CN109242163A - 一种基于主从博弈的风电商和电动汽车换电站的协调优化方法 - Google Patents

Abstract

本发明公开了一种基于主从博弈的风电商和电动汽车换电站的协调优化方法，包括以下步骤：步骤(1)，风电商与电动汽车换电站签订合作协议；步骤(2)，风电商从配网运营商处获得次日的上网电价后，以电动汽车换电站次日的充放电价格为决策变量，构建风电商的价格优化模型；步骤(3)，电动汽车换电站得到次日的充放电价格后，以次日的充放电功率为决策变量构建电动汽车换电站的充放电功率决策模型；步骤(4)，将风电商与电动汽车换电站作为不同地位决策者进行动态博弈的优化过程建模为主从博弈模型。利用本发明提出的协调优化方法，风电的反调峰特性被削弱，而且风电商和电动汽车换电站的收益均有所增加。

Description

一种基于主从博弈的风电商和电动汽车换电站的协调优化 方法

技术领域

本发明涉及一种电力系统调度运行领域的方法，具体涉及一种基于博弈论思想的风电商和电动汽车换电站的协调优化方法。

背景技术

风电的开发利用对缓解能源危机、减少化石能源消耗造成的环境污染具有积极的推动作用。中国的风电装机容量已经超过美国，成为了世界第一风电装机大国。然而，随着风电的迅速发展，它的反调峰特性和不可控性给电网带来了巨大冲击。为了有效抑制风电并网对电网带来的冲击，研究人员提出为风电配套建设储能电站来提高风电的可控性，抑制其反调峰特性，但是由于储能电站的投资成本高，限制了该方法的推广应用。

随着电动汽车的推广，电动汽车换电站的建设规模逐渐增多。根据规划，至2020年中国将建设超过12000座电动汽车充、换电站来满足电动汽车的充换电需求。电动汽车换电站除了可以满足电动汽车的换电需求之外，还可以对电池进行统一的充放电管理，具有储能电站的功能。因此，利用电动汽车换电站兼做储能电站与风电进行合作成为了应对风电不可控性的一种有效思路。

对此，研究人员对电动汽车换电站和风电的合作问题展开了大量的研究工作。但是这些研究主要是将二者视作一个联合体，并对二者进行统一的协调控制，如专利号为ZL201510796787.1的中国专利：“基于相关机会规划的虚拟电厂多目标竞价的调控优化方法”，给出了一种风电场与换电站的合作方法，该方法认为二者为同一投资主体，并由二者所构成的虚拟电厂对风电场出力以及换电站的充放电功率进行统一的协调控制，实现虚拟电厂的效益最大化。而随着我国电力改革的不断推进，售电侧利益主体呈现出多样化的态势，当风电商和电动汽车换电站分属不同投资主体时，二者是彼此独立的，它们的发、用电有很强的主观性，很难将两者进行统一的协调控制。

发明内容

针对上述问题，本发明提出了一种基于主从博弈思想的风电商与电动汽车换电站的协调优化方法。该方法利用风电商和电动汽车换电站之间合作与竞争并存的博弈关系，将二者视作不同地位的决策者，在各自追求自身利益最大化的同时，可以自动实现资源的优化配置。该方法不要求风电商和电动汽车换电站同属于一个投资主体，也不需要对二者进行统一的调度，因此更符合实际情况，具有可行性。

为了实现上述目的，本发明采用如下技术方案：

一种基于主从博弈的风电商和电动汽车换电站的协调优化方法，包括以下步骤：

步骤(1)，风电商与电动汽车换电站签订合作协议，规定电动汽车换电站仅能利用风电进行充电，同时，电动汽车换电站还可以将储存的多余电量出售给风电商；

步骤(2)，风电商从配网运营商处获得次日的上网电价后，以电动汽车换电站次日的充放电价格为决策变量，构建风电商的价格优化模型，引导电动汽车换电站的充放电决策；

步骤(3)，电动汽车换电站得到次日的充放电价格后，结合次日的换电需求，以次日的充放电功率为决策变量构建电动汽车换电站的充放电功率决策模型；

步骤(4)，将风电商与电动汽车换电站作为不同地位决策者进行动态博弈的优化过程建模为主从博弈模型；博弈均衡时风电商的充放电价格和电动汽车换电站的充放电功率即为主从博弈模型的最优解；

所述步骤(1)中合作协议：风电商聚合辖区内的风电，一方面为电动汽车换电站提供充电服务，满足其充电需求，另一方面向配电网运营商出售风电；电动汽车换电站除了满足换电需求外，还可以将储存的多余电量出售给风电运营商；

所述步骤(2)中价格优化模型的目标函数为最大化风电商收益，如式(1)所示：

式(1)中，最大化风电商收益为风电商向配网运营商售电的收入加上风电商向换电站售电的收入再减去风电商向换电站购电的成本，决策变量π^t为风电商制定的各时段的充放电价格，为t时段的风电功率，和换电站t时段的充放电功率，为t时段风电的上网电价，是已知的，Nt为日前优化的时段数，Δt为单位时段长度；

所述步骤(2)中价格优化模型的约束条件包括：

式(2)为充放电价格约束，和分别为t时段的最高和最低充放电价格，式(3)为平均充放电价格，限定平均充放电价格的上限π_av，以保护换电站的利益；

所述步骤(3)中充放电功率决策模型的目标函数最大化电动汽车换电站的收益，如式(4)所示：

式(4)中，最大化电动汽车换电站的收益为换电站换电的收入加上换电站为向风电商售电的收入并减去换电站向风电商购电的成本，决策变量为次日各时段的充、放电功率和π_EV为电动汽车单位换电量的价格，为t时段的换电量需求；

所述步骤(3)中充放电功率决策模型的约束条件包括：

式(5)和式(6)分别为充电功率和放电功率的上下限约束，P_c ^max、P_d ^max为换电站最大充电和放电功率。式(7)表示换电站仅能利用风电进行充电。式(8)为换电站容量约束，为t时段换电站的电量，Qmax和Qmin分别为换电站电量允许的上下限值；式(9)表示决策周期末换电站电量约束，Q^end为决策周期末换电站电量允许的最小值。式(10)表示换电需求备用约束，其中γ为换电需求的备用率；

所述步骤(4)中的动态博弈具体过程为：

步骤(4-1)：风电商和电动汽车换电站并非同时做出决策，而是风电商作为领导者先制定充放电价格；

步骤(4-2)：作为跟随者，电动汽车换电站针对风电商制定的充放电价格制定最优的充放电功率；

步骤(4-3)：风电商根据电动汽车换电站最优应对策略调整自身的决策方案，制定新的充放电价格；

步骤(4-4)：判定步骤(4-3)中风电商调整决策方案后的收益是否有所提高。如果收益增加了，则返回步骤(4-2)，否则博弈过程结束，得到最终的充放电价格和充放电功率；

所述步骤(4)中的主从博弈模型为：

领导者

跟随者。

上式(14)中，领导者为风电商，其在获得最大化风电商收益的同时，需要满足式(2)到式(3)中的约束条件；跟随者为电动汽车换电站，其在获得最大化电动汽车换电站的收益的同时，需要满足式(5)到式(10)的约束条件。

本发明将风电商和电动汽车换电站作为不同地位的决策者，建立协调调度的主从博弈模型，风电商为领导者，通过先行定制次日充放电价格来引导换电站充放电，从而实现削峰填谷，尽可能在风电上网电价高的时段向电网多卖电，以提高风电商的售电收益。换电站为跟随者，在利用风电充电时，会根据风电商制定的充放电价格优化其充放电策略，通过“低充高放”来降低充电成本，提高自身收益。风电商已知换电站的应对策略，因此会针对换电站可能充放电策略来调整充放电价格，最大化自身收益。相对于风电商和换电站单独运行的情况，利用本发明提出的协调优化方法后，风电的反调峰特性被削弱，而且风电商和电动汽车换电站的收益均有所增加。

因而，与现有技术相比，本发明达到的有益效果是：

(1)本发明中是对不同利益主体下的风电商和电动汽车换电站的协调优化，不要求风电商和电动汽车换电站同属一个利益主体，更加符合中国电力市场改革背景下的实际情况；

(2)本发明中不需要将风电商和电动汽车换电站构成一个联合体进行统一的协调控制，能够在二者仅关注自身利益最大化的同时自动实现资源的优化配置，更具有可行性；

(3)本发明中风电商将换电站视作一个特殊的储能电站，引导换电站在风电上网电价低的时段充电，储存风电，在风电上网电价高的时段放电，从而实现风电的“削峰填谷”，提高风电商的售电收益；

(4)本发明中电动汽车换电站可以对充放电功率进行优化，尽可能在低电价时段充电，满足换电需求并储存部分风电，然后在高电价时段将储存的电量售出，利用这种“低充高放”来提高自身收益。

附图说明

图1是本发明提供的基于主从博弈的风电商和电动汽车换电站的协调优化框图。

图2是本发明中仿真验证案例中的风电功率预测值。

图3是本发明中仿真验证案例中的换电需求预测值。

图4是本发明中仿真验证案例中的风电上网电价。

图5是本发明中仿真验证案例中充放电价格的上下限值。

图6是本发明中仿真验证案例中的风电商制定的最优充放电价格。

图7是本发明中仿真验证案例中的换电站制定的最优充放电功率。

图8是本发明中仿真验证案例中的优化前后风电的输出功率对比。

具体实施方式

本发明公开了一种基于主从博弈的风电商和电动汽车换电站的协调优化方法，其包括如下步骤：

步骤(1)，风电商与电动汽车换电站签订合作协议，规定电动汽车换电站仅能利用风电进行充电，同时，电动汽车换电站还可以将储存的多余电量出售给风电商；

步骤(2)，风电商从配网运营商处获得次日的上网电价后，以电动汽车换电站次日的充放电价格为决策变量，构建风电商的价格优化模型，引导电动汽车换电站的充放电决策；

步骤(3)，电动汽车换电站得到次日的充放电价格后，结合次日的换电需求，以次日的充放电功率为决策变量构建电动汽车换电站的充放电功率决策模型；

步骤(4)，将风电商与电动汽车换电站作为不同地位决策者进行动态博弈的优化过程建模为主从博弈模型，博弈均衡时风电商的充放电价格和电动汽车换电站的充放电功率即为主从博弈模型的最优解；

所述步骤(1)中合作协议中：风电商聚合辖区内的风电，一方面为电动汽车换电站提供充电服务，满足其充电需求，另一方面向配电网运营商出售风电；电动汽车换电站除了满足换电需求外，还可以将储存的多余电量出售给风电运营商；

所述步骤(2)中，价格优化模型的目标函数为最大化风电商收益，如式(1)所示：

式(1)中，最大化风电商收益为风电商向配网运营商售电的收入加上风电商向换电站售电的收入再减去风电商向换电站购电的成本，决策变量π^t为风电商制定的各时段的充放电价格，为t时段的风电功率，和换电站t时段的充放电功率，为t时段风电的上网电价，是已知的，Nt为日前优化的时段数，Δt为单位时段长度；

所述步骤(2)中价格优化模型的约束条件包括：

式(2)为充放电价格约束，和分别为t时段的最高和最低充放电价格，式(3)为平均充放电价格，限定平均充放电价格的上限π_av，以保护换电站的利益；

所述步骤(3)中充放电功率决策模型的目标函数最大化电动汽车换电站的收益，如式(4)所示：

式(4)中，最大化电动汽车换电站的收益为换电站换电的收入加上换电站为向风电商售电的收入并减去换电站向风电商购电的成本，决策变量为次日各时段的充、放电功率和π_EV为电动汽车单位换电量的价格，为t时段的换电量需求；

所述步骤(3)中充放电功率决策模型的约束条件包括：

式(5)和式(6)分别为充电功率和放电功率的上下限约束，P_c ^max、P_d ^max为换电站最大充电和放电功率，式(7)表示换电站仅能利用风电进行充电，式(8)为换电站容量约束，为t时段换电站的电量，Qmax和Qmin分别为换电站电量允许的上下限值，式(9)表示决策周期末换电站电量约束，Q^end为决策周期末换电站电量允许的最小值，式(10)表示换电需求备用约束，其中γ为换电需求的备用率；

所述步骤(4)中的动态博弈具体过程为：

步骤(4-1)：风电商和电动汽车换电站并非同时做出决策，而是风电商作为领导者先制定充放电价格；

步骤(4-2)：作为跟随者，电动汽车换电站针对风电商制定的充放电价格制定最优的充放电功率；

步骤(4-3)：风电商根据电动汽车换电站最优应对策略调整自身的决策方案，制定新的充放电价格；

步骤(4-4)：判定步骤(4-3)中风电商调整决策方案后的收益是否有所提高；如果收益增加了，则返回步骤(4-2)，否则博弈过程结束，得到最终的充放电价格和充放电功率；

所述步骤(4)中的主从博弈模型为：

领导者

跟随者。

结合上述步骤和公式，以及结合附图与仿真案例对本发明作进一步说明。

仿真参数的设定如下：风电的日前功率预测值如图2所示；电动汽车换电站的日前换电需求预测值如图3所示；风电的上网电价如图4所示；充放电功率的上下限值如图5所示；换电站的容量为55MWh，初始电量为27.5MWh，决策周期末的最低要求电量为27.5MWh，换电站的最低允许电量为5.5MWh，最大充电功率为11MW，最大放电功率为7MW，换电需求备用率为10％。

基于上述仿真条件，按照图1所示的原理框图，利用MATLAB编制了主从博弈模型的求解计算程序。优化得到的风电商的充放电价格如图6所示。从图6可见，充放电价格变化趋势与风电上网电价基本一致。在风电上网电价低的时段，如时段0-时段6，风电商制定较低的充放电价格，引导换电站充电，并储存风电。在风电上网电价高的时段，如时段19-时段22，风电商制定较高的充放电价格，吸引换电站放电，从而获得更多的收益。

优化得到的换电站的充放电功率如图7所示，从图7可见，换电站在充放电价格低的时段充电，在充放电价格高的时段放电，通过这种“低充高放”来提高收益。

图8给出了优化后风电的输出功率。与优化前相比，在夜间负荷低谷时段，如时段0-时段6，风电的输出功率降低了；在负荷高峰时段，如时段19-时段22，风电的输出功率增加了。这说明方法能够削弱风电的反调峰特性，相应地，电网的调峰压力也会降低。

表1对比了合作与不合作模式下，风电商和电动汽车换电站的收益。相比于不合作的情况，本发明中提出的主从博弈模型中，风电商和电动汽车换电站的收益均有所提高，因此，二者具有合作的动机。

表1不同场景下风电商和换电站的收益情况

上述虽然结合附图对本发明的具体实施方式和有效性进行了描述和验证，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (1)

1.一种基于主从博弈的风电商和电动汽车换电站的协调优化方法，其特征是，包括如下步骤：

步骤(1)，风电商与电动汽车换电站签订合作协议，规定电动汽车换电站仅能利用风电进行充电，同时，电动汽车换电站还可以将储存的多余电量出售给风电商；

步骤(2)，风电商从配网运营商处获得次日的上网电价后，以电动汽车换电站次日的充放电价格为决策变量，构建风电商的价格优化模型，引导电动汽车换电站的充放电决策；

步骤(3)，电动汽车换电站得到次日的充放电价格后，结合次日的换电需求，以次日的充放电功率为决策变量构建电动汽车换电站的充放电功率决策模型；

步骤(4)，将风电商与电动汽车换电站作为不同地位决策者进行动态博弈的优化过程建模为主从博弈模型，博弈均衡时风电商的充放电价格和电动汽车换电站的充放电功率即为主从博弈模型的最优解；

所述步骤(1)中合作协议中：风电商聚合辖区内的风电，一方面为电动汽车换电站提供充电服务，满足其充电需求，另一方面向配电网运营商出售风电；电动汽车换电站除了满足换电需求外，还可以将储存的多余电量出售给风电运营商；

所述步骤(2)中，价格优化模型的目标函数为最大化风电商收益，如式(1)所示：

式(1)中，最大化风电商收益为风电商向配网运营商售电的收入加上风电商向换电站售电的收入再减去风电商向换电站购电的成本，决策变量π^t为风电商制定的各时段的充放电价格，为t时段的风电功率，和换电站t时段的充放电功率，为t时段风电的上网电价，是已知的，Nt为日前优化的时段数，Δt为单位时段长度；

所述步骤(2)中价格优化模型的约束条件包括：

式(2)为充放电价格约束，和分别为t时段的最高和最低充放电价格，式(3)为平均充放电价格，限定平均充放电价格的上限π_av，以保护换电站的利益；

所述步骤(3)中充放电功率决策模型的目标函数最大化电动汽车换电站的收益，如式(4)所示：

式(4)中，最大化电动汽车换电站的收益为换电站换电的收入加上换电站为向风电商售电的收入并减去换电站向风电商购电的成本，决策变量为次日各时段的充、放电功率和π_EV为电动汽车单位换电量的价格，为t时段的换电量需求；

所述步骤(3)中充放电功率决策模型的约束条件包括：

式(5)和式(6)分别为充电功率和放电功率的上下限约束，为换电站最大充电和放电功率，式(7)表示换电站仅能利用风电进行充电，式(8)为换电站容量约束，为t时段换电站的电量，Qmax和Qmin分别为换电站电量允许的上下限值，式(9)表示决策周期末换电站电量约束，Q^end为决策周期末换电站电量允许的最小值，式(10)表示换电需求备用约束，其中γ为换电需求的备用率；

所述步骤(4)中的动态博弈具体过程为：

步骤(4-1)：风电商和电动汽车换电站并非同时做出决策，而是风电商作为领导者先制定充放电价格；

步骤(4-2)：作为跟随者，电动汽车换电站针对风电商制定的充放电价格制定最优的充放电功率；

步骤(4-3)：风电商根据电动汽车换电站最优应对策略调整自身的决策方案，制定新的充放电价格；

步骤(4-4)：判定步骤(4-3)中风电商调整决策方案后的收益是否有所提高；如果收益增加了，则返回步骤(4-2)，否则博弈过程结束，得到最终的充放电价格和充放电功率；

所述步骤(4)中的主从博弈模型为：