文章解读与仿真程序复现思路——电网技术EI\CSCD\北大核心《适应储能参与的调频辅助服务市场机制设计及调度策略》

发布时间:2023年12月29日

本专栏栏目提供文章与程序复现思路,具体已有的论文与论文源程序可翻阅本博主的专栏栏目《论文与完整程序》

这个标题涉及到储能技术在电力系统中参与调频辅助服务市场的机制设计和调度策略。下面对标题中的关键术语进行解读:

  1. 储能参与的调频辅助服务:

    • 储能:?指储能技术,如电池、超级电容等,用于存储电能以备后用。
    • 调频辅助服务:?是一种电力系统服务,用于维持系统频率在额定值附近。储能可以通过充放电调整供电系统的功率,为调频提供支持。
  2. 市场机制设计:

    • 市场机制:?指电力市场中的规则和机制,包括定价、交易方式等。
    • 设计:?指对市场机制进行规划和构建,确保市场能够有效运作。
  3. 调度策略:

    • 调度:?是电力系统运营中的一个过程,涉及发电、输电和负荷的安排和调整。
    • 策略:?指在特定情境下采取的行动计划。

综合起来,这个标题表明研究的重点是如何设计储能参与调频辅助服务的市场机制,并制定有效的调度策略。这可能涉及到储能设施在市场中的角色、定价机制的制定、市场参与者的激励机制,以及在实际运营中如何调度储能系统来支持调频辅助服务。这样的研究有助于优化电力系统的运行,提高储能的经济性和可靠性,同时促进清洁能源的集成。

摘要:储能系统参与调频已经成为电力系统稳定频率波动的有效手段,合理的辅助服务市场运营机制有利于激励储能提供优质的辅助服务,培育优质的第三方市场主体。针对现有储能参与调频辅助服务市场面临的定价机制不完善、快慢调频资源补偿机制不合理和储能容量越限等问题,设计了适应储能参与的调频辅助市场运营机制,并在该市场机制下提出了考虑调频成本和储能荷电状态恢复的调频资源优化调度策略。首先,采用主客观权重方法计算不同类型的调频资源综合调频性能指标权重系数,刻画多类型调频资源的调频性能差异。其次,横向比对不同交易时段的调频需求,引入时间松弛因子优化交易时段的边际出清价格,有利于形成有效映射系统调频需求变化的调频价格信号。同时,为快速厘清快慢调频资源调频效果差异,采用空间松弛因子量化不同调频资源的替代容量,形成快慢调频资源的合理补偿。然后,充分考虑储能荷电状态影响,以调度周期内调频成本最小为目标函数,提出了多类型调频资源实时控制优化策略,在降低调频成本的同时有效避免储能容量越限。最后,以广东现行调频辅助服务市场交易规则为基础,验证了所提市场机制及调度策略的实用性和有效性。

这段摘要描述了一项关于储能系统参与调频辅助服务市场的研究,主要包括以下几个方面的内容:

  1. 背景和目的:

    • 储能系统在调频中的作用:?储能系统被认为是维持电力系统频率稳定的有效工具。
    • 市场运营机制的重要性:?合理的辅助服务市场运营机制对于激励储能系统提供高质量的辅助服务以及培育第三方市场主体具有重要意义。
  2. 市场问题的针对性解决:

    • 定价机制不完善:?指出现有市场存在的问题,如定价机制的不完善。
    • 快慢调频资源补偿机制问题:?提到快慢调频资源补偿机制存在不合理之处。
    • 储能容量越限问题:?引用储能容量越限问题,即储能系统容量受限的挑战。
  3. 研究方法和提出的解决方案:

    • 市场运营机制设计:?针对上述问题,设计了适应储能参与的调频辅助市场运营机制。
    • 调度策略的提出:?在新的市场机制下,提出了一种综合考虑调频成本和储能荷电状态恢复的调频资源优化调度策略。
  4. 具体步骤和方法:

    • 调频资源性能评估:?采用主客观权重方法计算不同类型调频资源的性能指标权重系数,以区分它们的调频性能差异。
    • 时段比对和价格优化:?通过横向比对不同交易时段的调频需求,引入时间松弛因子优化交易时段的边际出清价格,以产生有效的调频价格信号。
    • 快慢调频资源补偿:?使用空间松弛因子量化不同调频资源的替代容量,以实现对快慢调频资源的合理补偿。
    • 储能荷电状态考虑:?提出了以调度周期内调频成本最小为目标函数的多类型调频资源实时控制优化策略,避免了储能容量越限的问题。
  5. 验证和应用:

    • 市场机制和调度策略验证:?以广东现行调频辅助服务市场交易规则为基础,验证了所提市场机制及调度策略的实用性和有效性。

总体而言,这项研究致力于解决储能系统参与调频市场中存在的问题,通过新的市场机制设计和调度策略提供了一种综合考虑多方面因素的解决方案,并通过实验证明了其实用性和有效性。

关键词:?? ?电力市场;辅助服务;频率控制;出清价格;时间松弛因子;快慢调频资源;

  1. 电力市场:

    • 涉及电力的交易和运营,通常包括电力的购买、销售、配送和市场规则。在这个上下文中,可能指的是调频辅助服务在电力市场中的参与和相关运作。
  2. 辅助服务:

    • 指电力系统中提供的额外服务,旨在确保电力系统的稳定性和可靠性。辅助服务包括调频、无功功率支持等,以应对电力系统中的波动和不确定性。
  3. 频率控制:

    • 指调整电力系统的频率,以维持在合适的范围内。频率控制对于维持电力系统稳定性非常重要,尤其是在面对负荷变化或发电机的故障时。
  4. 出清价格:

    • 在电力市场中,指的是在某个时段内以确定的价格清理(出清)市场中的电力需求和供应。这可能包括辅助服务的交易,其中的出清价格反映了供需平衡的市场状况。
  5. 时间松弛因子:

    • 在这个上下文中,可能指在考虑辅助服务交易时引入的一种因子,用于优化交易时段的边际出清价格。它可能用于使得价格更灵活地适应系统的需求变化,有助于形成更有效的调频价格信号。
  6. 快慢调频资源:

    • 指电力系统中具有不同响应速度的调频资源。"快调频"通常指响应速度较快的资源,而"慢调频"则指响应速度较慢的资源。在调频市场中,需要合理地补偿这两类资源,以确保系统频率的稳定性。

这些关键词似乎在一个更大的语境中描述了电力系统中调频辅助服务的市场机制和相关问题,以及通过引入时间松弛因子来优化价格形成,同时考虑了快慢调频资源的合理补偿。这些都是为了提高电力系统的频率控制效能和市场的运行效率。

仿真算例:

本文基于广东省现行调频辅助服务市场交易 规则[15],以某省成功运行的完整运行日为基础,模 拟出清流程并开展调度优化策略模型仿真分析,对 所提适应储能参与的调频辅助服务市场机制及调 度策略进行有效性验证。 1)调频需求容量及输入信号。 系统调频需求容量决定了调频资源的容量预 留,设置该省 15min 系统调频需求容量见附录 A 图 A1。为简化后续分析,选取 3 种类型调频资源均参 与的 8 个连续调度周期(2h)时段作为经典调度周 期,并取其中一个调度周期作为经典时段用作综合 调频性能指标验证。设置经典调度周期调频指令信 号见附录 A 图 A2。 2)调频资源及调频资源报价信息。 设定 3 个储能系统、3 个水电机组和 6 个火电 机组共计 12 个调频资源参与运行日调频辅助服务 市场,考虑到调频资源受能量约束、机会成本等因 素影响,并不会全天参与调频市场,因而须对上述 调频资源参与调频市场的时段进行设定。 储能系统:考虑到储能系统容量限制和机会成 本,设定其参与调频市场的时间为 10:00—14:00、 19:00—21:00。火电、水电机组:设定火电、水电 机组全天参与调频市场。 不同调频资源参与调频辅助服务市场的调频 备用容量及调频里程报价见附录 A 表 A1。调频辅 助服务市场的标准单位调频容量补偿价格按照调 频资源是否中标差异补偿,当调频资源中标,标准 单位调频容量补偿价格 cap base P ? 12 元/MW;当调频资 源未中标,标准单位调频容量补偿价格 3.56 元/MW。 3)模型参数设置。 不同调频资源参与调频辅助服务市场的模型 参数见附录 A 表 A2。

仿真程序复现思路:

复现这篇文章的仿真可以分为以下步骤,假设使用Python进行实现:

步骤一:导入必要的库和模块

 
import numpy as npimport numpy as np
import pandas as pd
import matplotlib.pyplot as plt

import pandas as pd
import matplotlib.pyplot as plt

步骤二:定义调度周期和经典时段

 
# 定义调度周期和经典时段
num_periods = 8
classic_schedule_period = 1  # 选择其中一个调度周期作为经典时段

步骤三:生成调频需求容量和调频指令信号

 
# 生成调频需求容量(假设从附录A图A1获取)
freq_demand_capacity = ...

# 生成调频指令信号(假设从附录A图A2获取)
freq_instruction_signal = ...

步骤四:定义调频资源和报价信息

 
# 定义调频资源和报价信息
num_storage_systems = 3
num_hydro_units = 3
num_thermal_units = 6
total_resources = num_storage_systems + num_hydro_units + num_thermal_units

# 设定调频资源参与市场的时段
participation_periods = {
    'storage_systems': [(10, 14), (19, 21)],
    'hydro_units': [(0, 24)],  # 全天参与
    'thermal_units': [(0, 24)]  # 全天参与
}

# 生成调频备用容量和调频里程报价信息(假设从附录A表A1获取)
freq_reserve_capacity = ...
freq_price_quote = ...

步骤五:定义模型参数

 
# 定义模型参数(假设从附录A表A2获取)
model_parameters = ...

步骤六:模拟调度优化策略

 
# 编写调度优化算法,考虑调频需求、调频资源、报价等信息
# 这里只是一个示例,实际的调度算法需要根据文中描述的具体方法来实现
def dispatch_optimization(freq_demand, resources, quotes, parameters):
    # 实现调度优化逻辑
    ...

# 调用调度优化算法
optimized_schedule = dispatch_optimization(freq_demand_capacity, total_resources, freq_price_quote, model_parameters)

步骤七:结果可视化和分析

 
# 可视化结果,例如绘制调度周期内的调度情况
plt.plot(optimized_schedule, label='Optimized Schedule')
plt.plot(freq_demand_capacity, label='Frequency Demand Capacity')
plt.legend()
plt.show()

这是一个简化的例子,实际的仿真实现需要根据具体的论文细节来完善。具体的调度优化算法可能需要深入理解文中描述的模型和方法,以确保在仿真中正确地实现。此外,使用适当的优化库(如SciPy或CVXPY)可能对调度优化问题的求解非常有帮助。

文章来源:https://blog.csdn.net/LIANG674027206/article/details/135169920
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。