利用虚拟电厂(virtual power plant,VPP)技术来聚合和调控产消者(prosumer)将显著增强各类容量相对较小、区域分散的分布式资源(distributed resources,DERs)参与电力市场的竞争力。考虑到VPP在电力市场中的价格决策地位及产消者间的能...利用虚拟电厂(virtual power plant,VPP)技术来聚合和调控产消者(prosumer)将显著增强各类容量相对较小、区域分散的分布式资源(distributed resources,DERs)参与电力市场的竞争力。考虑到VPP在电力市场中的价格决策地位及产消者间的能量共享机制,提出一种在日前电能量和备用市场下,含多个产消者的VPP协调优化运行策略。首先,基于价格配额曲线(price-quota curve,PQC),建立VPP投标出清和能量管理模型,并采用条件风险价值理论(conditional value-at-risk,CVaR)量化可再生能源的潜在风险。其次,提出考虑多产消者间电能量-备用P2P能量交易(peer-to-peer energy trading)的调度优化模型,实现多产消者间电能量和备用资源的P2P能量交易。然后,基于广义纳什博弈理论(general Nash bargaining,GNB)将模型划分为调度优化和收益分配2个子问题。先采用KKT最优条件、big-M法和强对偶定理将模型转为一个等效的单层混合整数线性规划(mixed integer linear programming,MILP)问题实现求解,再对调度结果收取支付成本来完成利益分配。最后,通过算例验证了所提方法能发挥VPP作为主市场与产消者中间层的完整功能,激励产消者参与多种电力产品的资源共享以增加系统总收益,并实现风险和利益的均衡从而确保了利益的公平分配。展开更多
针对多能源虚拟电厂(multi-energy virtual power plant,MEVPP)在可再生能源高渗透率下面临的源荷多重不确定性挑战,提出一种日前-实时两阶段风险规避随机优化经济调度模型,通过集成碳捕集、利用与封存-电转气系统来提升可再生能源消纳...针对多能源虚拟电厂(multi-energy virtual power plant,MEVPP)在可再生能源高渗透率下面临的源荷多重不确定性挑战,提出一种日前-实时两阶段风险规避随机优化经济调度模型,通过集成碳捕集、利用与封存-电转气系统来提升可再生能源消纳能力与碳减排效益。首先,将Copula函数与瓦瑟坦距离相结合,选取最优Copula函数并构建风光联合出力典型场景集;其次,设计两阶段随机优化调度模型,第一阶段以运行成本最小化为目标制定调度方案,第二阶段针对实时不确定性以平衡成本最小化为目标,通过备用调用、综合需求响应及储能协同平抑波动,重新调整调度计划;最后,结合条件风险价值理论量化风光出力和负荷等多重不确定性的风险成本,并采用Gurobi求解器对MEVPP优化模型进行求解。对MEVPP风险经济优化模型进行了仿真验证,结果表明,所设计策略在优化设备出力的同时,实现了风光100%全消纳,显著提升了调度方案的可执行性与风险适应性。展开更多
文摘利用虚拟电厂(virtual power plant,VPP)技术来聚合和调控产消者(prosumer)将显著增强各类容量相对较小、区域分散的分布式资源(distributed resources,DERs)参与电力市场的竞争力。考虑到VPP在电力市场中的价格决策地位及产消者间的能量共享机制,提出一种在日前电能量和备用市场下,含多个产消者的VPP协调优化运行策略。首先,基于价格配额曲线(price-quota curve,PQC),建立VPP投标出清和能量管理模型,并采用条件风险价值理论(conditional value-at-risk,CVaR)量化可再生能源的潜在风险。其次,提出考虑多产消者间电能量-备用P2P能量交易(peer-to-peer energy trading)的调度优化模型,实现多产消者间电能量和备用资源的P2P能量交易。然后,基于广义纳什博弈理论(general Nash bargaining,GNB)将模型划分为调度优化和收益分配2个子问题。先采用KKT最优条件、big-M法和强对偶定理将模型转为一个等效的单层混合整数线性规划(mixed integer linear programming,MILP)问题实现求解,再对调度结果收取支付成本来完成利益分配。最后,通过算例验证了所提方法能发挥VPP作为主市场与产消者中间层的完整功能,激励产消者参与多种电力产品的资源共享以增加系统总收益,并实现风险和利益的均衡从而确保了利益的公平分配。
文摘针对多能源虚拟电厂(multi-energy virtual power plant,MEVPP)在可再生能源高渗透率下面临的源荷多重不确定性挑战,提出一种日前-实时两阶段风险规避随机优化经济调度模型,通过集成碳捕集、利用与封存-电转气系统来提升可再生能源消纳能力与碳减排效益。首先,将Copula函数与瓦瑟坦距离相结合,选取最优Copula函数并构建风光联合出力典型场景集;其次,设计两阶段随机优化调度模型,第一阶段以运行成本最小化为目标制定调度方案,第二阶段针对实时不确定性以平衡成本最小化为目标,通过备用调用、综合需求响应及储能协同平抑波动,重新调整调度计划;最后,结合条件风险价值理论量化风光出力和负荷等多重不确定性的风险成本,并采用Gurobi求解器对MEVPP优化模型进行求解。对MEVPP风险经济优化模型进行了仿真验证,结果表明,所设计策略在优化设备出力的同时,实现了风光100%全消纳,显著提升了调度方案的可执行性与风险适应性。
