内嵌市场博弈模型的电网-抽水蓄能多主体协调调度

图1 研究对象示意图

Fig.1 Schematic diagram of the research

在现有研究中,采用的双层优化是针对单一主体的优化问题展开的,本文将针对电网-抽水蓄能多主体协调调度构架特点,考虑电网运营商与抽水蓄能电站的多主体协调优化问题,将博弈模型嵌入到双层优化中,以实现不同主体决策的融合与协调优化.

分析图1可知,抽水蓄能参与的电力现货市场包含抽水蓄能电站、新能源发电站与火电机组,按照最大化社会效益进行出清.抽水蓄能电站按照其利益最大化的目标给出竞价策略.电网调度对象包含抽水蓄能电站、新能源发电站与火电机组.电网按照两部制电价进行抽水蓄能容量与电量的调度.抽水蓄能电站的容量包含两部分:一部分由电网调度指令分配,另一部分用于参与电力现货市场.电网调度指令确定两部制电价下的容量覆盖范围,而后抽水蓄能电站利用剩余容量参与电力现货市场.抽水蓄能电站参与电力现货市场的博弈模型内嵌于电网调度模型中.

2 抽水蓄能现货交易决策

在现货交易过程中,抽水蓄能电站可以改变能量和价格的竞标值,从而影响实际的出清结果.该问题服从Stackelberg博弈模型^[30-31].其中,主问题目标为最大化抽水蓄能电站的收益;从问题目标为最大化市场出清过程的社会效益.

2.1 主问题:最大化抽水蓄能电站运营收益

2.1.1 主问题目标函数目标函数为

(1)max

\sum_{t = 1}^{24}

λ_t(P_g_,_m_,t-P_p_,_m_,t)Δt

式中:P_g_,_m_,t、P_p_,_m_,t为抽水蓄能电站交易决策中,抽水蓄能电站t时段的用于市场交易的发电、抽水功率;λ_t为t时段出清电价,也是市场出清问题等式约束的对偶变量;Δt为每个调度间隔对应的时间跨度.

2.1.2 主问题约束条件主要包括以下几项.

(1) 现货市场火力发电机组、弃风弃光功率范围约束:

(2)0≤P_f_,_m_,t≤

{\bar{P}}_{f, m}

B_f_,_m_,t

(3)0≤P_a_,_m_,t≤

{\bar{P}}_{P V, m, t}

{\bar{P}}_{w, m, t}

式中:P_f_,_m_,t表示t时段现货市场中火力发电机组的出力; ${\bar{P}}_{f, m}$ 表示现货市场火力发电机组的最大出力;B_f_,_m_,t表示t时段现货市场火力发电机组的启停状态;P_a_,_m_,t为t时段现货市场新能源发电站的弃风弃光功率; ${\bar{P}}_{P V, m, t}$ 、 ${\bar{P}}_{w, m, t}$ 分别为t时段现货市场新能源发电站的最大光伏、风力发电功率.

(2) 功率平衡约束:

(4)

\begin{array}{l} - P_{f, m, t} - P_{g r, m, t} - P_{g, m, t} + P_{p, m, t} + P_{l, m, t} = 0 \\ P_{g r, m, t} + P_{a, m, t} = P_{P V, m, t} + {\bar{P}}_{w, m, t} \end{array}\}

式中:P_gr_,_m_,t表示t时段现货市场新能源发电站的输出功率;P_l_,_m_,t表示t时段现货市场中的负荷需求.

(3) 抽水蓄能模型约束.

a) 抽水蓄能容量覆盖范围:

(5)0≤P_RL_,_m_,t+P_RL_,_d_,t≤

{\bar{P}}_{P S H}

式中:P_RL_,_m_,t表示t时段抽水蓄能电站用于参与现货市场的容量;P_RL_,_d_,t表示t时段区域电网购买的抽水蓄能电站容量; ${\bar{P}}_{P S H}$ 为抽水蓄能电站的装机容量.

b) 抽水蓄能电站出力范围.在电力市场现货交易问题中,抽水蓄能电站的出力不能超过所分配的容量:

(6)

\begin{array}{l} 0 \leq P_{g, m, t} \leq P_{R L, m, t} \\ 0 \leq P_{p, m, t} \leq P_{R L, m, t} \end{array}\}

c) 抽水蓄能机组运行状态:

(7)

\begin{array}{l} 0 \leq P_{g, m, t} \leq {\bar{P}}_{P S H} B_{g, t} \\ 0 \leq P_{p, m, t} \leq {\bar{P}}_{P S H} B_{p, t} \end{array}\}

式中:B_g_,t、B_p_,t分别表示抽水蓄能电站t时段处于发电、抽水状态.在这里,抽水蓄能电站参与电力现货市场时的工况由电网运营商在优化调度问题中进行决策.因此,在市场出清问题中,抽水蓄能机组的工况视为常量.

d) 能量转换与库容变化.抽水、放水量与抽水、发电时的功率相关,可由水泵、水轮机组能量转换效率计算表示之间的关系.

(8)

\begin{array}{l} Δ V_{m, t} = Δ V_{m, t - 1} - \frac{3.6}{3.92} \times 10^{3} \times \frac{1}{η_{g}} P_{g, m, t} + \\ \frac{3.6}{3.92} \times 10^{3} \times η_{p} P_{p, m, t} \\ Δ V_{m, 24} = Δ V_{m, 0} = 0 \end{array}\}

式中:ΔV_m_,t表示在优化调度问题中,截至t时段的库容变化量(相对于初始时段),t∈{1,2,…,24} h;η_g、η_p分别表示抽水蓄能电站的发电、抽水工况能量转换效率.

e) 库容限制:

(9)Δ

{\underline{V}}_{m}

≤ΔV_m_,t≤Δ

{\bar{V}}_{m}

式中:Δ ${\bar{V}}_{m}$ 、Δ ${\underline{V}}_{m}$ 分别表示参与现货市场时,相对于初始时段的抽水蓄能允许库容偏差上、下界.

2.2 从问题:市场出清——最大化社会效益

从问题主要考虑市场出清过程,以最大化社会效益为目标,其目标函数为

(10)min-Q_S_,t=c_f_,_m_,tP_f_,t+c_gr_,_m_,tP_gr_,_m_,t+ c_g_,_m_,tP_g_,_m_,t-c_p_,_m_,tP_p_,_m_,t- c_l_,_m_,tP_l_,_m_,t

式中:Q_S_,t表示t时段的社会效益;c_f_,_m_,t、c_gr_,_m_,t、c_g_,_m_,t分别为火力发电厂1、新能源发电站1、抽水蓄能电站在t时段的发电报价;c_p_,_m_,t、c_l_,_m_,t分别为抽水蓄能电站、负荷1在t时段的购电报价.从问题约束条件与主问题一致.

3 内嵌博弈模型的电网优化调度

在现有研究中,采用的双层优化针对单一主体的优化问题展开,本文将针对电网-抽水蓄能多主体协调调度构架特点,考虑电网运行商与抽水蓄能电站的多主体协调优化问题,将博弈模型嵌入到双层优化中,实现不同主体决策的融合与协调优化.

内嵌博弈模型的电网优化调度着眼于协调抽水蓄能接受电网调度指令以及参与现货市场,优化目标为最小化全网总新能源电能弃用量与电网运行成本.其中,全网新能源电能弃用量包含两个部分,即直接受区域电网调度的新能源电能弃用量和市场中的新能源电能弃用量.电网运行成本包括:向抽水蓄能电站购买服务的电费、火力发电厂的发电、启停成本,以及购买风力发电、光伏电能的电费,其中向抽水蓄能购买服务的电费按照两部制电价执行,包含容量电费与电量电费.

3.1 优化目标

内嵌博弈模型的电网优化调度问题为双目标优化问题,目标1为最小化全网新能源电能弃用量,目标2为最小化电网运营商运行成本.

3.1.1 优化目标1:最小化全网新能源电能弃用量

优化目标1为最小化全网新能源电能弃用量,表示为

(11)min E_a=E_a_,_m+E_a_,_d

式中:E_a表示全网新能源电能弃用量,包括现货市场交易中的新能源弃用量E_a,m和电网直接调度部分的新能源弃用量E_a,d;E_a,m表示在抽水蓄能电站现货交易最优决策下,电力现货市场出清后未被购买的新能源电能,即主从博弈均衡点的新能源电站1的弃用量;E_a,d表示在电网调度下,新能源电站2的电能弃用量.

3.1.2 优化目标2:最小化电网运营商运行成本

优化目标2为最小化电网运营商运行成本,表示为

(12)min C_d=C_PSH+C_f+C_gr

式中:C_d表示电网运营商运行成本;C_PSH表示与电网运营商购买抽水蓄能电站服务的成本;C_f表示火力发电厂2的运行成本;C_gr表示电网付给新能源电站2的电费.

各部分的成本具体包括如下内容.

(1) 购买抽水蓄能电站服务的成本.电网运营商与抽水蓄能电站的交易按两部制电价执行.购买抽水蓄能电站服务的成本包括向其购买容量的支出、购买电量的支出以及扣除的售电收益:

(13)

\begin{array}{l} C_{P S H} = C_{R L} + C_{D L} \\ C_{R L} = p_{R L} \sum_{t = 1}^{24} P_{R L, d, t} Δ t \\ C_{D L} = p_{D L} \sum_{t = 1}^{24} P_{g, d, t} Δ t - 75 % p_{D L} \sum_{t = 1}^{24} P_{p, d, t} Δ t \end{array}\}

式中:C_RL表示容量电费;C_DL表示电量电费,包括购买电量的支出和扣除的售电收益;p_RL表示容量电价;p_DL、75%p_DL分别表示区域电网向抽水蓄能电站的购、售电价按照当地燃煤标杆上网电价的100%、75%执行;P_g_,_d_,t、P_p_,_d_,t分别为t时段抽水蓄能电站受电网调控部分的发电、抽水功率.

(2) 火力发电厂2的成本.电网优化问题中,电网运营商向火力发电厂2支付发电成本费用,包括火力发电成本和启停成本:

(14)

\begin{array}{l} C_{f} = C_{f, P} + C_{f, s w} \\ C_{f, P} = \sum_{t = 1}^{24} [a (P_{f, d, t})^{2} + b P_{f, d, t} + c] Δ t B_{f, d, t} \\ C_{f, s w} = \sum_{t = 1}^{24} c_{s w} B_{s w, d, t} \end{array}\}

式中:C_f,P表示火力发电成本;C_f,sw表示启停成本;P_f_,_d_,t为火力发电厂2在t时段的发电功率;a、b、c为成本参数;B_f_,_d_,t表示火力发电厂2的机组在t时段是否处于工作状态,是0-1变量;B_sw_,_d_,t表示火力发电厂2的机组t时段是否有启停状态的变换,是0-1变量; c_sw为单次启停成本.

(3) 购买新能源电能的电费.购买新能源电能的电费正比于使用的新能源电能量:

(15)C_gr=

\sum_{t = 1}^{24}

p_grP_gr_,_d_,tΔt

式中:p_gr表示新能源电站2的电能价格;P_gr,d,_t表示购买新能源电站2电能的功率.

3.2 约束条件

3.2.1 抽水蓄能电站运行约束条件

类似于现货市场交易问题,抽水蓄能电站的库容、工况约束如下:

(16)

\begin{array}{l} 0 \leq P_{g, d, t} \leq P_{R L, d, t} \\ 0 \leq P_{p, d, t} \leq P_{R L, d, t} \\ 0 \leq P_{R L, m, t} + P_{R L, d, t} \leq {\bar{P}}_{P S H} \\ 0 \leq P_{g, d, t} \leq {\bar{P}}_{P S H} B_{g, t} \\ 0 \leq P_{p, d, t} \leq {\bar{P}}_{P S H} B_{p, t} \end{array}\}

(17)

\begin{array}{l} V_{d, t} = V_{d, t - 1} - \frac{3.6}{3.92} \times 10^{3} \times \frac{1}{η_{g}} P_{g, d, t} + \\ \frac{3.6}{3.92} \times 10^{3} \times η_{p} P_{p, d, t} \\ V_{d, 24} = V_{d, 0} \end{array}\}

(18)

\underline{V}

≤ΔV_m_,t+V_d_,t≤

\bar{V}

式中:V_d_,t表示t时段,仅考虑电网调度的抽水蓄能电站水库库容; $\bar{V}$ 、 $\underline{V}$ 表示水库库容的上、下限.库容V_d_,t与现货交易造成的库容变化量叠加后不能超出水库库容限制.

在电网调度问题中,抽水蓄能电站工况是决策变量,是0-1变量.约束如下:

(19)B_g_,t+B_p_,t≤1

3.2.2 新能源发电站的约束条件

新能源电站2的弃用量与实际输出电量之和不大于最大发电量:

(20)

\begin{array}{l} P_{a, d, t} + P_{g r, d, t} \leq {\bar{P}}_{P V, d, t} + {\bar{P}}_{w, d, t} \\ 0 \leq P_{a, d, t} \\ 0 \leq P_{g r, d, t} \end{array}\}

式中:P_a_,_d_,t为新能源发电站2在t时刻的弃用量; ${\bar{P}}_{P V, d, t}$ 、 ${\bar{P}}_{w, d, t}$ 分别表示新能源发电站2在t时段的光伏机组、风力发电机组最大发电功率.

3.2.3 火力发电厂的约束条件

包括以下两项.

(1) 火力发电厂的功率范围:

(21)0≤P_f_,_d_,t≤

{\bar{P}}_{f, d}

B_f_,_d_,t

式中: ${\bar{P}}_{f, d}$ 表示火力发电厂2的最大出力.

(2) 火力发电厂的启停状态:

(22)

B_sw_,_d_,t= $|B_{f, d, t} - B_{f, d, t - 1}|$ ,

t∈{1,2,…,24} h

式中:B_f_,_d_,0表示火力发电厂2的初始启停状态.

4 多主体双目标优化问题求解方法

4.1 内嵌市场博弈模型的多主体决策问题求解

在抽水蓄能参与电能现货市场交易决策问题中,采用Karush-Kuhn-Tucker(KKT)条件和强对偶理论将主从博弈双层优化问题转换成易于求解的单层混合整数线性规划问题,并内嵌于抽水蓄能容量分配与功率调度策略问题中,化简过程如下.

首先,利用KKT条件,将主问题目标函数中的λ_t变量代换:

(23)λ_t(P_g_,_m_,t-P_p_,_m_,t)=c_g_,_m_,tP_g_,_m_,t-c_p_,_m_,tP_p_,_m_,t-

{\underline{μ}}_{g, t}

P_g_,_m_,t+

{\bar{μ}}_{g, t}

P_g_,_m_,t-

{\underline{μ}}_{p, t}

P_p_,_m_,t+

{\bar{μ}}_{p, t}

P_p_,_m_,t

式中:λ_t为等式约束的对偶变量,对应式(4)中第1个等式; ${\underline{μ}}_{g, t}$ 、 ${\bar{μ}}_{g, t}$ 、 ${\underline{μ}}_{p, t}$ 、 ${\bar{μ}}_{p, t}$ 为不等式约束的对偶变量,对应式(6).利用对偶问题来化简、求解市场出清问题,会在市场出清问题转换为对偶问题时引入对偶变量;对于等式变量,根据对偶性原理,转换为对偶问题后,市场出清问题中的等式约束会变为对偶变量的无约束,有利于简化问题.当满足强对偶条件时,对偶变量、对偶问题描述的场景与原变量、原问题一致,可用对偶变量取代原变量进行求解.

然后,利用强对偶理论,将从问题目标函数转换为对偶函数:

(24)-

{\bar{P}}_{f, m, t} {\bar{μ}}_{f, t}

{\bar{P}}_{g r, m, t} {\bar{μ}}_{g r, t}

{\bar{P}}_{g, m, t} {\bar{μ}}_{g, t}

{\bar{P}}_{p, m, t} {\bar{μ}}_{p, t}

=c_f_,_m_,tP_f_,_m_,t+c_gr_,_m_,tP_gr_,_m_,t+
c_g_,_m_,tP_g_,_m_,t-c_p_,_m_,tP_p_,_m_,t

将对偶函数代入主问题目标函数:

(25)λ_t(P_g_,_m_,t-P_p_,_m_,t)=-

{\bar{μ}}_{f, t} {\bar{P}}_{f, m, t}

{\bar{μ}}_{g r, t} {\bar{P}}_{g r, m, t}

{\bar{μ}}_{g, t} {\bar{P}}_{g, m, t}

{\bar{μ}}_{p, t} {\bar{P}}_{p, m, t}

-c_f_,_m_,tP_f_,_m_,t-
c_gr_,_m_,tP_gr_,_m_,t-

{\underline{μ}}_{g, t}

P_g_,_m_,t+

{\bar{μ}}_{g, t}

P_g_,_m_,t-

{\underline{μ}}_{p, t}

P_p_,_m_,t+

{\bar{μ}}_{p, t}

P_p_,_m_,t

式中: ${\bar{μ}}_{f, t}$ 、 ${\bar{μ}}_{g r, t}$ 为不等式约束的对偶变量,对应式(2)、(3).

