一种风-储联合运营商参与多市场竞价策略方法技术

本发明专利技术公开了一种风

【技术实现步骤摘要】
一种风
‑
储联合运营商参与多市场竞价策略方法


[0001]本专利技术涉及电力市场竞价领域，具体涉及一种风
‑
储联合运营商参与多市场竞价策略方法。

技术介绍

[0002]随着风力发电等新兴技术的发展和成熟，传统能源正逐渐被风能等新能源所取代。然而，风电出力的不确定性给风电机组在电力市场中的竞价带来了挑战。风电机组和储能的联合运行可以减少风电出力的偏差，从而推动一些发电公司将风电机组和储能作为一个整体参与电力市场竞价。
[0003]风
‑
储联合系统协调运行风电机组和储能，降低了风电出力的不确定性。考虑到储能的灵活爬坡特性，在电力市场中风
‑
储联合系统不仅可以在能量市场售电，还可以提供调频服务和提供灵活爬坡产品。但是相比于储能单独在多市场中竞价，风
‑
储联合系统的竞价不仅受到市场电价波动的影响，还需要考虑风电出力偏差。这些不确定因素使风
‑
储联合运营商更难确保其竞价的收益。由于预测存在的误差，在最差的场景下风
‑
储联合运营商的实际收益甚至远低于预期。因此，研究计及电价和风电出力不确定性风险的风
‑
储联合运营商多市场竞价策略具有重要的意义。
[0004]随机优化方法常被用来求解不确定性问题，但该方法存在的一个难点是模型仿真时需要较精确地知道概率分布函数，而在实际应用中有时可能很难估计。为了更好地对不确定性问题建模，将分布鲁棒优化方法应用到电力系统的优化问题求解中。与常用的随机优化方法相比，所提分布鲁棒优化方法可以以损失较少的收益为代价来降低更多的风险。因此对于风险厌恶型的风
‑
储联合运营商，可以采用分布鲁棒优化方法来获得更保守的竞价策略。

