CN115001001B - 一种新型电力系统源荷储的主从博弈优化方法 - Google Patents

一种新型电力系统源荷储的主从博弈优化方法 Download PDF

Info

Publication number
CN115001001B
CN115001001B CN202210867495.2A CN202210867495A CN115001001B CN 115001001 B CN115001001 B CN 115001001B CN 202210867495 A CN202210867495 A CN 202210867495A CN 115001001 B CN115001001 B CN 115001001B
Authority
CN
China
Prior art keywords
power
photovoltaic
energy storage
adjustable load
battery
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.)
Active
Application number
CN202210867495.2A
Other languages
English (en)
Other versions
CN115001001A (zh
Inventor
郭天宇
郭琦
黄立滨
郭海平
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.)
CSG Electric Power Research Institute
Original Assignee
CSG Electric Power Research Institute
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 CSG Electric Power Research Institute filed Critical CSG Electric Power Research Institute
Priority to CN202210867495.2A priority Critical patent/CN115001001B/zh
Publication of CN115001001A publication Critical patent/CN115001001A/zh
Application granted granted Critical
Publication of CN115001001B publication Critical patent/CN115001001B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/00032—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries characterised by data exchange
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
    • H02J7/35—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering with light sensitive cells
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Abstract

本发明涉及电力系统技术领域，尤其涉及一种新型电力系统源荷储的主从博弈优化方法。其中，本发明公开了一种新型电力系统源荷储的主从博弈优化方法包括：获取源荷储参数，所述源荷储参数包括光伏参数、可调节负荷参数、电池储能参数和约束条件；根据所述源荷储参数分别构建系统总运行成本模型、光伏优化模型、可调节负荷优化模型、电池储能优化模型；以所述系统总运行成本模型为博弈主体，所述光伏优化模型、所述电池储能优化模型、所述可调节负荷优化模型为博弈从体，搭建源荷储主从博弈模型；求解所述源荷储主从博弈模型，输出所述源荷储主从博弈模型达到博弈均衡时对应的源荷储最优分配方案，用于改善新型电力系统运行的稳定性和经济性。

Description

一种新型电力系统源荷储的主从博弈优化方法
技术领域
本发明涉及电力系统技术领域，尤其涉及一种新型电力系统源荷储的主从博弈优化方法。
背景技术
随着不可再生能源的大量开采和利用，导致能源危机问题和环境问题愈发严峻，为了避免加剧能源危机和环境问题，目前利用更为清洁新能源替换传统能源成为研究的热潮。尤其是对电力行业而言，由采用传统能源发电的电力系统转型为新型的电力系统迫在眉睫。
目前，新型电力系统中，风电、光伏等新能源的接入比例急速增长，由于风电、光伏的出力具备不确定性，系统中的源、荷出力难以实时、精准的预测，导致新型电力系统中的功率平衡难度增加。但是，新型电力系统中包含了丰富的电池储能、可调节负荷的资源，合理优化调节和分配各资源能够提高系统的稳定运行水平。
然而，在传统的运行模式中，是根据新能源(如光伏等)、电池储能、可调节负荷的出力按照统一的目标进行协调优化，未能充分考虑光伏、电池储能、可调节负荷的不同利益需求，难以实现光伏、电池储能、可调节负荷将不同的目标需求的利益均衡，难以对新型电力系统中多类资源进行充分灵活调节，影响新型电力系统的运行水平。
发明内容
本发明提供了一种新型电力系统源荷储的主从博弈优化方法，用于改善新型电力系统运行的稳定性和经济性。
本发明提供的一种新型电力系统源荷储的主从博弈优化方法，所述方法包括：
获取源荷储参数，所述源荷储参数包括光伏参数、可调节负荷参数、电池储能参数；
根据所述源荷储参数和预设的约束条件分别构建系统总运行成本模型、光伏优化模型、可调节负荷优化模型、电池储能优化模型；
以所述系统总运行成本模型为博弈主体，所述光伏优化模型、所述电池储能优化模型、所述可调节负荷优化模型为博弈从体，搭建源荷储主从博弈模型；
求解所述源荷储主从博弈模型，输出所述源荷储主从博弈模型达到博弈均衡时对应的源荷储最优分配方案。
可选地，所述光伏参数包括第一光伏参数，所述可调节负荷包括第一可调节负荷参数；所述约束条件包括第一约束条件；所述第一光伏参数包括光伏的单位功率运维成本、光伏弃光的单位功率损失成本、调节系数和光伏的输出功率；所述第一可调节负荷参数包括可调节负荷的单位功率运维成本、可调节负荷的单位需求响应成本和可调节负荷的调节功率；
所述根据所述源荷储参数和预设的约束条件分别构建系统总运行成本模型、光伏优化模型、可调节负荷优化模型、电池储能优化模型包括：
根据所述第一光伏参数、所述第一可调节负荷参数、所述电池储能参数和所述第一约束条件构建所述系统总运行成本模型。
可选地，所述光伏参数还包括第二光伏参数，所述第二光伏参数包括光伏在最大功率点跟踪模式下的输出功率；所述约束条件还包括第二约束条件；
所述根据所述源荷储参数和预设的约束条件分别构建系统总运行成本模型、光伏优化模型、可调节负荷优化模型、电池储能优化模型包括：
根据所述光伏的输出功率、所述第二光伏参数和所述第二约束条件构建所述光伏优化模型。
可选地，所述可调节负荷还包括第二可调节负荷，所述第二可调节负荷包括系统内的负荷总功率；所述约束条件还包括第三约束条件；
所述根据所述源荷储参数和预设的约束条件分别构建系统总运行成本模型、光伏优化模型、可调节负荷优化模型、电池储能优化模型包括：
根据所述可调节负荷的调节功率、所述第二可调节负荷参数和所述第三约束条件构建所述可调节负荷优化模型。
可选地，所述约束条件还包括第四约束条件；
所述根据所述源荷储参数和预设的约束条件分别构建系统总运行成本模型、光伏优化模型、可调节负荷优化模型、电池储能优化模型包括：
根据所述电池储能参数和所述第四约束条件构建所述电池储能优化模型。
可选地，所述电池储能参数包括电池储能的功率单位运维成本、电池储能的荷电状态和电池储能的交互功率；
所述根据所述第一光伏参数、所述第一可调节负荷参数、所述电池储能参数和所述第一约束条件构建所述系统总运行成本模型包括：
根据所述光伏的单位功率运维成本、所述光伏的输出功率、所述可调节负荷的单位功率运维成本、所述可调节负荷的调节功率、所述电池储能的功率单位运维成本、所述电池储能的交互功率计算系统运维成本；
根据所述可调节负荷的单位需求响应成本和所述可调节负荷的调节功率计算可调节负荷需求响应成本；
根据所述光伏弃光的单位功率损失成本、所述调节系数和所述光伏的输出功率计算光伏弃光损失成本；
根据所述电池储能的荷电状态、所述电池储能的交互功率计算电池储能的过充惩罚成本；
根据所述系统运维成本、所述可调节负荷需求响应成本、所述光伏弃光损失成本、所述电池储能的过充惩罚成本构建使系统总运行成本最小的第一目标函数；
根据所述第一目标函数和所述第一约束条件构建所述系统总运行成本模型；
所述第一目标函数为：
Figure BDA0003760013370000031
所述第一约束条件为：
Figure BDA0003760013370000041
所述系统总运行成本模型为：
Figure BDA0003760013370000042
C为系统运行总成本；Co为系统运维成本；Cdr为可调节负荷的需求响应成本；CA为光伏弃光损失成本；CSOC为电池储能的过充惩罚成本；CPV为光伏的单位功率运维成本；CAPV为弃光的单位功率损失成本；k为光伏最大功率点跟踪控制模式的调节系数；PPV为光伏的输出功率；CL为可调节负荷的单位功率运维成本；CdrL为可调节负荷的单位需求响应成本；PL表示可调节负荷的调节功率；CS为电池储能的单位功率运维成本；CEILING为向上取整运算；SOCt表示电池储能t时刻的荷电状态；CSOC为电池储能的过充惩罚成本；PS表示电池储能的交互功率；ΔP表示系统中的动态功率，ΔP为正表示系统中存在功率缺额，ΔP为负表示系统中存在盈余功率；SOCt+1表示电池储能t+1时刻的荷电状态；Δt为电池储能充电/放电时间；WS为电池储能的额定容量；PMPPT为光伏在光伏最大功率点跟踪控制模式MPPT下的输出功率；PLmax为可调节负荷的最大调节功率；PN表示电池储能的额定交互功率；SOCmin为电池储能的最小荷电状态；SOCmax为电池储能的最大荷电状态。
可选地，所述根据所述光伏的输出功率、所述第二光伏参数和所述第二约束条件构建所述光伏优化模型包括：
根据所述光伏的输出功率、所述第二光伏参数构建使光伏消纳率最大的第二目标函数；
根据所述第二目标函数和所述第二约束条件构建所述光伏优化模型；
所述第二目标函数为：
Figure BDA0003760013370000051
所述第二约束条件为：
Figure BDA0003760013370000052
所述光伏优化模型为：
Figure BDA0003760013370000053
RPV为光伏消纳率；PPV为光伏的输出功率；PMPPT为光伏在光伏最大功率点跟踪控制模式MPPT下的输出功率；ΔP表示系统中的动态功率，ΔP为正表示系统中存在功率缺额，ΔP为负表示系统中存在盈余功率；PL表示可调节负荷的调节功率；PS表示电池储能的交互功率；k为光伏最大功率点跟踪控制模式的调节系数。
可选地，所述根据所述可调节负荷的调节功率、所述第二可调节负荷参数和所述第三约束条件构建所述可调节负荷优化模型；
根据所述可调节负荷的调节功率、所述第二可调节负荷参数构建使可调节负荷用能质量最高的第三目标函数；
根据所述第三目标函数和所述第三约束条件构建所述可调节负荷优化模型；
所述第三目标函数为：
Figure BDA0003760013370000061
所述第三约束条件为：
Figure BDA0003760013370000062
所述可调节负荷优化模型为：
Figure BDA0003760013370000063
QL为可调节负荷用能情况；PL表示可调节负荷的调节功率，当增大负荷时PL为正，减小负荷时PL为负；PLN表示系统内负荷总功率；ΔP表示系统中的动态功率，ΔP为正表示系统中存在功率缺额，ΔP为负表示系统中存在盈余功率；PPV为光伏的输出功率；PS表示电池储能的交互功率；PLmax为可调节负荷的最大调节功率。
可选地，所述根据所述电池储能参数和所述第四约束条件构建所述电池储能优化模型；
根据所述电池储能的荷电状态构建使电池储能充放电功率调节性能最佳的第四目标函数；
根据所述第四目标函数和所述第四约束条件构建所述电池储能优化模型；
所述第四目标函数为：
Figure BDA0003760013370000064
所述第四约束条件为：
Figure BDA0003760013370000071
所述电池储能优化模型为：
Figure BDA0003760013370000072
ASOC为电池储能充放电功率调节性能；CEILING为向上取整运算；SOCt表示电池储能t时刻的荷电状态，ΔP表示系统中的动态功率，ΔP为正表示系统中存在功率缺额，ΔP为负表示系统中存在盈余功率；PPV为光伏的输出功率；PL表示可调节负荷的调节功率；PS表示电池储能的交互功率；SOCt+1表示电池储能t+1时刻的荷电状态；Δt为电池储能充电/放电时间；WS为电池储能的额定容量；PN表示电池储能的额定交互功率；SOCmin为电池储能的最小荷电状态，SOCmax为电池储能的最大荷电状态。
可选地，所述源荷储主从博弈模型为：
Figure BDA0003760013370000081
C为系统运行总成本；Co为系统运维成本；Cdr为可调节负荷的需求响应成本；CA为光伏弃光损失成本；CSOC为电池储能的过充惩罚成本；ΔP表示系统中的动态功率，ΔP为正表示系统中存在功率缺额，ΔP为负表示系统中存在盈余功率；PPV为光伏的输出功率；PL表示可调节负荷的调节功率；PS表示电池储能的交互功率；SOCt+1表示电池储能t+1时刻的荷电状态；SOCt表示电池储能t时刻的荷电状态；SOCmin为电池储能的最小荷电状态；SOCmax为电池储能的最大荷电状态；Δt为电池储能充电/放电时间；WS为电池储能的额定容量；PMPPT为光伏在光伏最大功率点跟踪控制模式MPPT下的输出功率；PLmax为可调节负荷的最大调节功率；PN表示电池储能的额定交互功率；k为光伏最大功率点跟踪控制模式的调节系数；RPV为光伏消纳率；QL为可调节负荷用能质量；PLN表示系统内负荷总功率；ASOC为电池储能充放电功率调节性能；CEILING为向上取整运算。
从以上技术方案可以看出，本发明具有以下优点：
本发明通过获取包括了光伏参数、可调节负荷参数、电池储能参数以及约束条件的源荷储参数，并根据获取到的源荷储参数分别构建以系统总运行成本最小为优化目标的系统总运行成本模型、以光伏消纳率最高为优化目标的光伏优化模型、以负荷用能质量最高为优化目标的可调节负荷优化模型、以电池储能充放电功率调节性能最佳为优化目标的电池储能优化模型，并以系统总运行成本模型为博弈主体，光伏优化模型、电池储能优化模型、可调节负荷优化模型为博弈从体，搭建源荷储主从博弈模型，并通过求解源荷储主从博弈模型，输出源荷储主从博弈模型达到博弈均衡时对应的源荷储最优分配方案，兼顾了新型电力系统中源、荷、储各自不同的优化目标，均衡源、荷、储的出力，避免了只进行单一目标优化的情况。最优分配方案应用于电力系统中，有助于提高电力系统的光伏消纳能力、改善可调节负荷的用能质量、改善电池储能的充放电功率的调节性能，增强电力系统对系统功率调节能力，改善电力系统运行的稳定性。同时降低新型电力系统运行成本，提高新型电力系统的经济性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例一提供的一种新型电力系统源荷储的主从博弈优化方法流程示意图；
图2为本发明实施例二提供的一种新型电力系统源荷储的主从博弈优化方法流程示意图。
具体实施方式
本发明实施例提供了一种新型电力系统源荷储的主从博弈优化方法，用于提高新型电力系统运行的稳定性和经济性。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1，图1为本发明实施例一提供的一种新型电力系统源荷储的主从博弈优化方法流程示意图。
本实施例提供的一种新型电力系统源荷储的主从博弈优化方法，包括：
101、获取源荷储参数，源荷储参数包括光伏参数、可调节负荷参数、电池储能参数。
需要说明的是，从电力系统中获取源荷储参数。
其中，光伏参数包括第一光伏参数和第二光伏参数。第一光伏参数包括光伏的单位功率运维成本、光伏弃光的单位功率损失成本、调节系数和光伏的输出功率。第二光伏参数包括光伏在最大功率点跟踪模式下的输出功率。
可调节负荷参数包括第一可调节负荷参数和第二可调节负荷参数。第一可调节负荷参数包括可调节负荷的单位功率运维成本、可调节负荷的单位需求响应成本和可调节负荷的调节功率。第二可调节负荷参数包括系统内的负荷总功率。可以理解的是，可调节负荷包括可中断负荷、可平移负荷，其中可平移负荷可以包括电动汽车、洗衣机、热水器等用电设备，可中断负荷指的是电网高峰时段或紧急状态下，用户负荷中心可以中断的负荷部分。
电池储能参数包括电池储能的功率单位运维成本、电池储能的荷电状态和电池储能的交互功率。
102、根据源荷储参数和预设的约束条件分别构建系统总运行成本模型、光伏优化模型、可调节负荷优化模型、电池储能优化模型。
需要说明的是，约束条件包括第一约束条件、第二约束条件、第三约束条件、第四约束条件；第一约束条件包括光伏的输出功率约束、可调节负荷的调节功率约束、电池储能的交互功率约束、系统动态功率约束和电池储能的荷电状态约束。第二约束条件包括光伏的输出功率约束、系统动态功率约束。第三约束条件包括可调节负荷的调节功率约束和系统动态功率约束。第四约束条件包括电池储能的交互功率约束、系统动态功率约束和电池储能的荷电状态约束。
根据光伏参数、可调节负荷参数、电池储能参数以及对应的约束条件分别构建出以系统总运行成本最小为优化目标的系统总运行成本模型、以光伏消纳率最高为优化目标的光伏优化模型、以负荷用能质量最高为优化目标的可调节负荷优化模型、以电池储能充放电功率调节性能最佳为优化目标的电池储能优化模型。
103、以系统总运行成本模型为博弈主体，光伏优化模型、电池储能优化模型、可调节负荷优化模型为博弈从体，搭建源荷储主从博弈模型。
在本实施例中，系统总运行成本模型、光伏优化模型、电池储能优化模型、可调节负荷优化模型作为博弈的参与者，在四个参与者中，系统总运行成本模型为博弈主体，光伏优化模型、电池储能优化模型、可调节负荷优化模型则为博弈从体，根据博弈主体和博弈从体构建出源荷储主从博弈模型。
104、求解源荷储主从博弈模型，输出源荷储主从博弈模型达到博弈均衡时对应的源荷储最优分配方案。
在本实施例中，可以采用如MATLAB-YALMIP工具包等模型求解工具，并结合从电力系统中获取到的求解源荷储主从博弈模型中所需用到参数实际值，对源荷储主从博弈模型进行求解计算，直至源荷储主从博弈模型中的各参与者达到博弈均衡，输出博弈均衡时模型对应的功率最优解，此时的最优解则为源荷储最优分配方案。
本实施例构建的源荷储主从博弈模型中，考虑了光伏消纳、电池储能充放电功率调节性能、可调节负荷的用能质量以及系统整体运行的成本，其输出的最优分配方案能够兼顾新型电力系统中源、荷、储各自不同的优化目标，均衡源、荷、储的出力情况，避免了只进行单一目标优化的情况，改善新型电力系统运行的稳定性，同时降低系统运行成本，改善新型电力系统运行的经济性。
在新型电力系统中应用本实施例中得到的最优分配方案，可以提高新型电力系统的光伏消纳能力、改善可调节负荷的用能质量、改善电池储能的充放电功率的调节性能，增强新型电力系统对系统功率调节能力，改善了新型电力系统运行的稳定性。同时降低新型电力系统运行成本，提高新型电力系统的经济性，实现对系统中的源荷储进行优化，从整体上提高新型电力系统的安全、稳定、经济、绿色、高效运行水平。
请参阅图2，图2为本发明实施例二提供的一种新型电力系统源荷储的主从博弈优化方法流程示意图。实施例二在包括实施例一的步骤101-步骤104的基础上，对步骤102进行细化，步骤102具体包括以下步骤：
201、根据第一光伏参数、第一可调节负荷参数、电池储能参数和第一约束条件构建系统总运行成本模型。
在本实施例中，根据第一光伏参数、第一可调节负荷参数和电池储能参数构建使系统总运行成本最小的第一目标函数；根据第一目标函数和第一约束条件构建系统总运行成本模型。第一光伏参数包括光伏的单位功率运维成本、光伏弃光的单位功率损失成本、调节系数和光伏的输出功率。第一可调节负荷参数包括可调节负荷的单位功率运维成本、可调节负荷的单位需求响应成本和可调节负荷的调节功率；电池储能参数包括电池储能的功率单位运维成本、电池储能的荷电状态和电池储能的交互功率。
步骤201具体包括以下子步骤：
S1：根据光伏的单位功率运维成本、光伏的输出功率、可调节负荷的单位功率运维成本、可调节负荷的调节功率、电池储能的功率单位运维成本、电池储能的交互功率计算系统运维成本。
需要说明的是，系统运维成本Co的计算公式如下所示：
Co＝CPVPPV+|CLPL|+|CSPS|
其中，CPV为光伏的单位功率运维成本；PPV为光伏的输出功率；CL为可调节负荷的单位功率运维成本；PL表示可调节负荷的调节功率，当增大负荷时PL为正，减小负荷时PL为负；CS为电池储能的单位功率运维成本；PS表示电池储能的交互功率，当充电时PS为正，放电时PS为负。
可以理解的是，运维成本指的是运行维护成本。
S2、根据可调节负荷的单位需求响应成本和可调节负荷的调节功率计算可调节负荷需求响应成本。
在本实施例中，可调节负荷需求响应成本Cdr的计算公式如下所示：
Cdr＝|CdrLPL|
其中，CdrL为可调节负荷的单位需求响应成本；PL表示可调节负荷的调节功率，当增大负荷时PL为正，减小负荷时PL为负。
S3、根据光伏弃光的单位功率损失成本、调节系数和光伏的输出功率计算光伏弃光损失成本。
需要说明的是，光伏弃光损失成本CA的计算公式为：
CA＝CAPV(1-k)*PPV
其中，CAPV为弃光的单位功率损失成本；k为光伏最大功率点跟踪控制模式MPPT的调节系数，0≤k≤1；PPV为光伏的输出功率。
S4、根据电池储能的荷电状态、电池储能的交互功率计算电池储能的过充惩罚成本。
需要说明的是，电池储能的过充惩罚成本CSOC的计算公式为：
Figure BDA0003760013370000131
SOCmin≤SOCt≤SOCmax
0≤SOCmin
SOCmax≤1
其中，CEILING为向上取整运算；SOCt表示电池储能t时刻的荷电状态，SOCmin为电池储能的最小荷电状态，SOCmax为电池储能的最大荷电状态；CSOCS为电池储能的单位功率过充惩罚成本；PS表示电池储能的交互功率，当充电时PS为正，放电时PS为负。
当SOCt小于设定的阈值0.9时，说明电池储能的过充惩罚成本为0，当SOCt越接近于1时，说明电池储能的过充惩罚成本越高，并且电池储能的过充惩罚成本增长率急剧上升。
S5、根据系统运维成本、可调节负荷需求响应成本、光伏弃光损失成本、电池储能的过充惩罚成本构建第一目标函数。
S6：根据所述第一目标函数和所述第一约束条件构建所述系统总运行成本模型。
其中，第一目标函数为：
Figure BDA0003760013370000141
第一约束条件为：
Figure BDA0003760013370000142
系统总运行成本模型为：
Figure BDA0003760013370000151
C为系统运行总成本；Co为系统运维成本；Cdr为可调节负荷的需求响应成本；CA为光伏弃光损失成本；CSOC为电池储能的过充惩罚成本；CPV为光伏的单位功率运维成本；CAPV为弃光的单位功率损失成本；k为光伏最大功率点跟踪控制模式的调节系数；PPV为光伏的输出功率；CL为可调节负荷的单位功率运维成本；CdrL为可调节负荷的单位需求响应成本；PL表示可调节负荷的调节功率；CS为电池储能的单位功率运维成本；CEILING为向上取整运算；SOCt表示电池储能t时刻的荷电状态；CSOC为电池储能的过充惩罚成本；PS表示电池储能的交互功率；ΔP表示系统中的动态功率，ΔP为正表示系统中存在功率缺额，ΔP为负表示系统中存在盈余功率；SOCt+1表示电池储能t+1时刻的荷电状态；Δt为电池储能充电/放电时间；WS为电池储能的额定容量；PMPPT为光伏在光伏最大功率点跟踪控制模式MPPT下的输出功率；PLmax为可调节负荷的最大调节功率；PN表示电池储能的额定交互功率；SOCmin为电池储能的最小荷电状态；SOCmax为电池储能的最大荷电状态。
本实施例中，通过第一光伏参数、第一可调节负荷参数、第一电池储能参数以及第一约束条件构建系统总运行成本模型，其中系统总运行成本模型中考虑到了光伏、电池储能、可调节负荷的运行成本，有助于改善新型电力系统的经济性，并且考虑到电池储能过充惩罚成本，有助于避免新型电力系统中电池储能出现过充的情况。
202、根据光伏的输出功率、第二光伏参数和第二约束条件构建光伏优化模型。
在本实施例中，根据光伏的输出功率、第二光伏参数构建使光伏消纳率最大的第二目标函数；第二光伏参数包括光伏在最大功率点跟踪模式下的输出功率；根据第二目标函数和第二约束条件构建光伏优化模型。
其中，构建得到的第二目标函数为：
Figure BDA0003760013370000161
第二约束条件为：
Figure BDA0003760013370000162
构建得到的光伏优化模型为：
Figure BDA0003760013370000163
RPV为光伏消纳率；PPV为光伏的输出功率；PMPPT为光伏在光伏最大功率点跟踪控制模式MPPT下的输出功率；ΔP表示系统中的动态功率，ΔP为正表示系统中存在功率缺额，ΔP为负表示系统中存在盈余功率；PL表示可调节负荷的调节功率；PS表示电池储能的交互功率；k为光伏最大功率点跟踪控制模式的调节系数。
在本实施例中，构建得到的光伏优化模型中，以光伏消纳率最高为优化目标进行优化，有助于提高新型电力系统中光伏消纳率。
203、根据可调节负荷的调节功率、第二可调节负荷参数和第三约束条件构建可调节负荷优化模型。
在本实施例中，根据可调节负荷的调节功率、第二可调节负荷参数构建使可调节负荷用能质量最高的第三目标函数；根据第三目标函数和第三约束条件构建可调节负荷优化模型。
其中，构建得到的第三目标函数为：
Figure BDA0003760013370000171
第三约束条件为：
Figure BDA0003760013370000172
构建得到的可调节负荷优化模型为：
Figure BDA0003760013370000173
QL为可调节负荷用能情况；PL表示可调节负荷的调节功率，当增大负荷时PL为正，减小负荷时PL为负；PLN表示系统内负荷总功率；ΔP表示系统中的动态功率，ΔP为正表示系统中存在功率缺额，ΔP为负表示系统中存在盈余功率；PPV为光伏的输出功率；PS表示电池储能的交互功率；PLmax为可调节负荷的最大调节功率。
可以理解的是，QL为可调节负荷用能情况，当QL的值最小时，说明电力系统不需要通过限制可调节负荷的功率实现系统的功率调节，那么可调节负荷中的各用电设备即可根据自身情况使用电能，无需受电力系统限制。此时说明用电设备的负荷用能质量是最高的，即也说明用电用户的用电体验为最佳。当QL的值最大时，可调节负荷参与了电力系统的功率调节，此时用电设备在使用电能时，需要受到电力系统的限制，无法随意使用电能，因而此时负荷用能质量是最低的，用户的用电体验较差。
例如，当PL为0时，说明可调节负荷的调节功率最小，即不需要对可调节负荷的功率进行调节，因此可调节负荷可以不受系统的限制，可依据自身情况使用电能。
因此，在本实施例中，构建得到的可调节负荷优化模型中，以负荷的用能质量最高为优化目标，有助于提高负荷用能质量，改善用户的用电体验。
204、根据电池储能参数和第四约束条件构建电池储能优化模型。
需要说明的是，在本实施例中，根据电池储能的荷电状态构建使电池储能充放电功率调节性能最佳的第四目标函数；根据第四目标函数和第四约束条件构建电池储能优化模型；
构建得到的第四目标函数为：
Figure BDA0003760013370000181
第四约束条件为：
Figure BDA0003760013370000182
构建得到的电池储能优化模型为：
Figure BDA0003760013370000183
ASOC为电池储能充放电功率调节性能；CEILING为向上取整运算；SOCt表示电池储能t时刻的荷电状态，ΔP表示系统中的动态功率，ΔP为正表示系统中存在功率缺额，ΔP为负表示系统中存在盈余功率；PPV为光伏的输出功率；PL表示可调节负荷的调节功率；PS表示电池储能的交互功率；SOCt+1表示电池储能t+1时刻的荷电状态；Δt为电池储能充电/放电时间；WS为电池储能的额定容量；PN表示电池储能的额定交互功率；SOCmin为电池储能的最小荷电状态，SOCmax为电池储能的最大荷电状态。
可以理解的是，当电池储能的荷电状态SOC为0.5时，电池储能可以进行充电功率调节，也可以进行放电功率调节，而且此时的调节余量比较充足，能够更好的满足储能调节需求。在本实施例中，当ASOC最小时，说明此时的电池储能的荷电状态最接近0.5，储能调节性能最佳。
因此，本实施例通过构建使电池储能充放电功率调节性能最佳的电池储能优化模型，能够为系统优化提供最佳的储能调节性能，更好的满足储能调节需求。
在本实施例中，以系统总运行成本模型为博弈主体，光伏优化模型、电池储能优化模型、可调节负荷优化模型为博弈从体，搭建源荷储主从博弈模型，搭建得到的源荷储主从博弈模型具体如下：
Figure BDA0003760013370000201
C为系统运行总成本；Co为系统运维成本；Cdr为可调节负荷的需求响应成本；CA为光伏弃光损失成本；CSOC为电池储能的过充惩罚成本；ΔP表示系统中的动态功率，ΔP为正表示系统中存在功率缺额，ΔP为负表示系统中存在盈余功率；PPV为光伏的输出功率；PL表示可调节负荷的调节功率；PS表示电池储能的交互功率；SOCt+1表示电池储能t+1时刻的荷电状态；SOCt表示电池储能t时刻的荷电状态；SOCmin为电池储能的最小荷电状态；SOCmax为电池储能的最大荷电状态；Δt为电池储能充电/放电时间；WS为电池储能的额定容量；PMPPT为光伏在光伏最大功率点跟踪控制模式MPPT下的输出功率；PLmax为可调节负荷的最大调节功率；PN表示电池储能的额定交互功率；k为光伏最大功率点跟踪控制模式的调节系数；RPV为光伏消纳率；QL为可调节负荷用能质量；PLN表示系统内负荷总功率；ASOC为电池储能充放电功率调节性能；CEILING为向上取整运算。
由上述可见，minC为系统总运行成本模型的第一目标函数，maxRPV为光伏优化模型的第二目标函数，minQL为可调节负荷优化模型的第三目标函数，minASOC为电池储能优化模型的第四目标函数。按照从上往下的顺序，第一个s.t.为系统总运行成本模型的第一约束条件，第二个s.t.为光伏优化模型的第二约束条件，第三个s.t.为可调节负荷优化模型的第三约束条件，第四个s.t.为电池储能优化模型的第四约束条件。
本实施例构建的源荷储主从博弈模型中，考虑了光伏消纳、电池储能充放电功率调节、可调节负荷的用能质量以及系统整体运行的成本，其输出的最优分配方案能够兼顾新型电力系统中源、荷、储各自不同的优化目标，均衡源、荷、储的出力情况，改善了新型电力系统运行的稳定性，同时降低系统运行成本，改善了新型电力系统运行的经济性。
在新型电力系统中应用本实施例中得到的最优分配方案，可以提高新型电力系统的光伏消纳能力、改善可调节负荷的用能质量、改善电池储能的充放电功率的调节性能，增强新型电力系统对系统功率调节能力，改善新型电力系统运行的稳定性。同时降低新型电力系统运行成本，提高新型电力系统的经济性，实现对系统中的源荷储进行优化，从整体上提高新型电力系统的安全、稳定、经济、绿色、高效运行水平。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种新型电力系统源荷储的主从博弈优化方法，其特征在于，所述方法包括：
获取源荷储参数，所述源荷储参数包括光伏参数、可调节负荷参数、电池储能参数；
根据所述源荷储参数和预设的约束条件分别构建系统总运行成本模型、光伏优化模型、可调节负荷优化模型、电池储能优化模型；
以所述系统总运行成本模型为博弈主体，所述光伏优化模型、所述电池储能优化模型、所述可调节负荷优化模型为博弈从体，搭建源荷储主从博弈模型；
求解所述源荷储主从博弈模型，输出所述源荷储主从博弈模型达到博弈均衡时对应的源荷储最优分配方案；
所述光伏参数包括第一光伏参数，所述可调节负荷包括第一可调节负荷参数；所述约束条件包括第一约束条件；所述第一光伏参数包括光伏的单位功率运维成本、光伏弃光的单位功率损失成本、调节系数和光伏的输出功率；所述第一可调节负荷参数包括可调节负荷的单位功率运维成本、可调节负荷的单位需求响应成本和可调节负荷的调节功率；
所述根据所述源荷储参数和预设的约束条件分别构建系统总运行成本模型、光伏优化模型、可调节负荷优化模型、电池储能优化模型包括：
根据所述第一光伏参数、所述第一可调节负荷参数、所述电池储能参数和所述第一约束条件构建所述系统总运行成本模型；
所述电池储能参数包括电池储能的功率单位运维成本、电池储能的荷电状态和电池储能的交互功率；
所述根据所述第一光伏参数、所述第一可调节负荷参数、所述电池储能参数和所述第一约束条件构建所述系统总运行成本模型包括：
根据所述光伏的单位功率运维成本、所述光伏的输出功率、所述可调节负荷的单位功率运维成本、所述可调节负荷的调节功率、所述电池储能的功率单位运维成本、所述电池储能的交互功率计算系统运维成本；
根据所述可调节负荷的单位需求响应成本和所述可调节负荷的调节功率计算可调节负荷需求响应成本；
根据所述光伏弃光的单位功率损失成本、所述调节系数和所述光伏的输出功率计算光伏弃光损失成本；
根据所述电池储能的荷电状态、所述电池储能的交互功率计算电池储能的过充惩罚成本；
根据所述系统运维成本、所述可调节负荷需求响应成本、所述光伏弃光损失成本、所述电池储能的过充惩罚成本构建使系统总运行成本最小的第一目标函数；
根据所述第一目标函数和所述第一约束条件构建所述系统总运行成本模型；
所述第一目标函数为：
Figure FDA0004036930280000021
所述第一约束条件为：
Figure FDA0004036930280000022
所述系统总运行成本模型为：
Figure FDA0004036930280000031
C为系统运行总成本；Co为系统运维成本；Cdr为可调节负荷的需求响应成本；CA为光伏弃光损失成本；CSOC为电池储能的过充惩罚成本；CPV为光伏的单位功率运维成本；CAPV为弃光的单位功率损失成本；k为光伏最大功率点跟踪控制模式的调节系数；PPV为光伏的输出功率；CL为可调节负荷的单位功率运维成本；CdrL为可调节负荷的单位需求响应成本；PL表示可调节负荷的调节功率；CS为电池储能的单位功率运维成本；CEILING为向上取整运算；SOCt表示电池储能t时刻的荷电状态；CSOC为电池储能的过充惩罚成本；PS表示电池储能的交互功率；ΔP表示系统中的动态功率，ΔP为正表示系统中存在功率缺额，ΔP为负表示系统中存在盈余功率；SOCt+1表示电池储能t+1时刻的荷电状态；Δt为电池储能充电/放电时间；WS为电池储能的额定容量；PMPPT为光伏在光伏最大功率点跟踪控制模式MPPT下的输出功率；PLmax为可调节负荷的最大调节功率；PN表示电池储能的额定交互功率；SOCmin为电池储能的最小荷电状态；SOCmax为电池储能的最大荷电状态；CSOCS为电池储能的单位功率过充惩罚成本。
2.根据权利要求1所述的方法，其特征在于，所述光伏参数还包括第二光伏参数，所述第二光伏参数包括光伏在最大功率点跟踪模式下的输出功率；所述约束条件还包括第二约束条件；
所述根据所述源荷储参数和预设的约束条件分别构建系统总运行成本模型、光伏优化模型、可调节负荷优化模型、电池储能优化模型包括：
根据所述光伏的输出功率、所述第二光伏参数和所述第二约束条件构建所述光伏优化模型。
3.根据权利要求2所述的方法，其特征在于，所述可调节负荷还包括第二可调节负荷，所述第二可调节负荷包括系统内的负荷总功率；所述约束条件还包括第三约束条件；
所述根据所述源荷储参数和预设的约束条件分别构建系统总运行成本模型、光伏优化模型、可调节负荷优化模型、电池储能优化模型包括：
根据所述可调节负荷的调节功率、所述第二可调节负荷参数和所述第三约束条件构建所述可调节负荷优化模型。
4.根据权利要求3所述的方法，其特征在于，所述约束条件还包括第四约束条件；
所述根据所述源荷储参数和预设的约束条件分别构建系统总运行成本模型、光伏优化模型、可调节负荷优化模型、电池储能优化模型包括：
根据所述电池储能参数和所述第四约束条件构建所述电池储能优化模型。
5.根据权利要求2所述的方法，其特征在于，所述根据所述光伏的输出功率、所述第二光伏参数和所述第二约束条件构建所述光伏优化模型包括：
根据所述光伏的输出功率、所述第二光伏参数构建使光伏消纳率最大的第二目标函数；
根据所述第二目标函数和所述第二约束条件构建所述光伏优化模型；
所述第二目标函数为：
Figure FDA0004036930280000041
所述第二约束条件为：
Figure FDA0004036930280000042
所述光伏优化模型为：
Figure FDA0004036930280000051
RPV为光伏消纳率；PPV为光伏的输出功率；PMPPT为光伏在光伏最大功率点跟踪控制模式MPPT下的输出功率；ΔP表示系统中的动态功率，ΔP为正表示系统中存在功率缺额，ΔP为负表示系统中存在盈余功率；PL表示可调节负荷的调节功率；PS表示电池储能的交互功率；k为光伏最大功率点跟踪控制模式的调节系数。
6.根据权利要求3所述的方法，其特征在于，所述根据所述可调节负荷的调节功率、所述第二可调节负荷参数和所述第三约束条件构建所述可调节负荷优化模型；
根据所述可调节负荷的调节功率、所述第二可调节负荷参数构建使可调节负荷用能质量最高的第三目标函数；
根据所述第三目标函数和所述第三约束条件构建所述可调节负荷优化模型；
所述第三目标函数为：
Figure FDA0004036930280000052
所述第三约束条件为：
Figure FDA0004036930280000053
所述可调节负荷优化模型为：
Figure FDA0004036930280000054
QL为可调节负荷用能情况；PL表示可调节负荷的调节功率，当增大负荷时PL为正，减小负荷时PL为负；PLN表示系统内负荷总功率；ΔP表示系统中的动态功率，ΔP为正表示系统中存在功率缺额，ΔP为负表示系统中存在盈余功率；PPV为光伏的输出功率；PS表示电池储能的交互功率；PLmax为可调节负荷的最大调节功率。
7.根据权利要求4所述的方法，其特征在于，所述根据所述电池储能参数和所述第四约束条件构建所述电池储能优化模型；
根据所述电池储能的荷电状态构建使电池储能充放电功率调节性能最佳的第四目标函数；
根据所述第四目标函数和所述第四约束条件构建所述电池储能优化模型；
所述第四目标函数为：
Figure FDA0004036930280000061
所述第四约束条件为：
Figure FDA0004036930280000062
所述电池储能优化模型为：
Figure FDA0004036930280000063
ASOC为电池储能充放电功率调节性能；CEILING为向上取整运算；SOCt表示电池储能t时刻的荷电状态，ΔP表示系统中的动态功率，ΔP为正表示系统中存在功率缺额，ΔP为负表示系统中存在盈余功率；PPV为光伏的输出功率；PL表示可调节负荷的调节功率；PS表示电池储能的交互功率；SOCt+1表示电池储能t+1时刻的荷电状态；Δt为电池储能充电/放电时间；WS为电池储能的额定容量；PN表示电池储能的额定交互功率；SOCmin为电池储能的最小荷电状态，SOCmax为电池储能的最大荷电状态。
8.根据权利要求1-7任一项所述的方法，其特征在于，所述源荷储主从博弈模型为：
Figure FDA0004036930280000081
C为系统运行总成本；Co为系统运维成本；Cdr为可调节负荷的需求响应成本；CA为光伏弃光损失成本；CSOC为电池储能的过充惩罚成本；ΔP表示系统中的动态功率，ΔP为正表示系统中存在功率缺额，ΔP为负表示系统中存在盈余功率；PPV为光伏的输出功率；PL表示可调节负荷的调节功率；PS表示电池储能的交互功率；SOCt+1表示电池储能t+1时刻的荷电状态；SOCt表示电池储能t时刻的荷电状态；SOCmin为电池储能的最小荷电状态；SOCmax为电池储能的最大荷电状态；Δt为电池储能充电/放电时间；WS为电池储能的额定容量；PMPPT为光伏在光伏最大功率点跟踪控制模式MPPT下的输出功率；PLmax为可调节负荷的最大调节功率；PN表示电池储能的额定交互功率；k为光伏最大功率点跟踪控制模式的调节系数；RPV为光伏消纳率；QL为可调节负荷用能质量；PLN表示系统内负荷总功率；ASOC为电池储能充放电功率调节性能；CEILING为向上取整运算。
CN202210867495.2A 2022-07-21 2022-07-21 一种新型电力系统源荷储的主从博弈优化方法 Active CN115001001B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210867495.2A CN115001001B (zh) 2022-07-21 2022-07-21 一种新型电力系统源荷储的主从博弈优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210867495.2A CN115001001B (zh) 2022-07-21 2022-07-21 一种新型电力系统源荷储的主从博弈优化方法

Publications (2)

Publication Number Publication Date
CN115001001A CN115001001A (zh) 2022-09-02
CN115001001B true CN115001001B (zh) 2023-03-07

Family

ID=83022167

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210867495.2A Active CN115001001B (zh) 2022-07-21 2022-07-21 一种新型电力系统源荷储的主从博弈优化方法

Country Status (1)

Country Link
CN (1) CN115001001B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109861302A (zh) * 2018-12-24 2019-06-07 浙江工业大学 一种基于主从博弈的能源互联网日前优化控制方法
WO2022100091A1 (zh) * 2020-11-10 2022-05-19 中国能源建设集团湖南省电力设计院有限公司 一种广义源储系统调度的集中控制方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114004476B (zh) * 2021-10-26 2024-04-19 华北电力大学 一种综合能源系统多时间尺度优化调度方法
CN114123171A (zh) * 2021-11-12 2022-03-01 国网江苏省电力有限公司经济技术研究院 一种基于势博弈的增量配电网分布式优化规划方法及介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109861302A (zh) * 2018-12-24 2019-06-07 浙江工业大学 一种基于主从博弈的能源互联网日前优化控制方法
WO2022100091A1 (zh) * 2020-11-10 2022-05-19 中国能源建设集团湖南省电力设计院有限公司 一种广义源储系统调度的集中控制方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Energy Sharing Management for Microgrids With PV Prosumers: A Stackelberg Game Approach;Nian liu;《IEEE Transactions on Industrial Informatics》;20170117;全文 *
交直流混联的多能微网多时间尺度实时协同调控方法研究;郭天宇;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;20220115;第2章第18-21页、第3章第25-32页 *
基于二层规划模型的交直流混合微网源荷储协调分区优化经济调度;李鹏等;《中国电机工程学报》;20161129(第24期);全文 *
基于合作博弈的需求侧响应下光储微电网优化配置;王树东等;《电力系统保护与控制》;20180109(第01期);全文 *

Also Published As

Publication number Publication date
CN115001001A (zh) 2022-09-02

Similar Documents

Publication Publication Date Title
CN108879746B (zh) 基于多时间尺度需求响应的集中式混合储能协调控制方法
CN111900727B (zh) 基于pso的光储充换一体化充电站协同优化调度方法和装置
CN109657993B (zh) 一种基于非合作博弈的能源局域网储能系统自动需求响应方法
CN107994595A (zh) 一种削峰填谷控制方法和系统以及应用该控制方法的系统
CN109494777B (zh) 一种混合储能系统能量协调分配控制方法
CN108933451B (zh) 微电网系统及其微网中央控制器和功率分配控制方法
CN103986190A (zh) 基于发电功率曲线的风光储联合发电系统平滑控制方法
CN105047966B (zh) 液流电池多模式运行控制方法及其系统
CN108551176B (zh) 一种结合储能均衡技术的储能电池系统容量配置方法
CN110323785B (zh) 源网荷储互动的多电压等级直流配电网优化调度方法
US20180076637A1 (en) Control apparatus
CN110165663A (zh) 基于Stackelberg博弈的含充换储一体化电站微电网能量优化调度方法
CN112838603B (zh) 一种风光储抽多源能源agc协调互补控制方法和装置
CN112086975B (zh) 一种协调多储能单元参与二次调频的优化调度方法
CN111628558A (zh) 混合储能系统的能量管理和容量配置的优化系统及方法
CN111276987A (zh) 一种储能系统的电储能控制方法及装置
CN115473285A (zh) 基于合作博弈论的多类型储能系统最优容量配置方法
CN108376994A (zh) 基于三端口电力电子变压器并网的交直流混合微网运行优化方法
CN111160618A (zh) 一种结合电动汽车充电场站的建筑能量优化调度方法
CN107240926A (zh) 一种实时电价下户用储能智能化管理方法
CN114123280A (zh) 一种考虑系统效率的电池储能电站能量管理方法
CN107846035B (zh) 一种考虑电动汽车充电特性的风光储并网型微网
CN111525597B (zh) 一种风储联合系统中双电池不平衡状态优化方法
CN115238992B (zh) 一种电力系统源荷储的协调优化方法、装置及电子设备
CN115001001B (zh) 一种新型电力系统源荷储的主从博弈优化方法

Legal Events

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