CN113240311B - 计及供电可靠性的多主体分布式电源电能交易规划方法 - Google Patents

计及供电可靠性的多主体分布式电源电能交易规划方法 Download PDF

Info

Publication number
CN113240311B
CN113240311B CN202110584031.6A CN202110584031A CN113240311B CN 113240311 B CN113240311 B CN 113240311B CN 202110584031 A CN202110584031 A CN 202110584031A CN 113240311 B CN113240311 B CN 113240311B
Authority
CN
China
Prior art keywords
user
power supply
distributed power
model
formula
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
CN202110584031.6A
Other languages
English (en)
Other versions
CN113240311A (zh
Inventor
李佳勇
许道森
周斌
牛明
黎灿兵
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.)
Hunan University
Original Assignee
Hunan 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 Hunan University filed Critical Hunan University
Priority to CN202110584031.6A priority Critical patent/CN113240311B/zh
Publication of CN113240311A publication Critical patent/CN113240311A/zh
Application granted granted Critical
Publication of CN113240311B publication Critical patent/CN113240311B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Landscapes

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

Abstract

本发明提供一种计及供电可靠性的多主体分布式电源电能交易规划方法，包括：以分布式电源历史出力数据衡量其波动性，计及用户需求灵活性的差异，建立用户对分布式电源可靠性评价模型；以用户购买电能后获得的收益最大为目标函数，建立用户收益模型；考虑用户收益模型与配电侧的分布式电源作为一个整体，建立社会效用最大化模型；通过引入辅助变量以及分布式算法，对社会效用最大化模型进行转换，得到用户优化模型与分布式电源优化模型；对用户优化模型与分布式电源优化模型分别进行求解，得到计及供电可靠性的多主体分布式电源电能交易规划策略。本发明解决了电能交易过程中供电可靠性评价的缺失，提高了电能交易机制中各交易主体的隐私性。

