基于多智能体和博弈方法的微电网电力市场双层竞价方法与流程

本发明属于微电网的市场交易领域，具体涉及一种基于多智能体和博弈方法的微电网市场双层竞价方法。

背景技术：

微电网作为智能电网的一部分，是一种有效整合利用分布式能源，提高绿色清洁能源利用率的电力系统。随着微电网相关技术的成熟，微电网剩余容量的处理问题逐渐成为科研关注的焦点。近年来，随着世界范围内的电力市场化改革，我国也以“厂网分开，竞价上网”的试点开始逐步实行电力市场化改革，以此实现优化资源配置、使资源的社会效益最大化的目的。为此，参与电力市场竞价，是微电网合理有效处理剩余容量的最佳选择。作为自负盈亏的市场主体，通过合理的竞价策略实现自身利益最大化是参与市场竞价的发电商(参与竞价的微电网也被视为一个发电商)参与市场竞争的根本目的。多智能体系统、博弈论由于其自身的一些特点，被研究者广泛应用在发电商竞价策略的研究中。大量研究的焦点聚集在同等类别发电商的竞价策略制定上。然而，微电网相对于传统发电商而言具有容量小、单个微电网输出的不稳定性等不利于市场竞争的因素。因此在研究制定微电网的市场竞价策略时必须充分考虑微电网自身的这些特点。

针对上述存在的问题，本发明在电力市场竞价模型的设计方面提出双层竞价模型。然而，在模型求解过程中，仍需要充分考虑电力市场及发电商的一些特殊约束因素。本发明在求解博弈均衡点的过程中，引入了迭代搜索法并加以改进；对迭代结果与特定约束条件可能出现的矛盾问题，引入多目标规划法对结果进行修正，以期模型所得解尽可能的满足多重约束条件。

技术实现要素：

本发明提出基于多智能体和博弈方法的微电网电力市场双层竞价方法，目的是提高微电网在电力市场竞争中的整体竞争力，在保证传统电力市场主体性的同时提高可再生清洁能源(微电网)的市场份额。本发明基于多智能体系统和博弈论方法，在模型求解中引入迭代搜索法并加以改进，同时引入多目标规划法对博弈原始解进行修正。

为了解决上述存在的技术问题实现发明目标，本发明是通过以下技术方案实现的：

一种基于多智能体和博弈方法的微电网市场双层竞价方法，该方法内容包括如下步骤：

步骤1构建基于多智能体的双层竞价系统，把实际电力市场分为两个电力子市场，在上层电力市场中，微电网以联盟的形式同传统发电商一起参与市场竞价；在下层电力市场中，以上层电力市场竞争中微电网联盟所获得的市场份额作为市场需求总量，微电网之间再次进行市场竞争，最终获得的市场份额作为微电网在整个电力市场竞争中所获得最终电量；

步骤2构建基于博弈方法的电力市场双层竞价模型，在上层电力市场竞价模型中，微电网联盟的容量、输出极限值、成本参数值由所有联盟成员相应的值通过待定系数法确定；在下层电力市场竞价模型中，市场需求量、价格指标采用上层电力市场竞争中微电网联盟所获得的结果，从而保证整个市场竞争过程的连续性；

步骤3对上层电力市场的竞价建立模型进行求解，采用迭代搜索法，基于电力市场功率平衡约束、微电网的供电商出力上限和下限约束条件对迭代搜索法的单轮迭代结束条件进行了改进；然后引入多目标规划法对原始迭代解进行修正；

