CN117689189A - 一种基于主从博弈的虚拟电厂能源调度方法及终端设备 - Google Patents
一种基于主从博弈的虚拟电厂能源调度方法及终端设备 Download PDFInfo
- Publication number
- CN117689189A CN117689189A CN202410157744.8A CN202410157744A CN117689189A CN 117689189 A CN117689189 A CN 117689189A CN 202410157744 A CN202410157744 A CN 202410157744A CN 117689189 A CN117689189 A CN 117689189A
- Authority
- CN
- China
- Prior art keywords
- energy
- period
- emo
- eso
- model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 87
- 230000008901 benefit Effects 0.000 claims abstract description 53
- 238000005457 optimization Methods 0.000 claims abstract description 25
- 230000003993 interaction Effects 0.000 claims abstract description 11
- 230000005611 electricity Effects 0.000 claims description 45
- 230000008569 process Effects 0.000 claims description 32
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 20
- 229910052799 carbon Inorganic materials 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 238000001816 cooling Methods 0.000 claims description 4
- 239000000446 fuel Substances 0.000 claims description 4
- 238000002844 melting Methods 0.000 claims description 3
- 230000008018 melting Effects 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 229940049705 immune stimulating antibody conjugate Drugs 0.000 claims 2
- 230000006399 behavior Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 14
- 238000004146 energy storage Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 3
- 238000007599 discharging Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000005338 heat storage Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process 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
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 239000002918 waste heat Substances 0.000 description 1
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
Abstract
本发明涉及一种能源系统优化调度领域，特别是一种基于主从博弈的虚拟电厂能源调度方法及终端设备，包括以下步骤：分析综合能源系统主从博弈交互特点，生成主从博弈框架，所述综合能源系统包括EMO、EGO、ESO以及USER；建立多主体决策模型，所述多主体决策模型为EMO、EGO、ESO及USER四方的收益目标模型；建立约束条件模型；根据所述主从博弈框架、所述多主体决策模型和所述约束条件模型，结合主从博弈均衡模型输出优化策略；通过引入EMO、EGO、ESO、USER四方的主从博弈均衡模型，优化各自主体行为，提高综合能源系统中各方的效益比。
Description
技术领域
本发明涉及一种能源系统优化调度领域，特别是一种基于主从博弈的虚拟电厂能源调度方法及终端设备。
背景技术
以绿色发展为目标，实现对环境的减排减碳的综合能源系统成为社会能源领域进步的重要一环，综合能源系统能够根据用户冷、热、电实际负荷需求，进行“量身定制”，能够在系统规划、运行中实现不同能源的优势互补，从而有助于可再生分布式能源的大规模接入与高效利用，提高能源的综合利用效率，是新一代电力系统中不可或缺的组成部分。
然而，由于综合能源系统包含能源管理商、供能运营商、储能运营商多个方面，其中供能运营商又包含多种可再生能源，使综合能源系统中设备类型众多，动态特性差异较大，系统的协同运行变得更加困难，随着能源市场种类的增多，在实际系统中出现多利益诉求、多属性的市场主体，现有技术中心提出的方法针对单一系统优化调度策略难以兼顾多方利益。
发明内容
为解决现有技术中所存在的问题，本发明提供一种基于主从博弈的虚拟电厂能源调度方法及终端设备，以解决目前综合能源系统复杂度高的问题，平衡综合能源系统中多方利益。
一方面，本实施例提供一种基于主从博弈的虚拟电厂能源调度方法，包括以下步骤：
S01，分析综合能源系统主从博弈交互特点，生成主从博弈框架，所述综合能源系统包括EMO，EGO，ESO，以及USER；
S02，建立多主体决策模型，所述多主体决策模型为EMO、EGO、ESO及USER四方的收益目标模型；
S03，建立约束条件模型；
S04，根据所述主从博弈框架、所述多主体决策模型和所述约束条件模型，结合主从博弈均衡模型输出优化策略。
进一步的，所述EMO的收益目标模型为：
式中，为EMO的收益目标，/>、/>分别为t时段内EMO出售给USER的能源收益和与ESO出售能源收益；/>、/>分别为t时段内EMO与电网的能源交互成本、EMO与EGO的能源交互成本；/>为t时段内EMO从外部购电所产生的碳交易成本；/>为t时段总量；
所述EMO的收益目标模型的、/>、/>、/>满足以下函数模型：
式中，、/>、/>分别为t时段USER需要的电能、热能、冷能的实际负荷；、/>、/>分别为t时段内EMO出售的电能、热能和冷能的价格；/>和分别为t时段内EMO向ESO出售电、热功率；/>、/>、/>分别为t时段内EMO向EGO购买的电、热、冷功率；/>、/>、/>分别为t时段内EMO向EGO购买的电能、热能、冷能的价格；/>和/>分别为t时段内EMO向GB的出售电价和购买电价；/>为时间变化量；
所述EGO的收益目标模型为：
式中，为EGO的收益目标；/>为t时段内EGO售能的收益；/>为t时段内CCHP和GB的燃料成本；/>为t时段内EGO所产生的碳交易成本；/>为t时段内GT的启停运行成本；/>为t时段总量；
所述EGO的收益目标模型中、/>满足以下函数模型：
式中，、/>、/>分别为CCHP的成本系数；/>、/>、/>分别为GB的成本系数；/>、分别为GT的启、停标记位，0表示停止，1表示启动；/>、/>分别为GT的启、停成本系数；
所述ESO的收益目标模型为：
式中，为ESO的收益目标；/>为t时段内ESO充能成本；/>为t时段内ESO的放能成本；/>为t时段总量；
所述ESO的收益目标模型中、/>满足以下函数模型：
式中，、/>分别为t时段内ESO售电和售热价格；/>、/>分别为t时段内EMO出售的电能、热能的价格；/>和/>分别为t时段内EMO向ESO出售的电、热功率；/>和/>分别为t时段内ESO出售的电、热功率。
可选的，所述多主体决策模型还包括用户端USER的负荷模型，所述负荷模型为：
式中，为t时段内的固定负荷；/>为t时段内的可调节负荷；/>为t时段内可调节负荷的最大值；/>为t时段内用户的可转移负荷的总量；/>、/>、/>分别为用户的电能、热能、冷能的使用场景；/>为t时段总量。
进一步的，所述约束条件模型包括购能/售能约束，所述购能/售能约束模型为：
式中，和/>分别t时段内EMO向GB的出售电价和购买电价；/>、分别为t时段热能/冷能的最低价格和最高价格；/>为t时间内平均出售电能的最大值；/>为t时间内平均出售热能/冷能的最大值。
进一步的，所述约束条件模型还包括功率平衡约束，所述功率平衡约束为：
式中，为t时段内USER需要的电能的实际负荷；/>为t时段内ISAC所消耗的电功率；/>为t时段内EMO向ESO出售的电功率；/>为WT产生的电功率；/>我PV产生的电功率；/>为GT产生的电功率；/>为t时段内ESO出售的电功率；/>为t时间段内USER使用的热能的实际负荷；/>分别为t时段内EMO向ESO出售的热功率；为t时段内GB提供的热功率；/>为t时段内WHB提供的热功率；/>为t时段内ESO出售的热功率；/>为t时段内USER需要的冷能的实际负荷；/>为t时段内AR提供的冷功率；/>、/>分别为ISAC的融冰功率和输出冷功率。
进一步的，所述主从博弈均衡模型为：
式中，所述主从博弈均衡模型包括：
参与者，所述参与者包括EMO、EGO、ESO和USER；
策略集，所述策略集包括EMO购入、出售能源价格，EGO中供能机组的出力/>，ESO中的BT、HST的充放电功率/>，USER参与调节的电、热、冷柔性负荷/>；
收益，所述收益、/>、/>、/>分别为所述多主体决策模型中EMO、EGO、ESO、USER的收益目标模型。
可选的，所述主从博弈均衡模型还包括以下约束条件：
通过所述约束条件使所述主从博弈均衡模型达到纳什均衡，即为多方博弈的纳什均衡解，/>、/>、/>、/>分别为EMO、EGO、ESO、USER对其余博弈方策略组合的最佳对策。
进一步的，所述结合主从博弈均衡模型输出优化策略以下步骤：
C01，输入数据和预设参数；
C02，初始化种群M=0，计数参数K=0，由上层EMO中购、售能源价格传递至下层EGO、ESO、USER中，下层EGO、ESO、USER根据已知能源价格调用CPLEX求解器进行求解，并把数据返回到上层EMO中；
C03，上层EMO根据下层优化结果对自身利益C1进行优化；
C04，通过变叉、变异形成新的种群N；
C05，下层EGO、ESO、USER根据已知能源价格再次调用CPLEX求解器进行求解，并把数据返回到上层EMO中，计算自身利益C2；
C06，判断C2是否大于C1，如果是则执行步骤C07，否则执行步骤C08；
C07，更新种群数量为N，计数参数K加1，并优化自身利益C1为C2；
C08，判断计数参数K是否达到种群中个体数量，如果是则执行步骤C09，否则执行步骤C05；
C09，输出优化结果。
另一方面，本申请实施例提供了一种电子设备，包括：处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的程序，实现如前任一项所述的方法。
通过引入EMO、EGO、ESO、USER四方的主从博弈均衡模型，得出能源价格的优化策略，优化各自主体行为，是综合能源系统各方的效益比更高，同时用户在一定用能满意度下减少购能成本，平抑负荷波动。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为基于主从博弈的能源系统优化调度方法流程示意图；
图2为综合能源系统架构示意图；
图3为主从博弈架构示意图；
图4为结合主从博弈均衡模型输出优化策略方法流程示意图；
图5为系统能源价格曲线图；
图6(a)为电价定价策略对比图；
图6(b)为热、冷价的定价策略对比图；
图7(a)为电能优化调度后供需平衡图；
图7(b)为热能优化调度后供需平衡图；
图7(c)为冷能优化调度后供需平衡图；
图8(a)为IDR优化前后电负荷曲线图；
图8(b)为IDR优化前后热负荷曲线图；
图8(c)为IDR优化前后冷负荷曲线图；
图9为终端设备结构示意图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
以下详细说明均是示例性的说明，旨在对本发明提供进一步的详细说明。除非另有指明，本发明所采用的所有技术术语与本发明所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式，而并非意图限制根据本发明的示例性实施方式。
参照图1，本发明实施例提供一种基于主从博弈的虚拟电厂能源调度方法，包括以下步骤：
S01，分析综合能源系统（Integrated energy system, IES）主从博弈交互特点，生成主从博弈框架；
具体的，参照图2，所述综合能源系统包括上层领导者能源管理商（Energymanagement operator， EMO），下层追随者供能运营商（Energy generation operator，EGO)、储能运营商（Energy storage operator，ESO）和用户（USER），所述供能运营商包括三联供系统（Combined Cooling, Heating and Power，CCHP）、电网系统（grid，GB）、冰蓄冷空调（Ice-storage air-conditioners，ISAC）等；所述三联供系统包括风力涡轮机（WindTurbine，WT）、光伏（Photovoltaic，PV）、燃气轮机（Gas Turbine，GT）、热回收系统（WasteHeat Boiler，WHB）等；所述储能运营商包括备用电源系统(Backup Power System，BT)、热储能系统(Heat Storage System，HST)等。
在交易过程中，EMO、EGO、ESO和USER四方的角色、定位均不同，不同的主体会结合自身的收益目标进行不断地优化，如EMO为各市场主体之间交易搭建桥梁，完善市场体系，其自身收益目标在于实现能量出售价格与能量出售量最大化，提高自身收益，而USER往往希望在满足日常所需能源需求的前提下，降低购买能量的支出，在一方优化自身利益的同时，会影响其他主体目标的实现，各主体之间具有相互影响、相互制约的关系。
参照图3，为EMO、EGO、ESO和USER四方的主从博弈框架示意图，上层环节中，EMO是整个系统中能源市场的领导者和主导者，负责调节IES的功率实时平衡、实现源-荷-储3方协调互动，制定更加合理、灵活的价格策略；根据采取自身最大利益为目标的原则，制定购买和出售能源的价格，体现了能源定价权；EMO决策过程先后次序为系统电量需求增多时，先从EGO购买的电量，当不再满足要求时，再从电力公司购买电量并支付由外部购电产生的碳交易成本。
在下层环节中，EGO通过CCHP机组、GB等供能系统提供电、热、冷功率，在考虑各供能机组所产生的碳排放量的前提下，其自身利益目标为燃料成本和碳交易成本最小，出售能源收益最大。
ESO通过价格信息调节自身充、放能功率，在用户实现利益最大化。
USER引入可转移负荷，USER可根据能源的出售价，进一步综合调整自身的用能需求，实现动态调节，其自身利益目标为用户购能成本以及用能需求响应成本的最优。
S02，建立多主体决策模型；具体的，所述多主体决策模型为EMO、EGO、ESO及USER四方的收益目标模型；
具体的，EMO灵活利用电网的分时电价，制定购买和出售能源价格，同时优化引导供能机组出力和用户柔性负荷全要素特性，所述EMO的收益目标模型为：
式中，为EMO的收益目标，/>、/>分别为t时段内EMO出售给USER的能源收益和与ESO出售能源收益；/>、/>分别为t时段内EMO与电网的能源交互成本、EMO与EGO的能源交互成本；/>为t时段内EMO从外部购电所产生的碳交易成本；/>为t时段总量。
作为优选的实施方式，所述EMO的收益目标模型的、/>、/>、/>满足以下函数模型：
式中，、/>、/>分别为t时段USER需要的电能、热能、冷能的实际负荷；、/>、/>分别为t时段内EMO出售的电能、热能和冷能的价格；/>和分别为t时段内EMO向ESO出售电、热功率；/>、/>、/>分别为t时段内EMO向EGO购买的电、热、冷功率；/>、/>、/>分别为t时段内EMO向EGO购买的电能、热能、冷能的价格；/>和/>分别为t时段内EMO向GB的出售电价和购买电价；/>为时间变化量。
EGO通过以CCHP机组为核心，根据能源价格策略，进一步优化机组的出力，实现自身利益最大化，所述EGO的收益目标模型为：
式中，为EGO的收益目标；/>为t时段内EGO售能的收益；/>为t时段内CCHP和GB的燃料成本；/>为t时段内EGO所产生的碳交易成本；/>为t时段内GT的启停运行成本；/>为t时段总量。
作为优选的实施方式，所述EGO的收益目标模型中、/>满足以下函数模型：
式中，、/>、/>分别为CCHP的成本系数；/>、/>、/>分别为GB的成本系数；/>、分别为GT的启、停标记位，0表示停止，1表示启动；/>、/>分别为GT的启、停成本系数。
ESO由BT和HST组成，在用户与EMO中进行低价充能、高价放能，所述ESO的收益目标模型为：
式中，为ESO的收益目标；/>为t时段内ESO充能成本；/>为t时段内ESO的放能成本；/>为t时段总量。
作为优选的实施方式，所述ESO的收益目标模型中、/>满足以下函数模型：
式中，、/>分别为t时段内ESO售电和售热价格；/>、/>分别为t时段内EMO出售的电能、热能的价格；/>和/>分别为t时段内EMO向ESO出售的电、热功率；/>和/>分别为t时段内ESO出售的电、热功率。
USER在已知能源价格的基础上，优化自身的用能习惯，对柔性负荷进行转移，所述USER的收益目标模型为：
式中，为t时段内用户的满意度指标；/>为t时段内用户的支付成本；
作为优选的实施方式，所述USER的收益目标模型中、/>满足以下函数模型：
式中，的/>、/>、/>分别代表用户需要电能、热能、冷能的场景；/>、/>分别为用户使用电能、热能、冷能偏好系数；
作为优选的实施方式，所述多主体决策模型还包括用户端USER的负荷模型，所述负荷模型为：
式中，为t时段内的固定负荷；/>为t时段内的可调节负荷；/>为t时段内可调节负荷的最大值；/>为t时段内用户的可转移负荷的总量；/>、/>、/>分别为用户的电能、热能、冷能的使用场景；/>为t时段总量。
S03，建立约束条件模型；具体的，为避免系统下层EGO、ESO、USER跳过EMO直接与GB进行直接交易，即保证市场价格处于EMO的卖出价格和买入价格之间，所述约束条件模型包括购能/售能约束、功率平衡约束，所述购能/售能约束为：
式中，和/>分别t时段内EMO向GB的出售电价和购买电价；/>、分别为t时段热能/冷能的最低价格和最高价格；/>为t时间内平均出售电能的最大值；/>为t时间内平均出售热能/冷能的最大值。
建立功率平衡约束：
式中，为t时段内USER需要的电能的实际负荷；/>为t时段内ISAC所消耗的电功率；/>为t时段内EMO向ESO出售的电功率；/>为WT产生的电功率；/>我PV产生的电功率；/>为GT产生的电功率；/>为t时段内ESO出售的电功率；/>为t时间段内USER使用的热能的实际负荷；/>分别为t时段内EMO向ESO出售的热功率；为t时段内GB提供的热功率；/>为t时段内WHB提供的热功率；/>为t时段内ESO出售的热功率；/>为t时段内USER需要的冷能的实际负荷；/>为t时段内AR提供的冷功率；/>、/>分别为ISAC的融冰功率和输出冷功率。
S04，根据所述主从博弈框架、所述多主体决策模型和所述约束条件模型，结合主从博弈均衡模型输出优化策略；具体的，所述主从博弈均衡模型为：
式中，所述主从博弈均衡模型包括：
参与者，所述参与者包括EMO、EGO、ESO和USER；具体的，所述参与者包括上层领导者EMO和下层追随者EGO、ESO、USER；
策略集，所述策略集包括EMO购入、出售能源价格，EGO中供能机组的出力/>，ESO中的BT、HST的充放电功率/>，USER参与调节的电、热、冷柔性负荷/>；
收益，所述收益、/>、/>、/>分别为所述多主体决策模型中EMO、EGO、ESO、USER的收益目标模型。
所述主从博弈均衡模型还包括以下约束条件：
通过所述约束条件使所述主从博弈均衡模型达到纳什均衡，即为多方博弈的纳什均衡解，是由各自的最优策略集组成，/>、、/>、/>分别为EMO、EGO、ESO、USER对其余博弈方策略组合的最佳对策，其中任何一方都无法通过在不干扰其他利益的情况下提高收益，需相互制约，共同达到相对的利益均衡。
作为优选的实施方式，参照图4，所述结合主从博弈均衡模型输出优化策略以下步骤：
C01，输入数据和预设参数；
C02，初始化种群M=0，计数参数K=0，由上层EMO中购、售能源价格传递至下层EGO、ESO、USER中，下层EGO、ESO、USER根据已知能源价格调用CPLEX求解器进行求解，并把数据返回到上层EMO中；
C03，上层EMO根据下层优化结果对自身利益C1进行优化；
C04，通过变叉、变异形成新的种群N；
C05，下层EGO、ESO、USER根据已知能源价格再次调用CPLEX求解器进行求解，并把数据返回到上层EMO中，计算自身利益C2；
C06，判断C2是否大于C1，如果是则执行步骤C07，否则执行步骤C08；
C07，更新种群数量为N，计数参数K加1，并优化自身利益C1为C2；
C08，判断计数参数K是否达到种群中个体数量，如果是则执行步骤C09，否则执行步骤C05；
C09，输出优化结果。
基于EMO、EGO、ESO以及USER建立的多主体的主从博弈模型，制定合理的能源价格，优化各自主体行为，包括EGO供能机组出力更加合理、ESO储能系统实现低充高放，同时用户在一定用能满意度下减少购能成本，平抑负荷波动。
本发明还提供基于主从博弈的能源系统优化调度方法的应用实施例。
具体的，用户电、热和冷负荷中可调动柔性负荷分别占20%、10%和10%。用户用电能、热/冷能的偏好系如表1所示。
表1用户用电能、热/冷能的偏好系数
/>
参照图5，为内部能源价格曲线。
EMO的定价策略如图6所示，图6(a)为电价定价策略对比图，为保证可再生能源作为EMO优先消纳对象，其定价策略始终在包络线内进行实时优化，为系统供能机组、用能侧提供比外部电网更加优惠的价格。EMO电价策略中实时电价存在波动，这些波动趋势与外部电网的分时电价趋势相似。同时USER需要的电负荷一天内预测出力趋势也与购电价格较为一致，当用户用电高峰时期，EMO能源价格相应提高，激励EGO供能机组增加出力，减少从外部电网直接购入的电量，增加收益。
图6(b)为热、冷价的定价策略对比图，与电价优化结果分析大体相同，热、冷价格在规定上下限包络线内进行实时优化，其购热、冷价格波动趋势与用户热、冷负荷一天内预测出力趋势具有相同特征。
为对比分析基于主从博弈的能源系统优化调度方法对综合能源系统中各主体的经济、环境效益的影响，选取2种不同类型算例场景，分别计算各主体的收益并进行对比：
场景1：考虑EMO、EGO、ESO 和USER，考虑阶梯碳交易机制，不考虑价格型IDR。
场景2：考虑EMO、EGO、ESO 和USER，考虑阶梯碳交易机制和价格型IDR。
上述场景各主体的利润调度结果如表2所示。EMO与EGO的碳排放量如表3所示。
表2不同场景下各主体的利润调度结果
| 场景 | EMO/元 | EGO/元 | ESO/元 | USER/元 |
| 1 | 10864 | 4511 | 675 | 19020 |
| 2 | 10721 | 4789 | 645 | 19821 |
表3不同场景下EMO和EGO的碳排放量
| 场景 | EMO碳排放量/千克 | EGO碳排放量/千克 | 系统总碳排放量/千克 |
| 1 | 4858 | 9431 | 14289 |
| 2 | 4315 | 9524 | 13839 |
由表2、3可知，场景2中EGO和USER收益相比于场景1分别提高了6.2%和4.2%，系统总碳排放量减少排放450千克,这是由于场景2中考虑了价格型IDR，在满足用户舒适度的前提下，将能源价格高峰时的负荷进行削减，在能源价格较低时对负荷进行填谷，有效平抑负荷曲线的峰谷差。
通过EGO增加的收益来增加供能机组出力，进一步降低由EMO从外部电网的购电所带来的碳排放量，有效减少了系统总碳排放量。
场景1中由于未考虑对柔性负荷进行优化，导致EMO无法通过负荷变化来优化自身的能源价格，能源价格与外部电网基本一致，故场景1中EMO收益比场景2中略有增加。
使用基于主从博弈的能源系统优化调度方法后的电、热、冷能供需平衡图如图7所示。考虑到优先对新能源机组进行消纳可以增加系统环保性，PV和WT分别在早晚23：00-07：00时段内电负荷较低时进行优先供能；08：00-10：00和14：00-17：00时段内，随着电负荷的增加，在完全消纳PV和WT之后，GT补充功率缺额，EGO通过增加GT的出力来获取自身更多的盈利。同时，GT多余能量通过ESO进行存储。11：00-13：00和18：00-23：00时段内，电负荷需求达到高峰，系统通过调节储能系统和外部电网购电满足用户用电需求。对于用户热负荷，通过GB与GT来满足热负荷需求，当无法满足时通过储能装置进行低充高放，达到供需平衡。冷负荷主要由ISAC中的Qa和Qd两种调节模式进行供应，当无法满足冷负荷需求时，AR机组进行补充供能，实现供需平衡。
USER参与IDR优化前后的电、热和冷负荷曲线如图8所示，以电负荷为例，在电价的激励下，为减少用电成本，IDR对优化电负荷曲线产生了削峰填谷的效果。在23：00-7：00电负荷谷时段，此时电价较低，通过激励作用，把峰时段值的可调节柔性电负荷转移到该时段，增加了用户的综合利益；在11：00-13：00电负荷峰时段内，电价较高，经过用户侧优化使电负荷降低，降低用户购能成本；8：00-10：00和14：00-17：00电负荷平时段，在保证用户用电舒适度的前提下，尽可能地减少用户侧的购能成本，减少负荷峰谷差。
参照图9，本申请另一方面还提供一种终端设备，包括：处理器1、通信接口2、存储器3和通信总线4，其中，处理器1、通信接口2、存储器3通过通信总线4完成相互间的通信。
存储器3，用于存放计算机程序；
处理器1，用于执行存储器3上所存放的程序，实现上述方法实施例的步骤。
由技术常识可知，本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此，上述公开的实施方案，就各方面而言，都只是举例说明，并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。
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 (9)
1.一种基于主从博弈的虚拟电厂能源调度方法，其特征在于，包括以下步骤：
S01，分析综合能源系统主从博弈交互特点，生成主从博弈框架，所述综合能源系统包括EMO，EGO，ESO，以及USER；
S02，建立多主体决策模型，所述多主体决策模型为EMO、EGO、ESO及USER四方的收益目标模型；
S03，建立约束条件模型；
S04，根据所述主从博弈框架、所述多主体决策模型和所述约束条件模型，结合主从博弈均衡模型输出优化策略。
2.如权利要求1所述的一种基于主从博弈的虚拟电厂能源调度方法，其特征在于所述EMO的收益目标模型为：
式中，为EMO的收益目标，/>、/>分别为t时段内EMO出售给USER的能源收益和与ESO出售能源收益；/>、/>分别为t时段内EMO与电网的能源交互成本、EMO与EGO的能源交互成本；/>为t时段内EMO从外部购电所产生的碳交易成本；/>为t时段总量；
所述EMO的收益目标模型的、/>、/>、/>满足以下函数模型：
式中，、/>、/>分别为t时段USER需要的电能、热能、冷能的实际负荷；/>、、/>分别为t时段内EMO出售的电能、热能和冷能的价格；/>和/>分别为t时段内EMO向ESO出售电、热功率；/>、/>、/>分别为t时段内EMO向EGO购买的电、热、冷功率；/>、/>、/>分别为t时段内EMO向EGO购买的电能、热能、冷能的价格；/>和/>分别为t时段内EMO向GB的出售电价和购买电价；/>为时间变化量；
所述EGO的收益目标模型为：
式中，为EGO的收益目标；/>为t时段内EGO售能的收益；/>为t时段内CCHP和GB的燃料成本；/>为t时段内EGO所产生的碳交易成本；/>为t时段内GT的启停运行成本；/>为t时段总量；
所述EGO的收益目标模型中、/>满足以下函数模型：
式中，、/>、/>分别为CCHP的成本系数；/>、/>、/>分别为GB的成本系数；/>、分别为GT的启、停标记位，0表示停止，1表示启动；/>、/>分别为GT的启、停成本系数；
所述ESO的收益目标模型为：
式中，为ESO的收益目标；/>为t时段内ESO充能成本；/>为t时段内ESO的放能成本；/>为t时段总量；
所述ESO的收益目标模型中、/>满足以下函数模型：
式中，、/>分别为t时段内ESO售电和售热价格；/>、/>分别为t时段内EMO出售的电能、热能的价格；/>和/>分别为t时段内EMO向ESO出售的电、热功率；/>和/>分别为t时段内ESO出售的电、热功率。
3.如权利要求2所述的一种基于主从博弈的虚拟电厂能源调度方法，其特征在于，所述多主体决策模型还包括用户端USER的负荷模型，所述负荷模型为：
式中，为t时段内的固定负荷；/>为t时段内的可调节负荷；/>为t时段内可调节负荷的最大值；/>为t时段内用户的可转移负荷的总量；/>、/>、/>分别为用户的电能、热能、冷能的使用场景；/>为t时段总量。
4.如权利要求2所述的一种基于主从博弈的虚拟电厂能源调度方法，其特征在于，所述约束条件模型包括购能/售能约束，所述购能/售能约束为：
式中，和/>分别t时段内EMO向GB的出售电价和购买电价；/>、分别为t时段热能/冷能的最低价格和最高价格；/>为t时间内平均出售电能的最大值；/>为t时间内平均出售热能/冷能的最大值。
5.如权利要求1所述的一种基于主从博弈的虚拟电厂能源调度方法，其特征在于，所述约束条件模型还包括功率平衡约束，所述功率平衡约束为：
式中，为t时段内USER需要的电能的实际负荷；/>为t时段内ISAC所消耗的电功率；/>为t时段内EMO向ESO出售的电功率；/>为WT产生的电功率；/>我PV产生的电功率；/>为GT产生的电功率；/>为t时段内ESO出售的电功率；/>为t时间段内USER使用的热能的实际负荷；/>分别为t时段内EMO向ESO出售的热功率；/>为t时段内GB提供的热功率；/>为t时段内WHB提供的热功率；/>为t时段内ESO出售的热功率；/>为t时段内USER需要的冷能的实际负荷；/>为t时段内AR提供的冷功率；、/>分别为ISAC的融冰功率和输出冷功率。
6.如权利要求1所述的一种基于主从博弈的虚拟电厂能源调度方法，其特征在于，所述主从博弈均衡模型为：
式中，所述主从博弈均衡模型包括：
参与者，所述参与者包括EMO、EGO、ESO和USER；
策略集，所述策略集包括EMO购入、出售能源价格，EGO中供能机组的出力/>，ESO中的BT、HST的充放电功率/>，USER参与调节的电、热、冷柔性负荷/>；
收益，所述收益、/>、/>、/>分别为所述多主体决策模型中EMO、EGO、ESO、USER的收益目标模型。
7.如权利要求6所述的一种基于主从博弈的虚拟电厂能源调度方法，其特征在于，所述主从博弈均衡模型还包括以下约束条件：
通过所述约束条件使所述主从博弈均衡模型达到纳什均衡，即为多方博弈的纳什均衡解，/>、/>、/>、/>分别为EMO、EGO、ESO、USER对其余博弈方策略组合的最佳对策。
8.如权利要求1所述的一种基于主从博弈的虚拟电厂能源调度方法，其特征在于，所述结合主从博弈均衡模型输出优化策略以下步骤：
C01，输入数据和预设参数；
C02，初始化种群M=0，计数参数K=0，由上层EMO中购、售能源价格传递至下层EGO、ESO、USER中，下层EGO、ESO、USER根据已知能源价格调用CPLEX求解器进行求解，并把数据返回到上层EMO中；
C03，上层EMO根据下层优化结果对自身利益C1进行优化；
C04，通过变叉、变异形成新的种群N；
C05，下层EGO、ESO、USER根据已知能源价格再次调用CPLEX求解器进行求解，并把数据返回到上层EMO中，计算自身利益C2；
C06，判断C2是否大于C1，如果是则执行步骤C07，否则执行步骤C08；
C07，更新种群数量为N，计数参数K加1，并优化自身利益C1为C2；
C08，判断计数参数K是否达到种群中个体数量，如果是则执行步骤C09，否则执行步骤C05；
C09，输出优化结果。
9.一种电子设备，其特征在于，包括：处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的程序，实现权利要求1-8任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410157744.8A CN117689189B (zh) | 2024-02-04 | 2024-02-04 | 一种基于主从博弈的虚拟电厂能源调度方法及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410157744.8A CN117689189B (zh) | 2024-02-04 | 2024-02-04 | 一种基于主从博弈的虚拟电厂能源调度方法及终端设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117689189A true CN117689189A (zh) | 2024-03-12 |
| CN117689189B CN117689189B (zh) | 2024-05-07 |
Family
ID=90137611
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410157744.8A Active CN117689189B (zh) | 2024-02-04 | 2024-02-04 | 一种基于主从博弈的虚拟电厂能源调度方法及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117689189B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113363973A (zh) * | 2021-06-16 | 2021-09-07 | 国网冀北电力有限公司检修分公司 | 一种热电联合调度方法及装置 |
| US20220074620A1 (en) * | 2020-09-04 | 2022-03-10 | North China Electric Power University | Optimized regulating and controlling method and system for integrated electricity and heat system with heat pumps |
| WO2022048127A1 (zh) * | 2020-09-04 | 2022-03-10 | 华北电力大学 | 一种电热泵-热电联合系统的优化调控方法及系统 |
| CN114971157A (zh) * | 2022-04-06 | 2022-08-30 | 南昌大学 | 一种计及源-网-荷-储多方主从博弈的综合能源系统优化运行方法 |
| CN115456395A (zh) * | 2022-09-08 | 2022-12-09 | 国网甘肃省电力公司电力科学研究院 | 一种基于主从博弈的含光热能源运营商冬季运行方法 |
| CN116070732A (zh) * | 2022-11-09 | 2023-05-05 | 昆明理工大学 | 考虑需求响应的跨境综合能源系统主从博弈协同运行优化方法 |
| CN117096864A (zh) * | 2023-08-23 | 2023-11-21 | 南京工程学院 | 一种区域综合能源系统-主配电网博弈优化调度方法 |
-
2024
- 2024-02-04 CN CN202410157744.8A patent/CN117689189B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220074620A1 (en) * | 2020-09-04 | 2022-03-10 | North China Electric Power University | Optimized regulating and controlling method and system for integrated electricity and heat system with heat pumps |
| WO2022048127A1 (zh) * | 2020-09-04 | 2022-03-10 | 华北电力大学 | 一种电热泵-热电联合系统的优化调控方法及系统 |
| CN113363973A (zh) * | 2021-06-16 | 2021-09-07 | 国网冀北电力有限公司检修分公司 | 一种热电联合调度方法及装置 |
| CN114971157A (zh) * | 2022-04-06 | 2022-08-30 | 南昌大学 | 一种计及源-网-荷-储多方主从博弈的综合能源系统优化运行方法 |
| CN115456395A (zh) * | 2022-09-08 | 2022-12-09 | 国网甘肃省电力公司电力科学研究院 | 一种基于主从博弈的含光热能源运营商冬季运行方法 |
| CN116070732A (zh) * | 2022-11-09 | 2023-05-05 | 昆明理工大学 | 考虑需求响应的跨境综合能源系统主从博弈协同运行优化方法 |
| CN117096864A (zh) * | 2023-08-23 | 2023-11-21 | 南京工程学院 | 一种区域综合能源系统-主配电网博弈优化调度方法 |
Non-Patent Citations (1)
| Title |
|---|
| 朱仲晏: "基于博弈论的区域综合能源系统协同优化研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》, 15 January 2020 (2020-01-15), pages 002 - 1170 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117689189B (zh) | 2024-05-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wei et al. | Charging strategies of EV aggregator under renewable generation and congestion: A normalized Nash equilibrium approach | |
| CN113592648B (zh) | 一种综合能源系统的多主体交易方法及系统 | |
| CN113610311B (zh) | 双层协同架构下考虑碳减排的综合能源服务商合作运行优化方法 | |
| CN112068436B (zh) | 工业园区的综合能源系统分层分布式控制方法及系统 | |
| CN112488744A (zh) | 一种交易驱动的虚拟电厂定制化构建方法 | |
| CN112308409B (zh) | 一种基于区块链的综合能源系统协调运行优化方法及系统 | |
| 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 | |
| CN116070732A (zh) | 考虑需求响应的跨境综合能源系统主从博弈协同运行优化方法 | |
| CN115829142A (zh) | 一种工业企业综合能源系统优化规划方法 | |
| CN110021932B (zh) | 双边参与的调峰辅助服务容量选取和经济模型构建方法 | |
| CN117689189B (zh) | 一种基于主从博弈的虚拟电厂能源调度方法及终端设备 | |
| 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 | |
| CN117353290A (zh) | 一种数据中心与共享储能电站的联合调度方法及计算设备 | |
| 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 | |
| CN116187648A (zh) | 基于热电解耦的虚拟电厂热电联合优化调度方法 | |
| CN114462727A (zh) | 基于多主体联合的新能源系统能源优化调度方法及系统 | |
| CN116937705A (zh) | 一种计及动态能效优化的楼宇群协同调峰调度方法及装置 | |
| CN117196671A (zh) | 一种考虑光电不确定性的社区微网运营商电价优化方法 | |
| CN115423348A (zh) | 一种基于非合作博弈的综合能源系统自主调度方法 | |
| CN109190814B (zh) | 一种能源互联网运营商的商业模式计算方法 | |
| 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 | |
| CN116843359A (zh) | 一种考虑碳排放分摊的综合能源服务商交易方法 | |
| Ma et al. | Optimal Configuration of Shared Energy Storage Considering the Incentive-Based Demand Response | |
| Guo et al. | Multi-objective optimization of community flexible load scheduling with tripartite participation | |
| Kong et al. | Distributed Energy Storage Sharing Strategy for Microgrid: An Asymmetric Nash Bargain-Based Integration Approach |
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 |