一种计及不确定性的虚拟电厂竞标的优化方法与流程

本发明属于虚拟电厂运行领域，特别涉及一种计及不确定性的虚拟电厂竞标的优化方法。

背景技术：

随着石油等化石能源的日益枯竭和环境污染问题的日益突出，风力发电等分布式电源和可入网电动汽车等主动负荷接入电网的比例不断提高。分布式电源具有的可靠、经济、灵活、环保等特点有利于缓解能源紧缺和环境污染问题。然而，分布式电源地理位置分散，单机容量较小且具有显著的随机性、波动性和不确定性，直接接入电网会对电网的安全稳定产生极大的冲击。

虚拟电厂(virtual power plant,VPP)的提出为分布式电源和主动负荷等接入电网提供了新思路。虚拟电厂在不改变电网现有拓扑结构的前提下，控制协调中心基于发电预测、负荷预测，通过先进的协调控制技术、智能计量技术和信息通信技术聚合分布式电源、可入网电动汽车、储能系统等不同类型的元件，通过上层的软件算法实现多分布式能源的协调优化运行，从而促进资源合理优化配置及利用。

虚拟电厂参与市场竞标时，市场电价直接影响虚拟电厂的竞标行为，由于市场电价具有显著的不确定性，所以造成虚拟电厂进行竞标时给出的竞标策略的鲁棒性低，计算效率低。

技术实现要素：

发明目的：为了克服现有技术存在的问题，本发明提供了一种有效提高竞标策略的鲁棒性和计算效率的计及不确定性的虚拟电厂竞标的优化方法。

技术方案：本发明提供了一种计及不确定性的虚拟电厂竞标的优化方法，包括以下步骤：

步骤1：基于EEMD-RVM建立市场电价的区间预测模型；

步骤2：建立电力市场环境下计及市场电价不确定性的虚拟电厂竞标优化模型；其中，计及市场电价不确定性的虚拟电厂竞标优化模型为：

式中，G为虚拟电厂竞标优化目标函数；T为竞标周期；C_t为t时刻的成本；λ_t分别表示市场电价的上，下限；P_k,t为t时刻的竞标量；P_t^D为t时刻内部负荷需求量；λ_t^D为t时刻负荷电价；Γ为鲁棒系数；v,η_t,y_t为对等转化中引入的辅助决策变量；

步骤3：根据步骤2的求解得出参与市场运行的虚拟电厂最优竞标结果。

进一步，所述虚拟电厂包括由风电场、储能电池和抽水蓄能电站组成的传统能源与可再生能源联合的发电形式。

进一步，所述步骤2中建立的计及市场电价不确定性的虚拟电厂竞标优化模型中包括可控燃气轮机组约束条件、不可控风电机组约束条件、输电线路容量约束条件和功率平衡约束条件。

有益效果：与现有技术相比，本发明采用集合经验模态分解和相关向量机实现市场电价的区间预测，采用鲁棒优化法处理市场电价的不确定性，建立虚拟电厂鲁棒优化竞标模型。运用线性化技术线性化鲁棒优化模型，简化建模过程，大大减少了计算时间，提高计算效率，提高竞标策略的鲁棒性。

附图说明

图1为本发明的一种计及不确定性的虚拟电厂优化竞标方法的流程图；

图2为EEMD-RVM模型实现步骤；

图3为含虚拟电厂的IEEE30节点结构图；

图4为90％置信水平下市场店家的区间预测结果；

图5为虚拟电厂的最优竞标曲线。

具体实施方式

下面结合附图对本发明做更进一步的解释。

如图1所示，本发明提供的一种计及不确定性的虚拟电厂竞标的优化方法，主要包括以下步骤：

步骤1)，基于EEMD-RVM建立市场电价的区间预测模型；

基于集合经验模态分解和相关向量机的区间预测模型(下文简称，EEMD-RVM模型)首先采用EEMD(集合经验模态分解)方法将市场电价数据序列分解成多个特征模态函数分量(IMF分量)及一个剩余分量(RES分量)，其次采用组合核RVM模型进行区间预测，具体实现步骤如图2所示。

步骤2)，建立电力市场环境下计及市场电价不确定性的虚拟电厂优化竞标模型；

考虑由小型风电场、燃气轮机、储能电池等构成VPP，VPP在最大限度接受风力发电的基础上，优化燃气轮机、储能电池的运行并参与日前市场竞标，实现竞标周期内系统经济效益最大。其中，具体公式如下：

