CN117689234A - 基于多主体双层博弈的园区综合能源系统调度方法及系统 - Google Patents

基于多主体双层博弈的园区综合能源系统调度方法及系统 Download PDF

Info

Publication number
CN117689234A
CN117689234A CN202410152969.4A CN202410152969A CN117689234A CN 117689234 A CN117689234 A CN 117689234A CN 202410152969 A CN202410152969 A CN 202410152969A CN 117689234 A CN117689234 A CN 117689234A
Authority
CN
China
Prior art keywords
carbon
energy
main body
transaction
cooperative
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
Application number
CN202410152969.4A
Other languages
English (en)
Other versions
CN117689234B (zh
Inventor
吉兴全
张玉敏
文福拴
叶平峰
杨明
王金玉
李竞锐
孙鹏凯
于一潇
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.)
Shandong University of Science and Technology
Original Assignee
Shandong University of Science and Technology
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 Shandong University of Science and Technology filed Critical Shandong University of Science and Technology
Priority to CN202410152969.4A priority Critical patent/CN117689234B/zh
Publication of CN117689234A publication Critical patent/CN117689234A/zh
Application granted granted Critical
Publication of CN117689234B publication Critical patent/CN117689234B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—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
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于综合能源系统调度技术领域，提供了一种基于多主体双层博弈的园区综合能源系统调度方法及系统，提出了基于纳什议价理论的能‑碳协同交易机制，通过分析多个主体参与能源市场和碳市场状态变量的耦合机理，将碳市场连续性交易行为离散化至能源市场交易行为同一时间尺度，构建考虑能‑碳协同交易市场机制的多主体合作优化决策模型，降低系统整体碳排放量，进而提高多个园区综合能源系统主体运行的经济性；依据用户用能差异制定了基于碳势增长率的节点边际碳价策略，能够针对性的激励用户的低碳用能行为；在主体间，设计了基于能‑碳耦合思想的多主体能碳交易激励机制，能够促进能源和碳排放权交易，提高了整体运行的低碳性和经济性。

Description

基于多主体双层博弈的园区综合能源系统调度方法及系统
技术领域
本发明属于综合能源系统调度技术领域，尤其涉及一种基于多主体双层博弈的园区综合能源系统调度方法及系统。
背景技术
园区综合能源系统(park integrated energy system，PIES)作为市场交易的重要参与者，可通过多能互补和需求响应等方式，促进城市能源转型和节能减排。因此，如何协调多个园区综合能源系统在不同时间尺度又相互耦合的能源交易(energy trading，ET)市场和碳交易(carbon trading，CT)市场中的决策达到综合效益最优，实现能-碳协同交易(synergetic energy and carbon trading，SECT)，是目前研究的热点。
发明人发现，目前，对园区综合能源系统调度方法中，大多仅关注多主体间的博弈竞争行为，未考虑多种资源耦合在挖掘碳减排潜力方面的积极作用，也未研究能源市场和碳市场两种不同时间尺度和交易类型中的交易行为，不能充分激励多主体的节能减排。
发明内容
本发明为了解决上述问题，提出了一种基于多主体双层博弈的园区综合能源系统调度方法及系统，本发明在主体内，依据用户用能差异制定了基于碳势增长率的节点边际碳价策略，能够针对性的激励用户的低碳用能行为；在主体间，设计了基于能-碳耦合思想的多主体能碳交易激励机制，能够促进能源和碳排放权交易，提高了整体运行的低碳性和经济性。
为了实现上述目的，本发明是通过如下的技术方案来实现：
第一方面，本发明提供了一种基于多主体双层博弈的园区综合能源系统调度方法，包括：
构建能-碳协同市场机制；其中，所述能-碳协同市场机制中，同时进行能源交易和碳交易的决策，将碳市场交易时间离散化，与能源交易时间尺度一致；
在所述能-碳协同市场机制下，考虑多个园区综合能源系统主体的电能、热能和碳配额议价交易行为，基于纳什议价理论建立多主体能-碳协同双层博弈模型；其中，所述多主体能-碳协同双层博弈模型中，单个主体内部采用主从博弈模型，利用负荷节点边际碳价引导源-荷双侧能源交易均衡；多主体之间基于纳什议价理论的合作博弈模型实现能-碳交易的帕累托最优解；
以运行成本和碳排放惩罚成本最小为目标函数，求解所述多主体能-碳协同双层博弈模型，得到园区综合能源系统的调度策略；借助所述调度策略进行园区综合能源系统的调度。
第二方面，本发明还提供了一种基于多主体双层博弈的园区综合能源系统调度系统，包括：
市场机制构建模块，被配置为：构建能-碳协同市场机制；其中，所述能-碳协同市场机制中，同时进行能源交易和碳交易的决策，将碳市场交易时间离散化，与能源交易时间尺度一致；
博弈模型构建模块，被配置为：在所述能-碳协同市场机制下，考虑多个园区综合能源系统主体的电能、热能和碳配额议价交易行为，基于纳什议价理论建立多主体能-碳协同双层博弈模型；其中，所述多主体能-碳协同双层博弈模型中，单个主体内部采用主从博弈模型，利用负荷节点边际碳价引导源-荷双侧能源交易均衡；多主体之间基于纳什议价理论的合作博弈模型实现能-碳交易的帕累托最优解；
调度模块，被配置为：以运行成本和碳排放惩罚成本最小为目标函数，求解所述多主体能-碳协同双层博弈模型，得到园区综合能源系统的调度策略；借助所述调度策略进行园区综合能源系统的调度。
第三方面，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现了第一方面所述的基于多主体双层博弈的园区综合能源系统调度方法的步骤。
第四方面，本发明还提供了一种电子设备，包括存储器、处理器及存储在存储器上并能够在处理器上运行的计算机程序，所述处理器执行所述程序时实现了第一方面所述的基于多主体双层博弈的园区综合能源系统调度方法的步骤。
与现有技术相比，本发明的有益效果为：
1、本发明提出了基于纳什议价理论的能-碳协同交易机制，通过分析多个园区综合能源系统主体参与能源市场和碳市场状态变量的耦合机理，将碳市场连续性交易行为离散化至能源市场交易行为同一时间尺度，构建考虑能-碳协同交易市场机制的多主体合作优化决策模型，降低系统整体碳排放量，进而提高多个园区综合能源系统主体运行的经济性；依据用户用能差异制定了基于碳势增长率的节点边际碳价策略，能够针对性的激励用户的低碳用能行为；在主体间，设计了基于能-碳耦合思想的多主体能碳交易激励机制，能够促进能源和碳排放权交易，提高了整体运行的低碳性和经济性。
2、本发明在构建可映射电、气和热多能流的园区综合能源系统一体化碳排放流模型的基础上，根据距离新能源机组装设位置远近所导致的用户用能结构的不同，制定考虑碳势增长率的负荷节点边际碳价策略，通过对碳排放责任精细化分摊实现对碳排放责任的精准量化；同时，定义了包含用能方式和用能支出的用户满意度指标，用于衡量该定价策略的有效性；
3、本发明提出基于纳什议价理论的能-碳协同交易机制，通过分析多综合能源系统主体参与能源市场和碳市场状态变量的耦合机理，将碳交易市场连续性交易行为离散化至能源交易市场交易行为同一时间尺度，构建考虑能-碳协同交易市场机制的多主体合作优化决策模型，降低系统整体碳排放量，进而提高多综合能源系统主体运行的经济性。
附图说明
构成本实施例的一部分的说明书附图用来提供对本实施例的进一步理解，本实施例的示意性实施例及其说明用于解释本实施例，并不构成对本实施例的不当限定。
图1为本发明实施例1的SECT市场机理；
图2为本发明实施例1的能-碳协同市场交易机制架构；
图3为本发明实施例1的PIES内部主从博弈模型架构；
图4为本发明实施例1的热力网络结构；
图5为本发明实施例1的平均价格不变原理示意图；
图6为本发明实施例1的改进的PR-ADMM算法的求解流程图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
实施例1：
本实施例提供了一种基于多主体双层博弈的园区综合能源系统调度方法，具体的，提出了基于纳什议价理论的能-碳协同交易机制，通过分析多个园区综合能源系统主体参与能源市场和碳市场状态变量的耦合机理，将碳市场连续性交易行为离散化至能源市场交易行为同一时间尺度，构建考虑能-碳协同交易市场机制的多主体合作优化决策模型，降低系统整体碳排放量，进而提高多个园区综合能源系统主体运行的经济性；依据用户用能差异制定了基于碳势增长率的节点边际碳价策略，能够针对性的激励用户的低碳用能行为；在主体间，设计了基于能-碳耦合思想的多主体能碳交易激励机制，能够促进能源和碳排放权交易，提高了整体运行的低碳性和经济性。本实施例的具体步骤为：
S1、能-碳协同交易（SECT）市场交易机制和负荷边际节点碳价策略：
S1.1、SECT市场交易机制：
SECT市场依据电价和碳价之间的联动关系，引导机组出力、负荷需求、碳配额等改变其状态，达到能-碳双市场的帕累托最优解。本实施例提供的能-碳协同交易市场机制主体包括能源交易中心、碳交易中心和多个园区综合能源系统（PIES）参与者，市场机理如图1所示。
传统能碳分立运行的市场中，PIES首先参与能源交易(energy trading，ET)市场，在交易结束后根据能源交易结果计算CO2排放量，PIES判断碳配额是否盈余或缺损选择是否进入碳交易(carbon trading，CT)市场；其次，PIES在CT中进行碳配额的交易。这种能碳独立交易的市场，仅以能量信息单向引导碳交易的制定，没有考虑碳信息对能源交易的反馈作用，不能充分发挥能碳双市场在交易过程中的双向激励效应。而本实施例中提出的SECT市场机制中，PIES同时进行能源交易和碳交易的决策，双向传递的能源决策和碳决策结果经反馈后交互影响，经过多次迭代得到能碳信息趋同的交易决策结果，同时实现能碳双市场的协同。
PIES进行能-碳协同决策的同时涉及市场间多时间尺度的耦合问题。PIES针对各类负荷需求预测值决策机组出力调度计划，由于调度周期末进行碳配额的交易和碳排放量的结算，导致了碳交易行为的滞后，PIES碳决策与能源决策的分离。而在本实施例中提出的SECT市场机制，区域内实行碳市场交易时间的离散化，交易时间尺度与能源交易时间尺度一致，PIES同时进行单个时段内ET市场和CT市场中的决策，实现同一时间尺度上的能-碳协同。
S1.2、双层博弈理论
在SECT市场交易机制下，作为不同的经济利益体，每个PIES独立参与市场化交易，通过博弈制定能源和碳配额的交易量最大化个体收益，并在政府的监管下减少整体碳排放量。本实施例中，在区域能源网中考虑多PIES的电能、热能和碳配额的议价交易行为，不同主体之间存在合作博弈关系，假设各PIES从天然气公司购买天然气的价格是相同的。
能源丰富的PIES可以经过协商定价，将富余的电能和热能出售给其他PIES，并根据交易量支付交易涉及的传输费用，而购买方无需将这部分能源计入自身的碳排放总量。同样，位于可再生能源富集区域的PIES也可以将碳配额交易给资源匮乏的PIES。上述交易机制使得一些可能面临碳排放超标的PIES避免支付高额的补偿费用，而出售能源的PIES则能通过此获得补偿。这种方式不仅从需求侧限制了社会的整体碳排放量，还增强了区域内热电共融的灵活性，促进了PIES之间在能量和资源上的共享。
本实施例中，基于纳什议价理论建立了多主体能-碳协同双层博弈模型。其中，单个主体内部采用主从博弈模型利用负荷节点边际碳价引导源-荷双侧能源交易均衡；多主体之间基于纳什议价理论的合作博弈模型实现能-碳交易的帕累托最优解。
单个PIES主体内部为一个上下两层的主从博弈问题，其框架如图2所示，上层PIES源侧作为博弈的引导者，下层PIES荷侧中用户作为博弈模型的跟随者。上层决策目标为收益最大化，依据碳排放流模型制定考虑碳势增长率的负荷节点边际碳价，通过将外部碳排放成本合理分摊并转化为PIES的内部成本，形成能-碳耦合的综合定价，并传递给下层。下层用户依据上层价格信息调节自身用能方式以使用能成本最小，将优化后的用能需求将传递至上层，进而上层能够根据用户用能需求调整园区最优调度计划。如此反复迭代直到源-荷双侧能源交易均衡。
多个PIES主体之间为合作博弈模型，在实现单主体源-荷交易均衡后，每个PIES主体决策出自己需要出售或购买的能源和碳配额的交易量以及出力计划和用能需求。为了保护主体间信息的私密性，多个PIES主体间交互信息仅为能源和碳排放权交易量以及对应的交易价格。在已知其他主体的可交易计划后，主体间进行能源和碳配额的交易。若存在市场交易差额，各主体内部调整机组出力计划，改变售能价格，引导用户改变用能方式，决策出新一轮的每时段交易的最优能源交易量和每调度周期的最优碳排放权交易量，及其对应交易价格，并将这些信息传递给其他主体，如此更新迭代，直至达到所有主体内部和外部的能-碳双市场交易均衡。
至此，单个主体内部源-荷主从博弈和多个PIES主体间的合作博弈构完成；本实施例提出的多主体能-碳协同双层博弈模型，将碳减排责任从源侧归算到荷侧，模拟多主体间参与能源交易市场和碳市场交易的行为，以促进区域整体实现碳减排。
S1.3、基于能-碳耦合思想的负荷边际节点碳价策略：
PIES内部通过价格信号实现源侧向荷侧能-碳信息的传递。基于能-碳耦合思想，建立扩展的碳排放流模型，将碳排放强度归算到荷侧，在得到每个负荷节点对应碳势的基础上，制定考虑碳势增长率的负荷节点边际碳价策略，将抽象碳势转化为用户直观接收的价格，从而有效激励用户采取减碳的用能方式。
S1.3.1、扩展的碳排放流模型
本实施例中，基于碳排放流理论，假设园区综合能源系统中的CO2由源侧产生后，随着能量的流动过程在园区综合能源系统中传输与转化，最终由荷侧消费。通过构造考虑园区综合能源系统动态特性的精细化能量流模型，并以此为载体，建立碳排放由源侧至荷侧的归算机制，实现对园区综合能源系统碳排放流的建模。
本实施例中，采用碳流率(carbon emission flow rate，CEFR)表征单位时间内通过网络中某一节点、线路或能量转换设备端口的能量对应的碳排放量(tCO2/h)。由此延伸出源碳势(generation carbon intensity，GCI)、支路碳势(branch carbon intensity，BCI)、节点碳势(node carbon intensity，NCI)和端口碳势(port carbon intensity，PCI)的概念，用以表征单位能量伴生的平均碳排放量(tCO2/kWh)。
本实施例提出的电力系统碳排放流模型为：
(1)
(2)
式中：上标e表示电力系统；T为调度时间段的集合；为电力系统节点n的集合；为电力线路的集合；为节点n在时段t的NCI；为时段t由节点k流向节点n的线路功率；为时段t注入节点n的BCI；为机组g在时段t的输出功率；为机组g在时段t的GCI。
本实施例提出的天然气系统碳排放流模型为：
(3)
(4)
式中：上标g表示天然气系统；为天然气系统节点n的集合；为燃气管道的集合；O为气源o的集合；为节点n在时段t的NCI；为燃气管道(k，n)在时段t注入节点n的CERF；为燃气管道(k，n)在时段t注入节点n的输出功率；为气源o在时段t的输出功率；为气源o在时段t的GCI，其值为天然气碳排放系数与天然气热值的比值；E为天然气碳排放系数，表示消耗单位体积天然气所产生的CO2，单位为kgCO2/m3；B为天然气热值，取值为；则为。
热力系统由热源、热力管道和热负荷等组成。热量由热源产生，通过热力管道的水循环输送给负荷，根据水的流向热力管道可分为供热管道和回流管道，热力系统展开结构可等效表示为如图3所示的结构，其碳排放流模型根据供能系统和回流系统分别计算，可表示为：
(5)
(6)
式中：上标h表示热力系统；为热力系统节点n的集合；为热力管道的集合；和分别为供热和回流节点在t时段的NCI；和分别为供热管道和回流管道在t时段的BCI；和分别为供热管道(k，n)在t时段的入口温度和出口温度；和分别为回流管道(n，k)在t时段的入口温度和出口温度；和分别为热网管道(k，n)和(n，k)中的供热流量和回流流量；为热力管网中液体的比热容。
通过构建能量耦合设备的碳排放流模型，分析能源转移过程中的碳排放转移特性，可建立各能源子系统碳排放流模型间的耦合关系，实现IES一体化碳排放流模型的构建。本实施例中，将能量耦合设备分为单输入-单输出(single-input-single-output，SISO)设备和单输入-多输出(single-input-multi-output，SIMO)设备，分别分析能量流-碳排放流映射关系，构建能量耦合设备的碳排放流模型。
SISO设备：燃气轮机(gas turbine，GT)等SISO设备可将一种能量流转换至另一种能量流，在此过程中，碳排放流亦随之转换。由碳排放守恒原则可知，注入SISO设备的CEFR应与流出该设备的CEFR相等，因此设备PCI可表示为：
(7)
式中：S为系统中SISO设备s的集合；和分别为SISO设备s在时段t注入端口和流出端口的PCI；和分别为SISO设备s在时段t注入和输出的功率。若已知SISO设备的能量转化效率，则可进一步转化为：
(8)
式中：为SISO设备s的能量转化效率。
SIMO设备：热电联产机组(combined heat and power，CHP)等SIMO设备可使一种能量流转换至多种能量流，与SISO设备类似，在能量流转换过程中，碳排放守恒定律依然适用。以CHP为例，注入SIMO设备的CEFR应与流出该设备的CEFR相等，表示为：
(9)
式中：C为CHP机组c的集合；为CHP机组c在时段t注入端口的PCI；和分别为CHP机组c在时段t电输出端口和热输出端口的PCI；为CHP机组c在时段t注入的天然气流量；和分别为CHP机组c在时段t输出的电功率和热功率。若已知CHP的电转换效率和热转换效率，则可进一步表示为：
(10)
式中：和分别为CHP机组c的电转换效率和热转换效率。
当储能设备蓄能时，其相当于荷侧设备，在已知其接入节点NCI时，可直接计算得到注入储能设备的碳排放量。采用荷碳率表示储能过程中吸纳的碳排放量与其存储电量之间的比值。在时段t电储能设备e的GCI可表示为：
(11)
式中：E为电储能设备e的集合；为电储能设备e在时段t的GCI；为电储能设备e在时段t的可用电量；和分别为电储能设备e在时段t的蓄电功率和放电功率；为调度时间步长。
S1.3.2、节点定价策略：
现有碳定价策略是依据政府政策制定的碳税来确定价格，PIES无法通过该价格有效地引导用户使用绿电以及增加自身收益。为此，本实施例中，基于产能机组耗量特性，采用二次函数表征碳价，通过负荷节点碳势反映碳价的增长率：
(12)
式中：为负荷能源种类的集合，包括电负荷、热负荷和气负荷；D为负荷节点的集合；为负荷d在t时刻类能源的NCI；为负荷d在t时刻类能源的碳价；和分别为碳价二次和一次项系数，其值根据平均价格不变原理进行计算，如图4所示。
将碳价函数简化为数学函数问题，即直线和二次函数。根据平均价格不变原理，两种定价方式可以分别表示为：
(13)
式中：为已知节点碳势最大值。令，当已知用户节点碳势的范围时，便可计算出未知参数和。
PIES源侧通过制定售能价格将碳减排责任分摊至下层用户并激励其采取低碳用能方式。现有建立在能源集线器上的相关研究，其用户等同于集中在同一节点，具有相同的负荷节点碳势，所建立的定价策略为一刀切模式，即所有用户的碳税价格一致。
本实施例引入碳排放流模型后，各节点的碳势会因为与发电机及清洁能源位置的远近而有所差别，同时碳价的增长率与负荷节点碳势呈正相关，碳价能更突出地反映用户用能信息。基于此，本实施例建立了考虑负荷节点碳势增长率的定价策略：
(14)
式中：为负荷d在t时段类能源的售价；为负荷d在t时段类能源的初始价格。
定价策略的评价：
为评价所提定价策略的优劣，本实施例基于用能方式满意度和用能支出满意度定义用户满意度指标。其中，用能方式满意度是衡量用户用能方式变化量的指标，在未实行碳税价格前用户按照最适合自己生产方式安排用能计划，此时用户的用能方式满意度最大，取为1。实行碳税价格后，用户以追求较小的用能成本增加量为目标做出响应，改变其用能方式，这时用能量在时间轴上进行了重新组合，形成新的用户负荷曲线。本实施例中定义用户的用能方式满意度和用能支付满意度分别为：
(15)
(16)
式中：为类能源用能方式满意度，；和分别为价格调整前后的类能源用能需求量；为类能源用能支出满意度，；和分别为调整前后的类能源售能价格。
评价定价策略有效性的用户满意度指标表示为：
(17)
式中：为用户满意度指标，；、和分别为用户用电、气和热方式满意度；、和分别为用户用电、气和热支出满意度。当定价策略更符合用户的主观意愿，并能有效的激发用户采用低碳用能方式的意愿时，对应的M值越大，定价策略越合理。
S2、考虑能-碳协同双市场交易机制的多主体双层博弈模型：
S2.1、PIES源-荷双侧主从优化决策模型：
S2.1.1、PIES源侧优化决策模型：
各PIES以运行成本和碳排放惩罚成本最小为目标函数。
(18)
(19)
(20)
(21)
(22)
(23)
式中：为主体i的总成本；为含交易成本的主体i的运营成本；为主体i碳排放量超出碳配额部分支付的惩罚成本；和分别为主体i的购能成本函数和售能收益函数；为主体i的失负荷惩罚成本；和分别为主体i和主体j的交易成本函数和过网费用成本函数；和分别为主体i在t时段从电网购买的购电量和从气源购买的购气量；为主体i在t时段向上层电网出售的电能；、和分别为主体i在t时段失电、热和气负荷量；、和分别为主体i在时段t与主体j交易电能、热能和碳配额的交易量；、和分别为主体i在时段t与主体j交易电能、热能和碳配额对应的交易价格；和分别为主体i分配的免费碳配额和实际碳排放量；为主体i和主体j之间交易的碳配额总量；为碳排放量超额惩罚系数；和分别为上层能源网购能的电价和气价；为主体向上层电网售能的电价。
约束条件应满足碳配额约束、电-气-热各能源子系统约束和耦合设备约束等。具体的：
碳配额约束，根据发展现状以及调度周期内各主体的电、气和热负荷预测值的比例，相关部门为各主体分配免费碳配额。主体i获得的免费碳配额可表示为：
(24)
式中：I为参与优化的主体的集合；为整个区域的总碳排放量限额；、和分别为主体i在t时段预测的电、热和气负荷值；和分别为电负荷与热负荷、电负荷与气负荷的等效比。
能源子系统约束，电力系统约束包括式(25)-式(29)，分别为功率平衡约束、线路潮流约束、机组运行限值、爬坡约束和储能设备运行约束。
(25)
(26)
(27)
(28)
(29)
式中：R为GT机组g的集合；W为风电机组w的集合；V为光伏机组v的集合；P为水泵p的集合；为GT机组r在时段t的输出电功率；为风电机组w在时段t的输出功率；为光伏电源v在时段t的输出功率；和分别为电储能设备e在时段t的充、放电功率；为水泵p在时段t的耗能；和分别为线路(k，n)和线路(n，k)在时段t流过的功率；和分别为节点k和节点n在时段t的相角；为线路(k，n)的电抗；和分别为线路(k，n)的正、反向功率限值；和分别为节点n的相角上、下限；/和/分别为燃气轮机r和CHP机组c的出力上/下限；/和/分别为燃气轮机r和CHP机组c的向上/下爬坡速率；和分别为表征电储能设备e在时段t的充、放电状态的二元变量；和分别为电储能设备e的最大充、放电功率；和分别为电储能设备e的充、放电效率；和分别为电储能设备e的最小和最大可用容量；和分别为电储能设备e在调度周期末和调度周期初的可用容量。
热力系统约束包括热力站运行约束、热力管网约束和换热站运行约束，表示为：
(30)
(31)
(32)
(33)
(34)
式中：为以热网节点n为首节点的热网管道的集合；为以热网节点n为末节点的热网管道的集合；和分别为CHP机组c和水泵p处液体的质量流量；和分别为t时段CHP机组c处的回流温度和供热温度；和分别为t时段水泵p处的供热压力和回流压力；为水泵p的运行效率；为管网中液体的密度；和分别为t时段热网节点n的供热温度和回流温度；为时段t的外界温度；为热网管道l的导热系数；为热网管道l的长度；为热网节点n在时段t的热负荷预测值。
天然气系统约束包括天然气网节点流量平衡约束和天然气网管道运行约束，表示为：
(35)
(36)
(37)
(38)
式中：为天然气网管道(k，n)在时段t的气流量；为节点n在时段t的切气负荷量；为节点n在时段t的气负荷预测值；为燃气轮机r在时段t的耗气量；为天然气管道(k，n)的物理系数；和分别为节点k和n在时段t的压力；和分别为天然气管道(k，n)的气流量上、下限；和分别为节点n的压力上、下限。
耦合设备约束，能源耦合设备包含燃气轮机和CHP机组，应满足式(39)和式(40)。
(39)
(40)
式中：为燃气轮机r的效率。
S2.1.2、PIES荷侧优化决策模型：
用户接收到上层园区下发的售能价格，优化自身用能行为。以最小化购能成本为目标：
(41)
式中：为用户i的购能成本；、和分别表示优化后的电负荷、气负荷和热负荷。
本实施例中的电、热两种负荷均采用价格型需求响应模型，以电负荷为例，对于价格型响应，通常采用电量电价弹性关系矩阵进行建模，其表达式为：
(42)
(43)
(44)
(45)
式中：为电价自弹性系数；为电价交叉弹性系数；、分别为x时段的原始电价和电价变化的改变量；、分别为x时段的原始电负荷和电价变化后的负荷改变量。
S2.2、PIES多主体合作博弈优化决策模型
本实施例中，基于纳什议价理论建立PIES多主体合作博弈优化决策模型，从整体理性和个体理性角度，决策电能和热能的交易价格和交易量。纳什议价理论属于合作博弈范畴，能够满足激励相容条件，其标准模型可表示为：
(46)
式中：为主体i参与合作博弈后的运行成本；为主体i参与合作博弈前的运行成本，也即合作博弈的谈判破裂点；表示主体i参与合作博弈后获得的成本下降值。通过式(46)所示模型为非线性优化问题，并将该问题分解为易于求解的合作效益最大化子问题和能源交易支付系问题。
S2.2.1、合作效益最大化子问题：
对于主体i，其合作效益最大化子问题的增广拉格朗日函数可表示为：
(47)
式中：为主体i的不包含交易成本的总成本；和为主体i与主体j交易电能、交易热能和交易碳配额的泛化表达；为能源耦合约束的拉格朗日乘子；为合作效益最大化子问题的惩罚参数。
S2.2.2、能源交易支付子问题：
对于主体i，其能源支付子问题的增广拉格朗日函数表达式为：
(48)
式中：为子问题1求得的最优解；为能源交易支付子问题的拉格朗日乘子；为能源交易支付子问题的惩罚参数。其中，电、热及碳配额的交易价格初值均为0。
S3、模型求解：
S3.1、基于改进的PR-ADMM算法的求解思路
本实施例中建立的多PIES主体合作博弈优化决策模型为分布式优化问题，考虑到各PIES间隐私保护和信息传递问题，可采用自适应ADMM算法不断更新并有效限制惩罚参数的随机性，但是拉格朗日乘子更新缓慢，导致求解迭代次数仍然较多。为了克服该问题，本实施例首次采用改进的PR-ADMM算法，求解实施例所提多PIES主体合作博弈优化决策模型。
改进的PR-ADMM算法是基于PR分裂法思想，在经典ADMM算法的基础上引入1/2次方乘子，本质上是对拉格朗日乘子进行了两次迭代。在主体ij双向交互过程中，当在主体信息正向传递时，在原始对偶变量基础上增加1/2次方乘子惩罚项，并将其用于本轮反向传递信息的迭代更新；当在主体信息反向传递时，在对偶变量基础上再增加1/2次方乘子惩罚项，即，并将其用于下一轮迭代更新，以增加收敛速度。同时，在惩罚参数上附加一个待定松弛因子，以保证迭代格式是严格收敛的。
(49)
式中：k为改进的PR-ADMM算法的迭代次数。
改进的PR-ADMM算法通过原始残差和对偶残差是否达到收敛精度来判断算法是否迭代结束：
(50)
式中：为第k次迭代得到的原始残差；为第k次迭代得到的对偶残差；和分别为原始残差和对偶残差的收敛精度。
PIES内部主从博弈优化决策问题的收敛判据为源侧各类能源价格的变化小于等于给定的收敛精度：
(51)
式中：和分别为主从博弈优化问题的迭代次数和收敛精度。
S3.2、改进的PR-ADMM算法的求解流程
依据改进的PR-ADMM算法，本实施例所提模型的求解流程如图6所示，主要步骤如下：
S3.2.1、初始化。设定初始值，输入各PIES负荷曲线、新能源日预测曲线、线路参数、机组参数、初始碳配额等数据。
S3.2.2、求解合作效益最大化子问题。设置初始拉格朗日乘子，并置迭代次数k 1=1，依次对各PIES进行源荷主从博弈优化问题的求解。
S3.2.3、判断合作效益最大化子问题收敛条件。若各主体能够同时满足收敛条件式(49)，则终止迭代过程，输出决策结果中的最优成本、最优能源交易量和最优碳配额交易量，并将此作为能源支付子问题的初始值；否则，根据式(48)更新乘子，置迭代次数k 1=k 1+1并返回第2步。
S3.2.4、求解能源支付子问题。设置初始拉格朗日乘子，并置迭代次数k 2=1，依次计算各PIES中交易量对应的交易价格。
S3.2.5、判断能源支付子问题收敛条件。若能够同时满足收敛条件式(49)，则终止迭代过程，输出决策结果中的能源交易价格和碳配额交易价格；否则，根据式(48)更新乘子，置迭代次数k 2=k 2+1并返回第4步。
其中，步骤S3.2.2中求解园区之间合作效益最大化子问题，前提是保证每个PIES子问题内部最优，即园区内部源荷主从博弈优化决策目标的实现，主要步骤如下：
S3.2.2.1、初始化。输入该园区的碳配额和机组参数等初始值，并置迭代次数=1。
S3.2.2.2、PIES源侧运行优化计算。根据目标函数和约束条件式(18)-式(40)，决策出该园区源侧机组出力、拟交易的电热功率和碳配额。
S3.2.2.3、碳排放流计算。依据步骤S3.2.2.2计算的线路、机组和负荷功率，根据式(1)-式(11)计算对应碳势，其中负荷节点碳势作为计算能源碳价的已知量。
S3.2.2.4、能源售价计算。根据式(12)所述的碳势增长率策略制定边际节点碳价，进而根据式(14)耦合能源价格分别得到该园区内部各节点售电价和售热价。
S3.2.2.5、判断主从博弈优化问题收敛条件。判断是否满足收敛条件式(50)，若满足，则终止迭代过程，输出该园区的最优决策结果，返回主流程步骤S3.2.2.2；若不满足，则转至步骤S3.2.2.6，置迭代次数=+1。
S3.2.2.6、荷侧DR计算。根据步骤S3.2.2.4得到的节点售能价格求解价格弹性矩阵，进而得到负荷削减转移后的负荷需求曲线，并将曲线传至步骤S3.2.2.2，进行下一次迭代。
实施例2：
为了验证和补充说明实施例1中的方法，本实施例提供了一种基于多主体双层博弈的园区综合能源系统调度方法，可选的，选取3个具有代表性的资源禀赋差异的主体，分别为PIES1、PIES2和PIES3。其中，PIES1代表用能密集核心区，包括9节点的电力网、6节点的天气网和6节点的热力网系统，在电力网中第三个节点、第五个节点和第七个节点上各配置1个分布式风电机组和1个电储能设备，第二个节点上配置1台热电联产机组(combinedheat and power，CHP)，第八个节点上配置1台燃气轮机(gas turbine，GT)机组；PIES2同样为用能密集核心区，在电力网负荷节点的第二个节点、第三个节点、第六个节点、第七个节点和第九个节点各配置1套屋顶光伏和1个电储能设备，第二个节点配置1台CHP机组，第五个节点配置1台GT机组；PIES3代表可再生能源丰富的非用能密集核心区，在电力网节点4配置3个分布式风电机组、3个光伏电源和5个电储能设备，第二个节点上配置1台CHP机组，于第四个节点上配置1台GT机组。可以采用MATLAB软件调用CPLEX求解器进行求解，计算机配置为Win11系统，Intel Core i7-13700H CPU，主频为2.4GHz，内存为32GB。调度周期为24h，每时段长度为1h。
本实施例中，假设政府免费分配的区域总碳配额为36000kg，超出免费碳配额的惩罚系数为0.4元/kgCO2。传统一刀切定价策略下，碳税取为0.15元/kgCO2。供应端外购电能和天然气的PCI分别为0.7035kgCO2/kWh和0.225kgCO2/kWh。单位弃风/弃光惩罚成本和切负荷惩罚成本分别设置为1元/kWh和5元/kWh。此外，设主体间的电能、热能交换功率上限分别为600kW和350kW。设置电价和热价的可行区间分别为[0.2，1.6]和[0.18，0.8]。同时，假设各气源点的天然气供应充足，能满足区域内燃气轮机最大出力的供应需求。
构建以下三种交易模式验证本发明所提SECT市场机制对于区域整体运营成本和碳排放量的优化作用。
模式1：主体间采用CT市场机制进行议价交易；
模式2：主体间采用ET市场机制进行议价交易，购能伴随的碳排放量计入卖方主体；
模式3：主体间采用本实施例中所提SECT市场机制进行议价交易，购能伴随的碳排放量计入卖方主体。
区域多PIES合作博弈运行经济性和低碳性分析：
三种交易模式下的各园区及区域整体的运营成本和碳排放量如表1所示。通过分析表1可知，相比于CT市场机制和ET市场机制，本发明所提SECT市场机制下的区域PIES整体运营成本和碳排放量最低，相比CT市场机制下的调度结果分别降低4.51%和2.2%，相比ET市场机制下的调度结果分别降低2.53%和0.2%，这是由于PIES间议价交易过程中能同时决策交易能源或交易碳配额，选择更有利于降低自身运营成本和碳排放超额惩罚成本的交易方式，在能源交易更经济时交易电能和热能，在碳交易更经济时选择交易碳配额。在能源交易达到上限后，PIES3仍有一部分剩余免费碳配额能够出售给PIES1和PIES2。可见，SECT市场机制在经济性和低碳性方面均具有显著的优势。
在CT市场机制下区域整体运营成本和碳排放量最高，这是由于PIES只能通过购买碳配额来避免碳排放量超额惩罚，当PIES自身产能不能满足供需平衡时需要从外电网和气源购买能源。一方面，购买上层能源的价格较高，导致其运营成本上升；另一方面，交易碳配额仅能帮助用能密集核心区的PIES减少碳排放量超额惩罚，并不能减少因从上层购能导致的实际碳排放量，因此在CT市场机制下区域整体碳排放量较高。
表1三种模式下区域PIES合作博弈结果
在ET市场机制下，由于PIES间能够通过交易能源满足自身的一部分用能需求，并且PIES间购能伴随的碳排放量计入卖方PIES，所以区域整体运营成本和碳排放量相比于CT市场机制下有明显的下降，分别降低2.04%和1.95%。PIES1和PIES2由于从PIES3购买了价格较低的能源，同时这部分能源伴随的碳排放量计入了PIES3，所以PIES1和PIES2的运营成本和碳排放量均降低，PIES3出售一部分能源获利，导致其运行成本进一步降低，碳排放量升高但不会超出其自身免费碳配额的限值。但是由于PIES间能源交易量上限和PIES3免费碳配额的限制，在议价交易结束后，用能密集核心区的用能需求仍不能完全满足，仍需要从上层电网和气源购买能源，需要承担少许的碳排放量超额惩罚。
多PIES间交易结果优化分析：
为验证本发明所提SECT市场机制在各时段内能碳协同信息交互对交易结果的优化作用，将其与ET市场机制下电能交易量和交易价格对比分析，在ET市场机制下，时段1:00~6:00和时段20:00~24:00的电能交易价格超出电网电价，PIES间仍选择交易电能的原因在于ET市场机制下碳排放惩罚成本计入卖方，此时的交易价格低于考虑碳排放惩罚成本的购电价格，使得PIES的运营成本相比于直接从电网购电降低。在SECT市场机制下，上述时段的电能交易量减少，原因在于交易价格接近电网电价时，在能源交易过程中PIES能够及时通过电能价格激励碳市场做出响应，提前购买其余PIES的剩余碳配额，同时减少电能交易量，从而决策出能碳信息交互影响下兼顾低碳性和经济性的交易行为，使得用能密集核心区的PIES运营成本显著降低。可见相比ET市场滞后的碳交易模式，本发明所提SECT市场机制能够及时调动能碳协同交互信息，实现了区域内PIES间电能交易的低碳性和经济性的帕累托最优。在本发明所提SECT市场机制下，各时段电能交易价格全部低于电网电价，PIES间交易电能相较于从外电网购电成本降低，减少了用能密集核心区的PIES运营成本。
同时，为进一步验证本实施例中所提SECT市场机制的有效性，将其与ET市场机制下热能交易量和交易价格对比分析可知，在整个调度周期内，本实施例所提的SECT市场机制下的热能交易量变化趋势与ET市场机制下的变化趋势一致，交易量稍有减少，这是由于在购买低价碳配额后，PIES能够自主产出少部分热能满足热负荷需求，减少了PIES运营成本。为了避免CHP机组大量产热同时生产电能引起的弃风弃光现象，PIES3减少了热能交易量。同时，PIES2由于购买了碳配额，在夜间时段更倾向于增加自身产能出售，以降低自身运营成本。两种市场机制下PIES间热能交易价格变化趋势均与其热能交易量呈正相关，交易量大时交易价格高，反之亦然。
此外，为进一步验证本发明所提SECT市场机制下能碳信息协同交互对于低碳性和经济性的贡献，给出了碳配额的交易量和交易价格可知，位于用能密集核心区的PIES1和PIES2在其自身能源不足且能源交易价格超出上层售能价格时选择向PIES3提前购买碳配额，在协商出低于上层售能价格时实施能源交易，以降低自身运营成本。同时配置了分布式风电和光伏的PIES3能够出售碳配额，实现了自身收益的提高。碳配额交易价格的高低同样与交易量的大小呈正相关，但交易价格均未超过碳排放量超额惩罚成本。
综上，本发明所提SECT市场机制在区域PIES间优化运行过程中展现出经济性和低碳性优势，并且在分时段交易量和交易价格上体现出能碳协同信息的交互影响作用。同时，由于主体PIES1、PIES2和PIES3的负荷需求和配置新能源种类属性的差异，在SECT市场机制引导下多主体于整个调度周期内呈现出不同的资源交易倾向。可见，利用园区新能源配置属性的差异以及用户用能差异性，在园区间通过资源优势互补及合作博弈，有助于区域整体的资源优化配置和低碳经济调度目标的实现。
扩展的碳排放流有效性分析：
为了验证本发明所提扩展的碳排放流模型的有效性，选取PIES1如下2个典型调度时段分别对其碳排放流动特性进行分析，得到了碳排放量由供应端到输出端的碳排放流路径及数值结果。其中，时段1：电负荷低谷及风电出力高峰时段2:00；时段2：电负荷高峰及风电出力低谷时段13:00。
分析可知，在电负荷低谷、风电出力高峰时段1，PIES1供应端总碳排放量为322.05kg，输出端总碳排放量为263.35kg，压缩机和热网损耗为51.19kg，储能充电7.5kg，总碳排放量平衡，该时段内整体的碳排放量也较低，主要原因在于，具有反调峰特性的风电在负荷低谷时出力较大，优先使用清洁的风电满足负荷需求，进而导致整体的碳势较低；而在电负荷高峰、风电出力低谷的时段2，供应端总碳排放量为1026.51kg，输出端总碳排放量为1050.26kg，压缩机和热网损耗为64.86kg，其差值为88.61kg，该值恰好等于储能放电产生的总碳排放量，可见，在该时段内，完全依赖风电不能满足负荷的需求，需要借助储能或外购电能达到供需平衡，导致PIES1在时段2内整体的碳势较高。
此外，在储能设备存在的情况下，源荷间不再满足实时的碳排放量守恒关系，而转变为一个调度周期内的碳排放量守恒。可见，扩展的碳排放流模型能够实现碳排放量从供应端到输出端的合理有效分摊。
定价策略有效性分析：
为了证实本发明所提依据用户用能差异制定碳势增长率的节点边际碳价定价策略对各园区利益、用户利益以及在减碳方面的积极作用，将其与现有一刀切的定价策略进行对比分析，结果如表2所示。
由表2可知，相比一刀切的定价策略，本发明所提考虑碳势增长率的负荷节点边际碳价定价策略，园区碳排放量减少，用户综合用能成本下降，用户满意度明显提高。碳排放量方面，由于本发明所提节点边际碳价策略，更能反映节点用户使用灰电的多少，当用户使用灰电越多，其节点碳势越高，用能价格相比于传统一刀切定价策略更高，这些价格信号更能激励碳势较高的用户改变用能方式，进而促进PIES总体碳排放量的降低；用能成本方面，当用户使用绿电较多时，负荷节点碳势较低，其用能价格相比于一刀切定价方式更低，同时用户采用价格型需求响应，部分用能需求从价格较高的时段转移到价格较低的时段，共同促进了用户用能成本的降低。以PIES1为例，在一刀切定价策略下用户用能满意度为0.831，用能支出满意度为0.953，在本发明所提定价策略下用户用能满意度为0.919，用能支出满意度为0.891。相比之下，灰电用户的用能支出满意度降低导致了总体用能支出满意度的降低，但是用户用能满意度显著上升，总体用户满意度提高，验证了本发明所提定价策略更能满足大部分用户的用能需求。
表2两种定价策略结果对比
此外，PIES3中的用户满意度高于PIES1和PIES2中的用户，符合PIES3丰富可再生能源的设定，进一步验证了本发明所提用户满意度指标的合理性。
改进的ADMM算法有效性分析：
为了验证本发明采用的PR-ADMM算法在求解速度和求解效率方面的优越性，将其与广泛应用的自适应ADMM算法进行对比分析，两种算法的求解时间和迭代次数如表3所示。
表3不同求解算法计算效率对比
由表3可知，相比自适应ADMM算法，本发明所提PR-ADMM算法的求解时间缩减了17.51%，迭代次数减少26.32%，在计算效率上具有显著优势。这是由于，PR-ADMM算法在每次迭代过程中增加了1/2次拉格朗日乘子，有效提高了算法的收敛性能。
实施例3：
本实施例提供了一种基于多主体双层博弈的园区综合能源系统调度系统，包括：
市场机制构建模块，被配置为：构建能-碳协同市场机制；其中，所述能-碳协同市场机制中，同时进行能源交易和碳交易的决策，将碳市场交易时间离散化，与能源交易时间尺度一致；
博弈模型构建模块，被配置为：在所述能-碳协同市场机制下，考虑多个园区综合能源系统主体的电能、热能和碳配额议价交易行为，基于纳什议价理论建立多主体能-碳协同双层博弈模型；其中，所述多主体能-碳协同双层博弈模型中，单个主体内部采用主从博弈模型，利用负荷节点边际碳价引导源-荷双侧能源交易均衡；多主体之间基于纳什议价理论的合作博弈模型实现能-碳交易的帕累托最优解；
调度模块，被配置为：以运行成本和碳排放惩罚成本最小为目标函数，求解所述多主体能-碳协同双层博弈模型，得到园区综合能源系统的调度策略；借助所述调度策略进行园区综合能源系统的调度。
所述系统的工作方法与实施例1的基于多主体双层博弈的园区综合能源系统调度方法相同，这里不再赘述。
实施例4：
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现了实施例1所述的基于多主体双层博弈的园区综合能源系统调度方法的步骤。
实施例5：
本实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并能够在处理器上运行的计算机程序，所述处理器执行所述程序时实现了实施例1所述的基于多主体双层博弈的园区综合能源系统调度方法的步骤。
以上所述仅为本实施例的优选实施例而已，并不用于限制本实施例，对于本领域的技术人员来说，本实施例可以有各种更改和变化。凡在本实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本实施例的保护范围之内。

Claims (10)

1.基于多主体双层博弈的园区综合能源系统调度方法，其特征在于，包括：
构建能-碳协同市场机制；其中，所述能-碳协同市场机制中，同时进行能源交易和碳交易的决策，将碳市场交易时间离散化，与能源交易时间尺度一致；
在所述能-碳协同市场机制下，考虑多个园区综合能源系统主体的电能、热能和碳配额议价交易行为，基于纳什议价理论建立多主体能-碳协同双层博弈模型；其中，所述多主体能-碳协同双层博弈模型中，单个主体内部采用主从博弈模型，利用负荷节点边际碳价引导源-荷双侧能源交易均衡；多主体之间基于纳什议价理论的合作博弈模型实现能-碳交易的帕累托最优解；
以运行成本和碳排放惩罚成本最小为目标函数，求解所述多主体能-碳协同双层博弈模型，得到园区综合能源系统的调度策略；借助所述调度策略进行园区综合能源系统的调度。
2.如权利要求1所述的基于多主体双层博弈的园区综合能源系统调度方法，其特征在于，所述园区综合能源系统内部，通过价格信号实现源侧向荷侧能-碳信息的传递，将碳排放强度归算到荷侧，在得到每个负荷节点对应碳势的基础上，制定考虑碳势增长率的负荷节点边际碳价策略，将抽象碳势转化为用户直观接收的价格。
3.如权利要求2所述的基于多主体双层博弈的园区综合能源系统调度方法，其特征在于，基于碳排放流理论，所述园区综合能源系统中的CO2由源侧产生后，随着能量的流动过程在所述园区综合能源系统中传输与转化，最终由荷侧消费。
4.如权利要求1所述的基于多主体双层博弈的园区综合能源系统调度方法，其特征在于，所述主从博弈模型中的目标函数为：
；
；
；
；
；
式中：为主体i的总成本；为含交易成本的主体i的运营成本；为主体i碳排放量超出碳配额部分支付的惩罚成本；和分别为主体i的购能成本函数和售能收益函数；为主体i的失负荷惩罚成本；和分别为主体i和主体j的交易成本函数和过网费用成本函数；和分别为主体i在t时段从电网购买的购电量和从气源购买的购气量；为主体i在t时段向上层电网出售的电能；、和分别为主体i在t时段失电、热和气负荷量；、和分别为主体i在时段t与主体j交易电能、热能和碳配额的交易量；、和分别为主体i在时段t与主体j交易电能、热能和碳配额对应的交易价格；和分别为主体i分配的免费碳配额和实际碳排放量；为主体i和主体j之间交易的碳配额总量；为碳排放量超额惩罚系数；和分别为上层能源网购能的电价和气价；为主体向上层电网售能的电价。
5.如权利要求4所述的基于多主体双层博弈的园区综合能源系统调度方法，其特征在于，约束条件包括碳配额约束、能源子系统约束和耦合设备约束。
6.如权利要求1所述的基于多主体双层博弈的园区综合能源系统调度方法，其特征在于，所述合作博弈模型为：
；
式中：为主体i参与合作博弈后的运行成本；为主体i参与合作博弈前的运行成本，也即合作博弈的谈判破裂点；表示主体i参与合作博弈后获得的成本下降值。
7.如权利要求1所述的基于多主体双层博弈的园区综合能源系统调度方法，其特征在于，基于改进的交替方向乘子算法，求解所述多主体能-碳协同双层博弈模型；所述改进的交替方向乘子算法中，在经典交替方向乘子算法基础上引入1/2次方乘子，对拉格朗日乘子进行了两次迭代，在两个主体双向交互过程中，当两个主体信息正向传递时，在原始对偶变量基础上增加1/2次方乘子惩罚项，并将其用于本轮反向传递信息的迭代更新；当两个主体信息反向传递时1/2次方乘子，在1/2次方乘子对偶变量基础上再增加1/2次方乘子惩罚项，并用于下一轮迭代更新；同时，在惩罚参数上附加一个松弛因子，以保证迭代格式收敛。
8.基于多主体双层博弈的园区综合能源系统调度系统，其特征在于，包括：
市场机制构建模块，被配置为：构建能-碳协同市场机制；其中，所述能-碳协同市场机制中，同时进行能源交易和碳交易的决策，将碳市场交易时间离散化，与能源交易时间尺度一致；
博弈模型构建模块，被配置为：在所述能-碳协同市场机制下，考虑多个园区综合能源系统主体的电能、热能和碳配额议价交易行为，基于纳什议价理论建立多主体能-碳协同双层博弈模型；其中，所述多主体能-碳协同双层博弈模型中，单个主体内部采用主从博弈模型，利用负荷节点边际碳价引导源-荷双侧能源交易均衡；多主体之间基于纳什议价理论的合作博弈模型实现能-碳交易的帕累托最优解；
调度模块，被配置为：以运行成本和碳排放惩罚成本最小为目标函数，求解所述多主体能-碳协同双层博弈模型，得到园区综合能源系统的调度策略；借助所述调度策略进行园区综合能源系统的调度。
9.一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，该程序被处理器执行时实现了如权利要求1-7任一项所述的基于多主体双层博弈的园区综合能源系统调度方法的步骤。
10.一种电子设备，包括存储器、处理器及存储在存储器上并能够在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现了如权利要求1-7任一项所述的基于多主体双层博弈的园区综合能源系统调度方法的步骤。
CN202410152969.4A 2024-02-04 2024-02-04 基于多主体双层博弈的园区综合能源系统调度方法及系统 Active CN117689234B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410152969.4A CN117689234B (zh) 2024-02-04 2024-02-04 基于多主体双层博弈的园区综合能源系统调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410152969.4A CN117689234B (zh) 2024-02-04 2024-02-04 基于多主体双层博弈的园区综合能源系统调度方法及系统

Publications (2)

Publication Number Publication Date
CN117689234A true CN117689234A (zh) 2024-03-12
CN117689234B CN117689234B (zh) 2024-05-03

Family

ID=90133838

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410152969.4A Active CN117689234B (zh) 2024-02-04 2024-02-04 基于多主体双层博弈的园区综合能源系统调度方法及系统

Country Status (1)

Country Link
CN (1) CN117689234B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118017527A (zh) * 2024-04-10 2024-05-10 南京师范大学 绿证约束下基于改进admm的多源荷系统联合运行方法、系统
CN118052416A (zh) * 2024-04-15 2024-05-17 天津大学 基于电碳耦合的智能楼宇集群多时间尺度调度方法及装置

Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101744610A (zh) * 2009-08-26 2010-06-23 中国科学院自动化研究所 一种基于水平集检测目标体内光源分布的方法
CN106815858A (zh) * 2016-12-30 2017-06-09 首都师范大学 一种运动目标提取方法及装置
CN109378864A (zh) * 2018-11-01 2019-02-22 国网辽宁省电力有限公司电力科学研究院 基于新能源消纳的“源-网-荷”协调优化的控制方法
CN111293689A (zh) * 2020-03-18 2020-06-16 河海大学 一种风电和phev协同调度的电力系统机组组合方法
CN111460358A (zh) * 2020-03-23 2020-07-28 四川大学 基于供需博弈互动的园区运营商能源交易优化决策方法
CN111612248A (zh) * 2020-05-20 2020-09-01 云南电网有限责任公司电力科学研究院 一种配电网侧源-荷协调方法及系统
CN111899124A (zh) * 2020-07-31 2020-11-06 华中科技大学 一种参与多市场的园区综合能源运营方法、系统和介质
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
CN114037264A (zh) * 2021-11-08 2022-02-11 苏州崧崧智能控制技术有限公司 一种低碳导向的微电网集群点对点博弈交易方法及系统
CN114548790A (zh) * 2022-02-25 2022-05-27 深圳大学 一种综合能源系统碳排放分配方法、装置及相关组件
CN115528670A (zh) * 2022-09-14 2022-12-27 国网湖南省电力有限公司 基于多主体博弈的分布式电源及配套电网投资决策建模方法
CN115660309A (zh) * 2022-07-18 2023-01-31 三峡大学 考虑电-碳-绿证联合交易的虚拟电厂日前优化调度方法
CN115994454A (zh) * 2023-01-31 2023-04-21 国网浙江省电力有限公司综合服务分公司 一种综合能源供应商与终端用户低碳协同调度方法
CN116384655A (zh) * 2023-02-22 2023-07-04 国网安徽省电力有限公司经济技术研究院 面向新能源消纳的源网荷侧储能系统优化规划方法及系统
CN116542474A (zh) * 2023-05-08 2023-08-04 浙江大学 考虑碳排放流和非合作博弈的多主体优化调度方法
CN116862144A (zh) * 2023-06-13 2023-10-10 华北电力大学（保定） 一种基于双重博弈的多园区低碳调度方法及系统
CN116911533A (zh) * 2023-06-27 2023-10-20 西安理工大学 区域综合能源系统多微网能量共济方法
CN117078347A (zh) * 2023-08-28 2023-11-17 合肥工业大学 基于联盟链的电碳一体化交易方法
CN117114242A (zh) * 2023-09-15 2023-11-24 国网山西省电力公司经济技术研究院 面向新型配电系统的源-网-荷多主体协调互动规划方法
CN117236587A (zh) * 2023-08-14 2023-12-15 国网浙江省电力有限公司电力科学研究院 一种园区综合能源系统电氢碳协同调度优化方法
CN117236629A (zh) * 2023-09-26 2023-12-15 四川大学 一种电碳耦合的多能源系统分层协同调度方法
WO2023240864A1 (zh) * 2022-06-16 2023-12-21 国网江苏省电力有限公司经济技术研究院 基于改进粒子群算法的阶梯型碳交易机制参数优化方法
CN117494993A (zh) * 2023-11-01 2024-02-02 浙江大学 一种基于阶梯碳交易的源网荷分布协同低碳调度方法

Patent Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101744610A (zh) * 2009-08-26 2010-06-23 中国科学院自动化研究所 一种基于水平集检测目标体内光源分布的方法
CN106815858A (zh) * 2016-12-30 2017-06-09 首都师范大学 一种运动目标提取方法及装置
CN109378864A (zh) * 2018-11-01 2019-02-22 国网辽宁省电力有限公司电力科学研究院 基于新能源消纳的“源-网-荷”协调优化的控制方法
CN111293689A (zh) * 2020-03-18 2020-06-16 河海大学 一种风电和phev协同调度的电力系统机组组合方法
CN111460358A (zh) * 2020-03-23 2020-07-28 四川大学 基于供需博弈互动的园区运营商能源交易优化决策方法
CN111612248A (zh) * 2020-05-20 2020-09-01 云南电网有限责任公司电力科学研究院 一种配电网侧源-荷协调方法及系统
CN111899124A (zh) * 2020-07-31 2020-11-06 华中科技大学 一种参与多市场的园区综合能源运营方法、系统和介质
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
CN114037264A (zh) * 2021-11-08 2022-02-11 苏州崧崧智能控制技术有限公司 一种低碳导向的微电网集群点对点博弈交易方法及系统
CN114548790A (zh) * 2022-02-25 2022-05-27 深圳大学 一种综合能源系统碳排放分配方法、装置及相关组件
WO2023240864A1 (zh) * 2022-06-16 2023-12-21 国网江苏省电力有限公司经济技术研究院 基于改进粒子群算法的阶梯型碳交易机制参数优化方法
CN115660309A (zh) * 2022-07-18 2023-01-31 三峡大学 考虑电-碳-绿证联合交易的虚拟电厂日前优化调度方法
CN115528670A (zh) * 2022-09-14 2022-12-27 国网湖南省电力有限公司 基于多主体博弈的分布式电源及配套电网投资决策建模方法
CN115994454A (zh) * 2023-01-31 2023-04-21 国网浙江省电力有限公司综合服务分公司 一种综合能源供应商与终端用户低碳协同调度方法
CN116384655A (zh) * 2023-02-22 2023-07-04 国网安徽省电力有限公司经济技术研究院 面向新能源消纳的源网荷侧储能系统优化规划方法及系统
CN116542474A (zh) * 2023-05-08 2023-08-04 浙江大学 考虑碳排放流和非合作博弈的多主体优化调度方法
CN116862144A (zh) * 2023-06-13 2023-10-10 华北电力大学（保定） 一种基于双重博弈的多园区低碳调度方法及系统
CN116911533A (zh) * 2023-06-27 2023-10-20 西安理工大学 区域综合能源系统多微网能量共济方法
CN117236587A (zh) * 2023-08-14 2023-12-15 国网浙江省电力有限公司电力科学研究院 一种园区综合能源系统电氢碳协同调度优化方法
CN117078347A (zh) * 2023-08-28 2023-11-17 合肥工业大学 基于联盟链的电碳一体化交易方法
CN117114242A (zh) * 2023-09-15 2023-11-24 国网山西省电力公司经济技术研究院 面向新型配电系统的源-网-荷多主体协调互动规划方法
CN117236629A (zh) * 2023-09-26 2023-12-15 四川大学 一种电碳耦合的多能源系统分层协同调度方法
CN117494993A (zh) * 2023-11-01 2024-02-02 浙江大学 一种基于阶梯碳交易的源网荷分布协同低碳调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王海洋;李珂;张承慧;马昕;: "基于主从博弈的社区综合能源系统分布式协同优化运行策略", 中国电机工程学报, no. 17, 31 December 2020 (2020-12-31) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118017527A (zh) * 2024-04-10 2024-05-10 南京师范大学 绿证约束下基于改进admm的多源荷系统联合运行方法、系统
CN118052416A (zh) * 2024-04-15 2024-05-17 天津大学 基于电碳耦合的智能楼宇集群多时间尺度调度方法及装置

Also Published As

Publication number Publication date
CN117689234B (zh) 2024-05-03

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
Li et al. Distributed tri-layer risk-averse stochastic game approach for energy trading among multi-energy microgrids
Gu et al. Bi-level optimal low-carbon economic dispatch for an industrial park with consideration of multi-energy price incentives
Wang et al. Demand response comprehensive incentive mechanism-based multi-time scale optimization scheduling for park integrated energy system
Wang et al. Research on the optimization method of integrated energy system operation with multi-subject game
Chen et al. Research on day-ahead transactions between multi-microgrid based on cooperative game model
Luo et al. Distributed peer-to-peer energy trading based on game theory in a community microgrid considering ownership complexity of distributed energy resources
Cui et al. Game-based peer-to-peer energy sharing management for a community of energy buildings
CN117689234B (zh) 基于多主体双层博弈的园区综合能源系统调度方法及系统
Li et al. Distributed collaborative operation strategies in multi-agent integrated energy system considering integrated demand response based on game theory
Zhang et al. Dual-Stackelberg game-based trading in community integrated energy system considering uncertain demand response and carbon trading
Wang et al. Optimal management of multi stakeholder integrated energy system considering dual incentive demand response and carbon trading mechanism
CN114154739B (zh) 共享储能电站在多区域综合能源系统的优化配置方法
Cao et al. Optimal operation of cold–heat–electricity multi-energy collaborative system based on price demand response
Huang et al. Incomplete information oriented optimal scheduling of multi-energy hub systems with thermal energy storage
CN114881794B (zh) 考虑舒适度和用能替代的综合能源市场主从博弈交易方法
CN115829142A (zh) 一种工业企业综合能源系统优化规划方法
CN117494993A (zh) 一种基于阶梯碳交易的源网荷分布协同低碳调度方法
Zhang et al. Multi-level distributed demand response study for a multi-park integrated energy system
Liang et al. Stackelberg game-based optimal scheduling for multi-community integrated energy systems considering energy interaction and carbon trading
Wang et al. Optimal operation of energy hub considering reward-punishment ladder carbon trading and electrothermal demand coupling
Zhang et al. Low-carbon optimal operation strategy of multi-park integrated energy system considering multi-energy sharing trading mechanism and asymmetric Nash bargaining
Li et al. Integrated energy system for low-carbon economic operation optimization: Pareto compromise programming and master-slave game
CN117829418A (zh) 一种电能与碳配额混合共享管理系统及方法
Fan et al. Distributed transaction optimization model of multi-integrated energy systems based on nash negotiation

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