👨🎓个人主页
💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。
⛳️座右铭：行百里者，半于九十。
目录
💥1 概述
电能量主市场与备用辅助服务市场安排在运行日前一天进行，通过集中投标竞价的交易模式，以电能量与备用总购电成本最小为目标，综合考虑电能量主市场与备用辅助服务市场的发电侧报价，系统约束、机组约束和网络约束，进行联合优化出清计算[56]。联合优化出清计算主要包括安全约束机组组合（Security-ConstrainedUnit Commitment，SCUC)计算，安全约束经济调度(Security-Constrained EconomicDispatch，SCED）计算和系统边际电价计算l57]。计算得出次日24小时的机组开停方案、出力计划、备用计划、电能量边际电价和备用边际价格。所有中标机组都按系统边际电价结算。电能量与备用市场联合优化出清流程具体如图2.7所示。
sCUC是一个含有0-1整数变量和连续变量的混合整数规划问题，目前求解sCUC问题的主要方法可以分为启发式方法、数学规划法和智能优化算法三类[59-60].
启发式方法（Heuristic Method）是最早使用的一类优化方法，这种方法没有严格的理论依据，依靠直观的判断或实际调度的经验寻找最优解。
数学规划法是目前求解机组组合问题的重要算法之一，这类算法用数学方程将实际的问题表示出来再进行求解。最早用于求解机组组合问题的数学规划法是动态规划法（Dynamic Programming，DP)，动态规划法适合求解简单的分阶段的动态过程，但这种方法会随着计算系统中的机组数和时段数的增加，计算量将呈指数级增加，不适合求解未来大系统高维数的机组组合问题。在上世纪70年代开始，人们开始使用拉格朗日松弛法（Lagrangian Relaxation，LR
）求解机组组合问题,取得了
巨大的成果，适合用于大系统机组组合问题的求解，但是更加精准的交流潮流约束不满足LR法的线性要求，机组爬坡约束也会大大增加该算法的计算量。混合整数规划法(Mixed Integer Programming，MIP）适合求解既具有离散变量又具有连续变量的优化问题，不需要加入过多的限制和假设，求解效率高。
智能优化算法大多源于对生物或社会现象的模拟，主要有遗传算法、禁忌搜索、蚁群算法和粒子群算法等。
虚拟电厂参与主能量市场与辅助服务市场的交易框架如上图所示。
虚拟电厂参与调峰辅助服务市场初期，若在某出清时段内造成负荷侧资源用电量小于下发功率曲线对应电量超过 30%时，该出清时段调峰服务费将不予结算。按照市场规则，虚拟电厂在运行日后
的调峰服务费用与新能源企业和未中标火电机组进行分摊。
一、主辅助服务市场与旋转备用的定义
1. 主辅助服务市场的定义
主辅助服务市场是电力系统为维持安全稳定运行而设立的专项市场，涵盖调频、备用、电压控制、黑启动等服务。其核心目标是通过市场化机制激励发电侧、负荷侧及第三方主体提供灵活调节能力，以应对系统功率波动、设备故障等不确定性。例如，浙江省电力现货市场规则明确将调频辅助服务与电能量市场联合优化出清。
2. 旋转备用的定义与分类
旋转备用（Spinning Reserve）属于备用服务的一种，特指已并网且同步运行的发电机组预留的可快速调用的发电容量，需在10分钟内响应调度指令，用于消除大功率偏差或突发故障导致的供需失衡。其分类包括：
- 旋转备用：在线机组预留容量，响应时间短（10分钟内）；
- 非旋转备用：未并网但可快速启动的备用（如燃气轮机），响应时间较长；
- 替代备用：通过跨区交易或需求侧响应获取的备用资源。
二、旋转备用的作用与技术特性
1. 核心作用
- 应对突发事件：如机组跳闸、线路故障导致的功率缺口，避免系统崩溃。
- 平衡可再生能源波动：弥补风电、光伏的出力不确定性，提高消纳能力。
- 保障频率稳定：作为频率控制的第二道防线（一次调频后），防止频率越限。
2. 技术要求
- 容量预留：机组需预留部分发电能力，牺牲发电收益以提供备用服务。
- 响应速度：10分钟内完成功率调整，依赖机组的爬坡速率和控制系统。
