CN110276534A - 一种面向智能电网能耗控制的非合作微分博弈方法及装置 - Google Patents
一种面向智能电网能耗控制的非合作微分博弈方法及装置 Download PDFInfo
- Publication number
- CN110276534A CN110276534A CN201910487256.2A CN201910487256A CN110276534A CN 110276534 A CN110276534 A CN 110276534A CN 201910487256 A CN201910487256 A CN 201910487256A CN 110276534 A CN110276534 A CN 110276534A
- Authority
- CN
- China
- Prior art keywords
- user
- energy consumption
- smart grid
- electricity
- cost
- 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
- 238000005265 energy consumption Methods 0.000 title claims abstract description 131
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000005611 electricity Effects 0.000 claims abstract description 131
- 230000008859 change Effects 0.000 claims abstract description 52
- 230000001186 cumulative effect Effects 0.000 claims abstract description 18
- 238000011217 control strategy Methods 0.000 claims abstract description 11
- 238000005457 optimization Methods 0.000 claims description 6
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 230000004044 response Effects 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000005553 drilling Methods 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005303 weighing Methods 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
- G06Q10/06—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
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种面向智能电网能耗控制的非合作微分博弈方法及装置，能够实现智能电网动态需求响应中有效的成本控制。所述方法包括：确定智能电网异构网络中电网用户的动态变化状态；根据电网用户的动态变化状态，以最小化能耗成本为目标，通过电力需求优化累积成本，构建智能电网异构网络的最小能耗成本的价值函数；根据电网用户的动态变化状态，构建非合作微分博弈系统，根据构建的价值函数，求解非合作微分博弈系统的纳什均衡解，得到能耗成本取最小值时的最优电力需求以及智能电网的最优电价作为最优能耗控制策略。本发明涉及智能电网领域。
Description
技术领域
本发明涉及智能电网领域，特别是指一种面向智能电网能耗控制的非合作微分博弈方法及装置。
背景技术
智能电网是一个能够实现自我控制、保护和管理的自组织系统，是一个包含大型工业用户、商业用户和个人用户的异构网络；其中，工业用户和商业用户为一级用户(mus)，个人用户为二级用户(sus)，一级用户的电价有时变定价的特性，同时二级用户对一级用户来说有利润价值。
智能电网作为下一代电网，需要更加的安全、可靠和高效，以满足和适应工业和社会可持续发展的供电需求。为了实现上述目的，一种关键方案是基于需求的动态响应管理方案，通过动态响应定价和经济用电规划，来提高智能电网的可靠性和能源效率。此外，通过研究大量时变定价模型，引入能源消耗调度博弈，实现自主和分布式需求侧的能源管理。因此智能电网的能耗控制模型被提出，用来优化能耗成本，实现上述需求。
但是，现有技术中的能耗控制模型，无法实现智能电网动态需求响应中有效的成本控制。
发明内容
本发明要解决的技术问题是提供一种面向智能电网能耗控制的非合作微分博弈方法及装置，以解决现有技术所存在的无法根据智能电网中的动态电力需求有效地控制能耗成本的问题。
