CN113642918A - 一种基于主从博弈的虚拟电厂调控方法、存储介质和装置 - Google Patents

一种基于主从博弈的虚拟电厂调控方法、存储介质和装置 Download PDF

Info

Publication number
CN113642918A
CN113642918A CN202110996170.XA CN202110996170A CN113642918A CN 113642918 A CN113642918 A CN 113642918A CN 202110996170 A CN202110996170 A CN 202110996170A CN 113642918 A CN113642918 A CN 113642918A
Authority
CN
China
Prior art keywords
power plant
virtual power
producer
master
consumer
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110996170.XA
Other languages
English (en)
Other versions
CN113642918B (zh
Inventor
高赐威
曹家诚
宋梦
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.)
Southeast University
Original Assignee
Southeast 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 Southeast University filed Critical Southeast University
Priority to CN202110996170.XA priority Critical patent/CN113642918B/zh
Publication of CN113642918A publication Critical patent/CN113642918A/zh
Application granted granted Critical
Publication of CN113642918B publication Critical patent/CN113642918B/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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Finance (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Power Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于主从博弈的虚拟电厂调控方法、存储介质和装置，属于虚拟电厂领域。本发明包括以下步骤：多产消者构建虚拟电厂；构建虚拟电厂运营商与产消者的主从博弈模型；求解主从博弈模型，确定虚拟电厂内部购售电价；根据内部购售电价，计算得到各产消者出力计划和虚拟电厂整体对外出力计划。本发明公开了一种基于主从博弈的虚拟电厂内部购售电价格制定方法，所提出的方法可以综合考虑双方的效益，制定虚拟电厂运营商向内部产消者的购售电价格，根据内部价格得到各产消者的最优出力计划，从而确定虚拟电厂对外的整体出力。

Description

一种基于主从博弈的虚拟电厂调控方法、存储介质和装置
技术领域
本发明涉及虚拟电厂领域，具体涉及一种基于主从博弈的虚拟电厂调控方法、存储介质和装置。
背景技术
近年来，随着用户侧分布式电源的广泛接入，传统的用户侧资源逐渐向产消者转变，在当前政策背景下，产消者侧的新能源机组采用“自发自用，余量上网”的模式，在新能源出力富余的时刻，产消者的剩余电量只能被电网以较低的并网价格收购，在出力不足的时刻，产消者则需要以较高的价格向零售商购买电能以平衡负荷。而虚拟电厂可以通过先进的通讯和控制手段对产消者资源进行聚合，使其达到电力市场的准入条件，参与市场获得更大收益。传统的虚拟电厂聚合用户侧资源主要有两种策略：一是直接控制负荷,二是通过负荷预测进而单方面制定电价引导用户调整用能需求。然而前者无法尊重用户的用能偏好，后者由于用户行为无法准确预测，虚拟电厂单方面发布的价格信号无法准确引导用户行为，且上述策略仅涉及用户用能需求，未考虑用户作为产消者的发电能力。
发明内容
针对现有技术的不足，本发明提出了一种基于主从博弈的虚拟电厂调控方法、存储介质和装置。
本发明的目的可以通过以下技术方案实现：
一种基于主从博弈的虚拟电厂调控方法，其特征在于，包括：
构建以产消者为主的虚拟电厂；
联合产消者效益函数和虚拟电厂效益函数构建主从博弈模型；
采用解析法与改进粒子群算法联合求解主从博弈模型，且改进粒子群算法对惯性因子进行自适应调整；
以主从博弈模型的均衡解为虚拟电厂内部购售电价格，调控产消者的出力计划和虚拟电厂整体对外出力计划。
进一步地，所述采用解析法与改进粒子群算法联合求解主从博弈模型包括以下步骤：
设定每个粒子的维度为2，分别对应内部市场的售电价
Figure BDA0003234139540000021
和购电价
Figure BDA0003234139540000022
虚拟电厂运营商在t时段发布的内部市场购售电价格对应每个粒子的位置，虚拟电厂运营商的效益对应粒子的适应度值；
则t时段粒子j的速度和位置的公式为：
Figure BDA0003234139540000023
式中：d为迭代次数，
Figure BDA0003234139540000024
和
Figure BDA0003234139540000025
分别为第d次迭代时粒子j的速度和位置，
Figure BDA0003234139540000026
和gbestd分别为截止至第d次迭代时粒子j和全局粒子的最优位置，c1与c2分别为个体、社会加速因子，r1与r2为取值在[0,1]的随机数，w为惯性因子。
进一步地，所述改进粒子群算法对惯性因子进行自适应调整的公式为：
Figure 1
Figure BDA0003234139540000028
Figure BDA0003234139540000029
式中wmin和wmax为预先取定的惯性因子上下限值，f(x)为适应度函数，n为粒子总数，
Figure BDA0003234139540000031
和
Figure BDA0003234139540000032
分别为粒子群体在第d次迭代时的平均和最小适应度值。
进一步地，所述产消者效益函数的构建包括以下步骤：
确定产消者在每个时段的购售电身份；
根据自然对数函数对用电效用进行度量：
Figure BDA0003234139540000033
式中
Figure BDA0003234139540000034
为产消者在t时刻的用电效用系数；
产消者在t时段的发电成本
Figure BDA0003234139540000035
为：
Figure BDA0003234139540000036
式中ai,bi分别为产消者的光伏机组和风电机组的运行成本，
Figure BDA0003234139540000037
和
Figure BDA0003234139540000038
分别为产消者管理的光伏机组和风电机组在t时刻的发电量；
产消者在虚拟电厂内部市场的购售电收益
Figure BDA0003234139540000039
为：
Figure BDA00032341395400000310
式中
Figure BDA00032341395400000311
和
Figure BDA00032341395400000312
分别为t时段产消者i在内部市场的售电电量和购电电量；
产消者在t时刻的总效益为：
Figure BDA00032341395400000313
式中
Figure BDA00032341395400000314
和
Figure BDA00032341395400000315
为[0,1]变量。
进一步地，所述产消者的购售电身份判断方式为：
Figure BDA00032341395400000316
式中
Figure BDA00032341395400000317
为产消者在t时刻的发电能力，
Figure BDA00032341395400000318
为产消者在t时刻的负荷需求；当
Figure BDA00032341395400000319
时，产消者的身份为生产者，
Figure BDA00032341395400000320
时，产消者的身份为消费者。
进一步地，所述主从博弈模型以虚拟电厂为领导者，产消者为跟随者，兼顾虚拟电厂和产消者的效益最大化为目标进行决策。
进一步地，所述主从博弈模型以虚拟电厂为领导者，产消者为跟随者，兼顾虚拟电厂和产消者的效益最大化为目标进行决策。
另一方面，本发明还提供一种存储介质，其中存储有多条程序，所述程序用于由处理器加载并执行以实现上述任一项所述的基于主从博弈的虚拟电厂调控方法。
第三方面，本发明还提供一种智能调控装置，包括处理器，适于执行各条程序，所述程序由处理器加载并执行以实现上述任一项所述的基于主从博弈的虚拟电厂调控方法。
本发明的有益效果：
本发明提出的一种基于主从博弈的虚拟电厂调控方法综合考虑了虚拟电厂和产消者的效益，制定虚拟电厂运营商向内部产消者的购售电价格，通过电价信号引导产消者调整发用电策略，最终形成虚拟电厂的对外出力，同时可以为虚拟电厂运营商在不同的现货市场环境下制定内部市场的购售电价格进行最优化调整。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本申请的调控流程框架图；
图2为本申请的多产消者虚拟电厂运行框架图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
目前，产消者侧的新能源机组采用“自发自用，余量上网”的模式，在新能源出力富余的时刻，产消者的剩余电量只能被电网以较低的并网价格收购，在出力不足的时刻，产消者则需要以较高的价格向零售商购买电能以平衡负荷。传统的虚拟电厂聚合用户侧资源主要有两种策略：一是直接控制负荷,二是通过负荷预测进而单方面制定电价引导用户调整用能需求。然而前者无法尊重用户的用能偏好，后者由于用户行为无法准确预测，而且虚拟电厂单方面发布的价格信号无法贴合用户的利益需求，无法准确引导用户行为，另外上述策略仅涉及用户用能需求，未考虑用户作为产消者的发电能力；
基于本发明提出的一种基于主从博弈的虚拟电厂调控方法构建的虚拟电厂通过产消者的资源聚合，使其达到电力市场的准入条件，参与市场获得更大收益。本发明提出的一种基于主从博弈的虚拟电厂调控方法，包括以下步骤：
1、多产消者虚拟电厂构建
产消者拥有分布式风电机组、光伏机组、可控负荷等分布式资源；多个产消者加入虚拟电厂：虚拟电厂对多个产消者资源进行聚合并参与电力现货市场。对内，虚拟电厂运营商发布内部购售电价格与产消者进行电能交易；对外，虚拟电厂代表产消者集群在电力现货市场进行交易。
产消者作为发用电资源的集合体，可根据负荷需求和电价信号调整自身发用电策略，以实现自身利益最大化。
为综合考虑虚拟电厂与产消者的利益，虚拟电厂运营商根据对现货市场价格的预测情况，制定合理的内部购售电价格，通过价格信号引导产消者调整自身出力，从而达到双方效益最优的目标，同时也可以利用不同产消者的资源互补特性促成虚拟电厂内部的能源共享。
为保证产消者的收益，虚拟电厂运营商需保证内部购售电价格优于当地电网的并网价格与零售电价，其约束条件为：
Figure BDA0003234139540000061
式中：
Figure BDA0003234139540000062
是t时段当地电网的余量收购价格，
Figure BDA0003234139540000063
是t时段虚拟电厂向内部产消者的购电价格，
Figure BDA0003234139540000064
是t时段虚拟电厂向内部产消者的售电价格，
Figure BDA0003234139540000065
是t时段当地电网的零售电价。
2、建立产消者效益模型
产消者在发电电量富余的时刻作为生产者向虚拟电厂运营商出售剩余电能，在其余时刻作为消费者向虚拟电厂运营商购买电能以满足负荷需求。
判断产消者各时段的购售电身份
本发明以产消者i为例构建判断公式：
Figure BDA0003234139540000066
式中：
Figure BDA0003234139540000067
为产消者i在t时刻的发电能力，
Figure BDA0003234139540000068
为产消者i在t时刻的负荷需求，当
Figure BDA0003234139540000069
时，产消者i的身份为生产者，
Figure BDA00032341395400000610
时为消费者。
构建产消者效益函数
产消者的效益包括用电效用、发电成本、内部市场的购售电收益三部分。
本发明利用自然对数函数对用电效用进行度量：
Figure BDA00032341395400000611
不同于一般采用的二次函数，采用对数函数能够更好地贴合产消者的效用曲线，另外对数函数的拟凸特性能够保证主从博弈均衡解的唯一性。
式中：
Figure BDA00032341395400000612
为产消者i在t时刻的用电效用系数，取决于产消者的类型以及用电偏好，
Figure BDA00032341395400000613
越大，产消者越倾向于消耗电能。
产消者i在t时段的发电成本
Figure BDA00032341395400000614
为：
Figure BDA00032341395400000615
式中:ai,bi分别为产消者i管理的光伏、风电机组的投资成本分摊到单位发电量的成本以及运维成本之和，对每个机组来说是定值，
Figure BDA00032341395400000616
和
Figure BDA00032341395400000617
分别为产消者i管理的光伏、风电机组在t时刻的发电量。
产消者i在虚拟电厂内部市场的购售电收益
Figure BDA0003234139540000071
为：
Figure BDA0003234139540000072
式中:
Figure BDA0003234139540000073
和
Figure BDA0003234139540000074
分别为t时段产消者i在内部市场的售电电量和购电电量。
综上可得，产消者i在t时刻的总效益为：
Figure BDA0003234139540000075
式中:
Figure BDA0003234139540000076
和
Figure BDA0003234139540000077
为[0,1]变量，取1时分别代表产消者为生产者或消费者。
3、虚拟电厂效益模型
产消者在参与内部市场时需要向虚拟电厂运营商提交各时段的产消者身份、发电预测量、负荷预测量、负荷可调范围以及用电效用系数，虚拟电厂运营商根据预测的电力现货市场价格，结合产消者提交的信息，决策内部市场的购售电价格以参与现货市场获利。
根据产消者提交的购售电身份，虚拟电厂运营商t时段在内部市场收购和出售的电能分别为：
Figure BDA0003234139540000078
Figure BDA0003234139540000079
式中:N为参与内部市场的产消者数量，
Figure BDA00032341395400000710
分别为虚拟电厂运营商t时段在内部市场收购和出售的电能。
虚拟电厂运营商在现货市场购售电以平衡内部市场的供需，虚拟电厂运营商在现货市场的交易量可表示为：
Figure BDA00032341395400000711
Figure BDA00032341395400000712
式中:
Figure BDA00032341395400000713
为虚拟电厂运营商在现货市场购买的电能，
Figure BDA00032341395400000714
为虚拟电厂运营商在现货市场出售的电能。
虚拟电厂运营商在t时刻的总效益Rt包括内部市场收益和参与现货市场收益两部分，具体表示为：
Figure BDA0003234139540000081
式中:
Figure BDA0003234139540000082
和
Figure BDA0003234139540000083
分别为t时刻现货市场的购电价和售电价。
4、建立主从博弈模型
在t时段虚拟电厂内部市场的运行过程中，虚拟电厂运营商和各产消者均以自身效益最大化为目标进行决策。虚拟电厂运营商的目标是决策出最优的内部市场购售电价格以最大化其参与现货市场收益，优化目标可表示为：
Figure BDA0003234139540000084
除了满足
Figure BDA0003234139540000085
外，上述优化问题还需满足以下约束条件：
Figure BDA0003234139540000086
Figure BDA0003234139540000087
式中:Qmax为现货市场交易电量的上限。
各产消者根据虚拟电厂运营商发布的内部购售电价格，以自身效益最大为目标决策在内部市场的购售电量，优化目标可表示为
Figure BDA0003234139540000088
上述优化问题需满足以下约束条件：
产消者的功率平衡约束：
Figure BDA0003234139540000089
虚拟电厂的内部市场交易电量约束：
Figure BDA00032341395400000810
Figure BDA00032341395400000811
产消者身份约束：
Figure BDA00032341395400000812
同一时刻产消者只能是生产者或消费者；
产消者负荷约束：
Figure BDA00032341395400000813
其中
Figure BDA00032341395400000814
是可调负荷下限，
Figure BDA00032341395400000815
是可调负荷上限。
虚拟电厂运营商和各产消者的优化模型共同形成了两者之间的主从博弈模型，其中虚拟电厂运营商为领导者，各产消者为跟随者响应领导者的策略，虚拟电厂运营商和产消者的策略互相影响，最终达到博弈均衡，实现双方效益最大的目标。
5、主从博弈模型求解，确定虚拟电厂内部购售电价
根据发明建立的主从博弈模型，若产消者i在t时段为生产者，在虚拟电厂运营商给定的内部购电价为
Figure BDA0003234139540000091
时，产消者i的最优策略如下：
Figure BDA0003234139540000092
若产消者i在t时刻为消费者，则在虚拟电厂运营商给定的内部售电价为
Figure BDA0003234139540000093
时，产消者i的最优策略如下：
Figure BDA0003234139540000094
针对本文建立的主从博弈模型，采用解析法与自适应惯性因子粒子群算法结合的方式进行求解。每个粒子的维度为2，分别对应内部市场的售电价
Figure BDA0003234139540000095
和购电价
Figure BDA0003234139540000096
虚拟电厂运营商在t时段发布的内部市场购售电价格对应每个粒子的位置，虚拟电厂运营商的效益对应粒子的适应度值，t时段粒子j的速度和位置按如下公式更新：
Figure BDA0003234139540000101
Figure BDA0003234139540000102
式中：d为迭代次数，
Figure BDA0003234139540000103
和
Figure BDA0003234139540000104
分别为第d次迭代时粒子j的速度和位置，
Figure BDA0003234139540000105
和gbestd分别为截止至第d次迭代时粒子j和全局粒子的最优位置，c1与c2分别为个体、社会加速因子，r1与r2为取值在[0,1]的随机数，w为惯性因子。
惯性因子的取值决定了粒子的寻优能力，其数值较大时有益于全局搜索，而较小时则更利于局部搜索，为了提高算法的收敛速度和精度，本发明采用自适应惯性因子法对迭代过程中惯性因子的选取进行改良，公式如下：
Figure BDA0003234139540000106
Figure BDA0003234139540000107
Figure BDA0003234139540000108
式中：wmin和wmax为预先取定的惯性因子上下限值，通常取值为0.4和0.9， f(x)为适应度函数，n为粒子总数，
Figure BDA0003234139540000109
和
Figure BDA00032341395400001010
分别为粒子群体在第d次迭代时的平均和最小适应度值。
由上式可见，改进后惯性因子的取值和迭代次数、每个粒子的适应度均有关联，能够根据每个粒子的适应度及时调整搜索策略，从而提高寻优的速度和精度。
求解的具体步骤如下：
步骤1：设定粒子群算法参数。
步骤2：初始化每个粒子对应的t时段购电价格和售电价格。
步骤3：计算每个粒子对应的产消者最优策略。
步骤4：根据虚拟电厂运营商决策出最优的内部市场购售电价格以最大化其参与现货市场收益的优化目标公式计算粒子适应度值。
步骤5：根据t时段粒子j的速度和位置的更新公式和惯性因子的选取改良公式更新粒子的速度和购售电价格。
按照设定的迭代次数重复步骤2至5，即可求得内部市场的最优购售电价格，结合产消者在不同身份的最优策略公式可得到博弈模型的均衡解。
求得的均衡解即为虚拟电厂内部购售电价格。
6、根据内部购售电价，计算得到各产消者出力计划和虚拟电厂整体对外出力计划。
根据优化得到的虚拟电厂内部购售电价格，虚拟电厂根据产消者提交的信息，通过产消者的最优策略公式计算得到各产消者的最优出力计划并下发给各产消者，虚拟电厂通过对产消者进行聚合，形成整体的对外出力计划。
本发明建立的虚拟电厂与内部产消者的主从博弈模型，能够兼顾双方的效益，制定虚拟电厂运营商向内部产消者的购售电价格，通过电价信号引导产消者调整发用电策略，最终形成虚拟电厂的对外出力。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。

Claims (8)

1.一种基于主从博弈的虚拟电厂调控方法，其特征在于，包括：
构建以产消者为主的虚拟电厂；
联合产消者效益函数和虚拟电厂效益函数构建主从博弈模型；
采用解析法与改进粒子群算法联合求解主从博弈模型，且改进粒子群算法对惯性因子进行自适应调整；
以主从博弈模型的均衡解为虚拟电厂内部购售电价格，调控产消者的出力计划和虚拟电厂整体对外出力计划。
2.根据权利要求1所述的基于主从博弈的虚拟电厂调控方法，其特征在于，所述采用解析法与改进粒子群算法联合求解主从博弈模型包括以下步骤：
设定每个粒子的维度为2，分别对应内部市场的售电价
Figure FDA0003234139530000011
和购电价
Figure FDA0003234139530000012
虚拟电厂运营商在t时段发布的内部市场购售电价格对应每个粒子的位置，虚拟电厂运营商的效益对应粒子的适应度值；
则t时段粒子j的速度和位置的公式为：
Figure FDA0003234139530000013
式中：d为迭代次数，
Figure FDA0003234139530000014
和
Figure FDA0003234139530000015
分别为第d次迭代时粒子j的速度和位置，
Figure FDA0003234139530000016
和gbestd分别为截止至第d次迭代时粒子j和全局粒子的最优位置，c1与c2分别为个体、社会加速因子，r1与r2为取值在[0,1]的随机数，w为惯性因子。
3.根据权利要求2所述的基于主从博弈的虚拟电厂调控方法，其特征在于，所述改进粒子群算法对惯性因子进行自适应调整的公式为：
Figure FDA0003234139530000017
Figure FDA0003234139530000018
Figure FDA0003234139530000021
式中wmin和wmax为预先取定的惯性因子上下限值，f(x)为适应度函数，n为粒子总数，
Figure FDA0003234139530000022
和
Figure FDA0003234139530000023
分别为粒子群体在第d次迭代时的平均和最小适应度值。
4.根据权利要求1所述的基于主从博弈的虚拟电厂调控方法,其特征在于，所述产消者效益函数的构建包括以下步骤：
确定产消者在每个时段的购售电身份；
根据自然对数函数对用电效用进行度量：
Figure FDA0003234139530000024
式中
Figure FDA0003234139530000025
为产消者在t时刻的用电效用系数；
产消者在t时段的发电成本
Figure FDA0003234139530000026
为：
Figure FDA0003234139530000027
式中ai,bi分别为产消者的光伏机组和风电机组的运行成本，
Figure FDA0003234139530000028
和
Figure FDA0003234139530000029
分别为产消者管理的光伏机组和风电机组在t时刻的发电量；
产消者在虚拟电厂内部市场的购售电收益
Figure FDA00032341395300000210
为：
Figure FDA00032341395300000211
式中
Figure FDA00032341395300000212
和
Figure FDA00032341395300000213
分别为t时段产消者i在内部市场的售电电量和购电电量；
产消者在t时刻的总效益为：
Figure FDA00032341395300000214
式中
Figure FDA00032341395300000215
和
Figure FDA00032341395300000216
为[0,1]变量。
5.根据权利要求4所述的基于主从博弈的虚拟电厂调控方法，其特征在于，所述产消者的购售电身份判断方式为：
Figure FDA00032341395300000217
式中
Figure FDA00032341395300000218
为产消者在t时刻的发电能力，Pi t为产消者在t时刻的负荷需求；
当
Figure FDA00032341395300000219
时，产消者的身份为生产者，
Figure FDA00032341395300000220
时，产消者的身份为消费者。
6.根据权利要求1所述的基于主从博弈的虚拟电厂调控方法，其特征在于，所述主从博弈模型以虚拟电厂为领导者，产消者为跟随者，兼顾虚拟电厂和产消者的效益最大化为目标进行决策。
7.一种存储介质，其中存储有多条程序，其特征在于，所述程序用于由处理器加载并执行以实现权利要求1-6任一项所述的基于主从博弈的虚拟电厂调控方法。
8.一种智能调控装置，包括处理器，适于执行各条程序，其特征在于，所述程序由处理器加载并执行以实现权利要求1-6任一项所述的基于主从博弈的虚拟电厂调控方法。
CN202110996170.XA 2021-08-27 2021-08-27 一种基于主从博弈的虚拟电厂调控方法、存储介质和装置 Active CN113642918B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110996170.XA CN113642918B (zh) 2021-08-27 2021-08-27 一种基于主从博弈的虚拟电厂调控方法、存储介质和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110996170.XA CN113642918B (zh) 2021-08-27 2021-08-27 一种基于主从博弈的虚拟电厂调控方法、存储介质和装置

Publications (2)

Publication Number Publication Date
CN113642918A true CN113642918A (zh) 2021-11-12
CN113642918B CN113642918B (zh) 2024-05-10

Family

ID=78424278

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110996170.XA Active CN113642918B (zh) 2021-08-27 2021-08-27 一种基于主从博弈的虚拟电厂调控方法、存储介质和装置

Country Status (1)

Country Link
CN (1) CN113642918B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150029120A (ko) * 2013-09-09 2015-03-18 한국전기연구원 가상발전소（ｖｐｐ）의 최적운영계획 모형 생성장치，및 가상발전소（ｖｐｐ）의 최적운영계획 모형 생성장치를 이용한 최적운영계획 모형 생성방법
CN109902884A (zh) * 2019-03-27 2019-06-18 合肥工业大学 一种基于主从博弈策略的虚拟电厂优化调度方法
WO2019196375A1 (zh) * 2018-04-13 2019-10-17 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
CN110599032A (zh) * 2019-09-11 2019-12-20 广西大学 一种灵活电源的深度斯坦伯格自适应动态博弈方法
CN111682526A (zh) * 2020-05-28 2020-09-18 国网浙江省电力有限公司湖州供电公司 一种基于合作博弈的虚拟电厂能量管理方法
CN111767654A (zh) * 2020-07-01 2020-10-13 长沙理工大学 一种基于主从博弈的虚拟电厂内部主体制衡调度模型
CN112036625A (zh) * 2020-08-21 2020-12-04 上海电力大学 一种电力市场背景下基于主从博弈的新能源消纳方法
CN112054513A (zh) * 2020-08-20 2020-12-08 三峡大学 基于混合博弈的多微电网双层协调优化调度方法
CN112308334A (zh) * 2020-11-12 2021-02-02 国网江苏省电力有限公司南京供电分公司 一种基于主从合作博弈的多虚拟电厂联合优化调度方法
CN112488744A (zh) * 2020-10-15 2021-03-12 南京淳宁电力科技有限公司 一种交易驱动的虚拟电厂定制化构建方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150029120A (ko) * 2013-09-09 2015-03-18 한국전기연구원 가상발전소（ｖｐｐ）의 최적운영계획 모형 생성장치，및 가상발전소（ｖｐｐ）의 최적운영계획 모형 생성장치를 이용한 최적운영계획 모형 생성방법
WO2019196375A1 (zh) * 2018-04-13 2019-10-17 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
CN109902884A (zh) * 2019-03-27 2019-06-18 合肥工业大学 一种基于主从博弈策略的虚拟电厂优化调度方法
CN110599032A (zh) * 2019-09-11 2019-12-20 广西大学 一种灵活电源的深度斯坦伯格自适应动态博弈方法
CN111682526A (zh) * 2020-05-28 2020-09-18 国网浙江省电力有限公司湖州供电公司 一种基于合作博弈的虚拟电厂能量管理方法
CN111767654A (zh) * 2020-07-01 2020-10-13 长沙理工大学 一种基于主从博弈的虚拟电厂内部主体制衡调度模型
CN112054513A (zh) * 2020-08-20 2020-12-08 三峡大学 基于混合博弈的多微电网双层协调优化调度方法
CN112036625A (zh) * 2020-08-21 2020-12-04 上海电力大学 一种电力市场背景下基于主从博弈的新能源消纳方法
CN112488744A (zh) * 2020-10-15 2021-03-12 南京淳宁电力科技有限公司 一种交易驱动的虚拟电厂定制化构建方法
CN112308334A (zh) * 2020-11-12 2021-02-02 国网江苏省电力有限公司南京供电分公司 一种基于主从合作博弈的多虚拟电厂联合优化调度方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
方燕琼;甘霖;艾芊;范松丽;蔡莹;: "基于主从博弈的虚拟电厂双层竞标策略", 电力系统自动化, no. 14, 25 July 2017 (2017-07-25) *
董雷;涂淑琴;李烨;蒲天骄;: "基于元模型优化算法的主从博弈多虚拟电厂动态定价和能量管理", 电网技术, no. 03, 31 December 2020 (2020-12-31) *
谭忠富;谭彩霞;蒲雷;杨佳澄;: "基于协同免疫量子粒子群优化算法的虚拟电厂双层博弈模型", 电力建设, no. 06, 1 June 2020 (2020-06-01) *

Also Published As

Publication number Publication date
CN113642918B (zh) 2024-05-10

Similar Documents

Publication Publication Date Title
CN113592648B (zh) 一种综合能源系统的多主体交易方法及系统
WO2023103385A1 (zh) 一种多能微网群自身及市场决策协同优化方法
CN111612552A (zh) 一种计及三主体竞价的综合能源系统日前迭代出清方法
CN115115277A (zh) 园区综合能源调度方法、装置、计算机设备及存储介质
CN114037191A (zh) 基于大数据的虚拟电厂优化调度方法、装置、设备及介质
CN115526550B (zh) 适应新能源电力与常规火电同台竞争的现货市场组织方法
CN112001752A (zh) 基于有限理性的多虚拟电厂动态博弈交易行为分析方法
CN116914818A (zh) 基于博弈的虚拟电厂经营管理与优化调度测算分析的方法
Gao et al. Bounded rationality based multi-VPP trading in local energy markets: a dynamic game approach with different trading targets
CN114926254A (zh) 储能电站参与调频辅助服务市场的竞价方法
CN116050637A (zh) 基于分时电价的综合能源虚拟电厂优化调度方法及系统
CN115313520A (zh) 分布式能源系统博弈优化调度方法、系统、设备及介质
Dai et al. An equilibrium model of the electricity market considering the participation of virtual power plants
CN112036625A (zh) 一种电力市场背景下基于主从博弈的新能源消纳方法
CN116706920A (zh) 虚拟电厂参与电能量调峰市场的最优策略与优化调度方法
CN117332937A (zh) 一种考虑需求响应的多能互补虚拟电厂经济调度方法
CN116432862A (zh) 一种面向可再生能源微电网的多主体博弈优化方法及装置
CN113642918A (zh) 一种基于主从博弈的虚拟电厂调控方法、存储介质和装置
CN116683529A (zh) 风光储工业园区优化运行的实时控制方法、系统及设备
CN111783303B (zh) 抽水蓄能电站报价报量确定方法、系统及装置
CN114362139A (zh) 一种以消纳新能源为目标的源-荷-储多边议价日前响应控制方法
CN113487089A (zh) 一种单边市场下激励型需求响应的最优补偿价格计算方法
CN114529323B (zh) 一种基于效率损失比的需求响应激励决策优化方法
CN111105254A (zh) 一种用于微网能量路由器的去中心化调度修正模型
CN117974210A (zh) 一种考虑多交易市场的虚拟电厂容量配置优化方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant