CN114004403A - 基于Stackelberg博弈和热电混合策略的配电系统双层优化方法及系统 - Google Patents

基于Stackelberg博弈和热电混合策略的配电系统双层优化方法及系统 Download PDF

Info

Publication number
CN114004403A
CN114004403A CN202111290260.3A CN202111290260A CN114004403A CN 114004403 A CN114004403 A CN 114004403A CN 202111290260 A CN202111290260 A CN 202111290260A CN 114004403 A CN114004403 A CN 114004403A
Authority
CN
China
Prior art keywords
user
operator
power distribution
distribution system
strategy
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
CN202111290260.3A
Other languages
English (en)
Inventor
刘洋
张世栋
李立生
孙勇
张林利
刘合金
苏国强
于海东
王峰
李帅
张鹏平
由新红
黄敏
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 Shandong Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Shandong Electric Power 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 State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202111290260.3A priority Critical patent/CN114004403A/zh
Publication of CN114004403A publication Critical patent/CN114004403A/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
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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

Landscapes

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

Abstract

本申请提供了一种基于Stackelberg博弈和热电混合策略的配电系统双层优化方法，属于配电系统双层优化领域；具体方案为：获得基于综合需求响应的配电系统的双层Stackelberg博弈模型；确定双层Stackelberg博弈模型的均衡策略；基于启发式双层迭代算法确定所述配电系统的优化解。本申请基于Stackelberg博弈，建立区域级配电系统双层模型，研究双层多主体博弈行为，实现系统在Stackelberg均衡下的日前双层优化。本申请还提供了一种基于Stackelberg博弈和热电混合策略的配电系统双层优化系统。

Description

基于Stackelberg博弈和热电混合策略的配电系统双层优化 方法及系统
技术领域
本申请涉及配电系统双层优化技术领域，特别涉及一种基于Stackelberg博弈和热电混合策略的配电系统双层优化方法及系统。
背景技术
本部分的陈述仅仅是提供了与本申请相关的背景技术，并不必然构成现有技术。
随着我国电力市场进一步开放，使得负荷聚合商、配电网运营商参与下的配电网利益主体复杂化，同时随着需求响应和分布式能源的发展，调度资源呈现多样化态势，能量形式直接的耦合更加多样化，为新形势下主动配电网的调度带来了新的机遇与挑战。为实现配网内资源的优化配置，有必要将博弈论引入配电系统以解决复杂的多主体利益问题。
博弈论作为现代数学的一个分支，主要用于研究多个决策主体之间存在利益关联甚至冲突时，各主体如何根据自身能力及所掌握的信息，做出有利自己或决策者群体决策的一种理论，它可以用于能源规划，以达到节约能耗，提高效率的目的，也能用于系统调度，以提高经济效益，降低电能损耗。
现有技术中提出一种基于联盟博弈的混合能源共享框架，用于具有热电联产系统和光伏产消者的建筑集群，分析了博弈论在电力系统中的应用，并对博弈论在电网调度中的若干应用作出展望，现有技术中还提出了一种基于Stackelberg模型的主动配电网动态电价需求响应方案，通过求解Stackelberg均衡得到动态电价和最优负荷安排，现有技术在如何兼顾各主体利益，提高各主体市场参与能力方面仍有待进一步的研究。
但是现代配电系统具有复杂的能量耦合关系及海量的数据信息，传统分层协调优化方法无法同时兼顾供能侧与用能侧的协同优化，具有一定的局限性，传统的CHP系统运行方式单一，能源交易有关的博弈模型只关注电能交易，针对配电系统中多种能源交易的动态博弈方法的研究仍是个空缺，传统的KKT条件用于求解模型时需要公式化，难以应用于博弈模型，且不能保护用户的隐私。
发明内容
为了解决现有技术的不足，本申请提供了一种基于Stackelberg(斯塔克尔伯格模型)博弈和热电混合策略的配电系统双层优化方法及系统，基于Stackelberg博弈，建立区域级配电系统双层模型，研究双层多主体博弈行为，采用差分进化算法，实现系统在Stackelberg均衡下的日前双层优化。
为了实现上述目的，本申请采用如下技术方案：
本申请第一方面提供了一种基于Stackelberg博弈和热电混合策略的配电系统双层优化方法，包括以下步骤：
获得基于综合需求响应的配电系统的双层Stackelberg博弈模型；
确定双层Stackelberg博弈模型的均衡策略；
基于启发式双层迭代算法确定所述配电系统的优化解。
可选地，上述获得基于综合需求响应的配电系统的双层Stackelberg博弈模型的步骤，包括：
获得用户负荷模型以及运营商发电模型。
可选地，上述获得用户负荷模型的步骤，包括：获得用户i在时段h的电力负荷EL为固定负荷FL和可移动负荷SL之和：
Figure BDA0003334633230000021
Figure BDA0003334633230000031
可移动负荷的约束条件为：
Figure BDA0003334633230000032
其中，[αi,βi]表示为可移动负荷的可行时间域，用户的可移动负荷只会在该区间内进行转移。
可选地，上述获得用户负荷模型的步骤，还包括：
获得所述用户i在时间段h的总热负荷TL为初始热负荷HL和可削减热负荷之差△HL，可削减热负荷最大值和
Figure BDA0003334633230000033
Figure BDA0003334633230000034
Figure BDA0003334633230000035
可选地，上述运营商具有以热定电和以电定热的发电策略。
可选地，上述获得运营商发电模型的步骤，包括：
基于热电混合策略HFL(Following Hybrid Electric-Thermal Load)获得运营商的最优发电策略。
可选地，上述基于热电混合策略HFL获得运营商的发电策略的步骤，包括：
获得运营商在FHL模式下的利润为：
Figure BDA0003334633230000036
Figure BDA0003334633230000037
Figure BDA0003334633230000038
Figure BDA0003334633230000039
和
Figure BDA00033346332300000310
分别是两种策略下的效用函数，ΔHh和ΔEh分别代表不匹配的热电负荷，β代表了燃气锅炉的运行成本，λb代表运营商从公用电网购电的单价，而λs是运营商向公用电网的售电单价，
Figure BDA00033346332300000311
表示CHP(combined heat and power，热电联产技术)机组的运行成本，不同运行方式下需根据负荷需求改变出力；
Figure BDA0003334633230000041
Figure BDA0003334633230000042
Pe h和Ph h分别代表运营商每时段向用户出售电能和热能的收益，
Figure BDA0003334633230000043
和
Figure BDA0003334633230000044
分别代表运营商向用户的售电价格和购电的单价，
Figure BDA0003334633230000045
代表运营商向用户出售热能的单价；
Figure BDA0003334633230000046
为用户电力负荷
Figure BDA0003334633230000047
和新能源发电量
Figure BDA0003334633230000048
之差，代表用户的净负荷。
可选地，上述获得基于综合需求响应的配电系统的双层Stackelberg博弈模型的步骤，还包括：
基于用户的效用函数获得用户效用模型，每个用户的效用函数包括用户消耗电能获得的效用，购买电能和热能的支出或出售电能的收入，以及室内温度的舒适程度：
Figure BDA0003334633230000049
其中，
Figure BDA00033346332300000410
是用户i通过消耗
Figure BDA00033346332300000411
份的能量所获得的效用，ki是偏好参数，后两项代表交易能源的成本，
Figure BDA00033346332300000412
代表用户自身的分布式发电量，
Figure BDA00033346332300000413
代表用户的热舒适度。
可选地，上述确定所述双层Stackelberg博弈模型的均衡策略的步骤，包括：
根据运营商与用户基于Stackelberg博弈模型的互动博弈确定均衡策略；下式用于描述运营商和用户之间的这种互动的Stackelberg博弈形式：
GDIES＝{(N∪O)；(SLi)；(ΔHLi)；λes；λeb；γsell；PFHL；Pi.pro}
该标准形式由以下几部分组成：
GDIES表示区域综合能源系统的Stackelberg博弈的标准形式；N表示所有用户的集合，是博弈中的跟随者，他们会根据运营商制定的价格选择自身的最优策略，而运营商O是博弈中的领导者，负责制定价格策略；SLi和ΔHLi分别是用户的用电策略和用热策略的集合；λes、λeb、γsell分别是运营商针对配电系统内部的售购电价格和售热价格策略；PFHL和Pi.pro分别是运营商总的利润函数和用户总的效用函数。
可选地，上述在运营商与用户博弈过程中，定义
Figure BDA0003334633230000051
是运营商和用户采用的任意一组博弈策略，若该策略满足以下约束条件，则运营商和用户都无法通过单方面改变自身策略来提高收益，博弈达到一个Stackelberg均衡状态：
Figure BDA0003334633230000052
Figure BDA0003334633230000053
该均衡状态存在的条件为：
用户的收益函数Pi.pro是关于
Figure BDA0003334633230000054
的连续函数；Pi.pro是
Figure BDA0003334633230000055
的凸函数；运营商的利润函数PESO是关于
Figure BDA0003334633230000056
的连续函数。
可选地，上述基于启发式双层迭代算法确定配电系统的优化解的步骤，包括：
运营商层面采取差分进化算法获得运营商端的优化解；
用户层面利用Gurobi(大规模数学规划优化器)求解器获得用户端的优化解；
根据运营商与用户的多次交互最终确定配电系统的优化解。
可选地，上述所述运营商层面采取差分进化算法获得所述运营商端的优化解的步骤，包括：
设置配网内部参数，各参数可根据实际情况调整；
随机初始化种群，每个个体表示配网内部价格；
将内部价格发送给用户端，所述用户计算得到日负荷曲线后返回给所述运营商；
计算在FHL运行模式下，所述运营商的最大利润；
通过差分进化算法执行变异交叉选择，产生后代价格；
重复3-5步，直至结果收敛。
可选地，上述用户层面采取MATLAB+CPLEX框架基于Gurobi求解器获得用户端的优化解的步骤，包括：
初始化用户效用参数和发电用电的预测值；
从运营商接收内部的电价和热价；
每个用户通过非线性约束规划求得用户效用最大时的负荷；
根据优化结果计算用户的日热电负荷并发送至系统运营商。
本申请第二方面提供了一种基于Stackelberg博弈和热电混合策略的配电系统双层优化系统。
基于Stackelberg博弈和热电混合策略的配电系统双层优化方法，包括：
数据处理模块，被配置为：获得基于综合需求响应的配电系统的双层Stackelberg博弈模型；
双层博弈模块，被配置为：确定双层Stackelberg博弈模型的均衡策略；
优化比对模块，被配置为：基于启发式双层迭代算法确定配电系统的优化解。
本申请第三方面提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现如本申请第一方面所述的基于Stackelberg博弈和热电混合策略的配电系统双层优化方法中的步骤。
本申请第四方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本申请第一方面所述的基于Stackelberg博弈和热电混合策略的配电系统双层优化方法中的步骤。
与现有技术相比，本申请的有益效果是：
1、本申请利用基于Stackelberg博弈对配电系统进行建模，运营商和用户具有多种博弈策略，相较于传统建模方法，更易实现经济效益最大化。
2、本申请同时考虑了经济性和舒适度等多种综合效用，更具有现实意义。
3、本申请利用差分进化算法和MATLAB-CPLEX框架求解结果，能更快速精准地计算出系统在Stackelberg均衡下的最优解。
附图说明
图1为本公开实施例1提供的基于Stackelberg博弈和热电混合策略的配电系统双层优化方法的流程图；
图2为本公开实施例1提供的基于Stackelberg博弈的双层优化流程图；
图3为本公开实施例1提供的CHP的两种运行模式。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
博弈论的应用场景，博弈论作为现代数学的一个分支，主要用于研究多个决策主体之间存在利益关联甚至冲突时，各主体如何根据自身能力及所掌握的信息，做出有利自己或决策者群体决策的一种理论。它可以用于能源规划，以达到节约能耗，提高效率的目的，也能用于系统调度，以提高经济效益，降低电能损耗。
在博弈论中，参与者是能够参与博弈并做出决策的实体，记为N＝{1,2,…，n}，由n位参与者构成的博弈被称为n人博弈，策略用于完整描述参与者如何进行博弈，包含了参与者在博弈过程中可能采取的各种行动方案，一般情况下，每位参与者都有多种策略可以选择。定义Si为参与者的策略空间，而si∈Si为参与者的策略，其中i＝1,2,…，N。每个参与者的效用函数被定义为Ui:Si→R，i＝1,2,…,N。由这三要素构成的博弈被称作标准型博弈。博弈模型可分为合作博弈、非合作博弈和进化博弈，又可以按照不同标准分为动态博弈和静态博弈、完全信息博弈和非完全信息博弈等。在所有博弈类型中，Stackelberg博弈属于较为特殊的一种，它是一个两阶段的动态博弈模型，先进行决策的一方被称为领导者，根据领导者的策略进行决策的一方被称为追随者。双方不断根据对方的决策反复修改自身决策，直到二者都无法通过单方面改变自身策略来提高自身收益，博弈即达到一个均衡状态。
实施例1：
如图1和图2所示，本公开实施例提供了基于Stackelberg博弈和热电混合策略的配电系统双层优化方法，包括以下步骤：获得基于综合需求响应的配电系统的双层Stackelberg博弈模型；确定双层Stackelberg博弈模型的均衡策略；基于启发式双层迭代算法确定所述配电系统的优化解。
本公开实施例针对现有技术的缺陷，通过引入Stackelberg博弈，建立区域级配电系统双层模型，研究双层多主体博弈行为，上层运营商作为博弈的领导者，基于热电混合策略和风光发电预测设计效用函数，以降低成本提高效率；下层用户作为博弈的参与者，依据自身的满意度函数和购能成本，修改自身用能策略，也能通过自身分布式能源发电参与博弈。
本公开实施例证明了博弈存在唯一的Stackelber均衡，采用差分进化算法和MATLAB-CPLEX框架，实现系统在Stackelberg均衡下的日前双层优化。
本公开实施例的基于Stackelberg博弈和热电混合策略的配电系统双层优化方法，利用基于Stackelberg博弈对配电系统进行建模，运营商和用户具有多种博弈策略，相较于传统建模方法，更易实现经济效益最大化，同时考虑了经济性和舒适度等多种综合效用，更具有现实意义，本申请利用差分进化算法和MATLAB-CPLEX框架求解结果，能更快速精准地计算出系统在Stackelberg均衡下的最优解。
在一个实施例中，上述获得基于综合需求响应的配电系统的双层Stackelberg博弈模型的步骤，包括：获得用户负荷模型以及运营商发电模型。
在本公开实施例建立的模型中，CHP系统采用热电混合策略，同时配电系统中还包括了风光等分布式发电设备，运营商需根据分布式发电和负荷需求合理设置运行策略和售电价格。而用户可以通过综合需求响应参与电力系统运行优化，根据配电系统内部的电价和热价，依据自身的满意度函数和购能成本，修改自身用电和用热策略，以达到效用最大化的目的；也能通过分布式能源参与到电力市场博弈，转化成为能源生产商，将多余能量出售给运营商以获取利润。
在一个实施例中，上述获得用户负荷模型的步骤，包括：获得用户i在时段h的电力负荷EL为固定负荷FL和可移动负荷SL之和：
Figure BDA0003334633230000101
Figure BDA0003334633230000102
可移动负荷的约束条件为：
Figure BDA0003334633230000103
其中，[αi,βi]表示为可移动负荷的可行时间域，用户的可移动负荷只会在该区间内进行转移；
Figure BDA0003334633230000104
表示最小可移动负荷；
Figure BDA0003334633230000105
表示最大可移动负荷。
在一个实施例中，上述获得用户负荷模型的步骤，还包括：
获得用户i在时间段h的总热负荷TL为初始热负荷HL和可削减热负荷之差△HL，可削减热负荷最大值和
Figure BDA0003334633230000106
Figure BDA0003334633230000107
Figure BDA0003334633230000108
在一个实施例中，上述运营商具有以热定电和以电定热的发电策略。
可选地，上述获得运营商发电模型的步骤，包括：
基于热电混合策略HFL获得运营商的最优发电策略。
可选地，上述基于热电混合策略HFL获得运营商的发电策略的步骤，包括：
获得运营商在FHL模式下的利润为：
Figure BDA0003334633230000111
Figure BDA0003334633230000112
Figure BDA0003334633230000113
Figure BDA0003334633230000114
和
Figure BDA0003334633230000115
分别是两种策略下的效用函数，ΔHh和ΔEh分别代表不匹配的热电负荷，β代表了燃气锅炉的运行成本，λb代表运营商从公用电网购电的单价，而λs是运营商向公用电网的售电单价，
Figure BDA0003334633230000116
表示CHP(combined heat and power，热电联产技术)机组的运行成本，不同运行方式下需根据负荷需求改变出力，以电定热模式下：
Figure BDA0003334633230000117
以热定电模式下：
Figure BDA0003334633230000118
Figure BDA0003334633230000119
其中
Figure BDA00033346332300001110
为用户电力负荷
Figure BDA00033346332300001111
和新能源发电量
Figure BDA00033346332300001112
之差，代表用户的净负荷；pgas代表天然气的单价；L是天然气的热值，为9.7kWh/m3。
Figure BDA00033346332300001113
和
Figure BDA00033346332300001114
是CHP系统的发电和发热效率；θ为CHP机组的热电比。
Figure BDA00033346332300001115
Figure BDA00033346332300001116
Pe h和Ph h分别代表运营商每时段向用户出售电能和热能的收益，
Figure BDA0003334633230000121
和
Figure BDA0003334633230000122
分别代表运营商向用户的售电价格和购电的单价，
Figure BDA0003334633230000123
代表运营商向用户出售热能的单价。
Figure BDA0003334633230000124
和
Figure BDA0003334633230000125
分别代表运营商3电网的售电价格和购电价格；
在本公开实施例中，能源生产商除了CHP发电设备，还包括风能、太阳能等分布式发电设备。CHP系统是一种综合产热和产电的先进能源利用形式，能实现对能源进行梯级利用，将发电后产生的余热进一步利用从而提高能源的利用率。在以热定电策略下，CHP机组以用户的热负荷为首要目标，而电力输出是副产品，当电能和用户的负荷需求不相等时，需通过与公用电网进行交易来平衡多余或不足的电力。以电定热策略同理，发电时将优先满足电负荷，缺少的热能使用燃气锅炉来填补空白。如图3所示，直线斜率代表CHP系统的热电比，图中分别表示了CHP在不同运行方式下的工作点。
在一个实施例中，上述获得基于综合需求响应的配电系统的双层Stackelberg博弈模型的步骤，还包括：
基于用户的效用函数获得用户效用模型，每个用户的效用函数包括用户消耗电能获得的效用，购买电能和热能的支出或出售电能的收入，以及室内温度的舒适程度：
Figure BDA0003334633230000126
其中，
Figure BDA0003334633230000127
是用户i通过消耗
Figure BDA0003334633230000128
份的能量所获得的效用，ki是偏好参数，后两项代表交易能源的成本，
Figure BDA0003334633230000129
代表用户自身的分布式发电量，
Figure BDA00033346332300001210
代表用户的热舒适度；αi代表用户的热舒适度系数。
在本公开实施例中，一般来说，用户的常规效用函数包括出售和购买能源的成本，但是考虑到用户能通过增加用能来提高生产水平或提高自身舒适度，ki较高的用户会选择消耗更多的能量以获得更多的效用，该函数的使用能使负荷按比例公平分配，采用ln(1+·)的形式能保证当负荷为0时效用不会趋于负无穷大，降低热负荷会在降低成本的同时降低舒适度，如果通过需求响应获得的经济利益大于负面的不适感，用户就愿意削减负荷。
在一个实施例中，上述确定双层Stackelberg博弈模型的均衡策略的步骤，包括：
根据运营商与用户基于Stackelberg博弈模型的互动博弈确定均衡策略；下式用于描述运营商和用户之间的这种互动的Stackelberg博弈形式：
GDIES＝{(N∪O)；(SLi)；(ΔHLi)；λes；λeb；γsell；PFHL；Pi.pro} (15)
该标准形式由以下几部分组成：
N表示所有用户的集合，是博弈中的跟随者，他们会根据运营商制定的价格选择自身的最优策略，而运营商O是博弈中的领导者，负责制定价格策略；SLi和ΔHLi分别是用户的用电策略和用热策略的集合；λes、λeb、γsell分别是运营商针对配电系统内部的售购电价格和售热价格策略；PFHL和Pi.pro分别是运营商总的利润函数和用户总的效用函数。
在本公开实施例中，运营商制定内部买卖价格，并且根据FHL选择CHP的工作状态以最大化利润，是博弈中的领导者，用户根据运营商选择的策略，作为跟随者通过需求响应改变用电策略，最大化自身效用，负荷改变后，运营商再次制定电价和发电计划，如此往复，直到系统达到Stackelberg均衡。
在一个具体的实施例中，上述在运营商与用户博弈过程中，定义
Figure BDA0003334633230000131
是运营商和用户采用的任意一组博弈策略，若该策略满足以下约束条件，则运营商和用户都无法通过单方面改变自身策略来提高收益，博弈达到一个Stackelberg均衡状态：
Figure BDA0003334633230000141
Figure BDA0003334633230000142
该均衡状态存在的条件为：
1、用户的收益函数Pi.pro是关于
Figure BDA0003334633230000143
的连续函数；
2、Pi.pro是
Figure BDA0003334633230000144
的凸函数；
3、运营商的利润函数PESO是关于
Figure BDA0003334633230000145
的连续函数。
可选地，根据博弈模型的定义可知，约束1满足条件；通过对
Figure BDA0003334633230000146
和
Figure BDA0003334633230000147
求二次偏导可知，二者导数均大于0，即满足约束2；运营商的利润函数将取两种策略下的最大值，易得两种策略本身利润都是连续的，因此运营商的利润函数也是连续的。接下来还需说明用户和运营商策略的唯一性，该唯一性指用户和运营商均不能通过改变策略来提高自身收益。将用户的效用函数对二者求偏导可得：
Figure BDA0003334633230000148
Figure BDA0003334633230000149
易得上述式子二阶导数均为负数，与用户策略函数为凸函数相符合。
Figure BDA00033346332300001410
在可行域内单调，具有唯一解。
Figure BDA00033346332300001411
函数由两部分构成，计算极值点如下所示：
Figure BDA0003334633230000151
由于内部价格
Figure BDA0003334633230000152
易得
Figure BDA0003334633230000153
但已知定义域
Figure BDA0003334633230000154
因此两个最大值不可能同时在可行域内，综上所述，用户的策略具有唯一性。
可选地，运营商的策略包括四种不同情况，只需考虑以电定热情况下ΔHh＞0的复杂情况，其余可以此类推。根据偏导可知，极值点处
Figure BDA0003334633230000155
分别有0、
Figure BDA0003334633230000156
和
Figure BDA0003334633230000157
三种取值，其中两种常数情况类似，只需考虑其中一种，
Figure BDA0003334633230000158
分别有
Figure BDA0003334633230000159
和
Figure BDA00033346332300001510
两种取值，线性组合后分别将其对
Figure BDA00033346332300001511
和
Figure BDA00033346332300001512
求偏导如下所示：
Figure BDA00033346332300001513
Figure BDA00033346332300001514
Figure BDA00033346332300001515
Figure BDA00033346332300001516
Figure BDA00033346332300001517
代表运营商针对第i个用户在以电定热模式下的收益函数；
当满足公式(21)和(23)时，函数在定义域内保持单调，配电网的利润存在一个唯一的最大值。当满足公式(22)和条件(23)时，对其进行二次求导，得到海森矩阵为：
Figure BDA0003334633230000161
易得海森矩阵的对角元素均为负数，其他非对角都为0，所以只在极值点取到最大值，运营商存在一个唯一的均衡策略。因此该Stackelberg博弈模型存在一个唯一的均衡解。
在一个实施例中，上述基于启发式双层迭代算法确定配电系统的优化解的步骤，包括：
运营商层面采取差分进化算法获得运营商端的优化解；
用户层面采取MATLAB+CPLEX框架基于Gurobi求解器获得用户端的优化解；
根据运营商与用户的多次交互最终确定配电系统的优化解。
在本公开实施例中，通常情况下，本申请提出的模型可以使用KKT(Karush–Kuhn–Tucker conditions)条件通过双层优化来实现，但是由于CHP工作在FHL模式下，运营商的收益具有不确定性，使得KKT条件难以公式化。此外，直接使用KKT条件难以保护用户的隐私，所有的用户需要向运营商提交自身的负荷参数，这可能会对需求响应DR(DemandResponse)产生一定的干扰。因此本申请设计了一种双层迭代方法来求解Stackelberg博弈均衡SE(Stackelberg equilibrium)问题，该算法实现了运营商设置内部价格和用户调整负荷的动态迭代过程，与实际的价格激励DR模式相符合。
在一个具体的实施例中，上述运营商层面采取差分进化算法获得运营商端的优化解的步骤，包括：
设置配网内部参数，各参数可根据实际情况调整；
随机初始化种群，每个个体表示配网内部价格；
将内部价格发送给用户端，所述用户计算得到日负荷曲线后返回给所述运营商；
计算在FHL运行模式下，所述运营商的最大利润；
通过差分进化算法执行变异交叉选择，产生后代价格；
重复3-5步，直至结果收敛。
在一个具体的实施例中，上述用户层面采取MATLAB+CPLEX框架基于Gurobi求解器获得用户端的优化解的步骤，包括：
初始化用户效用参数和发电用电的预测值；
从运营商接收内部的电价和热价；
每个用户通过非线性约束规划求得用户效用最大时的负荷；
根据优化结果计算用户的日热电负荷并发送至系统运营商。
在本公开实施例中，在运营商与用户每轮的交互中，用户针对电热价格只需提交总的电、热负荷给运营商，较好地避免了用户隐私的泄露，同时运营商在多次变异筛选后能逐渐提高利润，通过多次迭代后算法收敛，求得系统优化解。
实施例2：
本公开实施例提供了基于Stackelberg博弈和热电混合策略的配电系统双层优化系统，包括：
数据处理模块，被配置为：获得基于综合需求响应的配电系统的双层Stackelberg博弈模型；
双层博弈模块，被配置为：确定双层Stackelberg博弈模型的均衡策略；
优化比对模块，被配置为：基于启发式双层迭代算法确定配电系统的优化解。
上述系统的工作方法与上述各实施例提供的基于Stackelberg博弈和热电混合策略的配电系统双层优化方法相同，这里不再赘述。
实施例3：
本公开实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现如上述各实施例提供的基于Stackelberg博弈和热电混合策略的配电系统双层优化方法中的步骤，包括：
获得基于综合需求响应的配电系统的双层Stackelberg博弈模型；
确定双层Stackelberg博弈模型的均衡策略；
基于启发式双层迭代算法确定所述配电系统的优化解。
上述程序实现的方法的详细步骤与上述各实施例提供的基于Stackelberg博弈和热电混合策略的配电系统双层优化方法相同，这里不再赘述。
实施例4：
本公开实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如上述各实施例提供的基于Stackelberg博弈和热电混合策略的配电系统双层优化方法中的步骤，包括：
获得基于综合需求响应的配电系统的双层Stackelberg博弈模型；
确定双层Stackelberg博弈模型的均衡策略；
基于启发式双层迭代算法确定所述配电系统的优化解。
上述程序实现的方法的详细步骤与上述各实施例提供的基于Stackelberg博弈和热电混合策略的配电系统双层优化方法相同，这里不再赘述。
本领域内的技术人员应明白，本申请公开的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (16)

1.一种基于Stackelberg博弈和热电混合策略的配电系统双层优化方法，其特征在于，包括以下步骤：
获得基于综合需求响应的配电系统的双层Stackelberg博弈模型；
确定所述双层Stackelberg博弈模型的均衡策略；
基于启发式双层迭代算法确定所述配电系统的优化解。
2.如权利要求1所述的基于Stackelberg博弈和热电混合策略的配电系统双层优化方法，其特征在于，
所述获得基于综合需求响应的配电系统的双层Stackelberg博弈模型的步骤，包括：
获得用户负荷模型以及运营商发电模型。
3.如权利要求2所述的基于Stackelberg博弈和热电混合策略的配电系统双层优化方法，其特征在于，
所述获得用户负荷模型的步骤，包括：
获得所述用户i在时段h的电力负荷EL为固定负荷FL和可移动负荷SL之和：
Figure FDA0003334633220000011
Figure FDA0003334633220000012
所述可移动负荷的约束条件为：
Figure FDA0003334633220000013
其中，[αi,βi]表示为所述可移动负荷的可行时间域，所述用户的可移动负荷只会在该区间内进行转移。
4.如权利要求3所述的基于Stackelberg博弈和热电混合策略的配电系统双层优化方法，其特征在于，
所述获得用户负荷模型的步骤，还包括：
获得所述用户i在时间段h的总热负荷TL为初始热负荷HL和可削减热负荷之差△HL，可削减热负荷最大值和
Figure FDA0003334633220000021
Figure FDA0003334633220000022
Figure FDA0003334633220000023
5.如权利要求2所述的基于Stackelberg博弈和热电混合策略的配电系统双层优化方法，其特征在于，
所述运营商具有以热定电和以电定热的发电策略。
6.如权利要求5所述的基于Stackelberg博弈和热电混合策略的配电系统双层优化方法，其特征在于，
所述获得运营商发电模型的步骤，包括：
基于热电混合策略HFL获得所述运营商的最优发电策略。
7.如权利要求6所述的基于Stackelberg博弈和热电混合策略的配电系统双层优化方法，其特征在于，
所述基于热电混合策略HFL获得所述运营商的最优发电策略的步骤，包括：
获得所述运营商在FHL模式下的利润为：
Figure FDA0003334633220000024
Figure FDA0003334633220000025
Figure FDA0003334633220000026
Figure FDA0003334633220000027
是以电定热策略下运营商的收益函数，
Figure FDA0003334633220000028
是以热定电策略下运营商的策略函数；ΔHh和ΔEh分别代表不匹配的热电负荷；β代表了燃气锅炉的运行成本；λb代表所述运营商从公用电网购电的单价；而λs是所述运营商向公用电网的售电单价；
Figure FDA0003334633220000031
表示CHP机组的运行成本，不同运行方式下需根据负荷需求改变出力；
Figure FDA0003334633220000032
Figure FDA0003334633220000033
Figure FDA0003334633220000034
和
Figure FDA0003334633220000035
分别代表所述运营商每时段向所述用户出售电能和热能的收益，
Figure FDA0003334633220000036
和
Figure FDA0003334633220000037
分别代表所述运营商向所述用户的售电价格和购电的单价，
Figure FDA0003334633220000038
代表所述运营商向所述用户出售热能的单价。
8.如权利要求2所述的基于Stackelberg博弈和热电混合策略的配电系统双层优化方法，其特征在于，
所述获得基于综合需求响应的配电系统的双层Stackelberg博弈模型的步骤，还包括：
基于用户的效用函数获得用户效用模型，所述每个用户的效用函数包括所述用户消耗电能获得的效用，购买电能和热能的支出或出售电能的收入，以及室内温度的舒适程度：
Figure FDA0003334633220000039
其中，
Figure FDA00033346332200000310
是用户i通过消耗
Figure FDA00033346332200000311
份的能量所获得的效用，ki是偏好参数，
Figure FDA00033346332200000312
和
Figure FDA00033346332200000313
代表交易能源的成本，
Figure FDA00033346332200000314
代表用户自身的分布式发电量，
Figure FDA00033346332200000315
代表用户的热舒适度。
9.如权利要求2所述的一种基于Stackelberg博弈和热电混合策略的配电系统双层优化方法，其特征在于，
所述确定所述双层Stackelberg博弈模型的均衡策略的步骤，包括：
根据所述运营商与所述用户基于所述Stackelberg博弈模型的互动博弈确定所述均衡策略；下式用于描述所述运营商和所述用户之间的这种互动的Stackelberg博弈形式：
GDIES＝{(N∪O)；(SLi)；(ΔHLi)；λes；λeb；γsell；PFHL；Pi.pro}
该标准形式由以下几部分组成：
N表示所有用户的集合，是博弈中的跟随者，他们会根据所述运营商制定的价格选择自身的最优策略，而所述运营商O是博弈中的领导者，负责制定价格策略；SLi和ΔHLi分别是所述用户的用电策略和用热策略的集合；λes、λeb、γsell分别是所述运营商针对配电系统内部的售购电价格和售热价格策略；PFHL和Pi.pro分别是所述运营商总的利润函数和用户总的效用函数。
10.如权利要求9所述的一种基于Stackelberg博弈和热电混合策略的配电系统双层优化方法，其特征在于，
在所述运营商与所述用户博弈过程中，定义
Figure FDA0003334633220000041
是所述运营商和所述用户采用的任意一组博弈策略，若该策略满足以下约束条件，则所述运营商和所述用户都无法通过单方面改变自身策略来提高收益，博弈达到一个Stackelberg均衡状态：
Figure FDA0003334633220000042
Figure FDA0003334633220000043
该均衡状态存在的条件为：
用户的收益函数Pi.pro是关于
Figure FDA0003334633220000044
的连续函数；Pi.pro是
Figure FDA0003334633220000051
的凸函数；运营商的利润函数PESO是关于
Figure FDA0003334633220000052
的连续函数。
11.如权利要求2所述的一种基于Stackelberg博弈和热电混合策略的配电系统双层优化方法，其特征在于，
所述基于启发式双层迭代算法确定所述配电系统的优化解的步骤，包括：
所述运营商层面采取差分进化算法获得所述运营商端的优化解；
所述用户层面采取MATLAB+CPLEX框架基于Gurobi求解器获得所述用户端的优化解；
根据所述运营商与所述用户的多次交互最终确定所述配电系统的优化解。
12.如权利要求11所述的一种基于Stackelberg博弈和热电混合策略的配电系统双层优化方法，其特征在于，
所述运营商层面采取差分进化算法获得所述运营商端的优化解的步骤，包括：
设置配网内部参数，各参数可根据实际情况调整；
随机初始化种群，每个个体表示配网内部价格；
将内部价格发送给用户端，所述用户计算得到日负荷曲线后返回给所述运营商；
计算在FHL运行模式下，所述运营商的最大利润；
通过差分进化算法执行变异交叉选择，产生后代价格；
重复3-5步，直至结果收敛。
13.如权利要求11所述的一种基于Stackelberg博弈和热电混合策略的配电系统双层优化方法，其特征在于，
所述用户层面采取MATLAB+CPLEX框架基于Gurobi求解器获得所述用户端的优化解的步骤，包括：
初始化所述用户效用参数和发电用电的预测值；
从所述运营商接收内部的电价和热价；
所述每个用户通过非线性约束规划求得所述用户效用最大时的负荷；
根据优化结果计算所述用户的日热电负荷并发送至系统所述运营商。
14.一种基于Stackelberg博弈和热电混合策略的配电系统双层优化系统，其特征在于，包括：
数据处理模块，被配置为：获得基于综合需求响应的配电系统的双层Stackelberg博弈模型；
双层博弈模块，被配置为：确定所述双层Stackelberg博弈模型的均衡策略；
优化比对模块，被配置为：基于启发式双层迭代算法确定所述配电系统的优化解。
15.一种存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-13任一项所述的基于Stackelberg博弈和热电混合策略的配电系统双层优化方法中的步骤。
16.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-13任一项所述的基于Stackelberg博弈和热电混合策略的配电系统双层优化方法中的步骤。
CN202111290260.3A 2021-11-02 2021-11-02 基于Stackelberg博弈和热电混合策略的配电系统双层优化方法及系统 Pending CN114004403A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111290260.3A CN114004403A (zh) 2021-11-02 2021-11-02 基于Stackelberg博弈和热电混合策略的配电系统双层优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111290260.3A CN114004403A (zh) 2021-11-02 2021-11-02 基于Stackelberg博弈和热电混合策略的配电系统双层优化方法及系统

Publications (1)

Publication Number Publication Date
CN114004403A true CN114004403A (zh) 2022-02-01

Family

ID=79926565

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111290260.3A Pending CN114004403A (zh) 2021-11-02 2021-11-02 基于Stackelberg博弈和热电混合策略的配电系统双层优化方法及系统

Country Status (1)

Country Link
CN (1) CN114004403A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114708030A (zh) * 2022-04-15 2022-07-05 四川大学 基于多主多从博弈的综合能源服务商零售套餐设计方法
CN115907232A (zh) * 2023-01-05 2023-04-04 中国电力科学研究院有限公司 区域综合能源系统集群协同优化方法、系统、设备及介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114708030A (zh) * 2022-04-15 2022-07-05 四川大学 基于多主多从博弈的综合能源服务商零售套餐设计方法
CN114708030B (zh) * 2022-04-15 2023-09-22 四川大学 基于多主多从博弈的综合能源服务商零售套餐设计方法
CN115907232A (zh) * 2023-01-05 2023-04-04 中国电力科学研究院有限公司 区域综合能源系统集群协同优化方法、系统、设备及介质

Similar Documents

Publication Publication Date Title
Chiş et al. Coalitional game-based cost optimization of energy portfolio in smart grid communities
Fan et al. Bargaining-based cooperative energy trading for distribution company and demand response
Xiao et al. A local energy market for electricity and hydrogen
Cheng et al. Game-theoretic approaches applied to transactions in the open and ever-growing electricity markets from the perspective of power demand response: An overview
Faqiry et al. Double auction with hidden user information: Application to energy transaction in microgrid
Gazijahani et al. Game theory based profit maximization model for microgrid aggregators with presence of EDRP using information gap decision theory
Chen et al. Peer-to-peer energy sharing with social attributes: A stochastic leader–follower game approach
Kamyab et al. Demand response program in smart grid using supply function bidding mechanism
Li et al. Computationally efficient pricing and benefit distribution mechanisms for incentivizing stable peer-to-peer energy trading
Chen et al. Research on day-ahead transactions between multi-microgrid based on cooperative game model
Moafi et al. Optimal coalition formation and maximum profit allocation for distributed energy resources in smart grids based on cooperative game theory
Qiu et al. Federated reinforcement learning for smart building joint peer-to-peer energy and carbon allowance trading
CN114004403A (zh) 基于Stackelberg博弈和热电混合策略的配电系统双层优化方法及系统
Li et al. Incentivizing distributed energy trading among prosumers: A general Nash bargaining approach
Tan et al. Fair-efficient energy trading for microgrid cluster in an active distribution network
CN115907232B (zh) 区域综合能源系统集群协同优化方法、系统、设备及介质
Ghosh et al. Strategic prosumers: How to set the prices in a tiered market?
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
CN115829142A (zh) 一种工业企业综合能源系统优化规划方法
Boiarkin et al. A novel dynamic pricing model for a microgrid of prosumers with photovoltaic systems
Rui et al. A gas-on-gas competition trading mechanism based on cooperative game models in China’s gas market
Wang et al. Dynamic two-layer game for striking the balance of interest in multi-agent electricity market considering bilateral contracts and reward-punishment mechanism
Jodeiri-Seyedian et al. Grid-aware pricing scheme in future distribution systems based on real-time power tracing and bi-level optimization
Wang et al. Optimal operation of energy hub considering reward-punishment ladder carbon trading and electrothermal demand coupling
Zeng et al. Determining the pricing and deployment strategy for virtual power plants of peer-to-peer prosumers: A game-theoretic approach

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