CN116432862A - 一种面向可再生能源微电网的多主体博弈优化方法及装置 - Google Patents

一种面向可再生能源微电网的多主体博弈优化方法及装置 Download PDF

Info

Publication number
CN116432862A
CN116432862A CN202310527747.1A CN202310527747A CN116432862A CN 116432862 A CN116432862 A CN 116432862A CN 202310527747 A CN202310527747 A CN 202310527747A CN 116432862 A CN116432862 A CN 116432862A
Authority
CN
China
Prior art keywords
micro
grid
operator
energy storage
interaction data
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
CN202310527747.1A
Other languages
English (en)
Inventor
王良友
周旭艳
乐波
苏一博
王鹏磊
孙长平
周兴达
毕然
韩宇
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 Three Gorges Corp
Original Assignee
China Three Gorges Corp
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 Three Gorges Corp filed Critical China Three Gorges Corp
Priority to CN202310527747.1A priority Critical patent/CN116432862A/zh
Publication of CN116432862A publication Critical patent/CN116432862A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/042—Backward inferencing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/048—Fuzzy inferencing
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • 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

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

Abstract

本发明提供一种面向可再生能源微电网的多主体博弈优化方法及装置，一种面向可再生能源微电网的多主体博弈优化方法，包括：获取微电网运营商、储能运营商和用户之间的交互数据，基于微电网运营商、储能运营商和用户之间的交互数据分别构建微电网运营商模型、储能运营商模型和负荷侧模型；基于微电网运营商模型、储能运营商模型和负荷侧模型构建一主多从的多主体博弈模型；对一主多从的多主体博弈模型进行求解，生成多主体博弈优化策略；其中，多主体博弈优化策略用于为可再生能源微电网的运行提供能量。该方法实现多主体利益最大化，解决了微电网、储能和用户之间的博弈行为策略相关问题，使得供能更经济，用户用电更加合理。

Description

一种面向可再生能源微电网的多主体博弈优化方法及装置
技术领域
本发明涉及可再生能源微电网技术领域，尤其是涉及一种面向可再生能源微电网的多主体博弈优化方法及装置。
背景技术
可再生能源微电网内的利益相关主体包括微电网运营商、用户和储能运营商。根据微电网的特点，其主要提供可持续稳定的电能，尽可能做到就近输送，降低网损，提高有功转化，保持电价上的竞争优势以及增加新能源消纳。用户希望能够在微电网获得符合要求的电能，同时尽量减少电费支出，否则，宁愿选择更加成熟的配电网电源。储能则是微电网发电厂商之外电量供应主体，由于微电网中可再生能源的出力的随机性，微电网不一定能够满足用户的用电需求，需要额外购买储能放出的电量。
现有研究较少将储能作为独立的利益主体参与电力系统运行，缺乏针对微电网、储能和用户等主体的多主体博弈优化策略的研究，降低了可再生能源微电网的供电能力、导致用户用电不合理。
发明内容
因此，本发明技术方案主要解决现有技术缺乏针对微电网、储能和用户等主体的多主体博弈优化策略的研究，降低了可再生能源微电网的供电能力，导致用户用电不合理的缺陷，从而提供一种面向可再生能源微电网的多主体博弈优化方法及装置。
第一方面，本发明实施例提供了一种面向可再生能源微电网的多主体博弈优化方法，包括：
获取微电网运营商、储能运营商和用户之间的交互数据，基于所述微电网运营商、储能运营商和用户之间的交互数据分别构建微电网运营商模型、储能运营商模型和负荷侧模型；
基于所述微电网运营商模型、所述储能运营商模型和所述负荷侧模型构建一主多从的多主体博弈模型；
对所述一主多从的多主体博弈模型进行求解，生成多主体博弈优化策略；其中，所述多主体博弈优化策略用于为可再生能源微电网的运行提供能量。
本发明实施例提供的一种面向可再生能源微电网的多主体博弈优化方法，根据微电网运营商、储能运营商和用户之间的交互数据构建一主多从的多主体博弈模型，一主多从的多主体博弈模型将微电网运营商作为领导者，储能运营商和用户作为跟随者，实现多主体利益最大化，解决了微电网、储能和用户之间的博弈行为策略相关问题，并且通过对一主多从的多主体博弈模型进行求解，生成多主体博弈优化策略，利用多主体博弈优化策略为可再生能源微电网的运行提供能量，提高了可再生能源微电网的供电能力，使得供能更经济，用户用电更加合理。
结合第一方面，在一种可能的实施方式中，所述基于所述微电网运营商、储能运营商和用户之间的交互数据分别构建微电网运营商模型、储能运营商模型和负荷侧模型，包括：
从所述微电网运营商、储能运营商和用户之间的交互数据中获取微电网运营商交互数据，以日运行净收益最大化为目标，基于所述微电网运营商交互数据构建第一目标函数；
将成本约束、外部购电功率约束、内部设备出力约束和功率平衡约束作为第一目标函数的约束条件，并基于所述第一目标函数和所述第一目标函数的约束条件构建所述微电网运营商模型；
从所述微电网运营商、储能运营商和用户之间的交互数据中获取储能运营商交互数据，以储能运营商的日净收益最大化为目标，基于所述储能运营商交互数据构建第二目标函数；
将储能设备运行约束作为第二目标函数的约束条件，并基于所述第二目标函数与所述第二目标函数的构建储能运营商模型；
从所述微电网运营商、储能运营商和用户之间的交互数据中获取用户端交互数据，以用电成本最低为目标，基于所述用户端交互数据构建第三目标函数；
将需求响应约束作为所述第三目标函数的约束条件，基于所述第三目标函数和所述第三目标函数的约束条件构建负荷侧模型。
结合第一方面，在另一种可能的实施方式中，所述以日运行净收益最大化为目标，基于所述微电网运营商交互数据构建第一目标函数，包括：
基于所述微电网运营商交互数据中的微电网运营商的售电电价、微型燃气轮机出力、风电机组出力和光伏机组出力确定微电网运营商的售电收益；
基于所述微电网运营商交互数据中的大电网的售电价格和微电网运营商从大电网购买的电功率确定微电网运营商与外部电网的交换收益；
基于所述微电网运营商交互数据中的微型燃气轮机运维成本、风电机组运维成本、光伏机组运维成本、所述微型燃气轮机出力、所述风电机组出力和所述光伏机组出力确定微电网各设备运维成本；
基于所述微电网运营商交互数据中的用户提供需求响应的价格和用户提供的需求响应量确定用户参与需求响应后的收益；
以日运行净收益最大化为目标，基于所述微电网运营商的售电收益、所述微电网运营商与外部电网的交换收益、所述微电网各设备运维成本和所述用户参与需求响应后的收益和所述微电网运营商的净收益构建所述第一目标函数。
结合第一方面，在另一种可能的实施方式中，所述以日运行净收益最大化为目标，基于所述微电网运营商交互数据构建第一目标函数，还包括：
获取比例系数、电负荷预测预测值、风电出力预测值和光伏出力预测值，基于所述比例系数、所述电负荷预测预测值、所述风电出力预测值和所述光伏出力预测值分别确定电负荷预测值的梯形模糊参数、风电出力预测值的梯形模糊参数和光伏出力预测值的梯形模糊参数；
获取置信度水平，基于所述电负荷预测值的梯形模糊参数、所述风电出力预测值的梯形模糊参数、所述光伏出力预测值的梯形模糊参数和所述置信度水平构建所述功率平衡约束。
结合第一方面，在另一种可能的实施方式中，所述以储能运营商的日净收益最大化为目标，基于所述储能运营商交互数据构建第二目标函数，包括：
从所述储能运营商交互数据中获取储能运营商的售电价格和储能运营商的放电量，基于所述储能运营商的售电价格和所述储能运营商的放电量确定储能运营商向用户售电的收益；
从所述储能运营商交互数据中获取储能运营商的充电量，基于所述微电网运营商的售电电价和所述储能运营商的充电量确定储能运营商从微电网购买电量的充电成本；
基于所述储能运营商从微电网购买电量的充电成本确定储能的运维成本；
以储能运营商的日净收益最大化为目标，基于所述储能运营商向用户售电的收益、所述储能运营商从微电网购买电量的充电成本和所述储能的运维成本构建所述第二目标函数。
结合第一方面，在另一种可能的实施方式中，所述以用电成本最低为目标，基于所述用户端交互数据构建第三目标函数，包括：
基于所述用户端交互数据中的日前电负荷预测值、需求响应后的实际负荷和偏离惩罚系数确定用户的满意度成本；
以用电成本最低为目标，基于所述微电网运营商的售电收益、所述储能运营商向用户售电的收益、所述用户参与需求响应后的收益和用户的满意度成本构建所述第三目标函数。
结合第一方面，在另一种可能的实施方式中，所述对所述一主多从的多主体博弈模型进行求解，生成多主体博弈优化策略，包括：
利用粒子群算法联合CPLEX求解器的分布式均衡求解方法对一主多从的多主体博弈模型进行求解，生成所述多主体博弈优化策略。
第二方面，本发明实施例还提供了一种面向可再生能源微电网的多主体博弈优化装置，包括：
获取模块，用于获取微电网运营商、储能运营商和用户之间的交互数据，基于所述微电网运营商、储能运营商和用户之间的交互数据分别构建微电网运营商模型、储能运营商模型和负荷侧模型；
构建模块，用于基于所述微电网运营商模型、所述储能运营商模型和所述负荷侧模型构建一主多从的多主体博弈模型；
求解模块，用于对所述一主多从的多主体博弈模型进行求解，生成多主体博弈优化策略；其中，所述多主体博弈优化策略用于为可再生能源微电网的运行提供能量。
第三方面，本发明实施例还公开了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行如第一方面或第一方面任一可选实施方式所述的一种面向可再生能源微电网的多主体博弈优化方法的步骤。
第四方面，本发明实施方式还公开了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面或第一方面任一可选实施方式所述的一种面向可再生能源微电网的多主体博弈优化方法的步骤。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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的附图。
图1为本发明实施例提供的一种面向可再生能源微电网的多主体博弈优化方法的流程图；
图2为本发明实施例提供的多主体之间的互动行为关系示意图；
图3为本发明实施例提供的各主体之间的利益关系示意图；
图4为本发明实施例提供的分布式均衡求解方法的示意图；
图5为本发明实施例提供的S101的流程图；
图6为本发明实施例提供的S1011的流程图；
图7为本发明实施例提供的S1013的流程图；
图8为本发明实施例提供的S1015的流程图；
图9为本发明实施例提供的典型日的风电和光伏出力以及电负荷日前预测曲线的示意图；
图10为本发明实施例提供的微电网运营商的定价策略的示意图；
图11为本发明实施例提供的需求响应前后的负荷曲线图；
图12为本发明实施例提供的电能调度结果示意图；
图13为本发明实施例提供的一种面向可再生能源微电网的多主体博弈优化装置的框图；
图14为本发明实施例中电子设备的一个具体示例图。
具体实施方式
下面将结合附图对本发明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。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，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。另外，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接、机械连接，也可以是电连接；或者可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
本发明实施例提供了一种面向可再生能源微电网的多主体博弈优化方法，如图1所示，包括：
S101、获取微电网运营商、储能运营商和用户之间的交互数据，基于微电网运营商、储能运营商和用户之间的交互数据分别构建微电网运营商模型、储能运营商模型和负荷侧模型。
具体地，可再生能源微电网内的利益相关主体分为微电网运营商(MicrogridOperator，MGO)、具有需求响应能力的用户(USER)以及储能运营商(Energy StorageOperator，ESO)，各主体的运行方式和交互机制如图2所示，其中，微电网包括风电机组、光伏机组和燃汽轮机组，用户具有削减和转移用电需求的能力，储能主要以电池储能为主。
进一步地，微电网运营商在社会资本支撑下以能源服务公司的形式成为能源网络和用户间中介，融合电能和天然气为用户提供电力供应服务，同时投资建设风电机组、光伏机组和燃汽轮机组并负责其运营，提高能源服务运营灵活性，降低能源成本，提高市场竞争能力以获取更高收益；具有需求响应能力的用户可参与市场竞争，通过削减或转移用电负荷以获得收益，从而降低用能成本；由于储能设备投资成本较高，储能运营商利益目标为通过协调控制电池储能装置在各个时间段的充放电功率并制定放电价格参与竞争，从而获利。
S102、基于微电网运营商模型、储能运营商模型和负荷侧模型构建一主多从的多主体博弈模型。
具体地，如图3所示，根据各主体之间的交互行为可知，各主体之间的利益诉求相互关联和制约，当微电网运营商、储能运营商和可调节负荷等三方主体的利益优化实现制约平衡时，上级电网、微电网和储能运营商等电力供应商向区域范围内的电力用户供电，一主多从的多主体博弈模型Ω的表达式如下所示：
Figure SMS_1
其中，MGO表示微电网运营商，ESO表示储能运营商，USER表示具有需求响应能力的用户，SMGO表示微电网运营商策略，SESO表示储能运营商策略，SUSER表示用户需求响应策略，RMGO表示微电网运营商的净收益，RESO表示储能运营商的日净收益，RUSER表示用户的用电成本。
进一步地，一主多从的多主体博弈模型以微电网运营商为领导者，以储能运营商和用户作为跟随者。
S103、对一主多从的多主体博弈模型进行求解，生成多主体博弈优化策略；其中，多主体博弈优化策略用于为可再生能源微电网的运行提供能量。
具体地，利用粒子群算法联合CPLEX求解器的分布式均衡求解方法对一主多从的多主体博弈模型进行求解，生成多主体博弈优化策略。
进一步地，一主多从的多主体博弈模型是一种呈分层结构的博弈模型，具有先动特性的领导者首先给出其策略，跟随者再依据领导者的策略给出最优反应并将策略传递给领导者，由于策略信息的不完全性，需要通过多次迭代才能使博弈趋于稳定，达到系统的最优值；而传统的集中优化方法在求解时需要掌握所有参与者的详细信息，如设备参数、用能偏好等，然而在竞争型电力市场中信息互不透明，各参与者需要进行单独优化。
进一步地，如图4所示，粒子群算法联合CPLEX求解器(Particle swarmoptimization,PSO-CPLEX，是一款数学解模工具,能够帮助求解模型中的最优解或是可行解)的分布式均衡求解方法中，采用粒子群优化算法对微电网运营商的售电价格进行优化，粒子适应度为微电网运营商的利益目标，适应度计算需要通过各主体的优化模型计算结果求得，均采用Yalmip建模并调用CPLEX求解工具进行求解，以加快算法求解速度并保证结果的精确性，分布式均衡求解方法的具体步骤如下：
第1步：微电网运营商作为领导者，将初始化的售电价格和需求响应价格传达给下层的储能运营商和用户；其中，将t时刻微电网运营商的售电电价
Figure SMS_2
与群体规模sizepop相乘实现售电价格粒子初始化。
第2步：储能运营商和用户根据自身收益最大化和成本最小化的目标，基于CPLEX求解器优化储能售电价格以及充放电策略和用户的需求响应量，并将结果上传至微电网运营商侧。
第3步：微电网运营商根据反馈到的结果，重新优化风电、光伏和燃气轮机的出力策略，测算目标函数obj，并将更新的粒子，也就是最新的售电价格和需求响应价格传达给下层的储能运营商和用户。
第4步：重复第2～3步的步骤，直到各个主体的目标函数不再变化，即达到了收敛条件，输出博弈优化结果，即多主体博弈优化策略。
本实施例提出的一种面向可再生能源微电网的多主体博弈优化方法，根据微电网运营商、储能运营商和用户之间的交互数据构建一主多从的多主体博弈模型，一主多从的多主体博弈模型将微电网运营商作为领导者，储能运营商和用户作为跟随者，实现多主体利益最大化，解决了微电网、储能和用户之间的博弈行为策略相关问题，并且通过对一主多从的多主体博弈模型进行求解，生成多主体博弈优化策略，利用多主体博弈优化策略为可再生能源微电网的运行提供能量，提高了可再生能源微电网的供电能力，使得供能更经济，用户用电更加合理。
作为本发明一个可选实施方式，如图5所示，上述S101，即上述基于微电网运营商、储能运营商和用户之间的交互数据分别构建微电网运营商模型、储能运营商模型和负荷侧模型，包括：
S1011、从微电网运营商、储能运营商和用户之间的交互数据中获取微电网运营商交互数据，以日运行净收益最大化为目标，基于微电网运营商交互数据构建第一目标函数。
具体地，针对配电侧以新能源发电为主的微电网的上网模式有两种：“全额上网”与“自发自用，余电上网”，本发明中微电网中新能源发出的清洁能源优先供本地负荷使用，在本地负荷无法完全消纳的情况下，再考虑能源存储或售给上级电网，符合第二种发电上网模式；因此，微电网运营商的利益诉求主要为将微电网生产的电能出售给用户的日净收益最大化，为售电收益与上网电量收益之和减去运维成本；当微电网具有余电时上网电量收益为正，当微电网需要从电网购电时上网电量收益为负。
进一步地，微电网运营商在考虑风电、光伏等新能源以及储能的出力计划和满足用户用电需求的基础上制定价格策略，以日运行净收益最大化为目标，第一目标函数的表达式如下所示：
Figure SMS_3
其中，Re为微电网运营商的售电收益，Rexc为与外部电网的交换收益，
Figure SMS_4
为微电网各设备运维成本，Rdr为用户参与需求响应之后得到的收益。
S1012、将成本约束、外部购电功率约束、内部设备出力约束和功率平衡约束作为第一目标函数的约束条件，并基于第一目标函数和第一目标函数的约束条件构建微电网运营商模型。
具体地，为防止用户用电成本的提高以及优化问题的退化，微电网运营商制定的分时电价应使得用电成本不增加，不得高于配电网的售电价格，相应的成本约束条件如下：
Figure SMS_5
上式中，
Figure SMS_6
为t时刻微电网运营商的售电电价，
Figure SMS_7
为大电网的售电价格。
进一步地，外部购电功率约束表示如下：
Figure SMS_8
上式中，
Figure SMS_9
和
Figure SMS_10
分别为最小和最大联络线功率，
Figure SMS_11
为微电网运营商t时刻从大电网购买的电功率。
进一步地，内部设备出力约束表示如下：
Figure SMS_12
上式中，
Figure SMS_13
为微型燃气轮机的最大装机容量，
Figure SMS_14
为微型燃气轮机在t时刻的出力。
S1013、从微电网运营商、储能运营商和用户之间的交互数据中获取储能运营商交互数据，以储能运营商的日净收益最大化为目标，基于储能运营商交互数据构建第二目标函数。
具体地，储能运营商的利益诉求为在微电网运营商和用户之间通过“低充高放”实现价差套利，储能运营商为实现价差套利使得自身的收益最大化，优化储能设备的出力，第二目标函数的表达式如下所示：
Figure SMS_15
上式中，Rdis为储能运营商向用户售电的收益，Ccha为储能运营商从微电网购买电量的充电成本，
Figure SMS_16
为储能的运维成本，设为充电成本的α倍。
S1014、将储能设备运行约束作为第二目标函数的约束条件，并基于第二目标函数与第二目标函数的构建储能运营商模型。
具体地，第二目标函数中的模型控制变量为储能设备的各时段充放电功率，需要满足储能设备的基本约束，即储能设备运行约束，包括出力约束和初末状态一致约束；同时由于用户掌握了微电网运营商的报价信息，因此储能运营商为了保证售电竞价成功，其价格应低于同时段的微电网运营商报价，储能运营商最高报价为微电网运营商的95％，储能设备运行约束表示如下：
Figure SMS_17
Figure SMS_18
Figure SMS_19
Figure SMS_20
上式中，
Figure SMS_23
和
Figure SMS_25
分别为储能设备在t时刻和t-1时刻的装机容量，δ为储能设备的自损率，ηch和ηdis分别为充电效率和放电效率，Δt为充电时长(取值为1)，
Figure SMS_26
和
Figure SMS_22
分别为储能设备的最小和最大充放电功率，
Figure SMS_24
和
Figure SMS_27
分别为储能设备的最小装机容量与最大装机容量，
Figure SMS_28
和
Figure SMS_21
分别为储能设备在t时刻的放电功率和充电功率。
S1015、从微电网运营商、储能运营商和用户之间的交互数据中获取用户端交互数据，以用电成本最低为目标，基于用户端交互数据构建第三目标函数。
具体地，电力用户主要以具有稳定电力负荷需求的工业用户为主，且假设用户均理性，能够以自身用能成本最低为目标，自主调整电负荷需求；其运行成本为从微电网和储能运营商购电的成本以及参与需求响应导致的满意度成本，收益为参与需求响应得到的补贴收益；负荷侧的目标函数为用电成本最低，能够根据微电网运营商和储能运营商给定电力出售价格以及需求响应激励补贴的基础上，优化自身的需求响应量，具体表达式如下式所示：
Figure SMS_29
上式中，
Figure SMS_30
为用户向微电网运营商购买电力的成本(即微电网运营商的售电收益)
Figure SMS_31
为用户向储能运营商购电的成本(即储能运营商向用户售电的收益)，Csat为用户的满意度成本，Rdr为用户参与需求响应之后得到的收益。
S1016、将需求响应约束作为第三目标函数的约束条件，基于第三目标函数和第三目标函数的约束条件构建负荷侧模型。
具体地，负荷侧用户的约束条件主要为需求响应约束，从而保证用户参与需求响应之后对用户自身生产计划造成最小的影响。
Figure SMS_32
上式中，
Figure SMS_33
表示最大需求响应负荷。
作为本发明一个可选实施方式，如图6所示，上述S1011，即上述以日运行净收益最大化为目标，基于微电网运营商交互数据构建第一目标函数，包括：
S10111、基于微电网运营商交互数据中的微电网运营商的售电电价、微型燃气轮机出力、风电机组出力和光伏机组出力确定微电网运营商的售电收益。
具体地，微电网运营商的售电收益Re的计算公式如下所示：
Figure SMS_34
上式中，
Figure SMS_35
和
Figure SMS_36
为t时刻微电网运营商的售电电价和售电量，
Figure SMS_37
和
Figure SMS_38
分别为微型燃气轮机、风电机组和光伏机组在t时刻的出力，T为总调度时长，取24h(小时)。
S10112、基于微电网运营商交互数据中的大电网的售电价格和微电网运营商从大电网购买的电功率确定微电网运营商与外部电网的交换收益。
具体地，微电网运营商与外部电网的交换收益Rexc的计算公式如下所示：
Figure SMS_39
上式中，
Figure SMS_40
为大电网的售电价格，
Figure SMS_41
为微电网运营商t时刻从大电网购买的电功率。
S10113、基于微电网运营商交互数据中的微型燃气轮机运维成本、风电机组运维成本、光伏机组运维成本、微型燃气轮机出力、风电机组出力和光伏机组出力确定微电网各设备运维成本。
具体地，微电网各设备运维成本
Figure SMS_42
的计算公式如下所示：
Figure SMS_43
上式中，cMT、cWT和cPV分别为微型燃气轮机、风电机组和光伏机组的运维成本。
S10114、基于微电网运营商交互数据中的用户提供需求响应的价格和用户提供的需求响应量确定用户参与需求响应后的收益。
具体地，用户参与需求响应后的收益
Figure SMS_44
的计算公式如下所示：
Figure SMS_45
上式中，
Figure SMS_46
为用户提供需求响应的价格，
Figure SMS_47
为t时刻用户提供的需求响应量。
S10115、以日运行净收益最大化为目标，基于微电网运营商的售电收益、微电网运营商与外部电网的交换收益、微电网各设备运维成本和用户参与需求响应后的收益和微电网运营商的净收益构建第一目标函数，如公式(2)所示。
作为本发明一个可选实施方式，上述S1011，即上述以日运行净收益最大化为目标，基于微电网运营商交互数据构建第一目标函数，还包括：
S10116、获取比例系数、电负荷预测预测值、风电出力预测值和光伏出力预测值，基于比例系数、电负荷预测预测值、风电出力预测值和光伏出力预测值分别确定电负荷预测值的梯形模糊参数、风电出力预测值的梯形模糊参数和光伏出力预测值的梯形模糊参数。
具体地，由于微电网中风电和光伏出力以及用户的用电需求等具有预测误差，为了保证电力系统的安全可靠运行，需要对预测误差的不确定性进行建模；基于模糊机会约束对源侧的风电和光伏出力以及负荷侧的不确定性进行建模，不确定性参数预测的模糊参数可由梯形函数或三角函数表示，隶属度函数的表达式如下所示：
Figure SMS_48
上式中，π(qf)为隶属度函数，qfi(i＝1,2,3,4)为梯形函数的隶属度参数，决定隶属度函数的形状，其计算公式为：
qfi＝λiqf0 (18)
上式中，λi为比例系数，其值可根据历史数据确定，qf0为参数预测值，当λ2＝λ3＝1，即qf2＝qf3＝qf0时，模糊参数为三角形函数。
进一步地，本发明采用梯形模糊参数表示风电、光伏出力和负荷预测等模糊变量，具体表达式如下所示：
Figure SMS_49
上式中，
Figure SMS_50
分别为负荷预测值、风电出力预测值和光伏出力预测值的梯形模糊参数；
Figure SMS_51
分别为负荷预测值、风电出力预测值和光伏出力预测值的梯形隶属度参数；
Figure SMS_52
和
Figure SMS_53
分别为负荷、风电出力和光伏出力的预测值。
S10118、获取置信度水平，基于电负荷预测值的梯形模糊参数、风电出力预测值的梯形模糊参数、光伏出力预测值的梯形模糊参数和置信度水平构建功率平衡约束。
具体地，微电网需满足用户的用电需求，且保证全额消纳风电和光伏等新能源，基于公式(20)的不确定建模，可将相应的功率平衡约束条件表达为如下式所示：
Figure SMS_54
上式中，Cr{}为事件的可能性，αp为置信度水平，
Figure SMS_55
和
Figure SMS_56
分别为储能在t时刻的放电功率和充电功率。
进一步地，通过将机会约束转化为清晰等价类的方法，对式(23)做清晰等价类处理，进而求解不确定性模型，清晰等价类处理表示如下：
Figure SMS_57
上式中，
Figure SMS_58
为电负荷预测值的隶属度参数，
Figure SMS_59
为风电出力预测值的隶属度参数，
Figure SMS_60
为光伏出力预测值的隶属度参数，
Figure SMS_61
为t时刻储能运营商的充电量，
Figure SMS_62
为t时刻储能运营商的放电量，
Figure SMS_63
为t时刻用户提供的需求响应量。
作为本发明一个可选实施方式，如图7所示，上述S1013，即上述以储能运营商的日净收益最大化为目标，基于储能运营商交互数据构建第二目标函数，包括：
S10131、从储能运营商交互数据中获取储能运营商的售电价格和储能运营商的放电量，基于储能运营商的售电价格和储能运营商的放电量确定储能运营商向用户售电的收益。
具体地，储能运营商向用户售电的收益Rdis的计算公式如下所示：
Figure SMS_64
上式中，
Figure SMS_65
为t时刻储能运营商的售电价格，
Figure SMS_66
为t时刻储能运营商的放电量。
S10132、从储能运营商交互数据中获取储能运营商的充电量，基于微电网运营商的售电电价和储能运营商的充电量确定储能运营商从微电网购买电量的充电成本。
具体地，储能运营商从微电网购买电量的充电成本Ccha的计算公式如下所示：
Figure SMS_67
上式中，
Figure SMS_68
为t时刻储能运营商的充电量。
S10133、基于储能运营商从微电网购买电量的充电成本确定储能的运维成本。
具体地，储能的运维成本
Figure SMS_69
的计算公式如下所示：
Figure SMS_70
上式中，
Figure SMS_71
设为充电成本的α倍，α取值设为10％。
S10134、以储能运营商的日净收益最大化为目标，基于储能运营商向用户售电的收益、储能运营商从微电网购买电量的充电成本和储能的运维成本构建第二目标函数，第二目标函数为上式公式(6)。
作为本发明一个可选实施方式，如图8所示，上述S1015，即上述以用电成本最低为目标，基于用户端交互数据构建第三目标函数，包括：
S10151、基于用户端交互数据中的日前电负荷预测值、需求响应后的实际负荷和偏离惩罚系数确定用户的满意度成本。
具体地，用户的满意度成本Csat的计算公式如下所示：
Figure SMS_72
上式中，a为用户的日前电负荷预测值
Figure SMS_73
与需求响应之后的实际负荷
Figure SMS_74
的偏离惩罚系数，当
Figure SMS_75
越接近
Figure SMS_76
时，Csat越小，用户的满意度成本越小，说明当用户参与的需求响应之后的负荷与日前电负荷预测值越接近，用户的满意度越高。
S10152、以用电成本最低为目标，基于微电网运营商的售电收益、储能运营商向用户售电的收益、用户参与需求响应后的收益和用户的满意度成本构建第三目标函数，第二目标函数为上式公式(11)。
具体地，在第二目标函数的表达式中，
Figure SMS_77
为用户向微电网运营商购买电力的成本，
Figure SMS_78
为用户向储能运营商购电的成本。
下面通过一个具体的实施例来说明一种面向可再生能源微电网的多主体博弈优化方法。
实施例1：
以北方某工业园区为算例，针对一主多从的多主体博弈模型进行算例仿真法分析，从而验证所提模型的有效性，假设调度运行周期为一天24h，单位调度时间为1h；典型日的风电和光伏出力以及电负荷日前预测曲线如图9所示，置信度水平αp＝0.95，梯形隶属度参数如下表1所示，风电和光伏出力相比负荷更难以预测，故风电和光伏的隶属度参数扩展幅度更大；微电网运营商的初始价格参数如下表2所示，各个设备参数如下表3所示，假设微型燃气轮机和储能设备的单位功率运维成本分别为0.18元/kW和0.2元/kW，风电和光伏机组的单位功率运维成本均为0.25元/kW(单位：元/千瓦)。
表1
模糊参数 λ1 λ2 λ3 λ4
风电、光伏 0.6 0.9 1.1 1.4
负荷 0.9 0.95 1.05 1.1
表2
Figure SMS_79
表3
设备 容量参数
燃气机容量/kW 500
联络线容量/kW 500
储能装机容量/kWh 1000
储能装机功率/kW 500
充放电效率 0.9/0.95
自损率 0.005
微电网运营商、储能运营商和用户的优化迭代过程在第40次迭代时测算结果已经收敛，微电网运营商和储能运营商的收益分别为7619.11和2644.89元，用户的用能成本稳定在13564.65元；其中，微电网运营商的定价策略如图10所示，用户侧需求响应之后的负荷曲线和需求响应结果分别如图11所示，电能优化调度结果如图12所示。
由图10可知，微电网运营商的价格策略与初始的价格趋势相似，都采用分时电价机制，引导用户合理用电；在用电负荷高峰时段9:00-11:00和17:00-20:00，配电网的售电价格价高，为0.71元/kWh；其次为平时段7:00-8:00、12:00-16:00和21:00-22:00的价格，为0.59元/kWh；其余谷时段的价格则最低，为0.34元/kWh；储能运营商的售电价格则以电网的上网电价为参考，最终优化结果为0.55元/kWh；对于用户实施的需求响应价格则按照用户参与响应负荷比例的不同进行决定，从1元/kWh增加至2元/kWh。
由图11中用户参与需求响应前后负荷曲线的变化可知，在微电网运营商发布的分时电价和需求响应激励补贴价格下，优化后的负荷曲线呈现“削峰填谷”的特点。在用电低谷时段1:00-6:00，用户根据分时电价信号通过负荷转移增加了部分用电负荷；在时段11:00-24:00，用户的用电负荷比优化前的负荷显著降低，尤其在用电高峰时段17:00-20:00的负荷削减量最高；由此可知，在分时电价和激励补贴等双重需求响应激励机制下，用户的需求响应量显著提高，对于负荷曲线的“整形”效果更加显著。
由图12中的电能调度结果可知，考虑到风电和光伏的环保性，微电网全额消纳风电和光伏的出力，微型燃气轮机、储能机组和外部电网的出力作为补充，当微电网内部风电和光伏等新能源的出力不足时，弥补新能源的缺失，从而保障电力供需平衡；在用电负荷低谷时段1:00-6:00，用户的电力需求主要通过微型燃气轮机和风电机组出力进行满足，与此同时，储能机组在该时段进行充电，用户增加部分用电负荷；在时段7:00-16:00，光伏出力较高，风电出力较低，此时用户的用电需求主要通过风电、光伏和微型燃气轮机进行满足，同时通过发布需求响应，引导用户削减部分的用电负荷，从而使得电力供需实现平衡；在时段17:00-21:00，用户的用电需求较高且光伏无出力，此时的用电需求主要通过风电机组、微型燃气轮机、外部电网和储能机组进行满足，同时用户基于分时电价信号和激励补贴信号削减用电负荷，从而实现此时段的电力供需平衡；在时段22:00-24:00，用户的用电需求处于低谷时期，此时主要通过风电出力进行满足，同时，微型燃气轮机出力和用户的需求响应量作为补充。
本发明实施例还公开了一种面向可再生能源微电网的多主体博弈优化装置，如图13所示，包括：
获取模块131，用于获取微电网运营商、储能运营商和用户之间的交互数据，基于微电网运营商、储能运营商和用户之间的交互数据分别构建微电网运营商模型、储能运营商模型和负荷侧模型；详细内容参见上述方法实施例中步骤S101的相关描述。
构建模块132，用于基于微电网运营商模型、储能运营商模型和负荷侧模型构建一主多从的多主体博弈模型；详细内容参见上述方法实施例中步骤S102的相关描述。
求解模块133，用于对一主多从的多主体博弈模型进行求解，生成多主体博弈优化策略；其中，多主体博弈优化策略用于为可再生能源微电网的运行提供能量；详细内容参见上述方法实施例中步骤S103的相关描述。
本发明提供的一种面向可再生能源微电网的多主体博弈优化装置，根据微电网运营商、储能运营商和用户之间的交互数据构建一主多从的多主体博弈模型，一主多从的多主体博弈模型将微电网运营商作为领导者，储能运营商和用户作为跟随者，实现多主体利益最大化，解决了微电网、储能和用户之间的博弈行为策略相关问题，并且通过对一主多从的多主体博弈模型进行求解，生成多主体博弈优化策略，利用多主体博弈优化策略为可再生能源微电网的运行提供能量，提高了可再生能源微电网的供电能力，使得供能更经济，用户用电更加合理。
作为本发明一个可选实施方式，上述获取模块131，包括：第一构建子模块，用于从微电网运营商、储能运营商和用户之间的交互数据中获取微电网运营商交互数据，以日运行净收益最大化为目标，基于微电网运营商交互数据构建第一目标函数；第二构建子模块，用于将成本约束、外部购电功率约束、内部设备出力约束和功率平衡约束作为第一目标函数的约束条件，并基于第一目标函数和第一目标函数的约束条件构建微电网运营商模型；第三构建子模块，用于从微电网运营商、储能运营商和用户之间的交互数据中获取储能运营商交互数据，以储能运营商的日净收益最大化为目标，基于储能运营商交互数据构建第二目标函数；第四构建子模块，用于将储能设备运行约束作为第二目标函数的约束条件，并基于第二目标函数与第二目标函数的构建储能运营商模型；第五构建子模块，用于从微电网运营商、储能运营商和用户之间的交互数据中获取用户端交互数据，以用电成本最低为目标，基于用户端交互数据构建第三目标函数；第六构建子模块，用于将需求响应约束作为第三目标函数的约束条件，基于第三目标函数和第三目标函数的约束条件构建负荷侧模型。
作为本发明一个可选实施方式，上述第一构建子模块，包括：第一确定单元，用于基于微电网运营商交互数据中的微电网运营商的售电电价、微型燃气轮机出力、风电机组出力和光伏机组出力确定微电网运营商的售电收益；第二确定单元，用于基于微电网运营商交互数据中的大电网的售电价格和微电网运营商从大电网购买的电功率确定微电网运营商与外部电网的交换收益；第三确定单元，用于基于微电网运营商交互数据中的微型燃气轮机运维成本、风电机组运维成本、光伏机组运维成本、微型燃气轮机出力、风电机组出力和光伏机组出力确定微电网各设备运维成本；第四确定单元，用于基于微电网运营商交互数据中的用户提供需求响应的价格和用户提供的需求响应量确定用户参与需求响应后的收益；第一构建单元，用于以日运行净收益最大化为目标，基于微电网运营商的售电收益、微电网运营商与外部电网的交换收益、微电网各设备运维成本和用户参与需求响应后的收益和微电网运营商的净收益构建第一目标函数。
作为本发明一个可选实施方式，上述第一构建子模块，还包括：第五确定单元，用于获取比例系数、电负荷预测预测值、风电出力预测值和光伏出力预测值，基于比例系数、电负荷预测预测值、风电出力预测值和光伏出力预测值分别确定电负荷预测值的梯形模糊参数、风电出力预测值的梯形模糊参数和光伏出力预测值的梯形模糊参数；第二构建单元，用于获取置信度水平，基于电负荷预测值的梯形模糊参数、风电出力预测值的梯形模糊参数、光伏出力预测值的梯形模糊参数和置信度水平构建功率平衡约束。
作为本发明一个可选实施方式，上述第三构建子模块，包括：第六确定单元，用于从储能运营商交互数据中获取储能运营商的售电价格和储能运营商的放电量，基于储能运营商的售电价格和储能运营商的放电量确定储能运营商向用户售电的收益；第七确定单元，用于从储能运营商交互数据中获取储能运营商的充电量，基于微电网运营商的售电电价和储能运营商的充电量确定储能运营商从微电网购买电量的充电成本；第八确定单元，用于基于储能运营商从微电网购买电量的充电成本确定储能的运维成本；第三构建单元，用于以储能运营商的日净收益最大化为目标，基于储能运营商向用户售电的收益、储能运营商从微电网购买电量的充电成本和储能的运维成本构建第二目标函数。
作为本发明一个可选实施方式，上述第五构建子模块，包括：第九确定单元，用于基于用户端交互数据中的日前电负荷预测值、需求响应后的实际负荷和偏离惩罚系数确定用户的满意度成本；第四构建单元，用于以用电成本最低为目标，基于微电网运营商的售电收益、储能运营商向用户售电的收益、用户参与需求响应后的收益和用户的满意度成本构建第三目标函数。
另外，本发明实施例还提供了一种电子设备，如图14所示，该电子设备可以包括处理器110和存储器120，其中处理器110和存储器120可以通过总线或者其他方式连接，图14中以通过总线连接为例。此外，该电子设备中还包括至少一个接口130，该至少一个接口130可以是通信接口或其他接口，本实施例对此不做限制。
其中，处理器110可以为中央处理器(Central Processing Unit，CPU)。处理器110还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(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、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器120作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的视频合成方法对应的程序指令/模块。处理器110通过运行存储在存储器120中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的一种面向可再生能源微电网的多主体博弈优化方法。
存储器120可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器110所创建的数据等。此外，存储器120可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器120可选包括相对于处理器110远程设置的存储器，这些远程存储器可以通过网络连接至处理器110。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
另外，至少一个接口130用于电子设备与外部设备的通信，比如与服务器通信等。可选的，至少一个接口130还可以用于连接外设输入、输出设备，比如键盘、显示屏等。
所述一个或者多个模块存储在所述存储器120中，当被所述处理器110执行时，执行如图1所示实施例中的一种面向可再生能源微电网的多主体博弈优化方法。
上述电子设备具体细节可以对应参阅图1所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random AccessMemory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (10)

1.一种面向可再生能源微电网的多主体博弈优化方法，其特征在于，包括：
获取微电网运营商、储能运营商和用户之间的交互数据，基于所述微电网运营商、储能运营商和用户之间的交互数据分别构建微电网运营商模型、储能运营商模型和负荷侧模型；
基于所述微电网运营商模型、所述储能运营商模型和所述负荷侧模型构建一主多从的多主体博弈模型；
对所述一主多从的多主体博弈模型进行求解，生成多主体博弈优化策略；其中，所述多主体博弈优化策略用于为可再生能源微电网的运行提供能量。
2.根据权利要求1所述的一种面向可再生能源微电网的多主体博弈优化方法，其特征在于，所述基于所述微电网运营商、储能运营商和用户之间的交互数据分别构建微电网运营商模型、储能运营商模型和负荷侧模型，包括：
从所述微电网运营商、储能运营商和用户之间的交互数据中获取微电网运营商交互数据，以日运行净收益最大化为目标，基于所述微电网运营商交互数据构建第一目标函数；
将成本约束、外部购电功率约束、内部设备出力约束和功率平衡约束作为第一目标函数的约束条件，并基于所述第一目标函数和所述第一目标函数的约束条件构建所述微电网运营商模型；
从所述微电网运营商、储能运营商和用户之间的交互数据中获取储能运营商交互数据，以储能运营商的日净收益最大化为目标，基于所述储能运营商交互数据构建第二目标函数；
将储能设备运行约束作为第二目标函数的约束条件，并基于所述第二目标函数与所述第二目标函数的构建储能运营商模型；
从所述微电网运营商、储能运营商和用户之间的交互数据中获取用户端交互数据，以用电成本最低为目标，基于所述用户端交互数据构建第三目标函数；
将需求响应约束作为所述第三目标函数的约束条件，基于所述第三目标函数和所述第三目标函数的约束条件构建负荷侧模型。
3.根据权利要求2所述的一种面向可再生能源微电网的多主体博弈优化方法，其特征在于，所述以日运行净收益最大化为目标，基于所述微电网运营商交互数据构建第一目标函数，包括：
基于所述微电网运营商交互数据中的微电网运营商的售电电价、微型燃气轮机出力、风电机组出力和光伏机组出力确定微电网运营商的售电收益；
基于所述微电网运营商交互数据中的大电网的售电价格和微电网运营商从大电网购买的电功率确定微电网运营商与外部电网的交换收益；
基于所述微电网运营商交互数据中的微型燃气轮机运维成本、风电机组运维成本、光伏机组运维成本、所述微型燃气轮机出力、所述风电机组出力和所述光伏机组出力确定微电网各设备运维成本；
基于所述微电网运营商交互数据中的用户提供需求响应的价格和用户提供的需求响应量确定用户参与需求响应后的收益；
以日运行净收益最大化为目标，基于所述微电网运营商的售电收益、所述微电网运营商与外部电网的交换收益、所述微电网各设备运维成本和所述用户参与需求响应后的收益和所述微电网运营商的净收益构建所述第一目标函数。
4.根据权利要求3所述的一种面向可再生能源微电网的多主体博弈优化方法，其特征在于，所述以日运行净收益最大化为目标，基于所述微电网运营商交互数据构建第一目标函数，还包括：
获取比例系数、电负荷预测预测值、风电出力预测值和光伏出力预测值，基于所述比例系数、所述电负荷预测预测值、所述风电出力预测值和所述光伏出力预测值分别确定电负荷预测值的梯形模糊参数、风电出力预测值的梯形模糊参数和光伏出力预测值的梯形模糊参数；
获取置信度水平，基于所述电负荷预测值的梯形模糊参数、所述风电出力预测值的梯形模糊参数、所述光伏出力预测值的梯形模糊参数和所述置信度水平构建所述功率平衡约束。
5.根据权利要求3所述的一种面向可再生能源微电网的多主体博弈优化方法，其特征在于，所述以储能运营商的日净收益最大化为目标，基于所述储能运营商交互数据构建第二目标函数，包括：
从所述储能运营商交互数据中获取储能运营商的售电价格和储能运营商的放电量，基于所述储能运营商的售电价格和所述储能运营商的放电量确定储能运营商向用户售电的收益；
从所述储能运营商交互数据中获取储能运营商的充电量，基于所述微电网运营商的售电电价和所述储能运营商的充电量确定储能运营商从微电网购买电量的充电成本；
基于所述储能运营商从微电网购买电量的充电成本确定储能的运维成本；
以储能运营商的日净收益最大化为目标，基于所述储能运营商向用户售电的收益、所述储能运营商从微电网购买电量的充电成本和所述储能的运维成本构建所述第二目标函数。
6.根据权利要求5所述的一种面向可再生能源微电网的多主体博弈优化方法，其特征在于，所述以用电成本最低为目标，基于所述用户端交互数据构建第三目标函数，包括：
基于所述用户端交互数据中的日前电负荷预测值、需求响应后的实际负荷和偏离惩罚系数确定用户的满意度成本；
以用电成本最低为目标，基于所述微电网运营商的售电收益、所述储能运营商向用户售电的收益、所述用户参与需求响应后的收益和用户的满意度成本构建所述第三目标函数。
7.根据权利要求1所述的一种面向可再生能源微电网的多主体博弈优化方法，其特征在于，所述对所述一主多从的多主体博弈模型进行求解，生成多主体博弈优化策略，包括：
利用粒子群算法联合CPLEX求解器的分布式均衡求解方法对一主多从的多主体博弈模型进行求解，生成所述多主体博弈优化策略。
8.一种面向可再生能源微电网的多主体博弈优化装置，其特征在于，包括：
获取模块，用于获取微电网运营商、储能运营商和用户之间的交互数据，基于所述微电网运营商、储能运营商和用户之间的交互数据分别构建微电网运营商模型、储能运营商模型和负荷侧模型；
构建模块，用于基于所述微电网运营商模型、所述储能运营商模型和所述负荷侧模型构建一主多从的多主体博弈模型；
求解模块，用于对所述一主多从的多主体博弈模型进行求解，生成多主体博弈优化策略；其中，所述多主体博弈优化策略用于为可再生能源微电网的运行提供能量。
9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器与所述处理器耦合；
所述存储器上存储有计算机可读程序指令，当所述指令被所述处理器执行时，实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，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至7中任一项所述的方法。
CN202310527747.1A 2023-05-08 2023-05-08 一种面向可再生能源微电网的多主体博弈优化方法及装置 Pending CN116432862A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310527747.1A CN116432862A (zh) 2023-05-08 2023-05-08 一种面向可再生能源微电网的多主体博弈优化方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310527747.1A CN116432862A (zh) 2023-05-08 2023-05-08 一种面向可再生能源微电网的多主体博弈优化方法及装置

Publications (1)

Publication Number Publication Date
CN116432862A true CN116432862A (zh) 2023-07-14

Family

ID=87085606

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310527747.1A Pending CN116432862A (zh) 2023-05-08 2023-05-08 一种面向可再生能源微电网的多主体博弈优化方法及装置

Country Status (1)

Country Link
CN (1) CN116432862A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117374995A (zh) * 2023-12-08 2024-01-09 国网天津市电力公司东丽供电分公司 一种电力调度优化方法、装置、设备和存储介质
CN118316039A (zh) * 2024-06-11 2024-07-09 华东交通大学 一种多微电网储能云管理优化调度方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117374995A (zh) * 2023-12-08 2024-01-09 国网天津市电力公司东丽供电分公司 一种电力调度优化方法、装置、设备和存储介质
CN117374995B (zh) * 2023-12-08 2024-04-02 国网天津市电力公司东丽供电分公司 一种电力调度优化方法、装置、设备和存储介质
CN118316039A (zh) * 2024-06-11 2024-07-09 华东交通大学 一种多微电网储能云管理优化调度方法

Similar Documents

Publication Publication Date Title
Li et al. Trading strategy and benefit optimization of load aggregators in integrated energy systems considering integrated demand response: A hierarchical Stackelberg game
Chen et al. Research on day-ahead transactions between multi-microgrid based on cooperative game model
Cui et al. Game-based peer-to-peer energy sharing management for a community of energy buildings
Khajeh et al. Robust bidding strategies and scheduling of a price‐maker microgrid aggregator participating in a pool‐based electricity market
Wu et al. Optimal dispatch and bidding strategy of a virtual power plant based on a Stackelberg game
CN110378729B (zh) 一种基于动态能源价格策略的综合需求响应方法
CN116432862A (zh) 一种面向可再生能源微电网的多主体博弈优化方法及装置
Mohammadjafari et al. Optimal energy management of a microgrid incorporating a novel efficient demand response and battery storage system
Jeddi et al. Distributed load scheduling in residential neighborhoods for coordinated operation of multiple home energy management systems
He et al. A new cooperation framework with a fair clearing scheme for energy storage sharing
Liu et al. Optimal dispatch strategy of virtual power plants using potential game theory
CN112671022A (zh) 光储充电站容量优化配置方法、系统、终端及存储介质
Zhang et al. A master-slave game optimization model for electric power companies considering virtual power plant
CN116342166A (zh) 一种基于多区域共享的能量博弈调控方法和设备
CN115271438A (zh) 一种可计及碳排放的多主体博弈协同调度方法及电子设备
Yu et al. A Stackelberg game-based peer-to-peer energy trading market with energy management and pricing mechanism: A case study in Guangzhou
CN116307029A (zh) 促进多虚拟网格间源储荷协调的双层优化调度方法及系统
Golla et al. Evaluating the impact of regulation on the path of electrification in Citizen Energy Communities with prosumer investment
Zhou et al. Urban virtual power plant operation optimization with incentive-based demand response
CN117081169B (zh) 一种聚合园区分布式光伏能源的运营方法
Liu Low-carbon scheduling research of integrated energy system based on Stackelberg game under sharing mode
CN110556821B (zh) 考虑交互功率控制和双边竞价交易的多微电网双层优化调度方法
CN111402015A (zh) 一种基于购售风险的虚拟电厂双层竞标方法及系统
Wu et al. LEM for DERs and flexible loads
Liao et al. Bi‐level optimization of multi‐regional power system considering low‐carbon oriented synergy of both source and load sides

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