[发明专利]一种基于两阶段随机规划的虚拟电厂优化交易策略装置

摘要

本发明公开了一种基于两阶段随机规划的虚拟电厂优化交易策略模型，该基于两阶段随机规划的虚拟电厂优化交易策略模型具体步骤如下：S1：根据电力市场规则，概述VPP竞标流程、多场景法等理论基础；S2：建立基于两阶段随机规划的虚拟电厂优化交易策略的目标函数；S3：建立基于两阶段随机规划的虚拟电厂优化交易策略的约束条件。考虑清洁能源出力和市场电价的不确定性对虚拟电厂参与日前市场和平衡市场竞标策略的影响，采用多场景法模拟该不确定性因素，以虚拟电厂运行效益最大化为目标，构建基于两阶段随机规划的虚拟电厂最优交易策略模型。

主权项

1.一种基于两阶段随机规划的虚拟电厂优化交易策略模型，其特征在于：该基于两阶段随机规划的虚拟电厂优化交易策略模型具体步骤如下：S1：根据电力市场规则，概述VPP竞标流程、多场景法等理论基础，虚拟电厂作为整体协调调度内部资源参与市场运行，可将富余的电量出售给电力市场也可选择从市场购电满足负荷需求，实现经济性最优,具体交易流程为：在日前阶段，虚拟电厂运营商预测内部机组的可用出力情况以及负荷信息，决策并提交日前市场24时段竞标电量信息，确定和市场的电量交换，VPP优化调度内部资源(需求响应、电动汽车等)出力适应随机发电机组的实时波动，消除实际出力与竞标出力的偏差，实现风电的最大化消纳；采用多场景法处理市场电价及风电出力的不确定性，通过对可能出现的场景进行模拟将模型中的不确定性因素转变成多个确定性场景问题，1)场景的生成：主要通过蒙特卡洛法或者历史数据生成大量场景，对随机变量T个时段可能运行状态进行模拟，即Pt(s)为场景某一具体场景s下t时刻的数据，S为所有可能场景的集合，2)场景的削减：为确保模拟的多样性，需要生成大量的可能场景，但这无疑增加了计算负担，兼顾模拟的可信性与计算负担，基于概率距离思想对场景进行削减；S2：建立基于两阶段随机规划的虚拟电厂优化交易策略的目标函数；以虚拟电厂期望收益最大化为目标，基于两阶段随机规划建立虚拟电厂最优购售电策略模型：阶段1VPP制定日前市场竞标策略；阶段2编制内部机组出力计划，平抑风电出力波动，并利用CVaR量化不确定性给VPP收益带来的风险，目标函数由VPP期望收益和CVaR两部分构成：式中，m为日前市场电价场景标识，表征第一阶段不确定性，n为风电出力场景标识，表征第二阶段随机性特征；M、N分别为根据多场景法得到的日前市场电价和风电经典场景；ρ_m、ρ_n分别对应场景m和n发生的概率；分别为日前市场竞标电量及实际出力值；分别为日前市场及平衡市场电价；η为风险价值；为置信度水平；β∈[0,∞)表示风险系数，与VPP的风险偏好有关，分别为燃气轮机成本、需求响应成本及电动汽车收益，具体表达式为：燃气轮机成本：燃气轮机(gas turbine，GT)成本由GT的生产和启停成本及碳排放惩罚函数组成，式中，为二进制变量，表示燃气轮机机组t时段是否启动、停止以及工作的状态；δ_rt,mn为t时段燃气轮机在第r分段上的出力；为燃气轮机在t时段的出力，等于各分段出力之和，为决策变量；本文将燃气轮机的二次成本进行分段线性化表达，N_r为线性化的分段数，b_r为燃气轮机第r段发电成本斜率；a、λ^SUC、λ^SUD分别为燃气轮机的固定成本和启停成本；D^GT、Y、V分别为燃气轮机污染气体的排放量及单位排放量对应的罚款和环境价值，电动汽车收益，电动汽车(electric vehicle，EV)作为移动负荷，当电动汽车并网时，车主充电储备下一时段出行所需的电量，也可以选择放电对VPP进行反哺，获得售电收益，因此本文利用虚拟电厂模式对其进行有序管理，优化充放电时间，实现削峰填谷以及提高对风电的消纳，式中，分别为电动汽车v充放电功率，为决策变量；n_v表示电动汽车的数量；分别为电动汽车的充放电电价，需求响应成本：需求响应能为VPP提供虚拟出力，平抑可再生能源出力的波动，本文选用基于激励的可中断负荷作为响应资源，需求响应的成本为负荷响应前后VPP售电收入的差额，负荷响应前后，VPP的售电收益分别为：式中，为可中断负荷的响应出力，为决策变量；λ_t^Load为VPP内部负荷售电价格；P_t^Load为可中断负荷未响应时VPP内部实际负荷量；a和b分别为补偿函数的二次项和一次项系数，需求响应的成本为：S3：建立基于两阶段随机规划的虚拟电厂优化交易策略的约束条件；阶段1约束：Ptmax＝PWind,max+Psum,max‑PtLoadPtmin＝‑[Pcharge,max+PtLoad]式中，PWind,max为风电出力最大值；Pcharge,max为电动汽车充电功率最大值；Psum,max为VPP内部所有元件出力最大值之和；阶段2约束：1)燃气轮机约束，式中，RU、RD分别为燃气轮机机组向上和向下爬坡速率；PGT,max、PGT,min分别为燃气轮机输出功率上下限；ton,i、toff,i和ton、toff分别为燃气轮机的初始开关时间和最小开关时间；2)电动汽车约束，式中，E_vt,mn、E_v(t‑1),mn分别为电动汽车v在t时刻和(t‑1)时刻的蓄电量；分别为电动汽车蓄电量限值；分别表示电动汽车v的充放电效率；分别为电动汽车v的最大充放电功率；为二进制变量，分别表示电动汽车v的充/放电以及是否接入电网的状态；3)需求响应约束，需求响应的约束主要包括中断量约束，中断持续时间，最小中断间隔时间及中断爬坡率约束，分别与燃气轮机的出力上下限，最小启停时间以及爬坡约束类似，在此就不做详细赘述；4)功率平衡约束，VPP运行中需要保持每个场景下每个研究时段内的电量供需平衡，在这里忽略网络损耗，式中，为风电出力；分别为储能的充/放功率；5)风险约束，本文选择CVaR评估考虑不确定性下虚拟电厂交易策略的风险损失，式为风险约束，式中，emn为非负的辅助连续变量，定义为在0和η减去每个场景下VPP收益之间选取最大值。