电力市场中火电机组自组合的模糊优化方法

机组启停机计划是发电公司参与电力市场竞争的重要决策依据.市场环境下,出清价格具有高度不确定性,必须在机组自组合决策中给予考虑.在市场出清价格模糊描述的基础上,提出不确定环境下含有启停机爬坡速率和升降出力爬坡速率约束的火电机组自组合模糊优化方法,通过分析真实市场参与者的决策取向,提出一种新的精确化方法,并采用动态规划模型求解精确优化问题,同时给出了精确化过程中多目标偏好系数的选择建议.算例分析表明,模糊机组自组合方法能灵活反映决策目标,是市场环境下一种新的不确定性决策方法.     

市场竞争条件下发电机组启停机计划优化研究

探讨市场竞争条件下的发电机组启停机计划问题有助于发电厂制定发电机组安全经济运行方案。文章以发电厂收益最大化为目标函数,考虑了无功和备用收益的影响,以机组本身的可用状态、发电功率限制、爬坡速率以及系统备用容量和电力市场交易等为约束条件,构造了市场竞争条件下发电机组启停机计划问题的数学模型,并提出了一种综合了二次规划、遗传算法、模拟退火算法的优点的混合优化方法进行解算。对某8机系统进行的算例分析表明:市场竞争条件下考虑了备用收入影响的发电厂启停机计划发生了一些变化;发电厂为了追求更大的收益更加注重生产成本问题;其通过竞争获得的发电功率直接影响发电机组启停计划及其功率分配;文中提出的混合优化算法较适用于求解市场条件下的启停机计划等优化问题。     

电力市场模拟中的不确定性机组自组合问题

在电力市场环境下,发电商需要在不确定信息下,考虑机组的最小开、停机时间,确定各自机组期望的最优运行状态,并进而优化各自的报价.为了使电力市场模拟中的发电商决策模型更合理,作者基于报价中标概率函数,建立了考虑机组开、停机时间约束的报价决策模型,对机组自组合状态优化和报价决策行为进行研究和模拟.为了求解该不确定性混合整数问题,将其转化成为Markov过程,并提出相应算法.算例表明:考虑机组最小开、停机时间约束后,发电商会为了增加连续开机的可能性而降低在谷荷时段的报价,而这种报价策略会进一步加大市场中的峰谷电价差.该研究为电力市场模拟中发电商的决策提供了新的思路.     

面向灵活性的电能量与辅助服务日前市场联合出清模型

电能量和辅助服务日前市场作为支撑电力系统短期运行灵活性的主要交易平台,其出清模型关系到对灵活性资源的有效激励和利用效率。结合电力系统对灵活性电力资源的需求,分析了传统机组组合模型对灵活性资源利用效率的影响,提出了一种面向系统灵活性的日前市场联合出清模型。模型将爬坡变量纳入决策变量,考虑了机组启停过程出力、优化时间间隔、辅助服务调节方向等因素对系统灵活性的影响,实现了不同交易品种的联合出清。对含可再生能源、核电和储能系统的电力系统进行了案例分析,结果显示该方法可以体现不同灵活性资源的性能差异,更好地适应高比例可再生能源系统的需要。     

省级电力现货市场中衔接日前出清环节的多日机组组合策略

在我国新一轮电力市场改革背景下,为了进一步提升电力现货市场的资源配置能力,提出了市场环境下衔接日前出清环节的多日机组组合优化策略。提出的多日机组组合方法作为日前市场出清的辅助手段,在充分考虑了未来几日电网负荷特性变化情况的前提下,采用市场化的方式,提前多日对系统发电资源的运行方式进行了统筹预安排。进一步,将多日机组组合的优化结果设置为日前市场出清模型的边界条件,实现了多日机组组合与日前出清环节的有效衔接,使得日前市场的出清计算结果更加合理,同时解决了燃煤机组由于开机准备时间长而无法在日前市场中新增启动的问题。最后,采用我国某省的实际电网数据进行算例研究,验证了所提出的多日机组组合优化策略的有效性。     

基于动态规划的机组启停优化研究

通过对优化火电机组启停的研究,确立了以机组煤耗量最小为优化机组启停的目标函数,在考虑负荷需求、单机输出功率上、下限、机组最小停机时间等约束条件下建立了机组组合优化数学模型,利用动态规划法解决了四个类型机组在一天内组合与启停方案。     

显式计及新能源不确定性多统计矩特征的电力市场定价方法EI北大核心CSCD

电力市场是推动我国能源转型的关键。高比例新能源接入显著改变了电力市场资源配置特性。区别于传统火电机组,新能源强不确定性使得市场出清边界模糊,现有确定性市场出清模型难以计及为平抑新能源不确定性所需的灵活性资源成本。在市场定价方法中显式计及新能源不确定性是解决上述问题的关键。为此,基于机会约束随机优化方法,提出显式计及新能源不确定性多统计矩的电力市场定价方法。通过拉格朗日对偶问题转化推导,提出了考虑新能源不确定性多统计矩特征的市场定价方法。针对任意分布形式下新能源不确定性含大量统计参数易造成市场价格分量多、各分量物理意义不清晰的问题,通过引入不确定性度量方法,实现了对新能源不确定进行单维表征;通过灵敏度分摊方法,提出基于不确定性表征降维的新能源不确定性定价方法。在PJM5节点、IEEE118节点系统以及某省实际661节点系统的仿真结果表明,所提方法能够提供明确的价格信号引导市场资源配置,计算效率满足市场出清时间窗要求。     

旋转备用市场中考虑可靠性的多目标分层决策

电力市场环境下旋转备用的出清结果对发电系统可靠性有着重要影响.提出了对运行阶段发电系统可靠性进行评估的新指标--考虑旋转备用的电力不足期望值,它综合了机组可靠性参数、爬坡率、投运时间以及电能和旋转备用市场出清结果对系统可靠性的影响.指出用排队法进行旋转备用出清的结果只是满足购买费用最小的一个非劣解,进而提出考虑可靠性的多目标分层决策模型,并用遗传算法和非线性优化算法求解.仿真结果表明了该方法的有效性.     

适用于不同电价机制的统一机组组合算法

现有电力市场中存在两种结算电价机制：按机组报价结算(一机一价)和按市场出清价格结算(统一电价)。不同市场之间的结算方式也有所不同,例如,双边交易中采用一机一价结算方式,而实时市场中采用边际电价结算方式。不同结算电价机制下,机组组合的目标函数不同,传统机组组合方法必须根据电价机制的不同进行调整。通过研究发现,两种结算方式下机组组合问题的最优条件具有类似的数学表达形式。基于这一统一的最优条件表达形式,提出了一种新的机组组合算法。与传统拉格朗日松弛法相比,新算法能够有效地求解两种电价机制下的机组组合问题。     

考虑灵活爬坡辅助服务和弃风惩罚的现货电能量市场出清模型

为解决风电不确定性引起的系统爬坡能力不足、高比例风电接入时系统总运营成本偏高等问题,提出了计及改进灵活爬坡辅助服务和弃风惩罚的现货电能量市场出清模型。首先,分析了单台机组在出力状态、投入/退出过程中需要满足的爬坡速率约束,以及系统因净负荷波动需要满足的爬坡能力约束,提出了改进的灵活爬坡辅助服务产品。然后,以发电计划和机组状态为决策变量,构建了计及灵活爬坡辅助服务和弃风惩罚的目标函数。最后,通过两个算例从风电预测误差、风电渗透率和弃风惩罚成本等不同角度进行深入分析,验证所提出清模型的有效性。算例结果表明,所提出清模型既提高了系统运行的灵活性和经济性,又提升了高比例风电的消纳能力。     

Revenue adequate bidding strategies in competitive electricitymarkets

Energy trading in a competitive electricity market can be modeled as a two-level optimization. At the top level a centralized economic dispatch (CED) uses a priority list method to solve the fundamental problem of reliable market clearing with price discovery. The lower level consists of a set of decentralized bidding (DB) subproblems. The DB model uses a self-unit scheduling simulator based on parametric dynamic programming to produce hourly bid curves for the central dispatch coordinator. Unit operating constraints and costs such as the unit minimum-up and minimum-down times, ramp rates, and the unit start-up, no-load and sunk capital costs are internalized in the bid curves through the simulator. A special algorithm is presented to solve the revenue adequacy problem for marginal units. Both CED and DB models are based on the revenue maximization in contrast with the cost minimization criteria used in the conventional unit commitment (UC). The proposed method has been tested in a study case and some interesting results have been demonstrated     

电力市场出清电价的非惟一性及定价新方法

经典定价理论认为,市场出清价格应确定为市场优化问题的对偶解.但是,市场优化问题可能存在多个对偶解,这时,如何确定惟一的市场出清价格就成为市场运行必须要解决的问题.文中首先从数学角度阐述这一问题,然后利用市场优化问题的性质缩小出清价格的范围,在上述分析的基础上,提出一种基于社会剩余分配的方法,并对方法的性质进行了理论分析.最后用算例检验该方法的有效性,并做了进一步的讨论.推理和算例表明,该方法理论基础扎实、计算速度较快.     

Optimal power scheduling of thermal units considering emission constraint for GENCOs’ profit maximization

In this paper, authors propose a novel method to determine an optimal solution for profit based unit commitment (PBUC) problem considering emission constraint, under a deregulated environment. In a restructured power system, generation companies (GENCOs) schedule their units with the aim of maximizing their own profit by relaxing demand fulfillment constraints without any regard to social benefits. In the new structure, due to strict reflection of power price in market data, this factor should be considered as an important ingredient in decision-making process. In this paper a social-political based optimization algorithm called imperialist competitive algorithm (ICA) in combination with a novel meta-heuristic constraint handling technique is proposed. This method utilizes operation features of PBUC problem and a penalty factor approach to solve an emission constrained PBUC problem in order to maximize GENCOs profit. Effectiveness of presented method for solving non-convex optimization problem of thermal generators scheduling in a day-ahead deregulated electricity market is validated using several test systems consisting 10, 40 and 100 generation units.     

基于多智能体强化学习的电力现货市场定价机制研究(一):不同定价机制下发电商报价双层优化模型

电力现货市场定价机制是市场设计的重点问题之一,与发电商交易行为相互影响。定价机制设计需要考虑发电商可能的交易行为,而不同定价机制下发电商报价策略不同,为系统性地解决这一嵌套难题,形成2篇不同侧重点的论文。作为首篇,该文探讨强化学习在发电商报价决策中的适用性,完整考虑系统和分区边际电价的两阶段过程,构建节点、系统、分区3种边际电价定价机制下的发电商报价双层优化模型,并基于可变学习速率和策略爬山算法相结合的多智能体强化学习方法对模型进行迭代求解。该双层模型中,上层为发电商报价决策层,下层为市场出清层,以决策层优化的发电商报价信息和出清层计算的发电商中标信息作为上下层之间的交互数据,不断优化发电商报价策略。最后,以IEEE 39系统为例,选择4个典型负荷场景,优化3种定价机制下的发电商报价,结果表明:所提模型和算法可有效求解发电商最优报价策略,获取市场均衡结果。     

Thermal power generation scheduling by simulated competition

This paper presents a new method for solving the unit commitment problem by simulation of a competitive market where power is traded through a power exchange (PX). Procedures for bidding and market clearing are described. The market clearing process handles the spinning reserve requirements and power balance simultaneously. The method is used on a standard unit commitment problem with minimum up/down times, start-up costs and spinning reserve requirement taken into account. Comparisons with solutions provided by Lagrangian relaxation, genetic algorithms and Chao-an Li's unit decommitment procedure demonstrate the potential benefits of this new method. The motivation for this work was to design a competitive electricity market suitable for thermal generation scheduling. However, performance in simulations of the proposed market has been so good that it is presented here as a solving technique for the unit commitment problem     

一种售电公司经济调度双层优化方法

为解决大型售电公司应对新能源接入和需求侧波动带来的随机性风险问题,文章提出了一种基于随机规划的双层优化模型:上层子问题以出清电价和出清电量为决策变量,模拟了市场电能与备用辅助服务的联合出清过程;下层子问题以售电公司的最优购电成本为目标,模拟了售电公司的经济调度行为。模型的求解过程中,通过机会约束规划将模型转换为确定性模型,再由CPLEX求解器分别求解上下层子模型,并通过上下层的迭代求得均衡解。最后,建立了不计及售电公司决策影响的两阶段模型作为对比模型,通过算例分析,验证了该模型可有效反映售电公司决策行为对出清过程的影响,并阐明了不同置信水平对售电公司决策的影响。     

一种售电公司经济调度双层优化方法

为解决大型售电公司应对新能源接入和需求侧波动带来的随机性风险问题,文章提出了一种基于随机规划的双层优化模型:上层子问题以出清电价和出清电量为决策变量,模拟了市场电能与备用辅助服务的联合出清过程;下层子问题以售电公司的最优购电成本为目标,模拟了售电公司的经济调度行为。模型的求解过程中,通过机会约束规划将模型转换为确定性模型,再由CPLEX求解器分别求解上下层子模型,并通过上下层的迭代求得均衡解。最后,建立了不计及售电公司决策影响的两阶段模型作为对比模型,通过算例分析,验证了该模型可有效反映售电公司决策行为对出清过程的影响,并阐明了不同置信水平对售电公司决策的影响。     

基于代理模型的分布式能源现货市场运营模式

如何在信息不对称的环境下实现分布式能源现货市场中多主体利益最大化是亟需解决的问题。提出一种新型的基于代理模型的分布式能源现货市场运营模式,并提出数据驱动的日前市场代理模型的建模方法,得到不显式包含物理模型信息的分布式能源市场出清电价曲线与各市场主体最优联络线功率曲线及其日用电成本之间的映射模型,进而建立基于代理模型的分布式能源现货市场出清多目标优化模型,分布式能源现货市场运营商可基于该模型科学、公正地最大化各市场主体的经济利益。与基于物理模型的集中调度运营模式和基于分段报价的集中竞价出清模式的算例进行比较,验证了所提现货市场运营模式和代理模型建立方法的可行性和有效性。     

Optimal electricity supply bidding by Markov decision process

The bidding decision making problem is studied from a supplier's viewpoint in a spot market environment. The decision-making problem is formulated as a Markov decision process-a discrete stochastic optimization method. All other suppliers are modeled by their bidding parameters with corresponding probabilities. A systematic method is developed to calculate transition probabilities and rewards. A simplified market clearing system is also included in the implementation. A risk-neutral decision-maker is assumed, the optimal strategy is calculated to maximize the expected reward over a planning horizon. Simulation cases are used to illustrate the proposed method