CN109190824A - 基于用户侧区域综合能源系统的联盟博弈优化运行方法 - Google Patents
基于用户侧区域综合能源系统的联盟博弈优化运行方法 Download PDFInfo
- Publication number
- CN109190824A CN109190824A CN201811026826.XA CN201811026826A CN109190824A CN 109190824 A CN109190824 A CN 109190824A CN 201811026826 A CN201811026826 A CN 201811026826A CN 109190824 A CN109190824 A CN 109190824A
- Authority
- CN
- China
- Prior art keywords
- energy
- hinge
- alliance
- user
- game
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 239000002245 particle Substances 0.000 claims abstract description 37
- 238000005457 optimization Methods 0.000 claims abstract description 24
- 239000002699 waste material Substances 0.000 claims abstract description 7
- 238000013486 operation strategy Methods 0.000 claims abstract description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 56
- 230000005611 electricity Effects 0.000 claims description 39
- 239000003345 natural gas Substances 0.000 claims description 28
- 238000004146 energy storage Methods 0.000 claims description 24
- 238000005338 heat storage Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 claims description 6
- 239000007789 gas Substances 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 5
- 238000000576 coating method Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 238000013277 forecasting method Methods 0.000 claims description 3
- 238000010438 heat treatment Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims 1
- 238000005303 weighing Methods 0.000 claims 1
- 230000008901 benefit Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明的基于用户侧区域综合能源系统的联盟博弈优化运行方法,建立多目标函数,计算能源枢纽能源输入量及价格,通过双层模型多次迭代,上下层收敛至最优解,给出优化问题的基础条件;通过对联盟中博弈模型、效用函数的建立来形成联盟结构,每个能源枢纽可与联盟内的其它枢纽进行交易,求解纳什均衡解。设计能源枢纽三阶段交易方案,采取粒子群优化算法求解各联盟最大利润,得到最佳综合能源系统优化运行策略,实现综合能源系统的优化运行。本方法加强了能源枢纽间协同合作的联系,可提高能源系统运行的灵活性、能源梯级的利用率、减少风和光的废弃等间歇性能源的浪费,减轻了用户负荷侧对能源供应商的压力。
Description
技术领域
本发明属于能源优化技术领域,具体涉及基于用户侧区域综合能源系统的联盟博弈优化运行方法。
背景技术
近来,随着能源产业政策的陆续实施,能源需求的水平也在逐步提高。传统的能源系统,如电力系统、天然气系统以及热力系统,大多是单独规划和运行的,彼此之间缺乏协调与配合,不利于能源供应系统的经济高效运行,随着能源互联网的发展,电力、天然气、热能等能源的耦合性和内部依赖性明显增强,多能源协同运行的趋势越来越明显,综合能源系统对提高能效、降低能源成本、保证能源安全、经济、高效、清洁具有重要意义。
由于综合能源系统是由多种形式的能源系统组成,单一的系统建模、分析和控制方法各不相同,使得多能源耦合运行变得越来越复杂,为了使综合能源系统的规划和运行更加简洁方便,采用能源枢纽(Energy Hub,EH)的概念,能源枢纽是一种典型的多输入多输出、多级能量流和信息流融合的互联节点,包括各种形式的可再生能源,是综合能源系统研究的关键,为综合能源系统的优化提供了可能。
目前,现有技术主要集中以经济性和环保性为最优准则进行优化调度、或考虑了可再生能源的随机性和间歇性,建立了电力和天然气的耦合调度模型,对优化问题进行求解。但能源枢纽之间的相互协作没有被解决。
发明内容
为解决上述技术问题,本发明的目的是提供基于用户侧区域综合能源系统的联盟博弈优化运行方法,以降低弃风、弃光等间歇性能源的浪费,操作运行灵活,能源成本低,经济效益较好。
本发明提供一种基于用户侧区域综合能源系统的联盟博弈优化运行方法,包括如下步骤:
步骤1:建立基于用户侧区域综合能源系统的能源枢纽的能量输入输出关系和供需平衡关系;
步骤2:建立多目标函数,计算出能源枢纽的能源输入量以及能源价格,通过建立的双层模型多次迭代,上下层收敛至最优解,将优化问题的基础条件给出;
步骤3:在求得上述条件的基础上,能源枢纽通过对联盟中博弈模型、效用函数的建立来形成联盟结构,每个能源枢纽可以与联盟内的其它枢纽进行交易,目标函数是使效用函数在不同的联盟结构中取得最大值(即最大利润),因为效用函数满足凸函数特性,所以存在一个Nash均衡点满足综合能源系统优化问题,进而求解纳什均衡解,最终选择最优联盟结构;
