CN117458546A - 基于储能服务互动行为分析的储能策略获取方法及*** - Google Patents

基于储能服务互动行为分析的储能策略获取方法及*** Download PDF

Info

Publication number
CN117458546A
CN117458546A CN202311471279.7A CN202311471279A CN117458546A CN 117458546 A CN117458546 A CN 117458546A CN 202311471279 A CN202311471279 A CN 202311471279A CN 117458546 A CN117458546 A CN 117458546A
Authority
CN
China
Prior art keywords
energy storage
station
new energy
energy
new
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202311471279.7A
Other languages
English (en)
Inventor
田玉婷
魏巍
王曦
孙昕炜
周波
周慧莹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd
Original Assignee
Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd filed Critical Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd
Priority to CN202311471279.7A priority Critical patent/CN117458546A/zh
Publication of CN117458546A publication Critical patent/CN117458546A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Economics (AREA)
  • Computational Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Operations Research (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了基于储能服务互动行为分析的储能策略获取方法及***；涉及储能分析技术领域；先提出发电侧利用储能运营商统一管理冗余储能资源的运行调度模式，在增强新能源友好并网能力的同时提高配置储能的主动支撑能力；其次，考虑多新能源场站储能在参与时的非对称行为决策，基于复制者动态方程与演化稳定定理，对多新能源场站在有限理性下的储能策略进行演化博弈分析；本发明利用演化博弈实现多新能源场站互动行为的推演，并考虑同一类型参与者间的差异性与相互影响作用，避免传统博弈在完全理性下所存在的决策过于理想化的缺陷，更加合理分析实际情况下参与者的决策行为及演化过程。

Description

基于储能服务互动行为分析的储能策略获取方法及***
技术领域
本发明涉及储能分析技术领域，具体涉及基于储能服务互动行为分析的储能策略获取方法及***。
背景技术
在双碳目标下，发电侧新能源装机比例比重将会极大增加，导致电网调峰、调频压力持续增大，新能源场站利用率低等问题日益凸显。为提高发电侧新能源场站的友好并网能力，我国多地相继发布新能源配套储能政策。研究配套储能***的运行调度模式与一体化发电***的协同运行是新能源场站储能本体的发展需求，也符合我国新能源与电网协同发展的迫切需求。
新能源场站配套储能在发电侧与电网侧都有着极高的应用价值。目前的研究主要从促进新能源友好并网到提升新能源电力***的主动支撑能力，呈现出对新能源发电技术要求的不断演化和对储能应用功能的逐步升级。但随着未来电网形态的不断发展、大规模新能源广泛接入、电力市场不断开放，一方面加速了多元市场主体的竞争格局，另一方面配套储能为提高自身利用率需满足更多参与主体的调节需求。因此，亟需厘清不同市场主体调节需求间的动态相依关系，研究兼顾多方主体利益诉求的新能源场站储能运营方式的新模式与新方法。
演化博弈不要求参与者完全理性与信息完全对称的条件，能更加合理分析实际情况下参与者的决策行为及变化过程，是研究新型储能在新能源场站中演化发展的有效理论。但目前研究在演化分析均简化模型，在演化分析中多主体参与者的需求或发电能力全为一致，忽略了同一类型参与者间的差异性与相互影响作用。因而，急需进一步考虑不同类型参与下的汇集站储能运营演化路径。
发明内容
本发明所要解决的技术问题是：目前研究在演化分析均简化模型，在演化分析中多主体参与者的需求或发电能力全为一致，忽略了同一类型参与者间的差异性与相互影响作用；本发明目的在于提供基于储能服务互动行为分析的储能策略获取方法及***，基于演化博弈解决多新能源场站在有限理性下储能资源的非对称性决策问题，实现多新能源场站互动行为的推演，并考虑同一类型参与者间的差异性与相互影响作用，避免传统博弈假设参与者完全理性的缺陷，更加合理分析实际情况下参与者的决策行为及演化过程。
本发明通过下述技术方案实现：
本方案提供基于储能服务互动行为分析的储能策略获取方法，包括：
步骤一：考虑多新能源场站发电能力与预测技术差异带来的对储能调峰，和平抑出力波动辅助服务需求差异因素，提出储能运营统一管理汇集站储能资源的发电侧储能运行调度模式；
步骤二：基于发电侧储能运行调度模式，同时计及新能源场站非对称行为决策，建立储能模式扩散的演化博弈模型；通过复制者动态方程与演化稳定定理分析多新能源场站在有限理性下的储能策略，得到最优储能策略。
本方案工作原理：目前研究在演化分析均简化模型，在演化分析中多主体参与者的需求或发电能力全为一致，忽略了同一类型参与者间的差异性与相互影响作用；本发明目的在于提供基于储能服务互动行为分析的储能策略获取方法及***，基于演化博弈解决多新能源场站在有限理性下储能资源的非对称性决策问题，实现多新能源场站互动行为的推演，并考虑同一类型参与者间的差异性与相互影响作用，避免传统博弈假设参与者完全理性的缺陷，更加合理分析实际情况下参与者的决策行为及演化过程。
进一步优化方案为，所述发电侧储能运行调度模式，包括：新能源场站为提升主动支撑能力，新能源场站与汇集站储能电量交互由储能运营集中协调的运行调度模式；
其中，基于多新能源场站的发电能力与预测技术差异带来的对储能资源调峰、平抑波动需求差异，利用该差异间的时空互补特性，使储能既服务于新能源场站自身实现多新能源场站间的能量互济，同时实现新能源场站主动支撑能力；
当新能源场站实际功率与预测功率出现大幅度偏差时，新能源场站首先利用自身储能跟踪新能源出力计划至电网允许并网的波动范围内，在新能源场站自身配套储能无法满足需求时，产生对储能的需求；
当储能在满足所属新能源场站并网需求后，仍有冗余容量，则冗余容量服务于其他新能源场站。
本方案考虑多新能源场站发电能力与预测技术差异带来的对储能资源差异性需求以提高场站的主动支撑能力，提出储能运营商统一管理冗余储能资源的发电侧汇集站储能运行调度模式，并利用该差异间的时空互补特性，使储能既服务于自身场站又可实现多场站间的能量互济。发电侧储能互动机制打破多方新能源场站储能资源的信息交换壁垒、能量壁垒和收益壁垒，提高了新能源配套储能设施的经济性与灵活性。
根据所述运行调度模式同时计及新能源场站非对称行为决策，建立储能模式扩散的演化博弈模型，通过复制者动态方程与演化稳定定理分析多新能源场站在有限理性下的储能策略，以避免传统博弈在完全理性下所存在的决策过于理想化的缺陷，促进新能源配套储能政策下储能资源理念的扩散。
进一步优化方案为，步骤二包括：
S21，发电侧储能运行调度模式初始配置：
配置新能源场站收益由新能源场站的上网电量、储能投建与并网偏差惩罚构成；
当新能源场站有储能参与时，新能源并网发电电量提高，同时出现与储能运营的能量交互；
配置储能运营商的收益与参与汇集站储能个数相关；
S22，基于上述初始配置，根据储能间的互动行为，构建新能源场站储能不参与的数学模型，与和新能源场站储能参与的数学模型；
S23，基于储能运营根据各新能源场站对储能的需求与可提供的盈余容量进行统一管理；
S24，基于储能参与的数学模型，建立新能源场站在参与共享情况下其年化收益为与新能源上网电量、自配储能投建规模、储能运营商电能交互、上网电量偏差惩罚相关。
进一步优化方案为，所述新能源场站储能不参与的数学模型，构建过程包括：
新能源场站不参与时，其年化收益为与新能源上网电量，自配储能投建规模与上网电量偏差惩罚相关；
基于储能的物理特性，对储能运行状况进行一定的限制，以保证***安全可靠的运行，主要为储能内部电量约束、始末状态电量一致性约束、充放电约束；
针对储能***内部电量约束，以确保***存储能量在安全范围内进行：
其中，表示新能源场站储能i的最小、最大电荷状态；/>表示新能源场不参与时储能i在t时刻的电量，它不仅与当前时刻储能的充放电功率相关还与上时刻储能的电量相关，具体计算如下：
其中，ηs，ηc，ηd分别表示储能的自放电率和充、放电率；表示新能源场不参与时储能i在t时刻的电量，/>表示新能源场不参与时储能i在t-1时刻的电量，/>表示相邻时段储能的电量变化，/>表示储能i在t时刻的充放电功率。
其中，针对储能始末状态一致性约束，为保证储能的可持续性使用，在一个总调度周期内储能的充、放电量应保持一致：
式中，T表示储能调度周期。
进一步优化方案为，所述新能源场站储能不参与的数学模型，构建方法包括：
根据新能源场站储能参与共享时，为保证满足其自身场站的跟踪出力计划需求，t时刻储能i的剩余容量与该场站不参与时在当前时刻与下一时刻的充放电功率相关，表示为：
其中，表示新能源场站i在t时刻的盈余容量；/>表示新能源场站i在t+1时刻的盈余容量；为避免储能在同一时间同时充放电，储能i在t时刻可提供的盈余容量与当前时刻该场站不参与时的充放电状态相关，表示为：
其中，表示储能i在t时刻可提供的盈余容量；
其中，新能源场站储能参与时，场站i对储能的需求与当前时刻其出力计划的跟踪情况有关，自身配套储能无法满足，则产生对储能的需求，表示为：
其中，表示场站i在t时刻对储能的需求；/>表示场站i实际出力与预测出力的偏差。
进一步优化方案为，在基于储能运营根据各新能源场站对储能的需求与可提供的盈余容量进行统一管理，包括过程：
当新能源场站可提供的总盈余容量≥总需求时，存在关系：
其中，Np_s表示参与的新能源场站集合，表示储能i在t时刻对储能的需求；表示场站i在t时刻对储能的需求；/>表示储能i在t时刻可提供的盈余容量；/>表示储能运营在时刻t最终向场站i的输入功率，/>表示储能i在时刻t向储能运营输入的功率；
当新能源场站可提供的总盈余容量<总需求，存在关系：
其中，储能购售电价格采用动态机制，它与邻域范围内参与的场站的占比相关；具体表示为：
其中，Np表示新能源场站总体个数，ξini表示基准价格；ξTS表示储能向场站购买电能的价格，它随着参与的场站的占比提高而不断增加；ξFS表示储能向新能源场站出售电能的价格，它随着参与的新能源场站的占比提高而不断减小；由此形成的价格差构成了储能运营商的收益。
进一步优化方案为，所述演化博弈模型包括要素：
参与者为新能源场站Np，考虑在博弈中每个新能源场站都会与其他新能源场站进行竞争；考虑具有发电能力与预测技术差异的演化博弈，将参与者的集合Np记为：
Np＝(MB1，MB2，MB3)；其中，MB1为新能源场站1，MB2为新能源场站2，MB3为新能源场站3；
每个新能源场站具有参与和不参与两种策略，将新能源场站i参与时的概率设置为xi，i＝1，2，3；不参与时的概率为1-xi，有i∈Np；
各参与者的支付函数即为在各自策略下的经济效益；
基于参与者、策略集、支付函数构建多策略集支付矩阵；
将各新能源场站对其他场站的策略不确定、信息不完整情况下的各新能源场站的；
所述多策略集支付矩阵包括：
{MB1，MB2，MB3}均参与储能，各新能源场站支付函数分别为和/>
{MB1，MB2}参与储能，MB3不参与储能，新能源场站1，新能源场站2和新能源场站3的支付函数分别为和/>
{MB1，MB3}参与储能，MB2不参与储能，新能源场站1，新能源场站2和新能源场站3的支付函数分别为和/>
{MB1}参与储能，MB2和MB3不参与储能，新能源场站1，新能源场站2和新能源场站3的支付函数分别为和/>
MB1不参与储能，{MB2，MB3}参与储能，新能源场站1，新能源场站2和新能源场站3的支付函数分别为和/>
MB1和MB3不参与储能，{MB2}参与储能，新能源场站1，新能源场站2和新能源场站3的支付函数分别为和/>
MB1和MB2不参与储能，MB3参与储能，新能源场站1，新能源场站2和新能源场站3的支付函数分别为和/>
MB1，MB3，MB2均不参与储能，新能源场站1，新能源场站2和新能源场站3的支付函数分别为和/>
根据各场站的发电能力与预测技术不同，本发明中各场站对储能的需求也存在差异；某场站在参与时的收益与集合中其他场站对储能的需求密切相关；因此，基于场站特征将不同程度下参与的场站支付分为4种情况，支付函数的上标数字代表不同的支付情况。
进一步优化方案为，所述复制者动态方程的构建方法包括：
T1，根据MB1采用策略或不采用策略时的支付矩阵，建立MB1的期望支付为：
其中，分别表示MB1在分别采用策略或不采用策略时的期望支付；
计算MB1的平均支付为：
其中，复制者动态方程利用动态微分方程描述各参与者采用某一个支付函数策略的频数，以刻画多参与者间的策略行为变化趋势；
T2，结合新能源场站1的参与情况下的收益及其期望支付，得到MB1的复制者动态方程：
其中FMB1(xMB1)表示新能源场站1的复制者动态方程；
T3，基于MB1的复制者动态方程构建过程，对MB2和MB3构建相应的期望支付与平均支付方程，从而得到MB2和MB3的复制者动态方程：
其中，FMB2(sMB2)表示新能源场站2的复制者动态方程；FMB3(xMB3)表示新能源场站3的复制者动态方程。
进一步优化方案为，所述通过复制者动态方程与演化稳定定理分析多新能源场站在有限理性下的储能策略，得到最优储能策略，包括方法：
G1，基于将有限理性的各参与者抽象为不同的种群，建立演化过程的稳定性分析：
其中，演化稳定策略是指如果占种群绝大多数的个体均选择该策略，则选择突变策略的、占种群较少数的个体则无法入侵这个群体；
若有纯策略θ(1)，θ(2)∈Ω，Ω表示策略的可行域；且θ(1)≠θ(2)，均存在一个正数ε*∈(0，1)，使得策略θ(1)在满足如下条件时达到演化稳定；
其中，f(θ)表示选择θ策略群体的适应度函数；
其中，利用李亚普洛夫稳定性理论判断某个策略是否达到稳定，当复制者动态方程均衡点处所有特征值的实部均为负数时，对应的策略达到演化稳定；
G2，基于复制者动态方程构建雅克比矩阵：
满足雅克比矩阵的行列式大于0、雅克比矩阵的行列式的迹小于0，则该均衡点对应的策略为演化稳定策略：
其中，雅克比矩阵的行列式大于0，有：
其中，雅克比矩阵的行列式的迹小于0，有：
trJ＝a1，1+a2，2+a3，3＜0
G3，以演化稳定策略作为最优储能策略输出。
本方案提供基于储能服务互动行为分析的储能策略获取***，用于实现上述的基于储能服务互动行为分析的储能策略获取方法，包括：
模式构建模块，用于考虑多新能源场站发电能力与预测技术差异带来的对储能调峰，和平抑出力波动辅助服务需求差异因素，提出储能运营统一管理汇集站储能资源的发电侧储能运行调度模式；
计算模块，用于基于发电侧储能运行调度模式，同时计及新能源场站非对称行为决策，建立储能模式扩散的演化博弈模型；通过复制者动态方程与演化稳定定理分析多新能源场站在有限理性下的储能策略，得到最优储能策略。
本发明与现有技术相比，具有如下的优点和有益效果：
本发明提供的基于储能服务互动行为分析的储能策略获取方法及***；考虑各新能源场站对储能资源需求差异因素，提出储能运营商统一管理冗余储能资源的发电侧储能运行调度模式，以提高新能源场站储能投资经济性与利用率并增强新能源场站主动支撑能力；其中计及新能源场站非对称行为决策，建立储能模式扩散的演化博弈模型，通过复制者动态方程与演化稳定定理分析多新能源场站在有限理性下的储能策略，实现更加合理分析实际情况下新能源场站储能的决策行为及演化过程。
附图说明
为了更清楚地说明本发明示例性实施方式的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。在附图中：
图1为基于储能服务互动行为分析的储能策略获取方法流程示意图；
图2为发电侧各新能源场站储能运行调度模式示意图；
图3为多个新能源场站间储能行为的演化过程流程示意图；
图4为实施例3的演化博弈最优策略求解算法流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1
本实施例提供基于储能服务互动行为分析的储能策略获取方法，旨在通过各场站差异性与储能间的能量交互，同时基于动态价格机制等因素，在各参与者的有限理性下分析各新能源场站的演化决策过程，以提高新能源场站储能的投资经济性与利用率，并在新能源配套储能政策下促进储能资源理念的扩散。
如图1所示，包括：
步骤一：考虑多新能源场站发电能力与预测技术差异带来的对储能调峰，和平抑出力波动辅助服务需求差异因素，提出储能运营统一管理汇集站储能资源的发电侧储能运行调度模式；
所述发电侧储能运行调度模式，包括：新能源场站为提升主动支撑能力，新能源场站与汇集站储能电量交互由储能运营集中协调的运行调度模式；
图2对新能源场站与储能间的电量交互由储能运营商统一管理、协调使用的运营模式进行描述；
根据多新能源场站发电能力与预测技术差异带来的对储能资源需求差异因素，利用该差异间的时空互补特性，使储能既服务于自身场站又可实现多场站间的能量互济；
其中，新能源场站实际功率与预测功率出现大幅度偏差时，场站首先利用自身储能跟踪新能源出力计划至电网允许并网的波动范围内，自身配套储能无法满足需求，则产生对储能的需求；
其中，储能在满足所属新能源场站并网需求时仍有冗余容量，则可服务于其他新能源场站。
当储能在满足所属新能源场站并网需求后，仍有冗余容量，则冗余容量服务于其他新能源场站。
步骤二：基于发电侧储能运行调度模式，同时计及新能源场站非对称行为决策，建立储能模式扩散的演化博弈模型；通过复制者动态方程与演化稳定定理分析多新能源场站在有限理性下的储能策略，得到最优储能策略。
步骤二包括：
S21，发电侧储能运行调度模式初始配置：
配置新能源场站收益由新能源场站的上网电量、储能投建与并网偏差惩罚构成；
当新能源场站有储能参与时，新能源并网发电电量提高，同时出现与储能运营的能量交互；
配置储能运营商的收益与参与汇集站储能个数相关；
基于储能的物理特性，对储能运行状况进行一定的限制，以保证***安全可靠的运行，主要为储能内部电量约束、始末状态电量一致性约束、充放电约束；
S22，基于上述初始配置，根据储能间的互动行为，构建新能源场站储能不参与的数学模型，与和新能源场站储能参与的数学模型；
S23，基于储能运营根据各新能源场站对储能的需求与可提供的盈余容量进行统一管理；
S24，基于储能参与的数学模型，建立新能源场站在参与共享情况下其年化收益为与新能源上网电量、自配储能投建规模、储能运营商电能交互、上网电量偏差惩罚相关。
所述新能源场站储能不参与的数学模型，构建过程包括：
新能源场站不参与时，其年化收益为与新能源上网电量，自配储能投建规模与上网电量偏差惩罚相关；
基于储能的物理特性，对储能运行状况进行一定的限制，以保证***安全可靠的运行，主要为储能内部电量约束、始末状态电量一致性约束、充放电约束；
针对储能***内部电量约束，以确保***存储能量在安全范围内进行：
其中，表示新能源场站储能i的最小、最大电荷状态；/>表示新能源场不参与时储能i在t时刻的电量，它不仅与当前时刻储能的充放电功率相关还与上时刻储能的电量相关，具体计算如下：
其中，ηs，ηc，ηd分别表示储能的自放电率和充、放电率；表示新能源场不参与时储能i在t时刻的电量；/>表示新能源场不参与时储能i在t-1时刻的电量/>表示储能i在相邻时段的电量变化，/>表示储能i的充放电电量。
其中，针对储能始末状态一致性约束，为保证储能的可持续性使用，在一个总调度周期内储能的充、放电量应保持一致：
式中，T表示储能运行周期。
所述新能源场站储能不参与的数学模型，构建方法包括：
根据新能源场站储能参与共享时，为保证满足其自身场站的跟踪出力计划需求，t时刻储能i的剩余容量与该场站不参与时在当前时刻与下一时刻的充放电功率相关，表示为：
其中，表示新能源场站i在t时刻的盈余容量；/>表示新能源场站i在t+1时刻的盈余容量；为避免储能在同一时间同时充放电，储能i在t时刻可提供的盈余容量与当前时刻该场站不参与时的充放电状态相关，表示为：
其中，表示储能i在t时刻可提供的盈余容量；
其中，新能源场站储能参与时，场站i对储能的需求与当前时刻其出力计划的跟踪情况有关，自身配套储能无法满足，则产生对储能的需求，表示为：
其中，表示场站i在t时刻对储能的需求；/>表示场站i实际出力与预测出力的偏差。
在基于储能运营根据各新能源场站对储能的需求与可提供的盈余容量进行统一管理，包括过程：
当新能源场站可提供的总盈余容量≥总需求时，存在关系：
其中，Np_s表示参与的新能源场站集合，表示储能i在t时刻对储能的需求；表示场站i在t时刻对储能的需求；/>表示储能i在t时刻可提供的盈余容量；/>表示储能运营在时刻t最终向场站i的输入功率，/>表示储能i在时刻t向储能运营输入的功率；
当新能源场站可提供的总盈余容量<总需求，存在关系：
其中，储能购售电价格采用动态机制，它与邻域范围内参与的场站的占比相关；具体表示为：
其中，Np表示新能源场站总体个数，ξini表示基准价格；ξTS表示储能向场站购买电能的价格，它随着参与的场站的占比提高而不断增加；ξFS表示储能向新能源场站出售电能的价格，它随着参与的新能源场站的占比提高而不断减小；由此形成的价格差构成了储能运营商的收益。
MB1参与下(xMB1)各新能源场站的支付矩阵表示为：
其中，MB1不参与下(1-xMB1)各新能源场站的博弈支付矩阵表示为：
所述演化博弈模型包括要素：
参与者为新能源场站Np，考虑在博弈中每个新能源场站都会与其他新能源场站进行竞争；考虑具有发电能力与预测技术差异的演化博弈，将参与者的集合Np记为：
Np＝(MB1，MB2，MB3)；其中，MB1为新能源场站1，MB2为新能源场站2，MB3为新能源场站3；
每个新能源场站具有参与和不参与两种策略，将新能源场站i参与时的概率设置为xi，i＝1，2，3；不参与时的概率为1-xi，有i∈Np；
各参与者的支付函数即为在各自策略下的经济效益；
基于参与者、策略集、支付函数构建多策略集支付矩阵；
将各新能源场站对其他场站的策略不确定、信息不完整情况下的各新能源场站的；
所述多策略集支付矩阵包括：
{MB1，MB2，MB3}均参与储能，各新能源场站支付函数分别为和/>
{MB1，MB2}参与储能，MB3不参与储能，新能源场站1，新能源场站2和新能源场站3的支付函数分别为和/>
{MB1，MB3}参与储能，MB2不参与储能，新能源场站1，新能源场站2和新能源场站3的支付函数分别为和/>
{MB1}参与储能，MB2和MB3不参与储能，新能源场站1，新能源场站2和新能源场站3的支付函数分别为和/>
MB1不参与储能，{MB2，MB3}参与储能，新能源场站1，新能源场站2和新能源场站3的支付函数分别为和/>
MB1和MB3不参与储能，{MB2}参与储能，新能源场站1，新能源场站2和新能源场站3的支付函数分别为和/>
MB1和MB2不参与储能，MB3参与储能，新能源场站1，新能源场站2和新能源场站3的支付函数分别为和/>
MB1，MB3，MB2均不参与储能，新能源场站1，新能源场站2和新能源场站3的支付函数分别为和/>
根据各场站的发电能力与预测技术不同，本发明中各场站对储能的需求也存在差异；某场站在参与时的收益与集合中其他场站对储能的需求密切相关；因此，基于场站特征将不同程度下参与的场站支付分为4种情况，支付函数的上标数字代表不同的支付情况。
所述复制者动态方程的构建方法包括：
T1，根据MB1采用策略或不采用策略时的支付矩阵，建立MB1的期望支付为：
其中，分别表示MB1在分别采用策略或不采用策略时的期望支付；
计算MB1的平均支付为：
其中，复制者动态方程利用动态微分方程描述各参与者采用某一个支付函数策略的频数，以刻画多参与者间的策略行为变化趋势；
T2，结合新能源场站1的参与情况下的收益及其期望支付，得到MB1的复制者动态方程：
其中FMB1(xMB1)表示新能源场站1的复制者动态方程；
T3，基于MB1的复制者动态方程构建过程，对MB2和MB3构建相应的期望支付与平均支付方程，从而得到MB2和MB3的复制者动态方程：
其中，FMB2(xMB2)表示新能源场站2的复制者动态方程；FMB3(xMB3)表示新能源场站3的复制者动态方程。
所述通过复制者动态方程与演化稳定定理分析多新能源场站在有限理性下的储能策略，得到最优储能策略，如图3所示，包括方法：
G1，基于将有限理性的各参与者抽象为不同的种群，建立演化过程的稳定性分析：
其中，演化稳定策略是指如果占种群绝大多数的个体均选择该策略，则选择突变策略的、占种群较少数的个体则无法入侵这个群体；
若有纯策略θ(1)，θ(2)∈Ω，Ω表策略的可行域，且θ(1)≠θ(2)，均存在一个正数ε*∈(0，1)，使得策略θ(1)在满足如下条件时达到演化稳定；
其中，f(θ)表示选择θ策略群体的适应度函数；
其中，利用李亚普洛夫稳定性理论判断某个策略是否达到稳定，当复制者动态方程均衡点处所有特征值的实部均为负数时，对应的策略达到演化稳定；
G2，基于复制者动态方程构建雅克比矩阵：
满足雅克比矩阵的行列式大于0、雅克比矩阵的行列式的迹小于0，则该均衡点对应的策略为演化稳定策略：
其中，雅克比矩阵的行列式大于0，有：
其中，雅克比矩阵的行列式的迹小于0，有：
trJ＝a1，1+a2，2+a3，3＜0
G3，以演化稳定策略作为最优储能策略输出。
实施例2
本实施例提供基于储能服务互动行为分析的储能策略获取***，用于实现实施例1的基于储能服务互动行为分析的储能策略获取方法，包括：
模式构建模块，用于考虑多新能源场站发电能力与预测技术差异带来的对储能调峰，和平抑出力波动辅助服务需求差异因素，提出储能运营统一管理汇集站储能资源的发电侧储能运行调度模式；
计算模块，用于基于发电侧储能运行调度模式，同时计及新能源场站非对称行为决策，建立储能模式扩散的演化博弈模型；通过复制者动态方程与演化稳定定理分析多新能源场站在有限理性下的储能策略，得到最优储能策略。
实施例3
本实施例基于电力***计算分析软件MATLAB可在所述软件上运行计算机程序，所述软件执行实施例1的基于储能服务互动行为分析的储能策略获取方法，下面结合图4对最优能源策略的求解过程进行描述，包括：
其中，新能源场站在各程度下的最优策略问题为其收益最佳的单目标优化问题；该优化问题均包含复杂约束，且具有非线性等特点，利用改进的鲸鱼算法(Improve whaleoptimization algorithm,IWOA)对其进行求解；
首先，输入各新能源场站基本参数，记录最优粒子；
其次，对最优粒子的解进行扰动，产生一个随机数P，根据P值大小，确定子代更新方法；并借鉴个体的合作与竞争思想，IWOA设置探索固定值A_constant，当A>＝A_constant时执行全局搜索，反之进行局部搜索，在全局与局部搜索中均分别随机进行螺旋运动和直线运动；
最后，重复上述直至完成迭代更新，输出最优能源策略下的新能源场站的收益。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助算法软件加必需的通用硬件平台的方式来实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，可在软件上运行计算机程序，所述软件执行所述计算机程序时实现多新能源场站储能间的互动行为演化分析策略。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.基于储能服务互动行为分析的储能策略获取方法，其特征在于，包括：
步骤一：考虑多新能源场站发电能力与预测技术差异带来的对储能调峰，和平抑出力波动辅助服务需求差异因素，提出储能运营统一管理汇集站储能资源的发电侧储能运行调度模式；
步骤二：基于发电侧储能运行调度模式，同时计及新能源场站非对称行为决策，建立储能模式扩散的演化博弈模型；通过复制者动态方程与演化稳定定理分析多新能源场站在有限理性下的储能策略，得到最优储能策略。
2.根据权利要求1所述的基于储能服务互动行为分析的储能策略获取方法，其特征在于，所述发电侧储能运行调度模式，包括：新能源场站为提升主动支撑能力，新能源场站与汇集站储能电量交互由储能运营集中协调的运行调度模式；
其中，基于多新能源场站的发电能力与预测技术差异带来的对储能资源调峰、平抑波动需求差异，使储能既服务于新能源场站自身实现多新能源场站间的能量互济，同时实现新能源场站主动支撑能力；
当新能源场站实际功率与预测功率出现大幅度偏差时，新能源场站首先利用自身储能跟踪新能源出力计划至电网允许并网的波动范围内，在新能源场站自身配套储能无法满足需求时，产生对储能的需求；
当储能在满足所属新能源场站并网需求后，仍有冗余容量，则冗余容量服务于其他新能源场站。
3.根据权利要求2所述的基于储能服务互动行为分析的储能策略获取方法，其特征在于，步骤二包括：
S21，发电侧储能运行调度模式初始配置：
配置新能源场站收益由新能源场站的上网电量、储能投建与并网偏差惩罚构成；
当新能源场站有储能参与时，新能源并网发电电量提高，同时出现与储能运营的能量交互；
配置储能运营商的收益与参与汇集站储能个数相关；
S22，基于上述初始配置，根据储能间的互动行为，构建新能源场站储能不参与的数学模型，与和新能源场站储能参与的数学模型；
S23，基于储能运营根据各新能源场站对储能的需求与可提供的盈余容量进行统一管理；
S24，基于储能参与的数学模型，建立新能源场站在参与共享情况下其年化收益为与新能源上网电量、自配储能投建规模、储能运营商电能交互、上网电量偏差惩罚相关。
4.根据权利要求3所述的基于储能服务互动行为分析的储能策略获取方法，其特征在于，所述新能源场站储能不参与的数学模型，构建过程包括：
新能源场站不参与时，其年化收益为与新能源上网电量，自配储能投建规模与上网电量偏差惩罚相关；
针对储能***内部电量约束为：
其中，表示新能源场站储能i的最小、最大电荷状态；
表示新能源场不参与时储能i在t时刻的电量：
其中，ηs，ηc，ηd分别表示储能的自放电率和充、放电率；表示新能源场不参与时储能i在t时刻的时刻的电量，/>表示新能源场不参与时储能i在t-1时刻的时刻的电量表示相邻时段储能的电量变化，/>表示储能的充/放电电量；
其中，针对储能始末状态一致性约束，为保证储能的可持续性使用，在一个总调度周期内储能的充、放电量应保持一致：
式中，T表示储能运行调度周期。
5.根据权利要求4所述的基于储能服务互动行为分析的储能策略获取方法，其特征在于，所述新能源场站储能不参与的数学模型，构建方法包括：
根据新能源场站储能参与共享时，为保证满足其自身场站的跟踪出力计划需求，t时刻储能i的剩余容量与该场站不参与时在当前时刻与下一时刻的充放电功率相关，表示为：
其中，表示新能源场站i在t时刻的盈余容量；/>表示新能源场站i在t+1时刻的盈余容量；为避免储能在同一时间同时充放电，储能i在t时刻可提供的盈余容量与当前时刻该场站不参与时的充放电状态相关，表示为：
其中，表示储能i在t时刻可提供的盈余容量；
其中，新能源场站储能参与时，场站i对储能的需求与当前时刻其出力计划的跟踪情况有关，自身配套储能无法满足，则产生对储能的需求，表示为：
其中，α为跟踪出力计划的允许偏差；表示场站i在t时刻对储能的需求；/>表示场站i实际出力与预测出力的偏差。
6.根据权利要求5所述的基于储能服务互动行为分析的储能策略获取方法，其特征在于，在基于储能运营根据各新能源场站对储能的需求与可提供的盈余容量进行统一管理，包括过程：
当新能源场站可提供的总盈余容量≥总需求时，存在关系：
其中，Np_s表示参与的新能源场站集合，表示储能i在t时刻对储能的需求；/>表示场站i在t时刻对储能的需求；/>表示储能i在t时刻可提供的盈余容量；/>表示储能运营在时刻t最终向场站i的输入功率，/>表示储能i在时刻t向储能运营输入的功率；
当新能源场站可提供的总盈余容量<总需求，存在关系：
其中，储能购售电价格(ξTS、ξFS)采用动态机制，它与邻域范围内参与的场站的占比相关；具体表示为：
其中，Np表示新能源场站总体个数，ξini表示基准价格；ξTS表示储能向场站购买电能的价格；ξFS表示储能向新能源场站出售电能的价格。
7.根据权利要求1所述的基于储能服务互动行为分析的储能策略获取方法，其特征在于，所述演化博弈模型包括要素：
参与者为新能源场站Np，考虑在博弈中每个新能源场站都会与其他新能源场站进行竞争；考虑具有发电能力与预测技术差异的演化博弈，将参与者的集合Np记为：
Np＝(MB1，MB2，MB3)；其中，MB1为新能源场站1，MB2为新能源场站2，MB3为新能源场站3；
每个新能源场站具有参与和不参与两种策略，将新能源场站i参与时的概率设置为xi，i＝1，2，3；不参与时的概率为1-xi，有i∈Np；
各参与者的支付函数即为在各自策略下的经济效益；
基于参与者、策略集、支付函数构建多策略集支付矩阵；
所述多策略集支付矩阵包括：
{MB1，MB2，MB3}均参与储能，各新能源场站支付函数分别为和/>
{MB1，MB2}参与储能，MB3不参与储能，新能源场站1，新能源场站2和新能源场站3的支付函数分别为和/>
{MB1，MB3}参与储能，MB2不参与储能，新能源场站1，新能源场站2和新能源场站3的支付函数分别为和/>
{MB1}参与储能，MB2和MB3不参与储能，新能源场站1，新能源场站2和新能源场站3的支付函数分别为和/>
MB1不参与储能，{MB2，MB3}参与储能，新能源场站1，新能源场站2和新能源场站3的支付函数分别为和/>
MB1和MB3不参与储能，{MB2}参与储能，新能源场站1，新能源场站2和新能源场站3的支付函数分别为和/>
MB1和MB2不参与储能，MB3参与储能，新能源场站1，新能源场站2和新能源场站3的支付函数分别为和/>
MB1，MB3，MB2均不参与储能，新能源场站1，新能源场站2和新能源场站3的支付函数分别为和/>
8.根据权利要求7所述的基于储能服务互动行为分析的储能策略获取方法，其特征在于，所述复制者动态方程的构建方法包括：
T1，根据MB1采用策略或不采用策略时的支付矩阵，建立MB1的期望支付为：
其中，分别表示MB1在分别采用策略或不采用策略时的期望支付；
计算MB1的平均支付为：
T2，结合新能源场站1的参与情况下的收益及其期望支付，得到MB1的复制者动态方程：
其中FMB1(xMB1)表示新能源场站1的复制者动态方程；
T3，基于MB1的复制者动态方程构建过程，对MB2和MB3构建相应的期望支付与平均支付方程，从而得到MB2和MB3的复制者动态方程：
其中，FMB2(xMB2)表示新能源场站2的复制者动态方程，FMB3(xMB3)表示新能源场站3的复制者动态方程。
9.根据权利要求1所述的基于储能服务互动行为分析的储能策略获取方法，其特征在于，所述通过复制者动态方程与演化稳定定理分析多新能源场站在有限理性下的储能策略，得到最优储能策略，包括方法：
G1，基于将有限理性的各参与者抽象为不同的种群，建立演化过程的稳定性分析：
若有纯策略θ(1)，θ(2)∈Ω，Ω表示策略的可行域，且θ(1)≠θ(2)，均存在一个正数ε*∈(0，1)，使得策略θ(1)在满足如下条件时达到演化稳定；
其中，f(θ)表示选择θ策略群体的适应度函数；
当复制者动态方程均衡点处所有特征值的实部均为负数时，对应的策略达到演化稳定；
G2，基于复制者动态方程构建雅克比矩阵：
满足雅克比矩阵的行列式大于0、雅克比矩阵的行列式的迹小于0，则该均衡点对应的策略为演化稳定策略：
其中，雅克比矩阵的行列式大于0，有：
其中，雅克比矩阵的行列式的迹小于0，有：
trJ＝a1，1+a2，2+a3，3＜0
G3，以演化稳定策略作为最优储能策略输出。
10.基于储能服务互动行为分析的储能策略获取***，其特征在于，用于实现权利要求1-9任意一项所述的基于储能服务互动行为分析的储能策略获取方法，包括：
模式构建模块，用于考虑多新能源场站发电能力与预测技术差异带来的对储能调峰，和平抑出力波动辅助服务需求差异因素，提出储能运营统一管理汇集站储能资源的发电侧储能运行调度模式；
计算模块，用于基于发电侧储能运行调度模式，同时计及新能源场站非对称行为决策，建立储能模式扩散的演化博弈模型；通过复制者动态方程与演化稳定定理分析多新能源场站在有限理性下的储能策略，得到最优储能策略。
CN202311471279.7A 2023-11-06 2023-11-06 基于储能服务互动行为分析的储能策略获取方法及*** Pending CN117458546A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311471279.7A CN117458546A (zh) 2023-11-06 2023-11-06 基于储能服务互动行为分析的储能策略获取方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311471279.7A CN117458546A (zh) 2023-11-06 2023-11-06 基于储能服务互动行为分析的储能策略获取方法及***

Publications (1)

Publication Number Publication Date
CN117458546A true CN117458546A (zh) 2024-01-26

Family

ID=89581499

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311471279.7A Pending CN117458546A (zh) 2023-11-06 2023-11-06 基于储能服务互动行为分析的储能策略获取方法及***

Country Status (1)

Country Link
CN (1) CN117458546A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117937474A (zh) * 2024-03-20 2024-04-26 保定博堃元信息科技有限公司 一种新能源场站储能管理方法及***

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117937474A (zh) * 2024-03-20 2024-04-26 保定博堃元信息科技有限公司 一种新能源场站储能管理方法及***

Similar Documents

Publication Publication Date Title
Cao et al. Optimal energy management for multi-microgrid under a transactive energy framework with distributionally robust optimization
Gong et al. A secured energy management architecture for smart hybrid microgrids considering PEM-fuel cell and electric vehicles
De Santis et al. Hierarchical genetic optimization of a fuzzy logic system for energy flows management in microgrids
Wu et al. Vehicle-to-aggregator interaction game
CN107634518A (zh) 一种“源‑网‑荷”相协调的主动配电网经济调度方法
CN113610311B (zh) 双层协同架构下考虑碳减排的综合能源服务商合作运行优化方法
CN117458546A (zh) 基于储能服务互动行为分析的储能策略获取方法及***
Ahmadi et al. Optimal use of vehicle-to-grid technology to modify the load profile of the distribution system
CN114256836B (zh) 一种新能源电站共享储能的容量优化配置方法
CN114662759A (zh) 多主体双层博弈的规模化电动汽车充放电优化调度方法
Liu et al. Behavior analysis of photovoltaic-storage-use value chain game evolution in blockchain environment
CN115204562A (zh) 一种计及多能共享的互联微能源网分布式协同优化调度方法和***
Luo et al. Optimal operation and cost–benefit allocation for multi‐participant cooperation of integrated energy system
CN117634708A (zh) 一种基于双向主从-合作博弈的园区综合能源***协调优化运行方法
Zhang et al. Nodal dynamic charging price formulation for electric vehicle through the Stackelberg game considering grid congestion
CN116862144A (zh) 一种基于双重博弈的多园区低碳调度方法及***
Bagherzade et al. Stochastic parking energy pricing strategies to promote competition arena in an intelligent parking
CN116342176A (zh) 一种电力市场现货电能量交易规则的火电企业分段报价方法
CN115618984A (zh) 一种考虑低碳经济的多微网合作联盟交易方法
CN113763164B (zh) 一种基于点对点平台的分散式产消者能量共享方法
CN111552912B (zh) 一种微电网并网的双层经济优化方法
Li et al. A game optimization scheduling strategy of active distribution network with multi-microgrid sharing energy storage
Wang et al. A day‐ahead bidding strategy for battery swapping and charging system participating in the regulation market
CN113870030A (zh) 基于改进纳什议价方法的多微网能源交易机制设计方法
Bai et al. Intelligent optimal demand response implemented by blockchain and cooperative game in microgrids

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination