基于P2P电力交易的本地优化控制方法及装置与流程

本发明属于电力调度领域，尤其是涉及一种基于p2p电力交易的本地优化控制方法及装置。

背景技术：

现阶段，随着越来越多的分布式电源(例如屋顶光伏等)接入社区微网系统，越来越多的能源消费者正转变为生产型消费者(产消者)，即兼顾电能生产者与消费者双重身份。社区微网系统与主电网往往只有一个连接点。该连接点上反映了多个产消者的净负荷的总和。这个总和均衡了产消者分布式电源和负荷的随机波动，这是因为一个能源生产者过剩的能源可被另一个能源消费者消耗掉。如果社区微网内产消者间相互协作，那么该社区微网的总能源成本则可能降低。端对端(p2p)电力交易提供了一个在社区微网内进行能源交易，减少各产消者济利益冲突。这是因为p2p电力交易会形成的较强的本地市场竞争机制，以及小区域内产消者行为会互相影响和作用。然而，单个产消者很难根据自身有限的信息，来实现对自己最有利的控制策略，来指导用户侧弹性负荷或能量存储设备的管理。因此，在p2p电力交易过程中，开发用于负责管理弹性负荷或能量存储设备控制行为的控制算法起着至关重要的作用。该控制算法往往决定了社区微网进行p2p电力交易的可行性。

但是，现有的控制方法部分从静态角度考虑，另一部分则是从整体角度考虑，没有考虑到个体之间的差异，也未充分考虑产消者改变其弹性负荷以获得经济利益最大化的积极性，降低了产消者参与p2p交易的参与度。

技术实现要素：

有鉴于此，本发明旨在提出一种基于p2p电力交易的本地优化控制方法及装置，以解决现有技术中现有控制算法降低产消者参与p2p交易的参与度的技术问题。

一方面，本发明实施例提供了一种基于p2p电力交易的本地优化控制方法，包括：

根据某一时隙社区微网p2p电力交易电价、社区微网用户的储能设备条件，建立带储能设备约束条件的社区微网产消者非线性规划产销量数学模型：

约束条件为：

其中，是产消者i净能源消耗的绝对值。如果为正或零，则等于如果为负，则等于和是产消者i的蓄电池的最大放电和充电功率。soci,min和soci,max是蓄电池的最小和最大充电状态百分比。ηbd和ηbc是蓄电池的放电和充电效率。wi,n是蓄电池的标称容量；

根据所述社区微网产消者非线性规划数学模型确定社区总产销数学模型；

根据所述社区微网总产销数学模型进行迭代优化，以实现纳什均衡，并计算得到每个社区微网产消者的产销量；

根据所述每个社区微网产消者的产销量对储能设备进行优化。

进一步的，在根据某一时隙社区微网p2p电力交易电价、社区微网用户的储能设备条件，建立带储能设备约束条件的社区微网产消者非线性规划产销量数学模型之前，所述方法还包括：

计算所述某一时隙社区微网p2p电力交易电价，所述计算所述某一时隙社区微网p2p电力交易电价采用如下方式计算：

其中，是在时隙t社区微网中产消者之间进行p2p电力交易的买卖电价，bi为产消者的电费或收入：正数表示收入，负数表示电费，nei为考虑蓄电池电能后产消者i的净电能消耗。

进一步的，所述根据所述社区总产销数学模型进行迭代优化，包括：

在计算无法达到纳什均衡时，利用优化步长控制法对优化变量的单次改变的最大值进行限制，实现纳什均衡。

进一步的，所述根据所述社区总产销数学模型进行迭代优化，包括：

在计算无法达到纳什均衡时，利用过程学习法限制机器学习循环过程中的变化规律，以实现纳什均衡。

另一方面，本发明实施例提供了一种基于p2p电力交易的本地优化控制装置，包括：

模型建立模块，用于根据某一时隙社区微网p2p电力交易电价、社区微网用户的储能设备条件，建立带储能设备约束条件的社区微网产消者非线性规划产销量数学模型：

约束条件为：

其中，是产消者i净能源消耗的绝对值。如果为正或零，则等于如果为负，则等于和是产消者i的蓄电池的最大放电和充电功率。soci,min和soci,max是蓄电池的最小和最大充电状态百分比。ηbd和ηbc是蓄电池的放电和充电效率。wi,n是蓄电池的标称容量；

总产销数学模型确定模块，用于根据所述社区微网产消者非线性规划数学模型确定社区总产销数学模型；

迭代优化模块，用于根据所述社区微网总产销数学模型进行迭代优化，以实现纳什均衡，并计算得到每个社区微网产消者的产销量；

优化模块，用于根据所述每个社区微网产消者的产销量对储能设备进行优化。

进一步的，所述装置还包括：

电价计算模块，用于计算所述某一时隙社区微网p2p电力交易电价，所述计算所述某一时隙社区微网p2p电力交易电价采用如下方式计算：

其中，是在时隙t社区微网中产消者之间进行p2p电力交易的买卖电价，bi为产消者的电费或收入：正数表示收入，负数表示电费，nei为考虑蓄电池电能后产消者i的净电能消耗。

进一步的，所述迭代优化模块，包括：

步长最大值限制单元，用于在计算无法达到纳什均衡时，利用优化步长控制法对优化变量的单次改变的最大值进行限制，实现纳什均衡。

更进一步的，所述迭代优化模块，包括：

变化规律限制单元，用于在计算无法达到纳什均衡时，利用过程学习法限制机器学习循环过程中的变化规律，以实现纳什均衡。

相对于现有技术，本发明所述的基于p2p电力交易的本地优化控制方法及装置具有以下优势：本发明实施例提供的基于p2p电力交易的本地优化控制方法及装置，通过根据某一时隙社区微网p2p电力交易电价、社区微网用户的储能设备条件，建立带储能设备约束条件的社区微网产消者非线性规划产销量数学模型。根据所述产销量数学模型确定社区总产销数学模型，并对该数学模型进行迭代优化，计算得到在纳什均衡情况下，每个社区微网产消者的产销量，并可根据每个社区微网产消者的产销量对自身的储能设备进行优化。可以在考虑每个产消者灵活资源的最优性和产消者之间的公平性的情况下，为p2p交易过程中的每个产消者提供了分布式能源管理解决方案，极大提高每个产消者参与p2p电力交易的意愿。可提高配电网管理的效率，显著降低社区微网用户的电费或增加产消者的收入。

附图说明

构成本发明的一部分的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为本发明实施例一所述的基于p2p电力交易的本地优化控制方法的流程示意图；

图2为本发明实施例二所述的基于p2p电力交易的本地优化控制装置的结构示意图。

具体实施方式

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。

下面将参考附图并结合实施例来详细说明本发明。

实施例一

图1为本发明实施例一所述的基于p2p电力交易的本地优化控制方法的流程示意图，参见图1，所述于p2p电力交易的本地优化控制方法，包括：

s110，根据某一时隙社区微网p2p电力交易电价、社区微网用户的储能设备条件，建立带储能设备约束条件的社区微网产消者非线性规划产销量数学模型。

在p2p电力交易过程中，开发用于负责管理弹性负荷或能量存储设备控制行为的控制算法起着至关重要的作用。该控制算法往往决定了社区微网进行p2p电力交易的可行性。目前，一些研究为p2p电力交易设计了一些价格机制，并以在这些价格机制的基础上开发了一些控制算法。

目前，p2p价格机制可分三类：基于拍卖的价格机制，基于竞争的本地市场的价格机制和公式化的价格机制。

将这些价格机制用于p2p电力交易时，通常在产消者的控制行为与其经济利益之间存在间接联系。例如，在使用市场供需比(sdr)方法时，产消者的经济利益与动态买卖电价息息相关，而实时买卖电价取决于市场供需比。因此，为了获取最大的经济收益，产消者控制改变其自身的弹性负荷以改变市场供需比。但控制行为与收益之间的间接联系很可能被社区中其它产消者的一些不可预见的活动打破，从而使产消者不会积极改变其弹性负荷以获得经济利益最大化。

采用博弈论的方法可把握冲突性利益，并在进行p2p电力交易时考虑产消者之间的相互影响)。目前采用stackelberg博弈方法来进行含光伏(pv)的产消者在微网中的能源管理。p2p交易过程被分为两个过程。卖方之间的价格竞争被建模为非合作博弈。在选择卖方的过程中，买方动态被建模为一种演化博弈。买卖双方间的互动被建模为stackelberg博弈。电价取决于产消者与p2p交易协调者进行交易的过剩能源量以及产消者对价格的敏感性。缺点是该方法无法确保每个产消者都都从p2p交易中获利，因为动态规划博弈既不考虑产消者对社区微网的贡献，也无法管理产消者的控制行动来降低自身的能源费用。

因此，在本实施例中，提供了一种基于p2p电力交易的本地优化控制方法，用于在指导单个产消者控制管理其弹性负荷或存储设备。该方法为p2p交易过程中的每个产消者提供了分布式能源管理解决方案，并考虑其灵活资源的最优性和产消者之间的公平性。使产消者与其经济利益直接互动，允许产消者根据其自身能源资源和其他产消者的控制活动来调整其控制策略。这极大提高每个产消者参与p2p电力交易的意愿。考虑每个产消者在不同时刻的边际贡献。该方法保证了在合作博弈中产消者之间的公平，确保每个p2p电力交易参与者都能从中受益。

博弈中的参与者是自主的单个体，负责制定其决定以追求理性的最好结果。当多个参与者可协调彼此行动并达成捆绑协议，从而产生单独行动无法取得的成果时，该博弈被定义为合作博弈。

在本实施例中，可以社区微网运营商实时收集各个产消者的用能或发电数据，并由shapley值算出每个产消者在时隙的电费或收入。从而得出实时的p2p买卖电价，每个产消者再根据实时的p2p电价进行本地优化控制。

因此，根据某一时隙社区微网p2p电力交易电价、社区微网用户的储能设备条件，建立带储能设备约束条件的社区微网产消者非线性规划产销量数学模型。

具体的，所述社区微网产消者非线性规划产销量数学模型为：

由于储能设备的自身特性，该公式还存在如下约束条件：

其中，是产消者i净能源消耗的绝对值。如果为正或零，则等于如果为负，则等于和是产消者i的蓄电池的最大放电和充电功率。soci,min和soci,max是蓄电池的最小和最大充电状态百分比。ηbd和ηbc是蓄电池的放电和充电效率。wi,n是蓄电池的标称容量。为在时隙t社区微网中产消者之间进行p2p电力交易的买卖电价。

可选的，可以在根据某一时隙社区微网p2p电力交易电价、社区微网用户的储能设备条件，建立带储能设备约束条件的社区微网产消者非线性规划产销量数学模型之前，还包括如下步骤：计算所述某一时隙社区微网p2p电力交易电价。述计算所述某一时隙社区微网p2p电力交易电价采用如下方式计算：

其中，是在时隙t社区微网中产消者之间进行p2p电力交易的买卖电价，bi为产消者的电费或收入：正数表示收入，负数表示电费，nei为考虑蓄电池电能后产消者i的净电能消耗。其中是在时隙t社区微网中产消者之间进行p2p电力交易的买卖电价。为计算方便，在本实施例中，保留了p2p买卖电价的正负值，即买入电价为正值，卖出电价为负值。

shapley值被认为是合作博弈中的一种公平的收益分配方法。本实施例采用shapley值用来分配各个产消者的电费或收入，，这种分配方法充分考虑各个产消者的边际贡献。用合作博弈的shapley值法可将各产消者在时隙-的电费(或收入)表达为：

其中表示产消者合集n中所有的不包含产消者i的联盟。(ψ∪{i})表示联盟ψ和产消者i结合的一个新联盟。上述表达式表示产消者i的边际贡献，即(ψ∪{i})和s的联盟的价值函数差值的平均值。

s120，根据所述社区微网产消者非线性规划数学模型确定社区总产销数学模型。

上述步骤提供了社区微网中某个产消者的非线性规划数学模型确定社区总产销数学模型。因此，可将上述每个社区微网产消者的产量相加得到确定社区总产销数学模型。

s130，根据所述社区总产销数学模型进行迭代优化，以实现纳什均衡，并计算得到每个社区微网产消者的产销量。

由于上网电价和网上售价之间存在一定的差值，所以对于社区微网最优策略为尽可能将电能在社区微网消费。

在实施p2p电力交易时，实时的p2p买卖电价及每个产消者在时隙t的电费或收入的计算，存在一个迭代过程。因为产消者执行的控制策略会改变其净能耗，净能耗的变化会影响其对社区微网联盟的边际贡献价值，从而影响其在合作博弈中的收益。收益的变化会影响p2p交易买卖电价，而买卖电价会影响产消者执行优化时的控制策略。该迭代过程有利于产消者根据收益调整自身的控制行为。因此，合作博弈中产消者的经济收益相互关联并相互影响。

该博弈过程通过产消者的本地优化改变其弹性负荷或储能设备的出力来实现。并通过多次循环迭代来达到系统平衡，即博弈论中的纳什均衡(nashequilibrium)。

在本实施例中，可以对上述社区微网总产销数学模型进行迭代优化，示例性的，可以将社区微网总产销数学模型x在购买能源的情况下设置为0，在售电情况下，根据历史经验选取极大值，并根据选取的结果进行迭代运算。可以预先设定相应的步长来进行迭代优化，直至社区微网的每个产消者都能够满足非线性规划产销量数学模型中的约束条件。并相应得到每个社区微网产消者的产销量。

在本实施例中，可以将所述根据所述社区总产销数学模型进行迭代优化，具体优化为：在计算无法达到纳什均衡时，利用优化步长控制法对优化化变量的单次改变的最大值进行限制，实现纳什均衡。或者，在计算无法达到纳什均衡时，利用过程学习法限制机器学习循环过程中的变化规律，以实现纳什均衡。多数情况下，弹性负荷或储能设备的能量相对于整个社区微区网的净能耗较小，纳什均衡较易实现。但是随着越来越多的分布式能源并入社区微网或社区微网中含有一个或多个大用户(并且此大用户有较大的弹性负荷或储能设备)，也会出现系统不收敛，即达不到纳什均衡。这时需采用优化步长控制法或过程学习法，来限制优化变量的单次改变的最大值或机器学习循环过程中的变化规律，来加快(或保障)系统实现纳什均衡。

s140，根据所述每个社区微网产消者的产销量对储能设备进行优化。

可以根据上述计算得到的每个社区微网产消者的产销量，以及时隙电价和产消者消耗的绝对值确定对应的储能设备的参数，并根据所述储能设备参数对储能设备进行优化，以实现社区微网中产消者的经济收益最大化。

本发明实施例所述的基于p2p电力交易的本地优化控制方法，通过根据某一时隙社区微网p2p电力交易电价、社区微网用户的储能设备条件，建立带储能设备约束条件的社区微网产消者非线性规划产销量数学模型。根据所述产销量数学模型确定社区总产销数学模型，并对该数学模型进行迭代优化，计算得到在纳什均衡情况下，每个社区微网产消者的产销量，并可根据每个社区微网产消者的产销量对自身的储能设备进行优化。可以在考虑每个产消者灵活资源的最优性和产消者之间的公平性的情况下，为p2p交易过程中的每个产消者提供了分布式能源管理解决方案，极大提高每个产消者参与p2p电力交易的意愿。可提高配电网管理的效率，显著降低社区微网用户的电费或增加产消者的收入。

实施例二

图2为本发明实施例二所述的基于p2p电力交易的本地优化控制装置的结构示意图，参见图2，所述于p2p电力交易的本地优化控制装置，包括：

模型建立模块，用于根据某一时隙社区微网p2p电力交易电价、社区微网用户的储能设备条件，建立带储能设备约束条件的社区微网产消者非线性规划产销量数学模型：

约束条件为：

其中，是产消者i净能源消耗的绝对值。如果为正或零，则等于如果为负，则等于和是产消者i的蓄电池的最大放电和充电功率。soci,min和soci,max是蓄电池的最小和最大充电状态百分比。ηbd和ηbc是蓄电池的放电和充电效率。wi,n是蓄电池的标称容量；

总产销数学模型确定模块，用于根据所述社区微网产消者非线性规划数学模型确定社区总产销数学模型；

迭代优化模块，用于根据所述社区微网总产销数学模型进行迭代优化，以实现纳什均衡，并计算得到每个社区微网产消者的产销量；

优化模块，用于根据所述每个社区微网产消者的产销量对储能设备进行优化。

本发明实施例提供的基于p2p电力交易的本地优化控制装置，通过根据某一时隙社区微网p2p电力交易电价、社区微网用户的储能设备条件，建立带储能设备约束条件的社区微网产消者非线性规划产销量数学模型。根据所述产销量数学模型确定社区总产销数学模型，并对该数学模型进行迭代优化，计算得到在纳什均衡情况下，每个社区微网产消者的产销量，并可根据每个社区微网产消者的产销量对自身的储能设备进行优化。可以在考虑每个产消者灵活资源的最优性和产消者之间的公平性的情况下，为p2p交易过程中的每个产消者提供了分布式能源管理解决方案，极大提高每个产消者参与p2p电力交易的意愿。可提高配电网管理的效率，显著降低社区微网用户的电费或增加产消者的收入。

在本实施例的一个优选实施方式中，所述装置还包括：

电价计算模块，用于计算所述某一时隙社区微网p2p电力交易电价，所述计算所述某一时隙社区微网p2p电力交易电价采用如下方式计算：

其中，是在时隙t社区微网中产消者之间进行p2p电力交易的买卖电价，bi为产消者的电费或收入：正数表示收入，负数表示电费，nei为考虑蓄电池电能后产消者i的净电能消耗。

在本实施例的一个优选实施方式中，所述迭代优化模块，包括：

步长最大值限制单元，用于在计算无法达到纳什均衡时，利用优化步长控制法对优化变量的单次改变的最大值进行限制，实现纳什均衡。

在本实施例的一个优选实施方式中，所述迭代优化模块，包括：

变化规律限制单元，用于在计算无法达到纳什均衡时，利用过程学习法限制机器学习循环过程中的变化规律，以实现纳什均衡。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。