CN111881616A - 一种基于多主体博弈的综合能源系统的运行优化方法 - Google Patents
一种基于多主体博弈的综合能源系统的运行优化方法 Download PDFInfo
- Publication number
- CN111881616A CN111881616A CN202010625974.4A CN202010625974A CN111881616A CN 111881616 A CN111881616 A CN 111881616A CN 202010625974 A CN202010625974 A CN 202010625974A CN 111881616 A CN111881616 A CN 111881616A
- Authority
- CN
- China
- Prior art keywords
- cooperative
- game
- energy system
- energy
- optimization
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000008901 benefit Effects 0.000 claims abstract description 99
- 238000009826 distribution Methods 0.000 claims abstract description 54
- 230000006870 function Effects 0.000 claims abstract description 23
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 21
- 231100000719 pollutant Toxicity 0.000 claims abstract description 21
- 230000007613 environmental effect Effects 0.000 claims abstract description 14
- 239000002245 particle Substances 0.000 claims description 43
- 238000004422 calculation algorithm Methods 0.000 claims description 22
- 230000009467 reduction Effects 0.000 claims description 20
- 230000005611 electricity Effects 0.000 claims description 19
- 239000003795 chemical substances by application Substances 0.000 claims description 18
- 238000010248 power generation Methods 0.000 claims description 15
- 238000004146 energy storage Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000007599 discharging Methods 0.000 claims description 8
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000007246 mechanism Effects 0.000 claims description 7
- 238000009434 installation Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 239000004576 sand Substances 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 150000001875 compounds Chemical class 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 239000003345 natural gas Substances 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000000295 complement effect Effects 0.000 claims description 3
- 238000005338 heat storage Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 238000011160 research Methods 0.000 description 9
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 6
- 229910052799 carbon Inorganic materials 0.000 description 6
- 238000010438 heat treatment Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 230000002860 competitive effect Effects 0.000 description 3
- 238000004134 energy conservation Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000010612 desalination reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005485 electric heating Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 235000015243 ice cream Nutrition 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Public Health (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Water Supply & Treatment (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Medical Informatics (AREA)
Abstract
本发明公开了一种基于多主体博弈的综合能源系统的运行优化方法,包括:建立多场景合作博弈模型;建立多目标运行优化模型;建立多主体利益分配模型。本发明以利益约束为基础,建立了以环境效益、经济效益为目标函数的优化模型;其次,在建立优化模型之后,建立了基于综合贡献度的利益分配模型,以保证合作运营商能够合理获得优化运行的利益;该模型通过建立合作联盟,在保证多主体利益的前提下,降低了经济成本和污染物排放;此外,所提出的优化方法也可以为综合能源系统的运行提供支持。
Description
技术领域
本发明涉及综合区域能源系统运行优化领域,特别是一种基于多主体博弈的综合能源系统的运行优化方法。
背景技术
在全球气候变暖和国际能源结构转型的背景下,一些地区面临着巨大的节能减排压力。在此背景下,如何提高能源利用效率和节能减排效率,成为未来能源技术的重要研究方向。作为解决方案之一的综合能源系统,是一种提高能源利用率和节能减排效率的系统。
为了提高能源系统的能效和节能减排效果,许多学者进行了研究。有学者将经济效益和环境效益作为优化能源系统设计的目标。Tang B等人以热网建设成本、热电联产投资运行成本和碳排放为目标,建立了多区域热电联产系统容量分配协调优化的混合整数线性规划模型。冰淇娇等在综合考虑经济环境目标、供需小时负荷平衡和各供能机组运行特点的基础上,提出了一种混合整数模型对园区综合能源系统进行优化调度。Chen等人建立风力发电、光伏发电、热电联产、海水淡化等热电联产系统。从经济效益和环境效益两个方面探讨了冷热电联供系统的优化规划和运行策略。考虑到不同能源类型的互补性和协调性,胡伟等建立一套完整的机电一体化日前协调优化运行模型,以实现安全、经济和可再生能源的最大化。
同时,也有学者将碳交易机制、需求响应等因素纳入能源体系,以提高能源体系的能效和节能减排效果。Wei-ZN等人提出了综合能源系统与电、气互联的联合经济运行模式,引入碳交易机制。目标函数是最小化综合能源系统的能源成本和碳交易成本之和。在综合考虑系统运行成本、二氧化碳排放强度和可再生能源吸收效益的基础上,王T等建立与用户响应负荷相适应的区域混合能源系统(RHES)多目标优化模型。Fang SF等人提出了一种考虑电力和热负荷多重负荷的园区微电网综合供电系统优化模型。仿真结果表明,考虑电、热多重负荷的综合需求响应比单一需求侧响应更经济,有效地减少了风、光的损耗,降低了用户的总能耗成本,提高了能源利用效率,实现了系统的环保和经济运行。由此可见,大多数研究都是通过多能源的耦合互补来优化能源利用效率和节能减排效益。
然而,在多能源互补的实际运行中,存在一个根本性的问题:目前对综合能源运行优化的研究大多基于一个条件,即利益主体的简化。对于多主体运行的能源系统,必须考虑不同主体之间的利益矛盾。因此,有必要进一步研究多主体之间的利益关系和交易关系,以挖掘更为综合的能源区域的运行优化潜力,从而在提高能源效率和节能降耗的条件下,从而实现多主体利益的合理分配。
因此,许多学者对综合能源系统的利益博弈进行了深入的研究。一些学者运用合作博弈理论研究了能源系统的利益分配问题。Liu H等人建立了综合能源微电网各环节投资运营主体多主体利益平衡的联合博弈决策模型。引入人工智能求解方法,提出了一种基于纳什博弈和强化学习算法的综合能源微电网协调调度方法。Cong H等人提出了一种基于联盟博弈的优化运行方法,建立了考虑综合需求响应的双层优化模型和不可转移支付联盟博弈模型。Wu Q等人研究建立了建筑分布式热网能源系统优化与效益分配相结合的混合整数线性规划模型。采用基于合作博弈理论的四种利益分配方案来处理建筑群之间的利益分配问题。为了促进智能建筑群的能源共享,Nian L等人提出了热电联产系统与光伏发电机组和用户的混合能量共享框架,建立了具有效用函数的联合博弈模型。为了促进用户参与基于电和热传输的分布式能源网络(DEN),Wu Q等人提出了基于合作博弈的公平利益分配数学模型。
一些学者运用非合作博弈理论研究综合能源系统的利益分配问题。Zhou CC等人提出了一种将经济运行和辅助服务有机结合的Stackelberg主从博弈模型,以实现多个参与者参与工业园区的交互式优化。Paudel A等人提出了一种新的社区生产商和用户之间的P2P能源交易博弈模型。利用M-Leader和N-Follower Stackelberg博弈方法建立了买卖双方的互动模型。Wei F等人提出了一种新的基于层次Stackelberg博弈的博弈模型来分析综合能源系统中的多能量交易(MET)问题。Ma TF等人利用Stackelberg博弈方法捕捉能源提供者(领导者)和能源消费者(追随者)之间的互动。提出了一种求解Stackelberg平衡的分布式算法,并研究了能量供应商和能源枢纽运营商的最优策略,以使其最大化收益。曾杰等基于微电网的经济性和碳排放,提出了一种基于潜在博弈的运行优化模型,并证明了纳什均衡的存在性。Lee J H等提出了在竞争激烈的市场环境下,微电网之间的分布式能源交易机制。通过分析这种能源交易机制作为多层次Stackelberg博弈的递阶决策方案,研究其经济效益。这种博弈论为未来电网中微电网之间的能源交易提供了激励。
目前的研究还没有将多异质能源利益博弈过程与运行优化方法协调起来,缺乏一种能够指导多主体运营的综合能源系统运行优化方法。
发明内容
本发明的目的是要提供一种基于多主体博弈的综合能源系统的运行优化方法。建立了参与主体在多个问题上的竞争策略,以谋求最后对于多和问题的符合一个约束集合的策略集。
为达到上述目的,本发明是按照以下技术方案实施的:
一种基于多主体博弈的综合能源系统的运行优化方法,该方法包括以下步骤:
步骤1)基于综合能源系统的参与主体,建立多场景合作博弈模型;其中综合能源系统的参与主体包括电锅炉运营商、配电网运营商、分布式光伏运营商和地源热泵运营商;
步骤2)基于综合能源系统的目标,建立多目标运行优化模型;其中综合能源系统的目标是在尽可能有效利用可再生能源的基础上降低运营成本;
步骤3)在步骤1)和步骤2)的基础上,建立多主体利益分配模型。
在合作博弈中,参与主体是完全满足理性假设的决策主体。参与者通过自主选择合作伙伴形成联盟,以实现单个参与者行动无法实现的目标。合作联盟形成后,参与者的行为分为两个步骤。第一步是调整自身的经济行为,最大限度地发挥参与合作联盟的利益。第二步,参与者通过相互承认的形式,分配合作联盟行为所获得的整体利益。综合能源系统由多方,即多个参与主体组成,例如天然气、电力、光伏等主体,这些参与人即是这些参与方,或者称为参与主体,在一些实施例中,参与主体包括电锅炉运营商、配电网(带储能)运营商、分布式光伏(DPV)运营商和地源热泵运营商。
其中,本发明多个实施例中,综合能源系统的运行目标包括在尽可能有效利用可再生能源的基础上降低运营成本。
第一方面的,本发明实施例中,根据以下步骤建立所述多场景合作博弈模型:首先,研究综合能源系统的市场状况,分析运营商的数量、能源供应能力以及需求,确定满足需求的场景;其次,分析以优化经济性为目标的多主体运行场景,并基于模型约束条件对这些场景进行过滤,建立多场景效益分配集;最后,根据多场景利益分配求解合作博弈的核,输出多主体利益约束的边界。
第二方面的,本发明实施例中,通过以下步骤建立所述多目标运行优化模型:首先,从经济性和环保性两个方面确定综合能源系统的优化目标;其次,从能量供需平衡、能量转移、网格单向传递、储能四个方面确定约束条件;最后使用粒子群算法,求解综合能源系统的最优调度状态,得到最优帕累托集。
第三方面的,本发明实施例中,其特征在于,通过以下步骤建立所述多主体利益分配模型,首先,基于利益博弈分析多方收益的可接受分配状态,分析综合收益的边际贡献;然后,基于帕累托效率的产出运营优化和收入分配方案;所述多主体利益分配模型的约束条件包括所述多场景合作博弈模型的约束条件。
进一步,所述步骤1)中,建立多场景合作博弈模型过程为:
步骤101)建立合作联盟的效益函数:
max UCO=Cin-Csa (1)
式中:UCO是合作联盟的总收益;Cin是合作联盟的总售能收入;Csa是合作联盟的总购能成本;i表示综合能源系统的参与主体,n表示综合能源系统的参与主体的个数;
步骤102)建立合作联盟的约束条件:
根据合作博弈的思想,把综合能源系统的参与主体的利益诉求分为个体理性和集体理性两部分:
对于一个收益可分配的合作博弈,其分配向量{V1,V2,…,Vn}符合个体理性,当且仅当合作联盟S每个参与人获得的分配效用都不少于各自独立运营时的效用,合作联盟才会成立,即:
式中:v(i)是参与主体i(电锅炉运营商、配电网(带储能)运营商、分布式光伏(DPV)运营商和地源热泵运营商)在合作联盟S中的分配,u(i)是主体i独立运营的收入;
在一些实施例中,合作联盟是多个独立的参与主体形成联盟进行运营,如电锅炉运营商、配电网(带储能)运营商、分布式光伏(DPV)运营商和地源热泵运营商共同形成综合能源系统,该综合能源系统就是合作联盟。根据各个参与主体的参与方式形成的综合能源系统,在不同的实施例中,参与主体的组合方式和运行规则可以不同。
在满足个体理性的基础上,其分配向量{V1,V2,…,Vn}还要符合集体理性,当且仅当合作联盟S参与人获得的分配效用和与总联盟效用相等,即:
式中:UCO是联盟S的总收入;
步骤103)建立合作联盟及合作联盟的核:
设N={1,2,…,n}是综合能源系统的参与主体的集合,V(S)是定义在N的所有子集上的特征函数,表示合作联盟S中参与主体相互合作获得的支付,并满足以下条件:
v(φ)=0 (4)
v(N)≥∑k∈Nv({k}) (5)
则称Γ=(N,v)为n人合作联盟博弈;
合作联盟的核是参与主体对联盟博弈Γ=(N,v)的所有不均衡分配的集合,在本发明中称为联盟博弈的核;属于联盟博弈核Γ=(N,v)的每个可行分配X在分配组合下都是最优的;在参与合作博弈时,每个参与者都将核心作为可接受的边界来决定是否参与综合能源系统运行优化,决策过程如下:
(1)多场景运行,筛选满足能源需求和运行约束的组合,获得Aj映射;
(2)以映射Aj作为输入,构造博弈动态规划模型,计算出综合能源系统中的合作联盟利益,作为多目标运行优化的约束区间;合作联盟(N,v)的核心是v(S),v(S)应满足以下表达式:
即联盟S分配给每个运营商的收入之和不能小于联盟的总收入。
进一步,所述步骤2)中,建立多目标运行优化模型的过程为:
步骤201)确定综合能源系统的目标:
(1)最大化系统减排率
系统减排率是指综合能源系统与传统天然气联合发电系统相比的污染物减排率,计算公式表示为:
式中,ET为各综合能源系统在调度周期总时间段T内的减排率;LS,T是常规发电系统污染物的排放值;Pu,t相当于t时的设备u;λu是设备的等效平均单位污染物排放系数;Pi,t是当时与电网的电力交换;λg是综合能源系统上能源供应的污染物排放系数;假设电网侧的所有电力都是由传统燃煤发电产生的,因此用煤电污染物排放系数来表示;
(2)最小化整个系统的运行成本
综合能源系统应通过多能源互补耦合和分时电价响应机制,将设备运行维护成本、购电成本降到最低;基于上述策略,建立了经济成本最小化的目标函数:
式中,Cop为综合能源系统运行成本,元;T为响应期,小时;Pi为分布式设备运行成本,元/kW;Ci为分布式设备单位时间运行成本,kW;Cbat,dep为ES充放电折旧成本,元/kWh;Kb为综合能源系统采购价格,元/kWh;Pgrid是城市电网与微电网之间的交换功率,千瓦;
步骤202)建立多目标运行优化的约束:
(1)能源供需平衡约束
电、热供需平衡式分别为:
式中,和分别为t时机组j的电负荷和热负荷,kw;为t时发电机组m的输出功率,kw;为t时电热转换机组j的机组n的耗电量,kw;和为t时j机组存储设备的放电和充电功率,kw;和是机组k在时间t时在第一端传递给j的功率,分别是j到k在第一端输出的电功率,kw。可以看出,其中至少有一个为0,其差表示j机组与k机组连接线的功率方向和数值,为t时j机组供热机组的输出功率,kw;为t时冷热转换机组的热耗,kw;和为k在t时刻第一端向j输送的热功率,为j机组在t时刻向k输出的热功率,分别为千瓦;和为t时刻j的储能设备的蓄热和放热功率,kw;
(2)能量转移约束
式中,上式为设备功率的上下限约束,下式为线路传递功率的上下限约束,和是设备S在能量单元J中的最大和最小负载率;和是单元j和k之间的线路的最大和最小负载率;Cj,s和αr,j,k是每个能量单元的安装容量,kw;是从单元j到单元k通过线路r传递的功率;xt,j,s和xt,r,j,k∈{1,0}是调度因子,前者指示在时间t时是否调度了单元J中的设备s,后者指示在时间t时单元J是否通过线路R向K发送功率;
(3)网格中的单向传递约束
所有安装系数均以y表示,相应的调度系数均以X表示,每台机组在安装后进行调度:
x≤y (12)
同一线路不能双向同时传输:
xt,r,j,k+xt,r,k,j≤1 (13)
(4)电能存储运行约束条件:
SOCmin≤SOC(t)≤SOCmax (14)
SOCstart(t)=SOCend(t) (17)
式中,SOCmin,SOCmax分别是剩余容量的上限和下限;分别是电池充放电的实时效率;γchar,γdis代表电池充放电的额定效率;分别表示电池所允许的最大充放电电流,单位A;Pinv逆变器的容量系统,kW;Vbat是电池的额定电压,V;Vbat是电池的容量,Ah;SOCstart(t),SOCend(t)表示调度期间的开始时间和结束时间的剩余容量。
进一步,步骤3)中,建立多主体利益分配模型过程为:
步骤301)根据博弈均衡心理学,利用改进的粒子群算法输出帕累托最优解集,然后将合作伙伴的投入资本比率作为理想解,利用理想解距离得到最优合作方案,表达式如下:
其中,d为不同优化方案的理想解距离;Ii为代理i的投资,元;Iall为合作联盟的总投资,元;Bi为代理i的营业收入,元;Ball为合作联盟的总营业收入,元;
可以看出,所述改进的粒子群算法,采用交叉变异运行对粒子位置更新加以引导,试图减少算法的随机性以提高搜索效率、整体质量和效率,解决了利益约束的合作博弈优化问题,种群大小、搜索维度在本发明提供多个实施算例中进行了体现,一些实施例中,使用这种改进的PSO实现步骤2)的求解,以便在运行优化中求所述最优解。
步骤302)采用基于综合贡献的sharpley值法来计算合作利益的分配,其原理是将联盟收益按各博弈者的边际贡献进行分配,博弈者获得的收益为对所参与联盟边际贡献的平均值:
式中,S表示控制区的个数;S!(n-s-1)!/n!表示排序的概率,Φ(αi)是主体i的收入分配比,vi是主体i基于边际贡献的收益分配值。
进一步,所述改进的粒子群算法的运行优化过程如下:
第一步:初始化粒子群,确定粒子群的大小和搜索维数;
第二步:设定PSO参数,包括惯性系数、学习因子C1和C2、最大迭代次数和最大粒子速度;
第三步:计算初始种群中单个粒子的适应度fi,并根据粒子更新公式更新每个粒子的速度和位置;将当前粒子的适应度与最佳位置pbest进行比较;如果fi>pbest,则表示适应度较高,用当前位置更新最佳位置pbest,否则保持pbest不变;粒子更新公式:
vi,j(t+1)=vi,j(t)+c1r1[pi,j-xi,j(t)]+c2r2[pg,j-xi,j(t)] (20)
xi,j(t+1)=xi,j(t)+vi,j(t+1),j=1,2,...D (21)
其中c1和c2是学习因子,分别表示自己的经 验和集体经验,也称为加速度常数;r1和r2是0到1之间的随机数;D是目标函数中需要优化的变量数;
第四步:当迭代次数达到最大迭代次数的极限或最优适应度达到设定阈值时,停止优化;
第五步:采用动态规划算法,根据收益目标函数迭代求解合作博弈的利益约束。通过多次粒子更新,求解满足利益约束的最优解集;
第六步:输出运行优化数据,引入系统自适应计算功能的结果,计算经济成本和能效。
与现有技术相比,本发明以利益约束为基础,建立了以环境效益、经济效益为目标函数的优化模型,其次,在建立优化模型之后,建立了基于综合贡献度的利益分配模型,以保证合作运营商能够合理获得优化运行的利益;该模型通过建立合作联盟,在保证多主体利益的前提下,降低了经济成本和污染物排放。此外,所提出的优化方法也可以为综合能源系统的运行提供支持。
附图说明
图1为本发明的改进的粒子群算法流程图;
图2为本发明具体实施例的电、热负荷曲线;
图3为本发明具体实施例的分时电价曲线;
图4为本发明具体实施例的场景1下的24小时经济最优运行情景;
图5为本发明具体实施例的场景2下的24小时经济最优运行情景;
图6为本发明具体实施例的场景3下的24小时经济最优运行情景;
图7为本发明具体实施例的场景4下的24小时经济最优运行情景;
图8为本发明具体实施例的场景5下的24小时经济最优运行情景;
图9为本发明具体实施例的场景6下的24小时经济最优运行情景;
图10为本发明具体实施例的合作博弈核计算结果;
图11为本发明具体实施例的改进的粒子群算法求解基于利益约束的优化的适应度曲线;
图12为本发明具体实施例的改进的粒子群算法输出的帕累托最优解集;
图13为本发明具体实施例的最优运行的电热出力调度方案;
图14为无利益约束的运行优化方案;
图15为本发明具体实施例的不同收入分配计算结果与实际收入比较图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步的详细说明。此处所描述的具体实施例仅用于解释本发明,并不用于限定发明。
本实施例的一种基于多主体博弈的综合能源系统的运行优化方法,该方法包括以下步骤:
步骤1)基于综合能源系统的参与主体,建立多场景合作博弈模型;其中综合能源系统的参与主体包括电锅炉运营商、配电网运营商、分布式光伏运营商和地源热泵运营商;
步骤101)建立合作联盟的效益函数:
max UCO=Cin-Csa (1)
式中:UCO是合作联盟的总收益;Cin是合作联盟的总售能收入;Csa是合作联盟的总购能成本;i表示综合能源系统的参与主体,n表示综合能源系统的参与主体的个数;
步骤102)建立合作联盟的约束条件:
根据合作博弈的思想,把综合能源系统的参与主体的利益诉求分为个体理性和集体理性两部分:
对于一个收益可分配的合作博弈,其分配向量{V1,V2,…,Vn}符合个体理性,当且仅当合作联盟S每个参与人获得的分配效用都不少于各自独立运营时的效用,合作联盟才会成立,即:
式中:v(i)是主体i在合作联盟S中的分配,u(i)是主体i独立运营的收入;
在满足个体理性的基础上,其分配向量{V1,V2,…,Vn}还要符合集体理性,当且仅当合作联盟S参与人获得的分配效用和与总联盟效用相等,即:
式中:UCO是联盟S的总收入;
步骤103)建立合作联盟及合作联盟的核:
设N={1,2,…,n}是综合能源系统的参与主体的集合,V(S)是定义在N的所有子集上的特征函数,表示合作联盟S中参与主体相互合作获得的支付,并满足以下条件:
v(φ)=0 (4)
v(N)≥∑k∈Nv({k}) (5)
则称Γ=(N,v)为n人合作联盟博弈;
合作联盟的核是参与者对联盟博弈(N,v)的所有不均衡分配的集合,称为联盟博弈的核;属于联盟博弈核C(N,v)的每个可行分配X在分配组合下都是最优的;在参与合作博弈时,每个参与者都将核心作为可接受的边界来决定是否参与综合能源系统运行优化,决策过程如下:
(1)多场景运行,筛选满足能源需求和运行约束的组合,获得Aj映射;
(2)以映射Aj作为输入,构造博弈动态规划模型,计算出综合能源系统中的合作联盟利益,作为多目标运行优化的约束区间;合作联盟(N,v)的核心是v(S),v(S)应满足以下表达式:
即联盟S分配给每个运营商的收入之和不能小于联盟的总收入。
步骤2)基于综合能源系统的目标,建立多目标运行优化模型;其中综合能源系统的目标是在尽可能有效利用可再生能源的基础上降低运营成本;在尽可能有效利用可再生能源基础上降低运营成本是指,在设置各模型的目标函数时,其求解方向是系统减排率等可再生能源利用指标最大化的同时系统的运行成本等运营成本指标的最小化。
步骤201)确定综合能源系统的目标:
(1)最大化系统减排率
系统减排率是指综合能源系统与传统天然气联合发电系统相比的污染物减排率,计算公式表示为:
式中,ET为各综合能源系统在调度周期总时间段T内的减排率;LS,T是常规发电系统污染物的排放值;Pu,t相当于t时的设备u;λu是设备的等效平均单位污染物排放系数;Pi,t是当时与电网的电力交换;λg是综合能源系统上能源供应的污染物排放系数;假设电网侧的所有电力都是由传统燃煤发电产生的,因此用煤电污染物排放系数来表示;
(2)最小化整个系统的运行成本
综合能源系统应通过多能源互补耦合和分时电价响应机制,将设备运行维护成本、购电成本降到最低;基于上述策略,建立了经济成本最小化的目标函数:
式中,Cop为综合能源系统运行成本,元;T为响应期,小时;Pi为分布式设备运行成本,元/kW;Ci为分布式设备单位时间运行成本,kW;Cbat,dep为ES充放电折旧成本,元/kWh;Kb为综合能源系统采购价格,元/kWh;Pgrid是城市电网与微电网之间的交换功率,千瓦;
步骤202)建立多目标运行优化的约束:
(1)能源供需平衡约束
电、热供需平衡式分别为:
式中,和分别为t时能量单位j的电负荷和热负荷,kw;为t时发电机组m的输出功率,kw;为t时电热转换机组j的机组n的耗电量,kw;和为t时J机组存储设备的放电和充电功率,kw;和是K在时间t时在第一端传递给j的功率,分别是j到K在第一端输出的电功率,kw。可以看出,其中至少有一个为0,其差表示J机组与K机组连接线的功率方向和数值,为t时J机组供热机组的输出功率,kw;为t时冷热转换机组的热耗,kw;和为K在t时刻第一端向j输送的热功率,为j机组在t时刻向K输出的热功率,分别为千瓦;和为t时刻储能设备的蓄热和放热功率,kw;
(2)能量转移约束
式中,和是设备s在能量单元j中的最大和最小负载率;和是单元j和k之间的线的最大和最小负载率;Cj,s和αr,j,k是每个能量单元的安装容量,kw;是从单元j到单元k通过线r传递的功率;xt,j,s和xt,r,j,k∈{1,0}是调度因子,前者指示在时间t时是否调度了单元j中的设备s,后者指示在时间t时单元j是否通过线路r向k发送功率;
(3)网格中的单向传递约束
所有安装系数均以y表示,相应的调度系数均以x表示,每台机组在安装后进行调度:
x≤y (12)
同一线路不能双向同时传输:
xt,r,j,k+xt,r,k,j≤1 (13)
(4)电能存储运行约束条件:
SOCmin≤SOC(t)≤SOCmax (14)
SOCstart(t)=SOCend(t) (17)
式中,SOCmin、SOCmax分别是电池的剩余容量的上限和下限;分别是电池充电和放电的实时效率;Qmax为其最大传输功率;γchar、γdis分别代表电池充电和放电的额定效率;分别表示电池所允许的最大充电电流和最大放电电流,单位A;Pinv逆变器的容量系统,单位kW;Vbat是电池的额定电压,单位V;SOC(t)是电池的容量,单位Ah;SOCstart(t)、SOCend(t)分别表示调度期间的开始时间和结束时间的电池的剩余容量。
步骤3)在步骤1)和步骤2)的基础上,建立多主体体利益分配模型;
步骤301)根据博弈均衡心理学,利用改进的粒子群算法输出帕累托最优解集,然后将合作伙伴的投入资本比率作为理想解,利用理想解距离得到最优合作方案,表达式如下:
其中,d为不同优化方案的理想解距离;Ii为代理i的投资,单位元;Iall为合作联盟的总投资,单位元;Bi为代理i的营业收入,单位元;Ball为合作联盟的总营业收入,单位元;
步骤302)采用基于综合贡献的sharpley值法来计算合作利益的分配,其原理是将联盟收益按各博弈者的边际贡献进行分配,博弈者获得的收益为对所参与联盟边际贡献的平均值:
式中,S表示控制区的个数;s!(n-s-1)!/n!表示排序的概率,Φ(αi)是主体i的收入分配比,vi是主体i基于边际贡献的收益分配值。根据不同的边际贡献分配方法,得到的价值也不同。
综合能源系统中各参与主体合作运营,联盟应将所获收益公平地分配给各参与主体,基于此,采用夏普利值法分别对合作模式下综合能源系统增加的收益进行分配。
进一步,如图1所示,所述改进的粒子群算法的运行优化过程如下:
第一步:初始化粒子群,确定粒子群的大小和搜索维数;
第二步:设定PSO参数,包括惯性系数、学习因子C1和C2、最大迭代次数和最大粒子速度;
第三步:计算初始种群中单个粒子的适应度fi,并根据粒子更新公式更新每个粒子的速度和位置;将当前粒子的适应度与最佳位置pbest进行比较;如果fi>pbest,则表示适应度较高,用当前位置更新最佳位置pbest,否则保持pbest不变;粒子更新公式:
vi,j(t+1)=vi,j(t)+c1r1[pi,j-xi,j(t)]+c2r2[pg,j-xi,j(t)] (20)
xi,j(t+1)=xi,j(t)+vi,j(t+1),j=1,2,...D (21)
其中c1和c2是学习因子,分别表示自己的经验和集体经验,也称为加速度常数;r1和r2是0到1之间的随机数;D是目标函数中需要优化的变量数;
第四步:当迭代次数达到最大迭代次数的极限或最优适应度达到设定阈值时,停止优化;
第五步:采用动态规划算法,根据收益目标函数迭代求解合作博弈的利益约束。通过多次粒子更新,求解满足利益约束的最优解集;
第六步:输出运行优化数据,引入系统自适应计算功能的结果,计算经济成本和能效。
具体实施例
利用上述实施例的基于多主体博弈的综合能源系统的运行优化方法进行具体的实例分析。
本实施例利用微电网进行了仿真分析,验证了本实施例建立的运行优化模型的有效性。微能源电网包括可再生能源、能源转换设备、供热网络和电网。各调度单元的容量及运行单位成本见表1。日前预测得到的电、热负荷曲线如图2所示。由于供热系统的惯性,基准热负荷可以在不改变总供热量的情况下微调单位时间的供热负荷。
表1
并以分时电价为经济优化条件进行了实例分析。典型日电价预测值如图3所示。
此外,环境成本是工业系统运行中必须考虑的因素之一,也是计算综合贡献分配值的重要参数。在追求高经济效益的同时,必须保证污染物排放不超标,否则将付出高昂的环境代价。污染物排放量和环境成本系数见表2。
表2
1.合作博弈解决方案
根据所研究园区的资源构成,筛选出满足能源需求的情景。根据本实施例建立的合作博弈解决策略,运营商根据不同参与者的运营场景分析可接受的利益。
1.1资源构成及场景仿真结果
以经济效益为优化目标,设计了不同的调度方案。通过对不同参与者下系统运行的仿真,为多主体利益博弈约束提供了研究依据。
筛选出6个情景,计算出合作博弈的核心和边际贡献。不同场景下的资源组合如表3所示。不同场景下的24小时经济最优运行情景如图4至图9所示。
表3
1.2合作博弈核的求解
根据前一节中的6个模拟场景,本节分析了不同运行场景下的营业收入。为了保证综合效益计算的准确性,营业收入考虑了节能减排效益和经济效益。计算结果如图10所示。
利用动态规划方法导出了合作博弈核心,将合作博弈解引入多目标运行优化的约束条件中,求解基于合作博弈的系统运行优化方案。合作博弈核心求解结果如表4所示。
表4
光伏发电在综合效益方面有优势,可以保证联盟整体综合效益最大化。配电网运营商作为系统的主要能源供应商,在收入保障方面占有主导地位。电锅炉运营商和地源热泵运营商在供热比例上展开竞争。将合作博弈解引入多目标运行优化约束,求解基于合作博弈的系统运行优化方案。
2.多目标结果
基于系统减排率最大化和运行成本最小化两个目标,本实施例引入了PSO算法来求解基于利益约束的优化问题。在这一部分中,将该算法应用于基于多主体博弈理论的能源系统多目标优化。初始种群大小设置为100,迭代次数为400。所得结果的适应度曲线和模型的pareto最优解集分别如图11和图12所示。
这一部分以各方的营运资本图作为经济分配的理想状态。然后,在帕累托最优解集中,筛选出基于经济分布理想状态接近的最优运行优化方案。
根据运行结果,配电网、分布式光伏和地源热泵参与运营,可以最大限度地发挥系统运行的综合效益。在供热方面,在目前电价和气候条件下,地源热泵比电锅炉具有环保和经济的优势。在供电方面,分布式光伏(DPV)具有良好的综合效益,在实际运行中充分发挥了随机电源的作用。配电网采用储能方式,最大限度地提高系统运行经济性,抑制DPV波动。
帕累托最优解集如图12所示(A为经济分布的理想状态),最优运行的电热出力调度方案如图13所示。
同时,为了比较利益约束前后运行优化结果的变化,得到无利益约束的运行优化方案,如图14所示。
从图13和图14可以看出,在引入利益博弈约束的情况下,储能充放电策略得到了调整,电网的效益达到了可接受的水平。同时,为了配合储能的充放电策略,热泵将部分夜间负荷转移到早晨,使系统的热负荷在可接受的范围内变化,保证用户的供暖体验受影响最小。
3.合作利益分配
在这一部分中,本实施例提出了一个shapely值算法来计算每个合伙人的收入分配。为了在收益分配中体现可再生能源的环境效益,该算法引入了污染物减排的效益因子,根据运行优化结果计算出综合贡献的收益分配值。各参与者综合贡献效益分配值及比例、一般贡献效益分配值及比例见表5。
表5
在合作博弈的情况下,由于热泵具有优异的节能减排效益和供热的不可替代性,使其获得了比实际收入更高的收入分配。光伏和配电网在配电方面都做出了一些让步。综合贡献的引入,使得光伏发电收入接近其实际收入水平。不同收入分配计算结果与实际收入比较如图15所示。
从图15可以看出,采用一般贡献收入分配法,分销网络的利润分配值为898.08元,高于直接收入的853.21元。根据边际贡献理论,配电网运营商具有合作优势,没有配电网运营商就无法建立合作联盟。因此,合作联盟主导下的利润分配值大于其实际利润。同样,地源热泵作为唯一的供热方也具有合作优势,光伏发电的利润被另外两个合作伙伴瓜分。另一方面,采用收益分配综合贡献算法,光伏发电收入分配比一般收入分配多5.857%,地源热泵收入分配比一般收入分配多9.242%,而分销网络的收入分配比一般的收入分配少15.098%。结果表明,分布式光伏和地源热泵作为污染物减排的主要贡献者,获得了合理的收入优惠。
综上所述,在这种情况下,综合能源系统中存在多个具有不同供能特征和典型合作博弈状态的运营商,具体如下:
(1)主导能源供应商:在这种情况下,典型的主导能源供应商是配电网。优势能源供应商具有稳定的能源供应能力,与其他能源供应伙伴相比,大部分的能源需求依赖于其能否得到满足。因此,优势能源供应商在合作联盟中起着主导作用,并会得到其他合作伙伴的让步。
(2)环保能源供应商:在这种情况下,环保能源供应商是分布式光伏和地源热泵。可再生能源供应商的特点和优势是通过参与运营获得节能减排效益。他们按普通经济贡献计算的收入分配值不高,因此有必要积极运用绿色证书交易、碳排放交易等节能减排手段,尽可能使他们的合作受益。
(3)可替代能源供应商:可替代能源供应商的能源供应能力相似,在业务上具有竞争力。如果能源需求小于可替代能源供应商的能源供应能力,这些能源供应商之间必然存在竞争性替代关系。因此,可替代能源供应商应充分利用自身的业务优势,在合作中尽可能获取利益。在这种情况下,可替代的能源供应商是电锅炉和地源热泵。最后,地源热泵以其高效、环保的特点,在特殊条件下成为电锅炉的完全替代品。
本发明的技术方案不限于上述具体实施例的限制,凡是根据本发明的技术方案做出的技术变形,均落入本发明的保护范围之内。
Claims (10)
1.一种基于多主体博弈的综合能源系统的运行优化方法,其特征在于,该方法包括以下步骤:
步骤1)基于综合能源系统的参与主体,建立多场景合作博弈模型;
步骤2)基于综合能源系统的运行目标,建立多目标运行优化模型;
步骤3)在步骤1)和步骤2)的基础上,建立多主体利益分配模型:
步骤4)以多场景合作博弈模型为约束,进行多主体的利益分配。
2.根据权利要求1所述的基于多主体博弈的综合能源系统的运行优化方法,其特征在于:所述综合能源系统的参与主体包括电锅炉运营商、配电网运营商、分布式光伏运营商和地源热泵运营商中的一个以上。
3.根据权利要求1所述的基于多主体博弈的综合能源系统的运行优化方法,其特征在于:其中综合能源系统的运行目标包括在尽可能有效利用可再生能源的基础上降低运营成本。
4.根据权利要求3所述的基于多主体博弈的综合能源系统的运行优化方法,其特征在于,根据以下步骤建立所述多场景合作博弈模型:首先,研究综合能源系统的市场状况,分析运营商的数量、能源供应能力以及需求,确定满足需求的场景;其次,分析以优化经济性为目标的多主体运行场景,并基于模型约束条件对这些场景进行过滤,建立多场景效益分配集;最后,根据多场景利益分配求解合作博弈的核,输出多主体利益约束的边界。
5.根据权利要求3所述的基于多主体博弈的综合能源系统的运行优化方法,其特征在于,通过以下步骤建立所述多目标运行优化模型:首先,从经济性和环保性两个方面确定综合能源系统的优化目标;其次,从能量供需平衡、能量转移、网格单向传递、储能四个方面确定约束条件;最后使用粒子群算法,求解综合能源系统的最优调度状态,得到最优帕累托集。
6.根据权利要求3所述的基于多主体博弈的综合能源系统的运行优化方法,其特征在于,通过以下步骤建立所述多主体利益分配模型,首先,基于利益博弈分析所述参与主体多方收益的可接受分配状态,分析综合收益的边际贡献;然后,基于帕累托效率的产出运营优化和收入分配方案;所述多主体利益分配模型的约束条件包括所述多场景合作博弈模型的约束条件。
7.根据权利要求4所述的基于多主体博弈的综合能源系统的运行优化方法,其特征在于:所述步骤1)中,建立多场景合作博弈模型过程为:
步骤101)建立合作联盟的效益函数:
max UCO=Cin-Csa (1)
式中:UCO是合作联盟的总收益;Cin是合作联盟的总售能收入;Csa是合作联盟的总购能成本;i表示综合能源系统的参与主体,n表示综合能源系统的参与主体的个数;
步骤102)建立合作联盟的约束条件:
根据合作博弈的思想,把综合能源系统的参与主体的利益诉求分为个体理性和集体理性两部分:
对于一个收益可分配的合作博弈,其分配向量{V1,V2,…,Vn}符合个体理性,当且仅当合作联盟S每个参与人获得的分配效用都不少于各自独立运营时的效用,合作联盟才会成立,即:
式中:v(i)是参与主体i在合作联盟S中的分配,u(i)是参与主体i独立运营的收入;
在满足个体理性的基础上,其分配向量{V1,V2,…,Vn}还要符合集体理性,当且仅当合作联盟S参与人获得的分配效用和与总联盟效用相等,即:
式中:UCO是联盟S的总收入;
步骤103)建立合作联盟及合作联盟的核:
设N={1,2,…,n}是综合能源系统的参与主体的集合,V(S)是定义在N的所有子集上的特征函数,表示合作联盟S中参与主体相互合作获得的支付,并满足以下条件:
v(φ)=0 (4)
v(N)≥∑k∈Nv({k}) (5)
则称Γ=(N,v)为n人合作联盟博弈;
合作联盟的核是参与者对联盟博弈(N,v)的所有不均衡分配的集合,称为联盟博弈的核;属于联盟博弈核C(N,v)的每个可行分配X在分配组合下都是最优的;在参与合作博弈时,每个参与者都将核心作为可接受的边界来决定是否参与综合能源系统运行优化,决策过程如下:
(1)多场景运行,筛选满足能源需求和运行约束的组合,获得Aj映射;
(2)以映射Aj作为输入,构造博弈动态规划模型,计算出综合能源系统中的合作联盟利益,作为多目标运行优化的约束区间;合作联盟(N,v)的核心是v(S),v(S)应满足以下表达式:
即联盟S分配给每个运营商的收入之和不能小于联盟的总收入。
8.根据权利要求5所述的基于多主体博弈的综合能源系统的运行优化方法,其特征在于,所述步骤2)中,建立多目标运行优化模型的过程为:
步骤201)确定综合能源系统的目标:
(1)最大化系统减排率
系统减排率是指综合能源系统与传统天然气联合发电系统相比的污染物减排率,计算公式表示为:
式中,ET为各综合能源系统在调度周期总时间段T内的减排率;LS,T是常规发电系统污染物的排放值;Pu,t相当于t时的设备u;λu是设备的等效平均单位污染物排放系数;Pi,t是当时与电网的电力交换;λg是综合能源系统上能源供应的污染物排放系数;假设电网侧的所有电力都是由传统燃煤发电产生的,因此用煤电污染物排放系数来表示;
(2)最小化整个系统的运行成本
综合能源系统应通过多能源互补耦合和分时电价响应机制,将设备运行维护成本、购电成本降到最低;基于上述策略,建立了经济成本最小化的目标函数:
式中,Cop为综合能源系统运行成本,元;T为响应期,小时;Pi为分布式设备运行成本,元/kW;Ci为分布式设备单位时间运行成本,kW;Cbat,dep为ES充放电折旧成本,元/kWh;Kb为综合能源系统采购价格,元/kWh;Pgrid是城市电网与微电网之间的交换功率,千瓦;
步骤202)建立多目标运行优化的约束:
(1)能源供需平衡约束
电、热供需平衡式分别为:
式中,和分别为t时能量单位J的电负荷和热负荷,kw;为t时发电机组m的输出功率,kw;为t时电热转换机组J的机组n的耗电量,kw;和为t时J机组存储设备的放电和充电功率,kw;和是K在时间t时在第一端传递给j的功率,分别是j到K在第一端输出的电功率,kw,其中至少有一个为0,其差表示J机组与K机组连接线的功率方向和数值,为t时J机组供热机组的输出功率,kw;为t时冷热转换机组的热耗,kw;和为K在t时刻第一端向j输送的热功率,为j机组在t时刻向K输出的热功率,分别为千瓦;和为t时刻储能设备的蓄热和放热功率,kw;
(2)能量转移约束
式中,和是设备S在能量单元J中的最大和最小负载率;和是单元j和k之间的线路的最大和最小负载率;Cj,s和αr,j,k是每个能量单元的安装容量,kw;是设备S在能量单元J中的功率;是从单元j到单元k通过线r传递的功率;xt,j,s和xt,r,j,k∈{0,1}是调度因子,前者指示在时间t时是否调度了单元J中的设备s,后者指示在时间t时单元J是否通过线路R向K发送功率;
(3)网格中的单向传递约束
所有安装系数均以y表示,相应的调度系数均以X表示,每台机组在安装后进行调度:
x≤y (12)
同一线路不能双向同时传输:
xt,r,j,k+xt,r,k,j≤1 (13)
(4)电能存储运行约束条件:
SOCmaxmin (14)
SOCstart(t)=SOCend(t) (17)
9.根据权利要求6所述的基于多主体博弈的综合能源系统的运行优化方法,其特征在于,步骤3)中,建立多主体利益分配模型过程为:
步骤301)根据博弈均衡心理学,利用改进的粒子群算法在粒子群算法的基础上,采用交叉变异运行对粒子位置更新加以引导,试图减少算法的随机性以提高搜索效率、整体质量和效率,解决了利益约束的合作博弈优化问题;
然后根据改进的粒子群算法输出帕累托最优解集,将合作伙伴的投入资本比率作为理想解,利用理想解距离得到最优合作方案,表达式如下:
其中,d为不同优化方案的理想解距离;Ii为代理i的投资,元;Iall为合作联盟的总投资,元;Bi为代理i的营业收入,元;Ball为合作联盟的总营业收入,元;
步骤302)采用基于综合贡献的sharpley值法来计算合作利益的分配,其原理是将联盟收益按各博弈者的边际贡献进行分配,博弈者获得的收益为对所参与联盟边际贡献的平均值:
式中,S表示控制区的个数;s!(n-s-1)!/n!表示排序的概率,Φ(αi)是主体i的收入分配比,vi是主体i基于边际贡献的收益分配值。
10.根据权利要求9所述的基于多主体博弈的综合能源系统的运行优化方法,其特征在于,所述改进的粒子群算法的运行优化过程如下:
第一步:初始化粒子群,确定粒子群的大小和搜索维数;
第二步:设定PSO参数,包括惯性系数、学习因子C1和C2、最大迭代次数和最大粒子速度;
第三步:计算初始种群中单个粒子的适应度fi,并根据粒子更新公式更新每个粒子的速度和位置;将当前粒子的适应度与最佳位置pbest进行比较;如果fi>pbest,则表示适应度较高,用当前位置更新最佳位置pbest,否则保持pbest不变;粒子更新公式:
vi,j(t+1)=vi,j(t)+c1r1[pi,j-xi,j(t)]+c2r2[pg,j-xi,j(t)] (20)
xi,j(t+1)=xi,j(t)+vi,j(t+1),j=1,2,...D (21)
其中c1和c2是学习因子,分别表示自己的经验和集体经验,也称为加速度常数;r1和r2是0到1之间的随机数;D是目标函数中需要优化的变量数;
第四步:当迭代次数达到最大迭代次数的极限或最优适应度达到设定阈值时,停止优化;
第五步:采用动态规划算法,根据收益目标函数迭代求解合作博弈的利益约束;通过多次粒子更新,求解满足利益约束的最优解集;
第六步:输出运行优化数据,引入系统自适应计算功能的结果,计算经济成本和能效。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010625974.4A CN111881616B (zh) | 2020-07-02 | 2020-07-02 | 一种基于多主体博弈的综合能源系统的运行优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010625974.4A CN111881616B (zh) | 2020-07-02 | 2020-07-02 | 一种基于多主体博弈的综合能源系统的运行优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111881616A true CN111881616A (zh) | 2020-11-03 |
CN111881616B CN111881616B (zh) | 2024-06-11 |
Family
ID=73150062
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010625974.4A Active CN111881616B (zh) | 2020-07-02 | 2020-07-02 | 一种基于多主体博弈的综合能源系统的运行优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111881616B (zh) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112381335A (zh) * | 2020-12-08 | 2021-02-19 | 国网综合能源服务集团有限公司 | 区域综合能源系统运行优化方法及装置 |
CN112465240A (zh) * | 2020-12-03 | 2021-03-09 | 上海电力大学 | 基于合作博弈的综合能源系统多园区能量调度优化方法 |
CN112529728A (zh) * | 2020-11-24 | 2021-03-19 | 华能定边新能源发电有限公司 | 一种基于非合作博弈的综合能源系统优化调度方法 |
CN112529331A (zh) * | 2020-12-23 | 2021-03-19 | 天津大学 | 基于leap模型的多情境道路交通节能减排预测方法 |
CN112669052A (zh) * | 2020-12-04 | 2021-04-16 | 国网辽宁省电力有限公司经济技术研究院 | 一种园区综合能源系统参与调峰的柔性收益分配方法 |
CN112769149A (zh) * | 2021-01-21 | 2021-05-07 | 山东大学 | 混联风光微电网快速频率响应分布式协调控制方法及系统 |
CN112862352A (zh) * | 2021-03-05 | 2021-05-28 | 三峡大学 | 一种广域综合能源系统联合规划方法 |
CN112862175A (zh) * | 2021-02-01 | 2021-05-28 | 天津天大求实电力新技术股份有限公司 | 基于p2p电力交易的本地优化控制方法及装置 |
CN113052498A (zh) * | 2021-04-23 | 2021-06-29 | 国核电力规划设计研究院有限公司 | 基于综合能源系统的电转气两阶段转化装置调度方法 |
CN113362178A (zh) * | 2021-06-30 | 2021-09-07 | 东南大学 | 一种指导配电网对参与p2p交易用户收费的计算方法及装置 |
CN113393125A (zh) * | 2021-06-16 | 2021-09-14 | 沈阳工程学院 | 基于源荷双侧互动博弈的综合能源系统协同调度方法 |
CN113554219A (zh) * | 2021-07-02 | 2021-10-26 | 国网安徽省电力有限公司电力科学研究院 | 一种可再生能源发电站共享储能容量规划方法及装置 |
CN113592648A (zh) * | 2021-07-21 | 2021-11-02 | 山东大学 | 一种综合能源系统的多主体交易方法及系统 |
CN113643153A (zh) * | 2021-08-13 | 2021-11-12 | 南京工程学院 | 一种以企业为主体的电能替代扩散分析方法 |
CN113705906A (zh) * | 2021-08-31 | 2021-11-26 | 国网四川省电力公司经济技术研究院 | 一种综合能源园区能源协调优化运行方法及系统 |
CN114091759A (zh) * | 2021-11-23 | 2022-02-25 | 山东大学 | 一种综合能源系统多层博弈优化运行方法及系统 |
CN114418209A (zh) * | 2022-01-14 | 2022-04-29 | 华北电力大学 | 基于阶梯型激励需求响应的供需博弈电源规划方法 |
CN114580265A (zh) * | 2021-12-28 | 2022-06-03 | 浙江英集动力科技有限公司 | 一种多炉多机复杂生产系统的负荷调度分配方法及平台 |
CN114781896A (zh) * | 2022-05-05 | 2022-07-22 | 山东大学 | 一种多能源集线器综合能源系统低碳调度方法及系统 |
CN115115096A (zh) * | 2022-06-09 | 2022-09-27 | 三峡大学 | 考虑多微电网储能共享的主动配电网博弈优化调度方法 |
CN115438931A (zh) * | 2022-08-22 | 2022-12-06 | 成都飞机工业(集团)有限责任公司 | 一种生产线装配作业调度方法、装置、设备及介质 |
CN115545466A (zh) * | 2022-09-30 | 2022-12-30 | 南京航空航天大学 | 一种基于合作博弈的海上风电场集群优化规划方法 |
CN116050632A (zh) * | 2023-02-08 | 2023-05-02 | 中国科学院电工研究所 | 一种基于纳什q学习的微电网群互动博弈策略学习进化方法 |
CN117172815A (zh) * | 2023-07-18 | 2023-12-05 | 南京工业大学 | 一种多水电气能源子系统主动配电网混合博弈方法及系统 |
Citations (4)
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 |
CN109740827A (zh) * | 2019-02-14 | 2019-05-10 | 华北电力大学 | 一种基于双层优化的区域综合能源系统规划优化方法 |
CN109784569A (zh) * | 2019-01-23 | 2019-05-21 | 华北电力大学 | 一种区域综合能源系统优化控制方法 |
CN110472776A (zh) * | 2019-07-26 | 2019-11-19 | 华北电力大学 | 一种基于协调运行优化的虚拟电厂多主体合作交易方法 |
-
2020
- 2020-07-02 CN CN202010625974.4A patent/CN111881616B/zh active Active
Patent Citations (4)
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 |
CN109784569A (zh) * | 2019-01-23 | 2019-05-21 | 华北电力大学 | 一种区域综合能源系统优化控制方法 |
CN109740827A (zh) * | 2019-02-14 | 2019-05-10 | 华北电力大学 | 一种基于双层优化的区域综合能源系统规划优化方法 |
CN110472776A (zh) * | 2019-07-26 | 2019-11-19 | 华北电力大学 | 一种基于协调运行优化的虚拟电厂多主体合作交易方法 |
Non-Patent Citations (4)
Title |
---|
YONGLI WANG , RUIWEN LI , HUANRAN DONG , YUZE MA, JIALE YANG , FUWEI ZHANG , JINRONG ZHU, SHUQING LI: "Capacity planning and optimization of business park-level integrated energy system based on investment constraints", 《ENERGY》, 12 October 2019 (2019-10-12), pages 1 - 16 * |
YONGLI WANG, YUDONG WANG, YUJING HUANG , HAIYANG YU , RUITING DU, FULI ZHANG, FUWEI ZHANG, JINRONG ZHU: "Optimal Scheduling of the Regional Integrated Energy System Considering Economy and Environment", IEEE TRANSACTIONS ON SUSTAINABLE ENERGY, vol. 10, no. 4, 31 October 2019 (2019-10-31), pages 1939 - 1949, XP011746226, DOI: 10.1109/TSTE.2018.2876498 * |
周长城,马溪原,刘育权,王莉,郭晓斌,雷金勇,曾顺奇: "基于合作博弈的工业园区综合能源系统成本分摊及收益分配方法", 《南方电网技术》, vol. 12, no. 3, 30 April 2018 (2018-04-30), pages 60 - 65 * |
王永利,董焕然,齐成元,李静立,张海宁,祝金荣: "泛在电力物联网优化与调控方法研究", 《电力需求侧管理》, vol. 21, no. 6, 30 November 2019 (2019-11-30), pages 8 - 13 * |
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112529728A (zh) * | 2020-11-24 | 2021-03-19 | 华能定边新能源发电有限公司 | 一种基于非合作博弈的综合能源系统优化调度方法 |
CN112465240B (zh) * | 2020-12-03 | 2022-08-23 | 上海电力大学 | 基于合作博弈的综合能源系统多园区能量调度优化方法 |
CN112465240A (zh) * | 2020-12-03 | 2021-03-09 | 上海电力大学 | 基于合作博弈的综合能源系统多园区能量调度优化方法 |
CN112669052A (zh) * | 2020-12-04 | 2021-04-16 | 国网辽宁省电力有限公司经济技术研究院 | 一种园区综合能源系统参与调峰的柔性收益分配方法 |
CN112381335A (zh) * | 2020-12-08 | 2021-02-19 | 国网综合能源服务集团有限公司 | 区域综合能源系统运行优化方法及装置 |
CN112381335B (zh) * | 2020-12-08 | 2023-06-06 | 国网综合能源服务集团有限公司 | 区域综合能源系统运行优化方法及装置 |
CN112529331A (zh) * | 2020-12-23 | 2021-03-19 | 天津大学 | 基于leap模型的多情境道路交通节能减排预测方法 |
CN112769149A (zh) * | 2021-01-21 | 2021-05-07 | 山东大学 | 混联风光微电网快速频率响应分布式协调控制方法及系统 |
CN112769149B (zh) * | 2021-01-21 | 2022-10-25 | 山东大学 | 混联风光微电网快速频率响应分布式协调控制方法及系统 |
CN112862175A (zh) * | 2021-02-01 | 2021-05-28 | 天津天大求实电力新技术股份有限公司 | 基于p2p电力交易的本地优化控制方法及装置 |
CN112862175B (zh) * | 2021-02-01 | 2023-04-07 | 天津天大求实电力新技术股份有限公司 | 基于p2p电力交易的本地优化控制方法及装置 |
CN112862352A (zh) * | 2021-03-05 | 2021-05-28 | 三峡大学 | 一种广域综合能源系统联合规划方法 |
CN113052498A (zh) * | 2021-04-23 | 2021-06-29 | 国核电力规划设计研究院有限公司 | 基于综合能源系统的电转气两阶段转化装置调度方法 |
CN113052498B (zh) * | 2021-04-23 | 2024-04-05 | 国核电力规划设计研究院有限公司 | 基于综合能源系统的电转气两阶段转化装置调度方法 |
CN113393125A (zh) * | 2021-06-16 | 2021-09-14 | 沈阳工程学院 | 基于源荷双侧互动博弈的综合能源系统协同调度方法 |
CN113362178A (zh) * | 2021-06-30 | 2021-09-07 | 东南大学 | 一种指导配电网对参与p2p交易用户收费的计算方法及装置 |
CN113362178B (zh) * | 2021-06-30 | 2024-05-24 | 东南大学 | 一种指导配电网对参与p2p交易用户收费的计算方法及装置 |
CN113554219B (zh) * | 2021-07-02 | 2023-11-07 | 国网安徽省电力有限公司电力科学研究院 | 一种可再生能源发电站共享储能容量规划方法及装置 |
CN113554219A (zh) * | 2021-07-02 | 2021-10-26 | 国网安徽省电力有限公司电力科学研究院 | 一种可再生能源发电站共享储能容量规划方法及装置 |
CN113592648A (zh) * | 2021-07-21 | 2021-11-02 | 山东大学 | 一种综合能源系统的多主体交易方法及系统 |
CN113592648B (zh) * | 2021-07-21 | 2023-08-22 | 山东大学 | 一种综合能源系统的多主体交易方法及系统 |
CN113643153A (zh) * | 2021-08-13 | 2021-11-12 | 南京工程学院 | 一种以企业为主体的电能替代扩散分析方法 |
CN113705906A (zh) * | 2021-08-31 | 2021-11-26 | 国网四川省电力公司经济技术研究院 | 一种综合能源园区能源协调优化运行方法及系统 |
CN114091759A (zh) * | 2021-11-23 | 2022-02-25 | 山东大学 | 一种综合能源系统多层博弈优化运行方法及系统 |
CN114580265A (zh) * | 2021-12-28 | 2022-06-03 | 浙江英集动力科技有限公司 | 一种多炉多机复杂生产系统的负荷调度分配方法及平台 |
CN114418209A (zh) * | 2022-01-14 | 2022-04-29 | 华北电力大学 | 基于阶梯型激励需求响应的供需博弈电源规划方法 |
CN114781896A (zh) * | 2022-05-05 | 2022-07-22 | 山东大学 | 一种多能源集线器综合能源系统低碳调度方法及系统 |
CN115115096A (zh) * | 2022-06-09 | 2022-09-27 | 三峡大学 | 考虑多微电网储能共享的主动配电网博弈优化调度方法 |
CN115438931B (zh) * | 2022-08-22 | 2024-03-15 | 成都飞机工业(集团)有限责任公司 | 一种生产线装配作业调度方法、装置、设备及介质 |
CN115438931A (zh) * | 2022-08-22 | 2022-12-06 | 成都飞机工业(集团)有限责任公司 | 一种生产线装配作业调度方法、装置、设备及介质 |
CN115545466A (zh) * | 2022-09-30 | 2022-12-30 | 南京航空航天大学 | 一种基于合作博弈的海上风电场集群优化规划方法 |
CN116050632A (zh) * | 2023-02-08 | 2023-05-02 | 中国科学院电工研究所 | 一种基于纳什q学习的微电网群互动博弈策略学习进化方法 |
CN117172815A (zh) * | 2023-07-18 | 2023-12-05 | 南京工业大学 | 一种多水电气能源子系统主动配电网混合博弈方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111881616B (zh) | 2024-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111881616B (zh) | 一种基于多主体博弈的综合能源系统的运行优化方法 | |
He et al. | Application of game theory in integrated energy system systems: a review | |
Zhou et al. | Artificial intelligence based smart energy community management: A reinforcement learning approach | |
CN107958300B (zh) | 一种考虑互动响应的多微网互联运行协调调度优化方法 | |
Dong et al. | Energy management optimization of microgrid cluster based on multi-agent-system and hierarchical Stackelberg game theory | |
CN111460358A (zh) | 基于供需博弈互动的园区运营商能源交易优化决策方法 | |
Jia et al. | Joint operation and transaction mode of rural multi microgrid and distribution network | |
CN113393126A (zh) | 高耗能园区与电网交替并行协同优化调度方法 | |
Duan et al. | A day-ahead optimal operation strategy for integrated energy systems in multi-public buildings based on cooperative game | |
CN112883584A (zh) | 一种考虑利益交互的多能微网群冷热电多能耦合优化方法 | |
CN115587668A (zh) | 多园区综合能源系统分布式协同优化调度方法 | |
CN111047097A (zh) | 一种综合能源系统日中滚动优化方法 | |
Cai et al. | Optimal scheduling of a hybrid AC/DC multi-energy microgrid considering uncertainties and Stackelberg game-based integrated demand response | |
CN115829142A (zh) | 一种工业企业综合能源系统优化规划方法 | |
Ali | Development and Improvement of Renewable Energy Integrated with Energy Trading Schemes based on Advanced Optimization Approaches | |
CN117236587A (zh) | 一种园区综合能源系统电氢碳协同调度优化方法 | |
Zhang et al. | Multi-level distributed demand response study for a multi-park integrated energy system | |
CN113988567B (zh) | 一种储能共享控制方法及其控制系统 | |
Dong et al. | Hierarchical Game Approach for Optimization of Regional Integrated Energy System Clusters Considering Bounded Rationality | |
CN117829538A (zh) | 一种考虑欺诈博弈和多场景的能源枢纽网系统的优化方法 | |
Zhu et al. | Transmission loss-aware peer-to-peer energy trading in networked microgrids | |
CN116862144A (zh) | 一种基于双重博弈的多园区低碳调度方法及系统 | |
CN116070754A (zh) | 考虑能量共享的多主体综合能源系统优化运行方法及系统 | |
CN112713590B (zh) | 计及idr的冷热电联供微网与主动配电网联合优化调度方法 | |
Kostelac et al. | Optimal Cooperative Scheduling of Multi-Energy Microgrids Under Uncertainty |
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 |