一种计及需求侧竞价的发电机组竞价方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种计及需求侧竞价的发电机组竞价方法，步骤包括：分别输入发电侧发电机组和需求侧用户的申报电价和申报电量；基于所述申报电价和申报电量建立计及需求侧竞价的博弈模型；以各发电机组的决策变量组合成均衡点，并设置决策变量初值后运行所述博弈模型以进行博弈计算；在所述博弈计算过程中，即将进行下一轮计算时，各发电机组根据本轮的计算结果，利用策略优化算法进行独立优化决策；根据利用策略优化算法计算所得的最优策略，更新所述均衡点的最优值；若各发电机组在相邻两次得到的最优策略相同，则输出竞价结果；否则，继续进行下一轮的博弈计算。本发明专利技术提供了一种计及需求侧竞价的发电机组竞价方法、装置及存储介质，能够为发电机组参与计及需求侧竞价的现货市场提供竞争对手的信息以及需求侧信息。

【技术实现步骤摘要】
一种计及需求侧竞价的发电机组竞价方法、装置及存储介质
本专利技术涉及电力系统
，尤其是涉及一种计及需求侧竞价的发电机组竞价方法、装置及存储介质。
技术介绍
在发电侧单边竞价的现货市场模式下，面对诸多不确定因素和不公开信息，发电机组根据负荷预测、输电约束、历史数据等信息，采用博弈的手段或其它方法确定自身的竞价策略。这种竞价策略很可能出现发电机组利用其市场力操控市场价格而牟取高额利润的情况。因此，随着我国电力现货市场改革进程的推进，计及需求侧竞价的现货市场模式终将推行。现有的发电机组竞价模型主要关注发电商如何在发电侧单边竞价的市场模式下寻找自身的纳什均衡解。但在实际中，发电商不仅要了解竞争对手的信息，还要具备对于需求侧信息的认知能力。由于现有技术对信息处理能力有限，没有考虑在计及需求侧竞价的现货市场模式下如何制定自己的竞价策略，因此需要新的技术方案为发电机组参与计及需求侧竞价的现货市场提供技术手段。
技术实现思路
针对上述技术问题，本专利技术提供了一种计及需求侧竞价的发电机组竞价方法、装置及存储介质，通过提高对机组自身的成本、其他竞争对手的投标策略、用户负荷需求和网络约束等信息的处理能力，为发电机组参与计及需求侧竞价的现货市场提供技术手段。所述技术方案如下：第一方面，本专利技术实施例提供了一种计及需求侧竞价的发电机组竞价方法，步骤包括：分别输入发电侧发电机组和需求侧用户的申报电价和申报电量；基于所述申报电价和申报电量建立计及需求侧竞价的博弈模型；以各发电机组的决策变量组合成均衡点，并设置决策变量初值后运行所述博弈模型以进行博弈计算；在所述博弈计算过程中，即将进行下一轮计算时，各发电机组根据本轮的计算结果，利用策略优化算法进行独立优化决策；根据利用策略优化算法计算所得的最优策略，更新所述均衡点的最优值；若各发电机组在相邻两次得到的最优策略相同，则输出竞价结果；否则，继续进行下一轮的博弈计算。在本专利技术第一方面的第一种可能的实现方式中，所述利用策略优化算法进行独立优化决策，具体为：以发电机组的策略变量作为各粒子的位置变量，并进行种群初始化；以机组的收益值为各粒子的适应度，通过对比各粒子的适应度选择粒子群算法或混沌萤火虫算法，更新各粒子的位置变量；若所述策略变量达到最佳值或者更新次数达到最大值，则停止更新，输出优化结果。在本专利技术第一方面的第二种可能的实现方式中，以机组的收益值为各粒子的适应度，通过对比各粒子的适应度选择粒子群算法或混沌萤火虫算法，更新各粒子的位置变量，具体如下：在每一次迭代更新时，将各粒子的适应度和前两次迭代更新的全局最优解的适应度进行比较，若前两次迭代的全局最优解的适应度更大，则采用混沌萤火虫算法进行更新；若前两次迭代的全局最优解的适应度更小，则采用粒子群算法进行更新。