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论文复现——附代码

目录

摘要：

研究背景：

社区综合能源系统架构：

社区综合能源系统能源交易过程设计：

程序运行结果：

Matlab代码分享：

---

摘要：

随着能源市场由传统的垂直一体式结构向交互竞争型结构转变，社区综合能源系统的分布式特征愈发明显，传统的集中优化方法难以揭示多主体间的交互行为。该文提出一种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，将综合能源销售商作为领导者，新能源冷热电联供运营商和负荷聚合商作为跟随者，求解各方在追求目标最优时的交互策略。首先，介绍社区综合能源系统的交易模式及数学模型，并将其嵌入到主从博弈框架下，建立一主多从的分布式协同优化模型。其次，证明 Stackelberg 均衡的唯一性，并通过遗传算法和二次规划相结合的算法求解。最后，通过算例验证所提方法的有效性，供能侧的收益和用能侧的消费者剩余同时得到提升。

研究背景：

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。

基于上述背景，本文针对一类CIES，在主从博弈框架下研究分布式协同优化运行策略。将综合能源销售商(integratedenergyretailer，IER)作为领导者，新能源CCHP运营商和负荷聚合商作为跟随者，同时优化IER的定价策略、新能源CCHP的出力计划和用户需求。介绍CIES能源交易过程和数学模型，并证明所提博弈模型存在唯一的Stackelberg均衡，进而采用遗传算法和二次规划相结合的算法求解。最后通过算例验证所提的运行策略在供能侧和用能侧性能提升等方面的优势。

社区综合能源系统架构：

提出的CIES集成IER、新能源CCHP系统以及可调节负荷于一体，以IER为纽带，新能源CCHP系统为基础，协同互联电力网络，实现经济、高效供能，科学、合理用能，具体架构如图1所示。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。考虑到热能转换、传输的损耗较大，所以热能主要由社区内的CCHP机组就地提供，为了避免出现供热中断，当IER不能满足热负荷需求时，需要支付一定的惩罚费用。

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。

考虑到社区用户功率等级较低，大批量直接参与会加重能源市场的负担。本文通过负荷聚合商将一批具有DR能力的中小型用户聚合到一起，代表他们参与市场交易，并接受监管。除了保证用户正常生活的固定负荷，本文考虑了电负荷的可转移特性和热负荷的可削减特性，引入一定比例的可调节负荷。消费者从IER处接收到第二天的电价、热价信息，基于此逐时优化需求量。

社区综合能源系统能源交易过程设计：

CIES的能源交易包含定价决策和定量决策两个阶段，二者存在先后次序，彼此互相影响，循环迭代直至达到均衡。

阶段一(定价)：上层IER根据供需关系和市场信息制定购、售电价、热价，以最大化自身收益。

阶段二(定量)：下层供能侧、用能侧分别根据IER的价格信号确定最优出力和负荷需求，因此下层的最优决策可以看作是上层决策变量的函数。

程序运行结果：

Matlab代码分享：