CN112036625A - 一种电力市场背景下基于主从博弈的新能源消纳方法 - Google Patents

一种电力市场背景下基于主从博弈的新能源消纳方法 Download PDF

Info

Publication number
CN112036625A
CN112036625A CN202010847110.7A CN202010847110A CN112036625A CN 112036625 A CN112036625 A CN 112036625A CN 202010847110 A CN202010847110 A CN 202010847110A CN 112036625 A CN112036625 A CN 112036625A
Authority
CN
China
Prior art keywords
generator
power
new energy
energy consumption
market
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
Application number
CN202010847110.7A
Other languages
English (en)
Inventor
唐忠
史晨豪
潘瑞媛
李征南
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.)
Shanghai University of Electric Power
Original Assignee
Shanghai University of Electric Power
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 Shanghai University of Electric Power filed Critical Shanghai University of Electric Power
Priority to CN202010847110.7A priority Critical patent/CN112036625A/zh
Publication of CN112036625A publication Critical patent/CN112036625A/zh
Pending legal-status Critical Current

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
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/042—Backward inferencing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Biophysics (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Accounting & Taxation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Finance (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Biology (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Educational Administration (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Primary Health Care (AREA)
  • Genetics & Genomics (AREA)
  • Physiology (AREA)
  • Biodiversity & Conservation Biology (AREA)

Abstract

本发明涉及一种电力市场背景下基于主从博弈的新能源消纳方法，包括：步骤1：获取模型输入数据；步骤2：构建发电商子模型和电网子模型；步骤3：根据发电商子模型和电网子模型构建基于主从博弈的新能源消纳模型；步骤4：求解新能源消纳模型，获取新能源消纳模型解集；步骤5：使用新能源消纳模型解集进行新能源消纳。与现有技术相比，本发明通过电网作为主从博弈的主导者，各发电商独立决策上报电价，可以避免出现恶性竞争的情况，防止市场出清电价过高或过低。本发明能使得电网购电成本最小化、发电商收益最大化，进而博弈各方获得利益的最优分配，并能有效解决弃风弃光的问题。

Description

一种电力市场背景下基于主从博弈的新能源消纳方法
技术领域
本发明涉及电力市场中新能源消纳技术领域，尤其是涉及一种电力市场背景下基于主从博弈的新能源消纳方法。
背景技术
目前，风光电消纳的相关技术发展缓慢，我国的电力市场运作时间尚短，具有很大的研究空间。而博弈论是一种主流的决策理论和方法，被较多地应用于电力市场。此外电力市场中的各个参与主体在交易过程中存在利益冲突，彼此相互竞争，与博弈论的应用场景极为符合。在此背景下，研究通过基于博弈论的市场手段解决弃风弃光问题十分必要。
现阶段针对相应电力市场应用较多的是合作博弈，合作博弈就是各参与主体以联盟、合作的方式进行自由竞价；目前基于合作博弈理论，针对各发电商联盟的情况，采用情景分析法对比发电商不联盟情况的利益变动情况进行了分析。合作博弈能增加发电商的整体收益，但在现实情况中由于缺少主导者，可能出现恶性竞争的情况，导致市场出清电价过高或过低。
现有技术中也有使用主从博弈进行新能源消纳调度的方法，例如中国专利CN109861302A中公开了一种基于主从博弈的能源互联网日前优化控制方法，该方法虽然使用主从博弈进行优化控制，但是博弈主体仅考虑以自身利益最大化为目标进行优化，主体与从体关系相关性较强。并在计算最优决策变量时只通过不断的迭代计算来寻求最优解，未提供具体求解算法。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种使购电总成本最低、售电收益最高，并解决弃风弃光问题的电力市场背景下基于主从博弈的新能源消纳方法。
本发明的目的可以通过以下技术方案来实现：
一种电力市场背景下基于主从博弈的新能源消纳方法，包括：
步骤1：获取模型输入数据；
步骤2：构建发电商子模型和电网子模型；
步骤3：根据发电商子模型和电网子模型构建基于主从博弈的新能源消纳模型；
步骤4：求解新能源消纳模型，获取新能源消纳模型解集；
步骤5：使用新能源消纳模型解集进行新能源消纳。
优选地，所述的模型输入数据包括：发电商的中标量、发电商的中标量的上下限值、发电商上报电价的上下限值、电网期望出力、市场出清电价的上下限值、电网期望出力的上下限值、第二日24小时的负荷需求。
优选地，所述的发电商子模型具体为：
设有n个发电商，每个发电商的发电成本为：
Ci＝0.5aiPi 2(t)+biPi(t)+ci
其中，Ci为第i个发电商的发电成本；Pi(t)为第i个发电商在t时段内的中标量；ai、bi和ci分别为发电成本系数；
第i个发电商在t时段内的总售电收入为：
Bi＝Pi(t)λ(t)
其中，Bi为总售电收入；λ(t)为市场出清电价；
发电商子模型的目标为最大化自身收益，模型的目标函数为：
Figure BDA0002643446040000021
Pimin(t)≤Pi(t)≤Pimax(t)
其中，N为第二日各发电商的报价时段总数；Pimax(t)和Pimin(t)分别表示发电商i在t时段内中标量的上下限值；
此外，发电商i在第二日上报电价的约束条件为：
μimin(t)≤μi(t)≤μimax(t)
其中，μi(t)为发电商i在第二日t时段内的上报电价；μimax(t)和μimin(t)分别表示t时段内发电商上报电价的上下限值。
优选地，所述的电网子模型的目标为最小化购电总成本；
所述的购电总成本包括购电成本Cb和新能源消纳惩罚成本Cp，计算方法分贝为：
Figure BDA0002643446040000031
Figure BDA0002643446040000032
电网子模型的目标函数为：
Figure BDA0002643446040000033
其中，Pi(t)为第i个发电商在t时段内的中标量；λ(t)为市场出清电价；rp为新能源消纳惩罚成本系数；PiE(t)为t时段内电网期望出力；
市场出清电价λ(t)的约束条件为：
λmin(t)≤λ(t)≤λmax(t)
其中，λmax(t)和λmin(t)分别为t时段内市场出清电价的上下限值；
同时考虑电网安全后，设置约束条件：
Pimin(t)≤Pi(t)≤Pimax(t)
PiEmin(t)≤PiE(t)≤PiEmax(t)
Figure BDA0002643446040000034
其中，Pimax(t)和Pimin(t)分别表示发电商i在t时段内中标量的上下限值；PiEmax(t)和PiEmin(t)分别为电网期望出力的上下限值；PD(t)为t时段内电网向各发电商购买的总功率，即该时段内的负荷需求；
