【技术实现步骤摘要】
一种考虑社会影响的社区级P2P能源交易的二部图匹配方法
[0001]本专利技术属于电力市场中的P2P交易
,具体涉及一种考虑社会影响的社区级P2P能源交易的二部图匹配方法。
技术介绍
[0002]近年来,随着分布式能源技术的发展,电力系统内的终端用户越来越活跃。很多安装了光伏电池板、电池储能系统和电动汽车的用户可以根据上网电价将多余的电力出售给系统。因此,现在普遍引入能源产消者的概念来描述这种活跃的终端用户。产消者和产消者之间的本地P2P能源交易市场是近年来在配电网和微电网领域日益重要的能源交易场景之一,但是这些产消者们往往分布于不同的社区级微电网内,每个社区也会存在功率超额和缺额,现有的P2P交易中没有考虑同处一个社区内的用户用电行为的互相影响,且社区间的交易匹配难度较高,传统的代数形式的交易匹配模型难以在多项式时间中求解出最优匹配结果。
技术实现思路
[0003]为解决上述
技术介绍
中提到的不足,本专利技术的目的在于提供一种考虑社会影响的社区级P2P能源交易的二部图匹配方法。
[0004]本专 ...
【技术保护点】
【技术特征摘要】
1.一种考虑社会影响的社区级P2P能源交易的二部图匹配方法,其特征在于,方法包括以下步骤:获取使用数据,使用数据包括用户负荷、电价、新能源出力范围、用户的发用电偏好和社区级微电网接入的配电网的网络参数数据;分析社区内部端对端交易的情况,建立社区内部交易优化模型,将获取得到的使用数据作为参数传入社区内部交易优化模型中,并分析社区内交易的社会性影响;利用多主体深度强化学习对每个社区级微电网内部的交易过程进行建模,得到每个社区级微电网内部的能源交易模型;在得到每个社区级微电网内部的能源交易模型后,社区之间进行匹配,以消纳社区内部的总能量超出或者缺额的部分,且利用二部图的形式描述能源买卖双方之间的匹配问题,以最大化匹配结果的能源卖家的收益,最小化能源买家匹配后的购电成本;将每个社区内的能源产消者进行交易后,输出每个社区的能量缺额/超出部分,从而对各个社区进行匹配,在匹配过程中使用匈牙利算法求解最佳的匹配结果的同时,最小化匹配线路的权重和,以最小化交易过程中的过网费用。2.根据权利要求1所述的一种考虑社会影响的社区级P2P能源交易的二部图匹配方法,其特征在于,所述用户负荷包括用户全年的负荷数据,所述用户负荷的数据采集间隔最小值为15分钟。3.根据权利要求1所述的一种考虑社会影响的社区级P2P能源交易的二部图匹配方法,其特征在于,所述电价包括国家统一的峰谷平三时电价,终端用户的上网电价;所述新能源出力范围包括光伏发电、风力发电可再生能源的发电上下限;所述用户的发用电偏好包括用户发电的成本函数、用电的效用函数和用户所处的社会状态;所述社区级微电网接入的配电网的网络参数包括整个配电网的线路参数、各节点电压的波动范围和配电网的网架结构。4.根据权利要求1所述的一种考虑社会影响的社区级P2P能源交易的二部图匹配方法,其特征在于,所述建立社区内部交易优化模型的过程包括以下步骤:社区内部交易优化模型建立如下:式中,为用户i在时刻t的净负荷,即表示用户i在时刻t消耗净负荷所获得的效用,为用户在社区内P2P交易市场上的购电量,为用户i在时刻t的P2P购电价格,Ξ
t
为整个社区级市场的决策变量的集合,为净负荷和用户在社区内P2P交易市场上的购电量;社区中每个能源产消者的可调度资源包括可削减负荷、可中断负荷、可转移负荷和分布式的储能,建模如下:布式的储能,建模如下:布式的储能,建模如下:
式中,表示用户i在社区n中的产消者集合,为整个市场的运行时间,为灵活性负荷资源的总量,分别为用户i在时刻t的可削减负荷、可中断负荷、可转移负荷,为可转移负荷所需求的总时段上的负荷量,为用户i在时刻t的刚性负荷,为用户i在时刻t的净负荷,为用户i在时刻t的充电功率,P
icha
为用户i的储能的额定充电功率,为用户i的储能的充电状态,为用户i在时刻t的放电功率,P
idis
为用户i的储能的额定放电功率,为用户i的储能的放电状态,为用户i在时刻t的储能电量,分别为用户i的储能的充电和放电系数,Δt为储能的充放电时间步长,为用户i的储能电量的下限和上限。5.根据权利要求4所述的一种考虑社会影响的社区级P2P能源交易的二部图匹配方法,其特征在于,除了能源产消者的分布式电源的运行约束,社区内交易还需满足如下的功率平衡约束:平衡约束:式中,为第n个社区在时刻t向上级电网的购电功率,为用户i在时刻t的光伏发电功率,为用户i在时刻t的P2P交易电能,当为正的时候表示用户i在时刻t买电,当为负的时候表示用户i在时刻t卖电。6.根据权利要求1所述的一种考虑社会影响的社区级P2P能源交易的二部图匹配方法,其特征在于,所述得到每个社区级微电网内部的能源交易模型的过程包括:将每个社区内的端对端交易过程建模为马尔可夫过程,其中马尔可夫观测集如下:将每个社区内的端对端交易过程建模为马尔可夫过程,其中马尔可夫观测集如下:
式中,为发电侧的观测集,t表示时间的索引,表示用户i在...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。