CN105591406B - 一种基于非合作博弈的微电网能量管理系统的优化算法 - Google Patents
一种基于非合作博弈的微电网能量管理系统的优化算法 Download PDFInfo
- Publication number
- CN105591406B CN105591406B CN201511035052.3A CN201511035052A CN105591406B CN 105591406 B CN105591406 B CN 105591406B CN 201511035052 A CN201511035052 A CN 201511035052A CN 105591406 B CN105591406 B CN 105591406B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- msubsup
- micro
- capacitance sensor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000005457 optimization Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 11
- 230000002452 interceptive effect Effects 0.000 claims abstract description 9
- 208000001613 Gambling Diseases 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims abstract description 5
- 230000005611 electricity Effects 0.000 claims description 47
- 238000005286 illumination Methods 0.000 claims description 9
- 238000007599 discharging Methods 0.000 claims description 6
- 238000004146 energy storage Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 5
- 238000010248 power generation Methods 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 3
- 239000000295 fuel oil Substances 0.000 claims description 2
- 239000003921 oil Substances 0.000 claims 1
- 238000006467 substitution reaction Methods 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 8
- 230000001172 regenerating effect Effects 0.000 description 8
- 238000011161 development Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 240000002853 Nelumbo nucifera Species 0.000 description 3
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 3
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 3
- BNOODXBBXFZASF-UHFFFAOYSA-N [Na].[S] Chemical compound [Na].[S] BNOODXBBXFZASF-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000002283 diesel fuel Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 240000007171 Imperata cylindrica Species 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 239000005864 Sulphur Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H02J3/383—
-
- H02J3/386—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于非合作博弈的微电网能量管理系统的优化算法,包括如下步骤:1、采集微电网气象数据和负荷信息数据;2、计算光伏阵列允许出力上限值和风速下的风机允许出力上限值;3、输入约束条件和目标函数对微电网进行优化;4、得到微电网优化的边际成本;5、将微电网的效用函数和用户的效用函数进行互动博弈的博弈过程分为24个时段,以能源侧和用户侧双方的效用函数为目标进行优化博弈;6、当本次优化得到的负荷曲线与上一次优化得到的负荷曲线的偏差小于等于ε时,则结束优化,否则,将第本次的负荷数据代入步骤1,循环步骤1至步骤5直到偏差小于ε为止。具有实现了微电网能源效率的最优化,可行性与适应性良好等优点。
Description
技术领域
本发明涉及一种电力系统的运行、仿真、分析与调度技术,特别涉及一种基于非合作博弈的微电网能量管理系统的优化算法。
背景技术
微电网被认为是利用分布式电源尤其是可再生能源的有效途径之一。国际电工委员会(IEC)在《2010-2030应对能源挑战白皮书》中明确将微电网技术列为未来能源链的关键技术之一。相比于大电网,微电网“多种能源输入(风、光、天然气等)、多种产品输出(电、热、冷)、多种转换单元(光/电、热/电、风/电、DC/AC)、多种运行状态(并网/孤立)”,并且可再生能源具有强随机性和间歇性。有效的能量管理系统(Energy Management System,EMS)的建立是保证其正常运行的基础。
