基于主从博弈的社区综合能源系统分布式协同优化运行策略(Matlab代码实现）

最新推荐文章于 2023-11-23 11:31:16 发布

@橘柑橙柠桔柚

最新推荐文章于 2023-11-23 11:31:16 发布

阅读量450

点赞数

文章标签：能源分布式 matlab 主从博弈综合能源

本文链接：https://blog.csdn.net/weixin_61181717/article/details/128098126

版权

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

💥1 概述

文献来源：

高效、清洁、低碳是当今世界能源发展的主流方向。发展实现能源与信息等领域新技术深度融

合，适应分布式能源发展、多元化(冷、热、电、气等)用能需求等新业态的综合能源系统已成为能源革命的客观要求与必然选择[1]。其中，以冷热电联供(combined cooling heating and power，CCHP)系统为核心，以“源–网–荷”各环节协同为主要特征的社区综合能源系统(community integrated energy system，CIES)，有助于促进新能源规模化开发，实现不同能源的优势互补，保障社区内部经济高效用能[2-3]，日益成为研究热点。

随着 CIES 的发展和电力市场的改革，源荷之间的耦合交互愈加明显，正由传统的垂直一体式结构

(自上而下)向交互竞争型结构(互相作用)转变[12]。电价不仅会影响负荷需求，负荷也会反作用于电价，传统集中优化方法难以描述两者之间的交互行为。此外，CIES 优化属于一类大规模复杂系统的优化问题，参数、变量繁多，集中优化对数据的传输、通信和处理能力要求较高，且不能保护各主体的信息隐私安全。因此，研究 CIES 分布式优化是更合适的选择，例如博弈论[13]、一致性理论[14-15]、交替方向乘子法[16]、分布式凸交计算[17]等。其中，博弈论是研究当多个决策主体之间存在利益关联或冲突时，各主体如何根据自身能力及所掌握信息，做出合理决策的理论[13]。非合作博弈[18]、讨价还价博弈[19]、演化博弈[20]、主从博弈[21]等博弈模型，逐渐应用于能源系统的优化运行和能量管理等领域。

本文中IER是基于电力市场中售电公司的概念提出的，在电能交易的基础上又考虑了热能交易，

满足用户的多样化需求。IER 作为源、荷之间的桥梁，基于供需关系，日前优化购入、售出的电价、热价，从供能侧购买电、热等能源，并出售给用能侧，从中赚取收益。IER 这一模式的引入，能够提供相比电网更加灵活的电价策略，对于引导分布式供能系统参与电力市场竞争、鼓励中小型社区用户科学用能都具有积极作用。在能源交易过程中，IER同样需要承担因价格波动、供需不平衡而带来的风险。当 CCHP 输出电功率无法满足负荷需求时，IER必须高价从电网购电。

新能源CCHP系统将新能源发电与传统燃料发电优势互补，基于能量梯级利用的原则，同时满足

用户电、热、冷不同的能量需求，其结构示意图如图 2 所示。文中新能源包含风电、光伏等，并采用最大化消纳原则。可控单元包括内燃发电机、燃气锅炉。内燃机发电的同时，缸套水和烟气中携带的热量可以通过余热装置回收再利用，并与燃气锅炉产生的热量一起，在冬季经热交换器供热，或夏季经吸收式制冷机转化为冷量为用户供冷。基于 IER的报价，运营商优化各设备的逐时出力，以获得更高的收益。

📚2 运行结果

部分代码：

%燃气发电机、锅炉常数
ae=0.0013;
be=0.16;
ce=0;
ah=0.0005;
bh=0.11;
ch=0;
ce_ave=0.7;%平均电价约束
ch_ave=0.45;%平均热价约束
n_c=0.8;%热交换效率
n_ex=0.83; %余热回收效率
n_ice=0.35; %内燃机发电效率

%热储能
H_storage_max=1500; h_n=0.98;h_charge=0.98;h_discharge=1;%热储能容量/自损/充热/放热；
%电储能
E_storage_max=2000; e_n=1;e_charge=0.95;e_discharge=0.95;%电储能容量/自损/充电/放电;
bggin=1000;%%电储能
for i=1:24
B(1,i)=bggin+Pcharge(1,i)*e_charge-Pdischarge(1,i); % 0.98为转换率
bggin=B(1,i);
end
begin=1000;%%热储能
for i=1:24
L(1,i)=begin*h_n+h_charge*Hti(1,i)-Hto(1,i);%%%热储能容量
begin=L(1,i);
end

%约束条件
Constraints =[];
for i=1:24
Constraints=[Constraints,200<=L(1,i)<=H_storage_max];
end
Constraints=[Constraints,L(1,24)>=800];
for i=1:24
Constraints=[Constraints,0<=Hti(1,i)<=200*UHti(1,i)];
Constraints=[Constraints,0<=Hto(1,i)<=150*UHto(1,i)];
end
for i=1:23
Constraints=[Constraints,-300<=Hti(1,i+1)-Hto(1,i+1)-(Hti(1,i)-Hto(1,i))<=200];
end
for i=1:24
Constraints=[Constraints,UHti(1,i)+UHto(1,i)<=1];
end
%% 电储能容量约束、充电约束、放电约束、状态约束、SOC约束
for i=1:24
Constraints=[Constraints,0<=Pcharge(1,i)<=200*UPcharge(1,i)];
Constraints=[Constraints,0<=Pdischarge(1,i)<=200*UPdischarge(1,i)];
end
%% 蓄电池爬坡约束
for i=1:24
if i>0&&i<24
Constraints=[Constraints,-200<=Pcharge(1,i+1)-Pdischarge(1,i+1)-(Pcharge(1,i)-Pdischarge(1,i))<=200];
elseif i==24
Constraints=[Constraints,-200<=Pcharge(1,1)-Pdischarge(1,1)-(Pcharge(1,i)-Pdischarge(1,i))<=200];
end
end
%% 蓄电池充放电约束
for i=1:24
Constraints=[Constraints,UPcharge(1,i)+UPdischarge(1,i)<=1];
end
Constraints=[Constraints,sum(UPcharge(1,1:24)+UPdischarge(1,1:24))<=10];%考虑寿命
Constraints=[Constraints,B(1,24)==1000];
for i=1:24
Constraints=[Constraints,400<=B(1,i)<=1600];
end