一、电力市场竞价模型与原理（论文文献综述）
黄鼎昌[1]（2021）在《面向智能电网的数据中心需求响应策略选择与电力成本优化》文中研究说明随着云计算和云存储广泛应用,数据中心的电力消耗快速增长,耗电成本日益增加。大规模数据中心作为一种负载可迁移、调度灵活的大功耗用户,使其作为一种需求响应资源在智能电网的需求响应背景下独具优势,各类与之相关的研究逐步得到了国内外学者的广泛关注。现有研究大多关注数据中心内部具体能耗设备的节能管理,对于需求响应策略在数据中心中的应用研究相对较少。与此同时,数据中心不止作为智能电网需求响应策略的需求侧用户,以达到平衡电网运行压力的目的,其自身所担负的信息处理、数据分析、数据存储等本职工作更是需要重点关注的内容。目前相关研究很少将数据中心用户视作数据中心参与需求响应策略的组成部分,更多地是扮演数据中心相关服务请求者角色。数据中心为降低运行成本,在参与智能电网需求响应策略以获取相应电费扣减金额的同时,必定会在需求响应时段推迟运行自身任务负荷从而损害用户权益。因此,本文将数据中心视为一个整体耗能单位,研究并分析了智能电网系统中的各类需求响应管理措施,建立了支持需求响应政策的相应模型,包括需求响应策略模型、电价竞价模型等。在此基础上,结合数据中心能耗数据的特征,提出一种实时功耗动态调度算法,通过主动调节数据中心在执行需求响应时段内的功耗,使其满足需求响应策略的要求。在综合考虑数据中心的功耗调度能力及电费扣减情况后,对各类需求响应措施进行评估。此外,考虑到数据中心参与需求响应策略对其用户服务造成的影响,本文构建数据中心惩罚模型以合理量化数据中心因给予用户补偿产生的收益损失。为比较不同数据中心参与需求响应所获得净收益的差别,并为数据中心优化运行成本提供指导,本文选取了四类具备差异性特征的数据中心,基于遗传算法设计问题求解策略,得到各类数据中心参与需求响应策略所获得净收益的近似最优解。
刘培良[2]（2021）在《抽水蓄能电站与新能源电力市场联合竞价策略研究》文中指出2020年9月,习近平总书记在第75届联合国大会上代表中国政府提出了世界经济“绿色复苏”的概念,并承诺实现“30.60”目标,即中国将在2030年之前碳排放达到峰值,并争取在2060年前实现碳中和。同时抽水蓄能是构建以新能源为主体的新型电力系统的重要组成部分,对提升新能源利用水平,服务碳达峰碳中和具有重要的促进作用。2021年5月国家发展改革委印发的《国家发展改革委关于进一步完善抽水蓄能价格形成机制的意见》提出,以竞争性方式形成电量电价,逐步推动抽水蓄能电站进入市场。因此随着我国电力体制改革的推进,以及电力现货市场的逐步建立健全,在我国能源结构中占比快速提高的以风电、光伏为代表的新能源以及以抽水蓄能电站为代表的储能,参与电力市场竞争,通过市场化途径获得收益是大势所趋。因此本文先研究分析了抽水蓄能电站与以风光为代表的新能源电站参与市场竞价的市场可行性以及技术经济可行性。认为受能源资源条件限制,风、光资源是不稳定的,具有随机性、间歇性和反调峰等特性,而电力市场特别是电能量现货市场对于发电厂商的出力平稳性有着较高的要求。新能源电站出力的波动性,会产生较多的市场偏差考核,导致市场竞争力较弱。同时论述了合理地配套储能设施被认为是解决新能源发电不稳定的最主要途径,可以实现削峰填谷,是现在电力系统运行中迫切需要的。进而研究分析了抽水蓄能电站与新能源电站联合竞价的可行性,介绍了抽水蓄能电站与新能源电站的联合运行系统的基本模式与组成结构。本文在电能量市场条件下,建立的“抽水蓄能一新能源”联合竞价模型,除考虑新能源出力的稳定性外,还站在新能源电站的角度上,综合考虑了波动性和低边际成本的特性,以利润最大化为目标,基于Q-Learning强化学习算法,借助Pycharm软件作为运行平台,建立了新能源电站单一竞价模型。同时站在抽水蓄能电站的角度,将传统的优化方法进行改进,以此可将原本非线性的离散规划,通过引入损耗系数,将其由原本复杂的离散非线性问题,通过两次迭代,转化为了近似线性的混合整数规划问题,结合仿真电力市场,构建了抽水蓄能电站参与电能量现货市场的“三阶段”竞价模型,提高了精确度的同时,降低了计算难度。最后将新能源电力市场竞价模型与抽水蓄能电站电力市场竞价模型有机结合,建立了一个双层联合体竞价模型。并综合考虑其他电力市场主体,建立了一个包含火电、核电、风电、光伏、抽蓄在内的仿真电能量现货市场,基于Q-Learning强化学习算法,求得竞价联合体利润最大化的容量分配方案,以及联合体内部利润分配的可行性空间。本文的研究内容,对于实际的新能源电站参与电力市场竞价时平抑波动并规避市场偏差考核,以及抽水蓄能电站和新能源科学合理地制定电力市场竞价策略具有重要参考意义。同时,也为促进通过储能设施提高对新能源的消纳的研究,摸索了道路。
杨雪[3]（2021）在《交互能源体系下产消者资源参与电力市场方法研究》文中进行了进一步梳理随着电力体制改革的推进和市场环境的变化,大量产消者、聚合商等新型主体得以参与到电力系统运行和电力市场交易中来,传统的集中式控制模式面临优化求解中的“维数灾”以及用户隐私泄露等问题,具有分布式控制特性的交互能源机制可以较好地解决这些问题。同时,在产消者参与电力市场过程中,为谋求自身利益可能产生虚报信息、策略性竞价等扰乱市场秩序的行为,导致无法实现资源最优配置。因此,研究交互能源体系下对产消者资源进行有效管理的方法和合理引导产消者积极有序地参与电力市场的方法具有重要的理论和现实意义。本文主要围绕交互能源体系下产消者资源参与电力市场的方法进行研究。首先,基于经济机制设计理论利用显示原理对交互能源机制中的竞价机制进行设计,提出了一种具有激励相容特性的竞价机制,该机制将给参与者的支付分为成本补偿和信息补偿两部分,引导参与者披露真实信息,实现资源有效配置。算例分析表明参与者上报真实成本时期望收益最高,该机制可以有效抑制策略性竞价行为,且与按报价支付机制相比能有效节约购电费用,促进资源有效配置。之后,对产消者资源参与辅助服务市场的方法进行了研究,引入聚合商利用虚拟电池模型对各类产消者资源进行聚合得到整体资源的灵活性,并代表产消者通过交互能源平台参与市场。提出了在激励相容的电力竞价机制下聚合商参与辅助服务市场的竞价模型,通过算例验证了所提方法的有效性。
吴静[4]（2021）在《分布式资源聚合虚拟电厂多维交易优化模型研究》文中指出化石能源的大规模利用在推动我国经济高速发展时,也加剧了能源与环境间的矛盾,可再生能源的高效利用成为能源结构优化的主要方向及可持续发展的重要支撑。为了进一步合理化能源结构、探索市场对资源配置的决定性作用,我国新一轮电力体制改革将充分发挥市场化功能,建立公平合理、竞争活跃的电力市场,挖掘发电侧多源竞争活力。而分布式可再生能源具有单体容量小、地域分散、出力波动的特点,增加了电网统一调度的难度,也为配网运行带来风险。因此,实现对分布式资源的聚合管理,提高可再生电力的消纳水平与市场竞争水平是未来分布式可再生资源发展的重要基础。基于此,本文结合虚拟电厂技术,聚合多分布式资源进行运行优化建模,同时,结合我国电力市场化改革路径,对虚拟电厂参与中长期电力市场、日前市场及日内-实时市场等进行交易优化建模,并基于我国未开展电力现货市场运行地区的实际情况,对虚拟电厂参与辅助服务市场交易进行了建模分析,从而形成了对虚拟电厂参与多级电力市场交易下的优化研究。本文的主要研究内容如下:（1）梳理了虚拟电厂的基本概念、特点、典型项目模式及类型功能。首先对虚拟电厂的定义及特点进行了详细介绍,分析了虚拟电厂的典型结构。其次,从国内和国外两方选取典型虚拟电厂项目展开研究,选择了德国、欧盟等国外虚拟电厂典型项目分析其结构及供能,同时结合上海、冀北、江苏及天津的虚拟电厂项目,总结了我国典型虚拟电厂项目的实施内容及突出效益。最后,总结虚拟电厂类别,提出虚拟电厂参与电力市场交易的主要可行路径,为后续章节虚拟电厂电力交易优化模型构建的研究做出铺垫。（2）提出了考虑“电-气”互转的虚拟电厂低碳运行优化模型。首先,结合“碳减排”的政策导向,考虑引入P2G技术后虚拟电厂中的能源流向,提出接入“P2G”设备的虚拟电厂结构。其次,结合虚拟电厂中的能量流向及初步测算,引入碳交易以实现碳原料的充分供给,基于“零碳排”目标及经济性目标,构建考虑“电-气”互转的虚拟电厂多目标运行优化模型。最后,设置多情景分析引入P2G设备的虚拟电厂运行方案,并进一步分析了碳交易价格对虚拟电厂运行影响的价格传导影响机理。（3）提出了中长期市场交易下虚拟电厂的交易策略。首先,分析了我国电力市场的两种模式,总结了中长期市场下的交易品种和交易方式;其次,梳理了目前市场中中长期合约电量分解的相关规则,提出固定电价合约与差价合约机制下虚拟电厂的收益模型;然后,结合可再生能源配额制及绿色证书交易机制,构建了计及可再生能源衍生品的虚拟电厂中长期合约交易优化模型;最后,在综合绿证交易、合约交易及各单元出力成本的基础上,计算不同可再生能源出力情景下虚拟电厂在集中式电力市场交易规则和分散式电力市场交易规则下参与中长期市场合约交易的收益。（4）提出了日前市场下虚拟电厂的交易优化模型。首先,建模分析了虚拟电厂参与日前市场交易的不确定性来源;其次,提出日前市场中虚拟电厂出力的不确定性综合模型,从发电预测方面进行预测方法的优化改进,构建了基于EEMD-CS-ELM方法的风光出力预测模型,并结合CVaR理论,构建基于预测方法优化与CVaR的虚拟电厂日前市场交易优化模型;最后,选取典型地区对进行算例分析,验证了改进预测方法的有效性和模型的可实现性。（5）提出了基于主从博弈的虚拟电厂三阶段交易优化模型。首先,分析日前市场、日内市场与实时市场的关联耦合关系,提出虚拟电厂可在日内交易中通过博弈达到优化均衡。其次,结合日前、时前、实时三个阶段,以虚拟电厂收益最大的目标,考虑不同阶段下的收益构成,分阶段构建相关优化模型。最后,参考北欧地区丹麦市场2020年4月的现货市场交易数据,设计进行虚拟电厂的市场交易算例,以验证所构建的三阶段交易优化模型的有效性。（6）提出了基于信息间隙决策理论的虚拟电厂辅助服务交易优化模型。首先,结合P2G技术与调峰补偿机制的联合优化,提出参与调峰辅助服务市场的含P2G虚拟电厂的交易路径及内部物理模型;其次,考虑市场交易中的负荷不确定性,分别以不考虑负荷不确定性及考虑不确定性两种前提条件下提出虚拟电厂的交易优化模型;最后,结合拉丁超立方抽样场景生成法和距离测算场景削减法,处理源侧不确定性,联合多目标粒子群算法、帕累托最优解筛选模型和模糊理论对所提模型进行求解,并设计算例进行多情景分析。
蒙怡帆[5]（2021）在《基于深度强化学习的风电日前交易策略研究》文中研究说明风能是增长最快的可再生能源之一。随着风力发电的快速增长,世界各国都快速地将风力发电集成到电力市场中。但是,由于风能具有很强的不确定性,造成了风力发电商在参与短期电力市场风电竞价交易时,常常由于竞价策略的不当而受到处罚。因此,如何优化风力发电商在短期电力市场风电日前交易策略,将是本文的主要研究内容。研究工作基于国家重点研发计划-中国和埃及政府间联合研究项目（2018YFE0127600）-弱互联混合可再生能源系统规划与稳定控制关键技术研究。本文基于深度强化学习对短期电力市场中的风电日前交易策略进行研究,其主要原因是电力市场中的交易主体复杂,涉及到多方的竞争合作行为,而深度强化学习能够对复杂的环境进行认知与学习,能够很好地解决多方交互性博弈的决策问题。首先,本文分析了强化学习的基本理论与模型,包括其学习的基本框架以及构成要素,总结了基于值函数与随机梯度策略的两类强化学习算法及其流程:一类用于本文的仿真对比,一类为本文所用的算法异步演员-评论家即A3C算法的基础。然后本文以北欧电力市场为背景,分析其结构特点以及各市场成员的功能,并基于风能与电价之间的关系,建立了两种短期电力市场风力发电商的竞价交易模型:一种为仅考虑传统电力市场的电能交易,另一种还考虑了储能市场中的电能交易,并将A3C算法分别用于两种风电竞价交易模型,构建了基于深度强化学习的电力市场风电日前交易的两种策略。最后,选择丹麦西部的一处风力发电厂分别对两种竞价交易策略进行仿真,分析了仿真结果,并与两种传统强化学习优化的策略以及风力发电商所采用的原始策略进行了对比。结果表明,基于深度强化学习A3C的风电竞价交易策略在两种电力市场交易场景中均能优化风力发电商的收益,所用策略在传统的电力市场交易中每天收入分别高出两种传统强化学习优化策略2.2%与3.3%;在考虑了储能市场的电力市场交易场景中,所提出的策略比风力发电商所采用的原始策略降低了29.5%的成本。综上所述,本文提出的基于深度强化学习A3C的风电竞价策略既能够较好地提高风力发电商的利润,也可以应对风力发电预测的不确定性和电力市场的动态变化。
高冲[6]（2020）在《基于共生协同理论的微电网演化路径研究》文中研究指明能源供应的安全问题、区域环境恶化及全球温室效应加剧的多重压力,迫使人们不断探索可再生电力的开发和利用方式。发展微电网,是提升可再生电力使用效率的重要途径。当前,如何促进试点示范工程向规模化及市场化推广,是微电网发展面临的紧迫问题。鉴于此,本文基于生态学的理论观点和共生协同理论,构建了融合微电网的供用电共生系统,并研究了其内部各共生单元之间的相互关系和演化趋势。在此基础上,本文对微电网的关键共生参量进行了研究和剖析,进而研究微电网的演化路径。最后,本文通过实际案例对所提出的微电网演化路径进行了验证,并据此提出了促进微电网发展的对策建议。论文的主要研究工作如下:（1）对共生状态进行了拓展,提出了“全域共生”概念,深化了共生的内涵。在对现有共生理论进行总结分析的基础上,针对种群之间现实存在的相互伤害的共生关系,增加了“反向”共生关系的行为方式,提出了“全域共生”的概念,拓展了共生理论的研究范围,深化了共生的内涵;按照“全域共生”的概念,将经典的4种共生行为模式拓展到8种,再依据共生原理,对共生单元之间的均衡点和稳定状态进行了求解和分析。（2）在当前不含外部激励的有限个共生单元组成的共生系统模型的基础上,扩展共生单元范围到N维空间,并加入外部激励变量,建立了多系统共生协同演化模型。构建了加入外部激励的共生系统演化模型,在双共生单元的演化条件、稳定均衡点及稳定特征分析结论的基础上,推演了含外部激励的多系统共生协同演化过程,从而为融合微电网的共生系统的发展演化过程研究提供了理论支持。（3）根据适配共生理论,建立了加入外部激励的微电网、大电网和用户构成的共生系统协同演化模型,并深入分析了该系统协同演化的影响因素、演化条件和演化过程。紧密结合电力系统运行特点,构造了包含微电网共生单元、大电网共生单元和用户共生单元的共生系统,运用全域共生理论对该共生系统的共生结构、共生模式和共生环境进行了分析;针对微电网的价值扩展对象和强链接对象,建立了融合微电网的共生协同演化模型,分析了共生单元的协同关系,界定了微电网的成长空间;根据微分方程的平衡点解析原理,探讨了该共生系统的共生稳定性和协同演化方向,并进行了仿真分析。（4）通过分析共生系统协同下微电网演化逻辑,以关键共生参量构建微电网演化路径模型并仿真或实验,提炼出微电网演化路径。首先以融合微电网的共生系统协同演化理论为基础,从供给侧、需求侧和结合供需关系角度,确定了关键共生参量功率、空间负荷密度和市场价格。然后将共生参量纳入微电网子系统建模,推演不同共生参量作用下共生系统协同过程,并仿真或实验,分析提炼出微电网演化路径。最后按照全寿命周期理论将微电网发展分为五个阶段,结合共生协同演化规律,构建了分阶段多共生参量联合作用下的微电网演化路径。（5）通过实证研究,针对性提出适合我国电力市场环境的微电网演化对策建议。对全球微电网演化条件、过程和结果进行实证,得出当前大电网运营经济性原则和坚强与否直接影响微电网、大电网和用户组成共生系统的协同行为,并形成了不同的微电网演化路径。再结合国内外独立型微电网和并网型微电网典型案例演化路径分析,从共生协同理论角度,针对性提出适合我国国情的微电网演化路径,并且分别在宏观、中观、微观层面提出促进微电网发展的对策建议。
李云燕[7]（2020）在《计及电动汽车的虚拟电厂市场化运营决策方法研究》文中提出能源是推动社会进步和经济发展的重要构成基础。应对全球气候变化及区域环境污染问题,构建可持续、清洁与高效的能源系统,已成为各国能源革命的主要任务,分布式可再生电力在能源系统中的比重将进一步提高。然而,分布式可再生电源间歇性和随机波动性的特点,在其渗透率提高的同时,对电力系统的安全可靠运行也带来了一定的威胁。同时,现代电气化交通网络中迅速增加的电动汽车群体,通过充放电装置与电网相连,作为特殊的移动储能系统,具有可控负荷的柔性需求响应能力,日益成为分布式能源的重要组成部分。因此,构建以电动汽车为核心的虚拟电厂,融合多种分布式能源资源,发挥互补效应,增强电能交互整体的平稳性,进一步保障了能源系统的安全性和经济性。本文在我国能源安全新战略背景下,以电动汽车虚拟电厂运营体系为研究对象,构建了电动汽车虚拟电厂的多尺度柔性空间模型,并在分布式能源运行数据精确预测基础上,提出了计及电动汽车的虚拟电厂作为独立的运营整体,参与电力市场的博弈竞价模型、调度模型,并对其整体经济性运行决策与协同调控进行了分析,最后给出了电动汽车虚拟电厂的市场化运营发展商业模式及运作机制建议。论文主要研究工作如下:（1）界定了能源安全新战略发展下的电动汽车虚拟电厂“聚合”分布式能源的内涵以及市场化运营指向,针对以可再生能源为主的分布式电源运行、电动汽车的移动储能和柔性需求响应等内部资源运行特性进行了详细分析。通过对分布式能源（DER）代理聚合、内部优化、收益共享三个方面进行整体配置的规划设计,构建了电动汽车虚拟电厂这一独立的市场主体,参与能源电力领域的多个市场交易;提出了内部资源预测决策、外部竞标授权、经济性优化调度等协同管控的运行模式,实现电动汽车虚拟电厂的市场化运营发展。（2）分析了多种分布式能源协同管理控制过程中的经济性运行调度策略的发展趋势。基于多智能体系统理论,设计了电动汽车虚拟电厂内部综合能源管理系统运行控制模式,并针对物联网发展情境下的异构分布式能源资源和服务统一表示模型的构建进行了阐述,进一步从物理资源层、数据集成层、信息聚合层和功能服务层四维度建立了电动汽车虚拟电厂多尺度柔性空间模型。（3）针对电动汽车虚拟电厂内部分布式电源出力的不确定性,运用多场景技术和太阳幅照度预测,给出了风能/光伏发电的出力预测模型;采用小生境免疫狮子算法和卷积神经网络方法的结合,针对快充型电动汽车充电站,构建了短期负荷预测模型,对充电负荷特性进行了深入分析,利用相关算例对所提出的预测模型进行了仿真实验,证明了方法的准确性与可靠性。（4）基于电动汽车聚合商的移动储能特性,以及优化分布式电源出力偏差成本函数,给出了电动汽车虚拟电厂参与电力市场竞争的协同竞价策略;结合策略性竞争行为,建立了电动汽车虚拟电厂参与能量日前市场的竞价模型,并对基于古诺模型的电力市场均衡问题进行了求解,得到了实现竞标电价和竞标电量计划的最优决策。（5）构建了计及电动汽车需求响应能力的综合型电动汽车虚拟电厂的两阶段决策调度模型。日前能源市场阶段,以整体效益最大化为目标,在充分考虑分布式电源、电动汽车需求响应、移动储能、可控燃气机组、配电网购售电计划等多个影响因素的基础上,对最优调度决策进行了求解;实时平衡市场阶段,以保证配电网的安全稳定运行为目标,结合授权交易电量及不平衡成本因素,增加内部线路安全校核约束,进行内部分布式能源出力的二次优化调整。（6）对电动汽车虚拟电厂的市场化运营模式创新和政策机制进行了研究。遵循能源安全新战略以及电力体制改革的要求,设计了低碳市场交易与动态联盟合作的电动汽车虚拟电厂发展模式;结合区块链技术的去中心化、分布式决策的特点,进行了电动汽车虚拟电厂的区块链市场化运营体系架构;从政策引导和市场机制完善的角度,提出了电动汽车虚拟电厂推广的相关建议,以期为未来规范化的商业运营和发展提供决策参考。
邢通[8]（2020）在《大规模风电参与电力市场交易机制及优化模型研究》文中提出2015年3月中共中央国务院印发《关于进一步深化深化电力体制改革的若干意见》（中发[2015]9号）,新一轮电力体制改革开启,确定了“管住中间、放开两头”的体制架构,充分发挥市场在资源配置中的决定性作用。通过几年的发展,我国电力市场建设成效初显,中长期交易市场实现常态化运行,八个现货市场试点稳步推进,中长期交易为主、现货交易为补充的电力市场体系初具雏形。在此基础上,以风电为代表的新能源发展环境发生很大变化,随着发用电计划放开比例逐步扩大,传统的全额保障性收购政策将退出舞台,市场成为新能源消纳的重要途径。由于风电的波动性和随机性,风电参与市场存在天然劣势,如何根据我国实际情况设计风电参与中长期、现货、辅助服务等全市场体系交易机制,从而实现新能源消纳的目标,是我国电力市场建设需要重点解决的问题。因此,本文重点考虑风电的消纳问题,从中长期市场到现货市场,由日前市场深入到实时市场和辅助服务市场,研究电力市场交易机制及优化运行,针对我国可再生能源消纳保障机制研究省间风电交易策略,主要研究容如下:（1）概述了国内外电力市场发展现状及交易体系。首先从国外典型电力市场的发展现状展开研究,总结了美国、英国、北欧等国家电力市场的基本情况,分析了各国的电力工业概况和电力改革进程;然后,根据上述各国电力市场现状,从市场运营机构到市场管理等方面介绍了我国的电力市场交易体系;最后,立足电力体制改革的大环境,结合经济发展、资源禀赋等实际情况,基于风火打捆参与电力中长期合约交易、风光储协同参与短期交易电量、风电调峰辅助服务交易三方面分析了风电参与多级电力市场交易路径,为后续章节的电力交易优化模型和运营模式的研究做出铺垫。（2）提出了风电-火电参与电力中长期合约交易优化模型。首先,建立了年度双边协商交易、月度集中竞价交易、挂牌交易的电量确定和电价确定模型,简述了中长期市场合约电量的年分解到月、月分解到日、日分解到时的分解方式。然后,提出了风电和火电参与电力市场的两种方式,综合考虑系统备用、弃风惩罚、绿证交易等问题,基于此建立风火独立参与市场交易模型和联合参与市场交易模型,在满足功率平衡、系统备用等约束条件下研究发电侧收益最大的问题。最后,算例分析结果表明风电和火电联合参与电力市场与单独参与相比,具有额外效益,克服了风电出力波动给系统带来的威胁,有效提高能源利用效率。（3）提出了风险中立情景和风险非中立情景下的风-光-储参与电力日前交易优化模型。首先,建立了风-光-储系统不确定性分析模型及其处理方法;其次,分别构建了风险中立情景下的风-光-储独立参与日前交易和合作参与日前交易的优化模型。然后,构建了基于CvaR的风险非中立下风-光-储参与日前交易优化模型,研究在不同风险置信水平情景下,风-光-储协同参与电力日前交易的效益。最后,选取了典型地区进行了算例分析,提出了考虑清洁能源出力不确定性及风险性的风-光-储协同参与电力日前交易的最优策略。（4）提出了风电-抽水蓄能电站参与电力实时竞价交易模型。风电-抽水蓄能联营能够增加风力发电的消纳率,且风电-抽水蓄能系统由于具有了一定的功率调控能力,其参与电力实时市场获得了盈利的能力。针对风电-抽水蓄能联营参与多时间尺度电力现货市场竞价的问题,考虑风电出力及市场结算价格的不确定性,关注日前市场与实时市场的联动关系,构建了风电-抽水蓄能系统多时间尺度竞价优化模型,在长时间尺度风电-抽水蓄能竞价优化模型中,对风电出力及实时市场平衡价格的不确定性,分别使用随机优化技术和鲁棒优化技术进行处理,并构建了基于条件风险机制（Conditional Value at Risk,CVaR）的日前出力申报决策优化模型;在短时间尺度风电-抽水蓄能竞价优化模型中,引入模型预测控制（model predictive control,MPC）方法,基于支持向量机模型（Support Vector Machines,SVM）对风电出力及实时市场平衡价格进行滚动预测,并构建了实时出力申报决策优化模型对控制变量（实时市场出力申报量）进行控制优化,最后,加入反馈矫正环节形成闭环控制,从而实现实时市场竞价的滚动优化过程,通过滚动优化,实现不确定性变量的提前预测值与实际发生值的逼近,保证实时竞价优化结果的准确性。（5）提出了火电-储能-需求响应联合参与风电调峰交易和效益补偿优化模型。从源荷两侧入手,引入需求响应机制,提出火电机组不同调峰阶段能耗成本模型,构建火电、储能与需求响应联合开展风电调峰交易优化模型;进一步,对比分析火电、储能、风电和需求响应合作和非合作时的运营收益,通过分析不同主体的效益变动情况,引入Sharply值法,构造火电、储能、需求响应联合调峰交易补偿机制;最后,选择中国东北某局域电网作为仿真对象。所提多源调峰交易成本测算模型,有效描述了不同调峰源的调峰成本。所提火电、储能、需求响应多源调峰交易多目标优化模型,能够兼顾调峰交易的经济性和环境性。相比火电、储能、需求响应独立调峰情景,当火电、储能和需求响应联合调峰时,调峰交易方案达到最优,表明两者间具有协同优化效益。所提火电、储能、需求响应多源调峰交易补偿机制,实现各调峰主体均能按照贡献率获取增量收益,实现调峰效益的最优化分配。（6）分析了风电参与跨省区电力市场消纳交易保障机制。首先,从政策内容解析、政策制定历程与调整、政策作用影响三个方面展开,梳理了可再生能源电力消纳保障机制政策。然后通过分析累计消纳权重达标值和测算电力交易需求量,建立了跨省区需求量交易模型和风电消纳水平评估模型,并以某省电网为研究对象进行实例分析,结果表明,进一步完善可再生能源电力市场交易机制能够打破省间市场交易屏障,通过市场化方式提升可再生能源消纳量。最后,从市场机制短期发展、运行机制短期发展、可再生能源消纳机制远景三个方面给出风电参与可再生能源消纳机制的发展建议,针对可再生能源参与市场面临的问题,需要不断完善市场交易机制,形成科学合理的消纳权重责任考核机制,促进清洁能源消纳量。
