[发明专利]一种基于多目标粒子群算法的云储能优化出清方法

权利要求书

1.一种基于多目标粒子群算法的云储能优化出清方法，其特征在于，包括如下步骤：

(1)制定由客户、分布式发电运营商和云储能运营商这三方利益主体参与的运营机制；

(2)分析用户侧收益来源，初步分析并定义用户出借储能的机会成本，建立机会成本模型及收益模型；用户侧出借储能的机会成本定义为：

用户侧出借储能的机会成本是指用户出借储能后所得收益与不出借这部分储能所得收益之差；

现在假设用户将这部分储能用来满足自身负荷需求或参与辅助服务市场；

所述用户侧出借储能的机会成本模型为：

M(P_ESS)＝P_ESS·Δt·C_con

π(X_ESS-d)＝π_rc(X_ESS-d)+π_g(X_ESS-d)

π_rc(X_ESS-d)＝(X_ESS-d)·p_rc

π_g(X_ESS-d)＝c％·(X_ESS-d)·p_g

g_con是用户出借储能容量的机会成本，P_ESS是储能设施的输出功率，如果P_ESS为正，则储能设施处于放电状态，反之则处于充电状态，M表示用户如果不出借这部分容量则可节省的过网费，C_con是电能单价，π代表储能容量投入辅助服务市场所得收益，X_ESS是用户愿意出借的储能容量，d是用户侧的负荷需求，π_rc是指备用容量所得收益,p_rc是辅助服务市场中备用容量的单价，π_g指备用容量中的发电容量所得收益，p_g是发电容量单价，c％是发电容量占整体备用容量的比重；

所述用户侧收益模型为：

B_con＝f_con-g_con-h_con

f_con＝X_ESS·C_X

h_con＝α·(E₀-E_f)·MCP

B_con代表用户侧收益，f_con是从云储能运营商处收得的费用，C_X是出借储能容量的单价，h_con是用户在买方归还这部分储能后发现设备中能量增加时所给予的奖励，α是奖励因子，E₀是储能设备初始能量，E_f是归还时储能设备的能量，MCP是能源市场出清单价；

(3)分析分布式发电运营商收益来源，建立收益模型；

(4)分析云储能运营商收益来源并建立优化调度模型，一次性解决云储能定价出清问题。

2.如权利要求1所述的基于多目标粒子群算法的云储能优化出清方法，其特征在于，步骤(1)中，所述运营机制为：云储能参与者分别为云储能运营商、持有储能的用户群体以及分布式发电运营商；用户包含了储能设施、普通工商业用户以及居民用户；在日前运行中，用户向云储能运营商提供自身的负荷需求、储能设施状态，以及可供出借的储能容量信息，分布式发电运营商向云储能运营商提供可再生能源出力曲线，以及所需借用的储能容量信息，云储能运营商需要向能源市场获取实时电价的信息，以及辅助服务市场的能源出清价格预测信息，在得到这些信息后，云储能运营商需要首先确定好储能充放电策略，再根据用户侧和分布式发电侧各自的储能调度策略，优化、决策出最优交易容量和单价。