一种新能源系统随机电力交易策略优化方法技术方案

本发明专利技术公开了一种新能源系统随机电力交易策略优化方法，涉及电力交易策略决策技术领域，包括以下步骤：基于电力市场框架，确定新能源系统参与交易时的随机参数，并利用季节性自回归综合移动平均模型生成随机参数的场景；建立考虑多风险度量指标的多风险控制模型；基于生成的随机参数的场景、多风险控制模型和随机规划模型的基本框架，建立交易策略决策随机规划模型；利用生成的随机参数的场景对交易策略决策随机规划模型进行求解，获得新能源系统随机电力交易优化策略。本发明专利技术解决了现有管控策略涉及风险度量参数单一，无法满足现实中决策者的多类型风险偏好，无法规避新能源系统在极端场景下潜在损失或低收益的问题。端场景下潜在损失或低收益的问题。端场景下潜在损失或低收益的问题。

【技术实现步骤摘要】
一种新能源系统随机电力交易策略优化方法


[0001]本专利技术涉及电力交易策略决策
，具体涉及一种新能源系统随机电力交易策略优化方法。

技术介绍

[0002]在电力市场环境下，风力发电商将同时面对自身间歇性发电量和市场波动电价带来的风险。为了促进新能源消纳、规避极端情况下的低收益甚至损失，风力发电商在进行交易策略决策时需要对自身间歇性发电量和市场波动电价带来的风险进行管控。
[0003]基于CVaR和随机规划的风险控制策略是目前常用的风险管控策略。然而，这种风险控制策略只能管理CVaR一个风险度量参数，并未涉及损失概率(Shortfall Probability，SP)、在险值(Value at Risk，VaR)等决策者可能期望优化的其他风险度量参数。无法满足现实中决策者的多类型风险偏好，无法规避新能源系统在极端场景下的潜在损失或低收益。

技术实现思路

[0004]针对现有技术中的上述不足，本专利技术提供的一种新能源系统随机电力交易策略优化方法解决了现有管控策略涉及风险度量参数单一，无法满足现实中决策者的多类型风险偏好，无法规避新能源系统在极端场景下潜在损失或低收益的问题。
[0005]为了达到上述专利技术目的，本专利技术采用的技术方案为：一种新能源系统随机电力交易策略优化方法，包括以下步骤：
[0006]S1：基于电力市场框架，确定新能源系统参与交易时的随机参数，并利用季节性自回归综合移动平均模型生成随机参数的场景；
[0007]S2：建立考虑多风险度量指标的多风险控制模型；
[0008]S3：基于生成的随机参数的场景、多风险控制模型和随机规划模型的基本框架，建立交易策略决策随机规划模型；
[0009]S4：利用生成的随机参数的场景对交易策略决策随机规划模型进行求解，获得新能源系统随机电力交易优化策略。
[0010]上述方案的有益效果是：本专利技术在充分考虑日前电价、实时电价和风力发电不确定性的基础上，建立了同时考虑SP、VaR和CVaR多风险度量指标的多种风险控制模型，从而对新能源系统的随机电力交易策略进行更全面的优化，解决了现有管控策略涉及风险度量参数单一，无法满足现实中决策者的多类型风险偏好，无法规避新能源系统在极端场景下潜在损失或低收益的问题。
[0011]进一步地，S2中多风险度量指标包括损失概率SP、在险值VaR和条件风险价值CVaR，多风险控制模型为
[0012]β
SP
+β
VaR
+β
CVaR
＝β
r
[0013]其中，β
r
为各个风险度量指标的加权平均之和，β
SP
为SP的权重系数，β
VaR
为VaR的权
重系数，β
CVaR
为CVaR的权重系数。
[0014]上述进一步方案的有益效果是：考虑多风险度量指标，建立基于损失概率SP、在险值VaR和条件风险价值CVaR的多风险控制模型，用于后续建立随机规划模型。
[0015]进一步地，S3中交易策略决策随机规划模型的目标函数为
[0016][0017]其中，O
WS
为交易策略决策随机规划模型的目标函数，为交易策略决策随机规划模型的决策变量集合的最大值，pr
w
为场景w的概率，为场景w的期望利润，W为场景w的总量，π
SC
为SP的量纲转化参数，θ
SP
为新能源系统的SP，π
VaR
为新能源系统的VaR，π
CVaR
为新能源系统的CVaR；
[0018][0019]其中，为第t个时间段第w个场景下电力市场的日前电价，为第t个时间段第w个场景下电力市场的实时电价，P
tDA
为新能源系统在日前市场的卖出电量，为新能源系统在实时市场的卖出电量，F
DEV+
为新能源系统每MWh实时电量的正偏差惩罚费用，F
DEV
‑
为新能源系统每MWh实时电量的负偏差惩罚费用，为新能源系统实时电量的正偏差，为新能源系统实时电量的负偏差，F
BS,dis
为电池每MWh的放电运行成本，F
BS,ch
为电池每MWh的充电运行成本，为第t时间段第w个场景下电池的放电量，为第t时间段第w个场景下电池的充电量，T为时间段t的总量。
[0020]上述进一步方案的有益效果是：通过上述公式，根据多风险控制模型、生成的随机参数场景以及随机规划模型的基本框架，建立交易策略决策随机规划模型，用于获得优化的交易策略。
[0021]进一步地，S3中交易策略决策随机规划模型的约束条件包括风险度量的计算约束、电能量平衡与电力交易约束和电池储能约束。
[0022]上述进一步方案的有益效果是：通过上述技术方案，提供了交易策略决策随机规划模型的三种约束条件，进一步对交易策略决策随机规划模型进行限定。
[0023]进一步地，风险度量的计算约束包括以下公式：
[0024]求解交易策略决策随机规划模型中，用于计算SP的约束条件为
[0025][0026][0027][0028]其中，为用于计算SP的0
‑
1辅助变量，η
SP
为损失概率的参考利润值，M为常数；
[0029]用于计算VaR的约束条件为
[0030][0031][0032][0033]其中，为用于计算VaR的0
‑
1辅助变量，α
VaR
为VaR的置信水平参数；
[0034]用于计算CVaR的约束条件为
[0035][0036][0037][0038]其中，和g
w
为用于计算CVaR的辅助变量，α
CVaR
为CVaR的置信水平参数，为任意值。
[0039]上述进一步方案的有益效果是：通过上述技术方案，分别提供了用于计算SP、VaR和CVaR的约束条件，实现对风险度量的计算约束。
[0040]进一步地，电能量平衡与电力交易约束包括以下公式：
[0041][0042]其中，为第t个时间段第w个场景下的风电发电量；
[0043][0044]其中，P
BS,max
为电池最大充放电功率，P
RES,max
为最大风电发电量；
[0045][0046][0047]上述进一步方案的有益效果是：通过上述技术方案，提供风储系统参与电力市场交易时的电力平衡约束条件。
[0048]进一步地，电池储能约束包括以下公式：
[0049]电池储能的运行成本和电池不同时段的能量水平为
[0050][0051]其中，为第w个场景下电池储能的运行成本，g
BS,dis
为电池放电运行成本，g
BS,ch
为电池充电运行成本；
[0052][0053]其中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种新能源系统随机电力交易策略优化方法，其特征在于，包括以下步骤：S1：基于电力市场框架，确定新能源系统参与交易时的随机参数，并利用季节性自回归综合移动平均模型生成随机参数的场景；S2：建立考虑多风险度量指标的多风险控制模型；S3：基于生成的随机参数的场景、多风险控制模型和随机规划模型的基本框架，建立交易策略决策随机规划模型；S4：利用生成的随机参数的场景对交易策略决策随机规划模型进行求解，获得新能源系统随机电力交易优化策略。2.根据权利要求1所述的新能源系统随机电力交易策略优化方法，其特征在于，所述S2中多风险度量指标包括损失概率SP、在险值VaR和条件风险价值CVaR，多风险控制模型为β
SP
+β
VaR
+β
CVaR
＝β
r
其中，β
r
为各个风险度量指标的加权平均之和，β
SP
为SP的权重系数，β
VaR
为VaR的权重系数，β
CVaR
为CVaR的权重系数。3.根据权利要求2所述的新能源系统随机电力交易策略优化方法，其特征在于，所述S3中交易策略决策随机规划模型的目标函数为其中，O
WS
为交易策略决策随机规划模型的目标函数，为交易策略决策随机规划模型的决策变量集合的最大值，pr
w
为场景w的概率，为场景w的期望利润，W为场景w的总量，π
SC
为SP的量纲转化参数，θ
SP
为新能源系统的SP，π
VaR
为新能源系统的VaR，π
CVaR
为新能源系统的CVaR；其中，为第t个时间段第w个场景下电力市场的日前电价，为第t个时间段第w个场景下电力市场的实时电价，P
tDA
为新能源系统在日前市场的卖出电量，为新能源系统在实时市场的卖出电量，F
DEV+
为新能源系统每MWh实时电量的正偏差惩罚费用，F
DEV
‑
为新能源系统每MWh实时电量的负偏差惩罚费用，为新能源系统实时电量的正偏差，为新能源系统实时电量的负偏差，F
BS,dis
为电池每MWh的放电运行成本，F
BS,ch
为电池每MWh的充电运行成本，为第t时间段第w个场景下电池的放电量，为第t时间段第w个场景下电池的充电量，T为时间段t的总量。4.根据权利要求3所述的新能源系统随机电力交易...

【专利技术属性】
技术研发人员：肖东亮，陈皓勇，赵振东，王宇绅，
申请(专利权)人：广东博慎智库能源科技发展有限公司，
类型：发明
国别省市：