CN112418643A - 一种风电并网下面向多目标市场的网源协同规划方法 - Google Patents

Abstract

本发明公开了一种风电并网下面向多目标市场的网源协同规划方法，上层模型为规划层模型，以电网扩展规划成本以及火电机组的运行与改造成本最小为目标，考虑火电机组以及电网规划的投资约束，形成规划决策，将决策结果传递到下层。下层模型为市场出清模型，出清模型分两步分别对主能量市场即辅助服务市场进行出清，其中日前出清模型为主能量市场出清，基于各机组的边际成本最小计算网络的最优潮流，发电机出力约束控制在常规调峰基准以上。日内出清为调峰市场出清，基于实时的风电波动曲线，计算日内的调峰需求，调峰报价按照调峰成本以及该时刻各节点边际电价乘以调峰收益系数核算，从而满足日内由于风电波动带来的调峰需求。

Description

一种风电并网下面向多目标市场的网源协同规划方法

技术领域

本发明属于电力系统规划技术领域，具体涉及一种风电并网下面向多目标市场的网源协同规划方法；电力市场竞争机制、双层规划模型及其求解、网源协同提升在电网扩展规划中的应用。

背景技术

已有研究面向调峰市场的火电机组深调改造决策模型，讨论火电机组如何进行投油改造可以在调峰市场中获得利润的最大化。但是，电网的传输能力需要与不断发展的源荷分布相匹配，可再生能源的地理位置相对固定，通道传输能力能否支持其调用最优的调峰资源需要得到电网规划的支持。作为电力的通道商，为活力迸发的电力市场提供良好的市场竞争环境是电网企业的盈利手段与职责所在。因此，电网与电源的规划需要紧密耦合，通过网源协同提升来适应不断发展的市场化进程。现在已有同时考虑系统灵活性指标的网源协同规划模型，如考虑系统灵活性资源供需平衡，考虑运行周期内灵活性裕度最大或灵活性缺额最小等。但基于灵活性指标的规划模型忽略了市场环境下的价值引导，如何以市场-规划耦合的形式促进系统灵活性的提升具有重要意义。

目前，首先在火电机组参与调峰市场的决策研究领域，多默认火电机组参与调峰市场的优先级大于参与主能量市场，忽略了主能量市场与辅助服务市场的耦合。在辅助服务市场日益健全环境下，研究火电机组在多目标市场中的决策空间问题具有重要研究意义。现有的网源协同规划多从灵活性指标的评判来评价规划决策的优劣，鲜有与市场出清模型相耦合的研究。目前的灵活性评价指标繁多，有从系统灵活性缺额的角度评价电力系统灵活性，也有从灵活性资源供需平衡角度出发通过网源协同优化提升系统灵活性资源供给能力。但是，依据各种灵活性指标作为规划目标，缺少市场价值信号引导，易导致电网的过度投资。

本发明所要解决的技术问题是：

1)如何建立合适的市场出清机制，在火电机组参与市场决策中实现主能量市场与调峰辅助服务市场的耦合，形成多目标市场下火电机组参与市场的最优决策。

2)如何通过双层规划模型，将电网投资、火电机组深调改造投资、主能量市场出清、调峰市场出清等多个子优化问题耦合，并实现模型的求解。

因此,现阶段需设计一种风电并网下面向多目标市场的网源协同规划方法,来解决以上问题。

发明内容

本发明目的在于提供一种风电并网下面向多目标市场的网源协同规划方法，用于解决上述现有技术中存在的技术问题，如：1)如何建立合适的市场出清机制，在火电机组参与市场决策中实现主能量市场与调峰辅助服务市场的耦合，形成多目标市场下火电机组参与市场的最优决策。2)如何通过双层规划模型，将电网投资、火电机组深调改造投资、主能量市场出清、调峰市场出清等多个子优化问题耦合，并实现模型的求解。

为实现上述目的，本发明的技术方案是：

一种风电并网下面向多目标市场的网源协同规划方法，具体步骤如下：

提供网源协同规划双层模型，具体包括，

上层模型为规划层模型，以电网扩展规划成本以及火电机组的运行与改造成本最小为目标，考虑火电机组以及电网规划的投资约束，形成规划决策，将决策结果传递到下层模型；

下层模型为市场出清模型，出清模型分两步分别对主能量市场即辅助服务市场进行出清，其中，

日前出清模型为主能量市场出清，基于各机组的边际成本最小计算网络的最优潮流，发电机出力约束控制在常规调峰基准以上；

日内出清为调峰市场出清，基于实时的风电波动曲线，计算日内的调峰需求，调峰报价按照调峰成本以及该时刻各节点边际电价乘以调峰收益系数核算，从而满足日内由于风电波动带来的调峰需求。

进一步的，所述规划层模型具体如下：

规划层模型考虑线路扩展规划与机组的深调改造成本，以总投资收益最大为目标，约束考虑线路扩展规划支路数量约束，线路投资成本约束；即

max F₁+F₂-C₁-C₂

其中F₁为电网投资收益，F₂发电商收益，C₁为电网投资成本，C₂为发电机深调改造一次成本；

F₁＝α·ΔP_wind

F₂＝F^main+F^peak

其中ΔP_wind为规划前后风电消纳差异，α为风电效益系数；F^main为主能量市场收益，F^peak为调峰市场收益；线路扩展规划投资预算资金采用等年值法根据投资年限计算年等值投资成本，其表达式为：

C₁≤C_1max

C₂≤C_2max

C₁表示电网规划方案的等额年投资成本；η₁为电网投资贴现率；C₂表示源侧改造的等额年投资成本，η₂为电源改造投资贴现率，m表示规划年限；c_n1和L_n1分别表示新建输电走廊单位长度投资成本和输电线路长度，c_n2为机组深调改造一次投资成本，G_n1为深调容量；N^D为待改造火电机组数量，N_w为待选集线路数量；C_1max与C_2max分别线路投资与电源改造投资预算最大值；ω_n1与ω_n2分别为线路以及机组改造的0-1决策变量。

进一步的，所述出清层模型具体如下：

具有投油调峰能力的机组需要分段核算其调峰成本：

常规调峰阶段只考虑机组的边际运行成本

C_RPR＝λ_iP_i ^gen

其中λ_i为i号机组的边际运行成本，P_i ^gen为i号机组实际出力；

深度调峰阶段考虑机组的寿命损耗以及边际运行成本

C_DPR＝λ_iP_i ^gen+C_life

其中λ_i为i号机组的边际运行成本，P_i ^gen为i号机组实际出力，C_life为处于深调区域机组的机组寿命损耗成本；

投油助燃调峰阶段考虑机组的寿命损耗，投油成本以及边际运行成本：

其中λ_i为i号机组的边际运行成本，P_i ^gen为i号机组实际出力，C_life为处于深调区域机组的机组寿命损耗成本，

为投油成本，

为维持稳燃条件所需油耗量，π^oil为当季单位油量价格。

进一步的，所述日前出清模型具体如下：

日前出清考虑系统主能量出清，该出清模型基于直流最优潮流，以系统总发电成本最小为目标；

其中

为各节点发电机t时刻出力，N^gen为发电机组总数，

为各节点t时刻的负荷大小，τ_i为节点i的功率传输分布因子，

为线路l的潮流输送极限，P_i ^gen，min-r为发电机常规调峰的出力下限，P_i ^gen，max为发电机出力上限，N为系统节点总数；

该常规调峰阶段发电机组的成本为普通运行成本

C_RPR＝λ_iP_i ^gen

λ_i为常规调峰区间内机组的边际发电成本。

进一步的，所述日内出清模型具体如下：

日内出清考虑调峰市场的出清结果，依据风电机组日内的预测曲线，计算系统总调峰需求，并基于各机组深度调峰报价进行日内出清，以满足系统的调峰需求；

其中，t为运行时刻，k为火电机组编号，N_th为火电机组总数，n为深调阶段，

为第n深调阶段下机组k的调峰服务报价，N为调峰阶段数，

为k号机组t时刻的第n段调峰中标电量；

(1)系统调峰需求约束

其中R_t为系统的调峰需求，

为k号机组t时刻的第n段调峰中标电量，N表示调峰阶段数；

(2)火电机组出力上下限约束

其中参与深度调峰市场后，火电机组的实际计划出力为：

其中P′_k，t为参与调峰后的机组实际出力，P_k，t为日前主能量市场出清中标电量，N表示调峰阶段数，其出力上下限约束为

其中

为投油调峰阶段机组最低出力,

为机组出力上限；

(3)机组爬坡率约束

其中

为机组k在单位时间内的爬坡能力，P′_k，t、P′_k，t-1分别为t时刻与t-1时刻的机组实际出力；

(4)最小连续开机时间与停机时间约束

其中

为机组k的最小连续开机时间；

为机组k的最小连续关机时间；y_k,t,z_k,t分别表示机组k在t时刻是否开停机的0-1变量；u_k,t为火电机组在t时刻开停机状态的0-1变量；

(5)火电机组最大启动次数约束

其中

为周期内机组k的最大启动次数，T为研究周期内的总时间段数；

(6)火电机组运行相关0-1变量约束

y_k,t-z_k,t＝u_k,t-u_k,t-1

y_k,t+z_k,t≤1

其中u_k,t-1为火电机组在t-1时刻开停机状态的0-1变量；

(7)火电机组调度周期内最大深调次数约束

其中N_k为机组k一个周期内的最大深调次数，v_k,t为深调0-1变量；

(8)网络潮流约束

其中

为线路l的潮流输送极限。

进一步的，模型的求解具体如下：

由于该模型上层为混合整数规划，下层模型也分日前出清模型与日内出清模型两部分，采用先耦合后迭代的方式求解该模型；

首先，基于日前优化模型的KKT条件，将上层规划层模型与日前出清模型耦合，日前优化模型其KKT条件如下：

δ^Τ+ρ₁+ρ₂Τ-ρ₃+ρ₄＝0

ρ₁(P_G-P_D)＝0

ρ₃(P_G -P_G)＝0

其中P_G为系统发电机的出力矩阵，P_D为系统负荷矩阵；

P_G分别为发电机出力上下限矩阵，

为线路的潮流约束矩阵，δ^Τ为发电机报价矩阵；ρ₁,ρ₂,ρ₃,ρ₄分别为对应约束的拉格朗日乘子；

将日前优化模型自身约束以及其KKT条件作为约束与上层规划层模型耦合成单层的混合整数规划模型，后续将其明名为新规划层，新规划层采用PSO算法得到规划结果传递网架信息及日前调度结果给日内出清层，日内出清层调用Cplex进行求解，调峰市场出清后返回投资总收益给新规划层，进一步修正上层决策，设置迭代次数为50，并计算每次迭代后上层模型的适应度函数，满足要求时跳出循环。

与现有技术相比，本发明所具有的有益效果为：

本方案的一个创新点在于，本发明讨论了多目标市场下电网系统网源规划提升，对火电机组实时投油改造以发掘其更深的调峰能力，同时线路扩展规划为电网更优灵活调度提供通道支撑，实现全网调峰成本最小，促进可再生能源(风电)的消纳。

本方案的一个创新点在于，本发明为同时面向调峰市场与主能量市场下网源投资收益最大的扩展规划方法。基于现有主能量市场与调峰市场的市场规则，以满足系统义务调峰需求为基础，发掘多目标市场下火电机组的决策空间，并通过机组改造获得更广的利润空间。

本方案的一个创新点在于，本发明实际可看成规划层、日前出清层、日内出清层三层迭代求解模型，如果通过三层迭代求解其收敛性与解的可靠性很难保证，因此，本发明采用半耦合式的求解方法，将规划层与日前出清层进行耦合，再进行新规划层与日内出清层的迭代求解，使得解的收敛性更优。

附图说明

图1是本发明具体实施方式的步骤示意图。

图2是本发明具体实施方式的火电机组深度调峰三个阶段工作示意图。

图3是本发明具体实施方式的火电机组深调成本曲线示意图。

具体实施方式

下面结合本发明的附图1-3，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例：

如图1和图2所示，因此提出一种风电并网下面向多目标市场的网源协同规划方法，即面向多目标市场的网源协同规划双层模型，上层模型为规划层模型，以电网扩展规划成本以及火电机组的运行与改造成本最小为目标，考虑火电机组以及电网规划的投资约束，形成规划决策，将决策结果传递到下层。下层模型为市场出清模型，出清模型分两步分别对主能量市场即辅助服务市场进行出清，其中日前出清模型为主能量市场出清，基于各机组的边际成本最小计算网络的最优潮流，发电机出力约束控制在常规调峰基准以上。日内出清为调峰市场出清，基于实时的风电波动曲线，计算日内的调峰需求，调峰报价按照调峰成本以及该时刻各节点边际电价乘以调峰收益系数核算，从而满足日内由于风电波动带来的调峰需求。

1规划层模型

上层模型考虑线路扩展规划与机组的深调改造成本，以总投资收益最大为目标，约束考虑线路扩展规划支路数量约束，线路投资成本约束。

max F₁+F₂-C₁-C₂

其中F₁为电网投资收益，F₂发电商收益，C₁为电网投资成本，C₂为发电机深调改造一次成本。

F₁＝α·ΔP_wind

F₂＝F^main+F^peak

其中ΔP^wind为规划前后风电消纳差异，α为风电效益系数。F^main为主能量市场收益，F^peak为调峰市场收益。线路扩展规划投资预算资金采用等年值法根据投资年限计算年等值投资成本，其表达式为：

C₁≤C_1max

C₂≤C_2max

C₁表示电网规划方案的等额年投资成本；η₁为电网投资贴现率；C₂表示源侧改造的等额年投资成本，η₂为电源改造投资贴现率，m表示规划年限；c_n1和L_n1分别表示新建输电走廊单位长度投资成本和输电线路长度，c_n2为机组深调改造一次投资成本，G_n1为深调容量；N^D为待改造火电机组数量，N_w为待选集线路数量；C_1max与C_2max分别线路投资与电源改造投资预算最大值；ω_n1与ω_n2分别为线路以及机组改造的0-1决策变量。

2出清层模型

火电机组深度调峰分为三个阶段：常规调峰(RPR)，深度调峰(DPR)以及投油助燃调峰(DPRO)。常规调峰及为在机组可接受范围内进行日常出力增减以达到调峰目的；深度调峰下机组出力越过常规调峰的出力下限，其运行工况发生极大变化，转自轴系上过大的交变热应力可能导致机组受损；投油调峰阶段机组需要通过投油助燃以维持机组的安全运行。其工作示意如图2所示。

因此具有投油调峰能力的机组需要分段核算其调峰成本：

RPR阶段只考虑机组的边际运行成本

C_RPR＝λ_iP_i ^gen

其中λ_i为i号机组的边际运行成本，P_i ^gen为i号机组实际出力。

DPR阶段考虑机组的寿命损耗以及边际运行成本

C_DPR＝λ_iP_i ^gen+C_life

其中λ_i为i号机组的边际运行成本，P_i ^gen为i号机组实际出力，C_life为处于深调区域机组的机组寿命损耗成本。

DPRO阶段考虑机组的寿命损耗，投油成本以及边际运行成本：

其中λ_i为i号机组的边际运行成本，P_i ^gen为i号机组实际出力，C_life为处于深调区域机组的机组寿命损耗成本，

为投油成本，

为维持稳燃条件所需油耗量，π^oil为当季单位油量价格。

综上所述，火电机组的深调成本曲线如图3所示：

2.1日前出清模型

日前出清主要考虑系统主能量出清，该出清模型基于直流最优潮流，以系统总发电成本最小为目标。

其中

为各节点发电机t时刻出力，，N^gen为发电机组总数，

为各节点t时刻的负荷大小，τ_i为节点i的功率传输分布因子，

为线路l的潮流输送极限，P_i ^gen，min-r为发电机常规调峰的出力下限，P_i ^gen，max为发电机出力上限，N为系统节点总数。

该阶段(RPR)发电机组的成本为普通运行成本

C_RPR＝λ_iP_i ^gen

λ_i为常规调峰区间内机组的边际发电成本。

2.2日内出清模型

日内出清主要考虑调峰市场的出清结果，依据风电机组日内的预测曲线，计算系统总调峰需求，并基于各机组深度调峰报价进行日内出清，以满足系统的调峰需求。

其中，t为运行时刻，k为火电机组编号，N_th为火电机组总数，n为深调阶段，

为第n深调阶段下机组k的调峰服务报价，N为调峰阶段数。

(1)系统调峰需求约束

其中R_t为系统的调峰需求，

为k号机组t时刻的第n段调峰中标电量，N表示火电机组报价档数。

(2)火电机组出力上下限约束

其中参与深度调峰市场后，火电机组的实际计划出力为：

其中P′_k，t为参与调峰后的机组实际出力，P_k，t为日前主能量市场出清中标电量，N表示火电机组报价档数，其出力上下限约束为

其中

为投油调峰阶段机组最低出力,

为机组出力上限。

(3)机组爬坡率约束

其中

为机组k在单位时间内的爬坡能力，P′_k，t、P′_k，t-1分别为t时刻与t-1时刻的机组实际出力。

(4)最小连续开机时间与停机时间约束

其中

为机组k的最小连续开机时间；

为机组k的最小连续关机时间；y_k,t,z_k,t分别表示机组k在t时刻是否开停机的0-1变量。u_k,t为火电机组在t时刻开停机状态的0-1变量。

(5)火电机组最大启动次数约束

其中

为周期内机组k的最大启动次数，T为研究周期内的总时间段数。

(6)火电机组运行相关0-1变量约束

y_k,t-z_k,t＝u_k,t-u_k,t-1

y_k,t+z_k,t≤1

其中u_k,t-1为火电机组在t-1时刻开停机状态的0-1变量。

(7)火电机组调度周期内最大深调次数约束

其中N_k为机组k一个周期内的最大深调次数，v_k,t为深调0-1变量。

(8)网络潮流约束

其中

为线路l的潮流输送极限。

3模型的求解

由于该模型上层为混合整数规划，下层模型也分日前出清模型与日内出清模型两部分，其中日前出清模型约束较少，较容易进行出力，日内优化模型约束较多，适合单独进行求解，故本发明采用先耦合后迭代的方式求解该模型。

首先，基于日前优化模型的KKT条件，将上层规划层模型与日前出清模型耦合，日前优化模型其KKT条件(矩阵形式)如下：

δ^Τ+ρ₁+ρ₂Τ-ρ₃+ρ₄＝0

ρ₁(P_G-P_D)＝0

ρ₃(P_G -P_G)＝0

其中P_G为系统发电机的出力矩阵，P_D为系统负荷矩阵。

P _G分别为发电机出力上下限矩阵，

为线路的潮流约束矩阵，δ^Τ为发电机报价矩阵。ρ₁,ρ₂,ρ₃,ρ₄分别为对应约束的拉格朗日乘子。

将日前优化模型自身约束以及其KKT条件作为约束与上层规划层模型耦合成单层的混合整数规划模型，后续将其明名为新规划层，新规划层采用PSO算法得到规划结果传递网架信息及日前调度结果给日内出清层，日内出清层可以调用Cplex进行求解，调峰市场出清后返回投资总收益给新规划层，进一步修正上层决策，设置迭代次数为50，并计算每次迭代后上层模型的适应度函数，满足要求时跳出循环。

值得注意的是：本发明具有以下技术有点，

1、在规划的目标函数上，不在基于硬性的灵活性指标作为优化目标，而是以市场环境下的投资收益最大为目标，更有利于提高规划投资的经济性。同时，以符合经济学规则的市场出清机制来完成调峰资源的调用，更有利于发掘电源侧的调峰潜力，刺激火电机组参与调峰市场的积极性，从而增加电网的灵活性供给。

2、相较于单纯考虑火电机组参与调峰市场的火电机组改造决策模型，本专利提出了面向多目标市场的火电机组投资决策方法，日前火电机组以常规调峰区间作为上下限参与市场报价，为自身预留参与调峰市场的决策空间，日内市场中以投油调峰最低出力为下限博取调峰市场中的市场竞争力。

3、本发明在研究机组改造决策的同时考虑了电网传输能力对于全系统灵活性调度的影响，以最大限额以及最经济的调峰资源调用来消纳风电作为电网规划者意愿，相较于仅考虑机组投资的研究，本专利更具有实际可操作性，在没有电网传输能力支撑下一味提高机组灵活性很容易导致灵活性资源的浪费。

以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。

Claims (6)

1.一种风电并网下面向多目标市场的网源协同规划方法，其特征在于，具体步骤如下：

提供网源协同规划双层模型，具体包括，

上层模型为规划层模型，以电网扩展规划成本以及火电机组的运行与改造成本最小为目标，考虑火电机组以及电网规划的投资约束，形成规划决策，将决策结果传递到下层模型；

下层模型为市场出清模型，出清模型分两步分别对主能量市场即辅助服务市场进行出清，其中，

日前出清模型为主能量市场出清，基于各机组的边际成本最小计算网络的最优潮流，发电机出力约束控制在常规调峰基准以上；

日内出清为调峰市场出清，基于实时的风电波动曲线，计算日内的调峰需求，调峰报价按照调峰成本以及该时刻各节点边际电价乘以调峰收益系数核算，从而满足日内由于风电波动带来的调峰需求。

2.如权利要求1所述的一种风电并网下面向多目标市场的网源协同规划方法，其特征在于，所述规划层模型具体如下：

规划层模型考虑线路扩展规划与机组的深调改造成本，以总投资收益最大为目标，约束考虑线路扩展规划支路数量约束，线路投资成本约束；即

maxF₁+F₂-C₁-C₂

其中F₁为电网投资收益，F₂发电商收益，C₁为电网投资成本，C₂为发电机深调改造一次成本；

F₁＝α·ΔP_wind

F₂＝F^main+F^peak

其中ΔP_wind为规划前后风电消纳差异，α为风电效益系数；F^main为主能量市场收益，F^peak为调峰市场收益；线路扩展规划投资预算资金采用等年值法根据投资年限计算年等值投资成本，其表达式为：

C₁≤C_1max

C₂≤C_2max

C₁表示电网规划方案的等额年投资成本；η₁为电网投资贴现率；C₂表示源侧改造的等额年投资成本，η₂为电源改造投资贴现率，m表示规划年限；c_n1和L_n1分别表示新建输电走廊单位长度投资成本和输电线路长度，c_n2为机组深调改造一次投资成本，G_n1为深调容量；N^D为待改造火电机组数量，N_w为待选集线路数量；C_1max与C_2max分别线路投资与电源改造投资预算最大值；ω_n1与ω_n2分别为线路以及机组改造的0-1决策变量。

3.如权利要求2所述的一种风电并网下面向多目标市场的网源协同规划方法，其特征在于，所述出清层模型具体如下：

具有投油调峰能力的机组需要分段核算其调峰成本：

常规调峰阶段只考虑机组的边际运行成本

C_RPR＝λ_iP_i ^gen

其中λ_i为i号机组的边际运行成本，

为i号机组实际出力；

深度调峰阶段考虑机组的寿命损耗以及边际运行成本

C_DPR＝λ_iP_i ^gen+C_life

其中λ_i为i号机组的边际运行成本，

为i号机组实际出力，C_life为处于深调区域机组的机组寿命损耗成本；

投油助燃调峰阶段考虑机组的寿命损耗，投油成本以及边际运行成本：

其中λ_i为i号机组的边际运行成本，

为i号机组实际出力，C_life为处于深调区域机组的机组寿命损耗成本，

为投油成本，

为维持稳燃条件所需油耗量，π^oil为当季单位油量价格。

4.如权利要求3所述的一种风电并网下面向多目标市场的网源协同规划方法，其特征在于，所述日前出清模型具体如下：

日前出清考虑系统主能量出清，该出清模型基于直流最优潮流，以系统总发电成本最小为目标；

其中

为各节点发电机t时刻出力，N^gen为发电机组总数，

为各节点t时刻的负荷大小，τ_i为节点i的功率传输分布因子，

为线路l的潮流输送极限，P_i ^gen，min-r为发电机常规调峰的出力下限，P_i ^gen，max为发电机出力上限，N为系统节点总数；

该常规调峰阶段发电机组的成本为普通运行成本

C_RPR＝λ_iP_i ^gen

λ_i为常规调峰区间内机组的边际发电成本。

5.如权利要求4所述的一种风电并网下面向多目标市场的网源协同规划方法，其特征在于，所述日内出清模型具体如下：

日内出清考虑调峰市场的出清结果，依据风电机组日内的预测曲线，计算系统总调峰需求，并基于各机组深度调峰报价进行日内出清，以满足系统的调峰需求；

其中，t为运行时刻，k为火电机组编号，N_th为火电机组总数，n为深调阶段，

为第n深调阶段下机组k的调峰服务报价，N为调峰阶段数，

为k号机组t时刻的第n段调峰中标电量；

(1)系统调峰需求约束

其中R_t为系统的调峰需求，

为k号机组t时刻的第n段调峰中标电量，N表示调峰阶段数；

(2)火电机组出力上下限约束

其中参与深度调峰市场后，火电机组的实际计划出力为：

其中P′_k，t为参与调峰后的机组实际出力，P′_k，t为日前主能量市场出清中标电量，N表示调峰阶段数，其出力上下限约束为

其中

为投油调峰阶段机组最低出力,

为机组出力上限；

(3)机组爬坡率约束

其中

为机组k在单位时间内的爬坡能力，P′_k，t、P′_k，t-1分别为t时刻与t-1时刻的机组实际出力；

(4)最小连续开机时间与停机时间约束

其中

为机组k的最小连续开机时间；

为机组k的最小连续关机时间；y_k,t,z_k,t分别表示机组k在t时刻是否开停机的0-1变量；u_k,t为火电机组在t时刻开停机状态的0-1变量；

(5)火电机组最大启动次数约束

其中

为周期内机组k的最大启动次数，T为研究周期内的总时间段数；

(6)火电机组运行相关0-1变量约束

y_k,t-z_k,t＝u_k,t-u_k,t-1

y_k,t+z_k,t≤1

其中u_k,t-1为火电机组在t-1时刻开停机状态的0-1变量；

(7)火电机组调度周期内最大深调次数约束

其中N_k为机组k一个周期内的最大深调次数，v_k,t为深调0-1变量；

(8)网络潮流约束

其中

为线路l的潮流输送极限。

6.如权利要求5所述的一种风电并网下面向多目标市场的网源协同规划方法，其特征在于，模型的求解具体如下：

由于该模型上层为混合整数规划，下层模型也分日前出清模型与日内出清模型两部分，采用先耦合后迭代的方式求解该模型；

首先，基于日前优化模型的KKT条件，将上层规划层模型与日前出清模型耦合，日前优化模型其KKT条件如下：

δ^Τ+ρ₁+ρ₂Τ-ρ₃+ρ₄＝0

ρ₁(P_G-P_D)＝0

ρ₃(P_G -P_G)＝0

其中P_G为系统发电机的出力矩阵，P_D为系统负荷矩阵；

P _G分别为发电机出力上下限矩阵，

为线路的潮流约束矩阵，δ^Τ为发电机报价矩阵；ρ₁,ρ₂,ρ₃,ρ₄分别为对应约束的拉格朗日乘子；T为功率传输因子分布矩阵。

将日前优化模型自身约束以及其KKT条件作为约束与上层规划层模型耦合成单层的混合整数规划模型，后续将其明名为新规划层，新规划层采用PSO算法得到规划结果传递网架信息及日前调度结果给日内出清层，日内出清层调用Cplex进行求解，调峰市场出清后返回投资总收益给新规划层，进一步修正上层决策，设置迭代次数为50，并计算每次迭代后上层模型的适应度函数，满足要求时跳出循环。

Images