本发明属于分布式发电技术领域，具体涉及一种基于博弈论的分布式能源优化运行方法。
背景技术：
随着时代的发展，环境问题在世界范围引起了广泛关注，而分布式能源电力系统是一种全新的能源供应模式，其所消耗的能源都是一些可再生资源，这些能源都属于清洁能源，对环境造成的影响很小。将分布式发电(distributedgenerators，dg)应用于供电系统，能够为用户供电提供便利，对电网行业的发展能够起到一定的促进作用。而随着分布式能源电力并网的逐渐应用，一些问题逐渐凸显出来：
(1)大多数可再生能源会受到诸如天气，灾害等自然条件的限制，导致其对电力系统的出力不稳定，在应用过程中会带来间歇性与波动性问题。
(2)分布式能源具有个体多，容量小，过于分散等特点，无法预测电网负荷的规律性，这会带来电力供需平衡问题。
(3)分布式能源电力系统还必须考虑诸如发电侧电源出力不稳定，配电侧运行复杂化，用户侧决策主体多样化等电网运行问题。
技术实现要素：
本发明的目的在于：一种基于博弈论的分布式能源优化运行方法，在考虑排放最小的前提下通过合作博弈的方式解决分布式能源的出力调度问题，求解各模式下电力系统各单位的最优出力，从而获得在相同条件下最大经济收益及最小化付出的成本。
为了达到以上目的，提供一种基于博弈论的分布式能源优化运行方法，包括如下步骤：
s1、获取各发电机的原始数据和参数；
s2、选取若干个发电机为博弈参与者，建立博弈模型；
s3、在各决策变量的策略空间中选取均衡点初值；
s4、根据均衡点初值，使用离子群算法在策略空间上搜索各博弈参与者的最优策略；
s5、将各博弈参与者的最优策略信息共享至各发电机；
s6、判断系统是否找到纳什均衡点，若有，则输出该均衡点，若无，则返回步骤s3。
本发明的优选方案是：发电机的原始数据和参数包括发电机发电收益、出售碳排放权收益、发电成本、污染排放成本和负载数据。
优选地，步骤s2中，博弈模型为非合作博弈模型，每个发电机的经济调度权重系数αi和环境调度权重系数βi为博弈过程中的策略，每个发电机获取的综合效益为博弈收益；权重系数建立的发电机收益函数：
s21、建立分布式电机经济目标函数：
其中，p为发电机出售一度电的市场价格，γ为发电机购买/出售单位碳排放量的市场价格，αi为发电机i的经济调度权重，βi为发电机i的环境调度权重，pimax为发电机i的最大发电量，αipimax是发电机i的实际发电量，βipimax是发电机i购买/出售的碳排放量，ai,bi,ci分别是第i台发电机的相应成本函数的系数，设定ci＞0；
s22、建立分布式电机环境目标函数：
f2i＝-cni
其中，cni为发电机i用于治理排放的超标污染物的费用，h为治理单元污染物的成本，di,ei,fi分别为第i台发电机碳排放函数系数，设定fi＞0；
s23、建立分布式电机约束条件：
功率平衡约束：
碳交易平衡约束：
优选地，步骤s4中为非合作博弈，在此过程中，当每个博弈参与者进行到第j轮优化，会按照之前一轮博弈优化的成果(αi_(j-1),βi_(j-1))，根据分布式智能优化算法获取最优策越组合(αi_j,βi_j)，即：
优选地，步骤s6中，当没有任何竞标代理可以通过改变自身策略获取更多效益即为纳什均衡。
优选地，步骤s6中，若全体博弈参与者在迭代时连续获取相同最优解，则有：
本发明有益效果为：
1)引入电力市场中碳交易机制，考虑碳排放权交易，在分布式发电单元的经济收益函数中加入了碳交易收入，既可为碳排放带来成本，也能为碳减排带来收益，实现清洁能源的优化配置。
2)通过建立环境调度函数，将发电单元的环境污染成本引入到分布式发电机的总收益中，并采用权重系数法，在考虑经济目标的同时考虑环境因素的影响。再通过建立博弈模型得到综合经济收益与环境污染成本的分布式发电机的最优出力。在获取最大收益的同时，将发电过程中产生的污染降到最低，更加符合保护环境的要求。
3)本发明将各分布式发电机建立为非合作博弈模型，通过基本粒子群求解nash均衡点，实现方法简单，便于推广应用。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明的方法流程示意图；
图2为本发明的实施例用于仿真的ieee-30节点的系统连接图；
图3为本发明的实施例中博弈达到nash均衡点的六台发电机的环境经济调度系数值图；
图4为本发明的实施例中博弈达到均衡点时的六台发电机的收益图；
图5为本发明的实施例中发电机3的环境经济调度博弈三维轨迹图；
图6为本发明的实施例中发电机3的环境经济调度博弈平面轨迹图。
具体实施方式
实施例一
请参阅图1，本实施例提供的一种基于博弈论的分布式能源优化运行方法，包括如下步骤：
s1、获取各发电机的原始数据和参数；
s2、选取若干个发电机为博弈参与者，建立博弈模型；
s3、在各决策变量的策略空间中选取均衡点初值；
s4、根据均衡点初值，使用离子群算法在策略空间上搜索各博弈参与者的最优策略；
s5、将各博弈参与者的最优策略信息共享至各发电机；
s6、判断系统是否找到纳什均衡点，若有，则输出该均衡点，若无，则返回步骤s3。
本实施例中以ieee-30节点标准电力网络为例，如图2所示，6个发电机和24个负荷分布在这个系统里，其中6台发电机分别位于母线1、2、5、8、11、13，24个负荷分别位于母线3、4、6、7、9、10、12、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30。
步骤s1中，输入发电机发电成本函数的系数(如表1所示)、发电机排放量函数的系数(如表2所示)，其中，ai,bi,ci分别是第i台发电机的相应成本函数的系数，假设ci＞0；di,ei,fi分别是第i台发电机碳排放函数系数，设定fi＞0。
表1
表2
步骤s2：以博弈论为理论基础的分布式能源优化运行设计模型包含两个调度指标：系统含碳物产生最少的低碳环境调度指标和每个发电机发电总收益最大的经济调度指标。建立模型的过程中，本文不仅考虑到了电力生产过程的经济效益，而且考虑到了电力生产过程中对环境带来影响，因此建立的是一种综合考虑环境性与经济性调度目标的模型。
(1)经济目标函数
本文的经济目标函数包括3部分：售电收益、碳交易收益、发电机的燃料成本。
售电收入：发电机i实际售电收入csi，i∈n。
碳交易收入：发电机i通过买卖碳排放权利获得的收入cli。
燃料成本：发电机i在发电过程中所消耗的化石等能源及其他材料的成本cmi。
按照以上分析，综合可得本文中发电机i调度模型的经济调度函数如下：
f1i＝csi+cli-cmi
此处：
csi＝pαipimax
cli＝γβipimax
当-1≤βi≤0时，发电机i需要采购所缺少的碳排放权；当0≤βi≤1时，发电机i售卖多余的碳排放权。由于碳交易是一个分段函数，那么发电机i调度模型的经济调度函数可由如下分段函数表示：
p为发电机出售一度电的市场价格，γ为发电机购买/出售单位碳排放量的市场价格，αi为发电机i的经济调度权重，βi为发电机i的环境调度权重，pimax为发电机i的最大发电量，αipimax是发电机i的实际发电量，βipimax是发电机i购买/出售的碳排放量，ai,bi,ci分别是第i台发电机的相应成本函数的系数，假设ci＞0。
(2)环境目标函数
为了使电能生产过程中产生的污染物排放量最小，模型中建立了污染物排放最小目标函数，更进一步地减少系统对自然环境的破坏。
排放函数模型依赖于排放气体的类型。一般认为，co2排放函数数学模型是一个二次函数：
cni是发电机i用于治理排放的超标污染物的费用，h为治理单元污染物的成本，di,ei,fi分别是第i台发电机碳排放函数系数，设定fi＞0。
根据以上分析，可得本文中发电机i调度模型的环境调度函数如下：
f2i＝-cni
(3)约束条件的建立
在考虑到环境因素和经济因素的同时，一些必要的约束条件也必须被满足，不然整个系统将会产生波动，甚至危及电网的安全。
功率平衡约束：发电机所发的总功率与总的负荷功率需求量持平。
碳交易平衡约束：在碳权交易市场上售卖与购买的碳排放量在总量上是持平的，整个碳权市场是出清的。
结合环境经济调度函数和发电机的约束条件，分布式环境经济调度优化可以用数学式子表示如下：
maxwi＝(f1i,f2i)
subjectto:g(pimax)＝0
上式中目标优化函数wi是一个多目标函数，不仅要使每个发电机的经济效益f1i达到最优值，而且还要使发电机的污染排放量f2i达到最小。约束条件g为发电机满足的两个等式约束条件，功率平衡和碳交易平衡。
步骤s3：博弈模型的建立。
参与者：发电机i∈n。
策略集合：si_α,β。
收益函数：wi(αi,βi；α-i,β-i)。
由于博弈模型是一个二次函数，其博弈收益函数是相应策略的连续拟凹函数，则可证明该博弈存在纯策略nash均衡点。经济调度和环境调度的nash均衡点为(αi*，βi*)，则由上述均衡定理可知，其应满足
即(αi*，βi*)均是在其余发电机选择最优战略下的本发电机最优策略，即该战略组合下的每台发电机均能达到均衡条件下的最高效益。
步骤s4：使用粒子群优化算法对建立的模型进行求解。具体求解流程如下：
s41：设定参数：p,γ,h,ai,bi,ci,di,ei,fi,pimax以及k＝0；
s42：每台发电机i随机产生各自初始的经济权重和环境权重αi_0，βi_0；
s43：k＝k+1；
s44：if-1≤βi＜0
elseif0≤βi≤0
wi＝pαipimax-(ai+bi(αipimax)+ci(αipimax)2)+γβipimax-h(di+ei(αipimax)+fi(αipimax)2)
endif
s45：计算wi_k(wi_k为dg1与dg2收益之和)；
s46：
1)在初始化范围内，对粒子群进行随机初始化，包括随机位置和速度；
2)根据待优化的目标函数(fitness)计算每个粒子的适应值。将当前各微粒的位置和适应值存储在各微粒的pbesti中，将所有pbesti中适应值最优个体的位置和适应值存储于gbesti中；
3)更新粒子个体的历史最优位置，更新粒子群体的历史最优位置；
4)更新粒子的速度v和位置x，公式如下：
xi+1＝xi+vi+1
5)对每个粒子，把它的适应值和它经历过的最好位置作比较，假如更加优秀，那么就把这个适应值作为现在的最优位置；
6)比较当前全部pbesti和gbesti的值，更新gbesti；
7)如果预设条件得到满足(往往是事先设定好的运算精度或迭代次数)，那么结束本次搜索，将结果
s47：满足所有相互约束条件。
步骤s5：利用粒子群优化算法求解所提模型得到兼顾分布式电机环境友好性和运行经济性的调度结果。得出各发电机最优环境与经济调度因子如图3所示，计算得到每个发电单元各自最大收益如图4所示。
仿真结果还分析了发电机3博弈迭代优化的轨迹图，由图5可知，分布式环境经济博弈调度轨迹图是一个三维立体图，x轴为经济权重系数α，y轴为环境权重系数β，z轴为发电机的收益。三维图中的曲面为发电机3不参与博弈时的理论值，曲面上的黄色点越亮，表明发电机3收益达到理论值的最大值。三维图中的红色曲线为发电机3参与博弈时的迭代变化值。发电机3每次博弈后的环境经济调度策略(αi，βi)根据其他发电机的策略调整自身策略，其收益也相应的发生变化。由图6可知，发电机3的环境经济调度博弈总体趋势是发电机3的收益会趋向理论最大值，即轨迹图逼近曲面的最亮点。其他发电机可得类似的结论。
除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。