针对园区综合能源系统中存在多利益主体且收益分配不均的实际情况,提出一种基于混合博弈的双层能量管理模型。首先,建立园区综合能源系统的运行框架,分析上层微网运营商与下层用户聚合商的利益关系。其次,为使园区各主体利益最大化,构...针对园区综合能源系统中存在多利益主体且收益分配不均的实际情况,提出一种基于混合博弈的双层能量管理模型。首先,建立园区综合能源系统的运行框架,分析上层微网运营商与下层用户聚合商的利益关系。其次,为使园区各主体利益最大化,构建了多用户与微网运营商多方参与的混合博弈模型。其中,运营商通过主从博弈制定向用户的售能价格,用户聚合商在接收价格后基于纳什-海萨尼理论进行利益分配。然后,针对储能设备前期投入较高的实际情况,充分挖掘电动汽车的集群可调度潜力,通过卷积神经网络-双向长短期记忆网络(convolutional neural networks and Bi-directional long short-term memory,CNN-BiLSTM)法处理电动汽车的历史数据以降低不确定性,并制定了利用电动汽车共享储能特性作为储能设备的运行策略。最后,以某市园区综合能源系统为研究对象进行分析。结果表明,所建立的模型可以有效减少碳排放,实现运营商与多用户共赢。展开更多
随着光伏(photovoltaic, PV)发电渗透率的升高,光伏功率的随机波动将对电能质量与供电可靠性产生不利影响,而利用电动汽车入网(Vehicle to grid,V2G)技术下电动汽车(electric vehicles,EVs)充放电的灵活性来平抑光伏波动是一种经济、高...随着光伏(photovoltaic, PV)发电渗透率的升高,光伏功率的随机波动将对电能质量与供电可靠性产生不利影响,而利用电动汽车入网(Vehicle to grid,V2G)技术下电动汽车(electric vehicles,EVs)充放电的灵活性来平抑光伏波动是一种经济、高效的解决方式。为平抑短时剧烈的光伏功率波动,首先提出了微网场景下集群电动汽车参与平抑光伏波动的控制框架,然后建立了利用EV功率跟跟踪PV出力的凸优化模型,并从数学上不失一般性地证明了凸化的有效性。所提凸化方法对系统参数没有任何要求,在优化求解前无需做任何检验。所建立的凸优化模型在求解上更加高效,且在调度容量充足时跟踪误差可控,并能在一定程度上抑制EV的过充电与过放电。最后,通过算例验证了凸优化模型的准确性与高效性及所提调度策略的优势。展开更多
文摘针对园区综合能源系统中存在多利益主体且收益分配不均的实际情况,提出一种基于混合博弈的双层能量管理模型。首先,建立园区综合能源系统的运行框架,分析上层微网运营商与下层用户聚合商的利益关系。其次,为使园区各主体利益最大化,构建了多用户与微网运营商多方参与的混合博弈模型。其中,运营商通过主从博弈制定向用户的售能价格,用户聚合商在接收价格后基于纳什-海萨尼理论进行利益分配。然后,针对储能设备前期投入较高的实际情况,充分挖掘电动汽车的集群可调度潜力,通过卷积神经网络-双向长短期记忆网络(convolutional neural networks and Bi-directional long short-term memory,CNN-BiLSTM)法处理电动汽车的历史数据以降低不确定性,并制定了利用电动汽车共享储能特性作为储能设备的运行策略。最后,以某市园区综合能源系统为研究对象进行分析。结果表明,所建立的模型可以有效减少碳排放,实现运营商与多用户共赢。
文摘随着光伏(photovoltaic, PV)发电渗透率的升高,光伏功率的随机波动将对电能质量与供电可靠性产生不利影响,而利用电动汽车入网(Vehicle to grid,V2G)技术下电动汽车(electric vehicles,EVs)充放电的灵活性来平抑光伏波动是一种经济、高效的解决方式。为平抑短时剧烈的光伏功率波动,首先提出了微网场景下集群电动汽车参与平抑光伏波动的控制框架,然后建立了利用EV功率跟跟踪PV出力的凸优化模型,并从数学上不失一般性地证明了凸化的有效性。所提凸化方法对系统参数没有任何要求,在优化求解前无需做任何检验。所建立的凸优化模型在求解上更加高效,且在调度容量充足时跟踪误差可控,并能在一定程度上抑制EV的过充电与过放电。最后,通过算例验证了凸优化模型的准确性与高效性及所提调度策略的优势。