式中，T为竞标周期；F为经济效益函数；k为购(售)电节点，GSP为购(售)电节点；P_t^D为t时刻虚拟电厂中负荷需求量，λ_t^D为t时刻虚拟电厂中负荷电价；{λ_t}为t时刻市场电价，{λ_t}为步骤1建立的区间预测模型预测出来的结果；α_k为外部电网价格系数，α_k为人为设定的常数值；P_k,t为竞标量，为决策变量，其中，P_k,t为正表示虚拟电厂从外部电网购电，P_k,t为负表示虚拟电厂向外部电网售电；C_t为t时刻的成本，N_i为可分配发电机组数，0-1变量K_t,i为t时刻机组i动作(启动或关闭)变量，动作变量是描述t时刻是否存在由开到关或者由关到开这一过程；K_t,i为1表示t时刻机组i动作，K_t,i为0表示t时刻机组i不动作，k_i为机组i的动作成本；将机组i的二次成本函数分段线性化，n_j为分段总数，p_i为机组i的固定成本，为第j段的斜率，为第j段的发电量，P_i.t为t时刻机组i的发电量。

约束条件：

(1)可控燃气轮机组约束：

P_i^minv_i,tΔt≤P_i,t≤P_i^maxv_i,tΔt (4)

-r_i^downΔt≤P_i,t-P_i,t-1≤r_i^upΔt (5)

K_i,t＝|v_i,t-v_i,t-1| (6)

y_i,t-z_i,t＝v_i,t-v_i,t-1 (7)

y_i,t+z_i,t≤1 (8)

式中，P_i^max(P_i^min)为可控机组i输出功率的上(下)限；P_i,t-1为t-1时刻机组i的发电量；r_i^up(r_i^down)为可控机组i向上(下)爬坡速率；0-1变量v_i,t为可控机组i状态变量，状态变量描述t时刻机组的发电或停机具体的状态；0-1变量y_i,t(z_i,t)为t时刻可控机组i启动(停止)变量，TU_i,w表示启动时间变量，TD_i,w表示停止时间变量，w表示时间变量，MUT_i(MDT_i)为可控机组i最小启动(停止)时间；Δt为时段长度。

(2)不可控风电机组约束：

P_t^W≤{P_t^AW} (13)

P_t^W≥0 (14)

式中：P_t^W为风电场中不可控风电机组输出功率，上标W表示风电场，{P_t^AW}为不可控风电机组输出功率的预测值，{P_t^AW}根据风电历史数据依据预测得出。

(3)输电线路容量约束：

式中：P^D，max表示t时刻内部负荷需求量的最大值，P_i^DG，min表示可控机组最小发电功率，DG指虚拟电厂可控机组集合，为第k个购(售)电节点的输电线最大容量限制，表示储能电池最大功率，上标ST表示储能电池。

(4)功率平衡约束：

其中，P_t^d表示在t时刻虚拟电厂的放电量，P_t^c表示在t时刻虚拟电厂的充电量。

采用鲁棒优化法处理市场电价的不确定性，计及不确定性的虚拟电厂优化竞标模型即：

式中：G为虚拟电厂竞标优化目标函数，目标函数G为经济目标函数F的对偶函数，Γ为鲁棒系数，λ_t为市场电价的上下限，v,η_t,y_t为对等转化中引入的辅助决策变量，辅助决策变量为模型等价转化中得出的。

步骤3)，根据步骤2中获得的模型求解得出参与市场运行的虚拟电厂最优竞标曲线，从而根据得到的最优竞标曲线得到最优的虚拟电厂的竞标方案。

实施例

如图3所示，选取IEEE30节点系统进行适当改进：节点26处接入2台燃气轮机，节点29处接入2台燃气轮机和1座风电场，节点30处接入一台储能电池，节点26/29/30共同组成一个虚拟电厂系统。竞标周期为1天，分为24个时段。虚拟电厂可通过节点26/29/30从外部电网购(售)电，假设各节点购(售)电价格为日前市场电价预测值的α_k倍，α_k取值为{0.95,1.0,1.05}。

采用EEMD-RVM区间预测模型，基于欧洲电能交易中心EEX历史数据对市场电价进行区间预测，区间预测结果及实际数据如图4所示。

鲁棒优化中鲁棒系数越大，即认为预测值与实际值偏差越大，优化结果越保守。如图5所示，针对2种不同保守度的竞标策略进行分析比较，分别为：策略A：Γ＝24；策略B：Γ＝8。两种策略下t＝5和t＝17对应的最优竞标曲线。

由虚拟电厂的最优竞标曲线可以看出，高电价时段竞标曲线覆盖的区间大于低电价时段。另一方面，在同一时段，随着鲁棒系数Γ数值增大，最优竞标曲线向右移动，即采取较为保守的竞标策略会减小虚拟电厂向外部电网的售电量。虚拟电厂优化竞标策略的鲁棒性增强。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。