Figure BDA0002643446040000035
为在t时段内系统需要满足的供需平衡等式约束。
优选地，所述的步骤3具体为：
建立一主多从博弈模型，将电网子模型设置为博弈主体，多个发电商子模型设置为博弈从体，博弈从体的优化核心在于求取发电商i针对其余发电商的最优报价策略，当发电商i不改变报价策略时，其余发电商都不会改变报价策略，这时将达到纳什均衡；博弈主体的优化核心在于考虑安全约束的条件下，分配各个发电商的中标量，确定市场出清电价。
更加优选地，所述的步骤4具体为：
步骤4-1：根据历史数据给定发电商i的输出报价；
步骤4-2：求解发电商i针对其余发电商的最优报价；
步骤4-3：判断是否获得纳什均衡解，若是，则执行步骤4-4，否则，返回步骤4-2；
步骤4-4：电网子模型根据各个发电商的报价策略，以最小化购电总成本为目标，求解第二日电力市场的市场出清电价以及发电商的中标量；
步骤4-5：判断是否获得Stackelberg-Nash均衡解，若是，则执行步骤4-6，否则，返回步骤4-4；
步骤4-6：输出新能源消纳模型的解集。
更加优选地，所述的步骤4-2具体为：
采用改进型自适应遗传算法确定个体适应度，经过交叉、变异生成优质的个体，其中每个个体代表发电商i的一种报价策略，个体适应度指的是发电商i的总售电增益；达到纳什均衡的条件是发电商i在不改变报价策略的前提下，其余发电商也不会主动改变报价策略，即找到纳什均衡解。
更加优选地，所述改进型自适应遗传算法中交叉概率PO的计算方法为：
Figure BDA0002643446040000041
所述改进型自适应遗传算法中变异概率PV的计算方法为：
Figure BDA0002643446040000042
其中，f为种群的适应度平均值；fmax为种群的适应度最大值；k1和k2为区间[0,1]内的常数；PO代表了种群的丰富度，PO越大，种群的丰富度越高，反之则越低；PV反映获取全局最优解的难易程度，PV越大，越容易得到全局最优解，反之则越难得到。
更加优选地，所述的步骤4-5具体为：
电网子模型根据各个发电商的报价策略，综合考虑新能源消纳惩罚成本，以最小购电总成本为目标，通过粒子群优化算法确定第二日电力市场的市场出清电价以及各个发电商的中标量，并找到Stackelberg-Nash均衡解，找到Stackelberg-Nash均衡解的条件是在各发电商达到纳什均衡的前提下，电网的购电总成本最低。
更加优选地，所述步骤4-6中的新能源消纳模型的解集包括发电商i针对其余发电商的最优报价、第二日电力市场的市场出清电价以及发电商的中标量。
与现有技术相比，本发明具有以下优点：
一、在保证系统安全稳定运行的前提下，解决弃风弃光问题：由于发明所构建的电力市场主从博弈模型，综合考虑了新能源消纳惩罚成本以及博弈各方的竞争关系，能在保证系统安全稳定运行的前提下，实现电力市场中博弈各方利益的最优分配，并有效解决弃风弃光问题。
二、提高社会效益：由于本发明是以购电成本最小和发电商发电收益最大化为目标，发电商能够进行独立决策，上报最优报价反馈给电网，电网最终确定市场出清电价和各发电商的有功功率中标量，在这个过程中电网作为博弈主体，可以借助电力市场主从博弈手段减少自己的购电成本，同时增加风光电的消耗量，提高社会效益，发电商可以通过参与电力市场主从博弈来获得更多的中标量，进而提升自己的整体收益。
三、有效提高搜索效率和收敛性：由于本申请在求解纳什均衡解时采用了改进型自适应遗传算法与粒子群算法相结合的算法进行求解，因而相比于一般遗传算法虽然全局寻优能力较好，但容易陷入局部最优解的缺点，它能够很好地解决这个问题，并具有提高算法的搜索效率和收敛性的优点。
附图说明
图1为本发明中新能源消纳方法的流程示意图；
图2为本发明中新能源消纳模型的结构示意图；
图3为本发明中新能源消纳模型的求解过程示意图；
图4为本发明实施例中一般模式下发电商的上报电价和中标量示意图；
图5为本发明实施例中参与合作博弈下发电商的上报电价和中标量示意图；
图6为本发明实施例中发电商的上报电价示意图；
图7为本发明实施例中发电商参与主从博弈的情况示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。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的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
一种电力市场背景下基于主从博弈的新能源消纳方法，其流程如图1所示，包括：
步骤1：获取模型输入数据，包括发电商的中标量、发电商的中标量的上下限值、发电商上报电价的上下限值、电网期望出力、市场出清电价的上下限值、电网期望出力的上下限值、第二日24小时的负荷需求；
步骤2：构建发电商子模型和电网子模型；
发电商子模型具体为：
设有n个发电商，每个发电商的发电成本为：
Ci＝0.5aiPi 2(t)+biPi(t)+ci
其中，Ci为第i个发电商的发电成本；Pi(t)为第i个发电商在t时段内的中标量；ai、bi和ci分别为发电成本系数；
第i个发电商在t时段内的总售电收入为：
Bi＝Pi(t)λ(t)
其中，Bi为总售电收入；λ(t)为市场出清电价；
发电商子模型的目标为最大化自身收益，模型的目标函数为：
Figure BDA0002643446040000061
Pimin(t)≤Pi(t)≤Pimax(t)
其中，N为第二日各发电商的报价时段总数；Pimax(t)和Pimin(t)分别表示发电商i在t时段内中标量的上下限值；
此外，发电商i在第二日上报电价的约束条件为：
μimin(t)≤μi(t)≤μimax(t)
其中，μi(t)为发电商i在第二日t时段内的上报电价；μimax(t)和μimin(t)分别表示t时段内发电商上报电价的上下限值；
电网子模型的目标为最小化购电总成本；
购电总成本包括购电成本Cb和新能源消纳惩罚成本Cp，计算方法分贝为：
Figure BDA0002643446040000062
Figure BDA0002643446040000071
电网子模型的目标函数为：
Figure BDA0002643446040000072
其中，Pi(t)为第i个发电商在t时段内的中标量；λ(t)为市场出清电价；rp为新能源消纳惩罚成本系数；PiE(t)为t时段内电网期望出力；
市场出清电价λ(t)的约束条件为：
λmin(t)≤λ(t)≤λmax(t)
其中，λmax(t)和λmin(t)分别为t时段内市场出清电价的上下限值；
同时考虑电网安全后，设置约束条件：
Pimin(t)≤Pi(t)≤Pimax(t)
PiEmin(t)≤PiE(t)≤PiEmax(t)
Figure BDA0002643446040000073
其中，Pimax(t)和Pimin(t)分别表示发电商i在t时段内中标量的上下限值；PiEmax(t)和PiEmin(t)分别为电网期望出力的上下限值；PD(t)为t时段内电网向各发电商购买的总功率，即该时段内的负荷需求；
Figure BDA0002643446040000074
为在t时段内系统需要满足的供需平衡等式约束；
步骤3：根据发电商子模型和电网子模型构建基于主从博弈的新能源消纳模型，具体为：
建立一主多从博弈模型，其结构如图2所示，将电网子模型设置为博弈主体，多个发电商子模型设置为博弈从体；博弈从体分别为发电商1、发电商2、……和发电商n，以最大化各自收益为目标；博弈从体的优化核心在于求取发电商i针对其余发电商的最优报价策略，当发电商i不改变报价策略时，其余发电商都不会改变报价策略，这时将达到纳什均衡；博弈主体为电网子模型，以最小化购电总成本，解决弃风弃光问题为目标，博弈主体的优化核心在于考虑安全约束的条件下，分配各个发电商的中标量，确定市场出清电价。
步骤4：求解新能源消纳模型，获取新能源消纳模型解集，其流程如图3所示，具体为：
步骤4-1：根据历史数据给定发电商i的输出报价；
步骤4-2：求解发电商i针对其余发电商的最优报价，具体求解方法为；
采用改进型自适应遗传算法确定个体适应度，同时可以提高搜索效率和收敛性，经过交叉、变异生成优质的个体，其中每个个体代表发电商i的一种报价策略，个体适应度指的是发电商i的总售电增益；达到纳什均衡的条件是发电商i在不改变报价策略的前提下，其余发电商也不会主动改变报价策略，即找到纳什均衡解；
改进型自适应算法中的两个关键参数分别为交叉概率PO和变异概率PV，具体计算方法分别为：
改进型自适应遗传算法中交叉概率PO的计算方法为：
Figure BDA0002643446040000081
改进型自适应遗传算法中变异概率PV的计算方法为：
Figure BDA0002643446040000082
其中，f为种群的适应度平均值；fmax为种群的适应度最大值；k1和k2为区间[0,1]内的常数；PO代表了种群的丰富度，PO越大，种群的丰富度越高，反之则越低；PV反映获取全局最优解的难易程度，PV越大，越容易得到全局最优解，反之则越难得到；
当arcsin(f/fmax)≥π/6时，表明种群的适应度平均值越接近种群的适应度最大值，而且越大于π/6，说明种群差异越小，此时个体再进行交叉并不能带来更多优质的个体，因此需要自适应地减小交叉概率PO，同时自适应地增大变异概率PV，以便更好地得到全局最优解，当arcsin(f/fmax)＜π/6时，表明种群的适应度平均值越远离种群的适应度最大值，而且越小于π/6，说明种群差异越大，此时需要自适应地增大PO，同时自适应地减小PV，使个体之间进行交叉得到优质的个体。
步骤4-3：判断是否获得纳什均衡解，若是，则执行步骤4-4，否则，返回步骤4-2；
步骤4-4：电网子模型根据各个发电商的报价策略，以最小化购电总成本为目标，求解第二日电力市场的市场出清电价以及发电商的中标量；
步骤4-5：判断是否获得Stackelberg-Nash均衡解，若是，则执行步骤4-6，否则，返回步骤4-4，具体为：
电网子模型根据各个发电商的报价策略，综合考虑新能源消纳惩罚成本，以最小购电总成本为目标，通过粒子群优化算法确定第二日电力市场的市场出清电价以及各个发电商的中标量，并找到Stackelberg-Nash均衡解，找到Stackelberg-Nash均衡解的条件是在各发电商达到纳什均衡的前提下，电网的购电总成本最低；
步骤4-6：输出新能源消纳模型的解集，包括发电商i针对其余发电商的最优报价、第二日电力市场的市场出清电价以及发电商的中标量；
步骤5：使用新能源消纳模型解集进行新能源消纳。
本实施例以某日前电力市场为算例进行仿真，该日前电力市场存在三个发电商，分别用G1、G2和G3表示，仿真时间段为第2日用电高峰期的7–8时，该时间段内的负荷需求为PD＝84MW，市场出清电价。发电商G1、G2和G3在该时间段内的上报电价μi∈[0,100]USD/(MW·h)，有功功率中标量Pi∈(0,40]MW，电网期望出力PiE∈(0,40]MW，新能源消纳惩罚成本系数rp取50USD/(MW·h)。发电商G1的风力发电占比为7.67％，太阳能发电占比为6.51％，其余形式的发电占比为85.82％；发电商G2的风力发电占比为8.37％，太阳能发电占比为6.24％，其余形式的发电占比为85.39％；发电商G3的风力发电占比为8.96％，太阳能发电占比为7.03％，其余形式的发电占比为84.01％。
各发电商的基本参数如表1所示。
表1各发电商的基本参数
发电商 a/(USD/MW<sup>2</sup>) b/(USD/MW) c/USD
G<sub>1</sub> 0.74 24.82 0
G<sub>2</sub> 0.81 22.54 0
G<sub>3</sub> 1.05 24.15 0
发电商G1、G2和G3在两种模式下的上报电价和中标量，具体情况如图4和图5所示。根据图4和图5中的中标量乘上发电商的发电占比，再结合上报电价和发电商子模型的目标函数可进一步得到在发电商未参与博弈、参与合作博弈两种模式下，发电商G1、G2和G3的风光发电量和总利润。
根据所建立的一主多从电力市场博弈模型，结合日前电力市场算例采用改进型自适应遗传算法和粒子群优化算法相结合进行仿真计算；然后，根据仿真计算得到的Stackelberg-Nash均衡解，即在参与主从博弈模式下发电商G1、G2和G3的上报电价和中标量，计算该模式下各发电商的总利润和风光发电量；最后，将前述计算所得结果与发电商未参与博弈、参与合作博弈两种模式进行对比分析。
由图6可知，经过若干轮的博弈，发电商G1、G2和G3的最终上报电价分别稳定在68.5、70.1和71.3USD/(MW·h)，此时的市场出清电价为71.3USD/(MW·h)。而通过图4、图5和图7的对比可知，发电商G1、G2和G3在参与主从博弈模式下的最终上报电价要低于未参与博弈和参与合作博弈两种模式下的最终上报电价，然而，在考虑了新能源消纳惩罚成本Cp，发电商参与主从博弈模式下的中标量相对两种模式有了提升，即发电商实际出力更接近电网期望出力。基于此，进一步计算比较上述三种模式下发电商G1、G2和G3的总利润和对应的风光发电量，具体如表2所示。
表2未参与博弈、参与合作博弈和参与主从博弈三种情况的对比
Figure BDA0002643446040000101
由表2可以，发电商在参与主从博弈的模式下，无论是总利润还是实际消耗的风光发电量，较另外两种模式都有了提升。由此说明，发电商可以通过参与电力市场主从博弈来赢得更多的利益分配，并有效地解决弃风弃光问题。
本发明提出了一种基于主从博弈理论来解决解决电网购电成本最小化目标与发电商收益最大化目标相矛盾问题的方法。目前市场上应用较多的是合作博弈，合作博弈就是各参与主体以联盟、合作的方式进行自由竞价，合作博弈能增加发电商的整体收益，但在现实情况中由于缺少主导者，可能出现恶性竞争的情况，导致市场出清电价过高或过低。因此，考虑当前我国的电力市场环境，针对寻求矛盾的均衡解问题，本发明提出了一种在电力市场背景下基于主从博弈的新能源消纳模型来解决解决电网购电成本最小化目标与发电商收益最大化目标相矛盾的问题。首先根据一主多从博弈理论，将电网作为博弈主体，并引入新能源消纳惩罚成本，以购电总成本最低、解决弃风弃光问题为目标；然后将各发电商作为博弈从体，以售电收益最高为目标，构建一主多从电力市场博弈模型；最后通过改进型自适应遗传算法与粒子群算法相结合的算法解出该模型的Stackelberg-Nash均衡解。仿真结果表明，本发明所提出的模型能使博弈各方获得利益的最优分配，并能有效解决弃风弃光问题。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种电力市场背景下基于主从博弈的新能源消纳方法，其特征在于，包括：
步骤1：获取模型输入数据；
步骤2：构建发电商子模型和电网子模型；
步骤3：根据发电商子模型和电网子模型构建基于主从博弈的新能源消纳模型；
步骤4：求解新能源消纳模型，获取新能源消纳模型解集；
步骤5：使用新能源消纳模型解集进行新能源消纳。
2.根据权利要求1所述的一种电力市场背景下基于主从博弈的新能源消纳方法，其特征在于，所述的模型输入数据包括：发电商的中标量、发电商的中标量的上下限值、发电商上报电价的上下限值、电网期望出力、市场出清电价的上下限值、电网期望出力的上下限值、第二日24小时的负荷需求。
3.根据权利要求1所述的一种电力市场背景下基于主从博弈的新能源消纳方法，其特征在于，所述的发电商子模型具体为：
设有n个发电商，每个发电商的发电成本为：
Ci＝0.5aiPi 2(t)+biPi(t)+ci
其中，Ci为第i个发电商的发电成本；Pi(t)为第i个发电商在t时段内的中标量；ai、bi和ci分别为发电成本系数；
第i个发电商在t时段内的总售电收入为：
Bi＝Pi(t)λ(t)
其中，Bi为总售电收入；λ(t)为市场出清电价；
发电商子模型的目标为最大化自身收益，模型的目标函数为：
Figure FDA0002643446030000011
Pimin(t)≤Pi(t)≤Pimax(t)
其中，N为第二日各发电商的报价时段总数；Pimax(t)和Pimin(t)分别表示发电商i在t时段内中标量的上下限值；
此外，发电商i在第二日上报电价的约束条件为：
μimin(t)≤μi(t)≤μimax(t)
其中，μi(t)为发电商i在第二日t时段内的上报电价；μimax(t)和μimin(t)分别表示t时段内发电商上报电价的上下限值。
4.根据权利要求1所述的一种电力市场背景下基于主从博弈的新能源消纳方法，其特征在于，所述的电网子模型的目标为最小化购电总成本；
所述的购电总成本包括购电成本Cb和新能源消纳惩罚成本Cp，计算方法分贝为：
Figure FDA0002643446030000021
Figure FDA0002643446030000022
电网子模型的目标函数为：
Figure FDA0002643446030000023
其中，Pi(t)为第i个发电商在t时段内的中标量；λ(t)为市场出清电价；rp为新能源消纳惩罚成本系数；PiE(t)为t时段内电网期望出力；
市场出清电价λ(t)的约束条件为：
λmin(t)≤λ(t)≤λmax(t)
其中，λmax(t)和λmin(t)分别为t时段内市场出清电价的上下限值；
同时考虑电网安全后，设置约束条件：
