一种基于神经网络格兰杰因果关系的能源存储集群共享收益分配方法

《IEEE Potentials》：A revenue allocation method incorporating neural network-based granger causality for energy storage cluster sharing

　　

摘要：

随着高渗透率可再生能源电力系统的发展，能量存储技术得到了快速发展。然而，能量存储的应用方式相对有限，导致其利用率较低。为了解决这些问题，本文提出了一种能量存储集群的共享框架。该共享框架采用双层优化模型，上层为能量存储集群的运营决策模型，下层为电力市场清算模型。通过利用强对偶性和卡鲁什-库恩-塔克条件，将该双层优化模型转化为具有均衡约束的线性规划问题，从而实现高效求解。为确保集群内收益分配的公平性，本文提出了一种基于改进的沙普利值并结合神经网络格兰杰因果关系量化方法的新型收益分配方式。通过量化各个能量存储项目的收益与模型相关变量之间的格兰杰因果关系强度，以及集群整体收益与各项目收益之间的这种关系，构建了融入格兰杰因果关系量化结果的收益分配模型，以此提升能量存储集群内的收益分配公平性。最后，通过基于改进后的IEEE 30节点系统的案例研究，验证了所提方法的有效性。