首页 / 专利库 / 银行与财务事项 / 收益曲线 / 基于负荷聚合商非合作博弈的负荷曲线优化方法

基于负荷聚合商非合作博弈的负荷曲线优化方法

阅读:440发布:2020-07-31

专利汇可以提供基于负荷聚合商非合作博弈的负荷曲线优化方法专利检索,专利查询,专利分析的服务。并且本 发明 属于电 力 系统调度及电力市场领域,更具体地,涉及一种基于负荷聚合商非合作博弈的负荷曲线优化方法。该方法是将调度机构与负荷聚合商作为优化问题中的主体,建立其交互机制;将负荷聚合商投标竞争负荷削减量问题建立成非合作博弈模型;采用协同免疫量子 粒子群优化 算法 对该问题进行策略求解,所得优化策略用以指导负荷聚合商在实际上报策略过程中选取最佳方案,实现负荷曲线的优化。本发明可通过负荷聚合商之间的非合作博弈有效优化负荷曲线,有利于在保障负荷聚合商利益的同时,体现调度机构对负荷聚合商削减行为的引导作用,又降低了高峰时段负荷,缓解了发电侧压力,进而提高 电网 运行效率。,下面是基于负荷聚合商非合作博弈的负荷曲线优化方法专利的具体信息内容。

1.基于负荷聚合商非合作博弈的负荷曲线优化方法,其特征在于,包括以下步骤,S1、从调度机构获取某段时间初始负荷曲线,确定负荷高峰时段及其个数NH,确定市场电价计算公式及参数;
S2、负荷聚合商根据步骤S1得到的信息,再决策上报各时段负荷削减量;
S3、负荷聚合商计算在某段时间内可以获得的利润;
S4、建立负荷聚合商非合作博弈模型;
S5、采用协同量子免疫粒子群优化算法对步骤S4的非合作博弈模型进行策略求解,寻找纳什均衡点,得到负荷聚合商在高峰时段上报的负荷削减量。
2.如权利要求1所述的基于负荷聚合商非合作博弈的负荷曲线优化方法,其特征在于,所述步骤S1中市场电价公式为:
ph=ah(Lh-Lsh)+bh     (1),
式(1)中,ph为时段h∈{1,2,...,NH}的市场电价;Lh为时段h的初始负荷;Lsh为所有负荷聚合商在时段h投标的总负荷削减量;ah,bh为时段h的电价函数参数。
3.如权利要求1所述的基于负荷聚合商非合作博弈的负荷曲线优化方法,其特征在于,所述步骤S2中计算负荷消减量,时段h投标的总负荷削减量为:
式(2)中,NLA为负荷聚合商个数;Lsh,n为第n个负荷聚合商在时段h上报的负荷削减量。
4.如权利要求3所述的基于负荷聚合商非合作博弈的负荷曲线优化方法,其特征在于,所述步骤2中负荷聚合商投标策略中相关约束为:
其中,Lsh,n为第n个负荷聚合商在时段h上报的负荷削减量, 为第n个负荷聚合商在时段h的0最大负荷削减量,Lsh为NLA个负荷聚合商在时段h上报的总负荷削减量, 为时段h调度机构允许削减的最大负荷量。
5.如权利要求1所述的基于负荷聚合商非合作博弈的负荷曲线优化方法,其特征在于,所述步骤S3利润计算公式为:
式(3)中,un为第n个负荷聚合商获得的利润;ch,n为第n个负荷聚合商的调度成本,ph为市场电价,;Lsh,n为第n个负荷聚合商在时段h上报的负荷削减量。
6.如权利要求1所述的基于负荷聚合商非合作博弈的负荷曲线优化方法,其特征在于,所述步骤S4建立负荷聚合商非合作博弈模型的步骤如下,
步骤S4.1、确定非合作博弈模型的参与者:所有负荷聚合商;
步骤S4.2、确定非合作博弈模型的策略:各负荷聚合商在高峰时段上报的负荷削减量;
步骤S4.3、确定非合作博弈模型的各负荷聚合商的收益函数:
Rn(Ls,n,Ls,n′)=un     (4),
式(4)中, 为第n个负荷聚合商在各负荷峰时段的削减负荷策
略; 为其他NLA-1个负荷聚合商的策略;
步骤S4.4、确定非合作博弈模型博弈机制:所有博弈参与者根据自身收益函数,不断改变自身策略,直到利润最大,该状态称为纳什均衡状态,即:
式(5)中, 称为纳什均衡点。
7.如权利要求5所述的基于负荷聚合商非合作博弈的负荷曲线优化方法,其特征在于,所述步骤S5纳什均衡点的求解包括以下步骤,
步骤S5.1、设置每个参与者的策略空间Φn和总策略空间
步骤S5.2、设置适应度函数,
式(6)中: 表示其他人不改变策略,只用策略 替换原策略Ls,n∈Φn
后第n个聚合商的利润;
步骤S5.3、定义并初始化协同量子免疫粒子群优化算法中的粒子维度NLA×NH、迭代次数t=1 、最大迭代次数Tmax 、种群规模M、第t次迭代每个粒子记录为步骤S5.4、在策略空间范围Φ内随机初始化M个粒子;
步骤S5.5、根据公式(6)计算并记录每个粒子的适应度;根据适应度值,更新记录第t次迭代下个体最好位置 群体最好位置gbestt,平均最
t
好位置mbest,平均最好位置计算公式为:
步骤S5.6、在策略空间范围Φ内随机生成Q个新粒子,并计算它们的适应度;
步骤S5.7、按如下公式计算M+Q个粒子的浓度:
式(8)中,i∈{1,2,...,M+Q}, 为第t次迭代时第i个粒子的浓度; 分别为第t次迭代时第i个和第j个粒子的适应度值;
步骤S5.8、按如下公式计算选择每个粒子被选中作为更新粒子的概率:
t
步骤S5.9、选择概率较大的M个粒子用于更新种群,并用gbest替换更新后种群中适应度最差的那个粒子;
步骤S5.10、计算第t次迭代时每个粒子的吸引子
式(10)中,α1为随机数;
步骤S5.11、按如下公式更新种群:
式(11)中,α2,α3为随机数;β为收缩-扩张系数,一般采用线性减少的方式:
步骤S5.12、若t8.如权利要求1所述的基于负荷聚合商非合作博弈的负荷曲线优化方法,其特征在于,所述负荷聚合商聚合了底层居民用户负荷,空调负荷,电动汽车负荷中的一种或者多种。
9.如权利要求1所述的基于负荷聚合商非合作博弈的负荷曲线优化方法,其特征在于,所述步骤S1中负荷曲线为总负荷曲线,包括刚性负荷和/或柔性负荷。

说明书全文

基于负荷聚合商非合作博弈的负荷曲线优化方法

技术领域

[0001] 本发明属于电系统调度及电力市场领域,更具体地,涉及一种基于负荷聚合商非合 作博弈的负荷曲线优化方法。

背景技术

[0002] 近年来,能源危机日益凸显,环境恶化日趋严重,新能源发电曲线受自然条件影响, 为不可控因素,而其与负荷曲线呈逆向分布的形势给调度带来了巨大困难,如何让负荷侧 参与调度,并通过优化调整负荷曲线来缓解发电侧压力,越来越受到调度工作者的重视。 在负荷侧,居民用户虽然基数较大,其用电量也具有很大调度潜力,但是单个用户弹性 平低,达不到负荷侧调度的最低水平,且用电效率低,电力浪费严重,所以居民用户直接 参与负荷侧调度困难较大,故可以通过负荷聚合商将居民柔性负荷资源聚集起来形成一个 区域性的大负荷群,进而参与电网调度。负荷聚合商通过将聚集到的用户柔性负荷资源售 卖给电网公司,从中获得利润,同时,对居民柔性负荷资源进行调度,可以优化负荷曲线, 缓解电网发电侧压力,提高电网整体调度效率。
[0003] 现有的通过负荷聚合商优化负荷曲线的方法主要分为两类,第一类为调度机构或电网 公司直接为负荷聚合商制定各时段负荷调整计划,进而负荷聚合商控制微观层负荷来响应 调度计划。在这种模式下,调度机构站在主导地位,负荷聚合商的利益无法保障,那么负 荷聚合商为获取利润,只能降低微观层调度成本,这会给居民用电带来负面影响,进而影 响用户满意度。第二类为负荷聚合商与调度机构互动共同决定各时段负荷调度量,补偿电 价等信息。在这种模式下,负荷聚合商上报负荷调度策略及负荷削减电价,调度机构从自 身利益出发,选择采取负荷聚合商的策略及报价,或者对其提出调整,这样同时保障了调 度机构和负荷聚合商两者的利益。但是当存在多个负荷聚合商时,调度机构需要对每一个 上报的负荷量进行评估,采取或调整哪些负荷聚合商的策略及报价,这对调度机构的决策 带来巨大困难。

发明内容

[0004] 针对现有技术中存在的不足,本发明提出了一种基于负荷聚合商非合作博弈的负荷曲 线优化方法,以期通过多个负荷聚合商之间的非合作博弈决策来优化负荷曲线,并实现缓 解调度机构决策压力和电网发电侧压力的目标。
[0005] 为实现上述目的,本发明采用如下技术方案:
[0006] 基于负荷聚合商非合作博弈的负荷曲线优化方法,其特征在于,包括以下步骤,[0007] S1、从调度机构获取某段时间初始负荷曲线,确定负荷高峰时段及其个数NH,确定 市场电价计算公式及参数;
[0008] S2、负荷聚合商根据步骤S1得到的信息,再决策上报各时段负荷削减量;
[0009] S3、负荷聚合商计算在某段时间内可以获得的利润;
[0010] S4、建立负荷聚合商非合作博弈模型;
[0011] S5、采用协同量子免疫粒子群优化算法对步骤S4的非合作博弈模型进行策略求解, 寻找纳什均衡点,得到负荷聚合商在高峰时段上报的负荷削减量。
[0012] 本技术方案进一步的优化,所述步骤S1中市场电价公式为:
[0013] ph=ah(Lh-Lsh)+bh   (1),
[0014] 式(1)中,ph为时段h∈{1,2,...,NH}的市场电价;Lh为时段h的初始负荷;Lsh为所 有负荷聚合商在时段h投标的总负荷削减量;ah,bh为时段h的电价函数参数。
[0015] 本技术方案进一步的优化,其特征在于,所述步骤S2中计算负荷消减量,时段h投标 的总负荷削减量为:
[0016]
[0017] 式(2)中,NLA为负荷聚合商个数;Lsh,n为第n个负荷聚合商在时段h上报的负荷削 减量。
[0018] 本技术方案更进一步的优化,所述步骤2中负荷聚合商投标策略中相关约束为:
[0019]
[0020]
[0021] 其中,Lsh,n为第n个负荷聚合商在时段h上报的负荷削减量, 为第n个负荷聚合商在 时段h的0最大负荷削减量,Lsh为NLA个负荷聚合商在时段h上报的总负荷削减量,为时段h调度机构允许削减的最大负荷量。
[0022] 本技术方案进一步的优化,所述步骤S3利润计算公式为:
[0023]
[0024] 式(3)中,un为第n个负荷聚合商获得的利润;ch,n为第n个负荷聚合商的调度成本, ph为市场电价,;Lsh,n为第n个负荷聚合商在时段h上报的负荷削减量。
[0025] 本技术方案进一步的优化,所述步骤S4建立负荷聚合商非合作博弈模型的步骤如下,
[0026] 步骤S4.1、确定非合作博弈模型的参与者:所有负荷聚合商;
[0027] 步骤S4.2、确定非合作博弈模型的策略:各负荷聚合商在高峰时段上报的负荷削减 量;
[0028] 步骤S4.3、确定非合作博弈模型的各负荷聚合商的收益函数:
[0029] Rn(Ls,n,Ls,n′)=un   (4),
[0030] 式(4)中, 为第n个负荷聚合商在各负荷峰时段的削减负荷策 略; 为其他NLA-1个负荷聚合商的策略;
[0031] 步骤S4.4、确定非合作博弈模型博弈机制:所有博弈参与者根据自身收益函数,不 断改变自身策略,直到利润最大,该状态称为纳什均衡状态,即:
[0032]
[0033] 式(5)中, 称为纳什均衡点。
[0034] 本技术方案更进一步的优化,所述步骤S5纳什均衡点的求解包括以下步骤,
[0035] 步骤S5.1、设置每个参与者的策略空间Φn和总策略空间
[0036] 步骤S5.2、设置适应度函数,
[0037]
[0038] 式(6)中: 表示其他人不改变策略,只用策略 替换原策略Ls,n∈Φn后第n个聚合商的利润;
[0039] 步骤S5.3、定义并初始化协同量子免疫粒子群优化算法中的粒子维度NLA×NH、迭 代次数t=1、最大迭代次数Tmax、种群规模M、第t次迭代每个粒子记录为 
[0040] 步骤S5.4、在策略空间范围Φ内随机初始化M个粒子;
[0041] 步骤S5.5、根据公式(6)计算并记录每个粒子的适应度;根据适应度值,更新记录 第t次迭代下个体最好位置 群体最好位置gbestt, t
平均最好位置mbest,平均最好位置计算公式为:
[0042]
[0043] 步骤S5.6、在策略空间范围Φ内随机生成Q个新粒子,并计算它们的适应度;
[0044] 步骤S5.7、按如下公式计算M+Q个粒子的浓度:
[0045]
[0046] 式(8)中,i∈{1,2,...,M+Q}, 为第t次迭代时第i个粒子的浓度;分 别为第t次迭代时第i个和第j个粒子的适应度值;
[0047] 步骤S5.8、按如下公式计算选择每个粒子被选中作为更新粒子的概率:
[0048]
[0049] 步骤S5.9、选择概率较大的M个粒子用于更新种群,并用gbestt替换更新后种群中 适应度最差的那个粒子;
[0050] 步骤S5.10、计算第t次迭代时每个粒子的吸引子
[0051]
[0052] 式(10)中,α1为随机数;
[0053] 步骤S5.11、按如下公式更新种群:
[0054]
[0055] 式(11)中,α2,α3为随机数;β为收缩-扩张系数,一般采用线性减少的方式: [0056] 步骤S5.12、若t
[0057] 本技术方案进一步的优化,所述负荷聚合商聚合了底层居民用户负荷,空调负荷,电 动汽车负荷中的一种或者多种。
[0058] 本技术方案进一步的优化,所述步骤S1中负荷曲线为总负荷曲线,包括刚性负荷和/ 或柔性负荷。
[0059] 区别于现有技术,上述技术方案有益效果体现在:
[0060] 1.本发明针对基于负荷聚合商非合作博弈的负荷曲线优化问题,通过改进的粒子群 优化算法对问题进行策略求解,可以有效降低高峰时段负荷,优化负荷曲线,有效缓解电 网发电侧压力,保障负荷聚合商利益;
[0061] 2.本发明在将负荷聚合商作为博弈主体的同时,兼顾调度机构的引导作用,负荷聚 合商决策的依据信息均是由调度机构下发,市场电价计算公式中有初始负荷项,且设置电 价与初始负荷呈正相关,充分体现了调度机构在负荷较高时段希望负荷聚合商多削减负荷 的引导意图;
[0062] 3.本发明使用的协同免疫量子粒子群优化算法,是在粒子群优化算法的基础上,同 时引入量子算法和免疫算法的思想,相较于粒子群算法、量子粒子群算法、免疫粒子群算 法,准确性高,可有效避免算法陷入局部最优,且算法搜索速度快,很好满足了电网调度 中的实时性要求。附图说明
[0063] 图1为调度结构和负荷聚合商交互示意图;
[0064] 图2为负荷曲线优化方法流程示意图;
[0065] 图3为协同免疫量子粒子群优化算法的流程图

具体实施方式

[0066] 为详细说明技术方案的技术内容、构造特征、所实现目的及效果,以下结合具体实施 例并配合附图详予说明。
[0067] 本本发明提出了一种基于负荷聚合商非合作博弈的负荷曲线优化方法,应用于调度机 构-负荷聚合商交互结构,参阅图1所示,为调度结构和负荷聚合商交互示意图,其包括: 一个调度机构、多个负荷聚合商和非合作博弈环节。考虑到每个负荷聚合商的利润与所有 参与者的策略有关,而不是相互独立的,所以建立其非合作博弈模型,并采用协同免疫量 子粒子群优化算法对所述问题进行策略求解,得到的高峰时段负荷削减投标策略既可以保 障负荷聚合商的利益,又可以优化负荷曲线,缓解发电侧压力。
[0068] 本发明优选一实施例,参阅图2所示,为基于负荷聚合商非合作博弈的负荷曲线优化 方法流程示意图。该方法包括如下步骤,
[0069] 步骤S1、调度机构获取全天初始负荷曲线,确定负荷高峰时段及其个数NH,确定市 场电价计算公式及参数,该实施例所用市场电价公式为:
[0070] ph=ah(Lh-Lsh)+bh   (1),
[0071] 式(1)中,ph为时段h∈{1,2,...,NH}的市场电价;Lh为时段h的初始负荷;Lsh为所有负 荷聚合商在时段h投标的总负荷削减量;ah,bh为时段h的电价函数参数。
[0072] 步骤S2、所有负荷聚合商根据步骤S1中调度机构下发的信息,再日前决策上报各时 段负荷削减量,则时段h投标的总负荷削减量为:
[0073]
[0074] 式(2)中,NLA为负荷聚合商个数;Lsh,n为第n个负荷聚合商在时段h上报的负荷削减量。
[0075] 步骤S2中系统实际运行时的相关约束为:
[0076]
[0077]
[0078] 其中:
[0079] Lsh,n为第n个负荷聚合商在时段h上报的负荷削减量, 为第n个负荷聚合商在时 段h的最大负荷削减量;
[0080] Lsh为NLA个负荷聚合商在时段h上报的总负荷削减量, 为时段h调度机构允许削 减的最大负荷量。
[0081] 步骤S3、各负荷聚合商计算自己在全天可以获得的利润,利润计算公式为:
[0082]
[0083] 式(3)中,un为第n个负荷聚合商获得的利润;ch,n为第n个负荷聚合商的调度成本,与 其管理的柔性负荷种类有关,包括电动汽车,空调负荷,居民用电柔性负荷等;
[0084] 步骤S4、建立负荷聚合商非合作博弈模型,由于市场电价与总负荷削减量有关,所 以每个负荷聚合商的利润会受到其他负荷聚合商的影响,属于典型的非合作博弈问题。
[0085] 建立负荷聚合商非合作博弈模型的步骤如下,
[0086] 步骤S4.1、确定非合作博弈模型的参与者:所有负荷聚合商;
[0087] 步骤S4.2、确定非合作博弈模型的策略:各聚合商在高峰时段上报的负荷削减量;
[0088] 步骤S4.3、确定非合作博弈模型的各参与者的收益函数:
[0089] Rn(Ls,n,Ls,n′)=un   (4),
[0090] 式(4)中, 为第n个负荷聚合商在各负荷峰时段的削减负荷策 略; 为其他NLA-1个负荷聚合商的策略;
[0091] 步骤S4.4、确定非合作博弈模型博弈机制:所有博弈参与者根据自身收益函数,不 断改变自身策略,直到利润最大,且一旦达到最大值,任何参与者不能改变其自身策略 来获得更大利润,该状态称为纳什均衡状态,即:
[0092]
[0093] 式(5)中, 称为纳什均衡点。
[0094] 步骤S5、根据如下方式采用协同量子免疫粒子群优化算法对所述非合作博弈模型进 行策略求解,寻找纳什均衡点。参阅图3所示,为协同免疫量子粒子群优化算法的流程 图,纳什均衡点的求解步骤如下:
[0095] 步骤S5.1、设置每个参与者的策略空间Φn和总策略空间
[0096] 步骤S5.2、设置适应度函数,
[0097]
[0098] 式(6)中: 表示其他人不改变策略,只用策略 替换原策略Ls,n∈Φn后第n个聚合商的利润;
[0099] 步骤S5.3、定义并初始化协同量子免疫粒子群优化算法中的粒子维度NLA×NH、迭 代次数t=1、最大迭代次数Tmax、种群规模M、第t次迭代每个粒子记录为 
[0100] 步骤S5.4、在策略空间范围Φ内随机初始化M个粒子;
[0101] 步骤S5.5、根据公式(6)计算并记录每个粒子的适应度;根据适应度值,更新记录 第t次迭代下个体最好位置 群体最好位置gbestt, 平均最好位置mbestt,平均最好位置计算公式为:
[0102]
[0103] 步骤S5.6、在策略空间范围Φ内随机生成Q个新粒子,并计算它们的适应度;
[0104] 步骤S5.7、按如下公式计算M+Q个粒子的浓度:
[0105]
[0106] 式(8)中,i∈{1,2,...,M+Q}, 为第t次迭代时第i个粒子的浓度;分 别为第t次迭代时第i个和第j个粒子的适应度值;
[0107] 步骤S5.8、按如下公式计算选择每个粒子被选中作为更新粒子的概率:
[0108]
[0109] 步骤S5.9、选择概率较大的M个粒子用于更新种群,并用gbestt替换更新后种群中 适应度最差的那个粒子;
[0110] 步骤S5.10、计算第t次迭代时每个粒子的吸引子
[0111]
[0112] 式(10)中,α1为随机数;
[0113] 步骤S5.11、按如下公式更新种群:
[0114]
[0115] 式(11)中,α2,α3为随机数;β为收缩-扩张系数,一般采用线性减少的方式: [0116] 步骤S5.12、若t
[0117] 本发明可通过负荷聚合商之间的非合作博弈有效优化负荷曲线,有利于在保障负荷聚 合商利益的同时,体现调度机构对负荷聚合商削减行为的引导作用,又降低了高峰时段负 荷,缓解了发电侧压力,进而提高电网运行效率。
[0118] 需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或 者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任 何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖 非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那 些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或 者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括……”或“包含……” 限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的 要素。此外,在本文中,“大于”、“小于”、“超过”等理解为不包括本数;“以上”、“以下”、 “以内”等理解为包括本数。
[0119] 尽管已经对上述各实施例进行了描述,但本领域内的技术人员一旦得知了基本创造性 概念,则可对这些实施例做出另外的变更和修改,所以以上所述仅为本发明的实施例,并 非因此限制本发明的专利保护范围,凡是利用本发明说明书及附图内容所作的等效结构或 等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保 护范围之内。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