CN109286187B - 一种面向多主体利益均衡的微网日前经济调度方法 - Google Patents
一种面向多主体利益均衡的微网日前经济调度方法 Download PDFInfo
- Publication number
- CN109286187B CN109286187B CN201811222164.3A CN201811222164A CN109286187B CN 109286187 B CN109286187 B CN 109286187B CN 201811222164 A CN201811222164 A CN 201811222164A CN 109286187 B CN109286187 B CN 109286187B
- Authority
- CN
- China
- Prior art keywords
- cost
- energy
- electric
- power
- battery
- 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
Images
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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种面向多主体利益均衡的微网日前经济调度方法:基于多能源微网中各类能量产生、转化设备的效能模型,结合系统中设备的燃料成本、运行调度成本、寿命损耗成本、环境污染成本,建立各类设备的运行成本模型;构建考虑可再生能源所有者、微网能源服务商、电动汽车用户的多主体利益均衡的日前经济调度数学模型;采用主从博弈方法求解所建立模型,针对每个参与者的效益采用改进混沌粒子群算法求解最优策略,针对整体的博弈过程采用迭代搜索法求解纳什均衡点。本发明能够使微网可再生能源所有者、微网能源服务商、电动汽车用户三个主体根据自身得到的信息作出相应决策,能优化综合能源微网各主体间运行调度策略,提升各主体利益,提高综合能源微网运行经济性。
Description
技术领域
本发明涉及一种微网日前经济调度方法。特别是涉及一种面向多主体利益均衡的微网日前经济调度方法。
背景技术
能源是人类赖以生存和发展的基础,是国民经济的命脉。提高能源利用效率、大规模消纳可再生能源,已成为解决能源供需冲突以及社会发展与环境保护之间矛盾的必然选择;而打破原有各供能系统单独规划、独立运行的既有模式,实现电/气/热(冷)的协同供应,必将是未来区域供能系统的发展趋势。综合能源微网是区域综合能源系统的重要节点,若实现微网中多类型能源的合理调度,则不仅能在满足用户多样化用能需求前提下实现对外部能源系统的友好响应,还能取得可观的经济收益,并促进微网中的可再生能源消纳。微网中的控制单元、热电联产系统、能量转换装置和响应需求的负荷使多能源调度问题具有更高灵活性,能够全面实现各类资源的综合利用。
日前调度是综合能源微网能量计划合理安排的基础,建立全面的调度模型并提出合适的求解方法是日前调度的关键。然而,现有研究大多数都是站在微网运营商的角度制定统一调度的优化结果,没有考虑多主体之间的博弈关系,也没有建立各利益主体的效益模型,使得调度方案在实际的包含多主体运营商以及多类型用户的复杂大规模区域式综合能源系统内很难实现;目前研究过程中大多数采用的是固定储能装置,没有考虑移动储能装置的作用,缺少车主受电动汽车上网电价影响的响应出力模型,不利于实现储能装置与电网的双向互动及推动电网的高效灵活运行;针对高维非线性优化调度问题缺少合适的优化算法,现有的算法易陷入局部收敛。
发明内容
本发明所要解决的技术问题是,提供一种能够考虑综合能源微网中可再生能源所有者、微网能源服务商、用户的经济利益关系的面向多主体利益均衡的微网日前经济调度方法。
本发明所采用的技术方案是:一种面向多主体利益均衡的微网日前经济调度方法,包括如下步骤:
1)基于多能源微网中各类能量产生、转化设备的效能模型,结合系统中设备的燃料成本、运行调度成本、寿命损耗成本、环境污染成本,建立各类设备的运行成本模型;
2)构建考虑可再生能源所有者、微网能源服务商、电动汽车用户的多主体利益均衡的日前经济调度数学模型;
3)采用主从博弈方法求解所建立模型,即,针对每个参与者的效益采用改进混沌粒子群算法求解最优策略,针对整体的博弈过程采用迭代搜索法求解纳什均衡点。
步骤1)中所述的运行成本模型中包括热电联产机组、光伏、热储能、电储能、电锅炉出力、电动汽车模型,其中:
(1)热电联产机组模型包括:
热电联产机组t时刻的电热出力对应的燃料成本CFU(t):
式中,ch0和ce0分别为热电联产机组平均发热成本和平均发电成本;Δt为调度时长;cf为单位煤成本;NF为热电联产机组总数;Pcog,i(t)和Hcog,i(t)分别为t时刻第i个热电联产机组输出的电功率和热功率;ηtp,h为机组供热效率;ηtp,e为机组发电效率;
以热定电模式下,热电联产机组i输出的电功率由热电联产机组输出的热功率得到:
式中,ηcog为热电联产机组输出的电功率和热功率的比值;
机组启停成本CST计算公式如下:
热电联产机组排放NOX,SO2、CO和CO2气体,每个热电联产机组的污染成本CEP为:
式中,ρij为热电联产机组i排放j类气体的排放因子;γj为j类气体的治污成本;
(2)光伏运行时根跟随辐照强度变化以最大功率发电,不需要燃料供应,因此光伏成本主要为运维成本,不存在其他成本;
(3)热储能模型包括:
热储能动态模型:
热储能主要包括蓄热罐和蓄热槽,热储能的特性描述成设备自身容量、输出输入能力、热储能散热损失率和能量存储和释放效率之间的关系,热储能动态模型的差分动态数学模型表示为:
HHS(t)=(1-kLOSS)HHS(t-1)+[Qst(t)kst-Qex(t)/kex]Δt
式中,HHS(t)为热储能在时刻t的剩余热量;kLOSS为热储能散热损失率;Qst(t)、Qex(t)分别为热储能在时刻t的能量存储和释放功率,kst、kex分别能量存储和释放效率;
热储能损耗成本CHS(t)如下:
CHS(t)=kLOSSHHS(t-1)+(1-kst)Qst(t)Δt+(1/kex-1)Qex(t)Δt
(4)电储能模型包括:
电储能动态模型如下:
EES(t)=EES(t-1)+(Pstδst-Pex/δex)Δt
式中,EES(t)为电池在t时刻的剩余电量;Pst、Pex分别为电池在t时刻的充放电功率;δst、δex分别为电池的充放电效率。
电储能损耗成本:
采用雨流计数法计算电池放电深度,并利用四阶函数表征循环寿命与放电深度的关系:
N(D)=-3278D4-5D3+12823D2-14122D+5112
式中,N(D)为电池的循环寿命;D为电池的放电深度;
当电池在短时间△t内参与负荷调节时,只有充电或放电半个过程,在计算循环损耗时引入调节系数μ1,电储能损耗成本CES1为:
SOC(t)=EES(t)/ESB
式中,cper为电池每次循环费用;CES-invest为电池的一次性购置费用;△SOC为电池的电量变化量;ESB为电池容量;SOC为电池的电量;
得到电池循环损耗与充放电功率的关系:
电传输损耗CES2是由于传输效率达不到100%而导致的能量损耗,表示如下:
CES2(t)=ce0((1-δst)Pst(t)+(1/δex-1)Pex(t));
(5)电锅炉出力模型
电锅炉出力模型如下:
QEB(t)=ηEBPEB(t)
式中,QEB(t)为电锅炉在t时刻的热出力;PEB(t)为电锅炉在t时刻的耗电功率;ηEB为电锅炉的电热转换效率;
(6)电动汽车模型包括:
电动汽车电池动态模型:
电动汽车电池的动态模型通过所用电池的剩余电量状态变化来描述:
式中,EEV(t)为电动汽车在t时刻的电池内剩余电量;Pevc与Peve分别为电动汽车从家庭用户获得的充电功率和电动汽车向家庭用户的放电功率;ηevc与ηeve分别为电动汽车充电与放电的效率系数。
电动汽车电池损耗成本:
电动汽车电池由荷电状态下限SOCEVmin充电至荷电状态上限SOCEVmax最多循环NEV次,电动汽车电池单位电量循环损耗成本CEV如下:
式中,μ2为综合修正系数;CEV-invest是电动汽车电池的投资成本。
步骤2)中所述的多主体利益均衡的日前经济调度数学模型如下所示:
多能源微网划分为可再生能源所有者、微网能源服务商、电动汽车用户三个具有可控资源的主体,微网能源服务商给出的分时电价p(t)为:
pPV(t)=p(t)+bPV
pEV(t)=p(t)+bEV
式中,pPV(t)、pEV(t)为光伏和电动汽车分时上网电价;bPV,bEV分别为光伏和电动汽车上网电价补贴;ppeak,pflat,pvalley分别为微网内机组在负荷峰、平、谷三段的上网电价;T1,T2,T3分别为负荷峰、平、谷三段所对应时段;
微网能源服务商在保证地区电热负荷平衡的前提下优化各时段热电联产机组、含热储能的电锅炉出力,降低运行成本;同时根据向上级电网的购电价格制定光伏和电动汽车上网电价,减少向上级电网购电成本,微网能源服务商调度目标是总运行成本最小,微网能源服务商的效益IMEP表述为:
式中,NT为调度时段总数;pb(t)为t时刻微网能源服务向上级电网的购电成本;PPE(t)为t时刻微网能源服务商向上级电网的购电功率;PREO(t)为t时刻光伏出力;Peve(t)为t时刻电动汽车放电功率;为t时刻微网能源服务商的运维成本;CFU(t)为燃料成本;CST为机组启停成本;CEP为每个热电联产机组的污染成本;CHS(t)为热储能损耗成本;
可再生能源所有者基于不同时段的差异电价,通过储能的充放电调度来合理安排光伏和储能系统的上网电量,所得售电收入扣除各类设备的建设和运维成本后即为所获的经济效益;可再生能源所有者的效益IREO表示为:
采用消费者心理学方法来建立电动汽车用户价格敏感度响应模型,电动汽车用户的响应特性曲线为:
α=1.431Δp5-6.962Δp4+11.12Δp3-6.096Δp2+1.004Δp
式中,α为电动汽车用户响应调度的概率;△p为电动汽车上网电价与常规平时段电价差值;
电动汽车用户以盈利为目的,根据电价差值决定是否向微网放电,电动汽车用户效益函数IEVO表示:
步骤3)所述的针对每个参与者的效益采用改进混沌粒子群算法求解最优策略,包括:
(1)初始化粒子群,确定每个粒子的位置初值;
(2)根据适应度评价函数,即可再生能源所有者、微网能源服务商、电动汽车用户的效益计算每个粒子的适应度值;
(3)更新粒子个体极值pid,保留最优的个体极值;
(4)根据下式来更新粒子的位置;
vid (k+1)=wvid (k)+η1r1(pid-xid (k))+η2r2(pgd-xid (k))
xid (k+1)=xid (k)+vid (k+1)
(6)判断是否达到迭代停止条件,否,则返回步骤(2);是,则停止计算,输出结果。
步骤3)所述的针对整体的博弈过程采用迭代搜索法求解纳什均衡点,包括:
(1)输入各类设备的运行成本模型与可再生能源所有者、微网能源服务商、电动汽车用户多主体利益均衡的日前经济调度数学模型的原始参数与数据;
(2)设置均衡点初值,即不考虑电价调节作用,得出可再生能源所有者和电动汽车用户的上网电量;
(3)微网能源服务商根据可再生能源所有者和电动汽车用户的上网电量及电热能量平衡,以最佳经济效益为目标,制定微网的运行策略和可再生能源与电动汽车放电的峰谷平电价;
(4)可再生能源所有者根据分时上网电价制定实现最佳经济效益的储能充放电策略;
(5)电动汽车用户根据分时上网电价制定实现最佳经济效益的储能充放电策略;
(6)判断微网能源服务商、可再生能源所有者、电动汽车用户经济效益是否达到纳什均衡;否,则返回第(3)步;是,则程序结束,得到符合要求的解。
本发明的一种面向多主体利益均衡的微网日前经济调度方法,基于各类设备的运行成本模型,构建了考虑可再生能源所有者、微网能源服务商、电动汽车用户多主体利益均衡的日前经济调度数学模型,采用主从博弈模型求解所建立模型,针对每个参与者的效益采用改进混沌粒子群算法求解最优策略,针对整体的博弈过程采用迭代搜索法求解纳什均衡点。本发明的方法能够使微网可再生能源所有者、微网能源服务商、电动汽车用户三个主体根据自身得到的信息作出相应决策,能优化综合能源微网各主体间运行调度策略,提升各主体利益,为并且为可再生能源所有者在储能配置方面提供指导,提升微网可再生能源消纳能力,提高综合能源微网运行经济性。
附图说明
图1是本发明所采用的贪心变异策略示意图;
图2是本发明采用迭代搜索法对所建立的模型求解纳什均衡点的流程图。
具体实施方式
下面结合实施例和附图对本发明的一种面向多主体利益均衡的微网日前经济调度方法做出详细说明。
本发明的一种面向多主体利益均衡的微网日前经济调度方法,包括如下步骤:
1)基于多能源微网中各类能量产生、转化设备的效能模型,结合系统中设备的燃料成本、运行调度成本、寿命损耗成本、环境污染成本,建立各类设备的运行成本模型;所述的运行成本模型中包括热电联产机组、光伏、热储能、电储能、电锅炉出力、电动汽车模型,其中:
(1)热电联产机组模型包括:
热电联产机组t时刻的电热出力对应的燃料成本CFU(t):
式中,ch0和ce0分别为热电联产机组平均发热成本和平均发电成本;Δt为调度时长;cf为单位煤成本;NF为热电联产机组总数;Pcog,i(t)和Hcog,i(t)分别为t时刻第i个热电联产机组输出的电功率和热功率;ηtp,h为机组供热效率;ηtp,e为机组发电效率;
以热定电模式下,热电联产机组i输出的电功率由热电联产机组输出的热功率得到:
式中,ηcog为热电联产机组输出的电功率和热功率的比值;
机组启停成本CST计算公式如下:
热电联产机组排放NOX,SO2、CO和CO2气体,每个热电联产机组的污染成本CEP为:
式中,ρij为热电联产机组i排放j类气体的排放因子;γj为j类气体的治污成本;
(2)光伏运行时根跟随辐照强度变化以最大功率发电,不需要燃料供应,因此光伏成本主要为运维成本,不存在其他成本;
(3)热储能模型包括:
热储能动态模型:
热储能主要包括蓄热罐和蓄热槽,热储能的特性描述成设备自身容量、输出输入能力、热储能散热损失率和能量存储和释放效率之间的关系,热储能动态模型的差分动态数学模型表示为:
HHS(t)=(1-kLOSS)HHS(t-1)+[Qst(t)kst-Qex(t)/kex]Δt
式中,HHS(t)为热储能在时刻t的剩余热量;kLOSS为热储能散热损失率,通常取1%/h;Qst(t)、Qex(t)分别为热储能在时刻t的能量存储和释放功率,kst、kex分别能量存储和释放效率,通常均取90%;
热储能损耗成本CHS(t)如下:
CHS(t)=kLOSSHHS(t-1)+(1-kst)Qst(t)Δt+(1/kex-1)Qex(t)Δt
(4)电储能模型包括:
电储能动态模型如下:
EES(t)=EES(t-1)+(Pstδst-Pex/δex)Δt
式中,EES(t)为电池在t时刻的剩余电量;Pst、Pex分别为电池在t时刻的充放电功率;δst、δex分别为电池的充放电效率,通常取90%。
电储能损耗成本:
采用雨流计数法计算电池放电深度,并利用四阶函数表征循环寿命与放电深度的关系:
N(D)=-3278D4-5D3+12823D2-14122D+5112
式中,N(D)为电池的循环寿命;D为电池的放电深度;
当电池在短时间△t内参与负荷调节时,只有充电或放电半个过程,在计算循环损耗时引入调节系数μ1,电储能损耗成本CES1为:
SOC(t)=EES(t)/ESB
式中,cper为电池每次循环费用;CES-invest为电池的一次性购置费用;△SOC为电池的电量变化量;ESB为电池容量;SOC为电池的电量;
得到电池循环损耗与充放电功率的关系:
电传输损耗CES2是由于传输效率达不到100%而导致的能量损耗,表示如下:
CES2(t)=ce0((1-δst)Pst(t)+(1/δex-1)Pex(t));
(5)电锅炉出力模型
电锅炉出力模型如下:
QEB(t)=ηEBPEB(t)
式中,QEB(t)为电锅炉在t时刻的热出力;PEB(t)为电锅炉在t时刻的耗电功率;ηEB为电锅炉的电热转换效率;
(6)电动汽车模型包括:
电动汽车电池动态模型:
电动汽车电池的动态模型通过所用电池的剩余电量状态变化来描述:
式中,EEV(t)为电动汽车在t时刻的电池内剩余电量;Pevc与Peve分别为电动汽车从家庭用户获得的充电功率和电动汽车向家庭用户的放电功率;ηevc与ηeve分别为电动汽车充电与放电的效率系数,通常取95%。
电动汽车电池损耗成本:
电动汽车电池由荷电状态下限SOCEVmin充电至荷电状态上限SOCEVmax最多循环NEV次,电动汽车电池单位电量循环损耗成本CEV如下:
式中,μ2为综合修正系数;CEV-invest是电动汽车电池的投资成本。
2)构建考虑可再生能源所有者、微网能源服务商、电动汽车用户的多主体利益均衡的日前经济调度数学模型;
多能源微网划分为可再生能源所有者、微网能源服务商、电动汽车用户三个具有可控资源的主体。微网能源服务商拥有热电联产机组、光伏、热储能、电储能、电锅炉、电动汽车及电热能源网络,负责为用户提供电热能源供应,根据能量平衡情况制定可再生能源上网和电动汽车放电响应的峰谷平电价;可再生能源所有者拥有光伏发电和电储能设备,根据上网电价来调节电储能的充放电策略,或选择直接向上级电网售电;电动汽车用户根据响应电价来选择是否向电网放电。
所述的多主体利益均衡的日前经济调度数学模型如下所示:
多能源微网划分为可再生能源所有者、微网能源服务商、电动汽车用户三个具有可控资源的主体,微网能源服务商给出的分时电价p(t)为:
pPV(t)=p(t)+bPV
pEV(t)=p(t)+bEV
式中,pPV(t)、pEV(t)为光伏和电动汽车分时上网电价;bPV,bEV分别为光伏和电动汽车上网电价补贴;ppeak,pflat,pvalley分别为微网内机组在负荷峰、平、谷三段的上网电价;T1,T2,T3分别为负荷峰、平、谷三段所对应时段;
微网能源服务商在保证地区电热负荷平衡的前提下优化各时段热电联产机组、含热储能的电锅炉出力,降低运行成本;同时根据向上级电网的购电价格制定光伏和电动汽车上网电价,减少向上级电网购电成本,微网能源服务商调度目标是总运行成本最小,微网能源服务商的效益IMEP表述为:
式中,NT为调度时段总数;pb(t)为t时刻微网能源服务向上级电网的购电成本;PPE(t)为t时刻微网能源服务商向上级电网的购电功率;PREO(t)为t时刻光伏出力;Peve(t)为t时刻电动汽车放电功率;为t时刻微网能源服务商的运维成本;CFU(t)为燃料成本;CST为机组启停成本;CEP为每个热电联产机组的污染成本;CHS(t)为热储能损耗成本;
可再生能源所有者基于不同时段的差异电价,通过储能的充放电调度来合理安排光伏和储能系统的上网电量,所得售电收入扣除各类设备的建设和运维成本后即为所获的经济效益;可再生能源所有者的效益IREO表示为:
采用消费者心理学方法来建立电动汽车用户价格敏感度响应模型,电动汽车用户的响应特性曲线为:
α=1.431Δp5-6.962Δp4+11.12Δp3-6.096Δp2+1.004Δp
式中,α为电动汽车用户响应调度的概率;△p为电动汽车上网电价与常规平时段电价差值;
电动汽车用户以盈利为目的,根据电价差值决定是否向微网放电,电动汽车用户效益函数IEVO表示:
3)采用主从博弈方法求解所建立模型,针对每个参与者的效益采用改进混沌粒子群算法求解最优策略,针对整体的博弈过程采用迭代搜索法求解纳什均衡点。包括:
本发明的实施是采用基于粒子维度熵的改进混沌粒子群算法对每个参与者的效益进行求解。混沌粒子群算法是一种基于群体智能的随机搜索算法。混沌粒子群优化算法在粒子群优化算法的基础上引入混沌搜索,在变异过程中避免产生重复解,从而改善了粒子群优化算法容易陷入局部收敛的特点。但是由于变异概率始终保持不变,若种群多样性较小时则依然容易陷入局部最优。为衡量种群多样性,一些算法引用了信息熵的概念,一个系统的信息熵如下式表示:
式中,U是所有可能输出的集合,pi表示第i类输出的概率函数。一个系统越是混乱,信息熵就越高且越接近于1,所以,信息熵也是系统有序化程度的一个度量。
假设粒子群在一个n维空间中搜索,种群中包含m个粒子,本专利根据粒子各维度坐标差异性,提出了粒子第d维维度熵的确定新方法,具体如下:
面向每个参与者的经济调度是一个单目标优化问题,优化变量包括各时刻热电联供机组和电锅炉出力、储能装置的储放能功率、电动汽车的充放电功率。计算流程如下:
为缩短迭代的收敛路径,采用图1所示贪心变异策略对部分适应度较差的个体坐标进行的混沌变异,如下所示:
xid (k+1)=xid,min+z(k+1)(xid,max-xid,min)
式中,k为迭代次数,xid,max为xid的最大值。z(k+1)为第k+1代的Logistic混沌方程取值,表达式为:
z(k+1)=μz(k)(1-z(k))
式中,μ为系数,当μ=4,0≤z(0)≤1(z(0)≠0.5)时,z的取值永远不会重复。
本发明采用基于粒子维度熵的改进混沌粒子群算法对模型进行求解。微网各主体利益的经济调度是一个单目标优化问题,所述的针对每个参与者的效益采用改进混沌粒子群算法求解最优策略,包括:
(1)初始化粒子群,确定每个粒子的位置初值;
(2)根据适应度评价函数,即可再生能源所有者、微网能源服务商、电动汽车用户的效益计算每个粒子的适应度值;
(3)更新粒子个体极值pid,保留最优的个体极值;
(4)根据下式来更新粒子的位置;
vid (k+1)=wvid (k)+η1r1(pid-xid (k))+η2r2(pgd-xid (k))
xid (k+1)=xid (k)+vid (k+1)
(6)判断是否达到迭代停止条件,否,则返回步骤(2);是,则停止计算,输出结果。
如图2所示,所述的针对整体的博弈过程采用迭代搜索法求解纳什均衡点,包括:步骤包括:
(1)输入各类设备的运行成本模型与可再生能源所有者、微网能源服务商、电动汽车用户多主体利益均衡的日前经济调度数学模型的原始参数与数据;
(2)设置均衡点初值,即不考虑电价调节作用,得出可再生能源所有者和电动汽车用户的上网电量;
(3)微网能源服务商根据可再生能源所有者和电动汽车用户的上网电量及电热能量平衡,以最佳经济效益为目标,制定微网的运行策略和可再生能源与电动汽车放电的峰谷平电价;
(4)可再生能源所有者根据分时上网电价制定实现最佳经济效益的储能充放电策略;
(5)电动汽车用户根据分时上网电价制定实现最佳经济效益的储能充放电策略;
(6)判断微网能源服务商、可再生能源所有者、电动汽车用户经济效益是否达到纳什均衡;否,则返回第(3)步;是,则程序结束,得到符合要求的解。
下面给出具体实例:
以某微网为例,由热电联供机组通过“以热定电”方式供热及供电,并配置20kW×2的分布式光伏。△t=15min;cf=145$/t;ηtp,e=0.3539;ηtp,h=0.8924;ηcog=1。表1、表2、表3为微网内污染物治理成本及排污系数,各单元运维参数和分时电价数据,峰时段为10:00-15:00,18:00-21:00;平时段为07:00-10:00,15:00-18:00及21:00-23:00;谷时段为00:00-07:00,23:00-24:00。
表1污染物治理成本及排污系数
表2各单元运维参数
表3分时电价
多主体博弈均衡调度的成本收益结果为:微网能源服务商的总成本为254.587$;可再生能源所有者总成本为0.4356$,总收益为30.606$;电动汽车用户总成本为1.128$,总收益为2.205$。微网内最优分时电价为:峰时段0.0985$/(kW·h),平时段0.0674$/(kW·h),谷时段0.0231$/(kW·h),均高于表3中上级电网给出的光伏上网价格,同时低于微网向上级电网的购电价格,保证了最大化光伏内部消纳,降低购电成本。由调度结果对比得到,电储能能够较好地配合光伏出力,可再生能源所有者在建设光伏的同时若合理配置电储能,不仅能够消纳部分时段无法上网的光伏出力,还能够在峰时段得到较高售电收益。由微网能源服务商最优分时电价分析得到,尽管可再生能源所有者乐于向出价更高的微网能源服务商放电,但由于微网内电负荷裕量有限,微网内无法消纳的光伏电力将送往外网,电储能在谷时段或微网电负荷裕量不足时储电,并在合适时段放电。
本发明通过对某微网基于各类设备的运行成本模型,构建了考虑可再生能源所有者、微网能源服务商、电动汽车用户多主体利益均衡的日前经济调度数学模型,采用主从博弈模型求解所建立模型,针对每个参与者的效益采用改进混沌粒子群算法求解最优策略,针对整体的博弈过程采用迭代搜索法求解纳什均衡点。通过计算结果,看出根据微网内各主体利益均衡,求解得到最优的各主体的出力和上网计划,能优化综合能源微网各主体间运行调度策略,提升各主体利益,为并且为可再生能源所有者在储能配置方面提供指导,提升微网可再生能源消纳能力,提高综合能源微网运行经济性。
Claims (4)
1.一种面向多主体利益均衡的微网日前经济调度方法,其特征在于,包括如下步骤:
1)基于多能源微网中各类能量产生、转化设备的效能模型,结合系统中设备的燃料成本、运行调度成本、寿命损耗成本、环境污染成本,建立各类设备的运行成本模型;
2)构建考虑可再生能源所有者、微网能源服务商、电动汽车用户的多主体利益均衡的日前经济调度数学模型;其中,所述的多主体利益均衡的日前经济调度数学模型如下所示:
多能源微网划分为可再生能源所有者、微网能源服务商、电动汽车用户三个具有可控资源的主体,微网能源服务商给出的分时电价p(t)为:
pPV(t)=p(t)+bPV
pEV(t)=p(t)+bEV
式中,pPV(t)、pEV(t)为光伏和电动汽车分时上网电价;bPV,bEV分别为光伏和电动汽车上网电价补贴;ppeak,pflat,pvalley分别为微网内机组在负荷峰、平、谷三段的上网电价;T1,T2,T3分别为负荷峰、平、谷三段所对应时段;
微网能源服务商在保证地区电热负荷平衡的前提下优化各时段热电联产机组、含热储能的电锅炉出力,降低运行成本;同时根据向上级电网的购电价格制定光伏和电动汽车上网电价,减少向上级电网购电成本,微网能源服务商调度目标是总运行成本最小,微网能源服务商的效益IMEP表述为:
式中,NT为调度时段总数;pb(t)为t时刻微网能源服务向上级电网的购电成本;PPE(t)为t时刻微网能源服务商向上级电网的购电功率;PREO(t)为t时刻光伏出力;Peve(t)为t时刻电动汽车放电功率;为t时刻微网能源服务商的运维成本;CFU(t)为t时刻燃料成本;CST(t)为t时刻机组启停成本;CEP(t)为t时刻每个热电联产机组的污染成本;CHS(t)为t时刻热储能损耗成本;
可再生能源所有者基于不同时段的差异电价,通过储能的充放电调度来合理安排光伏和储能系统的上网电量,所得售电收入扣除各类设备的建设和运维成本后即为所获的经济效益;可再生能源所有者的效益IREO表示为:
采用消费者心理学方法来建立电动汽车用户价格敏感度响应模型,电动汽车用户的响应特性曲线为:
α=1.431Δp5-6.962Δp4+11.12Δp3-6.096Δp2+1.004Δp
式中,α为电动汽车用户响应调度的概率;△p为电动汽车上网电价与常规平时段电价差值;
电动汽车用户以盈利为目的,根据电价差值决定是否向微网放电,电动汽车用户效益函数IEVO表示:
3)采用主从博弈方法求解所建立模型,即,针对每个参与者的效益采用改进混沌粒子群算法求解最优策略,针对整体的博弈过程采用迭代搜索法求解纳什均衡点。
2.根据权利要求1所述的一种面向多主体利益均衡的微网日前经济调度方法,其特征在于,步骤1)中所述的运行成本模型中包括热电联产机组、光伏、热储能、电储能、电锅炉出力、电动汽车模型,其中:
(1)热电联产机组模型包括:
热电联产机组t时刻的电热出力对应的燃料成本CFU(t):
式中,ch0和ce0分别为热电联产机组平均发热成本和平均发电成本;Δt为调度时长;cf为单位煤成本;NF为热电联产机组总数;Pcog,i(t)和Hcog,i(t)分别为t时刻第i个热电联产机组输出的电功率和热功率;ηtp,h为机组供热效率;ηtp,e为机组发电效率;
以热定电模式下,热电联产机组i输出的电功率由热电联产机组输出的热功率得到:
式中,ηcog为热电联产机组输出的电功率和热功率的比值;
机组启停成本CST计算公式如下:
热电联产机组排放NOX,SO2、CO和CO2气体,每个热电联产机组的污染成本CEP为:
式中,ρij为热电联产机组i排放j类气体的排放因子;γj为j类气体的治污成本;
(2)光伏运行时根跟随辐照强度变化以最大功率发电,不需要燃料供应,因此光伏成本主要为运维成本,不存在其他成本;
(3)热储能模型包括:
热储能动态模型:
热储能主要包括蓄热罐和蓄热槽,热储能的特性描述成设备自身容量、输出输入能力、热储能散热损失率和能量存储和释放效率之间的关系,热储能动态模型的差分动态数学模型表示为:
HHS(t)=(1-kLOSS)HHS(t-1)+[Qst(t)kst-Qex(t)/kex]Δt
式中,HHS(t)为热储能在时刻t的剩余热量;kLOSS为热储能散热损失率;Qst(t)、Qex(t)分别为热储能在时刻t的能量存储和释放功率,kst、kex分别能量存储和释放效率;
热储能损耗成本CHS(t)如下:
CHS(t)=kLOSSHHS(t-1)+(1-kst)Qst(t)Δt+(1/kex-1)Qex(t)Δt
(4)电储能模型包括:
电储能动态模型如下:
EES(t)=EES(t-1)+(Pstδst-Pex/δex)Δt
式中,EES(t)为电池在t时刻的剩余电量;Pst、Pex分别为电池在t时刻的充放电功率;δst、δex分别为电池的充放电效率;
电储能损耗成本:
采用雨流计数法计算电池放电深度,并利用四阶函数表征循环寿命与放电深度的关系:
N(D)=-3278D4-5D3+12823D2-14122D+5112
式中,N(D)为电池的循环寿命;D为电池的放电深度;
当电池在短时间△t内参与负荷调节时,只有充电或放电半个过程,在计算循环损耗时引入调节系数μ1,电储能损耗成本CES1为:
SOC(t)=EES(t)/ESB
式中,cper为电池每次循环费用;CES-invest为电池的一次性购置费用;△SOC为电池的电量变化量;ESB为电池容量;SOC为电池的电量;N(ΔSOC)为电池的电量变化量△SOC时电池的循环寿命;
得到电池循环损耗与充放电功率的关系:
电传输损耗CES2是由于传输效率达不到100%而导致的能量损耗,表示如下:
CES2(t)=ce0((1-δst)Pst(t)+(1/δex-1)Pex(t))
式中,ce0为热电联产机组平均发电成本;
(5)电锅炉出力模型
电锅炉出力模型如下:
QEB(t)=ηEBPEB(t)
式中,QEB(t)为电锅炉在t时刻的热出力;PEB(t)为电锅炉在t时刻的耗电功率;ηEB为电锅炉的电热转换效率;
(6)电动汽车模型包括:
电动汽车电池动态模型:
电动汽车电池的动态模型通过所用电池的剩余电量状态变化来描述:
式中,EEV(t)为电动汽车在t时刻的电池容量;Pevc与Peve分别为电动汽车从家庭用户获得的充电功率和电动汽车向家庭用户的放电功率;ηevc与ηeve分别为电动汽车充电与放电的效率系数;
电动汽车电池损耗成本:
电动汽车电池由荷电状态下限SOCEVmin充电至荷电状态上限SOCEVmax最多循环NEV次,电动汽车电池单位电量循环损耗成本CEV如下:
式中,μ2为综合修正系数;EEV为电动汽车电池容量。
3.根据权利要求1所述的一种面向多主体利益均衡的微网日前经济调度方法,其特征在于,步骤3)所述的针对每个参与者的效益采用改进混沌粒子群算法求解最优策略,包括:
(1)初始化粒子群,确定每个粒子的位置初值;
(2)根据适应度评价函数,即可再生能源所有者、微网能源服务商、电动汽车用户的效益计算每个粒子的适应度值;
(3)更新粒子个体极值pid,保留最优的个体极值;
(4)根据下式来更新粒子的位置;
vid (k+1)=wvid (k)+η1r1(pid-xid (k))+η2r2(pgd-xid (k))
xid (k+1)=xid (k)+vid (k+1)
(5)计算n个粒子维度熵,若某一维度熵E(xd)>Emax,则对该维度适应度较差的80%个体坐标进行变异;
(6)判断是否达到迭代停止条件,否,则返回步骤(2);是,则停止计算,输出结果。
4.根据权利要求1所述的一种面向多主体利益均衡的微网日前经济调度方法,其特征在于,步骤3)所述的针对整体的博弈过程采用迭代搜索法求解纳什均衡点,包括:
(1)输入各类设备的运行成本模型与可再生能源所有者、微网能源服务商、电动汽车用户多主体利益均衡的日前经济调度数学模型的原始参数与数据;
(2)设置均衡点初值,即不考虑电价调节作用,得出可再生能源所有者和电动汽车用户的上网电量;
(3)微网能源服务商根据可再生能源所有者和电动汽车用户的上网电量及电热能量平衡,以最佳经济效益为目标,制定微网的运行策略和可再生能源与电动汽车放电的峰谷平电价;
(4)可再生能源所有者根据分时上网电价制定实现最佳经济效益的储能充放电策略;
(5)电动汽车用户根据分时上网电价制定实现最佳经济效益的储能充放电策略;
(6)判断微网能源服务商、可再生能源所有者、电动汽车用户经济效益是否达到纳什均衡;否,则返回第(3)步;是,则程序结束,得到符合要求的解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811222164.3A CN109286187B (zh) | 2018-10-19 | 2018-10-19 | 一种面向多主体利益均衡的微网日前经济调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811222164.3A CN109286187B (zh) | 2018-10-19 | 2018-10-19 | 一种面向多主体利益均衡的微网日前经济调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109286187A CN109286187A (zh) | 2019-01-29 |
CN109286187B true CN109286187B (zh) | 2022-01-04 |
Family
ID=65178122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811222164.3A Active CN109286187B (zh) | 2018-10-19 | 2018-10-19 | 一种面向多主体利益均衡的微网日前经济调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109286187B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110378058B (zh) * | 2019-07-26 | 2023-12-15 | 中民新能投资集团有限公司 | 一种综合考虑可靠性与经济性的电热耦合微网最优响应模型的建立方法 |
CN110598915B (zh) * | 2019-08-23 | 2023-01-17 | 广东工业大学 | 一种热电联供的微电网经济优化方法 |
CN111614110B (zh) * | 2020-06-15 | 2022-01-04 | 南京工程学院 | 一种基于改进多目标粒子群算法的受端电网储能优化配置方法 |
CN112054513B (zh) * | 2020-08-20 | 2022-03-08 | 三峡大学 | 基于混合博弈的多微电网双层协调优化调度方法 |
CN112270432B (zh) * | 2020-10-14 | 2023-02-28 | 国网四川省电力公司经济技术研究院 | 一种考虑多主体利益均衡的综合能源系统的能量管理方法 |
CN112542854B (zh) * | 2020-12-01 | 2023-06-27 | 国网福建省电力有限公司 | 一种含可再生能源的微电网多主体协调调度方法 |
CN113222233B (zh) * | 2021-04-30 | 2024-05-07 | 中国石油天然气股份有限公司 | 一种天然气多主体能源博弈分析方法及系统 |
CN113098011B (zh) * | 2021-05-20 | 2023-07-07 | 福州大学 | 一种基于改进NashQ算法的风电调度方法及系统 |
CN113964828B (zh) * | 2021-10-28 | 2024-05-03 | 国网宁夏电力有限公司经济技术研究院 | 一种基于区间概率统计模型的配电网协同规划方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392286A (zh) * | 2014-12-02 | 2015-03-04 | 山东大学 | 考虑冷热电联供和储能运行策略的微电网运行优化方法 |
CN105591406A (zh) * | 2015-12-31 | 2016-05-18 | 华南理工大学 | 一种基于非合作博弈的微电网能量管理系统的优化算法 |
CN106374513A (zh) * | 2016-10-26 | 2017-02-01 | 华南理工大学 | 一种基于主从博弈的多微网联络线功率优化方法 |
CN106712120A (zh) * | 2017-03-29 | 2017-05-24 | 华北电力大学(保定) | 基于主从博弈模型的交直流混合微电网优化运行方法 |
CN107545325A (zh) * | 2017-08-21 | 2018-01-05 | 浙江工业大学 | 一种基于博弈论的多微网互联运行优化方法 |
CN107578182A (zh) * | 2017-09-16 | 2018-01-12 | 兰州理工大学 | 基于需求侧响应下光储微电网运行控制方法 |
CN107958300A (zh) * | 2017-08-21 | 2018-04-24 | 浙江工业大学 | 一种考虑互动响应的多微网互联运行协调调度优化方法 |
CN108347062A (zh) * | 2018-01-12 | 2018-07-31 | 华南理工大学 | 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 |
-
2018
- 2018-10-19 CN CN201811222164.3A patent/CN109286187B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392286A (zh) * | 2014-12-02 | 2015-03-04 | 山东大学 | 考虑冷热电联供和储能运行策略的微电网运行优化方法 |
CN105591406A (zh) * | 2015-12-31 | 2016-05-18 | 华南理工大学 | 一种基于非合作博弈的微电网能量管理系统的优化算法 |
CN106374513A (zh) * | 2016-10-26 | 2017-02-01 | 华南理工大学 | 一种基于主从博弈的多微网联络线功率优化方法 |
CN106712120A (zh) * | 2017-03-29 | 2017-05-24 | 华北电力大学(保定) | 基于主从博弈模型的交直流混合微电网优化运行方法 |
CN107545325A (zh) * | 2017-08-21 | 2018-01-05 | 浙江工业大学 | 一种基于博弈论的多微网互联运行优化方法 |
CN107958300A (zh) * | 2017-08-21 | 2018-04-24 | 浙江工业大学 | 一种考虑互动响应的多微网互联运行协调调度优化方法 |
CN107578182A (zh) * | 2017-09-16 | 2018-01-12 | 兰州理工大学 | 基于需求侧响应下光储微电网运行控制方法 |
CN108347062A (zh) * | 2018-01-12 | 2018-07-31 | 华南理工大学 | 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 |
Non-Patent Citations (4)
Title |
---|
Real-time implementation of multiagent-based game theory reverse auction model for microgrid market operation;Mehmet H et al;《2016 IEEE Power and Energy Society General Meeting (PESGM)》;20161114;全文 * |
分时电价与风储联合调度协调优化的主从博弈模型;栗然等;《电网技术》;20151130;第3247页-第3253页 * |
基于博弈论的主动配电网扩展规划与光储选址定容交替优化;刘洪等;《电力系统自动化》;20171210;第1页-第6页 * |
基于改进CPSO算法的区域电热综合能源系统经济调度;刘洪等;《电力自动化设备》;20170630;第193页-第199页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109286187A (zh) | 2019-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109286187B (zh) | 一种面向多主体利益均衡的微网日前经济调度方法 | |
Hou et al. | Multi-objective economic dispatch of a microgrid considering electric vehicle and transferable load | |
Zhang et al. | Multi-objective load dispatch for microgrid with electric vehicles using modified gravitational search and particle swarm optimization algorithm | |
Wei et al. | Planning integrated energy systems coupling V2G as a flexible storage | |
Jiang et al. | Smart home in smart microgrid: A cost-effective energy ecosystem with intelligent hierarchical agents | |
Chen et al. | Optimal integration of plug-in hybrid electric vehicles in microgrids | |
Guo et al. | Decentralized coordination of energy utilization for residential households in the smart grid | |
Qiu et al. | Federated reinforcement learning for smart building joint peer-to-peer energy and carbon allowance trading | |
James et al. | Optimal V2G scheduling of electric vehicles and unit commitment using chemical reaction optimization | |
CN109636056A (zh) | 一种基于多智能体技术的多能源微网去中心化优化调度方法 | |
Iqbal et al. | IoT-enabled smart home energy management strategy for DR actions in smart grid paradigm | |
CN112800658A (zh) | 一种考虑源储荷互动的主动配电网调度方法 | |
CN112036934A (zh) | 考虑热电协调运行的负荷聚合商参与需求响应的报价方法 | |
CN111047097B (zh) | 一种综合能源系统日中滚动优化方法 | |
CN112821470A (zh) | 基于小生境混沌粒子群算法的微网群优化调度策略 | |
Xiao et al. | Optimal scheduling of regional integrated energy system considering multiple uncertainties and integrated demand response | |
CN114374232A (zh) | 一种考虑需求响应的综合能源系统两阶段优化调度方法 | |
CN111293718A (zh) | 基于场景分析的交直流混合微网分区二层优化运行方法 | |
Rathor et al. | Decentralized energy management system for LV microgrid using stochastic dynamic programming with game theory approach under stochastic environment | |
CN114662752A (zh) | 基于价格型需求响应模型的综合能源系统运行优化方法 | |
CN116579560A (zh) | 考虑多类型负荷需求响应的虚拟电厂能量分配方法 | |
Buechler et al. | Optimal energy supply scheduling for a single household: Integrating machine learning for power forecasting | |
Abedinia et al. | Synergizing efficient optimal energy hub design for multiple smart energy system players and electric vehicles | |
Mao et al. | Microgrid group control method based on deep learning under cloud edge collaboration | |
CN111917135A (zh) | 一种智能建筑群电能优化共享方法 |
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 |