CN111192164A - 考虑不确定风电的微网联合博弈优化共享及利益分配方法 - Google Patents
考虑不确定风电的微网联合博弈优化共享及利益分配方法 Download PDFInfo
- Publication number
- CN111192164A CN111192164A CN201911342479.6A CN201911342479A CN111192164A CN 111192164 A CN111192164 A CN 111192164A CN 201911342479 A CN201911342479 A CN 201911342479A CN 111192164 A CN111192164 A CN 111192164A
- Authority
- CN
- China
- Prior art keywords
- main body
- microgrid
- electricity
- micro
- grid
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 83
- 238000005457 optimization Methods 0.000 title claims abstract description 56
- 238000009826 distribution Methods 0.000 title claims abstract description 50
- 230000005611 electricity Effects 0.000 claims abstract description 136
- 150000001875 compounds Chemical class 0.000 claims description 27
- 238000010248 power generation Methods 0.000 claims description 12
- 239000003795 chemical substances by application Substances 0.000 claims description 11
- 238000013486 operation strategy Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 230000009977 dual effect Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 239000003344 environmental pollutant Substances 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 231100000719 pollutant Toxicity 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 238000011002 quantification Methods 0.000 abstract description 3
- 239000007789 gas Substances 0.000 description 47
- 238000010586 diagram Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 238000004146 energy storage Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005338 heat storage Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
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
- 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
-
- 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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (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
本发明公开了考虑不确定风电的微网联合博弈优化共享及利益分配方法,以区域微网内各主体自身经济性为优化目标,以主体内部功率平衡、主体间购售电量平衡、购售电结算限制、基于shapley值的分配模型限制、燃气轮机及柔性负荷等可调控单元调节及运行限制为约束条件,包括了对区域微网内主体间交易电价、主体自身参与购售电的成本及收益、微网内主体基于shapley值的分配方法进行建模,从而实现对微网内各主体经济性的量化,并在此基础上构建微网内多主体联合优化共享机制。
Description
技术领域
本发明属于配电网终端优化调度技术领域,具体涉及考虑不确定风电的微网联合博弈优化共享及利益分配方法。
背景技术
综合能源系统微网是指将区域内的电能、天然气、热能等多种能源综合进行整合,实现多能互补、梯级利用的能源系统微网。综合能源系统是能源互联网的重要载体,也是未来供能系统的重要发展方向,综合能源系统的相关技术得到了世界各国的高度重视。综合能源微网主要由供能网络(供电、供气、供冷/热网络)、能源交换环节(热电联产机组、空调、热泵等)、能源存储环节(储电、储热、储气、储冷等)和终端用户共同构成。因此,微网涉及到可再生运营商、分布式储能运营商、综合能源服务商、电动汽车聚集商和终端用户等多个利益主体,各利益主体之间存在复杂的竞争和合作关系,只有建立各个主体共同认可的收益分配机制,各主体才能建立紧密的合作关系,共同为用户提供高质量的能源服务。而现有技术中,还尚未提出考虑不确定风电的微网利益分配机制、微网主体博弈者之间的优化共享等。
因此,现阶段需要提供考虑不确定风电的微网联合博弈优化共享及利益分配方法。
发明内容
本发明目的在于提供考虑不确定风电的微网联合博弈优化共享及利益分配方法,用于解决现有技术中存在的技术问题,比如:未考虑通过建立内层电价来降低微网主体博弈者之间进行交易的成本、未提出微网主体博弈者在进行联合优化之后所获得的利益分配机制、现有利益分配机制中未能根据出力进行合理分配等问题。
为实现上述目的,本发明所采用的技术方案是:
考虑不确定风电的微网联合博弈优化共享及利益分配方法,包括以下步骤:
S1:构建微网内不同内部构成利益主体的收益模型,并以各利益主体的可调控单元调节及运行限制为约束条件;
S2:采用鲁棒优化的方法来处理内部风电出力的不确定性,以步骤S1中的所述利益主体作为博弈参与者,构建两阶段鲁棒优化模型;
S3:通过CCG算法对步骤S2中的所述两阶段鲁棒优化模型进行求解;
S4:在步骤S3中求解结果的基础上,建立基于shapley值的分配模型并进行差额利润分配。
进一步的,所述利益主体包括微网主体之间的售电收益作为整体参与市场售电时的售电收益以及清洁能源发电补贴收益成本包括微网主体之间的购电成本作为整体参与市场购电时的购电成本微网主体在售电过程中所需支付的过网费费用微网主体内部柔性负荷的成本燃气轮机机组的运行成本
进一步的,所述利益主体的收益模型Gi为:
其中:
式中,ψTD为微网主体在t时刻售电所需支付的过网费费用;
式中,λFIC、λSUC、λSUD分别为燃气轮机在生产过程中的固定成本以及启机、停机成本,Nn为燃气轮机二次成本分段数量,bn为燃气轮机发电过程中第n段的成本斜率,δn,t为t时刻出力位于第n段上的燃气轮机发电出力,为微网主体i中燃气轮机在t时刻的出力总和,为第k类污染气体的排放量,Vk、Yk分别为燃气轮机排放的第k类污染气体单位排放量所对应的罚款和环境价值,为燃气轮机在t时刻的工作或启停状态,为0-1变量;
进一步的,所述收益模型Gi所受约束包括购售电约束、微网主体内部功率平衡约束、微网主体交易结算约束和微网主体内部燃气轮机机组相关运行约束;其中,
购售电约束:
微网主体内部功率平衡约束:
微网主体交易结算约束:
微网主体内部燃气轮机机组相关运行约束:
进一步的,步骤S2中,微网主体中参与博弈者之间的传递关系为:
在微网内多主体联合优化共享并进行利益分配的方法中,微网各主体根据自身具体情况进行报价,并根据其余主体报价对自身内部可控单元进行优化以求自身收益最大化,并再次提出报价。
进一步的,微网主体中参与博弈者自身报价决策过程为:
(1)风电机组出力场景设置;
在微网主体收益模型中涉及到风电机组出力,针对清洁能源出力的不确定性,取得最优报价方案使风险程度最小,最大程度的抑止不确定性造成的风险影响,此过程中需要确定风电出力的场景,通过不确定集确定风电出力的波动性场景,并在此基础上进行优化,不确定集合Zi为:
清洁能源出力的波动范围可以通过调节参数求得,如下所示:
式中:Γ为风电不确定性的调节参数,取值范围为[0,1],通过选取合适的Γ值可以获得实际场景;
(2)构建两阶段鲁棒优化模型;
微网主体内部出力依靠燃气轮机与风电机组,清洁能源出力的不确定性会为微网主体带来违约风险,燃气轮机去除运行成本以及排污成本后将为主体带来收益,构建模型时根据微网主体内部组成部分经济性,将内外层购售电量、燃气轮机运行状态等作为第一阶段变量,其余变量作为第二阶段变量,并分为主问题与子问题进行表征:
其中,x、y为决策变量;a、b、c与h、m、d分别为目标函数与约束条件的列向量;A、B、C、D、E、H、M则表示了约束条件的系数矩阵;
(3)两阶段鲁棒优化模型的求解;
上述两阶段鲁棒模型利用强对偶理论与Big-M法将子问题进行线性化处理,然后采用CCG算法实现MP与SP的迭代求解,以求取最优运行策略;选取合理收敛精度ε后,两阶段鲁棒优化模型求解步骤如下:
步骤一:取U=+∞,L=-∞分别为模型上下界,迭代次数为n,其中初始值为1,最大值为nmax;
步骤三:子问题根据主问题决策结果x*,求解不确定参数关键场景ξ*和y*,计算子问题目标函数值(bTξ*+cTy*),并将模型上界更新为U=min{U,aTx*+bTξ*+cTy*};
步骤四:若(U-L)≤ε,迭代结束,返回x*和y*;否则,令n=n+1,将最恶劣场景更新为ξn=ξ*后代入主问题再次求解,并从步骤二开始按流程求解,直到实现收敛或是迭代次数达到nmax。
进一步的,微网主体间内部交易时售电主体获取收益为售出电量与市场售电电价之积,购电主体支付费用为购电电量与内部交易电价之积,其中存在差额,将其作为激励成本采用shapley值法根据各微网主体出力进行分配,其中,基于shapley值的分配模型为:
v(i)=0
上述两式为微网主体i的出力贡献度,用于下式分配模型;
式中:si是微网中所有主体的集合;ω(|s|)是加权因子;|s|是子集中的主体数量;v(s)是集合s的收益;v(s/i)是除去主体i之后的集合s所获得的总收益。
本发明的有益技术效果是:本发明以区域微网内各主体自身经济性为优化目标,以主体内部功率平衡、主体间购售电量平衡、购售电结算限制、基于shapley值的分配模型限制、燃气轮机及柔性负荷等可调控单元调节及运行限制为约束条件,包括了对区域微网内主体间交易电价、主体自身参与购售电的成本及收益、微网内主体基于shapley值的分配方法进行建模,从而实现对微网内各主体经济性的量化,并在此基础上构建微网内多主体联合优化共享机制。考虑微网主体博弈过程中清洁能源不确定性所带来的违约风险,提出微网主体内部两阶段鲁棒优化模型,根据微网主体自身经济性以及其余主体电量及报价情况,将购售电量、可控负荷参数等计为第一阶段变量,其余诸如柔性负荷削减量、切负荷电量以及燃气轮机出力等变量则计为第二阶段变量,均根据风电出力场景的波动而改变。风电出力的场景可通过调节不确定性参数来进行表征,在获取最恶劣场景以及第一阶段决策变量的情况下,利用列与约束生成CCG算法进行求解,将求解结果反复迭代决策出自身运行策略,在各微网主体博弈过程中,优化过程将反复迭代直至纳什均衡。当交易结束后,采用基于shapley值的分配法对收取的电价差额利润进行分配,进一步实现经济性的提升。
附图说明
图1显示为本发明的一个实施例的微网主体在博弈过程中的传递关系示意图。
图2显示为本发明的一个实施例的园区1在博弈过程中的电量交易明细示意图。
图3显示为本发明的一个实施例的园区2在博弈过程中的电量交易明细示意图。
图4显示为本发明的一个实施例的园区3在博弈过程中的电量交易明细示意图。
图5显示为本发明的一个实施例的步骤流程示意图。
具体实施方式
下面结合本发明的附图1-5,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例:
如图5所示,考虑不确定风电的微网联合博弈优化共享及利益分配方法,包括以下步骤:
S1:构建微网内不同内部构成利益主体的收益模型,并以各利益主体的可调控单元调节及运行限制为约束条件;
S2:采用鲁棒优化的方法来处理内部风电出力的不确定性,以步骤S1中的所述利益主体作为博弈参与者,构建两阶段鲁棒优化模型;
S3:通过CCG算法对步骤S2中的所述两阶段鲁棒优化模型进行求解;
S4:在步骤S3中求解结果的基础上,建立基于shapley值的分配模型并进行差额利润分配。
即,以区域微网内各主体自身经济性为优化目标,以主体内部功率平衡、主体间购售电量平衡、购售电结算限制、基于shapley值的分配模型限制、燃气轮机及柔性负荷等可调控单元调节及运行限制为约束条件,包括了对区域微网内主体间交易电价、主体自身参与购售电的成本及收益、微网内主体基于shapley值的分配方法进行建模,从而实现对微网内各主体经济性的量化。考虑微网主体博弈过程中清洁能源不确定性所带来的违约风险,提出微网主体内部两阶段鲁棒优化模型,根据微网主体自身经济性以及其余主体电量及报价情况,将购售电量、可控负荷参数等计为第一阶段变量,其余诸如柔性负荷削减量、切负荷电量以及燃气轮机出力等变量则计为第二阶段变量,均根据风电出力场景的波动而改变。风电出力的场景可通过调节不确定性参数来进行表征,在获取最恶劣场景以及第一阶段决策变量的情况下,利用列与约束生成CCG算法进行求解,将求解结果反复迭代决策出自身运行策略,在各微网主体博弈过程中,优化过程将反复迭代直至纳什均衡。当交易结束后,采用基于shapley值的分配法对收取的电价差额利润进行分配,进一步实现经济性的提升。
进一步的,所述利益主体包括微网主体之间的售电收益作为整体参与市场售电时的售电收益以及清洁能源发电补贴收益成本包括微网主体之间的购电成本作为整体参与市场购电时的购电成本微网主体在售电过程中所需支付的过网费费用微网主体内部柔性负荷的成本燃气轮机机组的运行成本
进一步的,所述利益主体的收益模型Gi为:
其中:
式中,ψTD为微网主体在t时刻售电所需支付的过网费费用;
式中,λFIC、λSUC、λSUD分别为燃气轮机在生产过程中的固定成本以及启机、停机成本,Nn为燃气轮机二次成本分段数量,bn为燃气轮机发电过程中第n段的成本斜率,δn,t为t时刻出力位于第n段上的燃气轮机发电出力,为微网主体i中燃气轮机在t时刻的出力总和,为第k类污染气体的排放量,Vk、Yk分别为燃气轮机排放的第k类污染气体单位排放量所对应的罚款和环境价值,为燃气轮机在t时刻的工作或启停状态,为0-1变量;
进一步的,所述收益模型Gi所受约束包括购售电约束、微网主体内部功率平衡约束、微网主体交易结算约束和微网主体内部燃气轮机机组相关运行约束;其中,
购售电约束:
微网主体内部功率平衡约束:
微网主体交易结算约束:
微网主体内部燃气轮机机组相关运行约束:
进一步的,步骤S2中,微网主体中参与博弈者之间的传递关系为:
在微网内多主体联合优化共享并进行利益分配的方法中,微网各主体根据自身具体情况进行报价,并根据其余主体报价对自身内部可控单元进行优化以求自身收益最大化,并再次提出报价。在自身优化决策过程中,可控单元的运行成本以及风电机组出力的不确定性为微网主体带来了一定的违约风险,因此本发明中各微网主体针对清洁能源的不确定性采用了鲁棒优化的方式进行处理。各微网主体在博弈过程中的传递关系如图1所示。
进一步的,微网主体中参与博弈者自身报价决策过程为:
(1)风电机组出力场景设置;
在微网主体收益模型中涉及到风电机组出力,针对清洁能源出力的不确定性,取得最优报价方案使风险程度最小,最大程度的抑止不确定性造成的风险影响,此过程中需要确定风电出力的场景,通过不确定集确定风电出力的波动性场景,并在此基础上进行优化,不确定集合Zi为:
清洁能源出力的波动范围可以通过调节参数求得,如下所示:
式中:Γ为风电不确定性的调节参数,取值范围为[0,1],通过选取合适的Γ值可以获得实际场景;
(2)构建两阶段鲁棒优化模型;
微网主体内部出力依靠燃气轮机与风电机组,清洁能源出力的不确定性会为微网主体带来违约风险,燃气轮机去除运行成本以及排污成本后将为主体带来收益,构建模型时根据微网主体内部组成部分经济性,将内外层购售电量、燃气轮机运行状态等作为第一阶段变量,其余变量作为第二阶段变量,并分为主问题与子问题进行表征:
其中,x、y为决策变量;a、b、c与h、m、d分别为目标函数与约束条件的列向量;A、B、C、D、E、H、M则表示了约束条件的系数矩阵;
(3)两阶段鲁棒优化模型的求解;
上述两阶段鲁棒模型利用强对偶理论与Big-M法将子问题进行线性化处理,然后采用CCG算法实现MP与SP的迭代求解,以求取最优运行策略;选取合理收敛精度ε后,两阶段鲁棒优化模型求解步骤如下:
步骤一:取U=+∞,L=-∞分别为模型上下界,迭代次数为n,其中初始值为1,最大值为nmax;
步骤三:子问题根据主问题决策结果x*,求解不确定参数关键场景ξ*和y*,计算子问题目标函数值(bTξ*+cTy*),并将模型上界更新为U=min{U,aTx*+bTξ*+cTy*};
步骤四:若(U-L)≤ε,迭代结束,返回x*和y*;否则,令n=n+1,将最恶劣场景更新为ξn=ξ*后代入主问题再次求解,并从步骤二开始按流程求解,直到实现收敛或是迭代次数达到nmax。
进一步的,微网主体间内部交易时售电主体获取收益为售出电量与市场售电电价之积,购电主体支付费用为购电电量与内部交易电价之积,其中存在差额,将其作为激励成本采用shapley值法根据各微网主体出力进行分配,其中,基于shapley值的分配模型为:
v(i)=0
上述两式为微网主体i的出力贡献度,用于下式分配模型;
式中:si是微网中所有主体的集合;ω(|s|)是加权因子;|s|是子集中的主体数量;v(s)是集合s的收益;v(s/i)是除去主体i之后的集合s所获得的总收益。
进一步的,通过一个多微网主体组成的系统对本发明所提方法进行仿真验证。假设各微网主体内部可控单元不相同,具体如表1所示;内部燃气轮机机组采用TAU5670型号,具体运行参数及排污参数如表2-3所示;柔性负荷基线负荷占微网总负荷的10%。
表1各微网主体内部可控单元组成情况
表2燃气轮机机组运行参数
表3燃气轮机机组排污参数
上述微网主体内部组成各不相同,采用随机生产典型场景下的不同微网主体作为对象,采用所提出考虑清洁能源消纳、微网内主体合作博弈以及风电不确定性的微网内主体联合优化共享并进行利益分配的方法,按流程进行博弈合作后进行利润分配。
根据上述模拟仿真方案设微网内主体为三个内部组成不同的园区,各主体在在博弈过程中所交易的电量细节如图2-4;所述数据中,在夜间(4-8h)出力风电出力较大,用户负荷较小;而在早间(8-12h)风电出力相对较小,用户负荷较大;在下午(12-20h)风电出力逐步增加,负荷保持巅峰,负荷现实实际情况,故而数据具有一定可参考性。在博弈合作过程中,所涉及市场购售电价以及内部交易电价如表4-5。
表4市场购售电价
表5内部购售电价
为验证方法有效性,选取主体只与电网交易为合作博弈前的模式,对比经济效益如表6-7。
表6微网主体合作博弈后收益
表7微网主体合作博弈前收益
通过对比各园区参与合作博弈过程前后经济效益可以看出,经过合作博弈各主体成本均有所下降,通过内部交易降低了向电网购电的成本并通过利润分配获取了额外收益。在量化清洁能源不确定性带来的违约风险时,采用了柔性负荷的切负荷成本进行表征,可以验证各主体收益的鲁棒性与经济性具有紧密的联系。
综上所述,本发明以区域微网内各主体自身经济性为优化目标,以主体内部功率平衡、主体间购售电量平衡、购售电结算限制、基于shapley值的分配模型限制、燃气轮机及柔性负荷等可调控单元调节及运行限制为约束条件,包括了对区域微网内主体间交易电价、主体自身参与购售电的成本及收益、微网内主体基于shapley值的分配方法进行建模,从而实现对微网内各主体经济性的量化,并在此基础上构建微网内多主体联合优化共享机制。考虑微网主体博弈过程中清洁能源不确定性所带来的违约风险,提出微网主体内部两阶段鲁棒优化模型,根据微网主体自身经济性以及其余主体电量及报价情况,将购售电量、可控负荷参数等计为第一阶段变量,其余诸如柔性负荷削减量、切负荷电量以及燃气轮机出力等变量则计为第二阶段变量,均根据风电出力场景的波动而改变。风电出力的场景可通过调节不确定性参数来进行表征,在获取最恶劣场景以及第一阶段决策变量的情况下,利用列与约束生成CCG算法进行求解,将求解结果反复迭代决策出自身运行策略,在各微网主体博弈过程中,优化过程将反复迭代直至纳什均衡。当交易结束后,采用基于shapley值的分配法对收取的电价差额利润进行分配,进一步实现经济性的提升。
在本发明的描述中,需要理解的是,术语“逆时针”、“顺时针”“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
Claims (7)
1.考虑不确定风电的微网联合博弈优化共享及利益分配方法,其特征在于,包括以下步骤:
S1:构建微网内不同内部构成利益主体的收益模型,并以各利益主体的可调控单元调节及运行限制为约束条件;
S2:采用鲁棒优化的方法来处理内部风电出力的不确定性,以步骤S1中的所述利益主体作为博弈参与者,构建两阶段鲁棒优化模型;
S3:通过CCG算法对步骤S2中的所述两阶段鲁棒优化模型进行求解;
S4:在步骤S3中求解结果的基础上,建立基于shapley值的分配模型并进行差额利润分配。
3.根据权利要求2所述的考虑不确定风电的微网联合博弈优化共享及利益分配方法,其特征在于,所述利益主体的收益模型Gi为:
其中:
式中,ψTD为微网主体在t时刻售电所需支付的过网费费用;
式中,λFIC、λSUC、λSUD分别为燃气轮机在生产过程中的固定成本以及启机、停机成本,Nn为燃气轮机二次成本分段数量,bn为燃气轮机发电过程中第n段的成本斜率,δn,t为t时刻出力位于第n段上的燃气轮机发电出力,为微网主体i中燃气轮机在t时刻的出力总和,为第k类污染气体的排放量,Vk、Yk分别为燃气轮机排放的第k类污染气体单位排放量所对应的罚款和环境价值,为燃气轮机在t时刻的工作或启停状态,为0-1变量;
4.根据权利要求3所述的考虑不确定风电的微网联合博弈优化共享及利益分配方法,其特征在于,所述收益模型Gi所受约束包括购售电约束、微网主体内部功率平衡约束、微网主体交易结算约束和微网主体内部燃气轮机机组相关运行约束;其中,
购售电约束:
微网主体内部功率平衡约束:
微网主体交易结算约束:
微网主体内部燃气轮机机组相关运行约束:
5.根据权利要求1所述的考虑不确定风电的微网联合博弈优化共享及利益分配方法,其特征在于,步骤S2中,微网主体中参与博弈者之间的传递关系为:
在微网内多主体联合优化共享并进行利益分配的方法中,微网各主体根据自身具体情况进行报价,并根据其余主体报价对自身内部可控单元进行优化以求自身收益最大化,并再次提出报价。
6.根据权利要求5所述的考虑不确定风电的微网联合博弈优化共享及利益分配方法,其特征在于,微网主体中参与博弈者自身报价决策过程为:
(1)风电机组出力场景设置;
在微网主体收益模型中涉及到风电机组出力,针对清洁能源出力的不确定性,取得最优报价方案使风险程度最小,最大程度的抑止不确定性造成的风险影响,此过程中需要确定风电出力的场景,通过不确定集确定风电出力的波动性场景,并在此基础上进行优化,不确定集合Zi为:
清洁能源出力的波动范围可以通过调节参数求得,如下所示:
式中:Γ为风电不确定性的调节参数,取值范围为[0,1],通过选取合适的Γ值可以获得实际场景;
(2)构建两阶段鲁棒优化模型;
微网主体内部出力依靠燃气轮机与风电机组,清洁能源出力的不确定性会为微网主体带来违约风险,燃气轮机去除运行成本以及排污成本后将为主体带来收益,构建模型时根据微网主体内部组成部分经济性,将内外层购售电量、燃气轮机运行状态等作为第一阶段变量,其余变量作为第二阶段变量,并分为主问题与子问题进行表征:
其中,x、y为决策变量;a、b、c与h、m、d分别为目标函数与约束条件的列向量;A、B、C、D、E、H、M则表示了约束条件的系数矩阵;
(3)两阶段鲁棒优化模型的求解;
上述两阶段鲁棒模型利用强对偶理论与Big-M法将子问题进行线性化处理,然后采用CCG算法实现MP与SP的迭代求解,以求取最优运行策略;选取合理收敛精度ε后,两阶段鲁棒优化模型求解步骤如下:
步骤一:取U=+∞,L=-∞分别为模型上下界,迭代次数为n,其中初始值为1,最大值为nmax;
步骤三:子问题根据主问题决策结果x*,求解不确定参数关键场景ξ*和y*,计算子问题目标函数值(bTξ*+cTy*),并将模型上界更新为U=min{U,aTx*+bTξ*+cTy*};
步骤四:若(U-L)≤ε,迭代结束,返回x*和y*;否则,令n=n+1,将最恶劣场景更新为ξn=ξ*后代入主问题再次求解,并从步骤二开始按流程求解,直到实现收敛或是迭代次数达到nmax。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911342479.6A CN111192164A (zh) | 2019-12-23 | 2019-12-23 | 考虑不确定风电的微网联合博弈优化共享及利益分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911342479.6A CN111192164A (zh) | 2019-12-23 | 2019-12-23 | 考虑不确定风电的微网联合博弈优化共享及利益分配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111192164A true CN111192164A (zh) | 2020-05-22 |
Family
ID=70709343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911342479.6A Pending CN111192164A (zh) | 2019-12-23 | 2019-12-23 | 考虑不确定风电的微网联合博弈优化共享及利益分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111192164A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111799786A (zh) * | 2020-07-07 | 2020-10-20 | 中原工学院 | 一种基于博弈论的新能源混合电力系统容量配置方法 |
CN112054513A (zh) * | 2020-08-20 | 2020-12-08 | 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 |
CN112257229A (zh) * | 2020-09-18 | 2021-01-22 | 西安理工大学 | 一种微网两阶段鲁棒调度方法 |
CN112952908A (zh) * | 2021-03-29 | 2021-06-11 | 四川大学 | 一种多合作微电网主体分布式协调交易方法 |
CN113065696A (zh) * | 2021-03-24 | 2021-07-02 | 广西大学 | 基于合作博弈和一致性算法的多微网协同优化调度方法 |
CN117541384A (zh) * | 2023-11-03 | 2024-02-09 | 国网新疆电力有限公司 | 电能交易模型的构建方法、装置、计算机设备和存储介质 |
CN117767375A (zh) * | 2024-02-22 | 2024-03-26 | 山东理工大学 | 基于风险约束非对称合作博弈的共享储能公平性分配策略 |
CN117541384B (zh) * | 2023-11-03 | 2024-06-11 | 国网新疆电力有限公司 | 电能交易模型的构建方法、装置、计算机设备和存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110112728A (zh) * | 2019-05-10 | 2019-08-09 | 四川大学 | 一种考虑风电鲁棒不确定性的多园区微网合作博弈方法 |
-
2019
- 2019-12-23 CN CN201911342479.6A patent/CN111192164A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110112728A (zh) * | 2019-05-10 | 2019-08-09 | 四川大学 | 一种考虑风电鲁棒不确定性的多园区微网合作博弈方法 |
Non-Patent Citations (3)
Title |
---|
张晨: "售电放开政策下电力交易多方主体利益分析模型研究", 《中国博士学位论文全文数据库 经济与管理科学辑》 * |
檀勤良 等: "我国风电产业链垂直整合中的利益分配策略研究", 《华北电力大学学报》 * |
郭洪武 等: "跨省电力交易多方主体合作利益分配的修正Shapley模型研究", 《数学的实践与认识》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111799786B (zh) * | 2020-07-07 | 2021-03-16 | 中原工学院 | 一种基于博弈论的新能源混合电力系统容量配置方法 |
CN111799786A (zh) * | 2020-07-07 | 2020-10-20 | 中原工学院 | 一种基于博弈论的新能源混合电力系统容量配置方法 |
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 |
CN112054513A (zh) * | 2020-08-20 | 2020-12-08 | 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 |
CN112257229A (zh) * | 2020-09-18 | 2021-01-22 | 西安理工大学 | 一种微网两阶段鲁棒调度方法 |
CN112257229B (zh) * | 2020-09-18 | 2024-04-16 | 西安理工大学 | 一种微网两阶段鲁棒调度方法 |
CN113065696A (zh) * | 2021-03-24 | 2021-07-02 | 广西大学 | 基于合作博弈和一致性算法的多微网协同优化调度方法 |
CN112952908A (zh) * | 2021-03-29 | 2021-06-11 | 四川大学 | 一种多合作微电网主体分布式协调交易方法 |
CN112952908B (zh) * | 2021-03-29 | 2024-02-02 | 四川大学 | 一种多合作微电网主体分布式协调交易方法 |
CN117541384A (zh) * | 2023-11-03 | 2024-02-09 | 国网新疆电力有限公司 | 电能交易模型的构建方法、装置、计算机设备和存储介质 |
CN117541384B (zh) * | 2023-11-03 | 2024-06-11 | 国网新疆电力有限公司 | 电能交易模型的构建方法、装置、计算机设备和存储介质 |
CN117767375A (zh) * | 2024-02-22 | 2024-03-26 | 山东理工大学 | 基于风险约束非对称合作博弈的共享储能公平性分配策略 |
CN117767375B (zh) * | 2024-02-22 | 2024-05-14 | 山东理工大学 | 基于风险约束非对称合作博弈的共享储能公平性分配策略 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111192164A (zh) | 考虑不确定风电的微网联合博弈优化共享及利益分配方法 | |
CN108565900B (zh) | 一种基于博弈论的分布式能源优化运行方法 | |
Wei et al. | Charging strategies of EV aggregator under renewable generation and congestion: A normalized Nash equilibrium approach | |
Wang et al. | Non-cooperative game-based multilateral contract transactions in power-heating integrated systems | |
Chen et al. | Research on day-ahead transactions between multi-microgrid based on cooperative game model | |
CN108182507A (zh) | 一种计及不确定性的售电商最优电价决策方法 | |
CN109919472A (zh) | 一种考虑多利益主体博弈的发电市场迭代竞价方法 | |
Wang et al. | Bidding strategy optimization for power generation company in carbon emission rights and electricity market | |
CN115330433A (zh) | 一种基于区块链技术的配电网电力碳排放权联合交易方法 | |
CN113393125A (zh) | 基于源荷双侧互动博弈的综合能源系统协同调度方法 | |
Yao et al. | An incentive-compatible distributed integrated energy market mechanism design with adaptive robust approach | |
CN114626922A (zh) | 一种基于区块链的自适应竞价多能源p2p交易平台 | |
CN112036625A (zh) | 一种电力市场背景下基于主从博弈的新能源消纳方法 | |
CN112016825A (zh) | 一种区域综合能源系统的集中式交易优化决策方法 | |
Tian et al. | Game-theoretic modeling of power supply chain coordination under demand variation in China: A case study of Guangdong Province | |
Zhang et al. | Shared energy storage-assisted and tolerance-based alliance strategy for wind power generators based on cooperative game and resource dependence theories | |
CN117217496B (zh) | 计及主从博弈的区域综合能源系统控制方法及装置 | |
Bobo et al. | Price-region bids in electricity markets | |
Zhang et al. | Multi-level distributed demand response study for a multi-park integrated energy system | |
Zeng et al. | Determining the pricing and deployment strategy for virtual power plants of peer-to-peer prosumers: A game-theoretic approach | |
CN109784714A (zh) | 一种基于Shapley值法的多主体合资下的P2G场站运营模式 | |
CN112329230A (zh) | 一种多微网主体非合作博弈交易方法 | |
CN111402015A (zh) | 一种基于购售风险的虚拟电厂双层竞标方法及系统 | |
Qiu et al. | Decentralized trading mechanism of shared energy storage in a residential community considering preference of trading subjects | |
Wu et al. | Peer-to-peer energy trading optimization for community prosumers considering carbon cap-and-trade |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200522 |