基于主从博弈的储能电站容量电费定价方法
发布时间：2020-12-06 20:04
储能系统的规模化应用是提高新能源消纳能力的重要手段之一,其大规模推广需要容量电价激励。然而,现有的容量电价计算方法仅与建设成本相关,收益固定,不利于调动储能电站的运行积极性。因此,提出了一种基于主从博弈的储能容量电费定价方法,同时计及了储能电站和电网的收益,储能电站作为领导者根据容量电费信号决定建设容量,电网作为跟随者依据储能容量调整容量电费,两者交互影响,直至实现均衡。在此基础上,将该博弈问题转化为双层规划问题进行求解,上层目标为储能电站收益最大化,下层目标为电网补贴成本最小化。进一步,通过Karush-Kuhn-Tucker（KKT）最优性条件,将双层规划问题转化为可直接求解的混合整数规划问题。最后,通过仿真算例验证所提方法的合理性和有效性。结果表明,主从博弈定价的方法可以有效模拟电网和电站直接的互动决策关系,保障储能电站容量电费定价的合理性。和传统方法相比,本方法在实现新能源消纳目标的同时降低了电网对储能的补贴成本。
【文章来源】：高电压技术. 2020年02期 第519-526页 北大核心
【文章页数】：8 页
【部分图文】：
博弈关系图Fig.1Structureofthegame
够大数M，可将非线性约束转化为线性不等式。以式(20)为例，其可转化为：max0jtjtjMzgg(26)(1)0jtjtMz(27)式中，jtz为引入的辅助布尔变量，用于线性化表达式。通过上述变换，下层优化问题被转化为一系列的约束条件，将其引入上层优化问题后，双层优化问题被巧妙地转化为单层优化问题。3.3目标函数的线性化由于目标函数中存在着储能容量与容量电费相乘的双线性项ssPS，原问题虽已转化为单层优化问题，新问题依然难以求解。因此，本文采用布尔图2模型框架Fig.2Modelstructure展开法[22]将目标函数线性化。储能容量sP可离散化表示为minsss02KkkkPPPu(28)同时引入如下新约束：maxminsss()/2KPPP(29)minmaxss,kkkSuvSuk(30)minmaxsss(1)(1),kkkSuSvSuk(31)式中：K为分段数；sP为分段的长度；maxsS和minsS分别为储能容量电费的上限和下限；ku为引入的布尔变量；kv为引入的连续变量。至此，原有的双线性项可转化为minsssss02KkkkPSSPvP(32)如此，经过上述变换，双层优化问题被转化为混合整数二次规划问题，可直接通过商业软件求解。4算例分析4.1基础数据本文采用某一简化的区域电网算例来验证本方法的有效性。电网中包含2座常规电厂、1座风电场和1座储能电站。常规电厂的参数如表1所示。某一典型日的用电需求如图3所示，负荷峰值为2300MW。风电场的功率预测数据如图4所示，为简化分析，暂不考虑预测
李至骜，陈来军，刘当武，等：基于主从博弈的储能电站容量电费定价方法523图3负荷曲线Fig.3Loaddistribution图4风电预测最大出力Fig.4Maximumwindpoweroutput算例采用的部分参数设置如表2所示。此外，09:00—19:00电网采用峰时电价，其他时刻则采用谷时电价。4.2结果分析采用Matlab建模并调用GUROBI优化软件对模型进行求解，得到的优化结果如表3和图5所示。现对含储能的算例进行分析。图5给出了运行时段内储能电站的充放电功率，其中储能功率放电为正，充电为负。由图5可以看出，和传统的储能电站获利方式不同，其并未按照峰谷套利的模式运行，即在电价低谷时满充，电价高峰时满放。而是随着风电的波动调整自身的出力，支撑电网消纳风电，在低电价以及高电价的时段也进行了充电和放电(t=3h和t=18h)。这样，储能电站在通过峰谷电价差获得一定套利的同时支撑了电网的运行，电网表2算例参数设置Table2Caseparameterssetting参数数值参数数值储能寿命Ls/a10Hmax0.8储能充电效率/%90Hmin0.2容量成本Us/(元·W1)10贴现率r/%6最大释能时间/h4最大补贴容量Pb/MW150峰时电价/(元·kW1·h1)1.1最大容量Pmax/MW0谷时电价/(元·kW1·h1)0.35最小容量Pmin/MW2000表3优化结果Table3Optimizationresult参数名称容量/MW容量电费/(元·kW1)储能收益/万元电网成本/万元数值172.3118219.6332图5储能充放电功率Fig.5Powerprofileofenergystoragesystem弃风率由原先的27%降为10%。另一方面，电网给予的容量补贴弥补了储?
【参考文献】：
期刊论文
[1]用于风功率波动平抑的储能运行策略对比分析[J]. 张新松,袁越,郑源,顾菊平. 高电压技术. 2019(09)
[2]分布式储能网络化运营平台架构与控制策略[J]. 赵伟,肖祥,郑耀东,易斌,孟金岭,罗敏. 高电压技术. 2019(10)
[3]基于风电消纳的峰谷电价定价机制研究[J]. 王燕涛,孟静,孙立成. 价格理论与实践. 2018(10)
[4]储能距离真正商业化还有多远——项目建设热潮背后的冷静思考[J]. 李岱昕. 电器工业. 2018(10)
[5]电力储能技术的适用性评价模型与方法研究[J]. 薛金花,叶季蕾,陶琼,王德顺. 高电压技术. 2018(07)
[6]储能系统容量优化配置及全寿命周期经济性评估研究综述[J]. 李建林,修晓青,吕项羽,郭威. 电源学报. 2018(04)
[7]政策助力储能实现商业化发展[J]. 张静. 中外能源. 2018(04)
[8]储能在电网中的应用价值及其商业模式[J]. 韩晓娟,艾瑶瑶,李相俊. 发电技术. 2018(01)
[9]抽水蓄能电站电价形成机制研究[J]. 赵增海,张丹庆,韩益民,郭大军. 水力发电. 2016(02)
[10]抽水蓄能项目电价运营模式及标杆容量电价的初步测算[J]. 李雪娇,翟海燕. 中国能源. 2015(12)
本文编号：2901954
【文章来源】：高电压技术. 2020年02期 第519-526页 北大核心
【文章页数】：8 页
【部分图文】：
博弈关系图Fig.1Structureofthegame
够大数M，可将非线性约束转化为线性不等式。以式(20)为例，其可转化为：max0jtjtjMzgg(26)(1)0jtjtMz(27)式中，jtz为引入的辅助布尔变量，用于线性化表达式。通过上述变换，下层优化问题被转化为一系列的约束条件，将其引入上层优化问题后，双层优化问题被巧妙地转化为单层优化问题。3.3目标函数的线性化由于目标函数中存在着储能容量与容量电费相乘的双线性项ssPS，原问题虽已转化为单层优化问题，新问题依然难以求解。因此，本文采用布尔图2模型框架Fig.2Modelstructure展开法[22]将目标函数线性化。储能容量sP可离散化表示为minsss02KkkkPPPu(28)同时引入如下新约束：maxminsss()/2KPPP(29)minmaxss,kkkSuvSuk(30)minmaxsss(1)(1),kkkSuSvSuk(31)式中：K为分段数；sP为分段的长度；maxsS和minsS分别为储能容量电费的上限和下限；ku为引入的布尔变量；kv为引入的连续变量。至此，原有的双线性项可转化为minsssss02KkkkPSSPvP(32)如此，经过上述变换，双层优化问题被转化为混合整数二次规划问题，可直接通过商业软件求解。4算例分析4.1基础数据本文采用某一简化的区域电网算例来验证本方法的有效性。电网中包含2座常规电厂、1座风电场和1座储能电站。常规电厂的参数如表1所示。某一典型日的用电需求如图3所示，负荷峰值为2300MW。风电场的功率预测数据如图4所示，为简化分析，暂不考虑预测
李至骜，陈来军，刘当武，等：基于主从博弈的储能电站容量电费定价方法523图3负荷曲线Fig.3Loaddistribution图4风电预测最大出力Fig.4Maximumwindpoweroutput算例采用的部分参数设置如表2所示。此外，09:00—19:00电网采用峰时电价，其他时刻则采用谷时电价。4.2结果分析采用Matlab建模并调用GUROBI优化软件对模型进行求解，得到的优化结果如表3和图5所示。现对含储能的算例进行分析。图5给出了运行时段内储能电站的充放电功率，其中储能功率放电为正，充电为负。由图5可以看出，和传统的储能电站获利方式不同，其并未按照峰谷套利的模式运行，即在电价低谷时满充，电价高峰时满放。而是随着风电的波动调整自身的出力，支撑电网消纳风电，在低电价以及高电价的时段也进行了充电和放电(t=3h和t=18h)。这样，储能电站在通过峰谷电价差获得一定套利的同时支撑了电网的运行，电网表2算例参数设置Table2Caseparameterssetting参数数值参数数值储能寿命Ls/a10Hmax0.8储能充电效率/%90Hmin0.2容量成本Us/(元·W1)10贴现率r/%6最大释能时间/h4最大补贴容量Pb/MW150峰时电价/(元·kW1·h1)1.1最大容量Pmax/MW0谷时电价/(元·kW1·h1)0.35最小容量Pmin/MW2000表3优化结果Table3Optimizationresult参数名称容量/MW容量电费/(元·kW1)储能收益/万元电网成本/万元数值172.3118219.6332图5储能充放电功率Fig.5Powerprofileofenergystoragesystem弃风率由原先的27%降为10%。另一方面，电网给予的容量补贴弥补了储?
【参考文献】：
期刊论文
[1]用于风功率波动平抑的储能运行策略对比分析[J]. 张新松,袁越,郑源,顾菊平. 高电压技术. 2019(09)
[2]分布式储能网络化运营平台架构与控制策略[J]. 赵伟,肖祥,郑耀东,易斌,孟金岭,罗敏. 高电压技术. 2019(10)
[3]基于风电消纳的峰谷电价定价机制研究[J]. 王燕涛,孟静,孙立成. 价格理论与实践. 2018(10)
[4]储能距离真正商业化还有多远——项目建设热潮背后的冷静思考[J]. 李岱昕. 电器工业. 2018(10)
[5]电力储能技术的适用性评价模型与方法研究[J]. 薛金花,叶季蕾,陶琼,王德顺. 高电压技术. 2018(07)
[6]储能系统容量优化配置及全寿命周期经济性评估研究综述[J]. 李建林,修晓青,吕项羽,郭威. 电源学报. 2018(04)
[7]政策助力储能实现商业化发展[J]. 张静. 中外能源. 2018(04)
[8]储能在电网中的应用价值及其商业模式[J]. 韩晓娟,艾瑶瑶,李相俊. 发电技术. 2018(01)
[9]抽水蓄能电站电价形成机制研究[J]. 赵增海,张丹庆,韩益民,郭大军. 水力发电. 2016(02)
[10]抽水蓄能项目电价运营模式及标杆容量电价的初步测算[J]. 李雪娇,翟海燕. 中国能源. 2015(12)
本文编号：2901954
本文链接：https://www.wllwen.com/jingjilunwen/guojimaoyilunwen/2901954.html