随着技术的发展,微电网发展面临着新的形势。一方面,国家和政府对可再生能源的进一步放开,从2012国家电网正式下文支持6MW以下分布式光伏免费接入电网到后续一系列支持分布式能源并网的文件和政策的下发,加之电动汽车和绿色智能建筑的日益成熟与推广应用,先进储能技术和信息技术的发展日新月异,这使得微电网的主体形式越来越多样、分散和自主化。另一方面,电力CPS(Cyber Phsical System)和能源互联网相继提出,信息技术的高速发展和融入,不仅使得微电网的协调控制有了新的依托和技术支撑,更为重要的是,微电网个体的智能性和自主性也必将随着信息化的提高而大幅度的提高。因此,微电网的运行优化面临着新的挑战。从优化的视野,包含钠硫电池储能的微电网系统经济运行优化(丁明,张颖媛,茆美琴,刘小平,徐宁舟.包含钠硫电池储能的微电网系统经济运行优化[J].中国电机工程学报,2011,04:7-14.)关注了包含储能单元硫钠电池的以经济性为目标的微电网经济优化模型,微电网多目标经济调度优化(陈洁,杨秀,朱兰,张美霞,李振坤。微电网多目标经济调度优化[J].中国电机工程学报,2013,19:57-66+19.)提出考虑热电联产型微电网多目标经济调度模型,Centralized control operation foroptimizing microgrids(A.G.Tsikalakis,and N.D.Hatziargyriou.Centralizedcontrol operation for optimizing microgrids[J].IEEE Transactions on EnergyConversion,2008,23(01):241-248.)研究了并网运行微电网的集中优化控制模型,建立可控负荷侧竞价选项,最大化微电网的运行效益,Operation of a multiagent system formicrogridcontrol([9]A.L.Dimeas,and N.D.Hatziargyriou.Operation of amultiagent system for microgridcontrol[J].IEEE Transactions on Power Systems,2005,20(03):1447-1455.)设计了微电网分布式优化控制算法,重点研究了微电网的能量市场下整体收益。
但是,从这些文章可以看出,不管是哪种程度的优化,对于负荷的处理,仅仅是将他们看做一个统一的负荷,或者简单的划分为可中断负荷和不可中断负荷。而实际上,微电网个体自主性将随着信息的充分化,智能性大幅增加,负荷或者说用户的多样化,传统的简单的将负荷划分为“重要负荷”(不可中断)和“非重要负荷”(可中断)的简单管理方式已远远不能满足现在的要求。负荷侧实际上存在着大量能与电网友好合作的可平移负荷,其比重甚至超过运行储备。考虑到面向可再生能源微电网能源供应的特性,若能对负荷进行有效的控制,使之能够接近或者符合微电网中可再生能源的出力,这将是提高微电网运行效率的一条有效途径。含风电系统的发用电一体化调度模型(王卿然,谢国辉,张粒子.含风电系统的发用电一体化调度模型[J].电力系统自动化,2011,35(5):15-18.)分别将可中断负荷和用电激励作为正旋转备用和负旋转备用资源,用户侧互动模式下发用电一体化调度计划(夏叶,康重庆,宁波,等.用户侧互动模式下发用电一体化调度计划[J].电力系统自动化,2012,36(1):17-23.)设计了用户侧自愿申报用电意愿和移峰成本的互动模式,计及不确定性需求响应的日前调度计划模型(孙宇军,李扬,王蓓蓓等.计及不确定性需求响应的日前调度计划模型[J].电网技术,2014,38(10):2708-2714.)考虑了用电转移行为的不确定性。这些文献主要是从大电网的角度,考虑用户侧的响应,但是,由于规模的庞大以及信息技术的滞后,所提出的方法负荷描述简单,或者侧重于用户侧的经济效益的考虑,忽略了用户用电的舒适度等要求,可行性受到一定限制。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种基于非合作博弈的微电网能量管理系统的优化算法。
本发明的目的通过下述技术方案实现:一种基于非合作博弈的微电网能量管理系统的优化算法,包括如下步骤:
(1)采集微电网气象数据和负荷信息数据,所述微电网气象数据包括未来一天的温度、光照强度、风速,所述负荷信息数据包括需求负荷数据和不可中断负荷数据,并输入微电网气象数据和负荷信息数据;
(2)根据温度、光照强度和风速情况,以及光伏阵列和风机模型,计算在相应温度、光照强度下的光伏阵列最大允许出力和相应风速下的风机的最大允许出力。
(3)以微电网发电成本函数的函数值最小为目标函数,输入约束条件。目标函数中的变量为风机出力、光伏阵列出力、柴油发电机的出力、蓄电池充放电状态。
(4)得到微电网发电的边际成本和光伏阵列、风机、柴油机的出力结果以及蓄电池充放电结果。
(5)将步骤(4)得到的边际成本和步骤(1)中的需求负荷数据代入微电网的效用函数中,步骤(1)中的需求负荷数据代入用户的效用函数中,将微电网的效用函数和用户的效用函数进行互动博弈的博弈过程分为24个时段,以能源侧和用户侧双方的效用函数为目标进行优化博弈,得到第n+1次的分时电价和负荷曲线;
(6)经步骤(5)得到第n+1次的负荷曲线,与第n次得到的负荷曲线相比较,偏差小于ε时,结束优化,大于ε时,将第n+1次的负荷数据代入步骤(1),更新(1)中的负荷数据,再次进行循环,直到偏差小于ε时为止。
本发明的原理:本发明的基于非合作博弈的微电网能量管理系统的优化算法以微电网的经济运行优化为目标,引入了非合作完全信息动态博弈方法,提出将负荷调控主动参与到到微电网能量管理,建立能源侧与负荷侧互动关系,制定以分时电价为的措施的负荷侧激励方法,引导用户用电策略,制定负荷计划,再以此计划作为负荷需求,优化微电网出力。本发明所提算法引入用户满意度指标,根据微电网特性,建立了微电网运行优化博弈模型。本发明所提算法于负荷侧能有效兼顾用户满意度的情况下,实现经济最优,对于能源侧,可再生能源能得到最优利用。在微电网个体理性的情况下,实现了微电网能源效率的最优化,具有良好的可行性与适应性。
本发明相对于现有技术具有如下的优点及效果:
本发明充分考虑能源侧与负荷侧的互动关系,引入非合作完全信息动态博弈方法,根据能源侧的出力特性,制定负荷侧激励措施(体现为分时电价),引导用户用电策略,制定负荷计划,再以该计划为负荷需求,优化微电网出力,将电价和用户满意度引入,根据微电网特性,建立了微电网运行优化博弈模型,在负荷侧能有效兼顾用户满意度的情况下,实现经济最优,对于能源侧,可再生能源能得到最优利用。
附图说明
图1是图1微电网结构示意图。
图2是基于非合作博弈的微电网能量管理系统的优化算法流程。
图3是微电网运行优化博弈模型下用户负荷分布曲线。
图4是传统峰谷分时电价下用户负荷分布曲线图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例
如图1所示,本发明构建了一个微电网以及微电网能量管理系统,本发明利用matalb中YALMIP算法建立了一个混合整数优化模型,其优化流程图如图2所示,具体步骤如下:
第一步:采集微电网气象数据和负荷信息数据,所述微电网气象数据包括未来一天的温度、光照强度、风速,所述负荷信息数据包括需求负荷数据和不可中断负荷数据,并将微电网气象数据和负荷信息数据输入;
第二步:根据温度、光照强度和风速情况,以及光伏阵列和风机模型,计算在相应温度、光照强度下的光伏阵列最大允许出力和相应风速下的风机的最大允许出力。
第三步:以微电网发电成本函数的函数值最小为目标函数,输入约束条件。目标函数中的变量为风机出力、光伏阵列出力、柴油发电机的出力、蓄电池充放电状态。考虑微电网内部各时段功率平衡,各设备出力满足设备的运行功率约束,蓄电池满足放电深度要求。
第四步:得到微电网发电的边际成本和光伏阵列、风机、柴油机的出力结果以及蓄电池充放电结果。
第五步:将第四步得到的边际成本和第一步中的需求负荷数据代入微电网的效用函数中,第一步中的需求负荷数据代入用户的效用函数中,将微电网的效用函数和用户的效用函数进行互动博弈的博弈过程分为24个时段,以能源侧和用户侧双方的效用函数为目标进行优化博弈,得到第n+1次的分时电价和负荷曲线;上述微电网运行优化博弈模型为:
其中,优化变量l、p和x定义为:
l=lt,t∈T,
p=pt,t∈T,
x=Pi,t,i∈N,t∈T,
目标函数u1(l,p)和u2(l,p)定义为:
其中,u1表示用户效用函数,u2表示微电网能源侧效用函数,lt为t时段用户实际负荷,pt为t时间段内的微电网侧售电价格,T表示一天分成的时间段,Pi,t表示第i类设备,包括光伏阵列、风机、柴油机、蓄电池,在t时刻的输出功率,αt、βt和μ为参数,αt<0,βt>0,dt表示t时段用户的需求电量,gre,t为t时段可再生能源发电总量,C表示微电网的发电成本,ct表示t时刻微电网发电的边际成本,gt表示t时段微电网发电总量,Cm表示设备的运行维护成本,CDG表示柴油发电机的燃油费,N表示微电网中设备数量,包括光伏阵列、风机、柴油机和蓄电池;Ki表示第i类设备维护成本系数,k表示每公升柴油的价格,PDGi-rated表示第i台柴油机的额定功率,PDGi,t表示第i台柴油机t时刻输出功率,C1和C1为系数,S表示柴油机数量;
等式约束条件h(l,p,x)为微电网运行功率平衡约束:
不等式约束条件G(l,p,x)包括:
A、用户负荷上下限约束:
lt,uninter≤lt≤min(lt,max,gt,max),
B、可中断负荷约束:
C、售电价格约束:
pt≥ct,
D、风力发电机运行约束:
0≤PWT,t≤PWTmax,t,
E、光伏阵列运行约束:
0≤PPV,t≤PPVmax,t,
F、蓄电池最大允许充放电电量约束:
-0.2EC≤PBat,t·1h≤0.2EC,
G、蓄电池的放电深度约束:
H、柴油发电机运行约束:
0.3PDG-rated≤PDG,t≤PDG-rated,
其中,各符号定义为,其中,lt,uninter表示t时刻不可中断负荷,lt,max表示t时刻用户使用负荷上限,gt,max表示t微电网中各设备最大允许发电量之和,δ表示最大可中断负荷比例,PWT,t表示第t时刻风机实际输出功率,PWTmax,t表示第t时刻风机最大允许输出功率;PPV,t表示第t时刻光伏阵列实际输出功率,PPVmax,t表示第t时刻光伏阵列最大允许输出功率;PBat,t表示蓄电池在t时刻充放电功率,Ec表示蓄电池的额定容量;SOC(t)表示t时刻荷电状态,Pc、Pd为蓄电池的充、放电功率,ηc、ηd为蓄电池的充、放电效率90%,Δt为蓄电池充、放电时间;
微电网运行优化博弈模型采取非合作完全信息动态博弈模型,微电网首先制定电价策略,然后用户根据微电网才起的策略调整用电量选择最优用电策略。首先假定电价已知,最大化用户侧效用函数u1,得到给定电价下最优负荷lt *,表达式如下:
然后将基于电价后的最优负载响应带入微电网侧效用函数,优化u2,微电网中各发电设备、储能设备运行的约束条件不变,以pt为自变量,得到改写后的目标函数和其余约束条件:
pt,min≤pt≤pt,max,
其中,表示电价为pt时的最优负荷,gre,t表示t时段可再生能源发电总量,gre,t为t时段可再生能源发电总量,ct表示t时刻微电网发电的边际成本,αt、βt和μ为参数,αt<0,βt>0,dt表示t时段用户的需求电量,pt,min表示t时刻允许的最低电价,pt,max表示t时刻允许的最高电价,lt,uninter表示t时刻不可中断负荷,lt,max表示t时刻用户使用负荷上限。
第六步:经第五步得到第n+1次的负荷曲线,与第n次得到的负荷曲线相比较,偏差小于ε时,结束优化,大于ε时,将第n+1次的负荷数据代入第一步,更新第一步中的负荷数据,再次进行循环,直到偏差小于ε时为止。
分析仿真结果可知,如图3和图4所示,由于单一电价制不会影响用户侧的负荷分布,在此电价制下,用户负荷等于需求负荷,本发明通过构建的微电网运行优化博弈模型制定的博弈分时电价与传统峰谷分时电价、单一电价相比,避免了峰谷分时电价下用户必须中断较高的负荷比例来实现经济利益最大化,用电满意度大幅受损;同时有效降低微电网侧发电成本,使负荷曲线更加趋近可再生能源最大可出力曲线,提高了可再生能源的利用率,保证了微电网利润。本发明提及的优化算法顺应了智能为电网信息化发展的潮流,具有广阔的应用前景。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (3)
1.一种基于非合作博弈的微电网能量管理系统的优化算法,其特征在于,包括如下步骤:
(1)采集微电网气象数据和负荷信息数据,所述微电网气象数据包括未来一天的温度、光照强度和风速,所述负荷信息数据包括需求负荷数据和不可中断负荷数据,并输入微电网气象数据和负荷信息数据;
(2)根据温度、光照强度和风速情况,以及光伏阵列和风机模型,计算在步骤(1)中采集的温度和光照强度下,光伏阵列允许出力的上限值和风速下的风机允许出力的上限值;
(3)以微电网发电成本函数为目标函数,目标函数中的变量有风机出力、光伏阵列出力、柴油发电机的出力和蓄电池充放电电量,输入约束条件和目标函数对微电网进行优化;
(4)对微电网进行优化后得到微电网优化的边际成本ct、光伏阵列、风机、柴油机的出力结果和蓄电池充放电结果;
(5)将步骤(4)得到优化的边际成本ct和步骤(1)中的需求负荷数据代入微电网能源侧效用函数u2中,将步骤(1)中的需求负荷数据代入用户的效用函数u1中,将微电网能源侧效用函数u2和用户的效用函数u1进行互动博弈的博弈过程分为24个时段,以微电网能源侧效用函数u2和用户侧效用函数u1为目标进行优化博弈,以上为博弈模型的博弈过程;
(6)循环步骤(1)至步骤(5)n次后得到第n次优化的分时电价和负荷曲线,循环步骤(1)至步骤(5)n+1次后得到第n+1次优化的分时电价和负荷曲线,当第n+1次优化得到的负荷曲线与第n次优化得到的负荷曲线的偏差小于等于ε时,则结束优化,否则,将第n+1次优化的负荷数据代入步骤(1),更新步骤(1)中的负荷信息数据,循环步骤(1)至步骤(5)直到偏差小于ε时为止,ε为偏差量的参考值,ε的取值范围根据实际需要进行设定。
2.根据权利要求1所述的基于非合作博弈的微电网能量管理系统的优化算法,其特征在于:
所述步骤(5)中,微电网运行优化博弈模型为:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mi>max</mi>
</mtd>
<mtd>
<mrow>
<msub>
<mi>u</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>,</mo>
<mi>p</mi>
<mo>,</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mi>max</mi>
</mtd>
<mtd>
<mrow>
<msub>
<mi>u</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>,</mo>
<mi>p</mi>
<mo>,</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>G</mi>
<mrow>
<mi>m</mi>
<mi>min</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>,</mo>
<mi>p</mi>
<mo>,</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<mi>G</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>,</mo>
<mi>p</mi>
<mo>,</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<msub>
<mi>G</mi>
<mi>max</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>,</mo>
<mi>p</mi>
<mo>,</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>h</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>,</mo>
<mi>p</mi>
<mo>,</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
</mrow>
其中,优化变量l、p和x的定义如下:
l=lt,t∈T,
p=pt,t∈T,
x=Pi,t,i∈N,t∈T,
其中,u1表示用户效用函数,u2表示微电网能源侧效用函数,优化变量l表示t时段用户实际负荷,p表示t时段内的微电网侧售电价格,x表示微电网中第i类设备,包括光伏阵列、风机、柴油机、蓄电池,在t时刻的输出功率,lt为t时段用户实际负荷,pt为t时间段内的微电网侧售电价格,T表示一天分成的时间段,Pi,t表示第i类设备,包括光伏阵列、风机、柴油机、蓄电池,在t时刻的输出功率,用户效用函数的目标函数u1(l,p)和微电网能源侧效用函数的目标函数u2(l,p)分别定义为:
<mrow>
<msub>
<mi>u</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mo>-</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>T</mi>
</msubsup>
<msub>
<mi>p</mi>
<mi>t</mi>
</msub>
<msub>
<mi>l</mi>
<mi>t</mi>
</msub>
<mo>+</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>T</mi>
</msubsup>
<msub>
<mi>d</mi>
<mi>t</mi>
</msub>
<mfrac>
<mrow>
<msub>
<mi>&alpha;</mi>
<mi>t</mi>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>&beta;</mi>
<mi>t</mi>
</msub>
</mrow>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msub>
<mi>&alpha;</mi>
<mi>t</mi>
</msub>
</mrow>
</mfrac>
<mo>&lsqb;</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<msub>
<mi>l</mi>
<mi>t</mi>
</msub>
<msub>
<mi>d</mi>
<mi>t</mi>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mfrac>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msub>
<mi>&alpha;</mi>
<mi>t</mi>
</msub>
</mrow>
<msub>
<mi>&alpha;</mi>
<mi>t</mi>
</msub>
</mfrac>
</msup>
<mo>-</mo>
<mn>1</mn>
<mo>&rsqb;</mo>
<mo>,</mo>
</mrow>
<mrow>
<msub>
<mi>u</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>T</mi>
</msubsup>
<msub>
<mi>p</mi>
<mi>t</mi>
</msub>
<msub>
<mi>l</mi>
<mi>t</mi>
</msub>
<mo>-</mo>
<mi>C</mi>
<mo>+</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>T</mi>
</msubsup>
<msub>
<mi>d</mi>
<mi>t</mi>
</msub>
<mfrac>
<mrow>
<msub>
<mi>&alpha;</mi>
<mi>t</mi>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>&beta;</mi>
<mi>t</mi>
</msub>
</mrow>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msub>
<mi>&alpha;</mi>
<mi>t</mi>
</msub>
</mrow>
</mfrac>
<mo>&lsqb;</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<msub>
<mi>l</mi>
<mi>t</mi>
</msub>
<msub>
<mi>d</mi>
<mi>t</mi>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mfrac>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msub>
<mi>&alpha;</mi>
<mi>t</mi>
</msub>
</mrow>
<msub>
<mi>&alpha;</mi>
<mi>t</mi>
</msub>
</mfrac>
</msup>
<mo>-</mo>
<mn>1</mn>
<mo>&rsqb;</mo>
<mo>-</mo>
<msubsup>
<mi>&mu;&Sigma;</mi>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>T</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>l</mi>
<mi>t</mi>
</msub>
<mo>-</mo>
<msub>
<mi>g</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>,</mo>
</mrow>
<mrow>
<mi>C</mi>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>T</mi>
</msubsup>
<msub>
<mi>c</mi>
<mi>t</mi>
</msub>
<msub>
<mi>g</mi>
<mi>t</mi>
</msub>
<mo>=</mo>
<msub>
<mi>C</mi>
<mi>m</mi>
</msub>
<mo>+</mo>
<msub>
<mi>C</mi>
<mrow>
<mi>D</mi>
<mi>G</mi>
</mrow>
</msub>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</msubsup>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>T</mi>
</msubsup>
<msub>
<mi>K</mi>
<mi>i</mi>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>+</mo>
<mi>k</mi>
<mo>*</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>S</mi>
</msubsup>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>T</mi>
</msubsup>
<msub>
<mi>C</mi>
<mn>1</mn>
</msub>
<msub>
<mi>P</mi>
<mrow>
<mi>D</mi>
<mi>G</mi>
<mi>i</mi>
<mo>-</mo>
<mi>r</mi>
<mi>a</mi>
<mi>t</mi>
<mi>e</mi>
<mi>d</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>C</mi>
<mn>2</mn>
</msub>
<msub>
<mi>P</mi>
<mrow>
<mi>D</mi>
<mi>G</mi>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>,</mo>
</mrow>
其中,Pi,t表示第i类设备,包括光伏阵列、风机、柴油机、蓄电池,在t时刻的输出功率,αt、βt和μ为参数,αt<0,βt>0,dt表示t时段用户的需求电量,gre,t为t时段可再生能源发电总量,C表示微电网的发电成本,ct表示t时刻微电网发电的边际成本,gt表示t时段微电网发电总量,Cm表示设备的运行维护成本,CDG表示柴油发电机的燃油费,N表示微电网中设备数量,包括光伏阵列、风机、柴油机和蓄电池;Ki表示第i类设备维护成本系数,k表示每公升柴油的价格,PDGi-rated表示第i台柴油机的额定功率,PDGi,t表示第i台柴油机t时刻输出功率,C1和C2为系数,S表示柴油机数量;
等式约束条件h(l,p,x)为微电网运行功率平衡约束:
<mrow>
<msub>
<mi>g</mi>
<mi>t</mi>
</msub>
<mo>=</mo>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</msubsup>
<mi>x</mi>
<mo>=</mo>
<msub>
<mi>l</mi>
<mi>t</mi>
</msub>
<mo>,</mo>
</mrow>
不等式约束条件G(l,p,x)包括:
(a)用户负荷上下限约束:
lt,uninter≤lt≤min(lt,max,gt,max),
(b)可中断负荷约束:
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>T</mi>
</msubsup>
<msub>
<mi>d</mi>
<mi>t</mi>
</msub>
<mo>-</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>T</mi>
</msubsup>
<msub>
<mi>l</mi>
<mi>t</mi>
</msub>
<mo>&le;</mo>
<mi>&delta;</mi>
<mo>&CenterDot;</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>T</mi>
</msubsup>
<msub>
<mi>d</mi>
<mi>t</mi>
</msub>
<mo>,</mo>
</mrow>
(c)售电价格约束:
pt≥ct,
(d)风力发电机运行约束:
0≤PWT,t≤PWTmax,t,
(e)光伏阵列运行约束:
0≤PPV,t≤PPVmax,t,
(f)蓄电池最大允许充放电电量约束:
-0.2EC≤PBat,t·1h≤0.2EC,
(g)蓄电池的放电深度约束:
<mrow>
<mo>{</mo>
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mfrac>
<mrow>
<msub>
<mi>P</mi>
<mi>c</mi>
</msub>
<msub>
<mi>&Delta;t&eta;</mi>
<mi>c</mi>
</msub>
</mrow>
<msub>
<mi>E</mi>
<mi>c</mi>
</msub>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mfrac>
<mrow>
<msub>
<mi>P</mi>
<mi>d</mi>
</msub>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
<mrow>
<msub>
<mi>E</mi>
<mi>c</mi>
</msub>
<msub>
<mi>&eta;</mi>
<mi>d</mi>
</msub>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>S</mi>
<mi>O</mi>
<mi>C</mi>
<mo>&GreaterEqual;</mo>
<mn>0.4</mn>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>,</mo>
</mrow>
</mrow>
(h)柴油发电机运行约束:
0.3PDG-rated≤PDG,t≤PDG-rated,
其中,lt,uninter表示t时刻不可中断负荷,lt,max表示t时刻用户使用负荷上限,gt,max表示t微电网中各设备最大允许发电量之和,δ表示最大可中断负荷比例,PWT,t表示第t时刻风机实际输出功率,PWTmax,t表示第t时刻风机最大允许输出功率;PPV,t表示第t时刻光伏阵列实际输出功率,PPVmax,t表示第t时刻光伏阵列最大允许输出功率;PBat,t表示蓄电池在t时刻充放电功率,Ec表示蓄电池的额定容量;SOC(t)表示t时刻荷电状态,Pc、Pd为蓄电池的充、放电功率,ηc、ηd为蓄电池的充、放电效率90%,Δt为蓄电池充放电时间。
3.根据权利要求2所述的基于非合作博弈的微电网能量管理系统的优化算法,其特征在于:所述的微电网运行优化博弈模型采取非合作完全信息动态博弈模型,微电网首先制定电价策略,然后用户根据微电网才起的策略调整用电量选择最优用电策略;首先假定电价已知,最大化用户侧效用函数u1,得到给定电价下最优负荷的表达式如下:
<mrow>
<msubsup>
<mi>l</mi>
<mi>t</mi>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<msub>
<mi>p</mi>
<mi>t</mi>
</msub>
<msub>
<mi>&beta;</mi>
<mi>t</mi>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<msub>
<mi>&alpha;</mi>
<mi>t</mi>
</msub>
</msup>
<msub>
<mi>d</mi>
<mi>t</mi>
</msub>
<mo>,</mo>
</mrow>
其中,αt、βt和μ为参数,αt<0,βt>0,dt表示t时段用户的需求电量;
然后将基于电价后的最优负载响应带入微电网侧效用函数,优化u2,微电网中各发电设备、储能设备运行的约束条件不变,以pt为自变量,得到改写后的目标函数和其余约束条件:
<mrow>
<msub>
<mi>u</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mi>t</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>T</mi>
</msubsup>
<mo>{</mo>
<msub>
<mi>p</mi>
<mi>t</mi>
</msub>
<msubsup>
<mi>l</mi>
<mi>t</mi>
<mo>*</mo>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mi>t</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>c</mi>
<mi>t</mi>
</msub>
<msubsup>
<mi>l</mi>
<mi>t</mi>
<mo>*</mo>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mi>t</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>d</mi>
<mi>i</mi>
</msub>
<mfrac>
<mrow>
<msub>
<mi>&alpha;</mi>
<mi>t</mi>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>&beta;</mi>
<mi>t</mi>
</msub>
</mrow>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msub>
<mi>&alpha;</mi>
<mi>t</mi>
</msub>
</mrow>
</mfrac>
<mo>&lsqb;</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<msubsup>
<mi>l</mi>
<mi>t</mi>
<mo>*</mo>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mi>t</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<msub>
<mi>d</mi>
<mi>t</mi>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mfrac>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msub>
<mi>&alpha;</mi>
<mi>t</mi>
</msub>
</mrow>
<msub>
<mi>&alpha;</mi>
<mi>t</mi>
</msub>
</mfrac>
</msup>
<mo>}</mo>
<mo>-</mo>
<mi>&mu;</mi>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>T</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>l</mi>
<mi>t</mi>
<mo>*</mo>
</msubsup>
<mo>(</mo>
<msub>
<mi>p</mi>
<mi>t</mi>
</msub>
<mo>)</mo>
<mo>-</mo>
<msub>
<mi>g</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>,</mo>
</mrow>
Pt,min≤pt≤pt,max,
<mrow>
<msub>
<mi>p</mi>
<mrow>
<mi>t</mi>
<mo>,</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>=</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mo>{</mo>
<msub>
<mi>c</mi>
<mi>t</mi>
</msub>
<mo>,</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>l</mi>
<mrow>
<mi>t</mi>
<mo>,</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>/</mo>
<msub>
<mi>d</mi>
<mi>t</mi>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mn>1</mn>
<mo>/</mo>
<msub>
<mi>&alpha;</mi>
<mi>t</mi>
</msub>
</mrow>
</msup>
<msub>
<mi>&beta;</mi>
<mi>t</mi>
</msub>
<mo>}</mo>
<mo>,</mo>
</mrow>
<mrow>
<msub>
<mi>p</mi>
<mrow>
<mi>t</mi>
<mo>,</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>=</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>l</mi>
<mrow>
<mi>t</mi>
<mo>,</mo>
<mi>u</mi>
<mi>n</mi>
<mi>int</mi>
<mi>e</mi>
<mi>r</mi>
</mrow>
</msub>
<mo>/</mo>
<msub>
<mi>d</mi>
<mi>t</mi>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mn>1</mn>
<mo>/</mo>
<msub>
<mi>&alpha;</mi>
<mi>t</mi>
</msub>
</mrow>
</msup>
<msub>
<mi>&beta;</mi>
<mi>t</mi>
</msub>
<mo>,</mo>
</mrow>
其中,表示电价为pt时的最优负荷,pt,min表示t时刻允许的最低电价,pt,max表示t时刻允许的最高电价。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511035052.3A CN105591406B (zh) | 2015-12-31 | 2015-12-31 | 一种基于非合作博弈的微电网能量管理系统的优化算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511035052.3A CN105591406B (zh) | 2015-12-31 | 2015-12-31 | 一种基于非合作博弈的微电网能量管理系统的优化算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105591406A CN105591406A (zh) | 2016-05-18 |
CN105591406B true CN105591406B (zh) | 2018-02-27 |
Family
ID=55930742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511035052.3A Active CN105591406B (zh) | 2015-12-31 | 2015-12-31 | 一种基于非合作博弈的微电网能量管理系统的优化算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105591406B (zh) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105976066A (zh) * | 2016-05-20 | 2016-09-28 | 东南大学 | 一种基于非合作博弈的家庭用电和储能电池容量优化方法 |
CN106600078A (zh) * | 2017-01-17 | 2017-04-26 | 华北电力大学 | 一种基于新能源发电预测的微网能量管理方案 |
CN106815687B (zh) * | 2017-01-22 | 2020-08-11 | 电子科技大学中山学院 | 基于双层博弈的微电网最优和弹性能量交易方法及系统 |
CN106846179B (zh) * | 2017-03-15 | 2020-11-20 | 东南大学 | 一种基于非合作博弈的居民负荷双层调度优化方法 |
CN106684869B (zh) * | 2017-03-17 | 2019-05-28 | 燕山大学 | 一种考虑内外博弈的主动配电网故障恢复策略 |
CN108629470A (zh) * | 2017-03-17 | 2018-10-09 | 华北电力大学 | 基于非合作博弈的多能互补系统能量管理与优化运行 |
CN106877406B (zh) * | 2017-03-23 | 2019-06-07 | 集美大学 | 一种多能源船舶微网的多目标电源配置优化方法 |
CN107067191B (zh) * | 2017-05-18 | 2018-05-04 | 合肥工业大学 | 智能电网环境下基于云的激励需求响应方法和系统 |
CN107301470B (zh) * | 2017-05-24 | 2020-12-01 | 天津大学 | 一种配电网扩展规划与光储选址定容的双层优化方法 |
CN107194516B (zh) * | 2017-06-07 | 2020-05-19 | 华北电力大学 | 含多主体的多能互补微电网分布式优化调度方法 |
CN109787304B (zh) * | 2017-11-14 | 2020-08-28 | 中国电力科学研究院有限公司 | 一种太阳能充电站分布式能量管理方法及系统 |
CN108921368B (zh) * | 2018-05-03 | 2021-12-07 | 东南大学 | 基于虚拟发电厂的均衡合作博弈控制器 |
CN109066821B (zh) * | 2018-07-13 | 2022-01-28 | 广东工业大学 | 一种交直流混合微电网系统用户的交互式能量管理方法 |
CN109190802B (zh) * | 2018-08-13 | 2020-12-29 | 南京邮电大学 | 云储能环境下基于发电预测的多微网博弈优化方法 |
CN109286187B (zh) * | 2018-10-19 | 2022-01-04 | 国网宁夏电力有限公司经济技术研究院 | 一种面向多主体利益均衡的微网日前经济调度方法 |
CN111091404A (zh) * | 2018-10-24 | 2020-05-01 | 中国电力科学研究院有限公司 | 一种微能源网能量售价确定方法及系统 |
CN109409615A (zh) * | 2018-11-19 | 2019-03-01 | 三峡大学 | 基于非合作博弈的充换储一体化电站微电网优化调度方法 |
CN109657993B (zh) * | 2018-12-24 | 2021-02-26 | 浙江工业大学 | 一种基于非合作博弈的能源局域网储能系统自动需求响应方法 |
CN109634119B (zh) * | 2018-12-24 | 2022-04-01 | 浙江工业大学 | 一种基于日内滚动优化的能源互联网优化控制方法 |
CN109787261B (zh) * | 2019-03-14 | 2020-12-29 | 国网江苏省电力有限公司镇江供电分公司 | 电网侧及用户侧储能系统容量优化配置方法 |
CN110896220B (zh) * | 2019-12-05 | 2020-12-22 | 国网青海省电力公司经济技术研究院 | 一种基于合作博弈核仁法的可中断负荷优化控制方法 |
CN111208737A (zh) * | 2019-12-24 | 2020-05-29 | 国电南瑞科技股份有限公司 | 一种面向大规模光伏发电系统的信息物理建模方法 |
CN111210090B (zh) * | 2020-02-24 | 2024-03-19 | 深圳天顺智慧能源科技有限公司 | 微电网经济调度方法 |
CN111726855B (zh) * | 2020-06-30 | 2021-07-13 | 华北电力大学 | 一种面向通信系统的功率控制优化方法 |
CN112202206A (zh) * | 2020-09-10 | 2021-01-08 | 上海大学 | 一种基于势博弈的多能源微网分布式调度方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104820864A (zh) * | 2015-03-31 | 2015-08-05 | 浙江工业大学 | 含分布式电源的智能配电网全景故障恢复博弈方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013099174A (ja) * | 2011-11-02 | 2013-05-20 | Toshiba Corp | エネルギー管理システム、方法及びプログラム |
-
2015
- 2015-12-31 CN CN201511035052.3A patent/CN105591406B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104820864A (zh) * | 2015-03-31 | 2015-08-05 | 浙江工业大学 | 含分布式电源的智能配电网全景故障恢复博弈方法 |
Non-Patent Citations (1)
Title |
---|
基于博弈论的多微电网系统交易模式研究;赵敏等;《中国电机工程学报》;20150220;第35卷(第4期);第848-857页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105591406A (zh) | 2016-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105591406B (zh) | 一种基于非合作博弈的微电网能量管理系统的优化算法 | |
Roslan et al. | Scheduling controller for microgrids energy management system using optimization algorithm in achieving cost saving and emission reduction | |
Hou et al. | Multi-objective economic dispatch of a microgrid considering electric vehicle and transferable load | |
Ju et al. | A two-stage optimal coordinated scheduling strategy for micro energy grid integrating intermittent renewable energy sources considering multi-energy flexible conversion | |
Bhamidi et al. | Optimal planning and operational strategy of a residential microgrid with demand side management | |
CN106026152B (zh) | 一种电动汽车接入微电网的充放电调度方法 | |
Yousif et al. | An optimal dispatch strategy for distributed microgrids using PSO | |
CN105160451B (zh) | 一种含电动汽车的微电网多目标优化调度方法 | |
CN104362677B (zh) | 一种主动配电网优化配置结构及其配置方法 | |
CN104135025B (zh) | 基于模糊粒子群算法的微网并网经济优化方法 | |
CN105071389B (zh) | 计及源网荷互动的交直流混合微电网优化运行方法及装置 | |
CN104779611B (zh) | 基于集中式和分布式双层优化策略的微电网经济调度方法 | |
CN103151797A (zh) | 基于多目标调度模型的并网运行方式下微网能量控制方法 | |
CN102509175B (zh) | 分布式供电系统可靠性优化方法 | |
CN105262129A (zh) | 一种含复合储能微电网的多目标优化系统及方法 | |
CN113437752B (zh) | 一种含混合储能的综合能源系统运行控制方法 | |
CN107706923A (zh) | 一种适用于主动配电网的负荷主动管理方法 | |
CN112800658A (zh) | 一种考虑源储荷互动的主动配电网调度方法 | |
CN111668878A (zh) | 一种可再生微能源网的优化配置方法和系统 | |
Yang et al. | Research on the contribution of regional Energy Internet emission reduction considering time-of-use tariff | |
CN205212447U (zh) | 一种含复合储能微电网的多目标优化系统 | |
Alomoush | Microgrid dynamic combined power–heat economic-emission dispatch with deferrable loads and price-based energy storage elements and power exchange | |
CN116914732A (zh) | 基于深度强化学习的热电联产系统低碳调度方法及系统 | |
CN107527297A (zh) | 基于用户满意度的两阶段负荷需求响应模型 | |
Kamarposhti et al. | Optimal energy management of distributed generation in micro-grids using artificial bee colony algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |