需求响应集成服务商参与电力市场的运行机制研究
发布时间：2021-06-08 17:32
随着智能电网的建设和电力系统需求响应技术的迅速发展,越来越多的用户将参与到电力市场需求响应。需求响应集成服务商（Demand Response Aggregator,DRA）通过专业的技术手段充分发掘负荷资源,为中小型用户提供了参与需求响应的负荷集成平台。目前,关于DRA的具体运营机制和负荷调控策略的研究较少,也缺乏一定的系统性。本文以解决DRA的市场化运营决策问题为出发点,对DRA的具体运营方案展开研究,考虑负荷响应不确定性的影响,建立了DRA的调控决策模型。本文内容主要分为以下几个方面:首先,介绍了DRA的基本概念和主要业务职能,设计了DRA参与能量市场和辅助服务市场需求响应的运营方案。在设计方案中,说明了DRA在需求响应期间的具体响应过程,设定了DRA的工作周期,重点梳理了DRA与系统运营商、零售商、终端用户之间的具体交互作用,给出了DRA市场化的高层次运营流程。其次,建立了计及负荷响应不确定性的DRA调控策略模型。考虑到DRA与终端用户签订的非强约束合同带来的负荷响应不确定性,运用随机数学理论对不确定性进行分析,使用截断正态分布来模拟不确定度。设定了通过订购确定性储能装置负荷和...
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
负荷波动性的频率直方图与正态分布密度函数因此，本文将具有响应不确定性的终端用户在需求响应时的响应程度，类比电力市
步骤二：从 δ 服从的正态分布样本空间中按式(4.7)产生 Sobol 拟随机数列 δk=1, 2, …, N； 步骤三：置 P=P+f(P0, QDGk1, QESk1, δ)，k=1, 2, …, N； 步骤四：重复步骤二与步骤三 N 次； 步骤五：E[f(P0, QDGk1, QESk1, δ)]=P/N。.4 算法测试本文从粒子群初始群落的产生和调整惯性权重的角度对标准粒子群算法进行改进后的粒子群算法总体流程与标准粒子群算法相似，差别体现在用拟随机序列产生粒子，用速度平均值动态调整粒子惯性权重。为了验证本文提出的改进粒子群算法敛性与计算效果，对二维 Rastrigin 测试函数最优解进行仿真试验。式(4.26)为二strigin 函数的表达式，图 4-5 是二维 Rastrigin 函数的可视化图形，可以看出该函数多个局部最优值和一个全局最优值。 2 21 2 1 2f x x 10 cos 2 x cos 2 x 20, x1,2∈[ 5.12, 5.12] (4
(c) 正态分布 N(0.8, 1.02)的抽样点 (d) 正态分布 N(0.8, 22)的抽样点图 5-1 不同正态分布标准差下的 104个采样点分布图由图可见，当正态分布的标准差较小为 0.1 时，负荷响应水平集中在以 0.8 为均值的很小的范围内，此时用户的响应度过于良好，没有体现特殊情况下的响应可能；当正态分布的标准差达到 1 之后，抽样点分布大致均匀，此时用户的响应度过于离散，没有体现响应度平均水平；当正态分布的标准差为 0.4 时，抽样点的分布既反映了正态分布的均值又体现了响应的不确定性，因此，本文设定 δ 服从的正态分布为 N(0.8, 0.42)。考虑到改进粒子群算法是一种进化计算技术，每次优化时总是会出现小范围的误差这种误差在迭代进化类智能算法中是不可避免的，为了减小算法误差，本文采取多次优化的方法，取最优解作为最终的优化结果。表 5-4 是 50 次优化后的结果：表 5-4 50 次优化计算平均值及方差计算总用时/s 利润期望平均值/$ 利润期望方差700 2348 0.24
【参考文献】：
期刊论文
[1]计及分布式发电出力与电价不确定性的负荷聚合商电能获取策略[J]. 俞敏,倪琳娜,方鹏,刘福炎,文福拴. 电力建设. 2018(01)
[2]空调聚合商参与下的负荷控制与配电网重构[J]. 唐早,刘俊勇,刘友波,李婷,胥威汀,苟竞. 电力系统自动化. 2018(02)
[3]需求响应在电力辅助服务市场中的应用[J]. 沈运帷,李扬,高赐威,周磊. 电力系统自动化. 2017(22)
[4]美国调频辅助服务市场的调频补偿机制分析[J]. 陈达鹏,荆朝霞. 电力系统自动化. 2017(18)
[5]国内需求响应发展障碍分析及展望[J]. 张赢,董立军,黄雯. 电气技术. 2017(07)
[6]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)
[7]需求响应发展现状及趋势研究[J]. 闫华光,陈宋宋,李世豪,李德智,董明宇. 供用电. 2017(03)
[8]一种考虑风电出力和负荷不确定性的最优调峰方法研究[J]. 张彬,毛荀,彭晓涛. 电网与清洁能源. 2016(12)
[9]我国需求响应实施现状及发展展望[J]. 邹京希,曹敏,颜庭乔. 新型工业化. 2016(11)
[10]负荷聚合商参与可中断负荷项目的成本效益分析[J]. 张静页,王磊,刘顺桂. 南方电网技术. 2016(08)
博士论文
[1]遗传算法与粒子群算法的改进及应用[D]. 张顶学.华中科技大学 2007
硕士论文
[1]面向智能电网的电力需求响应商业运作模式研究[D]. 黄甜.东南大学 2016
[2]计及用户响应不确定性的负荷聚合商运营决策模型研究[D]. 朱文超.华北电力大学(北京) 2016
[3]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
[4]基于多代理粒子群算法的电力系统无功优化研究[D]. 胡廷鹤.广东工业大学 2013
本文编号：3218878
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
负荷波动性的频率直方图与正态分布密度函数因此，本文将具有响应不确定性的终端用户在需求响应时的响应程度，类比电力市
步骤二：从 δ 服从的正态分布样本空间中按式(4.7)产生 Sobol 拟随机数列 δk=1, 2, …, N； 步骤三：置 P=P+f(P0, QDGk1, QESk1, δ)，k=1, 2, …, N； 步骤四：重复步骤二与步骤三 N 次； 步骤五：E[f(P0, QDGk1, QESk1, δ)]=P/N。.4 算法测试本文从粒子群初始群落的产生和调整惯性权重的角度对标准粒子群算法进行改进后的粒子群算法总体流程与标准粒子群算法相似，差别体现在用拟随机序列产生粒子，用速度平均值动态调整粒子惯性权重。为了验证本文提出的改进粒子群算法敛性与计算效果，对二维 Rastrigin 测试函数最优解进行仿真试验。式(4.26)为二strigin 函数的表达式，图 4-5 是二维 Rastrigin 函数的可视化图形，可以看出该函数多个局部最优值和一个全局最优值。 2 21 2 1 2f x x 10 cos 2 x cos 2 x 20, x1,2∈[ 5.12, 5.12] (4
(c) 正态分布 N(0.8, 1.02)的抽样点 (d) 正态分布 N(0.8, 22)的抽样点图 5-1 不同正态分布标准差下的 104个采样点分布图由图可见，当正态分布的标准差较小为 0.1 时，负荷响应水平集中在以 0.8 为均值的很小的范围内，此时用户的响应度过于良好，没有体现特殊情况下的响应可能；当正态分布的标准差达到 1 之后，抽样点分布大致均匀，此时用户的响应度过于离散，没有体现响应度平均水平；当正态分布的标准差为 0.4 时，抽样点的分布既反映了正态分布的均值又体现了响应的不确定性，因此，本文设定 δ 服从的正态分布为 N(0.8, 0.42)。考虑到改进粒子群算法是一种进化计算技术，每次优化时总是会出现小范围的误差这种误差在迭代进化类智能算法中是不可避免的，为了减小算法误差，本文采取多次优化的方法，取最优解作为最终的优化结果。表 5-4 是 50 次优化后的结果：表 5-4 50 次优化计算平均值及方差计算总用时/s 利润期望平均值/$ 利润期望方差700 2348 0.24
【参考文献】：
期刊论文
[1]计及分布式发电出力与电价不确定性的负荷聚合商电能获取策略[J]. 俞敏,倪琳娜,方鹏,刘福炎,文福拴. 电力建设. 2018(01)
[2]空调聚合商参与下的负荷控制与配电网重构[J]. 唐早,刘俊勇,刘友波,李婷,胥威汀,苟竞. 电力系统自动化. 2018(02)
[3]需求响应在电力辅助服务市场中的应用[J]. 沈运帷,李扬,高赐威,周磊. 电力系统自动化. 2017(22)
[4]美国调频辅助服务市场的调频补偿机制分析[J]. 陈达鹏,荆朝霞. 电力系统自动化. 2017(18)
[5]国内需求响应发展障碍分析及展望[J]. 张赢,董立军,黄雯. 电气技术. 2017(07)
[6]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)
[7]需求响应发展现状及趋势研究[J]. 闫华光,陈宋宋,李世豪,李德智,董明宇. 供用电. 2017(03)
[8]一种考虑风电出力和负荷不确定性的最优调峰方法研究[J]. 张彬,毛荀,彭晓涛. 电网与清洁能源. 2016(12)
[9]我国需求响应实施现状及发展展望[J]. 邹京希,曹敏,颜庭乔. 新型工业化. 2016(11)
[10]负荷聚合商参与可中断负荷项目的成本效益分析[J]. 张静页,王磊,刘顺桂. 南方电网技术. 2016(08)
博士论文
[1]遗传算法与粒子群算法的改进及应用[D]. 张顶学.华中科技大学 2007
硕士论文
[1]面向智能电网的电力需求响应商业运作模式研究[D]. 黄甜.东南大学 2016
[2]计及用户响应不确定性的负荷聚合商运营决策模型研究[D]. 朱文超.华北电力大学(北京) 2016
[3]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
[4]基于多代理粒子群算法的电力系统无功优化研究[D]. 胡廷鹤.广东工业大学 2013
本文编号：3218878
本文链接：https://www.wllwen.com/guanlilunwen/shengchanguanlilunwen/3218878.html
