CN112308334A - 一种基于主从合作博弈的多虚拟电厂联合优化调度方法 - Google Patents
一种基于主从合作博弈的多虚拟电厂联合优化调度方法 Download PDFInfo
- Publication number
- CN112308334A CN112308334A CN202011264791.0A CN202011264791A CN112308334A CN 112308334 A CN112308334 A CN 112308334A CN 202011264791 A CN202011264791 A CN 202011264791A CN 112308334 A CN112308334 A CN 112308334A
- Authority
- CN
- China
- Prior art keywords
- virtual power
- power plant
- power
- virtual
- distribution network
- 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 50
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000009826 distribution Methods 0.000 claims abstract description 74
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 239000002245 particle Substances 0.000 claims abstract description 15
- 238000010248 power generation Methods 0.000 claims abstract description 13
- 230000005611 electricity Effects 0.000 claims description 72
- 150000001875 compounds Chemical class 0.000 claims description 18
- 238000007599 discharging Methods 0.000 claims description 12
- 238000004378 air conditioning Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004146 energy storage Methods 0.000 claims description 10
- 238000004220 aggregation Methods 0.000 claims description 8
- 230000002776 aggregation Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000009825 accumulation Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 6
- 238000013486 operation strategy Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000006116 polymerization reaction Methods 0.000 claims description 3
- 239000003507 refrigerant Substances 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 230000008901 benefit Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 3
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- 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
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于主从合作博弈的多虚拟电厂联合优化调度方法，属于电力系统电源调度领域，包括：建立不同类型虚拟电厂的优化调度模型；基于建立的不同类型虚拟电厂优化调度模型，建立配电网运营商与多个虚拟电厂的主从博弈模型，并结合粒子群算法迭代求解主从博弈模型得到求解结果；根据求解结果，采用Shapley值法进行合作利润的再分配，并输出最终求解结果。所述建立不同类型虚拟电厂的优化调度模型，包括多电型、少电型、自平衡型的虚拟电厂调度模型。本发明能够求解出配电网运营商、虚拟电厂参与电力市场的最佳交易策略，促进多个虚拟电厂间电能共享，显著提高分布式能源的综合利用效率，有利于实现各类分布式发电资源的就近消纳与合理调度。
Description
技术领域
本发明涉及一种基于主从合作博弈的多虚拟电厂联合优化调度方法，属于电力系统电源调度的技术领域。
背景技术
近年来，以可再生能源发电的分布式电源迅速发展，然而，分布式电源容量小、数量多、接入分散、出力间歇性的特点限制了其大规模的发展。以虚拟电厂(virtual powerplants，虚拟电厂)形式聚合可再生能源，通过能量管理系统控制各聚合单元，能实现聚合单元的协调优化运行，从而提高虚拟电厂的稳定性和参与电力市场时的竞争力，并获得规模经济的效益。虚拟电厂可参与的电力市场包括日前市场、实时市场、双边合同市场和辅助服务市场等，参与平衡市场能帮助虚拟电厂平抑可再生能源的波动，降低可再生能源出力预测不准确的风险，并获得更大经济效益。
目前针对虚拟电厂的优化调度往往只关注单个虚拟电厂的调度策略，鲜有针对多虚拟电厂联合优化调度进行分析研究的案例。考虑到不同虚拟电厂由于聚合的终端单元不同，其对外呈现的特性往往存在较大差别，多个虚拟电厂之间存在较大的时空互补潜力，虚拟电厂联合运行往往能提高相互之间的共享电量，减少与上级电网之间的电量交易，进一步降低自身的用电成本。此外，在现货市场条件下，虚拟电厂与配电系统运营商(distribution system operator，配电网运营商)的交易策略往往是双向影响的，即虚拟电厂既是价格的接受者，也是价格的制定者，市场运营商制定的交易电价与虚拟电厂的交易电量密切相关。
