Optimal Price-maker Trading Strategy of Wind Power Producer Using Virtual Bidding

This paper proposes a stochastic optimization model for generating the optimal price-maker trading strategy for a wind power producer using virtual bidding,which is a kind of financial tool available in most electricity markets of the United States.In the proposed model,virtual bidding is used to improve the wind power producer’s market power in the dayahead(DA)market by trading at multiple buses,which are not limited to the locations of the wind units.The optimal joint wind power and virtual trading strategy is generated by solving a bi-level nonlinear stochastic optimization model.The upperlevel problem maximizes the total expected profit of the wind power and virtual bidding while using the conditional value at risk(CVa R)for risk management.The lower-level problem represents the clearing process of the DA market.By using the Karush-Kuhn-Tucker(KKT)conditions,duality theory,and big-M method,the bi-level nonlinear stochastic model is firstly transferred into an equivalent single-level stochastic mathematical program with the equilibrium constraints(MPEC)model and then a mixed-integer linear programming(MILP)model,which can be solved by existing commercial solvers.To reduce the computational cost of solving the proposed stochastic optimization model for large systems,a method of reducing the number of buses considered for virtual bidding is proposed to simplify the stochastic MPEC model by reducing its decision variables and constraints related to virtual bidding.Case studies are performed to show the effectiveness of the proposed model and the method of reducing the number of buses considered for virtual bidding.The impacts of the transmission limits,wind unit location,risk aversion parameters,wind power volatility,and wind and virtual capacities on the price-maker trading strategy are also studied through case studies.

基于深度强化学习的电力市场虚拟投标策略

针对电力现货市场中日前(day-ahead,DA)市场和实时(real-time,RT)市场的价格差异导致的市场运行风险大、效率低等问题,可采用虚拟投标(virtual bidding,VB)对未知分布的日前和实时价差进行套利,以促进二者的价格趋同。从时空维度搭建虚拟投标的市场架构,将虚拟投标划分为机组型和负荷型2种类别,以虚拟投标者累积收益最大化为目标,建立含预算约束的多区域多时段虚拟投标模型,该模型可表述为经典的0-1背包问题。同时,采用条件风险价值工具量化风险偏好、规避、中立3种类型的虚拟投标者所面临的风险,建立考虑风险度量的电力市场虚拟投标策略模型。针对这一问题的求解,构建深度强化学习(deep reinforcement learning,DRL)网络框架,通过设计合理的状态、动作空间及奖励函数,并利用深度Q网络与环境交互,获得信息反馈并优化神经网络参数,实现对最优投标策略的有效求解。利用美国PJM电力市场2018年6—12月数据计算虚拟投标者的累积收益和夏普比率,并与贪心算法、动态规划等方法进行对比,验证了该文模型和算法的有效性、优越性。

基于模糊综合评价的虚拟清单招标风险评价研究

针对工程界面、工程量、列项、技术要求及开办项目等多个方面分析虚拟工程量清单招标风险源,阐述各风险源特征及其风险影响因素。基于模糊综合评价理论,运用层次分析法建立数学模型,对虚拟工程量清单招标风险点进行权重计算,进而实现工程虚拟清单招标风险评价。

计及多种需求响应资源的虚拟电厂运行机制及控制策略优化

需求响应是虚拟电厂应对电力市场交易中由不确定性因素带来交易风险的重要资源。本文提出一种计及多种需求响应资源的虚拟电厂运行机制以及控制策略。首先,通过v型支持向量回归机对虚拟电厂可再生能源出力、负荷出力、电力市场价格等不确定量进行日前预测,并利用自回归移动平均对预测误差进行典型场景生成。其次,考虑来自虚拟电厂内部直接可控负荷以及外部需求响应交换市场所购得的需求响应资源,基于多阶段随机规划优化框架,以预期利润最大化以及可再生能源未消纳率最小化为目标,构建了不考虑风险控制和考虑风险控制两种条件下的虚拟电厂竞价策略优化模型。最后,通过算例分析不确定性和风险偏好对虚拟电厂的预期收益及可再生能源消纳率的影响,验证了所提运行策略的有效性。

政府工程采购的管理系统研究

以现实中政府工程采购通用的业务操作流程为基础,结合现代信息技术并合理的实现学科交叉融合,尝试建立建设政府工程采购的管理系统,该系统又可以划分成若干不同复杂度的小系统。文章所建立的系统运用虚拟现实技术,建立虚拟工程采购程序,实现可视化的工程采购决策管理工作,指导政府相关部门合理有效的实现工程采购,并最终科学而系统的实现了工程采购风险预警及管理。

考虑购售风险的虚拟电厂双层竞标策略

虚拟电厂(virtual power plant,VPP)是聚合优化"源-网-荷-储"协调发展的新一代智能控制技术和互动商业模式。针对虚拟电厂内部资源和外部市场对竞标策略的互动影响,提出了考虑购售风险的虚拟电厂双层竞标策略。首先,考虑虚拟电厂对内对外的双侧互动特性,构建了虚拟电厂双层竞标框架;其次,考虑用户效用,建立了用户侧资源对虚拟电厂的下层竞标模型;然后,考虑外部市场的价格不确定性,采用条件风险价值(conditional value at risk,CVaR)量化虚拟电厂购售环节的风险,建立了考虑购售风险的虚拟电厂上层多目标竞标模型;最后,通过算例验证了竞标策略的有效性。