【《基于两阶段双层优化的多能源局域网优化调度策略分析案例》8100字】

基于两阶段双层优化的多能源局域网优化调度策略分析案例目录TOC\o"1-3"\h\u22680基于两阶段双层优化的多能源局域网优化调度策略分析案例 1287161.1多能源局域网网间交易管理 110121.2两阶段双层优化求解的算法基础 2220201.3多能源局域网系统优化模型的建立 483951.3.1用户模型 45141.3.2供电公司模型 5195581.3.3能源局域网模型 6192151.3.4多能源局域网交易策略 7322001.4优化模型求解 7166261.1.1基于改进粒子群优化算法的最优化求解 7284491.1.2基于两阶段分层优化算法的最优化求解 111.1多能源局域网网间交易管理能源互联网要求网内能源局域网供能主体可以在任意时刻直接参与到邻域能源局域网中的零售电能交易市场。但是，能源互联网要求的完全竞争型的能源交易市场环境是完全对等开放的，能源局域网中各主体的售电竞争是典型的多方利益最大化问题。将优化调度理论用于研究多能源主体的电能交易时需要注意以下三个方面的问题。首先，此策略要在一定的激励机制和约束条件下进行，确保每个售电服务主体不仅尽可能地实现自身经济收益的最大化，还必须能够确保可再生能源和客户等各方经济主体的利益也必须能够在市场上得到真实地反映；其次，需要制定足够的策略空间来保证能源局域网中的储能、光伏等出力灵活的设备[71]；最后，在交易的过程中电能传输损耗的成本会对售电定价带来影响，这种关系可能不是线性的甚至是无法直接评估的。设计包含多能源局域网的网间电能交易博弈框架时，能源局域网作为单独售电主体可以通过售卖可再生能源所发多余电能获得较多的利润。园区能源互联网的购电用户需要考虑动态电价政策，根据自身的用电需求综合考虑自身和供电方的竞价和供电量，做出的最终购电决策能够以尽可能低的价格从电网获取更多的电能。在进行电能交易时，购售电双方可以分别向市场提交自身所需要和所供应的电能的数量与价格[72]。电能的交易价格是由供需两方共同决定，在交易过程中会根据市场竞争情况以及需求的变化动态进行及时调整。1.2两阶段双层优化求解的算法基础本文利用传统粒子群算法PSO和协方差矩阵自适应演化策略算法（CovarianceMatrixAdaptationEvolutionStrategy,CMA-ES）算法结合构成两阶段分层优化算法求解纳什均衡问题，目的是为了仅仅通过一次算法的运行，尽可能多的找出博弈模型的纳什均衡点。下面介绍CMA-ES算法的理论基础。（1）CMA-ES算法介绍目前，CMA被认为是一种基于统计学的自适应学习方法，它的这种学习机制可以说是进行演化战略中针对这种学习战略参数的控制最有效的方法。在优化过程中，通过统计生成的概率分布来描述被优化目标函数的特性，让人们可以使用机器学习的方法来有效的利用优化过程中所产生的信息。CMA-ES算法是一种完全不需要依靠局部梯度优化信息的随机性和局部梯度优化分析算法。本文将CMA-ES算法作为本文所提的两阶段分层算法中的第二阶段作为一种局部优化和搜索能力较强的算法。（2）CMA-ES算法优化目标函数CMA-ES算法的优化目标函数： （4-1）式中：—高斯分布的均值；—高斯分布的协方差矩阵；—搜索步长，用于控制高斯分布的局部搜索能力[72]。CMA-ES算法是在高斯分布在维的空间进行采样操作。每次采样时的样本数为，然后对样本进行适应度计算，即计算，接着使用定义的选择策略从已知样本中选出适应度值最好的排列在前面的个样本对高斯分布的参数和进行更新[74]。（3）CMA-ES算法采样操作CMA-ES算法采样个新样本，作为进化算法的种群。采样公式如式（4-2）： （4-2）式中：—更新迭代过程的第几代。（4）CMA-ES更新操作CMA-ES算法更新操作针对参数以及。新的均值使用第代中得到的个样本中的前个进行更新，具体见式（4-3）： （4-3）其中， （4-4）—个样本中适应度最好的第个，由于每个样本的权重不同，权重越大适应度越好。协方差矩阵的更新公式为： （4-5）其中， （4-6）协方差更新公式使用了个样本相对于均值的偏差。进化步长的更新公式为： （4-7）其中， （4-8）基于上述参与者理论基础，下面建立多能源局域网系统进行优化模型，并提出两阶段分层优化算法对博弈模型进行求解，实现多能源局域网的能源优化管理。1.3多能源局域网系统优化模型的建立区域能源互联网包含多个发电特性和形式不同的能源局域网、多个购电大用户主体等。本文以电网公司、能源局域网和用户为博弈的参与方分别建立博弈模型：以供电公司作为非合作博弈的领导者，给出每个时段的电价；各个能源局域网根据电网所报电价，考虑自身剩余电量情况、输电距离以及用户负荷需求等因素，给出自己的竞标电价和参与竞标电量；用户可以根据自己的用电需求，综合考虑每个供电方的竞标价格，最终选择最适合的供电方进行购电。下面分别介绍参与者（用户、能源局域网和电网公司）的模型和效益函数等信息。1.3.1用户模型假设用户模型由个用户构成，其中用户类型包括单纯的负荷消耗用户和产能不足的能源局域网，用户集合记作。因此建立用户博弈模型[73]：假定每个用电周期由个时间段组成，用电时间集合为，用户在时间内消耗的总电量表示为，其中包括从邻域局域网购电电量和从电网公司购电电量，则用户的用电量分布矩阵可表示为（4-9）电网公司制定的与时间间隔对应的价格向量为，其中有个产能过剩的能源局域网，其价格向量为。用户在时间的支付额为，用户在一个时间周期内的总支付，则用户支付矩阵为。其中，。用户所有用电设备在时间间隔内消耗电能所带来的效益为（4-10）式中：—能源局域网供电公司利用效能参数；—从邻域局域网购电电量；—电网公司供电负荷利用效能参数；—从电网公司购电电量。（4-11）表示用户在一个时间周期内获得的总收益。用户效益矩阵表达式为。所以用户收益用一个时间周期中用户效用与用户支付的差值表示，即。1.3.2供电公司模型在本文研究中，电网公司的收入包括两部分：一部分是用户（包括产能不足的能源局域网）购电的收入，一部分是能源局域网进行电能交易时的传输费用。根据上面分析电网公司的收入可表示为（4-12）式中：—电网公司输送能源局域网电能的服务价格。同时，电网公司在运营和设备管理等方面需要一定成本，本文引入一个二次函数来表示成本与电量的关系 （4-13）式中：—电网公司的成本；—电网公司的供电量；、和是成本参数。所以，电网公司收益可以表示为。1.3.3能源局域网模型能源局域网中的储能模型采用3.1.2小节设置的模型，光伏模型采用式（3-15）的模型设置，能源局域网中的风电机组发电功率计算公式可如式（4-15）所示： pv=00≤v≤ fpv=a(v−式中：prv、vi、vr、vfp(v)假设能源局域网参与交易的个数为，该群体集合记作，对应地理位置向量标记为。能源局域网的多余电量主要有三个方向：向邻域能源局域网供电、售电给区域网里的大用户和卖电给电网公司。所以能源局域网的收入可表示为 （4-16）式中:—能源局域网出售给大用户的电价；—和其他能源局域网的电价。能源局域网的总成本为 （4-17）式中：—参与者的总成本；—参与者的供电量；，，是有别于电网公司的相关参数。所以能源局域网的收益表示为。1.3.4多能源局域网交易策略为了增强可再生能源的就地消纳能力，减少能源局域网的设备自身维护成本，降低用户负荷需求的波动性和可再生能源的间歇性对电力系统的冲击性，本文研究针对包含可再生能源发电的能源局域网采用以下优化策略：（1）对于ELN自身负荷需求，优先考虑网内的可再生能源（风力、光伏），依次满足网内的重要负荷、可延迟负荷及储能的需求。（2）对于ELN之间的电能交互，当ELN系统内自身的可再生能源发电量的供应不满足自身能源系统负荷需求时，为了降低购电成本，优先考虑向其领域能源局域网买电。买电的价格低于从电网公司和非邻域能源局域网购电的价格。所以，能源局域网的能源交易顺序都是首先将自身的可再生能源满足其内部需求，当自身无法满足自给自足时，需要向其邻域或者非邻域能源局域网（含局域网外大用户），最后是将余电售卖给电网公司。假设ELN网内已满足能量需求，本文所主要研究ELN向外售电的电能交易。1.4优化模型求解下面从改进粒子群算法以及本文提出的两阶段双层优化算法对上述优化模型进行求解分析。1.1.1基于改进粒子群优化算法的最优化求解（1）常规粒子群算法粒子群算法种群中的粒子根据位置和速度这两个因素，产生新的粒子，每个粒子之间相互影响直到达到全局最优的位置。常规粒子群算法的速度和位置更新公式如式（4-18）、（4-19）所示。Vidt Xidt+1式中:Vid、Xid—粒子ω—惯性系表示上一次迭代对本次迭代的影响程度；—［01］之间的随机数，为了保证搜索的随机性；C1、C（2）改进的分段粒子群算法为了解决常规粒子群算法在迭代过程中会出现早熟等问题，本文在常规粒子群的算法基础上进行改进，形成一种新的分段粒子群算法（piecewiseparticleswarmoptimization，PPSO）。因为速度更新公式里的权重系数是可以调整变化的，所以本文为了增加粒子群搜索的随机性，将粒子速度更新公式的权重系数分段处理，处理方式如式（4-20）所示。 ω=ωmax其中，φ=/itermax；λ—前期阶段占总迭代次数的比例。（3）改进粒子群算法对优化模型求解分析为验证改进粒子群算法求解多能源局域网网间优化博弈模型的有效性，设在一个供电区域能源互联网内包含2家用电类型不同的购电大用户和3家发电类型不同的能源局域网，在他们之间进行电能交易。设定这三个能源局域网分别为纯光伏发电（ELN1）、纯风机发电（ELN2）和风光混合发电（ELN3）的能源局域网。ELN1包含3个光伏发电、3个可控储能和6个负载；ELN2包含3个风机发电、4个可控储能和7个负载；ELN3包含2个风机发电、2个光伏发电、4个可控储能和8个负载。能源局域网可再生能源以及储能容量设置如表4-1所示。以一天为一个交易周期，取，用本文所提的两阶段分层优化算法求解三方非合作博弈纳什均衡解。表4-1能源局域网相关参数能源局域网电源容量负载负载总需求ELN1光伏PV128kWLoad110kW光伏PV230kWLoad215kW光伏PV325kWLoad315kW储能电池130A·hLoad415kW储能电池230A·hLoad520kW储能电池330A·hLoad625kWELN2风机WT125kWLoadA10kW风机WT222kWLoadB10kW风机WT320kWLoadC15kW储能电池A30A·hLoadD20kW储能电池B30A·hLoadE10kW储能电池C30A·hLoadF20kW储能电池D30A·hLoadG25kWELN3光伏PVa22kWLoada15kW光伏PVb20kWLoadb10kW风机WTa30kWLoadc15kW风机WTb25kWLoadd15kW储能电池a30A·hLoade15kW储能电池b30A·hLoadf25kW储能电池c30A·hLoadg10kW储能电池d30A·hLoadh15kWPPSO相关参数：粒子的学习因子==1.294，初始权重值为0.73，最大迭代次数Tmax=100，粒子数选取500。图4-1适应度值的变化曲线图4-2一天内系统总成本变化曲线图4-3一天内各功能主体变化曲线本文利用改进的粒子群算法求解纳什均衡解的方案可以实现小规模的优化，利用改进粒子群算法求解的适应度值变化曲线、系统成本变化曲线以及各个能源主体能量分布情况分别如图4-1，4-2，4-3所示。本文主要利用PPSO算法对能源局域网内的能源优化管理。主要目标是通过降低能源局域网的整体运行成本，降低能源局域网内可再生能源的弃能现象等。PPSO算法下能源局域网内最低成本在经过31次迭代之后收敛到5612元，如图4-1。区域互联网一天内系统总成本变化曲线如图4-2所示，图4-2的系统运行成本曲线变化对应能源局域网调度量变化，邻域能源局域网调度量增加时，系统总体运行成本降低，反之，系统总成本增加。为具体分析，本文所提算法的有效性，对一天的能源局域网内的优化调度进行展示，如图4-3所示。从电网购、售电情况可以看出，在00:00～6:00和17:00～24:00电价相对较低，可再生能源的出力输送总值相对其他时段较少，为了减少燃气轮机出力，所以向外电网购买电能，并向储能系统充电同时，在风电和光电出力相对较富裕时，该系统将多余电量向储能电池充电。1.1.2基于两阶段分层优化算法的最优化求解根据改进粒子群算法的实验结果可看出，粒子群算法在对求解能源优化最优解问题上有一定优势，但是粒子群算法会出现进化前期早熟情况，导致进化停滞。所以需要进一步研究解决此类问题。多能源局域网之间的优化调度问题可看作在一定约束条件下的优化问题，可通过演化算法进行自动寻优对问题进行求解。针对群智能算法中普遍存在的进化后期因个体多样性不足导致进化接近停滞状态，无法寻找博弈中的全部均衡解的情况，本文在第一阶段利用全局搜索能力较强的改进粒子群算法PPSO进行粗粒度搜索；第二阶段利用局部搜索能力强、收敛速度快的CMA-ES算法进一步优化搜索，确定最终的纳什均衡解。（1）两阶段分层优化算法的建立两阶段分层优化算法是根据第一阶段运行的PSO算法[78]主要粗略寻找全局纳什平衡，第二阶段运行CMA-ES算法。CMA-ES优化算法有较好的局部寻优特性。利用PSO算法和CMA-ES算法的结合使用，可以很好的克服一些传统进化算法的典型问题，同时又能保证全局搜索能力。具体的两阶段双层优化算法流程图如图4-4所示。基于以上考虑的两阶段分层优化算法的具体操作步骤如下：Step1:电网公司给出当前电价策略，各个能源局域网根据和自身电量特性给出各自的电价和电量策略、。Step2：利用内点法确定用户的用电策略。因为用户在根据自身用电需求和当前电价策略和选择自己的用电策略时，这一个问题可看作是一个凸优化问题。Step3：设置全局总迭代次数为100，初始化粒子群算法相关参数。Step4：在第一阶段使用粒子群算法全局搜索能力强的特点进行粗粒度搜索，尽可能多的定位最优解的大概位置。图4-4两阶段双层优化算法流程图Step5：在粒子群算法演化到设置的阈值之后，结束第一阶段最优解迭代，转入第二阶段寻优的参数初始化阶段。第一阶段转入第二阶段的阈值参数如式（4-21）所示： （4-21）式中的表示设置的最大评价次数。本文将优化算法中达到适应度函数要求的迭代次数作为最大评价次数。Step6：将第一阶段粒子群求解出的最优策略矩阵作为第二阶段的初始搜索中心，初始化CMA-ES算法种群迭代步长和进化路径。Step7：转入第二阶CMA-ES算法充分利用剩余的迭代次数，直至满足终止条件。（2）基于两阶段分层优化算法的求解验证设在一个供电区域能源互联网内包含2家用电类型不同的购电用户和3家发电类型不同的能源局域网，在他们之间进行电能交易。设定这三个能源局域网分别为纯光伏发电（ELN1）、纯风机发电（ELN2）和风光混合发电（ELN3）的能源局域网，以一天为一个交易周期，取，用本文所提的两阶段分层优化算法求解。首先，分析了不同特性的能源局域网在最优优化策略下的电量求解结果。然后，分析了不同特性的能源局域网最优调度下的电价和电量竞标结果。最后，单层PSO算法与两阶段分层优化算法对以上三个不同发电特性能源局域网的最优解结果的对比。1）多能源局域网最优解的电量分布根据两阶段分层优化算法求解多能源局域网网间优化调度解后，得到ELN1（纯光伏发电能源局域网）、ELN2（纯风机发电能源局域网）和ELN3（风光混合发电能源局域网）参与下的一天内各时段电量分布，如表4-2所示。其中，三个能源局域网距用户的距离大小排序为ELN1（60km）、ELN2(30km)、ELN3(10km)。表4-2博弈均衡各时段电量分布情况时间Q/(103kW)ELN1ELN2ELN3Grid01.42.70.701.63.21.202.15.13.507.56.20.30.810.412.30.75.818.213.50.210.26.811.21.98.910.918.50.91.98.79.31.1010.28.91.702.510.82.101.95.30.8总竞标量27.685.2108.9515.1在表4-2中可看出各个竞标参与者的竞标总电量，ELN1为27.6103kW·h，ELN2为85.2103kW·h，ELN3为108.95103kW·h，电网公司为15.1103kW·h。其中风光混合发电的能源局域网ELN3总中标电量最多，纯光伏发电的能源局域网ELN1的总中标电量最少。由综合能源局域网的距离远近和发电特性分析得出，能源局域网距离用户越远，输电费用较高，从而用户会降低对其的购买需求。图4-5博弈平衡各阶段电量分布一天时段中每个竞标参与者的竞标电量波动情况如图4-5所示。从图4-5可看出，在竞标参与者中，竞标电量波动性最大的是ELN1，竞标电量最低时为0103kW·h，最高时为10.2103kW·h。因为ELN1作为纯光伏能源局域网受温度和光照强度影响较大，能量供应量相对于另外两个能源局域网不确定性更强。另外，从中标能量变化整体趋势可看出，能源局域网中标电量变化趋势和负荷需求变化趋势一致，但电网公司的中标电量变化趋势和负荷需求变化不一致。表4-3博弈均衡各时段电价结果时间P/(元/kWh)ELN1ELN2ELN3Grid0.650.520.480.60.650.550.490.60.650.550.490.540.650.490.520.620.580.510.520.630.560.470.510.60.520.470.510.60.460.510.470.70.530.520.470.680.650.490.520.650.650.580.470.60.650.520.520.63平均电价0.60.5150.4970.6212）多能源局域网最优解的电价分布三个不同发电特性的能源局域网和电网公司参与竞标的各时段最低电价具体分布如表4-3所示，对应的最低电价走向如图4-7所示。从表4-3的参与者竞标电价可看出，纯光伏发电ELN1的竞标平均电价为0.6元/kWh，纯风机发电ELN2平均电价为0.515元/kWh，风光混合能源局域网ELN3平均电价为0.497元/kWh，ELN1平均电价在三个参与竞标的能源局域网中最高。又因为三个能源局域网距用户距离排序ELN1>ELN2>ELN3，即距离用户越远，能源局域网输电成本越高，竞标电价就会越高。另外，ELN1作为纯光伏发电局域网，受外界温度和光照强度影响较大，太阳能主要产生在白天时段（8:00-17:00），从而导致ELN1的竞标电价在三个能源局域网中波动性最大，如图4-6所示。ELN1竞标电价最低是0.46元/kWh，最高电价为0.65元/kWh。因为ELN1在满足自身能源需求后才会选择参与竞标，所以在无光伏发电阶段（0:00—6:00和20:00-24:00），ELN1竞标价格较高，主要为了先保证满足ELN1内部的电能平衡需求，因此需要提高价格来降低ELN1的中标量。在其余时段ELN1竞标电价最低，ELN1剩余电量较多，而ELN1距离用户较远，ELN1为了将自身多余电量出售，只能降低自身电价参与竞标。图4-6博弈平衡各阶段电价结果结合模型约束条件下竞标电量和竞标电价分析得到：每个能源局域网竞标的电量和电价是根据每个能源局域网的特性和局域网距离用户的远近综合考虑的结果。根据实验结果，可分析出能源局域网距离、发电特性对区域能源互联网电力交互的影响。对于本文所研究的三个能源局域网，在距离上是ELN1>ELN2>ELN3,平均电价大小关系是ELN1>ELN2>ELN3,竞标电量的关系是ELN1<ELN2<ELN3。所以本文所提算法最终计算的博弈平衡结果是综合考虑每个竞标者的实际供能特性分析，竞标价格和竞标者的距离成正相关，因为输送成本的存在，使得距离较远的竞标者成本会有所增加；竞标电量与竞标者距离存在一定的负相关，距离越远输送费用越高，则输送较少电量可减少输送成本。另外，从表4-2和表4-3中可看出