CN113240210A - 一种基于多主体主从博弈的负荷聚合商经济优化方法 - Google Patents
一种基于多主体主从博弈的负荷聚合商经济优化方法 Download PDFInfo
- Publication number
- CN113240210A CN113240210A CN202110734548.9A CN202110734548A CN113240210A CN 113240210 A CN113240210 A CN 113240210A CN 202110734548 A CN202110734548 A CN 202110734548A CN 113240210 A CN113240210 A CN 113240210A
- Authority
- CN
- China
- Prior art keywords
- game
- electric automobile
- satisfaction
- load aggregator
- air conditioner
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000005457 optimization Methods 0.000 title claims abstract description 35
- 230000006870 function Effects 0.000 claims abstract description 14
- 230000009191 jumping Effects 0.000 claims abstract description 8
- 239000002245 particle Substances 0.000 claims abstract description 7
- 230000004044 response Effects 0.000 claims description 15
- 239000000126 substance Substances 0.000 claims description 14
- 238000004146 energy storage Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000004378 air conditioning Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000037323 metabolic rate Effects 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 2
- 239000002994 raw material Substances 0.000 claims description 2
- 230000005611 electricity Effects 0.000 description 27
- 230000002776 aggregation Effects 0.000 description 7
- 238000004220 aggregation Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于多主体主从博弈的负荷聚合商经济优化方法,包括,采集系统电气数据;初始化种群,设置所述种群的初始速度;基于负荷聚合商初始策略,电动汽车、空调以及分布式电源运营商分别依据自身效用函数,做出决策并传递给负荷聚合商;所述负荷聚合商收到跟随者策略后做出决策,并传递给所述跟随者;依据判据,判断博弈模型是否收敛,若收敛,则跳出循环,输出模型结果;否则更新粒子位置,直至满足收敛判据,跳出循环,输出结果。本发明解决各主体利益诉求不同和新能源利用率低的问题。
Description
技术领域
本发明涉及负荷聚合商经济优化的技术领域,尤其涉及一种基于多主体主从博弈的负荷聚合商经济优化方法。
背景技术
随着我国社会经济的快速发展,能源供给侧和需求侧均出现重大变化。在供给侧,为了缓解化石能源危机与日益严重的环境问题,以风电、光伏为主的分布式电源大量接入电网。分布式电源出力具有间歇性、波动性,发电时间与负荷用电时间难以匹配,给电网运行带来难题;在需求侧,电动汽车与空调负荷将成为城市电网负荷的重要组成部分2020年底,全国电动汽车销售量为124.6万辆,同步增长14.6%;空调负荷在夏冬两季已占城市电网尖峰负荷的30%~40%。电动汽车和空调的增加必将对电网的运行带来挑战。因此,如何有效整合供需两侧资源,参与系统优化运行具有重要的意义。
电动汽车与空调参与需求响应,是实现系统优化运行、促进分布式电源消纳的有效途径。目前,已有发明对空调、电动汽车参与需求响应展开研究。但多以系统经济性或新能源消纳能力为优化目标,没有考虑电动汽车与空调自身运行成本对系统优化运行以及新能源利用率的影响,也未考虑在电力市场环境下,对具有不同利益诉求的主体进行优化。在国家制定的《清洁能源消纳计划》中明确要求,推进辅助服务市场建设,培养负荷聚合商、柔性负荷等新兴市场主体。近年来,关于负荷聚合商进入电力市场正在有序推进:山东、山西等省份负荷聚合商已参与市场运行。所以对负荷聚合商与柔性负荷开展经济优化研究具有重要意义。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题,提出了本发明。
