CN108985897A - 一种智能电网发电侧微分演化博弈竞价方法 - Google Patents
一种智能电网发电侧微分演化博弈竞价方法 Download PDFInfo
- Publication number
- CN108985897A CN108985897A CN201810762936.6A CN201810762936A CN108985897A CN 108985897 A CN108985897 A CN 108985897A CN 201810762936 A CN201810762936 A CN 201810762936A CN 108985897 A CN108985897 A CN 108985897A
- Authority
- CN
- China
- Prior art keywords
- game
- power generation
- population
- generation
- differential evolution
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000010248 power generation Methods 0.000 claims abstract description 93
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- 230000008569 process Effects 0.000 claims abstract description 23
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 239000000203 mixture Substances 0.000 claims abstract description 5
- 230000005611 electricity Effects 0.000 claims description 28
- 230000002860 competitive effect Effects 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 8
- 230000015572 biosynthetic process Effects 0.000 claims description 7
- 238000003786 synthesis reaction Methods 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 4
- 238000012512 characterization method Methods 0.000 claims description 3
- 239000000446 fuel Substances 0.000 claims description 3
- 238000012804 iterative process Methods 0.000 claims description 3
- 230000008521 reorganization Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims 1
- 208000001613 Gambling Diseases 0.000 abstract description 4
- 238000011160 research Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 238000013386 optimize process Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0611—Request for offers or quotes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Human Resources & Organizations (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Water Supply & Treatment (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种智能电网发电侧微分演化博弈竞价方法,步骤如下:(1)建立发电侧竞价优化模型;(2)建立发电侧演化博弈竞价收益计算模型;(3)采用综合微分演化博弈算法,实现发电商演化博弈竞价优化过程。本发明将微分进化和演化博弈理论引入到智能电网发电侧竞价策略中,在新能源并网的不确定性环境中可通过动态演化博弈获得稳定的最优竞价策略;并鉴于可再生能源出力的不确定性导致演化博弈复制动态方程难以求解,提出通过将演化博弈思想与综合微分进化算法有机融合,构造新型综合微分演化博弈算法,以具体实现发电商竞价发电的动态演化博弈过程。
Description
技术领域
