基于主从博弈的社区综合能源系统分布式协同优化运行策略matlab/cplex程序
随着能源市场由传统的垂直一体式结构向交互竞争型 结构转变，社区综合能源系统的分布式特征愈发明显，传统 的集中优化方法难以揭示多主体间的交互行为。该文提出一 种基于主从博弈的社区综合能源系统分布式协同优化运行 策略，将综合能源销售商作为领导者，新能源冷热电联供运营商和负荷聚合商作为跟随者，求解各方在追求目标最优时的交互策略。首先，介绍社区综合能源系统的交易模式及数学模型，并将其嵌入到主从博弈框架下，建立一主多从的分布式协同优化模型。其次，证明 Stackelberg 均衡的唯一性， 并通过遗传算法和二次规划相结合的算法求解。最后，通过算例验证所提方法的有效性，供能侧的收益和用能侧的消费者剩余同时得到提升。
关键词：综合能源系统；优化运行；需求响应；主从博弈；定价策略
参考文献：基于主从博弈的社区综合能源系统分布式协同优化运行策略
1 主从博弈
高效、清洁、低碳是当今世界能源发展的主流方向。发展实现能源与信息等领域新技术深度融合，适应分布式能源发展、多元化(冷、热、电、气等)用能需求等新业态的综合能源系统已成为能源革命的客观要求与必然选择。其中，以冷热电联供(combined cooling heating and power，CCHP)系统为核心，以“源–网–荷”各环节协同为主要特征的社区综合能源系统(community integrated energy system，CIES)，有助于促进新能源规模化开发，实现不同能源的优势互补，保障社区内部经济高效用能，日益成为研究热点。
CIES 对各种能源的产生、传输、转换、消费、交易等环节实施有机协调与优化，具有多能流耦合、多时间尺度、多运行工况等诸多全新特性，使得其优化运行极具挑战 。目前国内外的研究主要聚焦在该类系统的集中式优化运行策略。
随着 CIES 的发展和电力市场的改革，源荷之间的耦合交互愈加明显，正由传统的垂直一体式结构(自上而下)向交互竞争型结构(互相作用)转变。电价不仅会影响负荷需求，负荷也会反作用于电价，传统集中优化方法难以描述两者之间的交互行为。此外，CIES 优化属于一类大规模复杂系统的优化问题，参数、变量繁多，集中优化对数据的传输、通信和处理能力要求较高，且不能保护各主体的信息隐私安全。因此，研究 CIES 分布式优化是更合适的选择，例如博弈论、一致性理论、交替方向乘子法、分布式凸交计算等。其中，博弈论是研究当多个决策主体之间存在利益关联或冲突时，各主体如何根据自身能力及所掌握信息，做出合理决策的理论。非合作博弈、讨价还价博弈、演化博弈、主从博弈等博弈模型，逐渐应用于能源系统的优化运行和能量管理等领域。
基于上述背景，本文针对一类 CIES，在主从博弈框架下研究分布式协同优化运行策略。将综合能源销售商(integrated energy retailer，IER)作为领导者，新能源CCHP运营商和负荷聚合商作为跟随者， 同时优化 IER 的定价策略、新能源 CCHP 的出力计划和用户需求。介绍 CIES 能源交易过程和数学模型，并证明所提博弈模型存在唯一的 Stackelberg 均衡，进而采用遗传算法和二次规划相结合的算法求解。最后通过算例验证所提的运行策略在供能侧和用能侧性能提升等方面的优势。
2 模型
CIES 集成 IER、新能源 CCHP 系统以及可调节负荷于一体，以 IER 为纽带，新能源
CCHP 系统为基础，协同互联电力网络，实现经济、高效供能，科学、合理用能，具体架构如图 1 所示。
新能源CCHP系统将新能源发电与传统燃料发电优势互补，基于能量梯级利用的原则，同时满足用户电、热、冷不同的能量需求，其结构示意图如图 2 所示。
2.1 IER 模型
上层 IER 根据供需关系和市场信息制定购、售电价、热价，以最大化自身收益。IER 在考虑供能侧出力计划和用能侧负荷需求的基础上制定价格策略，优化目标是收益最大，可以表示为
为了防止问题退化，避免供能侧、用能侧直接 与电网交易，应保证 IER 的买入(卖出)价格略高(低) 于市场价格，需要满足如下约束：
2.2 新能源 CCHP 系统模型
下层供能侧、用能侧分别根据IER 的价格信号确定最优出力和负荷需求，因此下层的最优决策可以看作是上层决策变量的函数。供能侧在 IER 给定购买电价、热价的基础上，优化新能源CCHP系统中主动设备内燃发电机和燃气锅炉的出力，优化目标为最大化收益，表示为：
新能源 CCHP 系统 t 时刻输出电功率和热(冷)功率分别为：
3 算例
本文以某冷热电联供型RIES为研究对象，该园区考虑新能源和可再生能源等多种能源形式，达到系统自产自足的循环利用。算例分析中用户的电、热需求负荷如图1所示，光伏和风机预测出力计划如图2所示。
设用户可转移电负荷占需求电负荷总量的20%，由于用户对热能的不舒适度敏感性较高，调节难度较大，故可调节热负荷占需求热负荷的10%。用户对电、热/冷能的偏好常系数ve、ue、vh/c、uh/c分别为1.8，0.0012，1.4，0.001。综合能源运营商的燃料成本系数ae,be,ce(ah/c,bh/c,ch/c)分别为0.0015，0.16，0(0.0008，0.13，0)，其他设备参数如表1所示。储能设备参数如表2所示。
图1 典型日用户的负荷预测曲线
图2 风电、光伏预测曲线
4 程序运行结果
1）上层目标曲线
2）下层目标曲线
3）风光出力
4）电负荷优化
5）电平衡
6）热负荷优化
7）热平衡
5 matlab程序
lc,
clear;
tic
t0 = cputime;
% 未知数个数
dim =96;
% 种群数量
SwarmNums =10;
%最大迭代次数
Itermax =130;
% 初始化群体
Solution = Initial1(dim,SwarmNums);
% 偏差放大系数
F = 0.5;
% 交叉因子
Cr = 0.9;
iter = 0;
ch_min=[0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15];%热价下限
ch_max=[0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5];%热价上限
%基础热负荷
dh=[1000,1010,1043,1155,1172,1197,1158,1060,923,880,910,830,785,730,700,730,810,820,810,910,950,1010,1030,1020];
%基础电负荷
% de=[540,528,504,516,524,520,612,652,696,856,956,968,992,864,720,676,680,668,708,976,968,960,572,532];
% de1=[408,404,372,392,396,388,448,448,460,524,620,780,764,768,612,628,620,632,660,868,864,848,448,404];
de=[500,520,493,490,502,498,590,873,976,1171,1403,1457,1336,1240,1230,1270,1336,1650,1790,1406,1636,1567,996,632];
de1=[400,416,394,392,402,398,472,698,781,937,1122,1166,1069,992,984,1016,909,1320,1432,1125,1309,1254,797,506];
%风电出力
Pwt=[203,277,264,331,137,81,72,141,43,12,20,12,5,48,86,346,287,530,491,448,603,601,403,380];
%光伏出力
Ppv=[0,0,0,0,0,0,97,220,336,410,486,444,453,445,442,325,202,140,29,0,0,0,0,0];
%电网分时电价、上网电价
grid_fs=[0.4,0.4,0.4,0.4,0.4,0.4,0.4,0.4,0.4,0.8,0.8,0.8,1.2,1.2,1.2,1.2,0.8,0.8,0.8,0.8,1.2,1.2,1.2,0.8];
grid_sw=[0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35];
%燃气发电机、锅炉常数
ae=0.0013;
be=0.16;
ce=0;
ah=0.0005;
bh=0.11;
ch=0;
ce_ave=0.7;%平均电价约束
ch_ave=0.45;%平均热价约束
n_c=0.8;%热交换效率
n_ex=0.83; %余热回收效率
n_ice=0.35; %内燃机发电效率
% C2=zeros(1,Itermax);%供能运营商目标函数
C3=zeros(1,Itermax);%用户目标函数
fitness=zeros(1,Itermax);%上层目标函数
a1=zeros(1,24);%ceb
a2=zeros(1,24);%chb
a3=zeros(1,24);%ces运营商售电价格
a4=zeros(1,24);%chs运营商售热价格
le=zeros(1,24);%可平移电负荷
lh=zeros(1,24);%可削减热负荷
Pice=zeros(1,24);%燃气轮机电输出功率
Qgb=zeros(1,24);%燃气锅炉热输出功率
Pbuy=zeros(1,24);%向电网买电
Psell=zeros(1,24);%向电网卖电
Pcharge=zeros(1,24);%充电、放
Pdischarge=zeros(1,24);
Hti=zeros(1,24);%充热
Hto=zeros(1,24);%放热
while iter < Itermax
。。。。。。略
