CN114154739A - 共享储能电站在多区域综合能源系统的优化配置方法 - Google Patents

共享储能电站在多区域综合能源系统的优化配置方法 Download PDF

Info

Publication number
CN114154739A
CN114154739A CN202111509290.9A CN202111509290A CN114154739A CN 114154739 A CN114154739 A CN 114154739A CN 202111509290 A CN202111509290 A CN 202111509290A CN 114154739 A CN114154739 A CN 114154739A
Authority
CN
China
Prior art keywords
energy storage
energy
power station
storage power
shared
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
CN202111509290.9A
Other languages
English (en)
Inventor
范宏
王翠影
鲁尔齐
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.)
Shanghai Electric Power University
Original Assignee
Shanghai Electric Power 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 Shanghai Electric Power University filed Critical Shanghai Electric Power University
Priority to CN202111509290.9A priority Critical patent/CN114154739A/zh
Publication of CN114154739A publication Critical patent/CN114154739A/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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply

Landscapes

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

Abstract

本发明涉及一种共享储能电站在多区域综合能源系统的优化配置方法，充分考虑到共享储能电站在多区域IES中的优化配置问题，通过共享储能电站来为多区域IES提供储能服务，分析多区域IES内部能流和设备能量转化关系，基于非对称纳什谈判博弈理论，构建以多区域IES和共享储能电站为不同利益主体的非对称纳什谈判模型。本发明方法实现个体利益、整体利益最优，同时考虑各主体效益与自身的贡献度有关，对各个主体更加公平。在共享经济迅速发展的情况下，通过共享储能电站为多区域综合能源系统提供储能服务，利用各区域综合能源系统负荷的差异性以及互补性最大程度的减少储能投资成本。符合现阶段及未来电力系统发展趋势，具有很强的理论性和实用性。

Description

共享储能电站在多区域综合能源系统的优化配置方法
技术领域
本发明涉及一种能源技术，特别涉及一种共享储能电站在多区域综合能源系统的优化配置方法。
背景技术
“双碳”目标下，日益增长的能源需求和环境问题推动了可再生能源技术的发展。如何提高可再生能源的利用率、缓解资源短缺，促进能源转型是目前亟需解决的问题。综合能源系统(IES)作为微电网的延伸，耦合了电、气、冷、热多种能源，IES利用多种能源的协同作用，在提高整体能源利用效率方面已经得到了广泛的认可。储能可以缓解可再生能源发电和负荷需求之间的时空不平衡，被作为一种提高IES运行灵活性的措施。
目前投资建设储能的价格昂贵。此外，由于未来供需能量的不确定性，固定式储能装置的充分利用仍具有挑战。为了应对挑战，在共享经济模式下，引入了共享储能的概念。实际运行中不同IES的负荷往往具有差异性、互补性，通过储能电站将多个IES联系起来构成多区域IES。每个IES通过与储能电站进行信息交换与能量交互可以减少其对外部电网的依赖，提高整个系统运行的经济性，并促进分布式发电能源的就地消纳。然而，储能电站和IES通常隶属于不同的利益主体并理性地追逐自身利益最大化，常常由于信息不对称等原因导致出现无序竞争的现象，大大降低市场效率。
近年来，博弈论方法已被广泛应用于储能共享或其他类似的能量共享问题，可以分为合作博弈和非合作博弈两种，采用非合作博弈模型只能实现个体利益最优，往往忽视了全社会效益。非纳什谈判作为合作博弈的一种，兼顾了个体利益与整体利益，并且保证了每个参与者的公平性，并采用分布式ADMM算法求解既保护了各主体的隐私同时只需要少量的信息交互就可以制定最优的投资运行策略。
发明内容
针对能源合理分配利用问题，提出了一种共享储能电站在多区域综合能源系统的优化配置方法，通过多区域IES和储能电站之间的电能共享，实现共享储能电站在多区域IES的最优配置，基于非对称纳什谈判建立了共享储能电站与多区域IES的合作博弈模型，兼顾个体利益与整体利益，并采用非线性映射方法量化各区域IES参与议价的不同贡献能力，保证各参与主体的公平性、合理性。
本发明的技术方案为：一种共享储能电站在多区域综合能源系统的优化配置方法，具体包括如下步骤：
1)考虑多区域综合能源系统和共享储能电站之间进行电能交易，将用户侧的柔性负荷等效为虚拟储能资源参与优化运行，以运行成本最小为目标建立多区域综合能源系统运行模型，以投资成本、运行成本之和最小为目标建立共享储能电站的优化配置模型；
2)根据各区域综合能源系统和共享储能电站参与合作运行的贡献能力不同，建立了多主体合作博弈与非对称纳什谈判模型，并采用非线性映射方法量化各区域IES参与议价的不同贡献能力；即各区域综合能源系统作为一个整体与储能电站谈判，求解电能共享支付费用，各区域综合能源系统与共享储能电站交互的能量不同，各区域综合能源系统以各自的贡献作为议价能力，通过不对称谈判对能量共享的收益进一步分配。
3)各主体通过纳什谈判达成共识，为保护各主体的隐私采用ADMM算法求解社会能源成本最小化子问题以及非对称支付效益最大化子问题，并获得共享储能电站功率、容量配置最优解。
进一步，所述步骤1)针对实际各区域综合能源系统的用能差异性与互补性，各区域综合能源系统配备可再生能源机组以及能量生产、转换设备；各区域综合能源系统通过联络线与共享储能电站相连，并将用户侧可削减负荷和可转移负荷等效为虚拟储能资源参与需求响应；考虑多区域综合能源系统与共享储能电站属于不同的利益主体，对多区域综合能源系统和共享储能电站分别建立对应的优化运行模型。
进一步，所述步骤2)实现步骤为：
首先，基于纳什谈判理论建立储能电站-多区域综合能源系统的合作博弈模型；通过等效变换将原始优化问题转变为两个凸的子问题求解，子问题1为社会能源成本最小化，子问题2为非对称支付效益最大化；
然后，由于各区域综合能源系统与共享储能电站交互的能量不同，采用非线性映射方法量化各区域综合能源系统参与议价的不同贡献能力，保证各参与主体的公平性。
进一步，所述步骤2)具体实现步骤如下：
2.1)应用标准纳什谈判博弈的数学表达式，建立多区域综合能源系统-共享储能电站的合作博弈模型，数学表达式如下：
Figure BDA0003404650540000031
式中：
Figure BDA0003404650540000032
CESS,Δ分别为未参加合作博弈时各IES、储能电站主体的最优成本，也作为纳什谈判破裂点，上式不等式约束保证各参与主体均能通过参与合作获取收益；
2.2)由于合作博弈模型本质为非凸非线性优化问题，通过等效变换将原始优化问题变为2个凸的子问题求解，具体的等效过程如下：
根据均值不等式将合作博弈模型改写为：
Figure BDA0003404650540000033
其中
Figure BDA0003404650540000034
为一常数，因此：
Figure BDA0003404650540000035
值越小，合作博弈模型的目标函数值越大；
多区域综合能源系统与储能电站能量交互除了满足功率平衡，同时需要满足收支平衡。
Figure BDA0003404650540000036
不考虑各主体的支付、收益成本时第i个综合能源系统成本为
Figure BDA0003404650540000037
共享储能电站成本为MESS，
令：
Figure BDA0003404650540000041
MESS＝Cinv+Cop，
目标函数转化为社会能源成本最小化子问题：
Figure BDA0003404650540000042
通过求解社会能源成本最小化子问题，得到
Figure BDA0003404650540000043
的最优值
Figure BDA0003404650540000044
且
Figure BDA0003404650540000045
为常数，将得到的优化变量代入到合作博弈模型中，可得到非对称支付效益最大化子问题：
Figure BDA0003404650540000046
将非对称支付效益最大化子问题划分为两个过程，第一过程为各区域综合能源系统作为一个整体与储能电站谈判，求解电能共享支付费用；第二过程为实际上各区域IES与共享储能电站交互的能量不同，各区域IES以各自的贡献作为议价能力，通过不对称谈判对能量共享的收益进一步分配。
进一步，所述步骤3)具体步骤为：
首先、构建增广拉格朗日函数，采用ADMM算法求解社会能源成本最小化子问题，各主体在迭代过程中不断更新自身的决策；
然后、构建增广拉格朗日函数，采用ADMM算法求解非对称支付效益最大化子问题，各主体在迭代过程中不断更新自身的决策。
本发明的有益效果在于：本发明共享储能电站在多区域综合能源系统的优化配置方法，充分考虑到共享储能电站在多区域IES中的优化配置问题，通过共享储能电站来为多区域IES提供储能服务，分析了多区域IES内部能流关系和设备能量转化关系，基于非对称纳什谈判博弈理论，构建了以多区域IES和共享储能电站为不同利益主体的非对称纳什谈判模型。本发明所提方法实现了个体利益、整体利益最优，同时考虑到各主体效益与自身的贡献度有关，对各个主体来说更加公平。在共享经济的迅速发展的情况下，通过共享储能电站为多区域综合能源系统提供储能服务，利用各区域综合能源系统负荷的差异性以及互补性可以最大程度的减少储能的投资成本。
附图说明
图1为本发明共享储能电站在多区域综合能源系统的优化配置方法流程图；
图2为IES的结构图；
图3a为本发明综合能源系统1负荷、风机出力预测曲线图；
图3b为本发明综合能源系统2负荷、风机出力预测曲线图；
图3c为本发明综合能源系统3负荷、风机出力预测曲线图；
图4为本发明多区域综合能源系统-共享储能电站结构；
图5a为本发明综合能源系统1目标函数值－储能电站多主体能量交易分析图；
图5b为本发明综合能源系统2目标函数值－储能电站多主体能量交易分析图；
图5c为本发明综合能源系统3目标函数值－储能电站多主体能量交易分析图；
图5d为本发明储能电站目标函数值－储能电站多主体能量交易分析图；
图5e为本发明多区域IES-共享储能电站合作联盟运行总成本图；
图6a为本发明综合能源系统1的电功率平衡的优化调度结果图；
图6b为本发明综合能源系统1的热功率平衡的优化调度结果图；
图6c为本发明综合能源系统1的冷功率平衡的优化调度结果图；
图6d为本发明综合能源系统2的电功率平衡的优化调度结果图；
图6e为本发明综合能源系统2的热功率平衡的优化调度结果图；
图6f为本发明综合能源系统2的冷功率平衡的优化调度结果图；
图6g为本发明综合能源系统3的电功率平衡的优化调度结果图；
图6h为本发明综合能源系统3的热功率平衡的优化调度结果图；
图6I为本发明综合能源系统3的冷功率平衡的优化调度结果图；
图7为本发明各区域综合能源系统(IES)与储能电站的功率交互图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
如图1所示本发明共享储能电站在多区域综合能源系统的优化配置方法流程图，方法包括以下步骤：
S1如图2所示综合能源系统结构图，根据多区域IES与储能电站属于不同的利益主体，将用户侧的柔性负荷等效为虚拟储能资源参与优化运行，分别建立多区域IES主体和储能电站主体的优化运行模型；
S2根据各区域IES和共享储能电站参与合作运行的贡献能力不同，建立了多主体合作博弈与非对称纳什谈判模型，并采用非线性映射方法量化各区域IES参与议价的不同贡献能力；
S3各主体通过纳什谈判达成共识，为保护各主体的隐私采用ADMM算法求解社会能源成本最小化子问题以及非对称支付效益最大化子问题；
S4为验证本发明所提方法的有效性，通过算例分析，比较了各主体独立运行与参与合作的总成本，并将本发明所提方法与标准纳什谈判模型的性能作了比较。
步骤S1中针对实际各区域IES的用能差异性与互补性，各区域IES中都配备了燃气轮机、余热锅炉、吸收式制冷机、电制冷机、电锅炉等多种能量生产、转换设备，一部分IES配备了光伏，一部分IES配备了风机。各区域综合能源系统通过联络线与储能电站相连。本文不考虑各IES向电网倒送电，各区域IES存在剩余的电能时会出售给共享储能电站，多区域IES与共享储能电站的能量交互进一步促进了可再生能源的消纳。并将用户侧可削减负荷和可转移负荷等效为虚拟储能资源参与需求响应。实际运行中的多区域综合能源系统与共享储能电站往往属于不同的利益主体，因此，需要对多区域IES和共享储能电站分别建立对应的优化运行模型，具体步骤为：
步骤S11：以运行成本最小为目标建立多区域IES的优化运行模型；
考虑多区域IES与共享储能电站之间进行电能交易，第i个综合能源系统的目标函数是总运行费用
Figure BDA0003404650540000071
最小，由上级电网、气网的购能费用Cbuy,i、虚拟储能资源管理费用CVES,i和与共享储能电站的交易费用Γi构成。
Figure BDA0003404650540000072
Figure BDA0003404650540000073
Figure BDA0003404650540000074
Figure BDA0003404650540000075
Figure BDA0003404650540000076
式中：
Figure BDA0003404650540000077
分别为第i个综合能源系统在t时刻向电网购电的价格，元/(kW·h)、向电网购电功率、向气网购气的价格，元/(m3)、向气网购气功率；
Figure BDA0003404650540000078
分别为第i个综合能源系统在t时刻管理终端用户可削减负荷、可转移负荷的补偿费用。Γi>0,第i个综合能源系统需要向共享储能电站付费，反之，Γi<0,第i个综合能源系统从共享储能电站获得收益。
Figure BDA0003404650540000079
分别为第i个综合能源系统在t时刻可削减电负荷的单位补偿费用、可削减电负荷功率、可削减热负荷的单位补偿费用、可削减热负荷功率。
Figure BDA00034046505400000710
分别为第i个综合能源系统在t时刻可转移电负荷的单位补偿费用以及功率。
a.储能约束
Figure BDA00034046505400000711
Figure BDA00034046505400000712
Figure BDA00034046505400000713
Figure BDA00034046505400000714
Figure BDA0003404650540000081
式中：
Figure BDA0003404650540000082
分别为考虑虚拟储能资源管理前、后第i个综合能源系统在t时刻的电、热负荷，αz为第z种可削减(电、热)负荷比例，αe为可转移电负荷比例。
b.与共享储能电站购、售电功率约束
Figure BDA0003404650540000083
Figure BDA0003404650540000084
Figure BDA0003404650540000085
Figure BDA0003404650540000086
式中：
Figure BDA0003404650540000087
分别为第i个综合能源系统在t时刻与共享储能电站的售、购电功率，
Figure BDA0003404650540000088
为第i个综合能源系统在t时刻与共享储能电站的交互功率。
Figure BDA0003404650540000089
为第i个综合能源系统与共享储能电站交互功率的最大值。
Figure BDA00034046505400000810
分别为第i个综合能源系统售、购电状态位。
c.设备约束
GT为最常见的发电设备，废热由余热锅炉回收利用。因此，燃气轮机的发电和发热功率为：
Figure BDA00034046505400000811
Figure BDA00034046505400000812
式中：
Figure BDA00034046505400000813
分别为第i个综合能源系统中燃气轮机在t时刻输出的电、热功率和消耗的天然气速率，λgas为天然气热值，ηe,GT，
Figure BDA00034046505400000814
分别为燃气轮机发电效率和余热锅炉回收效率。
电锅炉(EB)、电制冷机(EC)和吸收式制冷机(AC)设备的能源转换模型类似，因此可用下式来统一建模：
Figure BDA0003404650540000091
式中：
Figure BDA0003404650540000092
分别为第i个综合能源系统中EB、EC和AC设备在t时刻的输入、输出功率，η为设备转换效率。
设备出力限制：
Figure BDA0003404650540000093
式中：
Figure BDA0003404650540000094
分别为第i个综合能源系统中设备x在t时刻运行出力的最小和最大值。
d.功率平衡约束
Figure BDA0003404650540000095
e.从上级电网购电功率约束
Figure BDA0003404650540000096
式中：
Figure BDA0003404650540000097
为第i个综合能源系统在t时刻向上级电网购电的最大功率。
步骤S12：以投资成本、运行成本最小为目标建立共享储能电站的优化配置模型；
共享储能电站的目标函数是总运行费用CESS最小，由储能电站日平均投资费用Cinv、日运行维护费用Cop和与多区域IES电能交互收益Ψ之和构成。
min CESS＝Cinv+Cop-Ψ (21)
Figure BDA0003404650540000098
式中：
Figure BDA0003404650540000101
分别为共享储能电站的充放电功率、容量的最大值，μp、μE分别为共享储能电站单位功率成本，元/(kW)和单位容量成本，元/(kW·h)。T为共享储能电站最大使用寿命。
约束条件：
Figure BDA0003404650540000102
式中：δ为共享储能电站能量倍率；
Figure BDA0003404650540000103
为共享储能电站存储能量，
Figure BDA0003404650540000104
ηc、ηd分别为其充、放电功率和充、放电效率，ηc、ηd取0.95；
Figure BDA0003404650540000105
分别为共享储能电站充、放电状态位，并且其充、放电状态不能同时发生。
Figure BDA0003404650540000106
式中：N为多区域IES的个数。共享储能电站与多区域综合能源系统的购、售电功率之和等于共享储能电站的充、放电功率。
步骤S2根据多区域综合能源系统和共享储能电站参与合作运行的贡献能力不同，建立了多主体合作博弈与非对称纳什谈判模型，并采用非线性映射方法量化各区域IES参与议价的不同贡献能力，具体步骤为：
步骤S21：建立共享储能电站-多区域IES合作博弈非对称纳什谈判模型；
应用标准纳什谈判博弈的数学表达式，建立多区域综合能源系统-共享储能电站的合作博弈模型，数学表达式如下：
Figure BDA0003404650540000111
式中：
Figure BDA0003404650540000112
CESS,Δ分别为未参加合作博弈时各IES、共享储能电站主体的最优成本，也作为纳什谈判破裂点。上式不等式约束保证了各参与主体均能通过参与合作获取收益。
步骤S22：由于等式(25)本质为非凸非线性优化问题，通过等效变换将原始优化问题变为2个凸的子问题求解。子问题1：社会能源成本最小化；子问题2：非对称支付效益最大化。为保证各参与主体的公平性采用非线性映射方法量化各区域IES参与议价的不同贡献能力。具体的等效过程如下：
根据均值不等式将(25)改写为：
Figure BDA0003404650540000113
其中
Figure BDA0003404650540000114
为一常数，因此：
Figure BDA0003404650540000115
值越小，模型(25)的目标函数的值越大。
另外，多区域综合能源系统与共享储能电站能量交互除了满足功率平衡，还需要满足收支平衡。
Figure BDA0003404650540000116
不考虑各主体的支付、收益成本时第i个综合能源系统成本为
Figure BDA0003404650540000119
共享储能电站成本为MESS。令：
Figure BDA0003404650540000117
Figure BDA0003404650540000118
目标函数转化为社会能源成本最小化子问题：
Figure BDA0003404650540000121
通过求解公式(30)，可以得到
Figure BDA0003404650540000122
的最优值
Figure BDA0003404650540000123
且
Figure BDA0003404650540000124
为常数，将得到的优化变量代入到公式(25)中，可以得到非对称支付效益最大化子问题：
Figure BDA0003404650540000125
非对称纳什谈判与标准纳什谈判的优点在于收益分配更加公平，请注意，本文中的公平性是指参与者根据其贡献率获得相应的利益。本发明中采用非对称纳什谈判对各参与者通过合作获得的利益进行公平分配，将非对称支付效益最大化子问题划分为两个过程，过程1：各区域综合能源系统作为一个整体与共享储能电站谈判，求解电能共享支付费用；过程2：实际上各区域IES与共享储能电站交互的能量不同，各区域IES以各自的贡献作为议价能力，通过不对称谈判对能量共享的收益进一步分配。
过程1：多区域综合能源系统作为一个整体与共享储能电站谈判：
Figure BDA0003404650540000126
令：
Figure BDA0003404650540000127
对上式取对数，可得：
Figure BDA0003404650540000128
过程2：各区域IES之间的不对称支付谈判：
各区域IES之间的不对称支付谈判关键问题是如何确定每个参与者的贡献率，这也决定了利益分配的公平性。在能源交易中，每个参与者都有两种行为，即获得/给予能量。各区域IES与共享储能电站之间无论哪种能量交易行为都可以被认为是贡献。因为通过参与共享可以减小整个系统对外部电网的依赖，进而减少系统的总运行成本。此外，既不提供能源又不获得能源的参与者没有对能源交易做出贡献，其利润设为零。因此，本文采用非线性能量共享映射方法来衡量各区域IES的贡献。具体计算如下：
Figure BDA0003404650540000131
式中：
Figure BDA0003404650540000132
为第i个IES出售给共享储能电站的总能量，
Figure BDA0003404650540000133
为第i个IES从共享储能电站获得的总能量。令：
Figure BDA0003404650540000134
作为最大参照点。求解各IES的贡献：
Figure BDA0003404650540000135
式中：Gi为一个非负数。
在本发明中假设各区域IES的贡献不为0，因此，它们都有能力参与到不对称谈判中。综上，各区域IES之间不对称支付效益最大化问题表述如下：
Figure BDA0003404650540000136
T*为最优值。
步骤S3：各主体通过纳什谈判达成共识，为保护各主体的隐私采用ADMM算法求解社会能源成本最小化子问题以及非对称支付效益最大化子问题，通过顺序优化，易于获取原问题的最优解，具体步骤为：
步骤S31：构建增广拉格朗日函数，采用ADMM算法求解社会能源成本最小化子问题，各主体在迭代过程中不断更新自身的决策；
由于电能的交易量为耦合变量，当第i个IES期望从共享储能电站购买/售出的能量与共享储能电站期望售出/购买给第i个综合能源系统的能量相等时，即，各主体通过谈判达成了共识。构造增广拉格朗日函数如下：
Figure BDA0003404650540000141
式中：
Figure BDA0003404650540000142
ρi、ρE分别为购买/售出的拉格朗日乘子和惩罚因子。
采用ADMM算法，各主体在迭代过程中更新自身的决策：
Figure BDA0003404650540000143
社会能源成本最小化子问题求解过程：
1)初始化：设置最大迭代次数kmax＝100,收敛精度为ε＝10-4，惩罚因子ρi、ρE为10-4,拉格朗日乘子以及共享储能电站期望售出给各IES的电量为0。
2)各主体的迭代过程以及拉格朗日乘子的更新如公式(38)所示。
3)判断是否满足收敛条件：
Figure BDA0003404650540000144
不满足返回步骤2重复计算。
4)更新迭代次数k＝k+1。
步骤S32：构建增广拉格朗日函数，采用ADMM算法求解非对称支付效益最大化子问题，各主体在迭代过程中不断更新自身的决策。
由于
Figure BDA0003404650540000151
直接耦合了所有IES和共享储能电站，直接用ADMM求解多块耦合的凸优化问题不能保证其收敛性。因此，引入辅助变量Z＝[Ψ1,Ψ2,...,Ψi,...,ΨN]。
令：
Figure BDA0003404650540000152
构造增广拉格朗日函数如下：
Figure BDA0003404650540000153
Figure BDA0003404650540000154
非对称支付效益最大化子问题中迭代求解的流程如下：
1)初始化参数：K主循环＝k1(IES)＝1；kmax＝100；Ps＝0.01；us＝10；IES:Ti(k1)＝0；平台：Z(k)＝0；
2)根据公式(40)更新Ti(k1)；k1＝k1+1；
3)根据公式(40)更新Z(k+1)；k＝k+1；
4)判断是否收敛，不收敛，返回步骤2)，如收敛，结束迭代。
步骤S4中为验证本发明所提方法的有效性，比较了各主体独立运行与参与合作的总成本，并将本发明所提方法与标准纳什谈判模型的性能作了比较。具体步骤为：
步骤S41：为说明合作博弈的性能，以三个具有不同用能特性IES的24小时调度数据为例，图3a-3c为各区域IES典型日负荷、可再生能源出力曲线，图4为多区域IES-共享储能电站的结构图。基于本发明提出纳什谈判方法模拟了两种情景的优化情况。
情景1：不考虑能量合作，各IES独立优化用能成本。
情景2：各区域IES与共享储能电站参与合作，实现全社会能源成本最小化。
图5a～5e为多区域IES与共享储能电站独立运行与参与合作运行的计算收敛结果，从图中可以看出计算迭代到30次时已经收敛，说明采用ADMM算法可以实现高效求解。由于达到了纳什均衡，各主体均已找到最优运行策略。最终IES 1、IES 2、IES 3的总成本分别为11544.7元、8511.2元、6569.3元，共享储能电站的总成本为1160.6元。
图6a～6I为各区域IES的优化调度结果，各IES考虑管理用户侧虚拟储能资源，使实际运行的负荷曲线更加平缓，IES 1在1.00-7.00，21.00-24.00风机出力以及燃气轮机发电功率高于电力负荷需求，将多余的电能一部分通过电锅炉产热满足热负荷需求，一部分通过电制冷机制冷满足冷负荷需求，剩余的能量则出售给储能电站，减少弃风现象。IES 2由于热、电联系紧密，CHP机组全天出力维持在较高的水平，为降低自身成本在3.00-5.00、7.00-18.00将多余的电能出售给储能电站或经过能量转换设备给热、冷负荷使用。IES 3在9.00-17.00时段，光伏发电功率较高，多余的能量出售给储能电站，在其他时段为降低自身的运行成本选择从储能电站购买能量。
图7为共享储能电站与各区域IES的能量交互，IES与共享储能电站的交互功率为正时表示IES将多余的能量出售给共享储能电站，为负时则表示IES需要从共享储能电站购买能量。共享储能电站的功率为正时表示出售能量给各区域IES。在此过程中，共享储能电站的收益来自与各区域IES的能量交互支付费用的差值。多区域IES通过共享储能电站实现能量的时空转移，保证了各主体与整体运行的经济性，并提高了可再生能源的消纳能力。
步骤S42：为验证基于不对称纳什谈判的共享储能电站在多区域的优化配置方法的有效性，与采用对称纳什谈判的方法进行了对比。
表1为不对称纳什谈判合作前后各区域IES-共享储能电站主体的运行成本对比，表2为标准纳什谈判合作前后各区域IES-共享储能电站主体的运行成本对比。可以看出，各区域IES和共享储能电站在参与谈判后的效益分别提升672.1元、1037.7元、534.1元和311.6元，约分别提升5.3％，10.3％，7.0％。说明通过合作博弈各主体利益均得到显著提升。同时，采用非对称纳什谈判，各主体的效益提升值不同，相比一般的纳什谈判模型兼顾了公平性和合理性。最后，计算得出需要配置共享储能电站的功率为680kW，容量为1428kWh。
表1
Figure BDA0003404650540000171
表2
Figure BDA0003404650540000172
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (5)

1.一种共享储能电站在多区域综合能源系统的优化配置方法，其特征在于，具体包括如下步骤：
1)考虑多区域综合能源系统和共享储能电站之间进行电能交易，将用户侧的柔性负荷等效为虚拟储能资源参与优化运行，以运行成本最小为目标建立多区域综合能源系统运行模型，以投资成本、运行成本之和最小为目标建立共享储能电站的优化配置模型；
2)根据各区域综合能源系统和共享储能电站参与合作运行的贡献能力不同，建立了多主体合作博弈与非对称纳什谈判模型，并采用非线性映射方法量化各区域IES参与议价的不同贡献能力；即各区域综合能源系统作为一个整体与共享储能电站谈判，求解电能共享支付费用；各区域综合能源系统与共享储能电站交互的能量不同，各区域综合能源系统以各自的贡献作为议价能力，通过不对称谈判对能量共享的收益进一步分配。
3)各主体通过纳什谈判达成共识，为保护各主体的隐私采用ADMM算法求解社会能源成本最小化子问题以及非对称支付效益最大化子问题，并获得共享储能电站功率、容量配置最优解。
2.根据权利要求1所述共享储能电站在多区域综合能源系统的优化配置方法，其特征在于，所述步骤1)针对实际运行中各区域综合能源系统的用能差异性与互补性，各区域综合能源系统配备可再生能源机组以及能量生产、转换设备；各区域综合能源系统通过联络线与共享储能电站相连，并将用户侧可削减负荷和可转移负荷等效为虚拟储能资源参与需求响应；考虑多区域综合能源系统与共享储能电站属于不同的利益主体，对多区域综合能源系统和共享储能电站分别建立对应的优化运行模型。
3.根据权利要求1所述共享储能电站在多区域综合能源系统的优化配置方法，其特征在于，所述步骤2)实现步骤为：
首先，基于纳什谈判理论建立多区域综合能源系统-共享储能电站的合作博弈模型；并通过等效变换将原始优化问题转变为两个凸的子问题求解，子问题1为社会能源成本最小化，子问题2为非对称支付效益最大化；
然后，由于各区域综合能源系统与共享储能电站交互的能量不同，采用非线性映射方法量化各区域综合能源系统参与议价的不同贡献能力，保证各参与主体的公平性。
4.根据权利要求3所述共享储能电站在多区域综合能源系统的优化配置方法，其特征在于，所述步骤2)具体实现步骤如下：
2.1)应用标准纳什谈判博弈的数学表达式，建立多区域综合能源系统-共享储能电站的合作博弈模型，数学表达式如下：
Figure FDA0003404650530000021
Figure FDA0003404650530000022
CESS,Δ-CESS≥0
式中：
Figure FDA0003404650530000023
CESS,Δ分别为未参加合作博弈时各IES、储能电站主体的最优成本，也作为纳什谈判破裂点，上式不等式约束保证了各参与主体均能通过参与合作获取收益；
2.2)由于合作博弈模型本质为非凸非线性优化问题，通过等效变换将原始优化问题变为2个凸的子问题求解，具体的等效过程如下：
根据均值不等式将合作博弈模型改写为：
Figure FDA0003404650530000024
其中
Figure FDA0003404650530000025
为一常数，因此：
Figure FDA0003404650530000026
值越小，合作博弈模型的目标函数值越大；
多区域综合能源系统与共享储能电站能量交互除了满足功率平衡，同时需要满足收支平衡。
Figure FDA0003404650530000027
不考虑各主体的支付、收益成本时第i个综合能源系统成本为
Figure FDA0003404650530000028
共享储能电站成本为MESS：
令：
Figure FDA0003404650530000031
MESS＝Cinv+Cop，
目标函数转化为社会能源成本最小化子问题：
Figure FDA0003404650530000032
通过求解社会能源成本最小化子问题，得到
Figure FDA0003404650530000033
MESS的最优值，且
Figure FDA0003404650530000034
CEES,Δ为常数，将得到的优化变量代入到合作博弈模型中，可得到非对称支付效益最大化子问题：
Figure FDA0003404650530000035
将非对称支付效益最大化子问题划分为两个过程，第一过程为各区域综合能源系统作为一个整体与共享储能电站谈判，求解电能共享支付费用；第二过程为实际上各区域IES与共享储能电站交互的能量不同，各区域IES以各自的贡献作为议价能力，通过不对称谈判对能量共享的收益进一步分配。
5.根据权利要求4所述共享储能电站在多区域综合能源系统的优化配置方法，其特征在于，所述步骤3)具体步骤为：
首先、构建增广拉格朗日函数，采用ADMM算法求解社会能源成本最小化子问题，各主体在迭代过程中不断更新自身的决策；
然后、构建增广拉格朗日函数，采用ADMM算法求解非对称支付效益最大化子问题，各主体在迭代过程中不断更新自身的决策。
CN202111509290.9A 2021-12-10 2021-12-10 共享储能电站在多区域综合能源系统的优化配置方法 Pending CN114154739A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111509290.9A CN114154739A (zh) 2021-12-10 2021-12-10 共享储能电站在多区域综合能源系统的优化配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111509290.9A CN114154739A (zh) 2021-12-10 2021-12-10 共享储能电站在多区域综合能源系统的优化配置方法

Publications (1)

Publication Number Publication Date
CN114154739A true CN114154739A (zh) 2022-03-08

Family

ID=80450553

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111509290.9A Pending CN114154739A (zh) 2021-12-10 2021-12-10 共享储能电站在多区域综合能源系统的优化配置方法

Country Status (1)

Country Link
CN (1) CN114154739A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115204562A (zh) * 2022-05-10 2022-10-18 浙江工业大学 一种计及多能共享的互联微能源网分布式协同优化调度方法和系统
CN117767375A (zh) * 2024-02-22 2024-03-26 山东理工大学 基于风险约束非对称合作博弈的共享储能公平性分配策略
CN117767375B (zh) * 2024-02-22 2024-05-14 山东理工大学 基于风险约束非对称合作博弈的共享储能公平性分配策略

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115204562A (zh) * 2022-05-10 2022-10-18 浙江工业大学 一种计及多能共享的互联微能源网分布式协同优化调度方法和系统
CN117767375A (zh) * 2024-02-22 2024-03-26 山东理工大学 基于风险约束非对称合作博弈的共享储能公平性分配策略
CN117767375B (zh) * 2024-02-22 2024-05-14 山东理工大学 基于风险约束非对称合作博弈的共享储能公平性分配策略

Similar Documents

Publication Publication Date Title
Gu et al. Bi-level optimal low-carbon economic dispatch for an industrial park with consideration of multi-energy price incentives
Li et al. Optimal operation of multimicrogrids via cooperative energy and reserve scheduling
CN111008739B (zh) 一种热电联产虚拟电厂优化调控及收益分配方法及系统
Xi et al. Optimal coordination of flexible resources in the gas-heat-electricity integrated energy system
An et al. A distributed and resilient bargaining game for weather-predictive microgrid energy cooperation
CN112465240B (zh) 基于合作博弈的综合能源系统多园区能量调度优化方法
Lim et al. Optimal allocation of energy storage and solar photovoltaic systems with residential demand scheduling
CN113610311B (zh) 双层协同架构下考虑碳减排的综合能源服务商合作运行优化方法
Xuanyue et al. Peer-to-peer multi-energy distributed trading for interconnected microgrids: A general Nash bargaining approach
CN112054513A (zh) 基于混合博弈的多微电网双层协调优化调度方法
Wang et al. Optimal management of multi stakeholder integrated energy system considering dual incentive demand response and carbon trading mechanism
He et al. A new cooperation framework with a fair clearing scheme for energy storage sharing
CN111353128A (zh) 一种基于非合作博弈的多能量枢纽优化运行方法
Zhang et al. Optimization strategy for power sharing and low-carbon operation of multi-microgrid IES based on asymmetric nash bargaining
CN111404148B (zh) 一种风光沼多微网系统及其对等能量和通信交易方法
Dou et al. Heat-electricity joint bidding strategies for intelligent buildings in intelligent building cluster
CN114154739A (zh) 共享储能电站在多区域综合能源系统的优化配置方法
Luo et al. Optimal operation and cost–benefit allocation for multi‐participant cooperation of integrated energy system
CN113870030A (zh) 基于改进纳什议价方法的多微网能源交易机制设计方法
CN115438906A (zh) 一种多虚拟电厂点对点交易方法、电子设备及存储介质
CN117767375B (zh) 基于风险约束非对称合作博弈的共享储能公平性分配策略
CN117689234B (zh) 基于多主体双层博弈的园区综合能源系统调度方法及系统
Yang et al. Design of Bidding Mechanism for Prosumers to Participate in Ancillary Service Market Based on Mechanism Design Theory
Shao et al. A Demand Side Adjustable Load Cluster Regulation Method Based on Alternating Direction Multiplier Method
Fan et al. Optimal Allocation of Shared Energy Storage in Multi-Region Integrated Energy System Based on Nash Negotiation

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