CN112054513B - 基于混合博弈的多微电网双层协调优化调度方法 - Google Patents

基于混合博弈的多微电网双层协调优化调度方法 Download PDF

Info

Publication number
CN112054513B
CN112054513B CN202010845202.1A CN202010845202A CN112054513B CN 112054513 B CN112054513 B CN 112054513B CN 202010845202 A CN202010845202 A CN 202010845202A CN 112054513 B CN112054513 B CN 112054513B
Authority
CN
China
Prior art keywords
microgrid
power
aggregator
micro
layer
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
CN202010845202.1A
Other languages
English (en)
Other versions
CN112054513A (zh
Inventor
程杉
王瑞
陈梓铭
严潇
汪业乔
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.)
China Three Gorges University CTGU
Original Assignee
China Three Gorges University CTGU
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 China Three Gorges University CTGU filed Critical China Three Gorges University CTGU
Priority to CN202010845202.1A priority Critical patent/CN112054513B/zh
Publication of CN112054513A publication Critical patent/CN112054513A/zh
Application granted granted Critical
Publication of CN112054513B publication Critical patent/CN112054513B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • 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
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/62—The condition being non-electrical, e.g. temperature
    • H02J2310/64—The condition being economic, e.g. tariff based load management
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

基于混合博弈的多微电网双层协调优化调度方法，考虑上层聚合商的效用，提出下层多微电网的合作博弈模型，然后考虑多微电网用电满意度函数和效用，下层多微电网的效用函数包括微电网的运行成本、燃气轮机发电成本和蓄电池充放电成本；建立Stackelberg博弈模型，使上层聚合商和下层多微电网都倾向于使自身的利益达到最大；采用粒子群算法，求解Stackelberg博弈模型，上层聚合商采用粒子群算法优化购售电价格；下层多微电网采用cplex软件求解优化购售电计划，最大化其效益。本发明方法增加了各微电网之间功率的交互，提升了内部的电力共享能力，减少了各微电网与聚合商之间的交互功率；提出Stackelberg博弈模型，分别降低和增加峰、谷时段的交互功率，起到了削峰填谷的作用。

Description

基于混合博弈的多微电网双层协调优化调度方法
技术领域
本发明涉及多微电网双层优化控制技术领域，具体是一种基于混合博弈的多微电网双层协调优化调度方法。
背景技术
在智能电网时代，微电网工程大力发展，更多微电网聚集起来形成了多微电网系统，各微电网通过微电网群进行功率互济，增强了微电网群整体系统的供电可靠性和运行经济性。微电网不仅可以与配电网进行电能交易，微电网之间也可以进行交易，即通过能量互济和协同优化控制从而提升多微电网系统的自治和消纳能力并实现经济效益。
现有技术中多微电网优化调度，单纯采用Stackelberg博弈不能公平、合理分配收益，无法保证单个微电网收益或者降低其成本；单纯使用Shapley值法无法保证多微电网系统和聚合商双方收益。此外，在电力市场环境下，解决多利益主体间冲突与合作的博弈策略是经济调度中需要解决的关键问题之一，也是决策者双赢的重要途径之一。
发明内容
为解决属于不同利益主体的多微电网和聚合商协调优化问题，本发明提供一种基于混合博弈的多微电网双层协调优化调度方法，建立了基于混合博弈的双层优化调度模型，增加了各微电网之间功率的交互，提升了内部的电力共享能力，减少了各微电网与聚合商之间的交互功率；上层聚合商和下层多微电网之间采用主从博弈，分别降低和增加峰、谷时段的交互功率，起到了削峰填谷的作用；下层微电网之间采用合作博弈，余电微电网和缺电微电网之间采用合作博弈策略进行电能交易规划，以达到各微电网的利益最优。
本发明采取的技术方案为：
基于混合博弈的多微电网双层协调优化调度方法，包括以下步骤：
步骤1：考虑上层聚合商的效用，上层聚合商的效用函数为微电网与聚合商的购售电功率和购售电价格的乘积；
步骤2：提出下层多微电网的合作博弈模型，然后考虑多微电网用电满意度函数和效用，下层多微电网的效用函数包括微电网的运行成本、燃气轮机发电成本和蓄电池充放电成本；
步骤3：建立Stackelberg博弈模型，使上层聚合商和下层多微电网都倾向于使自身的利益达到最大；
步骤4：采用粒子群算法结合cplex软件，求解Stackelberg博弈模型，上层聚合商采用粒子群算法优化购售电价格；下层多微电网采用cplex软件求解优化购售电计划，最大化其效益。
步骤5：考虑实际情况进行算例分析，验证所提策略和模型的正确性。
本发明一种基于混合博弈的多微电网双层协调优化调度方法，技术效果如下：
1)通过提出合理的多微电网之间的合作博弈模型，增加了各微电网之间功率的交互，提升了内部的电力共享能力，减少了各微电网与聚合商之间的交互功率。
2)在聚合商和多微电网系统提出主从博弈(Stackelberg博弈)模型，以上层聚合商为领导者，下层多微电网为跟随着，可以分别降低和增加峰、谷时段的交互功率，起到了削峰填谷的作用。
3)通过同时考虑上层和下层的主从博弈模型以及下层微电网之间的合作博弈模型，可以有效实现清洁能源的合理利用，提高聚合商和各微电网的利润。
4)在上层模型中采用粒子群优化算法优化购、售电价格，下层模型采用cplex软件进行求解，并应用Shapley值法为各个参与合作的微电网收益进行公平分配，既保护了各参与者的个人用电隐私，也提高了算法的准确性和收敛速度。
附图说明
图1为多微电网调度框架及混合博弈示意图。
图2为混合博弈求解流程图。
图3为风力机组预测出力曲线图。
图4为光伏机组预测出力曲线图。
图5为日负荷曲线图。
图6为各微电网净功率曲线图。
图7(1)为策略一下多微电网系统与聚合商之间的交互关系图；
图7(2)为策略二下多微电网系统与聚合商之间的交互关系图；
图7(3)为策略三下多微电网系统与聚合商之间的交互关系图；
图7(4)为策略四下多微电网系统与聚合商之间的交互关系图。
图8为策略四的内部价格示意图。
图9(1)为策略四储能电量变化曲线图；
图9(2)为策略四燃气轮机出力变化曲线图。
具体实施方式
基于混合博弈的多微电网双层协调优化调度方法，包括以下步骤：
步骤1：考虑上层聚合商的效用，上层聚合商的效用函数为微电网与聚合商的购售电功率和购售电价格的乘积；
步骤2：提出下层多微电网的合作博弈模型，然后考虑多微电网用电满意度函数和效用，下层微电网的效用函数包括微电网的运行成本、燃气轮机的发电成本和蓄电池的充放电成本；
步骤3：建立Stackelberg博弈模型，使上层聚合商和下层多微电网都倾向于使自身的利益达到最大；
步骤4：采用粒子群算法结合cplex软件求解Stackelberg博弈模型，上层采用粒子群算法优化购售电价格，下层采用cplex软件求解优化购售电计划，最大化其效益；
步骤5：考虑实际情况进行算例分析，验证所提策略和模型的正确性。
如图1所示的多微电网系统调度及交易状态示意图，每个微电网电源由风机和光伏等可再生分布式能源、储能系统蓄电池和负荷组成。聚合商作为配电网和多微电网系统的中间商，通过价格优惠，促进了多微电网系统的风光消纳，而其自身通过价格差赚取利润。上层聚合商作为Stackelberg博弈的领导者，可以与配电网和多微电网系统进行电能交互，以自身的经济利益fMA最大化为目标，制定与下层多微电网系统间的购/售电价格θs/θb。而各微电网作为跟随者，旨在通过余/缺微电网之间的合作达到成本最小化，根据上层下达的内部电价，在满足自身约束的情况下，将获得的最优购/售电量计划PM反馈给上层。
而多微电网系统、聚合商以及配电网之间的交易，则是余、缺电微电网间先进行合作，确定合作的电量Ph。在一般情况下，余电微电网出售电能给聚合商的价格θs要小于缺电微电网购电价格θb。因此若余电微电网与缺电微电网之间达成合作交易协议，形成合作联盟来实现余电互用，可以提高余电共享水平，降低互用电成本、增加互用电收益，实现整体效益的提升。其次，对于还有多余电能的微电网，可以将多余电能出售给聚合商；对于仍缺电的微电网，可以通过聚合商来购电来满足自身需求；对于自给自足的微电网，不需要与聚合商进行电能交易。
1、上层供应商的效用函数为：
Figure GDA0003387683450000031
式中：N为微电网的个数，T为24小时，
Figure GDA0003387683450000032
分别为第k个微电网与聚合商之间的购、售电功率，
Figure GDA0003387683450000041
为聚合商和微电网之间的购、售电价格，
Figure GDA0003387683450000042
为聚合商和配电网之间的购、售电价格。
2、下层多微电网的合作博弈模型描述如下：
一个配电区域内的多微电网系统，合作方是有意愿参加联盟的余电微电网和缺电微电网，双方形成合作联盟S后，可看作一个等效微电网。该等效微电网整体与聚合商进行交易，因此可以计算得到合作联盟增加的总收益为：
Figure GDA0003387683450000043
Figure GDA0003387683450000044
Figure GDA0003387683450000045
式中：T为24小时，λk,t为0、1变量，
Figure GDA0003387683450000046
为合作模型下微电网与聚合商之间的交易成本。Δt为单位调度时长，本发明为1h，P、Q分别代表余电微电网的集合和缺电微电网的集合。P'k,t为第k个微电网在t时刻与聚合商之间交互的功率：P'k,t＞0时，表示微电网售电给聚合商，P'k,t＜0时，表示从聚合商处购电，
Figure GDA0003387683450000047
为聚合商和微电网之间的购、售电价格，Δv是合作博弈中微电网合作产生的收益。
合作博弈中最重要的两个概念是联盟和分配：①对于联盟，整体收益大于其每个成员单独经营时的收益之和；②对于分配，每个参与者从联盟中分配到的收益不小于单独经营所得收益。在一个合作博弈中，联盟内部成员之间的信息是可以互相交换的，所达成的协议必须强制执行。合作之所以能够增进双方的利益，是因为合作博弈能够产生一种合作剩余。至于合作剩余在博弈各方之间如何分配，取决于博弈各方的力量对比和制度设计。
对于本发明所提出的合作模型，应用Shapley值法为各个参与合作的微电网分配收益的计算规则如下，需要满足条件：
Figure GDA0003387683450000048
v(S1∪S2)≥v(S1)+v(S2) (6)
式中，v表示合作模型，S1和S2表示两个联盟，对于式(5)显然满足；对于式(6)，从前文分析可以看出，微电网合作时的收益要大于各自单独运行时的收益之和，因此对于本发明的合作模型而言，式(6)也可以满足。
满足式(5)、式(6)后，则可应用Shapley值来计算参与合作的每个微电网的收益，对于任意一个微电网k，其收益计算公式为：
Figure GDA0003387683450000051
Figure GDA0003387683450000052
式中，sk是联盟中包含微电网k的所有子集；|s|是子集s中的用户个数；ω(|s|)是加权因子；v(s)是集合s产生的收益；v(s/k)表示集合s中除去微电网k后，剩下的微电网形成合作联盟所获得的总收益。
3、下层多微电网的效用函数包括：
Figure GDA0003387683450000053
式中：N为微电网的个数，T为24小时，UMG为多微电网系统的运行成本，
Figure GDA0003387683450000054
和
Figure GDA0003387683450000055
分别为第k个微电网中的燃气轮机和蓄电池在t时刻的运行成本，
Figure GDA0003387683450000056
为其满意度效用函数，其表达式分别如(10)、(11)和(12)所示。
Figure GDA0003387683450000057
Figure GDA0003387683450000058
Figure GDA0003387683450000059
式中：N为微电网的个数，T为24小时，
Figure GDA00033876834500000510
为第k个微电网购买天然气的单位价格；
Figure GDA00033876834500000511
为燃气轮机在时段t的发电功率；ηMT和CMT分别为燃气轮机的发电效率和发电成本；LHVNG为天然气低热值。
Figure GDA00033876834500000512
分别为蓄电池在时段t的充、放电功率，cdis、cch分别为相应的单位运行管理成本。en和dn为多微电网系统对消耗电能的偏好常系数，P'k,t为第k个微电网在t时刻与聚合商之间交互的功率：P'k,t＞0时，表示微电网售电给聚合商，P'k,t＜0时，表示从聚合商处购电。
上述包含功率平衡约束、燃气轮机运行约束和蓄电池运行约束，分别表示如下：
1)功率平衡约束：
Figure GDA00033876834500000513
Figure GDA00033876834500000514
式中：xk,t为第k个微电网的日前负荷预测值，
Figure GDA0003387683450000061
和
Figure GDA0003387683450000062
分别表示其中的光伏和风机预测出力值，Pdisk,t、Pchk,t分别为蓄电池在时段t的充、放电功率，
Figure GDA0003387683450000063
为燃气轮机在时段t的发电功率，P'k,t为第k个微电网在t时刻与聚合商之间交互的功率，
Figure GDA0003387683450000064
分别为第k个微电网与聚合商之间的购、售电功率。
2)燃气轮机运行约束和爬坡速率约束：
Figure GDA0003387683450000065
Figure GDA0003387683450000066
式中：PMT,mink,t、PMT,maxk,t分别为
Figure GDA0003387683450000067
的上、下限值，RMT,d/RMT,u为燃气轮机出力上/下降的速率，Δt为单位调度时长，
Figure GDA0003387683450000068
为燃气轮机在时段t的发电功率，
Figure GDA0003387683450000069
为燃气轮机在时段t+1的发电功率。
3)蓄电池运行约束：
Figure GDA00033876834500000610
Figure GDA00033876834500000611
式中：Pchk,t、Pdisk,t为蓄电池充放电功率，
Figure GDA00033876834500000612
和
Figure GDA00033876834500000613
分别为Pdisk,t和Pchk,t的上限；
Figure GDA00033876834500000614
为蓄电池的充、放电状态，二者不同时为1，Ek,t为时段t的电池电量，Ek,t-1为时段t-1的电池电量，
Figure GDA00033876834500000615
分别为Ek,t的上、下限，Δt为单位调度时长。为保证周期性调度，蓄电池系统在每日的始、末电池量需保持一致，即：
Ek,0＝Ek,24 (19)
式中：Ek,0、Ek,24分别为时段0和时段24的电池电量。
4、建立Stackelberg博弈模型：
上、下层的Stackelberg博弈模型可以表示为：
G＝{(MA∪MG),PM,θb,θs,fMA,UMG} (20)
式中：MA∪MG表示聚合商和多微电网，他们是博弈方；PM为多微电网系统的购、售电计划策略集；θb/θs为聚合商从/向多微电网的购/售电电价策略集；fMA、UMG分别为上层效用函数和下层效用函数。
由于各微电网和聚合商的目标分别是成本最小化和利润最大化，聚合商会制定最优的内部电价、微电网会依据内部电价决策最优购、售电计划，此时就会达到博弈的均衡。假设(P*,ρ* pb,ρ* ps)为G的一个策略集，若其为Stackelberg均衡需满足：
Figure GDA0003387683450000071
Figure GDA0003387683450000072
其中：fMA、UMG分别为上层效用函数和下层效用函数，P*、ρ* pb、ρ* ps分别为多微电网系统的购、售电计划策略和聚合商从/向多微电网系统购/售电电价策略，
Figure GDA0003387683450000073
为其他策略，PM为多微电网系统的购、售电计划策略集，θb/θs为聚合商从/向多微电网的购/售电电价策略集。
当博弈均衡时，聚合商无法通过调整内部电价增加利润，各微电网也不能改变充、放电计划减少成本。
5、采用粒子群算法结合cplex软件，求解Stackelberg博弈模型，上层采用粒子群算法优化购售电价格，下层采用cplex软件求解优化购售电计划，其求解流程如图2所示，步骤如下所述：
步骤1)：初始化种群，令迭代次数h＝0。
步骤2)：多微电网系统根据θs,h、θb,h，利用Cplex对下层问题进行求解，得到最优充、放电计划
Figure GDA0003387683450000075
并反馈给聚合商。
步骤3)：根据式(1)计算上层聚合商效用函数，记为fMA。
步骤4)：更新粒子的个体最优和全局最优，根据式(1)再次计算上层聚合商效用函数，记为f′MA。
步骤5)：进行选择操作，若满足fMA>f′MA，则将θs,h、θb,h作为下一次迭代的内部电价，否则将θ′s,h、θ'b,h作为下一次迭代的内部电价。
步骤6)：若h≤hmax，则输出最优结果，否则令h＝h+1，转至步骤2)。
上述步骤中，θs,h/θb,h为聚合商从/向多微电网的购/售电电价，fMA为上层效用函数，h为迭代次数，
Figure GDA0003387683450000074
为最优充、放电计划。
6、算例分析与验证：
选取一个含有3个微电网，的配电网进行仿真，为了方便表示，本发明用MG表示微电网，MT表示燃气轮机，BT表示蓄电池。各MG实时公布自己的缺电或余电信息，余缺MGs之间形成联盟，各MG参数如表1所示，电网公司分时电价如表2所示。
表1微电网参数表
Table1 Parameters of each microgrid
Figure GDA0003387683450000081
表2分时电价表
Table2Time of use price
Figure GDA0003387683450000082
各MG中的风电、光伏、负荷预测曲线及其净功率分别如图3、图4、图5和图6所示。MG1天然气价格为2.28元/m3，MG2与MG3均为3.25元/m3；燃气轮机发电效率为30％，燃气低热值为9.7kWh/m3；蓄电池充放电管理成本分别为0.4、0.6元/(kWh)。表1中各功率值均为功率上限，功率下限设定为0，储能容量下限设定为总容量的0.25倍，储能调度的初始容量设置为0.5倍的最大容量。偏好参数en、dn分别设置为60、0.1。
由图6可知，在7∶00～17∶00时段，MG1余电，MG2和MG3缺电，此时段内三个MG可以形成联盟。
本发明设置四种策略进行对比分析：
策略一：多微电网系统和聚合商之间直接交易模型，各微电网间无电能交易；
策略二：多微电网系统和聚合商之间直接交易，各微电网间合作博弈；
策略三：多微电网系统和聚合商之间主从博弈，各微电网间无电能交易；
策略四：多微电网系统和聚合商之间采用主从博弈策略，各微电网间采用合作博弈策略。
四种策略下多微电网系统与聚合商之间的交互功率如图7(1)、图7(2)、图7(3)、图7(4)所示。
由图7(1)、图7(2)、图7(3)、图7(4)可见，首先对比策略一、二，对应的交互功率之和分别为X和Y，很明显多微电网系统内部合作博弈时，加强了之间的功率交互，提升了内部的电力共享水平，减少了各微电网与聚合商之间的交互功率。其次，对比策略二和四，峰/谷时段，对应的交互功率分别为W和Z，可见聚合商与多微电网系统之间采用主从博弈，可以分别降低和增加峰、谷时段的交互功率，起到了削峰填谷的作用，尤其从策略一和四的对比可见。所以，聚合商和多微电网系统间主从博弈和多微电网系统的合作博弈可以实现资源的合理利用，有效提高微电网和聚合商利润，从表3和表4的聚合商收益和多微电网系统成本可见。
表3微电网总成本表
Tab.3Microgrid total cost
Figure GDA0003387683450000091
表4聚合商收益表
Tab.4Aggregator revenue
Figure GDA0003387683450000092
表3可以看出策略四下多微电网系统的总成本最低，相较于策略三，各微电网的成本都有所降低，说明微电网采用合作博弈的优势，相较于策略二，说明了多微电网系统和聚合商之间采用主从博弈的优势。表4可以看出微电网的合作会减少从聚合商的购电量，但上下层之间采用Stackelberg博弈在一定程度上增加了双方的收益，进一步说明本发明策略的优势。
策略四中的内部价格如图8所示。可见内部价格始终处于电网公司制定的分时电价之间。在分时电价低谷及平时段时内部电价较高，可提升微电网售电量；在高峰时内部价格较低，有利于微电网购电。验证了本发明所提策略的合理性及有效性。
策略四中每时段蓄电池电量和燃气轮机出力值如图9(1)、图9(2)所示，可以看出各燃气轮机的出力主要分布在6-12和19-24时段，在高峰期进行供电，各蓄电池在4-6和12-14时段进行充电，放电主要集中在20-23时段，起到了削峰填谷的作用。这是因为4-6时段负荷较小，风电机组和光伏机组在满足负荷需求后给储能充电，而12-14时段负荷虽然增大，但风电机组和光伏机组的出力也很大；在20-23时段负荷减小，但风电机组和光伏机组的出力也在减小，满足不了负荷需求，此时各蓄电池放电，并且燃气轮机运行，使多微电网系统和聚合商交互功率减小。
本发明一种基于Stackelberg博弈和合作博弈相结合的混合博弈多微电网双层协调优化调度方法，增加了各微电网之间功率的交互，提升了内部的电力共享能力，减少了各微电网与聚合商之间的交互功率；提出Stackelberg博弈模型，分别降低和增加峰、谷时段的交互功率，起到了削峰填谷的作用；有效实现清洁能源的合理利用，提高聚合商和各微电网的利润；提高了算法的准确性和收敛速度。

Claims (5)

1.基于混合博弈的多微电网双层协调优化调度方法，其特征在于包括以下步骤：
步骤1：考虑上层聚合商的效用，上层聚合商的效用函数为微电网与聚合商的购售电功率和购售电价格的乘积；
步骤2：提出下层多微电网的合作博弈模型，然后考虑多微电网用电满意度函数和效用，下层多微电网的效用函数包括微电网的运行成本、燃气轮机发电成本和蓄电池充放电成本；
上层聚合商的效用包括：
Figure FDA0003387683440000011
式中：N为微电网的个数，T为24小时，
Figure FDA0003387683440000012
分别为第k个微电网与聚合商之间的购、售电功率，
Figure FDA0003387683440000013
为聚合商和微电网之间的购、售电价格，
Figure FDA0003387683440000014
为聚合商和配电网之间的购、售电价格；
下层多微电网的合作博弈模型描述如下：
一个配电区域内的多微电网系统，合作方是有意愿参加合作联盟的余电微电网和缺电微电网，双方形成合作联盟S后，能够看作一个等效微电网，该等效微电网整体与聚合商进行交易，因此能够计算得到合作联盟增加的总收益为：
Figure FDA0003387683440000015
Figure FDA0003387683440000016
Figure FDA0003387683440000017
式中：T为24小时，λk,t为0、1变量，
Figure FDA0003387683440000018
为合作模型下微电网与聚合商之间的交易成本，Δt为单位调度时长，P、Q分别代表余电微电网的集合和缺电微电网的集合；P′k,t为第k个微电网在t时刻与聚合商之间交互的功率，P′k,t＞0时，表示微电网售电给聚合商，P′k,t＜0时，表示从聚合商处购电；
Figure FDA0003387683440000019
为聚合商和微电网之间的购、售电价格，Δv是合作博弈中微电网合作产生的收益；
对于所提出的合作博弈模型，应用Shapley值法为各个参与合作的微电网分配收益的计算规则如下，需要满足条件：
Figure FDA0003387683440000021
v(S1∪S2)≥v(S1)+v(S2) (6)
式中，v表示合作模型，S1和S2表示两个联盟，对于式(5)显然满足；对于式(6)，从前文分析可以看出，MGs合作时的收益要大于各自单独运行时的收益之和，因此对于本发明的合作模型而言，式(6)也可以满足；
满足式(5)、式(6)后，则可应用Shapley值来计算参与合作的每个微电网的收益，对于任意一个微电网k，其收益计算公式为：
Figure FDA0003387683440000022
Figure FDA0003387683440000023
式中，sk是联盟中包含微电网k的所有子集；|s|是子集s中的用户个数；ω(|s|)是加权因子；v(s)是集合s产生的收益；v(s/k)表示集合s中除去微电网k后，剩下的微电网形成合作联盟所获得的总收益；
步骤3：建立Stackelberg博弈模型，使上层聚合商和下层多微电网都倾向于使自身的利益达到最大；
步骤4：采用粒子群算法，求解Stackelberg博弈模型，上层聚合商采用粒子群算法优化购售电价格；下层多微电网采用cplex软件求解优化购售电计划，最大化其效益。
2.根据权利要求1所述基于混合博弈的多微电网双层协调优化调度方法，其特征在于：所述步骤2中，下层多微电网的效用函数包括：
Figure FDA0003387683440000024
式中：N为微电网的个数，T为24小时，UMG为多微电网系统的运行成本，
Figure FDA0003387683440000025
和
Figure FDA0003387683440000026
分别为第k个微电网中的燃气轮机和蓄电池在t时刻的运行成本，
Figure FDA0003387683440000027
为其满意度效用函数，其表达式分别如(10)、(11)和(12)所示：
Figure FDA0003387683440000028
Figure FDA0003387683440000029
Figure FDA00033876834400000210
式中：N为微电网的个数，T为24小时，
Figure FDA00033876834400000211
为第k个微电网购买天然气的单位价格；
Figure FDA00033876834400000212
为燃气轮机在时段t的发电功率；ηMT和CMT分别为燃气轮机的发电效率和发电成本；LHVNG为天然气低热值；
Figure FDA0003387683440000031
分别为蓄电池在时段t的充、放电功率，cdis、cch分别为相应的单位运行管理成本；en和dn为多微电网系统对消耗电能的偏好常系数，P′k,t为第k个微电网在t时刻与聚合商之间交互的功率：P′k,t＞0时，表示微电网售电给聚合商，P′k,t＜0时，表示从聚合商处购电。
3.根据权利要求2所述基于混合博弈的多微电网双层协调优化调度方法，其特征在于：
下层多微电网的效用函数包含功率平衡约束、燃气轮机运行约束和蓄电池运行约束，分别表示如下：
①、功率平衡约束：
Figure FDA0003387683440000032
Figure FDA0003387683440000033
式中：xk,t为第k个微电网的日前负荷预测值，
Figure FDA0003387683440000034
和
Figure FDA0003387683440000035
分别表示其中的光伏和风机预测出力值，Pdisk,t、Pchk,t分别为蓄电池在时段t的充、放电功率，
Figure FDA0003387683440000036
为燃气轮机在时段t的发电功率，P′k,t为第k个微电网在t时刻与聚合商之间交互的功率，
Figure FDA0003387683440000037
分别为第k个微电网与聚合商之间的购、售电功率；
②、燃气轮机运行约束和爬坡速率约束：
Figure FDA0003387683440000038
Figure FDA0003387683440000039
式中：PMT,mink,t、PMT,maxk,t分别为
Figure FDA00033876834400000310
的上、下限值，RMT,d/RMT,u为燃气轮机出力上/下降的速率，Δt为单位调度时长，
Figure FDA00033876834400000311
为燃气轮机在时段t的发电功率，
Figure FDA00033876834400000312
为燃气轮机在时段t+1的发电功率；
③、蓄电池运行约束：
Figure FDA00033876834400000313
Figure FDA00033876834400000314
式中：Pchk,t、Pdisk,t为蓄电池充放电功率，
Figure FDA00033876834400000315
和
Figure FDA00033876834400000316
分别为Pdisk,t和Pchk,t的上限；
Figure FDA00033876834400000317
为BT的充、放电状态，二者不同时为1，Ek,t为时段t的电池电量，Ek,t-1为时段t-1的电池电量，
Figure FDA0003387683440000041
分别为Ek,t的上、下限，Δt为单位调度时长；为保证周期性调度，蓄电池系统在每日的始、末电池量需保持一致，即：
Ek,0＝Ek,24 (19)
式中：Ek,0、Ek,24分别为时段0和时段24的电池电量。
4.根据权利要求1所述基于混合博弈的多微电网双层协调优化调度方法，其特征在于：所述步骤3中，建立Stackelberg博弈模型：
上、下层的Stackelberg博弈模型表示为：
G＝{(MA∪MG),PM,θb,θs,fMA,UMG} (20)
式中：MA∪MG表示聚合商和多微电网，他们是博弈方；PM为多微电网系统的购、售电计划策略集；θb/θs为聚合商从/向多微电网的购/售电电价策略集；fMA、UMG分别为上层效用函数和下层效用函数；
由于各微电网和聚合商的目标分别是成本最小化和利润最大化，聚合商会制定最优的内部电价、微电网会依据内部电价决策最优购、售电计划，此时就会达到博弈的均衡；假设(P*,ρ* pb,ρ* ps)为G的一个策略集，若其为Stackelberg均衡需满足：
Figure FDA0003387683440000042
Figure FDA0003387683440000043
其中：fMA、UMG分别为上层效用函数和下层效用函数，P*、ρ* pb、ρ* ps分别为多微电网系统的购、售电计划策略和聚合商从/向多微电网系统购/售电电价策略，
Figure FDA0003387683440000044
为其他策略，PM为多微电网系统的购、售电计划策略集，θb/θs为聚合商从/向多微电网的购/售电电价策略集；
当博弈均衡时，聚合商无法通过调整内部电价增加利润，各微电网也不能改变充、放电计划减少成本。
5.根据权利要求1所述基于混合博弈的多微电网双层协调优化调度方法，其特征在于：所述步骤4中包括以下步骤：
步骤4.1：初始化种群，令迭代次数h＝0；
步骤4.2：多微电网系统根据θs,h、θb,h，利用Cplex对下层问题进行求解，得到最优充、放电计划
Figure FDA0003387683440000051
并反馈给聚合商；
步骤4.3：根据式(1)计算上层聚合商效用函数，记为fMA；
步骤4.4：更新粒子的个体最优和全局最优，根据式(1)再次计算上层聚合商效用函数，记为f′MA，确认个体最优和全局最优θ′s,h、θ′b,h；
步骤4.5：进行选择操作，若满足fMA>f′MA，则将θs,h、θb,h作为下一次迭代的内部电价，否则将θ′s,h、θ′b,h作为下一次迭代的内部电价；
步骤4.6：若h≤hmax，则输出最优结果，否则，令h＝h+1，转至步骤4.2。
CN202010845202.1A 2020-08-20 2020-08-20 基于混合博弈的多微电网双层协调优化调度方法 Active CN112054513B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010845202.1A CN112054513B (zh) 2020-08-20 2020-08-20 基于混合博弈的多微电网双层协调优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010845202.1A CN112054513B (zh) 2020-08-20 2020-08-20 基于混合博弈的多微电网双层协调优化调度方法

Publications (2)

Publication Number Publication Date
CN112054513A CN112054513A (zh) 2020-12-08
CN112054513B true CN112054513B (zh) 2022-03-08

Family

ID=73599714

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010845202.1A Active CN112054513B (zh) 2020-08-20 2020-08-20 基于混合博弈的多微电网双层协调优化调度方法

Country Status (1)

Country Link
CN (1) CN112054513B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112633613B (zh) * 2021-01-14 2023-05-02 南方电网数字电网研究院有限公司 一种园区级综合能源系统集群交易策略的优化方法
CN113065696A (zh) * 2021-03-24 2021-07-02 广西大学 基于合作博弈和一致性算法的多微网协同优化调度方法
CN113792974A (zh) * 2021-08-12 2021-12-14 华南理工大学 一种分布式广义储能汇聚协同方法
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
CN114188940B (zh) * 2021-11-30 2023-08-11 国网浙江杭州市萧山区供电有限公司 一种考虑多主体利益的主动配电网调度方法
CN114254494A (zh) * 2021-12-09 2022-03-29 国网上海市电力公司 一种多能微网群自身及市场决策协同优化方法
CN114462724B (zh) * 2022-04-12 2022-07-01 中建安装集团有限公司 一种考虑多能源价格激励综合需求响应模型的园区聚合商双层优化调度方法
CN116050661B (zh) * 2023-03-06 2023-06-20 湖南大学 基于主从博弈的5g基站与电网协同调度方法
CN117374995B (zh) * 2023-12-08 2024-04-02 国网天津市电力公司东丽供电分公司 一种电力调度优化方法、装置、设备和存储介质
CN117767375B (zh) * 2024-02-22 2024-05-14 山东理工大学 基于风险约束非对称合作博弈的共享储能公平性分配策略

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108462198A (zh) * 2018-01-24 2018-08-28 三峡大学 一种基于多代理技术的多能互补微网优化调度方法
CN108876040A (zh) * 2018-06-21 2018-11-23 广州供电局有限公司 园区能源互联网运营商的多类能源定价与能量管理方法
CN109286187A (zh) * 2018-10-19 2019-01-29 国网宁夏电力有限公司经济技术研究院 一种面向多主体利益均衡的微网日前经济调度方法
CN110474320A (zh) * 2019-07-24 2019-11-19 广东工业大学 分布式共享与集中式清算相协同的配电网优化方法
CN111192164A (zh) * 2019-12-23 2020-05-22 国网四川省电力公司经济技术研究院 考虑不确定风电的微网联合博弈优化共享及利益分配方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105071389B (zh) * 2015-08-19 2017-07-18 华北电力大学（保定） 计及源网荷互动的交直流混合微电网优化运行方法及装置
US20180083482A1 (en) * 2016-09-19 2018-03-22 Nestfield Co., Ltd. Supply-demand balancing method and system for power management in smart grid
CN109902884A (zh) * 2019-03-27 2019-06-18 合肥工业大学 一种基于主从博弈策略的虚拟电厂优化调度方法
CN110165663B (zh) * 2019-05-10 2022-11-08 三峡大学 基于Stackelberg博弈的含充换储一体化电站微电网能量优化调度方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108462198A (zh) * 2018-01-24 2018-08-28 三峡大学 一种基于多代理技术的多能互补微网优化调度方法
CN108876040A (zh) * 2018-06-21 2018-11-23 广州供电局有限公司 园区能源互联网运营商的多类能源定价与能量管理方法
CN109286187A (zh) * 2018-10-19 2019-01-29 国网宁夏电力有限公司经济技术研究院 一种面向多主体利益均衡的微网日前经济调度方法
CN110474320A (zh) * 2019-07-24 2019-11-19 广东工业大学 分布式共享与集中式清算相协同的配电网优化方法
CN111192164A (zh) * 2019-12-23 2020-05-22 国网四川省电力公司经济技术研究院 考虑不确定风电的微网联合博弈优化共享及利益分配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于Stackelberg博弈的充换储一体化电站微电网双层协调优化调度;程杉等;《电力自动化设备》;20200604;第40卷(第6期);第49-69页 *
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;何黎君等;《电力系统保护与控制》;20200601;第48卷(第11期);第10-17页 *

Also Published As

Publication number Publication date
CN112054513A (zh) 2020-12-08

Similar Documents

Publication Publication Date Title
CN112054513B (zh) 基于混合博弈的多微电网双层协调优化调度方法
Li et al. Trading strategy and benefit optimization of load aggregators in integrated energy systems considering integrated demand response: A hierarchical Stackelberg game
Chen et al. Research on day-ahead transactions between multi-microgrid based on cooperative game model
Shafie-khah et al. A stochastic multi-layer agent-based model to study electricity market participants behavior
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
CN114155103A (zh) 基于区块链合作博弈的能量共享联盟灵活性交易方法
Wu et al. A hierarchical framework for renewable energy sources consumption promotion among microgrids through two-layer electricity prices
Shi et al. Research on power to hydrogen optimization and profit distribution of microgrid cluster considering shared hydrogen storage
CN112070281A (zh) 基于纳什议价博弈的微电网双层协调优化调度方法
Najafi et al. The role of EV based peer-to-peer transactive energy hubs in distribution network optimization
Gao et al. Green electricity trading driven low-carbon sharing for interconnected microgrids
Lee et al. Optimal operation strategy for community-based prosumers through cooperative P2P trading
Jodeiri-Seyedian et al. Grid-aware pricing scheme in future distribution systems based on real-time power tracing and bi-level optimization
Zhang et al. Multi-level distributed demand response study for a multi-park integrated energy system
Yu et al. A Stackelberg game-based peer-to-peer energy trading market with energy management and pricing mechanism: A case study in Guangzhou
CN113947483A (zh) 一种微网群多层主体交易策略的优化方法
Pałka et al. Balancing electric power in a microgrid via programmable agents auctions
CN110556821B (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
CN117332937A (zh) 一种考虑需求响应的多能互补虚拟电厂经济调度方法
Wang et al. Cooperative trading mechanism and satisfaction-based profit distribution in a multi-energy community
CN117200173A (zh) 基于微网联盟与共享储能的双层博弈调度方法、系统及设备
Li et al. Energy management method for microgrids based on improved Stackelberg game real-time pricing model
Datta et al. Energy management study of interconnected microgrids considering pricing strategy under the stochastic impacts of correlated renewables
CN116307029A (zh) 促进多虚拟网格间源储荷协调的双层优化调度方法及系统

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