一种多尺度电-碳模式下风光储场站优化控制方法和系统

1.本发明涉及数据处理技术领域，特别是涉及一种多尺度电-碳模式下风光储场站优化控制方法和系统。


背景技术：

2.在新能源装机量不断增加的背景下，对于风光等新能源及储能等灵活性资源已经成为新型电力系统的重要支撑，传统的电能量市场模型以调度周期内所有设备的发电成本最小为目标进行建模，较少考虑系统碳排放的影响。此外，风光储在多时间尺度下的调控机理及策略尚带进一步阐明，更需要计及碳排放带来的影响来提升风光储在双碳目标下的经济性。因此，亟需考虑系统碳排放特性，研究风光储场站参与多时间尺度电力服务的调控决策与优化控制方法，为大规模新能源配合储能并网之后提高整体的经济性提供理论支撑。


技术实现要素：

3.为解决现有技术存在的上述问题，本发明提供了一种多尺度电-碳模式下风光储场站优化控制方法和系统。
4.为实现上述目的，本发明提供了如下方案：
5.一种多尺度电-碳模式下风光储场站优化控制方法，包括：
6.根据机组碳排放特性确定机组碳成本，基于机组的电力报价构建机组的电-碳耦合报价模型；所述机组包括：燃煤机组、燃气机组和燃油机组；
7.考虑风光储场站内部的能量流动，设计风光储场站的内部协同调控方法，构建风光储场站的内部协同调控模型；
8.采用所述内部协同调控模型描述的风光储场站的总输出与总输入，基于日前-实时两阶段模型，以不同场景表示风光出力的不确定性，构建风光储场站参与日前-实时两阶段的收益模型；
9.基于所述机组的电-碳耦合报价模型和风光储场站报价与用户报价，以日前阶段的社会福利最大为目标构建日前阶段的出清模型；
10.基于机组的电-碳耦合报价模型和风光储场站报价与用户报价，以实时阶段的社会福利最大为目标构建实时阶段的出清模型；
11.以日前-实时两阶段收益模型为上层，以所述日前阶段的出清模型和所述实时阶段的出清模型为下层，构建风光储场站参与多时间尺度电力服务的双层模型；
12.采用kkt定理与大m法表述并求解所述双层模型，得到风光储场站的最优决策报价与最优出力。
13.优选地，所述机组电-碳耦合报价模型为：
[0014][0015]
其中，为考虑碳排放强度的i机组k报价段的报价，为i机组k报价段的初始电力报价，为i机组的碳排放成本报价，i表示机组节点，k为电力报价段。
[0016]
优选地，在日前阶段中，所述内部协同调控模型应满足如下约束：
[0017][0018][0019][0020][0021][0022][0023][0024][0025][0026][0027][0028]
式中，为v节点风光储场站t时刻在日前阶段储能向电网的购电功率，表示v节点风光储场站t时刻在日前阶段储能的放电功率，为v节点风光储场站t时刻在日前阶段风电向电网的售电功率，为v节点风光储场站t时刻在日前阶段光伏向电网的售电功率，为v节点风光储场站t时刻在日前阶段储能的总充功率，为v节点风光储场站t时刻在日前阶段储能的放电功率，为v节点风光储场站t时刻在日前阶段风电向储能的充电功率，为v节点风光储场站t时刻在日前阶段光伏向储能的充电功率，为v节点风光储场站储能损耗系数，为v节点风光储场站储能充电效率，为v节点风光储场储能放电效率，为v节点风光储场站储能额定容量，为v节点风光储场站日前阶段的储能始荷电状态，为v节点风光储场站在日前阶段的储能末荷电状态，为二进制变量，用于约束储能不能同时充放电，t为时刻，t为时间周期，为v节点风光储场站t时刻在日前阶段的放电功率，为v节点风光储场站t时刻在日前阶段的储能soc，δt为一个单位时段，为v节点风光储场站在日前阶段的储能购电上限，为v节点风光储场站在日前阶段的储能购电下限，节点风光储场站t时刻在日前阶段的储能soc上限，为v节点风光储场站t时刻在日前阶段的储能soc下限，为v节点风光储场站t时刻在日前阶段的风电总预测出力，为v节点风光储场站t时刻在日前
阶段的光伏总预测出力；
[0029]
在实时阶段中，风光储内部的调控应满足如下约束：
[0030][0031][0032][0033][0034][0035][0036][0037][0038][0039][0040][0041]
式中，s表示多场景，rt表示实时阶段变量，为v节点风光储场站t时刻s场景下在实时阶段储能向电网的购电功率，表示v节点风光储场站t时刻s场景下在实时阶段储能的放电功率，为v节点风光储场站t时刻s场景下在实时阶段风电向电网的售电功率，为v节点风光储场站t时刻s场景下在实时阶段光伏向电网的售电功率，为v节点风光储场站t时刻s场景下在实时阶段储能的总充功率，为v节点风光储场站t时刻s场景下在实时阶段储能的放电功率，为v节点风光储场站t时刻s场景下在实时阶段风电向储能的充电功率，为v节点风光储场站t时刻s场景下在实时阶段光伏向储能的充电功率，为v节点风光储场站储能损耗系数，为v节点风光储场站储能充电效率，为v节点风光储场储能放电效率，为v节点风光储场站储能额定容量，为v节点风光储场站实时阶段的储能始荷电状态，为v节点风光储场站在实时阶段的储能末荷电状态，为二进制变量，s为不同风光出力场景，t为时刻，t为时间周期，为v节点风光储场站t时刻s场景下在实时阶段的放电功率，为v节点风光储场站t时刻s场景下在实时阶段的储能soc，δt为单位时段，节点风光储场站在实时阶段的储能购电上限，为v节点风光储场站在实时阶段的储能购电下限，为v节点风光储场站t时刻在实时阶段的储能soc上限，为v节点风光储场站t时刻在实时阶段的储能soc下限，
为v节点风光储场站t时刻s场景下在实时阶段的风电总预测出力，为v节点风光储场站t时刻s场景下在实时阶段的光伏总预测出力。
[0042]
优选地，所述日前-实时阶段收益模型为：
[0043][0044]
式中，为v节点场站在日前阶段的收益，为v节点场站在实时阶段的收益，v表示风光储场站节点，为风光储场站的节点集合。
[0045]
优选地，所述日前阶段的出清模型以社会福利最大化为目标函数，表示为：
[0046][0047]
式中，为v节点场站在报价段b/k的充电报价，为v节点场站在报价段b/k的放电报价，为用户j在报价段b/k的报价，为机组i在报价段b/k的报价，为日前阶段用户j在报价段b/k的功率，为日前阶段机组i在报价段b/k的功率，为风光储场站的节点集合，为机组节点集合、为用户的节点集合，为系统所有节点集合，v为风光储场站的节点，i为机组节点，j为用户的节点，其中，t为时刻，δt为单位时段，da为日前阶段。
[0048]
优选地，所述实时阶段的出清模型为：
[0049][0050]
式中，rt为实时阶段，为实时阶段v节点风光储场站在t时刻s场景下b报价段的功率，为实时阶段j节点用户在t时刻s场景下b报价段的功率，为实时阶段v节点风光储场站在t时刻s场景下k报价段的功率，为实时阶段i节点机组在t时刻s场景下k报价段的功率。
[0051]
根据本发明提供的具体实施例，本发明公开了以下技术效果：
[0052]
1、本发明考虑了燃煤、燃气、燃油等发电机组的不同碳排放特性，将其碳配额的交易成本考虑进电力报价中，构建了电碳耦合的报价模型，使得风光储场站在报价参与过程中考虑系统碳排放特性的影响。
[0053]
2、本发明设计了风光储场站的内部协同调控方法，构建了场站内部风电-光伏-储能之间的协同调控模型，增加了风光储场站中储能的套利手段，并考虑风光不确定性，以风光储场站日前、实时总收益最大为目标构建风光储场站的最优报价策略。
[0054]
3、本发明建立了电碳协同优化的日前-实时两阶段模型，并在实时阶段通过多场景考虑了风光出力的不确定性，构建了上层风光储场站收益下层日前-实时两阶段出清的双层模型，通过kkt理论与大m法对该问题进行了精确求解。
[0055]
对应于上述提供的多尺度电-碳模式下风光储场站优化控制方法，本发明还提供
了以下实施系统：
[0056]
一种多尺度电-碳模式下风光储场站优化控制系统，包括：
[0057]
电碳报价模型构建模块，用于根据机组碳排放特性确定机组碳成本，基于燃煤、燃气、燃油等机组的电力报价构建机组的电-碳耦合报价模型；所述机组包括：燃煤机组、燃气机组和燃油机组；
[0058]
场站调控模型构建模块，用于考虑风光储场站内部的能量流动，设计风光储场站的内部协同调控方法，构建风光储场站的内部协同调控模型；
[0059]
场站收益模型构建模块，用于采用所述内部协同调控模型描述的风光储场站的总输出与总输入，基于日前-实时两阶段模型，以不同场景表示风光出力的不确定性，构建风光储场站参与日前-实时两阶段的收益模型；
[0060]
日前出清模型构建模块，用于基于所述机组的电-碳耦合报价模型和风光储场站报价与用户报价，以日前阶段的社会福利最大为目标构建日前阶段的出清模型；
[0061]
实时出清模型构建模块，基于所述机组的电-碳耦合报价模型和风光储场站报价与用户报价，以实时阶段的社会福利最大为目标构建实时阶段的出清模型；
[0062]
双层模型构建模块，以所述日前-实时两阶段收益模型为上层，以所述日前阶段的出清模型和所述实时阶段的出清模型为下层，构建风光储场站参与多时间尺度电力服务的双层模型；
[0063]
模型求解模块，用于采用kkt定理与大m法表述并求解所述双层模型，得到风光储场站的最优决策报价与最优出力。
[0064]
一种电子设备，包括：处理器和存储器；
[0065]
所述处理器与所述存储器连接；所述处理器调取并执行所述存储器中存储的计算机程序；所述计算机程序用于实现上述提供的多尺度电-碳模式下风光储场站优化控制方法。
[0066]
因本发明上述提供的实施系统与所提供的风光储场站参与多时间尺度电力服务的优化决策方法实现的技术效果相同，故在此不再进行赘述。
附图说明
[0067]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0068]
图1为本发明提供的多尺度电-碳模式下风光储场站优化控制方法的流程图；
[0069]
图2为本发明实施例提供的考虑碳交易的火电机组发电报价图；
[0070]
图3为本发明实施例提供的风光储场站内部调控示意图；
[0071]
图4为本发明实施例提供的风光储场站参与多时间尺度电力服务示意图；
[0072]
图5为本发明提供的多尺度电-碳模式下风光储场站优化控制系统的结构示意图。
具体实施方式
[0073]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0074]
本发明的目的是提供一种多尺度电-碳模式下风光储场站优化控制方法和系统，为大规模新能源配合储能并网之后提高整体的经济性提供理论支撑。
[0075]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
[0076]
如图1所示，本发明提供的多尺度电-碳模式下风光储场站优化控制方法，包括：
[0077]
步骤100：根据机组碳排放特性确定机组碳成本，基于燃煤、燃气、燃油等机组的电力报价构建燃煤、燃气、燃油等机组的电-碳耦合报价模型。具体的，在当前电力交易背景下，电力系统的调度由电力交易中心和电力调度中心共同完成。首先，各个发电企业上报各自对应的发电报价；然后由交易中心按照系统用电成本最低的原则确定每个企业的中标电量；最后由调度中心校核与执行。在我国碳排放权交易中，主管部门会按照规定的碳排放强度(carbon emission intensity，cei)基准值免费分配与发电量对应的碳排放配额(carbon emission allowance，cea)。火电企业在每个履约期结束时需要提供与实际碳排放量相等的cea，否则将面临行政和经济处罚。因此，当实际cei低于(高于)基准cei时，免费发放的cea多于(少于)实际所需履约数量，净剩余(需求)cea可以售卖(购买)，使得火电机组成为获利方(损失方)。
[0078]
燃煤、燃气、燃油等机组的原始报价为其边际发电成本，由于燃煤、燃气、燃油等机组的cei一般与发电量有关，因此根据燃烧物、机组效率等的不同，燃煤、燃气、燃油等机组的cei会随发电功率而下降。将燃煤、燃气、燃油等机组的cei与其发电功率的关系表示为一次函数：
[0079][0080]
式中：表示i节点燃煤、燃气、燃油等机组的cei实际值，单位为t/mwh，p
ig
表示i节点机组发电功率，ai、bi分别表示i节点机组的碳排放系数，ωg表示机组节点集合。
[0081]
实际电力报价被要求为阶梯递增的形式，因此要将实际cei产生的碳成本/碳收益叠加到响应报价段上，如图2所示。
[0082]
实际电力报价被要求为阶梯非降曲线的形式，这使得如图2中虚线所示的电-碳耦合报价并不满足现实情况。因此，本发明根据每个报价段的总碳排放量来计算每个报价段的平均cei：
[0083][0084][0085][0086]
式中：表示i节点燃煤、燃气、燃油等机组报价段k内的碳排放总量，单位为t，表示i节点机组报价段k内的发电量，单位为mwh，表示i节点机组电力报价段k对应的离散cei数值，单位为t/mwh。如公式(2)所示：报价段k内的碳排放总量被等效成该报
价段终点处的cei值与该报价段的发电量的乘积。然而，由于cei随着功率的增加而降低，第1～k个报价段所对应的发电量都应以第k个报价段的对应cei计算其碳排放总量。因此，可以通过式(3)-(4)迭代求出每个电力报价段k对应的离散cei数值如图2所示。
[0087]
考虑碳排放强度的燃煤、燃气、燃油等机组报价表示为：
[0088][0089][0090]
式中：为考虑碳排放强度的燃煤、燃气、燃油等机组报价，单位为元/mwh，其中等于初始电力报价，为碳成本报价，为i机组cei实际值，单位为t/mwh，为对应基准值，pc为碳价，单位为元/t。
[0091]
步骤101：考虑风光储场站内部的能量流动，设计风光储场站的内部协同调控方法，构建风光储场站的内部协同调控模型。具体的：
[0092]
由于风光出力的波动性与随机性，风光储场站的内部协同调控主要通过储能来实现。风光储场站内部的储能可以协调风光出力，平抑其波动性。此外，风光出力应向出能够充电以丰富储能的套利手段。如图3所示。
[0093]
在日前阶段中，内部协同调控模型应满足如下约束：
[0094][0095][0096][0097][0098][0099][0100][0101][0102][0103][0104][0105]
式中，为v节点风光储场站t时刻在日前阶段储能向电网的购电功率，表示v节点风光储场站t时刻在日前阶段储能的放电功率，为v节点风光储场站t时刻在
日前阶段风电向电网的售电功率，为v节点风光储场站t时刻在日前阶段光伏向电网的售电功率，为v节点风光储场站t时刻在日前阶段储能的总充功率，为v节点风光储场站t时刻在日前阶段储能的放电功率，为v节点风光储场站t时刻在日前阶段风电向储能的充电功率，为v节点风光储场站t时刻在日前阶段光伏向储能的充电功率，为v节点风光储场站储能损耗系数，为v节点风光储场站储能充电效率，为v节点风光储场储能放电效率，为v节点风光储场站储能额定容量，为v节点风光储场站日前阶段的储能始荷电状态，为v节点风光储场站在日前阶段的储能末荷电状态，为二进制变量，t为不同时刻，t为一个时间周期，为v节点风光储场站t时刻在日前阶段的放电功率，为v节点风光储场站t时刻在日前阶段的储能soc，δt为一个单位时段，为v节点风光储场站在日前阶段的储能购电上下限，为v节点风光储场站t时刻在日前阶段的储能soc上下限，为v节点风光储场站t时刻在日前阶段的风电总预测出力，为v节点风光储场站t时刻在日前阶段的光伏总预测出力；在实时阶段中，风光储内部的调控应满足如下约束：
[0106][0107][0108][0109][0110][0111][0112][0113][0114][0115][0116][0117]
式中，s表示多场景，上标实时表示实时阶段变量。式中，为v节点风光储场站t时刻s场景下在实时阶段储能向电网的购电功率，表示v节点风光储场站t时刻s场景下在实时阶段储能的放电功率，为v节点风光储场站t时刻s场景下在实时阶段风电
向电网的售电功率，为v节点风光储场站t时刻s场景下在实时阶段光伏向电网的售电功率，为v节点风光储场站t时刻s场景下在实时阶段储能的总充功率，为v节点风光储场站t时刻s场景下在实时阶段储能的放电功率，为v节点风光储场站t时刻s场景下在实时阶段风电向储能的充电功率，为v节点风光储场站t时刻s场景下在实时阶段光伏向储能的充电功率，为v节点风光储场站储能损耗系数，为v节点风光储场站储能充电效率，为v节点风光储场储能放电效率，为v节点风光储场站储能额定容量，为v节点风光储场站实时阶段的储能始荷电状态，为v节点风光储场站在实时阶段的储能末荷电状态，为二进制变量，s为不同风光出力场景，t为不同时刻，t为一个时间周期，为v节点风光储场站t时刻s场景下在实时阶段的放电功率，为v节点风光储场站t时刻s场景下在实时阶段的储能soc，δt为一个单位时段，为v节点风光储场站在实时阶段的储能购电上下限，为v节点风光储场站t时刻在实时阶段的储能soc上下限，为v节点风光储场站t时刻s场景下在实时阶段的风电总预测出力，为v节点风光储场站t时刻s场景下在实时阶段的光伏总预测出力；
[0118]
步骤102：采用所述内部协同调控模型描述的风光储场站的总输出与总输入，基于日前-实时两阶段模型，以不同场景表示风光出力的不确定性，构建风光储场站参与日前-实时两阶段的收益模型。具体的：
[0119]
在风光储场站的现货市场参与过程中，收入主要来自日前-实时的售电，成本主要来自日前-实时的购电以及自身的发电成本。其中，风光出力的不确定性由聚类得到的多个场景来表示，风光储场站在实时阶段的收入与成本为每个场景成本与收入的加权之和。风光储场站参与多时间尺度电力服务的收益及其报价如下所示：
[0120][0121]
其中：
[0122][0123][0124][0125][0126][0127]
[0128]
式中：与分别表示v节点风光储场站在日前与实时阶段的收益，v表示风光储场站节点，表示场站的节点集合；表示日前中t时刻v节点风光储场站在b/k报价段的充/放电功率，表示v节点的日前边际节点电价(locational marginal prices，lmp)，表示v节点风光储场站在报价段k的成本，包括风光储场站发电成本及设备损耗成本；表示实时中s场景下t时刻v节点风光储场站在b/k报价段的充/放电功率，表示v节点实时lmp，上式中风光储场站的结算容量与lmp均依赖下层模型的出清结果；表示v节点风光储场站在报价段b/k的报价，表示v节点风光储场站在报价段b/k的报价，分别为其上下限。
[0129]
步骤103：基于所述燃煤、燃气、燃油等机组电-碳耦合报价模型、风光储场站报价与用户报价，以日前阶段的社会福利最大为目标构建日前阶段的出清模型。具体的：
[0130]
电力调度机构基于各成员申报信息以及运行日的电网运行边界条件，采用日前电力出清模型进行优化计算，出清得到日前阶段交易结果，并向各成员下发日前节点边际价格与中标量，日前阶段出清的目标函数为社会福利最大化：
[0131][0132]
其中：
[0133][0134][0135][0136][0137][0138][0139][0140][0141][0142][0143][0144]
式中：表示v节点风光储场站在报价段b/k的充/放电报价，表示用户j/机组i在报价段b/k的报价，表示用户j/机组i在报价段b/k的功率，
分别表示风光储场站、机组与用户的节点集合，其中v、i、j表示不同节点；b
n,m
为节点n与m之间线路的导纳值，为n节点t时刻的电压相位；为节点n与m之间线路的功率传输上限。式(32)限定节点1为平衡节点，相位为0。此外，每个约束右侧[*]内为其对应的对偶变量。其中对偶变量表示节点n在t时刻的日前lmp。
[0145]
步骤104：基于所述燃煤、燃气、燃油等机组电-碳耦合报价模型、风光储场站报价与用户报价，以实时阶段的社会福利最大为目标构建实时阶段的出清模型。其中实时阶段风光出力的不确定性由聚类得到的多个场景来表示，每个场景均需要实时出清模型进行出清。具体的：
[0146]
实时阶段出清与日前阶段类似，主要区别在于实时阶段考虑了风光出力的不确定性。风光出力的不确定性由多个场景表示，并且实时阶段总负荷按照一定比例进行随机波动。实时出清模型表示为：
[0147][0148]
其中：
[0149][0150][0151][0152][0153][0154][0155][0156][0157][0158][0159][0160]
其中，上标rt代表实时阶段变量，下标s代表实时阶段中的不同场景。实时阶段中的等式和约束与日前阶段的定义类似。
[0161]
步骤105：以所述日前-实时两阶段收益模型为上层，以所述日前阶段的出清模型和所述实时阶段的出清模型为下层，构建风光储场站参与多时间尺度电力服务的双层模型。在上层，风光储场站考虑自身内部调控优化报价策略，实现利润的最大化；在下层，独立系统运营商接收来自风光储场站的投标价格-功率曲线以及其他机组的电碳耦合报价与用
户的投标参数，然后考虑风光出力不确定性，基于日前-实时两阶段出清模型进行出清，再将结果传递到上层。
[0162]
风光储场站在报价过程中既作为供给侧也作为需求侧：作为供给侧，风光储场站与燃煤、燃气、燃油等机组均以价格-功率阶梯递增的曲线格式向独立系统运营商提交发电报价；作为需求侧，储能在充电状态下场站与用户以价格-功率阶梯递减的曲线格式向独立系统运营商提交用电报价，然后由独立系统运营商统一出清日前阶段。实时阶段出清时，系统需要考虑不同场景的风光处理及负荷波动，在每种场景下独立系统运营商都会通过日前阶段的投标来出清实时阶段。
[0163]
步骤106：采用kkt定理与大m法表述并求解双层模型，得到风光储场站的最优决策报价与最优出力。具体的：
[0164]
该步骤中提出的双层模型是一个双层的混合整数非线性模型，不能进行简单快速的求解。因此首先基于kkt条件，将原始问题转换为单层非线性问题。以日前问题为例：
[0165][0166][0167][0168][0169][0170][0171][0172][0173][0174][0175][0176][0177][0178][0179][0180]
[0181][0182][0183][0184][0185][0186][0187]
实时阶段可以用类似的方式进行转换，因此不再介绍其详细转换过程。转换后的两个下层问题作为上层问题的约束条件，将原来的双层模型转换为单层模型进行求解。
[0188]
运用大m法将上述互补松弛约束进行线性化，以式(65)为例：
[0189][0190][0191]
其他互补松弛约束的线性化方法同理。
[0192]
最后风光储场站通过考虑自身内部调控并模拟出清，可以求解得到自身最优决策报价与最优出力，并根据求解结果进行申报。
[0193]
基于上述提供的实施过程，风光储场站参与多时间尺度电力服务的应用交互过程如图4所示。
[0194]
对应于上述提供的多尺度电-碳模式下风光储场站优化控制方法，本发明还提供了以下实施系统：
[0195]
其中一种多尺度电-碳模式下风光储场站优化控制系统，如图5所示，该系统包括：
[0196]
电碳报价模型构建模块1，用于根据机组碳排放特性确定机组碳成本，基于燃煤、燃气、燃油等机组的电力报价构建燃煤、燃气、燃油等机组的电-碳耦合报价模型；
[0197]
场站调控模型构建模块2，用于考虑风光储场站内部的能量流动，设计风光储场站的内部协同调控方法，构建风光储场站的内部协同调控模型；
[0198]
场站收益模型构建模块3，用于采用所述内部协同调控模型描述的风光储场站的总输出与总输入，基于日前-实时两阶段模型，以不同场景表示风光出力的不确定性，构建风光储场站参与日前-实时两阶段的收益模型；
[0199]
日前出清模型构建模块4，用于基于所述燃煤、燃气、燃油等机组电-碳耦合报价模型、风光储场站报价与用户报价，以日前阶段的社会福利最大为目标构建日前阶段的出清模型；
[0200]
实时出清模型构建模块5，基于所述燃煤、燃气、燃油等机组电-碳耦合报价模型、风光储场站报价与用户报价，以实时阶段的社会福利最大为目标构建实时阶段的出清模型；
[0201]
双层模型构建模块6，以所述日前-实时两阶段收益模型为上层，以所述日前阶段的出清模型和所述实时阶段的出清模型为下层，构建风光储场站参与多时间尺度电力服务的双层模型；
[0202]
模型求解模块7，用于采用kkt定理与大m法表述并求解双层模型，得到风光储场站的最优决策报价与最优出力。
[0203]
另一种为电子设备，其包括：处理器和存储器。
[0204]
处理器与存储器连接。处理器调取并执行存储器中存储的计算机程序。计算机程序用于实现上述提供的多尺度电-碳模式下风光储场站优化控制方法。
[0205]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0206]
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。