电力辅助服务市场下的用户侧广义储能控制策略
发布时间：2021-04-17 19:49
负荷聚合商通过整合零散的用户侧资源,可以为系统提供优质的辅助服务,并从中获取收益。然而,用户侧资源响应的不确定性将影响负荷聚合商的服务质量和市场收益。针对这一问题,文中将具有一定调节能力的负荷资源作为虚拟储能,并将其与狭义储能相结合,建立用户侧广义储能的不确定性响应模型。进而提出狭义储能优先响应和虚拟储能优先响应2种负荷聚合商控制策略,并探讨其优缺点。最后,建立2种控制策略下负荷聚合商参与电力辅助服务的市场收益模型,采用美国PJM市场数据进行仿真计算。结果表明,通过配置相对少量的狭义储能设备,并采取虚拟储能优先响应的控制策略,负荷聚合商可以获取可观的经济回报。
【文章来源】：电力系统自动化. 2020,44(02)北大核心EICSCD
【文章页数】：9 页
【部分图文】：
狭义储能优先响应策略下的广义储能概率密度
为便于2种控制策略在同一幅图中比较，将狭义储能优先响应控制策略下的广义储能响应概率曲线向左平移Q Nst，其中，Q Nst为该策略下狭义储能的调度电量，得到图3所示的2种控制策略比较示意图。另外，引入广义储能的响应率便于对其响应偏差区间的描述，其中，广义储能的响应率为广义储能的实际响应电量与调度电量间的比值。图中：λup和λdown分别为LA的目标响应率上限和下限；Q Gcon为平移后广义储能的调度响应电量；h 2N′(QGES)为平移后的广义储能在狭义储能优先响应控制策略下的响应电量概率密度函数。在狭义储能优先响应的控制策略下，假设狭义储能在该时段的优先响应电量为Q Nst，广义储能响应电量的概率曲线变为h 2N′(QGES)，其在目标区间内增加的RCL为：
从曲线的走势上看，随着狭义储能装机容量增加，LA在虚拟储能单独响应下的收益曲线保持平稳，反观LA在虚拟储能优先响应控制策略下和在狭义储能优先响应控制策略下的收益曲线则逐渐上升。但不同的是，虚拟储能优先响应控制策略下，收益曲线先上升后趋于平稳，而狭义储能优先响应控制策略下收益曲线一直上升。原因在于，虚拟储能优先响应的控制策略下，当狭义储能装机容量达到80 MW?h后继续装机将会出现冗余。而狭义储能优先响应控制策略下，对狭义储能响应电量的需求处于不饱和的状态，LA的市场收益仍受虚拟储能响应不确定性的影响。另一方面随着狭义储能的可调度电量的增加，虚拟储能的预调度响应电量减少，由式（8）可知虚拟储能响应电量的标准差变小，实则该控制策略下LA的市场收益呈非线性增长。具体的，在虚拟储能优先响应的控制策略下，LA的平均收益如附录B表B3所示。通过调度狭义储能平抑虚拟储能响应不确定性可明显提高LA的市场收益，提高量最高可达3 980.32美元，同时参与削峰填谷获得的最高收益为4 723.33美元。另外，随着狭义储能装机规模的不断增大，由于狭义储能装机足够大后，其参与调度的容量存在冗余，冗余的容量无法进一步提高LA的经济收益，故LA利用狭义储能提高的经济收益走势先升后平。
【参考文献】：
期刊论文
[1]智能小区可削减柔性负荷实时需求响应策略[J]. 南思博,李庚银,周明,夏勇. 电力系统保护与控制. 2019(10)
[2]考虑运行控制策略的广义储能资源与分布式电源联合规划[J]. 程林,齐宁,田立亭. 电力系统自动化. 2019(10)
[3]考虑数据中心用电负荷调节潜力的双层经济调度模型[J]. 陈敏,高赐威,陈宋宋,李德智,刘强. 中国电机工程学报. 2019(05)
[4]含高渗透率可再生能源的配电网广义储能优化配置[J]. 茆美琴,刘云晖,张榴晨,张健. 电力系统自动化. 2019(08)
[5]用户报量不报价模式下电力现货市场需求响应机制与方法[J]. 陈雨果,张轩,罗钢,白杨,谭振飞,钟海旺. 电力系统自动化. 2019(09)
[6]充放电不确定性响应建模与电动汽车代理商日前调度策略[J]. 朱兰,刘伸,唐陇军,王吉,黄超. 电网技术. 2018(10)
[7]美国电力市场信息披露体系及其对中国的启示[J]. 马子明,钟海旺,李竹,汪洋,夏清. 电力系统自动化. 2017(24)
[8]微网——未来能源互联网系统中的“有机细胞”[J]. 茆美琴,丁勇,王杨洋,张榴晨. 电力系统自动化. 2017(19)
[9]需求响应对电力需求影响的概率模型[J]. 张振高,王学军,李慧,彭冬,任炳俐,张沛. 电力系统及其自动化学报. 2017(04)
[10]负荷聚合技术及其应用[J]. 孙玲玲,高赐威,谈健,崔高颖. 电力系统自动化. 2017(06)
本文编号：3144042
【文章来源】：电力系统自动化. 2020,44(02)北大核心EICSCD
【文章页数】：9 页
【部分图文】：
狭义储能优先响应策略下的广义储能概率密度
为便于2种控制策略在同一幅图中比较，将狭义储能优先响应控制策略下的广义储能响应概率曲线向左平移Q Nst，其中，Q Nst为该策略下狭义储能的调度电量，得到图3所示的2种控制策略比较示意图。另外，引入广义储能的响应率便于对其响应偏差区间的描述，其中，广义储能的响应率为广义储能的实际响应电量与调度电量间的比值。图中：λup和λdown分别为LA的目标响应率上限和下限；Q Gcon为平移后广义储能的调度响应电量；h 2N′(QGES)为平移后的广义储能在狭义储能优先响应控制策略下的响应电量概率密度函数。在狭义储能优先响应的控制策略下，假设狭义储能在该时段的优先响应电量为Q Nst，广义储能响应电量的概率曲线变为h 2N′(QGES)，其在目标区间内增加的RCL为：
从曲线的走势上看，随着狭义储能装机容量增加，LA在虚拟储能单独响应下的收益曲线保持平稳，反观LA在虚拟储能优先响应控制策略下和在狭义储能优先响应控制策略下的收益曲线则逐渐上升。但不同的是，虚拟储能优先响应控制策略下，收益曲线先上升后趋于平稳，而狭义储能优先响应控制策略下收益曲线一直上升。原因在于，虚拟储能优先响应的控制策略下，当狭义储能装机容量达到80 MW?h后继续装机将会出现冗余。而狭义储能优先响应控制策略下，对狭义储能响应电量的需求处于不饱和的状态，LA的市场收益仍受虚拟储能响应不确定性的影响。另一方面随着狭义储能的可调度电量的增加，虚拟储能的预调度响应电量减少，由式（8）可知虚拟储能响应电量的标准差变小，实则该控制策略下LA的市场收益呈非线性增长。具体的，在虚拟储能优先响应的控制策略下，LA的平均收益如附录B表B3所示。通过调度狭义储能平抑虚拟储能响应不确定性可明显提高LA的市场收益，提高量最高可达3 980.32美元，同时参与削峰填谷获得的最高收益为4 723.33美元。另外，随着狭义储能装机规模的不断增大，由于狭义储能装机足够大后，其参与调度的容量存在冗余，冗余的容量无法进一步提高LA的经济收益，故LA利用狭义储能提高的经济收益走势先升后平。
【参考文献】：
期刊论文
[1]智能小区可削减柔性负荷实时需求响应策略[J]. 南思博,李庚银,周明,夏勇. 电力系统保护与控制. 2019(10)
[2]考虑运行控制策略的广义储能资源与分布式电源联合规划[J]. 程林,齐宁,田立亭. 电力系统自动化. 2019(10)
[3]考虑数据中心用电负荷调节潜力的双层经济调度模型[J]. 陈敏,高赐威,陈宋宋,李德智,刘强. 中国电机工程学报. 2019(05)
[4]含高渗透率可再生能源的配电网广义储能优化配置[J]. 茆美琴,刘云晖,张榴晨,张健. 电力系统自动化. 2019(08)
[5]用户报量不报价模式下电力现货市场需求响应机制与方法[J]. 陈雨果,张轩,罗钢,白杨,谭振飞,钟海旺. 电力系统自动化. 2019(09)
[6]充放电不确定性响应建模与电动汽车代理商日前调度策略[J]. 朱兰,刘伸,唐陇军,王吉,黄超. 电网技术. 2018(10)
[7]美国电力市场信息披露体系及其对中国的启示[J]. 马子明,钟海旺,李竹,汪洋,夏清. 电力系统自动化. 2017(24)
[8]微网——未来能源互联网系统中的“有机细胞”[J]. 茆美琴,丁勇,王杨洋,张榴晨. 电力系统自动化. 2017(19)
[9]需求响应对电力需求影响的概率模型[J]. 张振高,王学军,李慧,彭冬,任炳俐,张沛. 电力系统及其自动化学报. 2017(04)
[10]负荷聚合技术及其应用[J]. 孙玲玲,高赐威,谈健,崔高颖. 电力系统自动化. 2017(06)
本文编号：3144042
本文链接：https://www.wllwen.com/guanlilunwen/shengchanguanlilunwen/3144042.html
