1.本发明涉及电力调峰辅助服务市场技术领域,具体涉及一种用户参与电力调峰辅助服务市场申报量价优化方法。
背景技术:2.我国电力调峰辅助服务市场逐渐向用户侧开放,用户可直接参与,也可以通过负荷聚合商集成参与,用户参与市场需要上报调峰容量和价格。目前,电动汽车、储能、空调、电采暖、照明等柔性负荷聚合参与电网调峰逐渐成为研究热点,已经有结合电价、激励对电动汽车充电、空调运行等进行单目标经济最优的优化决策模型,能够显著的降低用户用电成本,同时达到电力系统削峰填谷的效果,但现有用户参与电力调峰辅助服务量价优化决策模型具有优化目标单一、考虑不够全面的缺点。
3.用户参与电力调峰辅助服务市场的量价申报优化决策,需要综合考虑用户负荷调节收益、舒适度降低和竞价成功率。用户对柔性负荷进行调节,会改变用户生活习惯或生产计划牺牲用户用电舒适度,用户除了考虑参与电力调峰辅助服务市场补贴收益之外,还要考虑对柔性负荷调节所带来的舒适度下降程度等调控代价,用户之间的报量报价存在市场竞争,又影响各自的中标概率进而影响其调峰收益,以上因素同时影响着用户给电力调峰辅助服务的报量和报价。
技术实现要素:4.本发明针对现有技术中存在的问题,构思了一种用户参与电力调峰辅助服务市场申报量价优化方法,基于用户用电负荷可调节能力,考虑用户因改变用电行为模式引发不满意度以及获得的收益,并考虑用户之间博弈的竞价成功率,能够支撑用户参与电力调峰辅助服务市场的报量报价决策,充分调动用户负荷参与电力系统调峰,结合用户可调功率和不满意度决策合理的量和价,实现自身利益的最大化,并提高中标成功率,实现总体收益期望最大。
5.实现本发明的技术方案是:一种用户参与电力调峰辅助服务市场申报量价优化方法,其特征是,它包括以下步骤:
6.1)用户参与电力调峰辅助服务市场可调功率计算:
7.①
对所有用电设备进行可调功率计算建模:
[0008][0009]
式中:p
agg
(t)为t时刻的用户负荷聚合功率,单位:kw;n为空调集群空调总台数,单位:台;n为空调集群空调台数,单位:台;sn(t)为第n台空调的运行状态,启动为1,停止为0;p
ntcl
(t)为第n台空调额定功率,单位:kw;p
aggtcl
(t)为t时刻的空调集群聚合功率,单位:kw;m为储能集群储能设备总个数,单位:个;m为储能集群储能设备个数,单位:个;αm(t)为第m台储能设备的运行状态,充电为1,停止为0,放电为-1;p
nes
(t)为第m个储能设备充放电功
率,单位:kw;为t时刻的储能集群聚合功率,单位:kw;l为电动汽车集群电动汽车总辆数,单位:辆;l为电动汽车集群电动汽车辆数,单位:辆;k
l
(t)为第l辆电动汽车的运行状态,充电为1,停止为0;为第l辆电动汽车充电功率,单位:kw;为t时刻的电动汽车集群聚合功率,单位:kw;
[0010]
②
设置用户负荷可调功率最大值计算约束条件如下:
[0011]
a.考虑用户舒适度要求:
[0012]
空调负荷设置温度范围,
[0013]
22℃≤t
set
(t)≤28℃
ꢀꢀꢀ
(2)
[0014]
b.储能负荷约束条件:
[0015]
soc
esmin
≤soc
es
(i)≤soc
esmax
ꢀꢀꢀ
(3)
[0016][0017]
式中:soc
es
(i)为第i个储能该时刻的荷电状态值;soc
esmin
为储能荷电状态下限值;soc
esmax
为储能电池荷电状态上限值;为一日内储能系统的充放电次数;为一日内充放电次数上限值;
[0018]
c.电动汽车负荷约束条件:
[0019]
soc
evmin
≤soc
ev
(i)≤soc
evmax
ꢀꢀꢀ
(5)
[0020]
式中:soc
ev
(i)为第i个电动汽车该时刻的荷电状态值;soc
evmin
为电动汽车荷电状态下限值;soc
evmin
为电动汽车电池荷电状态上限值;
[0021]
③
计算用户负荷可调功率最大值:
[0022]
用户负荷可调功率最大值由各空调、电动汽车和储能的可调调控量进行累加求和,为调节前用户可调用电负荷的聚合功率减去最大幅度调节后聚合功率;
[0023]
2)构建用户负荷申报调峰容量和价格优化模型:
[0024]
①
