提高需求响应可靠性的储能优化配置研究
发布时间：2022-02-17 11:29
提出了基于用户需求曲线的需求响应不确定性模型,通过区间弹性系数反映用户响应行为的不确定性,并得到不确定需求曲线。为提高需求响应的可靠性,基于用户响应偏差的区间数构建了负荷聚合商的储能优化配置模型,利用蒙特卡洛模拟求解该模型得到储能配置方案,并就储能对需求响应可靠性的改善效果进行评估。PJM历史数据仿真表明,所提模型和算法能有效改善用户的需求响应偏差,优化负荷曲线,提高需求响应的可靠性。
【文章来源】：电力系统保护与控制. 2021,49(02)北大核心CSCD
【文章页数】：8 页
【部分图文】：
场景A和B配置储能前后用户的负荷曲线
宰陨硎媸识仍て诤推?貌煌?仍?颍?DR的实施效果存在不确定性[23]，进而影响用户的价格弹性需求曲线。经济学中需求量的变动是指在其他条件不变时，由商品价格变动所引起的商品需求数量的变动，在几何图形中表现为需求曲线上点的移动。而需求的变动是指在某商品价格不变的条件下，由于其他因素变动引起的该商品需求数量的变动，在几何图形中表现为整个需求曲线的平移[24]。因此考虑不确定性因素的影响后，用户的价格弹性需求曲线不再是一条确定的曲线，而是在一定的范围内发生变化，如图1所示。图1不确定性需求曲线Fig.1Uncertaintydemandcurve基于用户需求曲线的DR模型[22]将一天分为24个时段(i=1,2,,24)，通过建立基于用户利益最大化模型，预测用户在i时段的负荷需求量为324010ijEjjjiijjjjjjjjpincpenddpincpenppenpinc(1)式中：0id、(1,2,,24)idi为DR前后用户i时段的用电负荷；0jp、jp为DR前后j时段的电价，$/MWh；jinc为j时段用户受到的激励费率，$/MWh；jpen为j时段用户违约受到的惩罚费率，$/MWh；ijE为用户的需求价格弹性系数。此时，用户的需求响应量id为i0iiddd(2)考虑不确定因素对DR的影响后，需求侧电量电费率弹性矩阵中的弹性系数不再是一个固定值，而是一个不确定的数。本文采用区间数来表示用户的需求弹性系数，通过区间数对实际响应情况进行模拟。1,1,2,2,[,](,0)ijijijijijijijijijijijEEEEEkkkEEk(3)式中：ijE、ijE为弹性系数区间数ijE的上下边界；
(4)用户在i时段的需求响应量区间数id为i0iiddd(5)因此，LA所聚合的用户在i时段的响应偏差分布在区间数中，记un,id为un,=iiiiiddddd(6)2负荷聚合商的储能优化配置模型LA根据市场价格信息，结合用户用电意愿和对用户用电量的预测，决策最优投标计划，参与市场投标竞争[4]。为提高聚合资源的平稳性和可控性，LA可以通过配置储能资源来应对DR不确定性造成的违约情况[20]。LA配置储能资源参与市场的运行模式如图2所示。图2负荷聚合商储能配置运营模式图Fig.2OperationalmodeldiagramofenergystorageconfigurationforLA由于实施DR后用户的响应情况是不确定的，可能会出现过响应和欠响应两种状态。当用户响应量不足时，用户处于欠响应状态，LA通过调用储能装置向电网放电，缓解因用户响应不确定性引起的自身违约情况，规避市场惩罚。当用户的响应量过剩时，用户处于过响应状态，过剩的响应量资源充入储能装置中，减少储能充电的部分购电成本，避免有功功率过剩影响电网的安全稳定运行。2.1目标函数本文建立的储能优化配置模型以一年为考虑周期，将全年的日负荷曲线按季节分为夏、冬、春秋三类，每类典型日持续天数为m(1,2,3)。目标函数应综合考虑装设储能系统后规避的违约惩罚、储能的售电收益、储能的充电成本以及年安装运行成本等因素，在满足系统各项约束条件下获得LA的最大收益。beforeafterEinBESSmaxfPPBCC(7)式中：f为一年内LA通过装设储能获得的经济效益；beforeP为装设储能前LA的违约惩罚成本；afterP为装设储能后LA的违约惩罚成本；E
【参考文献】：
期刊论文
[1]计及需求响应的电动汽车充电站多时间尺度随机优化调度[J]. 阎怀东,马汝祥,柳志航,朱小鹏,卫志农. 电力系统保护与控制. 2020(10)
[2]储能系统参与电力系统调频应用场景及控制方法研究[J]. 谢志佳,李德鑫,王佳蕊,孟涛. 热力发电. 2020(08)
[3]多视角下典型蓄电系统参与调峰对电力市场的经济性影响分析[J]. 南雄,张国强,刘文毅. 热力发电. 2019(11)
[4]混合储能系统平滑风电出力的变分模态分解-模糊控制策略[J]. 李亚楠,王倩,宋文峰,王昕钰. 电力系统保护与控制. 2019(07)
[5]计及用户参与不确定性的需求响应策略优化方法[J]. 彭文昊,陆俊,冯勇军,王星星,祁兵,崔高颖. 电网技术. 2018(05)
[6]考虑天气因素的输电网可靠性区间评估及其仿射算法[J]. 李小燕,丁明,齐先军. 电力系统保护与控制. 2016(16)
[7]计及价格型负荷响应不确定性的概率潮流计算[J]. 曾丹,姚建国,杨胜春,王珂,周竞,石飞. 电力系统自动化. 2015(20)
[8]考虑用户违约可能的负荷聚合商储能配置策略[J]. 张开宇,宋依群,严正. 电力系统自动化. 2015(17)
[9]不确定性需求响应建模在电力积分激励决策中的应用[J]. 王蓓蓓,孙宇军,李扬. 电力系统自动化. 2015(10)
[10]灵活互动智能用电的技术架构探讨[J]. 史常凯,张波,盛万兴,孙军平,仉天舒. 电网技术. 2013(10)
硕士论文
[1]考虑不确定性的需求响应建模及其在电力系统运行中的应用[D]. 李义荣.东南大学 2015
[2]智能电网环境下负荷聚合商的市场化交易策略研究[D]. 张开宇.上海交通大学 2015
[3]风力发电系统中储能容量优化配置[D]. 文艺.华中科技大学 2013
本文编号：3629353
【文章来源】：电力系统保护与控制. 2021,49(02)北大核心CSCD
【文章页数】：8 页
【部分图文】：
场景A和B配置储能前后用户的负荷曲线
宰陨硎媸识仍て诤推?貌煌?仍?颍?DR的实施效果存在不确定性[23]，进而影响用户的价格弹性需求曲线。经济学中需求量的变动是指在其他条件不变时，由商品价格变动所引起的商品需求数量的变动，在几何图形中表现为需求曲线上点的移动。而需求的变动是指在某商品价格不变的条件下，由于其他因素变动引起的该商品需求数量的变动，在几何图形中表现为整个需求曲线的平移[24]。因此考虑不确定性因素的影响后，用户的价格弹性需求曲线不再是一条确定的曲线，而是在一定的范围内发生变化，如图1所示。图1不确定性需求曲线Fig.1Uncertaintydemandcurve基于用户需求曲线的DR模型[22]将一天分为24个时段(i=1,2,,24)，通过建立基于用户利益最大化模型，预测用户在i时段的负荷需求量为324010ijEjjjiijjjjjjjjpincpenddpincpenppenpinc(1)式中：0id、(1,2,,24)idi为DR前后用户i时段的用电负荷；0jp、jp为DR前后j时段的电价，$/MWh；jinc为j时段用户受到的激励费率，$/MWh；jpen为j时段用户违约受到的惩罚费率，$/MWh；ijE为用户的需求价格弹性系数。此时，用户的需求响应量id为i0iiddd(2)考虑不确定因素对DR的影响后，需求侧电量电费率弹性矩阵中的弹性系数不再是一个固定值，而是一个不确定的数。本文采用区间数来表示用户的需求弹性系数，通过区间数对实际响应情况进行模拟。1,1,2,2,[,](,0)ijijijijijijijijijijijEEEEEkkkEEk(3)式中：ijE、ijE为弹性系数区间数ijE的上下边界；
(4)用户在i时段的需求响应量区间数id为i0iiddd(5)因此，LA所聚合的用户在i时段的响应偏差分布在区间数中，记un,id为un,=iiiiiddddd(6)2负荷聚合商的储能优化配置模型LA根据市场价格信息，结合用户用电意愿和对用户用电量的预测，决策最优投标计划，参与市场投标竞争[4]。为提高聚合资源的平稳性和可控性，LA可以通过配置储能资源来应对DR不确定性造成的违约情况[20]。LA配置储能资源参与市场的运行模式如图2所示。图2负荷聚合商储能配置运营模式图Fig.2OperationalmodeldiagramofenergystorageconfigurationforLA由于实施DR后用户的响应情况是不确定的，可能会出现过响应和欠响应两种状态。当用户响应量不足时，用户处于欠响应状态，LA通过调用储能装置向电网放电，缓解因用户响应不确定性引起的自身违约情况，规避市场惩罚。当用户的响应量过剩时，用户处于过响应状态，过剩的响应量资源充入储能装置中，减少储能充电的部分购电成本，避免有功功率过剩影响电网的安全稳定运行。2.1目标函数本文建立的储能优化配置模型以一年为考虑周期，将全年的日负荷曲线按季节分为夏、冬、春秋三类，每类典型日持续天数为m(1,2,3)。目标函数应综合考虑装设储能系统后规避的违约惩罚、储能的售电收益、储能的充电成本以及年安装运行成本等因素，在满足系统各项约束条件下获得LA的最大收益。beforeafterEinBESSmaxfPPBCC(7)式中：f为一年内LA通过装设储能获得的经济效益；beforeP为装设储能前LA的违约惩罚成本；afterP为装设储能后LA的违约惩罚成本；E
【参考文献】：
期刊论文
[1]计及需求响应的电动汽车充电站多时间尺度随机优化调度[J]. 阎怀东,马汝祥,柳志航,朱小鹏,卫志农. 电力系统保护与控制. 2020(10)
[2]储能系统参与电力系统调频应用场景及控制方法研究[J]. 谢志佳,李德鑫,王佳蕊,孟涛. 热力发电. 2020(08)
[3]多视角下典型蓄电系统参与调峰对电力市场的经济性影响分析[J]. 南雄,张国强,刘文毅. 热力发电. 2019(11)
[4]混合储能系统平滑风电出力的变分模态分解-模糊控制策略[J]. 李亚楠,王倩,宋文峰,王昕钰. 电力系统保护与控制. 2019(07)
[5]计及用户参与不确定性的需求响应策略优化方法[J]. 彭文昊,陆俊,冯勇军,王星星,祁兵,崔高颖. 电网技术. 2018(05)
[6]考虑天气因素的输电网可靠性区间评估及其仿射算法[J]. 李小燕,丁明,齐先军. 电力系统保护与控制. 2016(16)
[7]计及价格型负荷响应不确定性的概率潮流计算[J]. 曾丹,姚建国,杨胜春,王珂,周竞,石飞. 电力系统自动化. 2015(20)
[8]考虑用户违约可能的负荷聚合商储能配置策略[J]. 张开宇,宋依群,严正. 电力系统自动化. 2015(17)
[9]不确定性需求响应建模在电力积分激励决策中的应用[J]. 王蓓蓓,孙宇军,李扬. 电力系统自动化. 2015(10)
[10]灵活互动智能用电的技术架构探讨[J]. 史常凯,张波,盛万兴,孙军平,仉天舒. 电网技术. 2013(10)
硕士论文
[1]考虑不确定性的需求响应建模及其在电力系统运行中的应用[D]. 李义荣.东南大学 2015
[2]智能电网环境下负荷聚合商的市场化交易策略研究[D]. 张开宇.上海交通大学 2015
[3]风力发电系统中储能容量优化配置[D]. 文艺.华中科技大学 2013
本文编号：3629353
本文链接：https://www.wllwen.com/guanlilunwen/lindaojc/3629353.html
