CN115907232A - 区域综合能源系统集群协同优化方法、系统、设备及介质 - Google Patents
区域综合能源系统集群协同优化方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN115907232A CN115907232A CN202310012770.7A CN202310012770A CN115907232A CN 115907232 A CN115907232 A CN 115907232A CN 202310012770 A CN202310012770 A CN 202310012770A CN 115907232 A CN115907232 A CN 115907232A
- Authority
- CN
- China
- Prior art keywords
- energy system
- power
- comprehensive energy
- regional
- game
- 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.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 118
- 238000000034 method Methods 0.000 title claims abstract description 71
- 230000008901 benefit Effects 0.000 claims abstract description 36
- 238000009826 distribution Methods 0.000 claims abstract description 28
- 230000006870 function Effects 0.000 claims description 51
- 230000005611 electricity Effects 0.000 claims description 48
- 239000007789 gas Substances 0.000 claims description 40
- 238000003860 storage Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 16
- 238000004146 energy storage Methods 0.000 claims description 16
- 238000007599 discharging Methods 0.000 claims description 13
- 238000010521 absorption reaction Methods 0.000 claims description 12
- 239000002918 waste heat Substances 0.000 claims description 12
- 239000000446 fuel Substances 0.000 claims description 11
- 238000005338 heat storage Methods 0.000 claims description 11
- 238000012423 maintenance Methods 0.000 claims description 11
- 230000003993 interaction Effects 0.000 claims description 8
- 230000006399 behavior Effects 0.000 claims description 7
- 238000003912 environmental pollution Methods 0.000 claims description 7
- 230000002452 interceptive effect Effects 0.000 claims description 5
- 230000011273 social behavior Effects 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 12
- 238000010438 heat treatment Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 239000003795 chemical substances by application Substances 0.000 description 6
- 238000001816 cooling Methods 0.000 description 6
- 230000006872 improvement Effects 0.000 description 6
- 239000003345 natural gas Substances 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 238000002485 combustion reaction Methods 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 4
- 238000005485 electric heating Methods 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 239000003344 environmental pollutant Substances 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 231100000719 pollutant Toxicity 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 230000017525 heat dissipation Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种区域综合能源系统集群协同优化方法、系统、设备及介质，属于综合能源系统技术领域，包括：获取综合能源系统参数，将综合能源系统集群划分为多个区域综合能源系统，构建区域综合能源系统中的设备的功率模型，计算区域综合能源系统的运行成本；以区域综合能源系统的运行成本最小为目标函数，构建综合能源系统集群优化调度模型和约束条件；引入配电网运营商搭建分布式分层的多主体博弈架构，结合所述综合能源系统集群优化调度模型建立基于多主体博弈的区域综合能源系统集群协同优化模型，并求解得到博弈均衡解并输出。该方法实现了调度周期内各主体利益均衡下的协同优化，避免了单一主体决策中存在的主观偏见。
Description
技术领域
本发明涉及综合能源系统技术领域，特别是涉及区域综合能源系统集群协同优化方法、系统、设备及介质。
背景技术
综合能源系统是指一定区域内利用先进的物理信息技术和创新管理模式，整合区域内煤炭、石油、天然气、电能、热能等多种能源，实现多种异质能源子系统之间的协调规划、优化运行，协同管理、交互响应和互补互济。在满足系统内多元化用能需求的同时，要有效地提升能源利用效率，促进能源可持续发展的新型一体化的能源系统。在能源互联网的背景下，研究综合能源系统的优化问题可以进一步缓解能源供需矛盾，促进能源可持续供应，突破传统能源体系结构和行业壁垒。
综合能源系统通过电力、燃气、供热/冷等多种能源环节的有机协调，有利于促进可再生能源的消纳，提高能源利用率。现今对于单个区域综合能源系统的优化已较为成熟，开始逐步将研究对象转向区域综合能源系统集群，主要以集中式优化和分布式优化两种方法为主。集中式方法对集群内不同区域的所有分布式能源出力进行集中求解、统一调度；分布式方法通过引入辅助变量，对目标函数进行解耦，将原优化问题分解成上、下两层优化目标，分别求解。前者问题规模庞大，难以求解，后者虽然降低了问题维度，且能够在一定程度上满足隐私性需求，但难以兼顾不同主体的利益诉求。
现有技术主要存在以下几点技术问题：1）综合能源系统是一个多输入、多输出的复杂系统，传统的集中式建模方法难以处理海量数据和愈加紧密的耦合约束，面对规模庞大的优化问题，可能无法求解；2）传统的集中式集群优化方法对不同区域的能源设备进行统一调度，造成了巨大的通信负担，产生了巨额实施成本，且无法保护不同主体的信息隐私；3）传统的分布式建模方法虽然能够保护各主体的隐私，但综合能源系统趋向分散化，利用单一主体的优化方法无法避免主观偏见，难以适用于决策主体多元化发展。
总体而言，多能源耦合愈加密切的综合能源系统优化调度问题存在问题复杂度高、求解规模庞大、决策主体多元化特征，目前缺少一种经济、妥善、合理兼顾各主体利益的优化方法。因此亟需一种面向决策主体多元化的集群协同优化方法。
发明内容
为解决综合能源系统优化调度中，无法揭示复杂多主体的利益诉求关联的问题，本发明提出一种区域综合能源系统集群协同优化方法、系统、设备及介质，该综合能源系统优化调度的方法更加合理、经济、可靠，实现调度周期内各主体利益均衡下的协同优化，避免了单一主体决策中存在的主观偏见。
为达到上述目的，本发明采用以下技术方案予以实现：
一种区域综合能源系统集群协同优化方法，包括：
获取综合能源系统参数，将综合能源系统集群划分为多个区域综合能源系统，构建区域综合能源系统中的设备的功率模型，基于所述综合能源系统参数和功率模型计算区域综合能源系统的运行成本；
以区域综合能源系统的运行成本最小为目标函数，构建综合能源系统集群优化调度模型和约束条件；
引入配电网运营商搭建分布式分层的多主体博弈架构，结合所述综合能源系统集群优化调度模型建立基于多主体博弈的区域综合能源系统集群协同优化模型，并求解得到博弈均衡解并输出；所述多主体博弈架构包括：
上层配电网运营商作为DSO，汇总各区域综合能源系统上报的购售电量，结合上网电价和电网电价，以最大化自身收益为目标，给出内部交易电价策略；下层各区域综合能源系统作为RIES，以最小化运行成本为目标安排内部各分布式电源出力，给出交易电量策略，构成主从博弈的多主体博弈架构。
作为本发明的进一步改进，所述以区域综合能源系统的运行成本最小为目标函数，构建综合能源系统集群优化调度模型和约束条件中，目标函数为：
其中，t表示每个调度时间段，NT为一日总的调度时段数，i为区域综合能源系统编号，为运行成本，为燃料成本，为运维成本，为交易成本，为中断负荷补偿成本，为环境污染惩罚成本；
所述目标函数的约束条件包括：
1）功率平衡等式约束条件：
1.1）电功率平衡方程：
式中，、分别为风电和光伏机组的电功率；为中微燃机的电出力；、分别为蓄电池的充放电功率；为交换功率；、分别为电负荷和可中断负荷；、分别为电热泵和电制冷机的功耗和输出功率；
1.2）热功率平衡方程：
式中，、、分别为燃气锅炉、余热锅炉和电热泵发出的热功率；、分别为储热槽的充放热功率；、分别为热负荷和可中断负荷；
1.3）冷功率平衡方程：
式中，为冷负荷；为吸收式制冷机的输出功率；为电制冷机的输出功率；
2）设备运行不等式约束：
式中，、分别为微型燃气轮机的出力上下限，为微型燃气轮机的出力；
式中，为调度时间段长度，为微型燃气轮机的上爬坡速率，为微型燃气轮机的下爬坡速率；为t-1时段微型燃气轮机的出力；
式中，为内微源k的出力，为内微源k的出力上限；
式中，、分别为蓄电池的充放电功率；为储能总容量；、分别为蓄电池的最大充放电倍率；、分别为蓄电池的最小和最大荷电状态；、为二进制变量，表示蓄电池的充放电状态，为t时段的储能容量；、分别为一个周期内初、末时段的储能容量；
式中，为可中断负荷占总负荷的比例；、分别为t时段区域i的第j类电可中断负荷和总负荷；
式中，、分别为交互功率及其上限值。
作为本发明的进一步改进，结合所述综合能源系统集群优化调度模型建立基于多主体博弈的区域综合能源系统集群协同优化模型，是根据多主体博弈架构中参与者、策略集和支付函数作为基本要素，结合综合能源系统集群优化调度模型建立基于多主体博弈的集群协同优化模型，具体包括：
式中，s.t.为约束条件，arg为求参数函数；为DSO的效益；为t时段电力市场的购买电价；为t时段电力市场的出售电价；为第i个RIES的设备出力和购售电量策略；为其最佳策略；为RIES的策略空间；
其中，DSO的决策变量为购售电价，记作π，如下式所示：
式中，为一日总的调度时段数；且该策略在策略空间内：
第i个RIES的设备出力和购售电量策略记作：
式中，t为调度时段；N为RIES集群内包含的区域综合能源系统数目；i为区域综合能源系统编号；为交互功率；为微型燃气轮机的出力；、为蓄电池的充放电功率；、分别为电热泵和电制冷机的输出功率；、分别为燃气锅炉和余热锅炉发出的热功率；、为储热槽的充放热功率；为吸收式制冷机的输出功率；
DSO的效益函数为最大化净利润：
式中，为DSO的效益，为t时段集群内出售的能源之和；为t时段集群内收购的能源之和；为DSO向电力市场的售电能；为DSO向电力市场的购电能；
RIES的效益函数为最小化运行成本：
式中，为RIES的效益，、、、、分别为燃料成本、运维成本、交易成本、中断负荷补偿成本和环境惩罚成本。
作为本发明的进一步改进，还包括对基于多主体博弈的区域综合能源系统集群协同优化模型的评价步骤：
引入利他偏好来表示博弈者之间的适度合作行为，构造轻微利他函数如下：
式中，i和j分别表示不同的RIES，是第i个RIES的利他函数，为第i个RIES的效益函数，为第i个效益函数初值，为利他因子，n是RIES的数量。
作为本发明的进一步改进，求解得到博弈均衡解，包括：
区域综合能源系统集群协同优化模型的上层配电网策略调整采用差分进化启发式算法，在优化中调用下层博弈结果；下层各区域综合能源系统以运行成本最小为目标，进行日前自治优化调度，确定储能的充放电行为，并将购售电量决策反馈给配电网运营商；通过不断地调整决策，逼近博弈均衡解。
作为本发明的进一步改进，所述通过不断地调整决策，逼近博弈均衡解，具体包括如下步骤：
a、配电网运营商生成符合条件的初始电价种群，区域综合能源系统根据源荷预测数据进行自治预调度，并发布初始交易电量；
b、配电网运营商选取电价策略公布给综合能源系统集群，并调用下层模型求解各区域交易电量；重复步骤b直到所有策略均被选取，计算目标函数值，并更新最优解；
c、进行收敛判断，若满足则迭代停止，输出博弈均衡解；若不满足则对当前电价种群进行操作进化，得到新种群；重复步骤a~c，直到满足收敛条件，找到博弈均衡解。
作为本发明的进一步改进，所述综合能源系统参数包括综合能源系统配置参数、电热冷负荷及风电出力预测数据；
所述区域综合能源系统中的设备包括：光伏机组、风电机组、微型燃气轮机、燃气锅炉、余热锅炉、吸收式制冷机、电热泵、电制冷机和储能装置；区域综合能源系统与配电网通过联络线进行电能交互；
所述运行成本包括燃料成本、运维成本、交易成本、中断负荷补偿成本和环境污染惩罚成本。
一种区域综合能源系统集群协同优化系统，包括：
成本计算模块，用于获取综合能源系统参数，将综合能源系统集群划分为多个区域综合能源系统，构建区域综合能源系统中的设备的功率模型，基于所述综合能源系统参数和功率模型计算区域综合能源系统的运行成本；
模型构建模块
，用于以区域综合能源系统的运行成本最小为目标函数，构建综合能源系统集群优化调度模型和约束条件；
博弈求解模块，用于引入配电网运营商搭建分布式分层的多主体博弈架构，结合所述综合能源系统集群优化调度模型建立基于多主体博弈的区域综合能源系统集群协同优化模型，并求解得到博弈均衡解并输出；所述多主体博弈架构包括：
上层配电网运营商作为DSO，汇总各区域综合能源系统上报的购售电量，结合上网电价和电网电价，以最大化自身收益为目标，给出内部交易电价策略；下层各区域综合能源系统作为RIES，以最小化运行成本为目标安排内部各分布式电源出力，给出交易电量策略，构成主从博弈的多主体博弈架构。
一种电子设备，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所述区域综合能源系统集群协同优化方法的步骤。
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所述区域综合能源系统集群协同优化方法的步骤。
与现有技术相比，本发明具有以下有益效果：
本发明方法结合博弈论方法，建立基于多主体博弈的区域综合能源系统集群协同优化模型，将集群协同优化调度问题转化为多主体博弈模型，通过反复博弈调整各自策略，实现调度周期内各主体利益均衡下的协同优化，避免了单一主体决策中存在的主观偏见。利用多主体博弈理论对区域综合能源系统集群进行日前调度优化，能够兼顾到各主体的不同利益诉求，更加适用于能源互联网背景下决策主体多元化发展的趋势。在博弈机制激励下，运营商可以通过调整集群内部电价策略，使其收益得到大幅提升，并促进集群能量共享，减少对上级电网的依赖；同时，各区域在实现多能互补自治的基础上，进一步利用负荷差异及作为产消者的双重角色，通过角色灵活切换和优化能源需求，降低各自运行成本，能够实现多主体利益均衡下的集群协同优化。
附图说明
图1为本发明一种区域综合能源系统集群协同优化方法流程图；
图2为本发明建立综合能源系统集群优化调度模型；
图3为本发明可选实施例给出的博弈均衡求取过程流程图；
图4为本发明提供的一种区域综合能源系统集群协同优化系统。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。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他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
术语解释说明：
RIES Regional integrated energy system 区域综合能源系统
DSO Distributed system operator 配电网运营商
CCHP Combined cooling, heat, and power 冷热电联产
MAG Muti-agent game 多主体博弈
在能源互联网背景下，为了实现多能源系统的互补优化、多区域之间的协调运行，促进能源供应可持续发展，综合能源系统集群应运而生。然而，综合能源系统集群伴随着决策主体多元化，不同主体之间存在着复杂的利益诉求关联，且要求隐私性，这对系统安全经济运行中潜在的利益竞争甚至冲突提出了巨大的挑战。为了缓解能源需求急剧增长与能源可持续供应之间的矛盾，区域综合能源系统（RIES）通过多源协调，实现能源梯级利用，成为一种有效的手段。进一步对于由多个RIES构成的集群，亟需一种多区域协调的协同优化运行方法。目前对集群优化问题的处理，主要面向电力单一能源，以集中式方式对集群统一调度，该方法难以避免主观偏见，且无法保护不同主体隐私。
如图1所示，本发明第一个目的是提出的一种区域综合能源系统集群协同优化方法，包括：
获取综合能源系统参数，将综合能源系统集群划分为多个区域综合能源系统，构建区域综合能源系统中的设备的功率模型，基于所述综合能源系统参数和功率模型计算区域综合能源系统的运行成本；
以区域综合能源系统的运行成本最小为目标函数，构建综合能源系统集群优化调度模型和约束条件；
引入配电网运营商搭建分布式分层的多主体博弈架构，结合所述综合能源系统集群优化调度模型建立基于多主体博弈的区域综合能源系统集群协同优化模型，并求解得到博弈均衡解并输出。
本发明提出的基于多主体博弈的区域综合能源系统集群协同优化方法，首先针对RIES集群优化调度问题进行建模，然后提出分布式分层博弈架构，并将该问题转化为多主体博弈模型，通过博弈寻求最佳策略。最后对基于多主体博弈的RIES集群协同优化运行博弈结果进行分析，并进一步验证该方法的有效性。
本发明提出的基于多主体博弈的区域综合能源系统集群协同优化方法，采用分布式求解方法，各主体独立决策，反复博弈，很好地解决了综合能源系统集群协同优化中的多决策主体利益冲突问题，为多能源系统集群协同优化思路提供了有力的技术支持，对实现系统的多能互补、多区域协调、经济运行具有重要意义。
具体方法结合附图和实施例进行如下详细说明。
步骤1 导入综合能源系统参数。首先收集综合能源系统配置参数和电热冷负荷及风电出力预测数据。
步骤2 建立综合能源系统集群优化调度模型。
本发明将综合能源系统集群中的每个区域视作一个主体，区域内主要包含的设备有：光伏机组(PV)、风电机组(WT)、微型燃气轮机(MT)、燃气锅炉(GB)、余热锅炉(WH)、吸收式制冷机(AC)、电热泵(HP)、电制冷机(EC)和储能装置(ES)。
RIES与配电网通过联络线进行电能交互。冷热电联产(CCHP)作为综合能源系统的核心单元，主要由微型燃气轮机、余热锅炉和吸收式制冷机构成。
1）冷热电联产系统
(1)
式中，为t时段区域i微型燃气轮机的发电功率、排气余热量和发电效率和散热损失率。
(2)
式中，分别为余热锅炉输入和回收的热功率、制热效率。
(3)
式中，为吸收式制冷机的制冷功率、效率及消耗的热功率。
2）燃气锅炉
燃气锅炉将天然气作为燃料，通过燃烧器加热，实现供暖和提供生活热水。
(4)
式中，分别是t时段区域i燃气锅炉消耗的天然气量、输出功率、运行效率，LHV为天然气低热值。
3）电热泵
电热泵能够实现电热能量转换，配合冷热电联产系统和燃气轮机提供热负荷需求，其数学模型为：
(5)
其中，分别是t时段区域i电热泵的用电功率、制热功率和电热转换效率。
4）电制冷机
电制冷机能够实现电冷能量转换，配合吸收式制冷机提供冷负荷，其数学模型为：
(6)
其中，分别是t时段电制冷机的输入电功率、输出冷功率和转换效率。
5）储能装置
区域综合能源系统中的储能装置主要包括蓄电池和储热槽。其数学模型如下：
(7)
为t时段区域i的蓄电池储能容量，是蓄电池充放电功率及效率，为蓄电池的自放电率，数值很小；为t时段区域i的储热槽储能容量， 是储热槽充放热功率及效率，为蓄热槽的散热损失率；为时间段变化量。
步骤201 建立目标函数。
本发明以实现区域综合能源系统的运行成本最小为目标，计及燃料成本、运维成本、交易成本、中断负荷补偿成本和环境污染惩罚成本：
(8)
其中，t表示每个调度时间段，NT为一日总的调度时段数，i为第i个区域综合能源系统，为燃料成本，为运维成本，为交易成本、为中断负荷补偿成本，为环境污染惩罚成本。
1）燃料成本
(9)
式中，为天然气价格；LHV为天然气低热值；分别为t时段区域i微型燃气轮机的发电功率和发电效率；分别为t时段区域i燃气锅炉消耗的输出功率和运行效率；为时间段变化量。
2）运维成本
(10)
式中，分别为设备k的单位功率运维成本和输出功率；为区域内的设备数量。
3）交易成本
(11)
式中，分别是t时段购电功率、售电功率、购买电价和出售电价。
4）中断负荷补偿成本
(12)
式中，为t时段区域i的第j类负荷中断量及单位中断功率补偿价格；J为可中断负荷的集合。
5）环境污染惩罚成本
(13)
式中，n为区域内包含的微源数量；为污染物的数量；为第k个微源单位电量第e项污染物排放量；为第e项污染物的单位环境价值及所受罚款；为该区域中设备k的输出功率。
步骤202 建立优化模型的约束条件：
1）功率平衡等式约束条件
式(14)-(16)分别表示系统的电、热、冷功率平衡方程。
电功率平衡方程：
(14)
式中，分别为风电和光伏机组的电功率，由于旨在研究日前调度问题，故此处忽略新能源出力不确定性，采取预测值；为t时段区域i中微燃机的电出力；分别为t时段区域i中蓄电池的充放电功率；为t时段区域i的交互功率；分别为t时段区域i的电负荷和可中断负荷；分别为t时段区域i中电热泵和电制冷机的功耗和输出功率。
热功率平衡方程：
(15)
式中，分别为t时段区域i中燃气锅炉、余热锅炉和电热泵发出的热功率；分别为t时段区域i中蓄热罐的充放热功率；分别为t时段区域i的热负荷和可中断负荷。
(16)
式中，为t时段区域i的冷负荷和可中断负荷；为t时段区域i中吸收式制冷机的输出功率；为t时段区域i中电制冷机的输出功率。
2）设备运行不等式约束
(17)
(18)
式(17)-(18)为微型燃气轮机的运行条件，其中区域i微型燃气轮机的出力上下限，为微型燃气轮机的上爬坡速率，为微型燃气轮机的下爬坡速率。
(19)
式(19)是其他微源的出力约束，包括燃气锅炉、电热泵等，为区域i内微源k的出力上限。
(20)
(21)
(22)
(23)
(24)
蓄电池的相关约束如式(20)-(24)，为储能总容量，分别为蓄电池的最大充放电倍率，分别为蓄电池的最小和最大荷电状态；式(22)表明任一时段蓄电池只能处于充电或放电状态，其中为二进制[0，1]变量，表示蓄电池的充放电状态；式(22)表明蓄电池的剩余能量在调度周期内的始、末值一致，分别为一个周期内初、末时段的储能容量；为t时段的储能容量；储热槽同样作为一种储能设备，与蓄电池的约束条件类似，此处不再赘述。
(25)
式(25)为可中断负荷的约束条件，为可中断负荷占总负荷的比例；分别为t时段区域i的第j类电可中断负荷和总负荷。
(26)
式(26)代表联络线功率约束，分别为交互功率及其上限。正值代表购电，负值代表售电，在任一时段，RIES的身份只能是购电方或售电方，不能双向传输。
步骤2中，CCHP机组还可采用固定电热比例形式进行建模，但微燃机出力需要随时跟踪热负荷，其控制灵活性不高。
步骤3 建立基于多主体博弈的区域综合能源系统集群协同优化模型。
本发明引入配电网运营商（DSO）来协调不同区域综合能源系统（RIES）之间的能量交互，各RIES在实现区域内部自治优化调度的基础上，作为产消者参与集群协同优化。
步骤301 搭建多主体博弈架构。
考虑DSO和区域综合能源系统集群的不同利益诉求，建立有限理性假设下DSO与多区域的分布式分层博弈优化模型，研究DSO定价策略与RIES运行的影响。建立如下博弈结构：上层配电网运营商充当领导者，汇总各RIES上报的购售电量，结合上网电价和电网电价，以最大化自身收益为目标，给出内部交易电价策略；下层各RIES充当跟随者，以最小化运行成本为目标合理安排内部各分布式电源出力，给出交易电量策略，构成主从博弈；考虑不同区域的竞合关系，通过演化博弈模拟决策行为，如图2所示。
步骤302 建立博弈协同优化模型。
根据博弈格局中参与者、策略集和支付函数3个基本要素，结合综合能源系统集群优化调度模型建立基于多主体博弈的集群协同优化模型。
1）参与者。参与者与所研究系统的多个决策主体对应，配电网运营商和各区域综合能源系统即为博弈双方。
2）策略。博弈参与者的策略与所研究系统的待优化变量对应。DSO的决策变量为购售电价，记作π，如下式所示：
(27)
式中，为DSO采取的内部购电价策略；为DSO采取的内部出售电价策略，且该策略应在式(28)确定的策略空间内：
(28)
式中，为t时段电力市场的购买电价；为t时段电力市场的出售电价。
RIES的决策变量为购售电量，但由于各时段设备出力和购售电策略息息相关，故也视为决策变量，共同参与博弈，记作，如式(29)所示。策略空间由式(14)-(16)所示约束条件构成；
(29)
式中，为t时段区域i的交互功率；为t时段区域i的微燃机的电出力；为t时段区域i蓄电池的充放电功率；分别为t时段区域i电热泵和电制冷机的输出功率；分别为t时段区域i中燃气锅炉和余热锅炉发出的热功率；为t时段区域i中储热槽的充放热功率；为t时段区域i中吸收式制冷机的输出功率；N为RIES集群内包含的区域综合能源系统数目；为一日总的调度时段数。
3)支付函数。DSO和RIES的效益函数分别为最大化净利润和最小化运行成本。
DSO的效益函数：
(30)
式中，为一日总的调度时段数；为t时段电力市场的购买电价；为t时段电力市场的出售电价；为DSO采取的内部购电价策略；为DSO采取的内部出售电价策略；为t时段集群内出售的能源之和；为t时段集群内收购的能源之和；为DSO向电力市场的售电能；为DSO向电力市场的购电能；表达式如下：
(31)
式中，N+、N-分别为购电和售电的RIES集合；分别为第i个RIES的售电功率和购电功率。
RIES的效益函数：
(32)
式中，、、、分别为燃料成本、运维成本、交易成本、中断负荷补偿成本和环境惩罚成本；为一日总的调度时段数。
根据以上三要素，建立DSO和RIES的主从博弈模型如下：
(33)
式中，为DSO的效益；为DSO采取的内部购买电价策略；为DSO采取的内部出售电价策略；为DSO购售电价策略空间集；为t时段电力市场的购买电价；为t时段电力市场的出售电价；为RIES的决策变量，即购售电量及各设备出力值；为最佳策略。
下层多个RIES间的利益关联采用演化博弈模拟。经典博弈论一般要求参与者具备完全理性和掌握双方完全信息两个假设条件，由于假设过强而缺乏现实意义。在实际RIES之间互动的决策过程中，参与者只具备有限的理性，博弈均衡的达到是在具有有限理性的参与者之间通过不断反复博弈来逼近的。
因此利用演化博弈论更能模拟有限理性人的行为，有更强的适用性。考虑到博弈者会存在某种程度的合作与利他行为以增进自身的利益，具有竞争、合作并存的特点。
本发明引入利他偏好来表示博弈者之间的适度合作行为，构造轻微利他函数如下：
(34)
式中，i和j分别表示不同的RIES，n为RIES的总数量；是第i个RIES的利他函数，为其效益函数，如式(32)所示。为效益函数初值，为利他因子，代表对其他局中人的关注程度，值越大，表明合作意愿越高。
利他偏好体现为不仅考虑自身的利益函数，也关注对方的利益函数，但不会超过对自身利益的关注，这种行为是适度的，需满足如式(35)所示条件。
(35)
演化博弈的参与者为集群内的多个区域综合能源系统，其支付函数如式(34)所示，博弈策略如式(29)所示，策略空间由式(14)-(26)所示所有约束条件构成。
将基于有限理性的演化博弈方法应用于集群优化中，引入轻微利他函数，由利他因子来刻画博弈者的适度合作行为，可以更合理地拟合、解释现实优化中动态博弈现象。
步骤3中，多主体博弈架构中下层跟随者，即各区域综合能源系统之间还可采用非合作博弈，需要要求参与者具备完全理性。还可将区域综合能源系统集群作为一个主体，与运营商进行博弈。
步骤4 博弈均衡求取过程。得到博弈均衡解用于区域综合能源系统集群协同优化。
假设参与博弈双方为有限理性人，采用演化博弈论中的最优反应动态来寻找博弈均衡解。且跟随者RIES在领导者DSO给定策略下同时独立决策，只分享其交易电量信息。基于该假设条件，在同时存在生产型和消费型RIES的有效博弈时段，上层配电网策略调整采用差分进化（differential evolution，DE）启发式算法，在优化中调用下层博弈结果。下层各RIES以运行成本最小为目标，进行日前自治优化调度，确定储能的充放电行为，并将购售电量决策反馈给DSO。通过不断地调整决策，逼近博弈均衡解。
求解流程图如图3所示，具体步骤如下：
a、输入可再生能源输出功率、负荷的预测数据。
b、DSO生成符合条件的初始电价种群。
c、RIES根据源荷预测数据进行自治预调度，并发布初始交易电量。
d、DSO选取电价策略公布给RIES集群，并调用下层模型求解交易电量。
e、重复步骤d直到所有策略均被选取，计算目标函数值，更新最优解，若目标值无改进，则直接进行第e步。
f、收敛判断：若满足收敛条件（达到最大演化时间或策略不再改变），则迭代停止，并输出均衡解，否则转第g步。
g、进行种群进化，主要包括：1）采取DE/rand/1变异操作，该操作中变异基向量由随机选择产生，以此对当前种群进行差分变异，得到变异个体；2）将当前种群和变异个体重组，得到试验种群，计算适应度；3）在两个种群之间采用一对一生存者选择方法得到新一代种群。返回第d步。
博弈过程中各RIES只需共享交易电量信息，能够保护各主体隐私，保证调度决策的相对独立性。其通过响应DSO给出的内部电价决策，灵活切换市场参与角色，优化能源需求，从而可以降低区域运行成本，同时提高集群能量协调水平，是一种有效的集群协同优化方法。
步骤4中，博弈均衡的求取可利用基于KKT条件的数值优化方法，将下层博弈均衡替换为等同的非线性KKT条件进而联立求解。
本发明搭建的面向区域综合能源系统集群的分布式分层博弈架构解决了数据海量难以集中求解的问题，且博弈过程中每个区域综合能源系统只需共享交易电量信息，能够保护各主体隐私，保证决策相对独立性。
将基于有限理性的演化博弈方法应用于多区域综合能源系统优化中，由轻微利他因子来刻画博弈者的适度合作行为，可以更有效地拟合、解释现实优化中动态博弈现象。
利用多主体博弈理论对区域综合能源系统集群进行日前调度优化，解决了单一主体决策带来的主观偏见问题，能够兼顾到各主体的不同利益诉求，更加适用于能源互联网背景下决策主体多元化发展的趋势。在博弈机制激励下，运营商可以通过调整集群内部电价策略，使其收益得到大幅提升，并促进集群能量共享，减少对上级电网的依赖；同时，各区域在实现多能互补自治的基础上，进一步利用负荷差异及作为产消者的双重角色，通过角色灵活切换和优化能源需求，降低各自运行成本，能够实现多主体利益均衡下的集群协同优化。
如图4所示，本发明第二个目的是提供一种区域综合能源系统集群协同优化系统，包括：
成本计算模块，用于获取综合能源系统参数，将综合能源系统集群划分为多个区域综合能源系统，构建区域综合能源系统中的设备的功率模型，基于所述综合能源系统参数和功率模型计算区域综合能源系统的运行成本；
模型构建模块
，用于以区域综合能源系统的运行成本最小为目标函数，构建综合能源系统集群优化调度模型和约束条件；
博弈求解模块，用于引入配电网运营商搭建分布式分层的多主体博弈架构，结合所述综合能源系统集群优化调度模型建立基于多主体博弈的区域综合能源系统集群协同优化模型，并求解得到博弈均衡解并输出。
本发明第三个目的是提供一种电子设备，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所述区域综合能源系统集群协同优化方法的步骤。
所述区域综合能源系统集群协同优化方法包括以下步骤：
获取综合能源系统参数，将综合能源系统集群划分为多个区域综合能源系统，构建区域综合能源系统中的设备的功率模型，基于所述综合能源系统参数和功率模型计算区域综合能源系统的运行成本；
以区域综合能源系统的运行成本最小为目标函数，构建综合能源系统集群优化调度模型和约束条件；
引入配电网运营商搭建分布式分层的多主体博弈架构，结合所述综合能源系统集群优化调度模型建立基于多主体博弈的区域综合能源系统集群协同优化模型，并求解得到博弈均衡解并输出。
本发明第四个目的是提供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所述区域综合能源系统集群协同优化方法的步骤。
所述区域综合能源系统集群协同优化方法包括以下步骤：
获取综合能源系统参数，将综合能源系统集群划分为多个区域综合能源系统，构建区域综合能源系统中的设备的功率模型，基于所述综合能源系统参数和功率模型计算区域综合能源系统的运行成本；
以区域综合能源系统的运行成本最小为目标函数，构建综合能源系统集群优化调度模型和约束条件；
引入配电网运营商搭建分布式分层的多主体博弈架构，结合所述综合能源系统集群优化调度模型建立基于多主体博弈的区域综合能源系统集群协同优化模型，并求解得到博弈均衡解并输出。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.一种区域综合能源系统集群协同优化方法，其特征在于，包括：
获取综合能源系统参数，将综合能源系统集群划分为多个区域综合能源系统，构建区域综合能源系统中的设备的功率模型，基于所述综合能源系统参数和功率模型计算区域综合能源系统的运行成本；
以区域综合能源系统的运行成本最小为目标函数，构建综合能源系统集群优化调度模型和约束条件；
引入配电网运营商搭建分布式分层的多主体博弈架构，结合所述综合能源系统集群优化调度模型建立基于多主体博弈的区域综合能源系统集群协同优化模型，并求解得到博弈均衡解并输出；所述多主体博弈架构包括：
上层配电网运营商作为DSO，汇总各区域综合能源系统上报的购售电量，结合上网电价和电网电价，以最大化自身收益为目标，给出内部交易电价策略；下层各区域综合能源系统作为RIES，以最小化运行成本为目标安排内部各分布式电源出力，给出交易电量策略，构成主从博弈的多主体博弈架构。
2.根据权利要求1所述的一种区域综合能源系统集群协同优化方法，其特征在于，所述以区域综合能源系统的运行成本最小为目标函数，构建综合能源系统集群优化调度模型和约束条件中，目标函数为：
其中，t表示每个调度时间段，NT为一日总的调度时段数，i为区域综合能源系统编号，为运行成本，为燃料成本，为运维成本，为交易成本，为中断负荷补偿成本，为环境污染惩罚成本；
所述目标函数的约束条件包括：
1）功率平衡等式约束条件：
1.1）电功率平衡方程：
式中，、分别为风电和光伏机组的电功率；为中微燃机的电出力；、分别为蓄电池的充放电功率；为交换功率；、分别为电负荷和可中断负荷；、分别为电热泵和电制冷机的功耗和输出功率；
1.2）热功率平衡方程：
式中，、、分别为燃气锅炉、余热锅炉和电热泵发出的热功率；、分别为储热槽的充放热功率；、分别为热负荷和可中断负荷；
1.3）冷功率平衡方程：
式中，为冷负荷；为吸收式制冷机的输出功率；为电制冷机的输出功率；
2）设备运行不等式约束：
式中，、分别为微型燃气轮机的出力上下限，为微型燃气轮机的出力；
式中，为调度时间段长度，为微型燃气轮机的上爬坡速率，为微型燃气轮机的下爬坡速率；为t-1时段微型燃气轮机的出力；
式中，为内微源k的出力，为内微源k的出力上限；
式中，、分别为蓄电池的充放电功率；为储能总容量；、分别为蓄电池的最大充放电倍率；、分别为蓄电池的最小和最大荷电状态；、为二进制变量，表示蓄电池的充放电状态，为t时段的储能容量；、分别为一个周期内初、末时段的储能容量；
式中，为可中断负荷占总负荷的比例；、分别为t时段区域i的第j类电可中断负荷和总负荷；
式中，、分别为交互功率及其上限值。
3.根据权利要求1所述的一种区域综合能源系统集群协同优化方法，其特征在于，结合所述综合能源系统集群优化调度模型建立基于多主体博弈的区域综合能源系统集群协同优化模型，是根据多主体博弈架构中参与者、策略集和支付函数作为基本要素，结合综合能源系统集群优化调度模型建立基于多主体博弈的集群协同优化模型，具体包括：
式中，s.t.为约束条件，arg为求参数函数；为DSO的效益；为t时段电力市场的购买电价；为t时段电力市场的出售电价；为第i个RIES的设备出力和购售电量策略；为其最佳策略；为RIES的策略空间；
其中，DSO的决策变量为购售电价，记作π，如下式所示：
式中，为一日总的调度时段数；且该策略在策略空间内：
第i个RIES的设备出力和购售电量策略记作：
式中，t为调度时段；N为RIES集群内包含的区域综合能源系统数目；i为区域综合能源系统编号；为交互功率；为微型燃气轮机的出力；、为蓄电池的充放电功率；、分别为电热泵和电制冷机的输出功率；、分别为燃气锅炉和余热锅炉发出的热功率；、为储热槽的充放热功率；为吸收式制冷机的输出功率；
DSO的效益函数为最大化净利润：
式中，为t时段集群内出售的能源之和；为t时段集群内收购的能源之和；为DSO向电力市场的售电能；为DSO向电力市场的购电能；
RIES的效益函数为最小化运行成本：
式中，为RIES的效益，、、、、分别为燃料成本、运维成本、交易成本、中断负荷补偿成本和环境惩罚成本。
4.根据权利要求1所述的一种区域综合能源系统集群协同优化方法，其特征在于，还包括对基于多主体博弈的区域综合能源系统集群协同优化模型的评价步骤：
引入利他偏好来表示博弈者之间的适度合作行为，构造轻微利他函数如下：
式中，i和j分别表示不同的RIES，是第i个RIES的利他函数，为第i个RIES的效益函数，为第i个效益函数初值，为利他因子，n是RIES的数量。
5.根据权利要求1所述的一种区域综合能源系统集群协同优化方法，其特征在于，求解得到博弈均衡解，包括：
区域综合能源系统集群协同优化模型的上层配电网策略调整采用差分进化启发式算法，在优化中调用下层博弈结果；下层各区域综合能源系统以运行成本最小为目标，进行日前自治优化调度，确定储能的充放电行为，并将购售电量决策反馈给配电网运营商；通过不断地调整决策，逼近博弈均衡解。
6.根据权利要求5所述的一种区域综合能源系统集群协同优化方法，其特征在于，所述通过不断地调整决策，逼近博弈均衡解，具体包括如下步骤：
a、配电网运营商生成符合条件的初始电价种群，区域综合能源系统根据源荷预测数据进行自治预调度，并发布初始交易电量；
b、配电网运营商选取电价策略公布给综合能源系统集群，并调用下层模型求解各区域交易电量；重复步骤b直到所有策略均被选取，计算目标函数值，并更新最优解；
c、进行收敛判断，若满足则迭代停止，输出博弈均衡解；若不满足则对当前电价种群进行操作进化，得到新种群；重复步骤a~c，直到满足收敛条件，找到博弈均衡解。
7.根据权利要求1所述的一种区域综合能源系统集群协同优化方法，其特征在于，所述综合能源系统参数包括综合能源系统配置参数、电热冷负荷及风电出力预测数据；
所述区域综合能源系统中的设备包括：光伏机组、风电机组、微型燃气轮机、燃气锅炉、余热锅炉、吸收式制冷机、电热泵、电制冷机和储能装置；区域综合能源系统与配电网通过联络线进行电能交互；
所述运行成本包括燃料成本、运维成本、交易成本、中断负荷补偿成本和环境污染惩罚成本。
8.一种区域综合能源系统集群协同优化系统，其特征在于，包括：
成本计算模块，用于获取综合能源系统参数，将综合能源系统集群划分为多个区域综合能源系统，构建区域综合能源系统中的设备的功率模型，基于所述综合能源系统参数和功率模型计算区域综合能源系统的运行成本；
模型构建模块，用于以区域综合能源系统的运行成本最小为目标函数，构建综合能源系统集群优化调度模型和约束条件；
博弈求解模块，用于引入配电网运营商搭建分布式分层的多主体博弈架构，结合所述综合能源系统集群优化调度模型建立基于多主体博弈的区域综合能源系统集群协同优化模型，并求解得到博弈均衡解并输出；所述多主体博弈架构包括：
上层配电网运营商作为DSO，汇总各区域综合能源系统上报的购售电量，结合上网电价和电网电价，以最大化自身收益为目标，给出内部交易电价策略；下层各区域综合能源系统作为RIES，以最小化运行成本为目标安排内部各分布式电源出力，给出交易电量策略，构成主从博弈的多主体博弈架构。
9.一种电子设备，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权利要求1-7任一项所述区域综合能源系统集群协同优化方法的步骤。
10.一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权利要求1-7任一项所述区域综合能源系统集群协同优化方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310012770.7A CN115907232B (zh) | 2023-01-05 | 2023-01-05 | 区域综合能源系统集群协同优化方法、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310012770.7A CN115907232B (zh) | 2023-01-05 | 2023-01-05 | 区域综合能源系统集群协同优化方法、系统、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115907232A true CN115907232A (zh) | 2023-04-04 |
| CN115907232B CN115907232B (zh) | 2023-06-09 |
Family
ID=86482543
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310012770.7A Active CN115907232B (zh) | 2023-01-05 | 2023-01-05 | 区域综合能源系统集群协同优化方法、系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115907232B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117172815A (zh) * | 2023-07-18 | 2023-12-05 | 南京工业大学 | 一种多水电气能源子系统主动配电网混合博弈方法及系统 |
| CN117217496A (zh) * | 2023-11-07 | 2023-12-12 | 天津电力工程监理有限公司 | 计及主从博弈的区域综合能源系统控制方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014110878A1 (zh) * | 2013-01-16 | 2014-07-24 | 国电南瑞科技股份有限公司 | 风火协调调度模式下日前调度计划优化辅助分析方法 |
| CN111950809A (zh) * | 2020-08-26 | 2020-11-17 | 华北电力大学（保定） | 基于主从博弈的综合能源系统分层分区优化运行方法 |
| WO2020237700A1 (zh) * | 2019-05-28 | 2020-12-03 | 国电南瑞科技股份有限公司 | 一种多能源系统运行调度方法 |
| CN114004403A (zh) * | 2021-11-02 | 2022-02-01 | 国网山东省电力公司电力科学研究院 | 基于Stackelberg博弈和热电混合策略的配电系统双层优化方法及系统 |
| CN115313520A (zh) * | 2022-09-16 | 2022-11-08 | 中国电力科学研究院有限公司 | 分布式能源系统博弈优化调度方法、系统、设备及介质 |
| CN115526037A (zh) * | 2022-09-19 | 2022-12-27 | 无锡机电高等职业技术学校 | 一种基于改进粒子群算法的区域综合能源系统多主体非合作博弈优化调度方法 |
-
2023
- 2023-01-05 CN CN202310012770.7A patent/CN115907232B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014110878A1 (zh) * | 2013-01-16 | 2014-07-24 | 国电南瑞科技股份有限公司 | 风火协调调度模式下日前调度计划优化辅助分析方法 |
| WO2020237700A1 (zh) * | 2019-05-28 | 2020-12-03 | 国电南瑞科技股份有限公司 | 一种多能源系统运行调度方法 |
| CN111950809A (zh) * | 2020-08-26 | 2020-11-17 | 华北电力大学（保定） | 基于主从博弈的综合能源系统分层分区优化运行方法 |
| CN114004403A (zh) * | 2021-11-02 | 2022-02-01 | 国网山东省电力公司电力科学研究院 | 基于Stackelberg博弈和热电混合策略的配电系统双层优化方法及系统 |
| CN115313520A (zh) * | 2022-09-16 | 2022-11-08 | 中国电力科学研究院有限公司 | 分布式能源系统博弈优化调度方法、系统、设备及介质 |
| CN115526037A (zh) * | 2022-09-19 | 2022-12-27 | 无锡机电高等职业技术学校 | 一种基于改进粒子群算法的区域综合能源系统多主体非合作博弈优化调度方法 |
Non-Patent Citations (2)
| Title |
|---|
| OLAMIDE JOGOUNOLA等: "Optimal Dynamic Multi-source Multi-community Power Schedule and Trading", 《2022 IEEE INTERNATIONAL CONFERENCE ON COMMUNICATIONS, CONTROL, AND COMPUTING TECHNOLOGIES FOR SMART GRIDS (SMARTGRIDCOMM)》 * |
| 周旺;江修波;刘丽军;: "考虑多源协同的主动配电网区域能源三层优化配置", 闽江学院学报, no. 02 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117172815A (zh) * | 2023-07-18 | 2023-12-05 | 南京工业大学 | 一种多水电气能源子系统主动配电网混合博弈方法及系统 |
| CN117217496A (zh) * | 2023-11-07 | 2023-12-12 | 天津电力工程监理有限公司 | 计及主从博弈的区域综合能源系统控制方法及装置 |
| CN117217496B (zh) * | 2023-11-07 | 2024-03-12 | 天津电力工程监理有限公司 | 计及主从博弈的区域综合能源系统控制方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115907232B (zh) | 2023-06-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zeng et al. | A potential game approach to distributed operational optimization for microgrid energy management with renewable energy and demand response | |
| Chen et al. | Research on day-ahead transactions between multi-microgrid based on cooperative game model | |
| Motevasel et al. | Multi-objective energy management of CHP (combined heat and power)-based micro-grid | |
| CN115907232B (zh) | 区域综合能源系统集群协同优化方法、系统、设备及介质 | |
| CN111881616A (zh) | 一种基于多主体博弈的综合能源系统的运行优化方法 | |
| Qi et al. | Low-carbon community adaptive energy management optimization toward smart services | |
| Liu et al. | Energy management method of integrated energy system based on collaborative optimization of distributed flexible resources | |
| CN109934487A (zh) | 一种考虑多主体利益博弈的主动配电网协调规划方法 | |
| CN112598224A (zh) | 一种园区综合能源系统群与电网的互动博弈调度方法 | |
| CN114155103A (zh) | 基于区块链合作博弈的能量共享联盟灵活性交易方法 | |
| CN115115096A (zh) | 考虑多微电网储能共享的主动配电网博弈优化调度方法 | |
| CN113393125A (zh) | 基于源荷双侧互动博弈的综合能源系统协同调度方法 | |
| CN112202206A (zh) | 一种基于势博弈的多能源微网分布式调度方法 | |
| Abedinia et al. | Synergizing efficient optimal energy hub design for multiple smart energy system players and electric vehicles | |
| Li et al. | Multi-objective optimal operation of hybrid AC/DC microgrid considering source-network-load coordination | |
| CN112016825A (zh) | 一种区域综合能源系统的集中式交易优化决策方法 | |
| Zhang et al. | Multi-level distributed demand response study for a multi-park integrated energy system | |
| CN114693174A (zh) | 基于进化maddpg综合能源系统集群协同运行方法 | |
| Li et al. | Integrated energy system for low-carbon economic operation optimization: Pareto compromise programming and master-slave game | |
| Dong et al. | Hierarchical Game Approach for Optimization of Regional Integrated Energy System Clusters Considering Bounded Rationality | |
| CN117829538A (zh) | 一种考虑欺诈博弈和多场景的能源枢纽网系统的优化方法 | |
| CN114004403A (zh) | 基于Stackelberg博弈和热电混合策略的配电系统双层优化方法及系统 | |
| CN109670981A (zh) | 基于利益均衡及规划运行交替优化的主动配电网规划方法 | |
| Wang et al. | Noncooperative distributed social welfare optimization with EV charging response | |
| CN116128193A (zh) | 一种基于区块链技术的园区微网调度方法及调度系统 |
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 |