本发明涉及一种智能电网发电侧微分演化博弈竞价方法,属电力市场技术领域。
背景技术
在传统电力市场中,发电商的“竞价上网”策略主要可分为边际成本竞价和成员行为博弈两大类。边际成本竞价由于没有考虑市场杠杆效应常会导致报价严重偏离市场电价而易造成机组上网失败或利润无谓流失,而博弈理论可为发电侧竞价提供较好的思路和方法。智能电网中电力市场实际上是一种常规发电商、新能源发电商与电网公司等市场成员之间的多方博弈行为。随着可再生能源发电的渗透率逐步提高,电力市场对常规电能的需求裕度降低,同时存在大幅波动,这给发电侧博弈竞价策略的有效制定提出了更高的要求。
目前国内外学者针对新能源并网的电力市场发电侧竞价问题已开展了一些研究。在当前大多数电力市场博弈行为研究中,通常是立足于完全理性的博弈个体,根据利己原则做出最优选择的过程。但是,基于完全理性假设的传统博弈理论应用在充满各种不确定性因素的现实环境中存在很大的局限性。一方面,当前现实社会中,市场成员在大多数比较复杂的决策问题中所表现出来的理性,都无法满足那种过于苛刻的“完全理性”的要求;另一方面,当博弈论遇到不确定性环境或多重均衡时,本身也无法确定究竟将达到哪一个均衡。演化博弈论的提出为解决以上问题提供了新思路。
演化博弈论立足于有限理性的个体,把群体作为研究对象,并认为群体行为是通过个体之间模仿、学习和交流等动态过程实现的,可很好地描绘出群体行为的变化趋势并准确地预测个体的群体行为。已有一些研究验证了演化博弈在解决现实有限理性问题的可行性,但目前研究一般只定性分析了复制动态方程可能的稳定状态,没能深入实现具体的演化博弈过程。智能电网中新能源大规模并网导致每个竞价时段电力系统对常规需求裕度下降并存在大幅波动性,使得常规演化博弈理论的收益矩阵中收益值具有较强随机性,很难对演化博弈的复制动态方程进行稳定性分析并有效求解复制动态系统,从而难以得出其演化稳定策略。
发明内容
本发明的目的是,为了解决智能电网中新能源大规模并网导致电力系统对常规电力需求裕度下降并存在大幅波动性,发电侧难以制定稳定而有效的最优发电竞价策略的问题,本发明提出一种智能电网发电侧微分演化博弈竞价方法。
为解决上述问题,本发明针对新能源并网环境下的发电侧,提出了一种新型的微分演化博弈竞价策略,并通过将演化博弈思想与同样基于演化的综合微分进化算法有机融合,构造一种新型的综合微分演化博弈(CompositiveDifferential Evolution Game,CDEG)算法,以具体实现发电商竞价发电动态演化博弈过程,并动态生成最优竞价决策。
本发明实现的技术方案如下,一种智能电网发电侧微分演化博弈竞价方法,包括将微分进化和演化博弈理论引入到智能电网发电侧竞价策略中,以便在不确定性环境中可通过动态演化博弈获得稳定的最优竞价策略;并鉴于可再生能源出力的不确定性导致演化博弈复制动态方程难以求解,提出通过将演化博弈思想与综合微分进化算法有机融合,构造新型综合微分演化博弈算法,以具体实现发电商竞价发电的动态演化博弈过程。
本发明一种智能电网发电侧微分演化博弈竞价方法,步骤如下:
(1)建立发电侧竞价优化模型;
(2)建立发电侧演化博弈竞价收益计算模型;
(3)采用综合微分演化博弈算法实现发电商演化博弈竞价优化过程。
所述发电侧竞价优化模型如下:
基于常规发电机组边际成本计算,发电商的报价曲线函数如下:
其中:λi,t为发电商i在t时段的报价;mi,t是发电商i在t时段报价的竞价系数;bij和cij均为发电商i的机组j的燃料费用系数;Pij,t为发电商i的机组j在t时刻输出的有功功率。
若交易日分为n个时段,I表示发电商利润,表示发电商i在时段t时的中标电量,表示常规发电商i时段t中标电价,则发电侧竞价优化模型为:
约束条件:
(1)考虑可再生能源并网的功率平衡约束:
式中和分别为t时刻可再生能源总出力和系统负荷需求;Ng为发电商总数;
(2)发电商出力约束:
式中和分别为发电商i在时段t时的最大和最小出力,为动态变化值,可根据其内部各发电机组的当前运行状态、爬坡速率约束和运行出力上下限综合计算确定。
所述发电侧演化博弈竞价收益计算模型:
每一种竞价策略由竞价价格PRbid和上网电量Pbid组成;
发电商I选择A1和B1竞价策略的概率分别是x和1-x,发电商II选择A2和B2竞价策略的概率分别是y和1-y;α和β分别表示发电商I与发电商II的期望收益,其下标1、2、3、4分别对应表示博弈双方选用(A1,A2)、(A1,B2)、(B1,A2)、(B1,B2)四种策略组合;对应的四种期望收益组合分别为(α1、β1)、(α2、β2)、(α3、β3)、(α4、β4)。结合前述的发电侧竞价模型,博弈收益计算式如下:
用同样方法,可求得α3、β3、α4、β4;
发电商I所得的平均收益为:
发电商II所得的总平均收益为:
所述采用综合微分演化博弈算法实现发电商演化博弈竞价优化过程:
本发明提出将同样基于演化的综合微分进化算法和演化博弈思想相结合,构造出一种的基于多种群演化博弈的综合微分演化博弈算法,并基于此算法实现发电商演化博弈竞价发电优化过程。
算法中用N个种群对应系统中的N个发电商(博弈成员),种群中的每个个体对应该发电商的一种竞价策略。如发电商i所对应的种群POPi可用如下矩阵形式编码:
式中,C表示种群规模,种群矩阵的每一行代表一个个体(即竞价策略),用(P,m)表达,其中P为发电商竞标电量,m为发电商竞价系数。
综合微分演化博弈流程主要包含以下步骤:
(1)构造博弈种群:N个博弈方根据竞标时段的系统运行参数及可再生能源出力和系统负荷等数据,确定该时段各自竞标电量范围,由此各自随机产生C个竞价策略个体,构成博弈种群;对于选择不采用演化博弈策略的博弈方,可用表征固定策略的个体形成种群进行模拟;
(2)种群间交叉博弈:各种群随机抽取个体相互进行交叉博弈;每一个体可以进行多次的博弈,每次博弈之间相互独立互不影响,并计算每次博弈的收益;当博弈次数达到设定值K时,本轮博弈结束,并计算每一个体的平均收益值;
(3)种群综合微分进化:基于综合微分进化算法,各种群独立进行个体进化,改进自身竞价策略;对于选择不采用演化博弈策略的博弈方,则不进行该步骤。
所述种群综合微分进化过程包括以下操作:
个体排序操作:种群内个体按平均收益排序。
种群分割操作:基于个体排序结果,种群分割成优部种群和劣部种群。
综合进化操作:对优部种群基于随机变异操作提高多样性,对劣部种群基于t趋优变异操作提高收敛性,从而可巧妙地兼顾种群进化的寻优深度与寻优速度。
种群重组操作:将更新后的优部种群和劣部种群合并为新一代种群,进入下一次博弈迭代过程。
本发明的有益效果是,本发明通过上述步骤,实现发电商竞价发电动态演化博弈过程,可动态生成最优竞价决策,经过一段时间的演化,其竞标价格最终会趋向于稳定,得到高收益的演化稳定策略。并且在并网的可再生能源出力发生随机波动情况下,采用演化博弈竞价策略的发电商通过一段时间的学习和优化调整,最终仍然能得到演化稳定策略,其最优竞价策略将不受可再生能源出力不确定性的影响。
附图说明
图1为本发明综合微分演化博弈流程图。
具体实施方式
本发明的具体实施方式如图1所示。
图1中,N个种群对应系统中的N个发电商,即博弈成员,种群中的每个个体对应该发电商的一种竞价策略;发电商i所对应的种群POPi可用如下矩阵形式编码:
式中,C表示种群规模,种群矩阵的每一行代表一个个体,即竞价策略,用(P,m)表达,其中P为发电商竞标电量,m为发电商竞价系数。
在图1所示的综合微分演化博弈流程中,主要包含以下步骤:
(1)构造博弈种群:N个博弈方根据竞标时段的系统运行参数及可再生能源出力和系统负荷等数据,确定该时段各自竞标电量范围,由此各自随机产生C个竞价策略个体,构成博弈种群。对于选择不采用演化博弈策略的博弈方,可用表征固定策略(如让m值不变)的个体形成种群进行模拟。
(2)种群间交叉博弈:各种群随机抽取个体(竞价策略)相互进行交叉博弈。每一个体可以进行多次的博弈,每次博弈之间相互独立互不影响,并计算每次博弈的收益。当博弈次数达到设定值K时,本轮博弈结束,并计算每一个体的平均收益值。
(3)种群综合微分进化:基于综合微分进化(CDE)算法,各种群独立进行个体进化,改进自身竞价策略。对于选择不采用演化博弈策略的博弈方,则不进行该步骤。其中种群CDE优化过程主要包括以下操作:
个体排序操作:种群内个体按平均收益排序;
种群分割操作:基于个体排序结果,种群分割成优部种群和劣部种群;
综合进化操作:对优部种群基于DE/rand/1随机变异操作提高多样性,对劣部种群基于DE/rand/best趋优变异操作提高收敛性,从而可巧妙地兼顾种群进化的寻优深度与寻优速度;
种群重组操作:将更新后的优部种群和劣部种群合并为新一代种群,进入下一次博弈迭代过程。
通过上述步骤,即可实现发电商演化博弈竞价发电动态决策过程,并动态生成最优竞价决策。
本发明具体实施如下:
第一步:首先建立发电侧竞价优化模型。
经济学研究表明,当边际收益等于边际成本时,厂商可得到最大利润。但是发电商在报价时,不一定会以其边际成本进行报价,通常会根据发电商相互博弈情况适当动态调整报价。
因此可设发电商的报价曲线函数如下:
其中:λi,t为发电商i在t时段的报价;mi,t是发电商i在t时段报价的竞价系数;bij和cij均为发电商i的机组j的燃料费用系数;Pij,t为发电商i的机组j在t时刻输出的有功功率。
若交易日分为n个时段,I表示发电商利润,表示发电商i在时段t时的中标电量,表示常规发电商i时段t中标电价,则发电侧优化竞价发电模型可描述为:
约束条件:
(1)考虑可再生能源并网的功率平衡约束:
式中和分别为t时刻可再生能源总出力和系统负荷需求;Ng为发电商总数。
(2)发电商出力约束:
式中和分别为发电商i在时段t时的最大和最小出力,为动态变化值,可根据其内部各发电机组的当前运行状态、爬坡速率约束和运行出力上下限等综合计算确定。
第二步:建立发电侧演化博弈竞价收益计算模型。
在电力市场中,一般情况下参与竞价博弈的发电商会根据自身的实际情况设定高、低(或高、中、低)价格竞价策略,每一种竞价策略由竞价价格PRbid和上网电量Pbid组成。
以一个2×2的非对称博弈为例,博弈双方的收益可以表示为:
表2×2非对称演化博弈收益矩阵
