CN112907274A - 一种基于Stackelberg双层博弈模型的园区综合能源交易价量确定方法 - Google Patents
一种基于Stackelberg双层博弈模型的园区综合能源交易价量确定方法 Download PDFInfo
- Publication number
- CN112907274A CN112907274A CN202110079603.5A CN202110079603A CN112907274A CN 112907274 A CN112907274 A CN 112907274A CN 202110079603 A CN202110079603 A CN 202110079603A CN 112907274 A CN112907274 A CN 112907274A
- Authority
- CN
- China
- Prior art keywords
- model
- energy
- game
- layer
- stackelberg
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- 230000008901 benefit Effects 0.000 claims abstract description 18
- 238000005457 optimization Methods 0.000 claims abstract description 18
- 238000005070 sampling Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 238000005265 energy consumption Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 8
- 238000004088 simulation Methods 0.000 claims description 4
- 230000006872 improvement Effects 0.000 claims description 2
- 230000005611 electricity Effects 0.000 abstract description 27
- 230000007547 defect Effects 0.000 abstract description 4
- 230000002146 bilateral effect Effects 0.000 abstract description 2
- 206010053219 non-alcoholic steatohepatitis Diseases 0.000 abstract description 2
- 239000007789 gas Substances 0.000 description 27
- 238000004146 energy storage Methods 0.000 description 8
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 239000003345 natural gas Substances 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000009194 climbing Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 239000002918 waste heat Substances 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005485 electric heating Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000005338 heat storage Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 235000003642 hunger Nutrition 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000638 solvent extraction 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
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- 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)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Technology Law (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于Stackelberg双层博弈模型的园区综合能源交易价量确定方法，针对园区能源交易中能源商和能源用户的定价和定量优化问题，创新性地提出一种基于动态Kriging元模型的Stackelberg主从博弈模型，利用元模型良好的近似特征和误差估计能力将传统上下层博弈模型得以简化。创新性地提出一种将拉丁超立方采样法、动态修正kriging模型结合NSGA2的优化算法以改善均衡算法流程计算繁复、缓慢的缺点，快速准确且保护用户信息隐私的情况下得出博弈模型中双方的NASH均衡解，可求解园区能源交易双边利益最大化情况下的电、气、热最优交易价格和最优负荷需求量。
