一种光伏产消者优化决策方法技术

本发明专利技术涉及一种光伏产消者优化决策方法。根据光伏产消者的电能需求响应，建立光伏产消者侧需求响应资源的基础模型；根据电能的电价，基于光伏产消者侧需求响应资源的基础模型，建立光伏产消者的经济模型；根据光伏产消者的经济模型建立光伏产消者综合效益模型；根据光伏产消者对电能使用的选择，基于光伏产消者侧需求响应资源的基础模型和光伏产消者综合效益模型，建立光伏产消者最大效益的非合作随机博弈模型；利用分布式优化算法和维特比算法，根据非合作随机博弈模型，获得光伏产消者的最优决策和光伏产消者的最优效益。本发明专利技术综合考虑光伏发电的客观随机性和光伏产消者决策时的主观随机性，通过博弈过程得到光伏产消者的最优决策，减小与实际优化决策过程的误差。

【技术实现步骤摘要】
一种光伏产消者优化决策方法
本专利技术涉及光伏产消者优化决策
，特别是涉及一种光伏产消者优化决策方法。
技术介绍
售电侧改革是电力体制改革的一个重要方面，在《关于进一步深化电力体制改革的若干意见》中明确提出：“有序向社会资本放开配售电业务”，允许分布式电源发电系统(用户或微网)参与电能交易，用户具有自主选择权，要形成多买方—多卖方的市场格局。其中，光伏发电凭借其清洁和可持续的特点，得到大面积的推广和应用。伴随光伏发电的发展，智能电网中出现了一种新型实体——光伏产消者，既可以消耗电能又可以产生电能，从而可以参与电力市场交易。光伏产消者可以借助存储设备存储当前多余电量并在电网存在能源短缺时使用这部分电量，为能源管理带来灵活性，在一定程度上改变电能即产即消的特性；光伏产消者还可以在可接受范围内调整负荷工作状况，改变负荷分布。充分利用光伏产消者的需求响应能力，有效地参与电力市场交易，对增大系统光伏消纳、减小用电峰谷值之差具有重要意义。随机博弈论由Shapley于1953年提出，在随机博弈论模型中，状态按一定概率进行转移，而这个转移概率由博弈者共同决定，从而可以表征“随机性”。目前，随机博弈论已应用于用户隐私保护、电网防御、网络通信、系统控制等领域，尚未应用于光伏产消者的优化决策中。针对光伏产消者优化决策过程中的随机性问题，现有技术一般采用多场景表征光伏发电的随机性，利用条件风险极值表征交易中的风险最后借助正则化函数将其转化为期望进行求解，而在决策过程中光伏产消者往往是非理性的，决策本身就存在一定的随机性，只考虑光伏发电的随机性，优化决策误差较大。
技术实现思路
本专利技术的目的是提供一种光伏产消者优化决策方法，综合考虑光伏产消者特性和光伏发电的随机性，进一步减小了光伏产消者的最优决策与实际优化决策的误差。为实现上述目的，本专利技术提供了如下方案：一种光伏产消者优化决策方法，所述方法包括：根据光伏产消者的电能需求响应，建立光伏产消者侧需求响应资源的基础模型；构建所述光伏产消者的用电效益模型和光伏补贴模型；根据电能的电价，确定所述光伏产消者的购电成本和售电收益，建立电网对于所述光伏产消者的电价模型；根据所述光伏产消者对于不确定事件的决策，确定权重函数；根据所述用电效益模型、所述光伏补贴模型、所述电价模型和所述权重函数，建立光伏产消者综合效益模型；根据所述光伏产消者对电能使用的选择，基于所述光伏产消者综合效益模型和所述权重函数，建立所述光伏产消者最大效益的非合作随机博弈模型；利用分布式迭代优化算法和维特比算法，根据所述非合作随机博弈模型，获得光伏产消者的最优决策和光伏产消者的最优效益。可选的，所述光伏产消者侧需求响应资源的基础模型包括：空调负荷模型、储能系统模型和光伏发电模型；所述空调负荷模型为其中，为t+1时刻的室内温度(℃)，为t+1时刻的室外温度(℃)，ξ为散热系数，为t时刻的室内温度(℃)，Tc为空调开启情况下，空调的平均制冷功率对室内温度下降的贡献(℃)，St为空调在t时刻的开闭状态，St有0和1两种取值，St＝1表示空调处于开启状态，St＝0表示空调处于关闭状态；所述储能系统模型为其中，为光伏产消者i的储能电池在t+1时刻的储能状态，i∈[1,2,…,n]，t∈[1,2,…,24]，为光伏产消者i的储能电池在t时刻的储能状态，为光伏产消者i的储能电池在t时刻的动作功率，表示光伏产消者i的储能电池在t时刻充电，表示光伏产消者i的储能电池在t时刻不充电也不放电，表示光伏产消者i的储能电池在t时刻放电；所述光伏发电模型为其中，为光伏产消者i在t时刻的光伏发电量预测值，为光伏发电量预测值为gm时对应的概率。可选的，所述用电效益模型为其中，为光伏产消者i在t时刻获得的用电效益，为光伏产消者i在t时刻用电的偏好系数与权重系数的结合，用来反映光伏产消者的用电偏好和用电效益在总效益中所占的比重，表示光伏产消者i在t时刻消耗的总电量。可选的，所述光伏补贴模型为其中，Up为光伏产消者i在t时刻获得的光伏补贴，为光伏产消者i在t时刻的光伏发电量，A是分布式光伏发电产生单位电量时得到的补贴。可选的，所述电网对于所述光伏产消者的电价模型为其中，p(t)为t时刻电网公布的电价，a′和b′均为常数，Dt为光伏产消者集群在t时刻的电能需求总量，C()为成本，C(Dt)为t时刻购电量为Dt时的综合购电成本，为光伏产消者i在t时刻向电网的电能需求量，为光伏产消者i在t时刻的空调负荷，P0为空调的平均制冷功率，St为空调在t时刻的开闭状态，为光伏产消者i在t时刻的空调负荷以外的负荷，为光伏产消者i的储能电池在t时刻的动作功率，为光伏产消者i在t时刻的光伏发电量预测值。可选的，所述权重函数为ω(P)＝exp(-(-lnP)c)；其中，ω()为权重函数，ω(P)为光伏产消者进行决策时概率为P的权重函数，P为光伏产消者进行决策时的概率，c为表征主观和客观概率之间失真的常数。可选的，所述光伏产消者综合效益模型为其中，为光伏产消者i在t时刻的综合效益，为光伏产消者i在t时刻获得的用电效益，p(t)为t时刻电网公布的电价，为光伏产消者i在t时刻向电网的电能需求量，A是分布式光伏发电产生单位电量时得到的补贴，为光伏产消者i在t时刻的光伏发电量预测值，ω(P)为光伏产消者进行决策时概率为P的权重函数。可选的，所述根据所述光伏产消者对电能使用的选择，基于所述光伏产消者综合效益模型和所述权重函数，建立所述光伏产消者最大效益的非合作随机博弈模型，具体包括：根据所述空调负荷模型和所述光伏产消者综合效益模型，在满足光伏产消者的舒适度的基础上，建立空调负荷的第一阶段优化模型其中，zi为第一阶段优化中光伏产消者i的目标函数，maxzi为第一阶段优化中光伏产消者i的最大用电收益，为光伏产消者i在t时刻获得的用电效益，p(t)为t时刻电网公布的电价，表示光伏产消者i在t时刻消耗的电量，为光伏产消者i在t时刻的空调负荷，P0为空调的平均制冷功率，St为空调在t时刻的开闭状态，为光伏产消者i在t+1时刻的空调房间的温度(℃)，为t+1时刻的室外温度(℃)，ξ为散热系数，为光伏产消者i在t时刻的空调房间的温度(℃)，Tc为空调开启情况下，空调的平均制冷功率对室内温度下降的贡献(℃)，为光伏产消者i的空调在t时刻的开闭状态，是指光伏产消者i可以接受的空调房间的最低温度，是指光伏产消者i可以接受的空调房间的最高温度，为光伏产消者i在t时刻的空调负荷以外的负荷；根据所述空调负荷的第一阶段优化模型和所述权重函数，优化光伏产消者对储能电池的动作决策，建立所述光伏产消者最大效益的非合作随机博弈模型其中，maxVi为光伏产消者i一天的最大用电收益，Vi为光伏产消者i一天的用电收益，为光伏产消者i在t时刻的综合效益，为光伏本文档来自技高网...

【技术保护点】
1.一种光伏产消者优化决策方法，其特征在于，所述方法包括：/n根据光伏产消者的电能需求响应，建立光伏产消者侧需求响应资源的基础模型；/n构建所述光伏产消者的用电效益模型和光伏补贴模型；/n根据电能的电价，确定所述光伏产消者的购电成本和售电收益，建立电网对于所述光伏产消者的电价模型；/n根据所述光伏产消者对于不确定事件的决策，确定权重函数；/n根据所述用电效益模型、所述光伏补贴模型、所述电价模型和所述权重函数，建立光伏产消者综合效益模型；/n根据所述光伏产消者对电能使用的选择，基于所述光伏产消者综合效益模型和所述权重函数，建立所述光伏产消者最大效益的非合作随机博弈模型；/n利用分布式迭代优化算法和维特比算法，根据所述非合作随机博弈模型，获得光伏产消者的最优决策和光伏产消者的最优效益。/n

【技术特征摘要】
1.一种光伏产消者优化决策方法，其特征在于，所述方法包括：
根据光伏产消者的电能需求响应，建立光伏产消者侧需求响应资源的基础模型；
构建所述光伏产消者的用电效益模型和光伏补贴模型；
根据电能的电价，确定所述光伏产消者的购电成本和售电收益，建立电网对于所述光伏产消者的电价模型；
根据所述光伏产消者对于不确定事件的决策，确定权重函数；
根据所述用电效益模型、所述光伏补贴模型、所述电价模型和所述权重函数，建立光伏产消者综合效益模型；
根据所述光伏产消者对电能使用的选择，基于所述光伏产消者综合效益模型和所述权重函数，建立所述光伏产消者最大效益的非合作随机博弈模型；
利用分布式迭代优化算法和维特比算法，根据所述非合作随机博弈模型，获得光伏产消者的最优决策和光伏产消者的最优效益。


2.根据权利要求1所述的光伏产消者优化决策方法，其特征在于，所述光伏产消者侧需求响应资源的基础模型包括：空调负荷模型、储能系统模型和光伏发电模型；
所述空调负荷模型为
其中，为t+1时刻的室内温度(℃)，为t+1时刻的室外温度(℃)，ξ为散热系数，为t时刻的室内温度(℃)，Tc为空调开启情况下，空调的平均制冷功率对室内温度下降的贡献(℃)，St为空调在t时刻的开闭状态，St有0和1两种取值，St＝1表示空调处于开启状态，St＝0表示空调处于关闭状态；
所述储能系统模型为
其中，为光伏产消者i的储能电池在t+1时刻的储能状态，i∈[1,2,…,n]，t∈[1,2,…,24]，为光伏产消者i的储能电池在t时刻的储能状态，为光伏产消者i的储能电池在t时刻的动作功率，表示光伏产消者i的储能电池在t时刻充电，表示光伏产消者i的储能电池在t时刻不充电也不放电，表示光伏产消者i的储能电池在t时刻放电；
所述光伏发电模型为
其中，为光伏产消者i在t时刻的光伏发电量预测值，为光伏发电量预测值为gm时对应的概率。


3.根据权利要求1所述的光伏产消者优化决策方法，其特征在于，所述用电效益模型为
其中，为光伏产消者i在t时刻获得的用电效益，为光伏产消者i在t时刻用电的偏好系数与权重系数的结合，用来反映光伏产消者的用电偏好和用电效益在总效益中所占的比重，表示光伏产消者i在t时刻消耗的总电量。


4.根据权利要求1所述的光伏产消者优化决策方法，其特征在于，所述光伏补贴模型为
其中，Up为光伏产消者i在t时刻获得的光伏补贴，为光伏产消者i在t时刻的光伏发电量，A是分布式光伏发电产生单位电量时得到的补贴。


5.根据权利要求1所述的光伏产消者优化决策方法，其特征在于，所述电网对于所述光伏产消者的电价模型为
其中，p(t)为t时刻电网公布的电价，a′和b′均为常数，Dt为光伏产消者集群在t时刻的电能需求总量，C()为成本，C(Dt)为t时刻购电量为Dt时的综合购电成本，为光伏产消者i在t时刻向电网的电能需求量，为光伏产消者i在t时刻的空调负荷，P0为空调的平均制冷功率，St为空调在t时刻的开闭状态，为光伏产消者i在t时刻的空调负荷以外的负荷，为光伏产消者i的储能电池在t时刻的动作功率，为光伏产消者i在t时刻的光伏发电量预测值。


6.根据权利要求1所述的光伏产消者优化决策方法，其特征在于，所述权重函数为ω(P)＝exp(-(-lnP)c)；
其中，ω()为权重函数，ω(P)为光伏产消者进行决策时概率为P的权重函数，P为光伏产消者进行决策时的概率，c为表征主观和客观概率之间失真的常数。


7.根据权利要求1所述的光伏产消者优化决策方法，其特征在于，所述光伏产消者综合效益模型为
其中，为光伏产消者i在t时刻的综合效益，为光伏产消者i在t时刻获得的用电效益，p(t)为t时刻电网公布的电价，为光伏产消者i在t时刻向电网的电能需求量，A是分布式光伏发电产生单位电量时得到的补贴，为光伏产消者i在t时刻的光伏发电量预测值，ω(P)为光伏产消者进行决策时概率为P的权重函数。


8.根据权利要求2所述的光伏产消者优化决策方法，其特征在于，所述根据所述光伏产消者对电能使用的选择，基于所述光伏产消者综合效益模型和所述权重函数，建立所述光伏产消者最大效益的非合作随机博弈模型，具体包括：
根据所述空调负荷模型和所述光伏产消者综合效益模型，在满足光伏产消者的舒适度的基础上，建立空调负荷的第一阶段优化模型



...

【专利技术属性】
技术研发人员：刘念，李晨晨，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：北京;11