摘要：为支撑高比例新能源新型电力系统现货市场的建设,需建立精准反映电力时空平衡成本的现货市场机制,形成度量源网荷储价值的价格信号,激励源网荷储精准、高效的互动。当新能源成为主力电源,当前现货市场机制将出现如下问题。1)若新能源决定边际价格,其近零边际成本将导致现货价格信号消失,价格调节作用不复存在;2)若昂贵、少量的灵活性资源决定边际价格,新能源与灵活性资源的供电服务差异性无法体现,新能源将获取超额利润,造成“搭车”现象。为此,文章设计了新能源与灵活性资源解耦、基于新能源固定成本形成分时容量电价的电力现货市场机制。新能源分时容量市场将新能源市场主体固定成本逐日分时分摊,以形成时序价格信号;灵活性资源现货市场通过竞争发现偏差电量平衡、调频、备用等剩余电力平衡服务价格;通过向新能源及用户公平分摊成本,确保满足“谁产生的成本谁承担”的激励相容原则,以市场机制实现灵活性的供需匹配。

摘要：竞争性售电市场快速发展,差异化可靠性服务前景广阔,但仍受信息不对称问题与“搭车”现象制约。为此,针对可靠性服务优先的配电网重构问题,搭建各市场主体间双层博弈模型。首先,基于最小路法定义了具有差异化与精准化特征的可靠性服务。其次,设计配电网运营商(distribution system operator,DSO)与可靠性服务聚合商(reliability service aggregator,RSA)的合同模式,分析DSO、RSA与用户三方的博弈关系。在上层主从博弈中,DSO为主方,RSA为从方,双方通过博弈实现各自效益,并确定重构策略与下层总费用;在下层合作博弈中,可用Shapley值法实现用户总费用的公平分配。在证明该双层博弈模型纳什均衡存在性前提下,采用分散迭代法可实现稳定求解。算例分析表明,所提方法在适当市场机制下,可精准保障停电时优先用户可靠供电,满足用户差异化的可靠性需求。

摘要：N-1安全校核是保证系统安全的重要分析工具。为应对日益增长的不确定性对电力系统运行的影响,N-1安全校核除计及支路开断外还需考虑新能源波动等不确定性场景,这导致N-1安全校核面临新的计算挑战。对此,从特征向量构造及学习策略设计两方面入手,提出基于深度学习技术的N-1快速校核方法。该方法构造表征电力系统源荷变化及拓扑结构变化的特征向量,由此建立直流潮流的深度神经网络模型来挖掘直流潮流方程输入输出间的复杂特征。其次,考虑N-1安全校核的潮流分布存在孤立点,从数据预处理、激活函数设计等方面入手设计一套适用于N-1安全校核的深度学习策略。训练后的深度神经网络能够适用于新的不确定性场景(如N-1拓扑变化和新能源波动等),并且通过矩阵计算可直接映射出所有场景下的潮流结果,加快N-1安全校核速度。最后,采用接入新能源的IEEE 30节点和IEEE 118节点系统进行仿真计算,验证了所提方法的有效性。

摘要：面向“双碳”目标及新型电力系统建设要求,电力市场机制设计对于减少碳排放、促进绿色低碳发展具有重要意义。碳市场与绿证市场建设是促进电力系统节能减排的有效手段,研究电力市场、碳市场、绿证市场之间的耦合关系,对于设计3个市场间的衔接机制、促进电力系统碳减排与清洁能源发展具有重要的指导意义。为此,针对碳市场与绿证市场对电力市场均衡的耦合影响展开研究。首先,根据碳市场与绿证市场的交易规则分别建立了电-碳市场、电-绿证市场和电-碳-绿证市场的双层优化模型;然后,利用多智能体深度强化学习算法对上述均衡模型进行求解;最后,在修改后的IEEE 30节点系统上进行算例仿真,分析了碳市场和绿证市场对发电商报价策略、电力市场出清电价等的影响以及碳市场和绿证市场之间的耦合关系。