考虑电价和碳价间Copula风险依赖的虚拟电厂竞标策略
发布时间：2021-01-21 22:55
作为促进温室气体减排的新兴市场,碳交易市场逐渐成为影响发电公司收益的重要因素。碳市场中的碳排放配额具有典型的金融产品特征,碳价波动及其与电价的交互作用会给参与电力市场运营的发电公司竞标决策带来风险。在此背景下,针对由同一区域的火电机组、分布式发电单元、电动汽车和需求侧资源所集成的虚拟电厂（virtual power plant, VPP）,首先利用条件风险价值（conditional-value-at-risk, CVaR）理论度量VPP所面临的不确定性因素。然后,采用Copula函数对电价与碳价的联合概率分布进行建模,并以CVaR最小化为目标,针对虚拟电厂构建了计及电价和碳价间风险依赖的Copula-CVaR竞标优化模型。最后,采用YALMIP/CPLEX对所建立的竞标优化模型进行求解,并用一个算例系统的4个场景说明了采用所提方法刻画VPP竞标风险的可行性与有效性。
【文章来源】：电力建设. 2019,40(11)北大核心
【文章页数】：10 页
【部分图文】：
虚拟电厂架构图Fig.1Structureofavirtualpowerplant
电力经济研究电力建设2019年11月110http://www．cepc．com．cn负荷，uPB，t=0表示用户正常用电。2)IBDＲ约束。将参与IBDＲ的用户分为工商业用户和居民用户两类。为避免实施IBDＲ导致的负荷波动幅度过大，需满足削减量约束。ΔLIDＲj，t，min≤ΔLIDＲj，t≤ΔLIDＲj，t，max(25)式中:ΔLIDＲj，t为第j类IBDＲ用户在时刻t的负荷削减量;ΔLIDＲj，t，min和ΔLIDＲj，t，max分别为第j类IBDＲ用户在时刻t所允许的负荷削减量的最小值与最大值。2.3.4电动汽车相关约束1)充放电约束。0≤Pchk，t≤uchk，tPchk，max(26)0≤Pdck，t≤udck，tPdck，max(27)uchk，t+udck，t≤1(28)式中:Pchk，t和Pdck，t分别为时刻t第k辆EV的充电和放电功率;Pchk，max和Pdck，max分别为时刻t第k辆EV的最大充电和放电功率;uchk，t和udck，t分别为时刻t第k辆EV是否处于充放电状态，是则取1，否则取0。2)电池荷电状态(stateofcharge，SOC)约束。Sk，t=Sk，0+∑tuchk，tPchk，tηchk－udck，tPdck，t/ηdc()kΔtΩk(29)Sk，min＜Sk，t＜Sk，max(30)Sfinal≥Sk，final，min(31)式中:Sk，0和Sk，t分别为第k
第40卷第11期闫园，等:考虑电价和碳价间Copula风险依赖的虚拟电厂竞标策略电力经济研究http://www．cepc．com．cn111图3Gaussian-Copula概率密度函数Fig.3ProbabilitydensityfunctionofGaussian-Copula图4Gumbel-Copula概率密度函数Fig.4ProbabilitydensityfunctionofGumbel-Copula采用计及风险依赖的CVaＲ风险度量方法建立竞标优化模型。VPP的净收益可表示为Ｒ(W，ξ)，WT=(W1，W2，…，WT)为VPP的一种竞标组合，ξT=(ρE，t，ρC)为随机向量，风险因素电价和碳价的概率分布已由3.1节确定，定义VPP的竞标失败风险损失函数为π(W，ξ)=－Ｒ(W，ξ)，代入式(9)。给定虚拟变量zk(k=1，2，…，J)，并令zk=［π(W，ξ)－α］+，对式(16)和各成本函数进行线性化处理后，则以最小化CVaＲ为目标的VPP竞标组合优化模型可转化为由线性函数和线性约束构成的线性规划问题:minF^β(W，α)=α+1J(1－β)∑Jk=1zk(36)s.t.式(18)—(32)zk≥{0(37)3.3求解方法上面所构造的优化模型为混合整数线性规划问题，采用YALMIP/CPLEX求解器在CPU为3.5GHz、内存为8GB的个人计算机上进行求解。YALMIP是MATLAB求解优化问题常用的编程平台，CPLEX是IBM公司开发的求解线性规划、二次规划和混合整数规划的商用求解器。4算例与结果4.1参数设置VPP测试系统包含2台火电机组、1台风电机组和1台光伏发电机组。VPP?
本文编号：2992036
【文章来源】：电力建设. 2019,40(11)北大核心
【文章页数】：10 页
【部分图文】：
虚拟电厂架构图Fig.1Structureofavirtualpowerplant
电力经济研究电力建设2019年11月110http://www．cepc．com．cn负荷，uPB，t=0表示用户正常用电。2)IBDＲ约束。将参与IBDＲ的用户分为工商业用户和居民用户两类。为避免实施IBDＲ导致的负荷波动幅度过大，需满足削减量约束。ΔLIDＲj，t，min≤ΔLIDＲj，t≤ΔLIDＲj，t，max(25)式中:ΔLIDＲj，t为第j类IBDＲ用户在时刻t的负荷削减量;ΔLIDＲj，t，min和ΔLIDＲj，t，max分别为第j类IBDＲ用户在时刻t所允许的负荷削减量的最小值与最大值。2.3.4电动汽车相关约束1)充放电约束。0≤Pchk，t≤uchk，tPchk，max(26)0≤Pdck，t≤udck，tPdck，max(27)uchk，t+udck，t≤1(28)式中:Pchk，t和Pdck，t分别为时刻t第k辆EV的充电和放电功率;Pchk，max和Pdck，max分别为时刻t第k辆EV的最大充电和放电功率;uchk，t和udck，t分别为时刻t第k辆EV是否处于充放电状态，是则取1，否则取0。2)电池荷电状态(stateofcharge，SOC)约束。Sk，t=Sk，0+∑tuchk，tPchk，tηchk－udck，tPdck，t/ηdc()kΔtΩk(29)Sk，min＜Sk，t＜Sk，max(30)Sfinal≥Sk，final，min(31)式中:Sk，0和Sk，t分别为第k
第40卷第11期闫园，等:考虑电价和碳价间Copula风险依赖的虚拟电厂竞标策略电力经济研究http://www．cepc．com．cn111图3Gaussian-Copula概率密度函数Fig.3ProbabilitydensityfunctionofGaussian-Copula图4Gumbel-Copula概率密度函数Fig.4ProbabilitydensityfunctionofGumbel-Copula采用计及风险依赖的CVaＲ风险度量方法建立竞标优化模型。VPP的净收益可表示为Ｒ(W，ξ)，WT=(W1，W2，…，WT)为VPP的一种竞标组合，ξT=(ρE，t，ρC)为随机向量，风险因素电价和碳价的概率分布已由3.1节确定，定义VPP的竞标失败风险损失函数为π(W，ξ)=－Ｒ(W，ξ)，代入式(9)。给定虚拟变量zk(k=1，2，…，J)，并令zk=［π(W，ξ)－α］+，对式(16)和各成本函数进行线性化处理后，则以最小化CVaＲ为目标的VPP竞标组合优化模型可转化为由线性函数和线性约束构成的线性规划问题:minF^β(W，α)=α+1J(1－β)∑Jk=1zk(36)s.t.式(18)—(32)zk≥{0(37)3.3求解方法上面所构造的优化模型为混合整数线性规划问题，采用YALMIP/CPLEX求解器在CPU为3.5GHz、内存为8GB的个人计算机上进行求解。YALMIP是MATLAB求解优化问题常用的编程平台，CPLEX是IBM公司开发的求解线性规划、二次规划和混合整数规划的商用求解器。4算例与结果4.1参数设置VPP测试系统包含2台火电机组、1台风电机组和1台光伏发电机组。VPP?
本文编号：2992036
本文链接：https://www.wllwen.com/jingjilunwen/jingjililun/2992036.html