技术实现思路

[0005]本专利技术的目的是提供一种风
‑
储联合运营商参与多市场竞价策略方法，采用分布式鲁棒优化方法使模型对不确定因素，即电价和风电出力的分布误差具有鲁棒性；同时，即使使用少量的数据样本，该方法也是有效的。采用基于对偶理论的模型变换方法，可将复杂的极小
‑
极大优化问题转化为半正定规划问题，使得模型是可解的。最终，利用实际的电力市场数据和风电出力数据，验证了该方法的有效性。此外，算例还从市场参与者的角度分析了灵活爬坡产品定价的影响，为系统运营商未来的市场规则制定提供了参考。
[0006]一种风
‑
储联合运营商参与多市场竞价策略方法，根据各电力市场电价和风电出力的不确定性，为确保风
‑
储联合运营商在最差场景下也能够获得一定的收益，建立一种风
‑
储联合运营商竞价策略优化的分布鲁棒优化模型；分布鲁棒优化模型用含不确定矩的均值向量和协方差矩阵计及了各市场电价的波动情况、风电出力的不确定性以及不同随机变量之间的相关关系，风电竞价时段的申报功率与实际出力的偏差将由储能进行补偿，以减少实时对偏差惩罚，基于对偶理论将建立的分布鲁棒优化模型转化为可解的半正定问
题；
[0007]其中，所述各电力市场包括日前能量市场、调频市场、灵活爬坡市场和点对点输电权市场；
[0008]所述分布鲁棒优化模型，包括风
‑
储联合运营商多市场竞价的目标函数和风
‑
储联合系统的物理约束。
[0009]本专利技术采用分布鲁棒优化方法构建了计及风险的风
‑
储联合运营商多市场竞价策略优化模型。风
‑
储联合运营商将包括日前能量市场、调频市场、灵活爬坡市场和点对点输电权市场在内的多个市场。采用均值向量和协方差矩阵作为不确定矩，计及了市场电价和风电出力的不确定性以及不同市场电价之间的相关关系。所建立的分布鲁棒优化模型可转化为可解的半正定问题。与常用的随机优化方法相比，所提分布鲁棒优化方法可以以损失较少的收益为代价来降低更多的风险。因此对于风险厌恶型的风
‑
储联合运营商，可以采用分布鲁棒优化方法来获得更保守的竞价策略。
附图说明
[0010]图1是计及风险的风
‑
储联合运营商多市场联合竞价策略状态示意图；
[0011]图2是各月风
‑
储联合运营商在多市场中不同竞价策略的预期收益对比示意图；
[0012]图3是各月风
‑
储联合运营商在多市场中不同竞价策略的实际收益对比示意图；
[0013]图4是各月风
‑
储联合运营商在多市场中不同竞价策略的收益方差对比示意图；
[0014]图5是不同灵活爬坡产品价格下的风
‑
储联合运营商多市场竞价策略变化情况示意图；
[0015]图6是分布鲁棒优化模型参数对风
‑
储联合运营商多市场竞价收益的影响示意图。
具体实施方式
[0016]为了更好地理解本专利技术，下面结合说明书附图和实例对本专利技术的内容做进一步的说明。
[0017]本专利技术提出了一种基于分布鲁棒优化的风
‑
储联合运营商参与多市场竞价策略方法，根据风
‑
储联合系统可以实现风电机组和储能之间能量流动来平抑风电的不确定性；根据储能的灵活爬坡能力，风
‑
储联合运系统不仅可以在电力市场中售电，还能够提供调频服务和灵活爬坡服务，并利用不同市场电价的相关性来降低竞价风险；根据各市场电价和风电出力的不确定性，为确保风
‑
储联合运营商在最差场景下也能够获得一定的收益，建立一种风
‑
储联合运营商竞价策略优化的分布鲁棒优化模型；模型用含不确定矩的均值向量和协方差矩阵计及了各市场电价的波动情况、风电出力的不确定性以及不同随机变量之间的相关关系，风电竞价时段的申报功率与实际出力的偏差将由储能进行补偿，以减少实时对偏差惩罚，基于对偶理论将建立的分布鲁棒优化模型转化为可解的半正定问题；
[0018]其中，所述各电力市场包括日前能量市场、调频市场、灵活爬坡市场和点对点输电权市场；
[0019]所述分布鲁棒优化模型，包括风
‑
储联合运营商多市场竞价的目标函数和风
‑
储联合系统的物理约束；
[0020]优选地，所述目标函数以风
‑
储联合运营商在最差的电价和风电出力分布下能够
最大化预期收益的竞价策略为目标，通过最小化负收益来实现最大化收益，表达式如下：
[0021][0022]式中x是代表决策变量集合的向量；ξ是代表随机变量集合的向量；F是随机变量的概率分布；E
F
(
·
)是在概率分布F下的期望值；是随机变量的矩不确定集；I(x,ξ)是代表风
‑
储联合运营商的多电力市场协同竞价总收益。
[0023]本专利技术中风
‑
储联合运营商在各市场都作为价格接受者参与竞价，因此模型中的决策变量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风
‑
储联合运营商参与多市场竞价策略方法，其特征在于，根据各电力市场电价和风电出力的不确定性，为确保风
‑
储联合运营商在最差场景下也能够获得一定的收益，建立一种风
‑
储联合运营商竞价策略优化的分布鲁棒优化模型；分布鲁棒优化模型用含不确定矩的均值向量和协方差矩阵计及了各市场电价的波动情况、风电出力的不确定性以及不同随机变量之间的相关关系，风电竞价时段的申报功率与实际出力的偏差将由储能进行补偿，以减少实时对偏差惩罚，基于对偶理论将建立的分布鲁棒优化模型转化为可解的半正定问题；其中，所述各电力市场包括日前能量市场、调频市场、灵活爬坡市场和点对点输电权市场；所述分布鲁棒优化模型，包括风
‑
储联合运营商多市场竞价的目标函数和风
‑
储联合系统的物理约束。2.根据权利要求1所述的风
‑
储联合运营商参与多市场竞价策略方法，其特征在于，所述目标函数以风
‑
储联合运营商在最差的电价和风电出力分布下能够最大化预期收益的竞价策略为目标，通过最小化负收益来实现最大化收益，表达式如下：式中x是代表决策变量集合的向量；ξ是代表随机变量集合的向量；F是随机变量的概率分布；E
F
(
·
)是在概率分布F下的期望值；是随机变量的矩不确定集；I(x,ξ)是代表风
‑
储联合运营商的多电力市场协同竞价总收益；风
‑
储联合运营商在各市场都作为价格接受者参与竞价，分布鲁棒优化模型中的决策变量是风
‑
储联合运营商在不同市场各时段的申报功率，随机变量是各时段不同市场的电价和风电出力情况；风
‑
储联合运营商的多电力市场协同竞价总收益，表达式如下：I(x,ξ)＝I
DA,E
+I
RD
+I
RU
+I
FRPD
+I
FRPU
+I
PTP
其中，I
DA,E
为风
‑
储联合运营商在日前能量市场的收益，I
RD
为风
‑
储联合系统中的储能向下调频市场的收益，I
RU
为风
‑
储联合系统中的储能向上调频市场的收益，I
FRPD
为风
‑
储联合运营商承诺在实时运行中提供的向下灵活爬坡服务的收益，I
FRPU
为风
‑
储联合运营商承诺在实时运行中提供的向上灵活爬坡服务的收益，I
PTP
为风
‑
储联合运营商在点对点输电权市场的收益；风
‑
储联合运营商在日前能量市场的收益I
DA,E
，表达式如下：式中各变量的下标中，S代表储能，W代表风电机组；h为储能竞价时段的持续时长；c
W
和c
S
分别为风电机组和储能的单位兆瓦时运行成本；其中为某一场景中t时段源节点日前能量市场预测电价；和分别为储能在t时段日前能量市场中申报的售电功率和购电功率；为t时段风电机组在日前能量市场中的申报电量；是风
‑
储联合运营商将风
‑
储联合系统视为一个整体在t时段日前能量市场的申报功率；式中的第二项和第三项分别为风电机组和储能参与日前能量市场的运行成本；为反映风电出力波动带来的相关风险，增加一个额外的成本项c
r
，表达式如下：
式中，和为实时对单位兆瓦时风
‑
储联合系统出力偏差的惩罚；和为实时的风
‑
储联合系统出力偏差；上式表示在最差的分布下，储能不能完全补偿实时风电出力的偏差，风
‑
储联合运营商需要为每兆瓦时的发电缺额或超额发电向独立系统运营商额外支付25％的实时能量市场电价作为惩罚；假设风
‑
储联合运营商只考虑风
‑
储联合系统中的储能参与提供调频服务，故风
‑
储联合系统中的储能在向下调频的收益I
RD
和向上调频市场的收益I
RU
计算方法，表达式如下：计算方法，表达式如下：式中，和分别为各场景中的t时段向下调频市场和向上调频市场的预测电价；为某一场景中的t时段源节点实时能量市场预测电价；和分别为储能在t时段向下调频市场和向上调频市场中申报的充/放电功率；h
REG
为储能在调频市场竞价时段的持续时长；γ为实际运行中向下或向上调频服务的调用概率；η为储能的充/放电效率；风
‑
储联合运营商承诺在实时运行中提供向下灵活爬坡服务的收益I
FRPD
和向上灵活爬坡服务的收益I
FRPU
，表达式如下：，表达式如下：式中，p
FRPD
和p
FRPU
分别为向下灵活爬坡的价格和向上灵活爬坡的价格；和分别为风
‑
储联合系统中储能申报的t时段向下灵活爬坡功率和向上灵活爬坡功率；β为实际运行中向下或向上灵活爬坡服务的调用概率；h
FRP
为在相应的时段接到调用指令后需要提供向下或向上灵活爬坡服务的时长；两式中的第一项是风
‑
储联合运营商在日前承诺提供灵活爬坡服务的收入；在实时运行中独立系统运营商有一定概率会调用风
‑
储联合运营商承诺的灵活爬坡服务；两式中的第二项是接到调用指令后的充/放电循环过程中的能量损失，两式中的第三项是整个调用和荷电状态恢复过程的运行成本；风
‑
储联合运营商在点对点输电权市场的收益I
PTP
，表达式如下：式中，和分别为t时段风电机组和储能在点对点输电权市场中的申报功率；和分别为某一场景中的t时段汇节点实时能量市场和日前能量市场预测电价；综上，上式中的第一项表示储能在点对点输电权市场结算后获得的收入，即每兆瓦时收入等于源节点和汇节点之间的实时能量市场电价差；上式中的第二项表示点对点输电权的购买成本，即每兆瓦时点对点输电权的价格为源节点和汇节点之间的日前能量市场电价差。
3.根据权利要求1所述的风
‑
储联合运营商参与多市场竞价策略方法，其特征在于，所述风
‑
储联合系统的物理约束，包括：充/放电功率约束和荷电状态约束；在风
‑
储联合系统中的风电机组和储能都参与了日前能量市场和点对点输电权市场，只有储能参与了调频市场和灵活爬坡市场；此外储能还将补偿部分实时风电出力的偏差；其中，所述充/放电功率约束描述为：风
‑
储联合系统中的储能根据在日前能量市场的竞价而计划的每一时段充电或放电功率不应超过最大功率的限制；在最差的场景下，储能t时段的总充电功率在不超过限额的...

【专利技术属性】
技术研发人员：马洪艳，黄晨洋，顾归，严正，
申请(专利权)人：东华大学，
类型：发明
国别省市：