基于CRITIC-MARCOS随机占优基准优选的虚拟电厂聚合调频备用成本风险管理方法
本发明属于电力系统虚拟电厂聚合分布式资源参与一次调频辅助服务领域,涉及一种基于critic-marcos随机占优基准优选的虚拟电厂聚合调频备用成本风险管理方法。
背景技术:
1、当前,风电、光伏等高比例波动性可再生能源的大规模并网,导致电力系统整体转动惯量与一次调频能力显著下降,电网频率越限风险日益加剧。为保障电网频率安全,亟需挖掘灵活调节资源以补充系统调频备用。虚拟电厂(virtual power plant, vpp)可以聚合多类分布式能源资源(distributed energy resource, der)参与电网一次调频(primaryfrequency regulation, pfr)备用辅助服务。与此同时,国内外调频辅助服务市场机制不断完善,美国pjm、caiso等独立系统运营商将调频收益明确划分为“容量补偿”与“里程补偿”;近年来中国的pfr服务逐渐由传统的“强制性无偿/微偿义务”向“市场化有偿交易”转变,输电系统运营商需要向各市场主体采购pfr备用服务。在此背景下,面向主网pfr容量需求,vpp对内部各der的pfr备用容量进行合理分配,并进一步表征不同pfr容量申报水平下的成本变化规律,对其参与pfr辅助服务市场竞价具有重要意义。
2、现有研究方法主要关注多市场主体参与电能量-调频备用市场联合调度模型、微电网与储能调频备用容量配置问题以及调频市场中的投标策略,并未重点研究各der的聚合调频能力与成本之间的关系,若忽略该关系,vpp可能高估自身可用调频能力,导致容量申报过高、实际响应不足及报价不合理。另外,风光等新能源机组通过减载运行而具备pfr能力,而其出力的强随机性会直接影响其可供调频的实际备用容量,且电网的频率波动会导致实际调频动作的触发时刻、动作次数及动作里程的不确定性,进而引发调频里程违约使得vpp面临高额的惩罚成本。但是目前已有研究方法多聚焦于研究不确定性条件下的协同调频优化模型、储能容量配置以及风险规避的投标策略,少有研究分析不确定性条件下vpp聚合pfr备用面临的违约惩罚成本风险。
3、针对上述考虑不确定性的vpp聚合pfr备用成本风险管理问题,早期的投资组合模型多采用均值-方差模型,但该模型对投资组合收益进行了正态分布假设,在实际中难以满足。近年来,风险价值、条件风险价值(conditional value at risk, cvar)先后被用于电力系统随机优化模型中。相较于风险价值,cvar在量化尾部极端成本波动风险方面具有显著优势,但其优化结果依赖置信水平和风险规避系数等主观参数设定,容易因运营商偏好差异而影响决策结果的客观性。二阶随机占优(second-order stochastic dominance,ssd)方法作为一种非参数性的风险度量方法,仅依赖于客观的基准偏好,已经被用于输电线路与储能投资与竞价问题、最优风电竞标的风险管理问题、电力公司的投资组合优化以及虚拟能源枢纽与大型工业用户自调度等问题中。已有研究大部分依赖经验法选取ssd基准值,而由于基准值的设定直接影响最终的决策结果,若仅依赖于经验法容易导致评价结果缺乏客观性和稳定性。针对这一问题,仅有部分研究采用多准则妥协解排序(vlsekriterijumska optimizacija i kompromisno resenje, vikor)方法,对不同ssd基准值下储能竞价策略的风险管理效果进行综合评价,为基准优选提供了一种多属性决策的思路,但vikor方法的评价结果受到折中参数取值影响,从而在一定程度上削弱评价结果的客观性。总体来看,现有研究较少将ssd方法用于vpp聚合pfr备用成本风险管理,也缺乏面向pfr备用容量分配问题的ssd基准客观优选机制。
4、综上所述,如何在保障电网频率响应需求的前提下构建vpp聚合pfr备用容量成本优化模型并管控不确定性引发的成本波动风险,成为当前亟待解决的关键问题。
技术实现思路
