风电与电动汽车组成虚拟电厂参与市场的多主体博弈
发布时间：2021-07-02 17:07
为了研究风电商和电动汽车群以合作联营模式组成虚拟电厂参与电力市场多主体投标竞价过程中的市场表现,文章以博弈理论为基础,建立了含有电动汽车、电网公司、传统发电商和用户群的电力市场多主体模型,并使用协同遗传进化算法求出纳什均衡解。通过实例仿真,对比了风电商与电动汽车商以合作和非合作两种经营模式参与市场的博弈结果,表明虚拟电厂合作模式能有效增加风电商和电动汽车商的市场总利润,且电动汽车商的经济行为可使各供电商的电价波动性更小,起到平稳电价的作用。
【文章来源】：可再生能源. 2020,38(12)北大核心
【文章页数】：7 页
【部分图文】：
电力市场多主体交易结构模式
CCGAs算法符合电力市场多方交易体博弈过程，每个交易体就是一个独立的种群，算法框图如图2所示。子系统的个体评估依赖于各种群之间的合作，即当选择某个交易体的最优决策变量时，需将其他交易体当前的最优个体代表与其共同构成整个系统的策略组合，计算出效益值，从而评判该子系统个体决策变量的优劣。4个种群通过各自的进化和协作，不断地改善整个系统的适应度值。
本文假设100×100 km2的区域内有传统发电商、供电公司、VPP商各一个，100个用户群体随机分布，如图3所示。取各交易实体两两之间直线距离为电气距离，线路单位电阻为0.21Ω，线路电压平均值为12.5 k V;VPP少投偏差惩罚系数c=1.5;EV蓄电池的老化系数r=0.13；电网公司收取的过网服务费系数β=0.14元/（k W·h）；网络损耗成本系数δ=0.75元/（k W·h);EV充、放电功率上限Smaxv·in=Smaxv·out=50 MW；风电商的最大输出功率Qtmax=120 MW;EV的充电时段为t=0～7 h，放电套利时段为t=8～23h。传统发电商成本函数系数a0=0.56,b0=14.5,c0=6.5×103，最小、最大出力约束为Qgmin=100 MW,Qgmax=200 MW，下、上爬坡功率极限ΔQgdown=ΔQgup=30 MW。CCGAs算法的种群规模为200，交叉概率为0.9，变异概率为0.2，迭代次数为1 000。
【参考文献】：
期刊论文
[1]考虑热电联合调度的虚拟电厂交易策略研究[J]. 周博,吕林,高红均,阮振,钱珍琳. 电测与仪表. 2019(10)
[2]基于时空互补的电动汽车有序充电[J]. 苏海锋,王桂哲,刘利斌,赵可为,王菲. 电测与仪表. 2017(14)
[3]电动汽车代理在电力市场的最优竞标策略[J]. 宫鑫,林涛,苏秉华. 电网技术. 2016(09)
[4]能源互联网环境下数据中心能耗优化管理技术研究[J]. 李刚,刘继春,赵岩,刘俊勇,蒋长江,杨熙. 电测与仪表. 2016(10)
[5]含分布式电源的配电网双层扩展规划[J]. 张彼德,何頔,张强,邓钧,龙杰. 电力系统保护与控制. 2016(02)
[6]能源互联网背景下的电力储能技术展望[J]. 李建林,田立亭,来小康. 电力系统自动化. 2015(23)
[7]能源互联网的商业模式与市场机制(二)[J]. 刘敦楠,曾鸣,黄仁乐,吉立航,陈启鑫,段金辉,李源非. 电网技术. 2015(11)
[8]能源互联网的价值与实现架构研究[J]. 杨方,白翠粉,张义斌. 中国电机工程学报. 2015(14)
[9]能源互联网技术形态与关键技术[J]. 田世明,栾文鹏,张东霞,梁才浩,孙耀杰. 中国电机工程学报. 2015(14)
[10]能源互联网信息技术研究综述[J]. 王继业,孟坤,曹军威,程志华,高灵超,林闯. 计算机研究与发展. 2015(05)
本文编号：3260872
【文章来源】：可再生能源. 2020,38(12)北大核心
【文章页数】：7 页
【部分图文】：
电力市场多主体交易结构模式
CCGAs算法符合电力市场多方交易体博弈过程，每个交易体就是一个独立的种群，算法框图如图2所示。子系统的个体评估依赖于各种群之间的合作，即当选择某个交易体的最优决策变量时，需将其他交易体当前的最优个体代表与其共同构成整个系统的策略组合，计算出效益值，从而评判该子系统个体决策变量的优劣。4个种群通过各自的进化和协作，不断地改善整个系统的适应度值。
本文假设100×100 km2的区域内有传统发电商、供电公司、VPP商各一个，100个用户群体随机分布，如图3所示。取各交易实体两两之间直线距离为电气距离，线路单位电阻为0.21Ω，线路电压平均值为12.5 k V;VPP少投偏差惩罚系数c=1.5;EV蓄电池的老化系数r=0.13；电网公司收取的过网服务费系数β=0.14元/（k W·h）；网络损耗成本系数δ=0.75元/（k W·h);EV充、放电功率上限Smaxv·in=Smaxv·out=50 MW；风电商的最大输出功率Qtmax=120 MW;EV的充电时段为t=0～7 h，放电套利时段为t=8～23h。传统发电商成本函数系数a0=0.56,b0=14.5,c0=6.5×103，最小、最大出力约束为Qgmin=100 MW,Qgmax=200 MW，下、上爬坡功率极限ΔQgdown=ΔQgup=30 MW。CCGAs算法的种群规模为200，交叉概率为0.9，变异概率为0.2，迭代次数为1 000。
【参考文献】：
期刊论文
[1]考虑热电联合调度的虚拟电厂交易策略研究[J]. 周博,吕林,高红均,阮振,钱珍琳. 电测与仪表. 2019(10)
[2]基于时空互补的电动汽车有序充电[J]. 苏海锋,王桂哲,刘利斌,赵可为,王菲. 电测与仪表. 2017(14)
[3]电动汽车代理在电力市场的最优竞标策略[J]. 宫鑫,林涛,苏秉华. 电网技术. 2016(09)
[4]能源互联网环境下数据中心能耗优化管理技术研究[J]. 李刚,刘继春,赵岩,刘俊勇,蒋长江,杨熙. 电测与仪表. 2016(10)
[5]含分布式电源的配电网双层扩展规划[J]. 张彼德,何頔,张强,邓钧,龙杰. 电力系统保护与控制. 2016(02)
[6]能源互联网背景下的电力储能技术展望[J]. 李建林,田立亭,来小康. 电力系统自动化. 2015(23)
[7]能源互联网的商业模式与市场机制(二)[J]. 刘敦楠,曾鸣,黄仁乐,吉立航,陈启鑫,段金辉,李源非. 电网技术. 2015(11)
[8]能源互联网的价值与实现架构研究[J]. 杨方,白翠粉,张义斌. 中国电机工程学报. 2015(14)
[9]能源互联网技术形态与关键技术[J]. 田世明,栾文鹏,张东霞,梁才浩,孙耀杰. 中国电机工程学报. 2015(14)
[10]能源互联网信息技术研究综述[J]. 王继业,孟坤,曹军威,程志华,高灵超,林闯. 计算机研究与发展. 2015(05)
本文编号：3260872
本文链接：https://www.wllwen.com/kejilunwen/qiche/3260872.html
