本發(fā)明涉及虛擬電廠資源調(diào)度,具體為一種基于用戶間多種博弈關系的虛擬電廠調(diào)度與優(yōu)化方法。
背景技術:
1、隨著微電網(wǎng)靈活經(jīng)濟運營模式的發(fā)展,虛擬電廠因其能夠有效應對大量分布式能源接入電網(wǎng)帶來的安全與可靠性挑戰(zhàn),逐漸受到廣泛關注。虛擬電廠通過整合大量分散的能源資源,參與需求響應,不僅提升了電力系統(tǒng)的供需平衡能力,還顯著減輕了能源投資的壓力。為了在復雜多變的環(huán)境中實現(xiàn)有效的響應策略,制定針對性的虛擬電廠調(diào)度策略顯得尤為重要。
2、傳統(tǒng)虛擬電廠調(diào)度中,參與用戶通常各自獨立響應,不受其他用戶的影響。然而,用戶之間的相互關系往往錯綜復雜,可能采取協(xié)商合作、非合作等多種參與方式,這些方式對響應策略有著重要影響。充分考慮用戶之間的博弈關系及其影響,能夠大幅提升響應評估的準確性,從而增強虛擬電廠需求響應的有效性。
技術實現(xiàn)思路
1、解決的技術問題:
2、針對現(xiàn)有技術的不足,本發(fā)明提供了一種基于用戶間多種博弈關系的虛擬電廠調(diào)度與優(yōu)化方法,具備優(yōu)化整體調(diào)度效果,實現(xiàn)更高效的虛擬電廠響應能力,通過用戶特性分析、博弈建模和優(yōu)化求解,實現(xiàn)了對虛擬電廠響應策略的創(chuàng)新優(yōu)化等優(yōu)點,解決了上述技術的問題。
3、技術方案:
4、為實現(xiàn)上述目的,本發(fā)明提供如下技術方案:一種基于用戶間多種博弈關系的虛擬電廠調(diào)度與優(yōu)化方法,包括以下步驟:
5、步驟一、用戶特性分析及相似性刻畫:特征包括數(shù)值型特征和類別型特征,數(shù)值型特征為:歸一化處理歷史負荷數(shù)據(jù)和地理位置信息,提取需求時段的負荷數(shù)據(jù)、變異系數(shù)和平均負荷,類別型特征為:行業(yè)屬性、歷史有效響應情況和企業(yè)規(guī)模,將所有特征拼接成一個綜合特征向量;
6、所述行業(yè)屬性為獨熱編碼;
7、所述歷史有效響應情況為計算有效響應概率分布;
8、所述企業(yè)規(guī)模為標簽編碼,分為大、中、小三類;
9、步驟二、用戶相似性計算:使用kl散度計算用戶間有效響應概率分布的差異,使用歐氏距離計算其他特征的差異,結合kl散度和歐氏距離,得到用戶間的綜合相似度;
10、步驟三、用戶間博弈模型:根據(jù)用戶間的相似度,計算用戶合作的概率,當合作概率高于特定數(shù)值時,用戶合作;否則,用戶獨立參與;
11、步驟四、響應收益期望模型:計算獨立用戶參與需求響應的收益;合作用戶對則引入合作修正因子,考慮用戶合作時的額外收益,計算合作用戶對的總期望響應容量和收益;
12、步驟五、優(yōu)化目標與約束:目標位最大化虛擬電廠的總期望收益,約束條件為需求總容量約束:所有用戶的響應容量總和等于總需求響應量;非負約束:用戶的響應容量非負;
13、步驟六、模型求解與優(yōu)化:使用cplex優(yōu)化求解器,找到最優(yōu)的容量分配策略,提升虛擬電廠的需求響應有效性和收益水平。
14、優(yōu)選的,所述步驟一中特征提取,對于數(shù)值型特征,含歷史負荷數(shù)據(jù)及地理位置信息,首先對數(shù)據(jù)進行歸一化處理,地理位置信息以歸一化后的數(shù)據(jù)作為特征loi,lai,分別是用戶i的經(jīng)度與緯度,對于歷史負荷,提取對應需求時段[t1,t2]的負荷數(shù)據(jù),根據(jù)需求日期,過濾得到相似日對應需求時段的負荷數(shù)據(jù)序列,相似日以同一星期日期為標準,計算各時段的變異系數(shù),平均負荷,分別記為vai,pai;
15、對于類別型特征行業(yè)屬性,進行獨熱編碼處理,設n個用戶中總共有m各行業(yè)類型,用戶i的行業(yè)特征為m緯向量zi=[0,…,0,1i,0,…,0],其中1i=1,表示第i個元素為1。
16、優(yōu)選的,所述步驟一中對于類別型特征歷史有效響應情況,計算有效響應概率分布,記用戶有效響應比例為隨機變量xi,基于用戶歷史申報容量與有效響應容量,按以下方式計算有效響應比例:
17、申報容量ai大于有效響應容量bi,
18、申報容量ai小于等于有效響應容量bi,有效響應概率為ci=1;
19、將區(qū)間[0,1]劃分成l個區(qū)間基于用戶i歷史響應情況數(shù)據(jù),統(tǒng)計每次響應在各區(qū)間的有效響應次數(shù),在l較大時每個區(qū)間內(nèi)視為一個常量是合理的,即在區(qū)間隨機恒變量等于這個區(qū)間ci有效響應概率的平均值,設各區(qū)間有效響應次數(shù)為ni,k,k=0,…,l-1,表示用戶i在區(qū)間k的次數(shù),記總次數(shù)為
20、基于經(jīng)驗分布計算用戶i的有效響應分布pri為:
21、
22、對于企業(yè)規(guī)模,依規(guī)模大小分成大中小三個類別規(guī)模,然后利用標簽編碼對規(guī)模進行數(shù)值化,用戶i的規(guī)模特征為3維向量si=[0,…,0,1i,0,…,0],其中1i=1,表示第i個元素為1。
23、優(yōu)選的,所述步驟一中數(shù)值型特征,含歷史負荷數(shù)據(jù)及地理位置信息,首先對數(shù)據(jù)進行歸一化處理,地理位置信息以歸一化后的數(shù)據(jù)記作為特征loi,lai,分別是用戶i的經(jīng)度與緯度,對于歷史負荷,提取對應需求時段[t1,t2]的負荷數(shù)據(jù),根據(jù)需求日期,過濾得到相似日對應需求時段的負荷數(shù)據(jù)序列,相似日以同一星期日期為標準,計算各時段的變異系數(shù),平均負荷,分別記為vai,pai;
24、所述步驟一中類別型特征行業(yè)屬性,進行獨熱編碼處理,設n各用戶中總共有m各行業(yè)類型,用戶i的行業(yè)特征為m緯向量zi=[0,…,0,1i,0,…,0],其中1i=1,表示第i個元素為1。
25、優(yōu)選的,所述用戶相似性刻畫計算為:對于有效響應概率函數(shù),計算各用戶之間的kl散度,通過散度量化用戶參與響應的有效性的差異指標,對于用戶i與用戶j,散度計算為:
26、
27、對于其他特征,通過上面已經(jīng)轉化到數(shù)值型特征后,融合成一個多維特征向量,記為[loi,lai,vai,pai,si,zi].利用歐式舉例就算用戶間的差異,對于用戶i與用戶j,記作ri,j;
28、計算總體相似性,klmax=maxi,jkli,j,rmax=maxi,jri,j,用戶i與用戶j相似度通過下式計算
29、優(yōu)選的,所述步驟三中用戶間博弈模型構建為:
30、首先基于相似度建立合作概率映射,對于用戶i與用戶j之間的相似度si,j,映射為合作概率pi,j,構造映射函數(shù)如下
31、
32、其中γ為平滑參數(shù),θ為合作相似度閾值,當pi,j高于特定數(shù)值時用戶間合作,低于閾值時用戶獨立參與,為簡化模型,每個用戶只與合作概率最高的用戶進行合作。
33、優(yōu)選的,響應收益期望模型構建為:
34、在聚合商不考慮合作之前用戶i與用戶j的有效響應分布分別為pri與prj,給用戶下發(fā)調(diào)度指標qi與qj后,聚合商基于分布pri與prj對各用戶期望有效響應進行評估,總有效響應容量評估量為qipri+qjprj,聚合商考慮存在合作的兩個用戶,有更好的響應保證,需用新的策略對用戶i與用戶j的期望有效響應容量進行評估,首先引入合作修正因子ρi,j,用于量化合作對兩個用戶有效響應的增強效果,通過基于用戶間的相似性與合作緊密度來刻畫,具體為:
35、ρi,j=∈pi,j(1-exp(-β(qi+qj)))
36、其中∈,β調(diào)整系數(shù),反映合作對響應的增強程度。qi+qj是用戶間的響應水平,響應水平越高,修正因子響應的就較大,表示合作對容量響應作用越大?;谛拚蜃樱瑢捎脩羝谕憫萘窟M行修正如下(qipri+qjprj)(ρi,j+1),得到合作用戶對集合c與獨立響應用戶集合s。
37、優(yōu)選的,所述步驟四中總的預期收益計算表達式如下
38、合作用戶對集合c:
39、∑(i,j)∈c(qipri+qjprj)(ρi,j+1)p;
40、獨立響應用戶集合s:
41、∑k∈sqkprkp。
42、優(yōu)選的,所述總的預期收益計算模型進行構建與分析后得到調(diào)度目標函數(shù)如下
43、maxh(q1,…,qn)=∑(i,j)∈c(qipri+qjprj)(ρi,j+1)p+∑k∈sqkprkp。
44、優(yōu)選的,約束條件為:
45、需求總容量約束:q1+…+qn=q;
46、非負約束:qi≥0,i=1,…,n。
47、與現(xiàn)有技術相比,本發(fā)明提供了一種基于用戶間多種博弈關系的虛擬電廠調(diào)度與優(yōu)化方法,具備以下有益效果:
48、1、本發(fā)明通過引入用戶間博弈的合作映射函數(shù),構建了基于相似度的合作概率映射函數(shù),通過平滑參數(shù)和合作相似度閾值設定,能較好地判斷用戶之間的合作關系,選擇每個用戶僅與合作概率最高的用戶進行合作,簡化了博弈模型的構建,降低了計算復雜度,同時有效體現(xiàn)用戶合作在實際響應中的增益效果,引入合作修正因子量化了合作對用戶響應的增強效果。通過相似性與響應水平的結合,修正因子動態(tài)調(diào)整用戶合作的響應能力,使得模型能夠反映真實合作情況下的增益作用,增強了評估的現(xiàn)實性和準確性,構建了包含合作和獨立用戶的收益期望模型,通過對修正后的期望響應容量進行計算,合理評估合作帶來的收益增益,總收益的計算不僅考慮了用戶的個體響應能力,還包含了合作增強的收益,使得收益評估更加全面和立體,達到了優(yōu)化整體調(diào)度效果,實現(xiàn)更高效的虛擬電廠響應能力的有益效果。
49、2、本發(fā)明通過對用戶特性進行深度挖掘和融合,如地理位置信息、歷史負荷數(shù)據(jù)、行業(yè)屬性、歷史有效響應情況、企業(yè)規(guī)模等,構建了一個多維綜合特征向量,結合kl散度與歐式距離等方法精細刻畫用戶相似性,有助于更好地評估用戶間的潛在合作關系,達到了通過用戶特性分析、博弈建模和優(yōu)化求解,實現(xiàn)了對虛擬電廠響應策略的創(chuàng)新優(yōu)化的有益效果。