CN111489031B - 基于源荷演化博弈的综合能源系统中长期负荷预测系统及方法 - Google Patents

基于源荷演化博弈的综合能源系统中长期负荷预测系统及方法 Download PDF

Info

Publication number
CN111489031B
CN111489031B CN202010274108.5A CN202010274108A CN111489031B CN 111489031 B CN111489031 B CN 111489031B CN 202010274108 A CN202010274108 A CN 202010274108A CN 111489031 B CN111489031 B CN 111489031B
Authority
CN
China
Prior art keywords
energy
load
user
year
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.)
Active
Application number
CN202010274108.5A
Other languages
English (en)
Other versions
CN111489031A (zh
Inventor
邹磊
陈国琳
唐一铭
张方云
陈复兴
朱浩
蒋雪冬
李晓波
汪超群
迟长云
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.)
Zhejiang University ZJU
State Grid Jiangsu Electric Power Co Ltd
Jiangsu Fangtian Power Technology Co Ltd
Original Assignee
Zhejiang University ZJU
State Grid Jiangsu Electric Power Co Ltd
Jiangsu Fangtian Power Technology 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 Zhejiang University ZJU, State Grid Jiangsu Electric Power Co Ltd, Jiangsu Fangtian Power Technology Co Ltd filed Critical Zhejiang University ZJU
Priority to CN202010274108.5A priority Critical patent/CN111489031B/zh
Publication of CN111489031A publication Critical patent/CN111489031A/zh
Application granted granted Critical
Publication of CN111489031B publication Critical patent/CN111489031B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Finance (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于源荷演化博弈的综合能源系统中长期负荷预测系统及方法，包括用户侧、系统侧和协调中心；用户侧根据能源价格确定用户效益最大的负荷需求量；系统侧根据能源价格确定收益最大的能源供应量；协调中心负责系统侧与用户侧的交互博弈，通过对能源价格进行更新迭代，直至能源供应量与负荷需求量相等，得到负荷预测值。本发明对综合能源系统系统侧与用户侧进行建模，并通过能源价格因子对两者的博弈关系进行协调，从而确定出最终的能源需求。本发明方法具有使用简单、适应性强、预测精确度高等优点，能够为综合能源系统中长期负荷预测提供重要参考。

