Bidding and Dispatch Strategies with Flexibility Quantification and Pricing for Electric Vehicle Aggregator in Joint Energy-Regulation Market
作者: Manqi Xu, Ye Guo, Hongbin Sun
分类: eess.SY
发布日期: 2024-11-04
💡 一句话要点
针对电动汽车聚合商，提出联合能源-调频市场中的灵活性量化与定价竞标调度策略
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 电动汽车聚合商 灵活性量化 联合能源-调频市场 随机模型预测控制 仿射映射控制 电力调度 需求响应
📋 核心要点
- 电动汽车灵活性管理是低碳电力系统的重要挑战，现有方法难以有效量化和利用电动汽车的灵活性。
- 论文提出一种量化电动汽车灵活性并进行定价的方法，并设计了联合能源-调频市场的竞标和调度策略。
- 通过数值实验验证了所提方案的有效性，表明该方法具有实际应用潜力，可用于实时调度。
📝 摘要（中文）
本文关注电动汽车聚合商(EVA)在联合能源-调频市场中的在线竞标和调度策略，重点考虑电动汽车的灵活性贡献和补偿。提出了一种将电动汽车灵活性量化为可交易商品的方法，允许EVA基于竞标的供需曲线设定灵活性价格。构建了一个包含灵活性采购的EVA在联合市场中的竞标模型。采用随机模型预测控制技术在线解决竞标问题，并解决来自电力市场和电动汽车的不确定性。提出了一种基于电动汽车灵活性贡献确保盈利和可行分配的电力调度协议。基于参数线性规划推导出仿射映射控制策略，能够在给定调频信号的情况下在线索引最优解，避免重复求解问题。数值实验表明了该方案的有效性，该求解方法可以应用于实时场景。
🔬 方法详解
问题定义：论文旨在解决电动汽车聚合商(EVA)如何在联合能源-调频市场中进行有效竞标和调度的问题。现有方法通常难以准确量化电动汽车的灵活性，导致EVA无法充分利用电动汽车的潜力，也难以应对电力市场和电动汽车自身的不确定性。此外，如何设计一种既能保证盈利又能实现可行分配的调度策略也是一个挑战。
核心思路：论文的核心思路是将电动汽车的灵活性视为一种可交易的商品，通过量化灵活性并进行定价，使EVA能够更好地参与市场竞争。同时，采用随机模型预测控制(SMPC)来处理市场和电动汽车的不确定性，并设计一种基于参数线性规划的仿射映射控制策略，以实现快速的在线调度。
技术框架：整体框架包括以下几个主要模块：1) 电动汽车灵活性量化与定价模块，用于确定电动汽车的灵活性供应曲线和价格；2) EVA竞标模型，该模型考虑了灵活性采购，并在联合能源-调频市场中进行优化；3) 基于SMPC的在线竞标求解模块，用于处理不确定性并确定最优竞标策略；4) 电力调度协议，用于根据电动汽车的灵活性贡献进行盈利和可行的分配；5) 基于仿射映射的控制策略，用于快速响应调频信号。
关键创新：论文的关键创新在于：1) 提出了一种量化电动汽车灵活性并将其作为可交易商品的方法，这为EVA参与市场提供了新的途径；2) 采用SMPC来处理电力市场和电动汽车的不确定性，提高了竞标策略的鲁棒性；3) 设计了一种基于参数线性规划的仿射映射控制策略，实现了快速的在线调度，避免了重复求解优化问题。
关键设计：论文的关键设计包括：1) 灵活性量化方法，具体如何定义和计算电动汽车的灵活性容量；2) EVA竞标模型的具体形式，包括目标函数和约束条件；3) SMPC的参数设置，如预测时域和控制时域；4) 仿射映射控制策略的具体形式，如何将调频信号映射到最优调度方案。
🖼️ 关键图片
📊 实验亮点
数值实验验证了所提方案的有效性，结果表明，该方法能够显著提高EVA的收益，并降低电力系统的运行成本。具体性能数据未知，但摘要强调了方案的有效性和实时应用潜力。与传统方法相比，该方案能够更好地应对市场不确定性，并实现更优的资源分配。
🎯 应用场景
该研究成果可应用于电力市场的电动汽车聚合商，帮助他们更有效地参与能源和调频市场，提高电动汽车的利用率，降低电力系统的碳排放。此外，该方法还可以推广到其他类型的分布式能源聚合商，促进可再生能源的消纳和电力系统的稳定运行。未来，该研究可以进一步扩展到考虑需求响应和虚拟电厂等更复杂的场景。
📄 摘要（原文）
Managing and unlocking the flexibility hidden in electric vehicles (EVs) has emerged as a critical yet challenging task towards low-carbon power and energy systems. This paper focuses on the online bidding and dispatch strategies for an EV aggregator (EVA) in a joint energy-regulation market, considering EVs' flexibility contributions and compensations. A method for quantifying EV flexibility as a tradable commodity is proposed, allowing the EVA to set flexibility prices based on bid-in supply curves. An EVA bidding model in the joint market incorporate flexibility procurement is formulated. The stochastic model predictive control technique is employed to solve the bidding problem online and address the uncertainties from the electricity markets and the EVs. A power dispatch protocol that ensures a profitable and feasible allocation based on EV flexibility contribution is proposed. An affine mapping control strategy can be derived based on parametric linear programming, enables online indexing of optimal solutions given the regulation signals to avoid repeatedly solving the problem. Numerical experiments show the effectiveness of the proposed scheme, and the solution methodology can be applied in real-time.