抽水蓄能机组在日前电力现货市场的双层竞价优化方法与流程

本发明属于抽水蓄能机组市场化应用领域，具体涉及抽水蓄能机组在日前电力现货市场的策略性竞价模型的应用。

背景技术：

抽水蓄能机组是一种响应快速、运行方式灵活的电源形式，由于其具有储能、调峰、调频等多种功能，因而对于间歇性能源的发展起到了重要的辅助作用。目前，全球抽水蓄能电站的装机已达1.5亿千瓦，伴随全球能源结构转型和能源消费革命，抽水蓄能机组将在保障电网安全、提供系统灵活调节和促进新能源消纳等方面发挥越来越重要的作用。

随着电力工业引入市场竞争，电力市场参与主体不断增多，市场化用电量逐步增加，逐步形成了电能市场和辅助服务市场，发电商参与电力市场竞争是电力行业的发展趋势。虽然在市场起步阶段抽水蓄能机组允许参与的电能量和辅助市场仍较少，但目前对于抽水蓄能机组市场化形式的交易和补偿明显增多。目前，国内外对抽水蓄能机组的应用研究中，从抽水蓄能机组的竞价策略角度优化其应用的研究较少，在电能量和辅助市场的联合市场中开展的应用研究相对也较少。但由于抽水蓄能机组存在抽发损耗，提供的辅助服务受益对象广泛难以量化等原因，限制了抽水蓄能机组在市场中的竞争力，因此，需要通过建立模型、分析模型并求解验证后应用于提升抽水蓄能机组在市场中的竞争力，对其在市场中发挥的作用予以正确量化分析，在对抽水蓄能机组容量合理安排和优化资源配置前提下实现最大效益。

另外，采用数学优化算法直接求解模型一般较为复杂，往往完全依赖于商业化软件，且模型求解结果仍有待提高对于实践的指导价值。尽管遗传算法是解决复杂问题的有效工具，例如，其能够直接对结构对象进行处理，不会受到求导和连续性的限制，对于含有0/1变量的函数的求解具有优势。但目前遗传算法在电力系统中主要应用于无功优化问题。

技术实现要素：

本发明的目的在于提供一种抽水蓄能机组在日前电力现货市场的双层竞价优化方法，实现抽水蓄能机组容量合理安排和优化资源配置，同时获得更高的收益。

为实现上述目的，本发明采用了以下技术方案：

1)在抽水蓄能电站的(一般为一个电站)报价范围内随机生成w组报价策略，以每组报价策略代表初始遗传种群中的一个个体(采用实数编码)，并确定遗传算法的运行参数，所述运行参数包括遗传代数g、交叉概率pc和变异概率pm；

2)以系统的发电总费用(所有机组的总报价，系统中所有机组分为两类：抽水蓄能机组和其他机组)最小为优化目标建立市场出清模型，使用分支界定法求解该市场出清模型，得到步骤1)中任意一组报价策略下抽水蓄能机组的出力(pj(t))、抽水功率(dj(t))，并计算电价(①将市场出清模型目标函数联合约束建立拉格朗日函数，可求解得到拉格朗日乘子λ^e(t)、μ⁺l(t)、μ^-l(t)和λ^r(t)，通过计算节点边际电价；②由ρ^r(t)＝-λ^r(t)得到调频辅助服务市场电价)；其中所述市场出清模型的约束条件包括系统安全运行约束、抽水蓄能机组约束、其他机组约束(其他机组具体包括煤电机组、气电机组、水电机组中的一种以上机组)和电能量市场与调频辅助服务市场之间的市场关联约束；

3)以抽水蓄能机组在电力现货市场中获得的收益最大为优化目标建立抽水蓄能机组效益模型(主要利用其目标函数计算适应度值)，根据步骤2)优化得到的抽水蓄能机组的出力、抽水功率及相应电价，计算每一组报价策略下抽水蓄能机组在电力现货市场获得的收益(即电能量市场收益和调频辅助服务市场收益之和减去抽水购电费用后的净收益)并作为对应个体的适应度值，然后使用遗传算法进行迭代寻优，得到抽水蓄能机组效益模型的求解结果(即最优的一组报价策略)，在迭代寻优过程中(通过遗传操作，即选择、交叉和变异，产生新的报价组合，并通过多代种群进行反复寻优)，每一代遗传种群中个体的适应度值均为对应报价策略下抽水蓄能机组的出力、抽水功率及相应电价在经所述市场出清模型优化后所对应的在电力现货市场获得的收益(根据抽水蓄能机组效益模型目标函数，可结合电价计算得到)。

优选的，所述报价策略包括抽水蓄能机组的电能量市场报价ρ^e(w)和调频辅助服务市场报价ρ^r(w)，w＝1,…,w(抽水蓄能机组以所在电站为单位进行统一报价，即同一抽水蓄能电站的抽水蓄能机组报价相同)。

优选的，所述市场出清模型的目标函数(下层目标函数)为：

其中，分别是第i台其他机组在电能量市场、调频辅助服务市场中的报价，pi(t)是第i台其他机组在电能量市场的出力，是第i台其他机组在调频辅助服务市场的出力；ρ^e是抽水蓄能机组在电能量市场中的报价，ρ^r是抽水蓄能机组在调频辅助服务市场中的调频里程报价，pj(t)是第j台抽水蓄能机组在电能量市场的出力，rj(t)是第j台抽水蓄能机组在调频辅助服务市场的调频容量；t1为电能量市场调度时刻集合(一般为96个时刻)，t2为调频辅助服务市场调度时刻集合(一般为24个时刻)，m为其他机组数，n为抽水蓄能机组数。

优选的，所述系统安全运行约束包括系统负荷平衡约束、系统正备用和负备用约束、系统旋转备用约束、线路潮流约束及系统调频容量约束；

4.1)系统负荷平衡约束表示为：

其中，dj(t)是第j台抽水蓄能机组的抽水功率，pl(t)是系统负荷功率，λ^e(t)是系统统一出清电价；t均为电能量市场调度时刻；

4.2)系统正备用和负备用约束表示为：

其中，pi,max是第i台其他机组的出力上限，pi,min是第i台其他机组的出力下限；pj,max是第j台抽水蓄能机组的出力上限，pj,min是第j台抽水蓄能机组的出力下限；ui(t)表示第i台其他机组在t时刻的开停机状态(处于开机状态值为1，处于停机状态值为0)，uj(t)表示第j台抽水蓄能机组在t时刻的开停机状态，uj,pump(t)表示第j台抽水蓄能机组在t时刻的抽水状态(处于抽水状态值为1，未处于抽水状态值为0)；分别是正、负备用容量，除了的t是调频辅助服务市场调度时刻，其他参数的t是电能量市场调度时刻；

4.3)系统旋转备用约束表示为：

其中，ramp_up是上爬坡率，ramp_down是下爬坡率；ps(t)是t时刻第s台机组在电能量市场的出力；pt,s,max是t时刻第s台机组的出力上限；pt+1,s,min是下一时刻(t+1时刻)第s台机组的出力下限；为上旋转备用需求，为下旋转备用需求，除了的t是调频辅助服务市场调度时刻，其他参数的t是电能量市场调度时刻；

4.4)线路潮流约束表示为：

其中，gl,i、gl,j、gl,k分别为第l条线路对其他机组、抽水蓄能机组、节点负荷的转移分布因子；ll,max为第l条线路最大有功传输容量，pl,k(t)为第k个节点的注入负荷，k为系统节点数；μ⁺l(t)、μ^-l(t)分别是正对偶变量、负对偶变量；t均为电能量市场调度时刻；

4.5)系统调频容量约束表示为：

其中，j()是第j台抽水蓄能机组在调频辅助服务市场的调频容量，ri(t)是第i台其他机组在调频辅助服务市场的调频容量，rl(t)为系统在t时刻的调频容量需求，λ^r(t)为系统在t时刻的调频电价(对偶变量)；t均为调频辅助服务市场调度时刻。

优选的，所述抽水蓄能机组约束包括出力上下限约束、发电/抽水同时性约束、库容约束、最大启停次数约束及抽水蓄能机组调频上下限约束；

5.1)出力上下限约束表示为：

uj(t)pj,min≤pj(t)≤uj(t)pj,max(9)

其中，uj(t)表示第j台抽水蓄能机组在t时刻的开停机状态；t均为电能量市场调度时刻；

5.2)发电/抽水同时性约束表示为：

0≤max(uj(t))+max(uj，pump(t))≤1(10)

其中，uj，pump(t)表示第j台抽水蓄能机组在t时刻的抽水状态；t均为电能量市场调度时刻；

5.3)库容约束表示为：

v(0)＝v(t2)(11)

vmin≤v(t)≤vmax(12)

v(t)＝v(t-1)-pj(t)×factorp+dj(t)×factord(13)

其中，v(0)是初始库容，v(t2)是最终库容，vmin是库容下限，vmax是库容上限，v(t)是t时刻库容，t-1表示上一时刻；factorp和factord为水电转换因子(一般为抽4发3，即factord＝0.75×factorp，下标p表示放水发电，下标d表示抽水蓄电)；t均为电能量市场调度时刻；

5.4)最大启停次数约束表示为：

其中，shutj是抽水蓄能机组的停机状态(停机取1)，startj是抽水蓄能机组的启动(即开机)状态(开机取1)，nj是启停次数限值；t均为电能量市场调度时刻；

5.5)抽水蓄能机组调频上下限约束表示为：

其中，vj是第j台抽水蓄能机组的实测调节速率，是第j台抽水蓄能机组在调频辅助服务市场中的状态；f1是调节速率限制系数，f2是发电容量限制系数，f3是调频需求限制系数，f4是可调节容量限制系数；t均为调频辅助服务市场调度时刻。

优选的，所述其他机组约束包括出力上下限约束、爬坡约束、最小连续开停时间约束、最大启停次数约束及其他机组调频上下限约束；

6.1)出力上下限约束表示为：

ui(t)pi，min≤pi(t)≤pi，maxui(t)(18)

其中，ui(t)是第i台其他机组在t时刻的开停机状态；t均为电能量市场调度时刻；

6.2)爬坡约束表示为：

pi(t)-pi(t-1)≤rampupui(t-1)+pi，min(ui(t)-ui(t-1))+pi，max(1-ui(t))(19)

pi(t-1)-pi(t)≤rampupui(t)+pi，min(ui(t)-ui(t-1))+pi，max(1-ui(t-1))(20)

其中，rampup是上爬坡率；t均为电能量市场调度时刻；

6.3)最小连续开停时间约束表示为：

其中，是第i台其他机组在t时刻的连续开机时间，是第i台其他机组在t时刻的连续停机时间；td是最小连续开机时间，tu是最小连续停机时间；t均为电能量市场调度时刻；

6.4)最大启停次数约束表示为：

其中，shuti是其他机组的停机状态(停机取1)，starti是其他机组的启动状态(开机取1)，ni是启停次数限值；t均为电能量市场调度时刻；

6.5)其他机组调频上下限约束

其中，vi是第i台其他机组实测调节速率，是第i台其他机组在调频辅助服务市场中的状态；t均为调频辅助服务市场调度时刻。

优选的，所述市场关联约束包括所有机组出力上下限约束及机组状态关联约束；

7.1)所有机组(抽水蓄能机组和其他机组)出力上下限约束(能量和容量关联)表示为：

pminu^e(t)≤p(t)+r(t)≤pmaxu^e(t)(27)

其中，pmin是机组最小出力，pmax是机组最大出力，u^e(t)是机组在电能量市场中的状态(开机取1，停机取0)，r(t)是机组在调频辅助服务市场中容量，p(t)是机组在电能量市场中出力；r(t)的t是调频辅助服务市场调度时刻，其他参数的t是电能量市场调度时刻；

7.2)所有机组(抽水蓄能机组和其他机组)状态关联约束表示为(可用于限定电能量市场与调频辅助服务市场中时刻的对应关系)：

其中，u^r(t)是机组在调频辅助服务市场中的状态(参与调频取1，不参与调频取0)；u^r(t)的t是调频辅助服务市场调度时刻，其他参数的t是电能量市场调度时刻。

优选的，所述抽水蓄能机组效益模型的目标函数(上层目标函数)为：

其中，为抽水蓄能机组在第b个节点处的节点边际电价，pj，b(t)为第j台抽水蓄能机组在第b个节点处的发电功率，dj,b(t)为第j台抽水蓄能机组在第b个节点处的抽水功率，b为抽水蓄能机组所在的节点总数，ρ^γ(t)为抽水蓄能机组在辅助服务市场电价(调频辅助服务市场采用市场统一出清电价)。

优选的，所述遗传算法的选择操作采用随机摄动法(能改善种群的多样性，对早熟现象和局部最优的问题有显著的改善，使优化过程具有较好的鲁棒性)，交叉操作方法采用实数交叉法。

优选的，w的取值范围为20～160(增大种群规模能保证种群多样性，但会增加计算量，收敛速度下降)，g的取值范围为≥20，pc的取值范围为0.25～1.0(交叉率越大，群体中新个体产生的机会就会越多，但原有个体被破坏的可能性也随之增大，太低则可能导致搜索阻滞)，pm的取值范围为0.005～0.3(变异率太大会使得算法成为随机搜索，太小可能导致算法早熟，或者使算法陷入局部最优解的概率增大)。

本发明具有如下有益效果：

本发明建立了抽水蓄能机组在日前现货市场的双层竞价模型，竞价策略模型的目标函数分为上下两层，上层为抽水蓄能机组效益模型，目的是使抽水蓄能机组在电力现货市场中获得最大收益，下层为系统出清模型，使全系统发电总费用最小，并实现抽水蓄能机组容量合理安排。针对系统出清模型约束中含有0/1变量的双层竞价模型，选用遗传算法配合求解，不仅简化了求解过程，而且通过先对下层目标函数进行求解，在全系统发电总费用最小目标下，实现抽水蓄能机组容量安排更加合理、优化资源配置，从而获得更高的收益，提高了抽水蓄能电站(抽水蓄能机组)在市场中的竞争力，而抽水蓄能机组更多地参与市场，能更好地平抑系统负荷的波动，使其他机组出力更为平稳，减少损耗和启停费用，从而实现社会福利最大化。

附图说明

图1是本发明的求解算法流程图。

图2是遗传算法寻优流程图。

图3是应用实例所采用的ieee39节点系统结构图，c为燃煤机组，g为燃气机组，s为抽水蓄能机组。

图4是应用实例中各发电机组分段报价曲线。

图5是遗传算法寻找最大收益曲线。

图6是抽水蓄能机组电能量市场分段报价曲线。

图7是最优报价策略与一般报价下的出力对比(以负荷为参照)。

图8是最优报价策略与一般报价下的出力对比(以节点电价为参照)。

图9是最优报价策略与一般报价下的抽水蓄能机组收益。

具体实施方式

下面结合附图和实施例对本发明做详细说明。

本发明提出了抽水蓄能机组在日前电力现货市场的双层竞价模型，研究在电力市场环境中，抽水蓄能机组如何通过策略性报价，实现资源优化配置并获取最大收益。

本发明中场景选取日前电能量市场和辅助服务市场联合出清的市场模式。在不失一般性的情况下，对模型进行如下假设：

1)本模型考虑调频市场和电能量市场的联合优化出清；

2)本模型默认其他机组或电厂都按边际成本(估算)报价；

3)本模型中，电能量市场采用节点边际电价，调频辅助服务市场采用市场统一出清电价。

本发明采用遗传算法配合求解，求解流程如图1所示，遗传算法寻优流程如图2所示。首先生成随机新报价，使用分支界定法(调用gurobi优化器)求解市场出清模型，计算抽水蓄能机组收益，然后进入遗传算法寻优迭代过程，直至最终输出最优结果。具体步骤如下：

1)确定所研究节点系统的网络数据，发电机组的种类、数目、运行参数及分段报价曲线，相应时间内负荷数据。

2)确定遗传算法的运行参数，主要包括群体大小w、遗传代数g、交叉概率pc和变异概率pm。并在报价范围内随机生成w个个体，每个个体代表一组报价策略，包含能量市场报价ρ^e(w)和调频辅助服务市场报价ρ^r(w)。

3)先调用gurobi优化器求解市场出清模型(下层模型)，目标函数为：

由求解下层模型(约束条件参见公式(2)-(28)，f2＝0.15，f3＝0.2，f4＝0.03，公式(16)、(25)中f1＝3min，公式(17)、(26)中f1＝1min)得到的相关参数计算对应报价策略的适应度，适应度函数为：

4)进行遗传操作，包括选择操作、交叉操作和变异操作。选择操作采用随机摄动法，交叉操作采用实数交叉法。

5)通过多代种群进行反复寻优，得到最优报价策略。

具体应用实例：

采用改进的ieee39节点系统进行测算，该系统结构如图3所示，其中，c为燃煤机组(煤电)，g为燃气机组(气电)，s为抽水蓄能机组(抽蓄)，发电机组的参数信息如表1所示：

表1.发电机组参数信息

发电机组分段报价曲线如图4所示。负荷数据采取pjm某日数据，符合两峰两谷的特点。

遗传算法的群体大小w取30，遗传代数g取50，交叉概率pc为0.7，变异概率pm为0.3。电能量市场报价区间为0至市场中其他机组最高报价125％，即0-1000mw；调频市场的报价区间为0至市场中其他机组最高报价125％，即0-80mw。处理器为intel(r)core(tm)i7-7700cpu@3.60ghz3.60ghz(ram:16.0gb)，预计计算时间为30000秒(约8-9小时)。

计算得到的抽水蓄能机组的最优报价结果：电能量市场报价为130.0629元/mwh，调频里程报价为46.6694元/mw。最大收益为141490元，其中电能量收益为132940元，调频收益为8550元。计算时间为32472秒。遗传算法寻找最大收益曲线如图5所示，可以看出在进行到大约第21代之后，已基本收敛。最终优化得到的抽水蓄能机组电能量市场分段报价曲线如图6所示。

将抽水蓄能机组在最优报价策略和一般报价下(确保抽水蓄能机组能优先出清的报价)的运行曲线和收益进行对比，且分别以负荷、节点电价为参照，得到图7和图8所示曲线，可以看出在最优报价策略下，抽水蓄能机组的出力与负荷曲线更加贴切。抽水蓄能机组通过合理的容量安排，使得抽水电价降低，减少了抽水需要的购电成本。

最优报价策略与一般报价下的抽水蓄能机组收益对比如图9所示，可以看出无论在电能量市场还是调频市场，收益均高于一般报价，使抽水蓄能机组获得了更高的收益。所以，通过实例验证，本发明能够合理安排抽水蓄能机组容量，优化资源配置，并使抽水蓄能机组在日前电力市场中获得更高收益，本发明的策略性竞价模型具有可行性。