CN112801513B - 一种综合能源系统协同优化方法及系统 - Google Patents

一种综合能源系统协同优化方法及系统 Download PDF

Info

Publication number
CN112801513B
CN112801513B CN202110130394.2A CN202110130394A CN112801513B CN 112801513 B CN112801513 B CN 112801513B CN 202110130394 A CN202110130394 A CN 202110130394A CN 112801513 B CN112801513 B CN 112801513B
Authority
CN
China
Prior art keywords
energy
optimal
profit
price
comprehensive
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110130394.2A
Other languages
English (en)
Other versions
CN112801513A (zh
Inventor
王光臣
王钰
李淑珍
王文灿
张盼盼
王鹏
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.)
Shandong University
Original Assignee
Shandong 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 Shandong University filed Critical Shandong University
Priority to CN202110130394.2A priority Critical patent/CN112801513B/zh
Publication of CN112801513A publication Critical patent/CN112801513A/zh
Application granted granted Critical
Publication of CN112801513B publication Critical patent/CN112801513B/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
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • 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
    • 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
    • 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
    • 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
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/10—Energy trading, including energy flowing from end-user application to grid
    • 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
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
    • 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
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/16—Energy services, e.g. dispersed generation or demand or load or energy savings aggregation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Accounting & Taxation (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Software Systems (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Algebra (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Water Supply & Treatment (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)

Abstract

本公开提供了一种综合能源系统协同优化方法及系统，获取综合能源系统的储能数据和运行状态数据；利用获取的数据，通过构建的共享契约，以综合能源系统整体利润最大为目标，进行各能源参与方的能源分配，得到不同时段综合能源系统的能源最优供应量和能源参与方的最优能源获取量；本公开通过引入共享契约给出了收益分配规则，在能源供应方和能源服务方之间建立合作关系，避免了利润的流失，实现了综合能源系统的平衡，结合共享契约方法和能源价格‑需求模型，给出了不同时段能源供应方的最优能源供应量和能源服务方的最优获取量。

Description

一种综合能源系统协同优化方法及系统
技术领域
本公开涉及能源调度技术领域，特别涉及一种综合能源系统协同优化方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有技术。
化石能源危机和环境污染问题日益严重，大力发展可再生能源、提高综合能源利用效率成为能源可持续发展的必然选择。区域综合能源系统作为能源互联网的基本组成部分，能够实现对不同能源(冷、热、电、气)的有效调度和高效利用，是未来能源网络的发展趋势。然而区域综合能源系统在能源生产、传输和消耗等环节均包含多个利益主体，由于在系统运行中承担的角色和利益诉求不同，区域综合能源系统内部各主体间存在调度权力差异和信息不对等的问题，如何通过需求响应和合作博弈来提高各主体的收益，通过系统多主体协同配合实现系统的运行和优化，具有重要的研究意义。
博弈论在经济学、运筹学和生物学和其他很多学科都有广泛的应用，Stackelberg博弈作为一种博弈双方地位不对等的特殊动态博弈，被广泛应用于综合能源系统、物流管理、保险精算等领域。在传统能源供应方-能源服务方构成的综合能源系统中，能源供应方可以是综合能源系统中的光伏厂、风电厂、分布式能源站等，可以生产冷、热、电能并批售给能源服务方，能源服务方将能源销售给用户，当能源服务方供能不足，造成供能短缺时，用户以相对较高的价格直接从能源供应方购能。此即构成了一类主从博弈问题，能源供应方作为领导者决定批发价格，能源服务方作为跟随者基于批发价格决定零售价格，二者具有不同的利润函数，都期望实现自身利润最大化。传统求解过程为能源供应方首先宣布一个批发价格，然后，能源服务方基于此做出合理响应，选择最优零售价格实现自身利润最大化，最后，能源供应方在了解到能源服务方的合理响应后选择最优批发价以最大化自身利润函数，此决策过程称为分散式决策。但分散式决策往往由于综合能源系统中成员不受约束，片面关注自身利润而不考虑合作，使得其与将综合能源系统成员看作一个整体，选择最优能源价格以最优化整体收益的方法，即集中式决策相比，产生边际效用，导致整体利润流失。
发明内容
为了解决现有技术的不足，本公开提供了一种综合能源系统协同优化方法及系统，通过引入共享契约给出了收益分配规则，在能源供应方和能源服务方之间建立合作关系，避免了利润的流失，实现了综合能源系统中各主体收益的Pareto优化，同时，给出了不同时段能源供应方的最优能源供应量和能源服务方的最优获取量。
为了实现上述目的，本公开采用如下技术方案：
本公开第一方面提供了一种综合能源系统协同优化方法。
一种综合能源系统协同优化方法，包括以下步骤：
获取综合能源系统的储能数据和运行状态数据，利用机器学习中的多元线性回归方法，建立供能成本模型、能源价格-需求模型、能源供应方商-服务方的期望利润函数模型；
通过构建的共享契约，以综合能源系统整体利润最大为目标，进行各能源参与方的能源分配，结合建立的模型，得到不同时段综合能源系统的能源最优供应量、能源参与方的最优能源获取量；
作为可能的一些实现方式，采用集中式决策方法，计算综合能源系统整体的期望总利润函数的偏导数和Hessian矩阵，得到综合能源系统整体收益最大时的最优能源价格。
作为进一步的限定，能源供应包括直销用户渠道和能源服务方销售渠道，构建综合能源系统期望总收益函数；
生成综合能源系统期望总收益关于两个渠道价格的一阶偏导和Hessian矩阵；
令期望总收益函数关于各个渠道价格的一阶偏导数为零，得到集中式决策下各个渠道的最优定价。
作为可能的一些实现方式，通过构建的共享契约，使综合能源系统整体利润达到最优的同时，综合能源系统各主体实现Pareto改进。
作为进一步的限定，共享契约，包括：在主从博弈的基础上，考虑能源供应方和能源服务方的合作，通过引入共享因子，给出最优收益分配策略。
作为更进一步的限定，构建能源服务方的期望利润函数；
生成能源服务方关于渠道能源的一阶偏导和Hessian矩阵；
令能源服务方关于渠道能源价格一阶偏导为零；
当收益共享契约模型下能源服务方渠道的最优能源价格等于集中式决策方法下的最优能源价格，且能源服务方的收益在共享契约方法下不会低于主从博弈时作为跟随者的收益时，协调综合能源系统中各参与方决策，实现各参与方收益的Pareto改进。
作为可能的一些实现方式，结合共享契约方法和用户能源需求-能源价格模型，给出不同时段能源供应方的最优能源输出量和能源服务方的最优能源获取量。
本公开第二方面提供了一种综合能源系统协同优化系统。
一种综合能源系统协同优化系统，包括：
数据获取模块，被配置为：获取综合能源系统的储能数据和运行状态数据；
能源分配模块，被配置为：利用获取的数据，通过构建的共享契约，以综合能源系统整体利润最大为目标，进行各能源参与方的能源分配，得到不同时段综合能源系统的能源最优供应量和能源参与方的最优能源获取量。
本公开第三方面提供了一种介质，其上存储有程序，该程序被处理器执行时实现如本公开第一方面所述的综合能源系统协同优化方法中的步骤。
本公开第四方面提供了一种电子设备，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程序，所述处理器执行所述程序时实现如本公开第一方面所述的综合能源系统协同优化方法中的步骤。
与现有技术相比，本公开的有益效果是：
本公开所述的方法、系统、介质或电子设备，考虑了能源供应方开辟直销渠道，能源服务方开辟销售渠道的双渠道综合能源系统协同优化问题，通过建立能源价格-需求模型，揭示了能源价格和用户需求之间的隐含关系，使问题更符合实际，提高了结果的准确性。
本公开所述的方法、系统、介质或电子设备，为了在各成员采用分散式决策时实现系统整体利润最大化，提出共享契约决策方法，通过引入共享契约给出了收益分配规则，在能源供应方和能源服务方之间建立合作关系，避免了利润的流失，实现了综合能源系统的平衡。
本公开所述的方法、系统、介质或电子设备，结合共享契约方法和能源价格-需求模型，给出了不同时段能源供应方的最优发电量和能源服务方的最优购电策略。
本公开所述的方法、系统、介质或电子设备，使综合能源系统各参与方的收益都有提升，实现了成员收益的Pareto优化。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1为本公开实施例1提供的能源供应方-能源服务方的交易运营示意图。
图2为本公开实施例1提供的共享契约方法的总流程图。
图3为本公开实施例1提供的共享契约方法的具体流程图。
图4为本公开实施例1提供的综合能源系统协同优化装置结构示意图。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
实施例1：
如图1-3所示，本公开实施例1提供了一种综合能源系统协同优化方法，包括以下步骤：
获取综合能源系统的储能数据和运行状态数据，利用机器学习中的多元线性回归方法，建立供能成本模型和能源价格-需求模型；
通过构建的共享契约，以综合能源系统整体利润最大为目标，进行各能源参与方的能源分配，得到不同时段综合能源系统的能源最优供应量和能源参与方的最优能源获取量。
本实施例以电力能源为例，具体的，包括以下内容：
本实施例假设发电商和能源服务商均为理性决策者且风险偏好为风险中性。将综合能源系统中的发电商看作领导者，其可将生产的电能分别通过直销给用户和批售给能源服务商间接销售给用户两种方式实现销售，能源服务商看作跟随者，其可将购进的电能以统一的价格零售给用户。
本实施例给出了随机需求下基于共享契约方法的综合能源系统协同优化方法，考虑到综合能源系统各参与方间存在博弈关系，综合能源系统的分散式决策所得总期望利润会小于综合能源系统集中式决策的总期望利润，因此引入收益共享契约机制作为激励手段，协调综合能源系统各成员的决策，给出最优的收益分配规则，使综合能源系统整体利润达到最优的同时各参与方收益实现Pareto改进，最后结合共享契约方法和电价-需求模型，给出了不同时段发电商的最优发电量和能源服务商的最优购电策略，具体的，包括以下步骤：
步骤101、收集历史数据，利用多元线性回归方法，根据训练数据和测试数据学习出模型系数；根据电力系统理论，建立发电商发电成本模型、用户电价-需求模型、发电商-能源服务商的收益函数模型；
步骤102、采用集中式决策方法，求一阶二阶偏导数和Hessian矩阵，得出综合能源系统整体收益最大时的最优电价；考虑到各成员目标不一致，实际中各成员会只关注自身利益，通过Stackelberg博弈实现各自收益最大化，因此会产生边际效用，造成综合能源系统整体利润的流失，故在发电商和能源服务商之间建立共享契约，引入共享因子作为激励手段，建立合理的利益分配规则，使综合能源系统整体利润达到最优的同时各参与方的收益实现Pareto改进。
步骤103、结合共享契约方法和步骤一中的电价-需求模型，给出不同时段发电商的最优发电量和能源服务商的最优购电策略。
步骤101中、建立发电商发电成本模型、用户电价-需求模型、发电商-能源服务商的收益函数模型、估计模型系数的具体方法包括：
步骤201、建立发电商发电成本模型、用户电价-需求模型如下
Figure BDA0002924916640000071
Figure BDA0002924916640000072
上述模型系数的预测方法如下：
获取过去五年内发电量和发电成本、用电需求和渠道电价，作为样本；利用分层抽样，将样本数据分为训练数据和测试数据；采用机器学习中多元函数线性回归的方法，结合最小二乘法，利用训练数据学习参数ae,be,ce,a1,b1,a2,b2，同时将学习出来的参数带入函数表达式，通过测试数据验证参数的有效性。
步骤202、建立发电商-能源服务商的收益函数模型，由于电能有两种销售渠道，将两种渠道分别表示为渠道1—发电商直销用户渠道，渠道2—能源服务商销售渠道；
发电商的期望利润函数为：
Figure BDA0002924916640000081
能源服务商的期望利润函数为：
Figure BDA0002924916640000082
其中，t代表一天中的时刻，
Figure BDA0002924916640000083
是发电商的收益，
Figure BDA0002924916640000084
是能源服务商的收益，
Figure BDA0002924916640000085
是发电商的电能的生产成本，Ctp是能源服务商供电中断的惩罚成本，满足如下表达式：
Figure BDA0002924916640000086
其中，
Figure BDA0002924916640000087
分别是发电商通过渠道1销售的电价和能源服务商通过渠道2的销售电价。
Figure BDA0002924916640000088
是终端用户通过渠道1和渠道2的电需求量，
Figure BDA0002924916640000089
表示发电商的产电量，
Figure BDA00029249166400000810
为能源服务商的电需求量，由于实际市场中用户需求在一定范围内存在随机性，因此
Figure BDA00029249166400000811
其中，
Figure BDA00029249166400000812
为随机变量，代表终端用户从能源服务商出购电的随机性，服从正态分布，ae,be,ce为发电机的成本系数，c表示供电中断惩罚系数，wt是能源服务商从发电商处购电的批发价格，满足
Figure BDA00029249166400000813
步骤102包括集中式决策方法和共享契约决策方法，其中集中式决策方法包括：
步骤203、假设能源服务商与发电商均为风险中性且理性决策者时，综合能源系统的成员采用集中式决策，即综合能源系统成员有统一的目标，为实现整个综合能源系统总利润最大。
生成综合能源系统整体的期望总利润：
Figure BDA0002924916640000091
步骤204、生成综合能源系统期望总收益关于两个渠道价格的一阶偏导和Hessian矩阵：
Figure BDA0002924916640000092
Figure BDA0002924916640000093
若：
Figure BDA0002924916640000094
则Hessian矩阵负定，函数存在极大值。
步骤204、令期望总收益函数关于各个渠道价格的一阶偏导数为零，求解出集中式决策下各个渠道的最优定价：
Figure BDA0002924916640000095
共享契约决策方法包括：
步骤205、采用分散式计算，会产生双边效应，造成利润流失，因此考虑在原有分散式决策主从博弈基础上，考虑发电商和能源服务商合作，通过引入共享因子，给出最优收益分配策略，实现各成员的Pareto优化。
针对上述问题，考虑引入收益共享契约机制，使得在发电商和能源服务商采取分散式决策，层级优化自身指标泛函的同时，也能实现综合能源系统整体利润最优。考虑到能源服务商为了维持合作，会在每销售单位产品后，拿出λt(0<λ<1)元补贴给发电商，作为分红，基于上述分析，生成发电商和能源服务商的期望利润函数：
发电商的期望利润函数为：
Figure BDA0002924916640000101
能源服务商的期望利润函数为：
Figure BDA0002924916640000102
其中，F是引入共享契约后的利益分配策略。
步骤206、生成能源服务商关于渠道电价一阶偏导和Hessian矩阵：
Figure BDA0002924916640000103
所以能源服务商的收益函数存在极大值。
步骤207、令能源服务商关于渠道电价一阶偏导为0，求解得：
Figure BDA0002924916640000104
步骤208、只有当收益共享契约模型下能源服务商渠道的最优电价等于集中式决策方法下的最优电价，且能源服务商的收益在共享契约方法下不会低于主从博弈时作为跟随者的收益时，才能协调综合能源系统中各成员决策，消除边际效用，实现成员收益的Pareto改进，即：
Figure BDA0002924916640000111
带入表达式后，得到共享因子λt，同时给出最优收益分配策略F：
Figure BDA0002924916640000112
Figure BDA0002924916640000113
步骤103给出不同时段能源服务商的最优购电策略
Figure BDA0002924916640000115
和发电商的最优发电量
Figure BDA0002924916640000116
步骤209、结合共享契约方法和用户用电需求-电价模型，给出不同时段发电商的最优发电量和能源服务商的最优购电策略：
Figure BDA0002924916640000114
实施例2：
本公开实施例2提供了一种综合能源系统协同优化系统，包括：
数据获取模块，被配置为：获取综合能源系统的储能数据和运行状态数据；
能源分配模块，被配置为：利用获取的数据，通过构建的共享契约，以综合能源系统整体利润最大为目标，进行各能源参与方的能源分配，得到不同时段综合能源系统的能源最优供应量和能源参与方的最优能源获取量。
具体的能源分配模块，如图4所示，包括：
数据处理模块，用于根据获取的数据、电力系统理论和统计学方法，生成发电商发电成本模型、用户电价-需求模型和发电商-能源服务商的收益函数模型；
优化求解模块，用于根据所述模型，生成共享契约下的共享因子和收益分配规则，最终实现各成员收益的Pareto改进同时给出不同时段发电商的最优发电量和能源服务商的最优购电策略。
所述第一模块，根据机器学习和多元线性回归，生成函数模型的系数；根据电力系统理论，生成随机需求下发电商发电成本模型、用户电价-需求模型和发电商-能源服务商的收益函数模型；
所述第二模块，根据集中式决策方法，生成发电商最优直销电价、能源服务商最优销售电价，引入共享契约，根据Stackelberg博弈理论和Pareto优化方法，生成共享契约下的共享因子和收益分配规则，最终实现各成员收益的Pareto改进同时给出不同时段发电商的最优发电量和能源服务商的最优购电策略。
所述系统的工作方法与实施例1提供的综合能源系统协同优化方法相同，这里不再赘述。
实施例3：
本公开实施例3提供了一种介质，其上存储有程序，该程序被处理器执行时实现如本公开实施例1所述的综合能源系统协同优化方法中的步骤。
实施例4：
本公开实施例4提供了一种电子设备，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程序，所述处理器执行所述程序时实现如本公开实施例1所述的综合能源系统协同优化方法中的步骤。
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (4)

1.一种综合能源系统协同优化方法，其特征在于：包括以下步骤：
获取综合能源系统的储能数据和运行状态数据，利用机器学习中的多元线性回归方法，建立供能成本模型、能源价格-需求模型和能源供应方商-能源服务方的收益函数模型；其中，能源供应包括直销用户渠道和能源服务方销售渠道；
通过构建的共享契约，以综合能源系统整体利润最大为目标，进行各能源参与方的能源分配，结合建立的模型，得到不同时段综合能源系统的能源最优供应量和能源参与方的最优能源获取量；
所述供能成本模型和能源价格-需求模型分别为：
Figure FDA0004045537080000011
Figure FDA0004045537080000012
上式中，以综合能源系统的历史发电量、发电成本、用电需求和渠道电价为样本数据，采用机器学习中多元函数线性回归的方法，结合最小二乘法，基于样本数据学习参数ae,be,ce,a1,b1,a2,b2，获取参数值；
所述能源供应方-能源服务方的收益函数模型中，
能源供应方的期望利润函数为：
Figure FDA0004045537080000013
能源服务方的期望利润函数为：
Figure FDA0004045537080000014
上式中，t代表一天中的时刻，
Figure FDA0004045537080000015
是能源供应方即发电商的收益，
Figure FDA0004045537080000016
是能源服务方即能源服务商的收益，
Figure FDA0004045537080000017
是发电商的电能的生产成本，
Figure FDA0004045537080000018
是能源服务商供电中断的惩罚成本，满足：
Figure FDA0004045537080000021
Figure FDA0004045537080000022
Figure FDA0004045537080000023
Figure FDA0004045537080000024
上式中，
Figure FDA0004045537080000025
分别是发电商通过直销用户渠道销售的电价和能源服务商通过能源服务方销售渠道的销售电价，
Figure FDA0004045537080000026
是终端用户分别通过两渠道的电需求量，
Figure FDA0004045537080000027
表示发电商的产电量，
Figure FDA0004045537080000028
为能源服务商的电需求量，
Figure FDA0004045537080000029
其中，
Figure FDA00040455370800000210
为随机变量，服从正态分布，ae,be,ce为发电机的成本系数，c表示供电中断惩罚系数，wt是能源服务商从发电商处购电的批发价格，满足
Figure FDA00040455370800000211
在上述模型的基础上，采用集中式决策方法，计算综合能源系统整体的期望总利润函数的偏导数和Hessian矩阵，得到综合能源系统整体收益最大时的最优能源价格，包括以下步骤：
构建综合能源系统期望总收益函数，为：
Figure FDA00040455370800000212
生成综合能源系统期望总收益关于两个渠道价格的一阶偏导和Hessian矩阵，分别为：
Figure FDA00040455370800000213
Figure FDA00040455370800000214
令期望总收益函数关于各个渠道价格的一阶偏导数为零，得到集中式决策下各个渠道的最优定价，两个渠道的最优定价分别为：
Figure FDA0004045537080000031
Figure FDA0004045537080000032
所述共享契约包括：在主从博弈的基础上，考虑能源供应方和能源服务方的合作，通过引入共享因子，给出最优收益分配策略；通过构建的共享契约，使综合能源系统整体利润达到最优的同时，综合能源系统各参与方实现Pareto改进，包括以下步骤：
构建能源服务方的期望利润函数，为：
Figure FDA0004045537080000033
生成能源服务方关于渠道能源的一阶偏导和Hessian矩阵，分别为：
Figure FDA0004045537080000034
Figure FDA0004045537080000035
令能源服务方关于渠道能源价格一阶偏导为零，得：
Figure FDA0004045537080000036
当收益共享契约模型下能源服务方渠道的最优能源价格等于集中式决策方法下的最优能源价格，且能源服务方的收益在共享契约方法下不会低于主从博弈时作为跟随者的收益时，协调综合能源系统中各参与方决策，实现各参与方收益的Pareto改进，即：
Figure FDA0004045537080000037
进而得到共享因子λt和最优收益分配策略F，分别为：
Figure FDA0004045537080000038
Figure FDA0004045537080000039
结合共享契约方法和用户能源需求-能源价格模型，给出不同时段能源供应方的最优能源输出量和能源服务方的最优能源获取量，分别为：
Figure FDA0004045537080000041
Figure FDA0004045537080000042
2.一种综合能源系统协同优化系统，其特征在于：包括：
数据获取模块，被配置为：获取综合能源系统的储能数据和运行状态数据；
能源分配模块，被配置为：利用获取的数据，通过构建的共享契约，以综合能源系统整体利润最大为目标，进行各能源参与方的能源分配，得到不同时段综合能源系统的能源最优供应量和能源参与方的最优能源获取量；
具体的，基于获取的综合能源系统的储能数据和运行状态数据，利用机器学习中的多元线性回归方法，建立供能成本模型、能源价格-需求模型和能源供应方-能源服务方的收益函数模型；其中，能源供应包括直销用户渠道和能源服务方销售渠道；
所述供能成本模型和能源价格-需求模型分别为：
Figure FDA0004045537080000043
Figure FDA0004045537080000044
上式中，以综合能源系统的历史发电量、发电成本、用电需求和渠道电价为样本数据，采用机器学习中多元函数线性回归的方法，结合最小二乘法，基于样本数据学习参数ae,be,ce,a1,b1,a2,b2，获取参数值；
所述能源供应方-能源服务方的收益函数模型中，
能源供应方的期望利润函数为：
Figure FDA0004045537080000045
能源服务方的期望利润函数为：
Figure FDA0004045537080000051
上式中，t代表一天中的时刻，
Figure FDA0004045537080000052
是能源供应方即发电商的收益，
Figure FDA0004045537080000053
是能源服务方即能源服务商的收益，
Figure FDA0004045537080000054
是发电商的电能的生产成本，
Figure FDA0004045537080000055
是能源服务商供电中断的惩罚成本，满足：
Figure FDA0004045537080000056
Figure FDA0004045537080000057
Figure FDA0004045537080000058
Figure FDA0004045537080000059
上式中，
Figure FDA00040455370800000510
分别是发电商通过直销用户渠道销售的电价和能源服务商通过能源服务方销售渠道的销售电价，
Figure FDA00040455370800000511
是终端用户分别通过两渠道的电需求量，
Figure FDA00040455370800000512
表示发电商的产电量，
Figure FDA00040455370800000513
为能源服务商的电需求量，
Figure FDA00040455370800000514
其中，
Figure FDA00040455370800000515
为随机变量，服从正态分布，ae,be,ce为发电机的成本系数，c表示供电中断惩罚系数，wt是能源服务商从发电商处购电的批发价格，满足
Figure FDA00040455370800000516
在上述模型的基础上，采用集中式决策方法，计算综合能源系统整体的期望总利润函数的偏导数和Hessian矩阵，得到综合能源系统整体收益最大时的最优能源价格，包括以下步骤：
构建综合能源系统期望总收益函数，为：
Figure FDA00040455370800000517
生成综合能源系统期望总收益关于两个渠道价格的一阶偏导和Hessian矩阵，分别为：
Figure FDA0004045537080000061
Figure FDA0004045537080000062
令期望总收益函数关于各个渠道价格的一阶偏导数为零，得到集中式决策下各个渠道的最优定价，两个渠道的最优定价分别为：
Figure FDA0004045537080000063
Figure FDA0004045537080000064
所述共享契约包括：在主从博弈的基础上，考虑能源供应方和能源服务方的合作，通过引入共享因子，给出最优收益分配策略；通过构建的共享契约，使综合能源系统整体利润达到最优的同时，综合能源系统各参与方实现Pareto改进，包括以下步骤：
构建能源服务方的期望利润函数，为：
Figure FDA0004045537080000065
生成能源服务方关于渠道能源的一阶偏导和Hessian矩阵，分别为：
Figure FDA0004045537080000066
Figure FDA0004045537080000067
令能源服务方关于渠道能源价格一阶偏导为零，得：
Figure FDA0004045537080000068
当收益共享契约模型下能源服务方渠道的最优能源价格等于集中式决策方法下的最优能源价格，且能源服务方的收益在共享契约方法下不会低于主从博弈时作为跟随者的收益时，协调综合能源系统中各参与方决策，实现各参与方收益的Pareto改进，即：
Figure FDA0004045537080000069
进而得到共享因子λt和最优收益分配策略F，分别为：
Figure FDA0004045537080000071
Figure FDA0004045537080000072
结合共享契约方法和用户能源需求-能源价格模型，给出不同时段能源供应方的最优能源输出量和能源服务方的最优能源获取量，分别为：
Figure FDA0004045537080000073
Figure FDA0004045537080000074
3.一种介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1所述的综合能源系统协同优化方法中的步骤。
4.一种电子设备，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所述的综合能源系统协同优化方法中的步骤。
CN202110130394.2A 2021-01-29 2021-01-29 一种综合能源系统协同优化方法及系统 Active CN112801513B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110130394.2A CN112801513B (zh) 2021-01-29 2021-01-29 一种综合能源系统协同优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110130394.2A CN112801513B (zh) 2021-01-29 2021-01-29 一种综合能源系统协同优化方法及系统

Publications (2)

Publication Number Publication Date
CN112801513A CN112801513A (zh) 2021-05-14
CN112801513B true CN112801513B (zh) 2023-04-07

Family

ID=75813091

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110130394.2A Active CN112801513B (zh) 2021-01-29 2021-01-29 一种综合能源系统协同优化方法及系统

Country Status (1)

Country Link
CN (1) CN112801513B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114462727B (zh) * 2022-04-14 2022-07-15 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

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107730091A (zh) * 2017-09-26 2018-02-23 沈阳工业大学 一种单周期二级物流服务供应链的协调运作方法
CN108256906A (zh) * 2018-01-05 2018-07-06 京东方科技集团股份有限公司 双渠道供应链定价方法和装置
CN110378577A (zh) * 2019-07-02 2019-10-25 武汉理工大学 一种基于Supply-Hub的供应商管理库存运作方法
CN111340568A (zh) * 2019-03-29 2020-06-26 国网福建省电力有限公司 一种售电电价仿真方法、系统、可读存储介质及设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107730091A (zh) * 2017-09-26 2018-02-23 沈阳工业大学 一种单周期二级物流服务供应链的协调运作方法
CN108256906A (zh) * 2018-01-05 2018-07-06 京东方科技集团股份有限公司 双渠道供应链定价方法和装置
CN111340568A (zh) * 2019-03-29 2020-06-26 国网福建省电力有限公司 一种售电电价仿真方法、系统、可读存储介质及设备
CN110378577A (zh) * 2019-07-02 2019-10-25 武汉理工大学 一种基于Supply-Hub的供应商管理库存运作方法

Also Published As

Publication number Publication date
CN112801513A (zh) 2021-05-14

Similar Documents

Publication Publication Date Title
Chen et al. Indirect customer-to-customer energy trading with reinforcement learning
Pena-Bello et al. Integration of prosumer peer-to-peer trading decisions into energy community modelling
He et al. Peer-to-peer energy sharing with battery storage: Energy pawn in the smart grid
CN111082451B (zh) 基于场景法的增量配电网多目标优化调度模型
Li et al. Incentivizing distributed energy trading among prosumers: A general Nash bargaining approach
Zhou et al. Demand response in smart grids: A randomized auction approach
CN110378729A (zh) 一种基于动态能源价格策略的综合需求响应方法
Tan et al. Business model of virtual power plant considering uncertainty and different levels of market maturity
Kjeldsen et al. Heuristic solutions to the long-term unit commitment problem with cogeneration plants
CN112132309B (zh) 可再生能源发电配额制下售电公司购售电优化方法和系统
Papadimitriou et al. A comprehensive review of the design and operation optimization of energy hubs and their interaction with the markets and external networks
Casalicchio et al. Optimal allocation method for a fair distribution of the benefits in an energy community
Götze et al. A general MILP based optimization framework to design Energy Hubs
Vahid-Ghavidel et al. Energy storage system impact on the operation of a demand response aggregator
Yu et al. A Stackelberg game-based peer-to-peer energy trading market with energy management and pricing mechanism: A case study in Guangzhou
CN112801513B (zh) 一种综合能源系统协同优化方法及系统
Chen et al. Multi-objective robust optimal bidding strategy for a data center operator based on bi-level optimization
Razzak et al. Leveraging Deep Q-Learning to maximize consumer quality of experience in smart grid
CN112651544B (zh) 一种增量配电多主体协调优化方法
CN113793034A (zh) 不同配额制完成方式下售电公司收益的研究方法
Ali et al. A reinforcement learning approach to dairy farm battery management using Q learning
Ahmed et al. Stochastic adaptive-service level agreement-based energy management model for smart grid and prosumers
Alizadeh et al. Energy transactions among smart buildings based on social preferences
Oprea et al. A signaling game-optimization algorithm for residential energy communities implemented at the edge-computing side
CN111899124B (zh) 一种参与多市场的园区综合能源运营方法、系统和介质

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