一種評估含風電的省級電網多類市場購電風險的方法與流程
2024-03-24 02:24:05
本發明涉及電力市場分析領域，特別是一種評估含風電的省級電網多類市場購電風險的方法。
背景技術：
在新的電力市場環境下風電大量接入，增加了省級電網購電決策的難度。目前，許多文獻對電力市場中如何在多個市場進行購電量分配的問題進行了研究，且其研究成果在傳統的電力市場環境中取得了廣泛的應用，但是沒有考慮風電不確定性對省級電網購電決策的影響。而針對風電併網，考慮風電不確定性研究風電對省級電網購電決策影響的文獻較少。省級電網作為購電決策者，在滿足負荷電量需求且售電收入一定的情況下，希望投入更少的購電成本以提高購電效益，同時希望省級電網遭受損失的風險最小；所以，在購電成本和風險之間存在優化的空間，特別是風電的加入增加購電市場的不確定性。因此，在新的電力市場環境下如何在各市場中進行購電量分配，使其購電成本最小和可能遭受損失的風險最小，是一個值得重視的問題，具有實際意義。
技術實現要素：
有鑑於此，本發明的目的是提出一種評估含風電的省級電網多類市場購電風險的方法，更直觀地描述期望購電成本和風險之間關係，為省級電網購電決策提供參考，實現期望購電成本和風險的最小化。
本發明採用以下方案實現：一種評估含風電的省級電網多類市場購電風險的方法，包括以下步驟：
步驟S1：提取遠期合約市場和日前現貨市場下常規發電市場和風力發電市場的電價和電量、所述電價和電量的均值和標準差信息；提取售電電價和負荷電量預測數據；
步驟S2：建立最小的省級電網期望購電成本模型：省級電網從電力市場中購電，以1h為分析對象，將省級電網期望購電成本用數學函數表述如下：
minE[F(t)]＝E[CM(t)]+E[CN(t)]+E[CR(t)]；
其中，E[F(t)]為省級電網在t時段的購電成本均值；E[CM(t)]、E[CN(t)]、E[CR(t)]分別為在t時段從遠期合約市場、日前現貨市場和輔助服務市場的購電成本均值；
步驟S3：建立最小的損失風險模型：採用CVaR度量省級電網購電損失的風險；
步驟S4：求解期望購電成本、風險和在各市場的購電量分配。
進一步地，所述步驟S2具體包括以下步驟：
步驟S21：將遠期合約市場分為常規發電市場和風力發電市場，計算省級電網t時段在遠期合約市場的購電成本CM(t)為：
CM(t)＝Qm(t)qm(t)+QW1(t)qW1(t)；
其中，上式第一項為遠期合約市場中常規發電市場的購電成本；第二項為遠期合約市場中風力發電市場的購電成本；Qm(t)、qm(t)分別為t時段在遠期合約市場從常規發電市場購買的電量和電價；QW1(t)、qW1(t)分別為t時段在遠期合約市場從風力發電市場購買的電量和電價；
步驟S22：將日前現貨市場分為常規發電市場和風力發電市場，計算省級電網t時段在日前現貨市場的購電成本CN(t)為：
CN(t)＝Qn(t)qn(t)+QW2(t)qW2(t)；
其中，Qn(t)、qn(t)分別為t時段在日前現貨市場從常規發電市場購買的電量和電價；QW2(t)、qW2(t)分別為t時段在日前現貨市場從風力發電市場購買的電量和電價；其中qW2(t)等於qn(t)；
步驟S23：計算省級電網t時段在輔助服務市場的購電成本CR(t)為：
CR(t)＝QR(t)qR(t)；
其中，QR(t)、qR(t)分別為t時段在輔助服務市場購買的電量和電價；
其中，QR(t)等於負荷電量預測值的5％～10％與日前現貨市場風電購電量的10％～20％之和，即：
QR(t)＝10％L(t)+20％QW1(t)；
其中，L(t)為t時段負荷電量預測值；
步驟S24：省級電網期望購電成本函數服從N[μf,σf2]的正態分布，則：
其中，μW1(t)為t時段在遠期合約市場從風力發電市場購買的電量；μn(t)為t時段在日期現貨市場從常規發電市場購電的電價均值，μW2(t)為t時段在日期現貨市場從風力發電市場購電的電價均值。
進一步地，所述步驟S3具體包括以下步驟：
步驟S31：將省級電網購電損失風險的CVaR值用數學函數表示：
其中，S(t)為省級電網的購電損失函數；p(y)為損失函數S(t)的概率密度；β∈(0,1)為置信水平，表示1-β的概率下，投資者允許其投資組合策略可能遭受的損失為某一風險水平；αβ(Q)為各市場購電量分配下損失函數S(t)的累積分布函數大於β值的最小限值；
其中，省級電網的購電損失函數為：
S(t)＝-R(t)＝-(L(t)qs(t)-F(t))＝F(t)-L(t)qs(t)；
其中，R(t)為省級電網在t時段的購電效益；qs(t)為在t時段的售電電價；
步驟S32：省級電網的購電損失函數服從的正態分布，即：
μs＝μf-μL(t)qs(t)；
其中，μL(t)為t時段負荷電量預測的均值。
進一步地，所述步驟S4中包括的約束條件有：供需平衡約束、各市場購電量約束；
所述供需平衡約束用數學函數表示為：
L(t)＝Qm(t)+QW1(t)+Qn(t)+QW2(t)；
所述各市場購電量約束用數學函數表示為；
其中，分別為t時段在遠期合約市場從風力發電市場購買的最大和最小電量；分別為t時段在日前現貨市場從風力發電市場購買的最大和最小電量。
進一步地，所述步驟S4以期望購電成本最小和風險最小為多目標模型，通過多目標粒子群優化算法和模糊集理論求得最優折中解，得到最優期望購電成本、風險，以及在各市場的購電量分配。
與現有技術相比，本發明有以下有益效果：本發明考慮負荷電量、風電購電量和日前現貨市場電價的不確定性，以及省級電網的損失風險建立多目標模型，通過該模型反映出新的電力市場環境下風電參與交易對期望購電成本和損失風險的影響。並通過多目標粒子群優化算法和模糊集理論求解，得到最優期望購電成本、風險和在各市場的購電量分配。本發明提出的一種評估含風電省級電網多類市場購電風險的方法，反映出風電參與市場交易對期望購電成本和損失風險的影響，以及風電電價對省級電網購電的影響；更直觀地描述期望購電成本和風險之間關係，為省級電網購電決策提供參考，實現期望購電成本和風險的最小化。
附圖說明
圖1為本發明的原理流程示意圖。
具體實施方式
下面結合附圖及實施例對本發明做進一步說明。
如圖1所示，本實施例提供了一種評估含風電的省級電網多類市場購電風險的方法，包括以下步驟：
步驟S1：提取遠期合約市場和日前現貨市場下常規發電市場和風力發電市場的電價和電量、所述電價和電量的均值和標準差信息；提取售電電價和負荷電量預測數據；
步驟S2：建立最小的省級電網期望購電成本模型(定義該模型：在新的電力市場環境下，風電參與到遠期合約市場和日前現貨市場交易中。)：省級電網從電力市場中購電，以1h為分析對象，將省級電網期望購電成本用數學函數表述如下：
minE[F(t)]＝E[CM(t)]+E[CN(t)]+E[CR(t)]；
其中，E[F(t)]為省級電網在t時段的購電成本均值；E[CM(t)]、E[CN(t)]、E[CR(t)]分別為在t時段從遠期合約市場、日前現貨市場和輔助服務市場的購電成本均值；
步驟S3：建立最小的損失風險模型：採用CVaR度量省級電網購電損失的風險；
步驟S4：求解期望購電成本、風險和在各市場的購電量分配。
在本實施例中，所述步驟S2具體包括以下步驟：
步驟S21：將遠期合約市場分為常規發電市場和風力發電市場，雖然遠期合約市場按合同規定的電量和電價進行交易，但由於風電的波動性，且為了促進風電的消納水平，允許實際成交的風電電量在其合約電量的基礎上服從正態分布進行波動。計算省級電網t時段在遠期合約市場的購電成本CM(t)為：
CM(t)＝Qm(t)qm(t)+QW1(t)qW1(t)；
其中，上式第一項為遠期合約市場中常規發電市場的購電成本；第二項為遠期合約市場中風力發電市場的購電成本；Qm(t)、qm(t)分別為t時段在遠期合約市場從常規發電市場購買的電量和電價；QW1(t)、qW1(t)分別為t時段在遠期合約市場從風力發電市場購買的電量和電價；
步驟S22：將日前現貨市場分為常規發電市場和風力發電市場，日前現貨市場價格不確定，價格波動將導致風險的發生，假設其價格的波動性服從正態分布。由於日前風電預測較準確，實際電量按計劃電量成交，即電量保持不變。計算省級電網t時段在日前現貨市場的購電成本CN(t)為：
CN(t)＝Qn(t)qn(t)+QW2(t)qW2(t)；
其中，Qn(t)、qn(t)分別為t時段在日前現貨市場從常規發電市場購買的電量和電價；QW2(t)、qW2(t)分別為t時段在日前現貨市場從風力發電市場購買的電量和電價；其中qW2(t)等於qn(t)；
步驟S23：本實施例中的輔助服務市場主要是備用量的購買，計算省級電網t時段在輔助服務市場的購電成本CR(t)為：
CR(t)＝QR(t)qR(t)；
其中，QR(t)、qR(t)分別為t時段在輔助服務市場購買的電量和電價；
其中，QR(t)等於負荷電量預測值的5％～10％與日前現貨市場風電購電量的10％～20％之和，即：
QR(t)＝10％L(t)+20％QW1(t)；
其中，L(t)為t時段負荷電量預測值；
步驟S24：風電預測偏差和日前現貨市場電價偏差都服從正態分布，且假設它們相互獨立；根據統計學原理，省級電網期望購電成本函數服從的正態分布，則：
其中，μW1(t)為t時段在遠期合約市場從風力發電市場購買的電量；μn(t)為t時段在日期現貨市場從常規發電市場購電的電價均值，μW2(t)為t時段在日期現貨市場從風力發電市場購電的電價均值。
在本實施例中，所述步驟S3具體包括以下步驟：
步驟S31：將省級電網購電損失風險的CVaR值用數學函數表示：
其中，S(t)為省級電網的購電損失函數；p(y)為損失函數S(t)的概率密度；β∈(0,1)為置信水平，表示1-β的概率下，投資者允許其投資組合策略可能遭受的損失為某一風險水平；αβ(Q)為各市場購電量分配下損失函數S(t)的累積分布函數大於β值的最小限值；
其中，省級電網的購電損失函數為：
S(t)＝-R(t)＝-(L(t)qs(t)-F(t))＝F(t)-L(t)qs(t)；
其中，R(t)為省級電網在t時段的購電效益；qs(t)為在t時段的售電電價；
步驟S32：在一定時期內，假設省級電網以固定電價售電，負荷電量預測偏差服從正態分布。同理，根據統計學原理，省級電網的購電損失函數服從的正態分布，即：
μs＝μf-μL(t)qs(t)；
其中，μL(t)為t時段負荷電量預測的均值。
在本實施例中，所述步驟S4中包括的約束條件有：供需平衡約束、各市場購電量約束；
所述供需平衡約束用數學函數表示為：
L(t)＝Qm(t)+QW1(t)+Qn(t)+QW2(t)；
所述各市場購電量約束用數學函數表示為；
其中，分別為t時段在遠期合約市場從風力發電市場購買的最大和最小電量；分別為t時段在日前現貨市場從風力發電市場購買的最大和最小電量。為了促進風電消納，規定省級電網必須從風電中購買一定電量。
在本實施例中，所述步驟S4以期望購電成本最小和風險最小為多目標模型，通過多目標粒子群優化算法和模糊集理論求得最優折中解，得到最優期望購電成本、風險，以及在各市場的購電量分配。
以上所述僅為本發明的較佳實施例，凡依本發明申請專利範圍所做的均等變化與修飾，皆應屬本發明的涵蓋範圍。