利用互补松弛条件化简上式,得到单层问题目标函数:

(26)max

\sum_{t = 1}^{24}

λ_t(P_g_,_m_,t-P_p_,_m_,t)=

\sum_{t = 1}^{24}

{\bar{μ}}_{f, t} {\bar{P}}_{f, m, t}

{\bar{μ}}_{g r, t} {\bar{P}}_{g r, m, t}

-c_f_,_m_,tP_f_,_m_,t-c_gr_,_m_,tP_gr_,_m_,t

将化简后的市场交易决策问题,作为一项约束条件内嵌于容量分配与功率调度优化问题中,该约束条件描述抽水蓄能参与市场交易策略与容量分配之间关系.

经上述过程,内嵌市场交易决策问题的抽水蓄能容量分配与功率调度策略优化问题,化简成为双目标混合整数线性规划问题,混合整数线性规划问题可调用Gurobi求解器求解.

4.2 基于 NSGA-II算法的双目标问题求解

在内嵌博弈模型的电网运营商优化调度问题中,有C_d、E_a两个目标,通过NSGA-II算法求解双目标问题Pareto前沿.相比于其他种类多目标算法,NSGA-II算法具有较低的运算复杂度,同时保持良好的收敛性.在本文研究的问题中,每次计算目标函数的值时,需要进行两次最优化求解,是较为复杂的单次计算,低运算复杂度的NSGA-II算法适合于本文问题的求解.算法流程如图2所示,具体步骤如下.

(1) 输入库容、机组容量约束.

(2) 根据约束创建初始种群,初始种群应具有代表性、随机性.

(3) 交叉、编译、遗传,产生子种群.

(4) 剔除在约束范围外的编译结果.

(5) 种群合并.

(6) 根据运行成本最小化、新能源弃用量最小化的目标,进行非支配排序.

(7) 计算个体之间拥挤度.这一步能够保证结果种群中的个体具有代表性.

(8) 选择支配个体,形成新的种群.

(9) 重复前面步骤,直至最大代数.

(10)输出非支配解.

(11)提取出电网调度决策变量——抽水蓄能容量分配值.

图2

图2 基于 NSGA-II算法的双目标问题求解算法流程图

Fig.2 Algorithm flow chart for solving bi-objective problems based on NSGA-II algorithm

5 算例分析

5.1 算例基本数据介绍

采用如表1、图3、图4所示参数的区域电网和电力市场参与主体作为研究对象,对在两种交易方式下的新能源电能消纳情况进行了仿真分析.简化后的问题涉及混合整数线性规划和线性约束二次规划,利用YALMIP工具包调用Gurobi求解器求解.

表1 部分主体有关参数

Tab.1 Parameters of some participants

参与者	参数	取值
火力发电厂1	最大出力/MW	660
火力发电厂2	最大出力/MW	660
抽水蓄能电站	最大出力/MW	300
	平均运行水头/m	400
	抽水工况能量转换效率	0.92
	发电工况能量转换效率	0.90
	上水库库容/m³	4×10⁶

新窗口打开| 下载CSV

图3

图3 新能源发电站1最大出力、负荷1的功率需求及二者差额

Fig.3 Maximum output of New Energy Power Station 1, the power demand of Load 1,and the difference between them

图4

图4 新能源发电站2最大出力、负荷2的功率需求及二者差额

Fig.4 Maximum output of New Energy Power Station 2, the power demand of Load 2,and the difference between them

新能源发电站1、负荷1数据如图3所示;新能源发电站2、负荷2数据如图4所示.研究对象时间范围为24 h,步长为1 h.其中,新能源发电量与负荷需求数据来源于文献[32].

5.2 NSGA-II算法参数配置

NSGA-II算法的主要参数包括种群中个体数量、最大进化代数.为了使求得解集具有代表性,NSGA-II算法中,种群中个体数量设置为20.

对最大进化代数的选择进行探索.分别设置最大进化代数为300、600、1 000 代,使用NSGA-II算法求解,达到最大进化代数时种群对应的目标函数值如图5所示.

图5

图5 不同最大进化代数种群对应的目标函数值

Fig.5 Values of objective functions with different maximum generations

从图5可知,当最大进化代数设置为300、600代时,计算结果尚未收敛,在种群中依然存在支配项;当最大进化代数设置为 1 000 代时,计算结果收敛,种群中不存在支配项.

5.3 电网优化调度结果

采用个体数量为20的种群,进行 1 000 代进化后的种群结果如图6中蓝色星号所示,显示出支配解对应的目标函数值,即Pareto前沿.

图6

图6 双目标问题Pareto前沿曲线

Fig.6 Pareto front of bi-objective problem

选取Pareto前沿上的一组解(图6中绿色圆圈对应的一组解),对应的电网直接调度部分结果如图7所示.图中给出了电网直接调度部分的抽水蓄能电站和火力发电厂的出力情况.

图7

图7 电网直接调度部分的抽水蓄能电站和火力发电厂的出力情况

Fig.7 Results of direct dispatch of regional power gird

在电网对抽水蓄能电站直接调度出力情况中可以看出,抽水蓄能电站的引入使得火力发电厂出力维持在较经济的水平,降低了电网运行时的购电成本.

5.4 现货市场出清结果

选取Pareto前沿上的一组解,市场出清问题结果如图8所示.在现货市场中,抽水蓄能电站以最大化收益为目标,利用博弈模型进行决策,有效提高了抽水蓄能电站的收益.在某一运行日内,未采用博弈模型时,按照市场出清结果进行交易,抽水蓄能电站电能量差价收益为 7 155.96 元,采用博弈模型时,收益为 12 449.66 元,基于博弈模型的现货市场交易能够提升抽水蓄能电站的收益.

图8

图8 现货市场出清结果

Fig.8 Clearing results of electric spot market

5.5 抽水蓄能电站对新能源消纳的作用

在电网调度下,抽水蓄能电站库容变化如图9所示.在相同的算例下,不引入抽水蓄能电站,对相同问题进行求解,得到如表2所示的结果.

图9

图9 抽水蓄能电站水库水量变化

Fig.9 Water volume of the reservoir

表2 是否利用抽水蓄能的调度结果

Tab.2 Dispatching results with and without pump hydro storage

参数	取值	是否利用抽水蓄能
新能源弃用量/(MW·h)	9 305	是
	9 846	否
电网运行成本/万元	337.3	是
	349.5	否

新窗口打开| 下载CSV

从图8、9中抽水蓄能电站运行情况及表2分析结果可知,在可再生能源充沛的时间段([10,17] h)里,抽水蓄能电站能够通过电能现货交易或在电网的调度下发挥其调节能力,对可再生能源进行消纳,能够提高新能源消纳率,降低电网运行成本.

5.6 所提方法与未考虑博弈模型的调度方法对比

现有抽水蓄能调度方案按照两部制电价执行,采用电网调度优先、剩余容量参与市场交易的策略优化方法,并未考虑市场博弈模型对电网整体运行的影响.在未考虑博弈模型的调度方法中,以电网直接调度的新能源消纳和运行成本为目标进行多目标优化,剩余抽水蓄能容量可投入到现货市场中,参与电力现货交易.本文所提方法与未考虑博弈模型的调度方法对比结果如图10所示.

图10

DOI:10.15302/J-SSCAE-2022.07.006 [本文引用: 2]

图10 不同算法效果对比

Fig.10 Effectiveness comparison of different methods

分析图10的结果可知,所提的内嵌博弈模型的协调调度方法能够充分发挥抽水蓄能在电网直接调度与电力现货市场中的作用,显著降低电网运行成本与新能源弃用量.

6 结论

本文提出了一种考虑内嵌市场博弈模型的电网-抽水蓄能协调调度方法,充分发挥抽水蓄能在电网运行与现货市场中的作用,降低电网运行成本的同时,提升新能源的消纳率.结合算例验证结果,具体结论如下:

(1) 抽水蓄能现货交易决策可以充分发挥抽水蓄能在现货市场中的作用,最大化抽水蓄能的经济效益,促进新能源消纳.

(2) 所建立的内嵌博弈模型的双层优化模型,不同于现有研究中常见的针对单一主体建立的双层优化模型,其包含市场博弈模型,并内嵌于电网优化调度问题模型中,能够有效描述两种交易机制下的多主体协调优化问题.

(3) 内嵌博弈模型的容量分配与功率调度策略,在融合抽水蓄能参与市场方案的同时,从电网的角度给出容量分配与功率调度策略,将博弈模型内嵌于调度策略优化问题中,实现多主体资源的协调调度,降低电网运行成本,并促进全网的新能源消纳.

(4) 所提出双目标优化方法兼顾了新能源消纳与运行成本优化的需求,通过参数优化,提升了新能源消纳与运行成本的优化效果.

(5) 在不同地区,电能现货市场渗透率不同,两部制电价与电能现货市场共同作用下的电网运行成本、新能源弃用量的优化效果也不同,有待进一步研究.同时,后续也可以进一步开发更高效的算法求解内嵌市场博弈模型的双目标优化调度问题.

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

石文辉, 屈姬贤, 罗魁, 等.

高比例新能源并网与运行发展研究

[J]. 中国工程科学, 2022, 24(6): 52-63.

大力发展新能源是我国实现碳达峰、碳中和战略目标，加速能源结构绿色低碳转型的刚性需求与必由之路。本文在调研分析我国新能源发展现状和趋势的基础上，展望了我国中期（2030年）、远期（2060年）高比例新能源并网场景；阐述了高比例新能源并网与运行面临的高效消纳与能源保障难题并存、安全稳定运行难度剧增、电力市场机制不适应等挑战；从电源侧、电网侧、负荷侧、储能及基础支撑4个方面，全面分析了高比例新能源并网与运行关键技术体系。着眼我国高比例新能源并网与运行的长期稳健发展，提出了加强协调规划、提升灵活平衡能力，强化技术攻关、突破关键技术体系，建立衔接机制、支撑新能源参与市场，深化市场设计、适应新能源消纳场景等建议，可为电力领域规划、电力技术研究提供基础参考。

SHI

Wenhui

, QU

Jixian

, LUO

Kui

, et al.

Grid-integration and operation of high-proportioned new energy

[J]. Strategic Study of CAE, 2022, 24(6): 52-63.

DOI:10.15302/J-SSCAE-2022.07.006 [本文引用: 2]

Vigorously developing new energy is vital for China to achieve carbon peaking and carbon neutrality goals and to accelerate the green and low-carbon transformation of its energy structure. This study first investigates the current status and trend of China's new energy development and then prospects grid integration scenarios for a high proportion of new energies in China in the medium (2030) and long term (2060). The challenges faced by the grid integration are analyzed, including coexistence of high-efficiency consumption and energy guarantee problems, increasing difficulty in safe and stable operation, and an unsuitable power market mechanism. Moreover, a key technology system is proposed from the perspectives of source side, grid side, load side, as well as energy storage and basic support. To achieve long-term steady development of the gird integration and operation for the high-proportioned new energy, we propose to strengthen coordinated planning to promote flexibility, make breakthroughs in key technologies, establish an interim mechanism between new energy policies and the power market, and improve the design of the power market to adapt to new energy consumption scenarios. This study could provide a basic reference for the research on power system planning and electric technologies.

[2]

李明节, 陈国平, 董存, 等.

新能源电力系统电力电量平衡问题研究

[J]. 电网技术, 2019, 43(11): 3979-3986.

Mingjie

, CHEN

Guoping

, DONG

Cun

, et al.

Research on power balance of high proportion renewable energy system

[J]. Power System Technology, 2019, 43(11): 3979-3986.

[3]

LALEMAN

, ALBRECHT

Nuclear and old fossil phase out scenarios: Assessment of shortages, surpluses and the load factor of flexible assets with high renewable generation targets—A Belgian case study

[J]. International Journal of Electrical Power & Energy Systems, 2016, 1(74): 338-347.

[4]

邱燕超

推动抽水蓄能装备制造业向高端迈进

[N]. 中国电力报, 2023-04-28(003).

QIU

Yanchao

Promote the high-end development of pumped storage equipment manufacturing industry

[N]. China Electric Power News, 2023-04-28(003).

[5]

郝军

“双碳”目标下抽水蓄能发展思考

[J]. 西北水电, 2022, 199(6): 138-143.

HAO

Jun

Thinking on the development of pumped storage power stations under the “carbon peak and neutrality” targets

[J]. Northwest Hydropower, 2022, 199(6): 138-143.

[6]

刘奕彤, 艾欣.

基于主从博弈的独立储能系统参与日前现货联合市场的交易策略研究

[J]. 现代电力, 2023, 40(5): 751-759.

LIU

Yitong

, AI

Xin

Research on trading strategy of independent energy storage system participating in day ahead spot joint market based on master-slave game

[J]. Modern Electric Power, 2023, 40(5): 751-759.

[7]

陈中瑶, 林凯颖, 王蓓蓓, 等.

单侧放开市场中基于Stackelberg均衡分析的最低效率损失需求响应激励机制设计

[J]. 电网技术, 2022, 46(5): 1790-1800.

CHEN

Zhongyao

, LIN

Kaiying

, WANG

Beibei

, et al.

Design of demand response incentive mechanism considering lowest efficiency loss based on Stackelberg equilibrium analysis in unilateral liberalization market

[J]. Power System Technology, 2022, 46(5): 1790-1800.

[8]

卢治霖, 尚楠, 张妍, 等.

发电企业参与容量市场的纳什-主从博弈模型

[J]. 电力系统自动化, 2023, 47(16): 94-102.

Zhilin

, SHANG

Nan

, ZHANG

Yan

, et al.

Nash-Stackelberg game model for power generation enterprises participating in capacity market

[J]. Automation of Electric Power Systems, 2023, 47(16): 94-102.

[9]

李亚鹏, 赵麟, 王祥祯, 等.

不确定碳-电耦合市场下梯级水电双层竞价模型

[J]. 电力系统自动化, 2023, 47(20): 83-94.

Yapeng

, ZHAO

Lin

, WANG

Xiangzhen

, et al.

Bi-level bidding model for cascaded hydropower under uncertain carbonelectricity coupled market

[J]. Automation of Electric Power Systems, 2023, 47(20): 83-94.

DOI:10.16183/j.cnki.jsjtu.2022.187 [本文引用: 2]

[10]

李迁, 姜欣, 张钧钊, 等.

规模化储能参与电力现货市场的商业模式

[J]. 上海交通大学学报, 2023, 57(12): 1543-1558.

以规模化储能为研究对象,在电力市场放开背景下,开展其参与电力现货市场的商业模式研究.首先,从国内外典型市场出清机制出发,分析日前市场及实时市场的出清方式、出清计算等过程,提出适应规模化储能参与现货市场的联合出清机制,包括投标方式、计费方式和出清方式等.其次,为充分发掘规模化储能的市场价值与其他附加价值,增强集群效应并解决储能容量闲置问题,提出适应规模化储能参与现货市场的商业模式,包括独立式(投资主体单一、服务模式单一),联盟式(投资主体多样、服务模式单一),共享式(投资主体多样、服务模式多样),并分析市场交易链中存在的博弈关系,量化电能价值、辅助服务价值以及其他附加价值.在此基础上,基于主从博弈构建不同商业模式下储能参与现货联合市场的双层出清模型范式.上层模型以储能为领导者、以储能收益最大化为目标参与市场竞争,下层模型以调度和交易中心为跟随者、以社会福利最大化为目标进行联合出清;最后,基于改进的IEEE30节点系统,以典型交易场景为例验证所提参与商业模式的有效性和可行性.

Qian

, JIANG

Xin

, ZHANG

Junzhao

, et al.

Business models for large-scale energy storage systems to participate in electricity spot market

[J]. Journal of Shanghai Jiao Tong University, 2023, 57(12): 1543-1558.

[11]

ANTWEILER

A two-part feed-in-tariff for intermittent electricity generation

[J]. Energy Economics, 2017, 65: 458-470.

[12]

姚丛霄

. 参与电网宽时间尺度调节的抽/储电站综合效能评估研究[D]. 北京: 华北电力大学(北京), 2022.

YAO

Congxiao

. Research on the comprehensive performance evaluation of pumping/storage station participiating in serving power grids in wide time scale[D]. Beijing: North China Electric Power University (Beijing), 2022.

[13]

刘军, 李凌阳, 吴梦凯, 等.

分布式抽水蓄能电站与新能源发电联合参与现货市场的两阶段优化运行策略

[J]. 浙江电力, 2023, 42(2): 50-58.

LIU

Jun

, LI

Lingyang

, WU

Mengkai

, et al.

A two-stage optimal operation strategy of distributed pumped storage power plant and new energy power generation jointly participating in spot market

[J]. Zhejiang Electric Power, 2023, 42(2): 50-58.

[14]

王凯, 延肖何, 刘念.

基于投资组合理论的风光储场站参与多时间尺度电力现货市场的出力分配优化方法

[J]. 工程科学与技术, 2023, 55(1): 101-109.

[本文引用: 4]

WANG

Kai

, YAN

Xiaohe

, LIU

Nian

Output allocation optimization method for the wind photovoltaic energy storage power station in the multi-time-scale electricity spot market under portfolio theory

[J]. Advanced Engineering Sciences, 2023, 55(1): 101-109.

[本文引用: 4]

[15]

孟繁林, 钟海旺, 夏清.

高比例可再生能源电力系统中电量约束型机组参与现货市场的机制

[J]. 电网技术, 2023, 47(3): 1047-1055.

MENG

Fanlin

, ZHONG

Haiwang

, XIA

Qing

Spot market mechanism for energy constrained generation units in high proportion renewable energy power system

[J]. Power System Technology, 2023, 47(3): 1047-1055.

[16]

GARCIA-GONZALEZ

, DE LA MUELA R M R, SANTOS

L M

, et al.

Stochastic joint optimization of wind generation and pumped-storage units in an electricity market

[J]. IEEE Transactions on Power Systems. 2008, 23(2): 460-468.

[17]

SOUSA

, TEIXEIRA

, FAIAS

Impact of a price-maker pumped storage hydro unit on the integration of wind energy in power systems

[J]. Energy, 2014, 69: 3-11.

[18]

PARASTEGARI

, HOOSHMAND

R-A

, KHODABAKHSHIAN

, et al.

Joint operation of wind farms and pump-storage units in the electricity markets: Modeling, simulation and evaluation

[J]. Simulation Modelling Practice and Theory, 2013, 37: 56-69.

[19]

BARBOUR

, WILSON

I.A. G

, RADCLIFFE

, et al.

A review of pumped hydro energy storage development in significant international electricity markets

[J]. Renewable and Sustainable Energy Reviews, 2016, 61: 421-32.

[20]

国家发改委

. 关于进一步完善抽水蓄能价格形成机制的意见[EB/OL]. (2021-04-30)[2023-06-28]. https://www.gov.cn/zhengce/zhengceku/2021-05/08/content_5605367.htm.

URL [本文引用: 2]

The National Development and Reform Commission. Opinions on further improving the price formation mechanism of pumped storage energy[EB/OL]. (2021-04-30)[2023-06-28]. https://www.gov.cn/zhengce/zhengceku/2021-05/08/content_5605367.htm.

URL [本文引用: 2]

[21]

KONG

Y G

, KONG

Z G

, LIU

Z Q

, et al.

Pumped storage power stations in China: The past, the present, and the future

[J]. Renewable and Sustainable Energy Reviews, 2017, 71: 720-731.

[22]

姚俊伟, 汪萌, 赵红生, 等.

考虑成本回收的地方电网抽蓄容量优化配置

[J]. 水电能源科学, 2022, 40(11): 208-211.

YAO

Junwei

, WANG

Meng

, ZHAO

Hongsheng

, et al.

Optimal allocation of pumped storage capacity of local power grid considering cost recovery

[J]. Water Resources Science, 2022, 40(11): 208-211.

DOI:10.3969/j.issn.2097-0706.2022.07.002 [本文引用: 3]

[23]

李华, 郑洪纬, 周博文, 等.

综合智慧能源系统中抽水蓄能电站两部制电价研究

[J]. 综合智慧能源, 2022, 44(7): 10-18.

作为最成熟的储能形式,抽水蓄能是未来综合智慧能源系统支撑“碳达峰、碳中和”目标实现的重要组成部分,但缺乏合理的电价制定策略是制约其发展的重要因素。针对该问题,研究了综合智慧能源系统中,可再生能源与抽水蓄能联合运行场景下,抽水蓄能的两部制电价机制。根据经营期定价法确定抽水蓄能容量电价,考虑“抽水蓄能+可再生能源”的经济性优势,建立抽水蓄能与风电联合优化调度模型,以引入抽水蓄能后的系统总成本减少量和抽水成本为目标函数,得到抽水蓄能的合理抽发策略,再以价格需求关系和补偿变动成本为原则分别制定抽水蓄能电站抽水时段和发电时段的电量电价。最后通过算例仿真分析了抽水蓄能电站对实现系统低碳运行的作用以及电站抽水成本对电价的影响,验证了抽水蓄能两部制电价制定策略的有效性。

Hua

, ZHENG

Hongwei

, ZHOU

Bowen

, et al.

Two-part tariff for pumped storage power plants in an integrated intelligent energy system

[J]. Integrated Intelligent Energy, 2022, 44(7): 10-18.

DOI:10.3969/j.issn.2097-0706.2022.07.002 [本文引用: 3]

As the most mature form of energy storage, pumped storage will be an important supportive technique for integrated intelligent energy systems to achieve carbon peaking and carbon neutrality. But the development of the technique is hampered by the lack of a proper pricing strategy. In response to this problem, the two-part tariff strategy for pumped storage power plants which operate in corporation with an integrated intelligent energy system is proposed. According to the operation pricing strategy, the tariff is determined by the capacity of a pumped storage power plant. In view of the economic advantages of "pumped storage + renewable energy", an optimal dispatch model for the combination of pumped storage and wind power is established. Taking the reduction of total cost and pumped storage cost of the combined system as the objective functions, a rational pumping strategy for the installed pumped storage power plant is carried out. And the tariffs in water pumping stage and in power generation stage of the power plant are figured out according to the relationship of demand and price and variable cost compensation principle, respectively. The effect of integrating a pumped storage power plant in an integrated intelligent system on the low-carbon operation and electric price of the combined system is verified by a case, which proves the effectiveness of the two-part tariff strategy of pumped storage power plants.

[24]

, ZHENG

H W

, ZHOU

B W

, et al.

Two-part tariff of pumped storage power plants for wind power accommodation

[J]. Sustainability, 2022, 14(9): 5603.

[25]

丁涛, 孙嘉玮, 黄雨涵, 等.

储能参与容量市场的国内外现状及机制思考

[J]. 电力系统自动化, 2024, 48(6): 226-239.

DING

Tao

, SUN

Jiawei

, HUANG

Yuhan

, et al.

Domestic and foreign present situation of capacity market with energy storage and reflection on its mechanism

[J]. Automation of Electric Power Systems, 2024, 48(6): 226-239.

[26]

李红军, 李成仁, 王卫军.

当前抽水蓄能电站电价疏导问题分析

[J]. 能源技术经济, 2010, 22(9): 38-42.

Hongjun

, LI

Chengren

, WANG

Weijun

Analysis on current tariff-sharing issues for pumped-storage powerplants

[J]. Energy Technology and Economics, 2010, 22(9): 38-42.

DOI:10.16183/j.cnki.jsjtu.2021.516 [本文引用: 2]

[27]

刘飞, 车琰瑛, 田旭, 等.

新型电力系统下的抽水蓄能电站成本疏导机制:综述与展望

[J]. 上海交通大学学报, 2023, 57(7): 757-768.

在双碳目标驱动下,我国电力系统正逐步转型为以新能源为主体的新型电力系统,面临新的供需平衡形势.抽水蓄能作为目前最成熟的储能技术,通过提供不同时间尺度的灵活性资源,能保证电力系统安全经济运行,且有效促进新能源消纳.然而,新形势下抽水蓄能电站的运营决策和成本疏导机制尚未厘清,一定程度上阻碍了其进一步发展.在此背景下,首先综合分析了抽水蓄能电站的技术特点和功能定位;其次从全生命周期的角度建立了抽水蓄能电站的成本模型,并分析成本疏导的路径;再次针对电力市场发展的不同阶段,刻画了价格形成机制以及成本疏导方式的演化路径,为我国抽水蓄能电站的市场化进程提供了可行方案;最后对抽水蓄能电站未来的发展进行了展望.

LIU

Fei

, CHE

Yanying

, TIAN

, et al.

Cost sharing mechanisms of pumped storage stations in the new-type power system: Review and prospect

[J]. Journal of Shanghai Jiao Tong University, 2023, 57(7): 757-768.

[28]

尹积军, 吴文传.

浙江构建新型电力系统的技术路径与实践

[J]. 中国电机工程学报, 2023, 43(14): 5404-5415.

YIN

Jijun

, WU

Wenchuan

Technical path and practice for constructing the new type power system in Zhejiang Province

[J]. Proceedings of the CSEE, 2023, 43(14): 5404-5415.

[29]

乔洪奎, 张义晗, 高美婷, 等.

关于新型电力系统中抽水蓄能电价机制的思考

[J]. 水电与抽水蓄能, 2021, 7(6): 24-27.

QIAO

Hongkui

, ZHANG

Yihan

, GAO

Meiting

, et al.

Thinking about the price mechanism of pumped storage in new power systems

[J]. Hydropower and Pumped Storage, 2021, 7(6): 24-27.

[30]

肖健, 钏星, 彭依明, 等.

基于主从博弈的配电网分布式电源电能定价

[J]. 电力系统及其自动化学报, 2022, 34(10): 32-41.

XIAO

Jian

, CHUAN

Xing

, PENG

Yiming

, et al.

Electricity pricing of distribution network with distributed generations based on Stackelberg game

[J]. Proceedings of the CSU-EPSA, 2022, 34(10): 32-41.

[31]

张衡, 张沈习, 程浩忠, 等.

Stackelberg博弈在电力市场中的应用研究综述

[J]. 电工技术学报, 2022, 37(13): 3250-3262.

ZHANG

Heng

, ZHANG

Shenxi

, CHENG

Hao-zhong

, et al.

A state-of-the-art review on Stackelberg game and its applications in power market

[J]. Transactions of China Electrotechnical Society, 2022, 37(13): 3250-3262.

[32]

CHEN

Z P

, FAN

F L

, TAI

N L

, et al.

Multi-objective voltage/VAR control for integrated port energy system considering multi-network integration

[J]. Electrical Power and Energy Systems, 2023, 150: 109092.