|
电话：15313702523
能源与regulation reserves市场中Discover蓄电池储能系统的最优报价策略
本研讨提出了一种处理双层优化挑战的新颖办法，专门针对竞争性动力和调理备用商场中的Battery Energy Storage Systems（BESSs）。该办法经过按次序求解每个问题层级，归入了实际商场模型中固有的非凸束缚，防止将其简化为单层等效模型。选用启发式优化算法，特别是Particle Swarm Optimization（PSO）算法来求解杂乱的解空间。该办法整合了退化本钱模型和半弹性需求行为，以模拟实在的商场条件。性能剖析确定了最优的PSO参数，证明了该办法在实际规模输电网络中的可扩展性。广泛的仿实在验强调了BESSs作为价格拟定资产的革新性作用，提醒了非凸束缚、量价竞价以及负荷建模对战略和盈余才能的至关重要影响，与疏忽这些要素的模型比较，其赢利提高高达10%。
近年来，energy storage systems (ESS) 在全球电力商场中的存在明显扩大。这一增加是由可再生动力资源 (renewable energy resources, RES) 的广泛选用所引发的方针和法规改变所驱动的[1]、[2]、[3]、[4]、[5]。ESS 与传统发电机类似，具有高度的可控性，可以根据需求向电网注入或从中抽取功率，然后增强体系的灵活性。值得注意的是，battery energy storage systems (BESS) 因其功率和技能优势，成为电力商场中最广泛使用的 ESS 之一。但是，它们的整合也带来了独特的挑战[6]。这些挑战包含有限的使用寿命、有限的能量容量以及昂扬的购置本钱，有必要得到有用处理。考虑到不只要关注它们的技能长处，还要统筹经济可行性，因此迫切需求处理这些技能和经济问题，以推动 BESS 在电力领域的浸透。
过去几年中，文献对BESS融入商场进行了广泛研讨，并将这些研讨分为两大类：price-taker模型和price-maker模型。在price-taker模型[7]、[8]、[9]、[10]、[11]、[12]、[13]中，动力和辅佐服务的价格被视为输入值，BESS仅根据上述价格提交功率报价以完成赢利最大化。但是，该模型与当时答应BESS为动力和调频备用设定价格的法规不符。因此，这种办法束缚了BESS一切者可采取的战略挑选，削弱了其优化赢利的才能，并增加了将其无缝整合到更广泛电力批发商场的挑战。
另一方面，price-maker办法在技能和经济层面都能更好地反映大规模电池对商场的影响[14]-[22]。该问题经过双层优化来处理，其间上层问题最大化BESS的赢利，而基层问题模拟商场出清进程。尽管文献中许多研讨都聚焦于day-ahead商场[14]-[20], [22]-[24]，但没有一项研讨像大型批发商场那样将day-ahead商场建模为杂乱的bidding和unit commitment (UC)出清进程。相反，它们在建模时疏忽了商场固有的非凸性特征。
双层模型通常经过将基层问题替换为其等价的Karush-Kuhn–Tucker（KKT）最优性条件，然后将优化问题转化为单层数学规划带均衡束缚（MPEC），如[14]、[15]、[16]、[17]、[18]、[19]、[20]、[21]、[22]、[25]所示。但是，在对完好的UC进程建模时，获取这种等价方式是不可行的，由于它们涉及二元决策变量和非凸束缚，这违反了KKT条件所需的凸性要求[25]、[26]。因此，诸如启动/停机本钱、最小运转/停机时刻等要害物理非凸本钱组件往往被疏忽。正如[27]所证明的那样，这种简化可能会导致次优的招标战略，增加BESS一切者的不确定性并束缚其盈余才能。
处理非凸性的尽力包含如[27]所示的模型，该模型使用对基层问题进行松懈和primal–dual重构，并结合对偶空隙赏罚。这种办法在[28]中被扩展至BESS，使其可以参加能量和频率调理商场。但是，这些办法在大规模体系中存在可扩展性问题，这会带来数值挑战，可能导致收敛失败[24]，[29]。
近期关于BESS报价战略的研讨中另一个值得注意的局限性在于往往疏忽了调频和备用商场[14], [15], [16], [17], [23], [24], [29]。这一遗失非常重要，由于正如各独立体系运营商（ISOs）所强调的那样，调频备用商场是BESS的首要赢利来源之一[30], [31]。
除了竞价战略之外，degradation modeling在最大化BESS盈余才能方面也发挥着重要作用。诸如[32]等办法无需进行cycle counting即可将储能本钱分摊至电池的整个使用寿命中，供给了一种简化的degradation模型。更精细的办法，例如[11]和[33]，尽管清晰考虑了operational cycles，但假定为price-taker行为，然后束缚了strategic bidding的才能。类似地，[12]对energy和reserve商场的degradation进行了建模，但未归入price-quantity bidding战略，这可能会下降optimal profit的生成。
[21]中提出的一种模型经过使用UC结果作为外部输入，在实时能量商场和调理备用商场中整合了降解本钱并完成了BESS赢利最大化。这规避了直接对非凸基层问题建模的需求。但是，将该办法应用于日前商场就需求移除UC进程中固有的非凸束缚，然后束缚了该模型在需求完好UC建模以准确反映商场运转的场景中的有用性。
双层问题的求解办法通常分为经典办法和非经典办法。此前讨论的一切作业均选用经典技能。但是，包含神经网络或启发式优化在内的非经典优化办法，已被证明在处理各领域的杂乱非凸问题方面非常有用。诸如[34]、[35]、[36]等研讨将非凸商场优化应用于食物和材料商场，展示了这些办法的通用性。非经典办法为处理经典办法失效的非凸优化问题供给了一种极具远景的替代计划。据咱们所知，将非经典办法应用于BESSs最佳招标战略的唯一案例见于[29]。在该研讨中，作者使用一种双层优化结构来训练神经网络，以最大化仅参加能量商场的BESS赢利。但是，该BESS仅提交功率数量的报价，而非当时商场法规答应的价格-数量对。此外，该研讨假定BESS提交的每个功率数量报价都将在商场出清进程中被彻底调度，这可能并不适用于一切电力商场。而且，作者未考虑机组组合束缚（这对动力价格有明显影响并增加了求解基层问题所需的时刻），也未对退化进行建模。
无论是经典还是非经典研讨，这些讨论中的作业普遍存在一个局限性，即假定负荷是无弹性的，以为需求是固定且被彻底调度执行的。但是在实在的电力商场中，需求侧参加者会提交报价，其调度取决于商场出清条件，体现出半弹性行为。这种行为的特征在于无法完成部分负荷削减，由于需求调整通常以离散步长发生。这种差异可能会下降为BESS开发的招标战略的准确性，由于供需之间的相互作用会明显影响商场价格和调度结果。
对现有文献的审查提醒了BESS商场参加优化问题中存在的几个要害空白：（1）大多数双层模型疏忽了实际日前商场出清进程中（如UC）固有的非凸束缚。这种遗失尽管简化了问题，但因忽视了必要的本钱组成部分而损害了报价战略的准确性；经过简化或松懈来引进非凸束缚的办法在应用于大规模体系时可能会导致数值问题；（2）尽管退化建模日益被公以为对BESS盈余才能至关重要，但现有研讨要么过度简化退化本钱，要么彻底将其排除在优化进程之外。此外，缺少将非凸UC模型与详细退化本钱建模整合到BESS报价战略中的全体办法论，束缚了当时模型在实在商场条件下的适用性；（3）在全面建模调频备用商场以及使办法论与当时商场法规保持一致方面所做的尽力有限。这下降了所提战略在实际场景中的适用性，阻碍了BESS跨多个商场流优化赢利的才能；（4）文献中存在一个恒定的假定，即负载是无弹性的。在实际商场中，需求侧报价会明显影响商场价格和调度结果。未能考虑半
为弥补已辨认的空白，本研讨致力于开发一套全面的办法论结构，其奉献首要体现在以下方面：
- 提出一种基于双层模型的日前商场最优价格-数量招标战略。该办法对完好的非凸UC问题进行建模，以紧密贴合实在国际日前商场的杂乱性。选用非经典办法克服了求解非凸基层问题时需求简化或松懈的需求。
- 将全面的退化本钱模型归入上层优化问题中，以处理缺少结合非凸商场建模与退化要素的全体性办法的问题。
- 拟定统筹动力商场与调频备用商场的竞价战略，并清晰考虑当时商场监管规定以提高实际应用性。
- 考虑商场出清进程中的需求弹性。不同于大多数假定负荷无弹性的现有模型，本研讨归入了需求侧竞价行为，认识到在实际商场中需求未必总能被彻底调度。经过捕捉商场结果中供需之间的动态交互，这提高了所提竞价战略的准确性。