因此，如何准确制定运营商与虚拟电厂之间的交易电价，实现市场运营商最大化经济效益的同时，最大程度上降低各虚拟电厂的运营成本，实现各类分布式发电资源的就近消纳与合理调度，是当前亟需解决的关键问题。
发明内容
为了解决上述多个虚拟电厂与市场运营商之间的交易策略优化，实现多虚拟电厂间利润的公平合理分配，以及分布式能源的综合利用和各类分布式发电资源的就近消纳与合理调度的问题，提供一种基于主从合作博弈的多虚拟电厂联合优化调度方法，采用一种基于主从合作博弈的多个虚拟电厂联合优化调度模型，其中主从博弈用于求解虚拟电厂最优调度策略和市场运营商最佳电价策略，合作博弈用于形成多虚拟电厂联盟并通过Shapley值法实现利润的合理分配，保证合作联盟不会破裂，有效实现配电网运营商与虚拟电厂的交易策略优化和各类分布式发电资源的就近消纳与合理调度。
本发明具体采用以下技术方案解决上述技术问题：
一种基于主从合作博弈的多虚拟电厂联合优化调度方法，包括以下步骤：
步骤1：建立不同类型虚拟电厂的优化调度模型；
步骤2：基于建立的不同类型虚拟电厂优化调度模型，建立配电网运营商与多个虚拟电厂的主从博弈模型，并结合粒子群算法迭代求解主从博弈模型得到求解结果；
步骤3：根据求解结果，采用Shapley值法进行合作利润的再分配，并输出最终求解结果。
进一步地，作为本发明的一种优选技术方案，所述步骤1建立不同类型虚拟电厂的优化调度模型，包括：
(1)建立多电型虚拟电厂的优化调度模型；
多电型虚拟电厂以聚合发电单元为主，包括燃气轮机、光伏电站、储能单元的终端单元；建立多电型虚拟电厂的优化调度模型，包括以运行成本最小为优化目标的目标函数、燃气轮机的发电成本约束、储能单元的基本运行约束以及整体电能供需平衡约束；
所述以运行成本最小为优化目标的目标函数表示如下：
其中：
表示多电型虚拟电厂的运行成本，T表示最大调度周期，
分别表示各虚拟电厂与配电网运营商进行交易的购电电价和售电电价，
分别表示多电型虚拟电厂向配电网运营商购买的电量和出售的电量，
表示燃气轮机的发电成本，其计算公式如下：
式中，a、λsu、λsd分别为固定生产成本、启动成本以及关机成本，
分别为0或1整数变量，表示燃气轮机是否工作、启动或关机，Kl表示第l段燃气轮机的出力曲线斜率，
表示第l段燃气轮机的出力，
表示燃气轮机的总出力，Nl表示燃气轮机的分段总数；
所述多电虚拟电厂聚合的储能单元，其基本运行约束如下：
式中，
为ESS系统中存储的电能；
表示t-1时刻ESS系统中存储的电能；Ses ,min、Ses,max对应ESS系统存储电量的上下限；ηc、ηd分别对应ESS系统的充放电效率；
分别表示ESS系统的充放电功率，pesc,max、pesd,max分别表示ESS系统充放电功率的上限值；
此外，多电虚拟电厂的优化调度模型满足的整体电能供需平衡约束如下：
式中，Pt pv为光伏机组t时刻总出力，
为虚拟电厂的固定负荷；
(2)建立少电型虚拟电厂的优化调度模型；
少电型虚拟电厂指大型商业楼宇产消者单元，包括屋顶光伏面板、可中断负荷以及中央空调系统，建立少电型虚拟电厂的优化调度模型，包括以运行成本最小为优化目标的目标函数、可中断负荷的运行约束、中央空调系统的运行约束以及整体电能供需平衡约束；
所述以运行成本最小为优化目标的目标函数表示如下：
其中，
表示少电型虚拟电厂的运行成本，
表可中断负荷的补偿成本，其具体表达式如下：
式中，nm表示最大中断等级，
为第m级负荷中断补偿价格，
为第m级负荷中断量，可中断负荷的运行约束如下：
式中，
为第m级的负荷中断系数；
为电力负荷；
为t时段的负荷中断量；
为t-1时段的负荷中断量；Lcurt,max为连续时间内负荷中断量的最大值；
所述少电型虚拟电厂的中央空调系统，其调控过程中应满足如下运行约束：
式中，
分别表示蓄冷槽的蓄冷量、释冷量以及制冷剂的释冷量，μch、μst、μre分别为各类设备的能量转换效率，Pt cold为CACS总体耗电量；
此外，少电虚拟电厂的优化调度模型满足的整体电能供需平衡约束如下：
(3)建立自平衡型虚拟电厂的优化调度模型；
自平衡型虚拟电厂为居民侧产消者，聚合单元包括电动汽车负荷、可转移负荷以及屋顶光伏面板，建立自平衡型虚拟电厂的优化调度模型包括以运行成本最小为优化目标的目标函数、电动汽车运行成本约束以及可转移负荷量约束、整体电能供需平衡约束；
所述以运行成本最小为优化目标的目标函数表示如下：
式中，
表示自平衡虚拟电厂的运行成本，
分别表示电动汽车电池损耗成本以及可中断负荷补偿成本，计算如下：
式中，Nv表示EV数量；
表示第v辆EV的电池购买成本；
为EV电池周期内充放电循环次数；
为EV电池容量；
为EV的电池放电深度；
为EV的放电功率；
为EV放电效率；
表示EV行驶距离；Ev为EV单位行驶距离所消耗的功率；λshift为转移负荷的补贴电价，
表示实际的负荷转移量；
最后，自平衡型虚拟电厂的优化调度模型满足的整体电能供需平衡约束如下：
式中，
表示电动汽车的充电功率，
为转移后的实际负荷大小。
进一步地，作为本发明的一种优选技术方案，所述步骤2建立配电网运营商与多个虚拟电厂的主从博弈模型并求解，包括：
建立作为领导者的配电网运营商的动态电价优化模型，表示如下：
1)获取目标函数：
式中，SDSO表示配电网运营商的净利润，λt who，s、λt who，b分别表示上网电价以及电网电价；λt da，b、λt da，s分别表示配电网运营商制定的虚拟电厂购电电价和售电电价，为配电网运营商的决策变量；
为配电网运营商向上级电网出售的电量以及购入的电量；
为第j个虚拟电厂向配电网运营商的购电电量和和售电电量；
2)确定约束条件：
式中，
表示DSO与所有虚拟电厂间总体的交互电量；
至此，获得配电网运营商与多个虚拟电厂的主从博弈模型，表示如下：
式中，ΩDSO表示DSO的电价策略集合；
表示第j个虚拟电厂的运行目标函数；
表示虚拟电厂与上级电网的交易电量；Pj表示最优运行策略下虚拟电厂与上级电网的交互电量；
表示第j个虚拟电厂的可行域；
3)利用粒子群算法迭代求解主从博弈模型，得到求解结果。
进一步地，作为本发明的一种优选技术方案，所述步骤2利用粒子群算法迭代求解主从博弈模型得到求解结果，包括以下步骤：
Step1：输入各虚拟电厂的聚合单元的运行参数、光伏及负荷数据，配电网运营商电网电价以及上网电价基本信息；
Step2：在各虚拟电厂运行策略范围内随机生成一组初始解
并将该初始解代入配电网运营商的动态电价优化模型中，基于粒子群算法求解配电网运营商动态电价优化模型，并记初始最优电价解为
Step3：将初始最优电价解
代入到作为跟随者的各个虚拟电厂优化调度模型中，求解各个虚拟电厂优化调度模型，得到对应于交易电价的真实交易电量Pt i，并将此时交易电价和交易电量的样本点记为
并计算此样本点对应的配电网运营商利润
Step4：将样本点Bi对应的电量Pt i代入到配电网运营商的动态电价优化模型中，采用粒子群算法求解该模型，计算此时配电网运营商的最佳利润
以及交易电价λi+1，若
其中ε为约等于0的一个常数，则返回步骤Step3，否则，转至步骤Step5；
Step5：输出此时对应的配电网运营商交易电价以及各虚拟电厂的交易电量，并输出各虚拟电厂的运行成本以及配电网运营商的收入。
进一步地，作为本发明的一种优选技术方案，所述步骤3采用Shapley值法进行合作利润的再分配，并输出最终求解结果，包括以下步骤：
首先，假设联盟中共有N个虚拟电厂，利润分配向量为(X1、X2…XN)，具体的分配流程如下：
步骤3.1：明确整体联盟的参与主体个数N，表示共计有N个虚拟电厂组成上述联盟，并计算所有可能的子联盟，计算结果方法如下：
Ncop＝N2-1
式中，Ncop表示所有可能的联盟数量；
步骤3.2：分别计算不同联盟下联盟的整体运行成本，并根据该结果计算各虚拟电厂的边际贡献度，计算公式如下：
式中，S为包含元素i的所有子集，|S|为子集S中元素的个数；W(|S|)表示相应的平均贡献因子；
步骤3.3：在明确各主体平均贡献因子后，计算各主体的利润分配值：
式中，Xi表示第i个虚拟电厂的利润分配值，Z为N个主体的集合；V(S)为包含元素i的联盟合作利润；V(S\i)为不包含元素i的联盟利润。
本发明采用上述技术方案，能产生如下技术效果：
本发明的方法，综合考虑了多虚拟电厂与配电网运营商的交易策略问题以及多虚拟电厂间的利润分配问题，建立了一种基于主从合作博弈的多虚拟电厂联合调度模型，并采用Shapley值法实现多虚拟电厂利润的再分配问题，该方法能够实现配电网运营商与虚拟电厂的双赢，并能够避免因为分配不均导致联盟破裂的问题出现，从而能够促进多个虚拟电厂间的电能共享，显著提高分布式能源的综合利用效率，有利于实现各类分布式发电资源的就近消纳与合理调度。可以为电力交易机构人员的正确的决策提供有效的理论支持，具有一定的工程实用价值。
附图说明
图1为本发明方法的流程示意图。
图2为本发明中不同类型虚拟电厂内的负荷曲线示意图。
图3为本发明中配电网运营商的经过本算法优化后的定价曲线示意图。
具体实施方式
下面结合说明书附图对本发明的实施方式进行描述。
如图1所示，本发明涉及一种基于主从合作博弈的多虚拟电厂联合优化调度方法，该方法具体包括以下步骤：
步骤1：建立不同类型虚拟电厂的优化调度模型，具体如下：
(1)建立多电型虚拟电厂的优化调度模型；
多电型虚拟电厂一般以聚合发电单元为主，包括燃气轮机、光伏电站、储能单元等终端单元，对外整体呈现供电特性，建立多电型虚拟电厂的优化调度模型，包括以运行成本最小为优化目标的目标函数、燃气轮机的发电成本约束、储能单元的基本运行约束以及整体电能供需平衡约束，主要作用是协调内部各聚合单元的出力，实现分布式发电资源的有效利用，提高经济效益。
所述以运行成本最小为优化目标的目标函数表示如下：
其中：
表示多电型虚拟电厂的运行成本，T表示最大调度周期，
分别表示各虚拟电厂与配电网运营商进行交易的购电电价和售电电价，
分别表示多电型虚拟电厂向配电网运营商购买的电量和出售的电量，
表示燃气轮机的发电成本，其计算公式如下：
式中，a、λsu、λsd分别为固定生产成本、启动成本以及关机成本，
分别为0或1整数变量，表示燃气轮机是否工作、启动或关机，Kl表示第l段燃气轮机的出力曲线斜率，
表示第l段燃气轮机的出力，
表示燃气轮机的总出力，Nl表示燃气轮机的分段总数。
除燃气轮机外，所述多电虚拟电厂聚合的储能单元，其基本运行约束如下：
式中，
为ESS系统中存储的电能；
表示t-1时刻ESS系统中存储的电能；Ses ,min、Ses,max对应ESS系统存储电量的上下限；ηc、ηd分别对应ESS系统的充放电效率；
分别表示ESS系统的充放电功率，pesc,max、pesd,max分别表示ESS系统充放电功率的上限值。
此外，多电虚拟电厂的优化调度模型需要满足的整体电能供需平衡约束如下：
式中，Pt pv为光伏机组t时刻总出力，
为虚拟电厂的固定负荷。
(2)建立少电型虚拟电厂的优化调度模型；
少电型虚拟电厂一般指大型商业楼宇产消者单元，包括屋顶光伏面板、可中断负荷以及中央空调系统，建立少电型虚拟电厂的优化调度模型，包括以运行成本最小为优化目标的目标函数、可中断负荷的运行约束、中央空调系统的运行约束以及整体电能供需平衡约束，主要作用是根据市场电价的高低灵活调整自身用电量，在满足自身舒适度的前提下尽可能的降低用电成本。
所述以运行成本最小为优化目标的目标函数表示如下：
其中，
表示少电型虚拟电厂的运行成本，
表可中断负荷的补偿成本，其具体表达式如下：
式中，nm为中断等级数，nm表示最大中断等级，
为第m级负荷中断补偿价格，
为第m级负荷中断量，可中断负荷的运行约束如下：
式中，
为第m级的负荷中断系数；
为电力负荷；
为t时段的负荷中断量；
为t-1时段的负荷中断量；Lcurt,max为连续时间内负荷中断量的最大值。
所述少电型虚拟电厂的中央空调系统，其调控过程中应满足如下运行约束：
式中，
分别表示蓄冷槽的蓄冷量、释冷量以及制冷剂的释冷量，μch、μst、μre分别为各类设备的能量转换效率，Pt cold为CACS总体耗电量。
此外，少电虚拟电厂的优化调度模型满足的整体电能供需平衡约束如下：
(3)建立自平衡型虚拟电厂的优化调度模型；
自平衡型虚拟电厂多为居民侧产消者，聚合单元包括电动汽车负荷、可转移负荷以及屋顶光伏面板等，建立自平衡型虚拟电厂的优化调度模型包括以运行成本最小为优化目标的目标函数、电动汽车运行成本约束以及可转移负荷量约束、整体电能供需平衡约束，主要作用是根据市场电价的高低灵活调整自身用电量，尽肯能达到产消平衡。
所述以运行成本最小为优化目标的目标函数表示如下：
