多虚拟电厂电力交易的一种区间优化与广义纳什议价方法

《International Transactions on Electrical Energy Systems》:An Interval Optimization and Generalized Nash Bargaining Approach for Power Trading Among Multiple Virtual Power Plants

【字体: 大 中 小 】 时间:2026年06月16日 来源:International Transactions on Electrical Energy Systems 1.9

编辑推荐:

  为应对分布式源荷不确定性对虚拟电厂(Virtual Power Plant, VPP)优化与电力交易的影响,本研究将区间优化(Interval Optimization, IO)与广义纳什议价(Generalized Nash Bargaining, GNB)

  
为应对分布式源荷不确定性对虚拟电厂(Virtual Power Plant, VPP)优化与电力交易的影响,本研究将区间优化(Interval Optimization, IO)与广义纳什议价(Generalized Nash Bargaining, GNB)相结合,构建了多虚拟电厂(Multiple Virtual Power Plants, MVPP)电力交易模型。源荷不确定性通过日前光伏(Photovoltaic, PV)发电与柔性负荷预测区间予以表征。研究评估了各VPP的议价能力以实现合作利润的公平分配。案例分析展示了各VPP的调度、交易及成本区间,结果表明:IO能够有效捕捉源荷波动性下VPP与电网间功率流的不确定性;GNB则确保了合作利润的公平分配。通过应用赫维茨准则(Hurwicz criterion)对比IO与鲁棒优化(Robust Optimization, RO),研究发现当决策者乐观水平超过临界阈值时,IO较RO产生保守性更低的调度方案。此外,与随机优化(Stochastic Optimization, SO)的比较表明:虽然SO在准确概率信息下可实现更低的期望成本,但在缺乏此类信息时,IO提供了一种无需概率分布且计算高效的替代方案。进一步地,在MVPP利润分配中对比GNB、纳什议价(Nash Bargaining, NB)与夏普利值(Shapley value)方法,研究发现:GNB与NB不同,其按各VPP对联盟的贡献比例分配合作利润;与夏普利值方法相比,当大量VPP参与合作运营时,GNB显著降低了计算成本,从而增强了工程可行性。所提出的模型还表现出超可加性(superadditivity),表明规模更大的联盟可产生更高利润。上述发现表明,IO与GNB的集成为源荷不确定性下的MVPP协调提供了一种计算可处理且工程可行的方法。
虚拟电厂(Virtual Power Plant, VPP)作为整合邻近区域分布式资源、以产消者身份参与电力调度与交易的新型市场主体,正随着分布式能源资源(Distributed Energy Resources, DERs)的大规模并网而快速发展。然而,源荷的间歇性与随机性——特别是由其强波动所引发的供需功率平衡与区域配电网内利润分配问题——尚未得到有效解决。传统确定性优化方法难以应对此类不确定性挑战,而现有不确定性优化方法各存局限:模糊优化结果主观性较强且对隶属函数设计敏感;基于场景的随机优化需要大量数据集,实践成本高昂;鲁棒优化虽能管理极端不确定性,却易于产生过度保守的结果;分布鲁棒优化虽能平衡模型精度与保守性,但复杂度显著增加。此外,在合作博弈利润分配方面,纳什议价的平均分配方式难以反映参与者实际贡献差异,而夏普利值方法的计算复杂度随参与者数量呈指数增长,制约了其可扩展性。在此背景下,研究人员亟需一种既能直观高效处理不确定性、又能实现基于贡献的公平利润分配且具备工程可扩展性的多虚拟电厂协调框架。

为解决上述问题,研究人员开展了以下研究:构建了融合区间优化与广义纳什议价的多虚拟电厂电力交易模型。该模型以日前光伏发电与柔性负荷预测区间表征源荷不确定性,通过区间数的中点与半径分别反映系统平均水平与波动水平;引入基于能量交换映射函数的非线性议价能力量化方法,使利润分配与各VPP贡献度挂钩;采用交替方向乘子法(Alternating Direction Method of Multipliers, ADMMs)对模型进行分布式求解。研究得出以下核心结论:所提出的IO框架无需概率分布估计与大型场景集,相较于SO更具实用性;相较于RO可通过调节决策者乐观水平实现保守性的灵活调控,达成经济性与鲁棒性的平衡;GNB机制按贡献比例分配利润,在保持与夏普利值相近公平性的同时,计算复杂度由指数增长降为线性增长,显著提升了大规模VPP联盟场景下的工程可行性;模型所具有的超可加性表明扩大联盟规模可提升整体利润。该研究发表在《International Transactions on Electrical Energy Systems》期刊,为源荷不确定性下的多虚拟电厂协调运营提供了理论支撑与实践指导。

在技术方法层面,研究人员主要采用以下核心技术路径:首先,运用区间优化理论处理源荷不确定性,将光伏发电与柔性负荷建模为区间数,以区间序关系进行优化求解;其次,构建基于广义纳什议价的合作博弈模型,通过能量交换映射函数定义议价能力以实现贡献比例化的利润分配;再次,将非凸的广义纳什议价问题分解为联盟成本最小化与利润最优分配两个子问题,前者采用ADMM进行分布式求解,后者利用凸对数变换转化为凸优化问题;最后,通过赫维茨准则进行IO与RO的保守性比较,并与SO、夏普利值等方法进行多方案对比验证。

研究结果部分按照原文结构展开:

IO与GNB应用于MVPP电力交易的结果:以三VPP构成的MVPP为对象,VPP1在23:00至6:00时段因PV不足主要由电网供电;7:00至18:00时段ESS与PV出力超过负荷需求,VPP2、VPP3除向电网购电外还以低于网价的价格从VPP1购电;VPP1则将盈余电力售至电网及其他VPP获取额外收益。9:00至16:00时段VPP1的ESS大量存储光伏发电,用于高电价或电力短缺时段实现削峰填谷。调度期间可削减负荷被削减,可转移负荷从高电价或短缺时段转移至低价或充裕时段。VPP1与电网的功率交换受PV、柔性负荷及VPP间交易共同影响,有效呈现了源荷不确定性下的不确定功率流动。VPP间交易价格被约束于电网购售电价之间,优先保障VPP网络内交易;VPP1持续向VPP2、VPP3出售盈余电力,售电收益高于向电网售电,而VPP2、VPP3则以更低价格获取电力。

模型优越性验证——合作效益与利润分配:对比独立运行(方案1)、IO+NB(方案2)、IO+夏普利值(方案3)及IO+GNB(方案6),合作运行下各VPP成本中点与总运行成本中点均低于独立运行,证明合作有利于成本优化;各VPP及总运行成本半径保持不变,表明成本半径优化仅发生于各VPP内部、与合作运行无关。对于利润分配,方案2的NB均等分配未能反映贡献差异;方案3的夏普利值按所有可能联盟组合的平均边际贡献分配;方案6的GNB通过量化议价能力分配剩余合作利润并确保不低于独立运行收益,其结果与方案3相近,均向贡献最大的VPP1倾斜最多利润,VPP2因电力吸收量高于VPP3而获得更多利润,验证了GNB分配的合理性。计算负担方面,n个VPP时夏普利值需2n?1次求解(指数增长),GNB仅需n+1次求解(线性增长),大规模场景下工程可行性显著更优。

模型优越性验证——不确定性优化方法保守性比较:通过赫维茨准则比较IO与RO,当决策者乐观系数α超过临界值αcrit=0.48时,IO的成本中点低于RO,表明IO可通过调节乐观水平降低保守性。IO与SO的比较显示:SO在准确概率信息下期望成本更低,但IO无需概率分布、计算量更小,在信息受限场景更具适用性。IO可视为SO与RO之间的实用折中,兼具期望导向与最坏情况导向优化的平衡特性。

研究结论:研究人员总结了以下核心结论。第一,所提出的IO框架在无需概率分布信息的条件下,通过可调节的保守性水平实现了灵活的经济性与鲁棒性权衡;赫维茨准则为决策者提供了选择适当乐观系数的量化依据。第二,GNB机制通过基于能量交换的议价能力量化,实现了按贡献比例分配合作利润,同时保持了较低的计算复杂度,相较于夏普利值方法显著提升了大规模VPP联盟的可扩展性。第三,综合案例分析验证了所提出模型在调度优化、交易定价、利润分配等方面的有效性,模型的超可加性特征激励了更大规模联盟的形成。IO与GNB的集成为源荷不确定性下的多虚拟电厂协调提供了一种计算高效、工程可行的解决方案。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号