基于纳什议价的多利益主体分布式鲁棒优化调度方法

1.本发明涉及区域综合能源系统日前优化调度领域，具体涉及一种基于纳什议价的多利益主体分布式鲁棒优化调度方法。


背景技术：

2.近年来随着化石能源的消耗，环境污染问题的加剧，具有多能耦合互补优势的区域综合能源系统能融合电、气、热等多种形式的能源，有效提高能源利用率，得到了越来越广泛的应用。热电联产机组(combined heat and power,chp)由于能源利用率高，环境污染小等优点在区域综合能源系统中得到了广泛的使用。在实际生产中热电联产机组的可行域可能是非凸的，也可能是凸的。然而现有的文献对chp机组的建模多以凸可行域模型为主，缺少对chp非凸可行域的研究。此外，区域综合能源系统内部各利益主体通常分属不同的利益主体，这些利益主体在保护各自隐私的条件下进行能源的传输和交易以使自己获得尽可能多的利益，而现有文献鲜有人考虑不同利益主体之间的博弈问题。


技术实现要素：

3.为了解决区域综合能源系统内不同利益主体间的利益博弈和隐私保护问题以及系统中chp机组可能出现非凸可行域模型的问题，本发明提供了一种基于纳什议价的多利益主体分布式鲁棒优化调度方法。利用基于数据的鲁棒优化算法来处理风电功率的不确定性。建立了可以处理凸可行域和非凸可行域的chp机组模型，采用纳什议价来解决区域综合能源系统内各利益主体间的博弈问题，以各个利益主体在进行能源交互后是否能有效降低运行成本为纳什谈判的破裂条件。为保护各个利益主体的隐私，采用交替方向乘子法(alternating direction multiplier method，admm)对该纳什议价问题进行求解，以获得各利益主体的能源交互量和能源交易价格。
4.本发明提供如下的技术方案：
5.一种基于纳什议价的多利益主体分布式鲁棒优化调度方法，包括以下步骤：
6.s1，考虑综合能源系统中仅有风电这一种可再生能源，定义区域综合能源系统中配电网、配热网和微网群分为不同的利益主体；
7.获得各利益主体内部的基础数据值，包括热、电负荷日前预测数据，风电功率历史数据和日前预测数据，配电网从输电网购电的实时电价和燃气轮机购气价格数据。
8.s2，含有风力发电机的利益主体根据风电功率历史出力数据，构建风电功率预测误差概率密度函数。
9.采用高斯混合模型(gaussian mixed model，gmm)对各主体内风电功率的预测误差进行逐时拟合。gmm的表达式如下所示：
[0010][0011]
式中x为不确定量，这里指风电功率预测误差；i为高斯分量个数；λi为第i个高斯分量的权重；f
g,i
为第i个高斯分量；μi为均值；δi为协方差矩阵。采用最大期望算法对式(1)进行求解。设gmm中未知的参数集为θ＝(θ1,θ2,
…
θn)，其中θj＝(λj,μj,δj)，j＝1,2
…
m；
[0012]
则样本的对数似然函数为
[0013][0014]
式中：m为风电功率预测误差历史数据总量，使式(2)达到最大化的θ即为混合高斯模型参数的估计值。
[0015]
s3，改变高斯分量个数i，重复s2，得到不同高斯分量个数i下的风电功率预测误差概率密度函数。为得到最优拟合模型，采用平均绝对误差(mean absolute error，mae)作为评估标准对拟合精度进行评价，选取mae值最小的概率密度函数为最优概率密度函数。
[0016]
s4，在s3的基础上求取风电功率预测误差在某个置信度下的最短置信区间，最短置信区间应满足
[0017][0018]
f(a)＝f(b)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0019]
式中：1-β为置信度，根据具体问题选取不同的数值；a、b为最短置信区间上下限，这里为变量；f为s3中拟合出的风电功率预测误差最优概率密度函数。
[0020]
s5，将各主体内部风电功率日前预测数据和s4中各主体风电功率预测误差的最短置信区间相加，得到相应置信度下的风电功率不确定集，取其上限用于日前优化调度。
[0021]
s6，建立区域综合能源系统中的chp的可行域模型，可行域模型分为凸可行域模型和非凸可行域模型，凸可行域模型中p
chp
和h
chp
为chp输出的电功率值和热功率值，li代表chp可行域的第i个顶点，pi为chp在第i个顶点上的电功率输出，hi为chp在第i个顶点上的热功率输出。chp在凸可行域上运行时满足下式：
[0022][0023]
式中：αi为可行域的组合系数，0≤αi≤1，n为可行域的定点数。
[0024]
典型的chp非凸可行域结构中p
chp
和h
chp
为chp输出的电功率值和热功率值，li代表chp可行域的第i个顶点，pi为chp在第i个顶点上的电功率输出，hi为chp在第i个顶点上的热
功率输出。处理chp非凸可行域的基本思想是将其分割为几个凸可行域，将非凸可行域划分成两个凸可行域进行求解，以l1、l2、l5、l6组成一个凸可行域a1,以l1、l3、l4、l5组成一个凸可行域a2。当chp运行在a1时,有y1＝1,y2＝0；当chp运行在a2时,有y1＝0,y2＝1。y1和y2为chp可行域的子区域选择变量，chp在非凸可行域上运行时满足的公式如下所示：
[0025][0026]
式中：αi为可行域的组合系数，0≤αi≤1,n为可行域的定点数。
[0027]
s7，在不考虑各利益主体彼此之间能源交互的情况下，得到区域综合能源系统第m个利益主体的最优运行成本该成本包括所有设备的维护运行费用以及利益主体与外部能源市场的交互费用：利益主体售出能源为负，购入能源为正，调度单位时长取1小时。
[0028]
s8，区域综合能源系统内各利益主体在考虑彼此间能源交互的情况下，对各自的运行状态进行优化，求取各个主体之间的能源交互量p
mn
和这一阶段第m个利益主体的最优运行成本其中n为与主体m有能源交互的主体。
[0029]
如果利益主体m向利益主体n出售能源，则p
mn
《0；如果利益主体m从利益主体n购入能源，则p
mn
》0。
[0030]
在这一阶段不考虑各主体彼此之间因能源交互而产生的能源交互成本。进一步地为保护区域综合能源系统各利益主体隐私，采用交替方向乘子法求取各主体在考虑彼此之间能源交易情况下的运行成本主体m的增广拉格朗日目标函数为l
m,1
[0031][0032]
式中ρ1为惩罚因子；为拉格郎日乘子；m为所有利益主体的集合。综合能源系统中的各利益主体反复执行式(8)中的步骤以优化式(7)，直到式(9)被满足。在计算过程中，各利益主体需要满足内部能源平衡约束，即能量的获得和消耗维持平衡。
[0033]
[0034][0035]
式中：r为优化迭代次数，ε1和ε2为收敛因子取10-5
。
[0036]
s9，在s8的基础上，区域综合能源系统内各主体为降低各自的运行成本与自身有能源交易的利益主体协商能源交易价格。第m个利益主体经过议价后的运行成本如式(10)所示
[0037][0038]
式中：q
mn
为利益主体m和n之间的能源交易价格。为保证利益主体m在经过能源交互和能源价格协商后能最大程度减小运行费用，式(11)被满足
[0039][0040]
利用对数的性质可以将式(11)等价转换成式(12)
[0041][0042]
以式(12)为这一阶段利益主体m的优化目标，考虑到保护主体m的隐私，同样采用admm算法迭代求解各利益主体之间的能源交易价格，利益主体m在这一阶段的增广拉格函数l
m,2
为
[0043][0044]
式中：ρ2为惩罚因子；为拉格郎日乘子，综合能源系统中的各利益主体反复执行式(14)中的步骤以优化式(13)，直到式(15)被满足
[0045][0046][0047]
式中：r为优化迭代次数，ε3和ε4为收敛因子取10-5
。
[0048]
本发明的实质性特点在于：(1)利用基于纳什议价的能源交易模型，使区域综合能源系统中参与议价的各个利益主体都能通过适当的能源交易降低自身的运行成本，能源交易具体包括能源交易量和能源交易价格。(2)采用admm算法求取区域综合能源系统各利益
主体之间的能源交易量和交易价格，可有效保护各主体的隐私。(3)建模时考虑了chp非凸可行域的情况，建立的模型既可以求解chp非凸可行域的情况，也能求解chp凸可行域的情况，使得优化结果更具有通用性。
附图说明
[0049]
图1为典型的chp凸可行域运行图；
[0050]
图2为典型的chp非凸可行域运行图；
[0051]
图3为本发明论述的一种基于纳什议价的多利益主体分布式鲁棒优化调度方法的一个具体实施例；
[0052]
图4为本发明论述的一种基于纳什议价的多利益主体分布式鲁棒优化调度方法步骤流程图。
具体实施方式
[0053]
下面通过具体实施例，并结合附图，对本发明的技术方案作进一步的具体说明。
[0054]
实施例1
[0055]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0056]
如图3所示，本发明实施例选取的区域综合能源系统包括配热网、配电网以及多能微网，将配热网，配电网，多能微网视作利益主体。配热网包含热电联产机组(chp)可以给配电网供给电能，配热网可以给多能微网供给热能，配电网和多能微网之间有电能的交互。同时配电网和多能微网侧都连有风力发电机。
[0057]
参见图4，所示为本发明实施例的一种基于纳什议价的综合能源系统分布式日前鲁棒优化调度方法的步骤流程图，包括以下步骤：
[0058]
s1，获得配热网中的热负荷预测值，配电网中电负荷的预测值，多能微网中电、热负荷的预测值以及配电网和微网中风电功率预测误差的历史数据，以及配电网从输电网购电的实时电价和燃气轮机购气价格等数据。
[0059]
s2，配电网和多能微网根据其风电功率历史数据，构建风电功率预测误差概率密度函数，首先采用混合高斯模型(gmm)对配电网和微网内风电功率的预测误差进行逐时拟合。gmm的表达式如下所示：
[0060][0061]
式中x为不确定量，这里指风电功率预测误差；i为高斯分量个数；λi为第i个高斯分量的权重；f
g,i
为第i个高斯分量；μi为均值；δi为协方差矩阵。采用最大期望算法对式(1)进行求解。设gmm中未知的参数集为θ＝(θ1,θ2,
…
θn)，其中θj＝(λj,μj,δj)，j＝1,2
…
m。
[0062]
则样本的对数似然函数为
[0063][0064]
式中：m为样本总数，这里为各主体的风电功率历史预测误差数据总量，使式(2)达到最大化的θ即为混合高斯模型参数的估计值。进而可以求取得到运营主体内各个时刻风电功率预测误差概率密度函数。
[0065]
s3,改变高斯分量个数i，重复s2，得到不同高斯分量个数i下的风电功率预测误差概率密度函数。为得到最优拟合模型，采用平均绝对误差(mean absolute error，mae)作为评估标准对拟合精度进行评价，选取mae值最小的概率密度函数为最优概率密度函数。
[0066]
s4，在s3的基础上求取风电功率预测误差在某个置信度下的最短置信区间，最短置信区间应满足
[0067][0068]
f(a)＝f(b)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0069]
式中：1-β为置信度；a、b为置信区间上下限，这里为变量；f为s3中拟合出的风电功率预测误差最优概率密度函数。
[0070]
s5，将配电网和多能微网中的风电功率预测数据和s4中所求出的风电功率预测误差的最短置信区间相加，就可以得到相应置信度下的风电功率不确定集，取其上限用于日前优化调度。
[0071]
s6，因为实施例中的chp可行域非凸，所以建立区域综合能源系统中的chp的非凸可行域模型。典型的chp非凸可行域结构如附图2所示，其中p
chp
和h
chp
为chp输出的电功率值和热功率值，li代表chp可行域的第i个顶点，pi为chp在第i个顶点上的电功率输出，hi为chp在第i个顶点上的热功率输出。由于chp可行域非凸，所以需要将如附图2所示的非凸可行域划分成两个凸可行域进行求解，具体的以l1、l2、l5、l6组成一个凸可行域a1,以l1、l3、l4、l5组成一个凸可行域a2。当chp运行在a1时,有y1＝1,y2＝0；当chp运行在a2时,有y1＝0,y2＝1。y1和y2为chp可行域的子区域选择变量，chp在非凸可行域上运行时满足的公式如下所示：
[0072][0073]
式中：αi为可行域的组合系数，0≤αi≤1，n为可行域的定点数。
[0074]
s7，调度单位时长取1小时，配电网、配热网和多能微网在不考虑彼此之间能源交互的情况下，对自身的运行状态进行优化，以得到各自的最优运行成本互的情况下，对自身的运行状态进行优化，以得到各自的最优运行成本和和满足
[0075][0076][0077][0078]
p
load,t
+p
c,t
＝p
g,t
+p
w,t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)
[0079]
式中：cg和c
p
分别表示配电网从上级电网的购电费用和配电网处的弃风惩罚费用；p
load,t
、p
c,t
、p
g,t
和p
w,t
分别表示配电网各个时刻的电负荷日前预测量，弃风量，从上级电网的购电量以及风电预测功率；c
cur
和c
g,t
分别表示弃风惩罚成本以及配电网与上级电网的交互电价。满足
[0080][0081]hload,t
＝h
s,t
+h
bat,t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)
[0082]
式中：h
load,t
、h
s,t
和h
bat,t
分别为配热网各个时刻的热负荷日前预测量，燃气锅炉的出力量以及储热装置的冲、放热功率量；cs为燃气锅炉的单位功率出力成本。满足
[0083][0084]
p
w,load,t
+p
wc,t
＝p
mt,t
+p
ww,t
+p
bat,t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(13)
[0085]hw,load,t
＝h
ws,t
+h
w,bat,t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(14)
[0086]
式中：p
w,load,t
、p
wc,t
、p
mt,t
、p
ww,t
和p
bat,t
分别表示多能微网各个时刻的电负荷日前预测量，弃风量，燃气轮机的出力量，风电预测功率以及储电装置冲、放电功率；c
mt,t
表示燃气轮机单位出力成本；h
w,load,t
、h
ws,t
和h
w,bat,t
分别为多能微网各个时刻的热负荷日前预测量，燃气锅炉的出力量以及储热装置的充、放热功率量s8为保护区域综合能源系统各利益主体隐私，采用交替方向乘子法求取配电网、配热网和多能微网在考虑彼此之间能源交易情况下的运行成本和以及配电网和配热网之间的电交互功率，配热网和多能微网之间的热交互功率，配电网和多能微网之间的电交互功率。在这一阶段不考虑各主体彼此之间因能源交互而产生的能源交互成本。于是对于配电网有
[0087][0088]
p
pw,t
+p
load,t
+p
c,t
＝p
g,t
+p
w,t
+p
chp,t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(16)
[0089]
其中p
chp,t
和p
pw,t
分别为配热网中的热电联产机组供给配电网的电能和配电网和多能微网之间的电交互功率。对于配热网有
[0090]
[0091]hload,t
＝h
s,t
+h
bat,t
+h
chp,t
+h
hw,t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(18)
[0092]
其中h
chp,t
和h
hw,t
分别表示配电网中热电联产机组的热出力和配热网供给多能微网的热能。采用s6中的步骤计算热电联产机组的电、热出力满足式(19)
[0093][0094]
对于多能微网有
[0095][0096]
p
w,load,t
+p
wc,t
＝p
mt,t
+p
ww,t
+p
bat,t
+p
wp,t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(21)
[0097]hw,load,t
＝h
ws,t
+h
w,bat,t
+h
wh,t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(22)
[0098]
其中p
wp,t
为配电网与多能微网的电交互功率，h
wh,t
是配热网和多能微网之间的热交互功率并且满足
[0099]
p
pw,t
＝p
wp,t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(23)
[0100]hhw,t
＝h
wh,t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(24)
[0101]
于是各个主体的增广拉格朗日目标函数可以表示为
[0102][0103][0104][0105]
式中ρ1为惩罚因子；λ
ph,t
、λ
pw,t
和λ
hw,t
为拉格郎日乘子；配电网、配热网和多能微网分别反复执行式(25)、(26)和(27)中的步骤以优化式(28)，直到式(29)被满足。
[0106]
[0107][0108]
式中：r为优化迭代次数，ε1、ε2和ε3为收敛因子一般取10-5
。
[0109]
s9，配电网、配热网和多能微网为降低各自运行成本需要进行议价，以求取相互之间的能源交易价格。在进行议价的过程中，考虑到各主体的隐私性，同样采用admm算法迭代求解各个主体之间的能源交易价格：
[0110][0111][0112][0113]
式中：ρ2为惩罚因子；和为拉格郎日乘子；q
hp
和q
ph
为配电网和配热网之间的交互价格；q
pw
和q
wp
为配电网和多能微网之间的交互价格；q
hw
和q
wh
为配热网和多能微网之间的交互价格；配电网、配热网和多能微网分别反复执行式(30)、(31)和(32)中的步骤以优化式(33)，直到式(34)被满足。
[0114]
[0115][0116]
式中：r为优化迭代次数，ε1、ε2和ε3为收敛因子一般取10-5
。