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。     

基于标准化金融交割曲线的现货市场建设路径设计

中国新一轮电力体制深化改革正如火如荼地开展,加快建设电力现货市场已成为后续的重要任务。基于中国现货市场建设存在的众多现实制约因素,探讨了目前建设现货市场的核心目标与模式选择问题,从"发用电双方竞争关系形成"的角度出发,设计了电力现货市场的"三阶段"建设路径,提出了一整套中长期交易电量在现货市场上的执行、分解与结算方法。所提出的路径设计有利于抓住现货市场建设的核心目标快速起步,实现现货市场与中长期电量交易的兼容与协调运行。最后,从用户侧和发电侧两端分别对所提出的市场机制给出了算例分析,并分析了不同用电行为的市场主体的结算特点,体现了该结算方案有利于用户响应系统调峰需求,实现激励相容的资源优化配置的特点。     

以配额制激励可再生能源的需求与供给国家可再生能源市场机制设计

针对中国可再生能源消纳面临的挑战,设计了基于配额制的国家可再生能源市场及其与省级日前市场的协调机制、国家绿色证书市场和激励可再生能源准确预测自身出力的偏差电量结算机制。在国家层面,以跨区跨省交易总剩余最大化为目标,构建了内嵌输电成本的国家可再生能源市场出清模型;在省级层面,将国家可再生能源市场出清结果作为可松弛的边界条件,构建了多目标的省级日前市场出清模型。算例分析验证了所述机制的有效性。提出的机制能够实现以配额制的方式激励可再生能源的需求与供给,以市场的方式发现可再生能源的真实成本及其正外部性的货币价值,引导可再生能源和电网投资规划,激励市场成员提升可再生能源发电的预测水平。     

面向现货市场出清的发电计划校正决策方法

边界条件设置不合理等原因导致现货市场预出清结果不能满足全部安全约束时,应采取必要的安全校正措施。文中提出了一种消除安全越限的发电计划校正方法。首先对非市场化机组实施安全校正,得到满足全部安全约束的可行解,再通过市场化机组的优化得到最终的出清结果。将静态安全域(SSR)的原理应用于非市场化机组的校正。在SSR边界的表述中纳入了机组爬坡约束,利用静态安全距离(SSD)矢量揭示最优校正方向,并基于安全距离灵敏度系数和机组的调节能力,评估各台机组对消除安全越限的有效性。基于此,提出了发电计划校正决策的方法,并在计算流程中考虑了各个时段的校正对相邻时段SSD的影响,以此增强校正优化的效果。以IEEE 118节点系统为例,分析了发电计划校正的结果,以及安全约束限值、机组爬坡能力对安全校正的影响,由此验证了所提方法的有效性。     

考虑能量存取的自备电厂去中心化交易机制探究

传统发电权交易模式下,交易价格需要满足一定的条件才能驱动自备电厂参与新能源消纳,无法充分释放自备电厂的调峰潜力,且在中心化交易系统下,存在运维成本高、交易效率低等问题。为此,文章提出了自备电厂的能量存取服务模式,扩大新能源消纳空间,并采用去中心化交易机制提高交易效率。同时,构建了去中心化的交易撮合模型,以新能源最大化消纳和能量存取服务费用最小为目标,综合考虑电厂企业利益、机组电量空间、新能源消纳需求及电网安全等约束条件,对发电权和能量存取交易进行配比优化。算例分析表明,自备电厂通过提供能量存取服务,能够有效提升新能源的消纳量,提高市场整体的经济效益,为完善新能源消纳机制提供有益参考。     

适应高比例新能源发展的电力市场容量保障机制分析

随着全球电力系统的低碳转型,在现有电力市场框架下,能否通过市场机制释放合理价格信号来保障电力系统中灵活性电源与可靠性后备容量的充裕性,是否需要设置容量保障机制,以及如何进行容量保障机制设计,已成为维持电力系统可持续性发展的重要课题。文章首先讨论了高比例新能源电力系统采用单一能量市场模式可能出现的发电充裕性问题,通过构建发电技术筛选曲线模型量化分析了该问题;然后概述归纳了国外成熟电力市场中容量保障机制设计的机理及具体内容,提炼出容量保障机制设计的三大要素;最后,指出我国电力市场容量市场机制设计面临的问题并提出相关建议。     

西北省间调峰辅助服务市场机制设计与实践

长期以来,西北电网弃风、弃光问题突出,西北各省（区）的电源装机特性和用电特性具有互补互济的特点,迫切需要建设调峰辅助服务市场以消纳更多的清洁能源。重点介绍西北省间调峰辅助服务市场的设计背景、基本原则与基本理念,并针对市场品种设计机理进行深入探讨。基于“谁受益,谁承担成本”的原则,设计考虑调峰效用的费用分摊方式,在一定程度上保证市场运行的公平性。通过算例以及实践运行表明,所设计的市场机制有助于促进省间调峰资源在西北区域实现优化配置。     

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。     

考虑灵活性收益的需求侧资源可行域聚合方法

为实现需求侧灵活性资源的高效协同调控,一般将其以聚合体的形式参与电力市场。灵活性资源聚合问题的数学本质是求取若干资源运行可行域的闵科沃夫斯基和,该问题的计算负担随聚合对象的维度和数量增加呈指数增长趋势。考虑灵活性在不同时段的收益差异,利用奇诺多面体表征参数的特殊性质实现可行域快速聚合。首先,建立灵活性资源可行域在奇诺多面体表征形式下的近似模型,相较现有模型保留爬坡特性对可行域边界特征的影响;然后,引入随机搜索方法,提升可行域近似模型的求解效率;最后,考虑灵活性资源出力在不同时段的收益差异,提出可行域近似模型的优化目标权重修正策略。基于真实电价数据及储能模型验证了所提方法的有效性。     

考虑灵活性收益的需求侧资源可行域聚合方法

为实现需求侧灵活性资源的高效协同调控,一般将其以聚合体的形式参与电力市场。灵活性资源聚合问题的数学本质是求取若干资源运行可行域的闵科沃夫斯基和,该问题的计算负担随聚合对象的维度和数量增加呈指数增长趋势。考虑灵活性在不同时段的收益差异,利用奇诺多面体表征参数的特殊性质实现可行域快速聚合。首先,建立灵活性资源可行域在奇诺多面体表征形式下的近似模型,相较现有模型保留爬坡特性对可行域边界特征的影响;然后,引入随机搜索方法,提升可行域近似模型的求解效率;最后,考虑灵活性资源出力在不同时段的收益差异,提出可行域近似模型的优化目标权重修正策略。基于真实电价数据及储能模型验证了所提方法的有效性。