实施灵活需求：实时价格vs.市场整合

2022-6-1 07:51:09

实施灵活的需求：实时价格vs.市场整合Florian K¨uhnlenza，*, Pedro H.J.Nardelib、Santtu Karhinenc、Rauli SventocaCentre for Wireless Communications（CWC）、Oulu大学、芬兰达控制工程和数字系统实验室、拉彭兰塔理工大学能源系统学院、Oulu大学芬兰达商学院、，FinlandAbstracts本文提出了一个基于agent的模型，该模型结合了现货和平衡电力市场。根据该模型，我们开发了一个多智能体仿真，以研究消费者灵活性与系统的集成。我们的研究确定了实时价格可能导致更高电力成本的条件，这反过来又与通常认为这种定价方案会降低成本的说法相矛盾。我们表明，这种不良行为实际上是系统性的。由于批发市场的现有结构，价格形成中使用的预测需求永远无法实现，因为灵活用户将根据此类既定价格改变其需求。由于需求永远无法正确预测，通过平衡市场的交易量会增加，导致总体成本上升。在这种情况下，该系统可以维持少数灵活的用户，甚至可以从中受益，但如果不增加总成本，该解决方案永远无法升级。为了避免这个问题，我们实现了所谓的“独占组”。我们的研究结果说明了重新思考当前实践的重要性，以便在考虑有无临时可再生能源的情况下，成功整合灵活性。*相应的authorEmail地址：Florian。Kuhnlenz@oulu.fi（Florian K¨uhnlenz）提交给Energy的预印本2018年2月13日关键词：实时定价、日前市场、平衡市场、市场设计、需求响应、智能电网1。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-1 07:51:12

在我们的自由市场经济中，货币激励通常被视为改变人类行为的一种方式。从我们日常生活中的成本效益决策到各国的经济政策，这种假设很普遍。因此，假设电力最终用户面临不同的价格将不可避免地导致电力系统效率最大化的行为，这似乎很自然。关于这一想法的最早提及可以在[1]和[2]中找到。这两篇文章都讨论了高峰负荷问题和定价方案，这些问题阻碍了客户在如此高需求时期使用电力。提议的双塔里夫系统已在之后实施，目前仍在使用中。例如，在英国，所谓的“经济7”塔里夫（Economy 7 tari ffs）在夜间7小时内制定了电价。在那里，这种焦油通常与储热器结合使用，以储存夜间的廉价电力，白天为房屋供暖。近年来，这种想法得到了进一步发展：某些地方的客户可以选择所谓的实时价格。顾名思义，该价格应反映“实时”发电的成本，因此允许客户在用电期间分配其灵活的需求（如洗衣机、洗碗机或电动汽车充电）。然后，这将使系统的需求保持一致，例如降低峰值负荷以避免电力线路过载，同时也有利于消费者节约资金，当然前提是价格正确反映了生产或输电中的任何瓶颈[1]。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-1 07:51:16

实时电价的概念也是不断发展的电网智能电网的许多概念的核心，在智能电网中，权力下放和互联生产推动了对新协调机制的需求[5]。然而，与1951年[1]的发现相比，这一发展似乎很奇怪：“我们不会继续考虑三次或更多的连续收费，因为引入进一步的费率会产生快速递减的回报，而消费者成本会相应增加。”然而，从目前的技术角度以及自由化的电力系统来看，这一论点似乎不合适：不仅市场以至少每小时一次的分辨率生成公开价格信息，而且还存在以相同的时间分辨率通知和向客户收费的技术手段。因此，让客户了解这些逐小时价格的想法似乎很简单。然而，随着可再生能源的引入，电力系统正在两个根本方面发生变化。电力不再仅由集中式发电站生产，而是越来越多地以分布式方式收集，因为像太阳和风这样的间歇性电源越来越多【6，7】。因此，电力系统需要协调快速增长的参与者数量，而可再生能源的不稳定性质需要适当适应系统性变化。这一事实意味着，假设产生恒定优序曲线的产品的模型现在无法应用。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-1 07:51:19

例如，[8]所做的工作实际上为其开发的时间和地点提供了一个良好的模型，但其基本形式不符合可再生能源数量不断增加的自由化市场中现代电网的真实性（例如，在[9、10]中提出了扩建）。众所周知，北欧电力系统的价格受到水电的影响，如[11]所示基于11年的历史数据。瑞典、挪威和芬兰的水电站就像传统的发电厂一样，因此可以根据电力需求安排生产。近年来，由于大量的风能和太阳能被添加到系统中，德国的电力价格出现了负增长。这些价格的出现是因为风能和太阳能不能以传统方式进行调度；只能限制功率输出。然后，挑战就变成了在可再生能源可用时使用或储存可再生能源。这将从环境和经济角度带来许多积极影响：低价格电力（几乎零边际成本来源）和低二氧化碳排放水平。然而，不应低估这种架构变化。在以传统生产为主的系统中，应避免用电量高峰，以减少对电网容量的投资和对生产成本高的峰值电厂的使用。相反，在由可变可再生能源主导的系统中，峰值消耗可能是最佳利用可用电力的方式（如在强风及其各自的电力输出的情况下）。乍一看，这是一个很好的论据，有利于让消费者接受电力市场的可变价格：他们应该正确反映可再生能源的可用性或高峰时期昂贵电厂的使用情况。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-1 07:51:22

