考虑不确定因素的虚拟电厂竞价优化策略

doi:10.16628/j.cnki.2095-8188.2022.09.007

电器与能效管理技术 ›› 2022, Vol. 0 ›› Issue (9): 45-50.doi: 10.16628/j.cnki.2095-8188.2022.09.007

考虑不确定因素的虚拟电厂竞价优化策略

夏耀杰

上海电气分布式能源科技有限公司, 上海 201100

收稿日期:2022-05-16 出版日期:2022-09-30 发布日期:2022-10-20
作者简介:夏耀杰（1989—）,男,工程师,主要从事电力系统调度工作。

Bidding Optimization Strategy for Virtual Power Plant Considering Uncertainty Factors

XIA Yaojie

Shanghai Electric Distributed Energy Technology CO.,Ltd.,Shanghai 201100,China

Received:2022-05-16 Online:2022-09-30 Published:2022-10-20

摘要/Abstract

摘要：

对于含有风光发电的虚拟电厂,在参与电力市场竞价时必须考虑出力的不确定因素。在多代理的框架下,搭建了虚拟电厂竞价模型,考虑风光发电的不确定性,确定虚拟电厂内部备用容量需求,在满足虚拟电厂内部负荷以及备用容量需求的基础上,以整体利润最大化建立目标函数确定各分布式电源的出力计划和电价,从而确定虚拟电厂整体的出力计划及报价函数。最后,通过算例对所构建的模型及采用的方法进行验证,结果表明了所建立模型的合理性及求解方法的有效性。

关键词: 虚拟电厂, 竞价策略, 日前市场, 备用市场

Abstract:

The uncertainty factors of virtual power plants which contain wind and photovoltaic power generation must be taken into account when participating in the bidding of the power market.The bidding model for virtual power plant is set up under the multi-agent framework.Considering the uncertainty of the wind and photovoltaic power generation,the reserve capacity requirement of the virtual power plant is determined.Based on the internal load demand and the reserve capacity demand of the virtual power plant,the output plan and price of each distributed power generation are determined on the premise of establishing the objective function to maximize the overall profit,so as to determine the output plan and the pricing function of the whole virtual power plant.Finally,the model and the method are validated by the example.The results show that the model is reasonable and the solution method is effective.

Key words: virtual power plant, bidding optimization, day-ahead market, reserve capacity market

中图分类号:

TM734

夏耀杰. 考虑不确定因素的虚拟电厂竞价优化策略[J]. 电器与能效管理技术, 2022, 0(9): 45-50.

XIA Yaojie. Bidding Optimization Strategy for Virtual Power Plant Considering Uncertainty Factors[J]. LOW VOLTAGE APPARATUS, 2022, 0(9): 45-50.

图/表 6

图1

图2

图3

图4

表1

图5

参考文献 14

[1]	杨甲甲, 赵俊华, 文福拴, 等. 含电动汽车和风电机组的虚拟发电厂竞价策略[J]. 电力系统自动化, 2014, 38(13):92-102.
[2]	李继宇, 范映. 主动配电网源-网-荷双层规划研究[J]. 电器与能效管理技术, 2021(1):9-15.
[3]	马春艳, 段青, 沙广林, 等. 考虑平抑电网峰谷的综合能源园区系统优化研究[J]. 电器与能效管理技术, 2021(9):19-26,31.
[4]	艾欣, 周树鹏, 赵阅群. 含虚拟发电厂的电力系统优化运行与竞价策略研究[J]. 中国电机工程学报, 2016, 36(23):6351-6362.
[5]	郑宇, 李杨, 焦丰顺, 等. 含风电机组与电转气设备的虚拟电厂竞价策略[J]. 电力建设, 2017(7):88-95. doi: 10.3969/j.issn.1000-7229.2017.07.011
[6]	MASHHOUR E, MOGHADDAS-TAFRESHI S M. Bidding Strategy of Virtual Power Plant for Participating in Energy and Spinning Reserve Markets—Part I:Problem Formulation[J]. IEEE Transactions on Power Systems, 2011, 26(2):949-956. doi: 10.1109/TPWRS.2010.2070884
[7]	成嘉玮, 牟龙华, 梁紫雯. 基于效率的微能源网优化调度[J]. 电器与能效管理技术, 2021(8):43-50.
[8]	陆庆, 夏耀杰, 杨杰, 等. 一种基于梯次电池充电末期的自适应柔性充电策略[J]. 电器与能效管理技术, 2021(5):55-58.
[9]	张怀宇, 徐超然, 黄志龙, 等. 考虑光伏发电不确定性的源-网-荷-储协调调度方法[J]. 电器与能效管理技术, 2021(5):86-92.
[10]	艾芊, 章健. 基于多代理系统的微电网竞价优化策略[J]. 电网技术, 2010, 34(2):46-51.
[11]	DOU C, YUE D, LI X, et al. MAS-based management and control strategies for integrated hybrid energy system[J]. IEEE Transactions on Industrial Informatics, 2016, 12(4):1332-1349. doi: 10.1109/TII.2016.2569506
[12]	薛美东, 赵波, 张雪松, 等. 基于分布式控制的独立型光储水柴微网调度策略[J]. 电力系统自动化, 2014, 38(4):1-7.
[13]	赵书强, 王扬, 徐岩, 等. 基于机会约束目标规划的高风电接入比例下大规模储能与火电协调调度[J]. 中国电机工程学报, 2016, 36(4):969-977.
[14]	娄素华, 杨天蒙, 吴耀武, 等. 含高渗透率风电的电力系统复合储能协调优化运行[J]. 电力系统自动化, 2016, 40(7):30-35.

时段	出力/MW	报价/元	时段	出力/MW	报价/元
1	0.31	0.87	13	0.30	2.23
2	-0.05	1.27	14	0.17	1.08
3	0.34	0.84	15	-0.02	0.81
4	-0.01	1.66	16	0.10	0.99
5	0.48	0.79	17	0.25	0.92
6	0.38	0.80	18	0.21	0.98
7	0.36	0.80	19	0.26	0.92
8	0.53	1.24	20	0.21	1.77
9	0.23	1.28	21	0.12	2.09
10	0.27	1.60	22	0.37	1.67
11	0.26	1.71	23	0.18	1.57
12	0.41	1.31	24	0.23	0.75

考虑不确定因素的虚拟电厂竞价优化策略

Bidding Optimization Strategy for Virtual Power Plant Considering Uncertainty Factors

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 14

相关文章 4

编辑推荐

Metrics

本文评价

[1]	杨光明. 新型电力系统下虚拟电厂研究[J]. 电器与能效管理技术, 2024, 0(11): 65-72.
[2]	魏晓钢, 李兆泽, 张继红, 吴振奎, 张自雷. 考虑多元柔性负荷的虚拟电厂分层优化调度[J]. 电器与能效管理技术, 2024, 0(11): 73-81.
[3]	陈聪磊, 钟继涵, 曹晓波, 罗晓东, 徐俊. 基于改进Q学习的虚拟电厂参与调峰辅助服务策略[J]. 电器与能效管理技术, 2023, 0(3): 1-10.
[4]	彭雪莹, 黄博文, 潘轩, 刘镂志, 殷旭锋, 周任军. 基于虚拟电厂及负荷聚集商的用户侧储能适应性研究[J]. 电器与能效管理技术, 2020, 0(10): 21-26.