20251213-华南理工大学-含储能新型电力系统的现货市场出清模型研究_32页_9mb

含储能新型电力系统的现货市场出清模型研究总结

核心内容

本文探讨了含储能的新型电力系统在现货市场中的出清模型与算法，重点分析了储能参与市场和调度的挑战，以及如何通过考虑新能源发电的不确定性与非预期性来改进多阶段优化模型。

储能在新型电力系统中的角色

• 储能系统在新型电力系统中扮演着关键角色，尤其在应对新能源发电的波动性和不确定性方面。
• Duck Curve 和 Canyon Curve 是描述新能源对电力系统调度影响的典型曲线，表明在日间和傍晚时段对灵活性的需求显著增加。
• 储能系统可以通过充电/放电来缓解这种需求，提高系统的灵活性和稳定性。

储能参与电力市场与调度的挑战

• 储能系统的充放电过程具有非凸性，因为其充放电工况互斥，且能量-功率关系非线性。
• 非预期性约束要求在市场出清过程中，决策仅依赖于当前及之前的信息，不能利用未来信息。
• 传统模型在处理不确定性时忽略了非预期性，导致策略偏乐观，可能引发调度不安全。

新能源发电的不确定性

• 随机性：新能源发电具有概率特性，可以用伯努利分布等描述。
• 不确定性：指结果不明确，如鲁棒优化中的不确定集。
• 模糊性：指模型不明确，如新能源发电出力的概率分布未知，需使用模糊集进行建模。

多阶段优化模型与算法

• 多阶段优化模型：考虑新能源发电的不确定性与非预期性，能够更精确地模拟时序决策过程。
• 分布鲁棒优化（DRO）：在不确定性集合中最小化最坏情况下的成本期望，提供更强的鲁棒性和更优的出清结果。
• 非预期性约束：通过场景树形式进行建模，确保决策只依赖于当前及之前的信息，避免利用未来信息。

储能调度在日前、日内优化中的衔接

• 日前优化：确定储能的鲁棒能量边界，用于指导日内调度。
• 日内优化：采用前瞻调度模式，基于模型预测控制原理进行滚动出清。
• 动态优化策略：考虑滚动时域内的多时段能量边界约束，或仅在最后一个时段约束能量边界，以提高调度的安全性和经济性。

储能参与电力现货市场的现状

• 国内现状：首批试点地区中，山西、广东已正式运行电力现货市场；第二批试点地区正在进行结算试运行。
• 相关政策：2023年9月，国家发改委、国家能源局发布《电力现货市场基本规则(试行)》，鼓励储能等新型主体参与市场。
• 报价方式：独立储能可采用报量报价或报量不报价的方式参与市场，不同省份有不同的规则。

储能参与电力现货市场的国际经验

• 美国ISOs/RTOs：如NYISO、MISO等，允许储能作为独立主体参与市场，采用鲁棒优化方法优化抽水蓄能机组的运行。
• 澳洲市场：电化学储能系统如Hornsdale Power Reserve在现货市场中表现良好，通过灵活调度实现盈利。

模型与算法对比

• 模型1（本文提出的模型）：基于分布鲁棒优化，考虑非预期性约束，出清结果更安全。
• 模型2：不考虑非预期性，出清结果略高（平均成本增加0.22%），但在高新能源出力日成本显著增加。
• 模型3：基于确定性优化，导致在低新能源出力日出现较大的负荷削减。

算法效率分析

• 算法1：利用放松后的储能模型的值函数，运行时间更短，场景数量更少。
• 算法2：采用嵌套的列与约束生成方法，处理场景集，但效率较低。
• 效率提升：在Day 2和Day 6的案例中，算法1分别比算法2节省了103.64秒和373.09秒的运行时间，场景数量也显著减少。

结论

• 考虑新能源不确定性和非预期性的多阶段优化模型能更有效地应对新型电力系统的调度挑战。
• 本文提出的算法在经济性和安全性方面均优于传统方法，具有较高的应用价值。
• 储能系统的合理参与对提升电力系统的灵活性和稳定性至关重要。

关键信息

• 储能系统在新型电力系统中具有重要作用，特别是在应对新能源波动性和不确定性方面。
• 非预期性约束是多阶段优化模型的关键，确保决策基于当前信息。
• 分布鲁棒优化方法在处理新能源不确定性方面表现出更强的鲁棒性和更优的经济性。
• 储能调度在日前和日内优化中的衔接方法能有效提升系统的整体性能。