分布式资源参与电能量-辅助服务市场的调度优化方法与流程

1.本发明涉及电能量调度方法，更具体地说，涉及一种分布式资源参与电能量-辅助服务市场的调度优化方法。


背景技术：

2.按照历史过程中的调度的平均电量来确定当前需要给哪些区域调度的电量时，常常会出现调度的电量不准确的情况，例如：调度的电量过多导致浪费电量；或者调度的电量不够而影响正常的工作和生活。首先是发电效益最大模型中未考虑电量分配不均导致的收益风险问题；其次是年度合约总电量年内分解模型中只考虑年度时间尺度电量分解，年度基数电量与月度合约电量分解协调问题需要进一步研究；最后是市场电价拟合时未考虑到水电站参与不同电力市场中市场电价差异较大问题，不同市场电价需要进一步分析。
3.未来能源和辅助服务市场中公用事业单位所面临协同优化问题：在保持供需平衡、满足辅助服务需求和满足网络约束的同时，公用事业单位如何选择能源和辅助服务价格作为时间和地点的函数，使系统中的社会福利最大化。


技术实现要素：

4.本发明要解决的技术问题在于，提供一种分布式资源参与电能量-辅助服务市场的调度优化方法，其能够保护每个市场参与者的隐私和减少协调者的计算负担，能够保护der聚合商的隐私并减少公用事业单位的计算负担。
5.本发明解决其技术问题所采用的技术方案是：构造一种分布式资源参与电能量-辅助服务市场的调度优化方法，包括聚合商层面的协调优化和公用事业单位层面的协调优化；所述聚合商层面的协调优化包括建筑物的调度优化模型和esss的调度优化模型；所述公用事业单位层面的协调优化为通过价格来协调未来24小时内的单个der聚合商的电力生产或消费计划。
6.按上述方案，所述建筑物的调度优化模型具体为：
7.设x
i,j
(t)和l
i,j
(t)分别表示第i个der聚合商中第j栋建筑在t时刻的荷电状态(state of charge,soc)和净负荷，
8.建筑的优化目标为实现盈利最大化:
[0009][0010]
约束条件：
[0011]
x
i,j
(t+1)＝α
i,j
x
i,j
(t)+β
i,jhi,j
(t)+γ
i,j
l
i,j
(t)
ꢀꢀꢀ
(2)
[0012][0013]
x
i,j
(0)＝x
i,j
(t)＝x
i,j,0
ꢀꢀꢀ
(4)
[0014]
l
i,j
(t)≤0
ꢀꢀꢀ
(5)
[0015]
其中，u
i,j
(
·
)表示效用函数，λe(t)表示能源价格，h
i,j
(t)代表外部输入，α
i,j
，β
i,j
和γ
i,j
为常数，x
i,j
和为soc上下限；约束条件(4)确保在进行重复优化时，建筑中储能的存储功率不会无限大。
[0016]
按上述方案，所述esss的调度优化模型与电能量市场获得价差套利并提供辅助服务，具体为：
[0017]
对于第i个聚合商中的第j个esss，给定初始soc为x
i,j
(0)和最终soc为x
i,set
。esss的最优调度问题表示为：
[0018][0019]
约束条件：
[0020][0021][0022][0023][0024][0025][0026][0027][0028][0029]
其中，p
i，j
＝[p
i，j
(1)，p
i，j
(2)，
…
，p
i，j
(t)]
t
为参与电能量市场的功率向量，r
i，j
＝[r
i，j
(1)，r
i，j
(2)，
…
，r
i，j
(t)]
t
为参与辅助服务市场的向量，而为储能的soc向量；
[0030]
式(6)中的目标函数表示能源套利收入和辅助服务收入；公式(7)和(8)中的和分别表示对电池的放电和充电功率的限制；公式(9)中用表示soc值随着功率p变化的特征；和分别表示esss的soc下界和上界；在第t时刻，考虑辅助服务市场中的投标量r
i,j
(t)，esss的最大、最小功率值为p
i,j
(t)+r
i,j
(t)和p
i,j
(t)-r
i,j
(t)；公式(11)-(13)表示如果esss实际参与辅助服务市场进行投标，则确保功率和soc值保持在各自的界限内；公式(15)保证在第t时刻，调度结束时的soc值与设定值相同。
[0031]
按上述方案，所述公用事业单位层面的协调优化的目标为通过价格来协调未来24小时内的单个der聚合商的电力生产或消费计划，具体为：
