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(Matlab代码实现）

欢迎来到本博客❤️❤️

博主优势：博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

本文目录如下：

目录

1 概述

2 运行结果

3 参考文献

4 Matlab代码实现

---

1 概述

文献来源：

高效、清洁、低碳是当今世界能源发展的主流 方向。发展实现能源与信息等领域新技术深度融

合，适应分布式能源发展、多元化(冷、热、电、气 等)用能需求等新业态的综合能源系统已成为能源 革命的客观要求与必然选择[1]。其中，以冷热电联 供(combined cooling heating and power，CCHP)系统 为核心，以“源–网–荷”各环节协同为主要特征的社区综合能源系统(community integrated energy system，CIES)，有助于促进新能源规模化开发，实现不同能源的优势互补，保障社区内部经济高效用能[2-3]，日益成为研究热点。

随着 CIES 的发展和电力市场的改革，源荷之间的耦合交互愈加明显，正由传统的垂直一体式结构

(自上而下)向交互竞争型结构(互相作用)转变[12]。电价不仅会影响负荷需求，负荷也会反作用于电价，传统集中优化方法难以描述两者之间的交互行为。此外，CIES 优化属于一类大规模复杂系统的优化问题，参数、变量繁多，集中优化对数据的传输、通信和处理能力要求较高，且不能保护各主体的信息隐私安全。因此，研究 CIES 分布式优化是更合适的选择，例如博弈论[13]、一致性理论[14-15]、交替方向乘子法[16]、分布式凸交计算[17]等。其中，博弈论是研究当多个决策主体之间存在利益关联或冲突时，各主体如何根据自身能力及所掌握信息，做出合理决策的理论[13]。非合作博弈[18]、讨价还价博弈[19]、演化博弈[20]、主从博弈[21]等博弈模型，逐渐应用于能源系统的优化运行和能量管理等领域。

本文中IER是基于电力市场中售电公司的概念提出的，在电能交易的基础上又考虑了热能交易，

满足用户的多样化需求。IER 作为源、荷之间的桥梁，基于供需关系，日前优化购入、售出的电价、热价，从供能侧购买电、热等能源，并出售给用能侧，从中赚取收益。IER 这一模式的引入，能够提供相比电网更加灵活的电价策略，对于引导分布式供能系统参与电力市场竞争、鼓励中小型社区用户科学用能都具有积极作用。在能源交易过程中，IER同样需要承担因价格波动、供需不平衡而带来的风险。当 CCHP 输出电功率无法满足负荷需求时，IER必须高价从电网购电。

新能源CCHP系统将新能源发电与传统燃料发电优势互补，基于能量梯级利用的原则，同时满足

用户电、热、冷不同的能量需求，其结构示意图如图 2 所示。文中新能源包含风电、光伏等，并采用最大化消纳原则。可控单元包括内燃发电机、燃气锅炉。内燃机发电的同时，缸套水和烟气中携带的热量可以通过余热装置回收再利用，并与燃气锅炉产生的热量一起，在冬季经热交换器供热，或夏季经吸收式制冷机转化为冷量为用户供冷。基于 IER的报价，运营商优化各设备的逐时出力，以获得更高的收益。

2 运行结果

 

 

 

 

 

 

 

 部分代码：

%燃气发电机、锅炉常数
ae=0.0013;
be=0.16;
ce=0;
ah=0.0005;
bh=0.11;
ch=0;
ce_ave=0.7;%平均电价约束
ch_ave=0.45;%平均热价约束
n_c=0.8;%热交换效率
n_ex=0.83;   %余热回收效率
n_ice=0.35;   %内燃机发电效率

%热储能
H_storage_max=1500; h_n=0.98;h_charge=0.98;h_discharge=1;%热储能容量/自损/充热/放热；
%电储能
E_storage_max=2000; e_n=1;e_charge=0.95;e_discharge=0.95;%电储能容量/自损/充电/放电;
bggin=1000;%%电储能
for i=1:24
    B(1,i)=bggin+Pcharge(1,i)*e_charge-Pdischarge(1,i); % 0.98为转换率
    bggin=B(1,i);
end
begin=1000;%%热储能
for i=1:24
    L(1,i)=begin*h_n+h_charge*Hti(1,i)-Hto(1,i);%%%热储能容量
    begin=L(1,i);
end

%约束条件
Constraints =[];
for i=1:24
    Constraints=[Constraints,200<=L(1,i)<=H_storage_max];
end
Constraints=[Constraints,L(1,24)>=800];
for i=1:24
    Constraints=[Constraints,0<=Hti(1,i)<=200*UHti(1,i)];
    Constraints=[Constraints,0<=Hto(1,i)<=150*UHto(1,i)];
end
for i=1:23
    Constraints=[Constraints,-300<=Hti(1,i+1)-Hto(1,i+1)-(Hti(1,i)-Hto(1,i))<=200];
end
for i=1:24
    Constraints=[Constraints,UHti(1,i)+UHto(1,i)<=1];
end
%% 电储能容量约束、充电约束、放电约束、状态约束、SOC约束
for i=1:24
    Constraints=[Constraints,0<=Pcharge(1,i)<=200*UPcharge(1,i)];
    Constraints=[Constraints,0<=Pdischarge(1,i)<=200*UPdischarge(1,i)];
end
%% 蓄电池爬坡约束
for i=1:24
    if  i>0&&i<24
        Constraints=[Constraints,-200<=Pcharge(1,i+1)-Pdischarge(1,i+1)-(Pcharge(1,i)-Pdischarge(1,i))<=200];
    elseif i==24
        Constraints=[Constraints,-200<=Pcharge(1,1)-Pdischarge(1,1)-(Pcharge(1,i)-Pdischarge(1,i))<=200];
    end
end
%% 蓄电池充放电约束
for i=1:24
    Constraints=[Constraints,UPcharge(1,i)+UPdischarge(1,i)<=1];
end
Constraints=[Constraints,sum(UPcharge(1,1:24)+UPdischarge(1,1:24))<=10];%考虑寿命
Constraints=[Constraints,B(1,24)==1000];
for i=1:24
    Constraints=[Constraints,400<=B(1,i)<=1600];
end

3 参考文献

部分理论来源于网络，如有侵权请联系删除。

[1]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[J].中国电机工程学报,2020,40(17):5435-5445.DOI:10.13334/j.0258-8013.pcsee.200141.

4 Matlab代码实现