步骤4对下层电力市场的竞价模型进行求解，采用量价微增法对已确定电价和市场需求总量的下层电力市场竞价模型进行求解，得出微电网在整个电力市场竞价的最终策略；

步骤5通过仿真实验验证基于多智能体的双层竞价系统的实用有效性。

由于采用上述技术方案，本发明提供的一种基于多智能体和博弈方法的微电网市场双层竞价方法，与现有技术相比具有这样的有益效果：

(1)本发明构建了基于多智能体双层竞价结构的市场竞价模式，在保证市场化运行的同时，提高了微电网提供的可再生清洁能源在能源市场中的比例；

(2)本发明将迭代搜索法引入纳什均衡点的求解中，并针对发电商的固有约束条件对其进行了改进；

(3)本发明针对特定约束条件之间的矛盾性可能造成的模型无完美解的问题，引入多目标规划法对模型原始解进行修正，使得结果最大限度满足所有给定约束条件。

附图说明

图1为基于多智能体的微电网电力市场双层竞价结构图；

图2为多智能体系统的交互过程；

图3为基于博弈方法的竞价流程；

图4为本发明方法的流程图。

具体实施方式

下面结合附图与具体实施方式对本发明作进一步详细描述：

本发明的一种基于多智能体和博弈方法的微电网市场双层竞价方法，其流程图如图4所示，该方法内容包括如下步骤：

步骤1构建基于多智能体的双层竞价系统，把实际电力市场分为两个电力子市场，在上层电力市场中，微电网以联盟的形式同传统发电商一起参与市场竞价；在下层电力市场中，以上层电力市场竞争中微电网联盟所获得的市场份额作为市场需求总量，微电网之间再次进行市场竞争，最终获得的市场份额作为微电网在整个电力市场竞争中所获得最终电量；

图1所示为基于多智能体的微电网电力市场双层竞价结构图，图2所示为多智能体系统内部的agent交互过程。根据图1和图2可知：所有市场成员都由相应的代理表示。电力市场被分为上层电力子市场和下层电力子市场。在上层电力子市场中的竞价开始时，电力市场代理(electricitymarketagent缩略为emag，以下简称emag)收集来自所有发电商代理(generationagent缩略为gag，以下简称gag)和微电网子市场代理(microgridsubsidiarymarketagent缩略为msmag，以下简称msmag)的竞价信息，这里的gag专指不包括微电网的传统发电商；在满足市场安全水平和功率平衡安全约束条件的基础上，结合自身知识库和当前状态信息，通过一定的优化方法得出市场竞价的首轮迭代结果，并把相应的数据信息通过交互环境反馈到上述各代理。然后，各竞价代理(即gag和msmag)根据所得反馈信息及自身状态、周围环境所得信息调整自身的竞价参数，如此循环下去，直到纳什均衡解的出现。然而，该均衡解的求解过程可能与功率平衡约束相矛盾，其解决方法将在步骤(3)中给予解决。

步骤2构建基于博弈方法的电力市场双层竞价模型：在上层电力市场竞价模型中，微电网联盟参与市场竞争时所能投标产量的最大值、微电网联盟参与市场竞争时所能投标产量的最小值和成本参数由所有联盟成员相应的值通过待定系数法确定；在下层电力市场竞价模型中，市场需求量、价格指标采用上层电力市场竞争中微电网联盟所获得的结果，从而保证整个市场竞争过程的连续性；

基于博弈方法建立了电力市场双层竞价策略的数学模型：在上层电力市场中，为简化计算，本发明方法假设所有发电商(包括发电商和微电网联盟)的成本函数是二次函数，即第i个gag的成本函数、收益函数分别为

其中cgi和分别是第i个gag的成本和收益，qgi是其提交的投标电量，agi,bgi和cgi是其成本函数系数，pmcp是当前电力市场的出清价，它与发电商投标电量的关系可以表示为

其中qmsm是msmag提交的投标电量，pmax是市场电价最高值，α是在上层电力市场中电价的相关弹性系数。在上层电力市场中，发电商的数目相对较多，影响发电商制定投标策略的市场因素也很多，使得每个发电商很难获得竞争对手的投标、成本等市场信息。因此由公式(1)、(2)和(3)可知，第i个gag可以通过改变变量{agi,bgi,cgi,qgi}的值来增加自身收益，其中qgi是投标变量；故其最大收益可以有下式得出

即可得

在上层电力市场中，msmag作为一个投标者，其成本函数、收益函数及投标产量的求解方法与gag相似。

在求解msmag投标产量的过程中，需要已知微电网联盟的成本函数参数；式(5)表明gag及msmag的投标产量与其成本系数中的{bgi,cgi}是负相关性关系。在上层电力市场中，微电网联盟竞价的主要目标是获得尽可能多的市场份额，因此，基于最小成本的原则来确定微电网联盟投标产量；

采用待定系数法确定微电网联盟的成本参数；

为简化计算，本发明在求解微电网联盟成本参数时，假定优先把电量分配给成本最小的微电网，直到超出该微电网容量上限，再依次分配给成本次低的发电商，依此类推，直到把电量分配完毕；基于以上假设，微电网联盟的成本曲线必定通过点其中是第j个微电网的输出容量上限；cj是msmag在投标电量为时的成本，即

式中是第l个微电网在投标电量为时的成本，是第l个微电网的输出容量上限；由于电力产品不能长时间大量存储，因此电力市场交易需实时满足功率平衡要求，即

式中和分别是第i个gag和第j个mag的最终竞标结果电量，qload是当前市场电量需求量；假设电力市场中含有n类负载，则qload可以表示为

式中qli和λi分别表示第i类负载及其相应的敏感系数；

在下层电力市场中，msmag作为子市场交易agent,其在上层电力市场竞标中获得的电量和交易价格，被作为下层电力市场的市场需求量和市场出清价；微电网联盟内部所有微电网agent再次竞标，完成电量的二次投标分配；与gag相似，作为发电商，mag的成本函数及其收益分别表示为

式中cmi是第i个mag的成本函数，{ami,bmi,cmi}分别是其相应的系数，表示第i个mag的收益；pmcp是当前子市场的市场出清价，即上层电力市场竞标结束时所得的市场出清价；qmi是第i个的投标电量，它是以市场出清价为自变量的函数，即

qmi＝f(pmcp)；(12)

步骤3对上层电力市场的竞价建模型进行求解，采用迭代搜索法，基于电力市场功率平衡约束、微电网等供电商出力上限和下限约束条件对迭代搜索法的单轮迭代结束条件进行了改进；然后引入多目标规划法对原始迭代解进行修正；

在上层电力市场中，本发明采用迭代搜索法寻找模型的纳什均衡解；图3所示为基于博弈方法的竞价流程，图中仅给出gag的迭代过程，在第一轮迭代中，各投标者agent根据自身状态、知识库和环境信息，向emag提交初始化的竞标信息；emag在满足系统安全水平等约束前提下，依据相关优化算法得出首轮迭代结果，并把相关信息通过agent间的交互，反馈到各投标agent，从而完成一次迭代过程；为了叙述方便，本发明将各投标gag从1到n-m依次编号，假设第k轮迭代中各投标agent的投标电量表示为则第k+1轮迭代中各投标agent的投标电量可以由以下迭代过程求得

式中表示当n-m个gag保持时msmag取得最大收益的投标电量；同理，表示当排在第i个gag前面的gag保持而其余gag及msmag保持时第i个gag取得最大收益的投标电量；

如果对于所有投标agent来说，最近两轮迭代的投标电量相等，即

此时没有任何一个投标者愿意改变自己的投标产量，即此时的解可看作是博弈的纳什均衡解；

考虑到电力市场的强约束性，本发明对迭代条件作了以下改进：在第k轮迭代过程中，如果第j个投标者通过式(13)所得的本轮迭代结果大于其输出容量上限，即

则以作为本轮迭代该投标者的迭代结果，迭代过程继续；同理，如果其所得结果小于其输出容量下限，作同样的处理；

此外，由于均衡解的求解过程可能与功率平衡约束相矛盾，即式(6)和式(8)可能存在矛盾性，迭代所得均衡解可能不能同时满足式(3),(6)和(8)，本发明引入多目标规划法对结果进行修正来解决这个问题；其模型可表示为

约束条件为

构建拉格朗日函数如下

则

式(16)的优化求解可以转化为

求解式(20)得到

即

故

从而解得

式(25)表明修改后的第i个gag的投标产量不仅与其他投标者的投标产量有关，还与市场中投标者的数量有关；用表示第i个gag最终的投标产量，则其最终收益为

市场出清价可以表示为

步骤4对下层电力市场的竞价模型进行求解，采用量价微增法对已确定电价和市场需求总量的下层电力市场竞价模型进行求解，得出微电网在整个电力市场竞价所获得的最终电量；

在下层电力市场中，本发明采用量价微增法进行利润最大化投标，即

式中是第i个mag的收益函数，因此

由式(11)可得

当

式中是第i个mag获得的最终电量，即是上层电力市场竞标结束后微电网联盟获得的最终电量，gi是第i个mag对下层电力市场中其他mag投标电量总量增量的响应变量；因此，第i个mag最后的收益可表示为

步骤5通过仿真实验验证基于多智能体的双层竞价系统的实用有效性。

通过查阅相关资料，得出仿真验证所需的基本数据信息。通过与相应模型的单层竞价策略的横向、纵向比较，充分证明电力市场的双层竞价策略能够保证电力市场中微电网获得更多的市场份额。同时，微电网所获得的收益也有一定程度的增加，符合市场追求最大化自身利益的特征。

本领域的技术人员容易理解，以上所述仅为本发明较佳实施方案而已，并不用以限制本发明，凡是在本发明的精神和原则之内所做的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。