CN111310111B - 多微电网系统协同优化调度模型与动态链接行为分析方法 - Google Patents

多微电网系统协同优化调度模型与动态链接行为分析方法 Download PDF

Info

Publication number
CN111310111B
CN111310111B CN202010245400.4A CN202010245400A CN111310111B CN 111310111 B CN111310111 B CN 111310111B CN 202010245400 A CN202010245400 A CN 202010245400A CN 111310111 B CN111310111 B CN 111310111B
Authority
CN
China
Prior art keywords
microgrid
sub
micro
power
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.)
Active
Application number
CN202010245400.4A
Other languages
English (en)
Other versions
CN111310111A (zh
Inventor
赵波
张后谊
李志浩
马瑜涵
唐雅洁
汪湘晋
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.)
Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd
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 Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd filed Critical Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd
Priority to CN202010245400.4A priority Critical patent/CN111310111B/zh
Publication of CN111310111A publication Critical patent/CN111310111A/zh
Application granted granted Critical
Publication of CN111310111B publication Critical patent/CN111310111B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Pure & Applied Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Water Supply & Treatment (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种多微电网系统协同优化调度模型与动态链接行为分析方法。随着多微电网系统运行环境的不断变化，各子微电网将会动态地退出或加入多微电网系统中，导致多微电网系统的物理和信息链接发生动态变化，是影响多微电网协同优化的重大因素之一。针对多微电网动态链接行为下的协同优化问题，本发明首先引入体系方法构建多微电网SoS架构以及动态交易链接矩阵；建立多微电网系统协同优化调度与贡献度评估模型，提出多微电网动态链接行为分析方法，定量分析不同动态链接行为对多微电网协同优化运行的影响。本发明所提方法能定量分析动态链接行为对多微电网运行优化的影响，实现动态链接行为下多微电网系统的有效管理。

Description

多微电网系统协同优化调度模型与动态链接行为分析方法
技术领域
本发明属于微电网领域，具体地说是一种体系动态架构下多微电网系统协同优化调度模型与动态链接行为分析方法。
背景技术
随着含高渗透率可再生能源的微电网大范围接入配电网，势必一定区域内多个邻近微电网集群形成多微电网系统。通过对多微电网系统内子微电网集群运行进行优化可以有效提高可再生能源的消纳和管控能力。然而，由于多微电网系统优化问题相比单微电网而言规模更大、复杂性更高，如何有效管理多微电网系统运行是多微电网系统研究中亟待解决的难题之一。
目前，对多微电网系统运行优化的研究相比单微电网而言相对较少，根据微电网间是否存在电量交互，将多微电网系统协同优化研究分为不考虑子微电网间功率交互和考虑子微电网间功率交互两类。不考虑子微电网间功率交互协同优化的研究侧重于协调多微电网系统与配电网功率交互，实现多微电网系统与配电网利益均衡，避免交易尖峰对配电网的影响。相比于不考虑子微电网间功率交互的运行方式，允许子微电网间功率交互的多微电网系统运行方式有利于提高可再生能源的就地消纳能力，更符合未来泛在电力物联网的发展趋势，其协同方法的研究着重于协调多微电网系统间的功率交互，实现各微电网间的功率互补互济，减少多微电网系统整体运行成本。体系(System of Systems,SoS)是在不确定性环境下，大量功能独立、操作上具有较强交互型的系统为完成某个特定任务按一定约束条件形成的全新系统。独立性、归属性、可联性、异构性与涌现性是体系必具备的基本特性。多微电网系统中的子微电网具备独立运行目标与运行能力；多个子微电网间可通过合作产生额外收益等特性与体系独立性、可联性、归属性等特性存在相似之处。由于SoS方法论能有效解决大量、独立、复杂交互系统相互的协同优化问题。因此，SoS方法论的引入是解决具有复杂交互行为多微电网系统优化运行问题的有效手段之一。随着运行环境的变化，子微电网会动态进入与退出多微电网体系，导致整个多微电网系统物理与信息链接发生动态变化，是影响多微电网系统协同优化运行重要因素之一。因此，有必要基于SoS架构动态链接特性，建立多微电网系统动态链接架构，定量分析动态链接行为对多微电网系统优化运行的影响，有效实现动态链接行为下多微电网系统运行优化。
发明内容
本发明的目的在于针对上述现有技术存在的不足，提供一种体系动态架构下多微电网系统协同优化调度模型与动态链接行为分析方法，以有效实现动态链接行为下多微电网系统运行优化。
为此，本发明采用如下的技术方案：多微电网系统协同优化调度模型与动态链接行为分析方法，其引入体系(System of Systems,SoS)的方法实现多微电网系统优化运行与定量分析多微电网系统的动态链接行为(随运行环境变化存在子微电网接入与退出多微电网系统的行为)对多微电网系统协同优化运行的影响，其包括：
步骤1)，构建多微电网系统的SoS动态架构及采用图论描述多微电网系统动态链接行为；
步骤2)，建立SoS动态架构下计及多微电网系统动态链接行为的多微电网体系日前协同优化调度模型；
步骤3)，构建多微电网系统贡献度评估模型与定量分析多微电网系统动态链接行为对多微电网系统协同优化运行的影响；
步骤4)，采用交替方向乘子法与非均衡纳什议价方法实现模型求解，得到多微电网系统动态链接行为对多微电网系统优化运行影响最大与最小的调度方案。
本发明可以对动态链接行为下的多微电网系统运行进行有效管理，在论证体系与多微电网系统特征具有高度类似的基础上，引入在分析解决大型、独立、差异化的复杂系统之间的相互协调与操作问题上更具针对性体系(SoS)方法解决多微电网系统复杂的运行优化问题。
作为上述方法的补充，步骤1)中，通过SoS与多微电网系统一般形态和特性的对比验证多微电网系统是电力系统中的一种SoS，对比SoS动态结构的变化与多微电网系统动态链接行为，建立多微电网系统SoS动态架构。
作为上述方法的补充，步骤1)中，在建立多微电网系统SoS动态架构基础上，采用图论的方法描述多微电网系统间物理与信息链接的变化反映多微电网间的动态链接行为；
多微电网系统物理链接数学描述：多微电网系统内的子微电网物理链接情况用图论方法中的无向连通图(M,L(t))描述；L(t)是一个邻接矩阵，
Figure GDA0003010152120000031
表示子微电网i与j之间在t时段存在物理链接线，两者能进行功率交互；M＝{1,2，…n}为子微电网构成的集合，其中n表示多微电网系统中的子微电网n；
多微电网系统信息链接数学描述：多微电网系统的信息链接指子微电网协调优化控制器(MG-EMC)与多微电网系统信息交互平台(IEP)之间的信息通信，其信息链接情况用矩阵E(t)表示，即E(t)＝[e1(t),…en(t)]T，ei(t)＝1表示子微电网i在t时段MGi-EMC与IEP存在信息交互，ei(t)＝0表示两者之前不存在信息交互；
结合区域多微电网系统信息与物理链接得到电量动态交易链接矩阵，见式(1)，用于反映子微电网间能否进行电量交易：
Figure GDA0003010152120000041
动态交易链接矩阵中hij(t)＝ei(t)ej(t)lij(t)，表示仅当子微电网i与j的子微电网控制器与信息交互平台存在通信且两者之间有物理链接时，微电网i与j才能进行电量互济及交易。由此可得，包含区域多微电网系统物理与信息链接的动态链接矩阵D(t)可直观反映子微电网进入与退出多微电网系统的情况。
作为上述方法的补充，步骤1)中，采用动态交易链接矩阵描述区域多微电网系统动态链接行为：当t＝t0时刻子微电网i退出区域微电网体系，信息连接与物理连接中有ei(t0)＝0与∑j∈M/i≠jlij(t0)＝0，得动态交易链接矩阵为：
Figure GDA0003010152120000042
式(2)中
Figure GDA0003010152120000043
表示子微电网i与多微电网体系中的其他子微电网均不存在电量交易；
当t＝t1时刻子微电网i重新加入多微电网体系，信息链接中ei(t1)＝1，动态交易链接矩阵中∑j∈M/i≠jhij(t1)≠0，表示子微电网i与其他子微电网存在电量交易，得动态交易链接矩阵为：
Figure GDA0003010152120000051
作为上述方法的补充，步骤2)包括：首先，构建多微电网系统可控微源模型、多微电网系统需求侧响应模型、多微电网系统与配电网功率交互模型、多微电网系统中各子微电网功率交互模型与各子微电网功率平衡模型；其次，建立SoS动态架构下计及多微电网系统动态链接行为的多微电网系统日前协同优化调度模型。
作为上述方法的补充，步骤2)中，多微电网系统可控微源模型具体内容是：
1)微型燃气轮机模型
微型燃气轮机运行成本主要考虑其燃料成本，其成本函数为：
CDG,i(t)＝(aDG,iPDG,i(t)+cDG,i)Δt (4)
式中：CDG,i(t)表示子微电网i的微型燃气轮机t时段的发电成本，aDG,i,cDG,i为运行成本系数，PDG,i(t)为微型燃气轮机t时段的输出功率，Δt为调度时长，微型燃气轮机的运行约束为出力上下限约束和爬坡约束；
2)储能模型
储能运行成本主要考虑运行过程中的充放电成本，其成本函数为：
CBE,i(t)＝cBE,i(Pc,i(t)/ηi+Pd,i(t)ηi)Δt (5)
式中：CBE,i(t)为子微电网i的储能t时段的运行成本,cBE,i为储能单位充放电成本，Pc,i(t)和Pd,i(t)为子微电网i的储能t时段的充放电功率，ηi为储能充放电效率。储能运行过程中需满足充放电功率约束，各时段的剩余容量及调度周期始末容量相等的约束。
作为上述方法的补充，多微电网系统需求侧响应模型和多微电网系统与配电网功率交互模型的具体内容如下：
1)需求侧响应模型
各子微电网中存在可平移负荷，微电网可灵活调度可平移负荷提供需求响应服务，然而用电计划改变会影响用户舒适度，需要给予用户适当补偿，补偿成本为CDR,i(t)：
Figure GDA0003010152120000061
式中：cDR为可平移负荷单位补偿成本，
Figure GDA0003010152120000062
为子微电网i的期望用电功率，PL,i(t)为子微电网i在t时段的负荷的实际功率，所满足的约束条件为：
Figure GDA0003010152120000063
Figure GDA0003010152120000064
式(7)表示考虑需求侧响应后，保证用户的总用电量不减少；式(8)为子微电网各时段负荷最大/最小用电量约束，
Figure GDA0003010152120000065
与
Figure GDA0003010152120000066
分别为子微电网各时段最小/最大用电需求；
2)多微电网系统与配电网功率交互模型
多微电网系统中各子微电网能与配电网进行功率交互，子微电网i在t时段与配电网交互成本CGrid,i(t)为：
CGrid,i(t)＝(cb(t)Pb,i(t)-cs(t)Ps,i(t))Δt (9)
式中：cb(t)与cs(t)为t时段各子微电网与配电网的购售电价，Pb,i(t)和Ps,i(t)表示子微电网i在t时段的购售电功率，所满足的约束为：
Figure GDA0003010152120000067
Figure GDA0003010152120000071
ub,i(t)+vs,i(t)≤1 (12)
式中：
Figure GDA0003010152120000072
和
Figure GDA0003010152120000073
为子微电网i最大购售电功率，ub,i(t)和vs,i(t)为购售电状态，取值为0/1且不能同时取1；式(10)与(11)分别为子微电网i在t时段最大与最小购售电功率约束。
作为上述方法的补充，多微电网系统中各子微电网功率交互模型与各子微电网功率平衡模型的具体内容为：
1)多微电网系统中各子微电网功率交互模型
多微电网体系各子微电网间存在功率交互，其中子微电网i与j间的交互成本为Cex,i(t)
Figure GDA0003010152120000074
式中：closs,i(t)为子微电网间功率交互的成本系数，Pij(t)表示子微电i与j间的交互功率，Pij(t)为负时表示子微电网i向j输送功率，Pij(t)为正则表示接受来自于子微电网j的功率；式(13)表示子微电网间的功率传输成本由交易双方共同承担，所满足约束条件为：
Figure GDA0003010152120000075
Pij(t)+Pji(t)＝0：λij(t) (15)
式中：
Figure GDA0003010152120000076
表示子微电网i与j间允许的最大交互功率，式(14)表示子微电网间的交互功率不能超过最大交互功率且子微电网i向其他子微电网输出或输入功率与该子微电网购售电同步，即不存在向配电网购电再输送给其他子微电网的情况；式(15)为子微电网间功率交互约束，λij(t)为式(15)的拉格朗日乘子，解释为子微电网i与j之间电量交互的清算价格；
2)各子微电网功率平衡模型
各子微电网的功率平衡约束为
PDG,i(t)-Pc,i(t)+Pd,i(t)+Ppv,i(t)+Pwt,i(t)+Pb,i(t)-Ps,i(t)+hij(t)Pij(t)＝PL,i(t) (16)
式中：Ppv,i(t)为子微电网i在t时段的光伏预测功率，Pwt,i(t)为子微电网i在t时段的风机预测功率，若hij(t)＝0表示子微电网i与j在t时段不进行功率交互；当∑j∈M/i≠jhij(t)＝0时，表示微电网i在t时段退出多微电网体系，不与多微电网系统中其他微电网进行功率交互。
作为上述方法的补充，步骤2)中，多微电网体系日前优化调度模型的具体内容是：
1)子微电网独立运行的调度策略
子微电网独立运行指子微电网在整个调度周期内仅考虑自身的经济运行最优，不与其他子微电网进行功率交互；对子微电网i而言，其日前调度目标是使自身运行成本CMG,i0最小，目标函数为：
Figure GDA0003010152120000081
约束为：燃气轮机运行约束，储能运行约束，式(7)-(8)，(10)-(12)，(16)；约束中式(16)存在
Figure GDA0003010152120000082
2)多微电网系统协调运行的调度策略
多微电网系统协调运行方式下，各子微电网以多微电网系统整体运行成本最小为目标，与其他子微电网间存在功率交互。针对子微电网i，其日前优化目标函数为
Figure GDA0003010152120000083
约束为：燃气轮机运行约束，储能运行约束，式(7)-(8)，(10)-(12)，(14)-(15)，(16)，xi(t)＝[PDG,i(t),Pc,i(t),Pd,i(t),Pb,i(t),Ps,i(t),Pij(t),λij(t)]为式(18)中的优化变量，CMG,i表示子微电网i的运行成本。在此种运行方式下，考虑子微电网动态链接行为，允许子微电网在某些时段退出或进入多微电网系统。
作为上述方法的补充，步骤3)中，提出多微电网体系涌现能力的概念及涌现功能所体现运行成本减少量的公平分配策略：
1)多微电网体系涌现功能
多微电网体系涌现功能采用多微电网系统运行成本相比于各子微电网独立运行成本的减少进行量化，如式(19)所示：
Figure GDA0003010152120000091
式中：ΔCMG为多微电网体系的涌现功能量化值，CMG,i0与CMG,i分别表示多微电网系统中各子微电网独立运行成本与协调运行成本；
2)涌现功能所体现运行成本减少量的公平分配策略
涌现功能所体现运行成本减少量的公平分摊是维持多微电网系统持续运行的关键；因此，需设计一种公平成本分摊方法使得各子微电网成本均减少；纳什议价理论是研究参与合作主体分摊合作剩余的方法，通过求解最大化所有合作主体合作前后成本的差值乘积，得到各合作主体之间的成本的分摊结果；
传统的纳什议价模型中合作主体的议价能力相同，然而，由于不同子微电网提供互济电量不同，其对涌现功能的贡献也相应不同，导致各子微电网的议价能力均不相同；因此，涌现功能所体现运行成本减少量的公平分配的纳什议价模型中应考虑各子微电网互济电量的影响；
考虑各子微电网电量互济影响的运行成本减少量公平分配模型如式(20)
Figure GDA0003010152120000092
约束条件为：
ΔCMG,i＝CMG,i0-(CMG,i+Bi)≥0 (21)
Figure GDA0003010152120000101
Figure GDA0003010152120000102
Figure GDA0003010152120000103
式中：
Figure GDA0003010152120000104
表示子微电网i互济电量价值占多微电网系统内总互济电量价值的比例，
Figure GDA0003010152120000105
为子微电网i互济电量价值；Bi表示子微电网i分配得到的运行成本减少量，Bij表示从子微电网i转移到子微电网j的运行成本减少量，Bji为子微电网j转移到子微电网i的运行成本减少量；式(21)约束表示各子微电网均能降低运行成本，式(23)为微电网间成本减少量转移约束；求解分配模型得到分配的最优解为：
Bi＝CMG,i0-CMG,i-SiΔCMG (25)
经过多微电网系统运行成本减少量的公平分配后，子微电网i最终运行成本为：CMG.i1＝CMG,i+Bi。
多微电网系统贡献度指各子微电网运行成本减少量占总涌现功能表现的运行成本减少量的比例，它是反应各子微电网对多微电网系统涌现功能相对重要性的参数，从整个调度周期上看，其值为各子微电网在整个调度周期内获得的运行成本减少量占多微电网系统整个调度周期运行成本减少量的比例：
Figure GDA0003010152120000106
式中：Qi为子微电网i的贡献度，ΔCMG,i为子微电网i整个调度周期的运行成本的减少量，ΔCMG为多微电网系统整个调度周期内的涌现功能体现的运行成本的减少量。
作为上述方法的补充，步骤3)中，子微电网不同时段动态链接行为的分析，为分析同一子微电网在不同调度时段动态链接行为对多微电网系统运行优化及其涌现功能产生的不同影响，将滚动优化方法引入多微电网系统动态链接行为分析中，定量分析不同调度时段动态链接行为对多微电网系统涌现功能产生的影响；
针对多微电网系统动态链接行为分析，假设由于子微电网i自身运行情况要求，存在连续d个时段退出多微电网系统间电量交易，则从调度周期起点滚动设置微电网i存在d个时段退出多微电网系统，针对第m时刻退出运行，即第m次滚动优化，子微电网i在[m,m+d]时段退出多微电网系统，即
Figure GDA0003010152120000111
求解第m次滚动优化涌现功能体现的运行成本减少量(ΔCMG)m及子微电网i贡献度(Qi)m，第m+1滚动优化重复第m次滚动优化求解过程：
Figure GDA0003010152120000112
式(27)中，(ΔCMG)max与(ΔCMG)min分别为前m次滚动优化求解得到多微电网系统的最大与最小涌现功能体现的运行成本减少量，第m次滚动优化后按式(27)更新(ΔCMG)max与(ΔCMG)min的值，然后依次滚动计算至T-d次滚动优化，得到的最终结果(ΔCMG)max与(ΔCMG)min表示子微电网i存在连续d个时段退出多微电网系统间电量交易时多微电网系统可以获得的最大与最小涌现功能体现的运行成本减少量，即(ΔCMG)max＝max((ΔCMG)1，…,(ΔCMG)T-d)与(ΔCMG)min＝min((ΔCMG)1，…,(ΔCMG)T-d)，其对应时段发生子微电网i退出多微电网系统动态链接行为将对多微电网系统涌现功能产生最大与最小的影响。
进一步假设子微电网i只允许连续d个时段加入多微电网系统，也可采用上述滚动优化方法分析，求解得到子微电网i加入多微电系统动态链接行为对多微电网系统涌现功能影响最大与最小的调度时段。
当存在多个子微电网在不同时段发生动态链接行为时，按未发生动态链接行为时计算得到各子微电网的贡献度大小为顺序，采用上述动态链接行为分析方法依次确定各子微电网动态链接行为对多微电网系统涌现功能影响最大与最小的调度方案。
作为上述方法的补充，步骤3)中，为分析不同子微电网在同一时段动态链接行为对多微电网系统涌现功能的影响，首先计算该时段各子微电网均加入多微电网系统，其余时段均退出多微电网系统时各子微电网贡献度，采用子微电网贡献度反映同一时段不同子微电网动态链接行为对多微电网系统涌现功能的影响。
假设由于日前多微电网系统信息交互平台要求，在[m1,m1+d1]时段只允许n-b个子微电网发生电量交互，即b个子微电网在该时段退出多微电网系统，则求解各子微电网仅在[m1,m1+d1]时段加入多微电网系统时的贡献度Qi(m1,m1+d1)，按各子微电网在[m1,m1+d1]时段接受或输送功率将子微电网分为缺电微电网与余电微电网，如式(28)。
Figure GDA0003010152120000121
式(28)中H与Y分别为缺电微电网与余电微电网集合。当[m1,m1+d1]时段只允许n-b个子微电网发生电量交互，可按贡献度由大到小分别由H与Y中依次选取n-b个子微电网，且满足由集合H中选取的子微电网的贡献度之和与Y中选取的子微电网贡献度之和接近时，得到的n-b个微电网在[m1,m1+d1]时段处于多微电网系统中能使多微电网系统获得最大的涌现能力。选取方法中分别由H与Y集合中选取子微电网确保所选子微电网即含缺电微电网也有余电微电网。同时，选取H与Y中的子微电网贡献度之和接近确保子微电网间能进行频繁的功率交互以获得更大的涌现能力。
作为上述方法的补充，步骤(3)包括：采用交替方向乘子法与非均衡纳什议价方法实现模型求解(见图4)，得到多微电网系统动态链接行为对多微电网系统优化运行影响最大与最小的调度方案。
作为上述方法的补充，步骤(3)中，模型的求解步骤具体是：
步骤一、根据多微电网系统中各子微电网各时段动态进入或退出区域多微电网系统的链接行为，多微电网系统信息交互平台(IEP)收集区域多微电网系统各子微电网的物理链接L与信息链接E，计算得到同一子微电网在不同时段发生动态链接行为时的交易链接矩阵D(m,t)或同一时段不同子微电网发生动态链接行为的动态交易链接矩阵D(t)；
步骤二、交替方向乘子法(ADMM)实现多微电网系统协同优化目标函数的分布式求解，确保各子微电网独立性与隐私保护，并且其求解过程中各子微电网信息交互可在多微电网系统协同优化管理SoS架构下实现。因此，可以采用ADMM对多微电网系统协同优化调度模型求解，具体求解过程如下：
子微电网层(MGi-EMC)：子微电网i第k次迭代后，MGi-EMC接收来自于IEP的关于子微电网i的动态交易矩阵D(i,j,t)＝[hi1(t),…,hij(t),…hin(t)]及各子微电网参考交互功率
Figure GDA0003010152120000131
与清算价格
Figure GDA0003010152120000132
求解各子微电网的调度计划。
Figure GDA0003010152120000133
约束为：燃气轮机运行约束，储能运行约束，(7)-(8)，(10)-(12)，(14)-(15)，(16)；γi为惩罚因子。
多微电网系统层(IEP)：IEP接收各子微电网上传的第k次迭代的交互功率值Pij求解各子微电网第k+1次迭代的参考交互功率与清算价格。
Figure GDA0003010152120000141
式中，
Figure GDA0003010152120000142
为Pij的参考值，
Figure GDA0003010152120000143
为
Figure GDA0003010152120000144
的参考值；
约束为：
Figure GDA0003010152120000145
拉格朗日乘子更新：
Figure GDA0003010152120000146
当满足收敛条件
Figure GDA0003010152120000147
时，迭代结束，求得各子微电网的日前调度计划，ε表示算法收敛参数。
步骤三、考虑各子微电网电量互济模型得到各子微电网的调度计划及其成本，求解式(19),(25)与(26)得多微电网系统涌现功能体现的成本减少量ΔCMG各子微电网最终运行成本CMG,i1及其贡献度Qi。
步骤四、同一子微电网在不同时段发生动态链接行为：第m次滚动优化结束后，更新(ΔCMG)max/min(表示(ΔCMG)max与(ΔCMG)min)，进入下一次滚动优化即在第m+1次滚动优化重复步骤一到步骤三，直到m＝T-d。输出结果(ΔCMG)max/min，其对应时段发生子微电网动态链接行为将会对多微电网系统优化运行产生最大与最小影响。
同一时段不同子微电网发生动态链接行为：通过步骤一到步骤三求解得到仅在时段[m1,m1+d1]进行交易的各子微电网贡献度Qi的基础上，按(28)得到缺电微电网集合H与余电微电网集合Y，按贡献度大小由H与Y中依次选取具有较大贡献度n-b子微电网，且满足从H与Y集合中选取的子微电网贡献度之和接近时，得到的n-b个子微电网在[m1,m1+d1]进行交易的调度方案，满足多微电网系统动态链接行为需求且对多微电网优化运行影响最小。
本发明在确保各子微电网独立性与隐私保护的基础上，有效降低多微电网整体运行成本获得涌现功能；采用非对称纳什议价方法将涌现功能体现的成本减少公平分摊给各子微电网，使得各子微电网的运行成本均降低；同时，定量分析多微电网不同动态行为对多微电网协同优化运行的影响，依据各子微电网与多微电网共享平台日前动态链接行为的需求，结合多微电网动态链接分析方法得到多微电网动态链接行为对多微电网优化运行影响最大与最小的调度方案，突破定量化分析动态链接行为下多微电网系统协同运行优化的瓶颈。
附图说明
图1为本发明体系动态架构与多微电网系统动态结构图；
图2为本发明多微电网系统协同优化调度的SoS架构图；
图3为本发明多微电网系统动态链接行为滚动优化分析图；
图4为本发明的模型求解图。
具体实施方式
本发明为一种多微电网系统协同优化调度模型与动态链接行为分析方法，其引入体系(System of Systems,SoS)的方法实现多微电网系统优化运行与定量分析多微电网系统的动态链接行为(随运行环境变化存在子微电网接入与退出多微电网系统的行为)对多微电网系统协同优化运行的影响，其包括：
步骤1)，构建多微电网系统的SoS动态架构及采用图论描述多微电网系统动态链接行为；
步骤2)，建立SoS动态架构下计及多微电网系统动态链接行为的多微电网系统日前协同优化调度模型；
步骤3)，构建多微电网系统贡献度评估模型与定量分析多微电网系统动态链接行为对多微电网系统协同优化运行的影响；
步骤4)，采用交替方向乘子法与非均衡纳什议价方法实现模型求解，得到多微电网系统动态链接行为对多微电网系统优化运行影响最大与最小的调度方案。
本发明可以对动态链接行为下的多微电网系统运行进行有效管理，在论证体系与多微电网系统特征具有高度类似的基础上，引入在分析解决大型、独立、差异化的复杂系统之间的相互协调与操作问题上更具针对性体系(SoS)方法解决多微电网系统复杂的运行优化问题。
步骤1)包括：首先，多微电网系统协同优化调度的SoS动态架构；其次，采用图论方法描述多微电网系统动态链接行为。
步骤1)所述多微电网系统协同优化调度的SoS动态架构具体是：通过SoS与多微电网系统一般形态和特性的对比验证多微电网系统是电力系统中的一种SoS，对比SoS动态结构的变化与多微电网系统动态链接行为(见图1)，建立多微电网系统动态SoS架构(见图2)。
步骤1)所述采用图论的方法描述多微电网系统间动态链接行为，具体是：由于子微电网退出或加入多微电网系统的动态链接行为会导致多微电网系统物理与信息链接变化，换句话说，采用图论的方法描述多微电网系统间物理与信息链接的变化可以反映多微电网系统间的动态链接行为。
多微电网系统物理链接数学描述：多微电网系统内的子微电网物理链接情况用图论方法中的无向连通图(M,L(t))描述。L(t)是一个邻接矩阵，
Figure GDA0003010152120000171
表示子微电网i与j之间在t时段存在物理链接线，两者能进行功率交互；M＝{1,2，…n}为子微电网构成的集合，其中n表示多微电网系统中的子微电网n。
多微电网系统信息链接数学描述：多微电网系统的信息链接指子微电网协同优化调度控制器(MG-EMC)与多微电网系统信息交互平台(IEP)之间的信息通信(见图2)，其信息链接情况用矩阵E(t)表示，即E(t)＝[e1(t),…en(t)]T，ei(t)＝1表示子微电网i在t时段MGi-EMC与IEP存在信息交互，ei(t)＝0表示两者之前不存在信息交互。
区域多微电网系统信息与物理链接是子微电网间进行电量交易的基础，因此，结合区域多微电网系统信息与物理链接得到电量动态交易链接矩阵(见式(1))，用于反映子微电网间能否进行电量交易。
Figure GDA0003010152120000172
动态交易链接矩阵中hij(t)＝ei(t)ej(t)lij(t)，表示仅当子微电网i与j的子微电网控制器与信息交互平台存在通信且两者之间有物理链接时，微电网i与j才能进行能量互济及交易。由此可得，包含区域多微电网系统物理与信息链接的动态链接矩阵D(t)可直观反映子微电网进入与退出多微电网体系的情况。
采用动态交易链接矩阵描述区域多微电网系统动态链接行为：当t＝t0时刻子微电网i退出区域微电网体系，信息连接与物理连接中有ei(t0)＝0与∑j∈M/i≠jlij(t0)＝0,可得动态交易链接矩阵为
Figure GDA0003010152120000181
式(2)中
Figure GDA0003010152120000182
表示子微电网i与多微电网体系中的其他子微电网均不存在电量交易。
当t＝t1时刻子微电网i重新加入多微电网体系，信息链接中ei(t1)＝1，动态交易链接矩阵中∑j∈M/i≠jhij(t1)≠0，表示子微电网i与其他子微电网存在电量交易，可得动态交易链接矩阵为
Figure GDA0003010152120000183
步骤2)包括：首先，构建多微电网系统可控微源模型、多微电网系统需求侧响应模型、多微电网系统与配电网功率交互模型、多微电网系统中各子微电网功率交互模型与各子微电网功率平衡模型；其次，建立SoS动态架构下计及多微电网系统动态链接行为的多微电网系统协同优化调度模型。
步骤2)中，多微电网系统可控微源模型，具体是：
微型燃气轮机运行成本主要考虑其燃料成本，其成本函数为
CDG,i(t)＝(aDG,iPDG,i(t)+cDG,i)Δt (4)
式中：CDG,i(t)表示子微电网i的微型燃气轮机t时段的发电成本，aDG,i,cDG,i为运行成本系数，PDG,i(t)为微型燃气轮机t时段的输出功率，Δt为调度时长，微型燃气轮机的运行约束为出力上下限约束和爬坡约束。
储能运行成本主要考虑运行过程中的充放电成本，其成本函数为
CBE,i(t)＝cBE,i(Pc,i(t)/ηi+Pd,i(t)ηi)Δt (5)
式中：CBE,i(t)为子微电网i的储能t时段的运行成本,cBE,i为储能单位充放电成本，Pc,i(t)和Pd,i(t)为子微电网i的储能t时段的充放电功率，ηi为储能充放电效率。储能运行过程中需满足的充放电功率约束，各时段的剩余容量及调度周期始末容量相等的约束
步骤2)中，建立多微电网系统需求侧响应模型与多微电网系统与配电网功率交互模型，具体是：
各子微电网中存在可平移负荷，微电网可灵活调度可平移负荷提供需求响应服务，然而用电计划改变会影响用户舒适度，需要给予用户适当补偿，补偿成本为CDR,i(t)。
Figure GDA0003010152120000191
式中：cDR为可平移负荷单位补偿成本，
Figure GDA0003010152120000192
为子微电网i的期望用电功率，PL,i(t)为子微电网i在t时段的负荷的实际功率，所满足的约束条件为
Figure GDA0003010152120000193
Figure GDA0003010152120000194
式(7)表示考虑需求侧响应后，保证用户的总用电量不减少。式(8)为子微电网各时段负荷最大/最小用电量约束，
Figure GDA0003010152120000195
与
Figure GDA0003010152120000196
分别为子微电网各时段最小/最大用电需求。
多微电网系统中各子微电网能与配电网进行功率交互，子微电网i在t时段与配电网交互成本CGrid,i(t)为
CGrid,i(t)＝(cb(t)Pb,i(t)-cs(t)Ps,i(t))Δt (9)
式中：cb(t)与cs(t)为t时段各子微电网与配电网的购售电价，Pb,i(t)和Ps,i(t)表示子微电网i在t时段的购售电功率，所满足的约束为
Figure GDA0003010152120000201
Figure GDA0003010152120000202
ub,i(t)+vs,i(t)≤1 (12)
式中：
Figure GDA0003010152120000203
和
Figure GDA0003010152120000204
为子微电网i最大购售电功率，ub,i(t)和vs,i(t)为购售电状态，取值为0/1且不能同时取1。式(10)与(11)分别为子微电网i在t时段最大与最小购售电功率约束。
步骤2)中，建立多微电网系统中各子微电网功率交互模型与各子微电网功率平衡模型，具体是：
多微电网体系各子微电网间存在功率交互，其中子微电网i与j间的交互成本为Cex,i(t)
Figure GDA0003010152120000205
式中：closs,i(t)为子微电网间功率交互的成本系数，Pij(t)表示子微电i与j间的交互功率，Pij(t)为负时表示子微电网i向j输送功率，Pij(t)为正则表示接受来自于子微电网j的功率。式(13)表示子微电网间的功率传输成本由交易双方共同承担，所满足约束条件为
Figure GDA0003010152120000206
Pij(t)+Pji(t)＝0：λij(t) (15)
式中：
Figure GDA0003010152120000207
表示子微电网i与j间允许的最大交互功率。式(14)表示子微电网间的交互功率不能超过最大交互功率且子微电网i向其他子微电网输出或输入功率与该子微电网购售电同步，即不存在向配电网购电再输送给其他子微电网的情况。式(15)为子微电网间功率交互约束，λij(t)为式(15)的拉格朗日乘子，解释为子微电网i与j之间电量交互的清算价格。
各子微电网的功率平衡约束为
PDG,i(t)-Pc,i(t)+Pd,i(t)+Ppv,i(t)+Pwt,i(t)+Pb,i(t)-Ps,i(t)+hij(t)Pij(t)＝PL,i(t) (16)
式中：Ppv,i(t)为子微电网i在t时段的光伏预测功率，Pwt,i(t)为子微电网i在t时段的风机预测功率。若hij(t)＝0表示子微电网i与j在t时段不进行功率交互；当∑j∈M/i≠jhij(t)＝0时，表示微电网i在t时段退出多微电网体系，不与多微电网系统中其他微电网进行功率交互。
步骤2)中，建立动态链接行为下多微电网体系日前优化调度模型，具体是：
子微电网独立运行指该子微电网在整个调度周期内仅考虑自身的经济运行最优，不与其他子微电网进行功率交互。对子微电网i而言，其日前调度目标是使自身运行成本CMG,i0最小，目标函数为
Figure GDA0003010152120000211
约束为：燃气轮机运行约束，储能运行约束，(7)-(8)，(10)-(12)，(16)；约束中式(16)存在
Figure GDA0003010152120000212
多微电网系统协调运行方式下，各子微电网以多微电网系统整体运行成本最小为目标，与其他子微电网间存在功率交互。针对子微电网i，其日前优化目标函数为
Figure GDA0003010152120000213
约束为：燃气轮机运行约束，储能运行约束，式(7)-(8)，(10)-(12)，(14)-(15)，(16)。xi(t)＝[PDG,i(t),Pc,i(t),Pd,i(t),Pb,i(t),Ps,i(t),Pij(t),λij(t)]为式(18)中的优化变量，CMG,i表示子微电网i的运行成本。在此种运行方式下，考虑子微电网动态链接行为，允许子微电网在某些时段退出或进入多微电网系统。
步骤3)包括：首先，构建多微电网系统贡献度评估模型；其次，定量分析多微电网系统动态链接行为对多微电网系统协同优化运行的影响。
步骤3)中，构建多微电网系统贡献度评估模型，具体是：提出多微电网体系涌现能力的概念、涌现功能所体现运行成本减少量的公平分配策略及动态链接行为下多微电网系统的贡献度评估模型。
多微电网体系涌现功能指多微电网系统协同优化运行相比于各子微电网独立运行所涌现出的新功能。本文中多微电网体系涌现能力采用多微电网系统运行成本相比于各子微电网独立运行成本的减少进行量化，如式(19)所示。
Figure GDA0003010152120000221
式中：ΔCMG为多微电网体系的涌现功能量化值，CMG,i0与CMG,i分别表示多微电网系统中各子微电网独立运行成本与协调运行成本。
涌现功能所体现运行成本减少量的公平分摊是维持多微电网系统持续运行的关键；因此，需设计一种公平成本分摊方法使得各子微电网成本均减少；纳什议价理论是研究参与合作主体分摊合作剩余的方法，通过求解最大化所有合作主体合作前后成本的差值乘积，得到各合作主体之间的成本的分摊结果；
传统的纳什议价模型中合作主体的议价能力相同，然而，由于不同子微电网提供互济电量不同，其对涌现功能的贡献也相应不同，导致各子微电网的议价能力均不相同；因此，涌现功能所体现运行成本减少量的公平分配的纳什议价模型中应考虑各子微电网互济电量的影响。
考虑各子微电网电量互济影响的运行成本减少量公平分配模型如式(20)
Figure GDA0003010152120000222
约束条件为：
ΔCMG,i＝CMG,i0-(CMG,i+Bi)≥0 (21)
Figure GDA0003010152120000231
Figure GDA0003010152120000232
Figure GDA0003010152120000233
式中：
Figure GDA0003010152120000234
表示子微电网i互济电量价值(子微电网间的交互电量的等量成本)占多微电网系统内总互济电量价值的比例，
Figure GDA0003010152120000235
为子微电网i互济电量价值；Bi表示子微电网i分配得到的运行成本减少量，Bij表示从子微电网i转移到子微电网j的运行成本减少量，Bji为子微电网j转移到子微电网i的运行成本减少量；式(21)约束表示各子微电网均能降低运行成本，式(23)为微电网间成本减少量转移约束；求解分配模型得到分配的最优解为：
Bi＝CMG,i0-CMG,i-SiΔCMG (25)
经过多微电网系统运行成本减少量的公平分配后，子微电网i最终运行成本为：CMG.i1＝CMG,i+Bi。
多微电网系统贡献度指各子微电网运行成本减少量占总涌现功能表现的运行成本减少量的比例，它是反应各子微电网对多微电网系统涌现功能相对重要性的参数，从整个调度周期上看，其值为各子微电网在整个调度周期内获得的运行成本减少量占多微电网系统整个调度周期运行成本减少量的比例：
Figure GDA0003010152120000236
式中：Qi为子微电网i的贡献度，ΔCMG,i为子微电网i整个调度周期的运行成本的减少量，ΔCMG为多微电网系统整个调度周期内的涌现功能体现的运行成本的减少量。
步骤3)中，定量分析多微电网系统动态链接行为对多微电网系统协同优化运行的影响。首先，分析子微电网不同时段动态链接行为对多微电网系统优化运行的影响；其次，分析同一时段不同多微电网系统动态链接行为对多微电网系统协同优化运行的影响。
步骤3)中，分析子微电网不同时段动态链接行为对多微电网系统优化运行的影响；具体是：子微电网不同时段动态链接行为的分析，为分析同一子微电网在不同调度时段动态链接行为对多微电网系统运行优化及其涌现功能产生的不同影响，将滚动优化方法引入多微电网系统动态链接行为分析中，定量分析不同调度时段动态链接行为对多微电网系统涌现功能产生的影响。
针对多微电网系统动态链接行为分析，假设由于子微电网i自身运行情况要求，存在连续d个时段退出多微电网系统间电量交易，则从调度周期起点滚动设置微电网i存在d个时段退出多微电网系统(如图3所示)，针对第m时刻退出运行，即第m次滚动优化，子微电网i在[m,m+d]时段退出多微电网系统，即
Figure GDA0003010152120000241
求解第m次滚动优化涌现功能体现的运行成本减少量(ΔCMG)m及子微电网i贡献度(Qi)m，第m+1滚动优化重复第m次滚动优化求解过程。
Figure GDA0003010152120000242
式(27)中(ΔCMG)max与(ΔCMG)min分别为前m次滚动优化求解得到多微电网系统的最大与最小涌现功能体现的运行成本减少量，第m次滚动优化后按式(27)更新(ΔCMG)max与(ΔCMG)min的值，然后依次滚动计算至T-d次滚动优化，得到的最终结果(ΔCMG)max与(ΔCMG)min表示子微电网i存在连续d个时段退出多微电网系统间电量交易时多微电网系统可以获得的最大与最小涌现功能体现的运行成本减少量，即(ΔCMG)max＝max((ΔCMG)1，…,(ΔCMG)T-d)与(ΔCMG)min＝min((ΔCMG)1，…,(ΔCMG)T-d)，其对应时段发生子微电网i退出多微电系统动态链接行为将对多微电网系统涌现功能产生最大与最小的影响。
进一步假设子微电网i只允许连续d个时段加入多微电网系统，也可采用上述滚动优化方法分析，求解得到子微电网i加入多微电系统动态链接行为对多微电网系统涌现功能影响最大与最小的调度时段。
当存在多个子微电网在不同时段发生动态链接行为时，按未发生动态链接行为时计算得到各子微电网的贡献度大小为顺序，采用上述动态链接行为分析方法依次确定各子微电网动态链接行为对多微电网系统涌现功能影响最大与最小的调度方案。
步骤3)中，分析同一时段不同多微电网系统动态链接行为对多微电网系统协同优化运行的影响，具体是：为分析不同子微电网在同一时段动态链接行为对多微电网系统涌现功能的影响，首先计算该时段各子微电网均加入多微电网系统，其余时段均退出多微电网系统时各子微电网贡献度，采用子微电网贡献度反映同一时段不同子微电网动态链接行为对多微电网系统涌现功能的影响。
假设由于日前多微电网系统信息交互平台要求，在[m1,m1+d1]时段只允许n-b个子微电网发生电量交互，即b个子微电网在该时段退出多微电网系统，则求解各子微电网仅在[m1,m1+d1]时段加入多微电网系统时的贡献度Qi(m1,m1+d1)，按各子微电网在[m1,m1+d1]时段接受或输送功率将子微电网分为缺电微电网与余电微电网，如式(28)。
Figure GDA0003010152120000251
式(28)中H与Y分别为缺电微电网与余电微电网集合。当[m1,m1+d1]时段只允许n-b个子微电网发生电量交互，可按贡献度由大到小分别由H与Y中依次选取n-b个子微电网，且满足由集合H中选取的子微电网的贡献度之和与Y中选取的子微电网贡献度之和接近时，得到的n-b个微电网在[m1,m1+d1]时段处于多微电网系统中能使多微电网系统获得最大的涌现能力。选取方法中分别由H与Y集合中选取子微电网确保所选子微电网即含缺电微电网也有余电微电网。同时，选取H与Y中的子微电网贡献度之和接近确保子微电网间能进行频繁的功率交互以获得更多涌现能力。
作为上述方法的补充，步骤4)包括：采用交替方向乘子法与非均衡纳什议价方法实现模型求解(见图4)，得到多微电网系统动态链接行为对多微电网系统优化运行影响最大与最小的调度方案。
作为上述方法的补充，步骤4)中，模型的求解步骤具体是：
步骤一、根据多微电网系统中各子微电网各时段动态进入或退出区域多微电网系统的链接行为，多微电网系统信息交互平台(IEP)收集区域多微电网系统各子微电网的物理链接L与信息链接E，计算得到同一子微电网在不同时段发生动态链接行为时的交易链接矩阵D(m,t)或同一时段不同子微电网发生动态链接行为的动态交易链接矩阵D(t)。
步骤二、交替方向乘子法(ADMM)能实现多微电网系统协同优化目标函数的分布式求解，确保各子微电网独立性与隐私保护，并且其求解过程中各子微电网信息交互可在多微电网系统协同优化调度SoS架构下实现。因此，可以采用ADMM对多微电网系统协同优化调度模型求解，具体求解过程如下：
子微电网层(MGi-EMC)：子微电网i第k次迭代后，MGi-EMC接收来自于IEP的关于子微电网i的动态交易矩阵D(i,j,t)＝[hi1(t),…,hij(t),…hin(t)]及各子微电网参考交互功率
Figure GDA0003010152120000271
与清算价格
Figure GDA0003010152120000272
求解各子微电网的调度计划。
Figure GDA0003010152120000273
约束为：燃气轮机运行约束，储能运行约束，(7)-(8)，(10)-(12)，(14)-(15)，(16)。
多微电网系统层(IEP)：IEP接收各子微电网上传的第k次迭代的交互功率值Pij求解各子微电网第k+1次迭代的参考交互功率与清算价格。
Figure GDA0003010152120000274
约束为：
Figure GDA0003010152120000275
拉格朗日乘子更新：
Figure GDA0003010152120000276
当满足收敛条件
Figure GDA0003010152120000277
时，迭代结束，求得各子微电网的日前调度计划。
步骤三、考虑各子微电网电量互济模型得到各子微电网的调度计划及其成本，求解式(19),(25)与(26)得多微电网系统涌现功能体现的运行成本减少量ΔCMG各子微电网最终运行成本CMG,i1及其贡献度Qi。
步骤四、同一子微电网在不同时段发生动态链接行为：第m次滚动优化结束后，更新(ΔCMG)max/min(表示(ΔCMG)max与(ΔCMG)min)，进入下一次滚动优化即在第m+1次滚动优化重复步骤一到步骤三，直到m＝T-d。输出结果(ΔCMG)max/min，其对应时段发生子微电网动态链接行为将会对多微电网系统优化运行产生最大与最小影响。
同一时段不同子微电网发生动态链接行为：在步骤一到步骤三求解得到仅在时段[m1,m1+d1]进行交易的各子微电网贡献度Qi的基础上，按(28)得到缺电微电网集合H与余电微电网集合Y，按贡献度大小由H与Y中依次选取具有较大贡献度n-b子微电网，且满足从H与Y集合中选取的子微电网贡献度之和接近时，得到的n-b个子微电网在[m1,m1+d1]进行交易的调度方案，满足多微电网系统动态链接行为需求且对多微电网系统优化运行影响最小。

Claims (8)

1.多微电网系统协同优化调度模型与动态链接行为分析方法，其特征在于，包括：
步骤1)，构建多微电网系统的体系System of Systems(SoS)动态架构及采用图论描述多微电网系统动态链接行为；
步骤2)，建立SoS动态架构下计及多微电网系统动态链接行为的多微电网体系日前优化调度模型；
步骤3)，构建多微电网系统贡献度评估模型与定量分析多微电网系统动态链接行为对多微电网系统协同优化运行的影响；
步骤4)，采用交替方向乘子法与非均衡纳什议价方法实现模型求解，得到多微电网系统动态链接行为对多微电网系统优化运行影响最大与最小的调度方案；
步骤3)中构建多微电网系统贡献度评估模型，具体包括提出多微电网体系涌现能力的概念及涌现功能所体现运行成本减少量的公平分配策略：
1)多微电网体系涌现功能
多微电网体系涌现功能采用多微电网系统运行成本相比于各子微电网独立运行成本的减少进行量化，如式(19)所示：
Figure FDA0003060932270000011
式中：ΔCMG为多微电网体系的涌现功能量化值，CMG,i0与CMG,i分别表示多微电网系统中各子微电网独立运行成本与协调运行成本；
2)涌现功能所体现运行成本减少量的公平分配策略
考虑各子微电网电量互济影响的运行成本减少量公平分配模型如式(20)
Figure FDA0003060932270000021
约束条件为：
ΔCMG,i＝CMG,i0-(CMG,i+Bi)≥0 (21)
Figure FDA0003060932270000022
Figure FDA0003060932270000023
Figure FDA0003060932270000024
式中：
Figure FDA0003060932270000025
表示子微电网i互济电量价值占多微电网系统内总互济电量价值的比例，
Figure FDA0003060932270000026
为子微电网i互济电量价值；Bi表示子微电网i通过分配成本的减少量，Bij表示从子微电网i转移到子微电网j的运行成本减少量，Bji为子微电网j转移到子微电网i的运行成本减少量；式(21)约束表示各子微电网均能降低运行成本，式(23)为微电网间运行成本转移约束；式(24)中，T为调度周期，Pij(t)为负时表示子微电网i向j输送功率，λij(t)为子微电网i与j之间电量交互的清算价格；
求解涌现功能所体现运行成本减少量的公平分配模型得到各子微电网运行成本减少量的最优解为：
Bi＝CMG,i0-CMG,i-SiΔCMG (25)
经过多微电网系统运行成本减少量的公平分配后，子微电网i最终运行成本为：CMG.i1＝CMG,i+Bi；
多微电网系统贡献度指各子微电网运行成本减少量占总涌现功能表现的运行成本减少量的比例，它是反应各子微电网对多微电网系统涌现功能相对重要性的参数，从整个调度周期上看，其值为各子微电网在整个调度周期内获得的运行成本减少量占多微电网系统整个调度周期运行成本减少量的比例：
Figure FDA0003060932270000031
式中：Qi为子微电网i的贡献度，ΔCMG,i为子微电网i整个调度周期的运行成本的减少量，ΔCMG为多微电网系统整个调度周期内的涌现功能体现的运行成本的减少量；
步骤3)中，针对多微电网系统动态链接行为分析，假设由于子微电网i自身运行情况要求，存在连续d个时段退出多微电网系统间电量交易，则从调度周期起点滚动设置微电网i存在d个时段退出多微电网系统，针对第m时刻退出运行，即第m次滚动优化，子微电网i在[m,m+d]时段退出多微电网系统，即
Figure FDA0003060932270000032
求解第m次滚动优化涌现功能体现的运行成本减少量(ΔCMG)m及子微电网i贡献度(Qi)m，第m+1滚动优化重复第m次滚动优化求解过程：
Figure FDA0003060932270000033
式(27)中，(ΔCMG)max与(ΔCMG)min分别为前m次滚动优化求解得到多微电网系统的最大与最小涌现功能体现的运行成本减少量，第m次滚动优化后按式(27)更新(ΔCMG)max与(ΔCMG)min的值，然后依次滚动计算至T-d次滚动优化，得到的最终结果(ΔCMG)max与(ΔCMG)min表示子微电网i存在连续d个时段退出多微电网系统间电量交易时多微电网系统可以获得的最大与最小涌现功能体现的运行成本减少量，即(ΔCMG)max＝max((ΔCMG)1，…,(ΔCMG)T-d)与(ΔCMG)min＝min((ΔCMG)1，…,(ΔCMG)T-d)，其对应时段发生子微电网i退出多微电系统动态链接行为将对多微电网系统涌现功能产生最大与最小的影响；
假设子微电网i只允许连续d个时段加入多微电网系统，也可采用上述滚动优化方法分析，求解得到子微电网i加入多微电网系统动态链接行为对多微电网系统涌现功能影响最大与最小的调度时段；
当存在多个子微电网在不同时段发生动态链接行为时，按未发生动态链接行为时计算得到各子微电网的贡献度大小为顺序，采用上述动态链接行为分析方法依次确定各子微电网动态链接行为对多微电网系统涌现功能影响最大与最小的调度方案；
为分析不同子微电网在同一时段动态链接行为对多微电网系统涌现功能的影响，首先计算该时段各子微电网均加入多微电网系统，其余时段均退出多微电网系统时各子微电网贡献度，采用子微电网贡献度反映同一时段不同子微电网动态链接行为对多微电网系统涌现功能的影响；
假设由于日前多微电网系统信息交互平台要求，在[m1,m1+d1]时段只允许n-b个子微电网发生电量交互，即b个子微电网在该时段退出多微电网系统，则求解各子微电网仅在[m1,m1+d1]时段加入多微电网系统时的贡献度Qi(m1,m1+d1)，按各子微电网在[m1,m1+d1]时段接受或输送功率将子微电网分为缺电微电网与余电微电网，如式(28)：
Figure FDA0003060932270000041
式(28)中，H与Y分别为缺电微电网与余电微电网集合，当[m1,m1+d1]时段只允许n-b个子微电网发生电量交互，按贡献度由大到小分别由H与Y中依次选取n-b个子微电网，且满足由集合H中选取的子微电网的贡献度之和与Y中选取的子微电网贡献度之和接近时，得到的n-b个微电网在[m1,m1+d1]时段处于多微电网系统中能使多微电网系统获得最大的涌现能力；选取方法中分别由H与Y集合中选取子微电网确保所选子微电网即含缺电微电网也有余电微电网；同时，选取H与Y中的子微电网贡献度之和接近确保子微电网间能进行频繁的功率交互以获更大的涌现能力。
2.根据权利要求1所述的多微电网系统协同优化调度模型与动态链接行为分析方法，其特征在于，步骤1)中，通过SoS与多微电网系统一般形态和特性的对比验证多微电网系统是电力系统中的一种SoS，对比SoS动态结构的变化与多微电网系统动态链接行为，建立多微电网系统SoS动态架构。
3.根据权利要求1或2所述的多微电网系统协同优化调度模型与动态链接行为分析方法，其特征在于，步骤1)中，在建立多微电网系统SoS动态架构基础上，采用图论的方法描述多微电网系统间物理与信息链接的变化反映多微电网系统间的动态链接行为；
多微电网系统物理链接数学描述：多微电网系统内的子微电网物理链接情况用图论方法中的无向连通图(M,L(t))描述；L(t)是一个邻接矩阵，lij(t)＝1,lij(t)∈L(t),
Figure FDA0003060932270000051
表示子微电网i与j之间在t时段存在物理链接线，两者能进行功率交互；M＝{1,2，…n}为子微电网构成的集合，其中n表示多微电网系统中的子微电网n；
多微电网系统信息链接数学描述：多微电网系统的信息链接指子微电网控制器与多微电网系统信息交互平台之间的信息通信，其信息链接情况用矩阵E(t)表示，即E(t)＝[e1(t),…en(t)]T，ei(t)＝1表示子微电网i在t时段子微电网控制器与多微电网系统信息交互平台存在信息交互，ei(t)＝0表示两者之前不存在信息交互；
结合区域多微电网系统信息与物理链接得到电量动态交易链接矩阵，见式(1)，用于反映子微电网间能否进行电量交易：
Figure FDA0003060932270000061
动态交易链接矩阵D(t)中hij(t)＝ei(t)ej(t)lij(t)，hij(t)表示仅当子微电网i与j的子微电网控制器与信息交互平台存在通信且两者之间有物理链接时，微电网i与j才能进行电量互济及交易。
4.根据权利要求3所述的多微电网系统协同优化调度模型与动态链接行为分析方法，其特征在于，步骤1)中，采用动态交易链接矩阵描述区域多微电网系统动态链接行为：当t＝t0时刻子微电网i退出区域多微电网系统，信息链接与物理链接中有ei(t0)＝0与
Figure FDA0003060932270000062
得动态交易链接矩阵为：
Figure FDA0003060932270000063
式(2)中，
Figure FDA0003060932270000064
表示子微电网i与多微电网系统中的其他子微电网均不存在电量交易；
当t＝t1时刻子微电网i重新加入多微电网系统，信息链接中ei(t1)＝1，动态交易链接矩阵中∑j∈M/i≠jhij(t1)≠0，表示子微电网i与其他子微电网存在电量交易，得动态交易链接矩阵为：
Figure FDA0003060932270000071
5.根据权利要求4所述的多微电网系统协同优化调度模型与动态链接行为分析方法，其特征在于，步骤2)包括：首先，构建多微电网系统可控微源模型、多微电网系统需求侧响应模型、多微电网系统与配电网功率交互模型、多微电网系统中各子微电网功率交互模型与各子微电网功率平衡模型；其次，建立SoS动态架构下计及多微电网系统动态链接行为的多微电网系统日前协同优化调度模型。
6.根据权利要求5所述的多微电网系统协同优化调度模型与动态链接行为分析方法，其特征在于，步骤2)中，多微电网系统可控微源模型的具体内容为：
1)微型燃气轮机模型
微型燃气轮机运行成本主要考虑其燃料成本，其成本函数为：
CDG,i(t)＝(aDG,iPDG,i(t)+cDG,i)Δt (4)
式中：CDG,i(t)表示子微电网i的微型燃气轮机t时段的发电成本，aDG,i,cDG,i为运行成本系数，PDG,i(t)为微型燃气轮机t时段的输出功率，Δt为调度时长，微型燃气轮机的运行约束为出力上下限约束和爬坡约束；
2)储能模型
储能运行成本主要考虑运行过程中的充放电成本，其成本函数为：
CBE,i(t)＝cBE,i(Pc,i(t)/ηi+Pd,i(t)ηi)Δt (5)
式中：CBE,i(t)为子微电网i的储能t时段的运行成本，cBE,i为储能单位充放电成本，Pc,i(t)和Pd,i(t)为子微电网i的储能t时段的充放电功率，ηi为储能充放电效率；
多微电网系统需求侧响应模型和多微电网系统与配电网功率交互模型的具体内容如下：
1)需求侧响应模型
各子微电网中存在可平移负荷，微电网可灵活调度可平移负荷提供需求响应服务，然而用电计划改变会影响用户舒适度，需要给予用户适当补偿，补偿成本为CDR,i(t)：
Figure FDA0003060932270000081
式中：cDR为可平移负荷单位补偿成本，
Figure FDA0003060932270000082
为子微电网i的期望用电功率，PL,i(t)为子微电网i在t时段的负荷的实际功率，所满足的约束条件为：
Figure FDA0003060932270000083
Figure FDA0003060932270000084
式(7)表示考虑需求侧响应后，保证用户的总用电量不减少；式(8)为子微电网各时段负荷最大/最小用电量约束，
Figure FDA0003060932270000085
为子微电网各时段最小用电需求，
Figure FDA0003060932270000086
为子微电网各时段最大用电需求；
2)多微电网系统与配电网功率交互模型
多微电网系统中各子微电网能与配电网进行功率交互，子微电网i在t时段与配电网交互成本CGrid,i(t)为：
CGrid,i(t)＝(cb(t)Pb,i(t)-cs(t)Ps,i(t))Δt (9)
式中：cb(t)与cs(t)为t时段各子微电网与配电网的购售电价，Pb,i(t)和Ps,i(t)表示子微电网i在t时段的购售电功率，所满足的约束为：
Figure FDA0003060932270000087
Figure FDA0003060932270000088
ub,i(t)+vs,i(t)≤1 (12)
式中：
Figure FDA0003060932270000091
和
Figure FDA0003060932270000092
为子微电网i最大购售电功率，ub,i(t)和vs,i(t)为购售电状态，取值为0/1且不能同时取1；式(10)与(11)分别为子微电网i在t时段最大与最小购售电功率约束；
多微电网系统中各子微电网功率交互模型与各子微电网功率平衡模型的具体内容为：
1)多微电网系统中各子微电网功率交互模型
多微电网体系各子微电网间存在功率交互，其中子微电网i与j间的交互成本为Cex,i(t)
Figure FDA0003060932270000093
式中：closs,i(t)为子微电网间功率交互的成本系数，Pij(t)表示子微电i与j间的交互功率，Pij(t)为负时表示子微电网i向j输送功率，Pij(t)为正则表示子微电网i接受来自于子微电网j的功率；式(13)表示子微电网间的功率传输成本由交易双方共同承担，所满足约束条件为：
Figure FDA0003060932270000094
Pij(t)+Pji(t)＝0：λij(t) (15)
式中：
Figure FDA0003060932270000095
表示子微电网i与j间允许的最大交互功率，式(14)表示子微电网间的交互功率不能超过最大交互功率且子微电网i向其他子微电网输出或输入功率与该子微电网购售电同步，即不存在向配电网购电再输送给其他子微电网的情况；式(15)为子微电网间功率交互约束，λij(t)为式(15)的拉格朗日乘子，解释为子微电网i与j之间电量交互的清算价格；
2)各子微电网功率平衡模型
各子微电网的功率平衡约束为：
PDG,i(t)-Pc,i(t)+Pd,i(t)+Ppv,i(t)+Pwt,i(t)+Pb,i(t)-Ps,i(t)+hij(t)Pij(t)＝PL,i(t)(16)
式中：Ppv,i(t)为子微电网i在t时段的光伏预测功率，Pwt,i(t)为子微电网i在t时段的风机预测功率，若hij(t)＝0表示子微电网i与j在t时段不进行功率交互；当∑j∈M/i≠jhij(t)＝0时，表示微电网i在t时段退出多微电网体系，不与多微电网系统中其他微电网进行功率交互。
7.根据权利要求6所述的多微电网系统协同优化调度模型与动态链接行为分析方法，其特征在于，步骤2)中，多微电网体系日前优化调度模型的具体内容是：
1)子微电网独立运行的调度策略
子微电网独立运行指子微电网在整个调度周期内仅考虑自身的经济运行最优，不与其他子微电网进行功率交互；对子微电网i而言，其日前调度目标是使自身运行成本CMG,i0最小，目标函数为：
Figure FDA0003060932270000101
约束为：燃气轮机运行约束，储能运行约束，式(7)-(8)，(10)-(12)，(16)；约束中式(16)存在
Figure FDA0003060932270000102
2)多微电网系统协调运行的调度策略
多微电网系统协调运行方式下，各子微电网以多微电网系统整体运行成本最小为目标，与其他子微电网间存在功率交互；针对子微电网i，其日前优化目标函数为
Figure FDA0003060932270000103
约束为：燃气轮机运行约束，储能运行约束，式(7)-(8)，(10)-(12)，(14)-(15)，(16)，xi(t)＝[PDG,i(t),Pc,i(t),Pd,i(t),Pb,i(t),Ps,i(t),Pij(t),λij(t)]为式(18)中的优化变量，CMG,i表示子微电网i的运行成本。
8.根据权利要求7所述的多微电网系统协同优化调度模型与动态链接行为分析方法，其特征在于，步骤4)的具体内容是：
步骤一、根据多微电网系统中各子微电网各时段动态进入或退出区域多微电网系统的链接行为，多微电网系统信息交互平台收集区域多微电网系统各子微电网的物理链接L与信息链接E，计算得到同一子微电网在不同时段发生动态链接行为时的动态交易链接矩阵或同一时段不同子微电网发生动态链接行为的动态交易链接矩阵；
步骤二、采用交替方向乘子法对多微电网系统日前协同优化调度模型求解，具体求解过程如下：
子微电网层：子微电网i第k次迭代后，子微电网层接收来自于多微电网系统信息交互平台的关于子微电网i的动态交易链接矩阵D(i,j,t)，其中D(i,j,t)＝[hi1(t),…,hij(t),…hin(t)]及各子微电网参考交互功率
Figure FDA0003060932270000111
与清算价格
Figure FDA0003060932270000112
求解各子微电网的调度计划：
Figure FDA0003060932270000113
约束为：燃气轮机运行约束，储能运行约束，式(7)-(8)，(10)-(12)，(14)-(15)，(16)；γi为惩罚因子；
多微电网系统层：多微电网系统层接收各子微电网上传的第k次迭代的交互功率值Pij，求解各子微电网第k+1次迭代的参考交互功率与清算价格：
Figure FDA0003060932270000114
式中，
Figure FDA0003060932270000121
为Pij的参考值，
Figure FDA0003060932270000122
为
Figure FDA0003060932270000123
的参考值；
约束为：
Figure FDA0003060932270000124
拉格朗日乘子更新：
Figure FDA0003060932270000125
当满足收敛条件
Figure FDA0003060932270000126
时，迭代结束，求得各子微电网的日前调度计划，ε表示算法收敛参数；
步骤三、考虑各子微电网电量互济模型得到各子微电网的调度计划及其成本，求解式(19),(25)与(26)得多微电网系统涌现功能体现的成本减少量ΔCMG与各子微电网最终运行成本CMG,i1及其贡献度Qi；
步骤四、同一子微电网在不同时段发生动态链接行为：第m次滚动优化结束后，更新(ΔCMG)max/min，(ΔCMG)max/min表示(ΔCMG)max与(ΔCMG)min；进入下一次滚动优化即在第m+1次滚动优化重复步骤一到步骤三，直到m＝T-d；输出结果(ΔCMG)max/min，其对应时段发生子微电网动态链接行为将会对多微电网系统优化运行产生最大与最小影响；
同一时段不同子微电网发生动态链接行为：通过步骤一到步骤三求解得到仅在时段[m1,m1+d1]进行交易的各子微电网贡献度Qi的基础上，按式(28)得到缺电微电网集合H与余电微电网集合Y，按贡献度大小由H与Y中依次选取具有较大贡献度n-b子微电网，且满足从H与Y集合中选取的子微电网贡献度之和接近时，得到的n-b个子微电网在[m1,m1+d1]进行交易的调度方案。
CN202010245400.4A 2020-03-31 2020-03-31 多微电网系统协同优化调度模型与动态链接行为分析方法 Active CN111310111B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010245400.4A CN111310111B (zh) 2020-03-31 2020-03-31 多微电网系统协同优化调度模型与动态链接行为分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010245400.4A CN111310111B (zh) 2020-03-31 2020-03-31 多微电网系统协同优化调度模型与动态链接行为分析方法

Publications (2)

Publication Number Publication Date
CN111310111A CN111310111A (zh) 2020-06-19
CN111310111B true CN111310111B (zh) 2021-08-27

Family

ID=71157380

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010245400.4A Active CN111310111B (zh) 2020-03-31 2020-03-31 多微电网系统协同优化调度模型与动态链接行为分析方法

Country Status (1)

Country Link
CN (1) CN111310111B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113159366A (zh) * 2020-12-31 2021-07-23 贵州电网有限责任公司 一种多微电网系统多时间尺度自适应优化调度方法
CN116613744B (zh) * 2023-05-26 2024-04-19 中国长江三峡集团有限公司 一种基于图论的微电网负载共识控制方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105867943A (zh) * 2016-04-19 2016-08-17 天津天大求实电力新技术股份有限公司 一种用于微电网数据采集系统的通道管理实现方法
CN107546773A (zh) * 2017-09-25 2018-01-05 天津大学 一种基于图论的区域多微电网动态组网方法
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
CN110070210A (zh) * 2019-03-21 2019-07-30 国网浙江省电力有限公司电力科学研究院 一种多微电网系统能量管理与贡献度评估方法和系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160093002A1 (en) * 2014-09-29 2016-03-31 Nec Laboratories America, Inc. Optimal Battery Pricing and Energy Management for Localized Energy Resources

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105867943A (zh) * 2016-04-19 2016-08-17 天津天大求实电力新技术股份有限公司 一种用于微电网数据采集系统的通道管理实现方法
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
CN107546773A (zh) * 2017-09-25 2018-01-05 天津大学 一种基于图论的区域多微电网动态组网方法
CN110070210A (zh) * 2019-03-21 2019-07-30 国网浙江省电力有限公司电力科学研究院 一种多微电网系统能量管理与贡献度评估方法和系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Energy Management of Multiple Microgrids Based on a System of Systems Architecture;赵波 等;《IEEE TRANSACTIONS ON POWER SYSTEMS》;20181130;第33卷(第6期);第6410-6421页 *
Microgrid clustering architectures;Eduard Bullich 等;《Applied Energy》;20180215;第212卷;第340-361页 *

Also Published As

Publication number Publication date
CN111310111A (zh) 2020-06-19

Similar Documents

Publication Publication Date Title
Li et al. Optimal operation of multimicrogrids via cooperative energy and reserve scheduling
Dong et al. Energy management optimization of microgrid cluster based on multi-agent-system and hierarchical Stackelberg game theory
He et al. A community sharing market with PV and energy storage: An adaptive bidding-based double-side auction mechanism
CN111008739B (zh) 一种热电联产虚拟电厂优化调控及收益分配方法及系统
CN112054513B (zh) 基于混合博弈的多微电网双层协调优化调度方法
CN113610311B (zh) 双层协同架构下考虑碳减排的综合能源服务商合作运行优化方法
CN115115096A (zh) 考虑多微电网储能共享的主动配电网博弈优化调度方法
CN111310111B (zh) 多微电网系统协同优化调度模型与动态链接行为分析方法
CN114256836B (zh) 一种新能源电站共享储能的容量优化配置方法
Zhang et al. Optimization strategy for power sharing and low-carbon operation of multi-microgrid IES based on asymmetric nash bargaining
Shi et al. Research on power to hydrogen optimization and profit distribution of microgrid cluster considering shared hydrogen storage
Zhao et al. Optimal operation of distribution networks and multiple community energy prosumers based on mixed game theory
CN113947483A (zh) 一种微网群多层主体交易策略的优化方法
CN110070210B (zh) 一种多微电网系统能量管理与贡献度评估方法和系统
CN112003268A (zh) 基于模型预测控制的智能建筑群电能优化共享系统和方法
CN110556821A (zh) 考虑交互功率控制和双边竞价交易的多微电网双层优化调度方法
CN113759705B (zh) 一种基于合作博弈论的多能源优化配置方法
Xiong et al. Optimal operation of integrated energy systems considering energy trading and integrated demand response
CN115496256A (zh) 一种基于神经网络预测的共享储能容量优化方法
CN113870030A (zh) 基于改进纳什议价方法的多微网能源交易机制设计方法
CN111062513B (zh) 基于自适应共识机制的分布式社区能源交易系统及方法
CN112564151A (zh) 一种计及隐私意识的多微网云储能优化调度方法及系统
CN117767375B (zh) 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
He et al. Optimized shared energy storage in a peer-to-peer energy trading market: Two-stage strategic model regards bargaining and evolutionary game theory
CN117172916B (zh) 一种边侧灵活性资源端对端分散式交易方法

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