CN115601176A - 一种分布式能源产消者点对点能源交易方法 - Google Patents
一种分布式能源产消者点对点能源交易方法 Download PDFInfo
- Publication number
- CN115601176A CN115601176A CN202211356171.9A CN202211356171A CN115601176A CN 115601176 A CN115601176 A CN 115601176A CN 202211356171 A CN202211356171 A CN 202211356171A CN 115601176 A CN115601176 A CN 115601176A
- Authority
- CN
- China
- Prior art keywords
- distributed energy
- consumer
- producer
- transaction
- consumers
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000002452 interceptive effect Effects 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 43
- 238000005457 optimization Methods 0.000 claims description 16
- 230000005611 electricity Effects 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000005265 energy consumption Methods 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000010248 power generation Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000005485 electric heating Methods 0.000 claims description 3
- 230000002040 relaxant effect Effects 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000010977 unit operation Methods 0.000 claims description 3
- 230000028161 membrane depolarization Effects 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 230000035606 childbirth Effects 0.000 claims 1
- 230000007306 turnover Effects 0.000 claims 1
- 230000007246 mechanism Effects 0.000 abstract description 21
- 230000008901 benefit Effects 0.000 abstract description 12
- 238000013461 design Methods 0.000 abstract description 6
- 230000007774 longterm Effects 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 230000008859 change Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 101100264172 Oryza sativa subsp. japonica XIAO gene Proteins 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000002513 anti-ovulatory effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical 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
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Algebra (AREA)
- Public Health (AREA)
- Technology Law (AREA)
- Quality & Reliability (AREA)
- Mathematical Optimization (AREA)
- Water Supply & Treatment (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出一种分布式能源产消者点对点能源交易方法,其考虑信誉值长期变化趋势,并充分计及产消者、电网公司等多方主体利益的分布式能源产消者P2P交易方法,通过更加合理的信誉值机制的设计,解决现有分布式能源P2P交易机制设计中存在的监管方利益得不到保障、以及分布式能源产消者P2P交易参与度过低的问题,更合理的激励分布式能源产消者提高P2P参与度来降低成本,规范互动交易行为,积极参与P2P互动交易,同时有效改善电网运行效益,推动分布式能源产消者P2P交易机制的完善。本发明为分布式能源的高效消纳和互动交易提供技术保障。
Description
技术领域
本发明属于配电技术领域,具体涉及一种分布式能源产消者点对点能源交易方法。
背景技术
随着光伏,风电等分布式可再生能源在配用电侧的比例大幅增长,同时伴随着电力市场改革的推进,分布式能源与电力用户正大量融合与集成,传统作为单一消费者的电力能源用户开始大量向分布式能源产消者转变,也即是演变为同时具备有能源生产者和能源消费者的双重角色,并正成为电力能源生产、分配和消费的重要参与者。而分布式能源产消者点对点(Peer-to-Peer,P2P)交易,是促进分布式能源就地消纳和高效利用、保障分布式能源产消者利益提升的重要关键技术,因此设计合理有效的分布式能源产消者P2P交易方法具有重要理论和现实意义。
然而现阶段鼓励分布式能源产消者在完全去中心化的P2P平台上交易仍面临着技术、机制等多方面困境,同时完全去中心化的分布式能源P2P交易对电网整体的安全性、监管机制等也是巨大的挑战,而如若未在分布式能源产消者P2P交易系统中引入激励机制,产消者的行为无法得到有效监管,配电网利益也得不到有效保障。因此亟需在分布式能源产消者P2P交易中引入信誉值机制,通过在分布式能源产消者P2P交易中添加信誉值机制,鼓励产消者规范自身交易行为,保障分布式能源产消者P2P交易的高效性与可靠性。
目前相关研究开始探索引入信誉值机制到P2P分布式能源交易中,以激励产消者在P2P分布式能源网络中更合理的交易。如专利“一种基于跨链互操作的综合能源微网群高信誉度分布式交易方法”,其为基于主副链并行及跨链互操作技术,实现综合能源微网群高信誉度的分布式交易,有效实现能源系统的分布式可信交易。如文献“基于区块链激励机制的光伏交易机制设计”中提出了一种基于区块链技术的光伏系统动态交易平台,提出信誉值机制以保证P2P光伏交易网络中各节点的积极有效合作。文献“基于区块链的分布式光伏就地消纳交易模式研究”中提出了一种基于区块链的光伏就地消纳交易模式,通过Stackelberg博弈模型确定内部电价,设计基于信誉值的就地消纳交易机制,惩罚就地消纳程度低的用户,鼓励用户通过可时移负荷消纳光伏出力。文献“Reputation-based jointscheduling of households appliances and storage in a microgrid with a sharedbattery”中提出一种基于信誉的集中式能源管理系统(EMS),通过考虑家庭用户重新分配共享存储单元可用能量的信誉来解决以公平的方式管理电池和可用能源的挑战。文献“Security scheduling and transaction mechanism of virtual power plants basedon dual blockchains”在交易机制的研究中,提出一种基于信誉的连续双向拍卖机制,整合基于信誉的市场细分机制,根据信誉值对参与者划分,以此营造良好交易环境。文献“Reputation-based competitive pricing negotiation and power trading for grid-connected microgrid networks”中提出了一种分布式自动控制方式来管理并网微电网的节点间能源交易,网络中的代理形成关系,代理之间的交互通过使用熟悉度,接受度和节点间价值的历史知识来量化信誉。但是以上引入信誉值的文献中仅考虑了电力能源用户产消者的成本及收益,而对于监管方电网公司的效益未涉及,同时上述已有研究中对信誉值变化趋势的跟踪周期也较短,大多仅以日前几天的信誉值为依据进行信誉值变化趋势的分析,不能充分体现信誉值的长期作用影响,具有相当的局限性。
发明内容
为克服现有技术的缺点,本发明提出一种分布式能源产消者点对点能源交易方法,其考虑信誉值长期变化趋势,并充分计及产消者、电网公司等多方主体利益的分布式能源产消者P2P交易方法,通过更加合理的信誉值机制的设计,解决现有分布式能源P2P交易机制设计中存在的监管方利益得不到保障、以及分布式能源产消者P2P交易参与度过低的问题,更合理的激励分布式能源产消者提高P2P参与度来降低成本,规范互动交易行为,积极参与P2P互动交易,同时有效改善电网运行效益,推动分布式能源产消者P2P交易机制的完善。本发明为分布式能源的高效消纳和互动交易提供技术保障。
为达到上述目的,本发明采用如下技术方案:
一种分布式能源产消者点对点能源交易方法,包括以下步骤:
步骤(1)、以分布式能源产消者P2P交易偏差和分布式能源消纳率为指标,结合分布式能源产消者P2P交易历史数据,量化分析分布式能源产消者P2P交易的信誉值;
步骤(2)、将步骤(1)统计量化的分布式能源产消者P2P交易的信誉值以惩罚系数形式作用于分布式能源产消者P2P交易运行成本函数,构建分布式能源产消者P2P交易的博弈模型;
步骤(3)、构造最优反应函数,将步骤(2)所得到的分布式能源产消者P2P交易模型等效转换为非线性优化问题,求取分布式能源产消者P2P交易的纳什均衡解,获取分布式能源P2P交易的最优运行方案。
进一步地,所述步骤(1)具体包括如下步骤:
步骤(1-1):以分布式能源产消者P2P交易偏差和分布式能源消纳率为指标,定义分布式能源产消者信誉值指标公式,如式(1)、(2)所示:
其中,V为分布式能源产消者P2P交易电量偏差,Pactu为电能交易中实际参与交易的电量;Ppredi为产消者根据内部电热负荷预测以及风光出力预测发布的电量。V值越小,说明分布式能源产消者上报可提供电量的准确性越高;V越大,产消者的信誉越低。为可再生能源未消纳率,用于表示可再生能源的消纳情况。λ为未消纳占比,衡量产消者的自身风光消纳能力,EP为单次交易完成后购方或售方剩余电量,Psum为单次交易中参与市场交易的产消者的电量之和;
步骤(1-2):统计分析分布式能源产消者P2P交易历史数据,依据步骤(1-1)定义的信誉值指标公式,计算反映分布式能源产消者交易信誉度的中间信誉值,如式(6)所示:
其中,为产消者i在时段t内的中间信誉值,Vi t为产消者i在交易时段t的预测电量偏差;为产消者i在交易时段t的可再生能源未消纳率;η和ξ为两个指标的权重,分别代表预测电量偏差和可再生能源消纳情况的重要程度;
步骤(1-3):根据分布式能源产消者P2P历史交易的T个时间段的中间信誉值,采用去极值平均值方式计算产消者i的最终信誉值R,如式(7)所示,并根据产消者i的最终信誉值R所处区间,确定惩罚系数μ,如式(8)所示:
其中,T=24为一天内进行交易的时间段,Ct为任一t∈T时的中间信誉值,Cmin为T中的最小中间信誉值,Cmax为T中的最大中间信誉值。
进一步地,所述步骤(2)中,包括分布式能源产消者P2P交易运行成本函数更新,分布式能源产消者P2P交易模型构建的步骤:
步骤(2-1):将步骤(1)统计量化的分布式能源产消者P2P交易的信誉值以惩罚系数形式作用于分布式能源产消者P2P交易运行成本函数,更新分布式能源产消者P2P交易运行成本函数,如式(11)所示:
其中,Cmf为产消者参与P2P市场交易的成本或收益;Cp2p为产消者与其他产消者交易成本;Cp2g为产消者与电网交易成本;为t时刻上网电价;Pt p2g为t时刻产消者与电网交易电量;为t时刻产消者之间达成交易的中间电价;Pt p2p,i为t时刻产消者参与P2P交易的成交电量;
步骤(2-2):基于步骤(2-1)更新后的分布式能源产消者P2P交易运行成本函数,构建考虑信誉值的分布式能源产消者P2P交易模型,如式(12)所示:
式中,C为分布式能源产消者总运行成本,Cop为分布式能源产消者内部机组运行成本,Com为分布式能源产消者内部机组维护成本,Cmf为分布式能源产消者参与P2P市场交易的成本或收益,计算如式(11)所示;cp2p为分布式能源产消者P2P成交电价, 2p和为P2P成交电价的最大值和最小值;为t时刻分布式能源产消者的成交功率,为t时刻与分布式能源产消者互动交易的第i个产消者的功率,为t时刻分布式能源产消者与电网交易的功率,分别为t时刻分布式能源产消者内部的光伏发电及风力发电功率,为t时刻分布式能源产消者内部的总负荷功率;pmin为t时刻分布式能源产消者允许成交功率的最小值,pmax为t时刻分布式能源产消者允许成交功率的最大值,min、max上下标分别代表变量的最小取值和最大取值。
进一步地,所述步骤(3)包括基于最优反应函数的交易模型等效转换,分布式能源产消者P2P交易模型的最优解求取的步骤:
步骤(3-1):构造最优反应函数,将步骤(2)所得到的分布式能源产消者P2P交易模型等效转换为非线性优化问题。
首先确定Nikaido-Isoda函数,将支付函数分为随着产消者策略变化的Cmf(xi)和不变的机组运行维护成本ei,产消者支付函数φi(pi)具体表示如式(17)所示:
其中,μi为i产消者的惩罚系数,pi为产消者i在t时刻的出力,pload和pload’为i产消者分别作为购电方和售电方的电力成交额,为关于购售电价cbuy和csell的函数。
其中,t时段内的供需函数ploadj(cbuy)p′loadj(csell)可表示为式(18),(19)所示:
其中:pload 0和pload 0’分别为t时段内的供需期望;α和β分别表示需求和供应关于购售价的弹性。购、售价分别可以表示为式(20),(21):
步骤(3-2):对步骤(3-1)构造后的非线性优化问题进行松弛,等效转换为如式(22)的优化问题,并采用松弛算法求取最优解,获取分布式能源P2P交易的最优运行方案:
式中:ci(yi,p)代表仅改变产消者i本身策略后产消者i的收益;ci(pi)代表不改变任何产消者策略情况下产消者i的收益。α和β分别表示需求和供应关于购售价的弹性;pi为产消者i未改变前的策略,pj,p'j为产消者j(j≠i)分别作为购售方的未改变的策略;yi为产消者i改变后的策略;为产消者i未改变策略的供需期望,为产消者j(j≠i)分别作为购售方的未改变策略的供需期望,为产消者i改变后策略的供需期望。
有益效果:
本发明通过创新信誉值指标衡量方式,不仅考虑了电力能源用户产消者的成本及收益,同时考虑到了监管方电网公司的效益,同时本发明对信誉值变化趋势的跟踪周期很长,且可以根据较长一段时间后稳定的信誉值进行分析,以便随时修改策略,在体现信誉值的长期作用影响同时,也具有较强的灵活性。
本发明可实现多利益主体参与以及可再生能源高渗透率接入下的分布式能源P2P交易行为的规范,有利于解决现有分布式能源P2P交易机制设计中存在的监管方利益得不到保障、以及分布式能源产消者P2P交易参与度过低的问题,更合理的激励分布式能源产消者提高P2P参与度来降低成本,同时有效改善电网运行效益,保障分布式能源的安全稳定监管,具有较好的应用前景。
附图说明
图1为本发明的分布式能源产消者点对点能源交易方法实施流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明的分布式能源产消者点对点能源交易方法为一种考虑信誉值长期变化趋势,并充分计及产消者、电网公司等多方主体利益的P2P分布式能源产消者交易方法,流程图如图1所示,包括以下步骤:
步骤(1)以分布式能源产消者P2P交易偏差和分布式能源消纳率为指标,结合分布式能源产消者P2P交易历史数据,量化分析分布式能源产消者P2P交易的信誉值;
步骤(2)将步骤(1)统计量化的分布式能源产消者P2P交易的信誉值以惩罚系数形式作用于分布式能源产消者P2P交易运行成本函数,构建分布式能源产消者P2P交易的博弈模型;
步骤(3)构造最优反应函数,将步骤(2)所得到的分布式能源产消者P2P交易模型等效转换为非线性优化问题,求取分布式能源产消者P2P交易的纳什均衡解,获取分布式能源P2P交易的最优运行方案。
具体地,如图1所示,所述步骤(1)具体包括如下步骤:
步骤(1-1):以分布式能源产消者P2P交易偏差和分布式能源消纳率为指标,定义分布式能源产消者信誉值指标公式,如式(1)、(2)所示。
其中,V为分布式能源产消者P2P交易电量偏差,Pactu为电能交易中实际参与交易的电量;Ppredi为产消者根据内部电热负荷预测以及风光出力预测发布的电量。V值越小,说明分布式能源产消者上报可提供电量的准确性越高;V越大,产消者的信誉越低。为可再生能源未消纳率,用于表示可再生能源的消纳情况。λ为未消纳占比,衡量产消者的自身风光消纳能力,EP为单次交易完成后购方或售方剩余电量,Psum为单次交易中参与市场交易的产消者的电量之和。
步骤(1-2):统计分析分布式能源产消者P2P交易历史数据,依据步骤(1-1)定义的信誉值指标公式,计算反映分布式能源产消者交易信誉度的中间信誉值,如式(6)所示。
其中,为产消者i在时段t内的中间信誉值,Vi t为产消者i在交易时段t的预测电量偏差;为产消者i在交易时段t的可再生能源未消纳率;η和ξ为两个指标的权重,分别代表预测电量偏差和可再生能源消纳情况的重要程度。
步骤(1-3):根据分布式能源产消者P2P历史交易的T个时间段的中间信誉值,采用去极值平均值方式计算产消者i的最终信誉值R,如式(7)所示,并根据产消者i的最终信誉值R所处区间,确定惩罚系数μ,如式(8)所示。
其中,T=24为一天内进行交易的时间段,Ct为任一t∈T时的中间信誉值,Cmin为T中的最小中间信誉值,Cmax为T中的最大中间信誉值。
所述步骤(2)中,主要包括分布式能源产消者P2P交易运行成本函数更新,分布式能源产消者P2P交易模型构建等步骤:
步骤(2-1):将步骤(1)统计量化的分布式能源产消者P2P交易的信誉值以惩罚系数形式作用于分布式能源产消者P2P交易运行成本函数,更新分布式能源产消者P2P交易运行成本函数,如式(11)所示。
其中,Cmf为产消者参与P2P市场交易的成本或收益;Cp2p为产消者与其他产消者交易成本;Cp2g为产消者与电网交易成本;为t时刻上网电价;Pt p2g为t时刻产消者与电网交易电量;为t时刻产消者之间达成交易的中间电价;Pt p2p,i为t时刻产消者参与P2P交易的成交电量。
步骤(2-2):基于步骤(2-1)更新后的分布式能源产消者P2P交易运行成本函数,构建考虑信誉值的分布式能源产消者P2P交易模型,如式(12)所示。
式中,C为分布式能源产消者总运行成本,Cop为分布式能源产消者内部机组运行成本,Com为分布式能源产消者内部机组维护成本,Cmf为分布式能源产消者参与P2P市场交易的成本或收益,计算如式(11)所示;cp2p为分布式能源产消者P2P成交电价, 和为P2P成交电价的最大值和最小值;为t时刻分布式能源产消者的成交功率,为t时刻与分布式能源产消者互动交易的第i个产消者的功率,为t时刻分布式能源产消者与电网交易的功率,分别为t时刻分布式能源产消者内部的光伏发电及风力发电功率,为t时刻分布式能源产消者内部的总负荷功率;pmin为t时刻分布式能源产消者允许成交功率的最小值,pmax为t时刻分布式能源产消者允许成交功率的最大值,min、max上下标分别代表变量的最小取值和最大取值。
所述步骤(3)中,构造最优反应函数,将步骤(2)所得到的分布式能源产消者P2P交易模型等效转换为非线性优化问题,求取分布式能源产消者P2P交易的最优解,获取分布式能源P2P交易的最优运行方案,主要包括基于最优反应函数的交易模型等效转换,分布式能源产消者P2P交易模型的最优解求取等步骤:
步骤(3-1):构造最优反应函数,将步骤(2)所得到的分布式能源产消者P2P交易模型等效转换为非线性优化问题。
首先确定Nikaido-Isoda函数,将支付函数分为随着产消者策略变化的Cmf(xi)和不变的机组运行维护成本ei。产消者支付函数φi(pi)具体表示如式(17)所示:
其中,μi为i产消者的惩罚系数,pi为产消者i在t时刻的出力,pload和pload’为i产消者分别作为购电方和售电方的电力成交额,为关于购售电价cbuy和csell的函数。
t时段内的供需函数pload(cbuy),p’load(csell)可表示为式(18),(19)所示:
其中:pload 0和pload 0’分别为t时段内的供需期望;α和β分别表示需求和供应关于购售价的弹性。购、售价分别可以表示为式(20),(21):
步骤(3-2):对步骤(3-1)构造后的非线性优化问题进行松弛,等效转换为如式(22)的优化问题,并采用松弛算法求取最优解,获取分布式能源P2P交易的最优运行方案。
式中:ci(yi,p)代表仅改变产消者i本身策略后产消者i的收益;ci(pi)代表不改变任何产消者策略情况下产消者i的收益;α和β分别表示需求和供应关于购售价的弹性;pi为产消者i未改变前的策略,pj,p'j为产消者j(j≠i)分别作为购售方的未改变的策略;yi为产消者i改变后的策略;为产消者i未改变策略的供需期望,为产消者j(j≠i)分别作为购售方的未改变策略的供需期望,为产消者i改变后策略的供需期望。
由于整理后的Nikaido-Isoda函数ψ(pi,yi)中包含关于变量pi的正平方项和yi的负平方项,式(22)为弱凸凹函数。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种分布式能源产消者点对点能源交易方法,其特征在于,包括以下步骤:
步骤(1)、以分布式能源产消者P2P交易偏差和分布式能源消纳率为指标,结合分布式能源产消者P2P交易历史数据,量化分析分布式能源产消者P2P交易的信誉值;
步骤(2)、将步骤(1)统计量化的分布式能源产消者P2P交易的信誉值以惩罚系数形式作用于分布式能源产消者P2P交易运行成本函数,构建分布式能源产消者P2P交易的博弈模型;
步骤(3)、构造最优反应函数,将步骤(2)所得到的分布式能源产消者P2P交易模型等效转换为非线性优化问题,求取分布式能源产消者P2P交易的纳什均衡解,获取分布式能源P2P交易的最优运行方案。
2.根据权利要求1所述的一种分布式能源产消者点对点能源交易方法,其特征在于,所述步骤(1)具体包括如下步骤:
步骤(1-1):以分布式能源产消者P2P交易偏差和分布式能源消纳率为指标,定义分布式能源产消者信誉值指标公式,如式(1)、(2)所示:
其中,V为分布式能源产消者P2P交易电量偏差,Pactu为电能交易中实际参与交易的电量;Ppredi为产消者根据内部电热负荷预测以及风光出力预测发布的电量;为可再生能源未消纳率,用于表示可再生能源的消纳情况;λ为未消纳占比,衡量产消者的自身风光消纳能力,EP为单次交易完成后购方或售方剩余电量,Psum为单次交易中参与市场交易的产消者的电量之和;
步骤(1-2):统计分析分布式能源产消者P2P交易历史数据,依据步骤(1-1)定义的信誉值指标公式,计算反映分布式能源产消者交易信誉度的中间信誉值,如式(6)所示:
其中,为产消者i在时段t内的中间信誉值,Vi t为产消者i在交易时段t的预测电量偏差;为产消者i在交易时段t的可再生能源未消纳率;η和ξ为两个指标的权重,分别代表预测电量偏差和可再生能源消纳情况的重要程度;
步骤(1-3):根据分布式能源产消者P2P历史交易的T个时间段的中间信誉值,采用去极值平均值方式计算产消者i的最终信誉值R,如式(7)所示,并根据产消者i的最终信誉值R所处区间,确定惩罚系数μ,如式(8)所示:
其中,T=24为一天内进行交易的时间段,Ct为任一t∈T时的中间信誉值,Cmin为T中的最小中间信誉值,Cmax为T中的最大中间信誉值;
3.根据权利要求2所述的一种分布式能源产消者点对点能源交易方法,其特征在于,所述步骤(2)中,包括分布式能源产消者P2P交易运行成本函数更新,分布式能源产消者P2P交易模型构建的步骤:
步骤(2-1):将步骤(1)统计量化的分布式能源产消者P2P交易的信誉值以惩罚系数形式作用于分布式能源产消者P2P交易运行成本函数,更新分布式能源产消者P2P交易运行成本函数,如式(11)所示:
其中,Cmf为产消者参与P2P市场交易的成本或收益;Cp2p为产消者与其他产消者交易成本;Cp2g为产消者与电网交易成本;为t时刻上网电价;Pt p2g为t时刻产消者与电网交易电量;为t时刻产消者之间达成交易的中间电价;Pt p2p,i为t时刻产消者参与P2P交易的成交电量;
步骤(2-2):基于步骤(2-1)更新后的分布式能源产消者P2P交易运行成本函数,构建考虑信誉值的分布式能源产消者P2P交易模型,如式(12)所示:
式中,C为分布式能源产消者总运行成本,Cop为分布式能源产消者内部机组运行成本,Com为分布式能源产消者内部机组维护成本,Cmf为分布式能源产消者参与P2P市场交易的成本或收益,计算如式(11)所示;cp2p为分布式能源产消者P2P成交电价, 和为P2P成交电价的最大值和最小值;为t时刻分布式能源产消者的成交功率,为t时刻与分布式能源产消者互动交易的第i个产消者的功率,为t时刻分布式能源产消者与电网交易的功率,分别为t时刻分布式能源产消者内部的光伏发电及风力发电功率,为t时刻分布式能源产消者内部的总负荷功率;pmin为t时刻分布式能源产消者允许成交功率的最小值,pmax为t时刻分布式能源产消者允许成交功率的最大值,min、max上下标分别代表变量的最小取值和最大取值。
4.根据权利要求3所述的一种分布式能源产消者点对点能源交易方法,其特征在于,所述步骤(3)包括基于最优反应函数的交易模型等效转换,分布式能源产消者P2P交易模型的最优解求取的步骤:
步骤(3-1):构造最优反应函数,将步骤(2)所得到的分布式能源产消者P2P交易模型等效转换为非线性优化问题:
首先确定Nikaido-Isoda函数,将支付函数分为随着产消者策略变化的Cmf(xi)和不变的机组运行维护成本ei,产消者支付函数φi(pi)具体表示如式(17)所示:
其中,μi为i产消者的惩罚系数,pi为产消者i在t时刻的出力,pload和pload’为产消者i分别作为购电方和售电方的电力成交额,为关于购售电价cbuy和csell的函数;
t时段内的供需函数ploadj(cbuy),ploadj(csell)由式(18),(19)所示:
其中:pload 0和pload 0’分别为t时段内的供需期望;α和β分别表示需求和供应关于购售价的弹性;购、售价分别表示为式(20),(21):
步骤(3-2):对步骤(3-1)构造后的非线性优化问题进行松弛,等效转换为如式(22)的优化问题,并采用松弛算法求取最优解,获取分布式能源P2P交易的最优运行方案:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211356171.9A CN115601176A (zh) | 2022-11-01 | 2022-11-01 | 一种分布式能源产消者点对点能源交易方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211356171.9A CN115601176A (zh) | 2022-11-01 | 2022-11-01 | 一种分布式能源产消者点对点能源交易方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115601176A true CN115601176A (zh) | 2023-01-13 |
Family
ID=84851064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211356171.9A Pending CN115601176A (zh) | 2022-11-01 | 2022-11-01 | 一种分布式能源产消者点对点能源交易方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115601176A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117494909A (zh) * | 2023-12-29 | 2024-02-02 | 国网浙江省电力有限公司营销服务中心 | 基于熵权自适应igdt的购电优化方法、装置和介质 |
-
2022
- 2022-11-01 CN CN202211356171.9A patent/CN115601176A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117494909A (zh) * | 2023-12-29 | 2024-02-02 | 国网浙江省电力有限公司营销服务中心 | 基于熵权自适应igdt的购电优化方法、装置和介质 |
CN117494909B (zh) * | 2023-12-29 | 2024-05-28 | 国网浙江省电力有限公司营销服务中心 | 基于熵权自适应igdt的购电优化方法、装置和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fang et al. | Multi-agent deep reinforcement learning for distributed energy management and strategy optimization of microgrid market | |
Tushar et al. | A motivational game-theoretic approach for peer-to-peer energy trading in the smart grid | |
Li et al. | Trading strategy and benefit optimization of load aggregators in integrated energy systems considering integrated demand response: A hierarchical Stackelberg game | |
Luo et al. | Distributed peer-to-peer energy trading based on game theory in a community microgrid considering ownership complexity of distributed energy resources | |
Ju et al. | Robust purchase and sale transactions optimization strategy for electricity retailers with energy storage system considering two-stage demand response | |
Chen et al. | Research on day-ahead transactions between multi-microgrid based on cooperative game model | |
Yang et al. | Integrated operation optimization for CCHP micro-grid connected with power-to-gas facility considering risk management and cost allocation | |
Li et al. | Peer-to-peer multi-energy sharing for home microgrids: An integration of data-driven and model-driven approaches | |
Li et al. | Incentivizing distributed energy trading among prosumers: A general Nash bargaining approach | |
Jianwei et al. | Configuration optimization and benefit allocation model of multi-park integrated energy systems considering electric vehicle charging station to assist services of shared energy storage power station | |
Yi et al. | Research on tradable green certificate benchmark price and technical conversion coefficient: Bargaining-based cooperative trading | |
Ziras et al. | What do prosumer marginal utility functions look like? Derivation and analysis | |
Li et al. | An aggregator-oriented hierarchical market mechanism for multi-type ancillary service provision based on the two-loop Stackelberg game | |
Zhao et al. | Optimal operation of distribution networks and multiple community energy prosumers based on mixed game theory | |
Vincent et al. | Sustainable microgrid design with multiple demand areas and peer-to-peer energy trading involving seasonal factors and uncertainties | |
Gao et al. | Green electricity trading driven low-carbon sharing for interconnected microgrids | |
CN114444864A (zh) | 基于区块链的分布式电力市场下分层电力交易匹配方法 | |
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 | |
CN115601176A (zh) | 一种分布式能源产消者点对点能源交易方法 | |
Zhou et al. | A decentralized peer-to-peer energy trading strategy considering flexible resource involvement and renewable energy uncertainty | |
Wang et al. | Study on the bi-level optimal clearing model of electricity market considering the weight of consumption responsibility | |
Bâra et al. | Enabling coordination in energy communities: A Digital Twin model | |
Gomes et al. | Costless renewable energy distribution model based on cooperative game theory for energy communities considering its members’ active contributions | |
Yu et al. | A Stackelberg game-based peer-to-peer energy trading market with energy management and pricing mechanism: A case study in Guangzhou | |
Li et al. | A novel price-driven energy sharing mechanism for charging station operators |
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 |