[0032]
pg(t)表示公用事业单位从电网购买的电量，rg(t)表示公用事业单位向电网提供的辅助服务；c(pg(t))表示批发电力成本，r(rg(t))表示在批发市场提供辅助服务的收入；
假设na个der聚合商在地理位置上位于na不同的节点；der聚合商之间的交互协调优化问题如下所示：
[0033][0034]
约束条件：
[0035][0036][0037][0038][0039][0040]
其中，fi(xi(t),ui(t))为第t时刻第i个der聚合商的聚合效用函数，xi(t)为聚合状态，ui(t)为电能量市场的功率pi(t)、辅助服务市场的功率ri(t)≥0等输入变量的集合；对于第i个der聚合商，聚合的电能量市场功率为pi(t)＞0表示第i个der聚合上的发电量，pi(t)＜0表示电力消费量；
[0041]
公式(17)为功率平衡约束；约束(18)通过直流潮流计算确定支线容量，其中为将母线处的有功功率注入映射到支路上的有功潮流，c∈rm为分支；公式(18)考虑潮流的方向，|γp|≤c等价地写为γ
′
p≤c
′
，此时公式(19)为容量平衡约束；公式(20)为der聚合商i的聚合状态动态；公式(21)指定用于der聚合商i的状态和控制的约束集；
[0042]
其中，xi:＝[xi(0),xi(1),
···
,xi(t-1)]
τ
和ui:＝[ui(0),ui(1),
···
,ui(t-1)]
τ
；设pi:＝[pi(0),pi(1),
···
,pi(t-1)]
τ
和ri:＝[ri(0),ri(1),
···
,ri(t-1)]
τ
，为减少效用的计算负担并尊重各个聚合商的隐私通过迭代算法来求解(16)-(21)。
[0043]
按上述方案，所述迭代算法具体为：
[0044]
设r(t):＝[r1(t),r2(t),
···
,rn(t-t)]
τ
，
[0045]
(16)-(21)的拉格朗日：
[0046][0047]
其中，λe(t)为与公式(17)相关联的拉格朗日乘数，λr(t)则为与约束(19)相关联的
拉格朗日乘数，μ(t)为与约束(18)有关联的拉格朗日乘子；约束(20)和约束(21)在拉格朗日函数中没有对偶化；设p:＝[p
τ
(t)，pg(t)]
τ
，和r:＝[r
τ
(t)，r(t)]
τ
，
[0048]
拉格朗日对偶函数为：
[0049][0050]
其中，γi为矩阵γ的第i列。
[0051]
拉格朗日对偶函数(23)与能源价格(λe(t)-μ
τ
(t)γi)和储备价格λr(t)耦合，被聚合商逐个分解；第i个聚合商面临的分解优化问题为
[0052][0053]
根据公式(20)和(21)，即第i个聚合商的净利润为由其局部动态和约束条件而最大化的；设且目标函数(24)的最优值为初始条件和拉格朗日乘子(λe，λr，μ)的函数，将其表示为vi(xi(0)，λe，λr，μ)；公式(23)中有两个额外的“虚拟代理主体”使净利润最大化：第一个为一个虚拟发电主体，最大化其净负成本或等效地最小化，其净成本：
[0054][0055]
第二个为虚拟备用容量聚合商，它最大化了净收入：
[0056][0057]
其中，r(rg(t))为其通过向批发市场销售而获得的收入，λr(t)rg(t)为其支付给服务提供商(der聚合商)的总付款；设vc(λe)和vr(λr)分别表示(25)和(26)的最佳值；
[0058]
拉格朗日对偶函数(23)写成：
[0059][0060]
由此产生的双重问题：
[0061][0062]
约束条件：
[0063]
μ(0),μ(1),...,μ(t-1)≥0
ꢀꢀꢀ
(28)。
[0064]
实施本发明的分布式资源参与电能量-辅助服务市场的调度优化方法，具有以下有益效果：
[0065]
本发明能够保护每个市场参与者的隐私和减少协调者的计算负担，能够保护der
聚合商的隐私并减少公用事业单位的计算负担，在目标时间段向目标区域调度精准的电量，不会出现浪费电量或者出现电量不够用的情况，具有较强的通用性和实用性。
附图说明
[0066]
下面将结合附图及实施例对本发明作进一步说明，附图中：
[0067]
图1是本发明分布式资源参与电能量-辅助服务市场的调度优化方法的多der聚合商交互系统架构图。
具体实施方式
[0068]
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。
[0069]
如图1所示，本发明的分布式资源参与电能量-辅助服务市场的调度优化方法，包括聚合商层面的协调优化和公用事业单位层面的协调优化；聚合商层面的协调优化包括建筑物的调度优化模型和esss的调度优化模型；公用事业单位层面的协调优化为通过价格来协调未来24小时内的单个der聚合商的电力生产或消费计划。聚合商层面的协调优化中，假设esss和建筑物之间没有耦合。因此，他们的调度计划可以单独优化。
[0070]
建筑物的调度优化模型具体为：
[0071]
设x
i,j
(t)和l
i,j
(t)分别表示第i个der聚合商中第j栋建筑在t时刻的荷电状态(state of charge,soc)和净负荷，
[0072]
建筑的优化目标为实现盈利最大化:
[0073][0074]
约束条件：
[0075]
x
i,j
(t+1)＝α
i,j
x
i,j
(t)+β
i,jhi,j
(t)+γ
i,j
l
i,j
(t)
ꢀꢀꢀ
(2)
[0076][0077]
x
i,j
(0)＝x
i,j
(t)＝x
i,j,0
ꢀꢀꢀ
(4)
[0078]
l
i,j
(t)≤0
ꢀꢀꢀ
(5)
[0079]
其中，u
i,j
(
·
)表示效用函数，λe(t)表示能源价格，h
i,j
(t)代表外部输入，α
i,j
，β
i,j
和γ
i,j
为常数，x
i,j
和为soc上下限；约束条件(4)确保在进行重复优化时，建筑中储能的存储功率不会无限大。
[0080]
esss的调度优化模型与电能量市场获得价差套利并提供辅助服务，具体为：
[0081]
对于第i个聚合商中的第j个esss，给定初始soc为x
i,j
(0)和最终soc为x
i,set
。esss的最优调度问题表示为：
[0082][0083]
约束条件：
[0084]
[0085][0086][0087][0088][0089][0090][0091][0092][0093]
其中，p
i,j
＝[p
i,j
(1),p
i,j
(2),
···
,p
i,j
(t)]
τ
为参与电能量市场的功率向量，r
i,j
＝[r
i,j
(1),r
i,j
(2),
···
,r
i,j
(t)]
τ
为参与辅助服务市场的向量，而为储能的soc向量；
[0094]
式(6)中的目标函数表示能源套利收入和辅助服务收入；公式(7)和(8)中的和分别表示对电池的放电和充电功率的限制；公式(9)中用表示soc值随着功率p变化的特征；和分别表示esss的soc下界和上界；在第t时刻，考虑辅助服务市场中的投标量r
i,j
(t)，esss的最大、最小功率值为p
i,j
(t)+r
i,j
(t)和p
i,j
(t)-r
i,j
(t)；公式(11)-(13)表示如果esss实际参与辅助服务市场进行投标，则确保功率和soc值保持在各自的界限内；公式(15)保证在第t时刻，调度结束时的soc值与设定值相同。
[0095]
公用事业单位层面的协调优化的目标为通过价格来协调未来24小时内的单个der聚合商的电力生产或消费计划，该问题可以表述为一个社会福利最大化问题，受单个der聚合商动态和全局约束(如权力平衡和监管服务要求)的制约。具体为：
[0096]
pg(t)表示公用事业单位从电网购买的电量，rg(t)表示公用事业单位向电网提供的辅助服务；c(pg(t))表示批发电力成本，r(rg(t))表示在批发市场提供辅助服务的收入；假设na个der聚合商在地理位置上位于na不同的节点；der聚合商之间的交互协调优化问题如下所示：
[0097][0098]
约束条件：
[0099][0100]
[0101][0102][0103][0104]
其中，fi(xi(t),ui(t))为第t时刻第i个der聚合商的聚合效用函数，xi(t)为聚合状态，ui(t)为电能量市场的功率pi(t)、辅助服务市场的功率ri(t)≥0等输入变量的集合；对于第i个der聚合商，聚合的电能量市场功率为pi(t)＞0表示第i个der聚合上的发电量，pi(t)＜0表示电力消费量；
[0105]
公式(17)为功率平衡约束；约束(18)通过直流潮流计算确定支线容量，其中为将母线处的有功功率注入映射到支路上的有功潮流，c∈rm为分支；公式(18)考虑潮流的方向，|γp|≤c等价地写为γ
′
p≤c
′
，此时公式(19)为容量平衡约束；公式(20)为der聚合商i的聚合状态动态；公式(21)指定用于der聚合商i的状态和控制的约束集；
[0106]
其中，xi:＝[xi(0),xi(1),
···
,xi(t-1)]
τ
和ui:＝[ui(0),ui(1),
···
,ui(t-1)]
τ
；设pi:＝[pi(0),pi(1),
···
,pi(t-1)]
τ
和ri:＝[ri(0),ri(1),
···
,ri(t-1)]
τ
，
[0107]
为减少效用的计算负担并尊重各个聚合商的隐私通过迭代算法来求解(16)-(21)。
[0108]
迭代算法具体为：
[0109]
设r(t):＝[r1(t),r2(t),
···
,rn(t-t)]
τ
，
[0110]
(16)-(21)的拉格朗日：
[0111][0112]
其中，λe(t)为与公式(17)相关联的拉格朗日乘数，λr(t)则为与约束(19)相关联的拉格朗日乘数，μ(t)为与约束(18)有关联的拉格朗日乘子；约束(20)和约束(21)在拉格朗日函数中没有对偶化；设p:＝[p
τ
(t)，pg(t)]
τ
，和r:＝[r
τ
(t)，r(t)]
τ
，
[0113]
拉格朗日对偶函数为：
[0114][0115]
其中，γi为矩阵γ的第i列。
[0116]
拉格朗日对偶函数(23)与能源价格(λe(t)-μ
τ
(t)γi)和储备价格λr(t)耦合，被聚合商逐个分解；第i个聚合商面临的分解优化问题为
[0117][0118]
根据公式(20)和(21)，即第i个聚合商的净利润为由其局部动态和约束条件而最大化的；设且目标函数(24)的最优值为初始条件和拉格朗日乘子(λe，λr，μ)的函数，将其表示为vi(xi(0)，λe，λr，μ)；公式(23)中有两个额外的“虚拟代理主体”使净利润最大化：第一个为一个虚拟发电主体，最大化其净负成本或等效地最小化，其净成本：
[0119][0120]
第二个为虚拟备用容量聚合商，它最大化了净收入：
[0121][0122]
其中，r(rg(t))为其通过向批发市场销售而获得的收入，λr(t)rg(t)为其支付给服务提供商(der聚合商)的总付款；设vc(λe)和vr(λr)分别表示(25)和(26)的最佳值；
[0123]
拉格朗日对偶函数(23)写成：
[0124][0125]
由此产生的双重问题：
[0126][0127]
约束条件：
[0128]
μ(0),μ(1),...,μ(t-1)≥0
ꢀꢀꢀ
(28)
[0129]
假设强对偶成立，或者问题(6)和(27)的最优值相等。保证强对偶性的一个可能的充分条件是fi(xi(t)，ui(t))在ui中是凹的，可行域是非空的。
[0130]
公用事业面临的问题(17)变成了如何确定最优价格(λ
e*
、λ
r*
、μ
*
)使d(λe，λr，μ)最小化。我们考虑使用次梯度方法对价格进行迭代；算法1总结了迭代算法。
[0131]
算法1以分层分散的方式解决交互式der聚合商协调问题(6)。公用事业单位首先向每个聚合商宣布一些暂定的能源和备用服务的价格(λ
ek
、λ
rk
、μk)，每个聚合商解决自己的
多时段优化调度问题，并用最优消耗或生产计划p
ik
和最优备用计划进行响应。公用事业单位更新能源和备用服务的价格，并向聚合商公布新的价格。这个过程一直持续到价格趋于收敛。迭代算法1比集中式方法有两个优点。首先，公用事业不需要投资于计算资源，因为它的计算只涉及数学运算。其次，每个der聚合商的隐私都得到了保护，因为在每次迭代中，公用事业单位只需要对能源和备用服务价格和功率响应。
[0132][0133]
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。