步骤4:设计能源枢纽的三阶段交易方案,根据三阶段交易方案,采取粒子群优化算法求解各联盟最大利润,得到最佳综合能源系统优化运行策略,实现综合能源系统的优化运行。
在本发明的基于用户侧区域综合能源系统的联盟博弈优化运行方法中,所述步骤1包括:
步骤1.1:基于用户侧区域综合能源系统的能源枢纽包括:电网、光伏板、风机、变压器、CHP机组、燃煤锅炉、蓄电池、蓄热槽以及电能输出、热能输出,根据它们之间的耦合关系建立能量输入输出矩阵关系式:
其中,Ein为能源枢纽的电输入能量,Gin为能源枢纽的天然气输入能量,ηT为变压器的转换效率,ηGF为燃煤锅炉的转化效率,为CHP机组转化电能的效率,为CHP机组转化热能的效率,调度因子α∈[0,1]指天然气输入到CHP机组和燃煤锅炉的比例数,ηes为电储能装置效率,ηhs为热储能装置效率,ηes和ηhs取90%,Eout为能源枢纽的电输出能量,Hout为能源枢纽的热输出能量,Ee为蓄电池的额定容量,Eh为蓄热槽的额定容量;
步骤1.2:在保证满足用户电、热需求的前提下,能源供应商供给的能量和能源枢纽的输入满足下列供需平衡关系:
其中,为能源供应商提供的电能,为能源供应商提供的天然气,为能源枢纽i在t时刻输入的电能,为能源枢纽i在t时刻输入的天然气。
在本发明的基于用户侧区域综合能源系统的联盟博弈优化运行方法中,所述步骤2包括:
步骤2.1:基于用户侧区域综合能源系统包括:电力供应商、天然气供应商、N个能源枢纽和N个用户,建立双层的多目标函数:
(1)上层能源供应商提供电能、天然气两种能源,目的使其目标函数利润最大化,上层能源供应商目标函数为:
(2)下层用户的目标函数为最大需求剩余,下层用户目标函数为:
式中,为系统供电成本函数,为电力价格,为天然气价格,为系统供天然气成本函数,为用户的效用,取57、取8为用户电能消费偏好的常系数,取8、取65,为用户热能消费偏好的常系数,为能源枢纽输出的电能,为能源枢纽输出的热能;
步骤2.2:对不可控能源出力情况预测,将近几年同一时刻的用户负荷需求量作为历史数据,通过负荷预测方法得到系统此时的负荷预测值;根据负荷预测值对受天气因素影响的风力发电机、光伏机组出力情况进行预测;其中,机组约束为:
(1)电功率平衡
其中,为电网提供的电能,为光伏输出电量,为CHP单元提供的电量,为蓄电池的充电量,为蓄电池的放电量,为用户电负荷,为用户热负荷;
(2)热功率平衡
其中,为燃煤锅炉提供的热能,为CHP单元提供的热量,为蓄热槽储热量,为蓄热槽放热量;
(3)储能设备平衡
其中,St,St-1分别为热/电储能设备在在能量充放电前后存储的能量,Qc,Qd分别为储能装置储存或释放的能量,ηc,ηd分别为储能/放能的效率(取90%);
Smin≤S≤Smax (10)
0≤Qc≤Qc,max (11)
0≤Qd≤Qd,max (12)
其中,Smax,Smin分别为储能的最大量和最小量,Qc,Qd分别为充电和放电量。
在本发明的基于用户侧区域综合能源系统的联盟博弈优化运行方法中,所述步骤3包括:
步骤3.1:对能源输入量Ein、Gin以及能源价格构建联盟博弈模型,对博弈模型进行定义:
N={1,2,...,N} (13)
ν:2N→R (14)
x=[x1,x2,...,xi,...,xN] (16)
x-i=[x1,...,xi-1,xi+1,...,xN] (17)
-Ki≤xi≤Ki (18)
其中,N为参与博弈的能源枢纽的集合,ν为反映每个联盟的效用函数即联盟获得的总收益,xi=[x1,x2,...,xi,...,xN]为所有参与者(能源枢纽)的纯策略组合,x-i=[x1,...,xi-1,xi+1,...,xN]为除了能源枢纽i的策略组合,Di为用户的电量需求,Ki为电量剩余或需求。
步骤3.2:对于给定的某些策略决定量xi,其效用函数为:
其中,NS,NB分别为能源枢纽的卖方集合和买方集合,为卖方i从供应商购买的电量和天然气量,为买方i从供应商购买的电量和天然气量,pea为由所有能源枢纽的策略决定的交易价格,求解公式如下;
其中,m1取1.5×10-3为定价方程的系数,s(xi)为用户的销售收入,表示如下:
其中,m2取9.5,l取0.005,k取1.7,都为收入函数的系数;
步骤3.3:在合作博弈中,假定所有的参与者都是合理的,对于区域综合能源系统,目标函数是使效用函数在不同的联盟结构中得到最大值(即最大利润),然后选择最优联盟结构,由于上述效用函数满足凸函数的特性,存在一个Nash平衡点来满足综合能源系统优化问题:
其中,就是纳什均衡解;
假设能源枢纽集合N有一个联盟结构R(N)={S1,S2,...,SM},属于联盟结构的能源枢纽EHi的纳什均衡被定义为:
对于每一个联盟Si∈R(N),其联盟中所有能源枢纽的效用函数之和表示为:
在纳什均衡处的策略x*=[x1 *,x2 *,...,xi *,...,xN *]可以使所有效用函数最大化。
在本发明的基于用户侧区域综合能源系统的联盟博弈优化运行方法中,所述步骤4包括:
步骤4.1:请求和交换,能源枢纽将自己的信息发送给信息管理系统,包括用户对电力的需求,以及自身电力的剩余或需求,这些信息是通过综合能源系统的信息收集的;
步骤4.2:确定联盟结构,利用基于粒子群优化算法进行集中式优化,确定最终的联盟结构R(N)*={S1 *,...,SM *},综合能源系统对能源枢纽确定最佳的联盟策略x*=[x1 *,x2 *,...,xi *,...,xN *],即每个能源枢纽与其他枢纽交换的电量剩余或需求;
步骤4.3:合作交易,从综合能源系统得到最终的联盟结构和策略后,将所属的联盟和可交易的电量发送给能源枢纽,进而能源枢纽开始进行合作交易;如果交易完成后仍然存在盈余或短缺,则储能设备可以储存电量,避免能源浪费。
在本发明的基于用户侧区域综合能源系统的联盟博弈优化运行方法中,所述步骤4.2具体为:
步骤4.2.1:输入策略向量并初始化粒子参数包括:粒子个数、初始位置、初始速度、迭代次数;
步骤4.2.2:在确定效用函数之后,不断更新粒子的速度和位置,随机产生初始可行的策略组合x,以及在保持其他能源枢纽策略不变的情况下更新每个粒子与最优粒子之间的距离;
粒子速度更新公式为:
粒子位置更新公式为:
其中,d为当前迭代次数,ω一般取0.8为保持原来速度的惯性系数,c1、c2一般取2为加速系数,是非负的常数,rand1、rand2为[0,1]区间内均匀分布的随机数,一般取0.9为位置更新约束因子,为粒子速度,为粒子在第k次迭代时的局部最优位置,表示第k次迭代时的全局最优位置,为粒子在第k次迭代时的空间位置;
