本发明专利技术提供了一种含电动汽车的综合能源系统参与电力现货市场的优化策略；在大量电动汽车充电负荷接入综合能源系统前提下，为了实现综合能源系统参与电力现货市场收益最大化，建立了主从博弈双层模型，并且在上层模型中参与者进行分时段逐步优化——综合能源系统作为领导者分日前、日内与实时市场两个时段参与电力现货市场，各个时段有不同的优化目标函数。在综合能源系统与电动汽车博弈过程中，综合能源系统作为领导者首先依次参与现货市场两阶段竞价，在各阶段约束下做出自身最优售电决策；各电动汽车作为跟随者，在上层售电策略前提下，目标为最小化充电成本，制定充电策略。最终形成综合能源系统收益最大化与电动汽车充电成本最小化购电模式。充电成本最小化购电模式。充电成本最小化购电模式。
【技术实现步骤摘要】
一种含电动汽车的综合能源系统参与电力现货市场策略
[0001]本专利技术涉及电气优化领域，尤其涉及一种含电动汽车的综合能源系统参与电力现货市场的优化策略研究。
技术介绍
[0002]综合能源系统(Integrated Energy System，IES)作为多种发电、用电设备的结合体，具有能源生产与利用的灵活性与可调节性。综合能源系统参与电力现货市场，可以更加充分实现各系统内设备的灵活调度、提高能源互补能力，从而实现系统内能源的高效利用，使得收益最大化。随着电动汽车(Electric Vehicle，EV)应用的普及，其作为充电负荷，在综合能源系统负荷需求占比的不断增加。电动汽车接入综合能源系统后，其充电无序性使得综合能源系统在现货电能量市场日前阶段申报预测用电量准确度降低、实时阶段电价跟踪能力变差，影响了综合能源系统机组出力安排从而影响综合收益。并且未能同时实现综合能源系统与电动汽车用户两者收益最大化：同时协调电动汽车充电成本最小与综合能源系统在电力现货市场中收益最大。因此考虑电动汽车电量供应的满足与电力现货市场中购电成本的最低，实现整体收益最大，是IES优化运行的目标之一。
技术实现思路
[0003]为了解决上述现有技术的不足之处，本专利技术的目的在于提供一种含电动汽车的综合能源系统参与电力现货市场的优化策略，使得综合收益更大。
[0004]为了实现上述目的，本策略立足于IES，建立基于主从博弈理论下的双层优化模型。上层模型中IES作为领导者，分时段逐步递进优化参与现货电能量市场：第一阶段日前市场优化，在此阶段综合能源系统要预测电动汽车用户负荷量，实现电量申报的准确，出清电量与价格尽量符合实际运行情况，以此实现综合能源系统各机组合理安排出力大小与时间；第二阶段日内、实时市场作为一个整体进行优化运行，在此阶段综合能源系统首先根据日前阶段出清电价优化调整日内机组出力，并实时跟踪市场内滚动出清电价变化，能实现较迅速根据电价调整系统内功率曲线。
[0005]优选地，所述上层模型分时段优化，分为两个阶段：日前阶段、日内实时阶段，各有不同的目标函数。
[0006]优选地，所述上层模型日内实时阶段，采用模型预测控制算法，实现电动汽车负荷变动以及风力光伏出力波动情况下，综合能源系统对现货市场中电价的准确跟踪。
[0007]优选地，所述双层模型博弈中领导者经过多层多目标优化，所得出的售电策略更加合理准确。
[0008]同现有技术相比，本专利技术的有益效果体现在：
[0009](1)新策略可以专门应用在区域综合能源系统负荷供应中含有电动汽车，并且综合能源系统同时参与电力现货市场的情形。
[0010](2)在本模型中，上层模型中的区域综合能源系统可以结合现货市场交易情况调
整系统机组出力，在满足电动汽车负荷供应的情况下，实现系统整体购售电收益最大化。
[0011](3)下层模型中的电动汽车可以根据区域综合能源系统制定的售电策略，调整自身充电时间与充电量，实现自身充电成本最小。
附图说明
[0012]图1为本专利技术的含电动汽车的综合能源系统参与电力现货市场策略流程图；
[0013]图2为本专利技术的主从博弈双层模型求解流程图；
具体实施方式
[0014]为了能够进一步了解本专利技术的特征及其他目的，现结合所附较佳实施例附以附图详细说明如下，本附图所说明的实施例仅用于说明本专利技术的技术方案，并非限定本专利技术。
[0015]1.主从博弈算法下的双层优化模型
[0016]本专利技术建立了以主从博弈算法为主体的双层模型，主从博弈模型不同于传统博弈模型，其博弈过程是动态的。参与主从博弈模型的双方地位也是不一致的，按照决策顺序的先后分别定义博弈双方为领导者与跟随者。领导者首先参与博弈并做出运行策略，其后跟随者在领导者策略下制定自己的运行方式。本专利技术策略上层模型中对参与者进行分时段逐步优化——IES作为领导者分日前、日内与实时市场三个时段参与电力现货市场，各个时段有不同的优化目标函数。在IES与EV博弈过程中，IES作为领导者首先参与现货市场竞价，结合各约束做出自身最优售电决策；多个EV作为跟随者，在IES提出售电策略前提下，目标为最小化充电成本，制定自身利益最大化充电策略。最终结果形成IES收益最大化运行与EV充电成本最小化购电模式。策略流程图如图1。
[0017]2.上层模型
[0018]综合能源系统在现货电能量市场中分两个时间段参与：日前与日内市场、实时市场。
[0019](1)日前阶段
[0020]目标函数：IES在日前、日内市场申报电量实现经济收益最大化：
[0021][0022]式中：C
NET,t
为t时刻IES参与电力现货是场总收益，正值表示收入、负值表示支出；为t时刻IES为第i台电动汽车充电收入；C
WT,t
、C
PV,t
分别为t时刻风电出力成本、光伏出力成本；为t时刻第i台分布式机组出力成本。
[0023](2)日内、实时阶段
[0024]采用基于模型预测控制(MPC)的日内实时市场优化模型。
[0025]电动汽车负荷的接入一方面使得综合能源系统用电预测难度增大，另一方面使得实时市场中的电价波动性增大。MPC算法基于滚动时域进行优化控制，对时间信号变化不敏感，自身稳定跟踪能力较强。本设计在日内实时市场中采用MPC算法，将电动汽车负荷充电的随机性看作外部干扰，利用算法进行误差校正，从而实现实时电价的准确跟踪。
[0026]选取储能电池充电与放电功率P
batt
(k)、电池荷电状态S
soc
(k)、锅炉系统产热功率
P
EB
(k)、热电联产机组燃气功率P
CHP
(k)、IES系统与电网之间交换功率P
grid
(k)构成预测模型的状态向量x(k):
[0027]x(k)＝[P
batt
(k),S
SOC
(k),P
EB
(k),P
grid
(k)]T
[0028]选电池储能变化量ΔP
batt
(k)、锅炉产热变化量ΔP
EB
(k)、热电联产机组的出力变化量ΔP
CHP
(k)作为控制向量u(k):
[0029]u(k)＝[ΔP
batt
(k),ΔP
EB
(k),ΔP
CHP
(k)]T
[0030]选取风力发电日内预测变化量ΔP
WT
(k)、光伏发电日内预测功率变化ΔP
PV
(k)和电动汽车充电负荷预测增量ΔP
EV
(k)作为扰动向量r(k)：
[0031]r(k)＝[ΔP
WT
(k),ΔP
PV
(k),ΔP
EV
(k)本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.含电动汽车的综合能源系统参与电力现货市场策略，其特征在于，建立综合能源系统与电动汽车用户的主从博弈双层模型，上层模型中综合能源系统分两个时段——日前时段与日内、实时市场时段参与现货市场，多目标逐步优化；下层模型各个电动汽车用户以最小化充电成本从综合能源系统中购电。2.根据权利要求1所述的上层模型，其特征在于，上层优化过程分为两阶段：第一阶段日前市场优化，在此阶段综合能源系统要预测电动汽车用户负荷量，实现电量申报的准确，出清电量与价格尽量符合实际运行情况，以此实现综合能源系统各机组合理安排出力大小与时间；第二阶段：日内、实时市场作为一个整体进行优化运行，在此阶段，综合能源系统首先根据日前阶段出清电价优化调整日内机组出力，并实时跟踪市场内滚动出清电价变化，能实现较迅速根据电价调整系统内功率曲线。3.根据权利要求1所述的上层模型日前阶段，其特征在于，目标函数为此阶段出清后合理安排机组出力使得系统收益最大化：式中：C
NET,t
为t时刻综合能源系统参与电力现货市场总收益，正值表示收入、负值表示支出；为t时刻综合能源系统为第i台电动汽车充电收入；C
WT,t
、C
PV,t
分别为t时刻风电出力成本、光伏出力成本；为t时刻第i台分布式机组出力成本。4.根据权利要求1所述的上层模型日内、实时阶段，其特征在于，此阶段采用基于模型预测控制(MPC)算法的优化模型进行电价跟踪，实现电动汽车负荷随机充电作为扰动条件下的电价较为迅速准确的跟踪，具体模型如下：选取储能电池充电与放电功率P
batt
(k)、电池荷电状态S
soc
(k)、锅炉系统产热功率P
EB
(k)、热电联产机组燃气功率P
CHP
(k)、IES系统与电网之间交换功率P
grid
(k)构成预测模型的状态向量x(k):x(k)＝[P
batt
(k),S
SOC
(k),P
EB
(k),P
grid
(k)]
T
选电池储能变化量ΔP
batt
(k)、锅炉产热变化量ΔP
EB
(k)、热电联产机组的出力变化量ΔP
CHP
(k)作为控制向量u(k):u(k)＝[ΔP
batt
(k),ΔP
【专利技术属性】
技术研发人员：梁海平，王金英，
申请(专利权)人：华北电力大学保定，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。