1.本发明涉及电能交易技术领域，尤其是涉及一种能源短缺环境下的分布式电能交易方法。
背景技术：2.随着电网的快速发展，电网面临的实际情况越来越复杂。此外，电网规模的快速增长使得传统的集中式算法无法适应实际的电力调度过程。在这种背景下，以分布式方式设计一种算法成为了一种满足实际需要的必要的选择。
3.一般来说，电力运行的主要状态可分为三种情况：正常运行状态、缺电状态和崩溃状态。在电网的不同运行状态下，分布式算法有不同的应用。在大规模电网正常运行状态下，主要目标是分布式经济调度。在这方面的研究已经取得了丰硕的成果。在早期研究中，分布式算法用于解决仅受供需全局约束的传统经济调度问题。然后，在此给定框架下考虑了更多约束，包括爬坡率约束、输电线路限制约束和功率损耗约束等。由于博弈论是描述电力调度模型中人为因素影响的推荐方法，近年来研究开始考虑博弈论，这扩展了模型描述的范围。
4.在电力短缺的情况下，电网运行的首要任务是立即增加电力供应，否则，最佳选择是削减负荷。然而，在实际情况下，当主电源不能提供足够的功率时，增加电源通常不是一件容易的任务。由于分布式发电机和能源的迅速出现，一种自然的想法应运而生，即鼓励分布式发电机在电力短缺时提高其输出功率。考虑到分布式发电机可能属于不同的公司或个人，如何通过适当的策略聚合电力成为一个具有挑战性的问题。价格激励作为一种最有效、最普遍的方法，不仅符合市场规律，而且符合实际需求。背后的逻辑很清楚：当电力短缺时，提高能源供应的效益。要实现这一策略，存在几个挑战，主要来自分布式发电机的分布式环境、价格设置、算法环境等。
5.首先，分布式发电机的数量巨大，使得集中式算法无法同时调度所有分布式电源以弥补电力短缺。其次，如何设计合适的策略，确保所有发电商的利益，并保持电力运营商的主动性(即定价权)，是交易策略设计的主要难点。第三，由于分布式发电机的分布特性不具备应用连续时间算法构造的理想基础，离散时间算法构造成为首选。
技术实现要素：6.本发明的目的在于提供了一种能源短缺环境下的分布式电能交易方法，该方法包含一种新的主电网和分布式发电相结合的电力调度框架和一种融合估计技术和挖掘方法的离散时间算法，该电力调度框架将主电网和分布式发电相结合。该算法基于本发明提出的一种新的主电网和分布式发电相结合的电力调度框架，采用分布式优化的方法，以分布式方式解决电力短缺问题，能在电力短缺的情况下增加电力。此外，本发明提出的分布式算法不仅可以提供算法的隐私保护和信息安全，还可以提高电网的可扩展性。
7.本发明首先将电力短缺情况描述为一个由两部分供电的聚合博弈，博弈双方一个
是主电网，另一个由分布式发电机组成。该价格策略是基于古诺价格模型设计的，从经济和市场角度来看，能确保所有发电商的利益。然后，本发明设计了一种结合分布式估计策略和挖掘方法的离散时间算法，以分布式方式解决提出的问题。
8.为了实现上述目的，本发明的技术方案如下：一种能源短缺环境下的分布式电能交易方法，其特征在于，包括以下步骤：
9.步骤1：构建主电网和分布式发电机相结合的电力调度博弈论模型；
10.步骤2：用分布式优化思想对提出的博弈论问题进行转换；
11.步骤3：设计融合估计技术和挖掘方法的离散时间分布式算法，得到分布式迭代公式，并迭代求解。
12.其中步骤1中的电力调度模型具体为：简称模型(1)，
[0013][0014]
其中，pi和gi表示分布式发电机i的功率输出和运营商从主电网i节点获得的功率，分别符合作为模型(1)中第二和第三个约束的输出限制，上标min和max表示相应变量的最小值和最大值。di表示运营商节点i的负荷需求和表示运算符索引集。
[0015]
模型(1)中第一个约束为功率平衡极限，每个算子i的成本函数定义如下：
[0016][0017]
其中ai,bi,ci,αi,βi和γi是正参数，ci(pi,gi)表示运营商i的电力成本。
[0018]
为运营商i增加的附加值描述为：
[0019][0020]
其中r和l都是由主电网调整的正参数。
[0021]
所述步骤2)中转换过程为：
[0022]
步骤1)中电力调度模型(1)为博弈论问题，将其转化为无约束优化问题以适应分布式算法的框架。首先，定义模型(1)的局部目标函数fi(pi,gi)、伪梯度拉格朗日对偶函数及其局部可行集。其次，在特定假设条件下，将原博弈问题转化为无约束优化问题。具体过程如下：
[0023]
①
给出模型转换所需要定义：
[0024]
模型(1)的局部目标函数fi(pi,gi)定义为：
[0025]fi
(pi,gi)＝ci(pi,gi)-ri(p1,
…
,pn).
ꢀꢀꢀꢀ
(4)
[0026]
pi和gi是运营商i的决策变量，其他算子的决策变量为自变量。
[0027]
伪梯度定义：
[0028][0029]
其中s＝[p1,g1…
,pn,gn]
t
.
[0030]
拉格朗日对偶函数定义为：
[0031][0032]
其中si＝[pi,gi]
t
,λi表示算子i的拉格朗日乘子，di(λi)表示只与λi有关的函数，ωi表示局部可行集，其定义为：
[0033][0034]
②
模型转换所需满足的假设条件：
[0035]
伪梯度由模型(1)中局部目标函数的梯度组成，满足以下单调条件，
[0036][0037]
其中σ》0是强单调参数，ω表示受电力调度模型(1)中所有约束约束的可行集。
[0038]
③
将原博弈论问题转换为无约束优化问题：
[0039]
基于拉格朗日对偶理论，步骤1中提出电力调度模型(1)与公式(9)具有相同的最优解：
[0040][0041]
若对所有所有的拉格朗日乘子λi具有相同的值，则公式(9)转换为公式(10)：
[0042][0043]
其中λ＝[λ1,
…
,λn]
t
，共轭函数(目标函数)f
i*
(λi)表示如下：
[0044][0045]
基于对偶理论，公式(11)转化为无约束优化问题：
[0046][0047]
其中θ表示关于公式(11)中一致性约束的拉格朗日乘子。i和w分别表示单位矩阵和非负双随机矩阵。
[0048]
则原始博弈模型(1)转换为一种无约束优化公式(12)。
[0049]
所述步骤3)中的分布式算法具体为：
[0050]
[0051][0052][0053][0054]
其中δ》0表示所设计算法的步长。初始值满足yi(0)＝-si(0)，argmin表示可以使相应函数达到其最小值的变量。w
ij
(k)代表时变随机矩阵w(k)的第i行和的第j列元素。函数定义为：
[0055][0056]
相对于现有技术，本发明的优点如下：1)离散时间算法结构在隐私保护、信息安全和可扩展性方面为电网调度过程提供了有利的特性，古诺价格模型的使用将分布式发电机组聚集在一个可行的、由市场决定的框架内；2)本发明所提出的能源短缺环境下的分布式电能交易方法，可以解决电力系统面临的能源短缺的困境。
[0057]
本发明提出的新的主电网和分布式发电相结合的电力调度框架，并在此基础之上设计的结合分布式估计策略和挖掘方法的离散时间算法，能高效、低成本的解决能源短缺环境下的分布式电能交易的问题，其目标函数优化、快速收敛的特性能为电力系统带来经济、时间等上的效益。采用本发明所提出的能源短缺环境下的分布式电能交易方法，能够达到快速建模，易于计算，快速迭代，快速收敛的效果，能够节省电力系统中的计算资源消耗，节约智能电网的计算量，最小化电力系统中电力交易的成本，为电力系统带来可观的经济效益。
附图说明
[0058]
图1为主电网的最佳功率输出图；
[0059]
图2为分布式发电机的最佳功率输出图；
[0060]
图3为每个运营商的增量成本图；
[0061]
图4为估计值和估计误差图；
[0062]
图5为拉格朗日的偏导数和功率不匹配图；
[0063]
图6为一种能源短缺环境下的分布式电能交易方法的结构示意图。
具体实施方式
[0064]
本发明主要考虑一种能源短缺环境下的分布式电能交易方法，该策略提出了一个新的主电网和分布式发电相结合的电力调度框架，并在此基础之上设计了一种结合分布式估计策略和挖掘方法的离散时间算法，解决了能源短缺环境下的分布式电能交易的问题。
[0065]
本发明的目的在于提供了一种融合估计技术和挖掘方法的离散时间算法，该算法基于本发明提出的一种新的主电网和分布式发电相结合的电力调度框架，采用分布式优化
的方法，以分布式方式解决电力短缺问题，能在电力短缺的情况下增加电力。此外，本发明提出的分布式算法不仅可以提供算法的隐私保护和信息安全，还可以提高电网的可扩展性。因此，本发明不仅仅能够使得大量接入分布式发电机的电网更加灵活，让电力系统能源短缺的问题得以解决，还能使得电力系统的信息安全和隐私得以保护。
[0066]
实施例1：为了实现上述目的，本发明的技术方案如下：一种能源短缺环境下的分布式电能交易方法，所述策略包括以下步骤：
[0067]
步骤1：构建主电网和分布式发电机相结合的电力调度博弈论模型；
[0068]
步骤2：用分布式优化思想对提出的博弈论问题进行转换；
[0069]
步骤3：设计融合估计技术和挖掘方法的离散时间分布式算法，得到分布式迭代公式，并迭代求解。
[0070]
其中步骤1中的电力调度模型具体为：
[0071][0072]
其中，pi和gi表示分布式发电机i的功率输出和运营商从主电网i节点获得的功率，分别符合作为模型(1)中第二和第三个约束的输出限制，上标min和max表示相应变量的最小值和最大值。di表示运营商节点i的负荷需求和表示运算符索引集。
[0073]
模型(1)中第一个约束为功率平衡极限，每个算子i的成本函数定义如下：
[0074][0075]
其中ai,bi,ci,αi,βi和γi是正参数，ci(pi,gi)表示运营商i的电力成本。
[0076]
为运营商i增加的附加值描述为：
[0077][0078]
其中r和l都是由主电网调整的正参数。
[0079]
所述步骤2)中转换过程为：
[0080]
步骤1)中电力调度模型(1)为博弈论问题，将其转化为无约束优化问题以适应分布式算法的框架。首先，定义模型(1)的局部目标函数fi(pi,gi)、伪梯度拉格朗日对偶函数及其局部可行集。其次，在特定假设条件下，将原博弈问题转化为无约束优化问题。具体过程如下：
[0081]
①
给出模型转换所需要定义：
[0082]
模型(1)的局部目标函数fi(pi,gi)定义为：
[0083]fi
(pi,gi)＝ci(pi,gi)-ri(p1,
…
,pn).
ꢀꢀꢀꢀ
(4)
[0084]
pi和gi是运营商i的决策变量，其他算子的决策变量为自变量。
[0085]
伪梯度定义：
[0086][0087]
其中s＝[p1,g1…
,pn,gn]
t
.
[0088]
拉格朗日对偶函数定义为：
[0089][0090]
其中si＝[pi,gi]
t
,λi表示算子i的拉格朗日乘子，di(λi)表示只与λi有关的函数，ωi表示局部可行集，其定义为：
[0091][0092]
②
模型转换所需满足的假设条件：
[0093]
伪梯度由模型(1)中局部目标函数的梯度组成，满足以下单调条件，
[0094][0095]
其中σ》0是强单调参数，ω表示受电力调度模型(1)中所有约束约束的可行集。
[0096]
③
将原博弈论问题转换为无约束优化问题：
[0097]
基于拉格朗日对偶理论，步骤1中提出电力调度模型(1)与公式(9)具有相同的最优解：
[0098][0099]
若对所有所有的拉格朗日乘子λi具有相同的值，则公式(9)转换为公式(10)：
[0100][0101]
其中λ＝[λ1,
…
,λn]
t
，共轭函数(目标函数)f
i*
(λi)表示如下：
[0102][0103]
基于对偶理论，公式(11)转化为无约束优化问题：
[0104][0105]
其中θ表示关于问题(11)中一致性约束的拉格朗日乘子。i和w分别表示单位矩阵和非负双随机矩阵。
[0106]
则原始博弈模型(1)转换为一种无约束优化公式(12)。
[0107]
所述步骤3)中的分布式算法具体为：
[0108]
[0109][0110][0111][0112]
其中δ》0表示所设计算法的步长。初始值满足yi(0)＝-si(0)，argmin表示可以使相应函数达到其最小值的变量。w
ij
(k)代表时变随机矩阵w(k)的第i行和的第j列元素。函数定义为：
[0113][0114]
接下来根据附图并结合具体数值仿真实施方式来对本发明的技术方案作进一步阐述。
[0115]
本发明基于ieee 14总线进行了仿真，以验证所提出算法的性能。表1显示了拟议情况下的主电网发电机成本系数。
[0116][0117]
表1
[0118]
包括成本系数、约束和初始功率的系数如表2所示。每个运营商的负荷需求选择为d＝[205,60,30,30,28,35]
t
,以及参数r和l分别选择为0.00001和0.02。
[0119][0120][0121]
表2
[0122]
仿真结果图1所示。图1显示了主电网最佳功率输出的演变轨迹。
[0123]
从图1可以看出，功率输出在100次迭代后收敛到最优解，这意味着所设计的算法在时变通信图环境下具有快速收敛速度。
[0124]
图2显示了分布式发电机最佳功率输出的演变轨迹。类似地，进化轨迹在大约100次迭代时收敛到最优解。
[0125]
每个运营商的增量成本如图3所示。增量成本的一致性意味着每个运营商在博弈论框架下最小化了其成本。
[0126]
在图4(a)中，所有功率输出之和的估计，在通信图是时变的情况下收敛到一致值。图4(b)证实了从每个算子获得的估计值与实际值一致，这反映了拟议算法在聚合相应决策方面具有良好的性能。
[0127]
在这种情况下，所有的最优输出p和g在给定范围内，这意味着如果所提出算法的收敛值是最优解，则函数的偏导数必须等于0。
[0128]
从图5(a)和(b)中，确认了上述最优条件，验证了所提出算法的收敛值是最优解。
[0129]
在图5(c)中，可以发现整个电网的失配等于0，这意味着当算法收敛到最优解时，该算法可以保持全局功率平衡约束。
[0130]
需要说明的是上述实施例仅仅是本发明的较佳实施例，并没有用来限定本发明的保护范围，在上述技术方案的基础上做出的等同替换或者替代，均属于本发明的保护范围。
技术特征：1.一种能源短缺环境下的分布式电能交易方法，其特征在于，包括以下步骤：步骤1：构建主电网和分布式发电机相结合的电力调度博弈论模型；步骤2：用分布式优化思想将提出的博弈论问题转换为优化问题；步骤3：设计离散时间分布式算法，得到分布式迭代公式，并迭代求解。2.根据权利要求1所述的能源短缺环境下的分布式电能交易方法，其特征在于，所述步骤1)中电力调度博弈论模型具体为，简称模型(1)，其中，p
i
和g
i
表示分布式发电机i的功率输出和运营商从主电网i节点获得的功率，分别符合作为模型(1)中第二和第三个约束的输出限制，上标min和max表示相应变量的最小值和最大值，d
i
表示运营商节点i的负荷需求和表示运算符索引集；模型(1)中第一个约束为功率平衡极限，每个算子i的成本函数定义如下：其中a
i
,b
i
,c
i
,α
i
,β
i
和γ
i
是正参数，c
i
(p
i
,g
i
)表示运营商i的电力成本；为运营商i增加的附加值描述为：其中r和l都是由主电网调整的正参数。3.根据权利要求1所述的能源短缺环境下的分布式电能交易方法，其特征在于，所述步骤2)中转换过程为：步骤1)中电力调度博弈论模型(1)为博弈论问题，将其转化为无约束优化问题以适应分布式算法的框架，首先，定义模型(1)的局部目标函数f
i
(p
i
,g
i
)、伪梯度拉格朗日对偶函数及其局部可行集，其次，在特定假设条件下，将原博弈问题转化为无约束优化问题，具体过程如下：
①
给出模型转换所需要定义：模型(1)的局部目标函数f
i
(p
i
,g
i
)定义为：f
i
(p
i
,g
i
)＝c
i
(p
i
,g
i
)-r
i
(p1,
…
,p
n
).
ꢀꢀꢀꢀ
(4)p
i
和g
i
是运营商i的决策变量，其他算子的决策变量为自变量，伪梯度定义：其中s＝[p1,g1…
,p
n
,g
n
]
t
.拉格朗日对偶函数定义为：
其中s
i
＝[p
i
,g
i
]
t
,λ
i
表示算子i的拉格朗日乘子，d
i
(λ
i
)表示只与λ
i
有关的函数，ω
i
表示局部可行集，其定义为：
②
模型转换所需满足的假设条件：伪梯度由模型(1)中局部目标函数的梯度组成，满足以下单调条件，其中σ>0是强单调参数，ω表示受电力调度模型(1)中所有约束约束的可行集；
③
将原博弈论问题转换为无约束优化问题：基于拉格朗日对偶理论，步骤1中提出电力调度模型(1)与公式(9)具有相同的最优解：若对所有所有的拉格朗日乘子λ
i
具有相同的值，则公式(9)转换为公式(10)：其中λ＝[λ1,
…
,λ
n
]
t
，共轭函数(目标函数)表示如下：基于对偶理论，公式(11)转化为无约束优化问题：其中θ表示关于公式(11)中一致性约束的拉格朗日乘子，i和w分别表示单位矩阵和非负双随机矩阵，则电力调度博弈论模型(1)转换为一种无约束优化公式(12)。4.根据权利要求1所述的能源短缺环境下的分布式电能交易方法，其特征在于，所述步骤3)中的分布式算法具体为：骤3)中的分布式算法具体为：骤3)中的分布式算法具体为：
其中δ>0表示所设计算法的步长，初始值满足y
i
(0)＝-s
i
(0)，argmin表示可以使相应函数达到其最小值的变量，w
ij
(k)代表时变随机矩阵w(k)的第i行和的第j列元素，函数定义为：
技术总结本发明提供了一种能源短缺环境下的分布式电能交易方法，该方法包含提出了一种新的主电网和分布式发电相结合的电力调度框架，并在该框架下，设计了一种融合估计技术和挖掘方法的离散时间算法。本发明提出的优化算法和电力调度框架基于聚合博弈理论和古诺价格模型，用分布式的方式解决了电力短缺问题，可以在电力短缺的情况下，增加电网的电力供应。此外，本文提出的分布式算法不仅可以提供算法的隐私保护和信息安全，还可以提高电网的可扩展性。通过仿真结果实例，说明该算法在所提出的电力调度框架内的数值示例中具有良好的性能和有效性。性。性。
技术研发人员：徐谦 俞楚天 胡哲晟 孙轶恺 张利军 王蕾 戴攀 徐威涛 耿磊 杨凯 袁翔 范明霞 朱超
受保护的技术使用者：国网浙江省电力有限公司经济技术研究院
技术研发日：2022.07.21
技术公布日：2022/11/1
