欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2026101802125
申请人: 南京邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种考虑时间价值与虚拟惯量的概率化日前市场交易方法,其特征在于,包括以下步骤:步骤1、采集历史负荷数据并进行预处理,采用TCN-LSTM混合模型与分位数回归技术,生成描述未来其不确定性的概率化预测走廊;

步骤2、若风电、光伏及储能系统选择作为虚拟惯量,则定义风电场、光伏电站及储能系统为虚拟惯量供应商,定义虚拟惯量申报方式,并与传统同步发电机组一同参与电能量及惯量容量的日前市场申报;具体为:将次日运营日划分为T个时段,t=1,2...,T;

虚拟惯量供应商j在时段t可提供的等效虚拟惯量容量由下式计算:(5)

其中,为系统额定频率,为快速功率调节容量,为响应时间常数;

为虚拟惯量供应商集合,仅包含自愿申报虚拟惯量服务的机组;虚拟惯量供应商,以概率化预测走廊的中值曲线为基准,申报其愿意出售的电能量及对应报价;虚拟惯量供应商若选择申报虚拟惯量,则申报其快速功率调节容量、响应时间常数、等效虚拟惯量容量和提供等效虚拟惯量容量服务的价格,并承诺其满足,其中为虚拟惯量供应商j的计划基础出力;

步骤3、基于概率化预测走廊中的下边界极端场景评估恶劣场景下惯量需求,建立概率化惯量安全约束及虚拟惯量可信性约束;

步骤4、以考虑电能量交易、惯量服务交易的发电侧总成本最小化为目标函数,结合约束条件,构建日前电能量-惯量联合出清市场模型并求解,确定出清结果;

步骤5、基于出清结果,采用考虑时间价值的改进Aumann-Shapley值法进行惯量成本分摊,使在关键时段提供惯量服务的虚拟惯量供应商获得更高补偿;

其中,为量化不同时段惯量支撑的差异性价值,定义时间价值系数:(26)

其中,表示在时段τ的系统惯量需求;是一个随时间变化的向量;

计算每个实际提供惯量的市场参与者a,包含同步发电机组i及虚拟惯量供应商j的全时段加权惯量贡献:(27)

其中,为市场参与者a在时段t实际提供的惯量。

2.根据权利要求1所述的一种考虑时间价值与虚拟惯量的概率化日前市场交易方法,其特征在于,步骤1具体为:步骤1.1、采集历史数据,包括电网负荷功率、风电场群总出力、光伏电站群总出力,以及对应的气象数据和时间标签,以预测时间点n为基准,截取其前回溯T个时段的历史序列{X1,X2,...,Xn}构成集合Rn作为输入特征,其未来预测T个时段的特征序列{Y1,Y2,...,Yn}作为预测目标Fn,输入特征与预测目标构成训练样本(Rn,Fn);对所有输入特征数据和预测目标数据进行最大最小归一化,将其缩放至[0,1]区间;

步骤1.2、构建TCN-LSTM混合预测模型,采用分位数回归损失函数训练模型,生成概率化预测走廊,包括:步骤1.2.1、所述TCN-LSTM混合预测模型包括TCN模块、长短期记忆网络LSTM和分位数回归输出层;

所述TCN模块采用多层膨胀因果卷积提取输入特征Rn中的长期周期与趋势特征,输出预测目标Fn:(1)

其中,n为当前时间步,为时间步n卷积操作后输出的特征值,f为卷积核的权重函数,K为卷积核的大小,d为膨胀因子,k为卷积核内部的权重索引,为输入序列在历史时间步n-d·k处的值;

将预测目标整体输入长短期记忆网络LSTM,输出蕴含丰富时序上下文的特征向量;

将输入分位数回归输出层,在每一个预测时段t,同时输出多个目标分位数的预测值,构成初始的概率化预测序列;

步骤1.2.2、对于每一个目标分位数,定义分位数损失函数:(2)

(3)

其中,u为预测值与真实值之间的偏差,;y为真实值;为第i个训练样本的真实值;为模型输出的分位数预测值;N是样本数;

TCN-LSTM混合预测模型的总损失是多个目标分位数损失之和:(4)

其中,Q表示目标分位数水平的集合,使用反向传播算法和梯度下降优化器最小化总损失;

步骤1.2.3、将预测日对应的输入特征数据Rn输入训练后的模型,输出未来24小时的三线预测结果,即下边界曲线、中值曲线、上边界曲线;选取下边界曲线与上边界曲线之间的区域,构成概率化预测走廊。

3.根据权利要求2所述的一种考虑时间价值与虚拟惯量的概率化日前市场交易方法,其特征在于,步骤2中,同步发电机组申报其电能量报价曲线及其固有技术参数惯性常数,其实际可提供的物理惯量,将在出清模型中由机组开机状态变量决定;为机组i的额定视在容量;为同步发电机组集合;

市场运营机构收集并校验所有申报数据后,形成市场申报数据集D:(6)

其中,J为同步发电机组的惯性常数向量,为虚拟惯量容量申报矩阵,为所有报价集合。

4.根据权利要求3所述的一种考虑时间价值与虚拟惯量的概率化日前市场交易方法,其特征在于,步骤3具体为:步骤3.1、基于概率化预测走廊中的下边界极端场景,评估维持频率稳定所需的最小惯量,包括:计算在极端场景下的系统净负荷:

(7)

其中,为负荷预测中值,、为风电、光伏预测下边界;

计算为满足频率安全标准,系统在时段t所需的最小惯量,计算公式为:(8)

其中,为系统基准容量,为时段t系统的等效综合调频系数,是一个随时间变化的向量,为允许的最大频率变化率,为允许的最大频率偏差,为预设的最大单一故障功率缺额;

步骤3.2、建立概率化惯量安全约束:(9)

其中,是同步发电机组i在时段t的二元开机状态变量,1表示开机,0表示停机;是虚拟惯量供应商j在时段t的虚拟惯量中标状态变量,表示其中标容量占申报容量的比例;

建立虚拟惯量可信性约束:

(10)

(11)

其中,是虚拟惯量供应商j在时段t的电能量中标功率,是为提供中标虚拟惯量而需要预留的功率调节容量。

5.根据权利要求4所述的一种考虑时间价值与虚拟惯量的概率化日前市场交易方法,其特征在于,步骤4具体为:在日前电能量-惯量联合出清市场模型中,以考虑电能量交易、惯量服务交易的发电侧总成本最小化为目标,每15分钟出清一次:(12)

(13)

(14)

其中,为电能量市场出清成本,为惯量市场出清成本;、、、分别表示同步发电机组、风电机组、光伏机组、储能系统的集合;g、w、pv、e分别表示同步发电机组、风电机组、光伏机组、储能系统;分别为同步发电机组、风电机组、光伏机组、储能系统对应报价;分别为同步发电机组、风电机组、光伏机组、储能系统在时段t的电能量中标功率;为同步机组g提供物理惯量服务的空载成本;为虚拟惯量供应商j的虚拟惯量服务报价;

约束条件如下:

系统功率平衡约束:

(15)

同步发电机组运行约束:

(16)

(17)

(18)

其中,、为机组出力限值;、为爬坡率限值;

风电/光伏机组运行约束:

(19)

储能系统运行约束:

(20)

(21)

(22)

(23)

其中,、为充/放电功率;为时段t的储能量;、为充/放电效率;为时段长度;、为储能量限值;

虚拟惯量可信性约束:

(24)

概率化惯量安全约束:

(25)。

6.根据权利要求1所述的一种考虑时间价值与虚拟惯量的概率化日前市场交易方法,其特征在于,步骤5还包括:采用考虑时序价值的加权贡献比例法,计算各参与者应分摊的成本比例:(28)

其中,Ω为所有实际提供惯量的市场参与者集合,分母为集合Ω所有参与者的加权贡献Wj之和,满足,确保成本全部分摊;

根据分摊比例和惯量市场出清成本,计算各市场参与者a最终应支付或获得的结算金额:(29)

对于同步发电机组,其结算金额为正值,表示其为系统提供物理惯量备用而应回收的固定成本部分,对于虚拟惯量供应商,其结算金额为负值,其绝对值即为其提供虚拟惯量服务而获得的经济补偿。