Pimin(t)≤Pi(t)≤Pimax(t)
PiEmin(t)≤PiE(t)≤PiEmax(t)
Figure FDA0002643446030000024
其中，Pimax(t)和Pimin(t)分别表示发电商i在t时段内中标量的上下限值；PiEmax(t)和PiEmin(t)分别为电网期望出力的上下限值；PD(t)为t时段内电网向各发电商购买的总功率，即该时段内的负荷需求；
Figure FDA0002643446030000025
为在t时段内系统需要满足的供需平衡等式约束。
5.根据权利要求1所述的一种电力市场背景下基于主从博弈的新能源消纳方法，其特征在于，所述的步骤3具体为：
建立一主多从博弈模型，将电网子模型设置为博弈主体，多个发电商子模型设置为博弈从体，博弈从体的优化核心在于求取发电商i针对其余发电商的最优报价策略，当发电商i不改变报价策略时，其余发电商都不会改变报价策略，这时将达到纳什均衡；博弈主体的优化核心在于考虑安全约束的条件下，分配各个发电商的中标量，确定市场出清电价。
6.根据权利要求5所述的一种电力市场背景下基于主从博弈的新能源消纳方法，其特征在于，所述的步骤4具体为：
步骤4-1：根据历史数据给定发电商i的输出报价；
步骤4-2：求解发电商i针对其余发电商的最优报价；
步骤4-3：判断是否获得纳什均衡解，若是，则执行步骤4-4，否则，返回步骤4-2；
步骤4-4：电网子模型根据各个发电商的报价策略，以最小化购电总成本为目标，求解第二日电力市场的市场出清电价以及发电商的中标量；
步骤4-5：判断是否获得Stackelberg-Nash均衡解，若是，则执行步骤4-6，否则，返回步骤4-4；
步骤4-6：输出新能源消纳模型的解集。
7.根据权利要求6所述的一种电力市场背景下基于主从博弈的新能源消纳方法，其特征在于，所述的步骤4-2具体为：
采用改进型自适应遗传算法确定个体适应度，经过交叉、变异生成优质的个体，其中每个个体代表发电商i的一种报价策略，个体适应度指的是发电商i的总售电增益；达到纳什均衡的条件是发电商i在不改变报价策略的前提下，其余发电商也不会主动改变报价策略，即找到纳什均衡解。
8.根据权利要求7所述的一种电力市场背景下基于主从博弈的新能源消纳方法，其特征在于，所述改进型自适应遗传算法中交叉概率PO的计算方法为：
Figure FDA0002643446030000031
所述改进型自适应遗传算法中变异概率PV的计算方法为：
Figure FDA0002643446030000032
其中，f为种群的适应度平均值；fmax为种群的适应度最大值；k1和k2为区间[0,1]内的常数；PO代表了种群的丰富度，PO越大，种群的丰富度越高，反之则越低；PV反映获取全局最优解的难易程度，PV越大，越容易得到全局最优解，反之则越难得到。
9.根据权利要求7所述的一种电力市场背景下基于主从博弈的新能源消纳方法，其特征在于，所述的步骤4-5具体为：
电网子模型根据各个发电商的报价策略，综合考虑新能源消纳惩罚成本，以最小购电总成本为目标，通过粒子群优化算法确定第二日电力市场的市场出清电价以及各个发电商的中标量，并找到Stackelberg-Nash均衡解，找到Stackelberg-Nash均衡解的条件是在各发电商达到纳什均衡的前提下，电网的购电总成本最低。
10.根据权利要求7所述的一种电力市场背景下基于主从博弈的新能源消纳方法，其特征在于，所述步骤4-6中的新能源消纳模型的解集包括发电商i针对其余发电商的最优报价、第二日电力市场的市场出清电价以及发电商的中标量。
CN202010847110.7A 2020-08-21 2020-08-21 一种电力市场背景下基于主从博弈的新能源消纳方法 Pending CN112036625A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010847110.7A CN112036625A (zh) 2020-08-21 2020-08-21 一种电力市场背景下基于主从博弈的新能源消纳方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010847110.7A CN112036625A (zh) 2020-08-21 2020-08-21 一种电力市场背景下基于主从博弈的新能源消纳方法

Publications (1)

Publication Number Publication Date
CN112036625A true CN112036625A (zh) 2020-12-04

Family

ID=73580299

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010847110.7A Pending CN112036625A (zh) 2020-08-21 2020-08-21 一种电力市场背景下基于主从博弈的新能源消纳方法

Country Status (1)

Country Link
CN (1) CN112036625A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113112062A (zh) * 2021-04-07 2021-07-13 国家电网有限公司 一种考虑新能源消纳的区域能源聚合商博弈方法
CN113642918A (zh) * 2021-08-27 2021-11-12 东南大学 一种基于主从博弈的虚拟电厂调控方法、存储介质和装置
CN114091721A (zh) * 2021-09-30 2022-02-25 重庆大学 一种基于博弈论的耦合系统可靠性评估方法
CN114463058A (zh) * 2022-01-26 2022-05-10 华北电力大学 一种以消纳受阻新能源激励电价为引导的储能响应控制方法
CN114529323A (zh) * 2021-12-16 2022-05-24 国网浙江省电力有限公司嘉兴供电公司 一种基于效率损失比的需求响应激励决策优化方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109919472A (zh) * 2019-02-27 2019-06-21 华南理工大学 一种考虑多利益主体博弈的发电市场迭代竞价方法
CN110689399A (zh) * 2019-08-29 2020-01-14 国家电网有限公司 在统一市场出清价格机制下基于博弈论的购电商竞价方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109919472A (zh) * 2019-02-27 2019-06-21 华南理工大学 一种考虑多利益主体博弈的发电市场迭代竞价方法
CN110689399A (zh) * 2019-08-29 2020-01-14 国家电网有限公司 在统一市场出清价格机制下基于博弈论的购电商竞价方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
薛佳诚 等: ""电力市场背景下基于主从博弈的新能源消纳模型"", 《现代电力》, vol. 37, no. 3, pages 270 - 276 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113112062A (zh) * 2021-04-07 2021-07-13 国家电网有限公司 一种考虑新能源消纳的区域能源聚合商博弈方法
CN113112062B (zh) * 2021-04-07 2024-04-16 国家电网有限公司 一种考虑新能源消纳的区域能源聚合商博弈方法
CN113642918A (zh) * 2021-08-27 2021-11-12 东南大学 一种基于主从博弈的虚拟电厂调控方法、存储介质和装置
CN113642918B (zh) * 2021-08-27 2024-05-10 东南大学 一种基于主从博弈的虚拟电厂调控方法、存储介质和装置
CN114091721A (zh) * 2021-09-30 2022-02-25 重庆大学 一种基于博弈论的耦合系统可靠性评估方法
CN114529323A (zh) * 2021-12-16 2022-05-24 国网浙江省电力有限公司嘉兴供电公司 一种基于效率损失比的需求响应激励决策优化方法
CN114529323B (zh) * 2021-12-16 2024-06-04 国网浙江省电力有限公司嘉兴供电公司 一种基于效率损失比的需求响应激励决策优化方法
CN114463058A (zh) * 2022-01-26 2022-05-10 华北电力大学 一种以消纳受阻新能源激励电价为引导的储能响应控制方法
CN114463058B (zh) * 2022-01-26 2024-06-04 华北电力大学 一种以消纳受阻新能源激励电价为引导的储能响应控制方法

Similar Documents

Publication Publication Date Title
CN108565900B (zh) 一种基于博弈论的分布式能源优化运行方法
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
CN111210144A (zh) 一种面向电力现货市场的发电风险管理方法及系统
CN111612552A (zh) 一种计及三主体竞价的综合能源系统日前迭代出清方法
CN114971899A (zh) 新能源参与下的日前、日内和实时市场电能交易优化方法
CN113553770B (zh) 一种基于主从博弈的电氢综合能源系统优化运行方法
CN111476399A (zh) 一种现货交易机制下售电公司购电方法及系统
CN113642918A (zh) 一种基于主从博弈的虚拟电厂调控方法、存储介质和装置
CN115186926A (zh) 一种基于电-碳共享的园区能量优化方法及系统
Dai et al. An equilibrium model of the electricity market considering the participation of virtual power plants
CN113256114B (zh) 基于分布式发电消纳的日前与时前两阶段的需求响应方法
Zhang et al. Shared energy storage-assisted and tolerance-based alliance strategy for wind power generators based on cooperative game and resource dependence theories
CN116885714A (zh) 一种电力市场均衡方法、系统、设备及存储介质
CN111402015A (zh) 一种基于购售风险的虚拟电厂双层竞标方法及系统
CN112036637A (zh) 考虑风电消纳的社区能源互联网能源交易调度方法及系统
CN111783303B (zh) 抽水蓄能电站报价报量确定方法、系统及装置
CN116485434A (zh) 一种考虑碳排放流和源荷协调的混合电力市场减排方法
CN110599032A (zh) 一种灵活电源的深度斯坦伯格自适应动态博弈方法
CN114447923A (zh) 高风电占比电力系统的电能和调频辅助服务博弈优化方法
CN112258302A (zh) 一种抽水蓄能参与电能量现货市场竞价的优化方法
CN113256010A (zh) 一种两阶段分层优化算法的多能源局域网优化调度方法
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
Huang et al. Research on the Learning Bidding Strategy of Bilateral Negotiation Transactions in Electricity Market
CN117172815B (zh) 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
Wang et al. A Peer-to-Peer Trading Mechanism Considering Preferences: A Two-Stage Game Theory Approach

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