校友网站建设的意义,培训心得简短200字,有赞短网址生成,汕头网站设计开发专业#x1f4a5;#x1f4a5;#x1f49e;#x1f49e;欢迎来到本博客❤️❤️#x1f4a5;#x1f4a5; #x1f3c6;博主优势#xff1a;#x1f31e;#x1f31e;#x1f31e;博客内容尽量做到思维缜密#xff0c;逻辑清晰#xff0c;为了方便读者。 ⛳️座右铭欢迎来到本博客❤️❤️ 博主优势博客内容尽量做到思维缜密逻辑清晰为了方便读者。 ⛳️座右铭行百里者半于九十。 本文目录如下 目录 1 概述 2 运行结果 3 参考文献 4 Matlab代码、数据、讲解 1 概述
文献来源 摘要电力零售商作为连接电力批发市场与零售市场的桥梁是电力市场化改革中的重要主体其经营效率直接决定了市场化改革的成败。然而电力零售商在运营过程中面临着用电量需求和价格双重不确定性的市场风险亟需通过优化市场行为以保障自身的利益。为此提出了考虑实时市场联动的电力零售商鲁棒定价策略以提升其抗风险能力。首先考虑电力零售商日前定价、日前购电、实时能量管理、电动汽车用户需求响应和电力市场统一出清价格等因素建立了考虑电动汽车不确定性的电力零售商鲁棒定价模型。然后通过线性化方法将鲁棒定价模型转化为两阶段混合整数规划并通过列与约束生成算法迭代求解。最后在IEEE-33节点测试系统上进行了仿真结果表明所提策略充分考虑了市场不确定性因素的影响利用对冲机制降低了市场风险提高了电力零售商的经营效率。
关键词
电力现货市场;需求响应;零售定价;鲁棒优化; 随着电力市场化改革的深入进行工商业目录销售电价退出了历史舞台[1]电力现货价格作为内
生变量完全由市场供需平衡决定这意味着市场主体将面临更大的价格波动风险。但另一方面工商业用户全部进入电力市场也为售电公司等市场主体带来了新的机遇。售电公司是电力市场化改革过程中培育的重要市场主体[2]其本质是电力零售商能够代表电力用户参与现货市场交易连接了电力批发市场与零售市场。电力零售商的经营效率是反映市场活力的重要指标[3]因此如何提升电力零售商的收益成为了当下热门的研究课题。电力零售商的市场行为可以简单归结为代表
用户参与日前和实时批发市场交易按照零售电价与电力终端用户完成交易并从中赚取差价[4]。因此零售商能够通过协调日前和实时的交易策略[5]以及制定合理的零售价格[6]优化自身的市场行为具有提升自身经营效率的潜力。其中日前和实时交易策略的协调是指电力零售商利用实时市场与日前市场的联动机制表现出的套期保值、套利或投机等市场行为[7]。
以电动汽车运营商为例电力零售商典型的运营模式如图 1 所示。 2 运行结果
IEEE 33节点配电系统的网络参数如下所示
IEEE 33节点配电系统共有32个配电变压器32条支路其电压等级为12.66kV功率基准值为100MVA最大基础负荷为3715j2300kVA节点0为平衡节点其电压为1.05 p.u.其拓扑结构如图1所示线路与配变参数如表1所示。 表1 IEEE 33节点配电系统参数 节点i 节点 j 阻抗 (Ω) 负荷 (kVA) 节点i 节点j 阻抗 (Ω) 负荷 (kVA) 0 1 0.0922j0.047 100j60 16 17 0.3720j0.5740 90j40 1 2 0.4930j0.2511 90j40 1 18 0.1640j0.1565 90j40 2 3 0.3660j0.1864 120j80 18 19 1.5042j1.3554 90j40 3 4 0.3811j0.1941 60j30 19 20 0.4095j0.4784 90j40 4 5 0.8190j0.7070 60j20 20 21 0.7089j0.9373 90j40 5 6 0.1872j0.6188 200j100 2 22 0.4512j0.3083 90j50 6 7 0.7114j0.2351 200j100 22 23 0.8980j0.7091 420j200 7 8 1.0300j0.7400 60j20 23 24 0.8960j0.7011 420j200 8 9 1.0440j0.7400 60j20 5 25 0.2030j0.1034 60j25 9 10 0.1966j0.0650 45j30 25 26 0.2842j0.1447 60j25 10 11 0.3744j0.1238 60j35 26 27 1.0590j0.9337 60j20 11 12 1.4680j1.1550 60j35 27 28 0.8042j0.7006 120j70 12 13 0.5416j0.7129 120j80 28 29 0.5075j0.2585 200j600 13 14 0.5910j0.5260 60j10 29 30 0.9744j0.9630 150j70 14 15 0.7463j0.5450 60j20 30 31 0.3105j0.3619 210j100 15 16 1.2890j1.7210 60j20 31 32 0.3410j0.5362 60j40 表2 日前电力批发市场基础电价 时段 1 2 3 4 5 6 7 8 电价(元/kWh) 0.4148 0.3931 0.3875 0.3856 0.3900 0.4062 0.4664 0.5442 时段 9 10 11 12 13 14 15 16 电价(元/kWh) 0.5836 0.5718 0.5432 0.5324 0.5321 0.5122 0.5066 0.5028 时段 17 18 19 20 21 22 23 24 电价(元/kWh) 0.4933 0.5168 0.5572 0.5651 0.5442 0.5258 0.4911 0.4278
论文将1000个历史电动汽车数据聚类成10类每类电动汽车的参数如表3所示。零售商平均每天服务的电动汽车数量为50电动汽车的充放电效率均为0.95电动汽车电池荷电状态的安全范围为20%至95%假设电动汽车的期望电量均为95%的电池容量置信度和均为0.99。
另外算例中的最大日前购电量为500kWh零售电价的下限为节点边际电价的0.8倍零售电价的上限为节点边际电价的1.2倍零售电价的平均值等于全天节点边际电价的平均值。储能系统的容量为1000kWh最大充放电功率均为250kW储能系统的充放电效率均为0.95储能系统荷电状态的安全范围为20%至95%在08:00时储能系统的电量为500kWh最大实时购售电量均为500kWh。 表3 不同类型电动汽车的参数 电动汽车类型 最大充放电功率 (kW) 电池容量 (kWh) 初始电量 (kWh) 到达时间 离开时间 频数 EV1 6 40 15 17:00 次日08:00 105 EV2 6 32 16 09:00 17:00 132 EV3 3 24 8 18:00 次日07:00 89 EV4 6 24 12 20:00 次日06:00 97 EV5 6 40 25 08:00 16:00 101 EV6 6 40 16 19:00 次日07:00 175 EV7 3 24 8 17:00 次日08:00 35 EV8 10 40 20 09:00 17:00 88 EV9 10 40 18 18:00 次日08:00 112 EV10 10 64 25 18:00 次日07:00 66
假设场景生成和场景削减得到了10个实时节点边界电价场景每个场景的电价曲线与概率如图4所示。 图4 实时节点边际电价场景与概率
考虑电动汽车慢充场景即认为电动汽车的单位效用均为1元/kWh而对时序不敏感。论文以第9个时段为仿真起点对24个时间断面进行仿真即仿真时间为08:00至次日08:00。
%确定性全局优化假设只有实时市场确定实时节点边际电价
clear
clc
N50;%电动汽车数量
%电价数据
load DLMP_data
a_data[a_data(9:24);a_data(1:8)];b_data[b_data(9:24);b_data(1:8)];
%电动汽车聚类数据(08:00-09:00为时段1)
EVdata[6,40,15,10,24,105;6,32,16,2,9,132;3,24,8,11,23,89;6,24,12,13,22,97;6,40,25,1,8,101;6,40,16,12,23,175;3,24,8,10,24,35;10,40,20,2,8,88;10,40,18,11,24,112;10,64,25,11,23,66];
xiaoyongones(10,24);
ratioEVdata(:,6)/1000;%经验分布
%电动汽车状态矩阵
Xzeros(24,10);Yzeros(24,10);
for i1:10X(EVdata(i,4):EVdata(i,5),i)1;%电动汽车停泊矩阵
end
%建模
price_EVsdpvar(24,1);KKTsystem[];
pchsdpvar(24,10);%电动汽车充电
pdissdpvar(24,10);%电动汽车放电
S_EVsdpvar(24,10);%电动汽车电量状态
for n1:10obj_DRprice_EV*(pch(:,n)-pdis(:,n))-xiaoyong(n,:)*(0.95*pch(:,n)-pdis(:,n)/0.95);%电动汽车目标函数C_EV[0pch(:,n)ones(24,1)*EVdata(n,1).*X(:,n),0pdis(:,n)ones(24,1)*EVdata(n,1).*X(:,n),0.2*ones(24,1)*EVdata(n,2).*X(:,n)S_EV(:,n)0.95*ones(24,1)*EVdata(n,2).*X(:,n)];%电动汽车边界约束条件C_EV[C_EV,S_EV(EVdata(n,4)1:EVdata(n,5),n)S_EV(EVdata(n,4):EVdata(n,5)-1,n)0.95*pch(EVdata(n,4)1:EVdata(n,5),n)-pdis(EVdata(n,4)1:EVdata(n,5),n)/0.95,S_EV(EVdata(n,4),n)EVdata(n,3)0.95*pch(EVdata(n,4),n)-pdis(EVdata(n,4),n)/0.95,S_EV(EVdata(n,5),n)0.95*EVdata(n,2)];%电动汽车电量约束条件opssdpsettings(kkt.dualbound,0);%不进行对偶边界估计[KKTsystem_single,details]kkt(C_EV,obj_DR,price_EV,ops);%将电动汽车问题转化为KKT系统KKTsystem[KKTsystem,KKTsystem_single];%合成KKT系统obj_EV(n)xiaoyong(n,:)*(0.95*pch(:,n)-pdis(:,n)/0.95)-(details.b*details.dualdetails.f*details.dualeq);
end
Pchsdpvar(24,1);%储能系统充电
Pdissdpvar(24,1);%储能系统放电
S_ESSsdpvar(24,1);%储能系统电量状态
Pssdpvar(24,1);%充电站与电网的交换功率
price_Ea_data.*Psb_data;%节点边际电价
C_price[mean(price_EV)mean(price_E),0.8*price_Eprice_EV1.2*price_E];%零售电价约束条件
C_ESS[0Pch250,0Pdis250,200S_ESS950,S_ESS(1,:)5000.95*Pch(1,:)-Pdis(1,:)/0.95,S_ESS(2:24,:)S_ESS(1:23,:)0.95*Pch(2:24,:)-Pdis(2:24,:)/0.95,S_ESS(24,:)500];%储能系统约束条件
C_CS[-1000Ps1000,PsPdisN*pdis*ratioPchN*pch*ratio];%零售商约束条件
Constraints[C_price,C_ESS,C_CS,KKTsystem];%总的约束条件
obj-price_E*PsN*obj_EV*ratio
resultoptimize(Constraints,-obj,ops)%求解最大化问题
Pchdouble(Pch);Pdisdouble(Pdis);Psdouble(Ps);price_Edouble(price_E);price_EVdouble(price_EV);
price_E[price_E(17:24);price_E(1:16)];
3 参考文献 部分理论来源于网络如有侵权请联系删除。 [1]詹祥澎,杨军,王昕妍等.考虑实时市场联动的电力零售商鲁棒定价策略[J].电网技术,2022,46(06):2141-2153.DOI:10.13335/j.1000-3673.pst.2021.2157.
4 Matlab代码、数据、讲解
