【华南理工大学】含储能新型电力系统的现货市场出清模型研究

华南理工大学近日发布了一份名为《含储能新型电力系统的现货市场出清模型研究》的行业研究报告。这份报告深入探讨了储能在新型电力系统中的作用，以及储能参与电力市场和电力调度所面临的挑战。报告还涵盖了考虑不确定性和非预期性的多阶段优化模型与算法，并提供了相关的结果与讨论。报告内容丰富，不仅分析了国内外储能项目的案例，还详细讨论了储能在电力现货市场中的成本回收问题、模型非凸性问题，以及新能源发电的随机性和不确定性。这些内容对于理解储能技术在现代电力市场中的运用及其优化调度具有重要的参考价值。

新型电力系统中储能的角色和挑战

随着全球能源结构的转型，新型电力系统的核心之一便是储能技术。储能技术在电力系统中的作用日益凸显，它不仅能平衡供需，还能提高电力系统的灵活性和可靠性。报告中提到的“鸭子曲线”和“峡谷曲线”就是储能在新型电力系统中重要性的直观体现。在白天，电力需求减少，而在日落时分，需求急剧增加，这就需要更多的灵活性资源来应对。储能技术，尤其是电池储能，提供了这种灵活性。

储能技术的发展

储能技术多种多样，包括电化学储能、机械储能、氢能等。在中国，大规模的储能项目正在如火如荼地进行。例如，山东东营的电化学储能项目和河北丰宁的抽水蓄能电站，这些项目不仅展示了储能技术的进步，也反映了国家对储能技术的重视。储能参与电力现货市场的现状也不容忽视。山西、广东等地的电力现货市场已经开始正式运行，这为储能技术的商业化提供了平台。

储能市场的挑战

尽管储能技术的发展迅速，但在电力市场中，储能还面临着成本回收、系统参数及市场申报情况等挑战。报告中通过一个具体的例子说明了储能在现货市场中的收益可能是负数，这表明储能参与市场还存在一定的经济性问题。此外，储能的模型非凸性也是一个技术挑战，它需要引入二进制决策变量来刻画，这增加了优化问题的复杂性。

新能源发电的不确定性

新能源发电，如风能和太阳能，具有随机性、不确定性和模糊性。这些特性给电力系统的调度带来了额外的挑战。报告中提到了随机规划、鲁棒优化和分布鲁棒优化等方法来应对这些挑战。这些方法通过考虑新能源发电的不确定性，帮助电力系统更有效地进行调度。

多阶段优化模型与算法

报告中提出了考虑非预期性的非确定型优化模型，这种模型能够更精确地模拟电力系统的决策过程。通过这种模型，可以找到储能的最优鲁棒能量边界，这对于日前和日内的电力市场调度至关重要。日前市场确定的储能最优鲁棒能量边界在每个滚动时域的最后一个时间点对储能能量边界进行限定，这有助于发挥储能在日内电力现货市场的灵活性。

经济性对比和分析

报告中的模拟结果显示，考虑非预期性的模型在经济性上具有优势。模型2，一个分布鲁棒的日内市场清算模型，其平均成本略高，尤其是在某些特定的日子。而模型3，一个基于确定性优化的模型，导致了一定量的负荷削减。这些结果表明，考虑不确定性和非预期性的模型在经济性和可靠性上都更为优越。

算法效率

报告还比较了两种算法的效率。算法1利用了放松的储能模型的价值函数，而算法2使用了嵌套列和约束生成方法来细化一组离散场景。结果显示，算法1在运行时间和迭代次数上都优于算法2，这表明在处理电力系统优化问题时，选择合适的算法至关重要。

文章灵感来源于这份报告，它提供了对含储能新型电力系统现货市场出清模型的深入研究。除了这份报告，还有许多同类型的报告也提供了宝贵的见解，这些报告都收录在同名星球，感兴趣的读者可以自行获取。

以上为节选样张，关注公众号【蝉鸣报告】回复领取PDF完整电子版（无广告）。

【蝉鸣报告】每日更新最新硬核报告，覆盖产业报告、全球化、经济报告、趋势等全领域。