电-碳联合市场下虚拟电厂主从博弈优化调度

为使虚拟电厂更好地适应新型电力系统的发展,针对含综合能源的虚拟电厂,设计电-碳联合市场交易框架,在此基础上,提出一种考虑需求响应的虚拟电厂主从博弈优化调度策略。以虚拟电厂运营商为领导者、新能源热电联供运营商和综合能源用户系统运营商为跟随者,形成一主多从的Stackelberg博弈模型,同时优化虚拟电厂运营商定价策略、供能侧出力计划和用户侧需求响应方案,并对博弈均衡解的存在性和唯一性进行证明。最后,通过算例验证所提策略的有效性,虚拟电厂内部各主体利益得到有效提升,算例结果也表明不同类型需求响应占比对各主体利益有很大的影响,同时所提的优化调度策略为虚拟电厂制定内部购售电价格、调度计划和参与电-碳联合市场交易提供了参考。     

多能源微网参与电-气多能源市场的多主体主从博弈交易策略

针对多能源微网（MEMGs）具有丰富可调节资源的特点,基于区域电-气综合能源系统中配-微网络间不同层级的能源交互特性,提出一种MEMGs参与多能源市场的交易框架和多主体主从博弈的交易模型。通过MEMGs策略性参与区域能源市场交易,降低各主体购能成本,实现多个能源市场下多主体互动交易。将配电系统运营商和配气系统运营商视为领导者、各个多能源微网运营商（MEMGO）视为跟随者,以配电网节点边际电价和配气网节点边际气价作为各MEMGO的能源结算价格,构建考虑MEMGs参与电-气多能源市场的多主体主从博弈交易模型;在证明该模型存在Stackelberg均衡解的基础上,通过交替方向乘子法求解所提模型以保证各主体的信息私密性;通过REGESE13-G7和REGESE123-G20测试系统验证了所提多主体交易策略的可行性和有效性。     

计及需求响应和共享储能的多微网系统双层优化调度

在多微网系统中考虑用户的需求响应行为和加入共享储能装置均会对系统内的能量流动及设备出力情况造成影响。在此背景下,为促进储能装置的高效利用和可再生能源的就地消纳,提出一种同时计及耗能用户需求响应和共享储能的多微网系统双层优化调度策略。对共享储能运行模式、多微网系统和耗能用户自主响应行为进行建模;分别以多微网系统净收益最大、耗能用户总购能成本最低为上、下层目标,形成合作型Stackelberg互动均衡模型;将下层模型转换成KKT最优条件,随后用Big-M法和对偶定理对非线性项进行处理,将Stackelberg博弈模型转换为混合整数线性规划问题,对多微网系统的能源定价策略、共享储能动态容量划分和各微网内设备的运行状态进行求解。为促进微网间的功率交互,提出基于交互贡献度的利润分配方案。最后,采用5个方案作为算例验证了所提策略的有效性。     

计及配电公司特许经营权的产消者点对点交易模型

在针对配电系统层面设计点对点电力交易机制时,需要考虑配电公司所拥有的特许经营权,通过设计适当的网络收费模式有效补偿配电系统基础设施所有者的投资和运行成本。提出一种计及配电公司特许经营权的产消者点对点交易模型。基于配电公司和产消者之间的主从互动关系,建立基于电气距离的过网费定价双层博弈模型,上层为以配电公司收益最大为目标的过网费价格决策模型,下层为考虑过网费的产消者最优调度模型;基于卡罗需-库恩-塔克(KKT)条件将双层博弈模型转化为单层混合整数规划问题,进而得到过网费价格;利用交替方向乘子法分布式求解产消者点对点实时交易电量和交易电价。IEEE 33节点配电系统的仿真结果验证了所提模型能在保证配电系统安全运行的基础上保障所有产消者利益,且能合理补偿配电公司因放弃部分特许经营权而产生的收益损失。     

计及综合需求响应参与消纳受阻新能源的多时间尺度优化调度策略

随着新能源发电技术的高速发展,电网新能源消纳压力日益凸显。与此同时,随着多能转换技术发展,电网与其他类型能源网络的耦合程度不断提高,如何利用不同能源网络灵活性资源消纳受阻新能源,成为当前亟待研究的问题。为此,提出了计及综合需求响应参与消纳受阻新能源的多时间尺度优化调度策略。首先,充分考虑综合能源系统(integrated energy system, IES)特性建立了冷、热、电负荷的多类型需求响应模型。其次,在日前时间尺度,考虑新能源消纳过程中各方利益均衡,建立了基于主从博弈理论的价格型综合需求响应(integrated demand response, IDR)日前优化调度模型;在日内时间尺度,针对新能源日前预测偏差对系统优化影响,建立了考虑激励型IDR日内滚动优化调度模型。最后,通过算例仿真证明了所提策略可深入挖掘多类型负荷需求响应能力,有效提高新能源消纳量。     

考虑车主多模式需求响应模糊意愿的优化调度策略

现代电动汽车(electrical vehicle, EV)用户需求响应具有多样性和意愿模糊性的特点,当实施单一激励政策时,EV响应将达不到预期效果。为此,提出了考虑车主多模式需求响应及其模糊意愿的含EV微电网的主从博弈优化调度策略。微电网主体针对净负荷制定多模式动态电价激励政策,引导EV在多模式电价中做出选择,促进EV有序充放电,实现其净负荷均方差和运行成本最小。车主从体基于模糊逻辑推理意愿决策,响应多模式动态电价,极小化车主成本。采用非支配排序遗传算法(NSGA-Ⅱ)求解优化模型,获得最优多模式动态电价和EV充放电策略。仿真结果验证了所提方法的有效性。     

基于需求侧博弈的区域综合能源服务商最优运营策略

为了提高综合能源服务商运营服务的高效性、清洁性和经济性,提出了一种基于需求侧博弈的综合能源服务商最优运营策略。通过对综合能源服务商模型的分析,以用户能源消耗量确定系统碳排放量,建立了区域综合能源服务商碳排放模型,确定了园区的碳排放量。在此基础上,考虑了用户对用能成本波动的可承受能力和服务商应对用户用能变化的风险成本,分别以综合能源服务商全天利润最大、用户用能成本最小为目标函数,建立了综合能源服务商-多用户博弈优化模型。采用迭代搜索法得到纳什均衡解,从而确定服务商最优运营策略。最后以典型工业园区为例对所提策略进行仿真验证。结果表明,所研究的服务商运营策略有效降低了系统碳排放量,提高了综合能源服务商的经济效益和用户满意度。     

虚拟电厂参与电-碳联合市场运行的竞价策略研究

电力系统脱碳是全社会零碳发展的关键。近年来分布式小微主体发展迅速,成为未来我国能源结构的重要组成部分。首先,从虚拟电厂(virtual power plant, VPP)出发,在分析VPP参与我国现行碳交易市场方式的基础上,提出VPP参与电-碳联合市场的运行机制。其次,构建了联合市场运行机制下多主体互动博弈的两阶段双层竞价策略模型。第一阶段为VPP内部分布式小微主体预调度模型;第二阶段内层为VPP与多市场主体间非合作博弈竞价模型,以VPP参与日前现货市场和碳交易市场的总收益最大为目标,采用多场景描述竞争对手报价的不确定性;外层是以全社会福利最大化为目标函数的多主体互动决策出清模型。最后,采用Q-learning算法和路径跟踪内点法进行模型求解,算例验证了所提模型的可行性和有效性。     

联邦学习贡献评估综述

数据不动的联邦学习框架是多个数据持有方合作训练机器学习模型的新范式.多个数据持有方参与联邦学习时的贡献评估是联邦学习的核心问题之一.参与方贡献评估需要兼顾有效性、公平性和合理性等要素,在理论方法与实际应用中均面临多项挑战.贡献评估首先需要明确如何度量数据价值,然而数据估值存在主观性与依赖于实际任务场景的特点,如何设计有效、可靠并对恶意数据鲁棒的数据估值指标是第一大挑战.其次,联邦学习合作中的参与方贡献评估是经典的合作博弈问题,如何制定公平合理的参与方贡献评估方案,实现参与方一致认可的博弈平衡是第二大挑战.最后,参与方贡献评估往往计算复杂度高,同时,联邦学习中围绕模型的数据估值时间开销大,因此,在实践中如何设计高效且准确的近似算法是第三大挑战.近年来,为了有效地解决上述挑战,学术界对联邦学习中的贡献评估问题展开了广泛的研究.首先,简要介绍联邦学习与参与方贡献评估的背景知识;然后,综述数据估值指标、参与方贡献评估方案和相关优化技术;最后,讨论了联邦学习贡献评估仍面临的挑战并展望未来研究的发展方向.     

基于双重拍卖的移动边缘计算任务卸载和资源分配策略

在移动边缘计算(mobile edge computing, MEC)系统中,用户的卸载策略会影响能耗和计算成本,进而影响用户效益.然而,目前多数研究未考虑边缘服务器随机分布场景中用户的卸载策略和资源请求策略对效益的影响.针对该问题,提出了一种基于改进双重拍卖算法的计算卸载和资源分配策略.首先,该策略将用户与边缘服务器之间的交互过程建模为Stackelberg博弈,并且证明了在该博弈内存在唯一纳什均衡点;其次,计算出用户对于不同服务器的卸载意愿以及计算资源请求量,并将用户与最优服务器进行拍卖;最后,采用遍历法交换上一轮拍卖中部分交易中的用户与服务器,以实现系统整体效益最优.仿真实验结果表明,与其他基准算法相比,所提算法在服务器随机分布场景下提高了33.4%的系统用户总效益,有效降低系统损失.