高怡静[9]（2020）在《市场环境下发电商参与电力交易的报价行为推演研究》文中研究说明近年来,随着电力工业市场化相关政策的颁布,国内加快了电力市场试点建设的进程。由于我国在市场的框架构建、规则设置方面一定程度上依托欧美典型电力市场的成熟经验,对于其与我国实际国情适应度的讨论也愈发增加。同时,电力市场的发展存在阶段性目标,在不同的市场成熟度下如何进行市场主体的培育以及相关规则的验证也成为切实的问题。在此背景下,考虑到电力市场实际运行所带来的较高的试错成本,在市场环境和一定的规则设置下提前进行运行模拟,不仅有利于提高市场主体对交易流程的熟悉度,而且能够对市场规则有一个良性的反馈,为规则的制定修改提供可靠依据。本文从市场环境下的发电商竞价入手,考虑激励性需求响应在市场初级阶段对峰时电价的抑制作用,建立计及激励性需求响应的发电商竞价均衡模型,研究负荷侧存在响应后对发电商策略的影响。在此基础上,考虑市场后期发展的成熟度,提出了供需双侧报价下的发电商竞价均衡模型,并根据合谋报价对其策略选择和收益结果的影响,针对合谋行为的抑制提出建议。具体的工作如下:（1）建立了考虑激励性需求响应的市场出清模型。通过分析激励性需求响应的触发原理和作用机制,在发电侧单侧报价的市场出清模型中引入负荷侧的需求响应,建立了外层削减触发寻优-内层出清的双层优化模型,通过用户侧的主动削减使得用电高峰时刻的容量紧张及价格尖峰问题得以缓解,并分析其在不同情况下对于各类型负荷资源的调用情况。（2）建立了考虑激励型需求响应的发电商竞价均衡模型。在市场统一制定负荷侧削减补偿曲线的基础上,通过内层粒子群算法搜寻已知对手策略下个体最优,外层粒子群算法搜寻市场的整体均衡策略,观察在改变补偿系数、市场结构以及网络参数的情况下,需求响应的参与对发电商报价策略选择的抑制作用。（3）建立了供需双侧报价下的发电商合谋竞价均衡模型。通过综合考虑发电商结构性指标和行为性指标的评价方法,划分发电商联盟组合的类型,模拟其在不同组合方式下的合谋竞价策略选择。同时考虑金融差价合约参与市场后对于结算机制的影响,建立其在计及金融合约下的合谋竞价模型。通过不同场景下的合谋竞价模拟及对其竞价均衡结果的分析,对抑制市场中的勾结提出相应的建议。
郑伟[10]（2020）在《广义需求侧资源参与多时间尺度备用辅助服务组合竞价策略》文中认为广义负荷聚合商整合负荷、分布式电源及储能装置等广义需求侧资源资源作为整体参与电力系统运行及市场交易,既可以丰富系统调峰资源,减轻传统机组调峰压力,也可以增加广义需求侧资源参与电力市场的机会,提高其自身收益。随着信息通信技术的发展及电力改革的不断深化,广义负荷聚合商参与电力市场交易逐渐成为可能。本文对多种需求侧资源聚合组建的广义负荷聚合商参与多时间尺度电力市场竞标、控制策略进行设计,具体内容如下:（1）构建广义负荷聚合商购电组合策略模型。广义负荷聚合商一方面要在市场中购电,面对电力市场中的电价波动与风险问题;另一方面将电力出售给需求侧用户,面对售电的风险与收益。基于Markowitz均值-方差理论,分析广义负荷聚合商的期望收益和风险损失,考虑广义负荷聚合商的风险承受能力,并用概率形式刻画电价的波动性,提出广义负荷聚合商的在不同时间尺度电力市场的购电策略。（2）建立广义负荷聚合商参与年度双边交易模型。设计考虑广义负荷聚合商参与的年度双边市场交易规则,建立广义负荷聚合商与发电商的年度市场交易模型。基于合作博弈核仁法制定市场用户在年度交易中的利润分配策略,从而使市场用户得到与其交易排序等级相对应的交易结果。（3）构建广义负荷聚合商参与月度市场交易模型。设计考虑广义负荷聚合商参与的月度市场交易规则,在年度双边市场购电量的基础上,基于各月度市场预测电量,考虑电量分解进度均衡性,提出年分月电量分解算法。基于场景预测模拟电价的波动性,采用同步回代消除法进行场景削减,提出广义负荷聚合商参与月度市场最优竞标策略。（4）建立广义负荷聚合商参与调峰市场竞价模型。设计考虑广义负荷聚合商参与的调峰市场交易规则。将含时间因素的Petri网与广义负荷聚合商的工业用户生产流程结合,构建工业用户工作流非侵入式监测与分解模型,分析广义负荷聚合商调节潜力。同时,以广义负荷聚合商收益最大为目标,构建广义负荷聚合商参与调峰市场竞价模型。
二、电力市场竞价模型与原理（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、电力市场竞价模型与原理（论文提纲范文）
（1）面向智能电网的数据中心需求响应策略选择与电力成本优化（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 通过能耗管理手段实现数据中心成本优化 |
| 1.2.2 需求响应策略的构建与运作 |
| 1.2.3 数据中心参与智能电网需求响应 |
| 1.3 研究意义 |
| 1.4 研究内容 |
| 1.5 论文组织结构 |
| 第二章 智能电网与数据中心概述 |
| 2.1 智能电网 |
| 2.1.1 智能电网需求响应策略 |
| 2.2 数据中心 |
| 2.2.1 数据中心面临的能耗危机 |
| 2.2.2 数据中心负载调控 |
| 2.2.3 数据中心参与智能电网需求响应策略 |
| 2.3 小结 |
| 第三章 数据中心参与需求响应的相关模型构建 |
| 3.1 数据中心与智能电网及其用户之间的交互 |
| 3.2 需求响应负载管理各类措施及建模 |
| 3.2.1 计划性减少用电措施 |
| 3.2.2 需量竞价措施 |
| 3.3 需求响应抑低因子设定 |
| 3.4 数据中心竞价模型 |
| 3.5 小结 |
| 第四章 面向智能电网的数据中心需求响应策略分析 |
| 4.1 需求响应策略分析优化问题的设定 |
| 4.2 数据中心工作负载动态调度策略 |
| 4.3 实验数据集与数据预处理 |
| 4.4 实验测试及结果 |
| 4.4.1 动态调控实验结果 |
| 4.4.2 竞价模型的实现及测试 |
| 4.4.3 数据中心电费扣减额度 |
| 4.5 小结 |
| 第五章 数据中心需求响应策略选择与成本优化 |
| 5.1 数据中心与用户之间的交互 |
| 5.2 基于遗传算法的净收益最大化计算方法 |
| 5.3 数据中心参数实例化 |
| 5.4 实验结果及分析 |
| 5.4.1 算法效率对比 |
| 5.4.2 数据中心净收益及策略选择 |
| 5.4.3 实验结果验证 |
| 5.5 小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者在读期间研究成果简介 |
| 致谢 |
（2）抽水蓄能电站与新能源电力市场联合竞价策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 抽水蓄能和新能源技术经济特性研究 |
| 1.2.2 抽水蓄能和新能源联合运行模式研究 |
| 1.2.3 抽水蓄能和新能源参与电力市场联合竞价策略研究 |
| 1.3 主要研究方法和研究内容 |
| 第2章 抽水蓄能与新能源参与电力市场机制分析 |
| 2.1 典型电力市场机制 |
| 2.2 新能源参与电力市场机制 |
| 2.3 抽水蓄能电站参与电力市场机制 |
| 2.4 本章小结 |
| 第3章 抽水蓄能电站与新能源联合运行系统 |
| 3.1 风力发电基本特性 |
| 3.2 光伏发电基本特性 |
| 3.3 抽水蓄能基本特性 |
| 3.3.1 库容的限制 |
| 3.3.2 购电成本和抽发损耗 |
| 3.4 “抽水蓄能—新能源”联合运行系统 |
| 3.5 本章小结 |
| 第4章 基于Q-Learning强化学习算法竞价模型的构建 |
| 4.1 Q-Learning强化学习算法分析 |
| 4.1.1 基本概念 |
| 4.1.2 算法应用 |
| 4.2 新能源单一竞价模型 |
| 4.2.1 新能源竞价模型基本框架 |
| 4.2.2 新能源竞价模型构建 |
| 4.3 抽水蓄能单一竞价模型 |
| 4.3.1 抽水蓄能竞价模型基本框架 |
| 4.3.2 抽水蓄能竞价模型构建 |
| 4.4 “抽水蓄能—新能源”联合竞价模型 |
| 4.4.1 联合竞价模型基本框架 |
| 4.4.2 联合竞价外层模型构建 |
| 4.4.3 联合竞价内层模型构建 |
| 4.5 本章小结 |
| 第5章 算例分析 |
| 5.1 参数设置 |
| 5.2 抽水蓄能单一竞价策略 |
| 5.2.1 第一阶段—抽水蓄能电站抽放水时段选择 |
| 5.2.2 第二阶段—抽水蓄能电站购售电量测算 |
| 5.2.3 第三阶段—基于电力市场的抽水蓄能竞价决策 |
| 5.3 新能源单一竞价策略 |
| 5.4 抽水蓄能—新能源联合竞价策略 |
| 5.4.1 外层模型测算 |
| 5.4.2 内层模型测算 |
| 5.5 结果分析 |
| 5.6 本章小结 |
| 第6章 研究成果和结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（3）交互能源体系下产消者资源参与电力市场方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 产消者参与电力市场方法研究现状 |
| 1.2.2 机制设计理论在电力市场中的应用研究现状 |
| 1.3 本文的主要工作 |
| 第2章 交互能源机制 |
| 2.1 交互能源机制的概念和实现方式 |
| 2.2 交互能源机制的运行方式和系统框架 |
| 2.3 交互能源机制与传统电力市场对比 |
| 2.4 交互能源机制设计方法 |
| 2.5 本章小结 |
| 第3章 基于机制设计理论的激励性电力市场竞价机制设计 |
| 3.1 机制设计理论及其在电力市场中的应用 |
| 3.1.1 机制设计理论概述 |
| 3.1.2 机制设计理论在电力市场中的应用 |
| 3.2 激励相容的电力市场竞价机制 |
| 3.2.1 基于显示原理的激励相容竞价机制设计思想 |
| 3.2.2 激励相容的电力市场竞价模型 |
| 3.2.3 激励相容性验证 |
| 3.2.4 激励相容的电力市场竞价模型的改进 |
| 3.3 算例分析 |
| 3.3.1 数据说明 |
| 3.3.2 激励相容特性验证 |
| 3.3.3 各聚合商中标电量和收益分析 |
| 3.3.4 本文机制与PAB机制对比分析 |
| 3.4 本章小结 |
| 第4章 产消者资源日前优化调度和参与辅助服务市场竞价方法 |
| 4.1 引言 |
| 4.2 聚合商参与辅助服务市场竞价机制 |
| 4.2.1 系统框架 |
| 4.2.2 产消者资源等效虚拟电池模型 |
| 4.2.3 聚合商日前优化调度策略及备用容量确定 |
| 4.2.4 聚合商参与辅助服务市场竞价模型 |
| 4.3 算例分析 |
| 4.3.1 数据说明 |
| 4.3.2 聚合商日前功率计划及备用容量 |
| 4.3.3 辅助服务市场竞价结果分析 |
| 4.4 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（4）分布式资源聚合虚拟电厂多维交易优化模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 虚拟电厂研究现状 |
| 1.2.2 电力市场发展现状 |
| 1.2.3 虚拟电厂市场交易研究现状 |
| 1.3 论文主要研究内容和创新点 |
| 1.3.1 论文主要研究内容 |
| 1.3.2 论文研究技术路线 |
| 1.3.3 论文主要创新点 |
| 第2章 虚拟电厂发展现状及功能分析 |
| 2.1 虚拟电厂概述 |
| 2.1.1 虚拟电厂理论基础 |
| 2.1.2 虚拟电厂的组成与结构 |
| 2.2 典型虚拟电厂项目总结 |
| 2.2.1 国外典型虚拟电厂项目 |
| 2.2.2 国内典型虚拟电厂项目 |
| 2.3 虚拟电厂类型与功能 |
| 2.3.1 需求响应虚拟电厂 |
| 2.3.2 供给侧虚拟电厂 |
| 2.3.3 混合资产虚拟电厂 |
| 2.3.4 虚拟电厂参与电力市场的交易路径分析 |
| 2.4 本章小结 |
| 第3章 考虑碳减排目标的虚拟电厂运行优化模型 |
| 3.1 引言 |
| 3.2 虚拟电厂构成单元建模 |
| 3.2.1 微型燃气轮机 |
| 3.2.2 风电机组 |
| 3.2.3 光伏机组 |
| 3.2.4 电转气设备 |
| 3.2.5 需求响应 |
| 3.2.6 储能系统 |
| 3.3 考虑电-气互转的虚拟电厂运行优化模型 |
| 3.3.1 考虑电-气互转的虚拟电厂多目标运行优化模型 |
| 3.3.2 约束条件 |
| 3.3.3 线性化处理 |
| 3.4 算例分析 |
| 3.4.1 基础数据 |
| 3.4.2 算例分析 |
| 3.5 本章小结 |
| 第4章 虚拟电厂电力中长期合约交易优化模型 |
| 4.1 引言 |
| 4.2 中长期电力市场特点 |
| 4.2.1 电力市场模式 |
| 4.2.2 中长期市场交易品种 |
| 4.2.3 中长期电力市场交易方式 |
| 4.3 虚拟电厂参与中长期电力市场交易优化分析 |
| 4.3.1 中长期市场交易合约机制 |
| 4.3.2 固定电价合约下虚拟电厂收益分析 |
| 4.3.3 差价合约下虚拟电厂收益分析 |
| 4.4 计及可再生能源衍生品的虚拟电厂中长期合约交易优化分析 |
| 4.4.1 可再生能源配额制及绿色证书机制影响量化分析 |
| 4.4.2 计及可再生能源衍生品的虚拟电厂中长期合约交易决策模型 |
| 4.4.3 算例分析 |
| 4.5 本章小结 |
| 第5章 虚拟电厂日前电力市场交易优化模型 |
| 5.1 引言 |
| 5.2 日前交易下虚拟电厂不确定性分析 |
| 5.2.1 虚拟电厂不确定性分析及建模 |
| 5.2.2 结合CVaR的日前市场不确定性综合模型 |
| 5.3 基于EEMD-CS-ELM及CVAR方法的虚拟电厂日前交易优化模型 |
| 5.3.1 虚拟电厂内部不确定性处理 |
| 5.3.2 计及CVaR的虚拟电厂日前交易优化模型 |
| 5.3.3 基于蚁群算法的多目标优化模型求解 |
| 5.4 算例分析 |
| 5.4.1 基于EEMD-CS-ELM的风光出力预测 |
| 5.4.2 虚拟电厂日前交易结果分析 |
| 5.4.3 不同置信水平对虚拟电厂日前交易优化结果的影响 |
| 5.5 本章小结 |
| 第6章 虚拟电厂日内-实时交易优化模型 |
| 6.1 引言 |
| 6.2 电力日内-实时市场概述 |
| 6.2.1 日前市场与日内市场关联分析 |
| 6.2.2 日前市场与实时市场关联分析 |
| 6.2.3 虚拟电厂日内市场交易博弈行为分析 |
| 6.3 虚拟电厂参与日前电力市场交易建模 |
| 6.3.1 虚拟电厂参与日前-时前-实时市场交易 |
| 6.3.2 虚拟电厂多阶段交易优化模型 |
| 6.3.3 基于人工鱼群算法的模型求解方法 |
| 6.4 算例分析 |
| 6.4.1 基础数据 |
| 6.4.2 情景设置 |
| 6.4.3 结果分析 |
| 6.5 本章小结 |
| 第7章 虚拟电厂参与辅助服务市场交易优化模型 |
| 7.1 引言 |
| 7.2 调峰辅助服务市场环境下虚拟电厂参与路径 |
| 7.2.1 调峰辅助服务市场概述 |
| 7.2.2 虚拟电厂参与辅助服务市场 |
| 7.2.3 虚拟电厂物理模型 |
| 7.3 虚拟电厂辅助服务交易优化模型 |
| 7.3.1 不考虑负荷不确定性下交易优化模型 |
| 7.3.2 计及负荷不确定性基于IGDT的交易优化模型 |
| 7.3.3 优化结果评价指标 |
| 7.4 模型求解算法 |
| 7.4.1 风光不确定性处理算法 |
| 7.4.2 基于PSO的多目标优化模型求解算法 |
| 7.5 算例分析 |
| 7.5.1 情景设置 |
| 7.5.2 基础数据 |
| 7.5.3 确定性优化模型结果分析 |
| 7.5.4 不确定性优化模型结果分析 |
| 7.6 本章小结 |
| 第8章 结论与展望 |
| 8.1 研究成果与结论 |
| 8.2 展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（5）基于深度强化学习的风电日前交易策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究历史与现状 |
| 1.2.1 短期电力市场风电竞价策略研究现状 |
| 1.2.2 强化学习发展历史与现状 |
| 1.3 本论文的结构安排 |
| 1.4 本章小结 |
| 第二章 强化学习的基本理论及方法 |
| 2.1 强化学习模型 |
| 2.1.1 马尔可夫决策过程 |
| 2.1.2 策略、奖励与值函数 |
| 2.1.3 贝尔曼方程与最优策略及其值函数 |
| 2.2 基于值函数的强化学习方法 |
| 2.2.1 基于时间差分的强化学习 |
| 2.2.2 基于动态规划的强化学习 |
| 2.3 基于随机梯度策略的强化学习方法 |
| 2.3.1 蒙特卡洛策略梯度法 |
| 2.3.2 演员-评论家(actor-critic)策略梯度法 |
| 2.4 本章小结 |
| 第三章 电力市场的结构体系与风电竞价模型 |
| 3.1 北欧电力市场结构体系 |
| 3.1.1 现货市场 |
| 3.1.2 平衡市场 |
| 3.1.3 规范市场 |
| 3.2 电价与风能之间的关系 |
| 3.3 风电竞价模型 |
| 3.3.1 仅考虑在电力市场交易 |
| 3.3.2 考虑与储备市场交易 |
| 3.4 本章小结 |
| 第四章 基于深度强化学习的短期电力市场风电日前竞价策略 |
| 4.1 电力市场风电竞价问题转化为马尔可夫决策过程 |
| 4.2 基于A3C算法的短期电力市场风电竞价策略 |
| 4.2.1 基于A3C算法的actor网络与critic网络模型 |
| 4.2.2 A3C算法的培训流程 |
| 4.2.3 竞价策略总体结构 |
| 4.3 算例仿真 |
| 4.3.1 实验装置及参数设置 |
| 4.3.2 训练过程 |
| 4.3.3 测试数据结果 |
| 4.3.4 结果对比 |
| 4.4 本章小结 |
| 第五章 参与储能市场的电力市场风电日前竞价策略 |
| 5.1 参与储能市场的风电竞价问题转化为MDP |
| 5.2 参与储能市场的竞价策略 |
| 5.2.1 各网络模块设置 |
| 5.2.2 算法流程 |
| 5.3 算例仿真 |
| 5.3.1 实验装置及参数设置 |
| 5.3.2 培训过程 |
| 5.3.3 测试数据结果 |
| 5.3.4 结果对比 |
| 5.4 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（6）基于共生协同理论的微电网演化路径研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 问题提出 |
| 1.1.3 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 共生理论研究现状分析 |
| 1.2.2 协同理论研究现状分析 |
| 1.2.3 路径依赖理论研究现状分析 |
| 1.2.4 微电网与电网发展演化理论研究现状分析 |
| 1.3 研究目标和内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 研究方法与技术路线 |
| 1.4.1 研究方法 |
| 1.4.2 技术路线 |
| 1.5 论文的主要创新点 |
| 第2章 相关理论基础 |
| 2.1 共生理论基础 |
| 2.1.1 共生概念界定 |
| 2.1.2 共生要素分析 |
| 2.1.3 共生系统形成与发展机理 |
| 2.1.4 共生系统的稳态分析方法 |
| 2.2 协同理论基础 |
| 2.2.1 协同概念界定 |
| 2.2.2 协同理论的基本原理 |
| 2.3 其它相关理论基础 |
| 2.3.1 路径依赖理论基础 |
| 2.3.2 微电网及其演化路径理论基础 |
| 2.4 本章小结 |
| 第3章 多系统共生协同演化模型构建 |
| 3.1 共生状态拓展与全域共生概念提出 |
| 3.2 共生关系稳态分析 |
| 3.2.1 独立共生单元模型 |
| 3.2.2 两个共生单元模型 |
| 3.2.3 共生单元稳态结论 |
| 3.3 多系统共生协同演化模型 |
| 3.3.1 加入外部激励共生变量 |
| 3.3.2 多系统协同演化模型构建与分析 |
| 3.4 本章小结 |
| 第4章 融合微电网的共生系统协同演化模型构建 |
| 4.1 融合微电网的共生系统构建 |
| 4.1.1 共生系统结构分析 |
| 4.1.2 共生机理分析 |
| 4.1.3 共生环境分析 |
| 4.2 融合微电网的共生系统演化过程 |
| 4.2.1 共生系统协同演化模型 |
| 4.2.2 共生系统协同演化稳态分析 |
| 4.3 仿真及结果分析 |
| 4.4 本章小结 |
| 第5章 不同共生参量作用下微电网演化路径研究 |
| 5.1 共生协同下微电网演化路径逻辑分析及关键参量确定 |
| 5.1.1 共生协同下微电网演化模型 |
| 5.1.2 基于共生状态的微电网演化路径分析 |
| 5.1.3 微电网演化路径关键共生参量确定 |
| 5.2 基于功率协同的微电网演化路径 |
| 5.2.1 风光储型微电网系统模型构建 |
| 5.2.2 基于MSC-WNN控制算法的功率协同 |
| 5.2.3 功率协同仿真与微电网演化路径分析 |
| 5.3 基于空间负荷密度协同的微电网演化路径 |
| 5.3.1 基于空间负荷密度特性的微电网演化路径设计 |
| 5.3.2 基于元胞自动机的空间负荷协同 |
| 5.3.3 负荷密度协同实验与微电网演化路径分析 |
| 5.4 基于市场价格协同的微电网演化路径 |
| 5.4.1 微电网参与市场竞争分析 |
| 5.4.2 基于市场模式和用户效用的价格协同 |
| 5.4.3 竞价仿真与微电网演化路径分析 |
| 5.5 多共生参量联合作用下的微电网演化路径 |
| 5.5.1 微电网发展阶段划分 |
| 5.5.2 多共生参量协同下的微电网演化路径 |
| 5.6 本章小结 |
| 第6章 实证研究 |
| 6.1 独立型微电网演化路径实证研究 |
| 6.1.1 独立型微电网演化历程 |
| 6.1.2 典型独立型微电网实证 |
| 6.1.3 独立型微电网特点分析 |
| 6.1.4 独立型微电网演化路径归纳 |
| 6.2 并网型微电网演化路径实证研究 |
| 6.2.1 并网型微电网演化历程 |
| 6.2.2 典型并网型微电网实证 |
| 6.2.3 并网型微电网特点分析 |
| 6.2.4 并网型微电网演化路径归纳 |
| 6.3 全球视角下微电网演化路径实证研究 |
| 6.4 基于共生协同理论微电网发展对策建议 |
| 6.4.1 现有实证的经验和启示 |
| 6.4.2 微电网功能拓展分析 |
| 6.4.3 微电网演进对策建议 |
| 6.5 本章小结 |
| 第7章 研究成果与结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（7）计及电动汽车的虚拟电厂市场化运营决策方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 我国能源安全新战略的相关研究 |
| 1.2.2 分布式能源与虚拟电厂的相关研究 |
| 1.2.3 电动汽车有序充放电管理的相关研究 |
| 1.2.4 虚拟电厂商业发展模式的相关研究 |
| 1.3 研究内容与创新点 |
| 1.3.1 研究思路 |
| 1.3.2 研究内容 |
| 1.3.3 主要创新点 |
| 第2章 计及电动汽车的虚拟电厂运营体系研究 |
| 2.1 计及电动汽车的虚拟电厂运营体系设计 |
| 2.1.1 EVPP体系要素分析 |
| 2.1.2 EVPP交易模式设计 |
| 2.1.3 EVPP运营机制规划 |
| 2.2 基于多智能体的EVPP协同管理系统构建 |
| 2.2.1 多智能体技术理论基础 |
| 2.2.2 传统集中模式的EVPP能量决策系统 |
| 2.2.3 分层控制模式的EVPP协调管控系统 |
| 2.2.4 完全分布式模式的EVPP自治调度系统 |
| 2.3 面向物联网服务的EVPP表示模型架构 |
| 2.3.1 表示模型理论基础 |
| 2.3.2 表示模型构建原则 |
| 2.3.3 MSFSM模型四维设计 |
| 2.4 本章小结 |
| 第3章 计及电动汽车的虚拟电厂内部资源配置 |
| 3.1 计及不确定性的EVPP分布式电源运行分析 |
| 3.1.1 风力发电功率输出模型 |
| 3.1.2 光伏发电功率输出模型 |
| 3.2 分布式能源运行分析及预测 |
| 3.2.1 传统预测技术 |
| 3.2.2 人工智能分析预测技术 |
| 3.2.3 电动汽车充电站短期负荷预测技术 |
| 3.3 电动汽车充电站EVCS短期负荷预测 |
| 3.3.1 卷积神经网络预测模型 |
| 3.3.2 小生境免疫狮子算法 |
| 3.3.3 EVCS负荷特性分析 |
| 3.3.4 NILA-CNN预测模型 |
| 3.4 算例及预测结果分析 |
| 3.4.1 输入数据变量分析及处理 |
| 3.4.2 预测结果评价指标确定 |
| 3.4.3 充电站负荷预测及结果分析 |
| 3.4.4 模型进一步验证 |
| 3.5 本章小结 |
| 第4章 计及电动汽车的虚拟电厂竞价模型 |
| 4.1 电动汽车虚拟电厂的竞价策略分析 |
| 4.1.1 EVPP参与电力市场的竞价规则 |
| 4.1.2 EVPP内部协同优化的竞价策略 |
| 4.1.3 EVPP博弈竞价决策的理论基础 |
| 4.2 电动汽车虚拟电厂的竞价博弈建模 |
| 4.2.1 博弈模型假设 |
| 4.2.2 博弈要素分析 |
| 4.2.3 博弈模型构建 |
| 4.3 模型求解 |
| 4.3.1 均衡模型KKT条件 |
| 4.3.2 均衡模型求解计算 |
| 4.4 算例分析 |
| 4.4.1 算例数据假设 |
| 4.4.2 均衡结果分析 |
| 4.5 本章小结 |
| 第5章 计及需求响应的综合型EVPP协调调度模型 |
| 5.1 综合型EVPP运营模式及策略分析 |
| 5.1.1 发售电双边市场融合的商业模式 |
| 5.1.2 电动汽车需求响应的运行体系 |
| 5.1.3 两阶段电量交易市场的优化策略 |
| 5.2 日前能量市场阶段的整体经济最优决策 |
| 5.2.1 分布式电源出力及成本分析 |
| 5.2.2 电动汽车需求响应及成本分析 |
| 5.2.3 移动储能运行状态及成本分析 |
| 5.2.4 可控燃气机组出力及成本分析 |
| 5.2.5 购售电量竞标计划及成本分析 |
| 5.2.6 协同调度决策目标及函数构造 |
| 5.3 实时能量市场阶段的二次优化调度建模 |
| 5.3.1 优化模型假设条件补充 |
| 5.3.2 不平衡成本参变量修正 |
| 5.3.3 二次优化目标函数构建 |
| 5.3.4 内部线路安全运行约束 |
| 5.4 算例分析 |
| 5.4.1 EVPP协同决策的经济性分析 |
| 5.4.2 EVCS需求响应的影响度分析 |
| 5.4.3 V2G储能体系的渗透率分析 |
| 5.5 本章小结 |
| 第6章 计及电动汽车的虚拟电厂运营优化策略 |
| 6.1 电动汽车虚拟电厂交易模式创新 |
| 6.1.1 配电网运营商平台推广 |
| 6.1.2 动态联盟合作机制规划 |
| 6.1.3 低碳市场交易模式开发 |
| 6.2 EVPP区块链运营系统架构 |
| 6.2.1 能源电力行业区块链应用分析 |
| 6.2.2 EVPP区块链运营系统框架设计 |
| 6.3 政策设计和机制建议 |
| 6.3.1 引导规范发展的政策设计 |
| 6.3.2 构建区块链系统的机制优化 |
| 6.3.3 完善动态电价的体制改革 |
| 6.4 本章小结 |
| 第7章 成果和结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（8）大规模风电参与电力市场交易机制及优化模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 风电参与中长期合约交易研究现状 |
| 1.2.2 风电参与日前交易研究现状 |
| 1.2.3 风电参与实时竞价交易研究现状 |
| 1.2.4 风电调峰辅助服务交易研究现状 |
| 1.3 论文主要研究内容和创新点 |
| 1.3.1 论文主要研究内容 |
| 1.3.2 论文研究技术路线 |
| 1.3.3 论文研究创新点 |
| 第2章 国内外风电参与电力市场交易现状及交易体系概述 |
| 2.1 国外电力市场发展现状及风电参与交易情况 |
| 2.1.1 美国电力市场现状及风电参与交易情况 |
| 2.1.2 英国电力市场现状及风电参与交易情况 |
| 2.1.3 北欧电力市场现状及风电参与交易情况 |
| 2.2 国内电力市场发展现状及风电参与交易情况 |
| 2.2.1 电力市场概况 |
| 2.2.2 电力市场改革进程 |
| 2.2.3 风电参与市场交易情况 |
| 2.2.4 电力市场未来发展方向 |
| 2.3 国内电力市场交易体系 |
| 2.3.1 中长期交易市场 |
| 2.3.2 日前现货交易市场 |
| 2.3.3 实时交易市场 |
| 2.3.4 辅助服务交易市场 |
| 2.4 风电参与多级电力市场交易路径 |
| 2.4.1 风火打捆参与电力中长期合约交易 |
| 2.4.2 风光储协同参与现货市场 |
| 2.4.3 风火调峰辅助服务交易 |
| 2.5 本章小结 |
| 第3章 风电-火电参与电力中长期合约交易优化模型 |
| 3.1 引言 |
| 3.2 中长期电力市场 |
| 3.2.1 中长期电力市场交易方式 |
| 3.2.2 中长期合约电量分解 |
| 3.3 风电-火电参与电力市场交易优化模型 |
| 3.3.1 风电与火电独立参与市场交易 |
| 3.3.2 风电-火电联合参与市场交易 |
| 3.3.3 约束条件 |
| 3.4 算列分析 |
| 3.4.1 基础数据 |
| 3.4.2 算例结果 |
| 3.4.3 结果分析 |
| 3.5 本章小结 |
| 第4章 风电-光伏-储能协同参与电力日前交易优化模型 |
| 4.1 引言 |
| 4.2 风-光-储系统不确定性建模及处理 |
| 4.2.1 风-光-储系统不确定性建模 |
| 4.2.2 风-光不确定性处理 |
| 4.3 风险中立情景下风-光-储参与电力日前交易优化模型 |
| 4.3.1 风-光-储参与电力日前交易机制 |
| 4.3.2 风险中立情景下风-光-储参与电力日前交易优化模型 |
| 4.3.3 算例分析 |
| 4.4 风险非中立下风-光-储参与电力日前交易优化模型 |
| 4.4.1 CVaR理论方法 |
| 4.4.2 风险非中立情景下风-光-储参与电力日前交易优化模型 |
| 4.4.3 算例分析 |
| 4.5 本章小结 |
| 第5章 风电-抽水蓄能电站参与电力实时竞价交易模型 |
| 5.1 引言 |
| 5.2 电力实时市场概述 |
| 5.2.1 日前市场与实时市场的联动关系 |
| 5.2.2 实时市场中的两种典型结算方式 |
| 5.2.3 多时间尺度竞价优化框架及基本假设 |
| 5.3 长时间尺度风电-抽水蓄能竞价优化模型 |
| 5.3.1 风电-抽水蓄能出力模型 |
| 5.3.2 风电-抽水蓄能日前竞价收益函数 |
| 5.3.3 基于CVaR的长时间尺度竞价优化模型 |
| 5.4 短时间尺度风电-抽水蓄能竞价优化模型 |
| 5.4.1 短时间尺度竞价优化流程 |
| 5.4.2 基于SVM的实时市场滚动预测模型 |
| 5.4.3 实时竞价策略的滚动优化模型 |
| 5.4.4 反馈矫正策略 |
| 5.4.5 算例分析 |
| 5.5 本章小结 |
| 第6章 大规模风电并网下火电-储能-DR联合调峰交易优化模型 |
| 6.1 引言 |
| 6.2 不同调峰源参与调峰交易成本 |
| 6.2.1 火电调峰成本 |
| 6.2.2 储能系统调峰成本 |
| 6.2.3 灵活性负荷调峰成本 |
| 6.3 火电-储能-DR联合调峰交易优化模型 |
| 6.3.1 多源调峰交易目标 |
| 6.3.2 多源调峰约束条件 |
| 6.3.3 算例分析 |
| 6.4 火电-储能-DR联合调峰交易补偿机制 |
| 6.4.1 不同主体角色分析 |
| 6.4.2 不同主体效益分析与测算 |
| 6.4.3 不同主体效益协调模型 |
| 6.4.4 算例分析 |
| 6.5 本章小结 |
| 第7章 风电参与跨省区电力市场消纳交易保障机制 |
| 7.1 引言 |
| 7.2 可再生能源电力消纳保障机制政策 |
| 7.2.1 政策内容解析 |
| 7.2.2 政策制定历程与调整 |
| 7.2.3 政策作用影响分析 |
| 7.3 风电参与跨省域市场消纳交易保障机制 |
| 7.3.1 累计消纳权重达标值 |
| 7.3.2 电力交易需求量测算 |
| 7.3.3 跨省区需求量交易模型 |
| 7.3.4 风电消纳水平评估模型 |
| 7.3.5 实例分析 |
| 7.4 风电参与可再生能源消纳机制发展建议 |
| 7.4.1 市场机制短期发展建议 |
| 7.4.2 运行机制短期调整建议 |
| 7.4.3 可再生能源消纳机制远景 |
| 7.5 本章小结 |
| 第8章 研究成果和结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（9）市场环境下发电商参与电力交易的报价行为推演研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内外电力市场发展现状 |
| 1.2.2 发电商竞价研究现状 |
| 1.2.3 市场运营模拟研究现状 |
| 1.2.4 负荷侧需求响应研究现状 |
| 1.2.5 合谋竞价研究现状 |
| 1.3 此文的主要工作 |
| 第二章 考虑激励型需求响应下的市场出清模型研究 |
| 2.1 激励型需求响应的基本原理 |
| 2.1.1 激励型需求响应的触发原理 |
| 2.1.2 激励型需求响应的补偿方式 |
| 2.2 考虑激励型需求响应参与的单侧市场报价出清模型 |
| 2.2.1 市场出清模型 |
| 2.2.2 触发点求解模型 |
| 2.2.3 求解算法 |
| 2.3 算例分析 |
| 2.4 本章小结 |
| 第三章 考虑激励型需求响应下的发电商竞价行为推演研究 |
| 3.1 激励型需求响应的作用机制 |
| 3.1.1 需求响应对市场出清的影响 |
| 3.1.2 激励型的需求响应补偿方式 |
| 3.2 激励型需求响应机制下发电商竞价均衡模型 |
| 3.2.1 日前市场发电商个体竞价均衡模型 |
| 3.2.2 市场整体均衡模型 |
| 3.2.3 求解算法 |
| 3.3 算例分析 |
| 3.4 本章小结 |
| 第四章 供需双侧报价下的发电商合谋竞价行为研究 |
| 4.1 发电合谋竞价组合方式 |
| 4.1.1 发电商市场影响力判定 |
| 4.1.2 合谋集团组合方式 |
| 4.2 发电商合谋竞价出清模型 |
| 4.3 计及金融合约的发电商合谋的收益结算模型 |
| 4.4 算例分析 |
| 4.4.1 不同组合方式下的发电商合谋竞价策略研究 |
| 4.4.2 考虑线路阻塞情况下的发电商合谋竞价策略研究 |
| 4.4.3 金融合约存在下的发电商合谋竞价策略研究 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 作者简介 |
| 致谢 |
| 附录 |
（10）广义需求侧资源参与多时间尺度备用辅助服务组合竞价策略（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 广义需求侧资源研究现状 |
| 1.2.2 电力市场多时间尺度交易与辅助服务机制研究现状 |
| 1.2.3 需求侧资源参与电力市场研究现状 |
| 1.2.4 负荷聚合商的研究现状 |
| 1.3 本文主要工作 |
| 第二章 考虑风险的广义负荷聚合商最优购电组合策略 |
| 2.1 引言 |
| 2.2 广义需求侧资源类型及不确定性 |
| 2.3 投资组合及条件风险价值方法 |
| 2.3.1 Markowitz均值-方差投资组合理论 |
| 2.3.2 广义负荷聚合商购电投资组合电价模型 |
| 2.3.3 CVaR条件风险价值 |
| 2.3.4 广义负荷聚合商的zCvaR风险度量 |
| 2.4 基于zCVaR的广义负荷聚合商购电组合决策模型 |
| 2.5 算例分析 |
| 2.5.1 参数处理 |
| 2.5.2 不同风险偏好型的广义负荷聚合商购电组合结果 |
| 2.5.3 不同市场风险承受能力下广义负荷聚合商购电组合结果 |
| 2.6 本章小结 |
| 第三章 广义负荷聚合商年度双边交易策略 |
| 3.1 引言 |
| 3.2 考虑广义负荷聚合商参与的双边市场交易规则 |
| 3.3 合作博弈核仁法 |
| 3.4 广义负荷聚合商年度交易策略模型 |
| 3.5 算例分析 |
| 3.6 本章小结 |
| 第四章 广义负荷聚合商月度市场交易策略 |
| 4.1 引言 |
| 4.2 考虑广义负荷聚合商参与的月度市场交易规则 |
| 4.3 考虑年度双边合同电量分解的月度市场竞价模型 |
| 4.4 基于月度市场电价不确定性的场景分析法 |
| 4.5 算例分析 |
| 4.5.1 参数设置 |
| 4.5.2 结果分析 |
| 4.6 本章小结 |
| 第五章 广义负荷聚合商调峰市场竞价策略 |
| 5.1 引言 |
| 5.2 考虑广义负荷聚合商参与的调峰市场交易规则 |
| 5.3 基于Petri网理论工作流负荷调节潜力分析 |
| 5.3.1 Petri理论 |
| 5.3.2 基于Petri网理论的非侵入式监测负荷调节潜力评估算法 |
| 5.4 基于需求响应潜力的调峰市场竞价模型 |
| 5.5 算例分析 |
| 5.5.1 负荷调节潜力分析 |
| 5.5.2 调峰市场竞价策略 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 后续工作与展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
四、电力市场竞价模型与原理（论文参考文献）
- [1]面向智能电网的数据中心需求响应策略选择与电力成本优化[D]. 黄鼎昌. 青海大学, 2021(02)
- [2]抽水蓄能电站与新能源电力市场联合竞价策略研究[D]. 刘培良. 华北电力大学(北京), 2021(01)
- [3]交互能源体系下产消者资源参与电力市场方法研究[D]. 杨雪. 华北电力大学(北京), 2021(01)
- [4]分布式资源聚合虚拟电厂多维交易优化模型研究[D]. 吴静. 华北电力大学(北京), 2021(01)
- [5]基于深度强化学习的风电日前交易策略研究[D]. 蒙怡帆. 电子科技大学, 2021(01)
- [6]基于共生协同理论的微电网演化路径研究[D]. 高冲. 华北电力大学(北京), 2020(06)
- [7]计及电动汽车的虚拟电厂市场化运营决策方法研究[D]. 李云燕. 华北电力大学(北京), 2020(06)
- [8]大规模风电参与电力市场交易机制及优化模型研究[D]. 邢通. 华北电力大学(北京), 2020
- [9]市场环境下发电商参与电力交易的报价行为推演研究[D]. 高怡静. 东南大学, 2020(01)
- [10]广义需求侧资源参与多时间尺度备用辅助服务组合竞价策略[D]. 郑伟. 东南大学, 2020(01)