需求响应下含微电网配电侧市场多目标出清模型

doi:10.3969/j.issn.1000-7229.2019.02.004

电力建设 ›› 2019, Vol. 40 ›› Issue (2): 29-36.doi: 10.3969/j.issn.1000-7229.2019.02.004

需求响应下含微电网配电侧市场多目标出清模型

王辉，廖昆，林艺璇，金彬斌

上海电力学院经济与管理学院，上海市 200090

出版日期:2019-02-01
作者简介:王辉（1980），女，博士，副教授，主要研究方向为能源互联网和电力市场；廖昆（1995），男，通信作者，硕士研究生，主要研究方向为电力市场；林艺璇（1994），女，硕士研究生，主要研究方向为电力市场和“一带一路”能源经济；金彬斌（1992），男，硕士研究生，主要研究方向为电力市场和微电网经济调度。
基金资助:
国家自然科学基金项目（71403163）；上海市自然科学基金项目（13ZR1417700）；教育部人文社科基金项目（18YJAZH138）

Multi-objective Clearing Model of Distribution Market with Microgrids Considering Demand Response

WANG Hui， LIAO Kun， LIN Yixuan， JIN Binbin

College of Economics and Management，Shanghai University of Electric Power，Shanghai 200090， China

Online:2019-02-01
Supported by:
This work was supported by National Natural Sciences Foundations of China （No.71403163）， Shanghai Natural Sciences Foundations （No.13ZR1417700） and the Ministry of Eduction Humanities and Social Science Found Project （No.18YJAZH138）.

摘要/Abstract

摘要： 微电网的高效利用有助于加快电力行业低碳发展。随着电力市场改革的推进，科学合理的市场竞争机制将对微电网的市场化进程产生重要影响。为解决微电网富余电量竞价上网问题，在充分考虑到微电网特性情况下，建立了需求响应下基于分段竞价的多目标竞价出清模型，模型兼顾系统的经济性和低碳性，并提出可移动负荷的优化方法和更合理的混合结算方式。使用非支配排序遗传算法（NSGA-II）获得多目标模型的Pareto解集并采用模糊聚类方法进行决策。算例结果表明，采用基于分段竞价的多目标竞价出清模型可以提升微电网的市场竞争力，改善系统的低碳性，对于低碳经济和环境保护将产生积极作用。

关键词: 微电网, 需求响应, 分段竞价, 多目标优化, NSGA-II

Abstract: The efficient and rational application of the microgrid is conducive to accelerate the low-carbon development of the power industry. With the advancement of electricity market reform， a scientific and rational market competition mechanism will have an important effect on the marketization process of the microgrid. In order to solve the problem of microgrid surplus bidding online， and by fully considering the characteristics of microgrid， a multi-objective bidding clearing model based on block bidding considering demand response is established. The model takes into account the economy and the low-carbon performance of the system. Then an optimized method for translational load and more reasonable hybrid settlement method are proposed. The non-dominated sorting genetic algorithm （NSGA-II） is used to obtain the Pareto solution set for the multi-objective model and the fuzzy clustering method is used for decision making. The results of the example show that the multi-objective bidding clearing model based on the block bidding can improve the market competitiveness of the microgrid and improve the low-carbon performance of the system， and has played a positive role in low carbon economy and environmental protection.

Key words: microgrid, demand response, block bidding, multi-objective optimization, NSGA-II

中图分类号:

TM 73

王辉，廖昆，林艺璇，金彬斌. 需求响应下含微电网配电侧市场多目标出清模型[J]. 电力建设, 2019, 40(2): 29-36.

WANG Hui， LIAO Kun， LIN Yixuan， JIN Binbin . Multi-objective Clearing Model of Distribution Market with Microgrids Considering Demand Response[J]. Electric Power Construction, 2019, 40(2): 29-36.

参考文献

［1］赵毅，于继来. 多微网智能配电系统协同自律运控模式初探［J］. 电网技术， 2018， 42（4）: 1200-1209.
ZHAO Yi， YU Jilai. Preliminary research on operation and control model of coordination and self-discipline for smart distribution system with multi microgrids［J］. Power System Technology， 2018， 42（4）:1200-1209.
［2］中华人民共和国国务院. 关于进一步深化电力体制改革的若干意见（中发〔2015〕9号）［EB/OL］. （2015-03-15）［2018-09-10］.http://tgs.ndrc.gov.cn/zywj/201601/t20160129_773852.html.
［3］KHAN M R B， JIDIN R， PASUPULETI J. Multi-agent based distributed control architecture for microgrid energy management and optimization［J］. Energy Conversion & Management， 2016，112: 288-307.
［4］SCHOONENBERG W C H， FARID A M. A dynamic model for the energy management of microgrid-enabled production systems［J］. Journal of Cleaner Production， 2017，164: 816-830.
［5］张海涛，秦文萍，韩肖清，等. 多时间尺度微电网能量管理优化调度方案［J］. 电网技术， 2017， 41（5）:1533-1540.
ZHANG Haitao， QIN Wenping， HAN Xiaoqing， et al. Multi-time scale optimization scheduling scheme of microgrid energy management［J］. Power System Technology， 2017， 41（5）:1533-1540.
［6］NADERI M， KHAYAT Y， BATMANI Y， et al. Robust multivariable microgrid control synthesis and analysis［J］. Energy Procedia， 2016， 100:375-387.
［7］KHAN M W， WANG J. The research on multi-agent system for microgrid control and optimization［J］. Renewable & Sustainable Energy Reviews， 2017， 80:1399-1411.
［8］田梁玉，唐忠，田晨，等. 基于状态跟随器的微电网平滑切换研究［J］. 电网技术， 2017， 41（4）:1285-1290.
TIAN Liangyu， TANG Zhong， TIAN Chen， et al. Research of microgrid seamless switching based on state follower［J］. Power System Technology， 2017， 41（4）:1285-1290.
［9］陈昊宇，黄顺杰，樊志华，等. 基于博弈的多微网需求响应［J］. 南方电网技术， 2017， 11（2）:34-40.
CHEN Haoyu，HUANG Shunjie，FAN Zhihua， et al.Demand response of multi-microgrid based on game theory［J］. Southern Power System Technology， 2017， 11（2）:34-40.
［10］林女贵. 电力市场下多投资方微电网竞价均衡研究［J］. 广东电力， 2018，31（6）:40-45.
LIN Nügui. Research on bidding equilibrium of microgrid with multiple investors under electric power market［J］. Guangdong Electric Power， 2018，31（6）:40-45.
［11］白佩琳，雷霞，何建平. 多微电网系统的竞价机制设计［J］. 现代电力， 2017，34（6）:22-27.
BAI Peilin， LEI Xia， HE Jianping. Design of bidding mechanism for multiple microgrids［J］. Modern Electric Power， 2017，34（6）:22-27.
［12］王建学，张成刚，王秀丽，等. 电力市场混合竞价模式及其出清算法［J］. 电力系统自动化， 2011， 35（7）:28-33.
WANG Jianxue， ZHANG Chenggang， WANG Xiuli， et al. A mixed bidding mode and its clearing algorithm for electricity market applications［J］. Automation of Electric Power Systems， 2011， 35（7）:28-33.
［13］COELHO V N， COHEN M W， COELHO I M， et al. Multi-agent systems applied for energy systems integration: State-of-the-art applications and trends in microgrids［J］. Applied Energy， 2017， 187:820-832.
［14］艾芊，章健. 基于多代理系统的微电网竞价优化策略［J］. 电网技术， 2010，34（2）:46-51.
AI Qian，ZHANG Jian. Optimization bidding strategies of microgrids based on multi-agent system［J］. Power System Technology， 2010，34（2）:46-51.
［15］QU B Y， ZHU Y S， JIAO Y C， et al. A survey on multi-objective evolutionary algorithms for the solution of the environmental/economic dispatch problems［J］. Swarm and Evolutionary Computation，2018，38:1-11.
［16］郭小璇，龚仁喜，鲍海波，等. 考虑禁止运行区的环境经济调度混合逻辑约束优化方法［J］. 电力系统自动化， 2015，39（23）:96-103.
GUO Xiaoxuan， GONG Renxi， BAO Haibo ， et al. Mixed logic constranined optimization method for environmentally economical dispatch considering operation prohibited zones［J］. Automation of Electric Power Systems， 2015，39（23）:96-103.
［17］王锡凡，耿建. 分段竞价与分时竞价的比较［J］. 电力系统自动化， 2003， 27（7）:22-26.
WANG Xifan， GENG Jian. Comparisons between hourly bidding and block bidding rules［J］. Automation of Electric Power Systems， 2003， 27（7）:22-26.

[1]	王瀚琳, 刘洋, 许立雄, 陈贤邦, 谭思维. 考虑风电消纳的区域多微网分层协调优化模型[J]. 电力建设, 2020, 41(8): 87-98.
[2]	檀勤良, 丁毅宏, 李渝, 李锐. 考虑经济环境平衡的风光火联合外送调度策略多目标优化[J]. 电力建设, 2020, 41(8): 129-136.
[3]	李恒强，王骏，蒋星燃，匡仲琴，徐石明，杨永标. 面向电网调峰辅助服务的空调负荷调控策略及其虚拟机组建模[J]. 电力建设, 2020, 41(7): 49-57.
[4]	方朝雄，吴晓升，江岳文. 考虑暂态稳定性的网储多目标双层优化[J]. 电力建设, 2020, 41(7): 58-66.
[5]	魏震波，任小林，黄宇涵. 考虑综合需求侧响应的区域综合能源系统多目标优化调度[J]. 电力建设, 2020, 41(7): 92-99.
[6]	杨蕾，吴琛，黄伟，郭成，向川，何鑫，邢超，奚鑫泽，周鑫，杨博，张孝顺. 含高比例风光新能源电网的多目标无功优化算法[J]. 电力建设, 2020, 41(7): 100-109.
[7]	赵晨，何宇俊，罗钢，龚超，赵越，张轩，陈启鑫. 基于泛在互联的虚拟电厂参与实时市场模型[J]. 电力建设, 2020, 41(6): 36-43.
[8]	苏俊妮，张鑫，赵俊炜，张锐，曲明辉，杨艳红. 计及需求响应和储能的电-气综合能源系统优化调度[J]. 电力建设, 2020, 41(5): 1-8.
[9]	都成，魏震波. 基于模糊激励型需求响应的微电网两阶段优化调度模型[J]. 电力建设, 2020, 41(5): 37-44.
[10]	李鹏，杨莘博，李慧璇，田春筝，李锰，谭忠富. 计及多能源多需求响应手段的园区综合能源系统优化调度模型[J]. 电力建设, 2020, 41(5): 45-57.
[11]	祁兵，叶欣，李彬，陈宋宋，李源非，石坤. 考虑IEC标准的用户侧电力物联网体系架构研究[J]. 电力建设, 2020, 41(5): 92-99.
[12]	丁保迪，季宇，王永刚，苏剑，魏大钧，陈继开. 面向多能互补微网的故障辨识与继电保护算法[J]. 电力建设, 2020, 41(4): 10-21.
[13]	许志恒，张勇军，余兆荣，王玕. 考虑激励型需求侧响应的电-气互联系统两阶段随机优化调度[J]. 电力建设, 2020, 41(4): 81-89.
[14]	刘自发，王新月，于寒霄，高建宇，吴刚. 微电网与配电网的成本效益关系及交互电量定价方法[J]. 电力建设, 2020, 41(3): 39-46.
[15]	沈青文，程若发，付鑫. 一种计及脆弱性指标的分布式电源优化配置方法[J]. 电力建设, 2020, 41(3): 54-61.

需求响应下含微电网配电侧市场多目标出清模型

Multi-objective Clearing Model of Distribution Market with Microgrids Considering Demand Response

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价