CN112488740A - 目标均衡博弈的处理方法和装置 - Google Patents

目标均衡博弈的处理方法和装置 Download PDF

Info

Publication number
CN112488740A
CN112488740A CN201910866017.8A CN201910866017A CN112488740A CN 112488740 A CN112488740 A CN 112488740A CN 201910866017 A CN201910866017 A CN 201910866017A CN 112488740 A CN112488740 A CN 112488740A
Authority
CN
China
Prior art keywords
game
game participant
participant
model
hydrogen
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
CN201910866017.8A
Other languages
English (en)
Inventor
梅生伟
陈来军
郭中杰
魏韡
刘锋
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.)
Tsinghua University
Original Assignee
Tsinghua University
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 Tsinghua University filed Critical Tsinghua University
Priority to CN201910866017.8A priority Critical patent/CN112488740A/zh
Publication of CN112488740A publication Critical patent/CN112488740A/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
    • 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
    • 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
    • G06Q10/067—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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Data Mining & Analysis (AREA)
  • Public Health (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例提供一种目标均衡博弈的处理方法和装置。所述方法包括：构建目标均衡博弈模型，所述目标均衡博弈模型包括第一博弈参与者的分布鲁棒模型和第二博弈参与者的优化模型；根据所述第一博弈参与者的分布鲁棒模型和第二博弈参与者的优化模型获取所述第一博弈参与者和所述第二博弈参与者的最优性条件集；对所述最优性条件集进行求解，生成目标均衡结果，以使所述第一博弈参与者和所述第二博弈参与者根据所述目标均衡结果制定策略。本发明实施例通过构建目标均衡博弈模型，并求解出目标均衡结果，均衡结果能够保证各博弈参与者的利益最大化，从而使各博弈参与者根据均衡结果制定自身策略。

Description

目标均衡博弈的处理方法和装置
技术领域
本发明涉及新能源应用技术领域，尤其涉及一种目标均衡博弈的处理方法和装置。
背景技术
近年来，可再生能源渗透率逐渐增加给电力系统带了极大的不确定性。因为电能的产生和使用必须满足实时平衡条件，在这种条件下，电力系统的实时调度面临巨大的挑战。解决该问题的思路之一是将电能转化为其他形式的能源进行存储，以打破电能供需实时平衡的约束。目前存在的较为成熟的储能技术，如电池储能，抽水蓄能等，虽然可以较大规模地储存电能，但其投资及运行维护成本较高，且无法将能量载体进行便利的运输，所储存的能量最终仍需转换成电能通过电网进行传输和利用，这些特点在一定程度上限制了其更广泛应用。
作为一种新型能源，氢能(一般指液态氢)具有易储存，便于运输的特点，这使得氢能可以被视为一般商品在市场中流通，降低了其应用的空间限制；其次，在未来氢能拥有广泛的应用市场，如氢能源汽车等，这意味着氢能的供应模式设计将会成为一个关键问题；另外，氢能可以通过若干成熟技术制得，如电解水技术等，当制氢过程利用可再生能源(如风能、太阳能)供能时，不仅可以帮助可再生能源的消纳，还实现了生产过程的零排放。目前，国内氢能市场还未成熟，较少研究关注氢市场的设计；氢能作为一般商品的生产-运输-零售过程需要进行定量研究，新能源制氢站、氢零售商的生产、销售策略也需要合理的制定方法。
发明内容
针对现有技术问题，本发明实施例提供一种目标均衡博弈的处理方法和装置。
本发明实施例提供一种目标均衡博弈的处理方法，所述方法包括：
构建目标均衡博弈模型，所述目标均衡博弈模型包括第一博弈参与者的分布鲁棒模型和第二博弈参与者的优化模型；
根据所述第一博弈参与者的分布鲁棒模型和第二博弈参与者的优化模型获取所述第一博弈参与者和所述第二博弈参与者的最优性条件集；
对所述最优性条件集进行求解，生成目标均衡结果，以使所述第一博弈参与者和所述第二博弈参与者根据所述目标均衡结果制定策略。
本发明实施例提供一种目标均衡博弈的处理装置，所述装置包括：
构建单元，用于构建目标均衡博弈模型，所述目标均衡博弈模型包括第一博弈参与者的分布鲁棒模型和第二博弈参与者的优化模型；
获取单元，用于根据所述第一博弈参与者的分布鲁棒模型和第二博弈参与者的优化模型获取所述第一博弈参与者和所述第二博弈参与者的最优性条件集；
处理单元，用于对所述最优性条件集进行求解，生成目标均衡结果，以使所述第一博弈参与者和所述第二博弈参与者根据所述目标均衡结果制定策略。
本发明实施例还提供一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述目标均衡博弈的处理方法。
本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述目标均衡博弈的处理方法。
本发明实施例提供的目标均衡博弈的处理方法和装置，通过构建目标均衡博弈模型，并求解出目标均衡结果，均衡结果能够保证各博弈参与者的利益最大化，从而使各博弈参与者根据均衡结果制定自身策略。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的目标均衡博弈的处理方法的流程示意图；
图2为本发明一实施例提供的以新能源制氢站-氢能氢零售商为主体的氢市场结构示意图；
图3为本发明一实施例提供的目标均衡博弈的处理装置的结构示意图；
图4为本发明一实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1示出了本发明一实施例提供的目标均衡博弈的处理方法的流程示意图。
如图1所示，具体包括以下步骤：
S11、构建目标均衡博弈模型，所述目标均衡博弈模型包括第一博弈参与者的分布鲁棒模型和第二博弈参与者的优化模型；
具体地，所述目标均衡博弈模型为含新能源制氢站的氢市场均衡博弈模型，所述模型的博弈参与者包括新能源制氢站和氢零售商，所述第一博弈参与者为新能源制氢站，所述第二博弈参与者为氢零售商。
图2示出了本发明实施例提供的以新能源制氢站-氢能氢零售商为主体的氢市场结构示意图。
如图2所示，每一个新能源制氢站利用可再生能源制氢，并将氢出售给(多个)氢零售商获利。每一个氢能源零售商从上游新能源制氢站购得的氢能，并向市场进行零售获利。
本发明实施例提供的含新能源制氢站的氢市场均衡博弈模型包括新能源制氢站的分布鲁棒模型和氢零售商的优化模型。其中，新能源制氢站的分布鲁棒模型考虑了氢能的生产成本和运输成本，进一步地，氢能由可再生资源产生，考虑了新能源制氢站氢能生产所需可再生能源的不确定性，提出了分布鲁棒模型。氢零售商的优化模型考虑了氢零售商的运行成本和交易周期过后剩余氢能的储存成本，以及零售市场的需求弹性。
S12、根据所述第一博弈参与者的分布鲁棒模型和第二博弈参与者的优化模型获取所述第一博弈参与者和所述第二博弈参与者的最优性条件集；
具体地，所有新能源制氢站和氢零售商以最大化自身利益参与市场，根据新能源制氢站的分布鲁棒模型提取新能源制氢站的最优性条件，根据氢零售商的优化模型提取氢零售商的最优性条件，新能源制氢站的最优性条件和氢零售商的最优性条件组成最优性条件集。该最优性条件集保证了每一个博弈参与者在均衡处均达到自身策略的最优。
进一步地，所述最优性条件集为KKT(Karush-Kuhn-Tucker)条件集，表示的是氢市场的均衡条件，提取所有新能源制氢站和氢零售商的KKT条件组成方程组，至此，氢市场的均衡求解模型可以用该KKT条件集来表示。
S13、对所述最优性条件集进行求解，生成目标均衡结果，以使所述第一博弈参与者和所述第二博弈参与者根据所述目标均衡结果制定策略。
具体地，对上述KKT条件组成方程组进行求解，得到氢市场的博弈均衡结果，博弈均衡决定了氢能在流通过程中各处的价格和数量。新能源制氢站和氢零售商根据均衡结果制定自身策略。目前国内的氢能市场还不成熟，本发明实施例可以为未来氢能市场的建立提供参考。
本发明实施例提供的目标均衡博弈的处理方法，通过构建新能源制氢站的分布鲁棒模型和氢零售商的优化模型，构成包含新能源制氢站和氢零售商的氢市场均衡博弈模型，获取新能源制氢站和氢零售商的最优性条件集，对所述最优性条件集进行求解得到氢市场的均衡结果，均衡结果能够保证各博弈参与者的利益最大化，从而使各氢市场参与者根据均衡结果制定自身策略。
在上述实施例的基础上，步骤S13具体包括：
对所述最优性条件集进行求解，生成所述第一博弈参与者与所述第二博弈参与者交易的价格机制；
根据所述价格机制确定任意第一博弈参与者向任意第二博弈参与者出售新能源的意向价格，从而使所述第一博弈参与者和所述第二博弈参与者根据所述意向价格制定策略。
具体地，所述最优性条件集的求解结果为所述氢市场均衡博弈模型的均衡结果，所述均衡结果包括第一博弈参与者与所述第二博弈参与者交易的价格机制，具体可为新能源制氢站i向氢零售商j出售氢能的意向价格和数量。新能源制氢站和氢零售商根据博弈模型给出的价格机制制定自身的市场策略。
进一步地，本发明实施例生成的新能源交易价格机制不受到新能源制氢站或氢零售商任意一方的控制，而是在本发明实施例提供的均衡模型的博弈机制下自然生成的，能够保证氢市场交易公平性。
在上述实施例的基础上，步骤S11具体包括：
确定所述第一博弈参与者的目标函数和约束条件，所述第一博弈参与者的目标函数为以自身收益最大化为目标，根据所述第一博弈参与者的总收益、生产成本和运输成本确定，所述约束条件包括：实际新能源产量小于等于可再生能源提供的新能源产量，实际新能源产量等于出售的新能源数量，以及新能源供应量大于等于零；
根据所述目标函数和约束条件构建确定性的第一博弈参与者的优化模型；
将所述确定性的第一博弈参与者的优化模型转化为第一博弈参与者的分布鲁棒模型；所述第一博弈参与者的分布鲁棒模型包括最小化形式的目标函数和最大化的损失函数，所述损失函数为根据第一博弈参与者的风险系数确定。
具体地，构建新能源制氢站的分布鲁棒模型的步骤如下：
(1)首先建立确定性的新能源制氢站优化模型：
图2中包含m个新能源制氢站。每一个新能源制氢站利用可再生能源制氢，将氢出售给(多个)氢零售商获利。同时，新能源制氢站承担生产成本和运输成本。对于任意新能源制氢站i，其优化模型如下：
Figure BDA0002201292900000061
Figure BDA0002201292900000062
qi≤ξpd (1c)
Figure BDA0002201292900000063
其中，目标函数中第一项代表该新能源制氢站向氢零售商出售氢能的总收益，ρij和qij分别代表向第j个氢零售商出售氢能的意向价格和数量；
Figure BDA0002201292900000064
为生产成本，q代表所有新能源制氢站的氢能产量向量；
Figure BDA0002201292900000065
为向第j个氢零售商供应氢能需要承担的运输成本。(1b)表示实际氢能产量与出售的氢能数量相等；(1c)表示实际氢能产量不能高于可再生能源可提供的氢能产量,ξpd为可再生能源可提供的氢能产量的预测值；(1d)为供应量的非负约束。
(2)建立基于Wasserstein Metric的分布鲁棒新能源制氢站优化模型：
在本发明实施例中，假定新能源制氢站利用可再生能源来制备氢。在合同供货周期内，可获得的氢能为ξi。建立两阶段的优化模型如下：
Figure BDA0002201292900000066
s.t.xi∈Xi (3b)
其中，fi(xi)是(1)中最小化形式的目标函数，
Figure BDA0002201292900000067
指的是随机变量服从分布μi时损失函数的期望。
Figure BDA0002201292900000068
指的是与可观测样本之间的统计距离，也即Wasserstein Metric，小于ε的所有随机变量分布组成的集合。xi为(1)中的决策变量，Xi为由(1b)及(1d)定义的决策变量可行域。L(xi,ξi)为损失函数，由下式表示：
L(xi,ξi)＝e(qi-ξi) (4)
e代表损失函数的风险系数。这一损失函数具有明确的物理意义：当需要的氢能产量超过了可再生能源可提供的数量，则新能源制氢站需要以等效为e的价格从电力市场购电制氢；当需要的氢能产量小于可再生能源可提供的数量，这部分可再生能源可以等效为e的价格向电力市场出售。从经济学角度来讲，损失函数代表新能源制氢站所承受的风险，而e值设置的大小体现了新能源制氢站对风险的态度。
进一步地，由于损失函数对随机变量ξi是线性函数，因此基于WassersteinMetric理论，(3)-(4)可以转化为：
Figure BDA0002201292900000071
s.t.xi∈Xi (5b)
Figure BDA0002201292900000072
e≤λi (5d)
其中，S代表样本数量，λi和
Figure BDA0002201292900000073
为辅助变量。至此，新能源制氢站的分布鲁棒模型构建完成，以下分析均以此模型代替原确定性模型。
在上述实施例的基础上，步骤S11具体还包括：
确定所述第二博弈参与者的目标函数和约束条件，所述第二博弈参与者的目标函数为以自身收益最大化为目标，根据所述第二博弈参与者的总收益、存储成本和运行成本确定，所述约束条件包括：从第一博弈参与者购得的新能源数量大于等于零售数量以及零售价格大于等于零；
根据所述目标函数和约束条件构建所述第二博弈参与者的优化模型。
具体地，建立新能源制氢站优化模型包括以下步骤：
图2中包含n个氢能氢零售商。每一个氢零售商从新能源制氢站处购买氢能，并进行零售获利。同时，氢零售商承担运行成本及储存成本。对于任意氢能氢零售商j，其优化模型如下：
Figure BDA0002201292900000074
Figure BDA0002201292900000075
其中，目标函数第一项代表零售总收益；ρj为零售价格，ρ为所有氢零售商零售价格向量，dj(ρ)为该氢零售商对应的市场的需求弹性曲线；τj为单位储存成本，当购买的氢能数量大于零售市场的需求量时，以τj为单位成本进行储存；
Figure BDA0002201292900000076
为运行成本，Q为矩阵，代表所有新能源制氢站与氢零售商之间的氢能交易量；(2b)保证了零售市场的氢能供应；(2c)为零售价格非负约束。
在上述实施例的基础上，所述方法还包括：
所述第一博弈参与者和第二博弈参与者的最优性条件集为使所述目标均衡博弈模型达到均衡时所述第一博弈参与者和所述第二博弈参与者达到利益最大化的条件集。
具体地，在博弈中，每一个参与者都以自身利益最大化为目标，且当博弈达到均衡时，所有参与者均没有意向单方面改变自身策略。因此，在均衡点处，所有新能源制氢站和氢零售商的最优性条件都必须满足。
对于任意新能源制氢站，其KKT条件为：
Figure BDA0002201292900000081
Figure BDA0002201292900000082
Figure BDA0002201292900000083
Figure BDA0002201292900000084
Figure BDA0002201292900000085
Figure BDA0002201292900000086
Figure BDA0002201292900000087
Figure BDA0002201292900000088
其中，⊥为互补松弛条件指示符号，
Figure BDA0002201292900000089
为不等式约束的对偶变量，υi为等式约束对偶变量。类似的，任意氢零售商的KKT条件可以表示为：
Figure BDA00022012929000000810
Figure BDA00022012929000000811
Figure BDA00022012929000000812
0≤ρj⊥ηj≥0 (7d)
其中，γj为不等式约束的对偶变量，ηj为等式约束对偶变量。至此，KKT条件集可以表示为：
Figure BDA00022012929000000813
另外，ρij作为内生变量不显式存在与KKT条件中，当整体实现均衡时，ρij可由(6b)或(7b)自然得到。假定各成本函数为凸二次形式，需求弹性曲线为线性函数，其余约束也均为线性。
至此，分布鲁棒氢市场的博弈模型可以用该KKT条件集来表示，并据此提出未来的氢能供应模式：假设以月为合同交易周期，市场管理者每月负责收集并发布(旨在满足博弈完全信息条件)各新能源制氢站和氢零售商的信息，基于此博弈模型生成氢市场的价格机制，所述价格机制能够确定任意新能源制氢站i向任意氢零售商j出售氢能的价格ρij，从而基于该价格机制进行市场出清。
进一步地，所述市场管理者可理解为交易平台，能够获取新能源制氢站和氢零售商双方的信息，实现新能源制氢站和氢零售商的信息交互，在获得新能源制氢站和氢零售商双方的信息后，便可构建氢市场均衡博弈模型。需要说明的是，所述氢市场均衡博弈模型的构建不限于所述交易平台，在新能源制氢站和氢零售商实现信息交互后，所述新能源制氢站和氢零售商均可根据双方的信息构建氢市场均衡博弈模型。
本发明实施例分别提取新能源制氢站和氢零售商的最优性条件(KKTconditions)，得到最优性条件集。该最优性条件集保证了每一个博弈参与者在均衡处均达到自身策略的最优，提出基于博弈的氢能供应模式。
在上述实施例的基础上，步骤S13具体包括：
将所述最优性条件集利用RLT转化为混合整体线性规划MILP；
根据所述混合整体线性规划MILP求解出目标均衡结果。
具体地，(8)表示的是氢市场的均衡条件，其数学形式为包含线性方程和线性互补条件的方程组。为得到易于求解的MILP(Mixed integer linear program)问题，利用RLT(Reformulation-Linearization Technique)方法重构(8)中所有的互补松弛条件。为便于表示，将任意线性互补条件抽象为：
0≤Ax+b⊥y≥0 (9)
采用RLT方法，引入辅助变量h，将(9)转换为：
minh(Ax+b)+(1-h)y (10a)
s.t.Ax+b≥0 (10b)
y≥0,h∈{0,1} (10c)
进一步地，采用大M法，将(10)式转换为：
minAHx+hb+y-Hy (11a)
s.t.Ax+b≥0 (11b)
y≥0,h∈{0,1} (11c)
-M(1-h)+x≤Hx≤M(1-h)+x (11d)
-Mh≤Hx≤Mh (11e)
-M(1-h)+y≤Hy≤M(1-h)+y (11f)
-Mh≤Hy≤Mh (11g)
其中M为足够大的常数，Hx和Hy为辅助连续变量。将所有互补松弛条件按照(10)式处理，取F(x)为所有条件处理后(11a)形式的目标函数的代数和。至此，MILP问题可以描述为：
minF(x) (12a)
s.t.CONS-RLT (12b)
(8)\{complementarity conditions} (12c)
CONS-RLT为所有互补松弛条件经RLT方法及大M法处理后的(11)式中的约束条件组合。至此，可以通过求解(12)式的MILP来得到分布鲁棒氢市场的均衡。
本发明实施例利用RLT方法对将最优性条件集转化为易求解的混合整数线性规划MILP；求解此MILP即可得到氢市场的均衡，均衡决定了氢能流通过程中各处的数量及价格，新能源制氢站和氢零售商依据均衡结果制定自己的市场策略。
图3示出了本发明实施例提供的目标均衡博弈的处理装置的结构示意图。
如图3所示，所述装置包括：构建单元31、获取单元32和处理单元33，其中：
所述构建单元31，用于构建目标均衡博弈模型，所述目标均衡博弈模型包括第一博弈参与者的分布鲁棒模型和第二博弈参与者的优化模型；
所述获取单元32，用于根据所述第一博弈参与者的分布鲁棒模型和第二博弈参与者的优化模型获取所述第一博弈参与者和所述第二博弈参与者的最优性条件集；
所述处理单元33，用于对所述最优性条件集进行求解，生成目标均衡结果，以使所述第一博弈参与者和所述第二博弈参与者根据所述目标均衡结果制定策略。
本发明实施例提供的目标均衡博弈的处理装置，通过构建新能源制氢站的分布鲁棒模型和氢零售商的优化模型，构成包含新能源制氢站和氢零售商的氢市场均衡博弈模型，获取新能源制氢站和氢零售商的最优性条件集，对所述最优性条件集进行求解得到氢市场的均衡结果，均衡结果能够保证各博弈参与者的利益最大化，从而使各氢市场参与者根据均衡结果制定自身策略。
在上述实施例的基础上，所述处理单元33包括：
生成模块，用于对所述最优性条件集进行求解，生成所述第一博弈参与者与所述第二博弈参与者交易的价格机制；
处理模块，用于根据所述价格机制确定任意第一博弈参与者向任意第二博弈参与者出售新能源的意向价格，从而使所述第一博弈参与者和所述第二博弈参与者根据所述意向价格制定策略。
在上述实施例的基础上，所述构建单元31包括：
第一确定模块，用于确定所述第一博弈参与者的目标函数和约束条件，所述第一博弈参与者的目标函数为以自身收益最大化为目标，根据所述第一博弈参与者的总收益、生产成本和运输成本确定，所述约束条件包括：实际新能源产量小于等于可再生能源提供的新能源产量，实际新能源产量等于出售的新能源数量，以及新能源供应量大于等于零；
第一构建模块，用于根据所述目标函数和约束条件构建确定性的第一博弈参与者的优化模型；
第一转化模块，用于将所述确定性的第一博弈参与者的优化模型重构为第一博弈参与者的分布鲁棒模型；所述第一博弈参与者的分布鲁棒模型包括最小化形式的目标函数和最大化的损失函数，所述损失函数为根据第一博弈参与者的风险系数确定。
在上述实施例的基础上，所述构建单元31还包括：
第二确定模块，用于确定所述第二博弈参与者的目标函数和约束条件，所述第二博弈参与者的目标函数为以自身收益最大化为目标，根据所述第二博弈参与者的总收益、交易周期过后剩余新能源的存储成本和运行成本确定，所述约束条件包括：从第一博弈参与者购得的新能源数量大于等于零售数量以及零售价格大于等于零；
第二构建模块，用于根据所述目标函数和约束条件构建所述第二博弈参与者的优化模型。
在上述实施例的基础上，所述第一博弈参与者和第二博弈参与者的最优性条件集为使所述目标均衡博弈模型达到均衡时所述第一博弈参与者和所述第二博弈参与者达到利益最大化的条件集。
在上述实施例的基础上，所述处理单元33还包括：
第二转化模块，用于将所述最优性条件集利用RLT转化为混合整体线性规划MILP；
求解模块，用于根据所述混合整体线性规划MILP求解出目标均衡结果。
本实施例所述的目标均衡博弈的处理装置可以用于执行上述方法实施例，其原理和技术效果类似，此处不再赘述。
图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)41、通信接口(Communications Interface)42、存储器(memory)43和通信总线44，其中，处理器41，通信接口42，存储器43通过通信总线44完成相互间的通信。处理器41可以调用存储器43中的逻辑指令，以执行上述各实施例提供的方法。
此外，上述的存储器43中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的方法。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种目标均衡博弈的处理方法，其特征在于，所述方法包括：
构建目标均衡博弈模型，所述目标均衡博弈模型包括第一博弈参与者的分布鲁棒模型和第二博弈参与者的优化模型；
根据所述第一博弈参与者的分布鲁棒模型和第二博弈参与者的优化模型获取所述第一博弈参与者和所述第二博弈参与者的最优性条件集；
对所述最优性条件集进行求解，生成目标均衡结果，以使所述第一博弈参与者和所述第二博弈参与者根据所述目标均衡结果制定策略。
2.根据权利要求1所述的目标均衡博弈的处理方法，其特征在于，所述对所述最优性条件集进行求解，生成目标均衡结果，以使所述第一博弈参与者和所述第二博弈参与者根据所述目标均衡结果制定策略包括：
对所述最优性条件集进行求解，生成所述第一博弈参与者与所述第二博弈参与者交易的价格机制；
根据所述价格机制确定任意第一博弈参与者向任意第二博弈参与者出售新能源的意向价格，从而使所述第一博弈参与者和所述第二博弈参与者根据所述意向价格制定策略。
3.根据权利要求1所述的目标均衡博弈的处理方法，其特征在于，所述构建目标均衡博弈模型包括：
确定所述第一博弈参与者的目标函数和约束条件，所述第一博弈参与者的目标函数为以自身收益最大化为目标，根据所述第一博弈参与者的总收益、生产成本和运输成本确定，所述约束条件包括：实际新能源产量小于等于可再生能源提供的新能源产量，实际新能源产量等于出售的新能源数量，以及新能源供应量大于等于零；
根据所述目标函数和约束条件构建确定性的第一博弈参与者的优化模型；
将所述确定性的第一博弈参与者的优化模型转化为第一博弈参与者的分布鲁棒模型；所述第一博弈参与者的分布鲁棒模型包括最小化形式的目标函数和最大化的损失函数，所述损失函数为根据第一博弈参与者的风险系数确定。
4.根据权利要求1所述的目标均衡博弈的处理方法，其特征在于，所述构建目标均衡博弈模型包括：
确定所述第二博弈参与者的目标函数和约束条件，所述第二博弈参与者的目标函数为以自身收益最大化为目标，根据所述第二博弈参与者的总收益、存储成本和运行成本确定，所述约束条件包括：从第一博弈参与者购得的新能源数量大于等于零售数量以及零售价格大于等于零；
根据所述目标函数和约束条件构建所述第二博弈参与者的优化模型。
5.根据权利要求1所述的目标均衡博弈的处理方法，所述第一博弈参与者和第二博弈参与者的最优性条件集为使所述目标均衡博弈模型达到均衡时所述第一博弈参与者和所述第二博弈参与者达到利益最大化的条件集。
6.根据权利要求1所述的目标均衡博弈的处理方法，其特征在于，所述对所述最优性条件集进行求解，生成目标均衡结果包括：
将所述最优性条件集利用RLT转化为混合整体线性规划MILP；
根据所述混合整体线性规划MILP求解出目标均衡结果。
7.一种目标均衡博弈的处理装置，其特征在于，所述装置包括：
构建单元，用于构建目标均衡博弈模型，所述目标均衡博弈模型包括第一博弈参与者的分布鲁棒模型和第二博弈参与者的优化模型；
获取单元，用于根据所述第一博弈参与者的分布鲁棒模型和第二博弈参与者的优化模型获取所述第一博弈参与者和所述第二博弈参与者的最优性条件集；
处理单元，用于对所述最优性条件集进行求解，生成目标均衡结果，以使所述第一博弈参与者和所述第二博弈参与者根据所述目标均衡结果制定策略。
8.根据权利要求7所述的目标均衡博弈的处理装置，其特征在于，所述处理单元包括：
生成模块，用于对所述最优性条件集进行求解，生成所述第一博弈参与者与所述第二博弈参与者交易的价格机制；
处理模块，用于根据所述价格机制确定任意第一博弈参与者向任意第二博弈参与者出售新能源的意向价格，从而使所述第一博弈参与者和所述第二博弈参与者根据所述意向价格制定策略。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述目标均衡博弈的处理方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至6任一项所述目标均衡博弈的处理方法的步骤。
CN201910866017.8A 2019-09-12 2019-09-12 目标均衡博弈的处理方法和装置 Pending CN112488740A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910866017.8A CN112488740A (zh) 2019-09-12 2019-09-12 目标均衡博弈的处理方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910866017.8A CN112488740A (zh) 2019-09-12 2019-09-12 目标均衡博弈的处理方法和装置

Publications (1)

Publication Number Publication Date
CN112488740A true CN112488740A (zh) 2021-03-12

Family

ID=74920885

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910866017.8A Pending CN112488740A (zh) 2019-09-12 2019-09-12 目标均衡博弈的处理方法和装置

Country Status (1)

Country Link
CN (1) CN112488740A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113393040A (zh) * 2021-06-18 2021-09-14 重庆邮电大学工业互联网研究院 一种基于博弈论的工业园区物流调度方法及系统
CN113759705A (zh) * 2021-08-25 2021-12-07 华南理工大学 一种基于合作博弈论的多能源优化配置方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113393040A (zh) * 2021-06-18 2021-09-14 重庆邮电大学工业互联网研究院 一种基于博弈论的工业园区物流调度方法及系统
CN113759705A (zh) * 2021-08-25 2021-12-07 华南理工大学 一种基于合作博弈论的多能源优化配置方法
CN113759705B (zh) * 2021-08-25 2023-09-26 华南理工大学 一种基于合作博弈论的多能源优化配置方法

Similar Documents

Publication Publication Date Title
Gomes et al. A novel microgrid support management system based on stochastic mixed-integer linear programming
CN108960510B (zh) 一种基于两阶段随机规划的虚拟电厂优化交易策略装置
Li et al. Computationally efficient pricing and benefit distribution mechanisms for incentivizing stable peer-to-peer energy trading
Jordehi et al. A risk-averse two-stage stochastic model for planning retailers including self-generation and storage system
CN109389327B (zh) 基于风光不确定性的多虚拟电厂时前合作方法
Jiang et al. Reserve cost allocation mechanism in renewable portfolio standard-constrained spot market
CN111598719A (zh) 一种现货电力市场新能源卖方交易方法及系统
CN110867852A (zh) 计及全寿命周期成本的微电网储能优化配置方法及装置
CN112488740A (zh) 目标均衡博弈的处理方法和装置
CN115276047B (zh) 电能调度方法、装置及计算机可读存储介质
CN110929978A (zh) 一种电力市场风险评估方法及评估系统
Wang et al. Peer-to-peer energy trading for residential prosumers with photovoltaic and battery storage systems
Karamov Autonomous renewable energy systems in Russia. Critical review of the current situation
MansourLakouraj et al. Flexibility-oriented scheduling of microgrids considering the risk of uncertainties
CN118395668A (zh) 基于区块链架构的vpp两阶段博弈交易匹配方法及系统
MacGill et al. Decentralised coordination of power system operation using dual evolutionary programming
Mamounakis et al. A virtual microgrid platform for the efficient orchestration of multiple energy prosumers
Zárate-Miñano et al. Hybridization of existing solar PV farms considering wind power, batteries and electrolyzers
CN111160952A (zh) 一种考虑风电投标偏差惩罚的风火联合竞价方法及系统
CN111784540B (zh) 一种基于多目标粒子群算法的云储能优化出清方法
Jurasz et al. A strategy for the photovoltaic-powered pumped storage hydroelectricity
Son et al. A study on optimal ESS charging scheduling considering power generation prediction in photovoltaic power plant
Haidar et al. A market framework for energy bidding decision-making strategy to provide a competitive mechanism in the context of deregulated electricity market
Muttaqi et al. Frequency control ancillary services using energy storage in the co-optimized energy markets under price uncertainty
Wang et al. Optimal Schedule of Energy Storage and Wind Farms in the power spot market under Risk-constrained

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210312

RJ01 Rejection of invention patent application after publication