步骤4.2.3:迭代步骤3.3改变策略xi,能源枢纽联盟的效用函数值(粒子的位置)不断更新达到最大值,直至收敛;
步骤4.2.4:经过多次迭代更新,新策略不断更新和优化;
x*=[x1 *,x2 *,...,xi *,...,xN *] (27)
步骤4.2.5:判断收敛性,判断新的策略组合x*和之前的迭代策略组合x是否满足收敛条件||x*-x||≤ε,ε为接近零的较小的数,若最终解不收敛,执行步骤4.2.2,直至最终输出最稳定的最优组合x*,迭代终止,博弈结束。
本发明的基于用户侧区域综合能源系统的联盟博弈优化运行方法,加强了能源枢纽之间协同合作的联系,这样不仅可以提高综合能源系统运行的灵活性、能源梯级的利用率,而且可以减少诸如风和光的废弃等间歇性能源的浪费,除了满足用户电、热基本需求外,减轻了用户负荷侧对能源供应商的压力,还具有较好的经济效益。
附图说明
图1为本发明中实施例的能源枢纽的结构图;
图2为本发明中实施例的综合能源系统的结构图;
图3为本发明中综合能源系统三阶段交易方案的流程图;
图4为本发明中联盟博弈求解方法流程图。
具体实施方式
下面结合说明书附图对本发明作进一步阐述。
本发明的基于用户侧区域综合能源系统的联盟博弈优化运行方法,天然气公司、电力公司为综合能源系统提供能源支持,将每个能源枢纽和用户看成一个整体,通过建立的三阶段交易方案以及效用函数,求解最佳运行方法,具体包括如下步骤:
步骤1:建立基于用户侧区域综合能源系统的能源枢纽的能量输入输出关系和供需平衡关系,所述步骤1包括:
步骤1.1:如图1所示,基于用户侧区域综合能源系统的能源枢纽包括:电网、光伏板、风机、变压器、CHP机组、燃煤锅炉、蓄电池、蓄热槽以及电能输出、热能输出等,根据它们之间的耦合关系建立能量输入输出矩阵关系式:
其中,Ein为能源枢纽的电输入能量,Gin为能源枢纽的天然气输入能量,ηT为变压器的转换效率,ηGF为燃煤锅炉的转化效率,为CHP机组转化电能的效率,为CHP机组转化热能的效率,调度因子α∈[0,1]指天然气输入到CHP机组和燃煤锅炉的比例数,ηes为电储能装置效率,ηhs为热储能装置效率,ηes和ηhs取90%,Eout为能源枢纽的电输出能量,Hout为能源枢纽的热输出能量,Ee为蓄电池的额定容量,Eh为蓄热槽的额定容量;
步骤1.2:在保证满足用户电、热需求的前提下,能源供应商供给的能量和能源枢纽的输入满足下列供需平衡关系:
其中,为能源供应商提供的电能,为能源供应商提供的天然气,为能源枢纽i在t时刻输入的电能,为能源枢纽i在t时刻输入的天然气。
步骤2:建立多目标函数,计算出能源枢纽的能源输入量以及能源价格,通过建立的双层模型多次迭代,上下层收敛至最优解,将优化问题的基础条件给出,所述步骤2包括:
步骤2.1:如图2所示,综合能源系统结构图,包括能源供应商:电力供应商、天然气供应商,N个能源枢纽和N个用户,其中天然气供应商、电力供应商为能源枢纽供应能源,能源枢纽间通过电力线交换电能,供应商之间、能源枢纽和用户之间通过信息交换线对电量的剩余或需求进行交互,从而实现能源的买卖,首先建立双层的多目标函数:
(1)上层能源供应商提供电能、天然气两种能源,目的使其目标函数利润最大化,上层能源供应商目标函数为:
(2)下层用户的目标函数为最大需求剩余,下层用户目标函数为:
式中,为系统供电成本函数,为电力价格,为天然气价格,为系统供天然气成本函数,为用户的效用,取57、取8为用户电能消费偏好的常系数,取8、取65,为用户热能消费偏好的常系数,为能源枢纽输出的电能,为能源枢纽输出的热能;
步骤2.2:对不可控能源出力情况预测,将近几年同一时刻的用户负荷需求量作为历史数据,通过负荷预测方法得到系统此时的负荷预测值;根据负荷预测值对受天气因素影响的风力发电机、光伏机组出力情况进行预测;其中,机组约束为:
(1)电功率平衡
其中,为电网提供的电能,为光伏输出电量,为CHP单元提供的电量,为蓄电池的充电量,为蓄电池的放电量,为用户电负荷,为用户热负荷;
(2)热功率平衡
其中,为燃煤锅炉提供的热能,为CHP单元提供的热量,为蓄热槽储热量,为蓄热槽放热量;
(3)储能设备平衡
其中,St,St-1分别为热/电储能设备在在能量充放电前后存储的能量,Qc,Qd分别为储能装置储存或释放的能量,ηc,ηd分别为储能/放能的效率(取90%);
Smin≤S≤Smax (10)
0≤Qc≤Qc,max (11)
0≤Qd≤Qd,max (12)
其中,Smax,Smin分别为储能的最大量和最小量,Qc,Qd分别为充电和放电量。
步骤3:在求得上述条件的基础上,能源枢纽通过对联盟中博弈模型、效用函数的建立来形成联盟结构,每个能源枢纽可以与联盟内的其它枢纽进行交易,目标函数是使效用函数在不同的联盟结构中取得最大值(即最大利润),因为效用函数满足凸函数特性,所以存在一个Nash均衡点满足综合能源系统优化问题,进而求解纳什均衡解,最终选择最优联盟结构;所述步骤3包括:
步骤3.1:对能源输入量Ein、Gin以及能源价格构建联盟博弈模型,对博弈模型进行定义:
N={1,2,...,N} (13)
ν:2N→R (14)
x=[x1,x2,...,xi,...,xN] (16)
x-i=[x1,...,xi-1,xi+1,...,xN] (17)
-Ki≤xi≤Ki (18)
其中,N为参与博弈的能源枢纽的集合,ν为反映每个联盟的效用函数即联盟获得的总收益,xi=[x1,x2,...,xi,...,xN]为所有参与者(能源枢纽)的纯策略组合,x-i=[x1,...,xi-1,xi+1,...,xN]为除了能源枢纽i的策略组合,Di为用户的电量需求,Ki为电量剩余或需求。
步骤3.2:对于给定的某些策略决定量xi,其效用函数为:
其中,NS,NB分别为能源枢纽的卖方集合和买方集合,为卖方i从供应商购买的电量和天然气量,为买方i从供应商购买的电量和天然气量,pea为由所有能源枢纽的策略决定的交易价格,求解公式如下;
其中,m1取1.5×10-3为定价方程的系数,s(xi)为用户的销售收入,表示如下:
其中,m2取9.5,l取0.005,k取1.7,都为收入函数的系数;
步骤3.3:在合作博弈中,假定所有的参与者都是合理的,对于区域综合能源系统,目标函数是使效用函数在不同的联盟结构中得到最大值(即最大利润),然后选择最优联盟结构,由于上述效用函数满足凸函数的特性,存在一个Nash平衡点来满足综合能源系统优化问题:
ui(xi *,x-i *)≥ui(xi,x-i *) (22)
其中,(xi *,x-i *)就是纳什均衡解;
假设能源枢纽集合N有一个联盟结构R(N)={S1,S2,...,SM},属于联盟结构的能源枢纽EHi的纳什均衡被定义为:
对于每一个联盟Si∈R(N),其联盟中所有能源枢纽的效用函数之和表示为:
在纳什均衡处的策略x*=[x1 *,x2 *,...,xi *,...,xN *]可以使所有效用函数最大化。
如图3所示,综合能源系统三阶段交易方案的流程图,在进行优化运行求解之前,需要系统对各个能源枢纽整体信息以及交互的能量有所掌握,对于采取联盟博弈提供了理论基础。
步骤4:设计能源枢纽的三阶段交易方案,根据三阶段交易方案,采取粒子群优化算法求解各联盟最大利润,得到最佳综合能源系统优化运行策略,实现综合能源系统的优化运行,所述步骤4包括:
步骤4.1:请求和交换,能源枢纽将自己的信息发送给信息管理系统,包括用户对电力的需求,以及自身的电力的剩余或需求,这些信息是通过综合能源系统的信息收集的;
步骤4.2:确定联盟结构,利用基于粒子群优化算法进行集中式优化,确定最终的联盟结构R(N)*={S1 *,...,SM *},综合能源系统对能源枢纽确定最佳的联盟策略x*=[x1 *,x2 *,...,xi *,...,xN *],即每个能源枢纽与其他枢纽交换的电量剩余或需求;
步骤4.3:合作交易,从综合能源系统得到最终的联盟结构和策略后,将所属的联盟和可交易的电量发送给能源枢纽,进而能源枢纽开始进行合作交易;如果交易完成后仍然存在盈余或短缺,则储能设备可以储存电量,避免能源浪费。
如图4所示,采取联盟博弈求解方法,所述步骤4.2具体为:
步骤4.2.1:输入策略向量并初始化粒子参数包括:粒子个数、初始位置、初始速度、迭代次数;
步骤4.2.2:在确定效用函数之后,不断更新粒子的速度和位置,随机产生初始可行的策略组合x,以及在保持其他能源枢纽策略不变的情况下更新每个粒子与最优粒子之间的距离;
粒子速度更新公式为:
粒子位置更新公式为:
其中,d为当前迭代次数,ω一般取0.8为保持原来速度的惯性系数,c1、c2一般取2为加速系数,是非负的常数,rand1、rand2为[0,1]区间内均匀分布的随机数,一般取0.9为位置更新约束因子,为粒子速度,为粒子在第k次迭代时的局部最优位置,表示第k次迭代时的全局最优位置,为粒子在第k次迭代时的空间位置;
步骤4.2.3:迭代步骤3.3改变策略xi,能源枢纽联盟的效用函数值(粒子的位置)不断更新达到最大值,直至收敛;
步骤4.2.4:经过多次迭代更新,新策略不断更新和优化;
x*=[x1 *,x2 *,...,xi *,...,xN *] (27)
步骤4.2.5:判断收敛性,判断新的策略组合x*和之前的迭代策略组合x是否满足收敛条件||x*-x||≤ε,ε为接近零的较小的数,若最终解不收敛,执行步骤4.2.2,直至最终输出最稳定的最优组合x*,迭代终止,博弈结束。
本发明的基于用户侧区域综合能源系统的联盟博弈优化运行方法,加强了能源枢纽之间协同合作的联系,除了满足用户电、热基本需求外,还大幅度地降低了弃风、弃光等间歇性能源的浪费,减少了能源枢纽用户侧的用能成本,同时增强了综合能源系统的灵活性,使得能源枢纽可以在内部进行能源的买卖与交互,减轻了用户负荷侧对能源供应商的压力,对于综合能源系统来说,采取合作联盟的优化运行方法带来的经济效益更加明显。
以上所述仅为本发明的较佳实施例,并不用以限制本发明的思想,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.基于用户侧区域综合能源系统的联盟博弈优化运行方法,其特征在于,包括如下步骤:
步骤1:建立基于用户侧区域综合能源系统的能源枢纽的能量输入输出关系和供需平衡关系;
步骤2:建立多目标函数,计算出能源枢纽的能源输入量以及能源价格,通过建立的双层模型多次迭代,上下层收敛至最优解,将优化问题的基础条件给出;
步骤3:在求得上述条件的基础上,能源枢纽通过对联盟中博弈模型、效用函数的建立来形成联盟结构,每个能源枢纽可以与联盟内的其它枢纽进行交易,目标函数是使效用函数在不同的联盟结构中取得最大值(即最大利润),因为效用函数满足凸函数特性,所以存在一个Nash均衡点满足综合能源系统优化问题,进而求解纳什均衡解,最终选择最优联盟结构;
步骤4:设计能源枢纽的三阶段交易方案,根据三阶段交易方案,采取粒子群优化算法求解各联盟最大利润,得到最佳综合能源系统优化运行策略,实现综合能源系统的优化运行。
2.如权利要求1所述的基于用户侧区域综合能源系统的联盟博弈优化运行方法,其特征在于,所述步骤1包括:
步骤1.1:基于用户侧区域综合能源系统的能源枢纽包括:电网、光伏板、风机、变压器、CHP机组、燃煤锅炉、蓄电池、蓄热槽以及电能输出、热能输出,根据它们之间的耦合关系建立能量输入输出矩阵关系式:
其中,Ein为能源枢纽的电输入能量,Gin为能源枢纽的天然气输入能量,ηT为变压器的转换效率,ηGF为燃煤锅炉的转化效率,为CHP机组转化电能的效率,为CHP机组转化热能的效率,调度因子α∈[0,1]指天然气输入到CHP机组和燃煤锅炉的比例数,ηes为电储能装置效率,ηhs为热储能装置效率,ηes和ηhs取90%,Eout为能源枢纽的电输出能量,Hout为能源枢纽的热输出能量,Ee为蓄电池的额定容量,Eh为蓄热槽的额定容量;
步骤1.2:在保证满足用户电、热需求的前提下,能源供应商供给的能量和能源枢纽的输入满足下列供需平衡关系:
其中,为能源供应商提供的电能,为能源供应商提供的天然气,为能源枢纽i在t时刻输入的电能,为能源枢纽i在t时刻输入的天然气。
3.如权利要求2所述的基于用户侧区域综合能源系统的联盟博弈优化运行方法,其特征在于,所述步骤2包括:
步骤2.1:基于用户侧区域综合能源系统包括:电力供应商、天然气供应商、N个能源枢纽和N个用户,建立双层的多目标函数:
(1)上层能源供应商提供电能、天然气两种能源,目的使其目标函数利润最大化,上层能源供应商目标函数为:
(2)下层用户的目标函数为最大需求剩余,下层用户目标函数为:
式中,为系统供电成本函数,为电力价格,为天然气价格,为系统供天然气成本函数,为用户的效用,取57、取8为用户电能消费偏好的常系数,取8、取65,为用户热能消费偏好的常系数,为能源枢纽输出的电能,为能源枢纽输出的热能;
步骤2.2:对不可控能源出力情况预测,将近几年同一时刻的用户负荷需求量作为历史数据,通过负荷预测方法得到系统此时的负荷预测值;根据负荷预测值对受天气因素影响的风力发电机、光伏机组出力情况进行预测;其中,机组约束为:
(1)电功率平衡
其中,为电网提供的电能,为光伏输出电量,为CHP单元提供的电量,为蓄电池的充电量,为蓄电池的放电量,为用户电负荷,为用户热负荷;
(2)热功率平衡
其中,为燃煤锅炉提供的热能,为CHP单元提供的热量,为蓄热槽储热量,为蓄热槽放热量;
(3)储能设备平衡
其中,St,St-1分别为热/电储能设备在在能量充放电前后存储的能量,Qc,Qd分别为储能装置储存或释放的能量,ηc,ηd分别为储能/放能的效率(取90%);
Smin≤S≤Smax (10)
0≤Qc≤Qc,max (11)
0≤Qd≤Qd,max (12)
其中,Smax,Smin分别为储能的最大量和最小量,Qc,Qd分别为充电和放电量。
4.如权利要求4所述的基于用户侧区域综合能源系统的联盟博弈优化运行方法,其特征在于,所述步骤3包括:
步骤3.1:对能源输入量Ein、Gin以及能源价格构建联盟博弈模型,对博弈模型进行定义:
N={1,2,...,N} (13)
ν:2N→R (14)
x=[x1,x2,...,xi,...,xN] (16)
x-i=[x1,...,xi-1,xi+1,...,xN] (17)
-Ki≤xi≤Ki (18)
其中,N为参与博弈的能源枢纽的集合,ν为反映每个联盟的效用函数即联盟获得的总收益,xi=[x1,x2,...,xi,...,xN]为所有参与者(能源枢纽)的纯策略组合,x-i=[x1,...,xi-1,xi+1,...,xN]为除了能源枢纽i的策略组合,Di为用户的电量需求,Ki为电量剩余或需求。
步骤3.2:对于给定的某些策略决定量xi,其效用函数为:
其中,NS,NB分别为能源枢纽的卖方集合和买方集合,为卖方i从供应商购买的电量和天然气量,为买方i从供应商购买的电量和天然气量,pea为由所有能源枢纽的策略决定的交易价格,求解公式如下;
其中,m1取1.5×10-3为定价方程的系数,s(xi)为用户的销售收入,表示如下:
其中,m2取9.5,l取0.005,k取1.7,都为收入函数的系数;
步骤3.3:在合作博弈中,假定所有的参与者都是合理的,对于区域综合能源系统,目标函数是使效用函数在不同的联盟结构中得到最大值(即最大利润),然后选择最优联盟结构,由于上述效用函数满足凸函数的特性,存在一个Nash平衡点来满足综合能源系统优化问题:
ui(xi *,x-i *)≥ui(xi,x-i *) (22)
其中,(xi *,x-i *)就是纳什均衡解;
假设能源枢纽集合N有一个联盟结构R(N)={S1,S2,...,SM},属于联盟结构的能源枢纽EHi的纳什均衡被定义为:
对于每一个联盟Si∈R(N),其联盟中所有能源枢纽的效用函数之和表示为:
在纳什均衡处的策略x*=[x1 *,x2 *,...,xi *,...,xN *]可以使所有效用函数最大化。
5.如权利要求4所述的基于用户侧区域综合能源系统的联盟博弈优化运行方法,其特征在于,所述步骤4包括:
步骤4.1:请求和交换,能源枢纽将自己的信息发送给信息管理系统,包括用户对电力的需求,以及自身电力的剩余或需求,这些信息是通过综合能源系统的信息收集的;
步骤4.2:确定联盟结构,利用基于粒子群优化算法进行集中式优化,确定最终的联盟结构R(N)*={S1 *,...,SM *},综合能源系统对能源枢纽确定最佳的联盟策略x*=[x1 *,x2 *,...,xi *,...,xN *],即每个能源枢纽与其他枢纽交换的电量剩余或需求;
步骤4.3:合作交易,从综合能源系统得到最终的联盟结构和策略后,将所属的联盟和可交易的电量发送给能源枢纽,进而能源枢纽开始进行合作交易;如果交易完成后仍然存在盈余或短缺,则储能设备可以储存电量,避免能源浪费。
6.如权利要求5所述的基于用户侧区域综合能源系统的联盟博弈优化运行方法,其特征在于,所述步骤4.2具体为:
步骤4.2.1:输入策略向量并初始化粒子参数包括:粒子个数、初始位置、初始速度、迭代次数;
步骤4.2.2:在确定效用函数之后,不断更新粒子的速度和位置,随机产生初始可行的策略组合x,以及在保持其他能源枢纽策略不变的情况下更新每个粒子与最优粒子之间的距离;
粒子速度更新公式为:
粒子位置更新公式为:
其中,d为当前迭代次数,ω一般取0.8为保持原来速度的惯性系数,c1、c2一般取2为加速系数,是非负的常数,rand1、rand2为[0,1]区间内均匀分布的随机数,一般取0.9为位置更新约束因子,为粒子速度,为粒子在第k次迭代时的局部最优位置,表示第k次迭代时的全局最优位置,为粒子在第k次迭代时的空间位置;
步骤4.2.3:迭代步骤3.3改变策略xi,能源枢纽联盟的效用函数值(粒子的位置)不断更新达到最大值,直至收敛;
步骤4.2.4:经过多次迭代更新,新策略不断更新和优化;
x*=[x1 *,x2 *,...,xi *,...,xN *] (27)
步骤4.2.5:判断收敛性,判断新的策略组合x*和之前的迭代策略组合x是否满足收敛条件||x*-x||≤ε,ε为接近零的较小的数,若最终解不收敛,执行步骤4.2.2,直至最终输出最稳定的最优组合x*,迭代终止,博弈结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811026826.XA CN109190824B (zh) | 2018-09-04 | 2018-09-04 | 基于用户侧区域综合能源系统的联盟博弈优化运行方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811026826.XA CN109190824B (zh) | 2018-09-04 | 2018-09-04 | 基于用户侧区域综合能源系统的联盟博弈优化运行方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109190824A true CN109190824A (zh) | 2019-01-11 |
CN109190824B CN109190824B (zh) | 2021-08-27 |
Family
ID=64914364
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811026826.XA Active CN109190824B (zh) | 2018-09-04 | 2018-09-04 | 基于用户侧区域综合能源系统的联盟博弈优化运行方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109190824B (zh) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110046773A (zh) * | 2019-05-30 | 2019-07-23 | 东北大学 | 综合能源系统多主体合作优化运行与成本效益分配方法 |
CN110110897A (zh) * | 2019-04-11 | 2019-08-09 | 华北电力大学 | 一种考虑不同储能运行策略的综合能源系统优化方法 |
CN110210104A (zh) * | 2019-05-28 | 2019-09-06 | 国电南瑞科技股份有限公司 | 一种多能源系统运行调度方法 |
CN110263981A (zh) * | 2019-05-30 | 2019-09-20 | 天津大学 | 考虑弹性调度策略的气-电耦合综合能源系统规划方法 |
CN110443398A (zh) * | 2019-05-13 | 2019-11-12 | 华北电力大学(保定) | 一种基于重复博弈模型的区域综合能源系统优化运行方法 |
CN110555562A (zh) * | 2019-09-06 | 2019-12-10 | 燕山大学 | 一种泛在电力物联网中综合能源系统分层能量管理方法 |
CN110707755A (zh) * | 2019-10-11 | 2020-01-17 | 南京师范大学 | 一种考虑非理想通信条件下基于能量枢纽的综合能源系统超短期调度方法 |
CN110829503A (zh) * | 2019-10-25 | 2020-02-21 | 国家电网有限公司技术学院分公司 | 风光水火储的多能互补微电网联合优化调度方法及系统 |
CN111489031A (zh) * | 2020-04-09 | 2020-08-04 | 江苏方天电力技术有限公司 | 基于源荷演化博弈的综合能源系统中长期负荷预测系统及方法 |
CN111626663A (zh) * | 2020-04-27 | 2020-09-04 | 南京邮电大学 | 面向异构快递点的零散快递合作寄件方法 |
CN111626587A (zh) * | 2020-05-21 | 2020-09-04 | 浙江大学 | 一种计及能流延迟特性的综合能源系统拓扑优化方法 |
CN111815369A (zh) * | 2020-07-31 | 2020-10-23 | 上海交通大学 | 一种基于深度强化学习的多能源系统能量调度方法 |
CN111881616A (zh) * | 2020-07-02 | 2020-11-03 | 国网河北省电力有限公司经济技术研究院 | 一种基于多主体博弈的综合能源系统的运行优化方法 |
CN111881540A (zh) * | 2020-05-28 | 2020-11-03 | 湘潭大学 | 一种能量枢纽中热泵容量和各能源设备功率的优化方法 |
CN112085253A (zh) * | 2020-08-04 | 2020-12-15 | 上海交通大学 | 一种考虑投机行为的多能源市场交易策略决策方法 |
CN112910001A (zh) * | 2021-02-23 | 2021-06-04 | 广东电网有限责任公司 | 多电压等级交直流混合系统三阶段优化配置方法及系统 |
CN113554219A (zh) * | 2021-07-02 | 2021-10-26 | 国网安徽省电力有限公司电力科学研究院 | 一种可再生能源发电站共享储能容量规划方法及装置 |
CN113902179A (zh) * | 2021-09-27 | 2022-01-07 | 燕山大学 | 一种基于区域级综合能源系统能量互动的优化调度方法 |
CN114118590A (zh) * | 2021-11-30 | 2022-03-01 | 国网江苏省电力有限公司电力科学研究院 | 一种基于能源枢纽的综合能源系统可靠调度方法及装置 |
CN114970981A (zh) * | 2021-12-03 | 2022-08-30 | 国网浙江省电力有限公司信息通信分公司 | 一种基于随机优化的多区互联综合能源系统规划方法 |
CN117498399A (zh) * | 2023-12-29 | 2024-02-02 | 国网浙江省电力有限公司 | 考虑弹性可调能源实体接入的多能协同配置方法及系统 |
CN114970981B (zh) * | 2021-12-03 | 2024-07-16 | 国网浙江省电力有限公司信息通信分公司 | 一种基于随机优化的多区互联综合能源系统规划方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100041453A1 (en) * | 2006-10-20 | 2010-02-18 | Grimm Jr Robert Dean | Method for playing casino-style games of chance with pari-mutuel race outcomes |
US20140018971A1 (en) * | 2011-03-31 | 2014-01-16 | Energent Incorporated | Computer implemented electrical energy hub management system and method |
CN107862418A (zh) * | 2017-12-05 | 2018-03-30 | 清华大学 | 基于储能能源枢纽的热电耦合系统优化调度方法及装置 |
-
2018
- 2018-09-04 CN CN201811026826.XA patent/CN109190824B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100041453A1 (en) * | 2006-10-20 | 2010-02-18 | Grimm Jr Robert Dean | Method for playing casino-style games of chance with pari-mutuel race outcomes |
US20140018971A1 (en) * | 2011-03-31 | 2014-01-16 | Energent Incorporated | Computer implemented electrical energy hub management system and method |
CN107862418A (zh) * | 2017-12-05 | 2018-03-30 | 清华大学 | 基于储能能源枢纽的热电耦合系统优化调度方法及装置 |
Non-Patent Citations (2)
Title |
---|
梅生伟等: "电力系统控制与决策中的博弈问题―工程博弈论初探", 《控制理论与应用》 * |
罗艳红等: "计及可靠性的电―气―热能量枢纽配置与运行优化", 《电力系统自动化》 * |
Cited By (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110110897A (zh) * | 2019-04-11 | 2019-08-09 | 华北电力大学 | 一种考虑不同储能运行策略的综合能源系统优化方法 |
CN110443398B (zh) * | 2019-05-13 | 2023-04-18 | 华北电力大学(保定) | 一种基于重复博弈模型的区域综合能源系统优化运行方法 |
CN110443398A (zh) * | 2019-05-13 | 2019-11-12 | 华北电力大学(保定) | 一种基于重复博弈模型的区域综合能源系统优化运行方法 |
CN110210104A (zh) * | 2019-05-28 | 2019-09-06 | 国电南瑞科技股份有限公司 | 一种多能源系统运行调度方法 |
CN110210104B (zh) * | 2019-05-28 | 2020-11-06 | 国电南瑞科技股份有限公司 | 一种多能源系统运行调度方法 |
CN110046773B (zh) * | 2019-05-30 | 2023-04-07 | 东北大学 | 综合能源系统多主体合作优化运行与成本效益分配方法 |
CN110046773A (zh) * | 2019-05-30 | 2019-07-23 | 东北大学 | 综合能源系统多主体合作优化运行与成本效益分配方法 |
CN110263981A (zh) * | 2019-05-30 | 2019-09-20 | 天津大学 | 考虑弹性调度策略的气-电耦合综合能源系统规划方法 |
CN110555562A (zh) * | 2019-09-06 | 2019-12-10 | 燕山大学 | 一种泛在电力物联网中综合能源系统分层能量管理方法 |
CN110555562B (zh) * | 2019-09-06 | 2022-05-06 | 燕山大学 | 一种泛在电力物联网中综合能源系统分层能量管理方法 |
CN110707755A (zh) * | 2019-10-11 | 2020-01-17 | 南京师范大学 | 一种考虑非理想通信条件下基于能量枢纽的综合能源系统超短期调度方法 |
CN110707755B (zh) * | 2019-10-11 | 2022-09-13 | 南京师范大学 | 一种考虑非理想通信条件下基于能量枢纽的综合能源系统超短期调度方法 |
CN110829503A (zh) * | 2019-10-25 | 2020-02-21 | 国家电网有限公司技术学院分公司 | 风光水火储的多能互补微电网联合优化调度方法及系统 |
CN110829503B (zh) * | 2019-10-25 | 2021-04-13 | 国家电网有限公司技术学院分公司 | 风光水火储的多能互补微电网联合优化调度方法及系统 |
CN111489031A (zh) * | 2020-04-09 | 2020-08-04 | 江苏方天电力技术有限公司 | 基于源荷演化博弈的综合能源系统中长期负荷预测系统及方法 |
CN111489031B (zh) * | 2020-04-09 | 2022-06-03 | 江苏方天电力技术有限公司 | 基于源荷演化博弈的综合能源系统中长期负荷预测系统及方法 |
CN111626663A (zh) * | 2020-04-27 | 2020-09-04 | 南京邮电大学 | 面向异构快递点的零散快递合作寄件方法 |
CN111626663B (zh) * | 2020-04-27 | 2022-03-08 | 南京邮电大学 | 面向异构快递点的零散快递合作寄件方法 |
CN111626587A (zh) * | 2020-05-21 | 2020-09-04 | 浙江大学 | 一种计及能流延迟特性的综合能源系统拓扑优化方法 |
CN111626587B (zh) * | 2020-05-21 | 2022-09-06 | 浙江大学 | 一种计及能流延迟特性的综合能源系统拓扑优化方法 |
CN111881540B (zh) * | 2020-05-28 | 2024-02-02 | 湘潭大学 | 一种能量枢纽中热泵容量和各能源设备功率的优化方法 |
CN111881540A (zh) * | 2020-05-28 | 2020-11-03 | 湘潭大学 | 一种能量枢纽中热泵容量和各能源设备功率的优化方法 |
CN111881616A (zh) * | 2020-07-02 | 2020-11-03 | 国网河北省电力有限公司经济技术研究院 | 一种基于多主体博弈的综合能源系统的运行优化方法 |
CN111881616B (zh) * | 2020-07-02 | 2024-06-11 | 国网河北省电力有限公司经济技术研究院 | 一种基于多主体博弈的综合能源系统的运行优化方法 |
CN111815369A (zh) * | 2020-07-31 | 2020-10-23 | 上海交通大学 | 一种基于深度强化学习的多能源系统能量调度方法 |
CN111815369B (zh) * | 2020-07-31 | 2023-07-21 | 上海交通大学 | 一种基于深度强化学习的多能源系统能量调度方法 |
CN112085253A (zh) * | 2020-08-04 | 2020-12-15 | 上海交通大学 | 一种考虑投机行为的多能源市场交易策略决策方法 |
CN112085253B (zh) * | 2020-08-04 | 2022-07-29 | 上海交通大学 | 一种考虑投机行为的多能源市场交易策略决策方法 |
CN112910001A (zh) * | 2021-02-23 | 2021-06-04 | 广东电网有限责任公司 | 多电压等级交直流混合系统三阶段优化配置方法及系统 |
CN112910001B (zh) * | 2021-02-23 | 2022-05-27 | 广东电网有限责任公司 | 多电压等级交直流混合系统三阶段优化配置方法及系统 |
CN113554219A (zh) * | 2021-07-02 | 2021-10-26 | 国网安徽省电力有限公司电力科学研究院 | 一种可再生能源发电站共享储能容量规划方法及装置 |
CN113554219B (zh) * | 2021-07-02 | 2023-11-07 | 国网安徽省电力有限公司电力科学研究院 | 一种可再生能源发电站共享储能容量规划方法及装置 |
CN113902179A (zh) * | 2021-09-27 | 2022-01-07 | 燕山大学 | 一种基于区域级综合能源系统能量互动的优化调度方法 |
CN113902179B (zh) * | 2021-09-27 | 2024-04-26 | 燕山大学 | 一种基于区域级综合能源系统能量互动的优化调度方法 |
CN114118590B (zh) * | 2021-11-30 | 2024-01-26 | 国网江苏省电力有限公司电力科学研究院 | 一种基于能源枢纽的综合能源系统可靠调度方法及装置 |
CN114118590A (zh) * | 2021-11-30 | 2022-03-01 | 国网江苏省电力有限公司电力科学研究院 | 一种基于能源枢纽的综合能源系统可靠调度方法及装置 |
CN114970981A (zh) * | 2021-12-03 | 2022-08-30 | 国网浙江省电力有限公司信息通信分公司 | 一种基于随机优化的多区互联综合能源系统规划方法 |
CN114970981B (zh) * | 2021-12-03 | 2024-07-16 | 国网浙江省电力有限公司信息通信分公司 | 一种基于随机优化的多区互联综合能源系统规划方法 |
CN117498399A (zh) * | 2023-12-29 | 2024-02-02 | 国网浙江省电力有限公司 | 考虑弹性可调能源实体接入的多能协同配置方法及系统 |
CN117498399B (zh) * | 2023-12-29 | 2024-03-08 | 国网浙江省电力有限公司 | 考虑弹性可调能源实体接入的多能协同配置方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109190824B (zh) | 2021-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109190824A (zh) | 基于用户侧区域综合能源系统的联盟博弈优化运行方法 | |
Li et al. | Trading strategy and benefit optimization of load aggregators in integrated energy systems considering integrated demand response: A hierarchical Stackelberg game | |
JP7261507B2 (ja) | 電気ヒートポンプ-熱電併給システムを最適化する調整方法及びシステム | |
CN108734350A (zh) | 一种含微电网的配电网独立与联合调度的求解方法 | |
Hao et al. | Power forecasting-based coordination dispatch of PV power generation and electric vehicles charging in microgrid | |
CN108537409A (zh) | 一种考虑多能源耦合特性的工业园区配电网协同规划方法 | |
CN109885009A (zh) | 计及电转气规划的多能互补园区能源优化配置方法 | |
CN108206543A (zh) | 一种基于能源梯级利用的能源路由器及其运行优化方法 | |
CN108347062A (zh) | 基于势博弈的微电网能量管理分布式多目标协同优化算法 | |
CN109063992A (zh) | 考虑区域综合能源系统优化运行的配电网扩展规划方法 | |
CN114050571B (zh) | 一种考虑碳流的综合能源系统能量枢纽管控方法 | |
CN112054513A (zh) | 基于混合博弈的多微电网双层协调优化调度方法 | |
CN109685332A (zh) | 一种综合能源多主体利益均衡优化调度方法及设备 | |
CN115759604B (zh) | 一种综合能源系统优化调度方法 | |
CN111047097A (zh) | 一种综合能源系统日中滚动优化方法 | |
CN116432824A (zh) | 基于多目标粒子群的综合能源系统优化方法及系统 | |
Liu et al. | Coordinated energy management for integrated energy system incorporating multiple flexibility measures of supply and demand sides: A deep reinforcement learning approach | |
Zhang et al. | Multi-level distributed demand response study for a multi-park integrated energy system | |
Gao et al. | Multi-energy sharing optimization for a building cluster towards net-zero energy system | |
CN114154739A (zh) | 共享储能电站在多区域综合能源系统的优化配置方法 | |
CN113988567A (zh) | 一种储能共享控制方法及其控制系统 | |
CN113888327A (zh) | 基于强化学习区块链赋能的能源互联网交易方法及系统 | |
Qiu et al. | Local integrated energy system operational optimization considering multi‐type uncertainties: A reinforcement learning approach based on improved TD3 algorithm | |
CN116502921A (zh) | 一种园区综合能源系统优化管理系统及其协调调度方法 | |
CN114676967B (zh) | 一种考虑碳交易的多能源系统分布式优化调度方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |