一种基于博弈论的海岛微电网能量优化调度方法及设备

1.本发明涉及微电网领域，具体涉及一种基于博弈论的海岛微电网能量优化调度方法及设备。

背景技术：

2.日益增加的环境污染压力以及再生能源发电技术的飞速，使得基于分布式可再生能源发电的微电网技术得到了越来越广泛的应用。在海岛上，面对地理环境的限制而造成的海岛用电困难问题，在海岛使用独立微电网进行自行发电的应用技术也逐渐得到重视。目前，对与微电网在海岛环境下的应用主要集中在能源和容量规划以及微电网系统运行可靠性问题上，对于如何减小发电成本、提高售电效益以及提高海岛自然资源利用率的研究较为缺乏。同时，传统的微电网能量调度只针对微电网系统整体的整体利益做全局优化，而忽视了分布式能源个体的个体利益和个体能源优化，可靠性不够。

技术实现要素：

3.本发明的目的就是为了克服上述现有技术存在的海岛环境下用电困难和分布式发电成本过高的问题而提供一种基于博弈论的海岛微电网能量优化调度方法及设备。
4.本发明的目的可以通过以下技术方案来实现：
5.一种基于博弈论的海岛微电网能量优化调度方法，用于对参与调度的微电网系统中各分布式个体的输出功率进行优化设置，包括以下步骤：
6.1)获取各分布式个体的初始数据，构建各分布式个体的博弈论两要素映射数学模型；
7.2)基于各所述分布式个体的博弈论两要素映射数学模型，构建微电网系统的博弈论三要素映射数学模型，该博弈论三要素映射数学模型具有可调节的收益函数系数；
8.3)采用基于含约束的骨干粒子优化算法对所述博弈论三要素映射数学模型进行求解，获得各分布式个体的当前最优输出功率；
9.4)判断所述当前最优输出功率是否满足微电网系统功率平衡要求，若是，则以当前最优输出功率作为调度结果，若否，则调节所述收益函数系数，获得更新的博弈论三要素映射数学模型，返回步骤3)。
10.进一步地，所述分布式个体包括风力发电机组、光伏板发电机组、潮汐能发电机组、蓄电池机组中的一个或多个。
11.进一步地，所述初始数据包括海岛上的风速、光照强度和潮汐流速在典型日24小时内的变化数据，风力发电机组、光伏板发电机组、潮汐能发电机组的额定功率数据，蓄电池机组的容量以及总用电负荷在典型日24小时内的变化数据。
12.进一步地，所述博弈论两要素映射数学模型包括决策空间和收益函数，所述决策空间对应各分布式个体的可输出功率范围构成。
13.进一步地，所述博弈论三要素映射数学模型包括博弈参与者、决策空间和收益函
数，所述博弈参与者为各分布式个体的集合，所述决策空间为各分布式个体的可输出功率范围的集合，所述收益函数基于各分布式个体的收益函数建立，并具有所述可调节的收益函数系数。
14.进一步地，所述基于含约束的骨干粒子优化算法中，更新全局最优解时，选取骨干粒子作为全局最优解的最新值。
15.进一步地，所述骨干粒子的确定具体为：
16.根据第m次的迭代结果，以各粒子与其周围其他粒子之间的欧氏距离之和作为概率的参照，依照此概率随机地选取其中一个粒子作为骨干粒子。
17.进一步地，所述基于含约束的骨干粒子优化算法中，更新单体最优解时
18.将第m次迭代所得个体最优解的值与第m+1次迭代所得值比较后求得最新的个体最优解的值：若两者皆满足全局约束且前者相对于参考解而支配后者，则前者作为最新的个体最优解的值；若两者皆满足全局约束且后者相对于参考解而支配前者，则后者作为最新的个体最优解的值；若两者只有一者满足全局约束，则选择满足全局约束者作为最新的个体最优解的值；若两者皆不满足全局约束，则两者完全随机选择其中一者作为最新的个体最优解的值。
19.进一步地，步骤4)中，调节所述收益函数系数具体为：增大所述收益函数系数的值。
20.本发明还提供一种电子设备，包括一个或多个处理器、存储器和被存储在存储器中的一个或多个程序，所述一个或多个程序包括用于执行如权利要求1-9任一所述基于博弈论的海岛微电网能量优化调度方法的指令
21.与现有技术相比，本发明具有以下有益效果：
22.1、本发明采用基于博弈论的海岛微电网能量优化调度方法，提高海岛微电网的可再生能源利用率，并在提高微电网系统整体经济效益的同时，兼顾提高各分布式发电电源的个体经济效益。
23.2、本发明采用基于含约束的骨干粒子优化算法进行求解，提高了模型求解速度。
附图说明
24.图1为本发明的流程示意图；
25.图2为本发明基于含约束的骨干粒子优化算法的流程示意图。
具体实施方式
26.下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
27.实施例1
28.本实施例提供一种基于博弈论的海岛微电网能量优化调度方法，用于对参与调度的微电网系统中各分布式个体的输出功率进行优化设置，参照图1所示，该方法包括以下步骤：
29.步骤s1：确定参与微电网调度中博弈过程的分布式个体，并处理分布式个体的初始数据；
30.步骤s2：构建各个参与博弈过程的分布式个体的博弈论两要素映射数学模型；
31.步骤s3：构建微电网系统整体的博弈论三要素映射数学模型；
32.步骤s4：基于含约束的骨干粒子优化算法(c-bbpso算法)，求解最优pareto解集；
33.步骤s5：判断微电网系统的功率平衡，得到纳什均衡解，确定优化调度的结果。
34.本实施例中，所述参与博弈过程的分布式个体，即分布式电源，具体为：风力发电机组、光伏板发电机组、潮汐能发电机组、蓄电池机组，则对应的分布式个体的初始数据包括海岛上的风速、光照强度和潮汐流速在典型日24小时内的变化数据，风力发电机组、光伏板发电机组、潮汐能发电机组的额定功率数据，蓄电池机组的容量，以及总用电负荷在典型日24小时内的变化数据。
35.基于上述初始数据可计算风力发电机组、光伏板发电机组和潮汐能发电机组在典型日24小时内的最大输出功率变化，具体地：
36.风力发电机组输出功率
[0037][0038]
光伏板发电机组输出功率
[0039][0040]
潮汐能发电机组输出功率
[0041][0042]
其中，v
wind
(t)为t时刻风速大小，v
wind-i
、v
wind-o
和v
wind-n
分别为风力发电机组的切入风速、切出风速和额定风速，η
wt
为风力发电机效率，p
wt-n
为风力发电机组的额定输出功率；η
pvc
为光伏电池板的功率下降系数，e
sc
为标准工况下的光照强度，e
ac
(t)为温度t下的光照强度，b
t
为温度偏差系数，t
sc
为标准工况下的温度，t
ac
(t)为实际工况下t时刻的温度，p
pvc-n
为光伏板发电机组的额定输出功率；η
tide
为潮汐发电机的潮汐捕获装置捕获潮汐能的效率，η
tg
潮汐发电机的效率，ρ
sea
为海水密度，s
tide
潮汐捕获装置的进水口的截面积，为潮汐流经潮汐捕获装置进水口的平均速度。
[0043]
本实施例，各分布式个体的所述博弈论两要素映射数学模型包括决策空间和收益函数，所述决策空间对应各分布式个体的可输出功率范围构成，具体地：
[0044]
所述风力发电机组的博弈论两要素映射数学模型，具体为：
[0045]
风力发电机组决策空间
[0046]
[0047]
风力发电机组收益函数
[0048][0049]
其中，为根据风速数据所预测的风力发电机组在t时刻的最大可输出功率，μ为单位售电电价，ζ
wt
为风力发电机组的单位维护成本，ts为将一天时间分成t1至t
max
时段后的第s各时段，为风力发电机组在ts时段的输出功率，δts为ts时段的持续时间。
[0050]
所述光伏板发电机组的博弈论两要素映射数学模型，具体为：
[0051]
光伏板发电机组决策空间
[0052][0053]
光伏板发电机组收益函数
[0054][0055]
其中，为根据光照强度数据所预测的风力发电机组在t时刻的最大可输出功率，ζ
pvc
为光伏板发电机组的单位维护成本，为光伏板发电机组在ts时段的输出功率。
[0056]
所述潮汐能发电机组的博弈论两要素映射数学模型，具体为：
[0057]
潮汐能发电机组决策空间
[0058][0059]
潮汐能发电机组收益函数
[0060][0061]
其中，为根据潮汐流速数据所预测的风力发电机组在t时刻的最大可输出功率，ζ
tg
为潮汐能发电机组的单位维护成本，为潮汐能发电机组在ts时段的输出功率。
[0062]
所述蓄电池机组的博弈论两要素映射数学模型，具体为：
[0063]
蓄电池机组决策空间
[0064][0065]
蓄电池收益函数
[0066]
[0067]
其中，p
ba
(t)为t时刻的蓄电池充放电功率，p
ba-dmax
为蓄电池最大放电功率，p
ba-cmax
为蓄电池最大充电功率，soc(t
s-1
)为蓄电池在t
s-1
时段的时段末尾时刻荷电状态，τ
ba
为蓄电池的自放电率，soc
max
为允许的蓄电池最大荷电状态，soc
min
为允许的蓄电池最小荷电状态，c
ba-n
为蓄电池的额定容量，η
ba-d
为蓄电池的放电效率，η
ba-c
为蓄电池的充电效率，δts为第s个时段的持续时间。为为蓄电池在ts时段的充放电功率，ζ
ba
为蓄电池的单位维护成本。
[0068]
本实施例中，微电网系统整体的所述博弈论三要素映射数学模型包括博弈参与者、决策空间和收益函数，所述博弈参与者为各分布式个体的集合，所述决策空间为各分布式个体的可输出功率范围的集合，所述收益函数基于各分布式个体的收益函数建立，并具有所述可调节的收益函数系数，具体为：
[0069]
博弈参与者
[0070]
ψ＝{wt，pvc，tg，ba}
[0071]
决策空间
[0072]
{rk}
k∈ψ
＝{r
wt
，r
pvc
，r
tg
，r
ba
}
[0073]
收益函数
[0074][0075]
其中，rk为策略空间rk的取值，为rk的补集的取值的集合，所述补集表示除了第k个电源外，其余电源的决策空间的集合，ξ0为极小常数，n为收益函数系数，在具体实施方式中，可用迭代次数代替，k表示电源的总个数，k＝1时代指wt，k＝2时代指pvc，以此类推，为在ts时段内的总负荷功率，为在ts时段内的总输出功率。
[0076]
上述收益函数中，由于功率平衡的原因，各电源的功率取值之间是会互相影响的，因此计算收益函数时要考虑补集的取值，以提高计算可靠性。
[0077]
其次，本实施例中，参照图2所示，所述步骤s4的具体过程包括：
[0078]
步骤s41：初始化参数，设置种数、种大小、参考解、粒子位置、解集边界的初始值，设置单体最优解的初始值全局最优解的初始值
[0079]
步骤s42：更新所有粒子的位置，第i个粒子在第m+1次迭代中的位置为
[0080][0081]
其中，为第i个粒子在第m次迭代后的位置，为第m次迭代后的全局最优解的值，为第i个粒子在第m次迭代后的单体最优解。
[0082]
步骤s43：更新全局最优解，选取骨干粒子作为全局最优解的最新值根据第m次迭代的结果，以各粒子与其周围其他粒子之间的欧氏距离之和作为概率的参照，依照此概率随机地选取其中一个粒子作为骨干粒子，并将其单体最优解作为全局最优解的最新值。
[0083]
步骤s44：更新单体最优解，将第m次迭代所得个体最优解的值与第m+1次迭代所得值相作比较后求得最新的个体最优解的值：若两者皆满足全局约束且前者相对于参考解而
支配后者，则前者作为最新的个体最优解的值；若两者皆满足全局约束且后者相对于参考解而支配前者，则后者作为最新的个体最优解的值；若两者只有一者满足全局约束，则选择满足全局约束者作为最新的个体最优解的值；若两者皆不满足全局约束，则两者完全随机选择其中一者作为最新的个体最优解的值。
[0084]
步骤s45：重复步骤s42～步骤s44，直至迭代收敛，则所得所有单体最优解的集合为最优pareto解集，为各分布式个体的当前最优输出功率。
[0085]
本实施例中，所述步骤s5，具体为：
[0086]
对于所求得的最优pareto解集，判断其是否满足微电网系统整体的全局功率平衡约束，若不满足，则加大微电网系统整体基于博弈论三要素映射的数学模型中收益函数的n值，然后返回步骤s4再次求取最优pareto解集，直至满足微电网系统整体的全局功率平衡约束，所得结果即为优化调度结果。
[0087]
上述方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0088]
实施例2
[0089]
本实施例提供一种电子设备，包括一个或多个处理器、存储器和被存储在存储器中的一个或多个程序，所述一个或多个程序包括用于执行如实施例1所述基于博弈论的海岛微电网能量优化调度方法的指令。
[0090]
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

技术特征：

1.一种基于博弈论的海岛微电网能量优化调度方法，其特征在于，用于对参与调度的微电网系统中各分布式个体的输出功率进行优化设置，包括以下步骤：1)获取各分布式个体的初始数据，构建各分布式个体的博弈论两要素映射数学模型；2)基于各所述分布式个体的博弈论两要素映射数学模型，构建微电网系统的博弈论三要素映射数学模型，该博弈论三要素映射数学模型具有可调节的收益函数系数；3)采用基于含约束的骨干粒子优化算法对所述博弈论三要素映射数学模型进行求解，获得各分布式个体的当前最优输出功率；4)判断所述当前最优输出功率是否满足微电网系统功率平衡要求，若是，则以当前最优输出功率作为调度结果，若否，则调节所述收益函数系数，获得更新的博弈论三要素映射数学模型，返回步骤3)。2.根据权利要求1所述的基于博弈论的海岛微电网能量优化调度方法，其特征在于，所述分布式个体包括风力发电机组、光伏板发电机组、潮汐能发电机组、蓄电池机组中的一个或多个。3.根据权利要求2所述的基于博弈论的海岛微电网能量优化调度方法，其特征在于，所述初始数据包括海岛上的风速、光照强度和潮汐流速在典型日24小时内的变化数据，风力发电机组、光伏板发电机组、潮汐能发电机组的额定功率数据，蓄电池机组的容量以及总用电负荷在典型日24小时内的变化数据。4.根据权利要求1所述的基于博弈论的海岛微电网能量优化调度方法，其特征在于，所述博弈论两要素映射数学模型包括决策空间和收益函数，所述决策空间对应各分布式个体的可输出功率范围构成。5.根据权利要求4所述的基于博弈论的海岛微电网能量优化调度方法，其特征在于，所述博弈论三要素映射数学模型包括博弈参与者、决策空间和收益函数，所述博弈参与者为各分布式个体的集合，所述决策空间为各分布式个体的可输出功率范围的集合，所述收益函数基于各分布式个体的收益函数建立，并具有所述可调节的收益函数系数。6.根据权利要求1所述的基于博弈论的海岛微电网能量优化调度方法，其特征在于，所述基于含约束的骨干粒子优化算法中，更新全局最优解时，选取骨干粒子作为全局最优解的最新值。7.根据权利要求6所述的基于博弈论的海岛微电网能量优化调度方法，其特征在于，所述骨干粒子的确定具体为：根据第m次的迭代结果，以各粒子与其周围其他粒子之间的欧氏距离之和作为概率的参照，依照此概率随机地选取其中一个粒子作为骨干粒子。8.根据权利要求1所述的基于博弈论的海岛微电网能量优化调度方法，其特征在于，所述基于含约束的骨干粒子优化算法中，更新单体最优解时将第m次迭代所得个体最优解的值与第m+1次迭代所得值比较后求得最新的个体最优解的值：若两者皆满足全局约束且前者相对于参考解而支配后者，则前者作为最新的个体最优解的值；若两者皆满足全局约束且后者相对于参考解而支配前者，则后者作为最新的个体最优解的值；若两者只有一者满足全局约束，则选择满足全局约束者作为最新的个体最优解的值；若两者皆不满足全局约束，则两者完全随机选择其中一者作为最新的个体最优解的值。
9.根据权利要求1所述的基于博弈论的海岛微电网能量优化调度方法，其特征在于，步骤4)中，调节所述收益函数系数具体为：增大所述收益函数系数的值。10.一种电子设备，其特征在于，包括一个或多个处理器、存储器和被存储在存储器中的一个或多个程序，所述一个或多个程序包括用于执行如权利要求1-9任一所述基于博弈论的海岛微电网能量优化调度方法的指令。

技术总结

本发明涉及一种基于博弈论的海岛微电网能量优化调度方法及设备，用于对参与调度的微电网系统中各分布式个体的输出功率进行优化设置，所述方法包括：构建各分布式个体的博弈论两要素映射数学模型；构建微电网系统的博弈论三要素映射数学模型；采用基于含约束的骨干粒子优化算法对所述博弈论三要素映射数学模型进行求解；判断当前最优输出功率是否满足微电网系统功率平衡要求，若是，则以当前最优输出功率作为调度结果，若否，则调节所述收益函数系数，重新求解。与现有技术相比，本发明能够提高海岛微电网的可再生能源利用率，并在提高微电网系统整体经济效益的同时，兼顾提高各分布式发电电源的个体经济效益。分布式发电电源的个体经济效益。分布式发电电源的个体经济效益。