深度学习辅助约束辨识的电力市场快速出清方法

日前电力市场出清需要求解大规模安全约束经济调度问题,尽管实际采用线化处理方法,但需要考虑N－1场景下的大量安全约束,导致其规模庞大,难以快速求解。提出了一种深度学习辅助的日前市场快速出清方法,以满足快速出清计算场合的应用需求。首先,设计基于深度神经网络的安全约束经济调度模型计算框架,将深度学习技术应用于日前电力市场出清计算过程,兼顾安全约束经济调度模型的求解速度和求解精度;其次,提出面向起作用约束辨识的深度学习策略,从特征向量、深度神经网络结果处理2个方面,实现安全约束经济调度起作用约束集的辨识,并将其纳入日前市场出清模型,以简化模型的复杂度;最后,在接入新能源的IEEE 30标准测试系统中验证了所述方法的有效性。利用深度神经网络预辨识安全约束经济调度模型的起作用约束,有利于降低模型复杂度,提高日前市场出清的计算效率。     

面向小样本场景的数据驱动安全约束经济调度快速计算方法

电力系统安全约束经济调度(security-constrained economic dispatch,SCED)需要考虑海量N-1场景,安全约束数量大。然而,在实际电力系统应用中SCED模型起作用约束比例低,为减少计算负担,目前工业界普遍根据人工经验预先设置起作用约束集,存在不全和不准的问题。当前,数据驱动方法可直接建立SCED输入输出的映射关系,有望打破其计算瓶颈。但电力系统运行方式复杂多变,某些运行场景下历史样本极少,需解决小样本场景下的电网数据驱动分析难题。为此,提出面向小样本的数据驱动安全约束经济调度快速计算方法。首先,为降低小样本下复杂SCED模型的学习难度,提出基于边际机组特征聚类的样本预分类方法,拆解SCED模型输入输出复杂映射关系。然后,采用适合小样本学习特性的高斯过程(Gaussian process,GP),建立SCED替代模型,预先辨识起作用约束集,提出基于高斯过程的SCED快速计算框架。最后,在IEEE 30节点和IEEE118节点标准测试系统的仿真结果表明,所提方法能够具有良好的小样本场景适应性,可显著提高SCED的计算效率。     

交直流混联系统一体化日前现货市场优化出清方法

随着电力现货市场建设的推进,可控高压输电技术具备通过市场主导的能量管理方式实现对系统资源进行优化配置的能力。文中基于Benders分解方法对交直流混联系统的交流潮流安全约束机组组合（SCUC）优化调度问题进行求解。将直流系统的运行模式等效为虚拟电机对（VM）模型以跟踪市场运行参数变化进行基于安全约束经济调度（SCED）的市场出清,并建立了考虑偏差控制、直流系统过网网损和转运费的优化调度SCUC和市场出清SCED的协调模型,提出了考虑静态安全校核的交直流混联系统在电力现货市场环境下一体化协调出清的方法。通过基于电压源换流器的高压直流系统直接参与批发市场的出清应用为例,验证了市场出清模型和方法的有效性。     

基于启发式线性规划的大规模安全约束调度快速求解方法

提升大规模安全约束经济调度优化模型的求解性能是开展大电网跨省区电力电量全局优化平衡的前提与基础。首先分析问题的物理特性,通过并行计算求解不考虑机组爬坡约束的分时段约束松弛模型。基于对松弛解的分析获得可用于指导安全约束经济调度模型改进的有用信息,以约束剔除和约束增加的方式提出了基于启发式线性规划的大规模安全约束经济调度快速求解方法。将所提算法运用于新英格兰10机扩展系统和中国实际电网,验证了所提算法的正确性和有效性。     

考虑风险管理的电力市场多时段均衡分析方法

均衡分析方法是电力市场运行效率分析及机制设计论证的有力工具,而如何计及差价合同和市场主体风险偏好的影响,以及高效求解多时段均衡模型,已成为使电力市场均衡分析方法实用化亟待解决的问题。从差价合同的确定、考虑风险偏好的电力市场均衡建模、基于多智能体深度强化学习的求解等方面,提出了考虑风险管理的电力市场多时段均衡分析方法。在模型框架方面,分别针对市场化差价合同和政府授权差价合同,提出了基于市场均衡结果合理确定合同价格及其曲线的方法;采用条件风险价值评估市场风险,并建立了发电商报价决策的随机优化模型;结合前瞻性安全约束机组组合和经济调度模型建立了现货市场出清模型,以保证结果的合理性。在求解算法方面,通过改进深度强化学习方法,提出了基于风险管理的多智能体深度强化学习算法,并对模型进行迭代求解。最后,通过算例验证了均衡分析方法的合理性和有效性,并剖析了不同比例市场化差价合同或政府授权差价合同,以及不同风险偏好对市场均衡的影响。     

交直流混联区域电网现货市场出清模型研究EI北大核心CSCD

不同于省级电网全交流线路的架构,区域电网通常为交直流混联,区域电网现货市场出清模型需考虑由此带来的特殊问题。为此,首先分析了交直流混联电网与纯交流电网在设计电力现货市场时的不同点,并提出对应的交直流联络线功率优化机制、框架协议执行电量处理机制、联络线网损处理机制、联络线输配电价处理机制。在此基础上,结合省级电力现货市场出清模型,重点构建了包括安全约束的机组组合、安全约束的经济调度、节点电价定价模型在内的考虑交直流混联的区域电网现货市场出清模型。通过区域电网联合出清,电力资源实现最优配置,相比单省市场,能够大幅提升社会经济效益。最后,通过算例验证了所提模型的正确性和有效性。     

考虑电能与备用联合出清的日前调度优化方法

为解决电力现货市场与辅助服务市场改革不断深入带来的日前调度计划编制模式转变问题,提出了一种考虑电能与备用辅助服务联合出清的日前调度优化方法。首先,剖析了电能与备用辅助服务之间的耦合关系,从机组运行特性和电网承载能力两个维度出发,明确了电能与备用联合出清中需要考虑的运行约束项。接着,以综合购电成本最低为优化目标,全面考虑电网运行、电力平衡、机组运行等三方面约束条件,构建了电能与备用辅助服务联合出清下的日前调度优化模型。并根据模型特点,明确了求解方法。最后基于我国某省区电网实际数据构造的算例表明,该方法能够有效提升发电资源调用效率,避免由于备用均摊等方式造成的发电机组中标量超过系统承载能力或发电机组发电能力的问题。     

基于图神经网络的起作用安全约束辨识方法

在安全约束机组组合问题中含有大量冗余安全约束，如何高效辨识起作用的安全约束对提高求解速度具有重要意义。构建电网拓扑图、节点与支路特征后，输入至图卷积网络，对基态和故障态下支路潮流约束是否起作用进行分类，在IEEE RTS 79系统中迭代求解安全约束机组组合。结果表明，所提方法可以有效降低求解迭代次数和计算时间。所提方法可大幅提高求解效率，对将机器学习应用于辅助优化模型求解具有启示作用。     

兼容中长期实物合同的日前市场出清模型

如何处理中长期实物合同交割与电网运行约束之间的衔接问题,是分散式市场模式现货市场出清模型设计的关键。文中分析了欧洲分散式市场模式现货市场出清模型的特点,根据中国电力交易和调度管理体制与欧洲的差异,设计了一种日前现货交易与中长期实物合同交割、电网阻塞管理协同优化的市场出清模型。模型允许机组在日前自主决定其次日启停机计划,通过反向交易报价机制实现对中长期实物合同发用电计划的阻塞管理和帕累托改进,通过引入供需平衡松弛变量满足极端供需情况下的模型求解问题。基于IEEE 30节点系统的算例仿真表明,模型能够适应不同市场场景的运行需要,提高日前市场和实时平衡两阶段的整体社会福利。     

电网安全节能发电日前调度优化模型及算法

华北电网安全节能发电调度辅助决策系统中的日前调度模块实现了机组组合和安全约束经济调度两大功能,制定日发电计划既符合各种安全约束又满足各类辅助服务需求。采用同一个优化模型,通过修改输入信息实现节能发电调度、电量进度发电调度、成本调度、市场竞争等多种调度模式。引入violation和violation penalty weights两类参数,确保优化模型始终有解,满足工程实际应用的要求。采用同时可行性测试与优化计算相迭代的方法缩短了计算时间。日前调度模型为混合整数规划模型,采用分支定界法进行求解。为了精确校核日前调度结果,该系统开发了研究态全网络多时段安全校核功能,选择多个时间节点对日前调度结果进行精确的交流潮流校核,确保日前调度结果满足安全运行要求。     

PSO演化神经网络集成的边际电价预测新方法

为了克服神经网络模型结构和参数难以设置,学习算法收敛速度慢等缺点,提出了一种基于粒子群优化的演化神经网络集成新模型对日前交易电力市场的边际电价进行预测。该模型将边际电价预测问题转化为神经网络实际输出与预测输出误差最小化问题,首先采用粒子群优化算法把神经网络的结构和权重映射成问题空间中的粒子,通过粒子速度和位置更新方程进行粗学习,获得多个相对占优的神经网络结构和初始权重并构成神经网络集成预测模型,然后采用梯度学习算法和交叉验证对神经网络集成单元的权重进行细学习,并以误差最小的神经网络集成单元的输出作为神经网络集成预测模型的输出。运用此方法对加州日前交易电力市场的边际电价进行了日预测,结果表明其优于三层BP神经网络预测方法。     

基于小波变换的边际电价神经网络预测新模型

提出了一种基于小波变换和群智能演化的神经网络集成预测新模型,对日前交易边际电价进行预测.首先利用小波变换将历史边际电价序列分解为高频和低频部分,并分别构造学习样本作为神经网络集成的输入;然后将边际电价预测问题转化为神经网络实际输出与预测输出误差最小化问题,其寻优过程采用粗-细二阶段学习算法.在第1阶段,采用粒子群优化算法把神经网络的结构和权重映射成问题空间中的粒子,通过粒子速度和位置更新方程进行粗学习,获得多个相对占优的神经网络结构和初始权重并构成神经网络集成单元;在第2阶段,采用梯度学习算法和交叉验证对神经网络集成单元的权重进行细学习,并以误差最小的神经网络集成单元的输出作为神经网络集成预测模型的输出.美国加州日前交易电力市场边际电价预测算例表明,该预测方法可以获得较高的预测精度,且优于BP神经网络方法和ARIMA预测方法.     

Analysis of the effect of voltage level requirements on an electricity market equilibrium model

This paper presents a conjectural-variation-based equilibrium model of a single-price electricity market. The main characteristic of the model is that the market equilibrium equations incorporate the effect of the voltage constraints on the companies’ strategic behavior. A two-stage optimization model is used to solve the market equilibrium. In the first stage, an equivalent optimization problem is used to compute the day-ahead market clearing process. In the second stage, some generation units have to modify their active and reactive power in order to meet the technical constraints of the transmission network. These generation changes are determined by computing an AC optimal power flow.     

基于节点电价的主动配电网日前-实时阻塞管理

在主动配电网中分布式资源(distributed energy resources，DERs)渗透率不断上升及电力市场改革不断推进的背景下，高比例DERs引起的线路过载和节点电压越限等网络阻塞现象不容忽视。针对主动配电网的阻塞问题，该文提出基于配电网节点电价(distribution location marginal price，DLMP)的日前-实时阻塞管理模型。在日前阶段，各负荷聚合商(aggregator，Agg)首先预测日前市场电价并收集相关DERs信息，然后配电网管理员在保证用户用电需求的同时使其用电支出最小，并兼顾网络约束制定DLMP发布给Agg，Agg得到日前交易计划；在实时阶段，各Agg更新DERs信息，并根据配电网管理员更新的DLMP重新调整日前交易产生的偏差。最后，通过IEEE33节点算例进行仿真验证，结果表明提出的阻塞管理模型可以有效解决主动配电网在日前和实时两阶段的阻塞问题，保证线路容量及节点电压在允许的安全范围内。     

考虑深度调峰的电力日前市场机制设计

中国电力系统缺乏灵活调峰资源,面临严重的弃风、弃光困局,迫切需要充分调动各种资源的调峰潜力。文中提出了考虑深度调峰的电力日前市场机制设计,将深度调峰、可再生能源消纳和日前市场相结合。设计了基于深度调峰报价和避免削减降价的市场机制,深度挖掘火电机组的调峰潜力,激励火电机组主动降低自身出力参与调峰,激励可再生能源出让部分发电上网的红利,从而以共赢的方式促进可再生能源的消纳。构建了考虑深度调峰的电力日前市场出清模型,实现火电与可再生能源在低谷时段的发电权交易,实现了火电深度调峰和日前市场出清的联合建模,解决了两个市场割裂的情况下难以考虑机组爬坡约束的问题。文中采用IEEE 118节点算例系统,验证了所提机制和模型的有效性。     

用相似性原理及人工神经网络预测电价

提出了用相似性原理和BP神经网络来预测日前市场出清电价的新方法,该法尤其适用于只能获得有限原始数据的情况。运用相似性原理对人工神经网络的训练模型进行选择,使其有与预测日相似的负荷特征。用选择出的相似训练模式对选定的BP神经网络进行训练,通过BP神经网络的反向传播过程不断修正模型中的神经元连接权值和阀值,实现对未来24 h市场出清电价的有效预测。对周末和节假日采用了峰值处理步骤后,此方法更加完整。最后以美国宾西法尼亚州、新泽西州和马里兰州公布的2002年数据进行了模型训练和预测,结果表明该方法所建立的预测模型具有较高的预测精度。     

促进新能源消纳的综合能源系统日前市场出清优化

风光新能源具有显著的清洁特性,可以显著降低能源行业的碳排放,然而中国弃风弃光问题依然很严峻。为了促进风光新能源消纳容量,对全国统一电力市场背景下清洁能源消纳机制展开了深入研究。分析了中国新能源消纳的工程问题,建立了包含热电联产系统、天然气锅炉、风光新能源的综合能源系统的仿真模型,以社会福利最大化为目标,提出了可以促进新能源消纳的综合能源系统日前市场出清模型。出清模型考虑了电力需求侧管理,使得出清模型具有显著的现代电力系统特征。对提出的日前市场出清模型进行仿真验证,验证了所提出清模型对于新能源消纳的积极作用。     

面向多级市场出清的负荷聚合商联合交易策略

在以新能源为主体的新型电力系统发展模式下,电网将面临灵活性资源严重不足的问题,亟需引导用户侧可调控资源主动参与系统的平衡调节服务。提出一种考虑日前主能量市场、日前备用市场及实时平衡市场的多级市场衔接框架,基于负荷聚合商引导终端用户参与至多级耦合市场的市场化调度中。在日前主能量市场与备用市场,提出负荷聚合商可调节负荷状态感知模型及日前电能量与备用联合市场的竞价模型,系统运营商实现日前主辅能量市场的阶段性出清。在实时平衡市场,提出负荷聚合商基于用户侧富余可调节资源的实时平衡市场竞标模型,系统运营商基于实际系统运行需求实现平衡资源的出清与备用资源的调度。最后基于 IEEE 30 节点系统验证了所提出市场框架可有效激励用户侧主动响应电网调控需求、降低系统供需不平衡风险。     

考虑实时市场平衡费用的含风电日前市场电能-备用联合出清模型

风电出力的不确定性为日前市场出清带来了挑战。提出一种风电参与的日前电能-备用联合出清模型,采用多场景技术描述风电出力的不确定性,基于场景集合求解模型达到出清结果。所提出的模型引入风电出力不确定性所带来的备用购买费用和实时市场的平衡费用来考虑日前市场出清结果对实时市场的影响,以达到减少实时市场的平衡压力,保障系统稳定运行的效果。同时该模型考虑弃风和失负荷惩罚费用来保障风电资源的充分利用和系统的安全稳定运行。改进的IEEE30系统算例结果对比及分析表明,所提出的模型可充分利用风电资源,有效降低日前市场电能生产成本,并减少弃风量,降低失负荷风险。在风电大规模接入电力系统的情况下具有较好的实际应用价值。