构建优化目标一:以日为周期,用户因响应参与电力调峰辅助服务获得的激励收入与因调整用电产生的电费增加额的差值、或与因调整用电产生的电费减小额的和最大,即用户一日内因参与电力调峰辅助服务所获收益最大;
[0025]
maxf1(c
dr
,δp)=w
tou
+w
dr
ꢀꢀꢀ
(6)
[0026]
式中:f1(c
dr
,δp)为用户参与电力调峰辅助服务所获收益,单位:元;c
dr
为用户参与日前调峰辅助服务的报价,单位:元/kwh;δp为用户负荷调节功率,单位:kw;w
tou
为用户自身因改变用电减少的电费,电费减少为正,电费增加为负,单位:元;w
dr
为用户参与日前调峰辅助服务获得的激励收入,单位:元;
[0027]
f1(c
dr
,δp)的决策变量为用户参与日前辅助服务的报价c
dr
、负荷调节量δp;收益由两部分组成,一部分是用户参与辅助服务的激励收益w
dr
;另一部分是用户自身减少用电支出w
tou
;
[0028]
式(6)中,用户改变用电行为减少的电费支出w
tou
计算公式为:
[0029][0030]
式中c
tou
为执行日实时电价,单位:元;δp为用户负荷调节功率,单位:kw;
[0031]
式(6)中,用户参与电力调峰辅助服务获得的激励w
tou
计算公式为:
[0032][0033]
式中:[t0,t1]为用户参加电力调峰辅助服务市场时间段区间;c
dr
为用户参与电力调峰辅助服务的报价,单位:元/kwh;
[0034]
竞价成功率采用下式表示:
[0035][0036]
式中:p(c
dr
)为c
dr
价格下,用户竞价成功概率;为用户竞价成功的最高报价和竞价失败的最低报价的平均值;
[0037]
②
构建优化目标二:用户用电满意度保持最优;
[0038]
用户满意度和用电功率改变的关系进行拟合,用户用电满意度保持最优优化目标函数为:
[0039]
minf2(δp)=e
kδp
ꢀꢀꢀ
(10)
[0040]
式中:f2(δp)为用户用电的不满意度;δp为用户负荷调节功率,单位:kw;k为用户对用电量的减少敏感程度;
[0041]
③
构建综合用户满意度及竞价成功率的双优化目标:
[0042]
在考虑竞价成功率前提下,使用户满意度和用户的收益达到最优,构建双目标优化函数:
[0043][0044]
式中:p(c
dr
)f1(c
dr
,δp)为用户收益期望;
[0045]
3)用户整体申报调峰容量和价格的优化:
[0046]
用户收益期望最高和不满意度最低的多目标协同优化,通过参数变量,寻找函数f1(c
dr
,δp)和f2(δp)的pareto最优解,采用non-dominated sorting genetic algorithm-ii,nsga-ii非支配排序遗传算法可以进行高效计算,nsga-ii的主要计算过程是:
[0047]
①
随机产生规模为n的初始种群,非支配排序后通过遗传算法的选择、交叉、变异三个基本操作得到第一代子代种群;
[0048]
②
从第二代开始,将父代种群与子代种群合并,进行快速非支配排序,同时对每个非支配层中的个体进行拥挤度计算,根据非支配关系以及个体的拥挤度选取合适的个体组成新的父代种群;
[0049]
③
通过遗传算法的基本操作产生新的子代种群:依此类推,直到满足程序结束的条件;4)用电设备调节量分解:
[0050]
用户负荷调节量优化计算完毕后,将调节量分解到每个负荷设备,完成调控策略生成,使对用户的用电满意度达到最优,构建用户用电负荷的层级关系;层级低的负荷,优先切除,层级高的负荷,最后切除;用户指定负荷优先级,则以用户意向为准,如果没有指定,则默认按照储能、电动汽车、空调的顺序调节负荷。
[0051]
进一步,在所述步骤1)中,c.电动汽车负荷约束条件中,电动汽车有一定的用电需求,在特定时间点,保证电动汽车soc高于设定值;
[0052][0053]
式中:t
fix
为特定的时间点;soc
fixev
为特定的时间点soc下限值;
[0054][0055]
式中:为一日内电动汽车的充放电次数;n
maxev
为一日内电动汽车充放电次数上限值。本发明一种用户参与电力调峰辅助服务市场申报量价优化方法有益效果体现在:
[0056]
1、一种用户参与电力调峰辅助服务市场申报量价优化方法,结合多目标优化方法的优点,克服单一目标优化方法的缺点,基于用户用电负荷可调节能力,能够更好地支撑用户参与电力调峰辅助服务市场的报量报价决策,充分调动用户负荷参与电力系统调峰,负荷资源参与电力市场可以优化用户的用电模式,提高其用电效率,提高系统的间歇性新能源接入能力和系统安全、稳定和灵活性,具有很大的社会价值和实际应用价值。
[0057]
2、一种用户参与电力调峰辅助服务市场申报量价优化方法,基于用户用电负荷可调节能力,同时考虑用户改变用电行为模式引发的不满意度以及获得的收益,并考虑用户之间博弈的竞价成功率,进行用户参与电力调峰辅助服务市场的报量报价决策,能够更有效的调动用户负荷参与电力系统调峰,对确保电力系统经济稳定运行具有重要的实际意义。
附图说明
[0058]
图1是一种用户参与电力调峰辅助服务市场申报量价优化方法流程图;
[0059]
图2是一种用户参与电力调峰辅助服务市场申报量价优化方法的用户用电系统构成示意图;
[0060]
图3是一种用户参与电力调峰辅助服务市场申报量价优化方法的用户用电设备负荷功率调节优化流程图。
具体实施方式
[0061]
以下结合附图1-3和具体实施方式对本发明作进一步详细说明,此处所描述的具体实施方式仅用以解释本发明,并不用于限定本发明。
[0062]
如附图1所示,一种用户参与电力调峰辅助服务市场申报量价优化方法流程图;
[0063]
如附图2所示,用户可调用电负荷包括:储能集群、电动汽车集群、空调集群。
[0064]
一种用户参与电力调峰辅助服务市场申报量价优化方法,其特征是,它包括以下步骤:
[0065]
1)用户参与电力调峰辅助服务市场可调功率计算:
[0066]
①
对所有用电设备进行可调功率计算建模:
[0067][0068]
式中:p
agg
(t)为t时刻的用户负荷聚合功率,单位:kw;n为空调集群空调总台数,单位:台;n为空调集群空调台数,单位:台;sn(t)为第n台空调的运行状态,启动为1,停止为0;
p
ntcl
(t)为第n台空调额定功率,单位:kw;p
aggtcl
(t)为t时刻的空调集群聚合功率,单位:kw;m为储能集群储能设备总个数,单位:个;m为储能集群储能设备个数,单位:个;αm(t)为第m台储能设备的运行状态,充电为1,停止为0,放电为-1;p
nes
(t)为第m个储能设备充放电功率,单位:kw;为t时刻的储能集群聚合功率,单位:kw;l为电动汽车集群电动汽车总辆数,单位:辆;l为电动汽车集群电动汽车辆数,单位:辆;k
l
(t)为第l辆电动汽车的运行状态,充电为1,停止为0;为第l辆电动汽车充电功率,单位:kw;为t时刻的电动汽车集群聚合功率,单位:kw;
[0069]
②
设置用户负荷可调功率最大值计算约束条件如下:
[0070]
a.考虑用户舒适度要求:
[0071]
空调负荷设置温度范围,
[0072]
22℃≤t
set
(t)≤28℃
ꢀꢀꢀ
(15)
[0073]
b.储能负荷约束条件:
[0074]
soc
esmin
≤soc
es
(i)≤soc
esmax
ꢀꢀꢀ
(16)
[0075][0076]
式中:soc
es
(i)为第i个储能该时刻的荷电状态(%);soc
esmin
为储能荷电状态下限值(%);soc
esmax
为储能电池荷电状态上限值(%);n
cides
为一日内储能系统的充放电次数(次);n
maxes
为一日内充放电次数上限(次);
[0077]
c.电动汽车负荷约束条件:
[0078]
soc
evmin
≤soc
ev
(i)≤soc
evmax
ꢀꢀꢀ
(18)
[0079]
式中:soc
ev
(i)为第i个电动汽车该时刻的荷电状态(%);soc
evmin
为电动汽车荷电状态下限值(%);soc
evmin
为电动汽车电池荷电状态上限值(%);
[0080]
电动汽车有一定的用电需求,在特定时间点,保证电动汽车soc高于设定值;
[0081][0082]
式中:t
fix
为特定的时间点;soc
fixev
为特定的时间点soc下限;
[0083][0084]
式中:为一日内电动汽车的充放电次数;n
maxev
为一日内电动汽车充放电次数上限;
[0085]
③
计算用户负荷可调功率最大值:
[0086]
用户负荷可调功率最大值由各空调、电动汽车和储能的可调调控量进行累加求和,为调节前用户可调用电负荷的聚合功率减去最大幅度调节后聚合功率;
[0087]
2)构建用户负荷调节申报量和申报单价优化模型:
[0088]
①
构建优化目标一:以日为周期,用户因响应参与电力调峰辅助服务获得的激励收入与因调整用电产生的电费增加额的差值、或与因调整用电产生的电费减小额的和最大,即用户一日内因参与电力调峰辅助服务所获收益最大;
[0089]
maxf1(c
dr
,δp)=w
tou
+w
dr
ꢀꢀꢀ
(21)
[0090]
式中:f1(c
dr
,δp)为用户参与电力调峰辅助服务所获收益(元);c
dr
为用户参与日前调峰辅助服务的报价(元/kwh);δp为用户负荷调节功率(kw);w
tou
为用户自身因改变用
电减少的电费(电费减少为正,电费增加为负,元);w
dr
为用户参与日前调峰辅助服务获得的激励收入(元);
[0091]
f1(c
dr
,δp)的决策变量为用户参与日前辅助服务的报价c
dr
、负荷调节量δp;收益由两部分组成,一部分是用户参与辅助服务的激励收益w
dr
;另一部分是用户自身减少用电支出w
tou
;
[0092]
式(21)中,用户改变用电行为减少的电费支出w
tou
计算公式为:
[0093][0094]
式中c
tou
——执行日实时电价(元);δp——用户负荷调节功率(kw)。
[0095]
式(21)中,用户参与电力调峰辅助服务获得的激励w
tou
计算公式为:
[0096][0097]
式中:[t0,t1]——用户参加电力调峰辅助服务市场时间段区间;c
dr
——用户参与电力调峰辅助服务的报价;
[0098]
竞价成功率采用下式表示:
[0099][0100]
式中:p(c
dr
)为c
dr
价格下,用户竞价成功概率;为用户竞价成功的最高报价和竞价失败的最低报价的平均值;
[0101]
②
构建优化目标二:用户用电满意度保持最优;
[0102]
用户满意度和用电功率改变的关系进行拟合,用户用电满意度保持最优优化目标函数为:
[0103]
minf2(δp)=e
kδp
ꢀꢀꢀ
(25)
[0104]
式中:f2(δp)为用户用电的不满意度;δp为用户负荷调节功率(kw);k为用户对用电量的减少敏感程度;
[0105]
③
构建综合用户满意度及竞价成功率的双优化目标:
[0106]
在考虑竞价成功率前提下,使用户满意度和用户的收益达到最优,构建双目标优化函数:
[0107][0108]
式中:p(c
dr
)f1(c
dr
,δp)为用户收益期望;
[0109]
3)用户整体的优化:
[0110]
用户收益期望最高和不满意度最低的多目标协同优化,通过参数变量,寻找函数f1(c
dr
,δp)和f2(δp)的pareto最优解,采用non-dominated sorting genetic algorithm-ii,nsga-ii非支配排序遗传算法可以进行高效计算,nsga-ii的主要计算过程是:
[0111]
①
随机产生规模为n的初始种群,非支配排序后通过遗传算法的选择、交叉、变异
三个基本操作得到第一代子代种群;
[0112]
②
从第二代开始,将父代种群与子代种群合并,进行快速非支配排序,同时对每个非支配层中的个体进行拥挤度计算,根据非支配关系以及个体的拥挤度选取合适的个体组成新的父代种群;
[0113]
③
通过遗传算法的基本操作产生新的子代种群:依此类推,直到满足程序结束的条件;
[0114]
4)用电设备调节量分解:
[0115]
如附图3所示,用户负荷调节量优化计算完毕后,将调节量分解到每个负荷设备,完成调控策略生成,使对用户的用电满意度达到最优,构建用户用电负荷的层级关系;层级低的负荷,优先切除,层级高的负荷,最后切除;用户指定负荷优先级,则以用户意向为准,如果没有指定,则默认按照储能、电动汽车、空调的顺序调节负荷。
[0116]
以上所述仅是本发明的优选方式,而非限制性的,应当指出的是,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,甚至等效,这些改进和润饰也应该视为本发明的保护范围。