式中，
表示自平衡虚拟电厂的运行成本，
分别表示电动汽车电池损耗成本以及可中断负荷补偿成本，计算如下：
式中，Nv表示EV数量；
表示第v辆EV的电池购买成本；
为EV电池周期内充放电循环次数；
为EV电池容量；
为EV的电池放电深度；
为EV的放电功率；
为EV放电效率；
表示EV行驶距离；Ev为EV单位行驶距离所消耗的功率；λshift为转移负荷的补贴电价，
表示实际的负荷转移量；
最后，自平衡型虚拟电厂的优化调度模型需要满足的整体电能供需平衡约束如下：
式中，
表示电动汽车的充电功率，
为转移后的实际负荷大小。
步骤2：基于建立的不同类型虚拟电厂优化调度模型，建立配电网运营商与多个虚拟电厂的主从博弈模型，并结合粒子群算法迭代求解主从博弈模型得到求解结果，具体如下：
按照配电网运营商与虚拟电厂在现货市场中的地位不同，可建立者配电网运营商与多个跟随者虚拟电厂的主从博弈模型，其中配电网运营商作为领导者，多个虚拟电厂作为跟随者，建立一主多从的主从博弈模型。
其中，建立作为领导者的配电网运营商的动态电价优化模型，表示如下：
1)获取目标函数：
式中，SDSO表示配电网运营商的净利润，λt who，s、λt who，b分别表示上网电价以及电网电价；λt da，b、λt da，s分别表示配电网运营商制定的虚拟电厂购电电价和售电电价，为配电网运营商的决策变量；
为配电网运营商向上级电网出售的电量以及购入的电量；
为第j个虚拟电厂向配电网运营商的购电电量和和售电电量。
2)确定约束条件：
式中，
表示DSO与所有虚拟电厂间总体的交互电量。
至此，获得配电网运营商与多个虚拟电厂的主从博弈模型，表示如下：
式中，ΩDSO表示DSO的电价策略集合，
表示第j个虚拟电厂的运行目标函数，
表示虚拟电厂与上级电网的交易电量，Pj表示最优运行策略下虚拟电厂与上级电网的交互电量，
表示第j个虚拟电厂的可行域。
3)利用粒子群算法迭代求解主从博弈模型，得到求解结果，所述主从博弈模型的求解步骤如下：
Step1：输入各虚拟电厂的聚合单元的运行参数、光伏及负荷数据，配电网运营商电网电价以及上网电价基本信息等。
Step2：在各虚拟电厂运行策略范围内随机生成一组初始解
并将该初始解代入配电网运营商的动态电价优化模型中，基于粒子群算法求解配电网运营商动态电价优化模型，并记初始最优电价解为
Step3：将初始最优电价解
代入到作为跟随者的各个虚拟电厂优化调度模型中，求解各个虚拟电厂优化调度模型，得到对应于交易电价的真实交易电量Pt i，并将此时交易电价和交易电量的样本点记为
并计算此样本点对应的配电网运营商利润
Step4：将样本点Bi对应的真实交易电量Pt i代入到配电网运营商的动态电价优化模型中，采用粒子群算法求解该模型，计算此时配电网运营商的最佳利润
以及交易电价λi+1，若
其中ε为约等于0的一个常数，则返回步骤Step3，否则，转至步骤Step5。
Step5：输出此时对应的配电网运营商交易电价以及各虚拟电厂的交易电量，并输出各虚拟电厂的运行成本以及配电网运营商的收入。
步骤3：根据求解结果，采用Shapley值法进行合作利润的再分配，并输出最终求解结果。
由于线路传输约束及竞争定价等因素存在，多虚拟电厂联合调度条件下仅通过配电网运营商计算单个虚拟电厂的运行成本和收益往往具有一定的局限性，因此有必要根据各虚拟电厂在合作联盟的贡献度和重要程度进行利润的二次分配，Shapley值法是按贡献度计算参与合作的各主体重要程度的一种有效方法。假设联盟中共有N个虚拟电厂，利润分配向量为(X1、X2…XN)，具体的分配流程如下：
步骤3.1：明确整体联盟的参与主体个数N，表示共计有N个虚拟电厂组成上述联盟，并计算所以可能的子联盟，计算结果方法如下：
Ncop＝N2-1
式中，Ncop表示所有可能的联盟数量。
步骤3.2：分别计算不同联盟下联盟的整体运行成本，并根据该结果计算各虚拟电厂的边际贡献度，计算公式如下：
式中，S为包含元素i的所有子集，|S|为子集S中元素的个数；W(|S|)表示相应的平均贡献因子。
步骤3.3：在明确各主体平均贡献因子后，计算各主体的利润分配值：
式中，Xi表示第i个虚拟电厂的利润分配值；Z为N个主体的集合；V(S)为包含元素i的联盟合作利润；V(S\i)为不包含元素i的联盟利润。
为了验证本发明方法能够实现促进多个虚拟电厂间的电能共享，实现各类分布式发电资源的就近消纳与合理调度，下面以具体的三个虚拟电厂为例，进行验证说明。
虚拟电厂调度周期为1天，分为24时段。不同虚拟电厂可以进行合作联盟，参与联合调度，其中，虚拟电厂1聚合燃气轮机、储能装置、光伏电站等设备，虚拟电厂2聚合中央空调系统，可中断负荷等单元，虚拟电厂3则聚合电动汽车、可转移负荷等单元。中央空调的相关热参数信息见表1，燃气轮机参数信息见表2，各虚拟电厂的负荷曲线见图2。
表1中央空调系统参数
表2 TAU5670燃气轮机参数
采用本发明方法进行交易策略优化后，配电网运营商制定的虚拟电厂售电电价以及购电电价见图3。采用本发明提出的基于主从合作博弈的方法后，各参与主体的经济效益见表3。
表3不同算法各主体经济效益对比
从表3中也可以看出，采用本发明的基于主从合作博弈的方法后，相较于采用传统的按照上网电价和电网电价进行虚拟电厂购售电策略相比，不仅配电网运营商的收益有了较大的提升，各虚拟电厂的运行成本也有了一定程度的降低。此外，由于采用了Shapley值法进行利润的再次分配，重新分配后虚拟电厂1(多电虚拟电厂)的经济效益有了进一步的提升，而虚拟电厂2(少电虚拟电厂)的运行成本则有所增加，这主要是因为多电虚拟电厂在整个合作联盟中占据主导地位，对于联盟的整体贡献度最大，因此采用Shapley值法按照贡献度大小重新分配利润后，其经济效益有了相应的增加。而虚拟电厂2则主要依赖从外部购入电量，相对来讲贡献度较小，因此重新分配后其利润有所降低。
以上仿真结果验证了本发明方法的有效性和实用性。本发明方法保证了各参与主体经济效益均有不同程度的提升，同时保证了联盟收益分配的公平公正，避免了由于分配不均而导致的联盟破裂等问题。
综上，本发明方法能够求解出配电网运营商、虚拟电厂参与电力市场的最佳交易策略，并通过先进的利润分配方案避免虚拟电厂合作联盟的破裂，此外，该方法能够促进多个虚拟电厂间的电能共享，显著提高分布式能源的综合利用效率，有利于实现各类分布式发电资源的就近消纳与合理调度，并能够为电力市场交易机构提供有效的理论支撑，具有一定的工程实用价值。
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (5)
1.一种基于主从合作博弈的多虚拟电厂联合优化调度方法，其特征在于，包括以下步骤：
步骤1：建立不同类型虚拟电厂的优化调度模型；
步骤2：基于建立的不同类型虚拟电厂优化调度模型，建立配电网运营商与多个虚拟电厂的主从博弈模型，并结合粒子群算法迭代求解主从博弈模型得到求解结果；
步骤3：根据求解结果，采用Shapley值法进行合作利润的再分配，并输出最终求解结果。
2.根据权利要求1所述基于主从合作博弈的多虚拟电厂联合优化调度方法，其特征在于，所述步骤1建立不同类型虚拟电厂的优化调度模型，包括：
(1)建立多电型虚拟电厂的优化调度模型；
多电型虚拟电厂以聚合发电单元为主，包括燃气轮机、光伏电站、储能单元的终端单元；建立多电型虚拟电厂的优化调度模型，包括以运行成本最小为优化目标的目标函数、燃气轮机的发电成本约束、储能单元的基本运行约束以及整体电能供需平衡约束；
所述以运行成本最小为优化目标的目标函数表示如下：
其中：
表示多电型虚拟电厂的运行成本，T表示最大调度周期，
分别表示各虚拟电厂与配电网运营商进行交易的购电电价和售电电价，
分别表示多电型虚拟电厂向配电网运营商购买的电量和出售的电量，
表示燃气轮机的发电成本，其计算公式如下：
式中，a、λsu、λsd分别为固定生产成本、启动成本以及关机成本，
分别为0或1整数变量，表示燃气轮机是否工作、启动或关机，Kl表示第l段燃气轮机的出力曲线斜率，
表示第l段燃气轮机的出力，
表示燃气轮机的总出力，Nl表示燃气轮机的分段总数；
所述多电虚拟电厂聚合的储能单元，其基本运行约束如下：
式中，
为ESS系统中t时刻存储的电能，
表示t-1时刻ESS系统中存储的电能；Ses ,min、Ses,max对应ESS系统存储电量的上下限；ηc、ηd分别对应ESS系统的充放电效率；
分别表示ESS系统的充放电功率，pesc,max、pesd,max分别表示ESS系统充放电功率的上限值；
此外，多电虚拟电厂的优化调度模型满足的整体电能供需平衡约束如下：
式中，Pt pv为光伏机组t时刻总出力，
为虚拟电厂的固定负荷；
(2)建立少电型虚拟电厂的优化调度模型；
少电型虚拟电厂指大型商业楼宇产消者单元，包括屋顶光伏面板、可中断负荷以及中央空调系统，建立少电型虚拟电厂的优化调度模型，包括以运行成本最小为优化目标的目标函数、可中断负荷的运行约束、中央空调系统的运行约束以及整体电能供需平衡约束；
所述以运行成本最小为优化目标的目标函数表示如下：
其中，
表示少电型虚拟电厂的运行成本，
表可中断负荷的补偿成本，其具体表达式如下：
式中，nm表示最大中断等级，
为第m级负荷中断补偿价格，
为第m级负荷中断量，可中断负荷的运行约束如下：
式中，
为第m级的负荷中断系数；
为电力负荷；
为t时段的负荷中断量；
为t-1时段的负荷中断量；Lcurt,max为连续时间内负荷中断量的最大值；
所述少电型虚拟电厂的中央空调系统，其调控过程中应满足如下运行约束：
式中，
分别表示蓄冷槽的蓄冷量、释冷量以及制冷剂的释冷量，μch、μst、μre分别为各类设备的能量转换效率，Pt cold为CACS总体耗电量；
此外，少电虚拟电厂的优化调度模型满足的整体电能供需平衡约束如下：
(3)建立自平衡型虚拟电厂的优化调度模型；
自平衡型虚拟电厂为居民侧产消者，聚合单元包括电动汽车负荷、可转移负荷以及屋顶光伏面板，建立自平衡型虚拟电厂的优化调度模型包括以运行成本最小为优化目标的目标函数、电动汽车运行成本约束以及可转移负荷量约束、整体电能供需平衡约束；
所述以运行成本最小为优化目标的目标函数表示如下：
式中，
表示自平衡虚拟电厂的运行成本，
分别表示电动汽车电池损耗成本以及可中断负荷补偿成本，计算如下：
式中，Nv表示EV数量；
表示第v辆EV的电池购买成本；
为EV电池周期内充放电循环次数；
为EV电池容量；
为EV的电池放电深度；
为EV的放电功率；
为EV放电效率；
表示EV行驶距离；Ev为EV单位行驶距离所消耗的功率；λshift为转移负荷的补贴电价，
表示实际的负荷转移量；
最后，自平衡型虚拟电厂的优化调度模型满足的整体电能供需平衡约束如下：
式中，
表示电动汽车的充电功率，
为转移后的实际负荷大小。
3.根据权利要求2所述基于主从合作博弈的多虚拟电厂联合优化调度方法，其特征在于，所述步骤2建立配电网运营商与多个虚拟电厂的主从博弈模型并求解，包括：
建立作为领导者的配电网运营商的动态电价优化模型，表示如下：
1)获取目标函数：
式中，SDSO表示配电网运营商的净利润，
分别表示上网电价以及电网电价；
分别表示配电网运营商制定的虚拟电厂购电电价和售电电价，为配电网运营商的决策变量；
为配电网运营商向上级电网出售的电量以及购入的电量；
为第j个虚拟电厂向配电网运营商的购电电量和和售电电量；
2)确定约束条件：
式中，
表示DSO与所有虚拟电厂间总体的交互电量；
至此，获得配电网运营商与多个虚拟电厂的主从博弈模型，表示如下：
式中，ΩDSO表示DSO的电价策略集合；
表示第j个虚拟电厂的运行目标函数；
表示虚拟电厂与上级电网的交易电量；Pj表示虚拟电厂最优运行策略下与上级电网的交互电量；
表示第j个虚拟电厂的可行域；
3)利用粒子群算法迭代求解主从博弈模型，得到求解结果。
4.根据权利要求3所述基于主从合作博弈的多虚拟电厂联合优化调度方法，其特征在于，所述步骤2利用粒子群算法迭代求解主从博弈模型得到求解结果，包括以下步骤：
Step1：输入各虚拟电厂的聚合单元的运行参数、光伏及负荷数据，配电网运营商电网电价以及上网电价基本信息；
Step2：在各虚拟电厂运行策略范围内随机生成一组初始解
并将该初始解代入配电网运营商的动态电价优化模型中，基于粒子群算法求解配电网运营商动态电价优化模型，并记初始最优电价解为
Step3：将初始最优电价解
代入到作为跟随者的各个虚拟电厂优化调度模型中，求解各个虚拟电厂优化调度模型，得到对应于交易电价的真实交易电量
并将此时交易电价和交易电量的样本点记为
并计算此样本点对应的配电网运营商利润
Step4：将样本点Bi对应的真实交易电量
代入到配电网运营商的动态电价优化模型中，采用粒子群算法求解该模型，计算此时配电网运营商的最佳利润
以及交易电价λi+1，若
其中ε为约等于0的常数，则返回步骤Step3，否则，转至步骤Step5；
Step5：输出此时对应的配电网运营商交易电价以及各虚拟电厂的交易电量，并输出各虚拟电厂的运行成本以及配电网运营商的收入。
5.根据权利要求1所述基于主从合作博弈的多虚拟电厂联合优化调度方法，其特征在于，所述步骤3采用Shapley值法进行合作利润的再分配，并输出最终求解结果，包括以下步骤：
首先，假设联盟中共有N个虚拟电厂，利润分配向量为(X1、X2···XN)，具体的分配流程如下：
步骤3.1：明确整体联盟的参与主体个数N，表示共计有N个虚拟电厂组成上述联盟，并计算所有可能的子联盟，计算结果方法如下：
Ncop＝N2-1
式中，Ncop表示所有可能的联盟数量；
步骤3.2：分别计算不同联盟下联盟的整体运行成本，并根据该结果计算各虚拟电厂的边际贡献度，计算公式如下：
式中，S为包含元素i的所有子集，|S|为子集S中元素的个数；W(|S|)表示相应的平均贡献因子；
步骤3.3：在明确各主体平均贡献因子后，计算各主体的利润分配值：
式中，Xi表示第i个虚拟电厂的利润分配值，Z为N个主体的集合；V(S)为包含元素i的联盟合作利润；V(S\i)为不包含元素i的联盟利润。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011264791.0A CN112308334B (zh) | 2020-11-12 | 2020-11-12 | 一种基于主从合作博弈的多虚拟电厂联合优化调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011264791.0A CN112308334B (zh) | 2020-11-12 | 2020-11-12 | 一种基于主从合作博弈的多虚拟电厂联合优化调度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112308334A true CN112308334A (zh) | 2021-02-02 |
| CN112308334B CN112308334B (zh) | 2022-11-08 |
Family
ID=74325917
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011264791.0A Active CN112308334B (zh) | 2020-11-12 | 2020-11-12 | 一种基于主从合作博弈的多虚拟电厂联合优化调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112308334B (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113077111A (zh) * | 2021-04-26 | 2021-07-06 | 上海电机学院 | 基于插电混动汽车v2g技术的虚拟电厂优化调度方法 |
| CN113112287A (zh) * | 2021-03-18 | 2021-07-13 | 国电南瑞南京控制系统有限公司 | 一种基于微电网调度的虚拟电厂能源管理方法及装置 |
| CN113191625A (zh) * | 2021-04-28 | 2021-07-30 | 天津大学 | 计及综合效率评价的虚拟电厂组建方法 |
| CN113343571A (zh) * | 2021-06-15 | 2021-09-03 | 中国农业大学 | 一种农村配电网中的分布式光伏电能消纳方法 |
| CN113610357A (zh) * | 2021-07-16 | 2021-11-05 | 远景智能国际私人投资有限公司 | 虚拟电厂的交易流程管理方法、装置、设备及介质 |
| 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 |
| CN113922368A (zh) * | 2021-10-09 | 2022-01-11 | 浙江浙达能源科技有限公司 | 一种面向虚拟电厂集群的动态优化重组方法 |
| 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 |
| CN114462727A (zh) * | 2022-04-14 | 2022-05-10 | 山东大学 | 基于多主体联合的新能源系统能源优化调度方法及系统 |
| CN114513016A (zh) * | 2022-04-20 | 2022-05-17 | 南京理工大学 | 一种整合光储燃的虚拟电厂出力协调博弈方法及终端设备 |
| CN115082235A (zh) * | 2022-06-29 | 2022-09-20 | 东南大学 | 一种虚拟能源站内部多能共享的交易方法及系统 |
| 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 |
| CN117522087A (zh) * | 2024-01-05 | 2024-02-06 | 中建科工集团有限公司 | 虚拟电厂资源配置方法、装置、设备及介质 |
| CN117541300A (zh) * | 2024-01-08 | 2024-02-09 | 国网浙江省电力有限公司宁波供电公司 | 虚拟电厂交易管理方法、系统、设备及存储介质 |
| CN117810980A (zh) * | 2023-12-28 | 2024-04-02 | 南京理工大学 | 基于储能系统自由交易的光储虚拟网格博弈优化方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140277599A1 (en) * | 2013-03-13 | 2014-09-18 | Oracle International Corporation | Innovative Approach to Distributed Energy Resource Scheduling |
| CN108734396A (zh) * | 2018-05-16 | 2018-11-02 | 国网山东省电力公司电力科学研究院 | 一种基于需求侧竞价和多能互补的虚拟电厂调度优化方法 |
| 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 |
| 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 |
| CN111682526A (zh) * | 2020-05-28 | 2020-09-18 | 国网浙江省电力有限公司湖州供电公司 | 一种基于合作博弈的虚拟电厂能量管理方法 |
-
2020
- 2020-11-12 CN CN202011264791.0A patent/CN112308334B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140277599A1 (en) * | 2013-03-13 | 2014-09-18 | Oracle International Corporation | Innovative Approach to Distributed Energy Resource Scheduling |
| CN108734396A (zh) * | 2018-05-16 | 2018-11-02 | 国网山东省电力公司电力科学研究院 | 一种基于需求侧竞价和多能互补的虚拟电厂调度优化方法 |
| 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 |
| 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 |
| CN111682526A (zh) * | 2020-05-28 | 2020-09-18 | 国网浙江省电力有限公司湖州供电公司 | 一种基于合作博弈的虚拟电厂能量管理方法 |
Non-Patent Citations (2)
| Title |
|---|
| 叶飞等: "考虑购售风险的虚拟电厂双层竞标策略", 《电力建设》 * |
| 方燕琼等: "基于主从博弈的虚拟电厂双层竞标策略", 《电力系统自动化》 * |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113112287A (zh) * | 2021-03-18 | 2021-07-13 | 国电南瑞南京控制系统有限公司 | 一种基于微电网调度的虚拟电厂能源管理方法及装置 |
| CN113077111A (zh) * | 2021-04-26 | 2021-07-06 | 上海电机学院 | 基于插电混动汽车v2g技术的虚拟电厂优化调度方法 |
| CN113191625A (zh) * | 2021-04-28 | 2021-07-30 | 天津大学 | 计及综合效率评价的虚拟电厂组建方法 |
| CN113343571A (zh) * | 2021-06-15 | 2021-09-03 | 中国农业大学 | 一种农村配电网中的分布式光伏电能消纳方法 |
| CN113610357A (zh) * | 2021-07-16 | 2021-11-05 | 远景智能国际私人投资有限公司 | 虚拟电厂的交易流程管理方法、装置、设备及介质 |
| 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 |
| CN113922368B (zh) * | 2021-10-09 | 2023-06-13 | 浙江浙达能源科技有限公司 | 一种面向虚拟电厂集群的动态优化重组方法 |
| CN113922368A (zh) * | 2021-10-09 | 2022-01-11 | 浙江浙达能源科技有限公司 | 一种面向虚拟电厂集群的动态优化重组方法 |
| 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 |
| CN114462727A (zh) * | 2022-04-14 | 2022-05-10 | 山东大学 | 基于多主体联合的新能源系统能源优化调度方法及系统 |
| CN114513016A (zh) * | 2022-04-20 | 2022-05-17 | 南京理工大学 | 一种整合光储燃的虚拟电厂出力协调博弈方法及终端设备 |
| CN115082235A (zh) * | 2022-06-29 | 2022-09-20 | 东南大学 | 一种虚拟能源站内部多能共享的交易方法及系统 |
| CN115082235B (zh) * | 2022-06-29 | 2024-05-03 | 东南大学 | 一种虚拟能源站内部多能共享的交易方法及系统 |
| 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 |
| CN117810980A (zh) * | 2023-12-28 | 2024-04-02 | 南京理工大学 | 基于储能系统自由交易的光储虚拟网格博弈优化方法 |
| CN117810980B (zh) * | 2023-12-28 | 2024-06-04 | 南京理工大学 | 基于储能系统自由交易的光储虚拟网格博弈优化方法 |
| CN117522087A (zh) * | 2024-01-05 | 2024-02-06 | 中建科工集团有限公司 | 虚拟电厂资源配置方法、装置、设备及介质 |
| CN117522087B (zh) * | 2024-01-05 | 2024-05-03 | 中建科工集团有限公司 | 虚拟电厂资源配置方法、装置、设备及介质 |
| CN117541300A (zh) * | 2024-01-08 | 2024-02-09 | 国网浙江省电力有限公司宁波供电公司 | 虚拟电厂交易管理方法、系统、设备及存储介质 |
| CN117541300B (zh) * | 2024-01-08 | 2024-06-04 | 国网浙江省电力有限公司宁波供电公司 | 虚拟电厂交易管理方法、系统、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112308334B (zh) | 2022-11-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112308334B (zh) | 一种基于主从合作博弈的多虚拟电厂联合优化调度方法 | |
| Li et al. | Optimal operation of multimicrogrids via cooperative energy and reserve scheduling | |
| Hu et al. | Neighborhood-level coordination and negotiation techniques for managing demand-side flexibility in residential microgrids | |
| Kazemi-Razi et al. | Enhancement of flexibility in multi-energy microgrids considering voltage and congestion improvement: Robust thermal comfort against reserve calls | |
| Yang et al. | Integrated operation optimization for CCHP micro-grid connected with power-to-gas facility considering risk management and cost allocation | |
| CN112068436B (zh) | 工业园区的综合能源系统分层分布式控制方法及系统 | |
| CN114256836B (zh) | 一种新能源电站共享储能的容量优化配置方法 | |
| Dashtdar et al. | Probabilistic planning for participation of virtual power plants in the presence of the thermal power plants in energy and reserve markets | |
| CN111008739A (zh) | 一种热电联产虚拟电厂优化调控及收益分配方法及系统 | |
| He et al. | A new cooperation framework with a fair clearing scheme for energy storage sharing | |
| CN115603317A (zh) | 一种基于两阶段风险约束的虚拟电厂最优调度方法 | |
| CN116911533B (zh) | 区域综合能源系统多微网能量共济方法 | |
| Ali | Development and Improvement of Renewable Energy Integrated with Energy Trading Schemes based on Advanced Optimization Approaches | |
| Wu et al. | Dynamic pricing and energy management of hydrogen-based integrated energy service provider considering integrated demand response with a bi-level approach | |
| Hayati et al. | A two-stage stochastic optimization scheduling approach for integrating renewable energy sources and deferrable demand in the spinning reserve market | |
| Cai et al. | Optimal scheduling of a hybrid AC/DC multi-energy microgrid considering uncertainties and Stackelberg game-based integrated demand response | |
| Yang et al. | Coordination and optimization of CCHP microgrid group game based on the interaction of electric and thermal energy considering conditional value at risk | |
| Zhang et al. | Multi-level distributed demand response study for a multi-park integrated energy system | |
| Lu et al. | Two-stage robust scheduling and real-time load control of community microgrid with multiple uncertainties | |
| CN111474900B (zh) | 一种基于虚拟电厂的区域综合能源系统运行方法及系统 | |
| CN116228461A (zh) | 一种基于p2p交易的多虚拟电厂随机优化调度方法 | |
| Ebrahimi et al. | Electrical and thermal power management in an energy hub system considering hybrid renewables | |
| Zhang et al. | Joint optimal operation and bidding strategy of scenic reservoir group considering energy storage sharing | |
| CN112633613B (zh) | 一种园区级综合能源系统集群交易策略的优化方法 | |
| US20220337061A1 (en) | Artificial intelligence based p2p power trading method and apparatus |
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 |