实时价格将为消费者分配其灵活的使用或存储能力提供适当的激励，为消费者和电网创造双赢局面。尽管如此，这种推理方式还是令人震惊，因为它将日前价格误解为已实现需求的反映，而不是预测需求。以实时（即现货）价格为导向的灵活消费者实现其消费的方式与预测的实际价格不同。因此，预测可能无法实现，平衡变得更加必要，这可能会导致更高的价格，因为在平衡市场时，电力更昂贵。这项工作表明，当灵活的消费者比例增长时，当前（不正确的）实时定价方法（特别是针对零售客户的）无法维持，而激励措施与许多欧盟国家推行的模式不一致。作为这一系统性故障的有效解决方案，我们表明，灵活性（大规模）可以通过日常文件投标而不是独立的小时投标成功地纳入系统。这种解决方案实际上是可行的，并且已经在自由化市场中实施，如所谓的“智能区块”（用于EPEX SPOT【14】）或“独家集团”（用于Nord Pool【15、16】）。他们的工作方式是通知适销对路的不同可能的需求，这可以通过可用的灵活性实现。通过涵盖这些问题，目前的工作有助于更好地理解如何将灵活性整合到市场中，考虑到有无间歇可再生能源的情况。此外，这项工作还引入了一个可重用的开源模型，该模型提供了建模生产（可再生和传统）和逐分钟加载的独特功能。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

2022-6-1 07:51:25

它还可以通过对日前市场和平衡市场进行建模来对电力系统进行整体分析，从而始终尊重发电和消费匹配的物理约束。本文的其余部分划分如下。在第2节中，我们描述了提出的基于代理的模型，该模型结合了现货市场和平衡市场，用于进行本研究。第3节介绍了支持我们主张的数字结果，而第4节讨论了这项工作的含义和局限性。第5节总结了本文。2、模型在电网中，由于物理限制，需要平衡供需【17】。为了确保在一个自由化的市场中实现这一匹配，电力交易分几个阶段进行，时间分辨率不断提高。交易分为以下几个阶段：日前市场、日内市场和平衡市场。需要纠正当天aheadmarket中无法解释的所有差异。这可能发生在日内市场，但必须在平衡市场实时纠正实际实现的失衡（分钟刻度，而不是现货市场的小时刻度）。这种市场体系的结构随着时间的推移而不断发展，不仅反映了自由高效的市场竞争理念（如[18]），而且反映了电力系统的工程需求。不同的时间分辨率和交付周期允许对灵活性较低的发电厂类型进行适当的长期生产规划，而接近实时市场的情况下，会根据实际情况进行最终调整。我们的分析基于一个基于代理的模型，该模型在[19]中首次介绍，并将通过以下几个特性进行扩展。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-1 07:51:28

它包括生产者、公用事业公司和消费者，同时围绕他们之间的三个互动阶段展开。这些相互作用确实是我们选择基于代理的模型而不是更传统的分析模型进行分析的原因。基于代理的模型[20]以前曾被用于分析电力系统，如[21、22、23、24、25]中所述，还提供了对市场行为的更深入理解[26、27、28、29]。我们认为我们的模型与该主题之前的研究一致，但存在一些明显的差异。首先，我们的目标是将电力系统的物理现实纳入市场模拟中，使用分钟的时间尺度而不是基于小时的时间尺度，允许纳入平衡市场，涵盖所有与前一天计划的偏差。我们认为，可再生能源（如[30，31]）和消费者行为（如[32]）的这一重要影响在亚小时的时间尺度上发挥作用，甚至可以降低到秒或亚秒的水平。虽然亚分钟级的波动主要由初级调节（因此由自动系统和动力系统中的物理效应）所覆盖，在市场模拟中可以忽略它们（尽管一些主要监管机制，如自动和手动频率恢复储备，可以作为一个市场发挥作用，在这个市场中，传输系统运营商从供应商那里收集资金，只使用最便宜的资金）。我们决定只处理从平衡市场的一分钟反应时间开始向上运行的机制。从目前工作的角度来看，这仍然保持了系统需要平衡的物理现实，同时也反映了这些能力的基于市场的采购和调度。其次，我们认为我们的模型不是预测实际价格的工具，而是理解系统效应和关系的工具。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-1 07:51:31

基于代理的建模方法适用于这一前提，因为它不仅允许捕获给定系统中所有参与者之间的交互，而且还允许这些交互产生非最优和不稳定的结果。也没有必要假设价格或装机容量符合长期均衡，但它们的形状将反映任何给定代理的当地现实。在当前形式下，该模型不包括日内市场阶段和金融市场。虽然随着可再生能源的普及率提高，日内市场变得更加重要[33]，但没有必要了解级联市场系统内的一般（定性）模式。应在当前模型的进一步扩展中引入这一方面。金融市场在不同的体系中扮演着不同的角色。在NordPool地区，它们只能用作价格对冲工具，但不能用于安排实物流量。因此，它们可能会影响市场参与者的竞价行为，但对不同市场之间的互动影响较小。最后，我们建模的目标也是尽可能接近Nord Pool市场（以及所有其他欧洲电力市场）的实际实施。我们的方法在某种意义上试图填补[34]中指出的重要问题：“由于关注点狭窄，不同层面之间的相互作用，例如与集中批发电力市场之间的相互作用，有时会被忽视。因此，对智能电网结构的影响进行一致和全面的评估仍然是困难的。同样，与当前市场设计和实施步骤的具体联系缺失，这也是为什么一些研究论文仍然相当复杂的原因主位。当地接受的问题没有得到明确解决。”2.1. InteractionOur模型基于图1所示的三个交互阶段。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-1 07:51:34

首先，公用事业公司对其用户的消费量进行预测，然后作为投标提交给市场。预测基于历史平均值和指数权重因子，因此最近的历史对预测更为重要。日前市场将这些预测的出价与生产商的出价相匹配，为下一天制定了每小时的生产计划。此过程为每小时创建一个价格（现货价格），作为mosthttp://www.nordpoolspot.com/the-power-market/Financial-market/ProducersMarketUtilities用于预测容量的UsersOffersScheduleScheduleForecastDemandForecastCapacityBidPriceHist。DataProducersMarketUtilities用户用于实际用途一般生产计划计算服务ProducersMarketUtilities用户计算成本/收入计算成本/收入计算成本平衡成本平衡成本固定成本图1：建模市场系统的三个交互阶段。左上角：需求预测与生产预测相匹配的前一天市场周期。右上角：调整所有偏差的平衡市场期。底部：货币结算期。需要在任何给定时间内运行的昂贵电厂【35】。由于所有生产者都以其边际生产成本出价，因此该价格也反映了生产价格。接下来，在模型中每十五（15）分钟计算一次已实现和预测的产量和消费量之间的所有不匹配。如果Mismatch超过某个值，则将由平衡市场上的生产商提供相应的补偿。考虑到一定的内部限制，每个发电商都可以向平衡市场提供电力，以反映不同类型发电厂的行为。所有生产商都有一个最低运行要求，以确定即使他们没有在当天的市场上被派遣，他们是否能够平衡能源。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-1 07:51:37

它们还有一个调节因子，决定了它们可以单独改变多少输出，以便与前一天分配的值进行平衡。此外，每个生产商都会在平衡市场中以额外因素支付其边际成本。生产商也可以在同一时期提交多份报价，例如，以较低的价格提供一定数量的MWh，以较高的价格提供额外的金额。在最后阶段，所有结算均以货币方式进行核算。这意味着所有根据市场进行的交易都会得到执行，因此生产商的生产费用会得到支付，而公用事业公司的消费费用会得到支付。如果任何一方偏离其提前一天的计划，则必须相应地支付平衡价格。为此，北欧模式包括生产者的两个价格体系和消费者的一个价格体系[36]。假设所有用户都处于区域时间定价制度下，因此费率根据日前价格（这是北欧地区的常见做法）。用户根据每天的个人消费量收费。如果偏离商定的时间表，电力公司将作为市场参与者支付平衡费用。然而，这些费用随后将作为固定成本从用户处收取，由给定公用事业的所有用户平均分摊。2.2. 灵活性与我们之前的工作【19】不同，本文认为用户有能力改变他们的用电量。可以利用这种灵活性将功耗从高价格时代转移到低价格时代，以最大限度地降低消费者成本。作为一种简化，使用模式被建模为正弦曲线，因此优化代理需要设置各自正弦曲线的相位，以模拟使用模式的变化，如图2所示。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-1 07:51:40

这并没有改变使用的形状，而是模拟了峰值功率在一天中不同时间的转移。这也与回弹效应[37]相一致，后者认为一天中一部分时间的负荷减少通常是在消耗量增加之后或之前进行的，以补偿减少的消耗量。虽然考虑到高度复杂的负荷模型及其灵活性，简单正弦负荷曲线的假设似乎过于简单[38、39、40]，但我们的目标是呈现一种被忽视的系统效应，而不存在任何不必要的并发症。换句话说，我们的目标是构建一个“尽可能简单但不简单”的模型该模型将作为进一步研究的基础，这些研究涉及更现实的模型。尽管如此，为了测试拟议方案的一致性，我们在附录A中提供了更复杂的负荷曲线建模方法的初步结果，这表明了与我们主要结果类似的行为。为了找到最佳换班时间，每个消费者在宣布日前市场价格后的每个模拟日开始时，计算其自身使用量与日前市场每小时价格的相关性。最小值在生成的相关向量中的位置标记了最佳换档时间，因为在低价时段的使用量最大，而在高价时段的使用量最小。我们还假设flexibleload是完全自动化的。由于可再生能源电力可用性的短期变化，只有自动反应才能提供所需的反应时间。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

kedemingshi

2022-6-1 07:51:43

我们将在本文的讨论部分进一步分析这一假设。0 4 8 12 16 20 23H565758596061626364价格（）用法（按比例）价格优化用户正常用户图2：在TRP制度下优化、灵活用户和普通用户的负载曲线示例。优化用户通过调整正弦曲线的相位来转移负荷，使其与价格曲线的相关性最小。注意：使用是按比例的，而不是以零为基础的。2.3. 独占组在下一节中讨论，以用户为中心、基于价格的优化可能会导致不希望的（通常是意外的）结果。正如weshall所证明的，这些结果可以通过使用所谓的“独占组”（EXG）[41]（或“智能块”）来缓解。EXG是一种可能的方式（与灵活订单或链接大宗订单【41】一起，此处未实施），通过不同的每小时报价人/投标小组将灵活投标直接引入日前市场。然后，市场匹配算法恰好选择其中一个，然后代理必须遵循。图3显示了EXG投标（由多个文件组成）的示例。通过这种方式，市场可以直接看到灵活性，市场应选择一系列优化社会福利的文件。实施计算的详细信息可在模型[42]中找到，并在附录B中作为伪代码。值得强调的是，这种类型的效果不是作者的想法，而是几个欧洲日前市场上已经提供的产品，但在研究中几乎被忽视。。公开文件显示了其意图，也表明了其使用的增长。还要注意的是，该解决方案的前提是，公共设施可以充分利用灵活性。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-1 07:51:46

换言之，公用事业公司应控制柔性负荷，以实现所有提议的34Profile 134Profile 434 Profile 734 Profile 1034GW Profile 1334 Profile 1634 Profile 1634 Profile 1912 161718192021223242424Hour34 Profile 22图3：单个公用事业公司的不同文件。市场算法必须选择能够提供全局最优结果的利润。曲线。公用事业公司可以通过直接负载控制、内部定价策略或某种色彩方案来实现这一点。尽管这对于该解决方案的实际实施和扩大规模至关重要，但我们在此假设，公用事业公司可以提供投标曲线，其用户按照市场产出收费。2.4. 模型设置如前所述，我们并不打算预测价格，而是在整合电力市场灵活性时，有助于理解系统效应。为此，我们应将提议的模型设置为以合理的方式进行定性分析，同时不一定提供定量的实际结果。因此，虽然我们的目标不是精确的价格预测，但我们确实需要用合适的数据校准拟议的多智能体模拟。该设置的核心是价值顺序曲线，该曲线定义了日前市场的价格，并在一定程度上定义了平衡市场的价格。使用5000 10000MW010020003004005000 5000 10000MW020406080100Feb。2015年6月。2015年模型图4：左：用于日前市场的优序曲线。右图：与芬兰day aheadmarket Nord Pool的2015年数据相比，dayahead绩效排序曲线的一部分，包括通过数据得出的结果。图4显示了优序曲线以及与从NordPool获得的真实数据的比较。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-1 07:51:49

与Nord Pool prices的比较不仅表明优序曲线的一般形状是有效的，而且还讨论了另一个有趣的影响。从6月份的数据可以看出，尽管平均消费和价格要低得多，但夏季的高峰时段价格可能与冬季一样高。造成这种影响的原因可能有几个：o在用电高峰时段运行的发电厂在夏季和冬季相同，o北欧系统的水力发电在夏季使用较少，o热电联产在夏季使用较少，o生产商可能会调整其预测用电高峰的价格。无论如何，即使总消费量下降，高峰消费时段的价格也可能很高。对于平衡部分，我们还将高价发电商纳入了优序曲线的顶端（图4中未包括）。这有两个目的。首先，它们纳入了TSO采购的储备，这些储备通常仅在市场平衡能力耗尽时使用。其次，当需要大量的平衡电力时，系统会遇到一种阻碍。然后，这种电力的价格（非常）高，就像在现实世界中一样【44】（高达Nord Pool 3000欧元/兆瓦时的价格上限）。在缺乏可用的上平衡能量的情况下，建立模型以阻止模拟出现错误，而在现实世界中，这通常会导致更极端的措施，如甩负荷甚至停电。然而，这种停电在现实世界中几乎从未发生过。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-1 07:51:52

因此，我们在平衡优序曲线的顶部增加了一个大型（1 GW）且昂贵（3000EUR/MWh）的发电厂，以表示上述问题情况（因此我们的模拟永远不会达到停电或断电，但这种“极端情况”将被非常昂贵的电力捕获）。在用户方面，我们将系统设置为具有约14%的峰-峰差异，这是根据2015年断奶分析数据集中芬兰电力系统每日负荷循环中最大到最小差异设置的。最大耗电量为12.6 GW。结果我们结果的中心部分可以在图中看到。5-9，表明在系统中灵活用户的一定比例以上，实时价格（现货价格）引导的灵活大幅增加了总电力成本。换言之，价格被动型用户预期带来的节约并未实现。然而，如果我们将灵活性与独家集团整合到市场中，那么无论灵活用户的比例如何，都可以维持储蓄。这种影响主要源于平衡市场（balancingmarket）对物质现实的考虑。这可以在图5中看到，特别是在中心图中，使用相关成本（即基于现货价格的消费者个人关税）增加了0%50%100%50510152530成本（/兆瓦时），结合了0%50%100%灵活峰值负荷，使用相关系统综合了0%50%100%系统。图5：平均兆瓦时的价格变化以及系统中灵活峰值负荷份额的增加。左边的第一个图显示了基于日前价格和共享平衡成本的使用成本产生的每兆瓦时综合成本。中央图仅显示了使用成本的发展，这纯粹是由于塔里费，而塔里费又基于日前价格。右图显示了平衡需求和预测者所产生的共享成本。保持低位。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-1 07:51:55

然而，平衡产生的系统成本在灵活用户达到一定比例后会快速上升，如图右部分所示。这种行为可以解释如下。flexible用户试图避免日前市场的现货价格过高，因为他们在采用实时定价政策时，会直接按照自己的价格计费。在超出一定比例后，当价格较高时，灵活用户的使用模式会受到影响。这就导致了一种特殊的情况，即用户永远不会做他们所预测的事情；由于灵活优化消费者，公用事业公司的需求预测从未实现。如果公用事业公司希望用户在一天中的某个时间内达到消费高峰，那么他们的出价将在该时间内提高价格。如此高的价格将导致用户避免这些时间。这反过来意味着在高价时段需要向下平衡，而在其他低价时段需要向上平衡。正是这种平衡将推高系统成本。图6显示了模拟的更详细视图，其中显示了506070890100price（）baseInt。80%RTP 80%11.011.512.012.5需求（GW）0 24 48 72 96 120小时020040060平衡（MW）图6：无柔性基本情况与两种高柔性负载基本情况之间的直接比较，每种情况下各一种。平衡图显示所需的加减速平衡功率。价格图和需求图均未以零基准轴显示。请注意，在RTP制度下，价格和峰值功耗是如何在不同的时间发生的，并且功耗非常不稳定。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-1 07:51:58

当前的实现没有考虑超过一天的连续性，因此可能会出现两天之间的跳跃，而不会产生任何影响。5060708090100price（）基准RTP 30%RTP 50%11.011.512.012.5需求（GW）0 24 48 72 96 120小时0200400600平衡（MW）图7：在RTP制度下，无弹性的基准情况与30%和50%弹性的两种情况之间的直接比较。5060708090100price（）baseInt。30%Int.50%11.011.512.012.5需求（GW）0 24 48 72 96 120小时020040060平衡（MW）图8：在综合制度下，无柔性的基本情况与柔性分别为30%和50%的atwo情况之间的直接比较。integratedand RTP制度下五天模拟的价格、需求和平衡能力。它说明了在theRTP制度中，价格和需求是如何错位的，导致了对平衡力量的高度需求。可以根据图6进行另一个有趣的观察：尽管可以创建一条流量-负荷曲线，消除所有峰值，但这不是市场算法选择的解决方案。这是由于优点顺序曲线中的非线性影响。在一定消耗水平以上，成本较高的电厂需要运行。因此，一旦打开它们，充分利用它们可能会更便宜，但在一天剩下的时间里保持它们的效用。这种情况可能会随着可用的发电厂而改变。无花果。考虑到30%和50%灵活用户的RTP和综合制度，7和8给出了与图6类似的结果；这些情节证实了我们先前的论点。同样值得一提的是，虽然可以论证RTP引起的变化可以在需求预测中预测，但这并没有改变之前描述的动态。假设价格差异会导致需求转移。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-1 07:52:01

一旦需求的这种变化足以推动价格的日前变化，用户每天都会看到基于他们过去行为的不同“实时”价格曲线，甚至包括他们预期的变化。由于实际消费发生在每日现货价格形成后一天，因此无法实现产生该价格的预测，因为现货（前一天）价格是当天消费者消费模式的最终指南，而当天的价格是在前一天形成的。总而言之，该系统使用自参考预测，这意味着预测无法实现。这种通过实时（现货）价格实现灵活性的不幸（理想主义）部署，并没有创造一个自我填充的预言，反而创造了它的反面：一个永不填充的预言。但是，通过了解产生这一结果的系统机制，将EXGs用作大规模集成灵活性的工具而不产生额外成本的理由变得简单明了：只要灵活需求的时间表是在日前市场中设定的，就不需要过度平衡力量，以使系统成本保持较低。直觉上，人们可能会认为，从个人角度来看，0%50%100%灵活峰值负荷0.00.20.40.6成本优势（/MWh）RTPIntegrated图9：两种制度下两个用户组（灵活用户与非灵活用户）之间的比较（RTP：实心橙色，通过EXGs集成：虚线绿色）。实线显示RTP制度下灵活用户的相对成本优势，而点线显示综合制度下灵活用户的优势。注：这是给定制度内的相对比较，图5中比较了总体成本。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-1 07:52:04

尽管实时价格（RTP）制度下的系统成本急剧上升，灵活用户支付的费用始终低于非灵活用户。用户，一旦实时定价制度下的系统达到成本再次开始上升的程度，变得灵活是没有好处的。换言之，人们可能会期望系统将自动保持接近此最佳点。如图9所示，情况并非如此。该图展示了灵活用户（能够改变峰值的用户）相对于普通用户的成本优势：实时价格（RTP）和使用独家组（EXG）的综合制度。我们可以看到，RTP制度下灵活用户的成本优势从未低于甚至接近于零。这反过来意味着成为一个灵活的用户总是有益的，因为无论系统配置如何，这样的用户总是比普通用户支付更少的费用。假设切换没有下限，这是由成为灵活用户的投资回报给出的，这将使系统处于最糟糕的状态。这一事实类似于众所周知的公地问题悲剧。虽然在综合制度中仍然存在相同的激励，但它们会导致不同的结果：它适应了用户的动态，而不会增加总成本。无论如何，值得注意的是，在同一系统内的两种不同制度下，灵活用户和正常用户之间的直接比较无法从该图中得出。我们的分析认为，根据所考虑的设置，灵活的消费者完全是RTP或集成的，他们在模拟中不共存；i、 e.我们只考虑以下情况：（i）RTP灵活用户与正常用户，以及（ii）综合制度灵活用户与正常用户。因此，图。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-1 07:52:07

9不要对这两种状态进行任何比较（这一结论可以从图5中得出）。相反，图9说明了特殊制度下两种不同类型用户之间的内部关系。虽然大量的灵活性增加了TRP制度的总体成本，但与普通用户相比，个人消费者变得灵活仍然是有益的。在综合制度中，我们看到，即使是对于高比例的灵活用户，收益也相对较低，个人收益也在减少。在图10中，我们模拟了添加间歇可再生0%50%100%0102030成本增加（/MWh）RTPInt的效果。RTP带ren。内景w/ren。0%50%100%灵活峰值负荷RTP vs Int.basecase with renew。0%50%100%，带vs，不带renewRTPInt。图10：在每个模拟日（峰值高达2 GW）随机提供的间歇性可再生能源的影响，具有一定的预测误差。左图：RTP和有无间歇可再生能源的综合制度的灵活用户比例与成本增加的对比。中心：RTP制度相对于无可再生能源和有可再生能源的综合制度的成本增加。右图：同一制度中有无可再生能源的综合制度的成本增加。从左图中可以看出，中间的图是有和没有可再生能源的曲线之间的差距，而右图是基本情况和有可再生能源的曲线之间的差距。系统的源代码。更具体地说，我们增加了一家生产商，该生产商将在白天的随机时段提供2 GW的电力。周期的持续时间和形状也是随机的。此外，实现的输出与预测的输出不同。我们确定了此类来源存在的以下影响。在可再生能源可用期间，由于需要调度的常规电力较少，因此前一天的市场价格会下降。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

kedemingshi

2022-6-1 07:52:10

然后，需要更多的平衡能力来弥补可再生能源预测与实际产出之间的差异。对于实时定价下的系统，我们预计会产生更大的影响，即在灵活用户比例较低的情况下，drasticcost会增加，因为公用事业公司不会根据这些可再生能源的可用性进行预测。图10中的结果证实了这一观点，因为我们看到30%的灵活用户的成本增加幅度更大。在比较各个制度中有无可再生能源的系统时，我们验证了可再生能源带来的成本优势在综合制度中是持续的，而在RTP制度中则有显著差异。总的来说，增加可再生能源带来的成本降低大于灵活性带来的收益。此外，灵活性并不能为可再生能源系统带来更大的效益。4、讨论尽管可变定价方案已经实施了相当长的一段时间，但直到最近，研究人员才开始发现当它们被大量用作转移灵活负载的指南时可能出现的问题。例如，文献[46]中提出了与市场不稳定性相关的问题，而文献[47]中讨论了由于这些影响而导致的物理电网的不稳定性。在[48]中，独立代理之间的不良需求同步已通过一个简单的基于代理的模型和外部价格信号得到证明。以电动汽车为例，[49]的工作显示了一种“雪崩效应”，即所有车辆的充电时间都在低价时间同步。通过这项工作，我们希望说明同一领域中的问题，但有不同的、非常具体的工作机制，以及这个问题的现有解决方案。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-1 07:52:13

我们将电力系统视为一个整体，因此每个元素都会相互影响，遵循市场当前存在的监管结构和许多欧盟国家已经实施的客户定价模式。与其他模型一样，我们的模型也建立在许多简化基础上[50]；事实上，我们认为所提出的模型是最简单但功能最强大的版本，可以证明前面讨论的效果。然而，应检查其中一些简化，以更好地理解结果的有效性。最明显的简化可能是假设正弦荷载曲线仅在一维内可变。实际上，负荷曲线由安装在家庭或商业建筑中的许多设备组成。每个设备都有非常独特的消费模式和灵活性。因此，家庭内部的优化将在多个维度上改变负荷曲线，并可能在每一天都收敛到不同的最优值。不过，如果在负荷建模中考虑更多细节和自由度，我们预计结果不会有任何根本性变化。即使在每个消费者都能够自由决定其消费的极端情况下（例如，有足够的本地存储），系统也不太可能在RTP制度中收敛到更有利的状态。价格上的微小差异总是会刺激负荷曲线，而不是用户试图通过利用低价格小时数和避免高价格小时数而获得的曲线。另一方面，假设更详细的负荷模型将增强某些影响可能是合理的。例如，如果像家用洗碗机这样的单一灵活设备在日前价格后优化自身使用，那么它就会通过相应地分配活动来尽量降低成本。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-1 07:52:16

假设所有洗碗机的这一阶段都相当相似，那么优化过程将导致所有洗碗机在一天中的同一小时内被激活。事实上，很可能所有洗碗机都会在同一时间的同一秒开机，以便根据实时tari-off数据，在能量便宜的情况下最佳地利用时间。这将导致能源消耗急剧增加，能源平衡需求集中，可能（而且很可能）会进一步增加系统成本。【47】中描述了加热的类似效果。最后一个示例还说明了关于loadmodeling的另一个假设。我们认为，转移能源并不涉及任何成本，这与通常的假设相反。事实上，这可能会因设备而异，因为储能会带来机会成本或周期成本，而洗碗机可以在预定的时间范围内随时开机。然而，我们认为，大多数灵活的设备更像洗碗机，而不是电池，因为考虑到节省的钱很少，消费者似乎不愿意用舒适换取金钱[51，52]。即使是为电动汽车电池充电，用户也可能只担心电池在早上和下午的往返工作时间充满电。因此，与实际需求相比，优化处理的机会成本更少。同样，消费者可能愿意将加热设定值上调或下调一到两度，因为这几乎是不可察觉的，但不能容忍房子感觉有多暖和，因为节省下来的钱最多只能达到每天一位数的欧元。假设没有转移成本可能会产生重要影响。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-1 07:52:19

首先，它可能会导致更不稳定的系统行为，因为即使是很小的价格差异也有可能被利用。其次，这可能会导致系统缺乏适应因素，无法收敛到稳定的价格均衡（如果使用更为合理的分析方法）。就我们的结果而言，这两个因素都不应该受到关注，因为价格差异相当大，用户行为的改变每天只发生一次，因此，在这里，抑制一天中的用户行为波动不是问题。此外，我们相信，几乎所有消费的变化都将通过自动化实现，而不是通过人类行为或常规的变化（即高峰时间与工作日密切相关，因此人类驱动的消费模式遵循日常规律：起床、吃饭、洗澡等）。这意味着，如果消费的变化是由人类行为驱动的，那么它们对短期变化的反应将更慢、更少。如果设备自动对某个外部信号做出反应，则用户可能不会对该信号有任何区别。总而言之，如果洗碗机通过定价信息或遥控信号打开驱动器，从用户的角度来看，这是无法区分的，因为他或她不会对其中任何一个产生直接影响。另一个具有上述许多特性的网格元素是充电期间的电动汽车。由于充电在开始时间和持续时间上都是灵活的（因此峰值功耗），因此它可能会对配电网产生巨大影响【53、54、55】。正如【56】中所指出的，最有可能需要的是一种协调充电的集中解决方案，以确保所有网络参数都得到考虑，这将符合EXG集成方法。另一个问题可能与实用程序预测用户行为的能力有关。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-1 07:52:22

首先，人们可能会认为，可以通过更复杂的学习算法更好地预测用户对价格的反应。虽然这在一定程度上可能是正确的，但我们模型中的几个假设阻止了从这个角度获得任何重大收益。需要考虑的重要部分是市场、用户和公用事业之间的反馈回路。该反馈回路在任何给定的一天内都不会关闭，因为公用事业公司必须在市场关闭时间之前（即运营日开始之前）对用户行为做出预测。然而，用户可以根据运营日市场阶段的结果改变其行为。换句话说，在公用事业公司公布了他们的预测之后，用户总是可以改变他们的行为。公用事业公司改善结果的另一种方式似乎是价格相关订单。其想法如下：公用事业公司可以了解其用户的灵活性，然后向市场投标价格相关的订单，这反映出价格高，消耗的能源少，反之亦然。我们没有在建模中包括这些，因为它们对解决之前解释的情况没有显著的改善。每小时价格相关订单不能正确反映需求的变化。如果价格低，将购买更多的能源，但这并不一定意味着一天中另一部分时间的需求减少。这种机制适用于工业消费者，如果价格较低，他们可能会增加产品产量；如果价格足够高，他们可能会依赖内部发电，因为这些过程通常没有时间联锁（例如，产量可以在一个小时内增加，而无需在另一个小时内减少）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-1 07:52:25

此外，依赖价格的订单与此处所做的假设不符，需求的变化可能不是基于绝对价格，而是基于相对价格（如自动洗碗机，只寻找最便宜的时间，而不是特定的价格）。在工业、私营部门和家庭中有许多这样的过程，它们只运行一次，即使有更便宜的电力也无法再次运行。需要指出的是，这里提出的模型还表明，RTPreTime中灵活的用户可以带来好处，但只有当他们的规模有限时，才能带来好处，如图所示。5和图7。在这种情况下，公用事业公司可以正确预测灵活用户的价格依赖行为，并应实现RTP与灵活组合的所有假定利益。这一问题似乎可以通过使用比日前价格更接近实际时间的价格来解决，即日内价格或平衡价格。例如，尽管在[46]中已经证明了这种系统的不稳定性，但也有逻辑上的论点反对它。每个市场阶段都以有约束力的结算为基础。如果投标或报价被接受，则生产或消耗一定数量的电力是一种和解。在实时定价机制中，没有具有约束力的协议。这尤其有问题，因为价格是唯一可用的信息；然而，按照这个价格，只能生产有限的电力——尽管从客户角度来看，这似乎是无限的。当然，这在任何市场都是不正确的。以“股价”购买一家公司的全部股票是不可能的。股票价格要么显示为出价与出价之间的差距，要么显示为最后一次成功交易。这两者都不是你目前可以购买股票的价格。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-1 07:52:28

同样，一个人不能以一家特定超市列出的价格购买无限量的黄油：只能购买其仓库中的数量。还应注意，发送到设备的远程控制信号可以有多种形式。例如，公用事业公司可能对所有参与的设备进行了内部拍卖，或者可能有内部定价方案。【57，58】中描述了类似的情况。无论哪种方式，公用事业公司都需要对自动化设备进行某种调度，至少在一定程度上是这样。否则，可能会出现有关同步及其不良后果的问题。鉴于这些简化和局限性，我们意识到，我们目前的结果不能作为RTP系统安全规模的预测指标。然而，它显示了这种广泛推广的解决方案的系统性缺点和市场集成解决方案的优势（如果实施得当）。我们进一步认为，在讨论该主题时，应考虑对当前提议的RTP解决方案的一些严重误解，如下所示：o与名称所示相反，价格并不像我们通常理解的那样实时更新，而是在运营时间前36小时内确定价格反映了市场上具有约束力的结算。贪婪时间表的改变会破坏合同由于订单已经关闭，所以不知道在给定的价格下有多少电力可用，这使得优化调度变得不可能。此外，值得指出的是，对家庭客户需求响应和RTP的研究通常发现，对客户的益处很小[59,52]。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-1 07:52:31

在芝加哥实施RTP的相关案例研究中【60】，作者发现，计量基础设施的成本可能超过效率所带来的效益：“更重要的是，尽管存在显著的不确定性，但这些效率的提高似乎并没有压倒对节约能源或安装先进计量基础设施成本的合理估计。这些结果并不能为可选或全人口的住宅实时定价提供有力依据。”作为讨论的最后一点，我们想指出基于EXGs的市场集成解决方案的一个缺点。由于标书和订单的匹配本质上是一个优化问题，例如，在考虑多个边界条件（如传输约束）的情况下，选择社会福利最高的集合是一项巨大的计算任务。解决这一问题所需的计算能力对于欧洲市场来说已经相当大：所有订单（NordPool和EPEX的组合）都只放在一个订单簿中，以便可以优化传输约束。优化问题的规模导致市场发现的解决方案缺乏透明度，这正成为人们日益关注的问题[43]。添加更多所谓的复杂订单（如拟议的独家大宗订单）将显著增加优化问题的计算复杂性，从而降低市场解决方案的透明度。结论在本文中，我们对[19]中提出的基于代理的现货和平衡市场模型进行了扩展，以包括灵活的消费者。作为Nord Pool的一部分，该模型被校准为类似于芬兰电力系统的代表。从该模型中，我们分析了需求响应的两种不同机制，即“实时定价”和集成定价的影响。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