System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于电力系统优化调度,涉及一种换电站参与电能量市场优化调度方法和系统,尤其是一种基于虚拟电厂主从博弈的换电站参与电能量市场优化调度方法和系统。
技术介绍
1、随着我国新能源发电大规模入网,发用电两端的强随机性和强分散性使电力系统保障发用电平衡的难度增加,电力系统需要频繁进行调度以维持电力供需平衡,进而导致电力系统优化调度复杂性增加。换电站作为分布式储能系统的一部分,需要与光伏发电、风力发电等其他分布式能源进行高效协调。然而,由于各类分布式能源的特性差异较大,协调调度的复杂性显著增加。
2、现有的调度方法在多能源系统的协同优化方面仍然存在较大挑战,难以实现全局最优的能源配置和调度。此外,换电站优化调度依赖于多源异构数据的实时采集和处理,包括新能源出力情况、电网负荷状态、气象数据等。然而,现有的换电站参与电能量市场优化调度系统的处理能力尚不足,难以实现对海量、实时、高频数据的高效处理和精确分析,进而影响调度决策的及时性和准确性。
3、随着电动汽车保有量的迅速增加,换电基础设施也在不断扩展和升级。作为电动汽车能源补给的重要设施,换电站数量的增加不仅满足了日益增长的充电需求,还为电力系统提供了关键的调度资源。
4、因此,本专利技术提出一种基于虚拟电厂主从博弈的换电站参与电能量市场优化调度方法和系统,通过合理的优化调度,换电站能够作为分布式储能单元,在电力需求高峰时释放电能,在需求低谷时储存电能,从而平抑电网峰谷差,促进新能源消纳,提升电力系统的运行效率和稳定性。
5、经检索,未发
技术实现思路
1、本专利技术的目的在于克服现有技术的不足,提出一种基于虚拟电厂(virtualpowerplant,vpp)主从博弈的换电站参与电能量市场优化调度方法,能够充分考虑风光不确定性、换电站充放电需求以及电力系统电力平衡需求。
2、本专利技术解决其现实问题是采取以下技术方案实现的:
3、一种基于虚拟电厂主从博弈的换电站参与电能量市场优化调度方法,包括以下步骤:
4、步骤1、在日前阶段,虚拟电厂收集风电和光伏发电的历史数据,以及虚拟电厂收集内部市场主体的历史发用电信息;
5、步骤2、虚拟电厂基于步骤1收集到的风电、光伏发电的历史数据,利用基于cnn-lstm的日前风光出力预测模型预测第二日的风电和光伏的出力。
6、步骤3、在实时阶段,虚拟电厂基于步骤2的风光出力的预测结果,设置条件风险价值的置信水平;
7、步骤4、基于步骤3设置的条件风险价值的置信水平,虚拟电厂在获取本区域的发用电信息及当日分时电力需求后,结合历史发用电信息,预测区域内部可能出现的电力超发、超用、供应不足等情况;
8、步骤5、基于步骤4的预测结果,虚拟电厂分析发电侧、用电侧的调节能力和备用能力,建立并求解基于虚拟电厂主从博弈的实时调度模型,获得充放电服务策略,引导换电站在电网负荷较低时充电,在电网负荷较高时放电,以平衡电力供需。
9、而且,所述步骤1的具体方法为:
10、日前阶段,虚拟电厂收集风电和光伏发电的历史数据,包括:气象数据和发电功率数据,所述气象数据包括:风速、温度、湿度、光照强度;
11、虚拟电厂收集内部市场主体的历史发用电信息,包括:发电侧出力情况、用电侧基础负荷、备用能力和换电站充放电功率。
12、而且,所述步骤3的具体步骤包括:
13、(1)定义价值风险var是一个特定置信水平下的损失分位数,公式如下:
14、
15、αβ=min{α|p(s,x,α)≥β} (13)
16、式中:x∈x,x为可行决策集;y∈rm,表示影响收益的随机因素;随机变量y的概率密度函数为p(y);在置信水平β下的风险价值为αβ;
17、(2)条件风险价值不仅关注在特定置信水平下的最大潜在损失,更进一步考虑在损失超过var情况下的平均损失,定义cvar定义:
18、
19、式中:(f(s,x,y)-αβ)+=max{f(s,x,y)-αβ,0},ψβ为条件风险价值;
20、(3)为了方便求解ψβ,对式(15)进行离散化处理,可得:
21、
22、式中:q为样本数量;yi为随机变量y的第m个样本;
23、(4)考虑风光不确定性的cvar值如式(17)所示。
24、
25、式中:ψvpp为vpp的cvar值;αβ,vpp为vpp的var值;zi,s为vpp中超过var的值。将式(17)松弛为式(18)和式(19):
26、zi,s≥0 (18)
27、
28、而且,所述步骤5的具体步骤包括:
29、(1)建立上层虚拟电厂优化模型:
30、1)目标函数
31、考虑虚拟电厂的充放电服务费、售电收入、购电成本、运维成本及条件风险价值,构建上层虚拟电厂优化模型,以虚拟电厂收益最大作为上层模型的目标函数,如式(20)所示:
32、maxrvpp=rvpp_grid+rvpp_bss-cvpp_loss-cvpp_grid-ξψvpp (20)
33、式中:rvpp为虚拟电厂的各项总体收益,rvpp_grid为虚拟电厂参与电能量市场所获收益,rvpp_bss为虚拟电厂赚取的充放电服务费,cvpp_loss为虚拟电厂的运营维护成本,cvpp_grid为虚拟电厂的购买电量成本,ξ为vpp的风险规避系数,ξ越大表示vpp越厌恶潜在风险;
34、虚拟电厂在电价较低时从电能量市场购买电量,在电价较高时向电能量市场输送电量,通过两者间的价差获利,如式(21)-(23)所示。
35、
36、式中:rvpp_grid为虚拟电厂参与电能量市场的收益;分别为t时段电能量市场的分时电价;为t时段虚拟电厂内部资源n向电能量市场输出和输入的功率;为t时段换电站上报的总充电、放电需求;
37、虚拟电厂考虑电网的负荷情况和换电站的充放电需求,制定换电站充放电服务价格,通过给换电站提供充放电服务赚取服务费获利。充放电服务收益可以用式(24)表示:
38、
39、式中:rvpp_bss为vpp充放电服务收入,分别表示t时段vpp制定的充电、放电价格,分别表示t时段vpp内部调节资源n的上调、下调功率。ppv,t,pwt,t,分别表示光伏、风电、储能的出力功率;
40、虚拟电厂的运行维护成本cvpp_loss如式(25)所示:
41、
42、式中:mpv、mwt和mes分别为光伏、风电和储能的运维成本系数;ppv,t和pwt,t分别为光伏和风电的出力情况;δt为调度步长;ces为储能的调度成本;分别为储能在t时刻的充电、放电功率;ηes,cha,ηes,d本文档来自技高网...
【技术保护点】
1.一种基于虚拟电厂主从博弈的换电站参与电能量市场优化调度方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的一种基于虚拟电厂主从博弈的换电站参与电能量市场优化调度方法,其特征在于:所述步骤1的具体方法为:
3.根据权利要求1所述的一种基于虚拟电厂主从博弈的换电站参与电能量市场优化调度方法,其特征在于:所述步骤3的具体步骤包括:
4.根据权利要求1所述的一种基于虚拟电厂主从博弈的换电站参与电能量市场优化调度方法,其特征在于:所述步骤5的具体步骤包括:
5.一种基于虚拟电厂主从博弈的换电站参与电能量市场优化调度系统,其特征在于:包括:
【技术特征摘要】
1.一种基于虚拟电厂主从博弈的换电站参与电能量市场优化调度方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的一种基于虚拟电厂主从博弈的换电站参与电能量市场优化调度方法,其特征在于:所述步骤1的具体方法为:
3.根据权利要求1所述的一种基于虚拟电厂主从博弈的换电站参...
【专利技术属性】
技术研发人员:张晓曼,程序,齐霞,安磊,张妍,路妍,耿鹏云,张萌萌,刘宣,相静,刘洋,
申请(专利权)人:国网冀北电力有限公司经济技术研究院,
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。