在本专利技术第一方面的第三种可能的实现方式中，若选择粒子群算法更新各粒子的位置变量，则，粒子群中各粒子的速度位置更新如下：其中，分别为迭代iter和iter+1次时粒子l的速度；分别为迭代iter和iter+1次时粒子l的位置；c1、c2为学习因子；r1、r2均为[0,1]之间的随机量；分别为迭代iter次时粒子l个体和全局最优值。在本专利技术第一方面的第四种可能的实现方式中，若选择混沌萤火虫算法更新各粒子的位置变量，则，粒子群中各粒子的速度位置更新如下：其中，分别为迭代iter和iter+1次时粒子l的位置；为粒子l的混沌序列函数；ε为设定好的控制混沌行为系数；α为常数，一般为0至1内的随机数；e为由均匀分布得到的随机数向量；β为吸引系数；giter-2为iter-2次的全局最优解的适应度。在本专利技术第一方面的第五种可能的实现方式中，所述利用策略优化算法进行独立优化决策，还包括：对各粒子的位置变量进行校正；若越下限，则令越上限，则令其中，表示迭代更新iter+1次粒子l的位置；表示预设下限值，表示预设上限值。在本专利技术第一方面的第六种可能的实现方式中，所述分别输入发电侧发电机组和需求侧用户的申报电价和申报电量，之前的步骤还包括：生成发电机组的竞价函数：λis＝ki(2aiqis+bi)(4)其中，λis为机组i的各段报价价格，qi为机组i的中标电量，qis表示已知各机组容量分段情况，bi为发电机组i的成本系数，ki则为机组i的报价策略。第二方面，本专利技术实施例提供了一种计及需求侧竞价的发电机组竞价装置，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的计及需求侧竞价的发电机组竞价方法。第三方面，本专利技术实施例提供了一种计及需求侧竞价的发电机组竞价装置，包括：输入模块，用于分别输入发电侧发电机组和需求侧用户的申报电价和申报电量；模型生成模块，用于基于所述申报电价和申报电量建立计及需求侧竞价的博弈模型；博弈计算模块，用于以各发电机组的决策变量组合成均衡点，并设置决策变量初值后运行所述博弈模型以进行博弈计算；策略优化模块，用于在所述博弈计算过程中，即将进行下一轮计算时，各发电机组根据本轮的计算结果，利用策略优化算法进行独立优化决策；信息共享模块，用于根据利用策略优化算法计算所得的最优策略，更新所述均衡点的最优值；输出模块，用于若各发电机组在相邻两次得到的最优策略相同，则输出竞价结果；否则，继续进行下一轮的博弈计算。第五方面，本专利技术实施例提供了一种计及需求侧竞价的发电机组竞价方法的存储介质，所述计及需求侧竞价的发电机组竞价方法的存储介质用于存储一个或多个计算机程序，所述一个或多个计算机程序包括程序代码，当所述计算机程序在计算机上运行时，所述程序代码用于执行上述的计及需求侧竞价的发电机组竞价方法。相比于现有技术，本专利技术实施例具有如下有益效果：本专利技术提供一种计及需求侧竞价的发电机组竞价方法、装置及存储介质，所述计及需求侧竞价的发电机组竞价方法，根据发电侧发电机组和需求侧用户的申报电价和申报电量等用电数据，首先构建含计及需求侧竞价的非合作信息完全的发电机组竞价的博弈模型，然后利用策略优化算法求解所述博弈模型。向所述博弈模型输入所述用电数据能够反映了机组自身的成本、用户负荷需求和网络约束等信息，以及通过求解所述博弈模型，能够将竞争对手的投标策略、复杂的投标过程以博弈计算的方式处理并得出计算结果，所述计算结果能够为发电机组参与计及需求侧竞价的现货市场提供数据参考。附图说明图1是本专利技术实施例中的一种计及需求侧竞价的发电机组竞价方法的步骤流程图；图2是本专利技术实施例中的一种计及需求侧竞价的发电机组竞价方法的均衡点判断示意图；图3是本专利技术实施例中的一种计及需求侧竞价的发电机组竞价方法的发电机组报价曲线图；图4是本专利技术实施例中的一种计及需求侧竞价的发电机组竞价方法本文档来自技高网...

【技术保护点】
1.一种计及需求侧竞价的发电机组竞价方法，其特征在于，步骤包括：/n分别输入发电侧发电机组和需求侧用户的申报电价和申报电量；/n基于所述申报电价和申报电量建立计及需求侧竞价的博弈模型；/n以各发电机组的决策变量组合成均衡点，并设置决策变量初值后运行所述博弈模型以进行博弈计算；/n在所述博弈计算过程中，即将进行下一轮计算时，各发电机组根据本轮的计算结果，利用策略优化算法进行独立优化决策；/n根据利用策略优化算法计算所得的最优策略，更新所述均衡点的最优值；/n若各发电机组在相邻两次得到的最优策略相同，则输出竞价结果；否则，继续进行下一轮的博弈计算。/n

【技术特征摘要】
1.一种计及需求侧竞价的发电机组竞价方法，其特征在于，步骤包括：
分别输入发电侧发电机组和需求侧用户的申报电价和申报电量；
基于所述申报电价和申报电量建立计及需求侧竞价的博弈模型；
以各发电机组的决策变量组合成均衡点，并设置决策变量初值后运行所述博弈模型以进行博弈计算；
在所述博弈计算过程中，即将进行下一轮计算时，各发电机组根据本轮的计算结果，利用策略优化算法进行独立优化决策；
根据利用策略优化算法计算所得的最优策略，更新所述均衡点的最优值；
若各发电机组在相邻两次得到的最优策略相同，则输出竞价结果；否则，继续进行下一轮的博弈计算。


2.如权利要求1所述的计及需求侧竞价的发电机组竞价方法，其特征在于，所述利用策略优化算法进行独立优化决策，具体为：
以发电机组的策略变量作为各粒子的位置变量，并进行种群初始化；
以机组的收益值为各粒子的适应度，通过对比各粒子的适应度选择粒子群算法或混沌萤火虫算法，更新各粒子的位置变量；
若所述策略变量达到最佳值或者更新次数达到最大值，则停止更新，输出优化结果。


3.如权利要求2所述的计及需求侧竞价的发电机组竞价方法，其特征在于，以机组的收益值为各粒子的适应度，通过对比各粒子的适应度选择粒子群算法或混沌萤火虫算法，更新各粒子的位置变量，具体如下：
在每一次迭代更新时，将各粒子的适应度和前两次迭代更新的全局最优解的适应度进行比较，若前两次迭代的全局最优解的适应度更大，则采用混沌萤火虫算法进行更新；若前两次迭代的全局最优解的适应度更小，则采用粒子群算法进行更新。


4.如权利要求3所述的计及需求侧竞价的发电机组竞价方法，其特征在于，若选择粒子群算法更新各粒子的位置变量，则，粒子群中各粒子的速度位置更新如下：






其中，分别为迭代iter和iter+1次时粒子l的速度；分别为迭代iter和iter+1次时粒子l的位置；c1、c2为学习因子；r1、r2均为[0,1]之间的随机量；分别为迭代iter次时粒子l个体和全局最优值。


5.如权利要求3所述的计及需求侧竞价的发电机组竞价方法，其特征在于，若选择混沌萤火虫算法更新各粒子的位置变量，则，粒子群中各粒子的速度位置更新如下：






其中，分别为迭代iter和iter+1次时粒子l的位置；为粒...

【专利技术属性】
技术研发人员：尚楠，张翔，黄国日，辜炜德，陈政，宋艺航，
申请(专利权)人：南方电网能源发展研究院有限责任公司，
类型：发明
国别省市：广东;44