Description

计及供电可靠性的多主体分布式电源电能交易规划方法
技术领域
本发明涉及电能交易领域，尤其涉及一种计及供电可靠性的多主体分布式电源电能交易规划。
背景技术
随着分布式电源在电网中的大量接入以及智能调控技术的发展，通过市场途径利用分布式电源可以提高新能源消纳能力，进而实现分布式电源可持续发展。电力市场结构通常可分为集中式和分布式。集中式调度需要搜集所有交易者的信息并进行集中调度，配电侧的分布式电源和用户数量较多，存在信息搜集量大、求解难度高、隐私性与安全性差等问题。去中心化的配电侧电力市场实现了电力用户的自由交易，在这种交易模式下，每个分布式电源和用户可以根据各自的发/用电特性灵活制定交易策略，可以保证交易的公平性和隐私性。对于用户来说，希望持续可靠的供电，但光伏等分布式电源易受天气等因素的影响，其出力具有随机性和波动性的特点，导致配电侧分布式电源相对于主网的供电可靠性较差。
发明内容
本发明实施例提供一种计及供电可靠性的多主体分布式电源电能交易规划方法，能够将用户评价机制引入到电能交易中，建立社会效用最大化模型，采用分布式算法，将社会总体效益最大化的问题分解为分布式电源收益最多和用户效益最大的问题，实现了用户与分布式电源之间的差异化交易策略，解决了电能交易过程中供电可靠性评价的缺失，以及提高了电能交易机制中各交易主体的隐私性。
第一方面，本发明实施例提供一种计及供电可靠性的多主体分布式电源电能交易规划方法，包括：
以分布式电源历史出力数据衡量其波动性，计及用户需求灵活性的差异，建立用户对分布式电源可靠性评价模型；
以用户购买电能后获得的收益最大为目标函数，建立用户收益模型，所述用户收益模型包括用户效应、购电成本、过网成本、网损成本，所述用户效应根据等效购电电量进行计算得到；
考虑所述用户收益模型与配电侧的分布式电源作为一个整体，建立社会效用最大化模型；
通过引入辅助变量以及分布式算法，对所述社会效用最大化模型进行转换，得到用户优化模型与分布式电源优化模型；
对所述用户优化模型与所述分布式电源优化模型分别进行求解，得到计及供电可靠性的多主体分布式电源电能交易规划策略。
可选的，所述用户效应的计算步骤包括：
获取用户对所述分布式电源的评价系数；
根据所述分布式电源的评价系数以及用户购电电量，计算得到等效购电电量；
基于所述等效购电电量以及用户效应系数，计算得到用户效应。
可选的，所述获取用户对所述分布式电源的评价系数，包括：
根据所述分布式电源的预测出力值以及实际出力值，计算所述分布式电源的可靠性评估值；
根据用户重要负荷占比以及所述可靠性评估值，计算得到分布式电源的评价系数。
可选的，所述通过引入辅助变量以及分布式算法，对所述社会效用最大化模型进行转换，包括：
根据所述用户购电电量，确定辅助变量；
引入拉格朗日乘子以及所述辅助变量，对所述社会效用最大化模型进行第一转换，得到拉格朗日模型；
通过分布式算法，对所述拉格朗日模型进行第二转换，得到用户优化模型与分布式电源优化模型。
可选的，所述对所述用户优化模型进行求解，包括：
根据所述用户优化模型的KKT条件，采用二分法求解所述用户优化模型的用户最优效益所对应的用户购电电量。
可选的，所述对所述分布式电源优化模型进行求解，包括：
根据所述辅助变量，将所述分布式电源优化模型的求解转换为辅助变量直接计算得到所述分布式电源的最优收益。
可选的，所述购电成本包括购电电价与用户购电电量。
可选的，所述过网成本包括过网费系数、物理距离以及用户购电电量。
可选的，所述网损成本包括网损系数、电气距离以及用户购电电量。
本发明实施例中，以用户购买电能后获得的收益最大为目标函数，建立用户收益模型，所述用户收益模型包括用户效应、购电成本、过网成本、网损成本，所述用户效应根据等效购电电量进行计算得到；考虑所述用户收益模型与配电侧的分布式电源作为一个整体，建立社会效用最大化模型；通过引入辅助变量以及分布式算法，对所述社会效用最大化模型进行转换，得到用户优化模型与分布式电源优化模型；对所述用户优化模型与所述分布式电源优化模型分别进行求解，得到计及供电可靠性的多主体分布式电源电能交易规划策略。本发明能够将用户评价机制引入到电能交易中，建立社会效用最大化模型，采用分布式算法，将社会总体效益最大化的问题分解为分布式电源收益最多和用户效益最大的问题，实现了用户与分布式电源之间的差异化交易策略，解决了电能交易过程中供电可靠性评价的缺失，以及提高了电能交易机制中各交易主体的隐私性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，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的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种计及供电可靠性的多主体分布式电源电能交易规划方法的流程图；