因此,本发明解决的技术问题是:现有的各主体利益诉求不同和新能源利用率低的问题。
为解决上述技术问题,本发明提供如下技术方案:包括,采集系统电气数据;初始化种群,设置所述种群的初始速度;基于负荷聚合商初始策略,电动汽车、空调以及分布式电源运营商分别依据自身效用函数,做出决策并传递给负荷聚合商;所述负荷聚合商收到跟随者策略后做出决策,并传递给所述跟随者;依据判据,判断博弈模型是否收敛,若收敛,则跳出循环,输出模型结果;否则更新粒子位置,直至满足收敛判据,跳出循环,输出结果。
作为本发明所述的基于多主体主从博弈的负荷聚合商经济优化方法的一种优选方案,其中:所述电气数据包括,对系统内的风机、光伏日出力曲线、刚性负荷曲线、电动汽车运行参数、空调运行参数和储能系统运行参数。
作为本发明所述的基于多主体主从博弈的负荷聚合商经济优化方法的一种优选方案,其中:建立电动汽车满意度模型,包括,采用电动汽车满意度λEV描述电动汽车参与需求响应的满意程度,将λEV分为出行满意度λEV,1和支出满意度λEV,2;电动汽车k的出行满意度λEV,1如下,
作为本发明所述的基于多主体主从博弈的负荷聚合商经济优化方法的一种优选方案,其中:电动汽车k的支出满意度包括,
作为本发明所述的基于多主体主从博弈的负荷聚合商经济优化方法的一种优选方案,其中:电动汽车满意度包括,
其中,电动汽车出行满意度与支出满意度数值越大,电动汽车用户对行驶里程、支出水平越满意。
作为本发明所述的基于多主体主从博弈的负荷聚合商经济优化方法的一种优选方案,其中:建立空调满意度模型,包括,采用空调满意度λAC描述空调用户参与需求响应的满意程度,将空调满意度λAC分为温度满意度λAC,1和支出满意度λAC,2;引入描述人体与温度关系的人体舒适度评价指标衡量空调用户对室内温度的满意程度;人体舒适度评价指标计算公式如下,
其中,Ts表示室内温度;Ta表示皮肤温度;Mo表示人体代谢率;Icl表示服装热阻。
作为本发明所述的基于多主体主从博弈的负荷聚合商经济优化方法的一种优选方案,其中:求解多主体主从博弈模型,包括,负荷聚合商作为博弈中的领导者,先进行决策并向跟随者传递策略;电动汽车、空调与分布式电源运营商作为跟随者,依据领导者的策略做出决策,传递给领导者,直至纳什均衡;主从博弈如下,
其中,LA∪EV∪AC∪DGO为所有博弈参与者;SLA、SEV、SAC和SDGO为不同博弈参与者策略集;PLA、CEV、CAC和PDGO为各主体的效用函数。
作为本发明所述的基于多主体主从博弈的负荷聚合商经济优化方法的一种优选方案,其中:还包括,在博弈中,LA与DGO以最大化效用函数为目标;EV与AC以最小化效用函数为目标,博弈参与者将调整自身策略直至实现目标;当使用博弈参与者当LA∪EV∪AC∪DGO达到纳什均衡时,各主体不再改变策略;实现纳什均衡时,则
其中,*表示纳什均衡解,全部策略均满足前文所述约束条件。
本发明的有益效果:在本博弈模型中,负荷聚合商作为博弈中的领导者,先进行决策并向跟随者传递策略;电动汽车、空调与分布式电源运营商作为跟随者,依据领导者的策略做出决策,传递给领导者,直至纳什均衡,解决各主体利益诉求不同和新能源利用率低的问题。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明一个实施例所述的基于多主体主从博弈的负荷聚合商经济优化方法的流程示意图;
图2为本发明一个实施例所述的基于多主体主从博弈的负荷聚合商经济优化方法的负荷聚合商参与优化运行的系统结构示意图;
图3为本发明一个实施例所述的基于多主体主从博弈的负荷聚合商经济优化方法的主从博弈结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通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,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1,为本发明的第一个实施例,提供了一种基于多主体主从博弈的负荷聚合商经济优化方法,其特征在于:包括,
S1:采集系统电气数据。
S2:初始化种群,设置种群的初始速度。
S3:基于负荷聚合商初始策略,电动汽车、空调以及分布式电源运营商分别依据自身效用函数,做出决策并传递给负荷聚合商。
S4:负荷聚合商收到跟随者策略后做出决策,并传递给跟随者。
S5:依据判据,判断博弈模型是否收敛,若收敛,则跳出循环,输出模型结果。
S6:否则更新粒子位置,直至满足收敛判据,跳出循环,输出结果。
具体的,电气数据包括:
对系统内的风机、光伏日出力曲线、刚性负荷曲线、电动汽车运行参数、空调运行参数和储能系统运行参数。
进一步的,建立电动汽车满意度模型,包括:
