售套餐向用户售本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.考虑多时间尺度绿电消纳积分的售电商零售方案优化方法，其特征在于，所述方法包括以下步骤：交易模型构建步骤，基于获取的售电商年度火电合同的签订电量及价格、年度绿电合同的签订电量及价格、月度市场电价概率分布函数和月度滚动修正的用户用电量，构建售电商月度市场交易模型；分配步骤，基于构建的售电商月度市场交易模型获取年度绿电合同月分解量、年度火电合同月分解量和月度市场火电购电量，并根据绿电实际出力、用户用电高中低段、现货市场电价峰平谷期和用户用电体量分配年度绿电合同月分解量、年度火电合同月分解量、月度市场火电购电量至逐时刻各用户；优化步骤，基于定义的年度合同绿电消纳积分和现货市场绿电消纳积分构建售电商—用户双层模型，通过电商—用户双层模型完成对售电商零售方案的优化；其中，售电商—用户双层模型包括上层模型和下层模型。2.根据权利要求1所述的考虑多时间尺度绿电消纳积分的售电商零售方案优化方法，其特征在于：所述售电商月度市场交易模型的目标函数为：式中，F
med_long
表示售电商中长期市场总购电成本，M为12个月，p
m
为第m月月度市场电价，为第m月月度市场购电量，CVaR
m
为第m月月度市场电价波动风险成本，p
cth
为年度火电合同签订价格，为第m月年度火电合同月分解量，p
cgreen
为年度绿电合同签订价格，为第m月年度绿电合同月分解量；售电商在与新能源发电商签订年度绿电合同时，已根据绿电月度出力水平确定年度绿电合同月分解量。3.根据权利要求2所述的考虑多时间尺度绿电消纳积分的售电商零售方案优化方法，其特征在于：所述所述售电商月度市场交易模型的目标函数中，月度市场电价p
m
服从正态分布其概率密度函数为：式中，μ
m
为第m月电价期望值，为第m月电价方差，即波动值；通过历史电价数据近似计算得到：计算得到：式中，为第m月近似电价期望值，为第m月近似电价方差，K为第m月历史电价数据个数，为第m月第k个历史月度电价，为其出现的概率。4.根据权利要求3所述的考虑多时间尺度绿电消纳积分的售电商零售方案优化方法，其特征在于：所述售电商月度市场交易模型的目标函数中，月度购电量优化过程为：
式中，k表示滚动优化次数，Δt为1个月时间尺度；月度购电量优化过程以月度市场购电偏差量为控制变量，以用电量预测偏差量为扰动输入；目标函数中，第m月月度市场电价波动风险成本CVaR
m
为：式中，η为风险价值变量，α为置信度，为第m月第k次场景下的损失函数，构造辅助变量如下：式中，损失函数为售电商购电成本与售电利润的差值：式中，e
r
为中长期市场单位电量的平均收益，为第m月用户预测用电量。5.根据权利要求4所述的考虑多时间尺度绿电消纳积分的售电商零售方案优化方法，其特征在于：所述售电商月度市场交易模型的约束条件包括：风险函数约束S
k
≥0,k＝1,2,
…
K式中，S
k
为辅助变量；考虑偏差考核的月用电量约束式中，δ表示偏差考核量；年度市场购电量约束式中，q
cth
为年度火电合同电量；最大分解电量约束
式中，表示年度火电合同在第m月的最大可分解电量。6.根据权利要求5所述的考虑多时间尺度绿电消纳积分的售电商零售方案优化方法，其特征在于：分配年度绿电合同月分解量、年度火电合同月分解量、月度市场火电购电量至逐时刻各用户，具体包括：根据绿电实际出力、用户用电体量分配年度绿电合同月分解量至逐时刻各用户：绿电在由A
m
天组成的第m月中每日无出力差别，售电商将第m月年度绿电合同月分配电量平均分解到每日，并根据绿电出力特征分解至逐时刻。t时刻绿电出力水平为：式中，为t时刻绿电出力，q
green
为一天绿电总出力；则t时刻i用户年度绿电合同分解量为：式中，r
i
为i用户用电量占比；根据用户用电高中低段、用户用电体量分配年度火电合同月分解量至逐时刻各用户；根据现货市场电价峰平谷期、用户用电体量分配月度市场火电购电量至逐时刻各用户。7.根据权利要求1所述的考虑多时间尺度绿电消纳积分的售电商零售方案优化方法，其特征在于：所述年度合同绿电消纳积分基于用户中长期电量用电行为进行定义：式中，表示年...

【专利技术属性】
技术研发人员：喻洁，张彤彤，纪伟茜，陈璐，
申请(专利权)人：东南大学，
类型：发明
国别省市：