Description

基于源荷演化博弈的综合能源系统中长期负荷预测系统及 方法
技术领域
本发明涉及负荷预测领域，尤其涉及一种基于源荷演化博弈的综合能源系统中长期负荷预测系统及方法。
背景技术
随着社会经济的快速发展，能源特别是化石能源的需求越来越大。与此同时，能源危机与环境污染问题也日益严峻。在此背景下，通过将多种能源有机结合在一起，对其生产和转换环节进行协调优化，从而实现能源梯级高效利用和可再生能源大幅消纳的综合能源系统(IES，integrated energy system)应运而生。在综合能源系统的规划与运行中，对设计方案运行策略影响最大的是综合能源系统负荷预测的精度。综合能源系统负荷预测是根据系统运行条件、自然资源禀赋与社会影响等诸多因素，对未来一段时间内系统冷、热、电负荷进行预测。目前，有关综合能源系统负荷预测的研究仍处于起步阶段，已有的预测方法大多采用传统基于电力负荷的预测技术，这种方式未能考虑冷、热、电之间的耦合特性，也未能计及源荷的时序演进行为，导致负荷预测的精度较差，影响综合能源系统规划与运行方案的经济性。
发明内容
发明目的：针对以上问题，本发明提出一种基于源荷演化博弈的综合能源系统中长期负荷预测系统及方法，对综合能源系统系统侧与用户侧进行建模，并通过能源价格因子对两者的博弈关系进行协调，从而确定出最终的能源需求。
技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种基于源荷演化博弈的综合能源系统中长期负荷预测系统，包括用户侧、系统侧和协调中心；用户侧根据能源价格确定用户效益最大的负荷需求量；系统侧根据能源价格确定收益最大的能源供应量；协调中心负责系统侧与用户侧的交互博弈，通过对能源价格进行更新迭代，直至能源供应量与负荷需求量相等，得到负荷预测值。
一种基于源荷演化博弈的综合能源系统中长期负荷预测方法，包括步骤：
(1)协调中心初始化能源价格，下发给用户侧和系统侧；
(2)用户侧根据能源价格确定用户效益最大的负荷需求量；
(3)系统侧根据能源价格确定收益最大的能源供应量；
(4)协调中心获取能源供应量和负荷需求量，对能源价格进行更新迭代，直至能源供应量与负荷需求量相等，得到的负荷需求量即为负荷预测值。
进一步地，所述步骤2中，用户侧目标函数为：
maxWt＝Ut-Vt
Figure BDA0002444171830000021
其中，di,t为第t年用户实际负荷需求量，Ut为第t年用户用能满意度，Vt为第t年用户购能支出；e、h、c分别表示电能、热能和冷能。
Figure BDA0002444171830000022
Figure BDA0002444171830000023
其中，pi,t为能源价格，vi,t、ui,t为用户用能偏好系数。
关于di,t一阶偏导得到用户效益最大的负荷需求量：
Figure BDA0002444171830000024
进一步地，所述步骤3中，系统侧目标函数为：
Figure BDA0002444171830000025
Figure BDA0002444171830000026
其中，It为第t年系统侧目标函数；ci,t为第t年的单位能源成本；Oi,t为第t年能源供应量；αi,t为能源传输过程中的损耗率。
系统侧目标函数的拉格朗日函数为：
Figure BDA0002444171830000027
其中，μi,t为拉格朗日乘子。
将步骤2所得的用户效益最大的负荷需求量公式代入上式得到收益最大的能源供应量：
Figure BDA0002444171830000028
μi,t＝-pi,t+ci,t
进一步地，所述步骤4中协调中心博弈过程为：
(4.1)计迭代次数i＝1，计算精度θ＝10-6；
(4.2)根据获取的
Figure BDA0002444171830000029
和
Figure BDA00024441718300000210
计算
Figure BDA00024441718300000211
Figure BDA00024441718300000212
Figure BDA0002444171830000031
其中，λi、μi为常数，
Figure BDA0002444171830000032
为第i次迭代步长。
(4.3)判断
Figure BDA0002444171830000033
是否成立；若成立，则退出循环；否则返回步骤4.2，i＝i+1；
(4.4)输出负荷预测值
Figure BDA0002444171830000034
有益效果：本发明对综合能源系统系统侧与用户侧进行建模，并通过能源价格因子对两者的博弈关系进行协调，从而确定出最终的能源需求。本发明方法具有使用简单、适应性强、预测精确度高等优点，能够为综合能源系统中长期负荷预测提供重要参考。
附图说明
图1是基于源荷演化博弈的综合能源系统中长期负荷预测系统示意图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。
如图1所示，本发明所述的基于源荷演化博弈的综合能源系统中长期负荷预测系统，在考虑源荷博弈与能源耦合等影响因素的基础上，对冷热电多元负荷进行预测，包括用户侧、系统侧和协调中心。用户侧，用户根据能源价格以及自身用能体验，确定用户效益最大的负荷需求量，并在用能支出与用能满意度之间保持平衡；系统侧，综合能源服务提供商通过制定冷、热、电等能源价格，确定收益最大的能源供应量；协调中心负责系统侧与用户侧的交互博弈，通过对能源价格进行更新迭代，直至能源供应量与负荷需求量相等，最终预测出冷、热、电负荷的实际需求量。
本发明所述的基于源荷演化博弈的综合能源系统中长期负荷预测方法，包括步骤：
(1)协调中心初始化冷热电能源价格，下发给用户侧和系统侧；
协调中心作为一个中间组织无需获取系统侧与用户侧的全部信息，即可实现两侧问题的协调求解。
(2)用户侧根据能源价格确定用户效益最大的负荷需求量；
用户侧从协调中心获取价格信息后，通过求解得到使用户效益最大的用能需求，并将该需求量信息告知协调中心。在能源交易过程中，用户根据能源价格与自身需求，确定实际用能负荷。其目标函数可用两部分来表示，分别是购能支出与用能满意度。
用户侧目标函数为：
maxWt＝Ut-Vt
Figure BDA0002444171830000035
其中，Wt为第t年用户侧的目标函数，di,t为第t年用户实际负荷需求量，Ut为第t年用户用能满意度，Vt为第t年用户购能支出；e、h、c分别表示电能、热能和冷能。
Figure BDA0002444171830000041
Figure BDA0002444171830000042
其中，pi,t为能源价格，vi,t、ui,t为用户用能偏好系数，用于反映用户在第t年对第i类能源的需求程度。
用户负荷响应函数关于di,t满足严格凹，因此，关于di,t一阶偏导得到用户效益最大的负荷需求量：
Figure BDA0002444171830000043
(3)系统侧根据能源价格确定收益最大的能源供应量；
综合能源服务提供商根据产能成本与用户用能调研，在满足负荷需求的基础上，通过制定出合理的售能价格来获取最大的收益。
系统侧目标函数为：
Figure BDA0002444171830000044
Figure BDA0002444171830000045
其中，It为第t年系统侧目标函数；ci,t为第t年的单位能源成本；Oi,t为第t年能源供应量；αi,t为能源传输过程中的损耗率。
pe,t、ph,t、pc,t为能源价格因子，分别代表IES在第t年的平均售电价格、平均售热价格和平均售冷价格；ce,t、ch,t、cc,t分别为IES在t年的单位发电成本、单位制热成本和单位制冷成本；de,t、dh,t、dc,t分别为用户在第t年的实际电负荷、实际热负荷和实际冷负荷需求，Oe,t、Oh,t、Oc,t分别为IES在第t年的发电、产热和制冷量；αe,t、αh,t、αc,t分别为电能、热能、冷能在传输过程中的损耗率。
将等式约束增广到目标函数，得到系统侧目标函数的拉格朗日函数为：
Figure BDA0002444171830000046
其中，μi,t为拉格朗日乘子。
将步骤2所得的用户效益最大的负荷需求量公式代入上式得到一阶最优性条件如下：
Figure BDA0002444171830000047
Figure BDA0002444171830000051
Figure BDA0002444171830000052
得到收益最大的能源供应量：
Figure BDA0002444171830000053
μi,t＝-pi,t+ci,t (11)
(4)协调中心获取能源供应量和负荷需求量，对能源价格进行更新迭代，直至能源供应量与负荷需求量相等，得到的负荷需求量即为负荷预测值。
系统侧与用户侧模型满足Stakcelberg博弈条件，协调中心博弈过程为：
(4.1)计迭代次数i＝1，计算精度θ＝10-6；随机初始化
Figure BDA0002444171830000054
和
Figure BDA0002444171830000055
(4.2)将
Figure BDA0002444171830000056
和
Figure BDA0002444171830000057
代入式(10)计算，得到
Figure BDA0002444171830000058
和
Figure BDA0002444171830000059
(4.3)将
Figure BDA00024441718300000510
和
Figure BDA00024441718300000511
代入式(4)计算，得到
Figure BDA00024441718300000512
和
Figure BDA00024441718300000513
(4.4)根据获取的
Figure BDA00024441718300000514
和
Figure BDA00024441718300000515
计算
Figure BDA00024441718300000516
和
Figure BDA00024441718300000517
Figure BDA00024441718300000518
Figure BDA00024441718300000519
其中，λe，λh，λc，μe，μh和μc均为常数；
Figure BDA00024441718300000520
分别为第i次迭代时电、热、冷负荷变量的步长因子。
(4.5)判断
Figure BDA00024441718300000521
且
Figure BDA00024441718300000522
且
Figure BDA00024441718300000523
是否成立；若成立，则退出循环；否则返回步骤4.2，i＝i+1；
(4.6)输出负荷预测值
Figure BDA00024441718300000524
结束程序。

Claims (4)

1.一种基于源荷演化博弈的综合能源系统中长期负荷预测系统，其特征在于，包括用户侧、系统侧和协调中心；用户侧根据能源价格确定用户效益最大的负荷需求量，用户侧目标函数为：
maxWt＝Ut-Vt
Figure FDA0003592702680000011
其中，di,t为第t年用户实际负荷需求量，Ut为第t年用户用能满意度，Vt为第t年用户购能支出；e、h、c分别表示电能、热能和冷能；
Figure FDA0003592702680000012
Figure FDA0003592702680000013
其中，pi,t为能源价格，vi,t、ui,t为用户用能偏好系数；
关于di,t一阶偏导得到用户效益最大的负荷需求量：
Figure FDA0003592702680000014
系统侧根据能源价格确定收益最大的能源供应量；协调中心负责系统侧与用户侧的交互博弈，通过对能源价格进行更新迭代，直至能源供应量与负荷需求量相等，得到负荷预测值。
2.一种基于源荷演化博弈的综合能源系统中长期负荷预测方法，其特征在于，包括步骤：
(1)协调中心初始化能源价格，下发给用户侧和系统侧；
(2)用户侧根据能源价格确定用户效益最大的负荷需求量，用户侧目标函数为：
maxWt＝Ut-Vt
Figure FDA0003592702680000015
其中，di,t为第t年用户实际负荷需求量，Ut为第t年用户用能满意度，Vt为第t年用户购能支出；e、h、c分别表示电能、热能和冷能；
Figure FDA0003592702680000016
Figure FDA0003592702680000017
其中，pi,t为能源价格，vi,t、ui,t为用户用能偏好系数；
关于di,t一阶偏导得到用户效益最大的负荷需求量：
Figure FDA0003592702680000021
(3)系统侧根据能源价格确定收益最大的能源供应量；
(4)协调中心获取能源供应量和负荷需求量，对能源价格进行更新迭代，直至能源供应量与负荷需求量相等，得到的负荷需求量即为负荷预测值。
3.根据权利要求2所述的基于源荷演化博弈的综合能源系统中长期负荷预测方法，其特征在于，所述步骤(3)中，系统侧目标函数为：
Figure FDA0003592702680000022
Figure FDA0003592702680000023
其中，It为第t年系统侧目标函数；ci,t为第t年的单位能源成本；Oi,t为第t年能源供应量；αi,t为能源传输过程中的损耗率；
系统侧目标函数的拉格朗日函数为：
Figure FDA0003592702680000024
其中，μi,t为拉格朗日乘子；
将步骤(2)所得的用户效益最大的负荷需求量公式代入上式得到收益最大的能源供应量：
Figure FDA0003592702680000025
μi,t＝-pi,t+ci,t。
4.根据权利要求2所述的基于源荷演化博弈的综合能源系统中长期负荷预测方法，其特征在于，所述步骤(4)中协调中心博弈过程为：
(4.1)计迭代次数i＝1，计算精度θ＝10-6；
(4.2)根据获取的
Figure FDA0003592702680000026
和
Figure FDA0003592702680000027
计算
Figure FDA0003592702680000028
Figure FDA0003592702680000029
Figure FDA00035927026800000210
其中，λi、μi为常数，
Figure FDA00035927026800000211
为第i次迭代步长；
(4.3)判断|
Figure FDA00035927026800000212
是否成立；若成立，则退出循环；否则返回步骤(4.2)，i＝i+1；
(4.4)输出负荷预测值
Figure FDA0003592702680000031
CN202010274108.5A 2020-04-09 2020-04-09 基于源荷演化博弈的综合能源系统中长期负荷预测系统及方法 Active CN111489031B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010274108.5A CN111489031B (zh) 2020-04-09 2020-04-09 基于源荷演化博弈的综合能源系统中长期负荷预测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010274108.5A CN111489031B (zh) 2020-04-09 2020-04-09 基于源荷演化博弈的综合能源系统中长期负荷预测系统及方法

Publications (2)

Publication Number Publication Date
CN111489031A CN111489031A (zh) 2020-08-04
CN111489031B true CN111489031B (zh) 2022-06-03

Family

ID=71798201

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010274108.5A Active CN111489031B (zh) 2020-04-09 2020-04-09 基于源荷演化博弈的综合能源系统中长期负荷预测系统及方法

Country Status (1)

Country Link
CN (1) CN111489031B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112101680B (zh) * 2020-09-25 2024-02-09 东北大学 基于章鱼模型的自适应长短期ies负荷预测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109190824A (zh) * 2018-09-04 2019-01-11 东北大学 基于用户侧区域综合能源系统的联盟博弈优化运行方法
CN110414762A (zh) * 2019-02-26 2019-11-05 南京工业大学 一种综合能源系统的需求响应建模方法
CN110648251A (zh) * 2019-09-25 2020-01-03 广东电网有限责任公司 一种供需双边博弈的用能预测系统及方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104392279B (zh) * 2014-11-19 2018-02-13 天津大学 一种多智能体结构的微电网优化运行方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109190824A (zh) * 2018-09-04 2019-01-11 东北大学 基于用户侧区域综合能源系统的联盟博弈优化运行方法
CN110414762A (zh) * 2019-02-26 2019-11-05 南京工业大学 一种综合能源系统的需求响应建模方法
CN110648251A (zh) * 2019-09-25 2020-01-03 广东电网有限责任公司 一种供需双边博弈的用能预测系统及方法

Also Published As

Publication number Publication date
CN111489031A (zh) 2020-08-04

Similar Documents

Publication Publication Date Title
Yang et al. Electricity scheduling strategy for home energy management system with renewable energy and battery storage: a case study
Gu et al. Bi-level optimal low-carbon economic dispatch for an industrial park with consideration of multi-energy price incentives
Luo et al. Distributed peer-to-peer energy trading based on game theory in a community microgrid considering ownership complexity of distributed energy resources
CN103377400B (zh) 发电站寿命周期成本增强系统以及计算机可读存储介质
CN110378729B (zh) 一种基于动态能源价格策略的综合需求响应方法
CN111445067B (zh) 一种适用于高铁站综合能源系统的多目标规划方法
CN111404153B (zh) 计及可再生能源与需求响应的能量枢纽规划模型构建方法
Zhong et al. Deep reinforcement learning framework for dynamic pricing demand response of regenerative electric heating
CN111539584B (zh) 一种用户级综合能源系统规划方法、系统以及设备
Wang et al. Optimal management of multi stakeholder integrated energy system considering dual incentive demand response and carbon trading mechanism
CN116187173A (zh) 一种区域综合能源系统双层优化方法及系统
CN116579560A (zh) 考虑多类型负荷需求响应的虚拟电厂能量分配方法
CN115829142A (zh) 一种工业企业综合能源系统优化规划方法
CN115146868A (zh) 电热气耦合的农村微能源系统协同规划方法及终端设备
CN111489031B (zh) 基于源荷演化博弈的综合能源系统中长期负荷预测系统及方法
CN112365108B (zh) 一种园区综合能源系统多目标优化协同运行方法
CN113869927B (zh) 一种促进社区微网内部多产消者能源共享的分时定价方法
CN114169916A (zh) 一种适应新型电力系统的市场成员报价策略制定方法
CN110555562B (zh) 一种泛在电力物联网中综合能源系统分层能量管理方法
CN116432862A (zh) 一种面向可再生能源微电网的多主体博弈优化方法及装置
CN115796484A (zh) 一种多社区微网系统一主多从博弈双层优化调度方法
CN114781274B (zh) 仿真与决策交替学习的综合能源系统控制优化方法与系统
CN112633613B (zh) 一种园区级综合能源系统集群交易策略的优化方法
CN114565244B (zh) 综合能源系统的优化调度方法及装置
Liu Low-carbon scheduling research of integrated energy system based on Stackelberg game under sharing mode

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