图2是本发明实施例提供的一种最优点迭代的流程图；
图3是本发明实施例提供的一种测试系统的结构示意图；
图4是本发明实施例提供的一种情景1中各用户购买的电量示意图；
图5是本发明实施例提供的一种情景1中各分布式电源的电价示意图；
图6是本发明实施例提供的一种情景2中各用户购买的电量示意图；
图7是本发明实施例提供的一种情景2中各分布式电源的电价示意图；
图8是本发明实施例提供的一种情景3中各用户购买的电量示意图；
图9是本发明实施例提供的一种情景3中各分布式电源的电价示意图；
图10是本发明实施例提供的一种情景4中各用户购买的电量示意图；
图11是本发明实施例提供的一种情景4中各分布式电源的电价示意图。
具体实施方式
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实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参见图1，图1是本发明实施例提供的一种计及供电可靠性的多主体分布式电源电能交易规划方法的流程图，如图1所示，计及供电可靠性的多主体分布式电源电能交易规划方法包括以下步骤：
101、以分布式电源历史出力数据衡量其波动性，计及用户需求灵活性的差异，建立用户对分布式电源可靠性评价模型。
在本发明实施例中，分布式电源的可靠性水平可以通过出力的历史数据衡量，具体的，可以通过过去一段时间出力的历史数据衡量来评价分布式电源的可靠性。比如，可以根据过去一周中每小时的数据来评价分布式电源的发电交易信息，来评价分布式电源过去一周的的可靠性。
进一步的，可以根据上述分布式电源的预测出力值以及实际出力值，计算上述分布式电源的可靠性评估值；根据用户重要负荷占比以及上述可靠性评估值，计算得到分布式电源的评价系数。
需要说明的是，不同的用户有不同的用电可靠性要求，用户的重要负荷占比越多，对电源可靠性的要求越高。
在本发明实施例中，上述分布式电源的评价系数可以通过建立用户对分布式电源可靠性评价模型来进行计算，上述用户对分布式电源可靠性评价模型可以如下述式子(1)所示：
在式子(1)中，上述ηi为用户重要负荷占比(也可以称为用户重要负荷占所有负荷的比例)，τj为分布式电源的可靠性评估值。
上述分布式电源的可靠性评估值可以通过下述式子(2)进行计算：
在式子(2)中，上述为分布式电源在t时刻的预测出力值，/>为分布式电源在t时刻的实际出力值，168为一周的小时数。
102、以用户购买电能后获得的收益最大为目标函数，建立用户收益模型。
在本发明实施例中，上述用户收益模型包括用户效应、购电成本、过网成本、网损成本，上述用户效应根据等效购电电量进行计算得到。
进一步的，上述用户效应是一种用户评价机制，具体可以获取用户对上述分布式电源的评价系数；根据上述分布式电源的评价系数以及用户购电电量，计算得到等效购电电量；基于上述等效购电电量以及用户效应系数，计算得到用户效应。
进一步的，上述购电成本包括购电电价与用户购电电量；上述过网成本包括过网费系数、物理距离以及用户购电电量；上述网损成本包括网损系数、电气距离以及用户购电电量。
在本发明实施例中，用户购买电能后，通过电能使用行为，会获得对应的收益，以获得最大的收益为目标，用户除支付购电费用之外，还需考虑过网费以及网损对效益的影响，建立用户收益模型如下述式子(3)至式子(6)所示：
Ui(Xi)＝ai ln(1+Xi) (4)
dij≥0,j∈[0,M] (5)
在上述式子(3)至式子(6)中，Ui(Xi)表示用户效应函数，ai为用户效应系数，pj为购电电价，p0为电网电价，dij为用户购电电量，Xi为用户总的等效购电电量，wij为用户评价系数。表示用户购电需支付的过网成本，其中α为过网费系数，rij为物理距离。表示用户需支付的网损成本，其中β为网损系数，δij为电气距离。
上述式子(3)为上述用户收益模型的目标函数，上述式子(4)至式子(6)为上述用户收益模型的约束条件。
103、考虑用户收益模型与配电侧的分布式电源作为一个整体，建立社会效用最大化模型。
在本发明实施例中，可以在用户收益模型的基础上增加配电侧的分布式电源对应的电网电价，使得配电侧的分布式电源与用户成为一个整体，这个整体代表着电能交易下的社会效用。
具体的，上述社会效用最大化模型可以如下述式子(7)至式子(10)所示：
dij≥0,i∈[1,N],j∈[0,M] (8)
在上述式子(7)至式子(10)中，p0为电网电价。上述式子(7)为上述社会效用最大化模型的目标函数，上述式子(8)至式子(10)为上述社会效用最大化模型的约束条件。
104、通过引入辅助变量以及分布式算法，对上述社会效用最大化模型进行转换，得到用户优化模型与分布式电源优化模型。
在本发明实施例中，上述引入辅助变量，可以将增加社会效用最大化模型的约束条件，从而便于求解。
在求解上述社会效用最大化模型的过程中，可以根据上述用户购电电量，确定辅助变量；引入拉格朗日乘子以及上述辅助变量，对上述社会效用最大化模型进行第一转换，得到拉格朗日模型；通过分布式算法，对上述拉格朗日模型进行第二转换，得到用户优化模型与分布式电源优化模型。
具体的，上述的第一转换可以引入辅助变量将上述式子(7)至式子(10)转化为下述式子(11)至式子(16)：
di0≥0,i∈[1,N] (12)
dij≥0,i∈[1,N],j∈[1,M] (13)
其中，上述式子(11)为上述社会效用最大化模型的目标函数，上述式子(12)至式子(16)为上述社会效用最大化模型的约束条件。
引入拉格朗日乘子λij，松弛约束得到拉格朗日模型，上述拉格朗日模型包括式子(11)变换后得到的拉格朗日函数，上述拉格朗日函数如下述式子(17)所示：
在上述式子(17)中，λij为拉格朗日乘子，ρ为罚因子。
进一步的，上述第二转换是针对式子(17)的分布式算法，上述式子(17)可以作为上述社会效用最大化模型的目标函数。
具体的，采用分布式算法，将目标函数为式子(17)，约束条件为式子(12)、式子(13)、式子(14)的优化问题，转化为求解用户最大收益的优化问题，从而将上述社会效用最大化模型转换为用户优化模型来进行求解；以及，采用分布式算法，将目标函数为式子(17)，约束条件为式子(16)的优化问题，转化为求解分布式电源的优化问题，从而将上述社会效用最大化模型转换为分布式电源优化模型来进行求解。
具体的，采用分布式算法，以式子(17)为目标函数，式子(12)、式子(13)、式子(14)为约束条件，将上述社会效用最大化模型转换为用户优化模型，得到每个用户的用户优化模型如下述式子(18)至式子(21)所示：
di0≥0 (19)
dij≥0,j∈[1,M] (20)
其中，上述式子(18)为上述用户优化模型的目标函数，上述式子(19)至式子(21)上述用户优化模型的约束条件。
具体的，采用分布式算法，以式子(17)为目标函数，式子(16)为约束条件，将上述社会效用最大化模型转换为分布式电源优化模型，得到每个分布式电源的分布式电源优化模型如下述式子(22)和式子(23)所示：
其中，上述式子(22)为上述分布式电源优化模型的目标函数，上述式子(23)为上述分布式电源优化模型的约束条件。
105、对用户优化模型与分布式电源优化模型分别进行求解，得到多主体分布式电源电能交易规划策略。
在本发明实施例中，对用户优化模型进行求解可以根据所述用户优化模型的KKT条件，采用二分法求解所述用户优化模型的用户最优效益所对应的用户购电电量。
具体的，上述用户优化模型的目标函数为式子(18)，约束条件为式子(19)至式子(21)，其中，上述式子(19)和式子(20)是不等式约束，上述式子(21)是等式约束，在一种可能的实施例中，基于上述KKT条件在不等式约束情况下，上述约束条件也可以是式子(19)和式子(20)。上述的KKT条件是对拉格朗日函数取极值时候带来的一个必要条件。上述KKT条件可以如下述式子(24)和式子(25)所示：
由上述式子(24)和式子(25)可知，当满足不等式(26)时，dij＝0。
上述不等式(26)如下所示：
当dij>0时，满足式子(27)。
上述式子(27)如下所示：
上述Ui(Xi)是严格凹的，且所以/>严格递减的。当dij＝0时，需满足不等式子(28)。
上述式子(28)如下所示：
当dij>0时，由式(27)可知，dij满足式子(29)。
上述式子(29)如下所示：
即dij>0的判断条件为式子(30)，上述式子(30)如下所示：
进一步的，可以采用二分法求解所述用户优化模型的用户最优效益所对应的用户购电电量。采用二分法求解用户的最优效益，得到最优点及其对应的dij。设置初始最大值/>和初始最小值X i，以式(31)寻找最优点/>
上述式子(31)如下所示：
以式(30)确定用户是否从某一分布式电源购买电量，若购买，则以式(29)得到购买电量。得到所有的dij,之后，根据情况(1)、情况(2)、情况(3)来确定di0、/>和X i，迭代直至得到最优点。
其中，情况(1)：若则X i＝Xi。
情况(2)：若则/>且di0＝0。
情况(3)：若则分为情况1)、情况2)、情况3)。
其中，情况1)：若则/>且di0＝0。
情况2)：若则/>且/>
情况3)：若则/>
具体的，最优点迭代的流程如图2所示，具体包括以下步骤：
步骤1：开始。
步骤2：设置初始最大值初始最小值X i。
步骤3：由式子(31)确定Xi。
步骤4：求得用户效应函数。
步骤5：判断是否满足式子(30)，若不满足，则令dij＝0，进入步骤7；若满足，则进入步骤6。
步骤6：由式子(29)得到dij。
步骤7：判断是否满足式子若满足，则/>且di0＝0，并结束；若不满足，则进入步骤8。
步骤8：判断是否满足式子若满足，则X i＝Xi，并回到步骤3；若不满足，则进入步骤9。
步骤9：判断是否满足式子若满足，则/>且di0＝0，并回到步骤3；若不满足，则进入步骤10。
步骤10：判断是否满足式子若满足，则/>并回到步骤3；若不满足，则进入步骤11。
步骤11：确定且/>并结束。
具体的，分布式电源最优收益的优化问题属于以下式子(32)的优化问题：
上述式子(32)优化问题的最优解为：Z＝Q-1AT(AQ-1AT)-1(AQ-1C+b)-Q-1C。
根据式子(22)和式子(23)可得上述式子(32)中，C＝-λij-ρdij，其中，Q为以ρ为对角元素的对角矩阵，A为各元素均为1的行向量，b＝Qj，
在本发明实施例中，对上述分布式电源优化模型进行求解可以根据上述辅助变量，将上述分布式电源优化模型的求解转换为辅助变量直接计算得到上述分布式电源的最优收益。
在本发明实施例中，需要说明的是，用户与电源的交易需要所有参与者的运行状态和技术参数，违反了电力市场交易信息的私密性。因此，提出了上述分布式算法，将原来社会效用最大化模型的问题分散为各个参与者的子问题，各参与主体仅需交换有限的信息。具体的，分布式算法求解问题的过程包括下述步骤：
步骤①：输入用户与分布式电源的参数、电网电价、和X i。
步骤②：设置迭代索引k＝0，残差初始化拉格朗日乘子λij。
步骤③：每个用户并行解决效益最大化的子问题，且满足各自的约束(19)-(21)，得到各自的最优解
步骤④：每个分布式电源并行解决收益最大的子问题，满足约束(23)，得到各自的最优解
步骤⑤：更新对偶乘子λij，
步骤⑥：计算和检查原始和对偶残差是否小于预定的残差，即且/>具体如下述式子(33)和式子(34)所示：
一旦满足且/>迭代就结束了。否则，每个微网格更新乘子并进入下一轮迭代。
步骤⑦：设置k＝k+1，每个微网重复步骤3-6，直到满足停止标准。
在本发明实施例中，以用户购买电能后获得的收益最大为目标函数，建立用户收益模型，所述用户收益模型包括用户效应、购电成本、过网成本、网损成本，所述用户效应根据等效购电电量进行计算得到；考虑所述用户收益模型与配电侧的分布式电源作为一个整体，建立社会效用最大化模型；通过引入辅助变量以及分布式算法，对所述社会效用最大化模型进行转换，得到用户优化模型与分布式电源优化模型；对所述用户优化模型与所述分布式电源优化模型分别进行求解，得到多主体分布式电源电能交易规划策略。本发明能够将用户评价机制引入到电能交易中，建立社会效用最大化模型，采用分布式算法，将社会总体效益最大化的问题分解为分布式电源收益最多和用户效益最大的问题，实现了用户与分布式电源之间的差异化交易策略，解决了电能交易过程中供电可靠性评价的缺失，以及提高了电能交易机制中各交易主体的隐私性。
可选的，本发明实施例还提供一种仿真验证实例，该仿真验证实例运行在图3的测试系统，如图3所示，测试系统包括主网与分布式电源，主网与分布式电源通过10kV母线进行电能连接。系统由6个分布式电源主体和8个用户组成，设置电网电价为0.5元/度。其中，电源1(320kW)与母线的物理距离为2km，电源2(400kW)与母线的物理距离为1.8km，电源3(280kW)与母线的物理距离为1.3km，4号电源(250kW)与母线的物理距离为1.5km(到用户3)+1.3km，电源5(300kW)与母线的物理距离为1km(到用户5)+2km，电源6与母线的物理距离为1.8km。用户1与电源1的物理距离忽略不计，用户1与母线的物理距离为2km；用户2与电源2的物理距离忽略不计，用户2与母线的物理距离为1.8km；用户3与电源3的物理距离忽略不计，用户3与母线的物理距离为1.3km，且用户3与电源4的物理距离为1.5km；用户4与电源4的物理距离忽略不计，用户4与母线的物理距离为1.5km(到电源3)+1.3km；用户5与母线的物理距离为2km，用户5与电源5的距离为1km；用户6与电源5的物理距离忽略不计，用户6与母线的物理距离为1km+2km；用户7与电源6的物理距离忽略不计，用户7与母线的物理距离为1.8km；用户8与母线的物理距离为1.2km(到电源6)+1.8km。物理距离与电气距离之间可以通过R＝0.09Ω/km以及X＝0.09Ω/km进行计算。
本发明实施例通过以下情景1、情景2、情景3、情景4进行对比分析，验证本发明的有效性。各个情景如下所示：
情景1：用户无需支付过网费及网损费用，且ai均为1。
情景2：用户无需支付过网费及网损费用，且ai均为4。
情景3：用户需要支付过网费及网损费用，且ai均为4。
情景4：用户需要支付过网费及网损费用，且ai如表1所示，表1为本发明实施例提供的情景4中每个用户的效益系数ai。表1如下：
表1
请参考图4与图7，图4是本发明实施例提供的一种情景1中各用户购买的电量示意图，图5是本发明实施例提供的一种情景1中各分布式电源的电价示意图，图6是本发明实施例提供的一种情景2中各用户购买的电量示意图，图7是本发明实施例提供的一种情景2中各分布式电源的电价示意图。
对比情景1和情景2可以看出，当用户效益系数比较小时，用户不再向电网购电，分布式电源的售价也比较低。而当用户效益系数比较大时，用户会向电网购电直至达到边际收益，此时分布式电源的电价与用户评价系数有关。
用户对电源的评价系数wij越大，说明电源的供电可靠性越高且需求灵活性越强，此时在用户效应系数ai均相同的情况下，分布式电源将自身发电量销售给对其评价较高的用户，以卖出更高的电价，取得更高的收益。例如，由于用户对电源2的最高评价系数为0.7，低于用户对其余电源最高评价系数的0.8，所以分布式电源2的售电电价低于其余电源。
当用户效应系数较高时，可以达到最高收益的边际购电量较大，此时需要从主网中购买电能，在不考虑过网费和因电能传输产成网损的情况下，分布式电源之间不再需要竞价，只需比主网电能更具竞争力，电价满足wijpj＝p0。设置主网电价为0.5，电源2电价为0.35，其余电源电价为0.4。
请结合参考图8与图9，图8是本发明实施例提供的一种情景3中各用户购买的电量示意图，图9是本发明实施例提供的一种情景3中各分布式电源的电价示意图。
对比情景2和情景3可以看出，若考虑从分布式电源购电所需的过网费和网损费用，用户2、5、8均只从主网购电以达到最大的效益，电源2、5的售电价格也降低了。
在考虑过网费和电能传输产生的网损费用之后，分布式电源倾向于将电能卖给离本电源较近的用户，以减小电能传输产生的额外费用，使用户购买本电源电能的意愿增加，以获得更高的销售电价，提升电源的收益。由于电源1、3、4均将电能销售给本节点的用户，不会产生额外费用，所以电价仍是0.4。由于用户1对电源2的评价系数为0.7，高于用户2对电源2评价系数的0.5，分布式电源2更倾向于将电能销售给用户1。但电能在传输过程中产生了额外费用，使电源2的电价相对于情景2降低了。同理，由于用户6对本节点的电源5的评价系数较低，电源5将部分电能销售给对其评价系数较高的用户3，电价相对于情景2降低了。
请结合参考图10与图11，图10是本发明实施例提供的一种情景4中各用户购买的电量示意图，图11是本发明实施例提供的一种情景4中各分布式电源的电价示意图。
对比情景3和情景4可以看出，当用户的效应系数不同时，各个用户的购电量和分布式电源电价均会发生较大变化。效应系数越小的用户，其购电量相对越少，如用户1和用户7。此时，电源1和电源6的发电量不能在本节点完全消纳，必须销售到别的节点，在此过程中用户需支付额外的费用，电源1和电源6均需降低售价以提升竞争力，保证分布式电源电能的完全消纳。
在本发明实施例中，能够将用户评价机制引入到电能交易中，建立社会效用最大化模型，采用分布式算法，将社会总体效益最大化的问题分解为分布式电源收益最多和用户效益最大的问题，实现了用户与分布式电源之间的差异化交易策略，解决了电能交易过程中供电可靠性评价的缺失，以及提高了电能交易机制中各交易主体的隐私性。具体提出了考虑用户评价的分布式电源可靠性建模方法，可以根据不同用户对可靠性要求的不同衡量分布式电源的不确定性，进而影响用户购买电能的意向，增强了电力交易的公平性和运行经济性。提出了一种分布式的交易方法，将分布式电源电能交易问题分解为每个分布式电源和用户的决策子问题，该方法仅需要交换电能交易量，就可以通过迭代得到交易的最优解，保护了交易主体的隐私。提出了分布式电源和用户优化问题的解析解求解方法，通过数值运算即可得到最优解，不必通过专用优化软件，加快了求解速度，降低了对交易信息处理设备的要求。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (7)

1.一种计及供电可靠性的多主体分布式电源电能交易规划方法，其特征在于，所述方法包括以下步骤：
以分布式电源历史出力数据衡量其波动性，计及用户需求灵活性的差异，建立用户对分布式电源可靠性评价模型；
以用户购买电能后获得的收益最大为目标函数，建立用户收益模型，所述用户收益模型包括用户效应、购电成本、过网成本、网损成本，所述用户效应根据等效购电电量进行计算得到；
考虑所述用户收益模型与配电侧的分布式电源作为一个整体，建立社会效用最大化模型；
通过引入辅助变量以及分布式算法，对所述社会效用最大化模型进行转换，得到用户优化模型与分布式电源优化模型；
对所述用户优化模型与所述分布式电源优化模型分别进行求解，得到计及供电可靠性的多主体分布式电源电能交易规划策略；
所述用户效应的计算步骤包括：获取用户对所述分布式电源的评价系数；根据所述分布式电源的评价系数以及用户购电电量，计算得到等效购电电量；基于所述等效购电电量以及用户效应系数，计算得到用户效应；
所述获取用户对所述分布式电源的评价系数，包括：根据所述分布式电源的预测出力值以及实际出力值，计算所述分布式电源的可靠性评估值；根据用户重要负荷占比以及所述可靠性评估值，计算得到分布式电源的评价系数；
其中，用户对分布式电源可靠性评价模型如下述式子(1)所示：
在式子(1)中，上述ηi为用户重要负荷占比，τj为分布式电源的可靠性评估值；上述分布式电源的可靠性评估值通过下述式子(2)进行计算：
在式子(2)中，上述为分布式电源在t时刻的预测出力值，/>为分布式电源在t时刻的实际出力值，168为一周的小时数；
所述用户效应是一种用户评价机制，能够获取用户对所述分布式电源的评价系数；
用户购买电能后，通过电能使用行为，会获得对应的收益，以获得最大的收益为目标，用户除支付购电费用之外，还需考虑过网费以及网损对效益的影响，建立用户收益模型如下述式子(3)至式子(6)所示：
Ui(Xi)＝ailn(1+Xi) (4)
dij≥0,j∈[0,M] (5)
在上述式子(3)至式子(6)中，Ui(Xi)表示用户效应函数，ai为用户效应系数，pj为购电电价，p0为电网电价，dij为用户购电电量，Xi为用户总的等效购电电量，wij为用户评价系数；表示用户购电需支付的过网成本，其中α为过网费系数，rij为物理距离；/>表示用户需支付的网损成本，其中β为网损系数，δij为电气距离；
社会效用最大化模型如下述式子(7)至式子(10)所示：
dij≥0,i∈[1,N],j∈[0,M] (8)
在上述式子(7)至式子(10)中，p0为电网电价；上述式子(7)为上述社会效用最大化模型的目标函数，上述式子(8)至式子(10)为上述社会效用最大化模型的约束条件；
第一转换引入辅助变量将上述式子(7)至式子(10)转化为下述式子(11)至式子(16)：
di0≥0,i∈[1,N] (12)
dij≥0,i∈[1,N],j∈[1,M] (13)
其中，上述式子(11)为上述社会效用最大化模型的目标函数，上述式子(12)至式子(16)为上述社会效用最大化模型的约束条件；
每个用户的用户优化模型如下述式子(18)至式子(21)所示：
di0≥0 (19)
dij≥0,j∈[1,M] (20)
其中，上述式子(18)为上述用户优化模型的目标函数，上述式子(19)至式子(21)上述用户优化模型的约束条件；λij为拉格朗日乘子，ρ为罚因子；
对用户优化模型进行求解根据所述用户优化模型的KKT条件，采用二分法求解所述用户优化模型的用户最优效益所对应的用户购电电量；上述KKT条件如下述式子(24)和式子(25)所示：
当dij>0时，dij满足式子(29)：
即dij>0的判断条件为式子(30)，上述式子(30)如下所示：
采用二分法求解所述用户优化模型的用户最优效益所对应的用户购电电量；采用二分法求解用户的最优效益，得到最优点及其对应的dij；设置初始最大值/>和初始最小值X i，以式(31)寻找最优点/>
上述式子(31)如下所示：
以式(30)确定用户是否从某一分布式电源购买电量，若购买，则以式(29)得到购买电量；得到所有的之后，迭代直至得到最优点；
最优点迭代的流程包括以下步骤：
步骤1：开始；
步骤2：设置初始最大值初始最小值X i；
步骤3：由式子(31)确定Xi；
步骤4：求得用户效应函数；
步骤5：判断是否满足式子(30)，若不满足，则令dij＝0，进入步骤7；若满足，则进入步骤6；
步骤6：由式子(29)得到dij；
步骤7：判断是否满足式子若满足，则/>且di0＝0，并结束；若不满足，则进入步骤8；
步骤8：判断是否满足式子若满足，则X i＝Xi，并回到步骤3；若不满足，则进入步骤9；
步骤9：判断是否满足式子若满足，则/>且di0＝0，并回到步骤3；若不满足，则进入步骤10；
步骤10：判断是否满足式子若满足，则/>并回到步骤3；若不满足，则进入步骤11；
步骤11：确定且/>并结束。
2.如权利要求1所述的计及供电可靠性的多主体分布式电源电能交易规划方法，其特征在于，所述通过引入辅助变量以及分布式算法，对所述社会效用最大化模型进行转换，包括：
根据所述用户购电电量，确定辅助变量；
引入拉格朗日乘子以及所述辅助变量，对所述社会效用最大化模型进行第一转换，得到拉格朗日模型；
通过分布式算法，对所述拉格朗日模型进行第二转换，得到用户优化模型与分布式电源优化模型。
3.如权利要求2所述的计及供电可靠性的多主体分布式电源电能交易规划方法，其特征在于，所述对所述用户优化模型进行求解，包括：
根据所述用户优化模型的KKT条件，采用二分法求解所述用户优化模型的用户最优效益所对应的用户购电电量。
4.如权利要求3所述的计及供电可靠性的多主体分布式电源电能交易规划方法，其特征在于，所述对所述分布式电源优化模型进行求解，包括：
根据所述辅助变量，将所述分布式电源优化模型的求解转换为辅助变量直接计算得到所述分布式电源的最优收益。
5.如权利要求4所述的计及供电可靠性的多主体分布式电源电能交易规划方法，其特征在于，所述购电成本包括购电电价与用户购电电量。
6.如权利要求5所述的计及供电可靠性的多主体分布式电源电能交易规划方法，其特征在于，所述过网成本包括过网费系数、物理距离以及用户购电电量。
7.如权利要求6所述的计及供电可靠性的多主体分布式电源电能交易规划方法，其特征在于，所述网损成本包括网损系数、电气距离以及用户购电电量。
CN202110584031.6A 2021-05-27 2021-05-27 计及供电可靠性的多主体分布式电源电能交易规划方法 Active CN113240311B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110584031.6A CN113240311B (zh) 2021-05-27 2021-05-27 计及供电可靠性的多主体分布式电源电能交易规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110584031.6A CN113240311B (zh) 2021-05-27 2021-05-27 计及供电可靠性的多主体分布式电源电能交易规划方法

Publications (2)

Publication Number Publication Date
CN113240311A CN113240311A (zh) 2021-08-10
CN113240311B true CN113240311B (zh) 2024-03-01

Family

ID=77139113

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110584031.6A Active CN113240311B (zh) 2021-05-27 2021-05-27 计及供电可靠性的多主体分布式电源电能交易规划方法

Country Status (1)

Country Link
CN (1) CN113240311B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015196743A1 (zh) * 2014-06-25 2015-12-30 国家电网公司 主动配电网的重构方法和装置
CN106779142A (zh) * 2016-11-15 2017-05-31 中国电力科学研究院 一种售电主体合约电量优化方法及装置
CN109190882A (zh) * 2018-07-25 2019-01-11 南京邮电大学 电力市场环境下基于云储能的微网经济优化交易方法
CN109327046A (zh) * 2018-11-15 2019-02-12 国网江苏省电力有限公司经济技术研究院 考虑多主体的分布式电源最优接入位置与容量规划方法
CN109325608A (zh) * 2018-06-01 2019-02-12 国网上海市电力公司 考虑储能并计及光伏随机性的分布式电源优化配置方法
CN110852519A (zh) * 2019-11-18 2020-02-28 贵州电网有限责任公司 一种考虑多类型负荷的售电公司最优盈利方法
CN110889598A (zh) * 2019-11-11 2020-03-17 华中科技大学 一种分布式发电市场化环境下各交易主体行为决策方法
CN111784451A (zh) * 2020-06-29 2020-10-16 中国电力科学研究院有限公司 基于多时间尺度的分布式电力多边交易方法及系统
CN112651112A (zh) * 2020-12-17 2021-04-13 湖南大学 互联微网电能交易和系统运行协同决策方法、系统及设备

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015196743A1 (zh) * 2014-06-25 2015-12-30 国家电网公司 主动配电网的重构方法和装置
CN106779142A (zh) * 2016-11-15 2017-05-31 中国电力科学研究院 一种售电主体合约电量优化方法及装置
CN109325608A (zh) * 2018-06-01 2019-02-12 国网上海市电力公司 考虑储能并计及光伏随机性的分布式电源优化配置方法
CN109190882A (zh) * 2018-07-25 2019-01-11 南京邮电大学 电力市场环境下基于云储能的微网经济优化交易方法
CN109327046A (zh) * 2018-11-15 2019-02-12 国网江苏省电力有限公司经济技术研究院 考虑多主体的分布式电源最优接入位置与容量规划方法
CN110889598A (zh) * 2019-11-11 2020-03-17 华中科技大学 一种分布式发电市场化环境下各交易主体行为决策方法
CN110852519A (zh) * 2019-11-18 2020-02-28 贵州电网有限责任公司 一种考虑多类型负荷的售电公司最优盈利方法
CN111784451A (zh) * 2020-06-29 2020-10-16 中国电力科学研究院有限公司 基于多时间尺度的分布式电力多边交易方法及系统
CN112651112A (zh) * 2020-12-17 2021-04-13 湖南大学 互联微网电能交易和系统运行协同决策方法、系统及设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Distributed Transactive Energy Trading Framework in Distribution Networks;Jiayong Li 等;《TRANSACTIONS ON POWER SYSTEMS》;第7215-7227页 *

Also Published As

Publication number Publication date
CN113240311A (zh) 2021-08-10

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
Chen et al. Research on day-ahead transactions between multi-microgrid based on cooperative game model
He et al. A community sharing market with PV and energy storage: An adaptive bidding-based double-side auction mechanism
Luo et al. Distributed peer-to-peer energy trading based on game theory in a community microgrid considering ownership complexity of distributed energy resources
Kou et al. A comprehensive scheduling framework using SP-ADMM for residential demand response with weather and consumer uncertainties
An et al. Sto2Auc: A stochastic optimal bidding strategy for microgrids
Li et al. Incentivizing distributed energy trading among prosumers: A general Nash bargaining approach
Li et al. General Nash bargaining based direct P2P energy trading among prosumers under multiple uncertainties
Chen et al. Review of energy sharing: Business models, mechanisms, and prospects
Jogunola et al. VirtElect: A peer-to-peer trading platform for local energy transactions
CN111404148B (zh) 一种风光沼多微网系统及其对等能量和通信交易方法
Zhao et al. Aggregated operation of heterogeneous small-capacity distributed energy resources in peer-to-peer energy trading
Hua et al. Transactive energy and flexibility provision in multi-microgrids using Stackelberg game
Tostado-Véliz et al. An interval-based bi-level day-ahead scheduling strategy for active distribution networks in the presence of energy communities
Liaquat et al. Day‐ahead continuous double auction‐based peer‐to‐peer energy trading platform incorporating trading losses and network utilisation fee
Chen et al. Multi-objective robust optimal bidding strategy for a data center operator based on bi-level optimization
Zhu et al. Stochastic gradient-based fast distributed multi-energy management for an industrial park with temporally-coupled constraints
Wang et al. A tri-level framework for distribution-level market clearing considering strategic participation of electrical vehicles and interactions with wholesale market
Fan et al. A Wasserstein‐distance‐based distributionally robust chance constrained bidding model for virtual power plant considering electricity‐carbon trading
CN117829418A (zh) 一种电能与碳配额混合共享管理系统及方法
CN113240311B (zh) 计及供电可靠性的多主体分布式电源电能交易规划方法
CN115204516A (zh) 基于纳什议价的多利益主体分布式鲁棒优化调度方法
Li et al. Prosumer energy-storage trading feasibility evaluation and price bundling
CN113793034A (zh) 不同配额制完成方式下售电公司收益的研究方法
Wang et al. Two-stage distributionally robust offering and pricing strategy for a price-maker virtual power plant

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