- 可靠性约束：需满足系统最小备用容量要求（如藏中电网要求不低于负荷的3%）。
三、主辅助服务市场出清模型的基本原理
1. 目标与约束
- 目标函数：以总购电成本最小化为核心，统筹电能量与备用服务的联合优化。
- 主要约束：
- 系统约束：负荷平衡、网络潮流、旋转备用容量需求；
- 机组约束：出力上下限、爬坡速率、最小启停时间；
- 耦合约束：同一机组提供的电能与备用容量之和不超过其额定容量。
2. 关键模型：SCUC与SCED
- 安全约束机组组合（SCUC） ：确定机组启停状态及出力计划，属于混合整数规划问题。求解方法包括：
- 数学规划法：如混合整数线性规划（MILP），适合大规模系统；
- 智能优化算法：遗传算法、粒子群优化等，适用于非线性约束。
- 安全约束经济调度（SCED） ：在SCUC基础上优化实时出力，计算边际电价。
3. 出清机制对比
- 顺序出清：先确定备用容量再出清电能量（中国初期主流），可能导致价格信号扭曲。
- 联合出清：电能量与备用同步优化（如美国PJM市场），反映机会成本，但模型复杂度高。
四、旋转备用的定价机制与分配规则
1. 定价原则
- 机会成本补偿：机组因预留备用损失的发电收益需通过备用价格覆盖。
- 限价管理：价格上限通常不高于电能量市场价格（如湖南市场的限价规则）。
- 边际定价：基于最后一台中标机组的报价确定出清价格，体现供需关系。
2. 费用分摊
- 按比例分摊：如湖南省按买方通过祁韶直流输送电量的比例分摊旋转备用费用。
- 贡献度调节：根据机组额定容量占比或实际调用量分配补偿。
3. 调用优先级
- 报价排序：优先调用报价低的机组（如湖南调相机优先）；
- 稳定性要求：满足电网安全的最小备用容量强制分配。
五、典型案例分析
1. 美国PJM市场
- 联合出清机制：电能量与备用同步优化，以全社会效益最大化为目标。
- 价格形成：备用出清价格反映边际机组的报价和机会成本。
2. 欧洲市场
- 顺序出清向联合出清过渡：研究电能量与备用的协同优化，以解决价格信号扭曲问题。
3. 中国南方（以广东起步）市场
- 网络约束建模：构建备用与电能量联合出清模型，优化跨区资源配置；
- 激励机制：确保机组参与备用的净收益不低于仅参与电能量市场。
六、优化算法与数学建模进展
1. 模型创新
- 随机规划：考虑风电出力与负荷预测的不确定性，引入蒙特卡洛仿真；
- 多目标优化：兼顾经济性与可靠性，如电力不足期望值最小化。
2. 算法对比
| 方法 | 优点 | 缺点 |
|---|---|---|
| 混合整数规划 | 精度高，适合线性约束 | 计算复杂度随规模指数增长 |
| 拉格朗日松弛法 | 适合大规模系统 | 难以处理非线性潮流约束 |
| 遗传算法 | 全局搜索能力强 | 收敛速度慢，参数敏感 |
3. 未来方向
- 新型资源整合：纳入储能、需求侧响应等灵活性资源；
- 人工智能应用：利用机器学习提升需求预测与出清效率。
七、与现货市场的耦合关系
1. 约束耦合
- 旋转备用需求：作为现货市场出清的硬约束，影响机组组合；
- 机会成本传递：备用价格影响电能量市场的报价策略。
2. 联合优化挑战
- 模型复杂度：交直流混联电网需特殊处理联络线功率与网损；
- 数据需求：需采集更多机组参数与实时运行数据。
八、结论与展望
旋转备用出清模型是电力市场设计的核心环节，需平衡经济性、可靠性与计算效率。未来研究应聚焦多资源协同、高比例可再生能源场景下的适应性优化，并通过机制设计激励更多主体参与，推动电力系统向灵活、低碳方向转型。
📚2 运行结果
以上展现部分运行结果。
🎉3 参考文献
部分理论来源于网络，如有侵权请联系删除。
[1]祖文静,杜易达,李鹏,余晓鹏,王世谦,李慧璇,张艺涵.计及不确定性与相关性的虚拟电厂参与主辅市场联合交易优化研究[J].智慧电力,2022,50(10):70-77+86.
[2]冯斌斌. 备用辅助服务市场出清模型研究[D].南京师范大学,2021.DOI:10.27245/d.cnki.gnjsu.2021.000621.
扫一扫
374
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
