A method for power suppliers’optimal cooperative bidding strategies considering network losses

The bidding strategies of power suppliers to maximize their interests is of great importance.The proposed bilevel optimization model with coalitions of power suppliers takes restraint factors into consideration,such as operating cost reduction,potential cooperation,other competitors’bidding behavior,and network constraints.The upper model describes the coalition relationship between suppliers,and the lower model represents the independent system operator’s optimization without network loss(WNL)or considering network loss(CNL).Then,a novel algorithm,the evolutionary game theory algorithm(EGA)based on a hybrid particle swarm optimization and improved firefly algorithm(HPSOIFA),is proposed to solve the bi-level optimization model.The bidding behavior of the power suppliers in equilibrium with a dynamic power market is encoded as one species,with the EGA automatically predicting a plausible adaptation process for the others.Individual behavior changes are employed by the HPSOIFA to enhance the ability of global exploration and local exploitation.A novel improved firefly algorithm(IFA)is combined with a chaotic sequence theory to escape from the local optimum.In addition,the Shapley value is applied to the profit distribution of power suppliers’cooperation.The simulation,adopting the standard IEEE-30 bus system,demonstrates the effectiveness of the proposed method for solving the bi-level optimization problem.

Bidding Strategy in Deregulated Power Market Using Differential Evolution Algorithm

The primary objective of this research article is to introduce Differential Evolution (DE) algorithm for solving bidding strategy in deregulated power market. Suppliers (GENCOs) and consumers (DISCOs) participate in the bidding process in order to maximize the profit of suppliers and benefits of the consumers. Each supplier bids strategically by choosing the bidding coefficients to counter the competitors bidding strategy. Electricity or electric power is traded through bidding in the power exchange. GENCOs sell energy to power exchange and in turn ancillary services to Independent System Operator (ISO). In this paper, Differential Evolution algorithm is proposed for solving bidding strategy problem in operation of power system under deregulated environment. An IEEE 30 bus system with six generators and two large consumers is employed to demonstrate the proposed technique. The results show the adaptability of the proposed method compared with Particle Swarm Optimization (PSO), Genetic Algorithm (GA) and Monte Carlo simulation in terms of Market Clearing Price (MCP).

Wind Power Bidding Strategy Based on the Minimax Regret Criterion with Limited Distribution Information

In optimal wind bidding strategy related literatures, it is usually assumed that the full distribution information (for example, the cumulative distribution function or the probability density function) of wind power output is known. In real world applications, however, only very limited distribution information can be obtained. Therefore, the “optimal bidding strategy” obtained based on the hypothetical distribution may be far away from the true optimal one. In this paper, an optimal bidding strategy is obtained based on the minimax regret criterion. The salient feature of the new approach is that it requires only partial information of wind power distribution, for example, the expectation and the support set. Numerical test is then performed and the results suggest that the method established in this paper is effective.

Optimal Bidding Strategy for PV and BESSs in Joint Energy and Frequency Regulation Markets Considering Carbon Reduction Benefits

Photovoltaic(PV)and battery energy storage systems(BESSs)are key components in the energy market and crucial contributors to carbon emission reduction targets.These systems can not only provide energy but can also generate considerable revenue by providing frequency regulation services and participating in carbon trading.This study proposes a bidding strategy for PV and BESSs operating in joint energy and frequency regulation markets,with a specific focus on carbon reduction benefits.A two-stage bidding framework that optimizes the profit of PV and BESSs is presented.In the first stage,the day-ahead energy market takes into account potential real-time forecast deviations.In the second stage,the real-time balancing market uses a rolling optimization method to account for multiple uncertainties.Notably,a real-time frequency regulation control method is proposed for the participation of PV and BESSs in automatic generation control(AGC).This is particularly relevant given the uncertainty of grid frequency fluctuations in the optimization model of the real-time balancing market.This control method dynamically assigns the frequency regulation amount undertaken by the PV and BESSs according to the control interval in which the area control error(ACE)occurs.The case study results demonstrate that the proposed bidding strategy not only enables the PV and BESSs to effectively participate in the grid frequency regulation response but also yields considerable carbon emission reduction benefits and effectively improves the system operation economy.

连续双向拍卖中演化Risk-Based策略研究

Risk-Based策略是基于风险行为的代理策略。为了改善Risk-Based代理的行为,使交易价格迅速收敛于市场均衡价格,提高市场效率,提出利用粒子群优化算法演化Risk-Based策略参数。首先分析了影响Risk-Based代理行为的关键参数;之后提出了改进的粒子群优化算法演化Risk-Based策略关键参数的模型。最后,在基于市场控制的模拟系统中采用连续双向拍卖机制对演化Risk-Based策略进行了实验评价,结果表明演化后的Risk-Based策略比演化前的策略更为优秀。

考虑换电需求响应的换电站参与电能量-调频市场竞价策略

电动汽车(EV)大规模发展会加大电网的调峰调频压力。通过换电站市场化运营,可有效激励换电站利用EV换电需求和换电站电池灵活性资源,缓解电网调峰调频压力。为此,提出了换电站参与电能量市场和调频辅助服务市场的协同竞价策略及其两阶段优化模型。第1阶段依据调频市场需求制定换电价格,引导EV调整换电需求,优化冗余电池数量及时序,以便与调频需求趋势一致,进而提升换电站调频服务收益;第2阶段考虑换电站需求响应和市场调峰调频需求,制定换电站竞价策略。所提出竞价策略在优先满足EV换电需求的同时,可降低换电站充电成本、提升调频服务收益,并助力电网调峰调频。算例仿真结果验证了所提策略的有效性。

风氢耦合系统参与现货市场的竞标策略及优化调度方法

为解决高比例风电市场竞标能力弱、市场消纳困难的问题,提出高比例风电耦合氢储能系统联合参与现货市场竞价的双层Stackelberg博弈模型。首先,研究风氢耦合系统内部能量转换关系,揭示风氢耦合系统的能量“时空平移”机理,在综合考虑风氢耦合系统收益和成本的基础上,建立风电投标和氢储能充放电决策模型;其次,兼顾风氢耦合系统和独立系统运营商的利益诉求,基于Stackelberg博弈建立以火电机组、风氢耦合系统为主体的市场出清模型;最后,针对双层模型求解困难的问题,运用KKT条件和强对偶理论将双层模型转换为易于求解的单层混合整数规划模型。仿真结果表明,所提策略对高比例风电的市场消纳起到了积极作用。

新形势下串通投标犯罪数据化侦查实践路径

招投标全流程电子化的日益普及给串通投标犯罪侦查工作带来了一定困难。如何不断提升串通投标犯罪的数据化侦查能力和水平,已经成为全国经济犯罪侦查理论与实务部门广泛关注并亟待解决的问题。本文通过文献研究、案例分析等方法探讨了新形势下我国串通投标犯罪产生的原因、手段及危害,较为系统地阐释了如何综合利用各种数据导侦工具、采用企业基因测序、社会网络分析等方法和技术研判风险企业、分析违法资金流向等问题,深入挖掘显性和隐性犯罪网络,锁定重点人物,构建完整的证据体系,实现对串通投标犯罪的全链条式打击。

考虑冬季供暖的风电—CSP电站联合参与现货市场运行策略

随着“双碳”目标的提出,以风电为代表的可再生能源参与电力现货市场已是大势所趋。但由于具有不确定性和波动性,风电在市场中常处于不利地位。风电与具有灵活调节能力的光热电站(Concentrated Solar Power,CSP)联合能够减少实时出力偏差,进而降低不平衡成本。基于此,本文针对风电—CSP电站联合参与现货市场的运行策略开展研究。首先,对风电—CSP电站联合参与现货市场的机理进行分析,在此基础上,以经济性最优为目标,综合考虑供电收益、冬季供暖收益和不平衡惩罚等因素,提出了考虑冬季供暖的风电—CSP电站联合参与电力现货市场运行策略,并基于Shapley值法对联盟收益进行分配,最后分析了储热容量对联盟收益的影响。算例表明所提联合运行策略能够充分利用CSP电站灵活性,显著提高双方收益,减少弃风损失。

多品种电力市场交易下负荷聚合商投标策略及市场均衡分析

中国新型电力系统建设正面临灵活资源短缺等问题,亟须发挥负荷侧调节能力。随着电网与负荷双向交互越发频繁,更多负荷聚合商通过整合辖区灵活资源参与市场交易,导致以往由发电侧占主导的市场均衡被打破。为研究多主体负荷聚合商博弈策略,构建了能量-备用电力市场下负荷聚合商双层投标模型,并引入多场景描述非决策者投标不确定性对市场均衡的影响。通过强平稳算法(SSM)将多个双层模型转化为带均衡约束的均衡问题(EPEC)模型,并采用大M法、二进制展开法等线性化方法进行线性化。算例结果验证了模型及求解算法的合理性和有效性,表明基于EPEC模型的负荷聚合商最优投标策略更加契合实际市场规则,有助于系统优化负荷曲线,缓解灵活资源供需紧张。

考虑响应违约风险的聚合商双重市场投标策略

负荷聚合商(load aggregator,LA)集成需求侧资源参与双重市场(能量市场和备用市场)投标,需要根据市场运营规则对具有不同行为特性的需求侧资源优化组合。文章考虑双重市场对响应资源的技术要求,从负荷削减量和响应时间2个方面体现需求侧资源的不确定性,引入条件风险价值(conditional value at risk,CVaR)理论,考虑备用市场响应超时的违约风险,制定其在双重市场的资源集成优化投标策略,以响应电量不足期望评估聚合商参与双重市场的响应可靠性。算例分析不同风险偏好系数下聚合商利润与风险的动态关系,优化需求侧资源的容量配置,为聚合商双重市场的投标和风险度量提供参考。

基于多智能体深度确定策略梯度算法的火力发电商竞价策略

火电是新型电力系统的重要支撑,研究火力发电商的竞价策略以及不同出清机制的影响,对保障其低碳高效运营具有重要意义。构建基于多智能体深度确定策略梯度算法的竞价策略模型,分析不同火力发电商组合的竞价差异化策略,优化多主体报价报量策略,探究边际统一出清、按报价支付出清和随机匹配出清3种典型出清机制的市场影响。结果表明,该策略模型可引导火力发电商采取合理的竞价方式以提高市场效率;在新能源渗透率较低时,不同出清机制对各类型机组的影响有所不同;随着新能源渗透率的提高,采用按报价支付出清机制可以兼顾经济和环境效益;当新能源渗透率达到较高水平时,采用随机匹配出清机制可有效应对市场波动风险。

计及需求响应潜力的电动汽车聚合商多主体日前投标策略

针对电动汽车这一新型储能资源大规模接入后电力市场多主体竞争格局,提出一种计及需求响应潜力的电动汽车聚合商多主体日前投标策略。以实现削峰填谷、保障电网安全稳定运行等为目标,促使电网与聚合商等多方市场主体可持续发展,探索其未来商业模式。首先,根据电动汽车用户出行特性进行电动汽车集群分类,考虑出行时间、到达时间及荷电状态等因素,模拟集群内用户随机充放电选择。结合聚合商整体充电功率上限值与电能波动区间值等主要因素,基于历史数据评估聚合商需求响应潜力。然后,考虑多个聚合商投标问题,建立日前市场投标模型,以测算电动汽车聚合商日前市场效益。为探寻多元竞争格局下最优日前市场投标策略,以日前投标净利润最大为目标函数,考虑电量、功率上限及电池容量等约束条件,利用Gurobi对优化问题进行求解。最后,通过湖北省武汉市某区实际负荷算例验证了所提策略的先进性及可行性。

考虑风电出力和电价不确定性的水风联合现货市场竞价策略

以风电为代表的新能源参与现货市场已是大势所趋,但出力不确定性导致其市场竞争力较弱,而电价的不确定性又进一步增大了其承担的收益风险。联合具有灵活调节能力的水电是有效的解决途径,而制定符合决策者风险意愿的竞价策略则是其中亟须解决的关键问题。为此,从价格接受者角度提出了水电联合风电参与现货市场的竞价模型。模型中采用笛卡尔积组合后的典型场景集描述风电出力、市场电价等多种不确定性,采用条件风险价值衡量不确定性导致的市场风险,并以风险因子作为决策者风险偏好纳入决策过程。通过引入0/1整数变量,将模型中的非线性函数转换为混合整数线性规划模型予以求解。以中国西南某省梯级水电站和风电场为背景,验证了模型的有效性,并进一步分析了风险偏好对竞价决策的影响。

基于主从博弈的虚拟电厂参与多元竞争市场投标策略研究

虚拟电厂(virtual power plant,VPP)可以聚合多元异构分布式能源(distributed energy resource,DER)灵活参与电力市场,但受市场多元主体投标行为不确定性的影响,VPP在日前电力市场面临着潜在的投标需求流标风险。为解决多元竞争电力市场中电价电量不确定性影响下VPP的优化申报问题,提出一种VPP灵活分段投标策略。首先,基于分布式能源运行特性构建了虚拟电厂聚合可调节能力评估方法,在考虑电力平衡需求的基础上,提出按可调节能力划分区间的VPP灵活分段投标策略。然后,构建了虚拟电厂参与日前电力现货市场投标的主从博弈模型,以实现VPP收益及社会效益的最大化。最后,采用强对偶理论和大M法将该均衡约束规划问题(equilibrium problems with equilibrium constraints,EPEC)转化为混合整数线性规划问题(mixed integer linear program,MILP)求解。算例结果表明,VPP采用灵活分段投标策略参与日前电力市场,可以充分利用其可调节能力,保障其投标需求有效中标,有效提升了VPP收益及社会效益。

基于“虚拟碳储存”的需求侧电-碳耦合交易机制

“双碳”目标指引下,电力系统低碳转型势在必行。结合时变价格信号的低碳需求响应可以引导用户调整用电行为降低碳排放。然而,不同用户灵活性差异较大,仅通过价格信号的变化难以引导低灵活性用户实现碳减排;同时,部分高灵活性用户的调节潜力并未被完全释放。为了通过用户间碳排放责任的交易进一步释放需求侧的碳减排潜力,该文提出需求侧电-碳耦合交易机制,旨在通过碳排放责任的再分配进一步释放高灵活性用户的碳减排潜力。但根据比例共享定理,碳排放责任与用电量成固定比例,限制其在用户间的灵活转移,提出“虚拟碳储存”,使储能中电的碳排放强度成为可控变量,实现碳排放责任在用户间的自由转移。以地区电力系统为研究场景,综合考虑电费成本、碳排放成本以及负荷调节成本,引入近端策略优化算法求解用户的最佳用电策略。仿真结果显示,相比用户仅参与传统电力市场,参与电-碳耦合市场并考虑“虚拟碳储存”,可减少31.9%的碳排放,同时显著降低了用户用电成本。

基于竞价空间预测的虚拟电厂日前竞价策略

“双碳”背景下,虚拟电厂作为聚合管理电动汽车、新能源、储能的有效途径,将是电力现货市场的重要主体,而虚拟电厂内部聚合资源的运行特性决定其竞价空间,是其报价策略的重要影响因素。针对电动汽车、光、储构成的虚拟电厂,提出了基于高斯过程回归的竞价空间预测方法,将虚拟电厂竞价空间的时间序列拓宽形成相空间以挖掘历史数据中的隐含信息,并运用高斯过程回归预测虚拟电厂的竞价空间;然后将竞价空间作为虚拟电厂竞价时的电量及功率约束,基于节点边际电价机制提出了基于竞价空间的虚拟电厂日前竞价方法及市场优化出清方法。最后通过RBTS 38节点配电系统进行仿真验证,结果表明基于相空间重构的高斯过程能够提升竞价空间预测准确性,减少竞价电量与出清电量的偏差,从而提升虚拟电厂收益。

计及风电的发电商报价多智能体模型

新型电力系统背景下,新能源发电商的报价问题一直是电力现货市场中的研究热点。相比传统能源,风电出力受外界不确定性因素的影响较大,给风力发电商求解最优报价带来了挑战。为此,基于多智能体强化学习算法WoLF-PHC构建了计及风电的发电商报价策略模型。模型中,考虑了风电、火电和水电3种能源参与的现货市场,每一个发电商抽象为一个智能体,且基于随机约束规划算法建模风电智能体的收益函数;对于智能体的报价策略模型,将D3QN与WoLF-PHC算法结合,使模型能够满足报价时智能体状态空间复杂的情况;此外,对于交互环境的建模,提出利用DDPM扩散模型生成风电出力数据,优化风电出清场景的仿真。最后,基于3节点的电力仿真系统开展模拟实验,实验结果表明,提出的风电收益函数建模、WoLF-PHC改进、风电出力生成等技术是可行的,能有效解决风电参与竞价的现货市场报价问题,并且能够在较少的迭代次数后学习到较优的策略。

考虑电力中长期及现货市场衔接的月内融合交易模式及统一限价研究

在电力市场“中长期+现货”背景下,针对电力中长期与现货衔接问题,探寻高比例新能源入市下月内融合交易市场边界,研究统一限价对社会福利与曲线分解的影响,分析月内融合交易模式对市场衔接的作用。首先,考虑市场中存在的问题,探讨可行的解决方式。其次基于市场预测,构建市场主体的报价与目标函数,结合不平衡电量,构建社会福利最大化市场出清模型,采用A-NSGA-Ⅲ算法进行求解,得到市场出清情况与对应的最优限价范围。最后通过算例验证了统一限价与细分时段的优势,给出了统一限价设定的市场化途径,同时保证了市场主体利益与市场活力,表明了统一限价模式下月内融合交易市场有利于市场主体灵活交易,促进了中长期与现货市场的衔接。

考虑不确定性的火电发电商现货-深度调峰市场优化决策

针对电力现货市场与深度调峰市场联合运行背景下发电商电能量利润空间压缩、深度调峰功能亟待拓展等问题,提出考虑不确定性的发电商现货-深度调峰市场优化策略。基于Stackelberg博弈,构建兼顾联合市场利润和风险的发电商日前报价策略双层优化模型。在上层模型中,以发电商联合市场利润最大化为目标,对发电商分段报价进行优化;在下层模型中,考虑竞争对手报价场景的不确定性,提出电力现货-深度调峰市场联合出清模型。针对净负荷不确定性,引入波动不确定度参数,将双层模型转换为基于信息间隙决策理论的发电商现货-深度调峰市场决策模型。基于安徽省实际市场数据进行仿真验证,得到适应不同负荷场景的发电商联合市场日前报价策略,结果表明考虑不确定性的联合优化决策能够有效规避负荷不确定性带来的利润波动风险。