XiaoMi-AI文件搜索系统
World File Search System竞价
能源市场中储能竞价的高维竞价学习
摘要 随着可再生能源的普及，电力市场价格波动性加大。因此，对于储能系统 (ESS) 来说，利用能源市场投标的多维性质来最大化盈利能力非常重要。然而，目前的学习方法不能充分利用能源市场中高维的价格-数量投标。为了应对这一挑战，我们修改了常见的强化学习 (RL) 过程，提出了一种称为神经网络嵌入投标 (NNEB) 的新投标表示方法。NNEB 是指由具有离散输出的单调神经网络表示的市场投标。为了有效学习 NNEB，我们首先使用 RL 学习一个神经网络作为从市场价格到 ESS 功率输出的战略映射。然后，我们通过两次训练修改重新训练网络，使网络输出单调和离散。最后，神经网络等效地转换为高维投标。我们对真实世界的市场数据集进行了实验。我们的研究表明，所提出的方法比基线高出 18% 的利润，使最佳市场竞标者的利润高达 78%。关键词：电力市场、实时市场、储能系统、战略竞价、强化学习
竞价优化软件
2 机构概况 硅谷清洁能源 硅谷清洁能源 (SVCE) 是一家社区选择能源机构，它正在重新定义当地电力市场，为我们的居民和企业提供新的清洁能源选择——具有竞争力的可再生和无碳电力。SVCE 成立于 2016 年，是一家联合权力机构，目前为以下十三个社区服务区内约 270,000 个住宅和商业电力客户提供服务：坎贝尔、库比蒂诺、吉尔罗伊、洛斯阿尔托斯、洛斯阿尔托斯山、洛斯加托斯、米尔皮塔斯、蒙特塞雷诺、摩根山、山景城、萨拉托加、桑尼维尔和圣克拉拉县非建制区。SVCE 服务区内 97% 的电力客户从 SVCE 获得电力。有关 SVCE 的更多信息，请访问：https://www.svcleanenergy.org/ 中央海岸清洁能源
储能真实竞价的市场机制
本文提出了一种由发电厂和储能参与者参与的多区间电力市场的市场机制。借鉴供应函数竞价的思路，我们引入了一种新颖的储能参与竞价结构，允许储能单元使用将价格映射到周期深度的能量循环函数将其成本传达给市场。由此产生的市场清算过程（通过凸规划实现）根据电力供应的传统能源价格和储能利用的每周期价格产生相应的时间表和付款。我们通过将所得机制的竞争均衡（假设价格接受者参与者）与使用基于生产者的竞价的替代解决方案进行比较来说明我们的解决方案的优势。与按时隙定价能源的标准生产者为基础的方法相比，我们的解决方案显示出几个优势。它不需要先验价格估计。它还激励参与者披露他们真实的成本，从而实现有效的竞争均衡。使用纽约独立系统运营商 (NYISO) 数据进行的数值实验验证了我们的发现。
基于竞价的批发能源市场的设计
图 2-1：设置 LMP ...................................................................................................... 18 图 3-1：CAISO SCUC 缓解方法 .............................................................................. 54 图 3-2：实时能源市场与 AGC 交互 .............................................................................. 71 图 3-3：CAISO RTM 调度初始化 ...................................................................................... 72 图 3-4：CAISO 调度对称斜坡 ...................................................................................... 73 图 3-5：CAISO HASP 时间线说明 ...................................................................................... 75 图 3-6：STUC 时间线说明 ................................................................................................ 76 图 3-7：RTM 时间范围布局 ............................................................................................. 81 图 3-8：CRR 买入报价 ............................................................................................................. 88 图 3-9：等效一段报价 ............................................................................................................. 88 图 3-10：每月 RA 时间线 ................................................................................................ 91 图 3-11：BESS 能源竞标 ...................................................................................................... 103 图 5-1：PJM 概览 .............................................................................................................. 138 图 5-2：能源市场和可靠性评估的时间线 ...................................................................... 143 图 5-3：连续 ESR 模式 ...................................................................................................... 146 图 5-4：充电模式 ............................................................................................................. 146 图 5-5：放电模式 ............................................................................................................. 147 图 5-6：市场运营软件平台时间线 ............................................................................. 150 图 5-7：日前和实时备用服务 ................................................................................ 155 图 5-8：备用服务和相应产品 ................................................................................ 155 图 5-9：备用的产品和位置可替代性 ................................................................................ 161 图 5-10：市场调度满足的要求 .................................................................................. 166 图5-11：能源市场日报 ................................................................................................ 167 图 5-12：PJM ARR/FTR 关系 ........................................................................................ 170 图 5-13：ARR 候选人 ................................................................................................ 171 图 5-14：年度 ARR/FTR 市场时间表 ............................................................................. 172 图 5-15：可变资源需求曲线的说明性示例 ...................................................................................................................... 186 图 6-1：按时间范围划分的产品 ...................................................................................................... 190 图 6-2：能源市场时间表、机组承诺和调度 ...................................................................................... 198 图 6-3：RAA 承诺流程 ...................................................................................................................... 209 图 7-1：容量提供商向负荷服务实体或 ISO 支付的可靠性期权 ............................................................................................................. 257 图 7-2：实时与日前市场价差 ............................................................................................................. 265 图 7-3：虚拟交易量和加权价差 ............................................................................................................. 269 图 7-4：在 CvaR 约束投资组合优化下，收敛竞价前后 CAISO 中 DAM 和 RTM 价格之间套利的累计盈利能力 ................................................................................................................................ 269 图 7-5：三部分小时报价格式........................................................................... 273 图 7-6：可再生能源面临四大挑战 .............................................................................. 276 图 8-1：智利市场的能源结构 .............................................................................. 280
