​

1 概述

電能量主市場與備用輔助服務市場安排在運行日前一天進行，通過集中投標競價的交易模式，以電能量與備用總購電成本最小為目標，綜合考慮電能量主市場與備用輔助服務市場的發電側報價，系統約束、機組約束和網絡約束，進行聯合優化出清計算[56]。聯合優化出清計算主要包括安全約束機組組合（Security-ConstrainedUnit Commitment，SCUC)計算，安全約束經濟調度(Security-Constrained EconomicDispatch，SCED）計算和系統邊際電價計算l57]。計算得出次日24小時的機組開停方案、出力計劃、備用計劃、電能量邊際電價和備用邊際價格。所有中標機組都按系統邊際電價結算。電能量與備用市場聯合優化出清流程具體如圖2.7所示。

sCUC是一個含有0-1整數變量和連續變量的混合整數規劃問題，目前求解sCUC問題的主要方法可以分為啟發式方法、數學規劃法和智能優化算法三類[59-60].啟發式方法（Heuristic Method）是最早使用的一類優化方法，這種方法沒有嚴格的理論依據，依靠直觀的判斷或實際調度的經驗尋找最優解。數學規劃法是目前求解機組組合問題的重要算法之一，這類算法用數學方程將實際的問題表示出來再進行求解。最早用於求解機組組合問題的數學規劃法是動態規劃法（Dynamic Programming，DP)，動態規劃法適合求解簡單的分階段的動態過程，但這種方法會隨著計算系統中的機組數和時段數的增加，計算量將呈指數級增加，不適合求解未來大系統高維數的機組組合問題。在上世紀70年代開始，人們開始使用拉格朗日松弛法（Lagrangian Relaxation，LR）求解機組組合問題,取得瞭巨大的成果，適合用於大系統機組組合問題的求解，但是更加精準的交流潮流約束不滿足LR法的線性要求，機組爬坡約束也會大大增加該算法的計算量。混合整數規劃法(Mixed Integer Programming，MIP）適合求解既具有離散變量又具有連續變量的優化問題，不需要加入過多的限制和假設，求解效率高。智能優化算法大多源於對生物或社會現象的模擬，主要有遺傳算法、禁忌搜索、蟻群算法和粒子群算法等。

20a934d99bb2dbcd239abe7960a1a4b3

虛擬電廠參與主能量市場與輔助服務市場的交易框架如上圖所示。

虛擬電廠參與調峰輔助服務市場初期，若在某出清時段內造成負荷側資源用電量小於下發功率曲線對應電量超過 30%時，該出清時段調峰服務費將不予結算。按照市場規則，虛擬電廠在運行日後

的調峰服務費用與新能源企業和未中標火電機組進行分攤。

2 運行結果

5584a130182e2e8f00f47ee6ad16b9df205c274307f659f9070a258f8996bebd

以上展現部分運行結果。

3 參考文獻

[1]祖文靜,杜易達,李鵬,餘曉鵬,王世謙,李慧璇,張藝涵.計及不確定性與相關性的虛擬電廠參與主輔市場聯合交易優化研究[J].智慧電力,2022,50(10):70-77+86.

[2]馮斌斌. 備用輔助服務市場出清模型研究[D].南京師范大學,2021.DOI:10.27245/d.cnki.gnjsu.2021.000621.

4 Matlab代碼及數據

​