CN113344651A - 一种碳交易机制下综合能源市场多供能主体规划方法 - Google Patents

一种碳交易机制下综合能源市场多供能主体规划方法 Download PDF

Info

Publication number
CN113344651A
CN113344651A CN202110905763.0A CN202110905763A CN113344651A CN 113344651 A CN113344651 A CN 113344651A CN 202110905763 A CN202110905763 A CN 202110905763A CN 113344651 A CN113344651 A CN 113344651A
Authority
CN
China
Prior art keywords
energy
main body
supplier
supply main
carbon
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
Application number
CN202110905763.0A
Other languages
English (en)
Inventor
赵伟哲
桂小智
熊俊杰
曾伟
何伟
彭春华
张海洋
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.)
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd
East China Jiaotong University
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd
East China Jiaotong 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 State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd, East China Jiaotong University filed Critical State Grid Corp of China SGCC
Priority to CN202110905763.0A priority Critical patent/CN113344651A/zh
Publication of CN113344651A publication Critical patent/CN113344651A/zh
Pending legal-status Critical Current

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
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/08—Auctions
    • 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
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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
    • Y02P90/84—Greenhouse gas [GHG] management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Accounting & Taxation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Human Resources & Organizations (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及供能市场规划技术领域，具体涉及到一种碳交易机制下综合能源市场多供能主体规划方法，包括：建立多供能主体碳交易成本计算模型；建立碳交易机制下综合能源市场纳什均衡模型；基于多供能主体碳交易成本计算模型和碳交易机制下综合能源市场纳什均衡模型，构建多供能主体均衡竞价的双层优化模型；设计双层改进型微分进化算法对多供能主体均衡竞价的双层优化模型进行求解。本发明在IEM运行和各市场主体均衡竞价策略中引入碳交易机制，基于多供能主体奖惩型碳交易机制构建碳交易机制下IEM多供能主体均衡竞价策略模型，以控制多供能主体碳排放量，并有效提升多供能主体参与市场竞争的积极性，降低社会用电总成本。

Description

一种碳交易机制下综合能源市场多供能主体规划方法
技术领域
本发明涉及供能市场规划技术领域，具体涉及到一种碳交易机制下综合能源市场多供能主体规划方法。
背景技术
随着我国新一轮电力市场改革和能源市场化改革的逐步推进，国家发改委和国家能源局提倡各市场主体加强能源互联，促进多种能源优化互补的发展方式。建设安全高效、低碳清洁的综合能源系统市场服务机制和能源运营模式成为了当前的研究热点。各市场主体参与市场竞争是研究建设综合能源系统市场服务机制和能源运营模式主要内容之一。在市场各主体竞争过程中，供能主体作为综合能源市场(Integrated Energy Market,IEM)重要参与主体，其选择合理的竞价策略可有效最大化自身效益，增强市场竞争力。
国内外学者已对IEM各主体竞价策略开展了一些研究，然而，目前相关文献中鲜有对碳交易机制下IEM中参与主体的竞价行为进行分析研究。2021年“碳达峰、碳中和”写入我国政府工作报告，提出了加快建设全国用能权、碳排放权交易市场，完善能源消费双控制度；为响应国家的碳目标号召，进一步控制能源行业的碳排放量，国家电网公司也发布“双碳”行动方案，其中发展碳排放权交易市场是推进碳减排相关目标的重要环节。因此，研究碳交易机制下综合能源市场多供能主体均衡竞价策略已势在必行。
目前在供能主体竞价策略优化方法的研究方面，电力市场均衡竞价策略的求解方法主要包括对角化循环迭代和非线性互补算法，但目前这两种方法均有所不足，对角化循环迭代法通过不断迭代求解各供能主体利润最大化模型，直到得出稳定的市场均衡点为止，其求解效率、鲁棒性和收敛性较差；非线性互补算法是利用KKT最优性条件将双层模型转换成单层模型进行求解，其松弛因子维度高、转化过程和算法较为繁杂。
综上所述，有必要提出一种更好的碳交易机制下综合能源市场多供能主体均衡规划方法。
发明内容
本发明的目的在于至少解决现有技术中存在的技术问题之一，提供一种碳交易机制下综合能源市场多供能主体规划方法。
为实现上述目的，本发明采用的技术方案如下：一种碳交易机制下综合能源市场多供能主体规划方法，包括以下步骤：
步骤1，建立多供能主体碳交易成本计算模型；
步骤2，建立碳交易机制下综合能源市场纳什均衡模型；
步骤3，基于多供能主体碳交易成本计算模型和碳交易机制下综合能源市场纳什均衡模型，构建多供能主体均衡竞价的双层优化模型；
步骤4，设计双层改进型微分进化算法对多供能主体均衡竞价的双层优化模型进行求解。
进一步的，在步骤1中，建立多供能主体碳交易成本计算模型，具体包括：
碳交易机制是根据政府分配的碳排放配额对CO2排放权进行交易的机制，以确定各能源供应商的碳排放配额；
电力供应商碳排放配额：
Figure 653584DEST_PATH_IMAGE001
(1)
式中：
Figure 420683DEST_PATH_IMAGE002
为电力供应商碳排放配额；
Figure 338960DEST_PATH_IMAGE003
为电力供应商i的电量出力，其中，电力供应商均为燃煤电厂；
Figure 849707DEST_PATH_IMAGE004
为电力供应商集合；
Figure 537041DEST_PATH_IMAGE005
为电力供应商单位发电量碳排放配额；
热力供应商碳排放配额：
Figure 740620DEST_PATH_IMAGE006
(2)
式中：
Figure 880614DEST_PATH_IMAGE007
为热力供应商碳排放配额；
Figure 959167DEST_PATH_IMAGE008
为热力供应商j的供热量，其中，热力供应商均为燃气锅炉；
Figure 501006DEST_PATH_IMAGE009
为热力供应商集合；
Figure 672225DEST_PATH_IMAGE010
为热力供应商单位供热量碳排放配额；
电热耦合供应商碳排放配额：
Figure 174881DEST_PATH_IMAGE011
(3)
式中：
Figure 152065DEST_PATH_IMAGE012
为电热耦合供应商碳排放配额；
Figure 689356DEST_PATH_IMAGE013
和
Figure 359372DEST_PATH_IMAGE014
分别为电热耦合供应商p的电量出力和供热量，其中，电热耦合供应商均为热电联产机组；
Figure 582281DEST_PATH_IMAGE015
为热电联产机组集合；
Figure 363155DEST_PATH_IMAGE016
为发电量折算成供热量的折算系数；
碳交易中具体的多供能主体碳排放奖惩成本模型如下式所示：
Figure 754953DEST_PATH_IMAGE017
(4)
式中：
Figure 595870DEST_PATH_IMAGE018
为多供能主体碳排放奖惩成本；
Figure 73119DEST_PATH_IMAGE019
为政府批复的碳交易价格；α为多供能主体碳排放奖惩系数；
Figure 657684DEST_PATH_IMAGE020
为各供能主体的实际碳排放总量；
Figure 903989DEST_PATH_IMAGE021
为碳排放量超额区间；
Figure 915807DEST_PATH_IMAGE022
为政府分配的各功能主体的碳排放配额，
Figure 910046DEST_PATH_IMAGE023
包括
Figure 173668DEST_PATH_IMAGE024
；m为正整数，用以划分出不同的碳排放量超额区间。
进一步的，在步骤2中，建立碳交易机制下综合能源市场纳什均衡模型，具体包括：
设综合能源市场中有n个博弈方，所有博弈方构成的策略组合为
Figure 399113DEST_PATH_IMAGE025
，对应的收益集合为
Figure 457199DEST_PATH_IMAGE026
；若存在一种策略组合
Figure 33674DEST_PATH_IMAGE027
，满足式（5），则这一策略组合称作纳什均衡策略；
Figure 835407DEST_PATH_IMAGE028
(5)
式中，
Figure 649780DEST_PATH_IMAGE029
和
Figure 642881DEST_PATH_IMAGE030
分别表示纳什均衡下博弈方u的策略和其所有竞争对手的策略，此时，每个博弈方收益都为对手策略下的最大值，将没有任一个博弈方愿意主动改变自身策略；
对于任一个策略组合
Figure 441073DEST_PATH_IMAGE031
，其中博弈方u的所有竞争对手策略用
Figure 780919DEST_PATH_IMAGE032
表示，可构造出如下式的纳什适应度函数
Figure 980956DEST_PATH_IMAGE033
；
Figure 646423DEST_PATH_IMAGE034
(6)
综合式(5)-(6)可知，当且仅当满足纳什均衡策略时，
Figure 338436DEST_PATH_IMAGE035
取得最大值。
进一步的，所述多供能主体均衡竞价的双层优化模型包括碳交易机制下竞价决策层优化模型和市场出清层优化模型；
所述碳交易机制下竞价决策层优化模型具体包括：
供应商竞价函数是对边际成本和碳交易成本进行仿射处理，并采用等比例系数
Figure 872185DEST_PATH_IMAGE036
进行竞价；
电力供应商竞价优化模型如下：
Figure 300631DEST_PATH_IMAGE037
(7)
式中：
Figure 996054DEST_PATH_IMAGE038
为电力供应商i的利润；
Figure 644204DEST_PATH_IMAGE039
为市场出清电价，由外层的市场出清层优化模型求解得到；
Figure 450486DEST_PATH_IMAGE040
为电力供应商边际发电成本函数的系数；
Figure 234903DEST_PATH_IMAGE041
是电力供应商
Figure 366807DEST_PATH_IMAGE042
的报价决策变量最小值和最大值；
Figure 236674DEST_PATH_IMAGE043
为电力供应商
Figure 112226DEST_PATH_IMAGE042
的报价决策变量；s.t.表示约束条件的缩写；
热力供应商竞价优化模型如下：
Figure 515263DEST_PATH_IMAGE044
(8)
式中：
Figure 552489DEST_PATH_IMAGE045
为热力供应商j的利润；
Figure 175232DEST_PATH_IMAGE046
为市场出清热价，由外层的市场出清层优化模型求解得到；
Figure 588895DEST_PATH_IMAGE047
和
Figure 144642DEST_PATH_IMAGE048
为热力供应商边际供热成本函数的系数；
Figure 228135DEST_PATH_IMAGE050
是热力供应商j的报价决策变量最小值和最大值；
Figure 197228DEST_PATH_IMAGE051
为热力供应商j的报价决策变量；
电热耦合供应商竞价优化模型如下：
Figure 788484DEST_PATH_IMAGE052
(9)
式中：
Figure 526633DEST_PATH_IMAGE053
为电热耦合供应商p的利润；
Figure 46607DEST_PATH_IMAGE054
和
Figure 237417DEST_PATH_IMAGE055
为电热耦合供应商p边际供能成本函数的系数；
Figure 868250DEST_PATH_IMAGE056
和
Figure 726484DEST_PATH_IMAGE057
是电热耦合供应商p的报价决策变量最小值和最大值；
Figure 417360DEST_PATH_IMAGE058
为电热耦合供应商p的报价决策变量。
进一步的，所述市场出清层优化模型具体包括：
市场出清层优化模型采用电热联合系统最优潮流，考虑电力系统节点功率平衡约束、电力供应商机组出力约束、线路潮流约束和热力系统潮流约束、热源节点约束、管网温度约束，市场出清层以电、热供需总体社会效益最大化为目标对综合能源市场进行出清，供应商售电价格和需求方购电价格按照节点电价和节点热价执行，包括：
Figure 526DEST_PATH_IMAGE059
(10)
式中：
Figure 559683DEST_PATH_IMAGE061
为电热供需总体社会效益；
Figure 147790DEST_PATH_IMAGE062
为用户q中标的电量；
Figure 134201DEST_PATH_IMAGE063
为用户q中标的热量；
Figure 440548DEST_PATH_IMAGE064
为负荷逆需求函数，
Figure 209921DEST_PATH_IMAGE065
为负荷逆需求函数的系数。
进一步的，构建多供能主体均衡竞价的双层优化模型的约束条件，所述约束条件具体包括：
电力系统约束如下：
Figure 777169DEST_PATH_IMAGE066
(11)
式中：
Figure 308382DEST_PATH_IMAGE067
为电力网络节点集合，z表示其中任意节点，
Figure 695501DEST_PATH_IMAGE068
和
Figure 940669DEST_PATH_IMAGE069
分别为节点z上的电力供应商集合、电热耦合供应商集合和用户集合；
Figure 300106DEST_PATH_IMAGE070
为节点z和其他任意节点s间的支路导纳；
Figure 2221DEST_PATH_IMAGE071
和
Figure 142215DEST_PATH_IMAGE072
分别为节点z和节点s的相角；
Figure 456653DEST_PATH_IMAGE073
为支路zs的潮流上限；
Figure 405017DEST_PATH_IMAGE074
分别为电力供应商i的最小电量出力和最大电量出力；
Figure 904132DEST_PATH_IMAGE075
和
Figure 937947DEST_PATH_IMAGE076
分别为电热耦合供应商p的最大电量出力和最小电量出力；
热力系统约束如下：
Figure 554610DEST_PATH_IMAGE077
(12)
式中：
Figure 216536DEST_PATH_IMAGE078
和
Figure 761918DEST_PATH_IMAGE079
分别为节点u上的热力供应商集合、电热耦合供应商集合和热力网络支路集合，
Figure 610925DEST_PATH_IMAGE080
为热力网络节点集合，u表示
Figure 267166DEST_PATH_IMAGE080
中任意节点；
Figure 783598DEST_PATH_IMAGE081
为水的比热容；
Figure 499881DEST_PATH_IMAGE082
为支路l的流量；
Figure 836184DEST_PATH_IMAGE083
分别为支路l的流入温度和流出温度；
Figure 818088DEST_PATH_IMAGE084
为外界环境温度；
Figure 189027DEST_PATH_IMAGE085
分别为温度传输系数和管道长度；
Figure 76211DEST_PATH_IMAGE086
为热力供应商j的最小供热量和最大供热量；
Figure 165390DEST_PATH_IMAGE087
和
Figure 163433DEST_PATH_IMAGE088
分别为电热耦合供应商p的最大供热量和最小供热量；
Figure 326561DEST_PATH_IMAGE089
和
Figure 509281DEST_PATH_IMAGE090
分别代表支路l的温度、最低温度和最高温度。
进一步的，在步骤4中，设计双层改进型微分进化算法，具体包括：
微分进化算法主要包括选择、交叉和变异3种操作；微分进化算法的变异机制可如下式表示：
Figure 194078DEST_PATH_IMAGE091
(13)
式中：
Figure 120445DEST_PATH_IMAGE092
表示进化g代的第t个d维个体向量，
Figure 341342DEST_PATH_IMAGE093
代表该向量中的第d个元素；
Figure 694963DEST_PATH_IMAGE094
和
Figure 368521DEST_PATH_IMAGE095
分别为第g代最佳个体向量、第c1和第c2个个体向量，c1、c2为随机选取且c1、c2不等于best以及c1、c2不相等；
Figure 98580DEST_PATH_IMAGE096
表示变异时产生的中间个体；F为变异尺度因子；
利用三角向量变异操作方法改进微分进化算法得到三角向量变异微分进化算法；三角向量变异微分进化算法在种群进行变异时，从父代种群中随机选取三个向量通过一定的权重组合为
Figure 173983DEST_PATH_IMAGE097
，然后通过对种群个体排序将三个向量分为最佳
Figure 432926DEST_PATH_IMAGE098
、较佳
Figure 92315DEST_PATH_IMAGE099
和最差向量
Figure 626065DEST_PATH_IMAGE100
，并算出它们各自的差向量与
Figure 555975DEST_PATH_IMAGE101
组成新的中间变量；构造如式(14)所示的变异操作机制；
Figure 251398DEST_PATH_IMAGE102
(14)
式中：权重
Figure 899549DEST_PATH_IMAGE103
；其中p 1=1，p 2=rand(0.75,1)，p 3=rand(0.5,p 2)；rand(a,b)是返回a和b之间随机实数函数，其中a和b不包括在内； F 1 、F 2 、F 3为变异因子由rand(0,1)随机确定数值。
进一步的，在步骤4中，双层改进型微分进化算法对多供能主体均衡竞价的双层优化模型进行求解，具体步骤如下：
步骤4.1，初始化种群个体，每个个体t由供能主体的策略取值组成：
Figure 971410DEST_PATH_IMAGE104
，种群规模为n，个体进化代数为g；
步骤4.2，进入内层，首先通过内点算法计算电热联合系统最优潮流，以社会福利最大化为目标对综合能源市场进行出清，得到多供能主体中标电量、中标热量和市场电价；
步骤4.3，计算各多供能主体的收益；
步骤4.4，然后通过内层三角向量变异微分进化算法求解多供能主体的最优收益，并返回外层；
步骤4.5，外层采用三角向量变异微分进化算法以纳什适应度函数为寻优目标搜索可行域内的所有策略组合；
步骤4.6，根据内层返回的多供能主体收益和各多供能主体的最优收益，计算其纳什适应度值，并判断其是否达到纳什均衡；
步骤4.7，重复步骤4.2至4.6并迭代至最大迭代次数g max，得到最优竞价策略。
由上述对本发明的描述可知，与现有技术相比，本发明的碳交易机制下综合能源市场多供能主体均衡规划方法至少包括以下有益效果之一：
本发明拟考虑碳交易机制的引入将对IEM运行以及各市场主体均衡竞价策略带来的影响，基于多供能主体奖惩型碳交易机制构建碳交易机制下IEM多供能主体均衡竞价策略模型，以控制多供能主体碳排放量，并有效提升多供能主体参与市场竞争的积极性和市场竞争力，降低社会用电总成本；
本发明在碳交易机制下的竞争过程中，多供能主体制定均衡竞价策略以谋求经济利润最大化；碳交易机制下IEM多供能主体均衡竞价策略模型为双层优化模型，内层为多供能主体竞价决策层，外层为IEM出清层，决策层优化多供能主体竞价作为IEM出清基础，出清层根据所有IEM各主体的竞价信息及系统运行参数，出清各供能主体的中标电量、热量和市场价格，为决策层计算供能主体的收益和优化均衡竞价策略提供依据；
本发明为避免现有供能主体竞价策略研究方法求解效率、鲁棒性和收敛性较差以及维度高、转化过程和算法繁杂的问题，采用双层改进型微分进化算法求解所提模型，其基于纳什均衡理论，利用纳什适应度函数，将智能优化算法与博弈论方法有效结合，避免了将双层优化问题转化为单层平衡约束规划问题的繁杂过程；
本发明鉴于外层是以纳什适应度函数为寻优标准在可行域内搜索各供能主体的所有报价策略组合，内层是以电、热供需总体社会效益最大化为目标对IEM进行出清，通过双层嵌套优化可在一定程度上弥补常规博弈论方法在多人博弈和非完全信息下求解效果不理想问题。
附图说明
图1为本发明优选实施例中一种碳交易机制下综合能源市场多供能主体规划方法的步骤流程图。
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，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。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。
参照图1所示，本发明的优选实施例，一种碳交易机制下综合能源市场多供能主体规划方法，包括以下步骤：
步骤1，建立多供能主体碳交易成本计算模型；
步骤2，建立碳交易机制下综合能源市场纳什均衡模型；
步骤3，基于多供能主体碳交易成本计算模型和碳交易机制下综合能源市场纳什均衡模型，构建多供能主体均衡竞价的双层优化模型；
步骤4，设计双层改进型微分进化算法对多供能主体均衡竞价的双层优化模型进行求解。
本发明拟考虑碳交易机制的引入将对IEM运行以及各市场主体均衡竞价策略带来的影响，基于多供能主体奖惩型碳交易机制构建碳交易机制下IEM多供能主体均衡竞价策略模型，以控制多供能主体碳排放量，并有效提升多供能主体参与市场竞争的积极性和市场竞争力，降低社会用电总成本；本发明在碳交易机制下的竞争过程中，多供能主体制定均衡竞价策略以谋求经济利润最大化；碳交易机制下IEM多供能主体均衡竞价策略模型为双层优化模型，内层为多供能主体竞价决策层，外层为IEM出清层，决策层优化多供能主体竞价作为IEM出清基础，出清层根据所有IEM各主体的竞价信息及系统运行参数，出清各供能主体的中标电量、热量和市场价格，为决策层计算供能主体的收益和优化均衡竞价策略提供依据；本发明为避免现有供能主体竞价策略研究方法求解效率、鲁棒性和收敛性较差以及维度高、转化过程和算法繁杂的问题，采用双层改进型微分进化算法求解所提模型，其基于纳什均衡理论，利用纳什适应度函数，将智能优化算法与博弈论方法有效结合，避免了将双层优化问题转化为单层平衡约束规划问题的繁杂过程；本发明鉴于外层是以纳什适应度函数为寻优标准在可行域内搜索各供能主体的所有报价策略组合，内层是以电、热供需总体社会效益最大化为目标对IEM进行出清，通过双层嵌套优化可在一定程度上弥补常规博弈论方法在多人博弈和非完全信息下求解效果不理想问题。
作为本发明的优选实施例，其还可具有以下附加技术特征：
在本实施例中，在步骤1中，建立多供能主体碳交易成本计算模型，具体包括：
碳交易机制是根据政府分配的碳排放配额对CO2排放权进行交易的机制，以确定各能源供应商的碳排放配额；
电力供应商碳排放配额：
Figure 755826DEST_PATH_IMAGE105
(1)
式中：
Figure 887730DEST_PATH_IMAGE106
为电力供应商碳排放配额；
Figure 256132DEST_PATH_IMAGE107
为电力供应商i的电量出力，其中，电力供应商均为燃煤电厂；
Figure 131685DEST_PATH_IMAGE108
为电力供应商集合；
Figure 567345DEST_PATH_IMAGE109
为电力供应商单位发电量碳排放配额；
热力供应商碳排放配额：
Figure 745517DEST_PATH_IMAGE110
(2)
式中：
Figure 227314DEST_PATH_IMAGE111
为热力供应商碳排放配额；
Figure 516344DEST_PATH_IMAGE112
为热力供应商j的供热量，其中，热力供应商均为燃气锅炉；
Figure 399986DEST_PATH_IMAGE113
为热力供应商集合；
Figure 982015DEST_PATH_IMAGE114
为热力供应商单位供热量碳排放配额；
电热耦合供应商碳排放配额：
Figure 951108DEST_PATH_IMAGE115
(3)
式中：
Figure 43829DEST_PATH_IMAGE116
为电热耦合供应商碳排放配额；
Figure 781978DEST_PATH_IMAGE117
和
Figure 301952DEST_PATH_IMAGE014
分别为电热耦合供应商p的电量出力和供热量，其中，电热耦合供应商均为热电联产机组；
Figure 758341DEST_PATH_IMAGE118
为热电联产机组集合；
Figure 389174DEST_PATH_IMAGE119
为发电量折算成供热量的折算系数；
碳交易中具体的多供能主体碳排放奖惩成本模型如下式所示：
Figure 247408DEST_PATH_IMAGE120
(4)
式中：
Figure 171239DEST_PATH_IMAGE121
为多供能主体碳排放奖惩成本；
Figure 114925DEST_PATH_IMAGE122
为政府批复的碳交易价格；α为多供能主体碳排放奖惩系数；
Figure 549448DEST_PATH_IMAGE123
为各供能主体的实际碳排放总量；
Figure 262189DEST_PATH_IMAGE124
为碳排放量超额区间；
Figure 123966DEST_PATH_IMAGE125
为政府分配的各功能主体的碳排放配额，
Figure 289368DEST_PATH_IMAGE126
包括
Figure 58741DEST_PATH_IMAGE127
；m为正整数，用以划分出不同的碳排放量超额区间。
在本实施例中，在步骤2中，建立碳交易机制下综合能源市场纳什均衡模型，具体包括：
设综合能源市场中有n个博弈方，所有博弈方构成的策略组合为
Figure 265469DEST_PATH_IMAGE128
，对应的收益集合为
Figure 422781DEST_PATH_IMAGE129
；若存在一种策略组合
Figure 950846DEST_PATH_IMAGE130
，满足式（5），则这一策略组合称作纳什均衡策略；
Figure 586226DEST_PATH_IMAGE131
(5)
式中，
Figure 148926DEST_PATH_IMAGE132
和
Figure 149243DEST_PATH_IMAGE133
分别表示纳什均衡下博弈方u的策略和其所有竞争对手的策略，此时，每个博弈方收益都为对手策略下的最大值，将没有任一个博弈方愿意主动改变自身策略；
对于任一个策略组合
Figure 289237DEST_PATH_IMAGE134
，其中博弈方u的所有竞争对手策略用表示
Figure 102210DEST_PATH_IMAGE135
，可构造出如下式的纳什适应度函数
Figure 644050DEST_PATH_IMAGE136
；
Figure 18530DEST_PATH_IMAGE137
(6)
综合式(5)-(6)可知，当且仅当满足纳什均衡策略时，
Figure 380242DEST_PATH_IMAGE138
取得最大值。
在本实施例中，所述多供能主体均衡竞价的双层优化模型包括碳交易机制下竞价决策层优化模型和市场出清层优化模型；
所述碳交易机制下竞价决策层优化模型具体包括：
供应商竞价函数是对边际成本和碳交易成本进行仿射处理，并采用等比例系数
Figure 295108DEST_PATH_IMAGE139
进行竞价；
电力供应商竞价优化模型如下：
Figure 566821DEST_PATH_IMAGE140
(7)
式中：
Figure 236836DEST_PATH_IMAGE141
为电力供应商i的利润；
Figure 459745DEST_PATH_IMAGE142
为市场出清电价，由外层的市场出清层优化模型求解得到；
Figure 178302DEST_PATH_IMAGE143
为电力供应商边际发电成本函数的系数；
Figure 429155DEST_PATH_IMAGE144
是电力供应商
Figure 145438DEST_PATH_IMAGE145
的报价决策变量最小值和最大值；
Figure 481742DEST_PATH_IMAGE146
为电力供应商
Figure 738411DEST_PATH_IMAGE145
的报价决策变量；s.t.表示约束条件的缩写；
热力供应商竞价优化模型如下：
Figure 14409DEST_PATH_IMAGE147
(8)
式中：
Figure 901594DEST_PATH_IMAGE148
为热力供应商j的利润；
Figure 990772DEST_PATH_IMAGE149
为市场出清热价，由外层的市场出清层优化模型求解得到；
Figure 723236DEST_PATH_IMAGE150
和
Figure 948681DEST_PATH_IMAGE151
为热力供应商边际供热成本函数的系数；
Figure 69084DEST_PATH_IMAGE153
是热力供应商j的报价决策变量最小值和最大值；
Figure 753881DEST_PATH_IMAGE154
为热力供应商j的报价决策变量；
电热耦合供应商竞价优化模型如下：
Figure 680248DEST_PATH_IMAGE155
(9)
式中：
Figure 635566DEST_PATH_IMAGE156
为电热耦合供应商p的利润；
Figure 989187DEST_PATH_IMAGE157
和
Figure 662745DEST_PATH_IMAGE158
为电热耦合供应商p边际供能成本函数的系数；
Figure 64908DEST_PATH_IMAGE159
和
Figure 264945DEST_PATH_IMAGE160
是电热耦合供应商p的报价决策变量最小值和最大值；
Figure 163368DEST_PATH_IMAGE161
为电热耦合供应商p的报价决策变量。
在本实施例中，所述市场出清层优化模型具体包括：
市场出清层优化模型采用电热联合系统最优潮流，考虑电力系统节点功率平衡约束、电力供应商机组出力约束、线路潮流约束和热力系统潮流约束、热源节点约束、管网温度约束，市场出清层以电、热供需总体社会效益最大化为目标对综合能源市场进行出清，供应商售电价格和需求方购电价格按照节点电价和节点热价执行，包括：
Figure 448856DEST_PATH_IMAGE162
(10)
式中：
Figure 326813DEST_PATH_IMAGE164
为电热供需总体社会效益；
Figure 381357DEST_PATH_IMAGE165
为用户q中标的电量；
Figure 217726DEST_PATH_IMAGE166
为用户q中标的热量；
Figure 662614DEST_PATH_IMAGE167
为负荷逆需求函数，
Figure 468896DEST_PATH_IMAGE168
为负荷逆需求函数的系数。
在本实施例中，构建多供能主体均衡竞价的双层优化模型的约束条件，所述约束条件具体包括：
电力系统约束如下：
Figure 17427DEST_PATH_IMAGE169
(11)
式中：
Figure 618172DEST_PATH_IMAGE170
为电力网络节点集合，z表示其中任意节点，
Figure 753619DEST_PATH_IMAGE171
和
Figure 363591DEST_PATH_IMAGE172
分别为节点z上的电力供应商集合、电热耦合供应商集合和用户集合；
Figure 64831DEST_PATH_IMAGE173
为节点z和其他任意节点s间的支路导纳；
Figure 243003DEST_PATH_IMAGE174
和
Figure 724800DEST_PATH_IMAGE175
分别为节点z和节点s的相角；
Figure 246786DEST_PATH_IMAGE176
为支路zs的潮流上限；
Figure 130428DEST_PATH_IMAGE177
分别为电力供应商i的最小电量出力和最大电量出力；
Figure 479501DEST_PATH_IMAGE178
和
Figure 448594DEST_PATH_IMAGE179
分别为电热耦合供应商p的最大电量出力和最小电量出力；
热力系统约束如下：
Figure 72473DEST_PATH_IMAGE180
(12)
式中：
Figure 951568DEST_PATH_IMAGE181
和
Figure 596176DEST_PATH_IMAGE182
分别为节点u上的热力供应商集合、电热耦合供应商集合和热力网络支路集合，
Figure 160887DEST_PATH_IMAGE183
为热力网络节点集合，u表示
Figure 916353DEST_PATH_IMAGE183
中任意节点；
Figure 384375DEST_PATH_IMAGE184
为水的比热容；
Figure 199884DEST_PATH_IMAGE185
为支路l的流量；
Figure 815673DEST_PATH_IMAGE186
分别为支路l的流入温度和流出温度；
Figure 250197DEST_PATH_IMAGE187
为外界环境温度；
Figure 962938DEST_PATH_IMAGE188
分别为温度传输系数和管道长度；
Figure 792091DEST_PATH_IMAGE189
为热力供应商j的最小供热量和最大供热量；
Figure 223073DEST_PATH_IMAGE190
和
Figure 992445DEST_PATH_IMAGE191
分别为电热耦合供应商p的最大供热量和最小供热量；
Figure 700638DEST_PATH_IMAGE192
和
Figure 326792DEST_PATH_IMAGE193
分别代表支路l的温度、最低温度和最高温度。
在本实施例中，在步骤4中，设计双层改进型微分进化算法，具体包括：
微分进化算法主要包括选择、交叉和变异3种操作；微分进化算法的变异机制可如下式表示：
Figure 120436DEST_PATH_IMAGE194
(13)
式中：
Figure 21395DEST_PATH_IMAGE195
表示进化g代的第t个d维个体向量，
Figure 840488DEST_PATH_IMAGE196
代表该向量中的第d个元素；
Figure 168702DEST_PATH_IMAGE197
和
Figure 980800DEST_PATH_IMAGE198
分别为第g代最佳个体向量、第c1和第c2个个体向量，c1、c2为随机选取且c1、c2不等于best以及c1、c2不相等；
Figure 560817DEST_PATH_IMAGE199
表示变异时产生的中间个体；F为变异尺度因子；
利用三角向量变异操作方法改进微分进化算法得到三角向量变异微分进化算法；三角向量变异微分进化算法在种群进行变异时，从父代种群中随机选取三个向量通过一定的权重组合为
Figure 102657DEST_PATH_IMAGE200
，然后通过对种群个体排序将三个向量分为最佳
Figure 211558DEST_PATH_IMAGE201
、较佳
Figure 838848DEST_PATH_IMAGE202
和最差向量
Figure 455512DEST_PATH_IMAGE203
，并算出它们各自的差向量与
Figure 523962DEST_PATH_IMAGE204
组成新的中间变量；构造如式(14)所示的变异操作机制；
Figure 193978DEST_PATH_IMAGE205
(14)
式中：权重
Figure 183931DEST_PATH_IMAGE206
；其中p 1=1，p 2=rand(0.75,1)，p 3=rand(0.5,p 2)；rand(a,b)是返回a和b之间随机实数函数，其中a和b不包括在内； F 1 、F 2 、F 3为变异因子由rand(0,1)随机确定数值。
在本实施例中，在步骤4中，双层改进型微分进化算法对多供能主体均衡竞价的双层优化模型进行求解，具体步骤如下：
步骤4.1，初始化种群个体，每个个体t由供能主体的策略取值组成：
Figure 699226DEST_PATH_IMAGE207
，种群规模为n，个体进化代数为g；
步骤4.2，进入内层，首先通过内点算法计算电热联合系统最优潮流，以社会福利最大化为目标对综合能源市场进行出清，得到多供能主体中标电量、中标热量和市场电价；
步骤4.3，计算各多供能主体的收益；
步骤4.4，然后通过内层三角向量变异微分进化算法求解多供能主体的最优收益，并返回外层；
步骤4.5，外层采用三角向量变异微分进化算法以纳什适应度函数为寻优目标搜索可行域内的所有策略组合；
步骤4.6，根据内层返回的多供能主体收益和各多供能主体的最优收益，计算其纳什适应度值，并判断其是否达到纳什均衡；
步骤4.7，重复步骤4.2至4.6并迭代至最大迭代次数g max，得到最优竞价策略。
在不出现冲突的前提下，本领域技术人员可以将上述附加技术特征自由组合以及叠加使用。
可以理解，本发明是通过一些实施例进行描述的，本领域技术人员知悉的，在不脱离本发明的精神和范围的情况下，可以对这些特征和实施例进行各种改变或等效替换。另外，在本发明的教导下，可以对这些特征和实施例进行修改以适应具体的情况及材料而不会脱离本发明的精神和范围。因此，本发明不受此处所公开的具体实施例的限制，所有落入本申请的权利要求范围内的实施例都属于本发明所保护的范围内。

Claims (8)

1.一种碳交易机制下综合能源市场多供能主体规划方法，其特征在于，包括以下步骤：
步骤1，建立多供能主体碳交易成本计算模型；
步骤2，建立碳交易机制下综合能源市场纳什均衡模型；
步骤3，基于多供能主体碳交易成本计算模型和碳交易机制下综合能源市场纳什均衡模型，构建多供能主体均衡竞价的双层优化模型；
步骤4，设计双层改进型微分进化算法对多供能主体均衡竞价的双层优化模型进行求解。
2.根据权利要求1所述的一种碳交易机制下综合能源市场多供能主体规划方法，其特征在于，在步骤1中，建立多供能主体碳交易成本计算模型，具体包括：
碳交易机制是根据政府分配的碳排放配额对CO2排放权进行交易的机制，以确定各能源供应商的碳排放配额；
电力供应商碳排放配额：
Figure 349331DEST_PATH_IMAGE001
(1)
式中：
Figure 610679DEST_PATH_IMAGE002
为电力供应商碳排放配额；
Figure 921575DEST_PATH_IMAGE003
为电力供应商i的电量出力，其中，电力供应商均为燃煤电厂；
Figure 956265DEST_PATH_IMAGE004
为电力供应商集合；
Figure 301795DEST_PATH_IMAGE005
为电力供应商单位发电量碳排放配额；
热力供应商碳排放配额：
Figure 530783DEST_PATH_IMAGE006
(2)
式中：
Figure 328974DEST_PATH_IMAGE007
为热力供应商碳排放配额；
Figure 934399DEST_PATH_IMAGE008
为热力供应商j的供热量，其中，热力供应商均为燃气锅炉；
Figure 337699DEST_PATH_IMAGE009
为热力供应商集合；
Figure 236122DEST_PATH_IMAGE010
为热力供应商单位供热量碳排放配额；
电热耦合供应商碳排放配额：
Figure 521610DEST_PATH_IMAGE011
(3)
式中：
Figure 665147DEST_PATH_IMAGE012
为电热耦合供应商碳排放配额；
Figure 454111DEST_PATH_IMAGE013
和
Figure 290480DEST_PATH_IMAGE014
分别为电热耦合供应商p的电量出力和供热量，其中，电热耦合供应商均为热电联产机组；
Figure 63264DEST_PATH_IMAGE015
为热电联产机组集合；
Figure 744912DEST_PATH_IMAGE016
为发电量折算成供热量的折算系数；
碳交易中具体的多供能主体碳排放奖惩成本模型如下式所示：
Figure 919542DEST_PATH_IMAGE017
(4)
式中：
Figure 956505DEST_PATH_IMAGE018
为多供能主体碳排放奖惩成本；
Figure 91952DEST_PATH_IMAGE019
为政府批复的碳交易价格；α为多供能主体碳排放奖惩系数；
Figure 701925DEST_PATH_IMAGE020
为各供能主体的实际碳排放总量；
Figure 606427DEST_PATH_IMAGE021
为碳排放量超额区间；
Figure 643653DEST_PATH_IMAGE022
为政府分配的各功能主体的碳排放配额，
Figure 816DEST_PATH_IMAGE023
包括
Figure 414480DEST_PATH_IMAGE024
；m为正整数，用以划分出不同的碳排放量超额区间。
3.根据权利要求2所述的一种碳交易机制下综合能源市场多供能主体规划方法，其特征在于，在步骤2中，建立碳交易机制下综合能源市场纳什均衡模型，具体包括：
设综合能源市场中有n个博弈方，所有博弈方构成的策略组合为
Figure 672023DEST_PATH_IMAGE025
，对应的收益集合为
Figure 145730DEST_PATH_IMAGE026
；若存在一种策略组合
Figure 786927DEST_PATH_IMAGE027
，满足式（5），则这一策略组合称作纳什均衡策略；
Figure 614069DEST_PATH_IMAGE028
(5)
式中，
Figure 617797DEST_PATH_IMAGE029
和
Figure 137771DEST_PATH_IMAGE030
分别表示纳什均衡下博弈方u的策略和其所有竞争对手的策略，此时，每个博弈方收益都为对手策略下的最大值，将没有任一个博弈方愿意主动改变自身策略；
对于任一个策略组合
Figure 594160DEST_PATH_IMAGE031
，其中博弈方u的所有竞争对手策略用
Figure 746965DEST_PATH_IMAGE032
表示，可构造出如下式的纳什适应度函数
Figure 339621DEST_PATH_IMAGE033
；
Figure 764917DEST_PATH_IMAGE034
(6)
综合式(5)-(6)可知，当且仅当满足纳什均衡策略时，
Figure 708602DEST_PATH_IMAGE035
取得最大值。
4.根据权利要求3所述的一种碳交易机制下综合能源市场多供能主体规划方法，其特征在于，所述多供能主体均衡竞价的双层优化模型包括碳交易机制下竞价决策层优化模型和市场出清层优化模型；
所述碳交易机制下竞价决策层优化模型具体包括：
供应商竞价函数是对边际成本和碳交易成本进行仿射处理，并采用等比例系数
Figure 143126DEST_PATH_IMAGE036
进行竞价；
电力供应商竞价优化模型如下：
Figure 527971DEST_PATH_IMAGE037
(7)
式中：
Figure 248802DEST_PATH_IMAGE038
为电力供应商i的利润；
Figure 53685DEST_PATH_IMAGE039
为市场出清电价，由外层的市场出清层优化模型求解得到；
Figure 150954DEST_PATH_IMAGE040
为电力供应商边际发电成本函数的系数；
Figure 859147DEST_PATH_IMAGE041
是电力供应商
Figure 485300DEST_PATH_IMAGE042
的报价决策变量最小值和最大值；
Figure 278944DEST_PATH_IMAGE043
为电力供应商
Figure 179904DEST_PATH_IMAGE042
的报价决策变量；s.t.表示约束条件的缩写；
热力供应商竞价优化模型如下：
Figure 273762DEST_PATH_IMAGE044
(8)
式中：
Figure 975876DEST_PATH_IMAGE045
为热力供应商j的利润；
Figure 850291DEST_PATH_IMAGE046
为市场出清热价，由外层的市场出清层优化模型求解得到；
Figure 430308DEST_PATH_IMAGE047
和
Figure 972148DEST_PATH_IMAGE048
为热力供应商边际供热成本函数的系数；
Figure 143366DEST_PATH_IMAGE050
是热力供应商j的报价决策变量最小值和最大值；
Figure 646023DEST_PATH_IMAGE051
为热力供应商j的报价决策变量；
电热耦合供应商竞价优化模型如下：
Figure 623206DEST_PATH_IMAGE052
(9)
式中：
Figure 393454DEST_PATH_IMAGE053
为电热耦合供应商p的利润；
Figure 63470DEST_PATH_IMAGE054
和
Figure 850160DEST_PATH_IMAGE055
为电热耦合供应商p边际供能成本函数的系数；
Figure 506401DEST_PATH_IMAGE056
和
Figure 757253DEST_PATH_IMAGE057
是电热耦合供应商p的报价决策变量最小值和最大值；
Figure 473537DEST_PATH_IMAGE058
为电热耦合供应商p的报价决策变量。
5.根据权利要求4所述的一种碳交易机制下综合能源市场多供能主体规划方法，其特征在于，所述市场出清层优化模型具体包括：
市场出清层优化模型采用电热联合系统最优潮流，考虑电力系统节点功率平衡约束、电力供应商机组出力约束、线路潮流约束和热力系统潮流约束、热源节点约束、管网温度约束，市场出清层以电、热供需总体社会效益最大化为目标对综合能源市场进行出清，供应商售电价格和需求方购电价格按照节点电价和节点热价执行，包括：
Figure 75419DEST_PATH_IMAGE059
(10)
式中：
Figure 830623DEST_PATH_IMAGE061
为电热供需总体社会效益；
Figure 76928DEST_PATH_IMAGE062
为用户q中标的电量；
Figure 88746DEST_PATH_IMAGE063
为用户q中标的热量；
Figure 787712DEST_PATH_IMAGE064
为负荷逆需求函数，
Figure 175968DEST_PATH_IMAGE065
为负荷逆需求函数的系数。
6.根据权利要求5所述的一种碳交易机制下综合能源市场多供能主体规划方法，其特征在于，构建多供能主体均衡竞价的双层优化模型的约束条件，所述约束条件具体包括：
电力系统约束如下：
Figure 11200DEST_PATH_IMAGE066
(11)
式中：
Figure 193920DEST_PATH_IMAGE067
为电力网络节点集合，z表示其中任意节点，
Figure 144296DEST_PATH_IMAGE068
和
Figure 70664DEST_PATH_IMAGE069
分别为节点z上的电力供应商集合、电热耦合供应商集合和用户集合；
Figure 25981DEST_PATH_IMAGE070
为节点z和其他任意节点s间的支路导纳；
Figure 645182DEST_PATH_IMAGE071
和
Figure 115477DEST_PATH_IMAGE072
分别为节点z和节点s的相角；
Figure 720902DEST_PATH_IMAGE073
为支路zs的潮流上限；
Figure 655360DEST_PATH_IMAGE074
分别为电力供应商i的最小电量出力和最大电量出力；
Figure 819363DEST_PATH_IMAGE075
和
Figure 104851DEST_PATH_IMAGE076
分别为电热耦合供应商p的最大电量出力和最小电量出力；
热力系统约束如下：
Figure 248387DEST_PATH_IMAGE077
(12)
式中：
Figure 302931DEST_PATH_IMAGE078
和
Figure 139300DEST_PATH_IMAGE079
分别为节点u上的热力供应商集合、电热耦合供应商集合和热力网络支路集合，
Figure 646504DEST_PATH_IMAGE080
为热力网络节点集合，u表示
Figure 328153DEST_PATH_IMAGE081
中任意节点；
Figure 502782DEST_PATH_IMAGE082
为水的比热容；
Figure 743008DEST_PATH_IMAGE083
为支路l的流量；
Figure 3088DEST_PATH_IMAGE084
分别为支路l的流入温度和流出温度；
Figure 488427DEST_PATH_IMAGE085
为外界环境温度；
Figure 189667DEST_PATH_IMAGE086
分别为温度传输系数和管道长度；
Figure 226893DEST_PATH_IMAGE087
为热力供应商j的最小供热量和最大供热量；
Figure 849636DEST_PATH_IMAGE088
和
Figure 263299DEST_PATH_IMAGE089
分别为电热耦合供应商p的最大供热量和最小供热量；
Figure 520843DEST_PATH_IMAGE090
和
Figure 994550DEST_PATH_IMAGE091
分别代表支路l的温度、最低温度和最高温度。
7.根据权利要求1所述的一种碳交易机制下综合能源市场多供能主体规划方法，其特征在于，在步骤4中，设计双层改进型微分进化算法，具体包括：
微分进化算法主要包括选择、交叉和变异3种操作；微分进化算法的变异机制可如下式表示：
Figure 839009DEST_PATH_IMAGE092
(13)
式中：
Figure 525205DEST_PATH_IMAGE093
表示进化g代的第t个d维个体向量，
Figure 404300DEST_PATH_IMAGE094
代表该向量中的第d个元素；
Figure 783328DEST_PATH_IMAGE095
和
Figure 115084DEST_PATH_IMAGE096
分别为第g代最佳个体向量、第c1和第c2个个体向量，c1、c2为随机选取且c1、c2不等于best以及c1、c2不相等；
Figure 870550DEST_PATH_IMAGE097
表示变异时产生的中间个体；F为变异尺度因子；
利用三角向量变异操作方法改进微分进化算法得到三角向量变异微分进化算法；三角向量变异微分进化算法在种群进行变异时，从父代种群中随机选取三个向量通过一定的权重组合为
Figure 102686DEST_PATH_IMAGE098
，然后通过对种群个体排序将三个向量分为最佳
Figure 590299DEST_PATH_IMAGE099
、较佳
Figure 533984DEST_PATH_IMAGE100
和最差向量
Figure 702929DEST_PATH_IMAGE101
，并算出它们各自的差向量与
Figure 415670DEST_PATH_IMAGE102
组成新的中间变量；构造如式(14)所示的变异操作机制；
Figure 277447DEST_PATH_IMAGE103
(14)
式中：权重
Figure 708428DEST_PATH_IMAGE104
；其中p 1=1，p 2=rand(0.75,1)，p 3=rand(0.5,p 2)；rand(a,b)是返回a和b之间随机实数函数，其中a和b不包括在内； F 1 、F 2 、F 3为变异因子由rand(0,1)随机确定数值。
8.根据权利要求7所述的一种碳交易机制下综合能源市场多供能主体规划方法，其特征在于，在步骤4中，双层改进型微分进化算法对多供能主体均衡竞价的双层优化模型进行求解，具体步骤如下：
步骤4.1，初始化种群个体，每个个体t由供能主体的策略取值组成：
Figure 914019DEST_PATH_IMAGE105
，种群规模为n，个体进化代数为g；
步骤4.2，进入内层，首先通过内点算法计算电热联合系统最优潮流，以社会福利最大化为目标对综合能源市场进行出清，得到多供能主体中标电量、中标热量和市场电价；
步骤4.3，计算各多供能主体的收益；
步骤4.4，然后通过内层三角向量变异微分进化算法求解多供能主体的最优收益，并返回外层；
步骤4.5，外层采用三角向量变异微分进化算法以纳什适应度函数为寻优目标搜索可行域内的所有策略组合；
步骤4.6，根据内层返回的多供能主体收益和各多供能主体的最优收益，计算其纳什适应度值，并判断其是否达到纳什均衡；
步骤4.7，重复步骤4.2至4.6并迭代至最大迭代次数g max，得到最优竞价策略。
CN202110905763.0A 2021-08-09 2021-08-09 一种碳交易机制下综合能源市场多供能主体规划方法 Pending CN113344651A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110905763.0A CN113344651A (zh) 2021-08-09 2021-08-09 一种碳交易机制下综合能源市场多供能主体规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110905763.0A CN113344651A (zh) 2021-08-09 2021-08-09 一种碳交易机制下综合能源市场多供能主体规划方法

Publications (1)

Publication Number Publication Date
CN113344651A true CN113344651A (zh) 2021-09-03

Family

ID=77481119

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110905763.0A Pending CN113344651A (zh) 2021-08-09 2021-08-09 一种碳交易机制下综合能源市场多供能主体规划方法

Country Status (1)

Country Link
CN (1) CN113344651A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114358383A (zh) * 2021-12-03 2022-04-15 湖南大学 一种复杂不确定场景下多能源微网鲁棒优化方法和系统
CN116029879A (zh) * 2022-12-13 2023-04-28 广西电网有限责任公司 一种基于多维度的全行业最优减排策略的生成方法及系统
CN116911533A (zh) * 2023-06-27 2023-10-20 西安理工大学 区域综合能源系统多微网能量共济方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114358383A (zh) * 2021-12-03 2022-04-15 湖南大学 一种复杂不确定场景下多能源微网鲁棒优化方法和系统
CN116029879A (zh) * 2022-12-13 2023-04-28 广西电网有限责任公司 一种基于多维度的全行业最优减排策略的生成方法及系统
CN116029879B (zh) * 2022-12-13 2024-06-11 广西电网有限责任公司 一种基于多维度的全行业最优减排策略的生成方法及装置
CN116911533A (zh) * 2023-06-27 2023-10-20 西安理工大学 区域综合能源系统多微网能量共济方法
CN116911533B (zh) * 2023-06-27 2024-05-14 西安理工大学 区域综合能源系统多微网能量共济方法

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
CN113344651A (zh) 一种碳交易机制下综合能源市场多供能主体规划方法
Wang et al. Non-cooperative game-based multilateral contract transactions in power-heating integrated systems
Jiang et al. Energy management for a community-level integrated energy system with photovoltaic prosumers based on bargaining theory
CN113592648B (zh) 一种综合能源系统的多主体交易方法及系统
CN107330549A (zh) 含多主体的多能互补微电网能量管理方法
Zhong et al. Deep reinforcement learning framework for dynamic pricing demand response of regenerative electric heating
CN111192164A (zh) 考虑不确定风电的微网联合博弈优化共享及利益分配方法
CN113393125A (zh) 基于源荷双侧互动博弈的综合能源系统协同调度方法
CN112200388A (zh) 一种基于区块链和多目标决策的p2p能源交易方法
CN108428171A (zh) 一种基于复式竞价撮合的电力交易运营系统
CN117689234B (zh) 基于多主体双层博弈的园区综合能源系统调度方法及系统
CN113469783A (zh) 基于区块链的能源交易市场下的多指标多对多双边匹配及交易方法
Sun et al. Bi-level model for integrated energy service providers in joint electricity and carbon P2P market
CN115423508A (zh) 一种梯级水电在不确定性碳-电耦合市场中策略竞价方法
Vincent et al. Sustainable microgrid design with peer-to-peer energy trading involving government subsidies and uncertainties
CN109829559A (zh) 一种促进清洁能源消纳的调峰权交易方法
CN104091210B (zh) 一种基于金融路径优化的跨省跨区交易优化方法
CN114240643A (zh) 一种面向多微网协调交易的多方共治决策方法
CN114021385A (zh) 基于主从博弈的区域综合能源系统的优化设计方法和装置
Zhang et al. Electricity and heat sharing strategy of regional comprehensive energy multi-microgrid based on double-layer game
CN111489031B (zh) 基于源荷演化博弈的综合能源系统中长期负荷预测系统及方法
CN112288466A (zh) 一种电力市场环境下考虑气电耦合的发电商日前申报方法
Zhang et al. Bi-level demand response game with information sharing among consumers
Liu et al. Bidding strategy of integrated energy system considering decision maker’s subjective risk aversion

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210903

RJ01 Rejection of invention patent application after publication