CN110135625A - 一种针对社区微网端对端交易的两阶段竞价方法 - Google Patents

一种针对社区微网端对端交易的两阶段竞价方法 Download PDF

Info

Publication number
CN110135625A
CN110135625A CN201910309518.6A CN201910309518A CN110135625A CN 110135625 A CN110135625 A CN 110135625A CN 201910309518 A CN201910309518 A CN 201910309518A CN 110135625 A CN110135625 A CN 110135625A
Authority
CN
China
Prior art keywords
user
transaction
electricity
value
price
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
Application number
CN201910309518.6A
Other languages
English (en)
Inventor
张真源
黄琦
桂勋
汤皓越
丁一迪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201910309518.6A priority Critical patent/CN110135625A/zh
Publication of CN110135625A publication Critical patent/CN110135625A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • 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
    • 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
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种针对社区微网端对端交易的两阶段竞价方法，以用户端对端交易的竞价方法的设计为基础，通过同时考虑交易量和交易价格的确定这两个方面，解决了传统竞价方法中只涉及能量管理或只涉及交易价格的不全面问题，同时提升了新能源的消纳以及所有用户的经济效益。

Description

一种针对社区微网端对端交易的两阶段竞价方法
技术领域
本发明属于智能电网技术领域，更为具体地讲，涉及一种针对社区微网端对端交易的两阶段竞价方法。
背景技术
随着智能电网的兴起，风、光、热、储等新能源相关技术发展以及国家政策的推动，在电力用户侧逐渐出现以分布式光伏和储能为核心元件、综合利用可控负荷及电动汽车等资源的社区微电网系统。在这样的微网系统中，装有分布式能源的用户若可以直接与其他用户进行社区范围内的电力交易，即进行社区微网端对端交易，能够带来提高电网稳定性、增加新能源的使用量，减少环境污染等优点。但是，由于社区微网端对端的电力交易具有交易次数频繁、交易随机性高以及交易量小等特点，导致传统的电力市场交易方法不适用于这种交易。因此，针对社区微网端对端交易设计一种可以满足其特点的交易方法成为了一个重要的研究课题。
在一些研究中，研究者主要以消除分布式能源发电的不稳定性为主要目标进行社区微网端对端交易方法的设计。文献“Lin C,Deng D J,Kuo C C,et al. OptimalCharging Control of Energy Storage and Electric Vehicle of an Individual inthe Internet of Energy with Energy Trading[J].IEEE Transactions on IndustrialInformatics,2017:1-1”、文献“Samadi P,Wong V W S,Schober R.Load Scheduling andPower Trading in Systems With High Penetration of Renewable Energy Resources[J].IEEE Transactions on Smart Grid,2015,7(4):1-1.”以及文献“Wang Z, ParanjapeR.Optimal Scheduling algorithm for charging electric vehicle in a residentialsector under demand response[C].Electricity Power&Energy conference. IEEE,2016”都基于能量管理(主要采取控制储能装置和电动汽车的充放电过程的方法)以及负荷响应两方面来设计交易方法，这种方法可以使得端对端电力市场上的电能需求量与分布式能源的供电量能够尽可能地匹配，从而有效地提升新能源的使用量。
但是，上述文献基于能量管理方面所设计的交易方法破坏了交易的灵活性且未能对用户产生经济激励。因此，为了提高社区用户的经济效益，基于博弈论的竞价策略引起了研究者的关注。
文献“Liu Y,Yuen C,UI Hassan N,et al.Electricity Cost Minimization fora Mircrogrid With Distributed Energy Resource Under Different InfromationAvailability[J].IEEE Transactions on Industrial Electronics,2015,62(4):2571-2583”提出了一中“出清博弈”的竞价方法。买卖双方通过报价，最终选取最低的卖价和最高的卖价进行比较，决定一个市场统一出清价格作为买卖双方的交易价格。虽然这种博弈方法能够为用户带来经济激励参与到端对端交易，但是忽略了用户的独立性，即独立的用户希望以不同的交易价格与不同的用户进行交易。
文献“Opadokun F,Akter M N,Roy T K,et al.Prioritizing customers forneighborhood energy sharing in residential microgrids with a transactiveenergy market[C].IEEE Pes General Meeting.IEEE,2018.”提出了一种多领导者多跟随者的博弈方法。这种方法虽然能够保证用户的独立性，但是仅通过卖家决定交易价格，破坏了市场的公平性。
发明内容
本发明的目的在于克服现有技术的不足，提供一种针对社区微网端对端交易的两阶段竞价方法。该方法通过对用户家庭的能量管理和用户的经济效益两个方面进行考虑，既有效地提高了新能源的消纳，又保障了社区用户的经济效益。
为实现上述发明目的，本发明一种针对社区微网端对端交易的两阶段竞价方法，其特征在于，包括以下步骤：
(1)、发布当日的发电量与负荷信息
设用户端对端交易市场开放时间8：00到17：00，以每个交易日为一个周期，每一小时为一个交易时间间隔；
在每日交易开始之前，社区微网向安装有新能源发电装置的用户发布光伏发电装置的日发电量预测数据，以及每一用户当日的负荷预测数据；
(2)、确定每个时间间隔的第一个交易阶段的交易量
(2.1)、更新该时间间隔的发电量预测数据和负荷预测数据
在每个小时开始交易之前，社区微网对用户更新发电量预测数据和负荷预测数据；
(2.2)、确定交易角色及给出预期交易量
用户在每个时间间隔内，根据用户自身能量情况，选择在这个交易间隔内是否参与交易，若用户选择参与交易，则确认担任的交易角色：卖家Ns或买家 Nb，同时给出其预期的交易量：售电量或购电量
(2.3)、发布价格预测值及当前供需关系信息
(2.3.1)、计算价格预测值
(2.3.1.1)、预测调整交易量后的供需关系
预测在用户调整交易量后，市场上的售电量和购电量
其中，系数αi和βj分别表示卖家i和买家j的调整交易量的偏好，其值由用户在历史交易中的行为所决定；为用户i调整前预期的售电量，表示用户k调整前预期的售电量或购电量，为用户j调整前预期的购电量，λ为二元变量；
基于售电量和购电量的预测值，预测用户之间端对端交易市场的供需关系ω：
当ω＞0时，表示此时市场上的售电量大于购电量；ω≤0时表示此时市场上的售电量不大于购电量；
(2.3.1.2)、对历史价格数据进行分类，并预测用户k的交易价格
首先将历史价格数据分为工作日和周末两个大类，再将每一类历史价格数据又分为供大于求和供不大于求两类，最后根据供需关系的百分比，将第二次分类后的历史价格数据又分为三类，即：|ω|∈(0,30％],|ω|∈(30,70％]，|ω|∈(70,100％]；
根据供需关系指数ω，在相对应类别的历史价格数据中，对n个历史价格数据pi,i＝1,2,...,n通过取平均的方法，求得用户k的交易价格预测值
然后按照此方法，计算出每个用户的交易价格预测值；
(2.3.2)、发布价格预测值和当前供需关系
发布每个用户的交易价格预测值，以及此时市场整体的售电量和购电量的关系：大于或小于或等于；
(2.4)、用户决定此交易时间间隔内的最终交易量
用户发布价格预测值和当前供需关系，结合自身的偏好，决定此交易时间间隔内的最终交易量；
(3)、确定每个时间间隔的第二个交易阶段的交易关系
(3.1)、向用户提供风险价值VaR
(3.1.1)、选取历史价格数据
基于第一阶段中用户所提供的最终交易量，确定此交易时间间隔内电量的供需关系：大于或小于或等于，然后根据供需关系，选择相应的n+1个历史价格数据，再将这些数据按照时间顺序，排列成p(i),i＝-(n+1),-n,...,-1；
(3.1.2)、计算波动值
计算出n个波动值：Δp(i)＝p(-i)-p(-i-1)，其中，i＝n,n-1,…,1；
(3.1.3)、计算交易价格预测值
计算出n个交易价格的预测值：
(3.1.4)、确定VaR所估计的交易价格区间
将n个交易价格的预测值由小到大的顺序进行排列，其中，第|n*(1-α)|个数值和第|n*α|个数值分别为所估计的交易价格区间的下界和上界，α表示VaR 的置信水平；
(3.2)、用户参与同时博弈
(3.2.1)、参与者：所有在这个时间间隔参与用户间端对端交易的卖家Ns与买家Nb作为参与者，且
(3.2.2)、策略：在这个同时博弈中，确定卖方的策略为：Ss(i)＝Ss(Ei,ri)与买方的策略为：Sb(j)＝Sb(Ej,rj)，其中，Ei,Ej分别表示卖方和买方提出的交易量， ri,rj分别表示卖方和买方所提供的理想价格区间，且满足：
ri＝[rimin,rimax],i∈Ns
rj＝[rjmin,rjmax],j∈Nb
rFT<ri,rj<rUY
其中，rimin,rimax为卖方所提供的理想价格区间最小值和最大值，rjmin,rjmax为买方所提供的理想价格区间最小值和最大值；rFT为用户向电网售电的价格，rUT为用户从电网购电的价格；
(3.2.3)、效用函数：根据卖方的效用函数Us(i)＝Us(Ei,ri,r-i)和买方的效用函数Ub(j)＝Ub(Ej,rj,r-j)建立数学模型：
其中r-i,r-j分别代表其他卖家和其他买家所选取的策略，和rCP,i(t)分别表示卖家在用户端对端交易中的售电量和对应的交易价格，和rFT分别表示卖家卖给电网的电量以及上网电价；和rCP，j(t)分别表示买家在用户端对端交易中购买的电量及相应的成交价格；和rUT分别表示买家从电网处购入的电量以及购电价格；
(3.3)、根据优先级顺序，确定交易关系
(3.3.1)、本方法中采用的优先级顺序是：最高的优先级给只有一个可交易对象的用户，即有且只有一个用户可与这个用户所提出的交易价格区间进行匹配；其次，对于有多个匹配对象的用户，能够达到纳什均衡的用户享有第二高优先级；紧接着，若一个用户与多个用户同时达到纳什均衡，有更多售电量或更低购电量的用户享有第三高的优先级；最后，若前三个优先级都无法判定交易顺序，则由用户的信用评分确定优先级，分高者先交易；
(3.3.2)、通过匹配用户所提出的理想价格区间，以及所给出的优先级顺序，确定用户之间的交易关系及交易价格，如果某一用户在这一个交易时间内未能成功与其他用户进行端对端交易，则他们直接与电网进行交易。
本发明的发明目的是这样实现的：
本发明一种针对社区微网端对端交易的两阶段竞价方法，以用户端对端交易的竞价方法的设计为基础，通过同时考虑交易量和交易价格的确定这两个方面，解决了传统竞价方法中只涉及能量管理或只涉及交易价格的不全面问题，同时提升了新能源的消纳以及所有用户的经济效益。
并且，本发明一种针对社区微网端对端交易的两阶段竞价方法还具有以下有益效果：
(1)、本发明在第一阶段确定交易量的过程中，考虑了用户的用电偏好问题，更好地激励了用户参与到端对端交易市场，为新能源的就地消纳以及用户的经济效益的提升都产生了积极的影响；
(2)、本发明在第二阶段确定交易价格时，采用了计及交易风险的同时博弈的方法，既保障了用户间端对端交易的成功率，又保证了市场的公平性；
(3)、本发明通过在两个阶段中分别加入价格预测值和VaR对用户的行为进行指导，不仅帮助用户对自己的行为进行更好的判断，而且促进了用户间交易量的最大化以及交易价格的合理化，从而保障了新能源的使用量的提升和用户的经济利益的最优化。
附图说明
图1是本发明一种针对社区微网端对端交易的两阶段竞价方法流程图；
图2是计算价格预测值时历史数据的具体分类方法；
图3是社区微网用户端对端交易的市场基本结构；
图4是用户一天的发电以及用电预测曲线；
图5是用户不采用本发明方法交易所提出的理想交易量；
图6是用户采用本发明方法进行交易所提出的调整前后的理想交易量。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。
实施例
图1是本发明一种针对社区微网端对端交易的两阶段竞价方法流程图。
在本实施例中，如图1所示，本发明一种针对社区微网端对端交易的两阶段竞价方法，基于用户端对端交易市场(开放时间:8：00-17：00)，以每个交易日为一个周期，每一小时为一个交易时间间隔Δt,通过两阶段竞价方法进行交易，具体包括以下步骤：
S1、发布当日的发电量与负荷信息
在每日交易开始之前(即8：00之前)，家中安装新能源发电装置的用户会得到其光伏发电装置的日发电量预测数据，同时所有用户会得到其当日的负荷预测数据。这两个数据的发布可以帮助用户了解当日的整体交易量的大体情况。
S2、进入每个时间间隔的第一个交易阶段确定交易量
S2.1、更新该时间间隔发电量和负荷信息
由于光伏发电受天气影响较大，其最初的日发电量预测有极大可能出现偏差；同时，由于用户的负荷在某些时间间隔中可能会有一些调整，这也可能导致最初的日负荷预测出现偏差。因此，在每个小时开始交易之前，对用户更新发电量和负荷的相关信息，可以更好帮助用户确定这个时间间隔内的交易量。
S2.2、确定交易角色及给出预期交易量
用户在每个时间间隔内可以根据自身能量情况，选择在这个交易间隔内是否参与交易。若选择参与交易，其所担任的交易角色是：卖家Ns或买家Nb。同时，参与交易的用户应给出其预期的交易量(售电量或购电量)。
S2.3、发布价格预测值及当前供需关系信息
S2.3.1、计算价格预测值
为了帮助用户决定是否调整自己的预期交易值，这个方法会为用户提供一个价格预测值进行指导。这个预测值是基于该用户不改变其所提出的预期交易量，而其他用户根据各自的习惯调整了交易量的假设所计算出的。其计算方法主要分两步。现在以提供给用户k的价格预测值为例说明该算法：
第一步，预测调整交易量后的供需关系。
首先根据下述公式预测在用户调整交易量后，市场上的售电量和购电量
其中，系数αi和βj分别表示卖家i和买家j的调整交易量的偏好，其值由用户在历史交易中的行为所决定；为卖家i调整前预期的售电量，表示用户k调整前预期的售电量或购电量，用户j调整期预期的购电量。同时，由于用户k在一个交易时间间隔内，只能担任一种交易角色(卖家或买家)，因此引入二元变量λ对其进行约束。二元变量λ的含义是：
基于售电量和购电量的预测值，可以预测用户之间端对端交易市场的供需关系ω：
当ω＞0时表示此时市场上的售电量大于购电量；ω≤0时表示此时市场上的售电量不大于购电量。
第二步，根据分类后的历史价格数据，预测用户k的交易价格。
由于用户间端对端交易的交易价格受日期(工作日或周末)和供需关系影响较大，因此，为了提高价格预测值的准确性，历史价格数据将被分类，分类方法如图2所示：首先分为工作日和周末两个大类；然后根据供需关系分为供大于求和供不大于求两类；最后根据供需关系的百分比分为三类(即： |ω|∈(0,30％],|ω|∈(30,70％]，|ω|∈(70,100％])，这里我们将历史价格数据共计划分了 12类。
然后根据第一步所得到的供需关系指数ω，在相对应类别的历史价格数据中，对n个历史价格数据pi,i＝1,2,...,n通过取平均的方法求得交易价格预测值
S2.3.2、发布价格预测值和当前供需关系
通过S2.3.1得到每个用户的交易价格预测值后，向相对应的用户提供这个价格预测值。同时，也向他们提供此时市场整体的售电量和购电量的关系(大于或小于或等于)。通过发布这两个相关信息，可以帮助用户决定是否调整其所提出的预期交易量。
S2.4、用户决定此交易时间间隔内的最终交易量
用户通过得到的信息，根据自己的偏好，对最初提供的交易量进行调整。用户可调整的能量主要来自于其对可控负荷的运行以及电动汽车和能量储存装置的充放电的控制。它们的数学模型分别如下：
可控负荷模型：
即可控负荷运行所需的能量等于a个可控负荷中正在运行的负荷所需能量之和。表示可控负荷l每小时用电量，当负荷l在这个时间段内不运行时，值为0。
电动汽车模型：
其中Ta和Td分别表示电动汽车回到家和离开家的时间。第1、2个式子分别表示电动汽车充放电过程中的能量平衡，即电动汽车的充电量来自于从电网购买的电量和从邻居处购买的电量之和乘以其充电效率电动汽车的放电量乘以其放电效率等于其自己使用的量加上卖给电网和邻居的电量(分别为和)。
能量储存装置模型：
即在用户间端对端交易市场中(即8：00-17：00)，用户充电的总量不能超过储能装置的容量Ci BESS。
值得注意的是，为了避免某些用户的破坏市场行为，调整的值应该在规定的范围内，从而决定出此交易时间间隔内的最终交易量。
S3、进入每个时间间隔的第二个交易阶段确定交易关系
S3.1、向用户提供风险价值VaR
风险价值VaR是一种测量交易风险的工具，它在考虑了市场交易平均价格这个市场因子后，可以为用户提供一个预测的交易价格区间。由VaR所估计的这个价格区间表示实际交易价格有α的概率落在这个区间内，α为VaR的置信水平，从而规避了一定的交易风险。计算这个交易区间主要采取历史模拟法，主要步骤如下：
S3.1.1、选取历史价格数据
基于第一阶段中用户所提供的最终的交易量，确定此交易时间间隔内电量的供需关系(大于或小于或等于)。根据供需关系，选择相应的n+1个历史数据。同时将这些数据按照时间顺序，排列成p(i),i＝-(n+1),-n,...,-1。
S3.1.2、计算波动值
基于S3.1.1中所选取的历史数据，可以求得n个波动值，即Δp(i)＝p(-i)-p(-i-1),i＝n,n-1,...,1。
S3.1.3、计算交易价格预测值
由S3.1.1中选取的的历史数据p(i)以及(3.1.2)所计算出的波动值Δp(i)，可以得到n个交易价格的预测值：
S3.1.4、确定VaR所估计的交易价格区间
将S3.1.3中所得到的交易价格预测值由小到大的顺序进行排列，其中第 |n*(1-α)|个数值和第|n*α|个数值分别为所估计的交易价格区间的下界和上界。
S3.2、用户参与同时博弈
一个完整的博弈主要由参与者、策略和效用函数三个部分构成。同时博弈即所有参与者同时提出自己的策略，期望得到最优的效用函数。
S3.2.1、参与者：所有在这个时间间隔参与用户间端对端交易的卖家Ns与买家Nb。由于一个用户不能在一个交易间隔中既当卖家又当买家，因此：
S3.2.2、策略：在这个同时博弈中，由于交易量已经在第一阶段确定，所以卖方的策略Ss(i)＝Ss(Ei,ri)与买方的策略Sb(j)＝Sb(Ej,rj)(其中Ei,Ej分别表示卖方和买方提出的交易量，ri,rj分别表示卖方和买方所提供的理想价格区间)都是通过提供理想价格区间来保障自己的经济利益，即
ri＝[rimin,rimax],i∈Ns
rj＝[rjmin,rjmax],j∈Nb
为了鼓励用户与其他用户进行交易，从而促进新能源的消纳，因此，用户间端对端交易的交易价格应该在用户向电网售电的价格rFT和从电网购电的价格 rUT之间，即rFT<ri,rj<rUY。
S3.2.3、效用函数：根据卖方的效用函数Us(i)＝Us(Ei,ri,r-i)和买方的效用函数Ub(j)＝Ub(Ej,rj,r-j)建立数学模型：
其中r-i,r-j分别代表其他卖家和其他买家所选取的策略，和rCP,i(t)分别表示卖家在用户端对端交易中的售电量和对应的交易价格，和rFT分别表示卖家卖给电网的电量以及上网电价；和rCP,j(t)分别表示买家在用户端对端交易中购买的电量及相应的成交价格；和rUT分别表示买家从电网处购入的电量以及购电价格；
S3.3、根据优先级顺序，确定交易关系
S3.3.1、本方法中采用的优先级顺序是：首先，为了促进新能源的消纳，最高的优先级给只有一个可交易对象的用户，即有且只有一个用户可与这个用户所提出的交易价格区间进行匹配；其次，对于有多个匹配对象的用户，能够达到纳什均衡的用户享有第二高优先级，纳什均衡是博弈论中一个重要概念，当博弈双方达到纳什均衡时，双方同时达到最优效益。其表示如下：
其中，Ei *和Ej *分别表示卖家i的售电量和买家j的购电量；ri *和rj *分别表示卖家i和买家j所提供的最优价格，即以此价格交易，卖家i可获得最多收益，买家j的购电成本最少；ri和rj分别表示卖家i和买家j所提供的价格区间；r-i *表示除了i以外所有卖家所给的价格区间，r-j *表示除了j以外所以买家所给的价格区间。
紧接着，若一个用户与多个用户同时达到纳什均衡，有更多售电量或更低购电量的用户享有第三高的优先级；最后，若前三个优先级都无法判定交易顺序，则由用户的信用评分确定优先级，分高者先交易。
S3.3.2、通过匹配用户在S3.2中所提出的理想价格区间，同时根据S3.3.1 所给出的优先级顺序，确定用户之间的交易关系及交易价格(rCP等于两个用户交易价格区间交集的中值)。若有用户在这一个交易时间内未能成功与其他用户进行端对端交易，则他们直接与电网进行交易。
实例
本发明主要采用了一个实施例，通过比较两种情形，即用户未采用本发明方法进行交易和用户采用了本发明方法进行端对端交易，说明了本发明一种针对社区微网端对端交易的两阶段竞价方法的有效性。
本实施例选取了包含16个用户的社区微网进行研究。图3是社区微网中用户端对端市场基本结构。从图中可以得知，用户端对端交易的基本结构主要由四部分组成：用户，电网，能量流向以及价格流向。其中，用户根据其特点被分为六类，如表1所示。电网公司的主要作用是保障市场的能量平衡：当用户的电量供应大于他们的电量需求的时候，多余的电量则售卖给电网公司；当用户的电量供应小于其电量需求时，缺少的电量则从电网公司中购买；能量流向和价格流向表明了用户所选择的交易方式：供应电量的用户可以与需要电量的用户或电网公司进行交易，此时能量由供应方流出，而价格则流入供应方；需求电量的用户可以从供应电量的用户或电网公司购电，此时能量流入需求方，而价格则从需求方流出。
表1是用户类型具体分类情况
同时，在本实施例中，不同类型用户的具体数量如表2所示；需要注意的是，安装相关装置的用户在本实施例中被假定为只安装了一个该装置。并且，在本实施例中所采用的光伏发电装置功率为6千瓦时；电能储存装置的大小为6 千瓦时；电动汽车的电池容量为16千瓦时，但是充放电速度上限为3.3千瓦，并且为了防止过充现象的产生，电动汽车的电池状态最低为30％，即4.7千瓦时。另外，本实施例中还假定：用户与电网的购电价格为0.22元/千瓦时，而用户向电网售卖电能的售价为0.06元/千瓦时。
表2是不同类型的用户的具体数量情况
类型 数量
类型1 3
类型2 2
类型3 3
类型4 1
类型5 4
类型6 3
此外，本实施例还假定所有用户拥有一样的负荷，负荷的具体情况如表3 所示。在第一阶段的交易量调整过程中，用户可控制其可控负荷的运行状态。为了防止一些用户的行为破坏市场公平性，本实施例设定用户在调整交易量时，前后不可以超过所有可控负荷一小时用电量的15％，即1.725千瓦。
表3是每个用户的家庭负荷的具体情况
基于上述对系统的一些设定，16个用户进入了社区微网用户间端对端交易市场。在交易开始前，家中装有光伏发电装置的用户会得到相应的发电量预测曲线，如图4(a)所示；所有用户都会得到一个日负荷预测曲线，如图4(b) 所示。这两个曲线可以帮助用户了解交易日的一个整体情况。接下来，他们就进入每一个交易时间间隔进行交易。
当16个用户不采用本发明一种针对社区微网端对端交易的两阶段竞价方法进行交易时，他们所提出的交易量情况如图5所示。从图5中可以看出，用户的需求量变化与预测的日负荷曲线变化趋势一致，在9：00和中午时段的用电量较高，但是也很明显的可以看出市场上供应量与需求量的差异较大，而这些差异将导致新能源的大幅弃用。
当16个用户采用本发明一种针对社区微网端对端交易的两阶段竞价方法进行交易时，他们所提出的交易量情况如图6所示。图6(a)展示的是用户调整交易量之前所提出的供应量和需求量。不难看出，用户的需求量变化也与日负荷曲线变化趋势一致。图6(b)展示的是用户调整交易量之后，市场上的总供应量和需求量的情况。很明显，在市场上进行交易的需求量和供应量的差异大幅减少，这将大大有利于新能源的消纳。
此外，表4和表5分别展示了在本实施例两种不同情况下，这16个用户的整体交易情况。其中，用户与电网进行交易时，向电网购电记为正，向电网售电记为负。
表4是用户未采用本发明方法进行交易的情况
表5是用户采用本发明方法进行交易的情况
通过比较表4和表5不难看出，采用本发明方法可以有效提高用户之间的交易量，即新能源的使用量。同时，通过单位福利剩余公式：
可以计算出两种情形下的单位福利剩余分别为2.56和3.03。这说明，采用了本发明方法后，社区微网中用户的单位福利剩余上升了18.3％，从而保障了用户的经济效益。
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (2)

1.一种针对社区微网端对端交易的两阶段竞价方法，其特征在于，包括以下步骤：
(1)、发布当日的发电量与负荷信息
设用户端对端交易市场开放时间8：00到17：00，以每个交易日为一个周期，每一小时为一个交易时间间隔；
在每日交易开始之前，社区微网向安装有新能源发电装置的用户发布光伏发电装置的日发电量预测数据，以及每一用户当日的负荷预测数据；
(2)、确定每个时间间隔的第一个交易阶段的交易量
(2.1)、更新该时间间隔的发电量预测数据和负荷预测数据
在每个小时开始交易之前，社区微网对用户更新发电量预测数据和负荷预测数据；
(2.2)、确定交易角色及给出预期交易量
用户在每个时间间隔内，根据用户自身能量情况，选择在这个交易间隔内是否参与交易，若用户选择参与交易，则确认担任的交易角色：卖家Ns或买家Nb，同时给出其预期的交易量：售电量或购电量
(2.3)、发布价格预测值及当前供需关系信息
(2.3.1)、计算价格预测值
(2.3.1.1)、预测调整交易量后的供需关系
预测在用户调整交易量后，市场上的售电量和购电量
其中，系数αi和βj分别表示卖家i和买家j的调整交易量的偏好，其值由用户在历史交易中的行为所决定；为第i个用户在调整前预期的售电量，为第k个用户在调整前预期的售电量或购电量，为第j个用户在调整前预期的购电量，λ为二元变量；
基于售电量和购电量的预测值，预测用户之间端对端交易市场的供需关系ω：
当ω＞0时，表示此时市场上的售电售电量大于购电量；ω≤0时表示此时市场上的售电量不大于购电量；
(2.3.1.2)、对历史价格数据进行分类，并预测用户k的交易价格
首先将历史价格数据分为工作日和周末两个大类，再将每一类历史价格数据又分为供大于求和供不大于求两类，最后根据供需关系的百分比，将第二次分类后的历史价格数据又分为三类，即：|ω|∈(0,30％],|ω|∈(30,70％]，|ω|∈(70,100％]；
根据供需关系指数ω，在相对应类别的历史价格数据中，对n个历史价格数据pi,i＝1,2,...,n通过取平均的方法，求得用户k的交易价格预测值
然后按照此方法，计算出每个用户的交易价格预测值；
(2.3.2)、发布价格预测值和当前供需关系
发布每个用户的交易价格预测值，以及此时市场整体的售电量和购电量的关系：大于或小于或等于；
(2.4)、用户决定此交易时间间隔内的最终交易量
用户发布价格预测值和当前供需关系，结合自身的偏好，决定此交易时间间隔内的最终交易量；
(3)、确定每个时间间隔的第二个交易阶段的交易关系
(3.1)、向用户提供风险价值VaR
(3.1.1)、选取历史价格数据
基于第一阶段中用户所提供的最终交易量，确定此交易时间间隔内电量的供需关系：大于或小于或等于，然后根据供需关系，选择相应的n+1个历史价格数据，再将这些数据按照时间顺序，排列成p(i),i＝-(n+1),-n,...,-1；
(3.1.2)、计算波动值
计算出n个波动值：Δp(i)＝p(-i)-p(-i-1)，其中，i＝n,n-1,…,1；
(3.1.3)、计算交易价格预测值
计算出n个交易价格的预测值：
(3.1.4)、确定VaR所估计的交易价格区间
将n个交易价格的预测值由小到大的顺序进行排列，其中，第|n*(1-α)|个数值和第|n*α|个数值分别为所估计的交易价格区间的下界和上界；
(3.2)、用户参与同时博弈
(3.2.1)、参与者：所有在这个时间间隔参与用户间端对端交易的卖家Ns与买家Nb作为参与者，且
(3.2.2)、策略：在这个同时博弈中，确定卖方的策略为：Ss(i)＝Ss(Ei,ri)与买方的策略为：Sb(j)＝Sb(Ej,rj)，其中，Ei,Ej分别表示卖方和买方提出的交易量，ri,rj分别表示卖方和买方所提供的理想价格区间，且满足：
ri＝[rimin,rimax],i∈Ns
rj＝[rjmin,rjmax],j∈Nb
rFT<ri,rj<rUY
其中，rimin,rimax为卖方所提供的理想价格区间最小值和最大值，rjmin,rjmax为买方所提供的理想价格区间最小值和最大值；rFT为用户向电网售电的价格，rUT为用户从电网购电的价格；
(3.2.3)、效用函数：根据卖方的效用函数Us(i)＝Us(Ei,ri,r-i)和买方的效用函数Ub(j)＝Ub(Ej,rj,r-j)建立数学模型：
其中r-i,r-j分别代表其他卖家和其他买家所选取的策略，和rCP,i(t)分别表示卖家在用户端对端交易中的售电量和对应的交易价格，和rFT分别表示卖家卖给电网的电量以及上网电价；和rCP,j(t)分别表示买家在用户端对端交易中购买的电量及相应的成交价格；和rUT分别表示买家从电网处购入的电量以及购电价格；
(3.3)、根据优先级顺序，确定交易关系
(3.3.1)、本方法中采用的优先级顺序是：最高的优先级给只有一个可交易对象的用户，即有且只有一个用户可与这个用户所提出的交易价格区间进行匹配；其次，对于有多个匹配对象的用户，能够达到纳什均衡的用户享有第二高优先级；紧接着，若一个用户与多个用户同时达到纳什均衡，有更多售电量或更低购电量的用户享有第三高的优先级；最后，若前三个优先级都无法判定交易顺序，则由用户的信用评分确定优先级，分高者先交易；
(3.3.2)、通过匹配用户所提出的理想价格区间，以及所给出的优先级顺序，确定用户之间的交易关系及交易价格，如果某一用户在这一个交易时间内未能成功与其他用户进行端对端交易，则他们直接与电网进行交易。
2.根据权利要求1所述的一种针对社区微网端对端交易的两阶段竞价方法，其特征在于，所述二元变量λ满足：
其中，k表示第k个用户。
CN201910309518.6A 2019-04-17 2019-04-17 一种针对社区微网端对端交易的两阶段竞价方法 Pending CN110135625A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910309518.6A CN110135625A (zh) 2019-04-17 2019-04-17 一种针对社区微网端对端交易的两阶段竞价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910309518.6A CN110135625A (zh) 2019-04-17 2019-04-17 一种针对社区微网端对端交易的两阶段竞价方法

Publications (1)

Publication Number Publication Date
CN110135625A true CN110135625A (zh) 2019-08-16

Family

ID=67570084

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910309518.6A Pending CN110135625A (zh) 2019-04-17 2019-04-17 一种针对社区微网端对端交易的两阶段竞价方法

Country Status (1)

Country Link
CN (1) CN110135625A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111062513A (zh) * 2019-11-14 2020-04-24 四川大学 基于自适应共识机制的分布式社区能源交易系统及方法
CN114169737A (zh) * 2021-12-02 2022-03-11 广西电网有限责任公司电力科学研究院 一种本地分布式多能均衡调度方法及系统
CN114529373A (zh) * 2022-04-22 2022-05-24 西华大学 基于优先权匹配的动态微网群p2p交易方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111062513A (zh) * 2019-11-14 2020-04-24 四川大学 基于自适应共识机制的分布式社区能源交易系统及方法
CN111062513B (zh) * 2019-11-14 2023-08-18 四川大学 基于自适应共识机制的分布式社区能源交易系统及方法
CN114169737A (zh) * 2021-12-02 2022-03-11 广西电网有限责任公司电力科学研究院 一种本地分布式多能均衡调度方法及系统
CN114169737B (zh) * 2021-12-02 2024-06-11 广西电网有限责任公司电力科学研究院 一种本地分布式多能均衡调度方法及系统
CN114529373A (zh) * 2022-04-22 2022-05-24 西华大学 基于优先权匹配的动态微网群p2p交易方法
CN114529373B (zh) * 2022-04-22 2022-07-01 西华大学 基于优先权匹配的动态微网群p2p交易方法

Similar Documents

Publication Publication Date Title
Liu et al. Energy-sharing provider for PV prosumer clusters: A hybrid approach using stochastic programming and stackelberg game
Luo et al. Distributed peer-to-peer energy trading based on game theory in a community microgrid considering ownership complexity of distributed energy resources
Gu et al. Bi-level optimal low-carbon economic dispatch for an industrial park with consideration of multi-energy price incentives
Fang et al. Multi-agent deep reinforcement learning for distributed energy management and strategy optimization of microgrid market
Tushar et al. Price discrimination for energy trading in smart grid: A game theoretic approach
Volpato et al. General guidelines for the optimal economic aggregation of prosumers in energy communities
Chen et al. Research on day-ahead transactions between multi-microgrid based on cooperative game model
Erol et al. A Stackelberg game approach for energy sharing management of a microgrid providing flexibility to entities
Mahmud et al. Multiple home-to-home energy transactions for peak load shaving
Tostado-Véliz et al. Optimal participation of prosumers in energy communities through a novel stochastic-robust day-ahead scheduling model
Zhang et al. Strategic prosumers-based peer-to-peer energy market design for community microgrids
Park et al. A bidding-based peer-to-peer energy transaction model considering the green energy preference in virtual energy community
Zhao et al. Peer-to-peer energy sharing with demand-side management for fair revenue distribution and stable grid interaction in the photovoltaic community
Wu et al. A hierarchical framework for renewable energy sources consumption promotion among microgrids through two-layer electricity prices
CN110135625A (zh) 一种针对社区微网端对端交易的两阶段竞价方法
Li et al. A risk-averse energy sharing market game for renewable energy microgrid aggregators
Zhang et al. Design and simulation of Peer-to-Peer energy trading framework with dynamic electricity price
Dorahaki et al. A sharing economy model for a sustainable community energy storage considering end-user comfort
CN115081891A (zh) 一种电力用户增值服务决策方法
Li et al. Distributed photovoltaics with peer-to-peer electricity trading
Chang et al. Low carbon oriented collaborative energy management framework for multi-microgrid aggregated virtual power plant considering electricity trading
Fernandez et al. An efficient P2P energy trading platform based on evolutionary games for prosumers in a community
CN112883584A (zh) 一种考虑利益交互的多能微网群冷热电多能耦合优化方法
Wang et al. Peer-to-peer energy trading for residential prosumers with photovoltaic and battery storage systems
Zhang et al. Modelling the formation of peer-to-peer trading coalitions and prosumer participation incentives in transactive energy communities

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: 20190816

RJ01 Rejection of invention patent application after publication