【SCI复现】基于纳什博弈和ADMM的多微网主体能源共享研究（Matlab代码实现）

💥💥💞💞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、数据、文献

---

💥1 概述

文献来源：

摘要：为了促进微电网之间的能源互助，扩大能源交互类型，提高可再生能源利用率，本文提出了一种基于纳什博弈的面向多微电网（MMGs）的双层共享策略。首先，对微电网模型进行低碳转型，将源侧转化为综合灵活的碳捕获热电厂运行模式。然后，构建基于纳什博弈的多微电网主体电热双层共享模型，将其分解为收益最大化子问题和收益再分配子问题。在收益最大化子问题中，以碳配额的最低运营成本和分阶段碳交易为目标，采用交替方向乘子法进行分布式解决。在收益再分配子问题中，通过构建不同时期和能源类型的非对称能源映射贡献函数，实现合理的收益再分配。最后，仿真结果验证了所提出方法的有效性。结果表明，本文的策略可以实现多微电网（MMG）联盟的经济目标优化，并具有合理的收益再分配、促进风能和太阳能消费、减少碳排放的优势。

关键词：纳什博弈；多微电网；电热双层共享；气电厂低碳转型；交替方向乘子法；CHP

《中国至2060年碳中和研究报告》指出:“低碳零碳技术是实现碳中和目标的关键，特别是在这些方面，如捕集、利用和储存(CCUS)，负排放和碳汇”。促进可再生能源的有效利实现电力系统的低碳、清洁能源供应，这些将是一举两得今后的重点研究方向。微电网是整合生产者和销售者的重要途径。在内部,包含各种分布式电源和多种类型的负载，可以促进能源的自我生产和自我消耗。同时，对外也可以与电网互动，实现供销一体化。点对点(P2P)微电网间的能源交易可以有效降低微电网的用电成本;提高新能源利用率，减少碳排放。

详细文章讲解见第4部分。 

📚2 运行结果

部分代码：

%微网2(MG2)的分布式优化迭代模型
%调节Soc_C就可以实现，加不加CO2溶液存储器
function [ P_e_21 , Obj_MG_21 ] =  Copy_of_Fun_MG_21( P_e_12 ,P_e_23 ,P_e_32 ,lambda_e_12,lambda_e_23  )
%% 决策变量初始化
L_e=sdpvar(1,24); %微网经过需求响应后实际的电负荷
L_h=sdpvar(1,24); %微网经过需求响应后实际的热负荷
P_e_cut=sdpvar(1,24);   %微网的可削减电负荷
P_e_tran=sdpvar(1,24);  %微网的可转移电负荷
P_h_DR=sdpvar(1,24);    %微网的可削减热负荷
E_bat=sdpvar(1,24);     %微网中的储电设备的储电余量
P_batc=sdpvar(1,24);    %储电设备的充电功率
P_batd=sdpvar(1,24);    %储电设备的放电功率
U_abs=binvar(1,24);     %储电设备的放电状态位,取1时为放电,0为未放电
U_relea=binvar(1,24);   %储电设备的充电状态位,取1时为充电,0为未充电
P_e_wd=sdpvar(1,24); %风力的实际出力值
P_e_GT=sdpvar(1,24); %燃气轮机的发电功率
P_h_GT=sdpvar(1,24); %燃气轮机的产热功率
P_h_GB=sdpvar(1,24); %余热锅炉的产热功率
P_buy=sdpvar(1,24);  %微网向外电网的购买的电功率
P_sell=sdpvar(1,24); %微网向外电网的售出的电功率
Gas_GT=sdpvar(1,24); %GT的耗气量
Gas_GB=sdpvar(1,24); %GB的耗气量
Gas=sdpvar(1,24);    %系统的总耗气量
%P2G+CCS
P_e1=sdpvar(1,24); %CHP的供电功率
P_e3=sdpvar(1,24); %CHP的供给P2G的功率
P_e2=sdpvar(1,24); %CHP的供给CCS的功率
P_h=sdpvar(1,24);  %CHP的输出热功率
P_gs=sdpvar(1,24); %P2G的产气功率
C_ccs=sdpvar(1,24); %CCS的碳捕集二氧化碳量
C_p2g=sdpvar(1,24); %P2G所用的二氧化碳量  
Soc_C = sdpvar(1,24); %CCS的碳捕集量/P2G所用的二氧化碳量  
P_e_21 = sdpvar(1,24); %微网2给微网1的电量   

%% 导入电/热负荷和电网购电电价
 Predict_wd = [3716,3646,3617,3469,3401,3373,3168,2865,2712,2528,2572,2645,2681,2588,2594,2701,2638,2593,2674,2745,2851,2949,3529,3704 ];
 L_e0   = [7764,6828,6116,6290,6377,6224,6420,7655,8761,11253,12184,13009,13809,13940,14005,13763,13671,14117,13216,11604,11197,9682,8960,8496] ;
 L_h0   = [7783,7740,7842,7449,7772,7876,7639,7567,7246,7071,6940,6691,6486,6516,6486,6558,6556,6761,6763,6921,7109,7348,7755,7842]*0.4 ;
 Predict_wd = floor(Predict_wd );
 pri_e=[0.40*ones(1,7),0.75*ones(1,4),1.20*ones(1,3),0.75*ones(1,4),1.20*ones(1,4),0.40*ones(1,2)];
 grid_sw= 0.2*ones(1,24);   

%% 约束条件       
C=[];       
%微网的电/热负荷需求响应部分            
for t=1:24               
    C=[C,                     
       L_e(t)==L_e0(t)-P_e_cut(t)-P_e_tran(t), %微网的电负荷功率平衡约束                
       L_h(t)==L_h0(t)-P_h_DR(t), %微网的热负荷功率平衡约束            
       0 <=P_e_cut(t)<= 0.05*L_e0(t), %微网的可削减电功率上下限约束               
       -0.1*L_e0(t)<=P_e_tran(t) <= 0.1*L_e0(t), %微网的可转移电功率上下限约束              
       -0.1*L_h0(t)<=P_h_DR(t)<=0.1*L_h0(t), %微网的可削减热功率上下限约束                
      ];
end
C=[C,sum(P_e_tran)==0,]; %转移的电负荷总量为0约束  
C=[C,sum(P_h_DR  )==0,]; %转移的热负荷总量为0约束  
%微网的储电设备约束部分             
%储能电站荷电状态连续性约束               
C=[C,E_bat(1)== 1000+0.95*P_batc(1)-P_batd(1)/0.96,]; %1时段约束           
for t=2:24          
    C=[C,E_bat(t)==E_bat(t-1)+0.95*P_batc(t)-P_batd(t)/0.96,]; %储电设备容量变化约束              
end               
%储能容量大小约束
for t=1:24
    C=[C,500<=E_bat(t)<=2500,];  %储电量上下限约束
end
%始末状态守恒
C=[C,E_bat(24)==1000,];
%储能电站的充放电功率约束,Big-M法进行线性化处理
M=1000; %这里的M是个很大的数

🎉3 参考文献

文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。

🌈4 Matlab代码、数据、文献