为解决上述技术问题，本发明实施例提供一种面向智能电网能耗控制的非合作微分博弈方法，包括：
确定智能电网异构网络中电网用户的动态变化状态；
根据电网用户的动态变化状态，以最小化能耗成本为目标，通过电力需求优化累积成本，构建智能电网异构网络的最小能耗成本的价值函数；
根据电网用户的动态变化状态，构建非合作微分博弈系统，根据构建的价值函数，求解非合作微分博弈系统的纳什均衡解，得到能耗成本取最小值时的最优电力需求以及智能电网的最优电价作为最优能耗控制策略。
进一步地，所述电网用户包括：一级用户和二级用户；所述一级用户包括：工业用户和商业用户；所述二级用户包括：个人用户；
所述智能电网异构网络包括：发电厂、一级用户和二级用户；
所述确定智能电网异构网络中电网用户的动态变化状态包括：
确定智能电网异构网络中一级用户与二级用户基于电价时变特性的动态变化状态；
其中，一级用户和二级用户都与发电厂连接，表示一级用户与二级用户都接受发电厂提供的电能；一级用户与二级用户相互连接，表示在低峰时段二级用户能从一级用户获取电能，同时二级用户向一级用户支付费用；
其中，一级用户在高峰时段能与二级用户共享电能，由于电价时变特性，一级用户在高峰时段的电价是高于低峰时段；
其中，一级用户与二级用户是非合作的博弈关系。
进一步地，所述根据电网用户的动态变化状态，以最小化能耗成本为目标，通过电力需求优化累积成本，构建智能电网异构网络的最小能耗成本的价值函数包括：
根据智能电网异构网络中一级用户与二级用户基于电价时变特性的动态变化状态，以最小化能耗成本为目标，在预设时间段内通过电力需求优化累积成本，构建智能电网异构网络的最小能耗成本的价值函数。
进一步地，构建的智能电网异构网络的最小能耗成本的价值函数Vi(x,t)表示为：
其中，ui表示二级用户i用电的基本价格；d表示电力需求；di(t)表示二级用户i在t时刻的电力需求；ωi表示电力需求di(t)对电量的影响参数；uc(t)表示电价随着时间t变化的函数；N表示二级用户的数量；dj(t)表示二级用户j在t时刻的电力需求；满足汉密尔顿雅克比贝尔曼方程；εi表示电量的消耗率；xi(t)表示二级用户i在时间t的电量状态。
进一步地，所述最优电力需求表示为：
其中，表示t时刻的最优电力需求；表示总电力需求阈值；α、βi都表示加权参数；u0(t)表示由市场决定的价格常量；ρ表示折扣系数；T是取决于高峰时段的固定终端时间；
所述智能电网的最优电价表示为：
其中，uc(t)表示t时刻智能电网的最优电价。
本发明实施例还提供一种面向智能电网能耗控制的非合作微分博弈装置，包括：
第一确定模块，用于确定智能电网异构网络中电网用户的动态变化状态；
构建模块，用于根据电网用户的动态变化状态，以最小化能耗成本为目标，通过电力需求优化累积成本，构建智能电网异构网络的最小能耗成本的价值函数；
第二确定模块，用于根据电网用户的动态变化状态，构建非合作微分博弈系统，根据构建的价值函数，求解非合作微分博弈系统的纳什均衡解，得到能耗成本取最小值时的最优电力需求以及智能电网的最优电价作为最优能耗控制策略。
进一步地，所述电网用户包括：一级用户和二级用户；所述一级用户包括：工业用户和商业用户；所述二级用户包括：个人用户；
所述智能电网异构网络包括：发电厂、一级用户和二级用户；
所述第一确定模块，用于确定智能电网异构网络中一级用户与二级用户基于电价时变特性的动态变化状态；
其中，一级用户和二级用户都与发电厂连接，表示一级用户与二级用户都接受发电厂提供的电能；一级用户与二级用户相互连接，表示在低峰时段二级用户能从一级用户获取电能，同时二级用户向一级用户支付费用；
其中，一级用户在高峰时段能与二级用户共享电能，由于电价时变特性，一级用户在高峰时段的电价是高于低峰时段；
其中，一级用户与二级用户是非合作的博弈关系。
进一步地，所述构建模块，用于根据智能电网异构网络中一级用户与二级用户基于电价时变特性的动态变化状态，以最小化能耗成本为目标，在预设时间段内通过电力需求优化累积成本，构建智能电网异构网络的最小能耗成本的价值函数。
进一步地，构建的智能电网异构网络的最小能耗成本的价值函数Vi(x,t)表示为：
其中，ui表示二级用户i用电的基本价格；d表示电力需求；di(t)表示二级用户i在t时刻的电力需求；ωi表示电力需求di(t)对电量的影响参数；uc(t)表示电价随着时间t变化的函数；N表示二级用户的数量；dj(t)表示二级用户j在t时刻的电力需求；满足汉密尔顿雅克比贝尔曼方程；εi表示电量的消耗率；xi(t)表示二级用户i在时间t的电量状态。
进一步地，所述最优电力需求表示为：
其中，表示t时刻的最优电力需求；表示总电力需求阈值；α、βi都表示加权参数；u0(t)表示由市场决定的价格常量；ρ表示折扣系数；T是取决于高峰时段的固定终端时间；
所述智能电网的最优电价表示为：
其中，uc(t)表示t时刻智能电网的最优电价。
本发明的上述技术方案的有益效果如下：
上述方案中，确定智能电网异构网络中电网用户的动态变化状态；根据电网用户的动态变化状态，以最小化能耗成本为目标，通过电力需求优化累积成本，构建智能电网异构网络的最小能耗成本的价值函数；根据电网用户的动态变化状态，构建非合作微分博弈系统，根据构建的价值函数，求解非合作微分博弈系统的纳什均衡解，得到能耗成本取最小值时的最优电力需求以及智能电网的最优电价作为最优能耗控制策略，为所有电网用户寻求最优的能耗控制成本，从而实现智能电网动态需求响应中有效的成本控制。
附图说明
图1为本发明实施例提供的面向智能电网能耗控制的非合作微分博弈方法的流程示意图；
图2为本发明实施例提供的面向智能电网的异构网络架构示意图；
图3为本发明实施例提供的构建最小能耗成本的价值函数的流程示意图；
图4为本发明实施例提供的纳什均衡解的求解流程示意图；
图5为本发明实施例提供的面向智能电网能耗控制的非合作微分博弈装置的结构示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
本发明针对现有的无法实现智能电网动态需求响应中有效的成本控制的问题，提供一种面向智能电网能耗控制的非合作微分博弈方法及装置。
实施例一
如图1所示，本发明实施例提供的面向智能电网能耗控制的非合作微分博弈方法，包括：
S1，确定智能电网异构网络中电网用户的动态变化状态；
S2，根据电网用户的动态变化状态，以最小化能耗成本为目标，通过电力需求优化累积成本，构建智能电网异构网络的最小能耗成本的价值函数；
S3，根据电网用户的动态变化状态，构建非合作微分博弈系统，根据构建的价值函数，求解非合作微分博弈系统的纳什均衡解，得到能耗成本取最小值时的最优电力需求以及智能电网的最优电价作为最优能耗控制策略。
本发明实施例所述的面向智能电网能耗控制的非合作微分博弈方法，确定智能电网异构网络中电网用户的动态变化状态；根据电网用户的动态变化状态，以最小化能耗成本为目标，通过电力需求优化累积成本，构建智能电网异构网络的最小能耗成本的价值函数；根据电网用户的动态变化状态，构建非合作微分博弈系统，根据构建的价值函数，求解非合作微分博弈系统的纳什均衡解，得到能耗成本取最小值时的最优电力需求以及智能电网的最优电价作为最优能耗控制策略，为所有电网用户寻求最优的能耗控制成本，从而实现智能电网动态需求响应中有效的成本控制。
在前述面向智能电网能耗控制的非合作微分博弈方法的具体实施方式中，进一步地，所述电网用户包括：一级用户和二级用户；所述一级用户包括：工业用户和商业用户；所述二级用户包括：个人用户；
所述智能电网异构网络包括：发电厂、一级用户和二级用户；
所述确定智能电网异构网络中电网用户的动态变化状态包括：
确定智能电网异构网络中一级用户与二级用户基于电价时变特性的动态变化状态；
其中，一级用户和二级用户都与发电厂连接，表示一级用户与二级用户都接受发电厂提供的电能；一级用户与二级用户相互连接，表示在低峰时段二级用户能从一级用户获取电能，同时二级用户向一级用户支付费用；
其中，一级用户在高峰时段能与二级用户共享电能，由于电价时变特性，一级用户在高峰时段的电价是高于低峰时段；
其中，一级用户与二级用户是非合作的博弈关系。
在S1中，需确定智能电网异构网络中电网用户的动态变化状态，其中，本实施例中的智能电网异构网络的网络架构包括以下三个部分：
第一部分是能量源头部分即发电厂(Power grid)；
第二部分是一级用户部分包括工厂和商业中心；
第三部分是二级用户即个人用电。
如图2所示，假设，本实施例中的智能电网异构网络包括：作为能量源头(PowerResources)的发电厂、一级用户(main users)和N个二级用户(secondary users)；其中，一级用户与二级用户随着时间的高峰时段和低峰时段是具有动态响应性质的；一级用户和二级用户都与发电厂连接，表示发电厂可以向一级用户和二级用户都提供电能，同时一级用户与二级用户相互连接表示在低峰时段二级用户可以从一级用户获取电能，但是，二级用户则向一级用户支付一定的费用。以上就是智能电网用户动态变化的过程。
本实施例中，对一级用户来说，高峰时段能与二级用户共享电能，由电价时变特性，一级用户在高峰时段的电价是高于低峰时段。
本实施例中，一级用户与二级用户被认为是非合作的博弈关系。
在前述面向智能电网能耗控制的非合作微分博弈方法的具体实施方式中，进一步地，所述根据电网用户的动态变化状态，以最小化能耗成本为目标，通过电力需求优化累积成本，构建智能电网异构网络的最小能耗成本的价值函数包括：
根据智能电网异构网络中一级用户与二级用户基于电价时变特性的动态变化状态，以最小化能耗成本为目标，在预设时间段内通过电力需求优化累积成本，构建智能电网异构网络的最小能耗成本的价值函数。
如图3所示，考虑到电价时变特性，在不同的时段用户用电成本的不同，鉴于系统状态，以最小化能耗成本为目标，根据电力需求构建智能电网异构网络的最小能耗成本的价值函数，以使得用户成本最小，具体可以包括以下步骤：
S201，构建电量需求成本函数。
本实施例中，电量需求成本主要取决于电量水平，对于二级用户来说，在t时刻的用电量可以表示为：
其中，di(t)是一组控制变量，表示在t时刻的电力需求，N表示的是二级用户的数量。由此可以把一级用户与二级用户的电量需求成本函数分别表达出来。
针对二级用户来说，电量需求成本函数可以理解为支付电量的成本，首先是一个与电量需求有关的增函数，电量越多，花费越多，其次也应该是凸函数，由电价的时变特性，用电量增加，电价也会上升。故二级用户的电量需求成本函数可以表示为：
pi(t)＝uidi 2(t)+di(t)＝di(t)(uidi(t)+1) (2)
其中，ui是单位成本参数，表示的是用电的基本价格。
针对一级用户来说，其电量需求成本主要是储存提供给二级用户电量而产生的容量成本。故一级用户的电量需求成本函数可以表示为：
其中，uc(t)表示电价随着时间变化的函数
S202，根据构建的电量需求成本函数，构建能量消耗成本函数
本实施例中，考虑到传输线路有一些损耗，令xi(t)表示二级用户在时间t的电量状态，则电量状态的动态过程可以由随机微分方程表示为：
其中，ωi和ε是正参数，电量的动态将以εi变化，这也就是电量的消耗率，ωi表示电力需求di(t)对电量的影响参数。则在一段时间T内的能量消耗成本函数表示为：
其中，Ji(t)是能量消耗成本函数，T是取决于高峰时段的固定终端时间，q(xi(T))是T的代价成本，ρ>0是折扣系数。
S203，以最小化能耗成本为目标，构建智能电网异构网络的最小能耗成本的价值函数
本实施例中，通过考量电力需求di(t)来优化累积成本是每个二级用户的目标，由此从任意电量状态x和任意时刻t，提出的智能电网异构网络的最小能耗成本目标函数(总成本目标函数)由价值函数Vi(x,t)确定，该函数可以表达为，
其中，ui表示二级用户i用电的基本价格；di(t)表示二级用户i在t时刻的电力需求；uc(t)表示电价随着时间t变化的函数；N表示二级用户的数量；dj(t)表示二级用户j在t时刻的电力需求；满足汉密尔顿雅克比贝尔曼方程；εi表示电量的消耗率；xi(t)表示二级用户i在时间t的电量状态；满足汉密尔顿雅可比贝尔曼(HJB)方程。
本实施例中，通过构建电量需求成本函数，将用户在一段时间内的使用电量作为博弈双方的控制变量，其中，电量需求成本函数由一级用户和二级用户电力需求组成；再根据构建的电量需求成本函数，构建能量消耗成本函数；把最小化能量消耗当作目标，在一定时间范围内通过电力需求优化累积成本，提出智能电网异构网络的最小能耗成本的价值函数使其满足汉密尔顿雅可比贝尔曼(HJB)方程，以便利用能量消耗的微分博弈，把控制能耗问题转变为寻求成本最优的问题。
在S3中，根据电网用户的动态变化状态，构建非合作微分博弈系统，根据构建的价值函数，求解非合作微分博弈系统的纳什均衡解，得到能耗成本取最小值时的最优电力需求以及智能电网的最优电价，如图4所示，具体可以包括以下步骤：
S301，假设微分方程的线性表达式
本实施例中，首先构建非合作微分博弈系统，由提出的智能电网异构网络中一级用户与二级用户的动态变化过程，作为博弈的一方二级用户，其总成本目标函数可以基于动态规划利用汉密尔顿雅可比贝尔曼(HJB)方程导出最优策略，进而求出动态控制的解，也就是最优电力需求值。由此对于公式(7)的优化方程可以表示为：
其中，HJB一般而言不存在古典解，若价值函数Vi(x,t)具有唯一的表达方式，则可以得到微分博弈问题的解，也即是可以求得纳什均衡解。故纳什均衡解可以表示为：
其中，电价uc(t)可以被视为总用电量的线性函数表达为：
其中，u0(t)是由市场决定的价格常量，α是一个加权参数，随着α的增加，电能的消费总量对电的价格影响减少，故公式(9)又可以表达为，
针对构建的非合作微分博弈系统而言，为了将微分博弈的优化问题转变为线性形式，可以假设包含折扣系数ρ的价值函数Vi(x,t)线性形式表达为：
V(x,t)＝[A(t)x+B(t)]e-ρt (12)
其中，A(t)和B(t)是微分方程的参数表达式。
S302，求解微分方程的参数表达式
本实施例中，改写HJB方程(7)为：
基于上述方程使其等于零，可以得到，
-A′(t)+ρA(t)＝-εiA(t) (14)
在不丧失一般性的前提下，假设所提出的智能电网异构网络的终端能耗成本是一个常数，则可以得到：
其中，βi是一个正的加权参数，是终端成本的阈值，也即是每个二级用户的能耗阈值，可以得到：
S303，求解纳什均衡解。
具体的，每个二级用户的电力需求满足：
其中，表示t时刻的最优电力需求。
若所有二级用户的总电力需求被总电力需求阈值限制，则公式(18)的纳什均衡解也即是总成本目标函数最优下的最优电力需求可以得到：
基于公式(10)电价被认为是总用电量的线性函数，则智能电网的最优电价uc(t)也可以得到，为：
本实施例中，基于动态规划求解提出的非合作微分博弈系统的纳什均衡解，解决动态规划问题的核心方法是利用HJB导出最优策略，从而得到所提出智能电网异构网络的最优电力需求以及最优电价。
综上，在智能电网中，以最小化能耗成本为目标，通过电力需求优化累积成本，构建智能电网异构网络的最小能耗成本的价值函数，并基于非合作微分博弈理论提出了一种面向智能电网能耗控制的非合作微分博弈方法，具体的：根据电网用户的动态变化状态，构建非合作微分博弈系统，根据构建的价值函数，求解非合作微分博弈系统的纳什均衡解，得到能耗成本取最小值时的最优电力需求以及智能电网的最优电价作为最优能耗控制策略，为所有电网用户(一级用户和二级用户)寻求最优的能耗控制成本，去解决智能电网能耗成本控制问题，从而实现智能电网动态需求响应中有效的能耗成本控制。
实施例二
本发明还提供一种面向智能电网能耗控制的非合作微分博弈装置的具体实施方式，由于本发明提供的面向智能电网能耗控制的非合作微分博弈装置与前述面向智能电网能耗控制的非合作微分博弈方法的具体实施方式相对应，该面向智能电网能耗控制的非合作微分博弈装置可以通过执行上述方法具体实施方式中的流程步骤来实现本发明的目的，因此上述面向智能电网能耗控制的非合作微分博弈方法具体实施方式中的解释说明，也适用于本发明提供的面向智能电网能耗控制的非合作微分博弈装置的具体实施方式，在本发明以下的具体实施方式中将不再赘述。
如图5所示，本发明实施例还提供一种面向智能电网能耗控制的非合作微分博弈装置，包括：
第一确定模块11，用于确定智能电网异构网络中电网用户的动态变化状态；
构建模块12，用于根据电网用户的动态变化状态，以最小化能耗成本为目标，通过电力需求优化累积成本，构建智能电网异构网络的最小能耗成本的价值函数；
第二确定模块13，用于根据电网用户的动态变化状态，构建非合作微分博弈系统，根据构建的价值函数，求解非合作微分博弈系统的纳什均衡解，得到能耗成本取最小值时的最优电力需求以及智能电网的最优电价作为最优能耗控制策略。
本发明实施例所述的面向智能电网能耗控制的非合作微分博弈装置，确定智能电网异构网络中电网用户的动态变化状态；根据电网用户的动态变化状态，以最小化能耗成本为目标，通过电力需求优化累积成本，构建智能电网异构网络的最小能耗成本的价值函数；根据电网用户的动态变化状态，构建非合作微分博弈系统，根据构建的价值函数，求解非合作微分博弈系统的纳什均衡解，得到能耗成本取最小值时的最优电力需求以及智能电网的最优电价作为最优能耗控制策略，为所有电网用户寻求最优的能耗控制成本，从而实现智能电网动态需求响应中有效的成本控制。
在前述面向智能电网能耗控制的非合作微分博弈装置的具体实施方式中，进一步地，所述电网用户包括：一级用户和二级用户；所述一级用户包括：工业用户和商业用户；所述二级用户包括：个人用户；
所述智能电网异构网络包括：发电厂、一级用户和二级用户；
所述第一确定模块，用于确定智能电网异构网络中一级用户与二级用户基于电价时变特性的动态变化状态；
其中，一级用户和二级用户都与发电厂连接，表示一级用户与二级用户都接受发电厂提供的电能；一级用户与二级用户相互连接，表示在低峰时段二级用户能从一级用户获取电能，同时二级用户向一级用户支付费用；
其中，一级用户在高峰时段能与二级用户共享电能，由于电价时变特性，一级用户在高峰时段的电价是高于低峰时段；
其中，一级用户与二级用户是非合作的博弈关系。
在前述面向智能电网能耗控制的非合作微分博弈装置的具体实施方式中，进一步地，所述构建模块，用于根据智能电网异构网络中一级用户与二级用户基于电价时变特性的动态变化状态，以最小化能耗成本为目标，在预设时间段内通过电力需求优化累积成本，构建智能电网异构网络的最小能耗成本的价值函数。
在前述面向智能电网能耗控制的非合作微分博弈装置的具体实施方式中，进一步地，构建的智能电网异构网络的最小能耗成本的价值函数Vi(x,t)表示为：
其中，ui表示二级用户i用电的基本价格；d表示电力需求；di(t)表示二级用户i在t时刻的电力需求；ωi表示电力需求di(t)对电量的影响参数；uc(t)表示电价随着时间t变化的函数；N表示二级用户的数量；dj(t)表示二级用户j在t时刻的电力需求；满足汉密尔顿雅克比贝尔曼方程；εi表示电量的消耗率；xi(t)表示二级用户i在时间t的电量状态。
在前述面向智能电网能耗控制的非合作微分博弈装置的具体实施方式中，进一步地，所述最优电力需求表示为：
其中，表示t时刻的最优电力需求；表示总电力需求阈值；α、βi都表示加权参数；u0(t)表示由市场决定的价格常量；ρ表示折扣系数；T是取决于高峰时段的固定终端时间；
所述智能电网的最优电价表示为：
其中，uc(t)表示t时刻智能电网的最优电价。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种面向智能电网能耗控制的非合作微分博弈方法，其特征在于，包括：
确定智能电网异构网络中电网用户的动态变化状态；
根据电网用户的动态变化状态，以最小化能耗成本为目标，通过电力需求优化累积成本，构建智能电网异构网络的最小能耗成本的价值函数；
根据电网用户的动态变化状态，构建非合作微分博弈系统，根据构建的价值函数，求解非合作微分博弈系统的纳什均衡解，得到能耗成本取最小值时的最优电力需求以及智能电网的最优电价作为最优能耗控制策略。
2.根据权利要求1所述的面向智能电网能耗控制的非合作微分博弈方法，其特征在于，所述电网用户包括：一级用户和二级用户；所述一级用户包括：工业用户和商业用户；所述二级用户包括：个人用户；
所述智能电网异构网络包括：发电厂、一级用户和二级用户；
所述确定智能电网异构网络中电网用户的动态变化状态包括：
确定智能电网异构网络中一级用户与二级用户基于电价时变特性的动态变化状态；
其中，一级用户和二级用户都与发电厂连接，表示一级用户与二级用户都接受发电厂提供的电能；一级用户与二级用户相互连接，表示在低峰时段二级用户能从一级用户获取电能，同时二级用户向一级用户支付费用；
其中，一级用户在高峰时段能与二级用户共享电能，由于电价时变特性，一级用户在高峰时段的电价是高于低峰时段；
其中，一级用户与二级用户是非合作的博弈关系。
3.根据权利要求2所述的面向智能电网能耗控制的非合作微分博弈方法，其特征在于，所述根据电网用户的动态变化状态，以最小化能耗成本为目标，通过电力需求优化累积成本，构建智能电网异构网络的最小能耗成本的价值函数包括：
根据智能电网异构网络中一级用户与二级用户基于电价时变特性的动态变化状态，以最小化能耗成本为目标，在预设时间段内通过电力需求优化累积成本，构建智能电网异构网络的最小能耗成本的价值函数。
4.根据权利要求3所述的面向智能电网能耗控制的非合作微分博弈方法，其特征在于，构建的智能电网异构网络的最小能耗成本的价值函数Vi(x,t)表示为：
其中，ui表示二级用户i用电的基本价格；d表示电力需求；di(t)表示二级用户i在t时刻的电力需求；ωi表示电力需求di(t)对电量的影响参数；uc(t)表示电价随着时间t变化的函数；N表示二级用户的数量；dj(t)表示二级用户j在t时刻的电力需求；满足汉密尔顿雅克比贝尔曼方程；εi表示电量的消耗率；xi(t)表示二级用户i在时间t的电量状态。
5.根据权利要求4所述的面向智能电网能耗控制的非合作微分博弈方法，其特征在于，所述最优电力需求表示为：
其中，表示t时刻的最优电力需求；表示总电力需求阈值；α、βi都表示加权参数；u0(t)表示由市场决定的价格常量；ρ表示折扣系数；T是取决于高峰时段的固定终端时间；
所述智能电网的最优电价表示为：
其中，uc(t)表示t时刻智能电网的最优电价。
6.一种面向智能电网能耗控制的非合作微分博弈装置，其特征在于，包括：
第一确定模块，用于确定智能电网异构网络中电网用户的动态变化状态；
构建模块，用于根据电网用户的动态变化状态，以最小化能耗成本为目标，通过电力需求优化累积成本，构建智能电网异构网络的最小能耗成本的价值函数；
第二确定模块，用于根据电网用户的动态变化状态，构建非合作微分博弈系统，根据构建的价值函数，求解非合作微分博弈系统的纳什均衡解，得到能耗成本取最小值时的最优电力需求以及智能电网的最优电价作为最优能耗控制策略。
7.根据权利要求6所述的面向智能电网能耗控制的非合作微分博弈装置，其特征在于，所述电网用户包括：一级用户和二级用户；所述一级用户包括：工业用户和商业用户；所述二级用户包括：个人用户；
所述智能电网异构网络包括：发电厂、一级用户和二级用户；
所述第一确定模块，用于确定智能电网异构网络中一级用户与二级用户基于电价时变特性的动态变化状态；
其中，一级用户和二级用户都与发电厂连接，表示一级用户与二级用户都接受发电厂提供的电能；一级用户与二级用户相互连接，表示在低峰时段二级用户能从一级用户获取电能，同时二级用户向一级用户支付费用；
其中，一级用户在高峰时段能与二级用户共享电能，由于电价时变特性，一级用户在高峰时段的电价是高于低峰时段；
其中，一级用户与二级用户是非合作的博弈关系。
8.根据权利要求7所述的面向智能电网能耗控制的非合作微分博弈装置，其特征在于，所述构建模块，用于根据智能电网异构网络中一级用户与二级用户基于电价时变特性的动态变化状态，以最小化能耗成本为目标，在预设时间段内通过电力需求优化累积成本，构建智能电网异构网络的最小能耗成本的价值函数。
9.根据权利要求8所述的面向智能电网能耗控制的非合作微分博弈装置，其特征在于，构建的智能电网异构网络的最小能耗成本的价值函数Vi(x,t)表示为：
其中，ui表示二级用户i用电的基本价格；d表示电力需求；di(t)表示二级用户i在t时刻的电力需求；ωi表示电力需求di(t)对电量的影响参数；uc(t)表示电价随着时间t变化的函数；N表示二级用户的数量；dj(t)表示二级用户j在t时刻的电力需求；满足汉密尔顿雅克比贝尔曼方程；εi表示电量的消耗率；xi(t)表示二级用户i在时间t的电量状态。
10.根据权利要求9所述的面向智能电网能耗控制的非合作微分博弈装置，其特征在于，所述最优电力需求表示为：
其中，表示t时刻的最优电力需求；表示总电力需求阈值；α、βi都表示加权参数；u0(t)表示由市场决定的价格常量；ρ表示折扣系数；T是取决于高峰时段的固定终端时间；
所述智能电网的最优电价表示为：
其中，uc(t)表示t时刻智能电网的最优电价。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910487256.2A CN110276534B (zh) | 2019-06-05 | 2019-06-05 | 一种面向智能电网能耗控制的非合作微分博弈方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910487256.2A CN110276534B (zh) | 2019-06-05 | 2019-06-05 | 一种面向智能电网能耗控制的非合作微分博弈方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110276534A true CN110276534A (zh) | 2019-09-24 |
| CN110276534B CN110276534B (zh) | 2021-05-14 |
Family
ID=67960522
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910487256.2A Active CN110276534B (zh) | 2019-06-05 | 2019-06-05 | 一种面向智能电网能耗控制的非合作微分博弈方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110276534B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114207537A (zh) * | 2021-11-11 | 2022-03-18 | 国网浙江省电力有限公司经济技术研究院 | 一种工业用户的状态网络用能优化方法、装置及电子设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102075267A (zh) * | 2010-12-30 | 2011-05-25 | 青海西部矿业科技有限公司 | 一种基于微分博弈的认知无线电系统功率控制方法 |
| CN103532157A (zh) * | 2013-08-27 | 2014-01-22 | 浙江工业大学 | 一种针对融入储能设备的电网系统电能调度方法 |
| US20180083482A1 (en) * | 2016-09-19 | 2018-03-22 | Nestfield Co., Ltd. | Supply-demand balancing method and system for power management in smart grid |
| CN108416509A (zh) * | 2018-02-08 | 2018-08-17 | 合肥工业大学 | 工业企业的电力能耗需求响应方法和系统、存储介质 |
| CN109657993A (zh) * | 2018-12-24 | 2019-04-19 | 浙江工业大学 | 一种基于非合作博弈的能源局域网储能系统自动需求响应方法 |
-
2019
- 2019-06-05 CN CN201910487256.2A patent/CN110276534B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102075267A (zh) * | 2010-12-30 | 2011-05-25 | 青海西部矿业科技有限公司 | 一种基于微分博弈的认知无线电系统功率控制方法 |
| CN103532157A (zh) * | 2013-08-27 | 2014-01-22 | 浙江工业大学 | 一种针对融入储能设备的电网系统电能调度方法 |
| US20180083482A1 (en) * | 2016-09-19 | 2018-03-22 | Nestfield Co., Ltd. | Supply-demand balancing method and system for power management in smart grid |
| CN108416509A (zh) * | 2018-02-08 | 2018-08-17 | 合肥工业大学 | 工业企业的电力能耗需求响应方法和系统、存储介质 |
| CN109657993A (zh) * | 2018-12-24 | 2019-04-19 | 浙江工业大学 | 一种基于非合作博弈的能源局域网储能系统自动需求响应方法 |
Non-Patent Citations (2)
| Title |
|---|
| FUHONG LIN ET AL: "Cooperative Differential Game for Model Energy-Bandwidth Efficiency Tradeoff in the Internet of Things", 《IEEE XPLORE》 * |
| 代业明: "智能电网实时电价决策的博弈论方法", 《中国博士学位论文全文数据库经济与管理科学辑》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114207537A (zh) * | 2021-11-11 | 2022-03-18 | 国网浙江省电力有限公司经济技术研究院 | 一种工业用户的状态网络用能优化方法、装置及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110276534B (zh) | 2021-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Deep reinforcement learning method for demand response management of interruptible load | |
| Li et al. | Trading strategy and benefit optimization of load aggregators in integrated energy systems considering integrated demand response: A hierarchical Stackelberg game | |
| Jabarullah et al. | Using random inquiry optimization method for provision of heat and cooling demand in hub systems for smart buildings | |
| CN112529256B (zh) | 考虑多重不确定性的分布式电源集群日前调度方法和系统 | |
| CN109034563A (zh) | 一种多主体博弈的增量配电网源网荷协同规划方法 | |
| CN103683337B (zh) | 一种互联电网cps指令动态分配优化方法 | |
| CN107563676A (zh) | 考虑多时间尺度多类型需求响应的源荷协调运行调度方法 | |
| Xiong et al. | An electricity supplier bidding strategy through Q-Learning | |
| CN111242702B (zh) | 一种考虑系统峰谷差最小的电网峰谷分时电价的制定方法 | |
| Gao et al. | Bounded rationality based multi-VPP trading in local energy markets: a dynamic game approach with different trading targets | |
| CN108805326A (zh) | 一种基于多时间尺度需求响应模型的电价定价方法 | |
| CN110276534A (zh) | 一种面向智能电网能耗控制的非合作微分博弈方法及装置 | |
| Yang et al. | Demand Response Management for multiple utility companies and multi-type users in smart grid | |
| CN108649612B (zh) | 含电力电子变压器的配电网与多微网博弈运行调度方法 | |
| Kowahl et al. | Micro-scale smart grid optimization | |
| Wu et al. | Peer-to-peer energy trading optimization for community prosumers considering carbon cap-and-trade | |
| Xiong et al. | An evolutionary computation for supplier bidding strategy in electricity auction market | |
| Jin et al. | Research on energy management of microgrid in power supply system using deep reinforcement learning | |
| CN109615151A (zh) | 一种负荷储能双优化的预测方法、装置和介质 | |
| CN110247393A (zh) | 一种主动配电系统动态分区及储能设备优化配置方法及系统 | |
| CN110599032A (zh) | 一种灵活电源的深度斯坦伯格自适应动态博弈方法 | |
| CN110135028A (zh) | 基于负荷聚合商的住宅智能能量路由器综合需求响应方法 | |
| Chi et al. | Multi-Objective Joint Planning Method of Distributed Photovoltaic and Battery Energy Storage System Based on NSGA-III Algorithm | |
| Yang et al. | Reinforcement Learning-Based Market Game Model Considering Virtual Power Plants | |
| Peng et al. | Interactive pricing optimization of multi-microgrid based on deep learning |
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 |