采用电动汽车满意度λEV描述电动汽车参与需求响应的满意程度,将λEV分为出行满意度λEV,1和支出满意度λEV,2;
电动汽车k的出行满意度λEV,1如下,
电动汽车k的支出满意度包括,
电动汽车满意度包括,
其中,电动汽车出行满意度与支出满意度数值越大,电动汽车用户对行驶里程、支出水平越满意。
建立空调满意度模型,包括:
采用空调满意度λAC描述空调用户参与需求响应的满意程度,将空调满意度λAC分为温度满意度λAC,1和支出满意度λAC,2;
引入描述人体与温度关系的人体舒适度评价指标衡量空调用户对室内温度的满意程度;
人体舒适度评价指标计算公式如下,
其中,Ts表示室内温度;Ta表示皮肤温度;Mo表示人体代谢率;Icl表示服装热阻。
求解多主体主从博弈模型,包括,
负荷聚合商作为博弈中的领导者,先进行决策并向跟随者传递策略;
电动汽车、空调与分布式电源运营商作为跟随者,依据领导者的策略做出决策,传递给领导者,直至纳什均衡;
主从博弈如下,
其中,LA∪EV∪AC∪DGO为所有博弈参与者;SLA、SEV、SAC和SDGO为不同博弈参与者策略集;PLA、CEV、CAC和PDGO为各主体的效用函数;
在博弈中,LA与DGO以最大化效用函数为目标;
EV与AC以最小化效用函数为目标,博弈参与者将调整自身策略直至实现目标;
当使用博弈参与者当LA∪EV∪AC∪DGO达到纳什均衡时,各主体不再改变策略;
实现纳什均衡时,则
其中,*表示纳什均衡解,全部策略均满足前文约束条件。
优选地,本实施例还需要说明的是,人体舒适度评价指标的值IPMV与人体感受的关系如表1所示,标准ISO7730指出IPMV在±0.5内,人体无法察觉温度改变,《GB 50019-2016采暖通风与空气调节设计规范》规定IPMV属于±1范围内,满足夏季人体舒适度需求。
表1:人体舒适度评价指标的值IPMV与人体感受的关系。
参照表1,利用下式计算分别计算出IPMV为0.5、-0.5、1、-1时对应的室内温度边界:θH,f、θL,f、θH,s、和θL,s。
综上所述,空调用户i的温度满意度可以表示为:
空调用户i的支出满意度为参与电价型需求响应前后用电成本的变化情况如下所示:
综上,空调满意度λAC如下式所示:
空调温度满意度与支出满意度数值越大,表示空调用户对室内温度、支出水平越满意。
对负荷聚合商效用建模,具体包括:
maxPLA=ILA-CLA
ILA=CAC+CEV,C+CLoad+CEV,P
CLA=IDGO,1+CG+CEV,D
其中,PLA表示负荷聚合商的净收益;ILA和CLA分别表示负荷聚合商的售电收益与购电成本;CAC表示空调购电成本;CEV,C表示电动汽车购电成本;CLoad表示刚性负荷购电成本;CEV,P表示电动汽车惩罚成本;IDGO,1表示负荷聚合商从分布式电源运营商购电成本;CG表示从电网购电成本;CEV,D表示电动汽车售电收益。
刚性负荷不参与需求响应,以固定分时电价购电,成本为:
新发布的售电电价会导致电动汽车集中在低电价时段接入充电,在完全消纳该时段新能源后迫使负荷聚合商额外从电网购电,增加负荷聚合商运行成本,因此,负荷聚合商判断同等电价的其余时段新能源是否存在盈余,若存在,将在售电电价之外增加惩罚电价,引导电动汽车在其余时段充电,避免增加负荷聚合商购电成本;若不存在,则不发布惩罚电价,允许电动汽车在该时段充电。
电动汽车惩罚成本为:
Pt EV,C*=Pt PV+Pt WT+Pt ESS+Pt EV,D-Pt base-Pt AC
从电网购电成本为:
对柔性负荷效用建模:柔性负荷包括空调和电动汽车,其参与电价型需求响应的目的是实现各自用电成本最低。
min CEV=CEV,C+CEV,P+CEV,L-CEV,D+CEV,B
CEV,B=CEV,f+CEV,d
其中,表示负荷聚合商对柔性负荷售电电价;CEV,L表示电动汽车的电能损耗成本;表示电动汽车放电的售电电价;CEV,B表示电动汽车的动力电池成本;对于参与V2G的电动汽车而言,在成本计算时,还需要考虑因为放电导致的动力电池功率波动成本CEV,f表示充放电状态改变产生的动力电池寿命成本;CEV,d表示动力电池放电成本。
对分布式电源运营商效用建模:分布式电源运营商为提高经济收入,降低分布式电源运营商的运行成本,自身储能系统不从常规电网购电,在负荷聚合商无法进一步消纳分布式电源出力时,储能系统开始充电,消纳剩余分布式电源出力,并且储能系统可参与电价型需求响应,在电价较高时段放电,以实现分布式电源运营商收益最大化。
对分布式电源运营商建立如下模型:
maxPDGO=IDGO1+IDGO2-MDGO-CESS
其中,PDGO、IDGO,2、MDGO以及CESS分别表示分布式电源运营商的净收益、向电网售电收益、运维成本以及储能系统寿命成本;和分别表示风电光伏出力,上标1、2分别表示向负荷聚合商或电网售电;和分别表示向负荷聚合商售电和向电网售电电价;表示储能系统t时段放电量;KWT、KPV和KESS分别为风机、光伏和储能系统的单位电量运行维护成本系数;表示储能系统运行功率。
约束条件建立:电功率平衡约束:
Pt AC+Pt EV,C+Pt base=Pt G+Pt PV,1+Pt WT,1+Pt ESS+Pt EV,D
负荷聚合商购电约束:
负荷聚合商售电电价约束:
风机与光伏:
Pt PV,1+Pt PV,2≤Pt PV
Pt WT,1+Pt WT,2≤Pt WT
私家电动汽车运行时约束条件如下:
其中,和分别表示第k辆电动汽车的接入与驶离电网的时间;表示第k辆电动汽车接入电网初始SOC;wk表示第k辆电动汽车的日行驶里程;e表示电动汽车行驶百公里耗电量;B表示电动汽车电池容量;为保障电动汽车电池寿命,避免过充、过放,限制SOC在20%-90%范围内变化;保障电动汽车顺利出行,其驶离时荷电状态大于日行驶里程所需荷电状态与电池基本荷电状态之和。
实施例2
参照图2和图3,为本发明的第二个实施例,该实施例不同于第一个实施例的是,包括:
为了避免粒子群算法陷入局部最优解,本实施例采用改进粒子群算法进行求解。
通过调整惯性因子,实现权重线性递减,较大的权重惯性有利于全局搜索,较小的权重有利于局部搜索,提高粒子群算法的寻优能力。
惯性因子的权重线性递减方法如下:
其中,δmax=0.9,δmin=0.4,jmax代表博弈模型最大迭代次数。
模型收敛判据如下:
参照图2为本发明方法的负荷聚合商参与优化运行的系统结构图,负荷聚合商是需求响应资源的整合者,可将小型的、分散的需求响应资源整合后,参与系统运营,发明研究包含负荷聚合商、电动汽车、空调与分布式电源运营商的多主体优化运行;负荷聚合商负责向区内柔性负荷与刚性负荷供电,赚取收益;电动汽车、空调经负荷聚合商聚合后可参与电价型需求响应;刚性负荷不改变用电方式,不参与需求响应;分布式电源运营商拥有:风机、光伏、储能系统。
为保证经济效益,分布式电源运营商优先考虑向负荷聚合商售电和自建储能系统充电,再将剩余新能源出力向电网销售。
参照图3,为本发明主从博弈结构图,在本博弈模型中,负荷聚合商作为博弈中的领导者,先进行决策并向跟随者传递策略;电动汽车、空调与分布式电源运营商作为跟随者,依据领导者的策略做出决策,传递给领导者,直至纳什均衡。
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限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种基于多主体主从博弈的负荷聚合商经济优化方法,其特征在于:包括,
采集系统电气数据;
初始化种群,设置所述种群的初始速度;
基于负荷聚合商初始策略,电动汽车、空调以及分布式电源运营商分别依据自身效用函数,做出决策并传递给负荷聚合商;
所述负荷聚合商收到跟随者策略后做出决策,并传递给所述跟随者;
依据判据,判断博弈模型是否收敛,若收敛,则跳出循环,输出模型结果;
否则更新粒子位置,直至满足收敛判据,跳出循环,输出结果。
2.根据权利要求1所述的基于多主体主从博弈的负荷聚合商经济优化方法,其特征在于:所述电气数据包括,对系统内的风机、光伏日出力曲线、刚性负荷曲线、电动汽车运行参数、空调运行参数和储能系统运行参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110734548.9A CN113240210B (zh) | 2021-06-30 | 2021-06-30 | 一种基于多主体主从博弈的负荷聚合商经济优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110734548.9A CN113240210B (zh) | 2021-06-30 | 2021-06-30 | 一种基于多主体主从博弈的负荷聚合商经济优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113240210A true CN113240210A (zh) | 2021-08-10 |
CN113240210B CN113240210B (zh) | 2023-11-07 |
Family
ID=77141125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110734548.9A Active CN113240210B (zh) | 2021-06-30 | 2021-06-30 | 一种基于多主体主从博弈的负荷聚合商经济优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113240210B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113626015A (zh) * | 2021-08-24 | 2021-11-09 | 贵州电子科技职业学院 | 一种适用于i语言的高性能运行优化方法 |
CN113783187A (zh) * | 2021-08-30 | 2021-12-10 | 杭州电子科技大学 | 一种基于主从博弈的配电网电压控制方法 |
CN115526684A (zh) * | 2022-09-21 | 2022-12-27 | 三峡大学 | 基于双层主从博弈的综合能源系统多主体低碳经济运行方法 |
-
2021
- 2021-06-30 CN CN202110734548.9A patent/CN113240210B/zh active Active
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113626015A (zh) * | 2021-08-24 | 2021-11-09 | 贵州电子科技职业学院 | 一种适用于i语言的高性能运行优化方法 |
CN113626015B (zh) * | 2021-08-24 | 2024-04-26 | 贵州电子科技职业学院 | 一种适用于i语言的高性能运行优化方法 |
CN113783187A (zh) * | 2021-08-30 | 2021-12-10 | 杭州电子科技大学 | 一种基于主从博弈的配电网电压控制方法 |
CN113783187B (zh) * | 2021-08-30 | 2023-10-27 | 杭州电子科技大学 | 一种基于主从博弈的配电网电压控制方法 |
CN115526684A (zh) * | 2022-09-21 | 2022-12-27 | 三峡大学 | 基于双层主从博弈的综合能源系统多主体低碳经济运行方法 |
CN115526684B (zh) * | 2022-09-21 | 2023-05-02 | 三峡大学 | 基于双层主从博弈的综合能源系统多主体低碳运行方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113240210B (zh) | 2023-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113240210A (zh) | 一种基于多主体主从博弈的负荷聚合商经济优化方法 | |
CN110533225B (zh) | 一种基于机会约束规划的商业园区综合能源系统优化调度方法 | |
CN110046773A (zh) | 综合能源系统多主体合作优化运行与成本效益分配方法 | |
Tao et al. | Pricing strategy and charging management for PV-assisted electric vehicle charging station | |
CN109523052A (zh) | 一种考虑需求响应和碳交易的虚拟电厂优化调度方法 | |
CN109657993A (zh) | 一种基于非合作博弈的能源局域网储能系统自动需求响应方法 | |
CN106934542A (zh) | 一种基于斯塔克伯格博弈论的电动汽车需求响应调控方法 | |
CN110829446B (zh) | 一种基于柔性负荷动态特性的台区弹性调度方法与装置 | |
CN106372752A (zh) | 一种变频空调热电池建模及其调度方法 | |
CN112001598A (zh) | 基于储能选型的不同用户储能配置评估与运行优化方法 | |
CN113887032A (zh) | 基于拉格朗日分布式算法的电动汽车有序充放电控制方法 | |
CN111047097A (zh) | 一种综合能源系统日中滚动优化方法 | |
AU2021107312A4 (en) | An intelligent power consumption community energy management method based on user satisfaction | |
CN114022046B (zh) | 一种考虑交通均衡的综合能源系统优化调度方法 | |
CN117196235A (zh) | 考虑需求响应有效评估的虚拟电厂能量调度方法 | |
CN116961044A (zh) | 基于模糊机会约束规划广义共享储能优化配置方法及系统 | |
CN116108981A (zh) | 考虑分时电价的虚拟电厂电化学储能电站的容量优化配置方法 | |
CN113673754A (zh) | 一种计及柔性负荷满意度的热电联合系统优化运行方法 | |
CN115438906A (zh) | 一种多虚拟电厂点对点交易方法、电子设备及存储介质 | |
CN112434866A (zh) | 一种基于广义斯塔克尔伯格博弈的电动汽车充电管理方法 | |
CN113283709A (zh) | 一种面向农村电网的分层分布式负荷协同调度方法 | |
CN117638953B (zh) | 一种转供电环境下考虑虚拟储能和需求响应的商业建筑负荷控制方法 | |
CN110929995A (zh) | 一种基于负荷聚合商的双层空调系统需求侧响应方式 | |
CN114156927B (zh) | 计及变功率充放电模型的电动汽车集群调度潜力评估方法 | |
CN108183498A (zh) | 一种含风光储配电网背景下的车储混合配置方法 |
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 |