基于KKT條件概率推論的可控負(fù)荷市場(chǎng)競(jìng)價(jià)策略研究

馬彥宏， 黨 倩， 韓旭杉， 楊亞雄， 張 俊

(1. 國(guó)網(wǎng)甘肅省電力公司科技信通部，甘肅蘭州730000； 2. 國(guó)網(wǎng)甘肅省電力公司信息通信公司，甘肅蘭州730050；3. 湖南省水利水電勘測(cè)設(shè)計(jì)研究總院，湖南長(zhǎng)沙410007；4. 深圳市華陽(yáng)國(guó)際工程設(shè)計(jì)股份有限公司長(zhǎng)沙分公司，湖南長(zhǎng)沙410007)

基于KKT條件概率推論的可控負(fù)荷市場(chǎng)競(jìng)價(jià)策略研究

馬彥宏1， 黨 倩2， 韓旭杉1， 楊亞雄3， 張 俊4

(1. 國(guó)網(wǎng)甘肅省電力公司科技信通部，甘肅蘭州730000； 2. 國(guó)網(wǎng)甘肅省電力公司信息通信公司，甘肅蘭州730050；3. 湖南省水利水電勘測(cè)設(shè)計(jì)研究總院，湖南長(zhǎng)沙410007；4. 深圳市華陽(yáng)國(guó)際工程設(shè)計(jì)股份有限公司長(zhǎng)沙分公司，湖南長(zhǎng)沙410007)

為了管理大量地域分散、功率可調(diào)的可控負(fù)荷參與分布式系統(tǒng)的運(yùn)行，提出將可控負(fù)荷納入電力市場(chǎng)參與競(jìng)價(jià)，考慮日前和實(shí)時(shí)市場(chǎng)電價(jià)的隨機(jī)特性，利用KKT(Karush-Kuhn-Tucker)條件推導(dǎo)出競(jìng)標(biāo)報(bào)價(jià)與市場(chǎng)電價(jià)的概率關(guān)系，構(gòu)建了基于KKT條件概率推論的可控負(fù)荷市場(chǎng)競(jìng)價(jià)模型。以L(fǎng)ED路燈可控負(fù)荷為研究對(duì)象，通過(guò)蒙特卡洛抽樣將隨機(jī)問(wèn)題轉(zhuǎn)化為確定性問(wèn)題，采用原對(duì)偶內(nèi)點(diǎn)算法進(jìn)行求解。結(jié)果表明：該競(jìng)價(jià)模型能夠有效減少購(gòu)電成本，更好地體現(xiàn)競(jìng)標(biāo)報(bào)價(jià)、競(jìng)標(biāo)置信水平、期望購(gòu)電成本之間的定量關(guān)系，對(duì)可控負(fù)荷參與電力市場(chǎng)競(jìng)價(jià)以及制定報(bào)價(jià)策略具有指導(dǎo)價(jià)值。

可控負(fù)荷；KKT條件；日前市場(chǎng)；實(shí)時(shí)市場(chǎng)；報(bào)價(jià)策略

0 引言

隨著社會(huì)經(jīng)濟(jì)的不斷發(fā)展，與日俱增的電力需求與能源供給、環(huán)境污染之間的矛盾日益突出。為了緩解能源供應(yīng)的緊張局勢(shì)，以及減少污染氣體的排放，可再生能源的高效利用備受電力行業(yè)的青睞[1，2]。然而，可再生能源出力的隨機(jī)性、波動(dòng)性和不可預(yù)測(cè)性，導(dǎo)致可再生能源接入電網(wǎng)后，系統(tǒng)可能出現(xiàn)功率不平衡[3，4]、頻率波動(dòng)[5]、電壓閃變[6]等一系列問(wèn)題，給電力系統(tǒng)安全穩(wěn)定運(yùn)行造成威脅。隨著可再生能源的大量接入電網(wǎng)，系統(tǒng)需要增加越來(lái)越多的可控負(fù)荷資源來(lái)保證電力系統(tǒng)的安全運(yùn)行。

在智能電網(wǎng)中，數(shù)目龐大、地域分散的需求側(cè)可控負(fù)荷資源(如照明、冷熱負(fù)荷等)受到廣泛的關(guān)注。隨著先進(jìn)計(jì)量基礎(chǔ)設(shè)施(AMI)的不斷完善，系統(tǒng)通過(guò)利用可控負(fù)荷的快速響應(yīng)、功率可調(diào)等特性直接控制可控負(fù)荷的狀態(tài)，以響應(yīng)在系統(tǒng)高峰或低谷時(shí)期可再生能源出力的隨機(jī)變化性，從而保證系統(tǒng)安全穩(wěn)定，提高系統(tǒng)對(duì)可再生能源的接納能力。文獻(xiàn)[7]通過(guò)大量聚合用戶(hù)恒溫控制電器，提出一種優(yōu)化控制模型，以最大化削減負(fù)荷量為目標(biāo)制定該類(lèi)負(fù)荷的控制計(jì)劃，有利于維持系統(tǒng)供需平衡。然而，該文沒(méi)有考慮負(fù)荷的物理特性以及電力系統(tǒng)運(yùn)行條件。文獻(xiàn)[8，9]將智能可控負(fù)荷分為3類(lèi)，考慮可再生能源的出力以及市場(chǎng)出清電價(jià)機(jī)制，提出一種雙層優(yōu)化調(diào)度模型，通過(guò)控制3類(lèi)可控負(fù)荷功率消耗來(lái)減少其購(gòu)電費(fèi)用。在上述研究中，通常假設(shè)系統(tǒng)調(diào)度員掌握可控負(fù)荷的所有信息為前提，提出的優(yōu)化調(diào)度模型，未涉及代理商通過(guò)聚合相當(dāng)數(shù)量的可控負(fù)荷，并根據(jù)其負(fù)荷特性參與市場(chǎng)競(jìng)價(jià)，以獲得收益。

在開(kāi)放的電力市場(chǎng)環(huán)境下，根據(jù)批發(fā)市場(chǎng)競(jìng)爭(zhēng)規(guī)則，允許可控負(fù)荷代理商以用戶(hù)的名義直接參與電力市場(chǎng)的投標(biāo)項(xiàng)目中(包括日前市場(chǎng)和實(shí)時(shí)市場(chǎng))。日前市場(chǎng)和實(shí)時(shí)市場(chǎng)組成的兩市場(chǎng)交易機(jī)制是目前普遍存在的交易機(jī)制[10]。文獻(xiàn)[11]考慮電動(dòng)汽車(chē)行駛特性，在滿(mǎn)足用戶(hù)的行駛需求前提下，將區(qū)域內(nèi)所有電動(dòng)汽車(chē)作為負(fù)荷整體參與日前電力市場(chǎng)的競(jìng)標(biāo)，有效地減少電動(dòng)汽車(chē)用戶(hù)的充電費(fèi)用。文獻(xiàn)[12]將電熱水器作為儲(chǔ)能負(fù)荷，參與電力市場(chǎng)調(diào)度，通過(guò)制定最優(yōu)報(bào)價(jià)策略降低購(gòu)電費(fèi)用。但是，上述文章只考慮了單一的市場(chǎng)報(bào)價(jià)策略，忽略了實(shí)時(shí)市場(chǎng)給用戶(hù)帶來(lái)的影響。然而，電力系統(tǒng)的安全穩(wěn)定運(yùn)行需要日前和實(shí)時(shí)2個(gè)市場(chǎng)的調(diào)節(jié)和平衡。為此，文獻(xiàn)[13]基于電動(dòng)汽車(chē)代理商的靈活報(bào)價(jià)，提出了參與電力市場(chǎng)競(jìng)價(jià)的雙層優(yōu)化模型。文獻(xiàn)[14]針對(duì)電動(dòng)汽車(chē)電池充電特性以及需求的不確定性，建立了電動(dòng)汽車(chē)參與日前和實(shí)時(shí)市場(chǎng)的優(yōu)化報(bào)價(jià)模型，通過(guò)電動(dòng)汽車(chē)在兩個(gè)市場(chǎng)中的最優(yōu)報(bào)價(jià)策略不僅優(yōu)化了系統(tǒng)的調(diào)度，而且有效地減少用戶(hù)充電費(fèi)用。但是上述模型均忽略了日前和實(shí)時(shí)電價(jià)的隨機(jī)性以及投標(biāo)報(bào)價(jià)存在的風(fēng)險(xiǎn)性，且都是以電動(dòng)汽車(chē)作為可控負(fù)荷，鮮有文獻(xiàn)涉及將LED負(fù)荷參與電力市場(chǎng)競(jìng)價(jià)的研究。

本文在日前和實(shí)時(shí)市場(chǎng)競(jìng)價(jià)背景下，相對(duì)于已有的報(bào)價(jià)策略研究，首先，該優(yōu)化模型綜合協(xié)調(diào)代理商在日前市場(chǎng)上的不靈活報(bào)價(jià)和實(shí)時(shí)市場(chǎng)上靈活的增減報(bào)價(jià)。其次，通過(guò)KKT條件推導(dǎo)了競(jìng)標(biāo)價(jià)格與市場(chǎng)出清價(jià)格之間的概率關(guān)系，并基于該概率關(guān)系，提出了以日前和實(shí)時(shí)市場(chǎng)條件期望購(gòu)電成本最小為目標(biāo)的投標(biāo)策略模型。最后，以L(fǎng)ED可控負(fù)荷為研究對(duì)象，根據(jù)其負(fù)荷特性，建立了競(jìng)價(jià)策略模型，在考慮電價(jià)的隨機(jī)特性上，通過(guò)蒙特卡洛抽樣方法將不確定性問(wèn)題轉(zhuǎn)化為確定性問(wèn)題，并采用原對(duì)偶內(nèi)點(diǎn)算法對(duì)該優(yōu)化模型進(jìn)行求解，算例分析驗(yàn)證了該模型和求解方法有效性和可行性。

1 可控負(fù)荷代理商市場(chǎng)競(jìng)價(jià)策略模型

1.1 可控負(fù)荷代理商市場(chǎng)投標(biāo)競(jìng)價(jià)機(jī)制

根據(jù)批發(fā)市場(chǎng)競(jìng)爭(zhēng)規(guī)則，可控負(fù)荷參與市場(chǎng)競(jìng)價(jià)，需由代理商通過(guò)整合區(qū)域內(nèi)分散的、數(shù)量龐大的可控負(fù)荷，作為特殊負(fù)荷的獨(dú)立個(gè)體參與市場(chǎng)競(jìng)價(jià)，并通過(guò)調(diào)度員對(duì)參與的可控負(fù)荷統(tǒng)一控制調(diào)節(jié)?？煽刎?fù)荷代理商參與電力市場(chǎng)的競(jìng)價(jià)項(xiàng)目包括日前市場(chǎng)和實(shí)時(shí)市場(chǎng)，并通過(guò)調(diào)度控制可控負(fù)荷以及制定日前和實(shí)時(shí)電力市場(chǎng)的競(jìng)標(biāo)報(bào)價(jià)策略，使可控負(fù)荷在調(diào)度時(shí)段內(nèi)用電成本最小。

獨(dú)立系統(tǒng)運(yùn)營(yíng)商(IndependentSystemOperator,ISO)根據(jù)市場(chǎng)所有參與競(jìng)標(biāo)者提交的報(bào)價(jià)，決定各競(jìng)標(biāo)者在日前和實(shí)時(shí)市場(chǎng)的電量分配。日前電力市場(chǎng)提前一天決定日前市場(chǎng)的出清價(jià)格λD,n和發(fā)電側(cè)功率Pg,n以及可控負(fù)荷功率PD,n。實(shí)時(shí)電力市場(chǎng)根據(jù)各參與競(jìng)標(biāo)者報(bào)價(jià)決定實(shí)時(shí)市場(chǎng)出清價(jià)格λR,n和發(fā)電商的調(diào)整功率ΔPg,n，以及可控負(fù)荷調(diào)整功率ΔPR,n。在實(shí)時(shí)市場(chǎng)以系統(tǒng)運(yùn)營(yíng)成本最小值為目標(biāo)函數(shù)，其上層調(diào)度函數(shù)如下表示：

(1)

(2)

(3)

(4)

(5)

1.2 KKT條件概率推導(dǎo)

KKT條件是在滿(mǎn)足一定約束條件下，求解非線(xiàn)性規(guī)劃問(wèn)題中能有最優(yōu)化解的一個(gè)必要和充分條件。為了得到實(shí)時(shí)市場(chǎng)可控負(fù)荷代理商報(bào)價(jià)與電價(jià)之間的概率關(guān)系，采用KKT條件將式(1)～(5)模型轉(zhuǎn)化為：

(6)

當(dāng)可控負(fù)荷代理商參與實(shí)時(shí)市場(chǎng)報(bào)價(jià)ΔρR,n<λR,n時(shí),有

(7)

當(dāng)可控負(fù)荷代理商參與實(shí)時(shí)市場(chǎng)報(bào)價(jià)ΔρR,n>λR,n時(shí)，有

(8)

1.3 可控負(fù)荷代理商日前和實(shí)時(shí)市場(chǎng)競(jìng)價(jià)策略模型

可控負(fù)荷代理商以日前和實(shí)時(shí)市場(chǎng)期望購(gòu)電成本最小化為目標(biāo)來(lái)制定最優(yōu)報(bào)價(jià)策略,其優(yōu)化模型如下：

(9)

(10)

(11)

(12)

(13)

2 競(jìng)價(jià)策略?xún)?yōu)化模型求解

代理商根據(jù)日前市場(chǎng)和實(shí)時(shí)市場(chǎng)節(jié)點(diǎn)電價(jià)的波動(dòng)，制定合理優(yōu)化的報(bào)價(jià)策略。假設(shè)在t時(shí)刻代理商決定報(bào)減標(biāo)，并給定代理商在該時(shí)刻實(shí)時(shí)市場(chǎng)競(jìng)標(biāo)減功率成功的概率為βt，由于在同一時(shí)刻實(shí)時(shí)市場(chǎng)只能競(jìng)標(biāo)減功率或者增功率，因此，該時(shí)刻競(jìng)標(biāo)增功率成功的概率為1-βt，則在t時(shí)刻報(bào)價(jià)ΔρR,t,n可表示為：

(14)

同理，若在t時(shí)刻代理商決定報(bào)增標(biāo)，并給定代理商在t時(shí)刻實(shí)時(shí)市場(chǎng)競(jìng)標(biāo)增功率成功的概率為βt，則該時(shí)刻競(jìng)標(biāo)減功率成功的概率為1-βt，則在t時(shí)刻報(bào)價(jià)ΔρR,t,n可表示為：

(15)

3 可控負(fù)荷代理商市場(chǎng)競(jìng)價(jià)策略的應(yīng)用

3.1 LED可控負(fù)荷照明模型

隨著城市逐步發(fā)展，公用照明與家用照明系統(tǒng)在照明領(lǐng)域起到關(guān)鍵作用。僅照明所消耗的電量就已占發(fā)電量總量的12%。LED燈由于發(fā)光光效高、體積小、重量輕、壽命長(zhǎng)等優(yōu)點(diǎn)，成為一種理想的照明光源[16]。然而在傳統(tǒng)的照明系統(tǒng)中，LED燈通常只是作為照明光源，其功率、光通量等是不可調(diào)節(jié)的。隨著LED燈的逐步普及使用，其在負(fù)荷側(cè)的用電總量也會(huì)逐步增加，為L(zhǎng)ED作為可控負(fù)荷參與市場(chǎng)競(jìng)價(jià)提供條件。

為探討LED負(fù)荷參與市場(chǎng)競(jìng)價(jià)的可行性，由于家用、工廠(chǎng)室內(nèi)LED燈照度與照明面積環(huán)境等因素相關(guān)，且目前智能化照明系統(tǒng)暫未普及，無(wú)法對(duì)家用、工用照明系統(tǒng)進(jìn)行統(tǒng)一調(diào)度控制。因此本文假設(shè)選擇某地區(qū)LED路燈照明系統(tǒng)，提出的LED燈作為可控負(fù)荷，其控制電路由諧波過(guò)濾器、AC/DC逆變器和PWM脈沖調(diào)制器組成。系統(tǒng)調(diào)度者通過(guò)調(diào)整PWM脈沖寬度來(lái)控制LED通斷時(shí)間，從而控制其功率輸出，達(dá)到調(diào)節(jié)LED燈不同亮度的效果。

LED燈光通量φi,n表示為：

(16)

式中：Pi,n為第n個(gè)節(jié)點(diǎn)中第i個(gè)LED燈功率；φi,n為其光效率。

LED照明負(fù)荷作為需求側(cè)可控負(fù)荷資源參與電力市場(chǎng)競(jìng)價(jià)時(shí)，必須考慮到為道路照明提供足夠的光通量以及良好的能見(jiàn)度。根據(jù)國(guó)際照明委員會(huì)(CIE)關(guān)于道路照明標(biāo)準(zhǔn)的公告，LED燈為道路提供照明時(shí)，不同道路規(guī)格應(yīng)符合相應(yīng)的照明標(biāo)準(zhǔn)，即：

(17)

其中：

(18)

式中：Lk,n為第n個(gè)節(jié)點(diǎn)中第k個(gè)計(jì)算點(diǎn)的亮度；NI為第n個(gè)節(jié)點(diǎn)中LED路燈總數(shù)；αk,i,n為第k個(gè)計(jì)算點(diǎn)的光照強(qiáng)度，可根據(jù)計(jì)算點(diǎn)的分布得出；βk,i,n為第k個(gè)計(jì)算點(diǎn)的簡(jiǎn)化亮度系數(shù)，可通過(guò)簡(jiǎn)化亮度系數(shù)表查詢(xún)；hi,n為第i個(gè)LED路燈安裝高度。

根據(jù)每個(gè)計(jì)算點(diǎn)的亮度可得出每個(gè)計(jì)算區(qū)域的平均亮度，表示為：

(19)

式中：NK為計(jì)算區(qū)域內(nèi)亮度計(jì)算點(diǎn)的個(gè)數(shù)。

根據(jù)國(guó)際照明委員會(huì)(CIE)公布的道路照明標(biāo)準(zhǔn)，對(duì)于道路亮度應(yīng)服從其標(biāo)準(zhǔn)范圍：

(20)

3.2 LED可控負(fù)荷市場(chǎng)競(jìng)標(biāo)策略模型

LED可控負(fù)荷參與市場(chǎng)投標(biāo)目標(biāo)函數(shù)及約束條件如式(9)～(13)所示，其負(fù)荷特性約束如下：

(21)

(22)

(23)

將LED可控負(fù)荷特性約束加入到式(9)～(13)可控負(fù)荷投標(biāo)策略模型中，再通過(guò)對(duì)該優(yōu)化模型的求解。

3.3 LED可控負(fù)荷參數(shù)數(shù)據(jù)

本文假設(shè)選擇某地區(qū)LED路燈照明系統(tǒng)，根據(jù)其布置類(lèi)型劃分為Ⅰ類(lèi)、Ⅱ類(lèi)和Ⅲ類(lèi)，各布設(shè)參數(shù)如表1所示。

表1 路燈布設(shè)參數(shù)

Ⅰ類(lèi)、Ⅱ類(lèi)、Ⅲ類(lèi)路燈分別代表該地區(qū)主干道、次干道、小區(qū)道路所安裝的路燈，其布設(shè)方式也不盡相同。選取每種類(lèi)型兩路燈間距內(nèi)計(jì)算點(diǎn)個(gè)數(shù)NK為30個(gè)。根據(jù)國(guó)際照明委員會(huì)所公布的照明標(biāo)準(zhǔn)，其各類(lèi)型路燈照明照度標(biāo)準(zhǔn)以及計(jì)算參數(shù)如表2所示。

表2 路燈照明參數(shù)

3類(lèi)路燈在該地區(qū)布置中，各類(lèi)型路燈功率、數(shù)量等參數(shù)如表3所示。

表3 路燈參數(shù)

3.4 電價(jià)數(shù)據(jù)采樣

為了研究不同時(shí)刻的電價(jià)對(duì)LED負(fù)荷代理商報(bào)價(jià)的影響，采用PJM電力市場(chǎng)公布的日前和實(shí)時(shí)電價(jià)數(shù)據(jù)[17]。選取節(jié)點(diǎn)RECO 2014年7～9月份日前和實(shí)時(shí)電價(jià)數(shù)據(jù)，并得到各時(shí)刻日前和實(shí)時(shí)電價(jià)均值和方差，如圖1所示。

圖1 日前和實(shí)時(shí)電價(jià)均值和方差

選取RECO節(jié)點(diǎn)22：00時(shí)刻日前和實(shí)時(shí)電價(jià)數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行擬合，如圖2所示。從圖2可以看出，日前和實(shí)時(shí)電價(jià)數(shù)據(jù)近似服從對(duì)數(shù)正態(tài)分布。

圖2 日前和實(shí)時(shí)電價(jià)擬合圖

3.5 競(jìng)價(jià)策略分析

根據(jù)日前和實(shí)時(shí)電價(jià)的均值方差圖，針對(duì)本文所提出的報(bào)價(jià)策略選取日前電價(jià)均值小于實(shí)時(shí)電價(jià)均值的19:00時(shí)和日前電價(jià)均值大于實(shí)時(shí)電價(jià)均值的04:00時(shí)2個(gè)時(shí)刻，其電價(jià)擬合參數(shù)如表4所示。

表4 電價(jià)擬合參數(shù)

在04:00時(shí)刻，由于日前電價(jià)均值大于實(shí)時(shí)電價(jià)均值，且方差浮動(dòng)不大，考慮競(jìng)標(biāo)成本宜在此時(shí)刻競(jìng)標(biāo)增功率，從而給定該時(shí)刻競(jìng)標(biāo)增功率成功的置信度βt為0.9；在19:00時(shí)刻，由于日前電價(jià)均值小于實(shí)時(shí)電價(jià)均值，但方差浮動(dòng)較大，給定該時(shí)刻競(jìng)標(biāo)減功率成功的置信度βt為0.9。在對(duì)2個(gè)時(shí)刻求解中，根據(jù)各時(shí)刻擬合參數(shù)以及給定的置信水平，利用蒙特卡洛抽樣抽取5 000次日前和實(shí)時(shí)電價(jià)求解處各時(shí)刻的報(bào)價(jià)值，并將報(bào)價(jià)代入目標(biāo)函數(shù)中求解出其他決策變量，其報(bào)價(jià)以及競(jìng)標(biāo)成本如表5所示。

表5 兩時(shí)刻報(bào)價(jià)策略對(duì)比

從表5中可以看出在04:00時(shí)刻由于日前電價(jià)均值大于實(shí)時(shí)電價(jià)均值，考慮競(jìng)標(biāo)成本的代理商會(huì)將競(jìng)標(biāo)量側(cè)重于實(shí)時(shí)市場(chǎng)，但是由于實(shí)時(shí)市場(chǎng)競(jìng)標(biāo)增功率成功的置信水平為0.9，所以不能完全將競(jìng)標(biāo)量放于實(shí)時(shí)市場(chǎng)。在19:00時(shí)刻由于日前電價(jià)均值小于實(shí)時(shí)電價(jià)均值，所以為了降低成本制定的報(bào)價(jià)策略會(huì)側(cè)重于日前市場(chǎng)，但由于實(shí)時(shí)市場(chǎng)競(jìng)標(biāo)減功率成功置信水平為0.9，且日前和實(shí)時(shí)電價(jià)也存在隨機(jī)性，因此不能完全將競(jìng)標(biāo)量放于日前市場(chǎng)，由此得出在2種不同情況下的投標(biāo)報(bào)價(jià)策略。

3.6 抽樣次數(shù)對(duì)報(bào)價(jià)策略的影響

針對(duì)日前電價(jià)和實(shí)時(shí)電價(jià)的隨機(jī)性，采用蒙特卡洛抽樣對(duì)隨機(jī)優(yōu)化問(wèn)題轉(zhuǎn)化為確定性問(wèn)題求解，在不同的抽樣次數(shù)下各決策變量如表6所示。

表6 抽樣次數(shù)對(duì)報(bào)價(jià)策略的影響

從表6中可以看出在2個(gè)時(shí)刻中抽樣次數(shù)增加，其所得結(jié)果會(huì)更加精確。在04:00時(shí)刻，抽樣次數(shù)增加其報(bào)價(jià)相應(yīng)會(huì)增加，但當(dāng)抽樣次數(shù)增大到一定值時(shí)會(huì)趨向穩(wěn)定，其成本也相應(yīng)會(huì)減少。在19:00時(shí)刻在抽樣次數(shù)增加的情況下其報(bào)價(jià)會(huì)相應(yīng)減少，其成本也相應(yīng)減少。因此，在蒙特卡洛抽樣求解隨機(jī)優(yōu)化問(wèn)題中，其抽樣次數(shù)對(duì)隨機(jī)問(wèn)題的求解結(jié)果會(huì)有一定影響，同時(shí)也驗(yàn)證了對(duì)所提模型求解的有效性和可行性。

4 結(jié)論

本文在日前和實(shí)時(shí)市場(chǎng)聯(lián)合競(jìng)價(jià)機(jī)制的背景下，充分考慮日前和實(shí)時(shí)電價(jià)的隨機(jī)分布特性，通過(guò)KKT條件推導(dǎo)了投標(biāo)報(bào)價(jià)與電價(jià)之間的概率關(guān)系，并基于該概率關(guān)系，構(gòu)建了隨機(jī)優(yōu)化下的LED可控負(fù)荷日前和實(shí)時(shí)市場(chǎng)報(bào)價(jià)策略模型。其次，通過(guò)蒙特卡洛抽樣將隨機(jī)問(wèn)題轉(zhuǎn)化為確定性問(wèn)題求解，對(duì)比了不同抽樣次數(shù)下對(duì)報(bào)價(jià)策略的影響，結(jié)果驗(yàn)證了該方法求解報(bào)價(jià)策略模型計(jì)算結(jié)果的合理性。

[1]YUAN W，LAU V K N，TSANG D H K. Optimal energy scheduling for residential smart grid with centralized renewable energy source[J]. Systems Journal，2014，8(2)：562-576.

[2]LEZHNYUK P, KOMAR V, BUSLAVETS O. Impact of renewable sources of energy on the level of active power losses in distribution networks[C].2016 2ndInternational Conference on Intelligent Energy and Power Systems, Kyiv, Ukraine, 2016：1-6.

[3]SSEKULIMA E B, ANWAR M B, HINAI A A, et al. Wind speed and solar irradiance forecasting techniques for enhanced renewable energy integration with the grid : a review[J]. IET rENEWABLE Power Generation, 2016, 10(7): 885-989.

[4]LIU Y, DU W J, XIAO L Y, et al. Sizing a hybrid energy storage system for maintaining power balance of an isolated system with high penetration of wind generation[J]. IEEE Transactions on Power Systems,2016，31(4)：3267-3275.

[5]AHEMED R, RASHA E, MAGED A A, et al. Frequency behavior of variable renewable energy sources during power deficiency events;comparative strdy[C]. Transmission and Distrubution Conference and Exposition, Dallas, USA, 2016:1-6.

[6]SHAILENDRA S, AMBRISH C M, SERGE L, et al. Voltage flicker mitigation employing smart loads with high penetration of renewable energy in distribution systems[J]. IEEE Transactions on Sustainable Energy, 2016(99): 1-1.

[7]RUIZ N,COBELO I,OYARZABAL J.A direct load control model for virtual power plant management[J].Power Systems Proceedings of the IEEE,2009,24(2):959-966.

[8]NG S K,ZHONG J.Smart dispatch of controllable loads with high penetration of renewables[C].Transmission and Distribution Conference and Exposition, Orlando, USA, 2012:1-6.

[9]NG S K,ZHONG J.Security-constrained dispatch with controllable loads for integrating stochastic wind energy[C]. Innovative Smart Grid Technologies, Berlin, Germany, 2012:1-8.

[10]郭紅霞，白浩，劉磊,等. 統(tǒng)一電能交易下的虛擬電廠(chǎng)優(yōu)化調(diào)度模型[J]. 電工技術(shù)學(xué)報(bào)，2015，30(23)：28-34.

[11]VAYA M G，ANDERSSON G. Optimal bidding strategy of a plug-in electric vehicle aggregator in day-ahead electricity markets Under Uncertainty[J].IEEE Transactions on Power Systems,2015,30(5): 2375-2385.

[12]WANG Y X，YANG H M，WANG Y. Research on bidding strategy for electric water heater participating power dispatch[C].International Conference on Electrical Engineering Computing Science and Automatic Control，Merida，Mexico，2011: 1-3.

[13]楊亞雄，楊洪明，張俊.電動(dòng)汽車(chē)代理商電力市場(chǎng)競(jìng)價(jià)策略研究[J].電力科學(xué)與技術(shù)學(xué)報(bào)，2015，30(2)：104-109.

[14]STYLIANOS I，BAGROPOULOS A, BAKIRTZIS G. Optimal bidding strategy for electric vehicle aggregators in electricity markets[J]. IEEE Transactions on power systems，2013，28(4)： 4031-4044.

[15]BOLAS J，SOUSA J，MARTINS A. Electricity spot prices structural changes in the Iberian electricity market[C].2013 International Conference on the European Energy Market，Stockholm，Swedish，2013:1-6.

[16]吳俊明，楊洪朝，易俊.基于梯度投影法的LED燈優(yōu)化調(diào)度[J].電力科學(xué)與技術(shù)學(xué)報(bào)，2014，29(2)：37-42.

[17]Electicity spot prices structural changes in the Iberian electricity market，PJM：Daily real-time and day-ahead locational marginal pricing data[OL]. http://www.pjm.com/markets-and-operations/energy/real-time/monthlylmp.aspx, 2014, oct.

Research on Bidding Strategy of Controllable Loads Based on KKT Conditions Probability Inference

MA Yanhong1，DANG Qian2，HAN Xushan1，YANG Yaxiong3,ZHANG Jun4

(1. State Grid Gansu Electric Power Corporation Ministry of Information Technology, Lanzhou 730000, China;2.State Grid Gansu Electric Power Corporation Information Communication Corporation, Lanzhou 730050,China;3.Hunan Hydro&power Design Institute, Changsha 410007, China;4. Shenzhen Huayang International Engineering Design Co. Ltd., Changsha Branch, Changsha 410007, China)

In order to manage the operation of the distributed system with a large number of regional decentralized, power adjustable controllable load involved, the controllable load into the power market is proposed to participate in the bidding. Considering the stochastic characteristics of the day price and real time market price, by using KKT (Karush-Kuhn-Tucker) conditions, the relationship between the probability of bid and market price is derived in this paper, and hence a market bidding model based on KKT conditional probability inference is constructed. The control load of LED street lamp is deemed as the research object in this paper. By Monte Carlo sampling, the stochastic problem is transformed into a deterministic one, and the primal dual interior point algorithm is applied to solve the problem. The results show that the bidding model can effectively reduce the purchase cost, and the bidding and bid of confidence level and the quantitative relationship between the expected cost of electricity purchase are reflected better, also it has a guiding value for the control load to participate in power market bidding and bidding strategy.

controllable load；KKT conditions；day-ahead market；real-time market；bidding strategies

10.3969/j.ISSN.1672-0792.2017.02.005

2016-08-31。

甘肅省科技支撐計(jì)劃(1504GKCA033)；國(guó)網(wǎng)甘肅省電力公司科技研究開(kāi)發(fā)項(xiàng)目(52272315000X)。

TM73

A

1672-0792(2017)02-0028-07

馬彥宏(1975-)，男，高級(jí)工程師，主要研究方向?yàn)殡娏ο到y(tǒng)自動(dòng)化、風(fēng)電并網(wǎng)技術(shù)。