CN113344249B - 基于区块链的冷热电联供多微网优化调度方法和系统 - Google Patents

基于区块链的冷热电联供多微网优化调度方法和系统 Download PDF

Info

Publication number
CN113344249B
CN113344249B CN202110528212.7A CN202110528212A CN113344249B CN 113344249 B CN113344249 B CN 113344249B CN 202110528212 A CN202110528212 A CN 202110528212A CN 113344249 B CN113344249 B CN 113344249B
Authority
CN
China
Prior art keywords
microgrid
energy
power
transaction
grid
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
CN202110528212.7A
Other languages
English (en)
Other versions
CN113344249A (zh
Inventor
周开乐
郑望
焦建玲
梁昌勇
余本功
李兰兰
陆信辉
杨昌辉
丁涛
邵臻
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.)
Hefei University of Technology
Original Assignee
Hefei University of Technology
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 Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN202110528212.7A priority Critical patent/CN113344249B/zh
Publication of CN113344249A publication Critical patent/CN113344249A/zh
Application granted granted Critical
Publication of CN113344249B publication Critical patent/CN113344249B/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
    • G06Q10/04—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
    • 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
    • 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
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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
    • 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
    • Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于区块链的冷热电联供多微网优化调度方法、系统，涉及多微网优化调度技术领域。本发明依托区块链中智能合约、共识机制技术的支撑，构建基于区块链并考虑微网信用值和奖惩机制的多微网间能量交易优化调度方法，有利于保证微网间交易信息的真实可靠性，提升各微网参与微网间能量交易的积极主动性；此外，考虑冷热电联供多微网间的多能量交易有助于促进可再生能源发电的就地消纳，提升能源利用率，降低环境污染。

Description

基于区块链的冷热电联供多微网优化调度方法和系统
技术领域
本发明涉及多微网优化调度技术领域，具体涉及一种基于区块链的冷热电联供多微网优化调度方法、系统、存储介质和电子设备。
背景技术
随着环境污染的日益严峻和化石能源的快速消耗，利用可再生能源发电来实现节能和减少碳排放得到了社会的广泛关注。而伴随社会的高速发展，普通的微电网已经不能满足用户多样化的用能需求。冷热电联供微网能同时提供冷、热、电三种能量，实现能量的梯级利用，能在提高能源利用效率的同时满足微网系统内用户的不同能源需求，正成为国内外研究的热点。冷热电联供微网通常由可再生能源发电装置、燃气轮机、储能装置及用户负荷等几个部分组成。各个部分通过相互协调来实现微网的经济平稳运行。由于可再生能源发电的波动性及各个微网电负荷需求的差异性。
同一片区域内的多个不同微网在某一调度周期内可能会同时存在缺电微网和多电微网的情况。因此，为提升可再生能源的就地消纳水平和降低同一区域内多微网的总运行成本，区域内多微网间的能量交易意义重大。这有助于实现微网内的负荷供需平衡，提高能源利用效率，同时也为冷热电联供多微网的经济平稳运行提供了基础。冷热电联供微网的能量交易分为微网与电网之间的能量交易及微网间的能量交易。冷热电联供多微网间的能量交易有利于多微网的经济平稳运行，促进可再生能源发电的消纳水平。
冷热电联供多微网能量交易优化调度是指通过合理调控微网中产能装置出力以及与其它微网的能量交互，进而满足各个微网的负荷需求，降低微网系统的运行成本。传统的多微网能量优化调度一般是通过统一调控进行调度，这降低了微网间能源综合利用效率，也无法提升多微网间进行能量交互的有效性。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种基于区块链的冷热电联供多微网优化调度方法、系统、存储介质和电子设备，解决了微网间能源综合利用效率和能量交互有效性低的技术问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
一种基于区块链的冷热电联供多微网优化调度方法，包括：
S1、根据可再生能源发电和微网负荷预测数据，构建优化调度模型，获取各个微网下一调度周期内的能量交易角色和初始能量交易量，并上传至区块链节点所在的区块链管理平台上，所述能量交易角色包括缺电微网和多电微网；
S2、根据电网发布电价，以及所述区块链管理平台广播的所述缺电电网的电能和热能需求量，获取所述多电微网的售能价格和热能产量，并上传至区块链节点所在的区块链管理平台上；
S3、根据所述区块链管理平台广播的所述售能价格和热能产量，以及各个所述缺电微网的信用值，获取所述缺电微网与多电微网的能量交易方案。
优选的，所述步骤S1中的优化调度模型包括目标函数：
Figure BDA0003066918990000031
其中，C微网运行总成本；t表示t时段，T表示调度周期；
Figure BDA0003066918990000032
其中，
Figure BDA0003066918990000033
表示微网n在t时段内设备运行维护成本，i＝1～10分别表示光伏、风机、蓄电池、燃气轮机、燃气锅炉、换热装置、余热回收装置、吸收式制冷机、电制冷机和电制热设备；Ki表示微网n中第i种设备单位电能的运行维护费用；
Figure BDA0003066918990000034
表示微网n中第i种设备在时间t内的输出或者输入功率；
Figure BDA0003066918990000035
其中，
Figure BDA0003066918990000036
为微网n在t时段内的购气成本，cgas为t时段的购气气价，
Figure BDA0003066918990000037
和
Figure BDA0003066918990000038
分别为燃气锅炉和燃气轮机在t时段消耗的燃气量；
Figure BDA0003066918990000039
其中，
Figure BDA00030669189900000310
为微网n在t时段内的环境成本，ωgasC和ωgasN分别为燃气轮机和燃气锅炉燃烧单位体积燃气时对应的CO2和NOx排放量，cgasC为单位CO2排放量的治理成本，cgasN为单位NOx排放量的治理成本；
Figure BDA00030669189900000311
其中，
Figure BDA00030669189900000312
为微网n在t时段内的电能交易成本，
Figure BDA00030669189900000313
和
Figure BDA00030669189900000314
分别为微网n在t时段与电网和其他的微网j的电能交易量，
Figure BDA0003066918990000041
表示从电网购电，反之则为向电网售电；
Figure BDA0003066918990000042
表示微网n向微网j购电，反之则为向微网j售电；cgrid(t)和
Figure BDA0003066918990000043
分别表示微网n与电网和微网j的电能交易价格；N表示微网数量；
Figure BDA0003066918990000044
其中，
Figure BDA0003066918990000045
表示微网n在t时段内的热能交易成本，
Figure BDA0003066918990000046
表示微网n与微网j在时段t内的热能交易价格，
Figure BDA0003066918990000047
表示微网n与微网j在t时段的热能交易量，
Figure BDA0003066918990000048
表示微网n向微网j购热，反之则为向微网j售热。
优选的，所述优化调度模型还包括约束条件：
负荷供需平衡约束条件：
Figure BDA0003066918990000049
其中，
Figure BDA00030669189900000410
为燃气轮机在t时段内的发电功率；
Figure BDA00030669189900000411
分别为风机、光伏在t时段内的发电功率；
Figure BDA00030669189900000412
为吸收式制冷机在t时段内用于制冷的功率；
Figure BDA00030669189900000413
分别为储能电池在t时段内的放电功率和充电功率；
Figure BDA00030669189900000414
分别为燃气锅炉和电制热设备在t时段内的制热功率；
Figure BDA00030669189900000415
为换热装置在t时段内输出的制热功率；
Figure BDA00030669189900000416
分别为电制冷机和吸收式制冷机在t时段内输出的制冷功率，
Figure BDA00030669189900000417
和
Figure BDA00030669189900000418
分别为微网n在t时段内的电负荷、热负荷及冷负荷功率；
微网各设备出力上下限约束条件:
Figure BDA0003066918990000051
其中，
Figure BDA0003066918990000052
表示微网n中第i种设备的出力功率，
Figure BDA0003066918990000053
和
Figure BDA0003066918990000054
分别表示第i种设备输出功率的最小值和最大值；
微网交易电功率约束条件：
Figure BDA0003066918990000055
其中，
Figure BDA0003066918990000056
分别表示微网n在t时段内与微网j和电网交易的最大功率值；
微网交易热功率约束条件：
Figure BDA0003066918990000057
Figure BDA0003066918990000058
表示微网n在t时段内与微网j交易的最大热功率值；
储能电池能量存储及充放电功率约束条件：
Figure BDA0003066918990000059
其中，
Figure BDA00030669189900000510
为储能电池在t时间段内存储的电量，μ为储能电池自放电系数，
Figure BDA00030669189900000511
和
Figure BDA00030669189900000512
分别为储能电池的充电效率和放电效率，
Figure BDA00030669189900000513
和
Figure BDA00030669189900000514
分别为储能电池容量的最小值和最大值，
Figure BDA00030669189900000515
和
Figure BDA00030669189900000516
分别为储能电池充放电功率的最小值和最大值，
Figure BDA00030669189900000517
和
Figure BDA00030669189900000518
表示充放电状态位，为0-1变量。
Figure BDA00030669189900000519
或者
Figure BDA00030669189900000520
为1时表示微网n中储能电池在t时段内处于充电或者放电状态，为0时表示未处于充电或者放电状态，充放电状态互斥。
优选的，所述步骤S2中获取所述多电微网的售能价格和热能产量包括：
根据电网发布电价，以及所述区块链管理平台广播的所述缺电电网的电能和热能需求量，以所述多电微网自身效用最大化为目标与其他多电微网进行非合作博弈，非合作博弈模型为：
G＝(L；S；U) (12)
其中，参与者L为所有的多电微网；策略集S为各个多电微网的售能价格和热能产量；效用函数U定义为：
Figure BDA0003066918990000061
根据所述非合作博弈模型，采用内点法进行求解，获取各个所述多电微网在纳什均衡状态下的售能价格和热能产量。
优选的，所述步骤S3具体包括：
S31、将各个所述缺电微网的信用值非升序排列后依次选择多电微网，并根据所匹配的多电微网的售能价格和热能产量，确定所述缺电微网与多电微网之间的交易协议；
S32、采样所述缺电微网与多电微网的实时交易数据，并上传至区块链节点所在的区块链管理平台上，触发智能合约，按照第一规则更新各个微网信用值，各个微网更新后的信用值用于之后一个调度周期内确定各个微网之间交易顺序的依据；并根据所述交易协议的执行情况按照第二规则对参与交易的各个微网进行奖惩，获取最终的能量交易方案。
优选的，所述第一规则包括：
若微网n与微网j之间预先签订交易协议时确定好的电能交易量为
Figure BDA0003066918990000071
热能交易量为
Figure BDA0003066918990000072
若微网n和微网j任意一方在交易过程中违约，未按照所签订协议交易量进行交易，假设双方停止交易时的电热能交易量分别为
Figure BDA0003066918990000073
则违约的一方信用值自动降低
Figure BDA0003066918990000074
另外一方信用值自动升高
Figure BDA0003066918990000075
若微网n和微网j在交易过程中均未违约，即按照所签订交易协议成功交易，则双方信用值均提升1/2；
优选的，所述第二规则包括：
若微网n与微网j成功交易，分别为交易双方转入
Figure BDA0003066918990000076
Figure BDA0003066918990000077
的奖励金，其中
Figure BDA0003066918990000078
分别为预先设置好的电能、热能奖励系数；
若微网n与微网j任意一方未按照所签订协议进行交易，即在交易过程中存在违约时，将违约一方所自动支付
Figure BDA0003066918990000079
Figure BDA00030669189900000710
的惩罚违约费用转移给另一方作为补偿，其中
Figure BDA00030669189900000711
分别预先设定好的电能、热能惩罚系数。
优选的，所述步骤S1中根据历史数据，采用深度学习算法获取所述各个微网下一调度周期内的可再生能源发电和微网负荷预测数据。
一种基于区块链的冷热电联供多微网优化调度系统，包括：
模型构建模块，用于根据可再生能源发电和微网负荷预测数据，构建优化调度模型，获取各个微网下一调度周期内的能量交易角色和初始能量交易量，并上传至区块链节点所在的区块链管理平台上，所述能量交易角色包括缺电微网和多电微网；
信息确认模块，用于根据电网发布电价，以及所述区块链管理平台广播的所述缺电电网的电能和热能需求量，获取所述多电微网的售能价格和热能产量，并上传至区块链节点所在的区块链管理平台上；
交易撮合模块，用于根据所述区块链管理平台广播的所述售能价格和热能产量，以及各个所述缺电微网的信用值，获取所述缺电微网与多电微网的能量交易方案。
一种存储介质，其存储有用于基于区块链的冷热电联供多微网优化调度的计算机程序，其中，所述计算机程序使得计算机执行如上述所述的冷热电联供多微网优化调度方法。
一种电子设备，包括：
一个或多个处理器；
存储器；以及
一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如上述所述的冷热电联供多微网优化调度方法。
(三)有益效果
本发明提供了一种基于区块链的冷热电联供多微网优化调度方法、系统、存储介质和电子设备。与现有技术相比，具备以下有益效果：
本发明包括根据可再生能源发电和微网负荷预测数据，构建优化调度模型，获取各个微网下一调度周期内的能量交易角色和初始能量交易量，并上传至区块链节点所在的区块链管理平台上；根据电网发布电价，以及所述区块链管理平台广播的所述缺电电网的电能和热能需求量，获取所述多电微网的售能价格和热能产量，并上传至区块链节点所在的区块链管理平台上；根据所述区块链管理平台广播的所述售能价格和热能产量，以及各个所述缺电微网的信用值，获取所述缺电微网与多电微网的能量交易方案。本发明依托区块链中智能合约、共识机制技术的支撑，构建基于区块链并考虑微网信用值和奖惩机制的多微网间能量交易优化调度方法，有利于保证微网间交易信息的真实可靠性，提升各微网参与微网间能量交易的积极主动性；此外，考虑冷热电联供多微网间的多能量交易有助于促进可再生能源发电的就地消纳，提升能源利用率，降低环境污染。
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为本发明实施例提供的一种基于区块链的冷热电联供多微网优化调度方法流程示意图；
图2为本发明实施例提供的另一种基于区块链的冷热电联供多微网优化调度方法流程示意图；
图3为本发明实施例提供的一种基于区块链的冷热电联供多微网优化调度系统的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
本申请实施例通过提供一种基于区块链的冷热电联供多微网优化调度方法、系统、存储介质和电子设备，解决了微网间能源综合利用效率和能量交互有效性低的技术问题，实现提升各微网参与微网间能量交易的积极主动性，以及促进可再生能源发电的就地消纳，提升能源利用率，降低环境污染。
本申请实施例中的技术方案为解决上述技术问题，总体思路如下：
本发明实施例包括根据可再生能源发电和微网负荷预测数据，构建优化调度模型，获取各个微网下一调度周期内的能量交易角色和初始能量交易量，并上传至区块链节点所在的区块链管理平台上；根据电网发布电价，以及所述区块链管理平台广播的所述缺电电网的电能和热能需求量，获取所述多电微网的售能价格和热能产量，并上传至区块链节点所在的区块链管理平台上；根据所述区块链管理平台广播的所述售能价格和热能产量，以及各个所述缺电微网的信用值，获取所述缺电微网与多电微网的能量交易方案。本发明实施例依托区块链中智能合约、共识机制技术的支撑，构建基于区块链并考虑微网信用值和奖惩机制的多微网间能量交易优化调度方法，有利于保证微网间交易信息的真实可靠性，提升各微网参与微网间能量交易的积极主动性；此外，考虑冷热电联供多微网间的多能量交易有助于促进可再生能源发电的就地消纳，提升能源利用率，降低环境污染。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例：
第一方面，如图1～2所示，本发明实施例提供了一种基于区块链的冷热电联供多微网优化调度方法，包括：
S1、根据可再生能源发电和微网负荷预测数据，构建优化调度模型，获取各个微网下一调度周期内的能量交易角色和初始能量交易量，并上传至区块链节点所在的区块链管理平台上，所述能量交易角色包括缺电微网和多电微网；
S2、根据电网发布电价，以及所述区块链管理平台广播的所述缺电电网的电能和热能需求量，获取所述多电微网的售能价格和热能产量，并上传至区块链节点所在的区块链管理平台上；
S3、根据所述区块链管理平台广播的所述售能价格和热能产量，以及各个所述缺电微网的信用值，获取所述缺电微网与多电微网的能量交易方案。
本发明实施例依托区块链中智能合约、共识机制技术的支撑，构建基于区块链并考虑微网信用值和奖惩机制的多微网间能量交易优化调度方法，有利于保证微网间交易信息的真实可靠性，提升各微网参与微网间能量交易的积极主动性；此外，考虑冷热电联供多微网间的多能量交易有助于促进可再生能源发电的就地消纳，提升能源利用率，降低环境污染。
下面对本发明实施例的实现过程进行详细说明：
S1、根据可再生能源发电和微网负荷预测数据，构建优化调度模型，获取各个微网下一调度周期内的能量交易角色和初始能量交易量，并上传至区块链节点所在的区块链管理平台上，所述能量交易角色包括缺电微网和多电微网。
该步骤中根据历史数据，采用深度学习算法获取所述各个微网下一调度周期内的可再生能源发电和微网负荷预测数据；包括：
①可再生能源发电预测。基于微网内光伏和风机历史相似气候条件下发电数据，通过训练神经网络进行深度学习来预测各微网内下一调度周期内可再生能源发电预测数据。
②微网负荷预测。和①方法类似，基于微网历史负荷数据，通过训练神经网络深度学习来对微网下一周期内冷热电三种负荷数据进行预测，得到各微网下一调度周期内冷热电负荷需求预测数据，即微网符合预测数据。
本发明实施例通过对各微网可再生能源发电及负荷需求进行预测，能为冷热电联供微网优化调度提供基础，有助于微网内冷热电供需平衡，能有效降低微网的运行成本。
所述优化调度模型包括目标函数：
Figure BDA0003066918990000121
其中，C微网运行总成本；t表示t时段，T表示调度周期；
Figure BDA0003066918990000131
其中，
Figure BDA0003066918990000132
表示微网n在t时段内设备运行维护成本，i＝1～10分别表示光伏、风机、蓄电池、燃气轮机、燃气锅炉、换热装置、余热回收装置、吸收式制冷机、电制冷机和电制热设备；Ki表示微网n中第i种设备单位电能的运行维护费用；
Figure BDA0003066918990000133
表示微网n中第i种设备在时间t内的输出或者输入功率；
Figure BDA0003066918990000134
其中，
Figure BDA0003066918990000135
为微网n在t时段内的购气成本，cgas为t时段的购气气价，
Figure BDA0003066918990000136
和
Figure BDA0003066918990000137
分别为燃气锅炉和燃气轮机在t时段消耗的燃气量；
Figure BDA0003066918990000138
其中，
Figure BDA0003066918990000139
为微网n在t时段内的环境成本，ωgasC和ωgasN分别为燃气轮机和燃气锅炉燃烧单位体积燃气时对应的CO2和NOx排放量，cgasC为单位CO2排放量的治理成本，cgasN为单位NOx排放量的治理成本；
Figure BDA00030669189900001310
其中，
Figure BDA00030669189900001311
为微网n在t时段内的电能交易成本，
Figure BDA00030669189900001312
和
Figure BDA00030669189900001313
分别为微网n在t时段与电网和其他的微网j的电能交易量，
Figure BDA00030669189900001314
表示从电网购电，反之则为向电网售电；
Figure BDA00030669189900001315
表示微网n向微网j购电，反之则为向微网j售电；cgrid(t)和
Figure BDA00030669189900001316
分别表示微网n与电网和微网j的电能交易价格；N表示微网数量；
Figure BDA00030669189900001317
其中，
Figure BDA0003066918990000141
表示微网n在t时段内的热能交易成本，
Figure BDA0003066918990000142
表示微网n与微网j在时段t内的热能交易价格，
Figure BDA0003066918990000143
表示微网n与微网j在t时段的热能交易量，
Figure BDA0003066918990000144
表示微网n向微网j购热，反之则为向微网j售热。
所述优化调度模型还包括约束条件：
负荷供需平衡约束条件：
Figure BDA0003066918990000145
其中，
Figure BDA0003066918990000146
为燃气轮机在t时段内的发电功率；
Figure BDA0003066918990000147
分别为风机、光伏在t时段内的发电功率；
Figure BDA0003066918990000148
为吸收式制冷机在t时段内用于制冷的功率；
Figure BDA0003066918990000149
分别为储能电池在t时段内的放电功率和充电功率；
Figure BDA00030669189900001410
分别为燃气锅炉和电制热设备在t时段内的制热功率；
Figure BDA00030669189900001411
为换热装置在t时段内输出的制热功率；
Figure BDA00030669189900001412
分别为电制冷机和吸收式制冷机在t时段内输出的制冷功率，
Figure BDA00030669189900001413
和
Figure BDA00030669189900001414
分别为微网n在t时段内的电负荷、热负荷及冷负荷功率；
微网各设备出力上下限约束条件:
Figure BDA00030669189900001415
其中，
Figure BDA00030669189900001416
表示微网n中第i种设备的出力功率，
Figure BDA00030669189900001417
和
Figure BDA00030669189900001418
分别表示第i种设备输出功率的最小值和最大值；
微网交易电功率约束条件：
Figure BDA0003066918990000151
其中，
Figure BDA0003066918990000152
分别表示微网n在t时段内与微网j和电网交易的最大功率值；
微网交易热功率约束条件：
Figure BDA0003066918990000153
Figure BDA0003066918990000154
表示微网n在t时段内与微网j交易的最大热功率值；
储能电池能量存储及充放电功率约束条件：
Figure BDA0003066918990000155
其中，
Figure BDA0003066918990000156
为储能电池在t时间段内存储的电量，μ为储能电池自放电系数，
Figure BDA0003066918990000157
和
Figure BDA0003066918990000158
分别为储能电池的充电效率和放电效率，
Figure BDA0003066918990000159
和
Figure BDA00030669189900001510
分别为储能电池容量的最小值和最大值，
Figure BDA00030669189900001511
和
Figure BDA00030669189900001512
分别为储能电池充放电功率的最小值和最大值，
Figure BDA00030669189900001513
和
Figure BDA00030669189900001514
表示充放电状态位，为0-1变量。
Figure BDA00030669189900001515
或者
Figure BDA00030669189900001516
为1时表示微网n中储能电池在t时段内处于充电或者放电状态，为0时表示未处于充电或者放电状态，充放电状态互斥。
采用MATLAB对以上优化调度模型进行求解，得到各微网正常运行时的电能交易量与热能交易量，即初始能量交易量；各微网确定自身下一调度周期内参与微网间能量交易的角色，所述能量交易角色包括缺电微网和多电微网；将所述初始能量交易量和能量交易角色信息上传至区块链节点所在的区块链管理平台上
S2、根据电网发布电价，以及所述区块链管理平台广播的所述缺电电网的电能和热能需求量，获取所述多电微网的售能价格和热能产量，并上传至区块链节点所在的区块链管理平台上。
本步骤中根据电网发布电价，以及所述区块链管理平台广播的所述缺电电网的电能和热能需求量，以所述多电微网自身效用最大化为目标与其他多电微网进行非合作博弈，非合作博弈模型为：
G＝(L；S；U) (12)
其中，参与者L为所有的多电微网；策略集S为各个多电微网的售能价格和热能产量；由于各个多电微网的售能价格和热能产量会直接影响各个微网之间的电能和热能交易成本，所以本模型中效用函数U定义为：
Figure BDA0003066918990000161
根据所述非合作博弈模型，采用内点法进行求解，获取各个所述多电微网在纳什均衡状态下的售能价格和热能产量，并上传至区块链节点所在的区块链管理平台上。
本发明实施例通过建立多电微网间非合作博弈模型并求解纳什均衡状态下的售能价格，有助于在满足微网负荷需求的同时实现各多电微网的售能效用最大化。
S3、根据所述区块链管理平台广播的所述售能价格和热能产量，以及各个所述缺电微网的信用值，获取所述缺电微网与多电微网的能量交易方案，具体包括：
S31、将各个所述缺电微网的信用值非升序排列后依次选择多电微网，并根据所匹配的多电微网的售能价格和热能产量，确定所述缺电微网与多电微网之间的交易协议。
需要注意的是，各个微网首次参与微网间能量交易时被赋予相同的初始信用值，所述区块链管理平台将各微网的信用值信息随同所述售能价格和热能产量一起广播至各个微网。
缺电微网按顺序选择多电微网签订交易协议并进行能量交易，假设缺电微网m待购买电能为
Figure BDA0003066918990000171
待购买热能为
Figure BDA0003066918990000172
多电微网k待出售电能为
Figure BDA0003066918990000173
待出售热能为
Figure BDA0003066918990000174
缺电微网m与多电微网k之间具体交易细则如下:
A、若
Figure BDA0003066918990000175
微网m更新电能待交易量为
Figure BDA0003066918990000176
热能待交易量为
Figure BDA0003066918990000177
重新选择新的多电微网进行交易，微网k退出待交易序列；若
Figure BDA0003066918990000178
微网m更新电能待交易量为
Figure BDA0003066918990000179
热能交易出清，微网k退出待交易序列；若
Figure BDA00030669189900001710
则微网m更新电能待购买电量为
Figure BDA00030669189900001711
微网k更新待交易热量为
Figure BDA00030669189900001712
微网m重新选择新的多电微网进行交易，微网k重新进入待交易序列，等待下一次交易。
B、若
Figure BDA00030669189900001713
微网m电能交易出清，更新热能待购买量为
Figure BDA00030669189900001714
重新选择新的多电微网进行交易，微网k退出交易序列；若
Figure BDA00030669189900001715
微网k和微网m满足能量供需平衡，均退出待交易队列，若
Figure BDA00030669189900001716
微网m电热能均交易出清，退出交易队列，微网k更新热能待交易量为
Figure BDA0003066918990000181
重新进入待交易队列等待。
C、若
Figure BDA0003066918990000182
则微网m电能交易出清，更新热能待购买量为
Figure BDA0003066918990000183
重新选择新的多电微网进行交易，微网k更新电能待交易量为
Figure BDA0003066918990000184
重新进入待交易队列；若
Figure BDA0003066918990000185
微网m电能和热能均实现交易出清，退出交易，微网k更新电能待交易量
Figure BDA0003066918990000186
重新进入待交易队列等待，若
Figure BDA0003066918990000187
则微网m电能和热能均实现交易出清，退出交易，微网k更新电能待交易量为
Figure BDA0003066918990000188
更新热能待交易量为
Figure BDA0003066918990000189
考虑本发明实施例中多电微网与缺电微网间的电能供需存在差异性(由于多电微网根据区块链管理平台广播的缺电微网热能需求进行产热，故所有多电微网产热与缺电微网所需热能满足供需平衡)，当缺电微网与多电微网间交易结束后还存在剩余能量时，多电微网将剩余能量出售给电网；当多电微网能量不能满足缺电微网的需求时，缺电微网从电网处购买电能。
S32、采样所述缺电微网与多电微网的实时交易数据，并上传至区块链节点所在的区块链管理平台上，触发智能合约按照第一规则更新各个微网信用值，各个微网更新后的信用值用于之后一个调度周期内确定各个微网之间交易顺序的依据；并根据所述交易协议的执行情况按照第二规则对参与交易的各个微网进行奖惩，获取最终的能量交易方案。
根据步骤S31中的交易结果，各微网中的智能电表自动采集微网间的实时交易数据并上传至区块链节点所在的区块链管理平台中。
所述第一规则包括：
若微网n与微网j之间预先签订交易协议时确定好的电能交易量为
Figure BDA0003066918990000191
热能交易量为
Figure BDA0003066918990000192
若微网n和微网j任意一方在交易过程中违约，未按照所签订协议交易量进行交易，假设双方停止交易时的电热能交易量分别为
Figure BDA0003066918990000193
则违约的一方信用值自动降低
Figure BDA0003066918990000194
另外一方信用值自动升高
Figure BDA0003066918990000195
若微网n和微网j在交易过程中均未违约，即按照所签订交易协议成功交易，则双方信用值均提升1/2。
所述第二规则包括：
若微网n与微网j成功交易，分别为交易双方转入
Figure BDA0003066918990000196
Figure BDA0003066918990000197
的奖励金，其中
Figure BDA0003066918990000198
分别为预先设置好的电能、热能奖励系数；
若微网n与微网j任意一方未按照所签订协议进行交易，即在交易过程中存在违约时，将违约一方所自动支付
Figure BDA0003066918990000199
Figure BDA00030669189900001910
的惩罚违约费用转移给另一方作为补偿，其中
Figure BDA00030669189900001911
分别预先设定好的电能、热能惩罚系数。
本发明实施例依托区块链中智能合约、共识机制等技术的支撑，构建基于区块链并考虑微网信用值和奖惩机制的多微网间能量交易优化调度方法，有利于保证微网间交易信息的真实可靠性，提升各微网参与微网间能量交易的积极主动性。此外，考虑冷热电联供多微网间的多能量交易有助于促进可再生能源发电的就地消纳，提升能源利用率，降低环境污染。
第二方面，如图3所示，本发明实施梳理提供了一种基于区块链的冷热电联供多微网优化调度系统，包括：
模型构建模块，用于根据可再生能源发电和微网负荷预测数据，构建优化调度模型，获取各个微网下一调度周期内的能量交易角色和初始能量交易量，并上传至区块链节点所在的区块链管理平台上，所述能量交易角色包括缺电微网和多电微网。
信息确认模块，用于根据电网发布电价，以及所述区块链管理平台广播的所述缺电电网的电能和热能需求量，获取所述多电微网的售能价格和热能产量，并上传至区块链节点所在的区块链管理平台上。
交易撮合模块，用于根据所述区块链管理平台广播的所述售能价格和热能产量，以及各个所述缺电微网的信用值，获取所述缺电微网与多电微网的能量交易方案。
可理解的是，本发明实施例提供的基于区块链的冷热电联供多微网优化调度系统与本发明实施例提供的基于区块链的冷热电联供多微网优化调度方法相对应，其有关内容的解释、举例和有益效果等部分可以参考基于区块链的冷热电联供多微网优化调度方法中的相应部分，此处不再赘述。
第三方面，本发明实施例提供了一种存储介质，其存储有用于基于区块链的冷热电联供多微网优化调度的计算机程序，其中，所述计算机程序使得计算机执行如上述所述的冷热电联供多微网优化调度方法。
第四方面，本发明实施例提供了一种电子设备，其特征在于，包括：
一个或多个处理器；
存储器；以及
一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如上述任一项所述的冷热电联供多微网优化调度方法。
综上所述，与现有技术相比，具备以下有益效果：
1、本发明实施例包括根据可再生能源发电和微网负荷预测数据，构建优化调度模型，获取各个微网下一调度周期内的能量交易角色和初始能量交易量，并上传至区块链节点所在的区块链管理平台上；根据电网发布电价，以及所述区块链管理平台广播的所述缺电电网的电能和热能需求量，获取所述多电微网的售能价格和热能产量，并上传至区块链节点所在的区块链管理平台上；根据所述区块链管理平台广播的所述售能价格和热能产量，以及各个所述缺电微网的信用值，获取所述缺电微网与多电微网的能量交易方案。本发明实施例依托区块链中智能合约、共识机制技术的支撑，构建基于区块链并考虑微网信用值和奖惩机制的多微网间能量交易优化调度方法，有利于保证微网间交易信息的真实可靠性，提升各微网参与微网间能量交易的积极主动性；此外，考虑冷热电联供多微网间的多能量交易有助于促进可再生能源发电的就地消纳，提升能源利用率，降低环境污染。
2、本发明实施例通过对各微网可再生能源发电及负荷需求进行预测，能为冷热电联供微网优化调度提供基础，有助于微网内冷热电供需平衡，能有效降低微网的运行成本。
3、本发明实施例通过建立多电微网间非合作博弈模型并求解纳什均衡状态下的售能价格，有助于在满足微网负荷需求的同时实现各多电微网的售能效用最大化。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (9)

1.一种基于区块链的冷热电联供多微网优化调度方法，其特征在于，包括：
S1、根据可再生能源发电和微网负荷预测数据，构建优化调度模型，获取各个微网下一调度周期内的能量交易角色和初始能量交易量，并上传至区块链节点所在的区块链管理平台上，所述能量交易角色包括缺电微网和多电微网；
S2、根据电网发布电价，以及所述区块链管理平台广播的所述缺电微网的电能和热能需求量，获取所述多电微网的售能价格和热能产量，并上传至区块链节点所在的区块链管理平台上；
S3、根据所述区块链管理平台广播的所述售能价格和热能产量，以及各个所述缺电微网的信用值，获取所述缺电微网与多电微网的能量交易方案；
所述步骤S1中的优化调度模型包括目标函数：
Figure FDA0003790289100000011
其中，C微网运行总成本；t表示t时段，T表示调度周期；
Figure FDA0003790289100000012
其中，
Figure FDA0003790289100000013
表示微网n在t时段内设备运行维护成本，i＝1～10分别表示光伏、风机、蓄电池、燃气轮机、燃气锅炉、换热装置、余热回收装置、吸收式制冷机、电制冷机和电制热设备；Ki表示微网n中第i种设备单位电能的运行维护费用；
Figure FDA0003790289100000014
表示微网n中第i种设备在时间t内的输出或者输入功率；
Figure FDA0003790289100000021
其中，
Figure FDA0003790289100000022
为微网n在t时段内的购气成本，cgas为t时段的购气气价，
Figure FDA0003790289100000023
和
Figure FDA0003790289100000024
分别为燃气锅炉和燃气轮机在t时段消耗的燃气量；
Figure FDA0003790289100000025
其中，
Figure FDA0003790289100000026
为微网n在t时段内的环境成本，ωgasC和ωgasN分别为燃气轮机和燃气锅炉燃烧单位体积燃气时对应的CO2和NOx排放量，cgasC为单位CO2排放量的治理成本，cgasN为单位NOx排放量的治理成本；
Figure FDA0003790289100000027
其中，
Figure FDA0003790289100000028
为微网n在t时段内的电能交易成本，
Figure FDA0003790289100000029
和
Figure FDA00037902891000000210
分别为微网n在t时段与电网和其他的微网j的电能交易量，
Figure FDA00037902891000000211
表示从电网购电，反之则为向电网售电；
Figure FDA00037902891000000212
表示微网n向微网j购电，反之则为向微网j售电；cgrid(t)和
Figure FDA00037902891000000213
分别表示微网n与电网和微网j的电能交易价格；N表示微网数量；
Figure FDA00037902891000000214
其中，
Figure FDA00037902891000000215
表示微网n在t时段内的热能交易成本，
Figure FDA00037902891000000216
表示微网n与微网j在时段t内的热能交易价格，
Figure FDA00037902891000000217
表示微网n与微网j在t时段的热能交易量，
Figure FDA00037902891000000218
表示微网n向微网j购热，反之则为向微网j售热。
2.如权利要求1所述的冷热电联供多微网优化调度方法，其特征在于，所述优化调度模型还包括约束条件：
负荷供需平衡约束条件：
Figure FDA0003790289100000031
其中，
Figure FDA0003790289100000032
为燃气轮机在t时段内的发电功率；
Figure FDA0003790289100000033
分别为风机、光伏在t时段内的发电功率；
Figure FDA0003790289100000034
为吸收式制冷机在t时段内用于制冷的功率；
Figure FDA0003790289100000035
分别为储能电池在t时段内的放电功率和充电功率；
Figure FDA0003790289100000036
分别为燃气锅炉和电制热设备在t时段内的制热功率；
Figure FDA0003790289100000037
为换热装置在t时段内输出的制热功率；
Figure FDA0003790289100000038
分别为电制冷机和吸收式制冷机在t时段内输出的制冷功率，
Figure FDA0003790289100000039
和
Figure FDA00037902891000000310
分别为微网n在t时段内的电负荷、热负荷及冷负荷功率；
微网各设备出力上下限约束条件:
Figure FDA00037902891000000311
其中，
Figure FDA00037902891000000312
表示微网n中第i种设备的出力功率，
Figure FDA00037902891000000313
和
Figure FDA00037902891000000314
分别表示第i种设备输出功率的最小值和最大值；
微网交易电功率约束条件：
Figure FDA00037902891000000315
其中，
Figure FDA00037902891000000316
分别表示微网n在t时段内与微网j和电网交易的最大功率值；
微网交易热功率约束条件：
Figure FDA00037902891000000317
Figure FDA00037902891000000318
表示微网n在t时段内与微网j交易的最大热功率值；
储能电池能量存储及充放电功率约束条件：
Figure FDA0003790289100000041
其中，
Figure FDA0003790289100000042
为储能电池在t时间段内存储的电量，μ为储能电池自放电系数，
Figure FDA0003790289100000043
和
Figure FDA0003790289100000044
分别为储能电池的充电效率和放电效率，
Figure FDA0003790289100000045
和
Figure FDA0003790289100000046
分别为储能电池容量的最小值和最大值，
Figure FDA0003790289100000047
和
Figure FDA0003790289100000048
分别为储能电池充放电功率的最小值和最大值，
Figure FDA0003790289100000049
和
Figure FDA00037902891000000410
表示充放电状态位，为0-1变量，
Figure FDA00037902891000000411
或者
Figure FDA00037902891000000412
为1时表示微网n中储能电池在t时段内处于充电或者放电状态，为0时表示未处于充电或者放电状态，充放电状态互斥。
3.如权利要求2所述的冷热电联供多微网优化调度方法，其特征在于，所述步骤S2中获取所述多电微网的售能价格和热能产量包括：
根据电网发布电价，以及所述区块链管理平台广播的所述缺电微网 的电能和热能需求量，以所述多电微网自身效用最大化为目标与其他多电微网进行非合作博弈，非合作博弈模型为：
G＝(L；S；U) (12)
其中，参与者L为所有的多电微网；策略集S为各个多电微网的售能价格和热能产量；效用函数U定义为：
Figure FDA00037902891000000413
根据所述非合作博弈模型，采用内点法进行求解，获取各个所述多电微网在纳什均衡状态下的售能价格和热能产量。
4.如权利要求1所述的冷热电联供多微网优化调度方法，其特征在于，所述步骤S3具体包括：
S31、将各个所述缺电微网的信用值非升序排列后依次选择多电微网，并根据所匹配的多电微网的售能价格和热能产量，确定所述缺电微网与多电微网之间的交易协议；
S32、采样所述缺电微网与多电微网的实时交易数据，并上传至区块链节点所在的区块链管理平台上，触发智能合约按照第一规则更新各个微网信用值，各个微网更新后的信用值用于之后一个调度周期内确定各个微网之间交易顺序的依据；并根据所述交易协议的执行情况按照第二规则对参与交易的各个微网进行奖惩，获取最终的能量交易方案。
5.如权利要求4所述的冷热电联供多微网优化调度方法，其特征在于，所述第一规则包括：
若微网n与微网j之间预先签订交易协议时确定好的电能交易量为
Figure FDA0003790289100000051
热能交易量为
Figure FDA0003790289100000052
若微网n和微网j任意一方在交易过程中违约，未按照所签订协议交易量进行交易，假设双方停止交易时的电热能交易量分别为
Figure FDA0003790289100000053
则违约的一方信用值自动降低
Figure FDA0003790289100000054
另外一方信用值自动升高
Figure FDA0003790289100000055
若微网n和微网j在交易过程中均未违约，即按照所签订交易协议成功交易，则双方信用值均提升1/2；
和/或所述第二规则包括：
若微网n与微网j成功交易，分别为交易双方转入
Figure FDA0003790289100000061
Figure FDA0003790289100000062
的奖励金，其中
Figure FDA0003790289100000063
分别为预先设置好的电能、热能奖励系数；
若微网n与微网j任意一方未按照所签订协议进行交易，即在交易过程中存在违约时，将违约一方所自动支付
Figure FDA0003790289100000064
Figure FDA0003790289100000065
的惩罚违约费用转移给另一方作为补偿，其中
Figure FDA0003790289100000066
分别预先设定好的电能、热能惩罚系数。
6.如权利要求1所述的冷热电联供多微网优化调度方法，其特征在于，所述步骤S1中根据历史数据，采用深度学习算法获取所述各个微网下一调度周期内的可再生能源发电和微网负荷预测数据。
7.一种基于区块链的冷热电联供多微网优化调度系统，其特征在于，包括：
模型构建模块，用于根据可再生能源发电和微网负荷预测数据，构建优化调度模型，获取各个微网下一调度周期内的能量交易角色和初始能量交易量，并上传至区块链节点所在的区块链管理平台上，所述能量交易角色包括缺电微网和多电微网；
信息确认模块，用于根据电网发布电价，以及所述区块链管理平台广播的所述缺电微网的电能和热能需求量，获取所述多电微网的售能价格和热能产量，并上传至区块链节点所在的区块链管理平台上；
交易撮合模块，用于根据所述区块链管理平台广播的所述售能价格和热能产量，以及各个所述缺电微网的信用值，获取所述缺电微网与多电微网的能量交易方案；
所述模型构建模块中的优化调度模型包括目标函数：
Figure FDA0003790289100000071
其中，C微网运行总成本；t表示t时段，T表示调度周期；
Figure FDA0003790289100000072
其中，
Figure FDA0003790289100000073
表示微网n在t时段内设备运行维护成本，i＝1～10分别表示光伏、风机、蓄电池、燃气轮机、燃气锅炉、换热装置、余热回收装置、吸收式制冷机、电制冷机和电制热设备；Ki表示微网n中第i种设备单位电能的运行维护费用；
Figure FDA0003790289100000074
表示微网n中第i种设备在时间t内的输出或者输入功率；
Figure FDA0003790289100000075
其中，
Figure FDA0003790289100000076
为微网n在t时段内的购气成本，cgas为t时段的购气气价，
Figure FDA0003790289100000077
和
Figure FDA0003790289100000078
分别为燃气锅炉和燃气轮机在t时段消耗的燃气量；
Figure FDA0003790289100000079
其中，
Figure FDA00037902891000000710
为微网n在t时段内的环境成本，ωgasC和ωgasN分别为燃气轮机和燃气锅炉燃烧单位体积燃气时对应的CO2和NOx排放量，cgasC为单位CO2排放量的治理成本，cgasN为单位NOx排放量的治理成本；
Figure FDA00037902891000000711
其中，
Figure FDA00037902891000000712
为微网n在t时段内的电能交易成本，
Figure FDA00037902891000000713
和
Figure FDA00037902891000000714
分别为微网n在t时段与电网和其他的微网j的电能交易量，
Figure FDA00037902891000000715
表示从电网购电，反之则为向电网售电；
Figure FDA00037902891000000716
表示微网n向微网j购电，反之则为向微网j售电；cgrid(t)和
Figure FDA00037902891000000717
分别表示微网n与电网和微网j的电能交易价格；N表示微网数量；
Figure FDA0003790289100000081
其中，
Figure FDA0003790289100000082
表示微网n在t时段内的热能交易成本，
Figure FDA0003790289100000083
表示微网n与微网j在时段t内的热能交易价格，
Figure FDA0003790289100000084
表示微网n与微网j在t时段的热能交易量，
Figure FDA0003790289100000085
表示微网n向微网j购热，反之则为向微网j售热。
8.一种存储介质，其特征在于，其存储有用于基于区块链的冷热电联供多微网优化调度的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1～6任一项所述的冷热电联供多微网优化调度方法。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储器；以及
一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如权利要求1～6任一项所述的冷热电联供多微网优化调度方法。
CN202110528212.7A 2021-05-14 2021-05-14 基于区块链的冷热电联供多微网优化调度方法和系统 Active CN113344249B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110528212.7A CN113344249B (zh) 2021-05-14 2021-05-14 基于区块链的冷热电联供多微网优化调度方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110528212.7A CN113344249B (zh) 2021-05-14 2021-05-14 基于区块链的冷热电联供多微网优化调度方法和系统

Publications (2)

Publication Number Publication Date
CN113344249A CN113344249A (zh) 2021-09-03
CN113344249B true CN113344249B (zh) 2022-09-30

Family

ID=77468615

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110528212.7A Active CN113344249B (zh) 2021-05-14 2021-05-14 基于区块链的冷热电联供多微网优化调度方法和系统

Country Status (1)

Country Link
CN (1) CN113344249B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114358756B (zh) * 2021-12-15 2023-09-08 合肥工业大学 基于双层区块链的电力点对点交易方法和系统
CN114463130B (zh) * 2022-02-08 2022-08-23 河北农业大学 基于梯型碳交易机制和需求响应的能源系统调度方法
CN115619053B (zh) * 2022-12-20 2023-04-07 湖南工商大学 一种多微网区域协同的碳排放质量优化方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107423839A (zh) * 2017-04-17 2017-12-01 湘潭大学 一种基于深度学习的智能楼宇微网负荷预测的方法
CN108711077A (zh) * 2018-05-25 2018-10-26 电子科技大学 一种基于区块链技术的光伏型微电网交易方法
CN109034480A (zh) * 2018-07-31 2018-12-18 湘潭大学 一种基于智能合约的互联微网分布式优化调度方法
CN109672202A (zh) * 2018-12-24 2019-04-23 浙江工业大学 一种基于区块链技术的储能系统自动需求响应方法
CN109902952A (zh) * 2019-02-26 2019-06-18 广东工业大学 一种基于区块链的光伏微电网电力智能交易系统及方法
CN109934665A (zh) * 2019-01-22 2019-06-25 重庆邮电大学 一种分布式电能交易系统及方法
WO2019184344A1 (zh) * 2018-03-29 2019-10-03 华南理工大学 一种微能源网多目标运行控制方法
CN110689398A (zh) * 2019-08-29 2020-01-14 合肥工业大学 基于区块链的居民微电网电力交易管理系统
CN112308409A (zh) * 2020-10-30 2021-02-02 合肥工业大学 一种基于区块链的综合能源系统协调运行优化方法及系统
CN112329230A (zh) * 2020-11-03 2021-02-05 四川大学 一种多微网主体非合作博弈交易方法
CN112381263A (zh) * 2020-09-23 2021-02-19 四川大学 基于区块链分布式数据存储多微网日前鲁棒电能交易方法
CN112417048A (zh) * 2020-11-23 2021-02-26 西安君能清洁能源有限公司 基于区块链的智能微电网系统调度方法、存储介质及设备
CN112564102A (zh) * 2020-12-11 2021-03-26 合肥工业大学 多微网负荷优化调度方法和系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106026152B (zh) * 2016-05-19 2017-06-06 合肥工业大学 一种电动汽车接入微电网的充放电调度方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107423839A (zh) * 2017-04-17 2017-12-01 湘潭大学 一种基于深度学习的智能楼宇微网负荷预测的方法
WO2019184344A1 (zh) * 2018-03-29 2019-10-03 华南理工大学 一种微能源网多目标运行控制方法
CN108711077A (zh) * 2018-05-25 2018-10-26 电子科技大学 一种基于区块链技术的光伏型微电网交易方法
CN109034480A (zh) * 2018-07-31 2018-12-18 湘潭大学 一种基于智能合约的互联微网分布式优化调度方法
CN109672202A (zh) * 2018-12-24 2019-04-23 浙江工业大学 一种基于区块链技术的储能系统自动需求响应方法
CN109934665A (zh) * 2019-01-22 2019-06-25 重庆邮电大学 一种分布式电能交易系统及方法
CN109902952A (zh) * 2019-02-26 2019-06-18 广东工业大学 一种基于区块链的光伏微电网电力智能交易系统及方法
CN110689398A (zh) * 2019-08-29 2020-01-14 合肥工业大学 基于区块链的居民微电网电力交易管理系统
CN112381263A (zh) * 2020-09-23 2021-02-19 四川大学 基于区块链分布式数据存储多微网日前鲁棒电能交易方法
CN112308409A (zh) * 2020-10-30 2021-02-02 合肥工业大学 一种基于区块链的综合能源系统协调运行优化方法及系统
CN112329230A (zh) * 2020-11-03 2021-02-05 四川大学 一种多微网主体非合作博弈交易方法
CN112417048A (zh) * 2020-11-23 2021-02-26 西安君能清洁能源有限公司 基于区块链的智能微电网系统调度方法、存储介质及设备
CN112564102A (zh) * 2020-12-11 2021-03-26 合肥工业大学 多微网负荷优化调度方法和系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
考虑电能交互的冷热电多微网系统日前优化经济调度;徐青山等;《电力系统自动化》;20180828(第21期);全文 *
考虑风电消纳的区域多微网分层协调优化模型;王瀚琳等;《电力建设》;20200801(第08期);全文 *
能源互联网环境下考虑供需不确定性的微网负荷优化调度研究;陆信辉;《中国博士学位论文全文数据库-工程科技Ⅱ辑》;20210115;第2021年卷(第1期);全文 *

Also Published As

Publication number Publication date
CN113344249A (zh) 2021-09-03

Similar Documents

Publication Publication Date Title
Li et al. Optimal scheduling of integrated demand response-enabled integrated energy systems with uncertain renewable generations: A Stackelberg game approach
Guo et al. Optimal operation of regional integrated energy system considering demand response
CN113344249B (zh) 基于区块链的冷热电联供多微网优化调度方法和系统
Wang et al. Demand response comprehensive incentive mechanism-based multi-time scale optimization scheduling for park integrated energy system
CN104392286B (zh) 考虑冷热电联供和储能运行策略的微电网运行优化方法
CN109659927B (zh) 一种考虑储能参与度的综合能源微网储能容量配置方法
Wang et al. A bargaining game-based profit allocation method for the wind-hydrogen-storage combined system
Liu et al. Energy management method of integrated energy system based on collaborative optimization of distributed flexible resources
CN107895971A (zh) 基于随机规划和模型预测控制的区域能源互联网调度方法
CN108009693A (zh) 基于两级需求响应的并网微电网双层优化方法
CN111008739B (zh) 一种热电联产虚拟电厂优化调控及收益分配方法及系统
Ju et al. A Tri-dimensional Equilibrium-based stochastic optimal dispatching model for a novel virtual power plant incorporating carbon Capture, Power-to-Gas and electric vehicle aggregator
CN109636056A (zh) 一种基于多智能体技术的多能源微网去中心化优化调度方法
CN109993419A (zh) 一种综合能源服务商云协同-边缘协同优化调度方法
CN112564102B (zh) 多微网负荷优化调度方法和系统
Zhu et al. Optimization scheduling of a wind–photovoltaic–gas–electric vehicles Community-Integrated Energy System considering uncertainty and carbon emissions reduction
Seyyedeh-Barhagh et al. Optimal scheduling of hydrogen storage under economic and environmental priorities in the presence of renewable units and demand response
CN112131712B (zh) 客户侧多能源系统多目标优化方法和系统
Bai et al. Flexibility quantification and enhancement of flexible electric energy systems in buildings
Lin et al. Multi-energy coordinated and flexible operation optimization and revenue reallocation models for integrated micro energy system considering seasonal and daily load characteristics of different buildings
Liang et al. Optimal unit commitment integrated energy storage system, renewable energy sources and FACTS devices with robust method
CN112883630A (zh) 用于风电消纳的多微网系统日前优化经济调度方法
CN112365034A (zh) 一种电热综合能源系统调度方法及系统
CN115759560A (zh) 储能-新能源-火电多目标优化调度方法及其系统
Xiong et al. Optimal operation of integrated energy systems considering energy trading and integrated demand response

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