优化两国可再生能源竞价曲线...
a 美国伊利诺伊州莱蒙特阿贡国家实验室 b 美国马萨诸塞州剑桥麻省理工学院信息与决策系统实验室 c 美国密歇根州安娜堡密歇根大学电气工程与计算机科学系 d 美国宾夕法尼亚州伯利恒利哈伊大学经济学系和工业与系统工程系 e 美国马萨诸塞州剑桥麻省理工学院信息与决策系统实验室
百兆规模电池储能的竞价策略...
大型电池存储解决方案作为促进可再生能源 (RE) 渗透的选项之一，已受到广泛关注。电池存储的盈利能力受运营商采用的竞标策略影响，并且高度依赖于其余能源系统的运行。然而，文献中尚未研究电池与能源系统之间的协调。本文对 100% 可再生智能能源系统中大型锂离子电池的竞标策略进行了整体的每小时技术经济分析。作为案例研究，2050 年丹麦能源系统用于展示大型电池系统与其余能源系统之间的关系。结果表明，大型电池存储在遵循智能能源系统概念的未来能源系统中的作用有限。同样，电池解决方案仅在丹麦智能能源系统中具有经济可行性，前提是电池存储容量低（持续时间为几个小时），利润率低（约 100%）且运营规划预测期短（约 12 小时）。本研究的结果为100%可再生能源系统中电池竞标和运营提供了一般策略。
不同竞价策略对电厂运营的影响
电对电系统的运行需要采取措施控制从现货市场购买电力的成本和可持续性。本研究调查了日前市场的不同竞价策略，特别关注瑞典。通过使用人工神经网络预测电价，开发了一种价格独立订单 (PIO) 策略。为了进行比较，使用了具有固定竞价的价格相关订单 (PDO)。竞价策略用于模拟不同年份和技术情景下碱性和质子交换膜电解槽的 H 2 生产。结果表明，使用 PIO 来控制 H 2 生产有助于避免在高峰负荷期间购买昂贵且碳密集的电力，但与 PDO 相比，它也减少了总运行小时数。因此，在两种竞价策略的最佳条件下，PDO 平均可使 H 2 的平准化成本降低 10.9%，并且现金流和净现值比 PIO 更具吸引力。尽管如此，在 2018 年等每小时价格行为出乎意料的年份，PIO 被证明是一种控制成本的有效策略。此外，PIO 可以在实际案例研究中成功证明，以满足工业专属客户的按需需求。© 2020 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。
智能电网 PDA 竞价：理论、分析与策略
定期双向拍卖 (PDA) 在现实世界中通常用于交易，例如在股票市场中用于确定股票开盘价，在能源市场中用于交易能源以平衡智能电网的净需求，此过程中涉及数万亿美元。参与此类 PDA 的竞标者必须为当前拍卖和未来拍卖的出价做好计划，这凸显了良好竞标策略的必要性。在本文中，我们对具有一定清算价格和支付规则的单单位单次双向拍卖 (我们称之为 ACPR) 进行了均衡分析，我们发现随着参与代理数量的增加，该分析变得难以进行。我们进一步得出在具有 ACPR 的单次双向拍卖中具有完整信息的竞标者的最佳响应。利用为单次双向拍卖开发的理论并以 PowerTAC 批发市场 PDA 为试验平台，我们继续将 PowerTAC 的 PDA 建模为 MDP。我们提出了一种新颖的竞标策略，即 MDPLCPBS。我们通过实证研究证明，MDPLCPBS 遵循我们之前分析的双重拍卖均衡策略。此外，我们将我们的策略与 PowerTAC 批发市场 PDA 的基准和最新竞标策略进行对比，结果显示 MDPLCPBS 的表现始终优于其中大多数策略。
竞价和调度模型对大型电力系统中储能利用的影响
摘要 — 能源存储是实现低排放电力系统的关键推动因素，但需要适当的调度模型才能与大容量电力系统中的其他发电资源进行经济协调。本文分析了不同的调度模型和竞价策略如何影响非管制电力系统中不同持续时间的存储利用率。我们使用动态规划模型根据价格预测计算存储的运营机会值，并使用机会值结果作为设计市场竞价的基础。我们比较了单周期经济调度中的两种市场竞价和调度模型：一种没有充电状态 (SoC) 约束，一种有 SoC 约束。我们使用来自纽约独立系统运营商的历史实时价格数据测试了两种存储调度模型，结合了不同的价格预测和存储持续时间。我们将利用率与完美价格预测案例的结果进行比较。我们的结果表明，虽然价格预测准确性对于容量少于四小时的短时存储至关重要，但持续时间超过十二小时的存储即使使用简单的日前价格预测也可以轻松实现高于 80% 的利用率。在单周期实时调度中，将存储投标建模为依赖于 SoC，将在所有持续时间情况和投标策略中提供约 5% 的存储利用率改进，而更高的可再生能源份额可能会提高存储利用率，因为负价格的发生率更高。索引术语 — 储能、动态规划、电力系统经济学
实时电力市场中的最佳提前一小时竞价...
摘要。随着风能和太阳能使用量的增加，人们越来越关注使用电网级存储来平滑可能出现的供应变化。能源套利，即购买、储存和出售电力以利用电力现货价格变化的过程，正在成为支付电网级存储昂贵投资的重要方式。独立系统运营商（如纽约独立系统运营商 (NYISO)）要求电池存储运营商在一小时前市场中投标（尽管结算可能以最小 5 分钟的增量进行，这被认为是接近“实时”的）。运营商必须在不知道小时开始时电池中的能量水平的情况下进行这些投标，同时考虑小时结束时剩余能量的价值。该问题被表述为动态程序。我们描述并使用了一种收敛近似动态规划 (ADP) 算法，该算法利用价值函数的单调性来寻找创收竞标策略；使用最佳基准，我们通过经验展示了该算法的计算优势。此外，我们提出了一种与分布无关的 ADP 算法变体，该算法不需要了解价格过程的分布（并且不对特定的实时价格模型做出任何假设）。我们证明，使用这种与分布无关的方法，根据来自 NYISO 的历史实时价格数据训练的策略确实是有效的。