CN114022018A - 一种电力现货环境下基于协同进化的市场均衡分析方法 - Google Patents

一种电力现货环境下基于协同进化的市场均衡分析方法 Download PDF

Info

Publication number
CN114022018A
CN114022018A CN202111355247.1A CN202111355247A CN114022018A CN 114022018 A CN114022018 A CN 114022018A CN 202111355247 A CN202111355247 A CN 202111355247A CN 114022018 A CN114022018 A CN 114022018A
Authority
CN
China
Prior art keywords
market
power
unit
node
constraint
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
CN202111355247.1A
Other languages
English (en)
Inventor
陈刚
陈皓勇
王和春
谢忠华
李贻睿
余哲轩
范琨
刘敏
李华
段声志
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.)
Guangdong Boshen Think Tank Energy Technology Development Co ltd
Jiangxi Electric Power Trading Center Co ltd
Original Assignee
Guangdong Boshen Think Tank Energy Technology Development Co ltd
Jiangxi Electric Power Trading Center 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 Guangdong Boshen Think Tank Energy Technology Development Co ltd, Jiangxi Electric Power Trading Center Co ltd filed Critical Guangdong Boshen Think Tank Energy Technology Development Co ltd
Priority to CN202111355247.1A priority Critical patent/CN114022018A/zh
Publication of CN114022018A publication Critical patent/CN114022018A/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
    • G06Q10/06—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
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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

Landscapes

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

Abstract

本发明提出了一种电力现货环境下基于协同进化的市场均衡分析方法，该方法为：根据电力现货环境下市场规则构建双层模型来描述市场主体的竞价策略行为和过程，研究市场均衡的状态；应用协同进化算法求解所述上层模型和下层模型，求得上层模型和下层模型市场的均衡点；根据博弈论判定所述市场平衡点是否达到市场纳什均衡。本发明对电力市场均衡点的求解，能够求解到市场中的纯策略均衡，同时也能够观测博弈主体的决策演化过程，同时也能预测和分析不同市场边界条件下的纳什均衡点，从而为市场的规则和设计做出改善建议。

Description

一种电力现货环境下基于协同进化的市场均衡分析方法
技术领域
本发明属于电力技术领域，具体涉及一种电力现货环境下基于协同进化的市场均衡分析方法。
背景技术
在自由竞争的电力市场中，作为独立个体的发电企业和售电公司(或电力大用户)为最大化其利润进行最优决策。市场主体们的决策行为共同影响着电力市场的出清结果，并依托于市场出清相互联系和制约，并在长期博弈中演化至市场均衡。电力市场均衡是市场供需双方竞价博弈后动态演化后达到的稳定状态。通过对电力市场均衡点的求解，能够观测博弈主体的决策演化过程，同时也能预测和分析不同市场边界条件下的纳什均衡点，从而为市场的规则和设计做出改善建议。
市场主体间相互博弈，通过电力市场出清进行信息反馈的过程可建模为双层模型。在求解市场均衡点的方法上，经典的均衡分析方法认为博弈方完全理性，并在信息充分的前提下(古诺模型)找到博弈的均衡解；目前常通过构建上下两层均衡模型来求解市场均衡点，并且可用一阶最优条件替代下层社会福利最大化的最优潮流问题，构成MPEC，更进一步结合多个市场主体最优决策的MPEC模型构成均衡约束均衡规划，从而求解整个市场的均衡。但采用经典博弈方法论研究市场均衡只能应用于市场发展的成熟阶段，在电力市场中，参与者的成本函数及其竞争信息一般是保密的，因而信息并不充分，完全理性对市场中的决策者是很难满足的，因此，采用传统的均衡理论对电力市场建模可能会导致错误。此外，MPEC和EPEC的模型数学推导过程繁琐复杂，并且在应对带有高维度松弛变量和复杂约束的数学模型时容易出现非凸或难以求解的困难。
发明内容
本发明所要解决的技术问题在于针对上述现有技术的不足，提供了一种电力现货环境下基于协同进化的市场均衡分析方法，该方法首先构建了现货环境下发电商多段报价和电力调度机构安全约束经济调度的上下两层均衡模型，接着通过协同进化算法求解市场的均衡点。
为解决上述技术问题，本发明采用的技术方案是：一种电力现货环境下基于协同进化的市场均衡分析方法，其特征在于，该方法包括：
根据电力现货环境下市场规则构建双层模型来描述市场主体的竞价策略行为和过程，双层模型包括上层模型和下层模型，上层模型为发电企业利润最大化的优化模型，以竞价申报的曲线作为优化变量，以市场规则中竞价申报的限制作为约束；下层模型用于描述市场出清的过程，以社会福利最大化为目标函数，约束条件包括机组运行约束、网络安全约束和市场规则约束等；
运用协同进化算法求解所述上层模型和下层模型，求得上层模型和下层模型市场的均衡点；
根据博弈论判定所述市场平衡点是否达到市场纳什均衡。
可选的，所述市场规则为：机组分布在整个电力网络的各个节点上，通过在电力交易中心竞价申报来参与集中式的电力日前现货市场在电力现货市场的日前市场中，机组采用报价报量的形式申报次日的意愿成交容量和价格，并且分多段申报以降低电量不成交的风险，申报的信息在次日24h内生效并且日内不允许修改申报信息；同时为避免机组持有剩余发电容量以操纵市场，报价段容量之和应为机组竞价容量上限；
对于电力用户而言，为保证电力的足量供应，申报电能的边际效用的同时申报电量需求，并且同一节点所有用户的中标电量之和与节点预测负荷相等；
电力调度机构接收到各市场主体的申报信息后，进行每日一次的日前市场出清，市场出清以直流潮流模型来构建网络安全约束，出清的目标函数为综合考虑供给侧和需求侧申报的社会福利最大化模型，出清的结果为市场主体每小时买入或卖出的电量以及系统边际价格。
可选的，构建上层模型的过程为：
构建机组的收益函数：
Figure BDA0003356905550000031
收益函数的约束条件为：
Figure BDA0003356905550000032
Figure BDA0003356905550000033
Figure BDA0003356905550000034
Figure BDA0003356905550000035
式中：λn(t)为节点n在t时刻的节点边际价格；
Figure BDA0003356905550000036
为机组i第j个报价段在t时刻的中标发电功率；
Figure BDA0003356905550000037
为机组i在第j个报价段的边际发电成本(Marginal cost)；αi,j为机组i在第j个报价；αmax为报价上限；i∈Ψn表示机组i位于节点n上；
Figure BDA0003356905550000038
为机组i日前市场可竞价容量上限；
Figure BDA0003356905550000039
为机组i第j个申报段的容量；ω为申报段的最小申报比例。式(1)为机组的收益函数；式(2)为机组报价非负约束；式(3)为机组报价上限约束和机组报价曲线单调递增约束；式(4)为机组i所有申报容量之和等于可竞价容量上限，避免发电企业持有容量以抬高电价；式(5)表示每段的申报必须大于可竞价容量的最小申报比例。
可选的，所述下层模型的构建过程为：
构建社会福利最大化的出清目标函数：
Figure BDA0003356905550000041
目标函数的约束条件为：
Figure BDA0003356905550000042
Figure BDA0003356905550000043
Figure BDA0003356905550000044
Figure BDA0003356905550000045
Figure BDA0003356905550000046
Figure BDA0003356905550000047
Figure BDA0003356905550000048
Figure BDA0003356905550000049
Figure BDA00033569055500000410
-π≤δn(t)≤π (16)
Figure BDA00033569055500000411
式(6)-(17)中：t为出清时刻的索引，i为发电机组的索引，j为发电机组的报价段索引，d为需求的索引，k为需求报价段的索引，n到m为节点的索引。λd,k为需求的电能边际效用；
Figure BDA00033569055500000412
为需求用户d在第k个申报段的电量需求；
Figure BDA00033569055500000413
为机组i的最小技术出力；
Figure BDA00033569055500000414
为节点n在t时刻的负荷需求；
Figure BDA00033569055500000415
和
Figure BDA00033569055500000416
分别为机组i的向下和向上爬坡速率；SU(t)和SD(t)分别为t时刻系统的正和负旋转备用需求；Bn,m为节点n到m的线路电纳；δn(t)为节点n在t时刻的电压相角；
Figure BDA00033569055500000417
为节点n到m的线路传输功率极限。式(6)为社会福利最大化的出清目标函数；式(7)为机组各段中标的电量之和不得超过最大发电能力和小于最小技术出力；式(8)和(9)为买卖的电量不得超过申报的电量上限；式(10)为同一节点所有用户中标的电量之和等于预测负荷约束；式(11)为爬坡速率约束；式(12)和式(13)为旋转备用约束；式(14)为节点功率平衡约束；式(15)为支路潮流上下限约束；式(16)为节点电压相角约束；式(17)表示网络节点编号为1的节点设置为参考节点；
所述下层模型中采用的是社会福利最大化的目标函数，因此定义节点电价为单位负荷增量下用电侧边际用电效益增量与发电侧边际发电成本增量的平均值，即：
Figure BDA0003356905550000051
Figure BDA0003356905550000052
Figure BDA0003356905550000053
式中：FG为发电侧的边际发电成本；FD为用电侧的边际用电效益；式(18)的结算电价表示发用双方的申报段进行高低匹配之后，最后一个匹配对的价格平均值即是结算价格。
可选的，基于协同进化算法求取市场均衡的过程为：
S201、给定基本参数，构建上下两层均衡模型，同时以边际成本与边际效益作为首次竞价的申报信息；
S202、对所有参与市场竞价的市场主体，随机生成独立的有限策略种群集合Si，Si由N个策略元素sij组成，每个策略sij包括申报信息中的三段报量和报价；
S203、对于任意竞价主体i在第t代的决策，首先将其他种群(-i)在第t-1代所搜索的适应度最高的染色体所对应的策略选为代表，形成代表策略集
Figure BDA0003356905550000054
将种群i中任一第j个染色体所对应的策略sij与其他种群的代表策略集
Figure BDA0003356905550000061
所形成的竞价函数递交给电力调度机构出清，把策略sij所得到的利润设置为该个体的适应度uij(sij)；
Figure BDA0003356905550000062
式中：fi(S)表示调度机构对所有参与者的竞价策略集合S进行市场出清以后，第i个参与方所获得的利润函数；
S204、i将适应度值最大策略
Figure BDA0003356905550000063
作为第t代的竞价策略，再采用具有精英保留机制的遗传算子对染色体进行操作；
Figure BDA0003356905550000064
Figure BDA0003356905550000065
Figure BDA0003356905550000066
S205、重复步骤S202、S203和S204，使种群i∈N得到逐一的评价与进化，最后进行第t代市场出清；
Figure BDA0003356905550000067
式中：F(·)为以社会福利最大化为目标函数的电力市场出清模型，即下层模型；出清结果
Figure BDA0003356905550000068
和
Figure BDA0003356905550000069
分别为供给方和需求方在第t轮竞价的中标电量；λt为节点电价向量；
S206、重复步骤S203、S204和S205，直到代数t达到仿真设置的数值R或是市场收敛时停止，则求解出市场平衡点。
可选的，S201中所述基本参数包括典型日负荷曲线、机组参数、网络参数、市场规则参数、发电企业的边际成本和用户的边际效益。
可选的，判定市场纳什均衡的条件为：
任一种群i满足：
Figure BDA00033569055500000610
本发明与现有技术相比具有以下优点：
本发明应用协同进化算法的原理以及针对市场竞价模式而设计的算法框架来分析电力现货环境下的市场平衡，协同进化算法具有仿真模拟求取市场均衡的可能，需要特别指出的是，一般考虑网络约束的电力市场博弈中，每个参与者的优化决策是非线性规划问题，它们构成的均衡问题本质上为非线性互补问题，其解的存在性与唯一性很难在理论上取得保证，而本申请显然通过设计的分析方法能够求解到市场中的纯策略均衡。
下面通过附图和实施例对本发明的技术方案作进一步的详细说明。
附图说明
图1为随着轮次增加，机组竞价加权报价的变化。
具体实施方式
本发明实施例1的一种基于电力现货环境下基于协同进化的市场均衡分析方法的流程图，具体步骤如下：
Step1、构建描述市场主体的竞价策略行为和过程的双层模型；具体构建双层模型过程如下：
S101、市场规则
在本发明中，机组分布在整个电力网络的各个节点上，通过在电力交易中心竞价申报来参与集中式的电力日前现货市场。在电力现货市场的日前市场中，机组采用报价报量的形式申报次日的意愿成交容量和价格，并且可分多段申报以降低电量不成交的风险。申报的信息在次日24h内生效并且日内不允许修改申报信息。同时，为避免机组持有剩余发电容量以操纵市场，报价段容量之和应为机组竞价容量上限。
对于电力用户而言，为保证电力的足量供应，申报电能的边际效用的同时申报电量需求，并且同一节点所有用户的中标电量之和与节点预测负荷相等。
电力调度机构接收到各市场主体的申报信息后，进行每日一次的日前市场出清。市场出清以直流潮流模型来构建网络安全约束，出清的目标函数为综合考虑供给侧和需求侧申报的社会福利最大化模型，出清的结果为市场主体每小时买入或卖出的电量以及系统边际价格。
在竞价申报阶段，所有的市场主体以最大化自身利润为目标进行决策。在多轮竞价以后，市场将达到均衡状态，即没有市场主体能够单方面改变其策略来增加利润的状态。由于市场主体的最佳反应策略与所有市场主体共有的市场出清条件相互关联，属于多领导者-单一跟随者的博弈(multi-leader-common-follower game)问题。
本发明通过构建双层模型来描述市场主体的竞价策略行为和过程。上层模型为发电企业利润最大化的优化模型，以竞价申报的曲线作为优化变量，以市场规则中竞价申报的限制作为约束。下层模型旨在描述市场出清的过程，以社会福利最大化为目标函数，约束条件包括机组运行约束、网络安全约束和市场规则约束等。上下两层模型相互联系和制约，上层模型中发电企最优决策过程中，依赖于下层的节点电价信息和出清中标容量，而下层市场出清的基础数据为上层模型最优决策产生的申报曲线。
S102、构建上层模型
Figure BDA0003356905550000081
s.t.
Figure BDA0003356905550000082
Figure BDA0003356905550000083
Figure BDA0003356905550000084
Figure BDA0003356905550000085
式中：λn(t)为节点n在t时刻的节点边际价格；
Figure BDA0003356905550000086
为机组i第j个报价段在t时刻的中标发电功率；
Figure BDA0003356905550000091
为机组i在第j个报价段的边际发电成本(Marginal cost)；αi,j为机组i在第j个报价；αmax为报价上限；i∈Ψn表示机组i位于节点n上；
Figure BDA0003356905550000092
为机组i日前市场可竞价容量上限；
Figure BDA0003356905550000093
为机组i第j个申报段的容量；ω为申报段的最小申报比例。式(1)为机组的收益函数(收益的负值最小化)；式(2)为机组报价非负约束；式(3)为机组报价上限约束和机组报价曲线单调递增约束；式(4)为机组i所有申报容量之和等于可竞价容量上限，避免发电企业持有容量以抬高电价；式(5)表示每段的申报必须大于可竞价容量的最小申报比例。
S103、构建下层模型
Figure BDA0003356905550000094
s.t.
Figure BDA0003356905550000095
Figure BDA0003356905550000096
Figure BDA0003356905550000097
Figure BDA0003356905550000098
Figure BDA0003356905550000099
Figure BDA00033569055500000910
Figure BDA00033569055500000911
Figure BDA00033569055500000912
Figure BDA00033569055500000913
-π≤δn(t)≤π (16)
Figure BDA0003356905550000101
式中：t为出清时刻的索引，i为发电机组的索引，j为发电机组的报价段索引，d为需求的索引，k为需求报价段的索引，n到m为节点的索引。λd,k为需求的电能边际效用；
Figure BDA0003356905550000102
为需求用户d在第k个申报段的电量需求；
Figure BDA0003356905550000103
为机组i的最小技术出力；
Figure BDA0003356905550000104
为节点n在t时刻的负荷需求；
Figure BDA0003356905550000105
和
Figure BDA0003356905550000106
分别为机组i的向下和向上爬坡速率；SU(t)和SD(t)分别为t时刻系统的正和负旋转备用需求；Bn,m为节点n到m的线路电纳；δn(t)为节点n在t时刻的电压相角；
Figure BDA0003356905550000107
为节点n到m的线路传输功率极限。式(6)为社会福利最大化的出清目标函数；式(7)为机组各段中标的电量之和不得超过最大发电能力和小于最小技术出力；式(8)和(9)为买卖的电量不得超过申报的电量上限；式(10)为同一节点所有用户中标的电量之和等于预测负荷约束；式(11)为爬坡速率约束；式(12)和式(13)为旋转备用约束；式(14)为节点功率平衡约束；式(15)为支路潮流上下限约束；式(16)为节点电压相角约束；式(17)表示网络节点编号为1的节点设置为参考节点。
在最小购电成本作为目标函数的优化模型中，式(14)的拉格朗日乘子即是节点边际价格，但在本模型中采用的是社会福利最大化的目标函数，因此定义节点电价为单位负荷增量下用电侧边际用电效益增量与发电侧边际发电成本增量的平均值，即：
Figure BDA0003356905550000108
Figure BDA0003356905550000109
Figure BDA00033569055500001010
式中：FG为发电侧的边际发电成本；FD为用电侧的边际用电效益。式(18)的结算电价表示发用双方的申报段进行高低匹配之后，最后一个匹配对的价格平均值即是结算价格。
Step2、运用协同进化算法对市场的均衡点直接求解；
对于以上模型公式(1)-(17)，有两种经典的解法。一种通过一阶必要条件对下层模型进行替代，形成原对偶公式约束，从而将双层模型转化为单层模型。由于下层模型的可行域为凸集，因而一阶必要条件也是全局最优的充分条件，最终构成MPEC或EPEC并通过求解混合整数线性规划来获得市场均衡点。另一种是通过启发式算法(如协同进化算法)对市场的均衡点直接求解。由于启发式算法越过复杂的数学推导，通过上下两层模型的参数传递，直接寻求市场的均衡点，因而在求解精度和简易程度上显著优于均衡约束规划。
协同进化算法的步骤
协同进化算法求取市场均衡的本质是通过代理仿真，为各代理设置竞价的申报信息，并通过观察代理的竞价行为来考察市场性质。运用协同进化算法的基本思想与步骤如下:
S201、给定基本参数，如典型日负荷曲线、机组参数、网络参数、市场规则参数、发电企业的边际成本和用户的边际效益等。构建上下两层均衡模型，同时以边际成本与边际效益作为首次竞价的申报信息。
S202、对所有参与市场竞价的市场主体，随机生成独立的有限策略种群集合Si，Si由N个策略元素sij组成，每个策略sij包括申报信息中的三段报量和报价。
S203、对于任意竞价主体i在第t代的决策，首先将其他种群(-i)在第t-1代所搜索的适应度最高的染色体所对应的策略选为代表，形成代表策略集
Figure BDA0003356905550000111
将种群i中任一第j个染色体所对应的策略sij与其他种群的代表策略集
Figure BDA0003356905550000112
所形成的竞价函数递交给电力调度机构出清，把策略sij所得到的利润设置为该个体的适应度uij(sij)：
Figure BDA0003356905550000121
式中：fi(S)表示调度机构对所有参与者的竞价策略集合S进行市场出清以后，第i个参与方所获得的利润函数。
S204、i将适应度值最大策略
Figure BDA0003356905550000122
作为第t代的竞价策略，再采用具有精英保留机制的遗传算子对染色体进行操作。
Figure BDA0003356905550000123
S205、重复步骤S202、S203和S204，使种群i∈N得到逐一的评价与进化，最后进行第t代市场出清。
Figure BDA0003356905550000124
式中：F(·)为以社会福利最大化为目标函数的电力市场出清模型，即下层模型；出清结果
Figure BDA0003356905550000125
和
Figure BDA0003356905550000126
分别为供给方和需求方在第t轮竞价的中标电量；λt为节点电价向量。
S206、重复步骤S203、S204和S205，直到代数t达到仿真设置的数值R或是市场收敛时停止。
Step3、市场纳什均衡判定
S301、如果各博弈方都不愿意单独改变自己策略的策略组合存在且唯一，博弈问题就有确定的解，此时的策略组合即为“纳什均衡点”，其数学定义如下：
用G表示一个博弈，第i个博弈方的收益记为ui，对于有N个博弈方的博弈，
G＝{s1,s2,...,si,...,sN；u1,u2,...,ui,...,uN} (3-1)
如果策略组合
Figure BDA0003356905550000131
中任何一个博弈方i的策略
Figure BDA0003356905550000132
都是对其余博弈方策略组合
Figure BDA0003356905550000133
的最佳对策，即对
Figure BDA0003356905550000134
Figure BDA0003356905550000135
对
Figure BDA0003356905550000136
均成立，则称
Figure BDA0003356905550000137
为G的一个“纳什均衡点”。
S302、根据经典博弈论，纳什均衡可解释为：任何一方采取的策略都是对其余所有方采取策略组合下的最佳对策；当所有其他人都不改变策略时，为了让自己的收益最大，任何一方都不会(或者无法)改变自己的策略，这个时候的策略组合就是一个纳什均衡。可见，对
Figure BDA0003356905550000138
满足下式时：
Figure BDA0003356905550000139
任一博弈方都没有改变自己策略的动力，因为式(3-2)表示每个人的策略都是对其他人的策略的最优反应，单方面改变自己的策略都会造成自己收益的减少，因而达到市场的纳什均衡。
从算法运用框架可见，任一种群i在假定其他种群(-i)的策略不变，且均采取其上一代最佳策略的情况下，利用遗传算法在自身搜索子空间Si进行随机寻优。若整个生态系统经过若干代进化达到收敛，即任一种群i所选策略
Figure BDA00033569055500001310
不再变化，为
Figure BDA00033569055500001311
的最佳反应，满足：
Figure BDA00033569055500001312
并且由于市场处于收敛状态，满足：
S(t-1)*＝S(t)*
(3-5)
从而对
Figure BDA00033569055500001313
有：
Figure BDA00033569055500001314
实施例2
本实施例中网络模型采用PJM 5机5节点模型，机组参数如表1所示，24小时典型负荷曲线如表2所示。用户侧的在节点2、3和4带负荷，边际效用为1.5元/kWh，3个用户的三段报价策略均为1、0.9和0.8元/kWh并在各轮次中保持不变。
表1机组参数
Figure BDA0003356905550000141
表2典型负荷曲线
时刻 1 2 3 4 5 6 7 8
负荷 905 911 867 835 813 792 808 797
时刻 9 10 11 12 13 14 15 16
负荷 813 921 976 1024 970 992 1013 1024
时刻 17 18 19 20 21 22 23 24
负荷 1019 1024 981 965 1035 1073 1057 981
市场博弈和均衡分析
在经过激烈的博弈以后，如图1所示，市场竞价到约15轮次以后进入均衡状态。在竞价的策略方面，相较于初始竞价策略，机组均在多轮次的博弈均采取了降价的措施。在算例设置中，由于供需比接近2:1，处于买方市场。因而需求侧占主导地位。发电侧竞争激烈，只能通过降价的手段来获取更多的发电电量，最后在多轮次的竞价博弈中收敛至较低的水平。
在市场均衡点的竞价策略上，所有的机组在“三段式”的报价中均在首段申报最大比例的竞价电量，同时伴随接近边际发电成本的意愿电价，如表3所示。并在第二、三段减少竞价电量，同时抬高竞价意愿价格。从而在自身大部分容量能够成交前提下，尽量抬高市场的出清电价，以最大化自身的利润。
在博弈均衡结果与完全竞争结果的对比中，在加入了博弈的考量之后，不同机组之间的利润不再变的十分悬殊，小容量机组并非一直处于竞价的劣势地位。在完全竞争情形中，所有机组按照边际成本报价，因此按照社会福利最大化的模型，机组G1边际成本最小因而在发电市场中具有绝对优势地位，利润也最高。而在博弈均衡情形中，大容量机组虽然仍然保持优势，但是利润却明显下降。可见，博弈策略对市场竞价结果的影响十分重要。在总利润方面，由于市场博弈的影响机组以边际发电成本作为下界提高竞价申报价格，因而抬高了市场的出清价格，发电侧所获得的利润也获得了提高。
表3市场均衡和完全竞争对比
Figure BDA0003356905550000151
综上所述，本发明采用协同进化算法求解了上下两层均衡模型，研究了电力现货环境下发电企业之间竞价博弈的市场均衡结果。结果表明：1)在有限策略集下，应用协同进化算法求解双层模型能较快的收敛至市场的均衡点；2)高度集中的市场并不意味着寡头能够垄断电价，电力现货环境下复杂的市场出清约束条件也制约着市场力的行使。
以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制。凡是根据发明技术实质对以上实施例所作的任何简单修改、变更以及等效变化，均仍属于本发明技术方案的保护范围内。

Claims (8)

1.一种电力现货环境下基于协同进化的市场均衡分析方法，其特征在于，该方法包括：
根据电力现货环境下市场规则构建上下双层模型来描述市场主体的竞价策略行为和过程，研究市场均衡的状态；构建的上层模型用解决申报约束下的发电企业利润最大化问题，构建的下层模型用于解决以社会福利最大化为目标的安全约束经济调度问题；
运用协同进化算法求解所述上下双层模型，求得市场的均衡点；
根据博弈论判定所述市场平衡点是否达到市场纳什均衡。
2.根据权利要求1所述的一种电力现货环境下基于协同进化的市场均衡分析方法，其特征在于，所述市场规则为：机组分布在整个电力网络的各个节点上，通过在电力交易中心竞价申报来参与集中式的电力日前现货市场在电力现货市场的日前市场中，机组采用报价报量的形式申报次日的意愿成交容量和价格，并且分多段申报以降低电量不成交的风险，申报的信息在次日24h内生效并且日内不允许修改申报信息；同时为避免机组持有剩余发电容量以操纵市场，报价段容量之和应为机组竞价容量上限；
对于电力用户而言，为保证电力的足量供应，申报电能的边际效用的同时申报电量需求，并且同一节点所有用户的中标电量之和与节点预测负荷相等；
电力调度机构接收到各市场主体的申报信息后，进行每日一次的日前市场出清，市场出清以直流潮流模型来构建网络安全约束，出清的目标函数为综合考虑供给侧和需求侧申报的社会福利最大化模型，出清的结果为市场主体每小时买入或卖出的电量以及系统边际价格。
3.根据权利要求2所述的一种电力现货环境下基于协同进化的市场均衡分析方法，其特征在于，所述上下双层模型包括上层模型和下层模型，上层模型为发电企业利润最大化的优化模型，以竞价申报的曲线作为优化变量，以市场规则中竞价申报的限制作为约束；下层模型用于描述市场出清的过程，以社会福利最大化为目标函数，约束条件包括机组运行约束、网络安全约束和市场规则约束等。
4.根据权利要求3所述的一种电力现货环境下基于协同进化的市场均衡分析方法，其特征在于，构建所述上层模型的过程为：
构建机组的收益函数：
Figure FDA0003356905540000021
收益函数的约束条件为：
Figure FDA0003356905540000022
Figure FDA0003356905540000023
Figure FDA0003356905540000024
Figure FDA0003356905540000025
式中：λn(t)为节点n在t时刻的节点边际价格；
Figure FDA0003356905540000026
为机组i第j个报价段在t时刻的中标发电功率；
Figure FDA0003356905540000027
为机组i在第j个报价段的边际发电成本(Marginalcost)；αi,j为机组i在第j个报价；αmax为报价上限；i∈Ψn表示机组i位于节点n上；Pi Gmax为机组i日前市场可竞价容量上限；
Figure FDA0003356905540000028
为机组i第j个申报段的容量；ω为申报段的最小申报比例；式(1)为机组的收益函数；式(2)为机组报价非负约束；式(3)为机组报价上限约束和机组报价曲线单调递增约束；式(4)为机组i所有申报容量之和等于可竞价容量上限，避免发电企业持有容量以抬高电价；式(5)表示每段的申报必须大于可竞价容量的最小申报比例。
5.根据权利要求3所述的一种电力现货环境下基于协同进化的市场均衡分析方法，其特征在于，所述下层模型的构建过程为：
构建社会福利最大化的出清目标函数：
Figure FDA0003356905540000031
目标函数的约束条件为：
Figure FDA0003356905540000032
Figure FDA0003356905540000033
Figure FDA0003356905540000034
Figure FDA0003356905540000035
Figure FDA0003356905540000036
Figure FDA0003356905540000037
Figure FDA0003356905540000038
Figure FDA0003356905540000039
Figure FDA00033569055400000310
-π≤δn(t)≤π(16)
Figure FDA00033569055400000311
式(6)-(17)中：t为出清时刻的索引，i为发电机组的索引，j为发电机组的报价段索引，d为需求的索引，k为需求报价段的索引，n到m为节点的索引。λd,k为需求的电能边际效用；
Figure FDA00033569055400000312
为需求用户d在第k个申报段的电量需求；Pi Gmin为机组i的最小技术出力；
Figure FDA00033569055400000313
为节点n在t时刻的负荷需求；
Figure FDA00033569055400000314
和
Figure FDA00033569055400000315
分别为机组i的向下和向上爬坡速率；SU(t)和SD(t)分别为t时刻系统的正和负旋转备用需求；Bn,m为节点n到m的线路电纳；δn(t)为节点n在t时刻的电压相角；
Figure FDA00033569055400000316
为节点n到m的线路传输功率极限；式(6)为社会福利最大化的出清目标函数；式(7)为机组各段中标的电量之和不得超过最大发电能力和小于最小技术出力；式(8)和(9)为买卖的电量不得超过申报的电量上限；式(10)为同一节点所有用户中标的电量之和等于预测负荷约束；式(11)为爬坡速率约束；式(12)和式(13)为旋转备用约束；式(14)为节点功率平衡约束；式(15)为支路潮流上下限约束；式(16)为节点电压相角约束；式(17)表示网络节点编号为1的节点设置为参考节点；
所述下层模型中采用的是社会福利最大化的目标函数，因此定义节点电价为单位负荷增量下用电侧边际用电效益增量与发电侧边际发电成本增量的平均值，即：
Figure FDA0003356905540000041
Figure FDA0003356905540000042
Figure FDA0003356905540000043
式中：FG为发电侧的边际发电成本；FD为用电侧的边际用电效益；式(18)的结算电价表示发用双方的申报段进行高低匹配之后，最后一个匹配对的价格平均值即是结算价格。
6.根据权利要求3所述的一种电力现货环境下基于协同进化的市场均衡分析方法，其特征在于，基于协同进化算法求取市场均衡的过程为：
S201、给定基本参数，构建上下两层均衡模型，同时以边际成本与边际效益作为首次竞价的申报信息；
S202、对所有参与市场竞价的市场主体，随机生成独立的有限策略种群集合Si，Si由N个策略元素sij组成，每个策略sij包括申报信息中的三段报量和报价；
S203、对于任意竞价主体i在第t代的决策，首先将其他种群(-i)在第t-1代所搜索的适应度最高的染色体所对应的策略选为代表，形成代表策略集
Figure FDA0003356905540000044
Figure FDA0003356905540000045
将种群i中任一第j个染色体所对应的策略sij与其他种群的代表策略集
Figure FDA0003356905540000051
所形成的竞价函数递交给电力调度机构出清，把策略sij所得到的利润设置为该个体的适应度uij(sij)；
Figure FDA0003356905540000052
式中：fi(S)表示调度机构对所有参与者的竞价策略集合S进行市场出清以后，第i个参与方所获得的利润函数；
S204、i将适应度值最大策略
Figure FDA0003356905540000053
作为第t代的竞价策略，再采用具有精英保留机制的遗传算子对染色体进行操作；
Figure FDA0003356905540000054
Figure FDA0003356905540000055
Figure FDA0003356905540000056
S205、重复步骤S202、S203和S204，使种群i∈N得到逐一的评价与进化，最后进行第t代市场出清；
Figure FDA0003356905540000057
式中：F(·)为以社会福利最大化为目标函数的电力市场出清模型，即下层模型；出清结果Pt G和Pt D分别为供给方和需求方在第t轮竞价的中标电量；λt为节点电价向量；
S206、重复步骤S203、S204和S205，直到代数t达到仿真设置的数值R或是市场收敛时停止，则求解出市场平衡点。
7.根据权利要求5所述的一种电力现货环境下基于协同进化的市场均衡分析方法，其特征在于，S201中所述基本参数包括典型日负荷曲线、机组参数、网络参数、市场规则参数、发电企业的边际成本和用户的边际效益。
8.根据权利要求5所述的一种电力现货环境下基于协同进化的市场均衡分析方法，其特征在于，判定市场纳什均衡的条件为：任一种群i满足：
Figure FDA0003356905540000061
CN202111355247.1A 2021-11-16 2021-11-16 一种电力现货环境下基于协同进化的市场均衡分析方法 Pending CN114022018A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111355247.1A CN114022018A (zh) 2021-11-16 2021-11-16 一种电力现货环境下基于协同进化的市场均衡分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111355247.1A CN114022018A (zh) 2021-11-16 2021-11-16 一种电力现货环境下基于协同进化的市场均衡分析方法

Publications (1)

Publication Number Publication Date
CN114022018A true CN114022018A (zh) 2022-02-08

Family

ID=80064487

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111355247.1A Pending CN114022018A (zh) 2021-11-16 2021-11-16 一种电力现货环境下基于协同进化的市场均衡分析方法

Country Status (1)

Country Link
CN (1) CN114022018A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115630750A (zh) * 2022-11-10 2023-01-20 国家电网有限公司华东分部 现货市场出清与校核耦合优化方法、装置及电子设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115630750A (zh) * 2022-11-10 2023-01-20 国家电网有限公司华东分部 现货市场出清与校核耦合优化方法、装置及电子设备
CN115630750B (zh) * 2022-11-10 2023-09-22 国家电网有限公司华东分部 现货市场出清与校核耦合优化方法、装置及电子设备

Similar Documents

Publication Publication Date Title
Amin et al. A motivational game-theoretic approach for peer-to-peer energy trading in islanded and grid-connected microgrid
Tsao et al. Toward sustainable microgrids with blockchain technology-based peer-to-peer energy trading mechanism: A fuzzy meta-heuristic approach
Wang et al. Agent and system dynamics-based hybrid modeling and simulation for multilateral bidding in electricity market
Azim et al. Cooperative negawatt P2P energy trading for low-voltage distribution networks
Zaman et al. Co-evolutionary approach for strategic bidding in competitive electricity markets
Li et al. Incentivizing distributed energy trading among prosumers: A general Nash bargaining approach
Song et al. Decision making of an electricity supplier's bid in a spot market
Liu et al. Multi-lateral participants decision-making: A distribution system planning approach with incomplete information game
Sichao et al. Evaluation of CO2 free electricity trading market in Japan by multi-agent simulations
Salkuti et al. Multi-objective day-ahead real power market clearing with voltage dependent load models
Shin et al. Mitigating market risk for wind power providers via financial risk exchange
Li et al. A data-driven joint chance-constrained game for renewable energy aggregators in the local 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
Vincent et al. Sustainable microgrid design with peer-to-peer energy trading involving government subsidies and uncertainties
Moinian et al. An ISO-based security constrained generation maintenance coordination considering long-term SCOPF
CN114022018A (zh) 一种电力现货环境下基于协同进化的市场均衡分析方法
Sun et al. Energy sharing platform based on call auction method with the maximum transaction volume
Lei et al. A shareholding-based resource sharing mechanism for promoting energy equity in peer-to-peer energy trading
Soleymani et al. Strategic bidding of generating units in competitive electricity market with considering their reliability
Stańczak et al. Dynamic pricing and balancing mechanism for a microgrid electricity market
Khodabakhsh et al. Designing a bi-level flexibility market for transmission system congestion management considering distribution system performance improvement
Soleymani et al. New approach to bidding strategies of generating companies in day ahead energy market
Dulipala et al. Decision-making model with reduced risk of penalties in transactive energy markets
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
Hortacsu et al. Understanding strategic bidding in restructured electricity markets: a case study of ERCOT

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