CN113469783A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN113469783A
CN113469783A CN202110705883.6A CN202110705883A CN113469783A CN 113469783 A CN113469783 A CN 113469783A CN 202110705883 A CN202110705883 A CN 202110705883A CN 113469783 A CN113469783 A CN 113469783A
Authority
CN
China
Prior art keywords
matching
electricity
power
transaction
purchasing
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
CN202110705883.6A
Other languages
English (en)
Inventor
艾崧溥
李娜
郑相涵
马媛媛
卢晓亮
林晓炜
曹军威
容淳铭
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.)
Mingshu Technology Qingdao Co ltd
Original Assignee
Mingshu Technology Qingdao Co ltd
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 Mingshu Technology Qingdao Co ltd filed Critical Mingshu Technology Qingdao Co ltd
Publication of CN113469783A publication Critical patent/CN113469783A/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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0605—Supply or demand aggregation
    • 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
    • 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
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Accounting & Taxation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于能源互联网和区块链技术领域，具体公开了一种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。本发明中基于区块链的能源交易市场下的多指标多对多双边交易方法，实现了能源交易市场下全流程的链上交易，并且本发明在交易主体进行交易匹配环节，具有独特性地提出了一种能源交易市场下面向多指标的多对多双边匹配方法，该多对多双边匹配方法便于根据用户的多指标交易匹配要求，对参与市场交易的购电和售电主体之间进行交易匹配，从而筛选出满足交易双方多指标需求的交易对象，实现了多指标多对多双边交易匹配，有效地解决了区块链全流程链上交易中会遇到的交易匹配问题。

Description

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
技术领域
本发明属于能源互联网和区块链领域，涉及一种能源交易市场下的多指标多对多双边匹配方法，以及一种基于区块链的能源交易市场下的多指标多对多双边交易方法。
背景技术
随着我国分布式能源的发展与电力市场改革的推进，越来越多的省市开始开展电力市场交易。电力交易售电侧的逐步放开，允许分布式发电(Distribution Generation，简称DG)以及储能等多类型交易主体参与竞争已经成为我国电力市场化改革的趋势。
在传统的双边电力市场交易规则下，参与双边交易的交易主体主要通过自由谈判进行交易，此种交易方式信息闭塞，无法保证交易对方是所有交易方中最优的，无法最大化交易主体的利益，无法促进市场成交电量最大化，无法促进分布式新能源消纳最大化。
在开放的市场环境中，分布式能源交易市场中的产消者数量巨大，然而产消者之间的交易匹配方式却比较单一，概括起来，传统的交易匹配方式大致分为以下两种。
一种是根据高低匹配原则按照双方报价进行匹配，即：根据买方和卖方的报价，先将最高的买价与最低的卖价进行比较，若买价高于卖价则匹配成交；再在剩余未匹配的买卖交易中，按以上方法进行交易匹配，直到无报价可比或最高买价低于最低卖价为止。
另一种是根据双方报价构建多目标优化模型，即：多目标体现在考虑多个匹配主体上，在能源交易场景中，既考虑售电方利益也考虑购电方利益，并尽可能将双方利益最大化。
例如：公开号为CN110942191A的中国发明专利申请，公开了一种中长期电力市场下的多目标双边匹配方法，该专利文献根据双方报价构建多目标优化模型。然而，该专利文献仍然只考虑价格因素，并没有考虑用户关心的其他要求，如距离、能源类型等。
可见，传统的交易匹配方式很难筛选出满足交易双方多指标需求的交易对象。
区块链是一种去中心化的分布式数据账本，由多个对等节点组成，所有节点共同维护一个公开的数据账本，账本数据通过共识机制达成一致，去中心化是区块链最主要的特征。而能源互联网也强调开放、互联、对等以及分享的设计理念，与区块链的特性高度契合。
目前，能源交易市场并无基于区块链的分布式能源全流程链上交易平台，仅有个别省份具有电力信息化的电力交易平台作为试点。专利方面，经检索有部分专利曾经提出对将区块链交易的结果写入区块链的技术方案进行保护，然而并不包含全流程的区块链链上交易。
另外，交易匹配问题是区块链全流程链上交易中需要考虑的重要问题，在该问题中，当前一般解决方案仅使用电价作为单一的参考因素，从而有现有的双边竞价等方法存在。
发明内容
本发明的目的在于提出一种能源交易市场下的多指标多对多双边匹配方法，以便根据用户的多指标交易匹配要求参数对参与市场交易的主体进行匹配，筛选出满足交易双方多指标需求的交易对象。
本发明为了实现上述目的，采用如下技术方案：
一种能源交易市场下的多指标多对多双边匹配方法，包括如下步骤：
S1.获取市场交易中交易主体的交易匹配要求参数，自动计算匹配双方的多指标匹配满意度评价值；其中，交易主体包括购电方和售电方；
每个交易主体的交易匹配要求参数均有多个，且分别具有相应的权重；
优选地，购电方的交易匹配要求参数至少包括售电方能源类型、环保指标、售电价格、供电量、售电方信誉值以及供电位置参数；
售电方的交易匹配要求参数至少包括购电价格、需求量、购电方信誉值和购电位置参数；
S2.基于多指标匹配满意度评价值和匹配双方成交量构建多目标优化模型；
S3.构建多目标优化模型中的市场匹配约束条件；
S4.在满足以上市场匹配约束条件的前提下，将多目标优化模型转化为单目标优化模型，通过对单目标优化模型进行求解，得到优化后的匹配结果；
根据匹配结果，对参与市场交易的交易主体进行多对多的交易配对。
优选地，步骤S1具体为：
S1.1.购电方和售电方分别输入多个交易匹配要求参数；
S1.2.分别计算每个购电方对所有售电方关于某一交易匹配要求参数的匹配满意度评价值，以及每个售电方对所有购电方关于某一交易匹配要求参数的匹配满意度评价值；
S1.3.基于步骤S1.2得到的匹配满意度评价值以及单一交易匹配要求参数的权重，分别计算购电方对所有售电方的综合评价值，以及售电方对所有购电方的综合评价值。
优选地，采用0到10之间的数字表示单一交易匹配要求参数的匹配满意度评价值大小，当评价值为10时表示匹配满意度最大；如果购/售电方关于某一交易匹配要求参数的实际值完全满足售/购电方关于某一交易匹配要求参数的期望值，则评价值赋值为10；
若不满足完全，则评价值为小于10的整数，且购/售电方关于某一交易匹配要求参数的期望值与售/购电方关于某一交易匹配要求参数的实际值越相近，则匹配满意度评价值越大。
优选地，步骤S1.3具体为：
首先定义如下变量，即：
购电方集合：P＝{P1,P2,P3,…,Pm}，共m个购电方，Pi表示第i个购电方；
售电方集合：S＝{S1,S2,S3,…,Sn}，共n个售电方，Sj表示第j个售电方；
购电方对于售电方的交易匹配要求参数集Q＝{Q1,Q2,…,Qf}；
其中，Qh表示第h个交易匹配要求参数，h＝1,2,…,f；
对应于售电方的交易匹配要求参数集Q的权重向量：w＝{w1,w2,w3,…,wf}；
其中，wh表示第h个交易匹配要求参数Qh的权重；0≤wh≤1，
Figure BDA0003132022550000031
售电方对于购电方的交易匹配要求参数集I＝{I1,I2,I3,…,Ik}；
其中，Iq表示第q个交易匹配要求参数，q＝1,2,…,k；
对应于交易匹配要求参数集I的权重向量：v＝{v1,v2,v3,…,vk}；
其中，vq表示第q个交易匹配要求参数Iq的权重；0≤vq≤1，
Figure BDA0003132022550000032
购电方Pi对于售电方Sj给出的关于交易匹配要求参数Qh的匹配满意度评价值为ahij；
售电方Sj对于购电方Pi给出的关于交易匹配要求参数Iq的匹配满意度评价值为bqij；
购电方Pi对于售电方Sj的匹配满意度评价值：aij；
售电方Sj对于购电方Pi的匹配满意度评价值：bij；
匹配双方的多指标匹配满意度的综合评价值的计算方法如下：
购电方Pi对于售电方Sj的综合评价值如公式(1)所示：
Figure BDA0003132022550000033
其中，f′表示购电方输入的交易匹配要求参数的数量；
售电方Sj对于购电方Pi的综合评价值如公式(2)所示：
Figure BDA0003132022550000034
其中，k′表示售电方输入的交易匹配要求参数的数量。
优选地，步骤S2中，多目标优化模型的公式如下：
Figure BDA0003132022550000035
Figure BDA0003132022550000036
其中，m表示购电方的数量，n表示售电方的数量；
Z1、Z2表示多目标优化模型的优化目标；
MaxZ1表示优化目标为最大化Z1，MaxZ2表示优化目标为最大化Z2；
a′ij表示购电方Pi对于售电方Sj的匹配满意度评价值的规范化值；b′ij表示售电方Sj对于购电方Pi的匹配满意度评价值的规范化值；xij表示购电方Pi与售电方Sj之间的交易电量；
使用Min-max进行标准化标准化，具体的，a′ij和b′ij的标准化方法为：
Figure BDA0003132022550000041
Figure BDA0003132022550000042
其中，aij表示购电方Pi对于售电方Sj的匹配满意度评价值；
Figure BDA0003132022550000043
表示aij中的最小值，
Figure BDA0003132022550000044
表示aij中的最大值；
bij表示售电方Sj对于购电方Pi的匹配满意度评价值；
Figure BDA0003132022550000045
表示bij中的最小值，
Figure BDA0003132022550000046
表示bij中的最大值。
优选地，步骤S3中，市场匹配约束条件为：
Figure BDA0003132022550000047
Figure BDA0003132022550000048
Figure BDA0003132022550000049
其中，m表示购电方的数量，n表示售电方的数量；xij表示购电方Pi与售电方Sj之间的交易电量；PEi为购电方Pi需购买的电量，SEj为售电方Sj可出售的电量。
优选地，匹配结果为多对多匹配，即：
一个购电方可同时从多个售电方进行购电；一个售电方可同时向多个购电方进行售电。
优选地，步骤S4中，利用隶属度函数的加权和方法进行化简，将多目标优化模型转化为单目标优化模型；其中，隶属度函数的计算公式如下所示：
Figure BDA00031320225500000410
Figure BDA00031320225500000411
其中，0≤μ(Z1)≤1，0≤μ(Z2)≤1；
μ(Z1)表示目标Z1的隶属度函数；
Figure BDA00031320225500000412
分别表示单独考虑目标Z1所获得的单目标优化的最优值和最小值；
μ(Z2)表示目标Z2的隶属度函数；
Figure BDA0003132022550000051
分别表示单独考虑目标Z2所获得的单目标优化的最优值和最小值；
w1和w2分别表示目标Z1和目标Z2的权重，则新的目标函数为：
MaxZ＝w1μ(Z1)+w2μ(Z2) (12)
其中，Z表示单目标优化模型的优化目标；MaxZ表示优化目标应最大化Z值；
通过对单目标优化模型进行求解，得到优化后的匹配结果；
根据匹配结果，对参与市场交易的交易主体进行多对多的交易配对。
此外，本发明还提出了一种基于区块链的能源交易市场下的多指标多对多双边交易方法，以解决能源交易市场全流程链上交易时遇到的交易匹配问题。
基于区块链的能源交易市场下的多指标多对多双边交易方法，包括如下步骤：
I.1.构建区块链网络，在区块链网络中，每个购电方对应一个购电节点；每个售电方对应一个售电节点；
每个售电方分别通过各自对应的售电节点，提交售电信息以及售电方交易匹配要求参数，生成售电记录，并上链存储；
每个购电方分别通过各自对应的购电节点，提交购电信息以及购电方交易匹配要求参数，生成购电记录，并上链存储；
I.2.周期内交易匹配合约被触发后，从区块链读取最新购、售电记录并进行交易匹配；
其中，该步骤I.2中的交易匹配过程，采用如上述权利要求1至8任一项所述的能源交易市场下的多指标多对多双边匹配方法进行交易匹配；
I.3.交易匹配完成后，生成交易预匹配记录并上链存储；
I.4.售电方通过售电节点从区块链中获取交易预匹配记录并授权，生成电力交易匹配记录并上链存储；
I.5.购电方通过购电节点从区块链获得交易预匹配记录以及带有售电方私钥签名的电力交易匹配记录，完成交易转账，生成转账记录并上链存储。
本发明具有如下优点：
如上所述，本发明述及了一种能源交易市场下的多指标多对多双边匹配方法，该匹配方法便于根据用户的多指标交易匹配要求，对参与市场交易的主体进行匹配，从而筛选出满足交易双方多指标需求的交易对象，进而实现多对多交易匹配。此外，本发明还提出了一种基于区块链的能源交易市场下的多指标多对多双边交易方法，该方法实现了分布式能源的全流程的链上交易，此外，本发明方法在交易匹配环节独特性地提出了面向多指标的多对多双边匹配方法，从而有效地解决了区块链全流程链上交易中会遇到的交易匹配问题。
附图说明
图1为本发明实施例中能源交易市场下的多指标多对多双边匹配方法的流程示意图。
具体实施方式
名词解释：
多对多双边匹配：一个购电方可同时从多个售电方进行购电；一个售电方可同时向多个购电方进行售电，售电方集与购电方集中用户完成多对多双边匹配。
下面结合附图以及具体实施方式对本发明作进一步详细说明：
结合图1所示，一种能源交易市场下的多指标多对多双边匹配方法，包括如下步骤：
S1.获取市场交易中交易主体的交易匹配要求参数，自动计算匹配双方的多指标匹配满意度评价值。其中，匹配双方是指购电方集合和售电方集合。
匹配双方均可选择自己的交易匹配要求参数，并对相应的交易匹配要求参数设置权重，多指标体现在交易匹配要求参数有多个。
S1.1.交易主体输入交易匹配要求参数。
本实施例中交易主体包括购电方和售电方。
在能源交易市场下，购电方与售电方分别对对方有交易匹配要求，且相应的交易匹配要求参数均会有多个，每个交易匹配要求参数都会具有相应的权重。
表1示出了购电方对于售电方的交易匹配要求参数(即对售电用户的要求)。
表1购电方交易匹配要求参数
能源类型 环保指标 售电价格 供电量 信誉值 供电位置
由上述表1能够看出，购电方的交易匹配要求参数至少包括售电方能源类型、环保指标、售电价格、供电量、售电方信誉值以及供电位置参数。
各个参数的含义分别如下：
能源类型指的是发电类型，主要包括火力、风能、水能、太阳能、生物能等。
环保指标指的是依据能源类型计算得出的清洁能源占总能源的比例指标；其中，风能、水能、太阳能、生物能均为清洁能源。
售电价格指的是售电方提交的出售价格。
供电量指的是售电方提交的可出售电量。
售电方信誉值指的是根据售电方的以往交易记录得出的诚信度。
供电位置指的是售电方所在位置，用经纬度表示。
购电方从其可选交易匹配要求参数中选择多个(例如3个)作为本次交易的交易匹配要求参数。
表2示出了售电方对于购电方的交易匹配要求参数(即对购电用户的要求)。
表2售电方交易匹配要求参数
购电价格 需求量 信誉值 购电位置
由表2能够看出，售电方的交易匹配要求参数至少包括购电价格、需求量、购电方信誉值以及购电位置参数。其中，各个参数的含义分别如下：
购电价格指的是购电方提交的可接受的购电价格区间；
需求量指的是购电方提交的需求电量；
购电方信誉值指的是根据购电方的以往交易记录得出的诚信度；
购电位置指的是购电方所在位置，用经纬度表示。
售电方从其可选交易匹配要求参数中选择多个(例如3个)作为本次交易的交易匹配要求参数。
S1.2.分别计算每个购电方对所有售电方关于某一交易匹配要求参数的匹配满意度评价值，以及每个售电方对所有购电方关于某一交易匹配要求参数的匹配满意度评价值。
例如，对于每一个购电方Pi，分别计算购电方Pi对每一个售电方Sj的关于某一交易匹配要求参数Qh的匹配满意度评价值，即ahij；同理，对于每一个售电方Sj，分别计算售电方Sj对每一个购电方Pi的关于某一匹配参数Iq的匹配满意度评价值，即bqij。
以购电方对所有售电方关于某一交易匹配要求参数的匹配满意度评价值为例：
本实施例采用0到10之间的数字表示购电方对所有售电方关于单一交易匹配要求参数的匹配满意度评价值大小，当评价值为10时表示匹配满意度最大。
如果售电方关于某一交易匹配要求参数的实际值完全满足购电方关于某一交易匹配要求参数的期望值，则评价值赋值为10。
若不完全满足，则评价值为小于10的整数，并且购电方关于某一交易匹配要求参数的期望值与售电方关于某一交易匹配要求参数的实际值越相近，则匹配满意度评价值越大。
同理，售电方对所有购电方关于某一交易匹配要求参数的匹配满意度评价值而言：
本实施例采用0到10之间的数字表示售电方对所有购电方关于单一交易匹配要求参数的匹配满意度评价值大小，当评价值为10时表示匹配满意度最大。
如果购电方关于某一交易匹配要求参数的实际值完全满足售电方关于某一交易匹配要求参数的期望值，则评价值赋值为10。
若不完全满足，则评价值为小于10的整数，并且售电方关于某一交易匹配要求参数的期望值与购电方关于某一交易匹配要求参数的实际值越相近，则匹配满意度评价值越大。
每个购电方对所有售电方关于某一交易匹配要求参数的匹配满意度评价值的计算过程如下：
①购电方对售电方的售电价格的满意度评价值计算如下：
设购电方最高可承受的购电价格(期望值)为pPrice，售电方的报价(实际值)为sPrice。
据了解，2019年北京市居民生活用电阶梯电价用户，用户分档电量为1-240千瓦时/户·月且电压等级在1kv以上时的电价为0.4783元/千瓦时；
北京市城区一般工商业用电在电压等级为1-10kv时的低谷电价为0.3023元/千瓦时。
因此，设置Pricemin＝0.3023元/千瓦时，则售电价格满意度指标值的计算方法如下：
如果sPrice≤pPrice，表示售电价格低于期望的购电价格，购电方能够以满意的价格进行交易，则匹配满意度评价值ahij＝10；
如果Pricemin≤pPrice＜sPrice，表示售电价格高于期望的购电价格，用购电价格与售电价格的相近程度表示购电方对售电方的满意程度；
定义购电方对售电方的售电价格的匹配满意度评价值为：
Figure BDA0003132022550000081
如果购电方最高可承受的购电价格(期望值)与售电方的报价(实际值)越接近，则表示售电方的报价越低，越符合购电方利益。
如果sPrice＜Pricemin，认为售电方为提高售电价格满意度恶意报价，ahij＝0。
②购电方对售电方的距离参数的满意度评价值计算如下：
首先需要计算购电方与售电方之间的距离，计算方法如下：
设供电位置为点A，经纬度为(Long1，Lat1)；设购电位置为点B，经纬度为(Long2，Lat2)；根据供电位置和购电位置，根据下面公式计算两个地理坐标之间的地表距离S：
Figure BDA0003132022550000082
其中，Long1、Lat1分别表示A点经、纬度，Long2、Lat2分别表示B点经、纬度；a＝Lat1–Lat2为两点纬度之差，b＝Long1-Long2为两点经度之差；6378.137为地球半径，单位为千米。
区域能源互联网场景下，设置供电线路为10kv，根据《工业与民用配电设计手册》，10kv供电线路一般不超过15km，因此设置最大传输距离为Lmax＝15km。
则购电方对售电方的供电位置满意度评价值的计算方法如下：
如果L＞Lmax，认为供电线路过长导致传输损耗过大，ahij＝0；
如果L≤Lmax，用两点间距离与最大传输距离的比值表示它们之间的相近程度，越相近表示距离越远，再与1做减法表示匹配满意度的偏好。
则定义购电方对售电方的供电位置匹配满意度评价值为：
Figure BDA0003132022550000091
③购电方对售电方的供电量参数的满意度评价值计算如下：
设需求量为xneed，供电量为xsupply，则供电量匹配满意度评价值的计算方法如下：
如果xneed≤xsupply，表示该售电方的供电量完全满足自身需求量，ahij＝10；
如果xneed＞xsupply，表示供电量不能满足需求，此时匹配满意度评价值为
Figure BDA0003132022550000092
④购电方对售电方的能源类型参数的满意度评价值计算如下：
能源类型包括火力、风能、水能、太阳能、生物能等。对于售电方来说，如果购电方选择的能源类型是该售电方的能源类型，则ahij＝10，否则ahij＝0。
⑤购电方对售电方的环保指标参数的满意度评价值计算如下：
根据能源类型对是否为清洁能源做出的划分。风能、水能、太阳能、生物能均为清洁能源，火力为非清洁能源。风能、水能、太阳能、生物能：ahij＝10；火力：ahij＝6。
⑥购电方对售电方的信誉值参数的满意度评价值计算如下：
信誉值指的是根据售电方的以往交易记录得出的诚信度，满分100。设信誉值为RepVal，同样使用线性方程表示对信誉值的满意度进行评价：
Figure BDA0003132022550000093
⑦售电方对购电方的购电价格的满意度评价值计算如下：
设售电方的报价为sPrice，购电方最高可承受的购电价格为pPrice。
据调查，2019年北京市工商业用电最贵城区在用电高峰时段的电价为1.4167元/kwh，因此设置Pricemax＝1.4167，则购电价格满意度指标值的计算方法如下：
如果pPrice＜sPrice，表示购电方出价达不到售电方最低可接受的售价，此时售电方没有交易意愿，则匹配满意度评价值bqij＝0；
如果sPrice≤pPrice＜Pricemax，表示购电方出价较高，售电方的期望是购电方出价越高越好，此时匹配满意度评价值为：
Figure BDA0003132022550000094
如果pPrice≥Pricemax，认为此时购电方为获得较高满意度而恶意出价，bqij＝0。
⑧售电方对购电方的需求量的满意度评价值计算如下：
对于售电方来说，希望购电方的需求量越大越好。
设需求量为xneed，供电量为xsupply，则需求量满意度指标值的计算方法如下：
如果xsupply≤xneed，表示该购电方的需求量大于供应量，bqij＝10；
如果xneed＜xsupply，使用线性方程表示对需求量的匹配满意度评价值：
Figure BDA0003132022550000101
⑨售电方对购电方的购电位置的满意度评价值计算如下：
购电位置满意度的计算与售电位置满意度的相同，只计算一次即可。
⑩售电方对购电方的信誉值的满意度评价值计算如下：
信誉值指的是根据购电方的以往交易记录得出的诚信度，满分100。设信誉值为RepVal，则信誉值的满意度指标值的计算方法如下：
Figure BDA0003132022550000102
S1.3.基于步骤S1.2得到的匹配满意度评价值以及单一交易匹配要求参数的权重，分别计算购电方对所有售电方的综合评价值，以及售电方对所有购电方的综合评价值。
综合评价值的求解具体过程如下：
首先定义如下变量；
购电方集合：P＝{P1,P2,P3,…,Pm}，共m个购电方，Pi表示第i个购电方。
售电方集合：S＝{S1,S2,S3,…,Sn}，共n个售电方，Sj表示第j个售电方。
购电方对于售电方的交易匹配要求参数集Q＝{Q1,Q2,…,Qf}；其中，Qh表示第h个交易匹配要求参数，h＝1,2,…,f。对应于售电方的交易匹配要求参数集Q的权重向量：w＝{w1,w2,w3,…,wf}；其中，wh表示第h个交易匹配要求参数Qh的权重；0≤wh≤1，
Figure BDA0003132022550000103
售电方对于购电方的交易匹配要求参数集I＝{I1,I2,I3,…,Ik}；其中，Iq表示第q个交易匹配要求参数，q＝1,2,…,k。对应于交易匹配要求参数集I的权重向量：v＝{v1,v2,v3,…,vk}；其中，vq表示第q个交易匹配要求参数Iq的权重；0≤vq≤1，
Figure BDA0003132022550000104
购电方Pi对于售电方Sj给出的关于交易匹配要求参数Qh的匹配满意度评价值为ahij；售电方Sj对于购电方Pi给出的关于交易匹配要求参数Iq的匹配满意度评价值为bqij。
购电方Pi对于售电方Sj的匹配满意度评价值：aij；售电方Sj对于购电方Pi的匹配满意度评价值：bij。匹配双方的多指标匹配满意度的综合评价值的计算方法如下：
购电方Pi对于售电方Sj的综合评价值如公式(1)所示：
Figure BDA0003132022550000105
其中，f′表示购电方输入的交易匹配要求参数的数量；
售电方Sj对于购电方Pi的综合评价值如公式(2)所示：
Figure BDA0003132022550000106
其中，k′表示售电方输入的交易匹配要求参数的数量。
本实施例通过市场主体的交易匹配需求设置和匹配满意度评价值自动计算，能够根据用户偏好将交易匹配需求转化为满意度数值，便于接下来多目标优化模型的构建。
S2.基于多指标匹配满意度评价值和匹配双方成交量构建多目标优化模型。
多目标优化模型的公式如下：
Figure BDA0003132022550000111
Figure BDA0003132022550000112
其中，m表示购电方的数量，n表示售电方的数量。
Z1、Z2表示多目标优化模型的优化目标；
MaxZ1表示优化目标为最大化Z1，MaxZ2表示优化目标为最大化Z2；
a′ij表示购电方Pi对于售电方Sj的匹配满意度评价值的规范化值；b′ij表示售电方Sj对于购电方Pi的匹配满意度评价值的规范化值；xij表示购电方Pi与售电方Sj之间的交易电量。
根据步骤S1中得到的匹配个体对其对应交易主体的综合评价值，可计算得到匹配个体对其对应交易主体的匹配满意度评价值。
通过将以上数据规范化，使其都处于0～1区间内，方便下面步骤的数据使用。
具体的，a′ij和b′ij的规范化方法为：
Figure BDA0003132022550000113
Figure BDA0003132022550000114
其中，aij表示购电方Pi对于售电方Sj的匹配满意度评价值；
Figure BDA0003132022550000115
表示aij中的最小值，
Figure BDA0003132022550000116
表示aij中的最大值；
bij表示售电方Sj对于购电方Pi的匹配满意度评价值；
Figure BDA0003132022550000117
表示bij中的最小值，
Figure BDA0003132022550000118
表示bij中的最大值。
以上多目标优化模型充分考虑了多指标(需求)因素，如距离、能源类型、信誉值等，而不只是价格因素，从而获得交易双方满意度更大的匹配，也更符合实际场景。
该多目标优化模型同时考虑了匹配双方的满意度，对于购电方而言，能够使得购电成本最小化；而对于售电方而言，能够使得售电方的售出电量最大化。
S3.构建多目标优化模型中的市场匹配约束条件，该市场匹配约束条件包括：
购电方所购买的电量之和必须等于其购电需求量，以保证购电方的购电需求一定得到满足，其对应的约束条件公式如公式(8)所示；
售电方所售出的电量之和必须小于等于其可售电量，以保证匹配形成后不会出现无电可售，其对应的约束条件公式如公式(7)所示；
购电方的购电量之和必须小于等于售电方的可售电量之和，以保证所有售电方都能买到其需求的电量，其对应的约束条件公式如公式(9)所示。
Figure BDA0003132022550000121
Figure BDA0003132022550000122
Figure BDA0003132022550000123
其中，m表示购电方的数量，n表示售电方的数量；xij表示购电方Pi与售电方Sj之间的交易电量；PEi为购电方Pi需购买的电量，SEj为售电方Sj可出售的电量。
市场匹配约束条件的构建充分考虑了能源交易双边市场的实际情况，明确了多目标优化模型的计算限制，能够保证多目标优化模型具有可行解，并且求解结果准确、有意义。
S4.在满足以上市场匹配约束条件的前提下，将多目标优化模型转化为单目标优化模型，通过对单目标优化模型进行求解，得到优化后的匹配结果；
根据匹配结果，对参与市场交易的交易主体进行多对多的交易配对。
具体过程如下：在该步骤中，利用隶属度函数的加权和方法进行化简，将多目标优化模型转化为单目标优化模型；其中，隶属度函数的计算公式如下所示：
Figure BDA0003132022550000124
Figure BDA0003132022550000125
其中，0≤μ(Z1)≤1，0≤μ(Z2)≤1；
μ(Z1)表示目标Z1的隶属度函数；
Figure BDA0003132022550000126
分别表示单独考虑目标Z1所获得的单目标优化的最优值和最小值；
μ(Z2)表示目标Z2的隶属度函数；
Figure BDA0003132022550000127
分别表示单独考虑目标Z2所获得的单目标优化的最优值和最小值；
w1和w2分别表示目标Z1和目标Z2的权重，则新的目标函数为：
MaxZ＝w1μ(Z1)+w2μ(Z2) (12)
其中，Z表示单目标优化模型的优化目标；MaxZ表示优化目标应最大化Z值；
通过以上步骤S4中优化模型的转化，可知该基于匹配满意度的优化模型为线性规划模型，由于步骤S3中约束条件也是线性的，因此可以使用线性规划方法对模型进行求解。
通过对单目标优化模型进行求解，得到优化后的匹配结果；匹配结果为多目标优化模型中的决策变量xij，xij的值即为购电方Pi和售电方Sj之间的交易量。
xij的取值不是传统的0或1(表示是否形成匹配)，而是具体的交易电量。
由于能量交易市场下交易双方的交易对象均有多个，这更符合自由市场的交易规律。对于购电方来说，能够最小化购电成本。对于售电方来说，能够促进市场成交量最大化。
紧接着，根据匹配结果，对参与市场交易的交易主体进行多对多的交易配对。
在步骤S4中，匹配结果为多对多匹配，即：
一个购电方可同时从多个售电方进行购电；一个售电方可同时向多个购电方进行售电。
多对多匹配意味着交易双方的交易对象均有多个，这更符合自由市场的交易规律。对于购电方来说，能够最小化自己的购电成本。对于售电方来说，能够促进市场成交量最大化。
本实施例中步骤S2和步骤S4的联系性在于：
在步骤S2中构建的多目标优化模型，能够将能源交易市场下的双边匹配问题抽象为两个线性目标函数，使双边匹配问题有了具体的优化目标。
在步骤S4中使用基于隶属度函数的加权和方法进行化简，将多目标优化模型转化为单目标优化模型，进而能够计算可行解，使得能够对参与市场交易的用户进行多对多交易配对。
本发明方法通过构建多目标优化函数，在使购电方的购电需求得到满足的前提下，最大化交易匹配双方的利益，并根据交易匹配主体的多指标需求进行匹配，从而得到多对多的最优化匹配结果，从而降低市场运营成本，增加市场主体利益，提高市场效率。
实施例2
本实施例2述及了一种基于区块链的能源交易市场下的多指标多对多双边交易方法，该多指标多对多双边交易方法为基于区块链的全流程链上交易。
首先构建能源交易市场下的区块链网络，在区块链网络中，每个购电方对应一个购电节点；同理，每个售电方对应一个售电节点，在区块链网络上部署有智能合约。
具体的，在每个购电方和售电方处部署一台计算机，作为相应的购电或售电节点。
基于区块链的能源交易市场下的多指标多对多双边交易方法，包括如下步骤：
I.1.售电方通过售电节点提交售电信息以及售电方交易匹配要求参数(即对购电方的要求)，生成售电记录并上链存储；其中，售电信息如表3所示：
表3
能源类型 环保指标 售电价格 供电量 信誉值 供电位置
售电方从其可选交易匹配要求参数(在上述实施例1表2中已经述及)中选择多个(例如3个)作为本次交易的交易匹配要求参数。
购电方通过购电节点提交购电信息以及购电方交易匹配要求参数(即对售电方的要求)，生成购电记录并上链存储；其中，购电信息如表4所示：
表4购电信息
购电价格 需求量 信誉值 购电位置
购电方从其可选交易匹配要求参数(在上述实施例1表1中已经述及)中选择多个(例如3个)作为本次交易的交易匹配要求参数。
I.2.周期内交易匹配合约被触发后，从区块链读取最新购、售电记录并进行交易匹配，本实施例中交易匹配采用上述实施例1中述及的多指标多对多双边匹配方法。
在交易匹配过程中，本实施例不仅使用电价作为参考因素，并且引入能源类型、传输距离等现有方案中不作为考虑因素，但切实地在市场化的能源交易，特别是区域能源交易中可能需要考虑的因素加入本方案中。
通过以上多指标多对多双边匹配方法，便于根据用户的多指标交易匹配要求对参与市场交易的主体进行匹配，从而筛选出满足交易双方多指标需求的交易对象。
I.3.交易匹配完成后，生成交易预匹配记录并上链存储。
I.4.售电方通过售电节点从区块链中获取交易预匹配记录并授权，生成电力交易匹配记录并上链存储。
I.5.购电方通过购电节点从区块链获得交易预匹配记录以及带有售电方私钥签名的电力交易匹配记录，完成交易转账，生成转账记录并上链存储。
本实施例2不仅实现了分布式能源的全流程的链上交易，并且具有独特性地提出了面向多指标的多对多双边匹配方法，解决了区块链全流程链上交易中会遇到的交易匹配问题。
当然，以上说明仅仅为本发明的较佳实施例，本发明并不限于列举上述实施例，应当说明的是，任何熟悉本领域的技术人员在本说明书的教导下，所做出的所有等同替代、明显变形形式，均落在本说明书的实质范围之内，理应受到本发明的保护。

Claims (7)

1.一种能源交易市场下的多指标多对多双边匹配方法，其特征在于，
包括如下步骤：
S1.获取市场交易中交易主体的交易匹配要求参数，自动计算匹配双方的多指标匹配满意度评价值；其中，所述交易主体包括购电方和售电方；
每个交易主体的交易匹配要求参数均有多个，且分别具有相应的权重；
其中，购电方的交易匹配要求参数至少包括售电方能源类型、环保指标、售电价格、供电量、售电方信誉值以及供电位置参数；
售电方的交易匹配要求参数至少包括购电价格、需求量、购电方信誉值和购电位置参数；
S2.基于多指标匹配满意度评价值和匹配双方成交量构建多目标优化模型；
S3.构建多目标优化模型中的市场匹配约束条件；
S4.在满足以上市场匹配约束条件的前提下，将多目标优化模型转化为单目标优化模型，通过对单目标优化模型进行求解，得到优化后的匹配结果；
根据所述匹配结果，对参与市场交易的交易主体进行多对多的交易配对。
2.根据权利要求1所述的能源交易市场下的多指标多对多双边匹配方法，其特征在于，
所述步骤S1具体为：
S1.1.分别获得购电方和售电方的多个交易匹配要求参数；
S1.2.分别计算每个购电方对所有售电方关于某一交易匹配要求参数的匹配满意度评价值，以及每个售电方对所有购电方关于某一交易匹配要求参数的匹配满意度评价值；
S1.3.基于步骤S1.2得到的匹配满意度评价值以及单一交易匹配要求参数的权重，分别计算购电方对所有售电方的综合评价值，以及售电方对所有购电方的综合评价值。
3.根据权利要求2所述的能源交易市场下的多指标多对多双边匹配方法，其特征在于，
所述步骤S1.3具体为：
首先定义如下变量，即：
购电方集合：P＝{P1,P2,P3,…,Pm}，共m个购电方，Pi表示第i个购电方；
售电方集合：S＝{S1,S2,S3,…,Sn}，共n个售电方，Sj表示第j个售电方；
购电方对于售电方的交易匹配要求参数集Q＝{Q1,Q2,…,Qf}；
其中，Qh表示第h个交易匹配要求参数，h＝1,2,…,f；
对应于售电方的交易匹配要求参数集Q的权重向量：w＝{w1,w2,w3,…,wf}；
其中，wh表示第h个交易匹配要求参数Qh的权重；0≤wh≤1，
Figure FDA0003132022540000011
售电方对于购电方的交易匹配要求参数集I＝{I1,I2,I3,…,Ik}；
其中，Iq表示第q个交易匹配要求参数，q＝1,2,…,k；
对应于交易匹配要求参数集I的权重向量：v＝{v1,v2,v3,…,vk}；
其中，vq表示第q个交易匹配要求参数Iq的权重；0≤vq≤1，
Figure FDA0003132022540000021
购电方Pi对于售电方Sj给出的关于交易匹配要求参数Qh的匹配满意度评价值为ahij；
售电方Sj对于购电方Pi给出的关于交易匹配要求参数Iq的匹配满意度评价值为bqij；
购电方Pi对于售电方Sj的匹配满意度评价值：aij；
售电方Sj对于购电方Pi的匹配满意度评价值：bij；
匹配双方的多指标匹配满意度的综合评价值的计算方法如下：
购电方Pi对于售电方Sj的综合评价值如公式(1)所示：
Figure FDA0003132022540000022
其中，f′表示购电方输入的交易匹配要求参数的数量；
售电方Sj对于购电方Pi的综合评价值如公式(2)所示：
Figure FDA0003132022540000023
其中，k′表示售电方输入的交易匹配要求参数的数量。
4.根据权利要求3所述的能源交易市场下的多指标多对多双边匹配方法，其特征在于，所述步骤S2中，多目标优化模型的公式如下：
Figure FDA0003132022540000024
Figure FDA0003132022540000025
其中，m表示购电方的数量，n表示售电方的数量；
Z1、Z2表示多目标优化模型的优化目标；
MaxZ1表示优化目标为最大化Z1，MaxZ2表示优化目标为最大化Z2；
a′ij表示购电方Pi对于售电方Sj的匹配满意度评价值的规范化值；
b′ij表示售电方Sj对于购电方Pi的匹配满意度评价值的规范化值；
xij表示购电方Pi与售电方Sj之间的交易电量；
使用Min-max进行标准化标准化，具体的，a′ij和b′ij的标准化方法为：
Figure FDA0003132022540000026
Figure FDA0003132022540000031
其中，aij表示购电方Pi对于售电方Sj的匹配满意度评价值；
Figure FDA0003132022540000032
表示aij中的最小值，
Figure FDA0003132022540000033
表示aij中的最大值；
bij表示售电方Sj对于购电方Pi的匹配满意度评价值；
Figure FDA0003132022540000034
表示bij中的最小值，
Figure FDA0003132022540000035
表示bij中的最大值。
5.根据权利要求4所述的能源交易市场下的多指标多对多双边匹配方法，其特征在于，
所述步骤S3中，市场匹配约束条件为：
Figure FDA0003132022540000036
Figure FDA0003132022540000037
Figure FDA0003132022540000038
其中，m表示购电方的数量，n表示售电方的数量；xij表示购电方Pi与售电方Sj之间的交易电量；PEi为购电方Pi需购买的电量，SEj为售电方Sj可出售的电量。
6.根据权利要求5所述的能源交易市场下的多指标多对多双边匹配方法，其特征在于，
所述步骤S4中，利用隶属度函数的加权和方法进行化简，将多目标优化模型转化为单目标优化模型；其中，隶属度函数的计算公式如下所示：
Figure FDA0003132022540000039
Figure FDA00031320225400000310
其中，0≤μ(Z1)≤1，0≤μ(Z2)≤1；
μ(Z1)表示目标Z1的隶属度函数；
Figure FDA00031320225400000311
分别表示单独考虑目标Z1所获得的单目标优化的最优值和最小值；
μ(Z2)表示目标Z2的隶属度函数；
Figure FDA00031320225400000312
分别表示单独考虑目标Z2所获得的单目标优化的最优值和最小值；
w1和w2分别表示目标Z1和目标Z2的权重，则新的目标函数为：
MaxZ＝w1μ(Z1)+w2μ(Z2) (12)
其中，Z表示单目标优化模型的优化目标；MaxZ表示优化目标应最大化Z值；
通过对单目标优化模型进行求解，得到优化后的匹配结果；
根据所述匹配结果，对参与市场交易的交易主体进行多对多的交易配对。
7.基于区块链的能源交易市场下的多指标多对多双边交易方法，其特征在于，
包括如下步骤：
I.1.构建区块链网络，在区块链网络中，每个购电方对应一个购电节点；每个售电方对应一个售电节点；
每个售电方分别通过各自对应的售电节点，提交售电信息以及售电方交易匹配要求参数，生成售电记录，并上链存储；
每个购电方分别通过各自对应的购电节点，提交购电信息以及购电方交易匹配要求参数，生成购电记录，并上链存储；
I.2.周期内交易匹配合约被触发后，从区块链读取最新购、售电记录并进行交易匹配；
交易匹配过程采用如上述权利要求1至6任一项所述的能源交易市场下的多指标多对多双边匹配方法进行交易匹配；
I.3.交易匹配完成后，生成交易预匹配记录并上链存储；
I.4.售电方通过售电节点从区块链中获取交易预匹配记录并授权，生成电力交易匹配记录并上链存储；
I.5.购电方通过购电节点从区块链获得交易预匹配记录以及带有售电方私钥签名的电力交易匹配记录，完成交易转账，生成转账记录并上链存储。
CN202110705883.6A 2020-06-28 2021-06-24 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 Pending CN113469783A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2020105973169 2020-06-28
CN202010597316.9A CN111754308A (zh) 2020-06-28 2020-06-28 一种能源交易市场下的多指标多对多双边匹配方法

Publications (1)

Publication Number Publication Date
CN113469783A true CN113469783A (zh) 2021-10-01

Family

ID=72677565

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202010597316.9A Pending CN111754308A (zh) 2020-06-28 2020-06-28 一种能源交易市场下的多指标多对多双边匹配方法
CN202110705883.6A Pending CN113469783A (zh) 2020-06-28 2021-06-24 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

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202010597316.9A Pending CN111754308A (zh) 2020-06-28 2020-06-28 一种能源交易市场下的多指标多对多双边匹配方法

Country Status (1)

Country Link
CN (2) CN111754308A (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112200388A (zh) * 2020-11-10 2021-01-08 铭数科技(青岛)有限公司 一种基于区块链和多目标决策的p2p能源交易方法
CN113781162A (zh) * 2021-08-31 2021-12-10 欧冶云商股份有限公司 一种用户个性化钢材贸易订单生成方法、设备及存储介质
CN113888348B (zh) * 2021-09-16 2024-05-28 国网湖北省电力有限公司电力科学研究院 一种以多边利益平衡为目标的源荷智能匹配方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112200388A (zh) * 2020-11-10 2021-01-08 铭数科技(青岛)有限公司 一种基于区块链和多目标决策的p2p能源交易方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112200388A (zh) * 2020-11-10 2021-01-08 铭数科技(青岛)有限公司 一种基于区块链和多目标决策的p2p能源交易方法

Also Published As

Publication number Publication date
CN111754308A (zh) 2020-10-09

Similar Documents

Publication Publication Date Title
Capper et al. Peer-to-peer, community self-consumption, and transactive energy: A systematic literature review of local energy market models
Mengelkamp et al. Trading on local energy markets: A comparison of market designs and bidding strategies
Wu et al. Multi-criteria group decision-making for portfolio allocation with consensus reaching process under interval type-2 fuzzy environment
Li et al. Towards differential privacy-based online double auction for smart grid
Luo et al. Distributed peer-to-peer energy trading based on game theory in a community microgrid considering ownership complexity of distributed energy resources
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
Qiu et al. Multi-Agent Reinforcement Learning for Automated Peer-to-Peer Energy Trading in Double-Side Auction Market.
CN112200388A (zh) 一种基于区块链和多目标决策的p2p能源交易方法
CN111127137A (zh) 基于集中撮合的分布式能源p2p交易方法
Teotia et al. Peer‐to‐peer local electricity market platform pricing strategies for prosumers
Qiu et al. Coordination for multienergy microgrids using multiagent reinforcement learning
Thompson et al. Blockchain-based peer-to-peer energy trading method
CN114444864A (zh) 基于区块链的分布式电力市场下分层电力交易匹配方法
Faria et al. Liberalized market designs for district heating networks under the EMB3Rs platform
Capper et al. A systematic literature review of peer-to-peer, community self-consumption, and transactive energy market models
Noorfatima et al. Development of community-based peer-to-peer energy trading mechanism using Z-bus network cost allocation
Mishra et al. A scalable and computational efficient peer-to-peer energy management scheme
CN110135625A (zh) 一种针对社区微网端对端交易的两阶段竞价方法
Pakere et al. Comparison of Suitable Business Models for the 5 Generation District Heating System Implementation through Game Theory Approach
Shinde et al. A multi-agent model for cross-border trading in the continuous intraday electricity market
Wang et al. Distributed Reputation-Distance iterative auction system for Peer-To-Peer power trading
Okwuibe et al. Advanced clustering approach for peer-to-peer local energy markets considering prosumers’ preference vectors
Nunna et al. Comparative analysis of peer-to-peer transactive energy market clearing algorithms
Anita et al. Energy Trading and Optimum Scheduling for Microgrids Using Multiple Agents Based DL Approach
CN110889598A (zh) 一种分布式发电市场化环境下各交易主体行为决策方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination