CN112561329A - 一种考虑用户侧互动的配售电公司优化运行方法 - Google Patents

一种考虑用户侧互动的配售电公司优化运行方法 Download PDF

Info

Publication number
CN112561329A
CN112561329A CN202011485784.3A CN202011485784A CN112561329A CN 112561329 A CN112561329 A CN 112561329A CN 202011485784 A CN202011485784 A CN 202011485784A CN 112561329 A CN112561329 A CN 112561329A
Authority
CN
China
Prior art keywords
power
distribution
load
ptl
game
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
CN202011485784.3A
Other languages
English (en)
Inventor
任昱亮
曹奎
陈敏
葛圣琦
胡国强
黄辉
何涛
何晓珍
孔玉梅
刘林林
李劲
李瑞民
毛帅
乔龙洋
陶银正
徐超
徐文胜
严旭
袁照栓
章莉
郑亚军
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.)
Maintenace Co of State Grid Anhui Electric Power Co Ltd
Overhaul Branch of State Grid Anhui Electric Power Co Ltd
Original Assignee
Overhaul Branch of State Grid Anhui Electric Power Co Ltd
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 Overhaul Branch of State Grid Anhui Electric Power Co Ltd filed Critical Overhaul Branch of State Grid Anhui Electric Power Co Ltd
Priority to CN202011485784.3A priority Critical patent/CN112561329A/zh
Publication of CN112561329A publication Critical patent/CN112561329A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector

Landscapes

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

Abstract

本发明涉及售电市场技术领域，提供一种考虑用户侧互动的配售电公司优化运行方法，所述考虑用户侧互动的配售电公司优化运行方法，包括：S1，根据配售电公司(PTL)的运营结构建立配售电公司(PTL)的源荷模型，并利用需求响应技术通过负荷代理(LA)对柔性负荷进行统一调度；S2，基于步骤S1得到的源荷模型和负荷代理参与调度过程，建立多利益主体博弈行为模型；S3，对多利益主体博弈行为基于韦伯‑费希纳定律提出议价拒绝函数，并采用遗传算法求解纳什均衡点。通过本发明的技术方案，充分发挥需求响应的积极性，并基本实现可再生能源的本地消纳，使得多利益主体的利益均为最高，也使得电力配售调度结果达到最优。

Description

一种考虑用户侧互动的配售电公司优化运行方法
技术领域
本发明涉及售电市场技术领域，特别涉及一种考虑用户侧互动的配售电公司优化运行方法。
背景技术
配售电公司(PTL)主要负责增量配电网的建设及运行管理、为区域用户提供供电服务，在上级电网与用户之间起到了桥梁的作用。国内配售电公司才刚刚开始发展，其发展模式尚不成熟，对于配售电公司优化运行方面的研究较少，目前的技术方法主要集中在售电公司的经营模式和营销策略上。
现有技术中有的是针对售电开放对需求响应侧可能带来的影响进行了探讨，并从多角度提出新电改背景下国内需求侧资源参与电力市场的相关运营机制建议。有的采用“聚合代理”整合代理所辖区域的柔性负荷资源，以便响应配电系统的运行调度需求，倡导构建售电公司—聚合代理—柔性用户的3层主动配电系统组成架构和运营体系。有的以当前国内新电改实际推行情况为基础，吸取国外电力销售公司的运作经验和教训尝试构建适应我国电力发展趋势的售电公司运行方式，包含针对不同用户定制个性化服务，提供网络服务、节能措施建议以及共享电能服务等等，最后，基于售电公司的盈余能力，作者针对如何根据售电主体的类型选择最合适的运作方式进行了思考和探索。有的为了提高用户针对电力市场价格和激励措施作出响应的积极性，创建了考虑DR的售电公司购售电模型，其中上层模型旨在最大化售电主体的运营收益，而下层模型则是站在终端用户的角度，以自身效用最大作为优化目标，引用双边合同违约罚金机制，为DR用户建立了数学模型。也有的提出一种关于售电公司的优化调度模型，其目标是日前收益最大，将DG和可控负载结合到售电公司的优化运行中，并计及可控无功功率，并利用经典算例对文章所提方法和模型进行了验证分析。而现有技术中，有关配售电公司的优化运行问题，鲜有涉及和探讨。
面对激烈的市场竞争，配售电公司承担着配电网建设运营和向终端用户供电的责任，DG和可控负荷的发展，使得配售电公司除从电力市场购电外，有了更多的供电选择，如何在市场竞争环境中既满足负荷需求又提升自身运营经济性是配售电公司亟须解决的问题。而对于拥有配电网运营权的配售电公司而言，面对DG和大量可控负荷的接入，通过配售电公司统一进行调度并不现实，且难以充分发挥需求响应的积极性。
发明内容
有鉴于此，本发明旨在提出一种考虑用户侧互动的配售电公司优化运行方法，该方法能够充分发挥需求响应的积极性，并基本实现可再生能源的本地消纳，使得多利益主体的利益均为最高。
为达到上述目的，本发明的技术方案是这样实现的：
一种考虑用户侧互动的配售电公司优化运行方法，包括以下步骤：
S1，根据配售电公司(PTL)的运营结构建立配售电公司(PTL)的源荷模型，并利用需求响应技术通过负荷代理(LA)对柔性负荷进行统一调度；
S2，基于步骤S1得到的源荷模型和负荷代理参与调度过程，建立多利益主体博弈行为模型；
S3，对多利益主体博弈行为基于韦伯-费希纳定律提出议价拒绝函数，并采用遗传算法求解纳什均衡点。
进一步地，所述步骤S1中的源荷模型包括可再生能源(RES)模型和需求响应(DR)模型。
进一步地，所述步骤S1具体包括如下子步骤：
S11，根据配售电公司的运营结构，假设可再生能源(RES)为配售公司所有；
S12，建立可再生能源(RES)模型，以风力发电、光伏发电代表RES，分别对它们进行建模
(1)风力发电机输出功率模型
风电出力随风速变化而变化，机组是否处于发电状态及风电出力大小均取决于风速状况，其数学表达式如下所示：
Figure BDA0002839139300000031
式中：PWT(t)为t时刻风机出力；vt为t时刻风速；vci、vco、vr分别为风机的切入、切除及额定风速；A、B、C为风机功率曲线参数；Pr为风机额定功率；
(2)光伏发电系统输出功率模型
假设电池板的面积为S，某时刻电池板能接收到的光强为I(t)，则光伏发电系统的输出功率PPV(t)为：
Figure BDA0002839139300000032
式中：ηC为电池板的转换效率；KC为阈值常数，当入射光强小于KC时，输出功率与I(t)呈二次关系，当入射光强大于KC时，输出功率与I(t)呈线性关系；
S13，建立需求响应(DR)模型，并根据用户实际用电量和边际效用两者的关系得出需求响应的积极性程度；
S14，基于可再生能源(RES)模型和需求响应(DR)模型，通过负荷代理(LA)对柔性负荷进行统一调度。
进一步地，所述需求响应(DR)模型采用矩形效用函数模型。
进一步地，所述步骤S2具体包括如下子步骤：
S21，假设配售电公司和负荷代理为博弈过程中的参与者，且它们作出的决策均为理性的，以自身收益最大为目标进行博弈；
S22，确定博弈参与者的收益函数
(1)配售电公司(PTL)收益函数
PTL为电力供应方，其策略组合包括主网电能交换功率以及DR电价，PTL的收益函数为配售电公司的净收益，如以下公式所示：
RPTL＝IPTL-CPTL
IPTL为配售电公司收益，由两部分组成：PTL向主网的售电收益、向增量配电网负荷的售电收益，计算公式如下所示：
Figure BDA0002839139300000041
式中：Pt R、
Figure BDA0002839139300000042
分别为t时刻不可控负荷的用电量与售电电价；NDR为负荷代理总数量；
Figure BDA0002839139300000043
分别为t时刻第d个负荷代理的负荷大小与DR电价；Pt gs、
Figure BDA0002839139300000044
分别为t时刻PTL向主网售电的电量与售电电价；
CPTL为配售电公司运行成本，计算公式如下：
Figure BDA0002839139300000045
式中：Pt gb、
Figure BDA0002839139300000046
分别为t时刻PTL向主网购电的电量及购电电价；
(2)负荷代理(LA)收益函数
负荷代理可通过需求响应技术改变柔性用户用电量与配售电公司进行议价，其收益函数为收益与支出之差。其中，LA的收益用效用函数度量，支出为其所辖用户缴纳的电费，具体的计算公式如下：
Figure BDA0002839139300000051
式中：RLA(d)代表第d个负荷代理的净收益；
Figure BDA0002839139300000052
为t时刻第d个负荷代理在柔性用户用电量为
Figure BDA0002839139300000053
时的效用函数值；
S23，确定博弈约束条件，具体约束条件如下：
(1)有功功率平衡约束
Figure BDA0002839139300000054
式中：NWT、NWT分别为风机、光伏总数量；
Figure BDA0002839139300000055
为第k台风机在t时刻的实际出力；
Figure BDA0002839139300000056
为第m台光伏在t时刻的实际出力；
(2)主网交换功率约束
Figure BDA0002839139300000057
式中：
Figure BDA0002839139300000058
分别表示配售电公司向上级电网的最大下行、上行功率；
(3)需求响应(DR)电价约束
需求响应(DR)电价具体约束情况如下：
Figure BDA0002839139300000061
式中：
Figure BDA0002839139300000062
为政策限定的最高DR电价，为提高DR积极性，假设
Figure BDA0002839139300000063
Pt ZR为t时刻需求响应前总负荷容量；Pt RES为t时刻可再生能源发电量；
S24，根据博弈参与者收益函数和博弈约束条件建立多利益主体博弈行为模型。
进一步地，所述多利益主体博弈行为模型为多利益主体参与下增量配电网完全信息动态博弈模型。
进一步地，所述步骤S24中，当Pt ZR≥Pt RES时，RES可以完全消纳，此时不需要利用需求响应增加负荷用电，故不需要进行博弈；当
Figure BDA0002839139300000064
时，对于PTL而言，RES除去供应常规负荷用电外的剩余电量可以通过倒送给主网及DR措施增发柔性负荷用电这两种方式来进行完全消纳，故此时DR电价的议价下限应设置为PTL向主网的售电电价，否则博弈将陷入僵持；当
Figure BDA0002839139300000065
时，RES的剩余电量已超过PTL能够倒供给主网的上限，如果不进行DR，将造成弃风弃光现象，此时LA具有一定的优势，DR电价下限根据PTL向主网倒供最大上行容量时所带来的收益来制定，即此时
Figure BDA0002839139300000066
进一步地，所述步骤S3具体包括如下子步骤：
S31，基于韦伯-费希纳定律提出议价拒绝函数
所述议价拒绝函数用来度量决策参与者对于议价参与者所提策略的拒绝概率。站在决策参与者的角度，当自身收益的减少量小于最小可觉差(连续的差别阈限)时，此策略可以被接受；当收益减少量不断增大，其拒绝议价参与者所提策略的概率随之升高，最终达到饱和，具体的函数表达式如下所示：
Figure BDA0002839139300000071
式中：Pij(I)为议价参与者j所提策略遭到决策参与者i拒绝的概率；IM为最小可觉差，
Figure BDA0002839139300000072
S32，采用遗传算法求解博弈过程的纳什均衡点。
进一步地，所述步骤S32中基于遗传算法的博弈流程为：
(1)输入系统参数，给定风电、光伏、负荷预测曲线。设定PTL为议价参与者，LA为决策参与者；
(2)判断Pt RES≤Pt ZR是否成立：若成立则直接结束，不进行博弈；若不成立转步骤S33；
(3)判断
Figure BDA0002839139300000073
是否成立。若成立，为DR电价的议价范围设定为
Figure BDA0002839139300000074
转步骤S34；若不成立(即
Figure BDA0002839139300000075
)时，为DR电价的议价范围设定为
Figure BDA0002839139300000076
转步骤S34；
(4)初始化种群(DR电量、倒送电量)，迭代次数n＝1，议价参与者提出初始DR电价；
(5)选取当前议价参与人收益为适应度值，适应度计算；
(6)个体适应度计算并更新最优解；
(7)更新种群(选择、交叉、变异)，n＝n+1；返回S35，直至达到n＝Nmax，输出最优解，确定联络线传输功率，DR电量；
(8)根据议价拒绝函数计算决策参与者对当前运行策略的拒绝概率；
(9)通过抽样，确定决策参与者是否拒绝当前议价参与者所提策略，如拒绝，则由当前议价参与者重新提出DR电价，初始化种群，返回步骤S35；
(10)将本次的优化结果和上一次进行对比，当两者收益偏差小于ε时，输出最优解，结束。大于ε时，将本次的优化结果作为初始可行解，更换决策参与者与议价参与者的身份，返回步骤S35，当博弈双方所提策略的收益偏差小于ε时，认为当前的策略集合为每个参与者对其他参与者策略的最优反应，即达到纳什均衡。
相对于现有技术，本发明的考虑用户侧互动的配售电公司优化运行方法的有益效果主要表现在：
1)动态博弈议价有效提高了负荷代理在整个调度过程中的参与程度，增强了调度的灵活性，从而进一步提高了可再生能源消纳量。
2)动态博弈不仅可以响应国家号召，减少齐风弃光现象，还能提高各利益主体的经济性，提升社会整体效益。
3)本发明所提的动态博弈，赋予了各参与者同等的议价权，减小了各方收益的差距，在一定程度上提升了博弈的公平性。
本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施方式及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明的考虑用户侧互动的配售电公司优化运行方法的一种实施方式的配售电公司运营结构示意图；
图2为本发明中矩形效用函数模型图；
图3为本发明中议价拒绝函数图；；
图4为本发明的基于遗传算法的博弈流程图；
图5为本发明的算例场景1中的调度结果图；
图6为本发明的算例场景2中的调度结果图；
图7为本发明的算例场景3中的调度结果图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书中的术语“第一”、“第二”、“第三”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明的一个方面，提供一种考虑用户侧互动的配售电公司优化运行方法，如图1至图4所示，所述考虑用户侧互动的配售电公司优化运行方法，包括以下步骤：
S1，根据配售电公司(PTL)的运营结构建立配售电公司(PTL)的源荷模型，并利用需求响应技术通过负荷代理(LA)对柔性负荷进行统一调度；
S2，基于步骤S1得到的源荷模型和负荷代理参与调度过程，建立多利益主体博弈行为模型；
S3，对多利益主体博弈行为基于韦伯-费希纳定律提出议价拒绝函数，并采用遗传算法求解纳什均衡点。
上述中，配售电公司(PTL)的运营结构中配售电公司(PTL)主要负责增量配电网的建设及运行管理、为区域用户提供供电服务，在上级电网与用户之间起到了桥梁的作用。配售电公司的可调度资源包含可再生能源(renewableenergysource，RES)以及与大电网的交换功率，本发明的实施例中假设RES为配售电公司所有。负荷代理(LA)能够聚合大量可控的柔性负荷资源，并代表这些柔性负荷参与市场竞争。而用电电价固定不变的不可控负荷(Uncontrollableload，UL)不参与议价博弈环节。
本发明实施例中通过将需求响应技术和可再生能源纳入配售电公司的优化运行中，通过负荷代理对柔性负荷进行统一调度，并综合考虑配售电公司和负荷代理对经济效益的要求，建立多利益主体动态博弈模型，基于韦伯-费希纳定律提出议价拒绝函数用来表征博弈过程中各参与者的动态博弈行为，采用遗传算法对问题进行求解，得到纳什均衡点。本发明的考虑用户侧互动的配售电公司优化运行方法在配售电公司与负荷代理之间通过动态博弈模型来进行议价博弈，进一步提高了需求响应技术在整个调度过程中的参与程度，最终基本实现可再生能源的本地消纳，配售电公司利润、负荷代理利润及社会总效益均为最高，
进一步地，所述步骤S1中的源荷模型包括可再生能源(RES)模型和需求响应(DR)模型。
进一步地，所述步骤S1具体包括如下子步骤：
S11，根据配售电公司的运营结构，假设可再生能源(RES)为配售公司所有；
S12，建立可再生能源(RES)模型，以风力发电、光伏发电代表RES，分别对它们进行建模
(1)风力发电机输出功率模型
风电出力随风速变化而变化，机组是否处于发电状态及风电出力大小均取决于风速状况，其数学表达式如下所示：
Figure BDA0002839139300000111
式中：PWT(t)为t时刻风机出力；vt为t时刻风速；vci、vco、vr分别为风机的切入、切除及额定风速；A、B、C为风机功率曲线参数；Pr为风机额定功率；
(2)光伏发电系统输出功率模型
假设电池板的面积为S，某时刻电池板能接收到的光强为I(t)，则光伏发电系统的输出功率PPV(t)为：
Figure BDA0002839139300000112
式中：ηC为电池板的转换效率；KC为阈值常数，当入射光强小于KC时，输出功率与I(t)呈二次关系，当入射光强大于KC时，输出功率与I(t)呈线性关系；
S13，建立需求响应(DR)模型，并根据用户实际用电量和边际效用两者的关系得出需求响应的积极性程度；
S14，基于可再生能源(RES)模型和需求响应(DR)模型，通过负荷代理(LA)对柔性负荷进行统一调度。
进一步地，所述需求响应(DR)模型采用矩形效用函数模型。
上述中，源荷模型是考虑用户柔性负荷和可再生能源接入配售电的一种模型，其中，负荷具备提高配售电公司应对功率波动的能力，且相比储能，需求响应能够有效降低投资运行成本，经济性好。目前常用的需求响应模型主要有以下三类：电价弹性矩阵模型、消费者心理学模型、效用函数模型。为了更直观地表示用户用电为负荷代理带来的经济效益，在本发明优选情况下，采用矩形效用函数模型作为需求响应模型。
随着需求响应的开展以及市场机制的进一步完善，对于负荷代理及配售电公司而言，为了确定各参与者的最佳用电策略以便平衡及优化各方利益，建立多利益主体博弈行为模型对各利益主体行为进行分析。
进一步地，所述步骤S2中建立多利益主体博弈行为模型具体包括如下
子步骤：
S21，假设配售电公司和负荷代理为博弈过程中的参与者，且它们作出的决策均为理性的，以自身收益最大为目标进行博弈；
S22，确定博弈参与者的收益函数
(1)配售电公司(PTL)收益函数
PTL为电力供应方，其策略组合包括主网电能交换功率以及DR电价，PTL的收益函数为配售电公司的净收益，如以下公式所示：
RPTL＝IPTL-CPTL
IPTL为配售电公司收益，由两部分组成：PTL向主网的售电收益、向增量配电网负荷的售电收益，计算公式如下所示：
Figure BDA0002839139300000131
式中：Pt R、
Figure BDA0002839139300000132
分别为t时刻不可控负荷的用电量与售电电价；NDR为负荷代理总数量；
Figure BDA0002839139300000133
分别为t时刻第d个负荷代理的负荷大小与DR电价；Pt gs、
Figure BDA0002839139300000134
分别为t时刻PTL向主网售电的电量与售电电价；
CPTL为配售电公司运行成本，计算公式如下：
Figure BDA0002839139300000135
式中：Pt gb、
Figure BDA0002839139300000136
分别为t时刻PTL向主网购电的电量及购电电价；
(2)负荷代理(LA)收益函数
负荷代理可通过需求响应技术改变柔性用户用电量与配售电公司进行议价，其收益函数为收益与支出之差。其中，LA的收益用效用函数度量，支出为其所辖用户缴纳的电费，具体的计算公式如下：
Figure BDA0002839139300000137
式中：RLA(d)代表第d个负荷代理的净收益；
Figure BDA0002839139300000138
为t时刻第d个负荷代理在柔性用户用电量为
Figure BDA0002839139300000139
时的效用函数值；
S23，确定博弈约束条件，具体约束条件如下：
(1)有功功率平衡约束
Figure BDA00028391393000001310
式中：NWT、NWT分别为风机、光伏总数量；
Figure BDA00028391393000001311
为第k台风机在t时刻的实际出力；
Figure BDA0002839139300000141
为第m台光伏在t时刻的实际出力。
(2)主网交换功率约束
Figure BDA0002839139300000142
式中：
Figure BDA0002839139300000143
分别表示配售电公司向上级电网的最大下行、上行功率。
(3)需求响应(DR)电价约束
需求响应(DR)电价具体约束情况如下：
Figure BDA0002839139300000144
式中：
Figure BDA0002839139300000145
为政策限定的最高DR电价，为提高DR积极性，假设
Figure BDA0002839139300000146
Pt ZR为t时刻需求响应前总负荷容量；Pt RES为t时刻可再生能源发电量；
S24，根据博弈参与者收益函数和博弈约束条件建立多利益主体博弈行为模型。
进一步地，为了让博弈全程各参与者都掌握着其他所有参与者的全部策略和收益信息，信息公开透明更加保证博弈过程中的公平性，所述多利益主体博弈行为模型为多利益主体参与下增量配电网完全信息动态博弈模型。
进一步地，所述步骤S24中，当Pt ZR≥Pt RES时，RES可以完全消纳，此时不需要利用需求响应增加负荷用电，故不需要进行博弈；当
Figure BDA0002839139300000147
时，对于PTL而言，RES除去供应常规负荷用电外的剩余电量可以通过倒送给主网及DR措施增发柔性负荷用电这两种方式来进行完全消纳，故此时DR电价的议价下限应设置为PTL向主网的售电电价，否则博弈将陷入僵持；当
Figure BDA0002839139300000151
时，RES的剩余电量已超过PTL能够倒供给主网的上限，如果不进行DR，将造成弃风弃光现象，此时LA具有一定的优势，DR电价下限根据PTL向主网倒供最大上行容量时所带来的收益来制定，即此时
Figure BDA0002839139300000152
进一步地，所述步骤S3具体包括如下子步骤：
S31，基于韦伯-费希纳定律提出议价拒绝函数
本发明实施例中采用完全信息动态博弈的形式进行博弈，博弈全程中，各参与者都掌握着其他所有参与者的全部特性、策略及收益情况等信息，博弈双方将轮流提出自身的运行方案策略，并上报需求响应电价。为了便于叙述，在此规定提出新的需求响应电价与运行策略的一方为议价参与者，决定是否接受的一方为决策参与者。
不同于静态博弈，动态博弈中博弈行为存在先后次序，且后行为那一方可以观察到先行为者的行为。对于先行为者，能抢先一步提出有利于自身的策略，这是一种先行优势。而对于后行为那一方而言，拥有更多信息，可以相机针对性得作出选择，具有一点后发制人的优势。因而，动态博弈过程中并不能确定究竟是先行有利还是后行更有利。为了保证博弈能够顺利进行并提升博弈过程中的公平性，一般要求参与者在保证自身利益不被严重损害的前提下做出一定的让步。为了具象化参与者的这种让步行为，让各利益主体在决策过程中能够兼顾自身与整体利益，在本发明优选的情况下，提出议价拒绝函数：
所述议价拒绝函数建立在韦伯-费希纳定律基础之上，用来度量决策参与者对于议价参与者所提策略的拒绝概率。站在决策参与者的角度，当自身收益的减少量小于最小可觉差(连续的差别阈限)时，此策略可以被接受；当收益减少量不断增大，其拒绝议价参与者所提策略的概率随之升高，最终达到饱和，具体的函数表达式如下所示：
Figure BDA0002839139300000161
式中：Pij(I)为议价参与者j所提策略遭到决策参与者i拒绝的概率；IM为最小可觉差，
Figure BDA0002839139300000162
S32，针对上述配售电公司与负荷代理之间的议价博弈问题，采用遗传算法求解博弈过程的纳什均衡点。
进一步地，所述步骤S32中基于遗传算法的博弈流程为：
(1)输入系统参数，给定风电、光伏、负荷预测曲线。设定PTL为议价参与者，LA为决策参与者；
(2)判断Pt RES≤Pt ZR是否成立：若成立则直接结束，不进行博弈；若不成立转步骤S33；
(3)判断
Figure BDA0002839139300000163
是否成立。若成立，为DR电价的议价范围设定为
Figure BDA0002839139300000164
转步骤S34；若不成立(即
Figure BDA0002839139300000165
)时，为DR电价的议价范围设定为
Figure BDA0002839139300000166
转步骤S34；
(4)初始化种群(DR电量、倒送电量)，迭代次数n＝1，议价参与者提出初始DR电价；
(5)选取当前议价参与人收益为适应度值，适应度计算；
(6)个体适应度计算并更新最优解；
(7)更新种群(选择、交叉、变异)，n＝n+1；返回S35，直至达到n＝Nmax，输出最优解，确定联络线传输功率，DR电量；
(8)根据议价拒绝函数计算决策参与者对当前运行策略的拒绝概率；
(9)通过抽样，确定决策参与者是否拒绝当前议价参与者所提策略，如拒绝，则由当前议价参与者重新提出DR电价，初始化种群，返回步骤S35；
(10)将本次的优化结果和上一次进行对比，当两者收益偏差小于ε时，输出最优解，结束。大于ε时，将本次的优化结果作为初始可行解，更换决策参与者与议价参与者的身份，返回步骤S35，当博弈双方所提策略的收益偏差小于ε时，认为当前的策略集合为每个参与者对其他参与者策略的最优反应，即达到纳什均衡。
为了更加方便了解本发明的考虑用户侧互动的配售电公司优化运行方法，以下结合算例，分场景讨论分析，验证了此方法的有效性。所有仿真均基于一台3.2GHz InterCore i5处理器、8G内存的台式计算机通过MATLAB编程完成。其中，DR效用函数参数见表1，其他各系统参数见表2。
表1需求响应效用函数参数
Figure BDA0002839139300000171
表2仿真算例参数
Figure BDA0002839139300000172
Figure BDA0002839139300000181
为表征峰谷时段用电意愿及收益的差异性，分别在峰谷时段效用函数的基础边际收益基础上乘以系数1.3、0.7，峰谷时段具体划分情况见表3。
表3负荷用电时段划分
Figure BDA0002839139300000182
本发明实施例引入3种运行场景进行对比：场景1，配售电公司面向所有负荷的售电电价均为固定电价，且不进行需求响应负荷调度，也无动态博弈过程；场景2，引入需求响应技术(采用矩形效用函数)，由配售电公司制定需求响应电价，负荷代理根据需求响应电价作出响应，但不具备议价权；场景3，配售电公司与负荷代理之间采用本发明所提动态博弈模型来进行议价博弈。其中，场景1、2均无博弈过程，场景3须进行动态博弈。3种场景下各方利益主体的经济收益情况如表4所示。
表4不同场景经济效益对比
Figure BDA0002839139300000183
从经济效益来看，场景1无论是配售电公司利润、负荷代理利润还是社会总利润都是所有场景中最低的，这是由于场景1面向所有用电负荷的电价都是统一且固定不变的，缺乏需求响应技术的支撑，无法有效消纳夜间过高的风电出力，出现了较为严重的弃风现象；场景2在场景1的基础上考虑了需求响应，RES消纳量明显提高，各方利润获得了一定程度上的提高，但是此场景下负荷代理只能根据需求响应电价作出响应，并不具备议价权，缺少博弈议价过程，配售电公司单方面制定的需求响应电价未必能获得良好的需求响应效果，最终导致配售电公司与负荷代理双方利润都不如场景3；场景3配售电公司与负荷代理之间采用本发明中的动态博弈模型来进行议价博弈，进一步提高了需求响应技术在整个调度过程中的参与程度，最终基本实现可再生能源的本地消纳，配售电公司利润、负荷代理利润及社会总效益均为最高。
从系统峰谷差及可再生能源舍弃情况来看，场景1由于未考虑需求响应，峰谷差最大，达到了3.09MW，可再生能源舍弃量达到了可发电量的11.36％，整体调度效果最不理想；场景2考虑了需求响应，负荷峰谷差降为2.53MW，优于场景1，但是负荷代理议价权的缺失导致需求响应积极性有限，可再生能源舍弃量为可发电量的4.65％；场景3进一步考虑了配售电公司与负荷代理的动态博弈，提高了负荷代理参与调度的积极性，可再生能源舍弃量仅为可发电量的2.19％，峰谷差同场景2，为2.53MW，场景3已基本实现可再生能源的本地消纳，有效减少了可再生能源不确定性对于主网的不利影响，调度结果达到所有场景中最优。
本发明的技术方案充分发挥需求响应的积极性，并基本实现可再生能源的本地消纳，使得多利益主体的利益均为最高，也使得电力配售调度结果达到最优。
以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种考虑用户侧互动的配售电公司优化运行方法，其特征在于，包括以下步骤：
S1，根据配售电公司(PTL)的运营结构建立配售电公司(PTL)的源荷模型，并利用需求响应技术通过负荷代理(LA)对柔性负荷进行统一调度；
S2，基于步骤S1得到的源荷模型和负荷代理参与调度过程，建立多利益主体博弈行为模型；
S3，对多利益主体博弈行为基于韦伯-费希纳定律提出议价拒绝函数，并采用遗传算法求解纳什均衡点。
2.根据权利要求1所述的考虑用户侧互动的配售电公司优化运行方法，其特征在于，所述步骤S1中的源荷模型包括可再生能源(RES)模型和需求响应(DR)模型。
3.根据权利要求2所述的考虑用户侧互动的配售电公司优化运行方法，其特征在于，所述步骤S1具体包括如下子步骤：
S11，根据配售电公司的运营结构，假设可再生能源(RES)为配售公司所有；
S12，建立可再生能源(RES)模型，以风力发电、光伏发电代表RES，分别对它们进行建模
(1)风力发电机输出功率模型
风电出力随风速变化而变化，机组是否处于发电状态及风电出力大小均取决于风速状况，其数学表达式如下所示：
Figure FDA0002839139290000021
式中：PWT(t)为t时刻风机出力；vt为t时刻风速；vci、vco、vr分别为风机的切入、切除及额定风速；A、B、C为风机功率曲线参数；Pr为风机额定功率；
(2)光伏发电系统输出功率模型
假设电池板的面积为S，某时刻电池板能接收到的光强为I(t)，则光伏发电系统的输出功率PPV(t)为：
Figure FDA0002839139290000022
式中：ηC为电池板的转换效率；KC为阈值常数，当入射光强小于KC时，输出功率与I(t)呈二次关系，当入射光强大于KC时，输出功率与I(t)呈线性关系；
S13，建立需求响应(DR)模型，并根据用户实际用电量和边际效用两者的关系得出需求响应的积极性程度；
S14，基于可再生能源(RES)模型和需求响应(DR)模型，通过负荷代理(LA)对柔性负荷进行统一调度。
4.据权利要求3所述的考虑用户侧互动的配售电公司优化运行方法，其特征在于，所述需求响应(DR)模型采用矩形效用函数模型。
5.根据权利要求1所述的考虑用户侧互动的配售电公司优化运行方法，其特征在于，所述步骤S2具体包括如下子步骤：
S21，假设配售电公司和负荷代理为博弈过程中的参与者，且它们作出的决策均为理性的，以自身收益最大为目标进行博弈；
S22，确定博弈参与者的收益函数
(1)配售电公司(PTL)收益函数
PTL为电力供应方，其策略组合包括主网电能交换功率以及DR电价，PTL的收益函数为配售电公司的净收益，如以下公式所示：
RPTL＝IPTL-CPTL
IPTL为配售电公司收益，由两部分组成：PTL向主网的售电收益、向增量配电网负荷的售电收益，计算公式如下所示：
Figure FDA0002839139290000031
式中：Pt R、
Figure FDA0002839139290000032
分别为t时刻不可控负荷的用电量与售电电价；NDR为负荷代理总数量；
Figure FDA0002839139290000033
分别为t时刻第d个负荷代理的负荷大小与DR电价；Pt gs、
Figure FDA0002839139290000034
分别为t时刻PTL向主网售电的电量与售电电价；
CPTL为配售电公司运行成本，计算公式如下：
Figure FDA0002839139290000035
式中：Pt gb、
Figure FDA0002839139290000036
分别为t时刻PTL向主网购电的电量及购电电价；
(2)负荷代理(LA)收益函数
负荷代理可通过需求响应技术改变柔性用户用电量与配售电公司进行议价，其收益函数为收益与支出之差。其中，LA的收益用效用函数度量，支出为其所辖用户缴纳的电费，具体的计算公式如下：
Figure FDA0002839139290000041
式中：RLA(d)代表第d个负荷代理的净收益；
Figure FDA0002839139290000042
为t时刻第d个负荷代理在柔性用户用电量为
Figure FDA0002839139290000043
时的效用函数值；
S23，确定博弈约束条件，具体约束条件如下：
(1)有功功率平衡约束
Figure FDA0002839139290000044
式中：NWT、NWT分别为风机、光伏总数量；
Figure FDA0002839139290000045
为第k台风机在t时刻的实际出力；
Figure FDA0002839139290000046
为第m台光伏在t时刻的实际出力；
(2)主网交换功率约束
Figure FDA0002839139290000047
式中：
Figure FDA0002839139290000048
分别表示配售电公司向上级电网的最大下行、上行功率；
(3)需求响应(DR)电价约束
需求响应(DR)电价具体约束情况如下：
Figure FDA0002839139290000049
式中：
Figure FDA00028391392900000410
为政策限定的最高DR电价，为提高DR积极性，假设
Figure FDA00028391392900000411
Pt ZR为t时刻需求响应前总负荷容量；Pt RES为t时刻可再生能源发电量；
S24，根据博弈参与者收益函数和博弈约束条件建立多利益主体博弈行为模型。
6.根据权利要求5所述的考虑用户侧互动的配售电公司优化运行方法，其特征在于，所述多利益主体博弈行为模型为多利益主体参与下增量配电网完全信息动态博弈模型。
7.根据权利要求5所述的考虑用户侧互动的配售电公司优化运行方法，其特征在于，所述步骤S24中，当Pt ZR≥Pt RES时，RES可以完全消纳，此时不需要利用需求响应增加负荷用电，故不需要进行博弈；当
Figure FDA0002839139290000051
时，对于PTL而言，RES除去供应常规负荷用电外的剩余电量可以通过倒送给主网及DR措施增发柔性负荷用电这两种方式来进行完全消纳，故此时DR电价的议价下限应设置为PTL向主网的售电电价，否则博弈将陷入僵持；当
Figure FDA0002839139290000052
时，RES的剩余电量已超过PTL能够倒供给主网的上限，如果不进行DR，将造成弃风弃光现象，此时LA具有一定的优势，DR电价下限根据PTL向主网倒供最大上行容量时所带来的收益来制定，即此时
Figure FDA0002839139290000053
8.根据权利要求1所述的考虑用户侧互动的配售电公司优化运行方法，其特征在于，所述步骤S3具体包括如下子步骤：
S31，基于韦伯-费希纳定律提出议价拒绝函数
所述议价拒绝函数用来度量决策参与者对于议价参与者所提策略的拒绝概率。站在决策参与者的角度，当自身收益的减少量小于最小可觉差(连续的差别阈限)时，此策略可以被接受；当收益减少量不断增大，其拒绝议价参与者所提策略的概率随之升高，最终达到饱和，具体的函数表达式如下所示：
Figure FDA0002839139290000061
式中：Pij(I)为议价参与者j所提策略遭到决策参与者i拒绝的概率；IM为最小可觉差，
Figure FDA0002839139290000062
S32，采用遗传算法求解博弈过程的纳什均衡点。
9.据权利要求8所述的考虑用户侧互动的配售电公司优化运行方法，其特征在于，所述步骤S32中基于遗传算法的博弈流程为：
(1)输入系统参数，给定风电、光伏、负荷预测曲线。设定PTL为议价参与者，LA为决策参与者；
(2)判断Pt RES≤Pt ZR是否成立：若成立则直接结束，不进行博弈；若不成立转步骤S33；
(3)判断
Figure FDA0002839139290000063
是否成立。若成立，为DR电价的议价范围设定为
Figure FDA0002839139290000064
转步骤S34；若不成立(即
Figure FDA0002839139290000065
)时，为DR电价的议价范围设定为
Figure FDA0002839139290000066
转步骤S34；
(4)初始化种群(DR电量、倒送电量)，迭代次数n＝1，议价参与者提出初始DR电价；
(5)选取当前议价参与人收益为适应度值，适应度计算；
(6)个体适应度计算并更新最优解；
(7)更新种群(选择、交叉、变异)，n＝n+1；返回S35，直至达到n＝Nmax，输出最优解，确定联络线传输功率，DR电量；
(8)根据议价拒绝函数计算决策参与者对当前运行策略的拒绝概率；
(9)通过抽样，确定决策参与者是否拒绝当前议价参与者所提策略，如拒绝，则由当前议价参与者重新提出DR电价，初始化种群，返回步骤S35；
(10)将本次的优化结果和上一次进行对比，当两者收益偏差小于ε时，输出最优解，结束。大于ε时，将本次的优化结果作为初始可行解，更换决策参与者与议价参与者的身份，返回步骤S35，当博弈双方所提策略的收益偏差小于ε时，认为当前的策略集合为每个参与者对其他参与者策略的最优反应，即达到纳什均衡。
CN202011485784.3A 2020-12-16 2020-12-16 一种考虑用户侧互动的配售电公司优化运行方法 Pending CN112561329A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011485784.3A CN112561329A (zh) 2020-12-16 2020-12-16 一种考虑用户侧互动的配售电公司优化运行方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011485784.3A CN112561329A (zh) 2020-12-16 2020-12-16 一种考虑用户侧互动的配售电公司优化运行方法

Publications (1)

Publication Number Publication Date
CN112561329A true CN112561329A (zh) 2021-03-26

Family

ID=75064086

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011485784.3A Pending CN112561329A (zh) 2020-12-16 2020-12-16 一种考虑用户侧互动的配售电公司优化运行方法

Country Status (1)

Country Link
CN (1) CN112561329A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113469734A (zh) * 2021-06-15 2021-10-01 广东电力交易中心有限责任公司 一种电力零售用户的交易信息管理方法及装置
CN113507119A (zh) * 2021-07-14 2021-10-15 华北电力大学 基于电-热博弈促进可再生能源消纳的配电系统运行方法
CN113626734A (zh) * 2021-08-11 2021-11-09 百度在线网络技术（北京）有限公司 用户行为引导方法、装置、电子设备及存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109919472A (zh) * 2019-02-27 2019-06-21 华南理工大学 一种考虑多利益主体博弈的发电市场迭代竞价方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109919472A (zh) * 2019-02-27 2019-06-21 华南理工大学 一种考虑多利益主体博弈的发电市场迭代竞价方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
MICHAEL C 等: "Uniform and complex bids for demand response and wind generation scheduling in multi-period linked transmission and distribution markets", 《2011 50TH IEEE CONFERENCE ON DECISION AND CONTROL AND EUROPEAN CONTROL CONFERENCE》, pages 4340 - 4347 *
李刚;刘继春;魏震波;刘俊勇;刘洋;李丹;唐虎: "含分布式电源接入的市场多主体博弈分析", 电力系统保护与控制, vol. 44, no. 19, pages 1 - 9 *
李力行;苗世洪;孙丹丹;李超;叶畅;: "多利益主体参与下主动配电网完全信息动态博弈行为", 电工技术学报, vol. 33, no. 15, pages 3499 - 3509 *
涂京;周明;李庚银;栾开宁;: "面向居民需求响应的售电公司势博弈分布式优化策略", 中国电机工程学报, vol. 40, no. 02, pages 400 - 411 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113469734A (zh) * 2021-06-15 2021-10-01 广东电力交易中心有限责任公司 一种电力零售用户的交易信息管理方法及装置
CN113469734B (zh) * 2021-06-15 2024-01-02 广东电力交易中心有限责任公司 一种电力零售用户的交易信息管理方法及装置
CN113507119A (zh) * 2021-07-14 2021-10-15 华北电力大学 基于电-热博弈促进可再生能源消纳的配电系统运行方法
CN113507119B (zh) * 2021-07-14 2024-05-31 华北电力大学 基于电-热博弈促进可再生能源消纳的配电系统运行方法
CN113626734A (zh) * 2021-08-11 2021-11-09 百度在线网络技术（北京）有限公司 用户行为引导方法、装置、电子设备及存储介质
CN113626734B (zh) * 2021-08-11 2023-09-19 百度在线网络技术（北京）有限公司 用户行为引导方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
Li et al. Trading strategy and benefit optimization of load aggregators in integrated energy systems considering integrated demand response: A hierarchical Stackelberg game
CN112561329A (zh) 一种考虑用户侧互动的配售电公司优化运行方法
CN110111214B (zh) 一种基于优先级的用户用能管理方法及系统
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
CN114050571B (zh) 一种考虑碳流的综合能源系统能量枢纽管控方法
CN113393125A (zh) 基于源荷双侧互动博弈的综合能源系统协同调度方法
CN111507529A (zh) 基于经济-环境及能源动态定价双层博弈微能源网容量优化规划方法
CN113705906A (zh) 一种综合能源园区能源协调优化运行方法及系统
CN109840808A (zh) 一种基于改进Shapley值的负荷聚集商利润的分摊方法
CN110991810A (zh) 一种考虑水光蓄互补的区域联合体两阶段经济调度方法
CN112001752A (zh) 基于有限理性的多虚拟电厂动态博弈交易行为分析方法
CN115587668A (zh) 多园区综合能源系统分布式协同优化调度方法
CN113344249A (zh) 基于区块链的冷热电联供多微网优化调度方法和系统
Liu et al. Optimal dispatch strategy of virtual power plants using potential game theory
CN114970962A (zh) 一种电气热综合能源系统优化方法
CN108921368A (zh) 基于虚拟发电厂的均衡合作博弈控制器
CN110991928A (zh) 一种多微能源网的综合能源系统能量管理方法及系统
CN111062773A (zh) 一种虚拟电厂交易管理系统
CN116822697A (zh) 一种考虑主从博弈和需求响应的综合能源系统低碳经济优化方法
CN116228461A (zh) 一种基于p2p交易的多虚拟电厂随机优化调度方法
CN113610641A (zh) 一种计及数据中心需求响应的园区多能运营商交易决策方法
CN113162066B (zh) 一种考虑电解铝工业用户参与调频市场博弈行为分析方法
CN113870030A (zh) 基于改进纳什议价方法的多微网能源交易机制设计方法
CN113452087A (zh) 一种多楼宇微网系统滚动调控方法及电子设备
Wang et al. Research on market operation of power supply virtual power plant based on system dynamics

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