基于需求响应资源备用的多风场最优投标控制方法

摘要

本公开提供了一种基于需求响应资源备用的多风场最优投标控制方法，包括以下步骤：获取风电场日前投标量和实际发电量，将需求响应资源作为备用资源，求取日前投标量与实际发电量之间的偏差，在平衡市场中对需求响应资源无法补偿的偏差进行平衡调节；结合风电场的实际运行特性和电力市场的实际运行状况，构建考虑不确定性的多风场与需求响应互动匹配的最优投标控制模型；将风机出力场景输入到所述最优投标控制模型中，进行不确定性场景下风电场的最优投标控制模型的迭代求解，得到最优投标方案。

说明书

技术领域

本公开属于电力系统优化控制技术领域，具体涉及一种基于需求响应资源备用的多风场最优投标控制方法。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

风能作为可再生能源在电力系统中的占比越来越大，这与各国一直在大力推广可再生能源发电以提高电力系统的可持续性密切相关。由于风电的间歇性，以及短期内电力可能出现不可预测的变化，多数风场会对前一天的投标量与实际产出之间的偏差施加惩罚，并采取相应的措施来调整偏差。因此，如何实现投标控制方案与需求响应资源之间的互动运营匹配是可再生能源发电企业参与市场竞争面临的一个关键问题。

风电的间歇性和不可控性，导致风电比传统火电的投标复杂很多。风电出力的不确定性将会导致电力市场价格出现波动，使得风电场的收益产生风险。风电场在日前市场提交投标量并按照日前市场出清价格结算，而风电场的实际功率输出与日前申报的投标量之间会存在偏差。辅以备用资源帮助风电输出稳定的功率，补偿偏差，减少波动性，使其满足电力现货市场和电力调度的要求。目前，储能是最常见的辅助备用设施，其中蓄电池更是被选中的主要储能装置。蓄电池具有充放电效率高、功率响应速度快的优点，并且在系统中能够起到压频调节、电能质量改善和维护的作用，很大程度上提高电力系统对间歇性可再生能源的接纳能力。然而储能成本过高，若采用储能作为平衡偏差资源，将直接影响风电生产商参与电力市场的积极性。相较于储能的高价格，价格合理的各类需求响应资源就显得更加实用。

因此，需求响应资源被引入到风电参与电力市场投标问题之中，作为备用资源平衡日前投标量与实际出力的偏差。合理设计新能源和需求响应之间的互动匹配机制，提出两者捆绑参与电力市场的投标控制方法是风电在电力市场具备竞争力的关键。

发明内容

为了解决上述问题，本公开提出了一种基于需求响应资源备用的多风场最优投标控制方法，对每个风电场优化投标控制，实现对各个风电产参与电力市场竞争的最优投标控制，得到最优投标控制方案。

根据一些实施例，本公开的方案提供了一种基于需求响应资源备用的多风场最优投标控制方法，采用如下技术方案：

基于需求响应资源备用的多风场最优投标控制方法，包括以下步骤：

步骤S01：获取风电场日前投标量和实际发电量，将需求响应资源作为备用资源，求取日前投标量与实际发电量之间的偏差，在平衡市场中对需求响应资源无法补偿的偏差进行平衡调节；

步骤S02：结合风电场的实际运行特性和电力市场的实际运行状况，构建考虑不确定性的多风场与需求响应互动匹配的最优投标控制模型；

步骤S03：将风机出力场景输入到所述最优投标控制模型中，进行不确定性场景下风电场的最优投标控制模型的迭代求解，得到最优投标方案。

与现有技术相比，本公开的有益效果为：

本公开根据风电场参与电力市场的运行特性，构建风电场兼顾利润与风险值权衡模型，对每个风电场优化投标控制，在风电场弃风、出力不足最少与风电场利润最大化、风险最小的情况下，实现对各个风电产参与电力市场竞争的最优投标控制，得到最优投标控制方案。。

附图说明

构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。

图1是本公开实施例中基于需求响应资源备用的多风场最优投标控制方法的流程图；

图2(a)是本公开实施例中第一风电场输出功率的曲线图；

图2(b)是本公开实施例中第二风电场输出功率的曲线图；

图2(c)是本公开实施例中第三风电场输出功率的曲线图；

图3是本公开实施例中由电网发布的价格包信息和日前市场实际出清价格曲线图；

图4(a)是本公开实施例中第一风电场合同需求响应的正需求响应和负需求响应的柱状图；

图4(b)是本公开实施例中第二风电场合同需求响应的正需求响应和负需求响应的柱状图；

图4(c)是本公开实施例中第三风电场合同需求响应的正需求响应和负需求响应的柱状图；

图5是本公开实施例中执行最优投标控制方法后各风电场投标曲线图；

图6是本公开实施例中执行最优投标控制方法后各风电场获利示意图。

具体实施方式：

下面结合附图与实施例对本公开作进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

本实施例介绍了一种基于需求响应资源备用的多风场最优投标控制方法。

如图1所示的一种基于需求响应资源备用的多风场最优投标控制方法，包括以下步骤：

(1)获取风电场的环境信息和运行信息，得到风机出力场景，生成风机运行中不确定的输出功率实施场景；

(2)基于获取的风电场参与的电力市场发布的用电总需求信息和价格包信息生成日前市场出清价格；

(3)获取风电场日前投标量和实际发电量，将需求响应资源作为备用资源，求取日前投标量与实际发电量之间的偏差，在平衡市场中对需求响应资源无法补偿的偏差进行平衡调节；

(4)结合风电场的实际运行特性和电力市场的实际运行状况，构建考虑不确定性的多风场与需求响应互动匹配的最优投标控制模型；

(5)将风机出力场景输入到所述最优投标控制模型中，进行不确定性场景下风电场的最优投标控制模型的迭代求解，得到最优投标方案。

作为一种或多种实施方式，在步骤(1)中，根据风电场所处的环境信息和运行信息，生成由风机出力模型、随机风速模型和场景削减方法组成的风机出力场景。

风机的输出功率采用场景生成法进行描述，在本实施例中，采用三个风电场，风场风机具体所需的参数如下表1所示。

表1三个模拟风场的风机参数

根据场景生成法所得到的三个风电场的模拟风机输出功率如图2(a)、图2(b)和图2(c)所示，本实施例中每个风电场的输出功率均考虑十个场景。

风速的分布服从正偏态分布，因威布尔分布的双参数曲线被认为描述风速的概率密度函数最合适的一种，即风速的概率密度函数为

其中，v表示风速；τ和k分别表示威布尔分布两个参数，k表示形状参数，τ表示尺度参数。

风机的输出功率与风速的变化密切相关，根据具体风机的不同，对风速的大小进行划分，分为切入风速、额定风速、切出风速，因此风机实际输出功率通过不同的风速区间进行分段计算，进一步构成风机的出力模型，即

其中，v

结合公式(1)生成风速场景，根据公式(3)得到风机出力场景并进行风速的采样，然后进行风机出力场景的缩减。在本实施例中，采用后向缩减法(又称同步回代消除法)进行风机出力场景的缩减，具体过程为：

a)计算不同场景之间的欧氏距离，即

其中，

b)场景缩减最优的情况是缩减场景之前的场景集合与缩减之后最终保留的场景子集合之间的概率距离达到最小，即

min∑ρ

其中，ρ

作为一种或多种实施方式，在步骤(2)中，根据电力市场发布的用电总需求量信息和价格包信息，利用基于古诺博弈的定价函数，模拟日前市场形成出清价格的过程，生成日前市场出清价格。

古诺博弈理论通常被用来描述寡头企业之间的竞争行为，本实施例考虑了目前风电场前期基础设施投入较大，中小企业难以承担，一般均由大型发电企业投资，与寡头企业十分类似。因此，在日前市场中，各风电场之间的非协作博弈关系借由古诺博弈理论来描述，进而生成市场出清价格。

基于古诺博弈的定价函数公式如下：

其中，

图3所示的是由电网发布的电价包电价和日前市场实际的出清价格曲线图；电网在调度时发布的投标价格往往较高，而在市场的实际运营过程中，这个价格将随着市场参与者的投标行为而发生改变，最终达到一个稳定的、合理的、各方承认的市场出清价格。

作为一种或多种实施方式，在步骤(3)中，将需求响应资源作为投标过程的补偿备用资源引入投标方法之中，并在平衡市场对风电场的投标偏差进行惩罚，平衡实际发电量和日前投标量之间的偏差，以达到投标的准确性、合理性。

平衡调节包括上调和下调；上调表示实际风电出力小于日前投标量时，市场价格高于日前市场出清价格；下调表示实际风电出力大于日前投标量时，市场价格低于日前市场出清价格；即

其中，

需求响应资源包括合同需求响应和激活需求响应；合同需求响应是风电场与需求响应商根据历史情况所签订的合同量，包括正合同需求响应和负合同需求响应；激活需求响应是在实际运营过程中风电场用来补偿日前投标量与实际发电量之间的偏差的需求响应，其最大值不超过合同需求响应。

平衡市场被用来平衡风电场实际发电量和日前投标量之间的偏差，将需求响应资源作为备用资源来补偿偏差量，需要在计算偏差时将其考虑进去。本实施例中的偏差是风电场用需求响应资源补偿风电场的出力不足和弃风之后所存在的偏差。正负功率偏差计算公式如下：

其中，

综上所述，平衡市场的获利公式可表示为：

采用需求响应资源对风场的出力偏差值进行补偿，其分为合同需求响应和激活需求响应两部分。激活需求响应在计算不平衡偏差时需被考虑，此外在计算每个风电场的获利时，也需要将合同需求响应成本和激活需求响应成本考虑进去。

需求响应资源成本公式如下：

其中，

由公式(8)和公式(9)可知，正需求响应是在风机出力过高，即存在弃风的情况时使用；而负需求响应则是在风机出力不足时使用。由此可知，风电场购买的负需求响应在理论上等同于购买发电量。为防止风电场在运行过程中负需求响应价格低于市场出清价格太多时，风电场不使用自己的实际发电量来参与投标，而是用购买的价格较低的需求响应来参与投标的问题出现，本实施例中将负需求响应(无论是合同需求响应还是激活需求响应均适用)的价格设置成和市场出清价格基本一致。

本实施例中执行最优投标控制方法后三个风场所需的基于合同的正负需求响应量如图4(a)、图4(b)和图4(c)所示。根据图示可知，三个风场购买的正的合同需求响应量均多于负的合同需求响应，这说明在风电厂参与投标过程中均持有一种保守的态度，造成了弃风现象多于处理不足的情况。同时，这也是风电场在本实施例的模型中所要实现的要求，它需要考虑风险性，需要综合利用需求响应的补偿偏差作用，达到利益最大化。除此之外，由图可得凌晨时间段的负的合同需求响应基本为零，这是因为凌晨时段用户需求低，因此风电场的投标量也降低，造成了大量的弃风现象。

作为一种或多种实施方式，在步骤(4)中，最优投标控制模型以风电场的利润最大化和风险最小化为目标，构造由期望获利、风险成本和权重系数三部分组成的目标函数。

根据风电场的运行特性和市场的实际运营构成，满足每个风场的利润最大化和风险最小化得需求，建立考虑不确定性的多风场与需求响应互动匹配最优投标控制模型：

其中，

最优投标控制模型由三部分组成：

第一部分是每个风场的期望获利，其计算公式如下：

其中，q

第二部分是风险成本。本实施例使用条件风险价值(CVaR)测量每个风场的风险值，它将成为风电场规避风险的一种有用工具。CVaR被定义为在给定置信度的情况下小于风险值(VaR)的那一部分获利的期望值，其计算公式如下：

其中，辅助变量ξ

η

其中，辅助变量η

最后一部分是权重系数γ；权重系数控制期望获利和风险值之间的平衡，为风电生产商提供评判投标风险的一种依据，同时反映了风电生产商对风险的态度。

考虑不确定性的多风场与需求响应互动匹配最优投标控制模型的约束条件如下：

1)风电场投标量约束条件：

其中，

2)CVaR约束条件：

η

3)合同需求响应约束条件：

其中，

4)激活需求响应约束条件：

激活需求响应为实际投标运行过程中所用的需求响应量，所以其上限为合同需求响应。

5)电力平衡约束：

其中，风电场的输出偏差可由激活的需求响应资源补偿。

作为一种或多种实施方式，在步骤(5)中，将随机场景生成的风机出力场景输入到模型求解方法中，对不确定性场景下风电场的最优控制模型迭代求解，直至满足终止条件退出循环，得到最优投标方案。在实际模型求解过程中，本实施例令所有的偏差值都被需求响应补偿，因此平衡市场可被忽略。此外在利用所述基于古诺博弈的定价函数计算市场出清价格时，因为古诺博弈理论是非合作博弈，竞争者之间的信息均是保密的，因此需要采用上一次迭代时生成的投标量参与本次模型的求解。求解模型后，得到的三个风电场的投标量曲线如图5所示，由图可知第三风场所处地区的环境因素导致其输出功率普遍高于第一风场和第二风场，因此投标量也是如此。但整体分析可知，凌晨时段的投标量普遍较低，用电高峰时段较高。如图6所示为本实施例提供的各风电场获利示意图，由图可知本实施例提出的投标策略在保证各风电场利润的前提下，尽可能多的参与市场投标，吸纳风电。同时采用需求响应资源作为备用资源与风电场一起捆绑参与市场投标竞争，尽可能多的补偿投标偏差，平滑投标曲线，使得风电场的利润最大化。

上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。