分布式新能源与源网荷储项目聚合协同交易利益分配方法与流程

摘要: 本发明属于电力市场交易利益分配,具体涉及一种分布式新能源与源网荷储项目聚合协同交易利益分配方法。背景技术:1、随着新型电力系统建设推进,分布式新能源、源网荷储项...
分布式新能源与源网荷储项目聚合协同交易利益分配方法与流程

本发明属于电力市场交易利益分配,具体涉及一种分布式新能源与源网荷储项目聚合协同交易利益分配方法。

背景技术:

1、随着新型电力系统建设推进,分布式新能源、源网荷储项目大量参与聚合协同交易,多主体收益的公平合理分配是保障聚合模式稳定运行的关键。不同参与主体资源特性差异显著,分布式新能源具有出力随机波动特征,源网荷储项目可提供调节服务同时产生对应的协调开销,需要充分考虑各类主体差异化特征开展贡献量化与利益分配。

2、现有技术中,如文献号为“cn119048206b”的中国发明专利公开了一种考虑电-碳市场协同的源网荷储一体化系统调度交易策略,该方案构建多能流系统数学模型,结合wasserstein距离处理风光不确定性,依托非对称纳什议价和myerson合作博弈值完成联盟内部利益划分,能够兼顾调度过程的低碳性与经济性,实现多源网荷储联盟内部收益分配。

3、但是,现有技术中对参与主体采用均质化处理方式,仅依靠博弈分配收益,忽视参与主体实际协同贡献差异,难以兼顾分配公平、参与积极性与交易成本多重诉求,利益分配结果与各参与主体真实协同贡献匹配度不足。

技术实现思路

1、本发明所要解决的技术问题是如何兼顾多参与主体的分配公平、参与积极性与交易成本多重诉求,保证利益分配结果与各参与主体的真实协同贡献匹配,针对现有技术的不足,提供一种分布式新能源与源网荷储项目聚合协同交易利益分配方法。

2、为解决上述技术问题,本发明所采用的技术方案是:

3、本发明提供一种分布式新能源与源网荷储项目聚合协同交易利益分配方法,包括以下步骤:

4、基于分布式新能源和源网荷储项目构建参与主体的特性参数模型,根据所述分布式新能源的所述特性参数模型获取光伏有效出力和风电出力波动率,根据所述源网荷储项目的所述特性参数模型获取调节贡献值和协调成本;

5、由出力贡献、调节协同贡献和价值提升贡献三个维度构建多指标评估体系,基于所述光伏有效出力、所述风电出力波动率和所述调节贡献值,通过所述多指标评估体系获取出力贡献指标、调节协同贡献指标和价值提升贡献指标,并通过加权计算获取综合协同贡献指标;

6、基于所述协调成本和所述综合协同贡献指标,由公平性最大化、参与积极性最大化和交易成本最小化三个目标函数构建多目标利益分配模型,并以改进熵权-层次分析融合算法确定各个所述目标函数的权重,形成单目标优化模型;

7、根据粒子群优化算法对所述单目标优化模型进行粒子初始化,并对粒子速度和粒子位置进行迭代更新,当满足迭代终止条件时,终止迭代并输出各个所述参与主体的利益分配额,形成利益分配结果。

8、相对于现有技术,本发明的有益效果包括:首先,基于分布式新能源和源网荷储项目两类参与主体建立特性参数模型,其中,针对分布式新能源,依托模型计算得到光伏有效出力以及风电出力波动率,表征分布式新能源出力波动特性,而针对源网荷储项目,依托模型计算得到调节贡献值与协调成本,表征源网荷储项目调节行为对应的协调开销,有效避免传统技术将各类参与主体做均质化处理而忽视分布式新能源出力波动特性和源网荷储项目的协调开销的问题,同时完成原始采集数据向可用于后续计算的业务量化参数的转换,为后续贡献评估与分配建模提供可靠的基础输入数据;之后,搭建包含出力贡献、调节协同贡献和价值提升贡献的多指标评估体系,利用前序步骤得到的光伏有效出力、风电出力波动率和调节贡献值,求解出力贡献指标、调节协同贡献指标以及价值提升贡献指标,再经加权运算得到综合协同贡献指标,从而达到多指标综合评价参与主体贡献的目的,有效突破传统仅依靠发电量单一指标评价参与主体贡献的局限,兼顾主体发电出力、调节服务能力和交易带来的额外价值,实现各参与主体协同贡献的多维度量化评估;接着,以前序步骤输出的协调成本和综合协同贡献指标作为输入,构建包含分配公平性最大化、参与积极性最大化和交易成本最小化的多目标利益分配模型,采用改进熵权-层次分析融合算法确定各目标函数权重,将相互冲突的多目标优化问题转化为单目标优化模型,解决多目标之间无法直接同步求解的问题,兼顾分配公平、主体参与意愿与聚合交易成本三类核心诉求;最后,采用粒子群优化算法对单目标优化模型开展求解,完成粒子初始化,循环迭代更新粒子速度与粒子位置,在满足预设迭代终止条件后停止迭代,输出各参与主体对应的利益分配额,得到最终利益分配结果,从而在单目标优化模型的基础上通过寻优算法求解得到利益分配方案,实现聚合协同交易下多参与主体利益的合理分配。

9、可选地,所述根据所述分布式新能源的所述特性参数模型获取光伏有效出力和风电出力波动率具体包括:

10、通过下式获取所述光伏有效出力:

11、,

12、其中,为时刻的所述光伏有效出力,为时刻的所述光伏预测出力,为所述光伏实际发电功率,为时刻的所述光伏出力波动系数;

13、通过下式获取所述风电出力波动率:

14、,

15、其中,为时刻的所述风电出力波动率,为时刻的风电实际出力,为时刻的风电实际出力,为所述风电额定功率。

16、可选地,所述根据所述源网荷储项目的所述特性参数模型获取调节贡献值和协调成本具体包括:

17、通过下式获取所述调节贡献值:

18、,

19、其中,为时刻所述源网荷储项目的所述调节贡献值,为时刻所述源网荷储项目的实际调节功率,为调节响应系数,取值范围为[0,1],为时刻的聚合系统调节需求系数;

20、通过下式获取所述协调成本:

21、,

22、其中,为时刻所述源网荷储项目的所述协调成本,为单位调节协调系数,为调节持续时长,为固定协调成本。

23、可选地,在所述由出力贡献、调节协同贡献和价值提升贡献三个维度构建多指标评估体系之前,还包括:

24、以下式成立作为时刻聚合资源总有效出力的约束条件:

25、,

26、其中,为光伏主体集合,为风电主体集合,为风电有效出力,为源网荷储项目主体集合,为聚合交易合同约定的出力值;

27、以下式成立作为所述源网荷储项目的实际调节功率的约束条件:

28、,

29、其中,为所述源网荷储项目的调节功率上限。

30、可选地,所述通过所述多指标评估体系获取出力贡献指标、调节协同贡献指标和价值提升贡献指标具体包括:

31、基于所述光伏有效出力和所述风电出力波动率,获取集合资源总有效出力,并通过下式获取所述出力贡献指标:

32、,

33、其中,为时刻参与主体的所述出力贡献指标,为时刻参与主体的有效出力,为时刻集合资源总有效出力;

34、基于所述风电出力波动率,获取调节重要性系数,并通过下式获取所述调节协同贡献指标:

35、,

36、其中,为时刻参与主体的所述调节协同贡献指标,取值范围为[0,1],为时刻参与主体的所述调节贡献值,为参与调节的所述参与主体的集合,为时刻调节重要性系数;

37、基于所述分布式新能源的消纳提升价值和所述源网荷储项目的备用容量节约价值,获取所述参与主体的价值增量,并通过下式获取所述价值提升贡献指标:

38、,

39、其中,为时刻参与主体的所述价值提升贡献指标,为时刻参与主体的所述价值增量。

40、可选地,所述并通过加权计算获取综合协同贡献指标具体包括:

41、通过改进熵权法确定所述出力贡献指标、所述调节协同贡献指标和所述价值提升贡献指标的权重,并根据下式获取所述综合协同贡献指标:

42、,

43、,

44、其中,为时刻参与主体的所述综合协同贡献指标,取值范围为[0,1],为第个指标的权重。

45、可选地,所述由公平性最大化、参与积极性最大化和交易成本最小化三个目标函数构建多目标利益分配模型具体包括:

46、构建如下式的公平性最大化目标函数:

47、,

48、其中,为公平分配性指数,取值范围为[0,1],为所述参与主体的数量,为时刻参与主体的利益分配额,且,为时刻聚合协同交易的总收益,为所有所述参与主体的集合,为时刻参与主体的所述综合协同贡献指标,且,为贡献匹配系数,取值范围[0.6,0.8];

49、构建如下式的参与积极性最大化目标函数:

50、,

51、其中,为参与积极性指数,为参与主体的积极性权重,为参与主体参与交易的最低接受利益额,且;

52、基于所述分布式新能源的传输损耗和所述源网荷储项目的设备损耗,获取所述参与主体参与交易的损耗成本,构建如下式的交易成本最小化目标函数:

53、,

54、其中,为交易总相关成本,为参与协调的参与主体的协调成本,为参与主体参与交易的损耗成本;

55、基于所述公平性最大化目标函数、所述参与积极性最大化目标函数和所述交易成本最小化目标函数,构建所述多目标利益分配模型。

56、可选地,所述并以改进熵权-层次分析融合算法确定各个所述目标函数的权重,形成单目标优化模型具体包括:

57、以改进熵权-层次分析融合算法确定各个所述目标函数的权重,形成如下单目标优化模型:

58、,

59、,

60、其中,为单目标函数,为所述公平分配性指数的目标权重,为所述参与积极性指数的目标权重,为所述交易总相关成本的目标权重。

61、可选地,所述迭代终止条件为迭代次数等于最大迭代次数或连续15次迭代的所述单目标函数的变化量小于5,所述根据粒子群优化算法对所述单目标优化模型进行粒子初始化,并对粒子速度和粒子位置进行迭代更新具体包括:

62、通过下式采用向量编码各个所述参与主体的所述利益分配额,形成粒子群:

63、,

64、其中,为第个粒子的位置向量,为第个粒子对应的参与主体的所述利益分配额;

65、通过下式均匀分布初始化所述粒子群的粒子位置:

66、,

67、其中,为第个粒子对应的参与主体的初始分配额,为[0,1]区间随机数;

68、通过下式对粒子速度和粒子位置进行迭代更新:

69、,

70、,

71、,

72、其中,为第个粒子在时刻的速度,为惯性权重,且动态递减,为最大惯性权重,为最小惯性权重,为第个粒子在时刻的速度,和均为学习因子,和均为[0,1]的随机数,为第个粒子的个体最优位置,为全局最优位置,为时刻第个粒子的位置向量,为当前迭代次数,为所述最大迭代次数。

73、可选地,在对粒子速度和粒子位置进行一次迭代更新后,还包括:

74、若,则;

75、若,则。