上表中,发电商I选择A1和B1竞价策略的概率分别是x和1-x,发电商I选择A2和B2竞价策略的概率分别是y和1-y;α和β分别表示发电商I与发电商II的期望收益,其下标1、2、3、4分别对应表示博弈双方选用(A1,A2)、(A1,B2)、(B1,A2)、(B1,B2)四种策略组合;对应的四种期望收益组合分别为(α1、β1)、(α2、β2)、(α3、β3)、(α4、β4)。结合前述的发电侧竞价模型,博弈收益计算式如下:
(α3,β3)、(α4,β4)的计算方法与上述类似,不再赘述。
发电商I所得的平均收益为:
发电商II所得的总平均收益为:
第三步:采用本发明提出的综合微分演化博弈算法,实现发电商演化博弈竞价发电优化过程。
本实施例通过上述步骤,实现发电商竞价发电动态演化博弈过程,可动态生成最优竞价决策,经过一段时间的演化,其竞标价格最终会趋向于稳定,得到高收益的演化稳定策略。并且在并网的可再生能源出力发生随机波动情况下,采用演化博弈竞价策略的发电商通过一段时间的学习和优化调整,最终仍然能得到演化稳定策略,其最优竞价策略将不受可再生能源出力不确定性的影响。
发电商采用本发明提出的微分演化博弈竞价策略参与市场竞价,既能有效应对可再生能源的不确定性,也能有效应对市场竞争者竞价策略的不确定性,可为其获得稳定的高收益提供保障。
Claims (4)
1.一种智能电网发电侧微分演化博弈竞价方法,其特征在于,所述方法步骤如下:
(1)建立发电侧竞价优化模型;
(2)建立发电侧演化博弈竞价收益计算模型;
(3)采用综合微分演化博弈算法,实现发电商演化博弈竞价优化过程。
2.根据权利要求1所述的一种智能电网发电侧微分演化博弈竞价方法,其特征在于,所述发电侧竞价优化模型如下:
基于常规发电机组边际成本计算,发电商的报价曲线函数如下:
其中:λi,t为发电商i在t时段的报价;mi,t是发电商i在t时段报价的竞价系数;bij和cij均为发电商i的机组j的燃料费用系数;Pij,t为发电商i的机组j在t时刻输出的有功功率;
若交易日分为n个时段,I表示发电商利润,表示发电商i在时段t时的中标电量,表示常规发电商i时段t中标电价,则发电侧竞价优化模型为:
考虑可再生能源并网的功率平衡约束:
式中Pt R和Pt D分别为t时刻可再生能源总出力和系统负荷需求;Ng为发电商总数。
3.根据权利要求1所述的一种智能电网发电侧微分演化博弈竞价方法,其特征在于,所述发电侧演化博弈竞价收益计算模型:
每一种竞价策略由竞价价格PRbid和上网电量Pbid组成;
发电商I选择A1和B1竞价策略的概率分别是x和1-x,发电商II选择A2和B2竞价策略的概率分别是y和1-y;α和β分别表示发电商I与发电商II的期望收益,其下标1、2、3、4分别对应表示博弈双方选用(A1,A2)、(A1,B2)、(B1,A2)、(B1,B2)四种策略组合;对应的四种期望收益组合分别为(α1、β1)、(α2、β2)、(α3、β3)、(α4、β4);结合前述的发电侧竞价模型,博弈收益计算式如下:
用同样方法,可求得α3、β3、α4、β4;
发电商I所得的平均收益为:
发电商II所得的总平均收益为:
4.根据权利要求1所述的一种智能电网发电侧微分演化博弈竞价方法,其特征在于,所述采用综合微分演化博弈算法实现发电商演化博弈竞价优化过程,将同样基于演化的综合微分进化算法和演化博弈思想相结合,构造出一种的基于多种群演化博弈的综合微分演化博弈算法,并基于此算法实现发电商演化博弈竞价发电优化过程;
算法中用N个种群对应系统中的N个发电商(博弈成员),种群中的每个个体对应该发电商的一种竞价策略;发电商i所对应的种群POPi可用如下矩阵形式编码:
式中,C表示种群规模,种群矩阵的每一行代表一个个体(即竞价策略),用(P,m)表达,其中P为发电商竞标电量,m为发电商竞价系数;
综合微分演化博弈流程主要包含以下步骤:
(1)构造博弈种群:N个博弈方根据竞标时段的系统运行参数及可再生能源出力和系统负荷等数据,确定该时段各自竞标电量范围,由此各自随机产生C个竞价策略个体,构成博弈种群;对于选择不采用演化博弈策略的博弈方,可用表征固定策略的个体形成种群进行模拟;
(2)种群间交叉博弈:各种群随机抽取个体相互进行交叉博弈;每一个体可以进行多次的博弈,每次博弈之间相互独立互不影响,并计算每次博弈的收益;当博弈次数达到设定值K时,本轮博弈结束,并计算每一个体的平均收益值;
(3)种群综合微分进化:基于综合微分进化算法,各种群独立进行个体进化,改进自身竞价策略;对于选择不采用演化博弈策略的博弈方,则不进行该步骤;
所述种群综合微分进化过程包括以下操作:
个体排序操作:种群内个体按平均收益排序;
种群分割操作:基于个体排序结果,种群分割成优部种群和劣部种群;
综合进化操作:对优部种群基于随机微分变异操作提高多样性,对劣部种群基于趋优微分变异操作提高收敛性,从而可巧妙地兼顾种群进化的寻优深度与寻优速度;
种群重组操作:将更新后的优部种群和劣部种群合并为新一代种群,进入下一次博弈迭代过程;
通过上述步骤实现发电商演化博弈竞价发电动态决策过程,并动态生成最优竞价决策。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810762936.6A CN108985897A (zh) | 2018-07-12 | 2018-07-12 | 一种智能电网发电侧微分演化博弈竞价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810762936.6A CN108985897A (zh) | 2018-07-12 | 2018-07-12 | 一种智能电网发电侧微分演化博弈竞价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108985897A true CN108985897A (zh) | 2018-12-11 |
Family
ID=64537831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810762936.6A Pending CN108985897A (zh) | 2018-07-12 | 2018-07-12 | 一种智能电网发电侧微分演化博弈竞价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108985897A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109934476A (zh) * | 2019-03-05 | 2019-06-25 | 东北电力大学 | 一种基于主体有限理性决策的微电网源-储联合规划多策略演化博弈分析方法 |
CN110310184A (zh) * | 2019-07-09 | 2019-10-08 | 华北电力大学 | 基于具记忆功能的多智能体博弈的发电市场竞价仿真方法 |
CN111009903A (zh) * | 2019-12-25 | 2020-04-14 | 国网河北省电力有限公司 | 一种基于博弈模型的电采暖分布式协作方法 |
CN113570221A (zh) * | 2021-07-15 | 2021-10-29 | 国网浙江省电力有限公司经济技术研究院 | 基于动态演化视角的电网企业拓展综合能源服务市场的辅助决策方法 |
CN114218332A (zh) * | 2022-02-22 | 2022-03-22 | 国网新源控股有限公司 | 一种基于区块链技术的智能电网电能计量数据共享方法 |
-
2018
- 2018-07-12 CN CN201810762936.6A patent/CN108985897A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109934476A (zh) * | 2019-03-05 | 2019-06-25 | 东北电力大学 | 一种基于主体有限理性决策的微电网源-储联合规划多策略演化博弈分析方法 |
CN109934476B (zh) * | 2019-03-05 | 2022-05-24 | 东北电力大学 | 一种基于主体有限理性决策的微电网源-储联合规划多策略演化博弈分析方法 |
CN110310184A (zh) * | 2019-07-09 | 2019-10-08 | 华北电力大学 | 基于具记忆功能的多智能体博弈的发电市场竞价仿真方法 |
CN110310184B (zh) * | 2019-07-09 | 2022-05-10 | 华北电力大学 | 基于具记忆功能的多智能体博弈的发电市场竞价仿真方法 |
CN111009903A (zh) * | 2019-12-25 | 2020-04-14 | 国网河北省电力有限公司 | 一种基于博弈模型的电采暖分布式协作方法 |
CN111009903B (zh) * | 2019-12-25 | 2021-04-20 | 国网河北省电力有限公司 | 一种基于博弈模型的电采暖分布式协作方法 |
CN113570221A (zh) * | 2021-07-15 | 2021-10-29 | 国网浙江省电力有限公司经济技术研究院 | 基于动态演化视角的电网企业拓展综合能源服务市场的辅助决策方法 |
CN114218332A (zh) * | 2022-02-22 | 2022-03-22 | 国网新源控股有限公司 | 一种基于区块链技术的智能电网电能计量数据共享方法 |
CN114218332B (zh) * | 2022-02-22 | 2022-05-17 | 国网新源控股有限公司 | 一种基于区块链技术的智能电网电能计量数据共享方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108985897A (zh) | 一种智能电网发电侧微分演化博弈竞价方法 | |
Bodha et al. | A player unknown's battlegrounds ranking based optimization technique for power system optimization problem | |
CN110197439B (zh) | 考虑源网荷多边不完全信息博弈的增量配电网规划方法 | |
Martinez-Jaramillo et al. | An heterogeneous, endogenous and coevolutionary GP-based financial market | |
CN107370157B (zh) | 一种基于潮流熵的电网可用输电能力风险效益决策方法 | |
CN101916400A (zh) | 一种采用协同粒子群算法的电力市场ace仿真方法 | |
Li et al. | A derived heuristics based multi-objective optimization procedure for micro-grid scheduling | |
Lincoln et al. | Comparing policy gradient and value function based reinforcement learning methods in simulated electrical power trade | |
Yin et al. | Equilibrium stability of asymmetric evolutionary games of multi-agent systems with multiple groups in open electricity market | |
CN113191804A (zh) | 一种最优竞价策略求解方法 | |
CN109829578A (zh) | 一种售电商与多元用户需求响应博弈方法及设备 | |
CN111784203A (zh) | 适用于发电机组参与的电力现货市场风险模拟分析方法 | |
CN111582903A (zh) | 考虑电力期货变化影响的发电商智能体及报价方法 | |
Kumar et al. | Profit based unit commitment problem solution using metaheuristic optimisation approach | |
Hu et al. | Optimal operation of power systems with energy storage under uncertainty: A scenario-based method with strategic sampling | |
Liu et al. | Single-level electricity market equilibrium with offers and bids in energy and price | |
Pfeifer et al. | Fast energy transition as a best strategy for all? The nash equilibrium of long-term energy planning strategies in coupled power markets | |
Pourghasem et al. | Reliable economic dispatch of microgrids by exchange market algorithm | |
CN116644912A (zh) | 综合能源系统优化运行方法及综合能源系统 | |
Tellidou et al. | Multi-agent reinforcement learning for strategic bidding in power markets | |
Wu et al. | Peer-to-peer energy trading optimization for community prosumers considering carbon cap-and-trade | |
Spangher | Transactive multi-agent reinforcement learning for distributed energy price localization | |
CN107679919A (zh) | 基于成本和纳什均衡的电力市场交易效率提升方法及系统 | |
Du et al. | Blockchain based peer-to-peer energy trading between wind power producer and prosumers in short-term market | |
Pasupulati et al. | An effective methodology for short-term generation scheduling of hydrothermal power system using improved TLBO algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181211 |
|
RJ01 | Rejection of invention patent application after publication |