引用本文
李远征, 张虎, 刘江平, 赵勇, 连义成. 基于电网线路传输安全的电力市场分布式交易模型研究. 自动化学报, 2024, 50(10): 1938−1952 doi: 10.16383/j.aas.c211244
Li Yuan-Zheng, Zhang Hu, Liu Jiang-Ping, Zhao Yong, Lian Yi-Cheng. Research on distributed power market trading model based on grid line transmission security. Acta Automatica Sinica, 2024, 50(10): 1938−1952 doi: 10.16383/j.aas.c211244
http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c211244
关键词
区域配电网，分布式电能交易，线路传输安全，市场交易模型
摘要
电力市场分布式交易模型可有效缓解传统集中模型下市场主体的隐私安全等问题, 但难以在保障市场主体收益和电力系统安全稳定运行的同时, 实现社会福利最大化. 因此, 基于电网线路传输安全, 首先以社会福利最大化为目标, 构建集中式交易模型, 并采用拉格朗日乘子法和对偶定理, 将其等价分解为各市场主体自身利益最大化的分布式交易模型. 在此基础上, 设计2种适用于不同情形的分布式交易方法及其求解算法, 并构造电网安全成本影响市场主体的决策, 从而保证电网线路传输安全. 最后, 基于算例分析, 验证了2种交易方法的有效性.
文章导读
随着智能电网和能源互联网[1]的快速发展, 分布式电源[2]和可控负荷[3]在配电网中的比例不断提升. 尤其在电力市场背景下, 合理利用这些电力资源, 可以显著提升配电网的运行效率. 需要指出的是, 此类电力资源一般体量较小, 并且对于响应市场电价动力不足[4]. 在售配电侧市场逐步放开背景下[5], 降低传统集中式交易准入规模要求能在一定程度上缓解上述问题. 但是, 繁复的小规模交易会导致电力市场的冗余计算问题[6]. 其次, 大量电压等级较低的分布式电源并网参与集中交易会给配电网带来电能质量恶化、供电可靠性降低等挑战[7]. 此外, 在集中式交易模型下, 负责组织交易的市场运营机构需要收集所有市场主体的报价等私有信息, 因此市场主体隐私存在泄露的风险[8].
为解决上述问题, 现有的研究工作主要针对市场主体与交易模型2个方面进行探索. 对市场主体方面的研究着重于将多个同类型分布式主体聚合为单一主体, 使其达到市场准入规模要求, 进而有效响应市场信息, 以实现利益最大化, 这种模型称为聚合商模型. 田硕[9]引入了电动汽车聚合商, 将其作为电动汽车和电力市场的中间商, 从而显著减少了交易主体数量, 提高了交易效率; 袁晓冬等[10]利用资源聚合商整合柔性负荷等分布式资源, 解决了分布式资源数量多、布局分散、难以直接被电网调度问题. 显然, 聚合商模型能有效利用分布式资源来响应市场机制, 并提高交易效率; 但聚合商模型的实施难点是如何使各参与主体在利益分配方面达成一致. 此外, 各参与主体仍需将自身私有信息上报给所属聚合商, 因此本质上仍难以保障主体的隐私安全.
另一方面的研究着重于交易模型的设计. 基于弱中心化或去中心化思想, 分布式交易模型可将集中模型下的大规模复杂问题转化为一系列简单子优化问题, 并由市场中的各交易主体分别独立求解, 从而避免了集中化交易模型的弊端. 对该模型的研究如林俐等[11]总结了国外分布式交易机制及其应用发展现状的研究, 并对中国未来分布式交易的发展进行了探讨; 蒋嗣凡[12]指出, 对等(Peer-to-peer, P2P)交易是实现分布式交易模型的一种有效方法. 在具体应用方面, 一些学者基于弱中心化思想, 将一个独立机构或实体作为协调者, 进行电能交易[13]、提供辅助服务[14]等, 但协调者的存在同样会对市场主体隐私安全造成一定威胁. 鉴于此, Paudel等[15]使用拉格朗日松弛法, 将以社会福利最大化为优化目标的集中式市场出清问题, 分解为以各主体收益最大化为目标的一系列子优化问题, 并通过迭代求解得到交易结果, 该方法能达到与集中式市场出清相同的效果, 同时允许交易双方直接协商, 无须透露各自的隐私偏好.
上述研究虽能达到保护交易双方隐私或保障双方收益的效果, 却忽略了电网应满足的物理运行约束. 对于能量交换, 电网有严格的安全运行约束, 违反这些约束将对电网造成严重影响[16]. 在电力市场改革的推动下, 未来市场对效率的追求将逐渐驱使电网运行逼近安全极限, 这使得在分布式交易中考虑网络安全约束显得尤为重要[17]. 因此, Guerrero等[18]提出一种适用于低压配电网的P2P电能交易方法, 并基于电压敏感性分析和功率传输分配因子, 以保证网络约束不会受到破坏, 但是其分析方法的核心为泰勒展开的一阶近似, 仅适合小规模、低参与度的分布式交易情形, 且未考虑社会福利最大化问题. 针对新能源渗透率高的电力市场, Khorasany等[19]基于原始对偶定理, 设计一种P2P能源交易方法, 能够最大化社会福利, 并在分布式交易中考虑了电网的物理运行约束, 能够保障电力系统的安全稳定运行. 但在该交易方法中, 没有充分考虑各市场主体的自身利益最大化问题. Morstyn等[20]结合概率分布节点边际电价, 设计一种基于电力系统网络约束的P2P 电能交易方法, 允许电能生产者和消费者以自身利益最大化为目标, 参与分布式交易. 该方法虽能减少新能源发电浪费, 为整个系统创造价值, 但并未深入讨论如何实现系统整体收益最大化问题.
综上所述, 目前较为缺乏能够兼顾电力系统安全稳定运行要求和市场主体自身利益最大化并实现社会福利最大化的分布式交易模型. 因此, 针对含大量分布式电源和柔性负荷的电力市场, 本文提出一种基于电网线路传输安全的分布式交易模型. 首先, 构建一个含发电商与柔性负荷商, 以社会福利最大化为目标并考虑电网线路传输安全的电力市场双边交易模型; 然后, 基于拉格朗日松弛法和对偶定理, 对该模型进行分解, 得到一系列子优化问题, 并设计相应的分布式交易方法及其求解算法, 该方法允许交易双方通过交换少量必要信息直接协商, 无须向市场运营机构上报大量私有信息, 可在一定程度上保护市场主体的隐私安全; 在此基础上, 为加快求解速度, 本文提出一种基于松弛管制的分布式交易方法及其求解算法, 并在不同的情形下, 对本文提出的2种算法的计算效率进行了对比. 最后, 分别在IEEE 9节点和IEEE 33节点电力系统上进行算例分析, 验证了本文提出的2种分布式交易方法的有效性. 本文创新点主要有以下2个方面:
1)在电网分布式交易中, 考虑了线路传输安全, 设置了安全成本指标, 并根据交易结果是否满足安全约束计算出不同的安全成本, 进而影响柔性负荷商和发电商的购/售电策略, 促使交易结果满足安全约束, 保证了交易的安全性和可实施性.
2)设计一种基于电网线路传输安全的分布式交易方法, 能在实现社会福利最大化的同时, 保障市场主体自身的利益; 另外, 为了提高计算效率, 提出了松弛管制分布式交易方法, 并分析了2种交易方法的适用情形.
本文结构如下: 第1节介绍了所研究的电力市场结构, 并在现行集中式交易模型基础上提出一种分布式交易模型; 第2节设计了相应的分布式交易方法及其求解算法; 第3节分别在IEEE 9节点和IEEE 33节点电力系统上进行实验, 验证了本文方法的有效性; 第4节对全文进行总结.
图 1 电力市场中的分布式交易
图 2 发电成本和购电费用曲线
图 3 IEEE 9节点电力系统拓扑结构
针对售电侧市场中, 集中式交易和分布式交易模型研究的不足, 本文探讨了一种基于电网线路传输安全的电力市场分布式交易模型. 首先, 对发电商和柔性负荷商这2类主要市场主体的经济特性进行分析, 并给出了社会福利的表达式; 在此基础上, 综合考虑社会福利最大化和电网线路传输安全, 构建了相应的数学优化模型. 然后, 基于拉格朗日松弛法和对偶定理对该模型进行分解, 并设计了一种基于电网线路传输安全的分布式交易方法以及相应的求解算法. 该方法可以将集中式交易问题等价转化为分散模型下的一系列子优化问题, 可由各相关市场主体分别独立求解与自身利益相关的子优化问题; 同时, 相关交易主体间只需交换少量必要信息, 其隐私安全在一定程度上能够得到保障; 并且, 电网会对交易结果进行检验, 并计算出相应的安全成本, 能够保证电网线路传输安全. 为提高分布式求解算法的求解效率, 本文提出一种基于电网线路传输安全的松弛管制分布式交易方法及相应的求解算法, 并在不同交易情形下, 对2种算法的求解速度进行了对比和分析. 最后, 基于IEEE 9节点和IEEE 33节点电力系统, 对本文提出的分布式交易方法及其求解算法进行了实验和分析, 验证了在分布式交易中基于电网线路传输安全的必要性、本文分布式交易模型及相应交易方法的有效性和可扩展性.
作者简介
李远征
华中科技大学人工智能与自动化学院副教授. 主要研究方向为人工智能及其在智能电网中的应用, 深度学习, 强化学习和大数据分析. E-mail: Yuanzheng_Li@hust.edu.cn
张虎
华中科技大学人工智能与自动化学院硕士研究生. 主要研究方向为电力市场交易, 电力系统优化. E-mail: dgjjzhang@foxmail.com
刘江平
湖北电力交易中心有限公司高级工程师. 主要研究方向为电力市场, 电力调度. E-mail: hzxjj@foxmail.com
赵勇
华中科技大学人工智能与自动化学院教授. 主要研究方向为决策理论, 大型工程项目管理, 社会经济系统的建模与仿真和系统分析与集成. 本文通信作者. E-mail: zhiwei98530@hust.edu.cn
连义成
华中科技大学人工智能与自动化学院博士研究生. 主要研究方向为新能源接入的电力系统机组组合与经济调度. E-mail: hust2017l@163.com
转载本文请联系原作者获取授权，同时请注明本文来自欧彦科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3291369-1460177.html?mobile=1
收藏
