CN112215687A - 一种基于云边协同的家庭微网自主竞价系统及方法 - Google Patents

一种基于云边协同的家庭微网自主竞价系统及方法 Download PDF

Info

Publication number
CN112215687A
CN112215687A CN202011285413.0A CN202011285413A CN112215687A CN 112215687 A CN112215687 A CN 112215687A CN 202011285413 A CN202011285413 A CN 202011285413A CN 112215687 A CN112215687 A CN 112215687A
Authority
CN
China
Prior art keywords
microgrid
edge
power
computing module
household
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
Application number
CN202011285413.0A
Other languages
English (en)
Other versions
CN112215687B (zh
Inventor
司方远
韩英华
汪晋宽
赵强
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.)
Northeastern University China
Original Assignee
Northeastern University China
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 Northeastern University China filed Critical Northeastern University China
Priority to CN202011285413.0A priority Critical patent/CN112215687B/zh
Publication of CN112215687A publication Critical patent/CN112215687A/zh
Application granted granted Critical
Publication of CN112215687B publication Critical patent/CN112215687B/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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0611—Request for offers or quotes
    • 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
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供一种基于云边协同的家庭微网自主竞价系统及方法，涉及电力系统运行控制技术领域。本发明系统包括家庭微网系统以及自主竞价系统；家庭微网系统包括分布式发电设备、储能设备和可控负荷；自主竞价系统通过ICP/IP协议连接家庭微网系统，通过赋予边缘电力用户参与零售电力市场的自主权最大化社会福利，同时促进可再生能源高效利用。

Description

一种基于云边协同的家庭微网自主竞价系统及方法
技术领域
本发明涉及电力系统运行控制技术领域，尤其涉及一种基于云边协同的家庭微网自主竞价系统及方法。
背景技术
可再生能源及智能电网技术是应对全球能源危机、气候变化的有效途径之一。随着分布式可再生能源发电和可调度电力负荷在智能电网中的广泛渗透，越来越多的传统电力用户逐渐转变为自治家庭微网，并通过控制储能和灵活负载参与电力市场。这进一步导致了传统集中式电力市场向分散式零售电力市场的转变，需要重新考虑新型家庭微网的调度策略及零售电力市场的运营模式。
新型电力市场环境下自治家庭微网间广泛互动，因此在零售电力市场运行过程中需要解决相关接入参与者间信息耦合问题，特别是参与者需要相对公平的竞价和决策机制来最大化自身社会福利。因此，双边或多边交易过程中竞价方案的制定已成为目前零售电力市场亟待解决的问题。
发明内容
针对现有技术的不足，本发明提出一种基于云边协同的家庭微网自主竞价系统及方法，考虑边缘家庭微网自治行为及零售电力市场中各参与者间的紧密耦合和信息交互，完成零售电力市场双边或多边交易过程中竞价方案的制定。
为解决上述技术问题，本发明所采取的技术方案是：
一方面，一种基于云边协同的家庭微网自主竞价系统，包括家庭微网系统以及自主竞价系统；
所述家庭微网系统包括分布式发电设备、储能设备和可控负荷；其中所述分布式发电设备包括屋顶光伏发电设备、小型风力发电设备；所述储能设备包括蓄电池；所述可控负荷包括智能空调；所述屋顶光伏发电设备、小型风力发电设备、蓄电池和智能空调之间通过低压配电网馈线连接；
所述自主竞价系统通过ICP/IP协议连接家庭微网系统，包括云计算模块、边缘计算模块和通信模块；所述云计算模块连接所述边缘计算模块，为云计算平台，基于一致性准则迭代竞价，获得最优交易策略；所述边缘计算模块与其对应的屋顶光伏发电设备、小型风力发电设备、蓄电池和智能空调连接，用于家庭微网预测供需能力、制定初始报价策略、并求解需求响应模型；所述通信模块用于云计算模块和边缘计算模块、边缘计算模块和分布式发电设备、储能设备和可控负荷设备之间进行信息交互；
另一方面，一种基于云边协同的家庭微网自主竞价方法，基于前述一种基于云边协同的家庭微网自主竞价系统实现，包括以下步骤：
步骤1：获取t时刻第i个家庭的家庭微网的供需能力；
所述家庭微网的供需能力包括小型风力发电机输出功率
Figure BDA0002782161370000021
屋顶光伏设备输出功率
Figure BDA0002782161370000022
和家庭微网的基本负荷需求
Figure BDA0002782161370000023
其中，e表示服从高斯分布的预测误差；
步骤2：基于预测的家庭微网的供需能力，制定初始报价策略并构建家庭微网需求响应模型；
步骤2.1：构建t时刻第i个家庭微网决策变量矢量
Figure BDA00027821613700000215
包括蓄电池放电功率
Figure BDA0002782161370000024
空调消耗功率
Figure BDA0002782161370000025
参与电力市场交易功率
Figure BDA0002782161370000026
步骤2.2：基于决策变量构建t时刻第i个家庭微网蓄电池的容量状态
Figure BDA0002782161370000027
Figure BDA0002782161370000028
其中，η表示蓄电池自放电因数；蓄电池的容量状态及放电功率的不等式约束满足：
Figure BDA0002782161370000029
Figure BDA00027821613700000210
其中，SOCi,min、SOCi,max、ui,dis,min、ui,dis,max表示变量的边界值。
步骤2.3：基于决策变量构建t时刻第i个家庭微网室内温度状态ITt i
Figure BDA00027821613700000211
其中，τi表示第i个家庭对应的建筑热惯性因数，γi表示空调性能系数，Ki表示空调输出总热量与所消耗电功率的比例常数，ATt表示室外环境温度。
步骤2.4：基于决策变量构建t时刻第i个家庭微网供需平衡状态
Figure BDA00027821613700000212
Figure BDA00027821613700000213
步骤2.5：利用改进的Stone-Geary效用函数构建t时刻第i个家庭微网的初始报价策略
Figure BDA00027821613700000214
Figure BDA0002782161370000031
其中，α、β分别表示效用系数和惩罚系数。
步骤2.6：所述家庭微网需求响应模型基于以下优化问题
Figure BDA0002782161370000032
其中，
Figure BDA0002782161370000033
表示家庭微网耗电成本系数，ξ表示实际室内温度偏离设定温度ITt i,set的成本惩罚系数。
步骤3：云计算模块基于优先级和初始报价匹配交易方，并引入拉格朗日罚函数构建基于一致性准则的竞价模型对所述报价策略进行迭代；
步骤3.1：云计算模块根据交易方上报的可交易电量的绝对值进行优先级排序，确定交易电量相近的双方优先匹配竞价。
步骤3.2：构建基于家庭微网需求响应模型，包括交易双方的总成本最小化问题
Figure BDA0002782161370000034
Figure BDA0002782161370000035
其中，
Figure BDA0002782161370000036
分别表示购买方和出售方的决策变量矢量，
Figure BDA0002782161370000037
包括购买方蓄电池放电功率
Figure BDA0002782161370000038
购买方空调消耗功率
Figure BDA0002782161370000039
购买方参与电力市场交易功率
Figure BDA00027821613700000310
包括出售方蓄电池放电功率
Figure BDA00027821613700000311
出售方空调消耗功率
Figure BDA00027821613700000312
出售方参与电力市场交易功率
Figure BDA00027821613700000313
A、B为常数矩阵，c为常数矢量，此外，服从的等式约束包含交易双方竞价一致性准则
Figure BDA00027821613700000314
Figure BDA00027821613700000315
分别表示购买方和出售方的初始报价策略；
Figure BDA00027821613700000316
分别表示购买方和出售方的需求响应模型的目标函数。
步骤3.3：引入増广拉格朗日函数将所述交易双方的总成本最小化问题改写为
Figure BDA00027821613700000317
其中，Lρ为拉格朗日算符；yT为拉格朗日乘子；ρ＞0为惩罚参数；
步骤3.4：采用交替方向乘子法将所述步骤3.3的増广拉格朗日函数分解为云边协同迭代求解交易双方最优电量交易策略及需求响应策略，即
购买方：
Figure BDA00027821613700000318
出售方：
Figure BDA00027821613700000319
云计算模块：
Figure BDA00027821613700000320
其中，k为迭代次数。
步骤4：交易双方在云计算模块达成报价共识，边缘家庭微网获取最优电量交易策略及需求响应策略。
步骤4.1：经所述步骤1-3迭代后，云计算模块统计各家庭微网的余电状态，判断是否仍有请求交易的家庭微网，若是，执行步骤4.2，若否，执行步骤4.4；
步骤4.2：判断是否同时存在购买方和出售方，若是，执行步骤1-4，若否，执行步骤4.3；
步骤4.3：将余电注入主电网或向主电网购电；
步骤4.4：输出边缘家庭微网最优电量交易策略及需求响应策略。
采用上述技术方案所产生的有益效果在于：
本发明提出了一种基于云边协同的家庭微网自主竞价系统及方法，通过赋予边缘电力用户参与零售电力市场的自主权最大化社会福利，同时促进可再生能源高效利用。相比传统集中式能量管理系统和电力市场，可以动态、高效地计算出最优能量调度和交易策略，具有较大的实际应用价值。
附图说明
图1为本发明所述的基于云边协同的家庭微网自主竞价系统示意图；
图2为本发明所述的基于云边协同的家庭微网自主竞价方法示意图；
图3为本发明实施例中屋顶光伏设备、小型风力发电机和基本负荷需求的预测值绘图；
图4为本发明实施例中利用本发明的方法得到的交易双方总成本优化结果。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
一方面，一种基于云边协同的家庭微网自主竞价系统，如图1所示，包括家庭微网系统以及自主竞价系统；
所述家庭微网系统包括分布式发电设备、储能设备和可控负荷；其中所述分布式发电设备包括屋顶光伏发电设备、小型风力发电设备；所述储能设备包括蓄电池；所述可控负荷包括智能空调；所述屋顶光伏发电设备、小型风力发电设备、蓄电池和智能空调之间通过低压配电网馈线连接；
所述自主竞价系统通过ICP/IP协议连接家庭微网系统，包括云计算模块、边缘计算模块和通信模块；所述云计算模块连接所述边缘计算模块，为云计算平台，基于一致性准则迭代竞价，获得最优交易策略；所述边缘计算模块与其对应的屋顶光伏发电设备、小型风力发电设备、蓄电池和智能空调连接，用于家庭微网预测供需能力、制定初始报价策略、并求解需求响应模型；所述通信模块用于云计算模块和边缘计算模块、边缘计算模块和分布式发电设备、储能设备和可控负荷设备之间进行信息交互；
另一方面，一种基于云边协同的家庭微网自主竞价方法，基于前述一种基于云边协同的家庭微网自主竞价系统实现，如图2所示，包括以下步骤：
步骤1：获取t时刻第i个家庭的家庭微网的供需能力；
所述家庭微网的供需能力包括小型风力发电机输出功率
Figure BDA0002782161370000051
屋顶光伏设备输出功率
Figure BDA0002782161370000052
和家庭微网的基本负荷需求
Figure BDA0002782161370000053
其中，e表示服从高斯分布的预测误差；
步骤2：基于预测的家庭微网的供需能力，制定初始报价策略并构建家庭微网需求响应模型；
步骤2.1：构建t时刻第i个家庭微网决策变量矢量
Figure BDA00027821613700000516
包括蓄电池放电功率
Figure BDA0002782161370000054
空调消耗功率
Figure BDA0002782161370000055
参与电力市场交易功率
Figure BDA0002782161370000056
步骤2.2：基于决策变量构建t时刻第i个家庭微网蓄电池的容量状态
Figure BDA0002782161370000057
Figure BDA0002782161370000058
其中，η表示蓄电池自放电因数；蓄电池的容量状态及放电功率的不等式约束满足：
Figure BDA0002782161370000059
Figure BDA00027821613700000510
其中，SOCi,min、SOCi,max、ui,dis,min、ui,dis,max表示变量的边界值。
步骤2.3：基于决策变量构建t时刻第i个家庭微网室内温度状态
Figure BDA00027821613700000517
Figure BDA00027821613700000512
其中，τi表示第i个家庭对应的建筑热惯性因数，γi表示空调性能系数，Ki表示空调输出总热量与所消耗电功率的比例常数，ATt表示室外环境温度。
步骤2.4：基于决策变量构建t时刻第i个家庭微网供需平衡状态
Figure BDA00027821613700000513
Figure BDA00027821613700000514
步骤2.5：利用改进的Stone-Geary效用函数构建t时刻第i个家庭微网的初始报价策略
Figure BDA00027821613700000515
Figure BDA0002782161370000061
其中，α、β分别表示效用系数和惩罚系数。
步骤2.6：所述家庭微网需求响应模型基于以下优化问题
Figure BDA0002782161370000062
其中，
Figure BDA0002782161370000063
表示家庭微网耗电成本系数，ξ表示实际室内温度偏离设定温度
Figure BDA00027821613700000623
的成本惩罚系数。
步骤3：云计算模块基于优先级和初始报价匹配交易方，并引入拉格朗日罚函数构建基于一致性准则的竞价模型对所述报价策略进行迭代；
步骤3.1：云计算模块根据交易方上报的可交易电量的绝对值进行优先级排序，确定交易电量相近的双方优先匹配竞价。
步骤3.2：构建基于家庭微网需求响应模型，包括交易双方的总成本最小化问题
Figure BDA0002782161370000065
Figure BDA0002782161370000066
其中，
Figure BDA0002782161370000067
分别表示购买方和出售方的决策变量矢量，
Figure BDA0002782161370000068
包括购买方蓄电池放电功率
Figure BDA0002782161370000069
购买方空调消耗功率
Figure BDA00027821613700000610
购买方参与电力市场交易功率
Figure BDA00027821613700000611
Figure BDA00027821613700000612
包括出售方蓄电池放电功率
Figure BDA00027821613700000613
出售方空调消耗功率
Figure BDA00027821613700000614
出售方参与电力市场交易功率
Figure BDA00027821613700000615
A、B为常数矩阵，c为常数矢量，此外，服从的等式约束包含交易双方竞价一致性准则
Figure BDA00027821613700000616
Figure BDA00027821613700000617
分别表示购买方和出售方的初始报价策略；
Figure BDA00027821613700000618
分别表示购买方和出售方的需求响应模型的目标函数。
步骤3.3：引入増广拉格朗日函数将所述交易双方的总成本最小化问题改写为
Figure BDA00027821613700000619
其中，Lρ为拉格朗日算符；yT为拉格朗日乘子；ρ＞0为惩罚参数；
步骤3.4：采用交替方向乘子法将所述步骤3.3的増广拉格朗日函数分解为云边协同迭代求解交易双方最优电量交易策略及需求响应策略，即
购买方：
Figure BDA00027821613700000620
出售方：
Figure BDA00027821613700000621
云计算模块：
Figure BDA00027821613700000622
其中，k为迭代次数。
步骤4：交易双方在云计算模块达成报价共识，边缘家庭微网获取最优电量交易策略及需求响应策略。
步骤4.1：经所述步骤1-3迭代后，云计算模块统计各家庭微网的余电状态，判断是否仍有请求交易的家庭微网，若是，执行步骤4.2，若否，执行步骤4.4；
步骤4.2：判断是否同时存在购买方和出售方，若是，执行步骤1-4，若否，执行步骤4.3；
步骤4.3：将余电注入主电网或向主电网购电；
步骤4.4：输出边缘家庭微网最优电量交易策略及需求响应策略。
本实施例中家庭微网屋顶光伏设备、小型风力发电机和基本负荷需求的预测值如图3所示，图中横坐标为时间，预测时间间隙为5分钟，纵坐标为功率，单位为kW。
重复步骤1-4，得到的一次交易后双方总成本优化结果，如图4所示，图中横坐标为迭代次数，纵坐标为交易双方的总成本。可以看到，经过1481次迭代，总成本趋于收敛至143.4。证明了本发明的方法的有效性。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (5)

1.一种基于云边协同的家庭微网自主竞价系统，其特征在于：包括家庭微网系统以及自主竞价系统；
所述家庭微网系统包括分布式发电设备、储能设备和可控负荷；其中所述分布式发电设备包括屋顶光伏发电设备、小型风力发电设备；所述储能设备包括蓄电池；所述可控负荷包括智能空调；所述屋顶光伏发电设备、小型风力发电设备、蓄电池和智能空调之间通过低压配电网馈线连接；
所述自主竞价系统通过ICP/IP协议连接家庭微网系统，包括云计算模块、边缘计算模块和通信模块；所述云计算模块连接所述边缘计算模块，为云计算平台，基于一致性准则迭代竞价，获得最优交易策略；所述边缘计算模块与其对应的屋顶光伏发电设备、小型风力发电设备、蓄电池和智能空调连接，用于家庭微网预测供需能力、制定初始报价策略、并求解需求响应模型；所述通信模块用于云计算模块和边缘计算模块、边缘计算模块和分布式发电设备、储能设备和可控负荷设备之间进行信息交互。
2.一种基于云边协同的家庭微网自主竞价方法，通过权利要求1所述一种基于云边协同的家庭微网自主竞价系统实现，具体包括以下步骤；
步骤1：获取t时刻第i个家庭的家庭微网的供需能力；
所述家庭微网的供需能力包括小型风力发电机输出功率
Figure FDA0002782161360000011
屋顶光伏设备输出功率
Figure FDA0002782161360000012
和家庭微网的基本负荷需求
Figure FDA0002782161360000013
其中，e表示服从高斯分布的预测误差；
步骤2：基于预测的家庭微网的供需能力，制定初始报价策略并构建家庭微网需求响应模型；
步骤3：云计算模块基于优先级和初始报价匹配交易方，并引入拉格朗日罚函数构建基于一致性准则的竞价模型对所述报价策略进行迭代；
步骤4：交易双方在云计算模块达成报价共识，边缘家庭微网获取最优电量交易策略及需求响应策略。
3.根据权利要求2所述的一种基于云边协同的家庭微网自主竞价方法，其特征在于，所述步骤2具体包括以下步骤：
步骤2.1：构建t时刻第i个家庭微网决策变量矢量
Figure FDA0002782161360000014
包括蓄电池放电功率
Figure FDA0002782161360000015
空调消耗功率
Figure FDA0002782161360000016
参与电力市场交易功率
Figure FDA0002782161360000017
步骤2.2：基于决策变量构建t时刻第i个家庭微网蓄电池的容量状态
Figure FDA0002782161360000018
Figure FDA0002782161360000021
其中，η表示蓄电池自放电因数；蓄电池的容量状态及放电功率的不等式约束满足：
Figure FDA0002782161360000022
Figure FDA0002782161360000023
其中，SOCi,min、SOCi,max、ui,dis,min、ui,dis,max表示变量的边界值；
步骤2.3：基于决策变量构建t时刻第i个家庭微网室内温度状态ITt i
Figure FDA0002782161360000024
其中，τi表示第i个家庭对应的建筑热惯性因数，γi表示空调性能系数，Ki表示空调输出总热量与所消耗电功率的比例常数，ATt表示室外环境温度；
步骤2.4：基于决策变量构建t时刻第i个家庭微网供需平衡状态
Figure FDA0002782161360000025
Figure FDA0002782161360000026
步骤2.5：利用改进的Stone-Geary效用函数构建t时刻第i个家庭微网的初始报价策略
Figure FDA0002782161360000027
Figure FDA0002782161360000028
其中，α、β分别表示效用系数和惩罚系数；
步骤2.6：所述家庭微网需求响应模型基于以下优化问题
Figure FDA0002782161360000029
其中，
Figure FDA00027821613600000210
表示家庭微网耗电成本系数，ξ表示实际室内温度偏离设定温度ITt i,set的成本惩罚系数。
4.根据权利要求2所述的一种基于云边协同的家庭微网自主竞价方法，其特征在于，所述步骤3具体包括以下步骤：
步骤3.1：云计算模块根据交易方上报的可交易电量的绝对值进行优先级排序，确定交易电量相近的双方优先匹配竞价；
步骤3.2：构建基于家庭微网需求响应模型，包括交易双方的总成本最小化问题：
Figure FDA00027821613600000211
Figure FDA00027821613600000212
其中，
Figure FDA0002782161360000031
分别表示购买方和出售方的决策变量矢量，
Figure FDA0002782161360000032
包括购买方蓄电池放电功率
Figure FDA0002782161360000033
购买方空调消耗功率
Figure FDA0002782161360000034
购买方参与电力市场交易功率
Figure FDA0002782161360000035
Figure FDA0002782161360000036
包括出售方蓄电池放电功率
Figure FDA0002782161360000037
出售方空调消耗功率
Figure FDA0002782161360000038
出售方参与电力市场交易功率
Figure FDA0002782161360000039
A、B为常数矩阵，c为常数矢量，此外，服从的等式约束包含交易双方竞价一致性准则
Figure FDA00027821613600000310
Figure FDA00027821613600000311
分别表示购买方和出售方的初始报价策略；
Figure FDA00027821613600000312
分别表示购买方和出售方的需求响应模型的目标函数；
步骤3.3：引入増广拉格朗日函数将所述交易双方的总成本最小化问题改写为：
Figure FDA00027821613600000313
其中，Lρ为拉格朗日算符；yT为拉格朗日乘子；ρ＞0为惩罚参数；
步骤3.4：采用交替方向乘子法将所述步骤3.3的増广拉格朗日函数分解为云边协同迭代求解交易双方最优电量交易策略及需求响应策略，即：
购买方：
Figure FDA00027821613600000314
出售方：
Figure FDA00027821613600000315
云计算模块：
Figure FDA00027821613600000316
其中，k为迭代次数。
5.根据权利要求2所述的一种基于云边协同的家庭微网自主竞价方法，其特征在于，所述步骤4具体包括以下步骤：
步骤4.1：经所述步骤1-3迭代后，云计算模块统计各家庭微网的余电状态，判断是否仍有请求交易的家庭微网，若是，执行步骤4.2，若否，执行步骤4.4；
步骤4.2：判断是否同时存在购买方和出售方，若是，执行步骤1-4，若否，执行步骤4.3；
步骤4.3：将余电注入主电网或向主电网购电；
步骤4.4：输出边缘家庭微网最优电量交易策略及需求响应策略。
CN202011285413.0A 2020-11-17 2020-11-17 一种基于云边协同的家庭微网自主竞价系统及方法 Active CN112215687B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011285413.0A CN112215687B (zh) 2020-11-17 2020-11-17 一种基于云边协同的家庭微网自主竞价系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011285413.0A CN112215687B (zh) 2020-11-17 2020-11-17 一种基于云边协同的家庭微网自主竞价系统及方法

Publications (2)

Publication Number Publication Date
CN112215687A true CN112215687A (zh) 2021-01-12
CN112215687B CN112215687B (zh) 2024-02-02

Family

ID=74057082

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011285413.0A Active CN112215687B (zh) 2020-11-17 2020-11-17 一种基于云边协同的家庭微网自主竞价系统及方法

Country Status (1)

Country Link
CN (1) CN112215687B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116111599A (zh) * 2022-09-08 2023-05-12 贵州电网有限责任公司 一种基于区间预测的智能电网不确定性感知管理控制方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020194113A1 (en) * 2001-06-15 2002-12-19 Abb Group Services Center Ab System, method and computer program product for risk-minimization and mutual insurance relations in meteorology dependent activities
WO2016078329A1 (zh) * 2014-11-19 2016-05-26 天津大学 一种多智能体结构的微电网优化运行方法
CN106786801A (zh) * 2017-02-13 2017-05-31 天津大学 一种基于竞价均衡的微电网运行方法
CN111311012A (zh) * 2020-02-27 2020-06-19 南京邮电大学 基于多智能体的微电网电力市场双层竞价优化方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020194113A1 (en) * 2001-06-15 2002-12-19 Abb Group Services Center Ab System, method and computer program product for risk-minimization and mutual insurance relations in meteorology dependent activities
WO2016078329A1 (zh) * 2014-11-19 2016-05-26 天津大学 一种多智能体结构的微电网优化运行方法
CN106786801A (zh) * 2017-02-13 2017-05-31 天津大学 一种基于竞价均衡的微电网运行方法
CN111311012A (zh) * 2020-02-27 2020-06-19 南京邮电大学 基于多智能体的微电网电力市场双层竞价优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
FANGYUAN SI等: "Connectivity Verification in Distribution Systems Using Smart Meter Voltage Analytics: A Cloud-Edge Collaboration Approach", 《IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS》, vol. 17, no. 6, pages 3929 - 3939, XP011842973, DOI: 10.1109/TII.2020.3012138 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116111599A (zh) * 2022-09-08 2023-05-12 贵州电网有限责任公司 一种基于区间预测的智能电网不确定性感知管理控制方法

Also Published As

Publication number Publication date
CN112215687B (zh) 2024-02-02

Similar Documents

Publication Publication Date Title
Arun et al. Intelligent residential energy management system for dynamic demand response in smart buildings
Nojavan et al. Selling price determination by electricity retailer in the smart grid under demand side management in the presence of the electrolyser and fuel cell as hydrogen storage system
Ghatikar et al. Distributed energy systems integration and demand optimization for autonomous operations and electric grid transactions
Luo et al. Distributed peer-to-peer energy trading based on game theory in a community microgrid considering ownership complexity of distributed energy resources
CN110188950A (zh) 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法
Alzahrani et al. Real-time energy optimization and scheduling of buildings integrated with renewable microgrid
Detroja Optimal autonomous microgrid operation: A holistic view
Logenthiran et al. Multi-agent system for the operation of an integrated microgrid
CN114498639A (zh) 一种考虑需求响应的多微电网联合互济的日前调度方法
Giordano et al. A two-stage approach for efficient power sharing within energy districts
CN110391655A (zh) 一种含多能源耦合的微能源网经济优化调度方法及装置
Lu et al. Data center aggregators’ optimal bidding and benefit allocation strategy considering the spatiotemporal transfer characteristics
Chatterjee et al. Multi-objective energy management of a smart home in real time environment
Warmer et al. A field test using agents for coordination of residential micro-chp
Hayati et al. A Two-Stage Stochastic Optimization Scheduling Approach for Integrating Renewable Energy Sources and Deferrable Demand in the Spinning Reserve Market
CN112215687B (zh) 一种基于云边协同的家庭微网自主竞价系统及方法
Si et al. Cloud-edge-based we-market: Autonomous bidding and peer-to-peer energy sharing among prosumers
CN115860241B (zh) 基于salr的互联多区域综合能源系统分布式调度方法及装置
CN116961044A (zh) 基于模糊机会约束规划广义共享储能优化配置方法及系统
Klaimi et al. An agent-based approach for energy management in smart-grids
Skarvelis-Kazakos Automating virtual power plant decision making with fuzzy logic and human psychology
Thangavelu et al. Transactive energy management systems: Mathematical models and formulations
CN114048911A (zh) 基于负荷聚合商分类的非合作博弈优化调度方法
Ye et al. Research on optimal scheduling strategy for household loads considering rooftop photovoltaic
Tariq et al. Home energy management by differential evolution and enhanced differential evolution in smart grid environment

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