一种考虑供需不确定性的P2P用能市场规划方法

本发明属于p2p用能管理技术领域,具体涉及一种考虑供需不确定性的p2p用能市场规划方法。

背景技术：

近年来，随着可再生能源发电(regs)、物联网通信技术和用户级控制基础设施的发展，传统电力系统中的被动型用户已经成为能够控制其负荷和发电功率的主动型用户(能源产消者)。当前电力市场的参与者可以根据自己的安排生产和消耗能源，此外，用户还可以有效地与其他本地的能源市场参与者进行能源交易，从而将以系统为中心的电力市场转变为以市场参与者为中心的电力市场。在市场参与者为中心的交易中，用户的用能需求和可再生能源的不确定性对交易结果的可靠性提出了挑战，因此，我们提出一种考虑供需不确定性的p2p用能市场规划方法。

技术实现要素：

针对现有技术缺陷，本发明提出一种考虑供需不确定性的p2p用能市场规划方法，能高效准确地促进能源产消者之间进行p2p能源交易，本发明考虑了新能源不确定性的同时保证用户的用能需求得到满足。

本发明的目的可以通过以下技术方案实现：一种考虑供需不确定性的p2p用能市场规划方法，包括步骤：

(1)构建交易模型；

(2)采集参与p2p交易的能源产消者负荷数据，分析各新能源出力的不确定性和各产消者的用能要求；

(3)优化步骤(1)中的模型，并嵌入到一个鲁棒的机组组合框架中，并使用ccg算法来求解该不确定性问题，求解得出市场中各类费用；

(4)将步骤(3)核算的各类费用进行分配归纳，即可得出最终的市场出清情况。

作为本发明进一步地方案，步骤(1)中所述的交易模型中包括多个市场者，市场参与者包括n＝nseller∪nbuyer个能源产消者，其中nseller＝{1,2,3…ns}为卖电方的集合，nbuyer＝{1,2,3…nb}为买电方的集合；因此，在一个特定的时间节点上优化后的模型实现全社会效益最大化，模型如下：

式中：wsi为市场中卖方i的收益；wbj为市场中买方j的收益；

市场中的卖家总收益可以建模为如下：

式中：λi,j为卖家i对买家j卖电的价格，xi,j为对应卖电量，ci为卖电方i的发电成本函数，该成本函数可以建模为如下二次函数：

式中：αi,βi,γi分别为发电成本函数的先验系数，参数xi为发电方总发电量，因此其符合以下公式：

式中：分别为发电机i的发电下限和上限；

用能交易的能源买家建模如下：

因为上述对于能源买家的建模要求，买方的用电效用函数可以写作如下：

式中：wj和δj与(22)中的模型一样，为模型的先验系数，因此市场买方的能效函数可以建模为：

式中：uj为买方j的效用函数，λi,jyj,i为用户j向卖电方i购电所花的成本，用户总的买电功率因此可以建模为：

式中：表示用户j必须满足的最小负荷，表示用户的弹性负荷上限。；具备刚性负荷的用户上下限设置为一致；

为了保证新能源不确定波动时，网络还能正常输配电，支路潮流的二阶锥模型如下：

该模型的公式分别为线路l上的有功平衡，无功平衡，线路首末两端的输电容量上限约束，节点电压的松弛模型和各能源产消者的发电上限，各节点电压的上下限约束，是线路l上发电节点为b的有功潮流，rl为线路l的电阻值，为线路l上电流的平方，为节点b的有功输出，是节点b的卖电量，为节点b的电力需求，gb为节点b的电导，vb为节点b的电压平方，是线路l上发电节点为b的无功潮流，xl为线路l的电抗值，bb为节点b的电纳值，为线路l的输电容量上限的平方；

综合考虑支路潮流约束和各能效模型，总模型可以写作如下：

式中各变量与上述公式中的定义一致。

作为本发明进一步地方案，步骤(2)中，所述能源产消者负荷数据包括用户全年的负荷数据，数据采集间隔最小15分钟。

作为本发明进一步地方案，步骤(3)中具体优化方法如下：

将各新能源出力的不确定性建模为鲁棒优化中的不确定集，不确定集合建模为：

式中：δt为不确定集的不确定预算，(-ub,t,ub,t)为不确定参数的变化范围，不确定参数的上限即为∈b,t，定义好不确定集后，机组组合模型和经济调度模型可以联合优化如下：

s.t.

ax+by+cv≤d

soex+fy+gδx+hδy+jv≤e+k∈}

该模型可用于优化计算出灵活资源δx,δy用以应对不确定情况下(x,y,v)的波动情况，

该机组组合-经济调度联合优化模型如下：

s.t.ax+by+cv≤d

s.t.s≥0

gδx+hδy-s≤e-ex-fy-jv+k∈

该模型被分解为了主问题(mp)和子问题(sp)，式中：κ为ccg算法的迭代次数集合，不确定变量由子问题sp在每次迭代中动态地生成；

综合上述模型，鲁棒性机组组合问题可以构成如下：

s.t.

作为本发明进一步地方案，将用户的用电需求约束也被添加在模型中，以考虑不同能源产消者的个体偏好，约束建模如下：

根据上述模型及其对偶变量，灵活资源价格、电力用能价格和用户用电福利的边际价格可以计算如下：

式中：表示耗能的节点边际电价，表示新能源不确定性对应的不确定边际价格，和分别表示一场交易中买卖双方的用能需求边际价格，本模型将原来的鲁棒机组组合问题重构为拉格朗日函数，并应用每个约束的对偶变量求解本发明所需要求解的边际价格参数。

作为本发明进一步地方案，所述步骤(4)中费用包括用能费用、灵活资源备用的费用和用能需求费用，

用能费用迭代公式为：

市场中的用能费用由电能购买者按照其位置不同支付对应的节点边际电价，因此每个用户的用能费用由节点边际价格乘以对应的用电量

灵活资源备用的费用：

电力网络的灵活资源备用是为了弥补网络中的不确定电源，因此首先计算出网络的不确定源总量，然后对应费用如下：

式中：为不确定边际价格，为对应不确定源的出力不确定性，通过对所有不确定索引对应的不确定源累和，网络的总不确定性即可计算出来；

用能需求费用：

将用能需求乘以对应需求边际价格即可得到用能需求费用，交易买方的用能需求费用为交易卖方的需求费用则为

将用能费用分配给金融输电权和对应的能耗成本，不确定源的边际费用分配给金融输电权和灵活资源备用的费用，而用能需求费用分配给对应的市场参与者，即可得到最终的市场出清情况。

本发明的有益效果：考虑用户用能需求和新能源不确定性的p2p用能市场规划的方法对电网中p2p交易进行优化，保证用户的用能需求得到满足的同时，提高了整个网络的定价和资金流的合理性，具有较强的使用价值。

附图说明

图1是本发明的ccg算法流程图；

图2是本发明所提出的机制的资金流图；

图3是三节点系统的物理层示意图；

图4是三节点系统的虚拟资金层示意图；

具体实施方式

下面结合附图对本发明的技术方案作进一步的说明。

请参见图1，其示出了本发明基于ccg算法的考虑用户用电要求和各能源产消者出力不确定性的的流程图，该方法包括以下步骤：

(1)构建交易模型；

(2)采集参与p2p交易的能源产消者负荷数据，分析各新能源出力的不确定性和各产消者的用能要求；获取用户负荷、实时电价、新能源出力的不确定范围和用户用能需求等数据，将收集到的数据作为参数传入优化模型中；

进一步地，所述用户负荷数据包括用户全年的负荷数据，数据采集间隔最小15分钟；进一步地，实时电价采用国家统一的峰谷平三时电价，需量电价收费周期为一个月；进一步地，用户的用能需求为其特定的能效函数需求，可以建模为能效值大于某个特定值。

(3)优化步骤(1)中的模型，并嵌入到一个鲁棒的机组组合框架中，并使用ccg算法来求解该不确定性问题，求解得出市场中各类费用；

(4)将步骤(3)核算的各类费用进行分配归纳，即可得出最终的市场出清情况。

进一步地，p2p市场参与者及其模型；

p2p市场参与者包括n＝nseller∪nbuyer个能源产消者，其中nseller＝{1,2,3…ns}为卖电方的集合，nbuyer＝{1,2,3…nb}为买电方的集合。因此，在一个特定的时间节点上在优化过程中，每个产消者试图最大化自身利益，因此，模型可以建立为如下的全社会效益最大化：

式中：wsi为市场中卖方i的收益；wbj为市场中买方j的收益。

市场中的卖家总收益可以建模为如下：

式中：λi,j为卖家i对买家j卖电的价格，xi,j为对应卖电量，ci为卖电方i的发电成本函数。该成本函数可以建模为如下二次函数：

式中：αi,βi,γi分别为发电成本函数的先验系数，参数xi为发电方总发电量，因此其符合以下公式：

式中：分别为发电机i的发电下限和上限。

用能交易的能源买家建模如下：

因为上述对于能源买家的建模要求，买方的用电效用函数可以写作如下：

式中：wj和δj与(22)中的模型一样，为模型的先验系数。因此市场买方的能效函数可以建模为：

式中：uj为买方j的效用函数，λi,jyj,i为用户j向卖电方i购电所花的成本。用户总的买电功率因此可以建模为：

式中：表示用户j必须满足的最小负荷，表示用户的弹性负荷上限。具备刚性负荷的用户上下限设置为一致。

为了保证新能源不确定波动时，网络还能正常输配电，支路潮流的二阶锥模型如下：

该模型的公式分别为线路l上的有功平衡，无功平衡，线路首末两端的输电容量上限约束，节点电压的松弛模型和各能源产消者的发电上限，各节点电压的上下限约束。是线路l上发电节点为b的有功潮流，rl为线路l的电阻值，为线路l上电流的平方，为节点b的有功输出，是节点b的卖电量，为节点b的电力需求，gb为节点b的电导，vb为节点b的电压平方。是线路l上发电节点为b的无功潮流，xl为线路l的电抗值，bb为节点b的电纳值，为线路l的输电容量上限的平方。

综合考虑支路潮流约束和各能效模型，总模型可以写作如下：

(22)-(24)的约束

式中各变量与(22)-(24)中的定义一致。

进一步地，为了进一步分析模型中新能源发电带来的不确定性，本实施例将使用矩阵形式表示(2)中的模型，并将模型植入机组组合问题中；

不确定集合建模：

式中：δt为不确定集的不确定预算，(-ub,t,ub,t)为不确定参数的变化范围，不确定参数的上限即为∈b,t。定义好不确定集后，机组组合模型和经济调度模型可以联合优化如下：

s.t.

ax+by+cv≤d

soex+fy+gδx+hδy+jv≤e+k∈}

该模型可用于优化计算出灵活资源δx,δy用以应对不确定情况下(x,y,v)的波动情况，

该机组组合-经济调度联合优化模型如下：

s.t.ax+by+cv≤d

s.t.s≥0

gδx+hδy-s≤e-ex-fy-jv+k∈

该模型被分解为了主问题(mp)和子问题(sp)，式中：κ为ccg算法的迭代次数集合，不确定变量由子问题sp在每次迭代中动态地生成。

进一步地，综合上述模型，鲁棒性机组组合问题可以构成如下：

s.t.

式中变量同上文一致

除了上述常规约束，用户的用电福利需求约束也被添加在原模型中，以考虑不同能源产消者的个体偏好。约束建模如下：

根据上述模型及其对偶变量，灵活资源价格、电力用能价格和用户用电福利的边际价格可以计算如下：

式中：表示耗能的节点边际电价，表示新能源不确定性对应的不确定边际价格，和分别表示一场交易中买卖双方的用能需求边际价格。本模型将原来的鲁棒机组组合问题重构为拉格朗日函数，并应用每个约束的对偶变量求解本发明所需要求解的边际价格参数。

市场中各费用计算如图2所示，市场内的流动资金有以下三种分类：

用能费用：

市场中的用能费用由电能购买者按照其位置不同支付对应的节点边际电价，因此每个用户的用能费用由节点边际价格乘以对应的用电量

灵活资源备用的费用:

电力网络的灵活资源备用是为了弥补网络中的不确定电源，因此本发明首先计算出网络的不确定源总量，然后对应费用如下：

式中：为不确定边际价格，为对应不确定源的出力不确定性。通过对所有不确定索引k∈κ对应的不确定源累和，网络的总不确定性即可计算出来。

用能需求费用：

网络中部分用户由于其所在行业的特殊性，可能对自身用电的效用函数有一定要求。因此，将用能需求乘以对应需求边际价格即可得到用能需求费用。交易买方的用能需求费用为交易卖方的需求费用则为

如图2所示，将用能费用分配给金融输电权和对应的能耗成本，不确定源的边际费用分配给金融输电权和灵活资源备用的费用，而用能需求费用分配给对应的市场参与者，即可得到最终的市场出清情况。

本发明所应用的三节点系统如图3和图4所示，图3为该系统的物理层示意图，包含了能源生产者，能源消费者和能源产消者，两两之间的线路用支路潮流模型进行约束。而图4则显示了该系统的虚拟金融层的示意图，每个市场参与者在买卖能量的时候需要发出信号表示自己正在购买相应的能量。发起交易的市场参与者需要购买一定的金融输电权，以保证交易的正常进行。

本发明适用于可再生能源渗透率较高的电力网络中，从市场参与者角度分析了耗能费用、不确定源的边际费用和用能需求边际费用，并优化了市场中的p2p交易过程，为用户合理支付电费提供了一种新的思路，有效地推广了p2p用能交易在用户侧的应用。

对于本领域技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型。因此，从任意一处来说，都应将实施例看作是指导性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所有的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。