考虑电动汽车可调度潜力的充电站两阶段市场投标策略论文复现——附代码

目录

摘要:

论文复现的主要内容:

1 基于闵可夫斯基求和与数据驱动的可调度潜力计算方法

2 日前可调度潜力预测方法

3 充电站两阶段市场投标模型

4 博弈均衡分析与市场运行模式

5 复现代码运行结果

 6. 本文Matlab代码


摘要:

在电力市场环境下,充电站优化投标策略能降低电力成本,甚至通过售电获取收益。文中考虑了电动汽车成为柔性储荷资源的潜力,提出了日前市场和实时市场下充电站的投标策略。首先,基于闵可夫斯基加法提出了充电站内电动汽车集群模型的压缩方法,并建立了日前可调度潜力预测模型和实时可调度潜力评估模型。同时考虑了充电站间的非合作博弈,建立了电力零售市场下充电站的策略投标模型,并基于驻点法将其转化为一个广义Nash均衡问题。进一步提出了基于日前报价和实时报量的两阶段市场交易模式,并与合作投标模式、价格接受模式和集中调度模式进行了对比。最后,基于一个38节点配电系统进行了仿真。仿真结果表明所提出的可调度潜力计算方法能够将电动汽车集群封装为广义储能设备,从而降低了模型的维度。基于可调度潜力的策略投标模型能够挖掘电动汽车的储荷潜力,实现电动汽车与电网的有序互动。、

论文复现的主要内容:

为了解决现有电动汽车可调度潜力计算模型无法兼顾准确性和泛化性的问题,本文提出了一种基于闵可夫斯基求和与数据驱动的可调度潜力计算方法。该方法通过将电动汽车集群聚合为广义储能设备,在保留变量约束的同时能够预测日前可调度潜力和滚动计算实时可调度潜力。进一步,本文考虑了充电站的竞争投标模式,提出了一种基于日前市场报价和实时市场报量的两阶段市场投标模型,并利用驻点法分析了该广义纳什博弈问题的均衡解,最后在一个 38 节点配电系统中验证了模型的有效性,并与合作投标模式、价格接受模式和集中调度模式进行了对比分析。

1 基于闵可夫斯基求和与数据驱动的可调度潜力计算方法

由于电动汽车的充电模式可以分为快充模式和慢充模式,快充模式下的电动汽车将以最大功率充电,其充电负荷不可控制,因此本文将其归并至常规基础负荷;而慢充模式的电动汽车具有负荷平移和反向供电能力。

若针对电动汽车个体建模,一方面引入了大量的变量,导致模型的维度过高;另一方面需要准确获取其出行时间参数,然而在日前阶段预测电动汽车个体的出行特性是十分困难的。同时,电动汽车个体并未达到直接参与电力市场的门槛,通常需要由聚合商统一管理充电站作为天然的聚合商,通过管理站内电动汽车的充放电,能够作为柔性负荷参与电力市场投标。因此,直接参与电力市场投标的是充电站的总负荷,如式(1)所示。

2 日前可调度潜力预测方法

3 充电站两阶段市场投标模型

在本章中,电动汽车的可调度潜力被用于充电站的投标决策中。本文基于统一市场出清价格(marketclearingprice,MCP)机制设计了两阶段电力市场模式,如图1所示,充电站作为柔性负荷参与日前和实时电力市场。在日前电力市场中,充电站预测其他充电站的报价向量,并基于日前可调度潜力投标自身的价格向量(即报价方式),电力交易中心根据各充电站的报价以及发电商的分段报价,出清各充电站的充放电计划。其中,配电系统运营商对配电网的潮流进行安全校核,并对交易过程实施阻塞管理。最终各充电站根据配电网节点边际电价(distributionlocationalmarginalprice,DLMP)结算电能费用。在实时电力市场中,充电站能够根据实时可调度潜力改变电能计划,具体表现为卖出部分日前合约电量、买入其他充电站的日前合约电量、买入新的现货电量等等。为此充电站需要投标自身的电量偏差量以保证自身的电能平衡(即报量方式),电力交易中心则根据各充电站的电能计划以及发电商的平衡服务费用出清现货价格。由此可见日前电力市场是一个期货市场而实时电力市场是一个现货市场。

4 博弈均衡分析与市场运行模式

第 2 章建立了充电站两阶段市场投标模型,其与现有成熟的火电市场模型存在着明显的差异。,在确定的供给曲线下,充电站通过平移需求曲线改变供需平衡交点,从而决定市场出清价格,而电动汽车的可调度潜力决定了需求曲线的可平移范围,从而决定了充电站的市场力。同时,充电站不同时间断面的充放电功率高度耦合,需要满足多面体约束(例如全天的充电需求约束,电池电量约束等等)。传统火电市场的交易模式不能保证充电站的能量平衡,因此本文分析了两阶段市场投标模型的均衡性,并提出了一种新的市场运行模式能够在保证充电站能量平衡的同时发挥其市场力的作用,其能够推广至其他需求侧资源。

5 复现代码运行结果

 6. 本文Matlab代码

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
风光柴储微电网最优化经济调度模型是一种用于优化风光柴储微电网系统运行的经济性调度模型。该模型基于matlab yalmip cplex平台,能够对电网系统进行调度,以实最优的经济性运行。 模型的核心代码如下: ```matlab % 定义变量 P_wind = sdpvar(1,24); % 风电功率 P_solar = sdpvar(1,24); % 太阳能功率 P_battery_charge = sdpvar(1,24); % 电池充电功率 P_battery_discharge = sdpvar(1,24); % 电池放电功率 P_load = sdpvar(1,24); % 用电负荷功率 % 定义约束条件 Constraints = [P_wind + P_solar + P_battery_charge - P_battery_discharge == P_load, P_battery_charge <= P_battery_max_charge, P_battery_discharge <= P_battery_max_discharge, P_battery_charge + P_battery_discharge <= P_battery_max_power]; % 定义目标函数 Objective = sum(P_wind*wind_price + P_solar*solar_price - P_battery_charge*battery_charge_price + P_battery_discharge*battery_discharge_price - P_load*load_price); % 定义优化问题 optimize(Constraints, Objective); % 获取最优解 Optimal_Power = value([P_wind, P_solar, P_battery_charge, P_battery_discharge, P_load]); ``` 该模型通过对风光柴储微电网系统中各种电力资源的供需进行优化调度,以最大化系统运行效益并降低成本。通过matlab yalmip cplex平台,能够快速高效地求解出最优的调度方案,为风光柴储微电网系统的经济运行提供了强有力的支持。 通过该模型,可以使风光柴储微电网系统在满足用电需求的同时,最大限度地利用可再生能源,并合理调配电池的充放电功率,以达到经济性最优化。这对于提高可再生能源的利用率,降低电网运行成本具有重要的意义。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值