基于纳什博弈的多微网主体电热双层共享策略(matlab代码)

简介: 基于纳什博弈的多微网主体电热双层共享策略(matlab代码)

1 主要内容

该程序复现《Multi-Micro-Grid Main Body Electric Heating Double-Layer Sharing Strategy Based on Nash Game》模型,主要做的是构建基于纳什博弈的多微网主体电热双层共享模型,将其分解为收益最大化子问题和收益再分配子问题。在收益最大化子问题中,考虑含碳配额和阶梯碳交易的运行成本最低为目标,采用交替方向乘子法进行分布式求解以保护隐私;在收益再分配子问题中,通过构建分时段、分能源类型的非对称能量映射贡献度函 数,实现收益合理再分配。下载链接包括中文版文献资料和代码,注释清晰,方便学习!

  • 多微网主体P2P电热双层模型

图中,不同颜色线条代表不同的能源形式,图例中依次代表电能流、热能流、数据流、配网电能流、天然气能流,各个微网主体即可实现内部能量交互和供给,也可通过外部联络实现各个主体间的能量交互。

基于低碳改造的微网独立运行模型

其对应的中文版本图如下:

本文研究考虑热电联产的电热气多能流协同的微网,由于微网中热电机组运行会产生大量二氧化碳,不符合低碳要求,因此本文对其进行低碳改造。引入了烟气分流、储液式碳捕集 与存储和甲烷化装置等,完成 P2G 的三个阶段改造,并考虑与外界电网、气网交互和微网间能源共享,形成引入P2G 和能源共享的低碳微网架构。

ADMM算法求解纳什均衡解

纳什博弈是一种合作博弈,常用于应对市场竞争,它是寻求最优策略的方法,当每个博弈者的平衡策略都达到了自己期望收益的最大值时,其选择的策略是最优的,那么这个组合就被定义为纳什均衡,也被称为最优策略。因此,其标准形式是乘积的最大值作为均衡解。但是,在实际模型应用中,模型非线性导致无法直接求解, 因此需要借助于分布式算法,本文采用的即是ADMM算法,具体步骤为:

该ADMM算法是常规算法,再此不再赘述。
  • 文章亮点
简单来说,本文的亮点在于引入三阶段低碳化改造模型,这个不是简单的一部分的创新,这种细化设置提升了整个模型的深度,大家可以注意一下近几年的文章,模型细化创新逐步在赶超方法应用创新,对方法创新没有思路的同学可以考虑转型该方向,对整个能量流过程的深入思考同样可以成为核心竞争力。

2 部分代码

C=[];       
%微网的电/热负荷需求响应部分            
for t=1:24               
    C=[C,                     
       L_e(t)==L_e0(t)-P_e_cut(t)-P_e_tran(t), %微网的电负荷功率平衡约束                
       L_h(t)==L_h0(t)-P_h_DR(t), %微网的热负荷功率平衡约束            
       0 <=P_e_cut(t)<= 0.05*L_e0(t), %微网的可削减电功率上下限约束               
       -0.1*L_e0(t)<=P_e_tran(t) <= 0.1*L_e0(t), %微网的可转移电功率上下限约束              
       -0.1*L_h0(t)<=P_h_DR(t)<=0.1*L_h0(t), %微网的可削减热功率上下限约束                
      ];
end
C=[C,sum(P_e_tran)==0,]; %转移的电负荷总量为0约束  
C=[C,sum(P_h_DR  )==0,]; %转移的热负荷总量为0约束  
%微网的储电设备约束部分             
%储能电站荷电状态连续性约束               
C=[C,E_bat(1)== 1000+0.95*P_batc(1)-P_batd(1)/0.96,]; %1时段约束           
for t=2:24          
    C=[C,E_bat(t)==E_bat(t-1)+0.95*P_batc(t)-P_batd(t)/0.96,]; %储电设备容量变化约束              
end               
%储能容量大小约束
for t=1:24
    C=[C,500<=E_bat(t)<=2500,];  %储电量上下限约束
end
%始末状态守恒
C=[C,E_bat(24)==1000,];
%储能电站的充放电功率约束,Big-M法进行线性化处理
M=1000; %这里的M是个很大的数
for t=1:24
    C=[C,
       0<=P_batc(t)<=400,
       0<=P_batc(t)<=U_abs(t)*M,     
       0<=P_batd(t)<=400,      
       0<=P_batd(t)<=U_relea(t)*M,
       U_abs(t)+U_relea(t)<=1,
      ];
end
%带P2G和CCS的CHP运行约束         
C=[C,       
    0-P_e3-P_e2<=P_e1<=6000-P_e3-P_e2 , %CHP的供电功率约束
    0<=P_e2,P_e2<=1200, %CCS设备的耗电功率约束
    0<=P_e3,P_e3<=1500, %P2G设备的耗电功率约束
    0<=P_e1,P_e1<=6000, %CHP的供电功率上下限约束,公式(11)    
    0<=P_e1, %CHP的供电功率非负性约束
    max((0-0.15*P_h-P_e3-P_e2),(0.85*(P_h)-P_e3-P_e2))<=P_e1<=6000-0.20*P_h-P_e3-P_e2, %CHP的热电耦合约束    式(13)
    max((0-0.15*P_h),(0.85*(P_h-50)-600-1200))<=P_e1<=6000-0.20*P_h-0-0, %考虑P2G和CCS后的CHP的热电耦合约束       式(15)
    (0.55/(1+0.5*1.02))*max((0-0.15*P_h-P_e1),(0.85*(P_h-50)-P_e1))<=P_gs<=(0.55/(1+0.5*1.02))*(6000-0.20*P_h-P_e1), %产气功率上下限约束  式(17)
    -1000<=(P_e1(2:24)+P_e3(2:24)+P_e2(2:24))-(P_e1(1:23)+P_e3(1:23)+P_e2(1:23))<=1000, %CHP的爬坡约束   
    P_h_GT == P_h;
    P_gs==0.55*P_e3, %P2G产气功率与耗电量约束  式(2)
    C_ccs==P_e2/0.55, %CCS的耗电量与碳捕集量约束   式(4)
    C_p2g==1.02*P_e3, %P2G运行所需要的二氧化碳量与电功率约束  式(3)


3 程序结果

4 下载链接

见下方联系方式

相关文章
|
2月前
|
数据安全/隐私保护
耐震时程曲线,matlab代码,自定义反应谱与地震波,优化源代码,地震波耐震时程曲线
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
基于混合整数规划的微网储能电池容量规划(matlab代码)
基于混合整数规划的微网储能电池容量规划(matlab代码)
|
2月前
|
算法 调度
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)
|
2月前
|
数据安全/隐私保护
地震波功率谱密度函数、功率谱密度曲线,反应谱转功率谱,matlab代码
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
|
2月前
|
算法 调度
考虑需求响应的微网优化调度模型【粒子群算法】【matlab】
考虑需求响应的微网优化调度模型【粒子群算法】【matlab】
|
2月前
|
算法 调度
面向配电网韧性提升的移动储能预布局与动态调度策略(matlab代码)
面向配电网韧性提升的移动储能预布局与动态调度策略(matlab代码)
|
2月前
|
Serverless
基于Logistic函数的负荷需求响应(matlab代码)
基于Logistic函数的负荷需求响应(matlab代码)
|
2月前
|
供应链 算法
基于分布式优化的多产消者非合作博弈能量共享(Matlab代码)
基于分布式优化的多产消者非合作博弈能量共享(Matlab代码)
|
2月前
|
算法 调度
基于多目标粒子群算法冷热电联供综合能源系统运行优化(matlab代码)
基于多目标粒子群算法冷热电联供综合能源系统运行优化(matlab代码)
|
2月前
|
算法 调度 SoC
电动汽车充放电V2G模型(Matlab代码)
电动汽车充放电V2G模型(Matlab代码)

热门文章

最新文章