最新热点：博弈+低碳！基于多主体主从博弈的区域综合能源系统低碳经济优化调度程序代码！

前言

随着能源需求上升及环境污染日益严重，安全高效、低碳清洁已成为能源发展的主流方向。在此背景下，统筹多能耦合、协同调度的区域综合能源系统已成为高效利用能源的重要形式。实现多能供应的安全性、经济性和灵活性的有效手段是优化RIES运行。因此，有必要针对RIES中多利益主体的划分、建模以及多主体间能量耦合协同优化等方面进行更深入的研究，博弈论是解决不同市场主体利益冲突的重要方法之一。《碳排放权交易管理办法》规定了各市场主体对碳排放量控制的相关责任和义务，而目前相关研究在RIES博弈互动过程中只考虑各主体自身利益而忽略了污染排放对系统的影响，存在严重的环境威胁，故在多利益主体博弈互动中也需要考虑碳排放等环境因素的影响，即需能兼顾不同主体自身利益和整个RIES环境效益的协同优化模型及方法，以此实现RIES经济性与环保性的双赢。

RIES结构和碳交易成本计算机制

其中，供能设备包括风机(Wind Turbine, WT)、光伏(Photovoltaic, PV)、燃气锅炉(Gas Boiler, GB)和燃气轮机(Gas Turbine, GT)；能量转换设备包括冰蓄冷空调(Ice-storage Air-conditioners, ISAC)、吸收式制冷机(Absorption-refrigerator, AR)和余热锅炉(Waste Heat Boiler, WHB)；储能装置包括蓄电池(Battery, BT)、蓄热槽(Heat Storage Tank, HST)。

采用基准线法确定各利益主体的无偿碳排放配额，假设RIES从外部电网购得的电能均为火力发电，则本文的碳排放权初始分配主要包括外购电力、GB和CCHP，其中外购电力产生的碳交易成本归能源管理商（EMO），其余部分归供能运营商（EGO）。将其发电量折算成等效的发热量可进行碳配额分配。

考虑价格和碳补偿双重激励的IDR策略

影响和调节负荷需求最常用的是价格激励手段，用户根据EMO发布的售能价格，以最大化用户综合收益为目标，调整自身冷、热、电负荷。但由于受到用户满意度的限制，其调节能力有限。为了激发用户对负荷的绿色调节能力，将用户响应价格激励调节的冷、热、电功率变化量转换成碳补偿奖励给用户，并且考虑用户满意度，自主调节用户侧可调节负荷范围。由于用户调整用能策略既可以促进新能源的消纳，缓解EGO设备的供能压力，又能使EMO减少因购能不足而从外部电网的购电量，间接增加EMO的收益，因此本文的碳补偿通过EGO和EMO共同承担，转付给用户。考虑价格和碳补偿双重激励的IDR策略如下：

1)当负荷处于谷时段，EMO为了引导用户增加用能量，此时售能价格处于谷段，用户根据自身满意度指标调整用能策略。在价格激励的基础上，将用户响应价格激励增加的冷、热、电负荷变化量转变成碳补偿奖励给用户，刺激用户调整最佳可调节负荷范围。

2)当负荷处于平时段，用户的负荷调整量较少，只有较少的碳补偿或几乎没有碳补偿奖励，用户的实际用能负荷与需求负荷接近。

3)当负荷处于峰时段，EMO为了引导用户主动降低用能量，设置较高的售能价格，用户根据自身满意度指标调整用能策略，并将响应价格激励减少的冷、热、电负荷变化量转变成碳补偿奖励给用户，刺激用户调整最佳可调节负荷范围。

RIES多主体博弈低碳交互机制

RIES多主体主从博弈互动框架如下图所示。EMO、EGO、储能运行商（ESO）和用户分别依据自身利益和环境效益制定交易策略，优化内部运行状态，满足用户多样化负荷需求。

EMO可以看作是一个具有双向能量流动的虚拟能量池或者能源代理商，是RIES能源市场中的协调者和主导者，承担着源-荷-储功率平衡的职责。EMO同时考虑源-荷-储三方能动性和决策能力，以最大化净利润为目标制定购、售能源价格。当EMO向EGO购买的电量不能满足用户需求时，需向外部电网购电并承担外购电力产生的碳排放成本。EMO的引入能提供更加灵活的价格策略，对引导分布式供能参与能源市场竞争、鼓励用户合理用能具有积极作用。EGO以CCHP机组为核心，考虑CCHP和GB运行过程中产生的碳排放量，以售能收益最大、燃料成本和碳交易成本最小为目标函数优化各设备出力。ESO根据价格信息在EMO和用户之间通过低充高放优化自身充、放能功率，从而实现套利。在用户侧，引入一定比例的可调节负荷，综合考虑购能成本、用能舒适性和碳补偿，以最大化用户侧综合效益调整用能需求，其调整后的实际用能需求也会反过来影响各个利益主体自身收益。

程序介绍

首先，为充分考虑系统的低碳性，在博弈模型中引入奖惩阶梯型碳交易机制限制各主体碳排放量，并在用户侧提出了基于价格和碳补偿双重激励的综合需求响应策略。其次，考虑源-荷-储三方主动性和决策能力，以能源管理商为领导者，供能运营商、储能运营商和用户为跟随者，建立了基于碳交易和博弈协同优化的多主体低碳交互机制，并构建了各主体的交易决策模型。最后，采用结合Gurobi工具箱的自适应差分进化算法对所提模型进行求解。程序中算例丰富，注释清晰，干货满满，创新性和可扩展性很高，足以撑起一篇高水平论文！下面对程序做简要介绍！

程序适用平台：Matlab+Yalmip+Gurobi

参考文献：《基于多主体主从博弈的区域综合能源系统低碳经济优化调度》-电力系统保护与控制

程序结果

部分程序

%新能源消纳约束
Constraints = [Constraints,0.8*WT<= E_WT<=WT]; Constraints = [Constraints,0.8*PV<= E_PV<=PV]; 
%购能约束
Constraints = [Constraints, 0<=E_BUY<=1000]; Constraints = [Constraints, 0<=G_BUY<=2000];
%%CCHP约束
Constraints = [Constraints,0<=E_GT<=1500];Constraints = [Constraints,0<=H_DR<=800];
%燃气锅炉约束
Constraints = [Constraints,0<= H_GB<=1500];Constraints = [Constraints,-700<=H_GB(i+1)-H_GB(i)<=700]; 
%冰蓄冷空调约束
Constraints = [Constraints,-200<=E_ISAC(i+1)-E_ISAC(i)<=500]; 
%储能约束
C_max=500*0.9;C_min=500*0.1; es_loss=0.98; es_cha=0.95; es_dis=0.95;%电储能容量/自损/充电/放电效率;
C_start=140;  %始末时刻电量
C_cha_max = 150;   C_dis_max = 150;   %蓄电池充放电功率限值
%①蓄电池功率约束在[min,max]内 ,且同一时刻只允许充电、放电、不充不放这三种状态中的一种
Constraints=[Constraints,0<= C_CHA<= C_cha_max*C_CHA_sign,0<= C_DIS<= C_dis_max*C_DIS_sign,C_CHA_sign+C_DIS_sign==1];
%②蓄电池功率与容量的耦合约束，始末时刻荷电量相等约束、与容量被限制在[min,max]之间
Constraints=[Constraints,C_SOC(i+1)==C_SOC(i)*es_loss + C_CHA(i)*es_cha - C_DIS(i)/es_dis ];
​Constraints=[Constraints,-90<=(C_DIS(i+1)+C_CHA(i+1))-(C_DIS(i)+C_CHA(i))<=90]
Constraints=[Constraints,C_SOC(24)==C_start,C_SOC(24)==C_SOC(1),​C_min<=C_SOC<=C_max ];
​%储能约束
E_max=500*0.9;E_min=500*0.1; es_loss=0.98; es_cha=0.95; es_dis=0.95;%电储能容量/自损/充电/放电效率;
E_start=140;  %始末时刻电量
E_cha_max = 150;   E_dis_max = 150;   %蓄电池充放电功率限值
%①蓄电池功率约束在[min,max]内 ,且同一时刻只允许充电、放电、不充不放这三种状态中的一种
Constraints=[Constraints,0<= E_CHA<= E_cha_max*E_CHA_sign,0<= E_DIS<= E_dis_max*E_DIS_sign,​E_CHA_sign+E_DIS_sign==1];
%②蓄电池功率与容量的耦合约束，始末时刻荷电量相等约束、与容量被限制在[min,max]之间
Constraints=[Constraints,E_SOC(i+1)==E_SOC(i)*es_loss + E_CHA(i)*es_cha - E_DIS(i)/es_dis ];
Constraints=[Constraints,-90<=(E_DIS(i+1)+E_CHA(i+1))-(E_DIS(i)+E_CHA(i))<=90]​
hs_dis=0.95;%储热罐容量/自损/充电/放电效率;
H_start=150;  %始末时刻电量
H_cha_max = 200;   H_dis_max = 200;   %储热罐充放热功率限值
%①储热罐功率约束在[min,max]内 ,且同一时刻只允许充热、放热两种状态中的一种
Constraints=[Constraints,0<= H_CHA<= H_cha_max*H_CHA_sign,0<= H_DIS<= H_dis_max*H_DIS_sign,​H_CHA_sign+H_DIS_sign==1];
%②储热罐功率与容量的耦合约束，始末时刻荷热量相等约束、与容量被限制在[min,max]之间
​Constraints=[Constraints,H_SOC(i+1) == H_SOC(i)*hs_loss + H_CHA(i)*hs_cha - H_DIS(i)/hs_dis ];
Constraints = [Constraints,-100<=(H_DIS(i+1)+H_CHA(i+1))-(H_DIS(i)+H_CHA(i))<=100];​
%等式约束
Constraints = [Constraints,E_CCHP==E_GT];​Constraints = [Constraints,H_WHB==E_GT*(1-0.7-0.02)/0.7];
Constraints = [Constraints,C_CCHP==H_DR*0.8];​Constraints = [Constraints,H_CCHP==H_WHB-H_DR];
Constraints = [Constraints,C_ISAC==E_ISAC*0.8+C_DIS-C_CHA];​Constraints = [Constraints,E_PV+E_WT+E_CCHP+E_DIS+E_BUY==E_DR+E_CHA+E_ISAC];
Constraints = [Constraints,H_CCHP+H_GB+H_DIS==H_DR+H_CHA];​Constraints = [Constraints,C_CCHP+C_ISAC==C_DR];
Constraints = [Constraints,G_BUY==(E_CCHP/0.7+H_GB/0.8)/9.7];%9.7为单位立方米燃气产生的气功率
Constraints = [Constraints,E_PV+E_WT+E_CCHP-E_ISAC==E_EGO1];​Constraints = [Constraints,H_CCHP+H_GB==H_EGO1];

部分内容源自网络，侵权联系删除！

欢迎感兴趣的小伙伴点关注并私信获取完整版代码，小编会不定期更新高质量的学习资料、文章和程序代码，为您的科研加油助力！