大规模电动汽车与风电参与日前能量-调频市场投标方法

本发明属于新能源领域，涉及一种大规模电动汽车与风电参与日前能量-调频市场投标方法。

背景技术：

1、针对电动汽车参与电力市场的调度策略，有学者进行了深入研究。部份学者研究了电动汽车参与电能量市场的优化策略。相比参与单一市场，参与能量-调频市场可以同时发挥电动汽车对系统负荷与频率的调节作用，存在更大的获利空间。仿真结果表明，所提策略能在延长电动汽车参与v2g下的电池寿命的同时提高用户的收益。上述研究表明，相比参与单一市场，电动汽车参与能量-调频联合市场的方案更加灵活，可获得更高收益，但也增加了电动汽车功率控制的复杂程度。同时在电动汽车能量-调频市场的优化调度中引入复杂的电池损耗模型，当车辆集群规模增大时模型求解难度指数级增加，可能导致模型不能及时求解甚至无法求解的问题。

2、目前，为解决大规模电动汽车的优化模型求解时间长的问题，有研究学者提出了电动汽车能量边界模型、基于闵可夫斯基加和的电动汽车等效聚合模型以及电动汽车决策空间削减方法，其共同思想均是通过叠加决策边界进行电动汽车集群等效。而对于计及电池损耗的非线性电动汽车优化问题，采用传统基于调度边界叠加的电动汽车集群等效方法的求解结果与实

3、针对风电参与电力市场的功率优化配置问题也已开展了大量研究。针对风电出力的不确定性，电力市场要求风电供应商制定风电出力计划，并惩罚偏离计划的电量，即惩罚风电超发电量和欠发电量，以减小风电出力波动性与间歇性对电力系统安全运行的危害。对于风电参与电能量市场的研究，部份学者研究了风电与储能等其他市场主体联合参与能量市场。

4、随着面向风电机组的有功功率控制技术不断发展，使得风电可以参与系统频率调节，进而在能量-调频市场中获取收益。风电在能量市场和调频市场的协同优化可以有效避免电量超发和欠发导致的收益损失，提高其经济效益。但现有研究对于风电在能量-调频市场下的出力偏差惩罚考虑较少，对于同时考虑功率和容量偏差的风电偏差惩罚研究缺乏，部份相关研究中的惩罚成本模型计算较为复杂且不适用于上/下调频容量可区别投标的场景。少数文献研究了风电与电动汽车在能量市场中的竞争合作关系。

5、综上可知，风电和电动汽车同时参与电力市场，一方面充分发挥了风电和电动汽车的互补特性，减少风电波动性和大规模充电负荷对电力系统的不利影响；另一方面，风电和电动汽车在竞争合作中基于市场竞争力以及市场供需关系实现了风电和电动汽车的优化配置，提高了两者在电力市场的获利空间。而相比参与单一市场，风电或电动汽车参与能量-调频联合市场可以同时发挥他们对系统负荷与频率的调节作用，获得更高的综合效益。但是现有文献研究只考虑了风电与电动汽车在能量市场下的合作竞争关系，对于两者在能量-调频市场下的合作竞争关系考虑不足，而能量-调频市场下风电与电动汽车收益又取决于两者的计及交易电能与调频容量的综合市场能力，与仅参与能量市场存在较大区别。风电与电动汽车在能量-调频市场的相互影响关系研究不足，两者的市场力未被充分挖掘。若电动汽车代理商与风电供应商参与市场投标时忽略各参与者投标的相互影响，市场的出清结果可能严重偏离其最优运行策略。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种大规模电动汽车与风电参与日前能量-调频市场投标方法。首先，基于电动汽车全过程行为边界影响因素分析，提出了单层遍历求解灵敏度、多层迭代求解划分组合的电动汽车分类聚合方法。然后，考虑电动汽车电池损耗和风电偏差惩罚成本，提出了电动汽车与风电参与能量-调频市场的日前投标策略，建立了基于stackelberg博弈的双层优化模型，上层为电动汽车代理商与风电供应商主体收益最大投标模型，下层为电力交易中心以系统运行成本最低的出清模型，并基于nash博弈刻画电动汽车代理商与风电供应商的竞争关系。

2、为达到上述目的，本发明提供如下技术方案：

3、大规模电动汽车与风电参与日前能量-调频市场投标方法，该方法包括以下步骤：

4、s1：基于数据驱动的电动汽车分类聚合；

5、s2：建立日前能量-调频市场投标模型；

6、s3：日前投标模型转化及求解。

7、进一步的，所述s1具体为：

8、s11：电动汽车全过程行为边界模型

9、针对通勤类电动汽车，车辆i入网时，车主需向聚合商申报离开时间tidep以及期望电量sociexp，其可调度区间通过电动汽车充放电和行驶过程的行为边界描述，其中sociini为初始soc；和分别为车辆到达和离开充电桩1和充电桩2的时间；socmax/min为调度允许的soc最大/最小值；为调度功率的最大/最小值，由充电桩充放电功率上限决定；

10、当优化问题仅含与电动汽车电池能量、充放电功率线性相关的变量时，将每辆电动汽车的能量边界与功率边界进行叠加，得到整个电动汽车集群的等效能量边界与功率边界；

11、s12：基于数据驱动的电动汽车分类聚合

12、基于充电站中电动汽车历史充电行为数据，选取电动汽车初始soc、期望soc、离开充电桩1与充电桩2时刻以及通勤距离这五个行为特征参数设计最优的参数分段方法，在满足给定聚合精度阈值与求解时间阈值下，迭代求解某一电动汽车规模下电动汽车分类划分结果；

13、为特征参数分段数矩阵，矩阵元素分别表示初始soc、期望soc、离开时刻1、离开时刻2、通勤距离五个特征参数的分段数量；k表示分段数矩阵的元素检索序号；k*表示聚合误差最小对应的检索序号；n表示当前迭代次数；为设定的最大循环次数；

14、含非线性变量的大规模电动汽车等效聚合完整步骤：

15、s121：根据电动汽车集群车辆信息以及用户行为特征分布，采用蒙特卡洛法抽样生成车辆的初始soc、电池容量、到达/离开充电桩时间等参数信息，获取含电动汽车初始soc在内的五个特征参数区间范围；

16、s122：根据蒙特卡洛抽样生成的电动汽车信息，分段计算车辆i在网和行驶状态下的能量上/下边界及功率上下边界得到电动汽车全过程行为边界；

17、s123：根据电动汽车分类判断流程求解电动汽车特征参数最优分段数矩阵；

18、s124：按照各参数的分类区间将电动汽车集群划分为各参数相似的种类；

19、s125：加和各类电动汽车全过程行为边界，得到各类电动汽车的集总功率边界及能量边界如下：

20、

21、式中，表示第k类电动汽车的集合；分别为第k类电动汽车在t时段的集总上/下功率边界；分别为第k类电动汽车在t时段的集总能量上/下边界。

22、进一步的，所述s2具体为：

23、s21：建立日前能量-调频市场投标框架

24、设调频市场为完全竞争市场，即调频市场价格不受风电与电动汽车的备用容量影响；

25、在日前能量-调频市场中，电动汽车代理商首先根据充放电站历史运行数据对大规模电动汽车进行分类聚合，形成电动汽车集群的等效集总功率边界与能量边界；而后预测风电代理商的报价情况，协同优化自身参与能量市场的投标价格与参与调频市场的容量计划，并将能量投标价格、期望功率计划以及调频容量备用计划投标至能量-调频市场；

26、风电供应商预测次日的风电出力情况以及电动汽车代理商在日前能量市场中的投标价格，协同优化自身参与能量市场的投标价格与参与调频市场的容量计划，并将能量投标价格、期望功率计划以及调频容量备用计划投标至能量-调频市场；在投标过程中，市场参与者根据对方报价情况优化自身的报价曲线及功率计划，其结果即为预测其他市场参与者行为下的最优反应；

27、能量市场中，电力交易中心根据电动汽车代理商和风电供应商的报价及期望功率计划以及发电商的分段报价，出清各市场参与者次日的功率计划，并根据配电网节点边际电价(distribution locational marginal price,dlmp)结算电动汽车代理商与风电供应商的电能费用；此外，在出清过程中，配电系统运营商对交易过程实施阻塞管理，校核配网潮流；

28、设发电商的报价曲线不会受电动汽车代理商、风电供应商在能量市场中的报价影响；系统的决策者包含电动汽车代理商、风电供应商及电力交易中心；

29、s22：建立电动汽车代理商投标模型

30、设电动汽车代理商管理的充放电站充放电功率是一致的，仅存在充放电机数量区别，站内电动汽车充放电行为统计规律一致，即各充放电站的分类聚合结果一致，仅存在电动汽车数量区别；

31、电动汽车代理商参与日前能量-调频市场投标目标函数为：

32、

33、式中，ωt为调度时段集合；索引k表示第k类聚合电动汽车；ωtype为电动汽车类别集合；为日前能量市场t时段配网j节点的出清电价；和分别为电动汽车i在t时段的小时充电功率和小时放电功率；和分别为t时段上调频价格和下调频价格；和分别为电动汽车i在t时段的上调频容量和下调频容量；为k类电动汽车电池v2g寿命损耗；目标函数第一项表示电动汽车集群的能量市场收益；函数第二项表示电动汽车集群调频收益；函数第三项表示电动汽车集群电池损耗成本；

34、①投标价格约束

35、

36、式中，ωcds电动汽车充放电站所在配网节点的集合；为电动汽车代理商在日前能量市场t时段的等效节点电价；为电动汽车代理商在日前能量市场t时段的投标价格；分别为日前能量市场允许的最大、最小投标价格；

37、②能量调度功率约束

38、

39、式中，和为表示第k类等效聚合电动汽车充放电状态的二进制变量，取1表示当前时段电动汽车充电，取1表示当前时段放电；

40、③调频容量约束

41、

42、④soc约束

43、

44、式中，η为电动汽车充放电效率；cev为电池容量；为电动汽车行驶soc损耗；分别为上、下调频能量系数，用于体现电动汽车在t时段内参与系统调频引发的电池能量累积，其值主要取决于系统在t时段向电动汽车集群下发的调频任务，具体为：

45、

46、

47、式中，ωk是一个调度时段t内的调频时刻集合，下标τ表示调频时刻；和分别为调度时段t内τ时刻的上调频信号和下调频信号；

48、⑤电池损耗约束

49、

50、式中，n0为电池在标准测试条件下的循环寿命；cbat为电池价格；为车辆i在v2g中的单次等效标准充放电循环次数；

51、模型决策变量包括模型目标函数各项分别表示能量市场收益、调频市场收益及电池损耗成本；

52、s23：建立风电供应商投标模型

53、风电供应商参与日前能量-调频市场投标目标函数为：

54、

55、式中，ωs为风电出力场景集合；为场景s发生的概率；为风电机组t时段于节点j的出清电价；为风电供应商场景s时段t的投标计划输出功率即风电机组在场景s时段t的功率基点；分别为风电供应商投标计划时段t上调频容量及下调频容量；为场景s时段t下风电出力偏差的惩罚成本；

56、②投标价格约束

57、

58、式中，为wpp在日前能量市场t时段的投标价格；

59、②风电出力约束

60、0≤ptw≤ptw,fc  (12)

61、式中，为风电机组在时段t的预测出力；

62、③调频容量约束

63、

64、式中，为风电机组爬坡率；为风电机组的额定最大输出功率；及分别为风电机组在场景s时段t预留的上调频容量与下调频容量；

65、④惩罚成本约束

66、设定能量-调频市场中的能量超发惩罚系数与欠发惩罚系数为α+与α-，调频容量超发惩罚系数与欠发惩罚系数为β+与β-；风电惩罚成本分四种场景：

67、1)当风电实际出力超过日前投标能量功率与上调频功率总和时，根据实时市场该时段上调频超发价格以及电量超发价格大小选择风电系统运行方式；若上调频超发价格大于电量超发价格，风电功率基点按日前投标功率运行，多余出力部份用作系统上调频备用，惩罚成本按调频容量超发系数计算；反之，风电上调频容量按日前投标容量计划运行，增大风电功率基点，惩罚成本按电量超发系数计算；

68、

69、2)当风电实际出力小于日前投标能量功率与上调频功率总和，且缺额功率小于日前投标能量功率与下调频容量的差值时，减小风电功率基点，缺额部份惩罚成本按电量欠发系数计算；

70、

71、3)当风电实际出力小于日前投标能量功率与上调频功率总和，且缺额功率大于日前投标能量功率与下调频容量的差值，但小于上调频容量，此时保持风电功率基点不变，减少上调频容量，缺少部份惩罚成本按调频容量欠发系数计算；

72、

73、当风电实际出力小于日前投标能量功率与上调频功率总和，且缺额功率不能通过仅调节上调频容量或功率基点满足，此时降低风电功率基点与下调频容量，缺额部份惩罚成本按调频容量及能量欠发系数之和计算；

74、

75、模型决策变量包括ptw、其目标函数各项分别表示能量市场收益、调频市场收益及风电惩罚成本；

76、s24：建立日前市场出清模型

77、电力交易中心以系统运行成本最低为目标出清，有：

78、

79、

80、式中，ωsec为发电商报价分段数集合；为发电商第m个报价分段的价格；为t时段发电商第m个报价的发电容量；分别为j节点t时段下充放电站充电功率与放电功率；ptev,c、ptev,d分别表示t时段电动汽车代理商总充电功率与总放电功率；模型决策变量包括pij,t、ptev,c、ptev,d、ptw，其目标函数各项分别表示发电商、电动汽车、风电运行成本；

81、①配网节点功率平衡约束：

82、

83、式中，pij,t为t时段系统节点i流向节点j的有功功率；pjk,t为t时段系统节点i流向节点k的有功功率；ωwj为节点j的关联节点集合；ωnode为系统节点集合；分别为节点j在t时段下的负荷功率及风电功率；

84、②发电功率平衡约束

85、

86、式中，p0j,t为t时段配网首端节点流向节点j的功率；ωw0为配网首端节点的关联节点集合；

87、③配网支路功率约束

88、-pij,max≤pij,t≤pij,max，(i,j)∈ωline  (22)

89、式中，pij,max为系统(i,j)支路功率上限；ωline为系统支路集合；

90、④发电商分段报价容量约束

91、

92、式中，为第m段发电容量上限。

93、进一步的，所述s3具体为：

94、多参与者、多目标的系统投标及出清模型采用多目标双层优化的形式描述，即：

95、

96、式中，fe/w(·)为电动汽车代理商或风电供应商目标函数；xe/w为电动汽车代理商或风电供应商报价；x为电力市场接收的能量报价情况；y为电动汽车代理商及风电供应商能量功率；ze/w为电动汽车代理商或风电供应商申报的调频容量；f(·)为市场出清目标函数；ge/w(·)、he/w(·)为上层模型约束条件；g(·)、h(·)为下层模型约束条件；

97、选用驻点法将双层模型转换为单层进行求解，即，建立能量市场出清问题的karush-kuhn-tucker(kkt)系统，并将其作为电动汽车代理商或风电供应商投标问题的约束条件，将原电动汽车代理商及风电供应商参与能量-调频市场的日前投标问题已转化为混合整数线性优化问题，通过商业求解器直接求解。

98、本发明的有益效果在于：

99、(1)所建模型综合考虑了电动汽车电池损耗成本和风电偏差惩罚成本及参与者投标的相互影响，有效避免了电池的过度损耗和由于偏差导致的收益削减，实现电动汽车代理商和风电供应商经济收益与风险的折中，使两者的投标计划更具鲁棒性；

100、(2)基于数据驱动的分类聚合方法能够基于电动汽车接入数据，迅速完成最优的电动汽车划分组合，实现大规模电动汽车优化模型的快速准确求解。

101、本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。