本站小編為你精心準(zhǔn)備了風(fēng)電儲(chǔ)能電力市場(chǎng)論文參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

1基于多的多方電力市場(chǎng)電價(jià)聯(lián)動(dòng)博弈模型

1.1基于多的電力市場(chǎng)聯(lián)動(dòng)博弈方式未來電力市場(chǎng)將包含諸如傳統(tǒng)發(fā)電、供電、用戶、儲(chǔ)能及風(fēng)電等多個(gè)參與方[12]。在此基礎(chǔ)上，建立了如圖1所示的基于多的電力市場(chǎng)電價(jià)聯(lián)動(dòng)博弈模型。本文首先將參與電力市場(chǎng)的各參與方視作具有自治和交互能力的個(gè)體，并組成多系統(tǒng)，博弈信息傳遞過程如圖1所示，其中模式1和模式2不同時(shí)存在。然后，將各方利潤(rùn)模型和交互方式與多模型結(jié)合，對(duì)電力市場(chǎng)聯(lián)動(dòng)博弈過程進(jìn)行推演。2種模式下各方交互和博弈的基本思想與目標(biāo)如下：1）傳統(tǒng)發(fā)電商(Agent_g1/g2/g3)。根據(jù)歷史投標(biāo)策略和來自供電商Agent_dis的發(fā)電量信息，結(jié)合自身發(fā)電成本，調(diào)整電價(jià)投標(biāo)策略，以獲得更高利潤(rùn)。目前世界上投入運(yùn)行的電力市場(chǎng)競(jìng)價(jià)機(jī)制主要有統(tǒng)一市場(chǎng)出清價(jià)格(marketclearingprice，MCP)機(jī)制和按報(bào)價(jià)支付(payasbid，PAB)機(jī)制2種[20]，本文假設(shè)結(jié)算方式為PAB方式。2）供電商(Agent_dis)。Agent_dis根據(jù)凈負(fù)荷狀態(tài)以及Agent_g1/g2/g3的報(bào)價(jià)信息，以最小購電成本為目標(biāo)，制定24h各發(fā)電商的發(fā)電計(jì)劃，并根據(jù)銷售收益和購電成本，決策24h銷售電價(jià)。3）用戶(Agent_c)。Agent_c在獲得Agent_dis制定的銷售電價(jià)基礎(chǔ)上，以自身用電效益最大為目標(biāo)，安排其用電行為，并將用電計(jì)劃報(bào)送Agent_dis。4）風(fēng)電商(Agent_w)。Agent_w在獲取Agent_dis所發(fā)送的銷售電價(jià)和最低發(fā)電商報(bào)價(jià)后，制定發(fā)電量投標(biāo)計(jì)劃。通過基于場(chǎng)景技術(shù)的最佳風(fēng)電投標(biāo)電量決策模型，選擇最佳的投標(biāo)策略。5）儲(chǔ)能系統(tǒng)(Agent_ess)。Agent_ess在獲取Agent_dis的銷售電價(jià)信息后，在滿足設(shè)備運(yùn)行約束條件基礎(chǔ)上，以自身利潤(rùn)最大化為目標(biāo)制定充放電計(jì)劃，并反饋至Agent_dis。6）風(fēng)儲(chǔ)聯(lián)營(yíng)體(Agent_w_ess)。Agent_w_ess是風(fēng)電與儲(chǔ)能服務(wù)商聯(lián)合后的個(gè)體。Agent_w_ess獲取Agent_dis的銷售電價(jià)和發(fā)電商最低報(bào)價(jià)后，在滿足風(fēng)電和儲(chǔ)能技術(shù)約束條件下，以聯(lián)營(yíng)體綜合利潤(rùn)最大為目標(biāo)，制定聯(lián)營(yíng)體內(nèi)部交互和外部充放電計(jì)劃，該計(jì)劃同樣需要考慮風(fēng)電的隨機(jī)性。除博弈初始的第1輪以外，各方均按照上述過程進(jìn)行互動(dòng)。在博弈開始的第1輪，傳統(tǒng)發(fā)電商競(jìng)標(biāo)價(jià)格和供電商銷售電價(jià)均按照歷史數(shù)據(jù)形成初始價(jià)格。

1.2Roth-Erev強(qiáng)化學(xué)習(xí)算法Roth-Erev(RE)強(qiáng)化學(xué)習(xí)算法是一種基于動(dòng)物學(xué)習(xí)和條件反射原理的一種機(jī)器學(xué)習(xí)算法。學(xué)習(xí)的個(gè)體通過采取動(dòng)作并獲取外部環(huán)境給與的反饋，得到經(jīng)驗(yàn)并形成記憶，重復(fù)上述過程最終選取合適的策略[21]。在本文多模型中，傳統(tǒng)發(fā)電商及供電商是制定上網(wǎng)電價(jià)和銷售電價(jià)的博弈方，每種價(jià)格策略下的利潤(rùn)無法直接獲取，因此，這2種中加入了上述RE強(qiáng)化學(xué)習(xí)算法，其中發(fā)電商和供電商策略集合由一定范圍內(nèi)的上網(wǎng)電價(jià)和銷售電價(jià)組成，對(duì)應(yīng)策略利潤(rùn)為中標(biāo)發(fā)電和銷售電能產(chǎn)生的利潤(rùn)。

2多方聯(lián)動(dòng)博弈模型

2.1傳統(tǒng)發(fā)電商競(jìng)價(jià)博弈模型傳統(tǒng)發(fā)電商采用3段階梯式報(bào)價(jià)，報(bào)價(jià)曲線如文獻(xiàn)[21]中圖2-7所示。根據(jù)對(duì)投標(biāo)風(fēng)險(xiǎn)的不同態(tài)度，將其分為保守、中庸和激進(jìn)3種類型[21]。其中，保守型發(fā)電商報(bào)價(jià)時(shí)將分段函數(shù)中最大容量的報(bào)價(jià)報(bào)為最低，用以規(guī)避不中標(biāo)的風(fēng)險(xiǎn)；中庸型居中，以取得合理利潤(rùn)；激進(jìn)型最高，用以投機(jī)獲得高額利潤(rùn)。在某種中標(biāo)狀態(tài)下，某個(gè)傳統(tǒng)發(fā)電商最終的結(jié)算價(jià)格。

2.2供電商博弈模型供電商的博弈模型分為調(diào)度決策和銷售電價(jià)決策兩大部分，其中調(diào)度決策部分與傳統(tǒng)調(diào)度問題一致，即在保證系統(tǒng)運(yùn)行安全的狀態(tài)下獲取成本最低的發(fā)電計(jì)劃，銷售電價(jià)決策需要結(jié)合購電成本和電能銷售收益，采用1.2節(jié)所述學(xué)習(xí)算法，決策24h的銷售電價(jià)，以獲得更高的利潤(rùn)。供電商的目標(biāo)函數(shù)及調(diào)度過程中需滿足約束。

2.3用戶最佳用電計(jì)劃模型用戶根據(jù)最新24h制銷售電價(jià)，以自身用電效益最大為目標(biāo)優(yōu)化24h用電計(jì)劃。用戶在i時(shí)段不同用電量下效用函數(shù)Bi可表述為如下二次形式。

2.4基于場(chǎng)景的風(fēng)電利潤(rùn)模型風(fēng)電具有不確定性，其實(shí)際出力可能大于或小于投標(biāo)出力，將導(dǎo)致系統(tǒng)的供需不平衡，從而引起市場(chǎng)交易成本的升高。因此，需要制定一定的懲罰措施以引導(dǎo)風(fēng)電選擇合理投標(biāo)發(fā)電量。考慮風(fēng)電實(shí)際出力與投標(biāo)電量的關(guān)系，制定如下2條措施：1）當(dāng)實(shí)際出力大于投標(biāo)量時(shí)，禁止風(fēng)電商直接將該部分風(fēng)能輸入電網(wǎng)。2）當(dāng)實(shí)際出力小于競(jìng)標(biāo)出力時(shí)，風(fēng)電商需要支付一定懲罰來彌補(bǔ)供需不平衡所導(dǎo)致的損失。參考文獻(xiàn)[5]中丹麥風(fēng)電上網(wǎng)機(jī)制中風(fēng)電優(yōu)先上網(wǎng)的方式，但上網(wǎng)電價(jià)按照發(fā)電商最低報(bào)價(jià)結(jié)算。

2.5儲(chǔ)能服務(wù)商利潤(rùn)模型儲(chǔ)能服務(wù)商根據(jù)銷售電價(jià)，以自身利潤(rùn)最大化為目標(biāo)，優(yōu)化其充放電策略，其目標(biāo)函數(shù)。

2.6風(fēng)電-儲(chǔ)能聯(lián)營(yíng)模式下的利潤(rùn)模型在風(fēng)電與儲(chǔ)能聯(lián)營(yíng)模式下，風(fēng)電與儲(chǔ)能服務(wù)商能夠整體協(xié)調(diào)投標(biāo)時(shí)段和充放電計(jì)劃，提高其參與市場(chǎng)的靈活度。聯(lián)營(yíng)模式下仍需考慮風(fēng)電不確定性帶來的損失。風(fēng)電-儲(chǔ)能聯(lián)營(yíng)模式的目標(biāo)函數(shù)。

3算例與分析

3.1算例概述Java語言具有面向?qū)ο蟮奶攸c(diǎn)，適用于建立具有并行過程及復(fù)雜信息傳遞等特性的模型。因此，本文在基于Java語言的獨(dú)立開發(fā)平臺(tái)Netbeans上建立由上述各方利潤(rùn)模型所組成的電力市場(chǎng)聯(lián)動(dòng)博弈模型。同時(shí)，模型中還包括各參與方信息傳遞形式和博弈過程的各項(xiàng)基本規(guī)則，以保證博弈過程有序進(jìn)行且可控。傳統(tǒng)發(fā)電商與供電商的電價(jià)制定采用RE強(qiáng)化學(xué)習(xí)算法，供電商調(diào)度模型調(diào)用商業(yè)規(guī)劃軟件Lingo進(jìn)行求解。其中，傳統(tǒng)發(fā)電商為3個(gè)，依次為保守、中庸和激進(jìn)型，其基本參數(shù)見表1，其中a、b、c分別為發(fā)電成本二次函數(shù)的二次項(xiàng)系數(shù)、一次項(xiàng)系數(shù)和常數(shù)項(xiàng)，Qmin、Q2、Q3、Qmax的單位為MW；儲(chǔ)能系統(tǒng)額定功率為100MW，額定容量為600MWh，充放電效率系數(shù)分別為0.9和1.1；發(fā)電商RE強(qiáng)化學(xué)習(xí)算法遺忘系數(shù)、經(jīng)驗(yàn)參數(shù)及傾向系數(shù)Q的初始值分別為0.03、0.97、5000；供電商RE強(qiáng)化學(xué)習(xí)算法遺忘系數(shù)、經(jīng)驗(yàn)參數(shù)及傾向系數(shù)Q的初始值分別為0.021、0.979、6000；負(fù)荷側(cè)24h彈性系數(shù)、基準(zhǔn)電價(jià)及負(fù)荷如附錄中的表1所示。本文采用IEEE30系統(tǒng)對(duì)上述模型進(jìn)行測(cè)試，網(wǎng)絡(luò)拓?fù)湟姼戒浿械膱D1。G1、G2、G3分別表示發(fā)電商1、2、3，風(fēng)電商和儲(chǔ)能服務(wù)商均在節(jié)點(diǎn)1接入，負(fù)荷均勻分布在其余節(jié)點(diǎn)之上。為了對(duì)比獨(dú)立與聯(lián)合運(yùn)營(yíng)模式的差異，本文采取如下2種模式進(jìn)行對(duì)比分析。另外，為考察網(wǎng)絡(luò)約束的影響，對(duì)模式2下計(jì)及網(wǎng)絡(luò)約束前后結(jié)果進(jìn)行對(duì)比分析。模式1：風(fēng)電與儲(chǔ)能服務(wù)商獨(dú)立運(yùn)營(yíng)，參與方式如2.4和2.5所述。模式2：風(fēng)電與儲(chǔ)能服務(wù)商聯(lián)合運(yùn)營(yíng)，參與方式如2.6所述。由于強(qiáng)化學(xué)習(xí)是一種概率性的算法，在學(xué)習(xí)過程中存在一定的隨機(jī)性，因此，對(duì)2種模式及模式2不計(jì)及網(wǎng)絡(luò)約束情況均進(jìn)行10盤博弈仿真，每盤1500輪。各方最終利潤(rùn)情況分別如表2、3、4所示。模式2第1盤中發(fā)電商及供電商博弈過程如圖2所示，其中G1、G2、G3分別表示發(fā)電商1、2和3。模式2發(fā)電商和供電商在博弈過程中利潤(rùn)的方差如表5所示。從圖2中發(fā)電商與供電商的博弈過程以及表5可以看出，在博弈初期，發(fā)電商和供電商的策略選擇概率分布較為均勻，各發(fā)電商決策隨機(jī)性較大，利潤(rùn)方差較大；在博弈中期，由于使其利潤(rùn)最大化的某策略被選擇的概率越來越大，利潤(rùn)的方差變小；在博弈后期，利潤(rùn)的方差均接近于0，也就是說傳統(tǒng)發(fā)電商和供電商均在RE學(xué)習(xí)算法的引導(dǎo)下，選擇了較為合理的上網(wǎng)電價(jià)和銷售電價(jià)策略，達(dá)到均衡狀態(tài)。

3.2模式1與模式2結(jié)果對(duì)比分析表2、3分別為模式1和模式2仿真結(jié)果。從表2、3中可以發(fā)現(xiàn)，各方利潤(rùn)在一定程度上呈現(xiàn)“小幅隨機(jī)波動(dòng)，整體趨勢(shì)穩(wěn)定”的特點(diǎn)。這是由于本文的模型為不完全信息博弈模型，各發(fā)電商不能得知除自身的被調(diào)度量以外的其他任何信息，并且RE強(qiáng)化學(xué)習(xí)在每一輪決策過程中具有一定的隨機(jī)性。因此，最終結(jié)果也呈現(xiàn)出一定程度的隨機(jī)性。進(jìn)一步觀察表2、3中的結(jié)果可以發(fā)現(xiàn)，3個(gè)傳統(tǒng)發(fā)電商的利潤(rùn)大小存在一定的規(guī)律性，從平均利潤(rùn)來看，發(fā)電商2最高，發(fā)電商1居中，發(fā)電商3最低。這是由于發(fā)電商2采取中庸型策略，在負(fù)荷處于中等水平的情況下，其余2個(gè)發(fā)電商第2段電量不足以提供足夠的電能，因此，發(fā)電商2的最大容量段被調(diào)度的幾率較高，產(chǎn)生了較高利潤(rùn)；而本文的高峰時(shí)段的負(fù)荷大多集中在2500~2800MW之間，在這個(gè)區(qū)間，發(fā)電商3的最大容量段被調(diào)度的幾率很小，而其余容量段較小，進(jìn)而導(dǎo)致激進(jìn)型的發(fā)電商利潤(rùn)較低。同時(shí)，對(duì)比表2、3中風(fēng)電商和儲(chǔ)能服務(wù)商聯(lián)營(yíng)前后的利潤(rùn)可見，風(fēng)電商和儲(chǔ)能服務(wù)商聯(lián)營(yíng)后總利潤(rùn)相對(duì)于獨(dú)立模式提高20.9%。說明了風(fēng)電商與儲(chǔ)能服務(wù)商聯(lián)合運(yùn)營(yíng)能夠通過合理調(diào)整風(fēng)電的利用方式，提高兩者的總利潤(rùn)。風(fēng)電商在模式1與2第1盤中的投標(biāo)量、儲(chǔ)能充放電對(duì)比及聯(lián)合運(yùn)營(yíng)體電能交換情況見圖3—5，圖4中負(fù)值表示充電，反之為放電。從圖3、4中可見，儲(chǔ)能系統(tǒng)充電與放電時(shí)段大致相同，模式2由于能直接獲取風(fēng)能，在成本上具有一定優(yōu)勢(shì)，因此電能交互更加活躍。從圖3和圖4中風(fēng)電投標(biāo)量變化及儲(chǔ)能系統(tǒng)充入風(fēng)電的情況可見，聯(lián)營(yíng)體選擇將1、3—7以及9—10等時(shí)段的風(fēng)能進(jìn)行存儲(chǔ)并轉(zhuǎn)移至12—15及18—20等時(shí)段上網(wǎng)，說明聯(lián)營(yíng)模型能夠選擇性地將部分時(shí)段的電能轉(zhuǎn)移至能夠獲取更高利潤(rùn)的時(shí)段上網(wǎng)，證明了模型的有效性。但與此同時(shí)，由于儲(chǔ)能系統(tǒng)功率及容量有一定的限制，上述時(shí)段中風(fēng)能并未全部得到轉(zhuǎn)移。

3.3模式2計(jì)及網(wǎng)絡(luò)約束前后結(jié)果對(duì)比分析表4為模式2不計(jì)及網(wǎng)絡(luò)約束的博弈仿真結(jié)果，結(jié)合表2、3的結(jié)果可看出，在本文的負(fù)荷需求環(huán)境下，采用中庸型策略的發(fā)電商能夠獲得更多利潤(rùn)。同時(shí)，網(wǎng)絡(luò)約束的加入改變了各發(fā)電商的利潤(rùn)，說明網(wǎng)絡(luò)約束對(duì)發(fā)電商的利潤(rùn)有一定的影響。圖6(a)(b)分別為模式2在計(jì)及網(wǎng)絡(luò)約束前后的第1盤仿真后，支路2-4、2-6的功率對(duì)比圖。觀察該圖可知，考慮網(wǎng)絡(luò)約束后，支路2-4和2-6的功率在負(fù)荷較大時(shí)段接近于支路傳輸功率上限；不考慮網(wǎng)絡(luò)約束時(shí)，支路2-4和2-6的功率在負(fù)荷較大時(shí)段大于支路傳輸功率上限。同時(shí)，結(jié)合表3和表4中傳統(tǒng)發(fā)電商利潤(rùn)變化情況可見，考慮網(wǎng)絡(luò)約束后，發(fā)電商1的利潤(rùn)較未考慮網(wǎng)絡(luò)約束時(shí)高，而發(fā)電商2和3的利潤(rùn)均較未考慮網(wǎng)絡(luò)約束時(shí)低。綜合表3、4和圖6可見，考慮網(wǎng)絡(luò)約束時(shí)，支路傳輸功率受到限制，進(jìn)而發(fā)電商出力的組合形式發(fā)生改變，最終顯著改變了各傳統(tǒng)發(fā)電商的利潤(rùn)，進(jìn)一步說明發(fā)電商利潤(rùn)受到網(wǎng)絡(luò)約束的影響。

4結(jié)論

本文建立了含傳統(tǒng)發(fā)電商、風(fēng)電商、供電商、儲(chǔ)能服務(wù)商和用戶的電價(jià)聯(lián)動(dòng)博弈模型，該模型中，針對(duì)風(fēng)電商和儲(chǔ)能服務(wù)商設(shè)計(jì)了獨(dú)立和聯(lián)營(yíng)2種運(yùn)營(yíng)模式。在分析了2種模式下各方利潤(rùn)及聯(lián)營(yíng)模式下網(wǎng)絡(luò)約束帶來的影響后，得出以下結(jié)論：1）電力市場(chǎng)各參與方能夠在本文所提博弈模型和規(guī)則下，采取有效的博弈策略并獲得合理的利潤(rùn)，驗(yàn)證了本文模型的有效性。2）風(fēng)電商能夠在考慮不確定性帶來的投標(biāo)風(fēng)險(xiǎn)基礎(chǔ)上，制定合理的發(fā)電量投標(biāo)策略，獲取相應(yīng)的利潤(rùn)；聯(lián)合運(yùn)營(yíng)模式能夠提高兩者總利潤(rùn)，在本文的電力市場(chǎng)環(huán)境下，聯(lián)營(yíng)后總利潤(rùn)提高20.9%。3）在總發(fā)電能力明顯高于負(fù)荷需求的市場(chǎng)環(huán)境中，傳統(tǒng)發(fā)電商采用中庸型競(jìng)標(biāo)策略較為適用，但也受到網(wǎng)絡(luò)約束的影響，因此發(fā)電商在實(shí)際電力市場(chǎng)博弈中采取何種策略需要根據(jù)具體負(fù)荷、網(wǎng)架等因素綜合確定。

作者：李丹劉俊勇劉友波戴松靈江潤(rùn)洲單位：四川大學(xué)電氣信息學(xué)院國網(wǎng)四川省電力公司電力經(jīng)濟(jì)技術(shù)研究院