CN114331556A - 一种能源服务商效益评估方法、系统、装置及存储介质 - Google Patents

一种能源服务商效益评估方法、系统、装置及存储介质 Download PDF

Info

Publication number
CN114331556A
CN114331556A CN202111679292.2A CN202111679292A CN114331556A CN 114331556 A CN114331556 A CN 114331556A CN 202111679292 A CN202111679292 A CN 202111679292A CN 114331556 A CN114331556 A CN 114331556A
Authority
CN
China
Prior art keywords
model
service provider
energy service
comprehensive energy
electricity
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
CN202111679292.2A
Other languages
English (en)
Inventor
潘玲玲
吴心弘
王勇
左娟
林朝华
田伟
王泽荣
王文博
周竞
董浩
刘俊
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.)
China Online Shanghai Energy Internet Research Institute Co ltd
State Grid Zhejiang Integrated Energy Service Co ltd
State Grid Corp of China SGCC
State Grid Zhejiang Electric Power Co Ltd
China Electric Power Research Institute Co Ltd CEPRI
Original Assignee
China Online Shanghai Energy Internet Research Institute Co ltd
State Grid Zhejiang Integrated Energy Service Co ltd
State Grid Corp of China SGCC
State Grid Zhejiang Electric Power Co Ltd
China Electric Power Research Institute Co Ltd CEPRI
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 China Online Shanghai Energy Internet Research Institute Co ltd, State Grid Zhejiang Integrated Energy Service Co ltd, State Grid Corp of China SGCC, State Grid Zhejiang Electric Power Co Ltd, China Electric Power Research Institute Co Ltd CEPRI filed Critical China Online Shanghai Energy Internet Research Institute Co ltd
Priority to CN202111679292.2A priority Critical patent/CN114331556A/zh
Publication of CN114331556A publication Critical patent/CN114331556A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/16—Energy services, e.g. dispersed generation or demand or load or energy savings aggregation

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种能源服务商效益评估方法、系统、装置及存储介质，包括：构建并求解多形态综合能源服务商的能量管理模型，得到综合能源服务商的能量管理策略；构建并求解市场运营商的动态定价模型，得到动态定价结果；根据能量管理策略和动态定价结果评估多形态综合能源服务商的效益。本发明引入分层Kriging元模型算法用于辅助求解主从博弈模型的均衡解。通过分层Kriging元模型拟合替代下层能量管理模型，并不断生成优异采样点修改Kriging元模型的拟合参数，逐步逼近局部或全局最优解。该方法不仅达到保护综合能源服务商隐私的目的，而且能够有效减少对于下层优化模型的大量调用，大大提高模型的求解效率，保证了综合能源服务商经济效益评估的准确性。

Description

一种能源服务商效益评估方法、系统、装置及存储介质
技术领域
本发明属于电力市场领域，涉及一种能源服务商效益评估方法、系统、装置及存储介质。
背景技术
近年来，分布式能源开发的优势逐步显现，能源供给模式由集中式向分布式转型已成为必然趋势。用户侧作为能源供给的终端环节，也随之发生颠覆性的变化，能量由“单向流动”演化为“双向互动”，终端用户的角色逐步由“消费者”升级为“产消者”。在能源互联网的背景下，如何有效聚合海量分散式灵活性资源，进行规模化市场开发与利用，实现电网柔性调控与辅助服务成为当前亟需解决的关键问题。
按照市场运行商与综合能源服务商在市场交易中地位的不同并考虑综合能源服务商的整体合作联盟，可构建市场运行商与多综合能源服务商的主从——合作博弈模型，求解主从博弈模型目前常用的方法为KKT算法以及传统的启发式算法。然而，当下层模型中含0-1变量时，往往无法推导出其等效的KKT条件，传统的KKT算法将不再适用；而启发式算法需要频繁调用下层模型，导致计算繁琐，求解效率偏低。
现有技术中，基于智能算法(如粒子群算法)通过交替迭代上下层实现动态定价求解，并继而通过动态定价结果计算和综合能源服务商收益的方案。
现有求解综合能源服务商最优动态定价的方法大多是将其建模为双层模型或主从博弈模型，通过交替迭代上下层模型直至达到收敛。除此之外，还有部分方案通过将双层模型转换为单层模型进行求解。上述两种方案均存在较大的缺点：
首先，对于第一种方案，由于主从博弈模型或双层模型通常包含领导者以及跟随者两层优化，其中领导者为博弈模型的主导，跟随者的策略随领导者的变化而变化，在传统基于智能算法的迭代方案中，初始值一般为在定义域范围内的某一随机解，这就造成了在迭代开始时，模型要通过大量的迭代找出能够改善整体最优解的数值，此外，由于迭代一次需要调用一次上层模型和多次下层模型，尤其是多跟随者时，调用下层模型的次数将会大大增加，例如，在本发明的测试算例下，下层跟随者为3个，也就是说，在一次完整迭代中，共计需要调用3*2＝6次下层模型，而博弈模型在初值取值较差时，通常需要迭代上百次，故下层模型总调用次数大大增加，因此求解效率非常低，不利于实际工程上的决策。
其次，对于第二种直接化简求解的方案，虽然其求解效率大大增加，但是需要注意的是，其对于下层模型中含有非凸因素的求解是极其困难的，因为此时下层模型无法化简为单层模型，从而导致模型不可解，故该该方案的适用性较为局限。
总体来说，现有技术迭代次数过多，调用下层模型过于频繁，计算效率低。
发明内容
本发明的目的在于解决现有技术中的问题，提供一种能源服务商效益评估方法、系统、装置及存储介质。
为达到上述目的，本发明采用以下技术方案予以实现：
一种能源服务商效益评估方法，包括以下步骤：
构建并求解多形态综合能源服务商的能量管理模型，得到综合能源服务商的能量管理策略；
构建市场运营商的动态定价模型，利用Kriging元模型算法求解动态定价模型，得到动态定价结果；
根据能量管理策略和动态定价结果评估多形态综合能源服务商的效益。
一种能源服务商效益评估系统，包括：
第一计算模块，用于构建并求解多形态综合能源服务商的能量管理模型，得到综合能源服务商的能量管理策略；
第二计算模块，用于构建并求解市场运营商的动态定价模型，得到动态定价结果；
效益评估模块，用于根据能量管理策略和动态定价结果评估多形态综合能源服务商的效益。
一种能源服务商效益评估装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述方法的步骤。
与现有技术相比，本发明具有以下有益效果：
本发明通过基于Kriging元模型算法求解的动态定价，与现有基于迭代算法相比，其求解速度更快，远超常规的求解算法。本发明引入分层Kriging元模型算法用于辅助求解主从博弈模型的均衡解。通过分层Kriging元模型拟合替代下层能量管理模型，并不断生成优异采样点修改Kriging元模型的拟合参数，逐步逼近局部或全局最优解。该方法不仅达到保护综合能源服务商隐私的目的，而且能够有效减少对于下层优化模型的大量调用，大大提高模型的求解效率，保证了综合能源服务商经济效益评估的准确性。
附图说明
为了更清楚的说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明效益评估方法的流程图。
图2为本发明效益评估系统的逻辑框图。
图3为本发明一实施例的流程图。
图4为本发明不同策略下综合能源服务商的市场购售电策略图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明实施例的描述中，需要说明的是，若出现术语“上”、“下”、“水平”、“内”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
此外，若出现术语“水平”，并不表示要求部件绝对水平，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。
在本发明实施例的描述中，还需要说明的是，除非另有明确的规定和限定，若出现术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
下面结合附图对本发明做进一步详细描述：
参见图1，本发明一实施例提供能源服务商效益评估方法，包括以下步骤：
S1，构建并求解多形态综合能源服务商的能量管理模型，得到综合能源服务商的能量管理策略；所述能量管理模型的目标函数为最低用电成本C1 vpa，如下：
Figure BDA0003453493520000051
其中，
Figure BDA0003453493520000052
表示综合能源服务商的购电电价，
Figure BDA0003453493520000053
表示综合能源服务商向上级电网的购电电量，
Figure BDA0003453493520000054
表示综合能源服务商的售电电价，
Figure BDA0003453493520000055
表示综合能源服务商向上级电网的售电电量，
Figure BDA0003453493520000056
表示燃气轮机运行成本，
Figure BDA0003453493520000057
表示电动汽车运行成本，
Figure BDA0003453493520000058
表示可转移负荷补偿成本；
燃气轮机运行成本
Figure BDA0003453493520000059
电动汽车运行成本
Figure BDA00034534935200000510
和可转移负荷补偿成本
Figure BDA00034534935200000511
具体如下：
Figure BDA00034534935200000512
Figure BDA00034534935200000513
Figure BDA00034534935200000514
式中，a、λsu、λsd分别为固定生产成本、启动成本以及关机成本，
Figure BDA00034534935200000515
Figure BDA00034534935200000516
分别为0-1整数变量，表示燃气轮机是否工作、启动或关机；Kl表示燃气轮机生产成本曲线的第l段，
Figure BDA00034534935200000517
表示第l段燃轮机的出力大小，
Figure BDA00034534935200000518
表示燃气轮机的总出力；Nv表示EV数量；
Figure BDA0003453493520000061
表示第v辆EV的电池购买成本；
Figure BDA0003453493520000062
为EV电池周期内充放电循环次数；
Figure BDA0003453493520000063
为EV电池容量；
Figure BDA0003453493520000064
为EV的电池放电深度；
Figure BDA0003453493520000065
为EV的放电功率；
Figure BDA0003453493520000066
为EV放电效率；
Figure BDA0003453493520000067
表示EV行驶距离；Ev为EV单位行驶距离所消耗的功率；λshift为转移负荷的补贴电价，
Figure BDA0003453493520000068
表示实际的负荷转移量。
所述能量管理模型的约束条件如下：
燃气轮机运行约束：
Figure BDA0003453493520000069
Figure BDA00034534935200000610
Figure BDA00034534935200000611
Figure BDA00034534935200000612
式中，pmt,min、pmt,max分别为燃气轮机的最大/最小功率输出；rD、rU分别为燃气轮机的向下、向上爬坡率，
Figure BDA00034534935200000613
为第l段功率输出上限；
电动汽车运行约束：
Figure BDA00034534935200000614
Figure BDA00034534935200000615
Figure BDA00034534935200000616
Figure BDA00034534935200000617
式中：
Figure BDA00034534935200000618
分别为EV的蓄电量及其对应的上限和下限；
Figure BDA00034534935200000619
Figure BDA00034534935200000620
分别为EV充电功率及其上限；
Figure BDA00034534935200000621
表示EV放电功率上限；
Figure BDA00034534935200000622
分别为始末EV蓄电量；
Figure BDA00034534935200000623
表示EV充放电效率；
所有综合能源服务商均需满足能量平衡约束：
Figure BDA00034534935200000624
其中，
Figure BDA00034534935200000625
表示光伏输出功率，
Figure BDA00034534935200000626
表示实际负荷功率；
能量管理模型如下：
Figure BDA0003453493520000071
求解式(14)得到综合能源服务商的能量管理策略，进而得到综合能源服务商向上级电网的购电电量
Figure BDA0003453493520000072
EV的放电功率
Figure BDA0003453493520000073
燃气轮机的总出力
Figure BDA0003453493520000074
综合能源服务商向上级电网的售电电量
Figure BDA0003453493520000075
实际负荷功率
Figure BDA0003453493520000076
EV充电功率
Figure BDA0003453493520000077
燃气轮机运行成本
Figure BDA0003453493520000078
电动汽车损耗成本
Figure BDA0003453493520000079
以及转移负荷补偿成本
Figure BDA00034534935200000710
的取值。
S2，构建市场运营商的动态定价模型，利用Kriging元模型算法求解动态定价模型，得到动态定价结果；
所述动态定价模型的目标函数如下：
Figure BDA00034534935200000711
其中，SDSO表示综合能源服务商的净利润，
Figure BDA00034534935200000712
分别表示上网电价以及电网电价；
Figure BDA00034534935200000713
为第j个综合能源服务商向上级电网的购电电量和售电电量；
动态定价模型的约束条件表示如下：
Figure BDA00034534935200000714
Figure BDA00034534935200000715
Figure BDA00034534935200000716
动态定价模型如下：
Figure BDA0003453493520000081
求解式(19)得到动态定价结果，进而得到综合能源服务商向市场运营商的购电电价
Figure BDA0003453493520000082
以及综合能源服务商向市场运营商的售电电价
Figure BDA0003453493520000083
所述利用Kriging元模型算法求解动态定价模型，包括：
S21，建立双层Kriging元模型，具体如下；
构建下层Kriging元模型，下层Kriging元模型的回归方程如下：
Figure BDA0003453493520000084
其中，
Figure BDA0003453493520000085
为下层Kriging模型的预测输出值，f(x)为p×1的回归模型基函数，x为n维空间的自变量，T表示矩阵的转置；β为p×1的对应基函数的系数；p为基函数的个数，z(x)为一般随机过程，且z(x)具有如下性质：
E[z(x)]＝0 (21)
其中，E[]表示z(x)的期望值；
构建上层Kriging元模型，以y1(x)作为全局趋势模型，在高可信度样本数据集基础上建立所需要的代理模型y2(x)：
Figure BDA0003453493520000086
式中，β0为待定的自适应因子，
Figure BDA0003453493520000087
为上层Kriging模型的预测输出值，
Figure BDA0003453493520000088
为下层Kriging模型的预测输出值，z0(x)为随机误差；
得到分层Kriging元模型的预估值为：
Figure BDA0003453493520000089
β0＝(FTR-1F)-1FTR-1 (24)
Figure BDA00034534935200000810
其中，rT为相关矢量，R-1为相关矩阵的逆矩阵，y1为下层Kriging模型的输出值，F为中间矩阵，用于存储下层Kriging模型的预测输出值，FT为F矩阵的转置，
Figure BDA0003453493520000091
为x(n)输入参数下下层Kriging模型的预测输出值，x(n)为输入参数或样本值。
S22，利用双层Kriging元模型求解动态定价模型，具体如下：
S22-1读取系统基本参数，构建初始训练样本集
Figure BDA0003453493520000092
所述系统基本参数包括各综合能源服务商终端单元的运行参数、上网电价和电网电价。
S22-2按照式(20)～(25)构建初始分层Kriging元模型；
S22-3计算每组样本点对应的目标函数值
Figure BDA0003453493520000093
根据目标函数值
Figure BDA0003453493520000094
的大小划分关键区域，共计区域数量Nl个，并记各区域最优值
Figure BDA0003453493520000095
S22-4在每个关键区域上采用粒子群算法进行寻优，得到局部最优电价及电量，并将该采样点加入到低置信度样本池中；
S22-5调用综合能源服务商能量管理模型，计算真实交易电量，并将该电价及电量采样点加入到高置信度样本池中，计算此时目标函数真实值
Figure BDA0003453493520000096
若
Figure BDA0003453493520000097
则令
Figure BDA0003453493520000098
S22-6比较所有区域内的最优解，取其中最大值作为当前迭代步的全局最优解
Figure BDA0003453493520000099
S22-7判断前后两次迭代全局最优解是否有改善，若满足收敛条件，即后一次的解不再优于前一次迭代的解，则输出最优解；否则返回步骤S22-2，重复步骤S22-2～S22-7。
S3，根据能量管理策略和动态定价结果评估多形态综合能源服务商的效益，具体如下：
根据综合能源服务商向上级电网的购电电量
Figure BDA00034534935200000910
综合能源服务商向上级电网的售电电量
Figure BDA00034534935200000911
燃气轮机运行成本
Figure BDA00034534935200000912
电动汽车运行成本
Figure BDA00034534935200000913
可转移负荷补偿成本
Figure BDA00034534935200000914
综合能源服务商的购电电价
Figure BDA00034534935200000915
以及综合能源服务商的售电电价
Figure BDA00034534935200000916
计算综合能源服务商在不同联盟下的整体收益值以及单独参与交易时的运行收益：
Figure BDA0003453493520000101
Figure BDA0003453493520000102
式中，
Figure BDA0003453493520000103
为综合能源服务商以联盟S形式参与交易时的整体运行收益，S为包含综合能源服务商i的所有子集，而
Figure BDA0003453493520000104
则表示综合能源服务商单独参与交易时的整体运行收益；
多综合能源服务商以合作博弈的形式共同参与市场竞标，竞标结束后，各综合能源服务商通过Shapley值法，并结合式(26)和(27)对合作收益值进行分配，计算如下：
Figure BDA0003453493520000105
Figure BDA0003453493520000106
式中，Z为N个成员的集合；|S|为子集S中元素的个数；W(|S|)表示相应的平均贡献因子，V(S)为包含元素i的联盟合作收益，其值为
Figure BDA0003453493520000107
V(S\i)为不包含元素i的联盟收益，其值为
Figure BDA0003453493520000108
二者的数值通过式(26)和(27)计算，进而得到每个综合能源服务商的收益Xi。
如图2所示，本发明一实施例提供一种能源服务商效益评估系统，包括：
第一计算模块，用于构建并求解多形态综合能源服务商的能量管理模型，得到综合能源服务商的能量管理策略；
第二计算模块，用于构建并求解市场运营商的动态定价模型，得到动态定价结果；所述第二计算模块包括：Kriging元模型构建模块和动态定价模型求解模块；
Kriging元模型构建模块，用于建立双层Kriging元模型；
动态定价模型求解模块，用于利用双层Kriging元模型求解动态定价模型。
效益评估模块，用于根据能量管理策略和动态定价结果评估多形态综合能源服务商的效益。所述效益评估模块，包括：收益计算模块和收益值分配模块；
收益计算模块，用于根据综合能源服务商向上级电网的购电电量、综合能源服务商向上级电网的售电电量、燃气轮机运行成本、电动汽车运行成本、可转移负荷补偿成本、综合能源服务商的购电电价、以及综合能源服务商的售电电价计算综合能源服务商在不同联盟下的整体收益值以及单独参与交易时的运行收益；
收益值分配模块，用于根据综合能源服务商在不同联盟下的整体收益值和单独参与交易时的运行收益对合作收益值进行分配。
本发明的原理：
本发明的关键创新点体现在综合能源服务商外特性模型的构建、动态定价的求解方法以及合作联盟效益分配三个方面，具体而言：
1)考虑服务商聚合的多种灵活调节资源的物理特性以及运行特性，构建其外特性模型，并据此构建多形态综合能源服务商能量管理模型；
2)构建了综合能源服务商最优动态定价模型，由于模型为双层模型且含有0-1整数变量，无法直接采用KKT条件直接化简求解，而采用传统的迭代算法则会大规模调用下层模型，严重降低计算效率，因此本发明提出了一种基于计算量较小的动态Kriging元模型拟替代复杂的多形态综合能源服务商能量管理模型，并在迭代的过程中不断修正模型，求解最优定价策略减少对于下层模型的调用次数，提高模型的计算效率；
3)考虑到不同综合能源服务商资源形态以及用电特性的不同，构建了基于合作博弈的综合能源服务商联盟，并基于Shapley值法实现各综合能源服务商效益的准确评估。
实施例
如图3所示，本实施例提供一种基于合作博弈的多形态综合能源服务商效益评估方法，包括以下步骤：
步骤1：建立多形态综合能源服务商能量管理模型，求解多形态综合能源服务商内部能量管理策略，即求解出燃气轮机、电动汽车以及可转移负荷等主要聚合单元的出力值；
多形态综合能源服务商的能量管理模型以各自用电成本最低为目标函数，目标函数表达式如下：
Figure BDA0003453493520000121
式中，
Figure BDA0003453493520000122
分别表示综合能源服务商的购电电价和售电电价，
Figure BDA0003453493520000123
Figure BDA0003453493520000124
为第j个综合能源服务商向上级电网的购电电量和和售电电量。其中，
Figure BDA0003453493520000125
分别表示燃气轮机运行成本、电动汽车运行成本以及可转移负荷补偿成本，其具体表达式如下：
Figure BDA0003453493520000126
Figure BDA0003453493520000127
Figure BDA0003453493520000128
式中，a、λsu、λsd分别为固定生产成本、启动成本以及关机成本，
Figure BDA0003453493520000129
Figure BDA00034534935200001210
分别为0-1整数变量，表示燃气轮机是否工作、启动或关机；Kl表示燃气轮机生产成本曲线的第l段，
Figure BDA00034534935200001211
表示第l段燃轮机的出力大小，
Figure BDA00034534935200001212
表示燃气轮机的总出力。Nv表示EV数量；
Figure BDA00034534935200001213
表示第v辆EV的电池购买成本；
Figure BDA00034534935200001214
为EV电池周期内充放电循环次数；
Figure BDA00034534935200001215
为EV电池容量；
Figure BDA00034534935200001216
为EV的电池放电深度；
Figure BDA00034534935200001217
为EV的放电功率；
Figure BDA00034534935200001218
为EV放电效率；
Figure BDA00034534935200001219
表示EV行驶距离；Ev为EV单位行驶距离所消耗的功率。λshift为转移负荷的补贴电价，
Figure BDA00034534935200001220
表示实际的负荷转移量。
多形态综合能源服务商能量管理模型的主要约束条件如下：
燃气轮机运行约束：
Figure BDA0003453493520000131
Figure BDA0003453493520000132
Figure BDA0003453493520000133
Figure BDA0003453493520000134
式中，pMT,min、pMT,max分别为燃气轮机的最大/最小功率输出；rD、rU分别为燃气轮机的向下、向上爬坡率，
Figure BDA0003453493520000135
为第l段功率输出上限。
电动汽车的运行约束式如下：
Figure BDA0003453493520000136
Figure BDA0003453493520000137
Figure BDA0003453493520000138
Figure BDA0003453493520000139
式中：
Figure BDA00034534935200001310
分别为EV的蓄电量及其对应的上下限；
Figure BDA00034534935200001311
分别为EV充电功率及其上限；
Figure BDA00034534935200001312
表示EV放电功率上限；
Figure BDA00034534935200001313
分别为始末EV蓄电量；
Figure BDA00034534935200001314
表示EV充放电效率。
此外，所有综合能源服务商均需满足能量平衡约束：
Figure BDA00034534935200001315
因此，多形态综合能源服务商的能量管理模型可表示为：
Figure BDA00034534935200001316
经过式(14)所示模型求解后，可得到综合能源服务商的能量管理策略，即可以得到能量管理决策变量
Figure BDA00034534935200001317
以及
Figure BDA00034534935200001318
等取值，同时可以得到燃气轮机运行成本
Figure BDA00034534935200001319
电动汽车损耗成本
Figure BDA00034534935200001320
以及转移负荷补偿成本
Figure BDA00034534935200001321
等取值。
步骤2：构建市场运营商动态定价模型以及Kriging元模型，并基于Kriging元模型算法求解该模型，得出动态定价结果，即求解出综合能源服务商向市场运营商的购电电价以及售电电价；
以上级电网的收益最大为目标函数，建立多形态综合能源服务商动态定价模型，目标函数的具体数学表达式如下：
Figure BDA0003453493520000141
式中，SDSO表示综合能源服务商的净利润，
Figure BDA0003453493520000142
分别表示上网电价以及电网电价；
Figure BDA0003453493520000143
为第j个综合能源服务商向上级电网的购电电量和和售电电量。
主要约束条件表示如下：
Figure BDA0003453493520000144
Figure BDA0003453493520000145
Figure BDA0003453493520000146
因此，市场运营商的动态定价模型可以表示为：
Figure BDA0003453493520000147
经过上述模型的求解，可以最终得到综合能源服务商向市场运营商的购电电价
Figure BDA0003453493520000148
以及综合能源服务商向市场运营商的售电电价
Figure BDA0003453493520000149
为了求解上述复杂的模型，本发明采用一种基于Kriging元模型的快速求解方法，双层Kriging元模型的构建过程如下：
首先建立下层Kriging元模型：假设需要建立模型的目标函数为y(x)，已知m个观测点的自变量和响应值，x为n维空间的自变量，Sm×1＝[s1...sm]T,si∈Rn。为了描述方便，假设响应值为单维的Ym×1＝[y1...ym]T,yi∈Rn，那么下层Kriging元模型的回归方程可表示为：
Figure BDA0003453493520000151
式中，f(x)为p×1的回归模型基函数；β为p×1的对应基函数的系数；p为基函数的个数，z(x)为一般随机过程，且具有如下性质：
E[z(x)]＝0 (21)
接着，构建上层Kriging元模型：以y1(x)作为全局趋势模型，在高可信度样本数据集基础上建立所需要的代理模型y2(x)：
Figure BDA0003453493520000152
式中，β0为待定的自适应因子，它反映了高低可信度之间的相关性。
据此可得到分层Kriging元模型的预估值为：
Figure BDA0003453493520000153
β0＝(FTR-1F)-1FTR-1 (24)
Figure BDA0003453493520000154
完成双层Kriging元模型的构建后，接下来将基于双层Kriging元模型实现动态定价模型的求解，具体步骤如下：
(1)读取系统基本参数，包括各综合能源服务商终端单元的运行参数，上网电价和电网电价，构建初始训练样本集
Figure BDA0003453493520000155
(2)按照式(20)-(25)所描述的步骤构建初始分层Kriging元模型；
(3)计算每组样本点对应的目标函数值
Figure BDA0003453493520000156
根据该值的大小划分关键区域，共计区域数量Nl个，并记各区域最优值
Figure BDA0003453493520000157
(4)在每个关键区域上采用粒子群算法进行寻优，得到局部最优电价及电量，并将该采样点加入到低置信度样本池中；
(5)调用综合能源服务商能量管理模型，计算真实交易电量，并将该电价及电量采样点加入到高置信度样本池中，计算此时目标函数真实值
Figure BDA0003453493520000161
若
Figure BDA0003453493520000162
则令
Figure BDA0003453493520000163
(6)比较所有区域内的最优解，取其中最大值作为当前迭代步的全局最优解
Figure BDA0003453493520000164
(7)判断前后两次迭代全局最优解是否有进一步改善，若满足收敛条件，则输出最优解，否则返回步骤2，重复步骤2～7。
步骤3：根据步骤1以及步骤2求解的能量管理策略以及动态定价结果，评估多形态综合能源服务商联盟的合作收益，并基于Shapley值法计算各综合能源服务商的收入；
梳理步骤1求解得到的多综合能源服务商能量管理策略
Figure BDA0003453493520000165
以及相关运行成本
Figure BDA0003453493520000166
同时记录步骤2求解的交易电价信息
Figure BDA0003453493520000167
在此基础上可计算综合能源服务商在不同联盟下的整体收益值以及单独参与交易时的运行收益：
Figure BDA0003453493520000168
Figure BDA0003453493520000169
式中，
Figure BDA00034534935200001610
为综合能源服务商以联盟S形式参与交易时的整体运行收益，S为包含综合能源服务商i的所有子集，而
Figure BDA00034534935200001611
则表示综合能源服务商单独参与交易时的整体运行收益。
多综合能源服务商以合作博弈的形式共同参与市场竞标，竞标结束后，各综合能源服务商通过Shapley值法，并结合公式(26)、(27)，对合作收益值进行分配，计算公式为：
Figure BDA00034534935200001612
Figure BDA00034534935200001613
式中，Z为N个成员的集合；|S|为子集S中元素的个数；W(|S|)表示相应的平均贡献因子，V(S)为包含元素i的联盟合作收益，其值为
Figure BDA0003453493520000171
V(S\i)为不包含元素i的联盟收益，其值为
Figure BDA0003453493520000172
二者的数值可通过式(26)-(27)进行计算，进而可得到每个综合能源服务商的收益Xi。
如图4所示，图4表示市场运营商在电价优化和不优化场景下与上级电网的交互功率，可见，采用本发明所提出的动态定价模型以及求解方法进行优化后，市场运营商与上级电网的交互功率明显降低，这说明通过电价优化，增加了综合能源服务商之间的共享电能，减少了综合能源服务商与市场运营商之间的交易电量，从而提高了综合能源服务商以及市场运营商的收益。
本发明一实施例提供的能源服务商效益评估装置的示意图。该实施例的能源服务商效益评估装置包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序。所述处理器执行所述计算机程序时实现上述各个方法实施例中的步骤，例如图1所示的步骤S1～S3。或者，所述处理器执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能。
所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。
所述能源服务商效益评估装置可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述能源服务商效益评估装置可包括，但不仅限于，处理器、存储器。
所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述能源服务商效益评估装置的各种功能。
所述能源服务商效益评估装置集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (15)

1.一种能源服务商效益评估方法，其特征在于，包括以下步骤：
构建并求解多形态综合能源服务商的能量管理模型，得到综合能源服务商的能量管理策略；
构建市场运营商的动态定价模型，利用Kriging元模型算法求解动态定价模型，得到动态定价结果；
根据能量管理策略和动态定价结果评估多形态综合能源服务商的效益。
2.根据权利要求1所述的能源服务商效益评估方法，其特征在于，所述能量管理模型的目标函数为最低用电成本
Figure FDA0003453493510000011
如下：
Figure FDA0003453493510000012
其中，
Figure FDA0003453493510000013
表示综合能源服务商的购电电价，
Figure FDA0003453493510000014
表示综合能源服务商向上级电网的购电电量，
Figure FDA0003453493510000015
表示综合能源服务商的售电电价，
Figure FDA0003453493510000016
表示综合能源服务商向上级电网的售电电量，
Figure FDA0003453493510000017
表示燃气轮机运行成本，
Figure FDA0003453493510000018
表示电动汽车运行成本，
Figure FDA0003453493510000019
表示可转移负荷补偿成本；
燃气轮机运行成本
Figure FDA00034534935100000110
电动汽车运行成本
Figure FDA00034534935100000111
和可转移负荷补偿成本
Figure FDA00034534935100000112
具体如下：
Figure FDA00034534935100000113
Figure FDA00034534935100000114
Figure FDA00034534935100000115
式中，a、λsu、λsd分别为固定生产成本、启动成本以及关机成本，
Figure FDA00034534935100000116
Figure FDA00034534935100000117
分别为0-1整数变量，表示燃气轮机是否工作、启动或关机；Kl表示燃气轮机生产成本曲线的第l段，
Figure FDA00034534935100000118
表示第l段燃轮机的出力大小，
Figure FDA00034534935100000119
表示燃气轮机的总出力；Nv表示EV数量；
Figure FDA00034534935100000120
表示第v辆EV的电池购买成本；
Figure FDA00034534935100000121
为EV电池周期内充放电循环次数；
Figure FDA00034534935100000122
为EV电池容量；
Figure FDA00034534935100000123
为EV的电池放电深度；
Figure FDA00034534935100000124
为EV的放电功率；
Figure FDA0003453493510000021
为EV放电效率；
Figure FDA0003453493510000022
表示EV行驶距离；Ev为EV单位行驶距离所消耗的功率；λshift为转移负荷的补贴电价，
Figure FDA0003453493510000023
表示实际的负荷转移量。
3.根据权利要求2所述的能源服务商效益评估方法，其特征在于，所述能量管理模型的约束条件如下：
燃气轮机运行约束：
Figure FDA0003453493510000024
Figure FDA0003453493510000025
Figure FDA0003453493510000026
Figure FDA0003453493510000027
式中，pmt,min、pmt,max分别为燃气轮机的最大/最小功率输出；rD、rU分别为燃气轮机的向下、向上爬坡率，
Figure FDA0003453493510000028
为第l段功率输出上限；
电动汽车运行约束：
Figure FDA0003453493510000029
Figure FDA00034534935100000210
Figure FDA00034534935100000211
Figure FDA00034534935100000212
式中：
Figure FDA00034534935100000213
分别为EV的蓄电量及其对应的上限和下限；
Figure FDA00034534935100000214
Figure FDA00034534935100000215
分别为EV充电功率及其上限；
Figure FDA00034534935100000216
表示EV放电功率上限；
Figure FDA00034534935100000217
分别为始末EV蓄电量；
Figure FDA00034534935100000218
表示EV充放电效率；
所有综合能源服务商均需满足能量平衡约束：
Figure FDA00034534935100000219
其中，
Figure FDA00034534935100000220
表示光伏输出功率，
Figure FDA00034534935100000221
表示实际负荷功率；
能量管理模型如下：
Figure FDA0003453493510000031
求解式(14)得到综合能源服务商的能量管理策略，进而得到综合能源服务商向上级电网的购电电量
Figure FDA0003453493510000032
EV的放电功率
Figure FDA0003453493510000033
燃气轮机的总出力
Figure FDA0003453493510000034
综合能源服务商向上级电网的售电电量
Figure FDA0003453493510000035
实际负荷功率
Figure FDA0003453493510000036
EV充电功率
Figure FDA0003453493510000037
燃气轮机运行成本
Figure FDA0003453493510000038
电动汽车损耗成本
Figure FDA0003453493510000039
以及转移负荷补偿成本
Figure FDA00034534935100000310
的取值。
4.根据权利要求1所述的能源服务商效益评估方法，其特征在于，所述动态定价模型的目标函数如下：
Figure FDA00034534935100000311
其中，SDSO表示综合能源服务商的净利润，
Figure FDA00034534935100000312
分别表示上网电价以及电网电价；
Figure FDA00034534935100000313
为第j个综合能源服务商向上级电网的购电电量和售电电量；
动态定价模型的约束条件表示如下：
Figure FDA00034534935100000314
Figure FDA00034534935100000315
Figure FDA00034534935100000316
动态定价模型如下：
Figure FDA00034534935100000317
求解式(19)得到动态定价结果，进而得到综合能源服务商向市场运营商的购电电价
Figure FDA0003453493510000041
以及综合能源服务商向市场运营商的售电电价
Figure FDA0003453493510000042
5.根据权利要求1或4所述的能源服务商效益评估方法，其特征在于，所述利用Kriging元模型算法求解动态定价模型，包括：
建立双层Kriging元模型；
利用双层Kriging元模型求解动态定价模型。
6.根据权利要求5所述的能源服务商效益评估方法，其特征在于，所述建立双层Kriging元模型，包括：
构建下层Kriging元模型，下层Kriging元模型的回归方程如下：
Figure FDA0003453493510000043
其中，
Figure FDA0003453493510000044
为回归模型的输出值，f(x)为p×1的回归模型基函数，x为n维空间的自变量，T表示矩阵的转置；β为p×1的对应基函数的系数；p为基函数的个数，z(x)为一般随机过程，且z(x)具有如下性质：
E[z(x)]＝0 (21)
其中，E[]表示z(x)的期望值；
构建上层Kriging元模型，以y1(x)作为全局趋势模型，在高可信度样本数据集基础上建立所需要的代理模型y2(x)：
Figure FDA0003453493510000045
式中，β0为待定的自适应因子，
Figure FDA0003453493510000046
为上层Kriging模型的预测输出值，
Figure FDA0003453493510000047
为下层Kriging模型的预测输出值，z0(x)为随机误差；
得到分层Kriging元模型的预估值为：
Figure FDA0003453493510000048
β0＝(FTR-1F)-1FTR-1 (24)
Figure FDA0003453493510000049
其中，rT为相关矢量，R-1为相关矩阵的逆矩阵，y1为下层Kriging模型的输出值，F为中间矩阵，用于存储下层Kriging模型的预测输出值，FT为F矩阵的转置，
Figure FDA0003453493510000051
为x(n)输入参数下下层Kriging模型的预测输出值，x(n)为输入参数或样本值。
7.根据权利要求6所述的能源服务商效益评估方法，其特征在于，所述利用双层Kriging元模型求解动态定价模型，包括：
S01读取系统基本参数，构建初始训练样本集
Figure FDA0003453493510000052
S02按照式(20)～(25)构建初始分层Kriging元模型；
S03计算每组样本点对应的目标函数值
Figure FDA0003453493510000053
根据目标函数值
Figure FDA0003453493510000054
的大小划分关键区域，共计区域数量Nl个，并记各区域最优值
Figure FDA0003453493510000055
S04在每个关键区域上采用粒子群算法进行寻优，得到局部最优电价及电量，并将该采样点加入到低置信度样本池中；
S05调用综合能源服务商能量管理模型，计算真实交易电量，并将该电价及电量采样点加入到高置信度样本池中，计算此时目标函数真实值
Figure FDA0003453493510000056
若
Figure FDA0003453493510000057
则令
Figure FDA0003453493510000058
S06比较所有区域内的最优解，取其中最大值作为当前迭代步的全局最优解
Figure FDA0003453493510000059
S07判断前后两次迭代全局最优解是否有改善，若满足收敛条件，则输出最优解；否则返回步骤S02，重复步骤S02～S07。
8.根据权利要求7所述的能源服务商效益评估方法，其特征在于，所述收敛条件为后一次的解不再优于前一次迭代的解。
9.根据权利要求7所述的能源服务商效益评估方法，其特征在于，所述系统基本参数包括各综合能源服务商终端单元的运行参数、上网电价和电网电价。
10.根据权利要求3所述的能源服务商效益评估方法，其特征在于，所述根据能量管理策略和动态定价结果评估多形态综合能源服务商的效益，包括：
根据综合能源服务商向上级电网的购电电量
Figure FDA0003453493510000061
综合能源服务商向上级电网的售电电量
Figure FDA0003453493510000062
燃气轮机运行成本
Figure FDA0003453493510000063
电动汽车运行成本
Figure FDA0003453493510000064
可转移负荷补偿成本
Figure FDA0003453493510000065
综合能源服务商的购电电价
Figure FDA0003453493510000066
以及综合能源服务商的售电电价
Figure FDA0003453493510000067
计算综合能源服务商在不同联盟下的整体收益值以及单独参与交易时的运行收益：
Figure FDA0003453493510000068
Figure FDA0003453493510000069
式中，
Figure FDA00034534935100000610
为综合能源服务商以联盟S形式参与交易时的整体运行收益，S为包含综合能源服务商i的所有子集，而
Figure FDA00034534935100000611
则表示综合能源服务商单独参与交易时的整体运行收益；
多综合能源服务商以合作博弈的形式共同参与市场竞标，竞标结束后，各综合能源服务商通过Shapley值法，并结合式(26)和(27)对合作收益值进行分配，计算如下：
Figure FDA00034534935100000612
Figure FDA00034534935100000613
式中，Z为N个成员的集合；|S|为子集S中元素的个数；W(|S|)表示相应的平均贡献因子，V(S)为包含元素i的联盟合作收益，其值为
Figure FDA00034534935100000614
V(S\i)为不包含元素i的联盟收益，其值为
Figure FDA00034534935100000615
二者的数值通过式(26)和(27)计算，进而得到每个综合能源服务商的收益Xi。
11.一种能源服务商效益评估系统，其特征在于，包括：
第一计算模块，用于构建并求解多形态综合能源服务商的能量管理模型，得到综合能源服务商的能量管理策略；
第二计算模块，用于构建并求解市场运营商的动态定价模型，得到动态定价结果；
效益评估模块，用于根据能量管理策略和动态定价结果评估多形态综合能源服务商的效益。
12.根据权利要求11所述的能源服务商效益评估系统，其特征在于，所述第二计算模块包括：Kriging元模型构建模块和动态定价模型求解模块；
Kriging元模型构建模块，用于建立双层Kriging元模型；
动态定价模型求解模块，用于利用双层Kriging元模型求解动态定价模型。
13.根据权利要求12所述的能源服务商效益评估系统，其特征在于，所述效益评估模块，包括：收益计算模块和收益值分配模块；
收益计算模块，用于根据综合能源服务商向上级电网的购电电量、综合能源服务商向上级电网的售电电量、燃气轮机运行成本、电动汽车运行成本、可转移负荷补偿成本、综合能源服务商的购电电价、以及综合能源服务商的售电电价计算综合能源服务商在不同联盟下的整体收益值以及单独参与交易时的运行收益；
收益值分配模块，用于根据综合能源服务商在不同联盟下的整体收益值和单独参与交易时的运行收益对合作收益值进行分配。
14.一种能源服务商效益评估装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-10任一项所述方法的步骤。
15.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-10任一项所述方法的步骤。
CN202111679292.2A 2021-12-31 2021-12-31 一种能源服务商效益评估方法、系统、装置及存储介质 Pending CN114331556A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111679292.2A CN114331556A (zh) 2021-12-31 2021-12-31 一种能源服务商效益评估方法、系统、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111679292.2A CN114331556A (zh) 2021-12-31 2021-12-31 一种能源服务商效益评估方法、系统、装置及存储介质

Publications (1)

Publication Number Publication Date
CN114331556A true CN114331556A (zh) 2022-04-12

Family

ID=81023422

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111679292.2A Pending CN114331556A (zh) 2021-12-31 2021-12-31 一种能源服务商效益评估方法、系统、装置及存储介质

Country Status (1)

Country Link
CN (1) CN114331556A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116090550A (zh) * 2022-12-27 2023-05-09 百度在线网络技术（北京）有限公司 联邦学习方法、装置、服务器、电子设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116090550A (zh) * 2022-12-27 2023-05-09 百度在线网络技术（北京）有限公司 联邦学习方法、装置、服务器、电子设备及存储介质
CN116090550B (zh) * 2022-12-27 2024-03-22 百度在线网络技术（北京）有限公司 联邦学习方法、装置、服务器、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN110429653B (zh) 考虑储能和dr的农网分布式光伏消纳方法及终端设备
CN113615137B (zh) Cdn优化平台
CN112084705A (zh) 一种用于综合能源系统的并网协调规划方法及系统
Wang et al. A tri-level framework for distribution-level market clearing considering strategic participation of electrical vehicles and interactions with wholesale market
Cao et al. Co-optimization of multiple virtual power plants considering electricity-heat-carbon trading: A Stackelberg game strategy
CN114331556A (zh) 一种能源服务商效益评估方法、系统、装置及存储介质
CN110289642B (zh) 一种基于指数罚函数的配电网分层调度优化方法
CN112651177A (zh) 考虑灵活性服务费用的配电网灵活型资源配置方法及系统
Zhao et al. A secure intra-regional-inter-regional peer-to-peer electricity trading system for electric vehicles
CN110941798A (zh) 储能共享数据处理系统和方法、设备及介质
Alikhani et al. Optimal implementation of consumer demand response program with consideration of uncertain generation in a microgrid
Prashant et al. Optimal intelligent strategic LMP solution and effect of DG in deregulated system for congestion management
CN113937781A (zh) 一种考虑温控负荷聚合体的虚拟电厂滚动调度技术
CN112633771B (zh) 电力资源数值计算方法、装置、计算机设备和存储介质
Pandey et al. Integrated evolutionary neural network approach with distributed computing for congestion management
CN112801513A (zh) 一种综合能源系统协同优化方法及系统
Gu et al. Learning and Optimization for Price-based Demand Response of Electric Vehicle Charging
CN117541300B (zh) 虚拟电厂交易管理方法、系统、设备及存储介质
Zhong et al. Electric Vehicle Charging Load Optimization Strategy Based on Dynamic Time-of-Use Tariff.
CN115713211B (zh) 基于电力能源的资源转移方法、装置、计算机设备
CN117495438A (zh) 基于不确定性估计的虚拟电厂参与需求响应的方法
CN118396694A (zh) 一种基于多主体双层博弈的电动汽车电价制定方法及终端
CN107360210A (zh) 云计算数据中心兼顾能耗与访问延迟的虚拟机分配方法
CN116385051A (zh) 电网中灵活负荷配电电价计算方法、装置和计算机设备
CN118798553A (zh) 考虑不确定性的风电参与电能量市场的电力规划方法

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