Description
技术领域
本发明属于园区综合能源系统能源经济优化领域，针对园区内冷热电及气为基础的多能交易，提出一种基于Stackelberg双层博弈模型的园区综合能源交易价量确定方法。
背景技术
随着能源市场消费转型推进，在园区综合能源系统多能交易过程中，其能源商(Integrated Energy System operators,IESO)的价格策略与能源用户(Energy user,EU)的需求策略都备受关注，双边追求效益最优化已成为必然趋势。而经济学中的博弈论方法成为解决优化问题的重要手段。
Stackelberg博弈模型是一种主从复合的双层博弈模型，根据博弈双方分别居于领导和从属的博弈地位，建立上下层目标函数和约束条件，上层IESO以能源交易价格为决策变量，下层EU以用能需求为决策变量，上下层彼此交互、采用优化算法重复寻优，直至得唯一的NASH均衡解，即可得到IESO的价格策略和EU的需求策略。如文献《基于Stackelberg博弈模型的综合能源系统均衡交互策略》、《基于Stackelberg 博弈的微网价格型需求响应及供电定价优化》等大量价量研究均为采用遗传算法求解 Stackelberg博弈模型从而得到分布式能源站和用户之间的价量策略，但是，算法寻优速度慢，调用下层用户信息和数据次数高，导致收敛速度慢的同时，由于非合作博弈中，双方信息是不完全披露性，大量次数调取下层用户信息失去了对下层用户隐私的保护性。
为此，本发明的主要创新点将解决价量寻优过程中的多次调用和计算速度慢等不足，基于动态Kriging元模型改进Stackelberg价量博弈模型以及相应均衡算法。将博弈模型中的IESO和EU优化模型分别建立相应的动态Kriging元模型以改进，并将IESO和 EU的目标函数值分层，挑选出优化解概率大的区域，采用NSGA2优化算法寻得局部最优解，在局部最优解的基础上选出收敛最优解或是更新数据样本并修正Kriging元模型就迭代，可以在提升IESO和EU双方均衡策略解合理性的同时，保证计算速度和双方信息的隐私性。
发明内容
为实现上述目的，本发明采取以下技术方案：
1、建立园区综合能源系统多能交易模型。
即基于冷热电多联供的综合能源系统，各类能源生产设备和能量转换设备包括燃气轮机(gas turbine,GT)、余热锅炉(HRSG)、蒸汽轮机(steam turbine,ST)、电转气设备(P2G,Power to Gas)、燃气锅炉(gas boiler,GB)、吸收式制冷机(absorption chiller,AC)、电制冷机(Electric Refrigerator,EC)以及蓄电池(Storage battery,BT)等。
2、建立园区能源系统交易双层Stackelberg博弈模型。
包含上层能源商IESO目标函数和约束条件，其中目标函数为各类能源效益减去成本函数，以实现自身效益最大化为目标；约束条件包括电气热多能流耦合系统功率平衡约束，外部网络约束以及电转气、储电/热和燃气轮机等源储约束等。下层能源用户EU目标函数为EU使用电气热各类能源所得到的满意度之和减去用能成本函数，以提升用能满意度；约束条件为电气热各类负荷需求上下限。
3、建立动态Kriging元模型改进的价量双层Stackelberg博弈模型。以及相应求解流程。由于传统双层Stackelberg博弈模型优化算法针对下层EU面临计算繁复的问题，创新性地提出一种基于元模型的求解算法，采用计算量小的元模型拟合并代替下层用户能量管理模型。包含基于元模型的价量博弈模型，构建EU初始元模型，修正元模型。
4、基于Kriging动态元模型改进博弈均衡算法求解流程。
提出一种利用拉丁超立方体抽样Latin hypercube sampling(LHS)将上层IESO策略空间分层以及结合动态Kriging元模型修正样本点两个方便改善均衡算法，能快速且有效地得到价量均衡解。
5、算例仿真。
包括四个步骤，S1：IESO发布初始决策价格,计算自身计算效益目标函数(式1/2)；S2：EU进行需求响应，计算满意度目标函数；S3：IESO修正价格、用户侧修正需求；反复迭代直至收敛，达到Stackelberg博弈均衡；S4：决策输出优化后IESO决策价格和EU最优需求响应。
6、验证算法有效性。
分析比较了IESO与EU博弈前后各自效益，包含博弈前后能源场景下，IESO侧能源商总供电量，购电成本，售电利润，总效益；以及EU侧博弈前后能源场景下用能成本。
本发明主要针对园区内能源交易价量确定方法进行研究。针对园区综合能源系统IESO和EU交易双方基于电气热多能交易的效益协同优化问题，建立了一种能同时优化双方效益的Stackelberg双层价量博弈模型，能够解决IESO和EU之间的交易价量确定，是本发明创新点之一。提出采用具有良好的近似能力和误差估计能力的Kriging 元模型来近似简化具有非线性特征的非合作博弈模型，将价量博弈模型得以转换，更能直观的反映出能源交易价量之间的关系，是本发明创新点之。同时提出一种利用拉丁超立方体抽样Latinhypercube sampling(LHS)将上层IESO策略空间分层以及结合动态Kriging元模型修正样本点两个方法改善均衡算法，能快速且有效地得到价量均衡解，也是本发明的创新点之一。最后通过算例验证了模型和算法的有效性。
附图说明
图1是园区综合能源系统结构图；
图2是基于Kriging元模型的均衡算法流程图；
图3是IESO初始电价与博弈后电价；
图4是初始EU负荷曲线；
图5是博弈后EU负荷曲线；
具体实施方式
以下结合附图描述根据本发明实施例的一种基于Stackelberg双层博弈模型的园区综合能源交易价量确定方法。包括以下步骤：
1、建立园区综合能源系统多能交易模型。
建立基于冷热电多联供的综合能源系统，主要供能设备由电锅炉、气锅炉、燃机、P2G设备以及各类储能装置组成，结构如附图1所示。
综合能源系统能源商(Integrated Energy System operators,IESO)向外网购买天然气和电能，使用各种能源生产设备和能量转换设备向用户(Energy user,EU)提供电、热、气能，供能设备主要包括燃气轮机(gas turbine,GT)、余热锅炉(HRSG)、蒸汽轮机(steam turbine,ST)、电转气设备(P2G,Power to Gas)、燃气锅炉(gas boiler,GB)、吸收式制冷机(absorption chiller,AC)、电制冷机(Electric Refrigerator,EC)以及蓄电池(Storage battery,BT)等。
2、建立园区能源系统交易双层Stackelberg博弈模型。
建立的IESO和多EU的主从博弈模型共分为三个部分：参与者，策略和效用函数。
1)上层Stackelberg博弈模型
定义IESO效用函数为电气热售能收益减去购能成本，IESO以最大化收益为目标函数，如下：
式中：UIESO为能源商收益目标；
分别表示能源商在t时刻向第N 个用户销售的电、气和热负荷量；
分别表示t时刻电、气、热销售价格； Ck,t表示t时刻能源商侧采购天然气和电能成本函数，
向t时刻外网采购的的电、气能价格，
为t时刻能源商从外网系统购入的电、气量。
IESO侧需满足的功率平衡约束以及元件约束如下：
(1)多能流功率平衡约束
Q＝T(Pin+Pp2g)+S (3)
式中：Q和S分别为负荷功率和储能功率矩阵；Pin、T、S和Pp2g为综合能源系统中能量输入、转化、存储和电转气过程。
(2)外部网络约束
由于综合能源系统需要向外部网络购买电量和天燃气，同时将多余的能源输送上网，因此外网与能源耦合系统传送功率存在上下限约束：
(3)电转气(P2G)模型
式中：PP2G为P2G设备的输入功率；ηP2G为P2G设备的效率；
为P2G设备输出的天然气的能量；
为P2G设备的额定功率。
(4)燃气轮机(GT)模型
式中：
表示为GT输入功率、额定功率；ΔPMT表示为GT输入功率变化量；
分别为GT爬坡率的下限和上限。
(5)储能电池模型
qt＝qt-Δt+(Ic,t-Δtu-Idis,t-Δt(1-u))Δt (13)
SOC＝q/qmax (14)
SOCmin≤SOC≤SOCmax (15)
式中：qt表示t时刻下储能电池荷电量；以变量u(0-1)表示储能电池充放电状态变化；Δt为充放步长；以SOC代表荷电状态；
分别为充放电电流下限。
(6)储热/气设备
W1＝W0+(Qcηc-Qd/ηd)Δt (18)
Wmin≤W≤Wmax (19)
0≤Qc≤Qcmax (20)
0≤Qd≤Qdmax (21)
式中：W0、W1分别为蓄/放能前后设备所存储的能量；Qc、Qd分别为存储和释放的能量；ηc、ηd分别为蓄、放能的效率系数。储能设备稳定运行条件下，存在以下上下限约束：
(7)气/电热锅炉
0≤Pin≤Prated (22)
ΔPmin≤ΔP≤ΔPmax (23)
式中：Prated为设备的额定功率；ΔP为设备输入功率变化量；ΔPmax、ΔPmin分别为爬坡率的上限和下限。
以上式(1-23)构成IESO的策略空间，令为
2)下层Stackelberg博弈模型
定义EU侧效用函数为用户消费能源后所得到的用能满意度，定义总效用为其消费电、气、热各类能源所得到的满意程度的和：
式中：
分别为第n个EU对电、气、热消费偏好常系数；
分别为第n个EU对电、气、热需求量。
园区下层用户根据上层能源商发布的能源价格进而决策出电/气/热能需求量，调整其能耗行为，改变能源负荷曲线。以实现用能满意度最大化和用能成本最小化为目标，即两者之差最大化求解出
用户侧最优需求响应，目标函数表述为下：
考虑园区能源系统生产设备和能量转换设备出力情况，实时电气热负荷需求约束如下：
以上式(26)构成IESO的策略空间，另为
3、建立基于Kriging元模型改进的园区能源系统交易双层Stackelberg博弈模型。
1)IESO和多个EU的价量博弈模型
式中
IESO和EU分别以最大化售能收益和最大化用能满意度为目标制定策略，IESO的收益和购能、售能价格及各EU的用能需求量有关，以上公式为电能交易模型，气，热等能源同理可建立响应模型。以上电气热交易的IESO与多EU的主从博弈模型中可看出，体现了领导者与从属者之间的利益博弈。
2)基于Kriging元模型近似简化价量博弈模型
采用计算量小的Kriging元模型拟合替代各EU能源需求，可以用近似替代复杂的仿真模型，其非线性模型具有良好的误差估计能力，能近似且快速的简化能源交易价格和交易量之间的关系。以一天实时24小时IESO的购售能价
为初始输入，相应24小时各EU负荷需求量
为输出，则：
博弈模型进而简化为：
4、基于动态Kriging元模型的价量博弈均衡算法
在将价量博弈模型以元模型近似替代后，如果初始的元模型拟合精度低，样本数据不足等缺陷将影响优化饥饿的合理性，因此在快速求解的基础上应该解决初始元模型拟合精度差的缺点，本发明提出一种动态Kriging元模型结合价量博弈模型，首先基于适量的样本数据建立初始Kriging元模型，根据每个样本点的上层IESO效益函数值将策略空间分层成多个局部空间，在每个局部策略空间利用NSGA2算法和Kriging 元模型对上层IESO模型快速寻优，利用寻优的解调用下层EU模型，计算需求负荷量以及上层IESO的效益函数，将值更新到初始样本，动态修正Kriging元模型，直至寻到最优解。由于采用寻优的解才调用下层EU模型计算，因此只需适量的样本而能保证寻优解的合理。
1)构建每个EU的Kriging元模型
给出初始IESO购能、售能价格，代入下层模型，计算得到各EU初始电气热交易价格和交易量，得到初始样本
即为各EU初始Kriging模型。
2)修正Kriging模型
(1)关键区域划分
将初始样本Bn代入上层效益函数式(1)，计算能源电气热交易价格，根据式(1) 将IESO策略空间划分为多个关键区域，划分出优异解多的区域。
(2)生成优异采样点
拉丁超立方体抽样Latin hypercube sampling(LHS)，拉丁超立方体抽样是抽样技术的最新进展，和蒙特卡罗方法相比，它被设计成通过较少迭代次数的抽样，准确地重建输入分布。拉丁超立方体抽样的关键是对输入概率分布进行分层。分层在累积概率尺度(0-1)上把累积曲线分成相等的区间。然后，从输入分布的每个区间或“分层”中随机抽取样本。抽样被强制代表每个区间的值。本发明采用LHS抽样法生成初始采样数据集Bn。
在优异解多的区域采用NSGA2优化算法对基于元模型改进的博弈模型式(29-30)计算寻优，Kriging元模型可以利用自身的近似能力快速求出能源交易价格和交易量，继而对下层模型快速调用，求解得出合理的交易价格和交易量，更新至样本中，即为动态修正Kriging元模型。动态Kriging元模型的综合能源交易价量博弈均衡算法流程图见附图2。
5、算例验证
采用电能交易为例，附图3、4、5验证了基于Kriging动态元模型的综合能源交易价量博弈模型的寻优有效性。
其中图3为IESO发布的初始电价
和博弈后输出的电价
为IESO初始电价策略，
为博弈达到均衡后产生的优化电价策略,假定热价与气价是一定的，因此IESO能源价格策略优化着重体现在博弈前后电价的区别上，可看到博弈在用电高峰时段(9:00-18:00)稳定优化了电价。
图4、图5为博弈完成前后用户侧输出的电需求
和
为EU侧初始需求响应的电负荷，
为博弈达到均衡后输出的优化需求响应电负荷，负荷分为可转移与不可转移负荷，在博弈过程中，EU侧不断通过可转移负荷进行需求修正。对比图4、图5曲线走向表明，在园区用电峰时段(9:00-18:00)，EU侧的高峰期电负荷被明显削弱，负荷转移至用电低谷时段(0:00-8:00；19:00-24：00)，图形表明，在用电峰时段明显减小了园区供电压力。
表6能源商在博弈前后电价下日运行收益对比
Table 6 Comparison of daily operating income of energy suppliersunder electricity price before and after the game
表7用户在博弈前后电价下效用对比
Table7 Comparison of users'utility under electricity price before andafter game
表6中数据显示，在参与完整价量博弈之后的电价场景
下，园区能源商总供电量较未参与双层博弈的电价场景
下增加1.061MW，博弈前后，IESO从外网购电总量减少5.1044MW，相应购电成本减少2807.42元，售电利润博弈后较博弈前下降 432.3元，如表7数据显示，相应EU用电成本下降432.3元，显示EU用能满意度提升，同时IESO总效益为售电收益减购电成本，数据显示博弈后IESO总效益较博弈前增加2375.12元，以上数据显示基于Kriging元模型的能源交易价量博弈模型实现了电气热等综合能源交易价量的优化确定。
Claims (5)
1.一种基于Stackelberg双层博弈模型的园区综合能源交易价量确定方法，其特征在于：
(1)建立园区综合能源系统多能交易模型；
(2)建立园区能源系统交易双层Stackelberg博弈模型；
(3)建立基于动态Kriging元模型改进的价量双层Stackelberg博弈模型；
(4)基于Kriging动态元模型改进博弈均衡算法求解流程；
(5)算例仿真；
(6)验证算法有效性。
2.根据权利要求1所述的一种基于Stackelberg双层博弈模型的园区综合能源交易价量确定方法，其特征在于，所述步骤2)中建立上下层Stackelberg博弈模型，上层中能源商IESO效用函数
为电气热售能收益减去购能成本，以最大化收益为目标，即策略空间
为功率平衡约束、元件约束以及下层EU用能需求响应约束构成；下层中用户EU效用函数
为消费各类能源满意度之和减去用能成本，以实现用能满意度最大化和用能成本最小化为目标，策略空间
为负荷需求约束构成。
3.根据权利要求1所述的一种基于Stackelberg双层博弈模型的园区综合能源交易价量确定方法，其特征在于，所述步骤3)中建立基于动态Kriging元模型改进的价量双层Stackelberg博弈模型，采用计算量小的Kriging元模型拟合替代N个用户EU能源需求，可以用近似模型
和
替代权利要求1中步骤2的复杂仿真模型，其非线性模型具有良好的误差估计能力，能近似且快速的简化能源交易价格和交易量之间的关系。
4.根据权利要求1所述的一种基于Stackelberg双层博弈模型的园区综合能源交易价量确定方法，其特征在于，所述步骤4)中基于Kriging动态元模型改进博弈均衡算法求解流程，包括构建每个EU的Kriging元模型、修正Kriging元模型，采用LHS抽样法生成初始下层采样数据集
然后输入至元模型，计算上层ISEO效用函数UIESO，且按目标函数值大小划分层次，在局部区域采用NSGA2优化算法寻优，得到优异采样点，得到最优解或是更新样本数据。
5.根据权利要求1所述的一种基于Stackelberg双层博弈模型的园区综合能源交易价量确定方法，其特征在于，所述步骤6)中验证算法的有效性，对本发明提出Stackelberg双层博弈模型验证了其能源交易价量优化确定的有效性，分析了博弈前后能源商IESO和用户侧EU的初始价格决策
初始需求决策
和博弈后的价格决策
需求决策
数据对比了博弈前后价格下能源商日运行收益对比以及用户用能满意度、用能成本对比，数据显示决策合理、有效，而且计算效率大大提高。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110079603.5A CN112907274A (zh) | 2021-01-21 | 2021-01-21 | 一种基于Stackelberg双层博弈模型的园区综合能源交易价量确定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110079603.5A CN112907274A (zh) | 2021-01-21 | 2021-01-21 | 一种基于Stackelberg双层博弈模型的园区综合能源交易价量确定方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112907274A true CN112907274A (zh) | 2021-06-04 |
Family
ID=76117726
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110079603.5A Pending CN112907274A (zh) | 2021-01-21 | 2021-01-21 | 一种基于Stackelberg双层博弈模型的园区综合能源交易价量确定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112907274A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113592648A (zh) * | 2021-07-21 | 2021-11-02 | 山东大学 | 一种综合能源系统的多主体交易方法及系统 |
| CN114038198A (zh) * | 2021-11-26 | 2022-02-11 | 北京航空航天大学 | 一种考虑用户疏散行为的交通风险防控决策方法及系统 |
| CN114919578A (zh) * | 2022-07-20 | 2022-08-19 | 北京理工大学前沿技术研究院 | 智能车行为决策方法、规划方法、系统及存储介质 |
-
2021
- 2021-01-21 CN CN202110079603.5A patent/CN112907274A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113592648A (zh) * | 2021-07-21 | 2021-11-02 | 山东大学 | 一种综合能源系统的多主体交易方法及系统 |
| CN113592648B (zh) * | 2021-07-21 | 2023-08-22 | 山东大学 | 一种综合能源系统的多主体交易方法及系统 |
| CN114038198A (zh) * | 2021-11-26 | 2022-02-11 | 北京航空航天大学 | 一种考虑用户疏散行为的交通风险防控决策方法及系统 |
| CN114919578A (zh) * | 2022-07-20 | 2022-08-19 | 北京理工大学前沿技术研究院 | 智能车行为决策方法、规划方法、系统及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Luo et al. | Energy scheduling for a three-level integrated energy system based on energy hub models: A hierarchical Stackelberg game approach | |
| Li et al. | Trading strategy and benefit optimization of load aggregators in integrated energy systems considering integrated demand response: A hierarchical Stackelberg game | |
| CN112907274A (zh) | 一种基于Stackelberg双层博弈模型的园区综合能源交易价量确定方法 | |
| Gu et al. | Bi-level optimal low-carbon economic dispatch for an industrial park with consideration of multi-energy price incentives | |
| Wang et al. | Game theory-based multi-agent capacity optimization for integrated energy systems with compressed air energy storage | |
| CN110443398B (zh) | 一种基于重复博弈模型的区域综合能源系统优化运行方法 | |
| Wang et al. | Non-cooperative game-based multilateral contract transactions in power-heating integrated systems | |
| Zhang et al. | Optimal bidding strategy and profit allocation method for shared energy storage-assisted VPP in joint energy and regulation markets | |
| Tan et al. | Three-level market optimization model of virtual power plant with carbon capture equipment considering copula–CVaR theory | |
| Wang et al. | Distributed coordinative transaction of a community integrated energy system based on a tri-level game model | |
| CN113592648B (zh) | 一种综合能源系统的多主体交易方法及系统 | |
| CN110489915B (zh) | 计及综合需求响应的电热联合调度方法及系统 | |
| CN115204562B (zh) | 一种计及多能共享的互联微能源网分布式协同优化调度方法和系统 | |
| CN114662752A (zh) | 基于价格型需求响应模型的综合能源系统运行优化方法 | |
| CN112016825A (zh) | 一种区域综合能源系统的集中式交易优化决策方法 | |
| Tightiz et al. | A robust energy management system for Korean green islands project | |
| Li et al. | Research on optimal self‐scheduling horizon for the wind power and large‐scale CAES combined system | |
| Pan et al. | Multi-level games optimal scheduling strategy of multiple virtual power plants considering carbon emission flow and carbon trade | |
| Ju et al. | Three‐level energy flexible management strategy for micro energy grids considering multiple uncertainties at different time scales | |
| Chen et al. | Asymmetric Nash bargaining-based cooperative energy trading of multi-park integrated energy system under carbon trading mechanism | |
| Wang et al. | Risk-averse stochastic capacity planning and P2P trading collaborative optimization for multi-energy microgrids considering carbon emission limitations: An asymmetric Nash bargaining approach | |
| CN117217496A (zh) | 计及主从博弈的区域综合能源系统控制方法及装置 | |
| CN116070754A (zh) | 考虑能量共享的多主体综合能源系统优化运行方法及系统 | |
| CN115758763A (zh) | 一种计及源荷不确定性的多能流系统优化配置方法及系统 | |
| Liu et al. | Optimal selection of energy storage nodes based on improved cumulative prospect theory in China |
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 |