主辅助服务市场出清模型研究【旋转备用】（Matlab代码实现）
💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。
⛳️座右铭：行百里者，半于九十。
📋📋📋本文目录如下：🎁🎁🎁
目录
💥1 概述
📚2 运行结果
🎉3 参考文献
🌈4 Matlab代码及数据
💥1 概述
电能量主市场与备用辅助服务市场安排在运行日前一天进行，通过集中投标竞价的交易模式，以电能量与备用总购电成本最小为目标，综合考虑电能量主市场与备用辅助服务市场的发电侧报价，系统约束、机组约束和网络约束，进行联合优化出清计算[56]。联合优化出清计算主要包括安全约束机组组合（Security-ConstrainedUnit Commitment，SCUC)计算，安全约束经济调度(Security-Constrained EconomicDispatch，SCED）计算和系统边际电价计算l57]。计算得出次日24小时的机组开停方案、出力计划、备用计划、电能量边际电价和备用边际价格。所有中标机组都按系统边际电价结算。电能量与备用市场联合优化出清流程具体如图2.7所示。
sCUC是一个含有0-1整数变量和连续变量的混合整数规划问题，目前求解sCUC问题的主要方法可以分为启发式方法、数学规划法和智能优化算法三类[59-60].
启发式方法（Heuristic Method）是最早使用的一类优化方法，这种方法没有严格的理论依据，依靠直观的判断或实际调度的经验寻找最优解。
数学规划法是目前求解机组组合问题的重要算法之一，这类算法用数学方程将实际的问题表示出来再进行求解。最早用于求解机组组合问题的数学规划法是动态规划法（Dynamic Programming，DP)，动态规划法适合求解简单的分阶段的动态过程，但这种方法会随着计算系统中的机组数和时段数的增加，计算量将呈指数级增加，不适合求解未来大系统高维数的机组组合问题。在上世纪70年代开始，人们开始使用拉格朗日松弛法（Lagrangian Relaxation，LR
）求解机组组合问题,取得了
巨大的成果，适合用于大系统机组组合问题的求解，但是更加精准的交流潮流约束不满足LR法的线性要求，机组爬坡约束也会大大增加该算法的计算量。混合整数规划法(Mixed Integer Programming，MIP）适合求解既具有离散变量又具有连续变量的优化问题，不需要加入过多的限制和假设，求解效率高。
智能优化算法大多源于对生物或社会现象的模拟，主要有遗传算法、禁忌搜索、蚁群算法和粒子群算法等。
虚拟电厂参与主能量市场与辅助服务市场的交易框架如上图所示。
虚拟电厂参与调峰辅助服务市场初期，若在某出清时段内造成负荷侧资源用电量小于下发功率曲线对应电量超过 30%时，该出清时段调峰服务费将不予结算。按照市场规则，虚拟电厂在运行日后
的调峰服务费用与新能源企业和未中标火电机组进行分摊。
📚2 运行结果
以上展现部分运行结果。
🎉3 参考文献
部分理论来源于网络，如有侵权请联系删除。
[1]祖文静,杜易达,李鹏,余晓鹏,王世谦,李慧璇,张艺涵.计及不确定性与相关性的虚拟电厂参与主辅市场联合交易优化研究[J].智慧电力,2022,50(10):70-77+86.
[2]冯斌斌. 备用辅助服务市场出清模型研究[D].南京师范大学,2021.DOI:10.27245/d.cnki.gnjsu.2021.000621.