1、为了解决现有技术中如何在多类型分布式能源资源(distributed energyresource, der)运行约束和配电网安全约束下,量化虚拟电厂(virtual power plant,vpp)可提供的聚合一次调频(primary frequency regulation, pfr)备用能力并进一步刻画不同容量申报水平对应的成本变化规律,以及如何在新能源出力波动和系统调频里程需求不确定的条件下,控制由调频里程违约引发的高成本尾部风险,本发明提供一种基于二阶随机占优(second-order stochastic dominance, ssd)的vpp聚合pfr备用容量分配与成本风险管理方法。构建vpp聚合pfr备用容量优化模型与vpp聚合pfr备用成本优化模型,形成pfr备用容量-成本曲线为vpp参与pfr辅助服务报价提供参考;考虑风电、光伏pfr备用容量与系统调频里程需求的不确定性,构建联合场景集并建立vpp聚合pfr备用成本风险管理模型;基于风险中性型与极端厌恶型vpp聚合pfr备用随机优化模型确定ssd基准选择可行域;引入样本外场景测试方法计算不同候选ssd基准下的期望成本、条件风险价值(conditional value at risk, cvar)和改进索提诺比率等评价指标,并结合基于指标相关性的指标权重确定方法(criteria importance though intercrieria correlation,critic)与基于折中方案的备选方案排序法(measurement of alternatives and rankingaccording to compromise solution, marcos)进行ssd基准值的客观优选;将ssd约束嵌入vpp聚合pfr备用成本风险管理模型中,实现pfr备用容量的最优分配。
2、为了实现上述目的,本发明采用的技术方案为:
3、一种基于critic-marcos随机占优基准优选的虚拟电厂聚合调频备用成本风险管理方法,包含以下步骤:
4、步骤1,构建vpp聚合pfr备用容量优化模型,并构建vpp聚合pfr备用成本优化模型,具体步骤如下:
5、步骤1.1,构建vpp聚合pfr备用容量优化模型,得到vpp确定性聚合pfr备用容量边界。vpp聚合pfr备用容量优化模型旨在为后文vpp聚合pfr备用成本优化模型提供确定性聚合备用容量边界,以最小化vpp日前运行成本和最大化聚合pfr备用容量为优化目标:
6、(1)
7、式中:为t时段第台可控分布式电源的发电成本,可控分布式电源包括燃气轮机和柴油发电机;、分别为t时段第台可控分布式电源计划出力与联络线购电功率;、、分别为第台可控分布式电源的发电耗量成本二次项、一次项和常数项系数,为t时段分时电价;为t时段第个der的计划pfr备用容量;为可控分布式电源的集合;为所有der的集合;为vpp申报的t时段确定性聚合pfr备用容量边界;权重系数刻画了vpp对备用容量预留的偏好程度,由于本发明主要关注vpp日前pfr备用容量申报与分配问题,故设置了较大的权重系数;为日前运行时段集合。
8、vpp可对可控分布式电源、储能电池、新能源机组等多个der进行聚合管理。vpp聚合pfr备用容量优化模型的约束条件主要包括各类ders的安全运行约束与配电网络潮流约束。
9、vpp中的各类der具有与常规机组具有相同的pfr能力,额定容量为、调差系数为的第台der提供的最大pfr备用容量为:
10、(2)
11、式中:为系统额定频率;为系统频率最大允许偏差值。
12、针对可控分布式电源,本发明建立其出力约束与爬坡约束,保证其在参与pfr备用服务时运行于安全范围内,如公式(3)所示:
13、(3)
14、式中:、分别为t时段第台可控分布式电源的日前计划出力与计划pfr备用容量;为时段第台可控分布式电源的日前计划出力;为第台可控分布式电源的爬坡率上限;为到时段的时间间隔;、分别为第台可控分布式电源的出力上下限;为第台可控分布式电源可提供的最大pfr备用容量。
15、储能电池是一类具备充放电两种工作模式的der。第台储能电池的运行约束如下:
16、(4)
17、式中:为t时段第台储能电池的计划电能量;为t-1时段第台储能电池的计划电能量;、分别为第台储能电池的充放电效率;为第台储能电池的充放电功率上限;、分别为t时段第台储能电池的计划充放电功率与计划pfr备用容量;、分别为第台储能电池的电能量上下限;为第台储能电池可提供的最大pfr备用容量。
18、新能源机组包含风电、光伏机组。新能源机组在减载状态下运行,并且可以通过弃风弃光以提供向下pfr备用,如公式(5)所示:
19、(5)
20、式中:、分别为t时段第台新能源机组的计划出力功率与计划pfr备用容量;为t时段第台新能源机组的典型日出力功率;、分别为第台新能源机组允许的最大弃风弃光率与减载水平;为第台新能源机组可提供的最大pfr备用容量。
21、本发明认为vpp管理10kv电压等级的配电网络,需要满足配电网distflow潮流约束:
22、(6)
23、式中:和为时段线路所流过的有功和无功功率;表示节点;和分别为节点相连的下游和上游节点;、为时段联络线有功、无功功率值;为接入节点的der集合;为节点第个der在时段的有功出力;为标志位,若节点为联络线节点则其值为1,否则为0;、分别为时段节点的有功与无功负荷;和分别为时段节点和节点的电压幅值;、为配电网节点电压上下限值;、分别为配电网络的线路与节点集合。
24、步骤1.2,基于步骤1.1得到的vpp确定性聚合pfr备用容量边界,构建vpp聚合pfr备用成本优化模型。本发明引入了基于历史频率偏差数据的调频里程测算方法,构建了确定性场景下vpp聚合pfr备用成本优化模型,其目标函数如下:
25、(7)
26、式中:、、分别为t时段下第台可控分布式电源、第台储能电池以及第台新能源机组的pfr成本;、、分别为第台可控分布式电源、第台储能电池以及第台新能源机组的申报pfr备用容量;、、分别为t时段第台可控分布式电源、第台储能电池以及第台新能源机组的调频里程;、、分别为可控分布式电源、储能电池与新能源机组的单位调频容量价格;、、分别为可控分布式电源、储能电池与新能源机组的单位调频里程价格;、、分别为可控分布式电源、储能电池与新能源机组的调频性能指标。
27、各类der的日前申报pfr备用容量约束如下:
28、(8)
29、(9)
30、(10)
31、各类der的调频里程动作响应功率约束如下:
32、(11)
33、式中:为运行日t时段中全部pfr动作过程的集合;、、分别为第次pfr动作过程中第台可控分布式电源、第台储能电池与第台新能源机组的调频里程。
34、电力系统pfr容量与调频里程需求约束如下:
35、(12)
36、(13)
37、式中:为系统的pfr容量需求,其值等于,为pfr容量需求比例系数,按设定步长在[0,1]区间内取值,用于表征不同pfr容量需求水平;、分别为储能电池与新能源机组的集合;为系统第次pfr过程的总调频里程,其具体计算过程如下:
38、(14)
39、式中:和分别为第i次pfr过程的等效动作次数与等效动作功率;第i次pfr过程中系统频率超出pfr死区至回到pfr死区内调频动作持续时间为,每30s计为一次pfr动作等效次数;、分别为第i次pfr过程中的理论动作最大功率和最大频率偏差;为调频死区。
40、步骤2,基于步骤1的vpp聚合pfr备用成本优化模型,构建基于ssd的vpp聚合pfr备用成本风险管理模型,具体步骤如下:
41、步骤2.1,针对成本损失变量,建立基于ssd的vpp聚合pfr备用成本风险管理模型的ssd约束条件,ssd约束条件的相关定义如下:
42、设为基于ssd的vpp聚合pfr备用成本风险管理模型的决策变量集合,为不确定参数,为实际总聚合pfr备用成本随机变量。设为基准成本随机变量,若,则ssd关系的充要条件为两者的期望超额函数满足以下不等式(15):
43、(15)
44、式中,为数学期望算子;为任意给定的成本参考阈值,范围为;为实数集合。
45、上述不等式约束中的参考阈值有无穷多个,无法直接求解,需要引入离散场景变量对ssd约束进行线性化重构。假设不确定性参数离散化为包含个场景的集合,各场景发生的概率为;同时,设基准成本具有个离散场景,第个离散场景对应的概率为。公式(15)所示的不等式约束可等价转化为个有限约束,如公式(16)所示:
46、(16)
47、式中:为场景下的vpp聚合pfr备用成本;设基准成本具有个离散场景,为第个离散场景下的基准成本,为第个离散场景下的基准成本,为第个离散场景的概率,为离散场景序号;为不确定参数的场景集合。
48、为消除公式(16)不等号左侧的非线性算子,本发明引入一组连续的非负辅助决策变量,用于表示在场景下,当前决策成本超出基准成本的超额量。最终ssd约束条件重构为以下线性约束组。
49、(17)
50、步骤2.2,基于步骤2.1得到的ssd约束条件,本发明引入多离散场景集来刻画风电、光伏可用pfr容量以及电网调频里程需求的不确定性,以最小化vpp聚合pfr备用容量成本与调频里程成本的期望值为目标,构建了pfr备用随机优化数学模型,并嵌入ssd约束,使优化后的成本分布相对于预设基准满足二阶随机占优关系,从而构建基于ssd的vpp聚合pfr备用成本风险管理模型。基于ssd的vpp聚合pfr备用成本风险管理模型的目标函数如下所示:
51、(18)
52、式中:、、为
t时段场景下第台可控分布式电源、第台储能电池以及第台新能源机组的pfr成本;、、为
t时段场景下第台可控分布式电源、第台储能电池以及第台新能源机组的调频里程;为
t时段场景下vpp的调频里程违约惩罚成本,为时段场景下的调频里程不足量,为调频里程不足量的单位惩罚成本。
53、基于ssd的vpp聚合pfr备用成本风险管理模型的约束条件主要包含离散场景下的ssd约束条件与der备用容量与调频里程约束,如式(19)所示。
54、(19)
55、设时段场景下第台新能源机组的输出功率为,则其预留的pfr备用容量上限为:
56、(20)
57、则场景下第台新能源机组的pfr备用容量约束为:
58、(21)
59、基于ssd的vpp聚合pfr备用成本风险管理模型在场景下调频里程约束如下:
60、(22)
61、(23)
62、(24)
63、式中:为场景下系统第次pfr过程的总调频里程;和分别为场景下为第次pfr过程的等效动作次数与等效动作功率;为场景下第次pfr过程持续时间;、分别为场景下第次pfr过程中的理论动作最大功率和最大频率偏差。
64、步骤3,基于步骤2构建的基于ssd的vpp聚合pfr备用成本风险管理模型,建立风险中性型vpp聚合pfr备用成本随机优化模型与基于cvar的vpp聚合pfr备用成本随机优化模型,分别得到ssd预设基准变量选择可行域的上、下限。ssd基准选择可行域边界的具体确定方法如下:
65、步骤3.1,基于步骤2构建的基于ssd的vpp聚合pfr备用成本风险管理模型,建立风险中性型vpp聚合pfr备用成本随机优化模型,得到ssd预设基准变量选择可行域的上限。风险中性型vpp聚合pfr备用成本随机优化模型的目标函数为式(18),约束条件为式(6),式(8)—(9),式(12),式(20)—(24);风险中性型vpp聚合pfr备用成本随机优化模型所得优化结果中的最大场景成本可用于确定ssd基准选择可行域的上限。
66、步骤3.2,基于步骤2构建的基于ssd的vpp聚合pfr备用成本风险管理模型,建立并求解风险极端厌恶型的基于cvar的vpp聚合pfr备用随机优化模型,得到ssd基准选择可行域的下限。为获取该ssd基准下限,本发明在原步骤3.1构建的风险中性型vpp聚合pfr备用成本随机优化模型中加入cvar风险度量项及其约束条件,构建基于cvar的vpp聚合pfr备用成本随机优化模型目标函数如下:
67、(25)
68、基于cvar的vpp聚合pfr备用成本随机优化模型的约束条件如下:
69、(26)
70、式中:、为风险价值和cvar值;为非负的虚拟变量;、分别为cvar模型置信度与风险偏好系数。
71、设基于cvar的vpp聚合pfr备用成本随机优化模型的置信度、风险偏好系数,求解风险极端厌恶型的基于cvar的vpp聚合pfr备用成本随机优化模型可以得到聚合pfr备用成本的cdf曲线,并提取最大场景成本作为ssd基准选择可行域的下限。
72、步骤4,基于步骤3得到的ssd预设基准变量选择可行域,提出基于样本外测试的ssd基准评价指标,并提出基于critic-marcos的ssd基准综合评价方法,最后得到相对最优的ssd基准值,并获得相对最优的vpp聚合pfr备用容量分配方案。具体包含以下步骤:
73、步骤4.1,基于步骤3得到的ssd预设基准变量选择可行域,提出基于样本外测试的ssd基准评价指标。为检验不同ssd基准在未知不确定性场景下的风险管理效果,本发明引入样本外场景测试的方法。在ssd基准可行域内设定若干候选基准,分别进行pfr备用容量优化分配,将备用容量优化分配结果代入样本外场景集,重新求解样本外场景下的vpp聚合pfr备用成本分布,在此基础上计算样本外期望成本、cvar与改进索提诺比率等评价指标,以评价不同ssd基准值在未知场景下的风险控制效果,并据此筛选出相对最优的ssd基准值。
74、为定量评价不同预设ssd单场景基准值下的风险管理效果,本发明引入改进索提诺比率作为风险管理效果评价指标。本发明对经典索提诺比率进行适应性改进,使其能够衡量不同ssd基准在降低高成本尾部风险与保持低成本优化潜力之间的综合表现。改进后的索提诺比率计算公式如下:
75、(27)
76、式中:为索提诺比率;为选定的无风险成本,本发明选择风险极度厌恶的基于cvar的vpp聚合pfr备用成本随机优化模型的期望成本值为无风险成本;为基于ssd的vpp聚合pfr备用成本风险管理模型优化得到的期望成本值,为第个场景的vpp聚合pfr备用成本。
77、步骤4.2,基于步骤4.1得到的样本外期望成本、cvar与改进索提诺比率三种评价指标,提出基于critic-marcos的ssd基准综合评价方法,最后得到相对最优的ssd基准值,并获得相对最优的vpp聚合pfr备用容量分配方案。
78、本发明选取样本外改进索提诺比率、样本外pfr期望成本和置信度为98%时的样本外cvar作为评价指标,其中,改进索提诺比率为效益型指标,期望成本和cvar分别表征平均经济性与高成本尾部风险,均为成本型指标。为避免主观赋权对评价结果的影响,本发明采用critic方法确定各评价指标的客观权重。critic法通过评价指标的对比强度和指标间冲突性确定权重,可减少主观判断对评价结果的影响。
79、设共有个评价指标,通过传统的critic法得到的第个指标的信息量和客观权重为:
80、(28)
81、(29)
82、式中:为第个指标的标准差,为指标与指标之间的相关系数。
83、由此得到各评价指标的客观权重值,随后利用marcos方法计算不同候选ssd基准值的综合效用函数并进行排序,筛选出相对最优的ssd基准值。marcos方法的核心是通过计算各方案相对于理想解与负理想解的综合效用函数并完成排序。通过传统的marcos方法计算得到第个备选方案的效用函数为:
84、(30)
85、式中:、分别表示备选方案相对于理想解和负理想解的效用度;表示与理想解相关的效用函数,其计算方法为;表示与负理想解相关的效用函数,其计算方法为。
86、通过上述过程,vpp运营商能够在兼顾经济性、尾部风险控制能力的基础上,选择相对最优的ssd预设基准值,并将其代入基于ssd的vpp聚合pfr备用成本风险管理模型进行优化求解,获得相对最优的vpp聚合pfr备用容量分配方案。
87、本发明的有益效果为:
88、(1)本发明构建的vpp聚合pfr备用容量优化模型能够得到日前阶段vpp可提供的聚合pfr备用容量边界,本发明构建的vpp聚合pfr备用成本优化模型可形成不同容量申报水平下的pfr成本曲线,该曲线能够反映vpp聚合pfr容量增加时的成本变化规律;
89、(2)本发明提出的critic-marcos的ssd基准综合评价方法能够在兼顾平均经济性和尾部风险控制能力的基础上,筛选出综合表现相对最优的ssd预设基准,为vpp运营商在不确定性环境下进行pfr备用容量分配提供决策依据;
90、(3)相比于cvar方法需要反复调节置信水平和风险偏好系数,本发明采用的ssd方法能够通过设定基准值,直接对pfr备用成本分布函数形成约束,实现对违约惩罚成本风险的精准有效管控。
91、综上,本发明所提方法能够实现vpp聚合pfr备用成本曲线构建以及不确定性场景下的成本风险管控,为vpp参与pfr辅助服务市场提供了较为完整的优化决策框架。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com