一种考虑社会影响的社区级P2P能源交易的二部图匹配方法

一种考虑社会影响的社区级p2p能源交易的二部图匹配方法
技术领域
1.本发明属于电力市场中的p2p交易技术领域，具体涉及一种考虑社会影响的社区级p2p能源交易的二部图匹配方法。


背景技术：

2.近年来，随着分布式能源技术的发展，电力系统内的终端用户越来越活跃。很多安装了光伏电池板、电池储能系统和电动汽车的用户可以根据上网电价将多余的电力出售给系统。因此，现在普遍引入能源产消者的概念来描述这种活跃的终端用户。产消者和产消者之间的本地p2p能源交易市场是近年来在配电网和微电网领域日益重要的能源交易场景之一，但是这些产消者们往往分布于不同的社区级微电网内，每个社区也会存在功率超额和缺额，现有的p2p交易中没有考虑同处一个社区内的用户用电行为的互相影响，且社区间的交易匹配难度较高，传统的代数形式的交易匹配模型难以在多项式时间中求解出最优匹配结果。


技术实现要素：

3.为解决上述背景技术中提到的不足，本发明的目的在于提供一种考虑社会影响的社区级p2p能源交易的二部图匹配方法。
4.本发明的目的可以通过以下技术方案实现：一种考虑社会影响的社区级p2p能源交易的二部图匹配方法，方法包括以下步骤：
5.获取使用数据，使用数据包括用户负荷、电价、新能源出力范围、用户的发用电偏好和社区级微电网接入的配电网的网络参数数据；
6.分析社区内部端对端交易的情况，建立社区内部交易优化模型，将获取得到的使用数据作为参数传入社区内部交易优化模型中，并分析社区内交易的社会性影响；
7.利用多主体深度强化学习对每个社区级微电网内部的交易过程进行建模，得到每个社区级微电网内部的能源交易模型；
8.在得到每个社区级微电网内部的能源交易模型后，社区之间进行匹配，以消纳社区内部的总能量超出或者缺额的部分，且利用二部图的形式描述能源买卖双方之间的匹配问题，以最大化匹配结果的能源卖家的收益，最小化能源买家匹配后的购电成本；
9.将每个社区内的能源产消者进行交易后，输出每个社区的能量缺额/超出部分，从而对各个社区进行匹配，在匹配过程中使用匈牙利算法求解最佳的匹配结果的同时，最小化匹配线路的权重和，以最小化交易过程中的过网费用。
10.优选地，所述用户负荷包括用户全年的负荷数据，所述用户负荷的数据采集间隔最小值为15分钟。
11.优选地，所述电价包括国家统一的峰谷平三时电价，终端用户的上网电价；所述新能源出力范围包括光伏发电、风力发电可再生能源的发电上下限；所述用户的发用电偏好包括用户发电的成本函数、用电的效用函数和用户所处的社会状态；所述社区级微电网接
入的配电网的网络参数包括整个配电网的线路参数、各节点电压的波动范围和配电网的网架结构。
12.优选地，所述建立社区内部交易优化模型的过程包括以下步骤：
13.社区内部交易优化模型建立如下：
[0014][0015]
式中，为用户i在时刻t的净负荷，即表示用户i在时刻t消耗净负荷所获得的效用，为用户在社区内p2p交易市场上的购电量，为用户i在时刻t的p2p购电价格，ξ
t
为整个社区级市场的决策变量的集合，为净负荷和用户在社区内p2p交易市场上的购电量；
[0016]
社区中每个能源产消者的可调度资源包括可削减负荷、可中断负荷、可转移负荷和分布式的储能，建模如下：
[0017][0018][0019][0020][0021][0022][0023][0024][0025]
式中，表示用户i在社区n中的产消者集合，为整个市场的运行时间，为灵活性负荷资源的总量，分别为用户i在时刻t的可削减负荷、可中断负荷、可转移负荷，为可转移负荷所需求的总时段上的负荷量，为用户i在时刻t的刚性负荷，为用户i在时刻t的净负荷，为用户i在时刻t的充电功率，p
icha
为用户i的储能的额定充电功率，为用户i的储能的充电状态，为用户i在时刻t的放电功率，p
idis
为用户i的储能的额定放电功率，为用户i的储能的放电状态，为用户i在时刻t的储能电量，分别为用户i的储能的充电和放电系数，δt为储能的充放电时间步长，为用户i的储能电量的下限和上限。
[0026]
优选地，除了能源产消者的分布式电源的运行约束，社区内交易还需满足如下的
功率平衡约束：
[0027][0028][0029]
式中，为该第n个社区在时刻t向上级电网的购电功率，为用户i在时刻t的光伏发电功率，为用户i在时刻t的p2p交易电能，当为正的时候表示用户i在时刻t买电，当为负的时候表示用户i在时刻t卖电。
[0030]
优选地，所述得到每个社区级微电网内部的能源交易模型的过程包括：
[0031]
将每个社区内的端对端交易过程建模为马尔可夫过程，其中马尔可夫观测集如下：
[0032][0033][0034][0035]
式中，为发电侧的观测集，t表示时间的索引，表示用户i在时刻t的p2p交易电价，表示用户i在时刻t的光伏发电功率，表示用户i的刚性负荷值，表示用户i在时刻t的储能电量，为社区内的社会网络观测集，分别表示交易行为的操作难度、通信程度、信息深度、社会影响度和朋辈影响，数值越高则表示该项对交易结果的影响越大，为整个市场的观测集；
[0036]
建立了马尔可夫动作集如下：
[0037][0038][0039][0040][0041][0042][0043]
式中，为可削减负荷的上限，为可中断负荷的上限，为可转移负
荷的上限，为马尔可夫动作值；
[0044]
在得到马尔可夫动作集和马尔可夫观测集后，能够根据动作来更新每个个体的状态转移过程，更新的状态转移如下：
[0045][0046][0047][0048][0049][0050]
优选地，在得到状态转移后，定义对应状态转移的回报函数如下：
[0051][0052][0053][0054][0055][0056]
式中，r
icost,t
,r
iuti,t
,r
ipsy,t
,r
ider,t
分别表示卖电收益，购电的效用，
[0057]
公式与同一社区的能源产消者保持行为一致的心理奖励和分布式电源的使用维护成本，表示对净负荷取平均值，分别表示光伏和分布式储能的维护成本，取相反数即得到回报函数值。
[0058]
优选地，所述社区之间进行匹配的过程包括：
[0059]
社区p2p匹配问题写作如下形式：
[0060]
[0061][0062][0063][0064][0065][0066][0067][0068]
式中，为社区n向社区m卖电的价格，为社区n向社区m卖电的电量，为整个配电网交易的有功损耗，p
t
为各社区出力功率组成的向量，为对应有功平衡的拉格朗日对偶变量，为整个配电网交易的无功损耗，q
t
为各社区无功出力功率组成的向量，为对应无功平衡的拉格朗日对偶变量，p
min,t
,p
max,t
分别为每个社区的有功出力下限和上限，为对应的拉格朗日对偶变量，q
min,t
,q
max,t
分别为每个社区的无功出力下限和上限，为对应的拉格朗日对偶变量，v
min,t
,v
max,t
分别为每个节点对应电压幅值的下限和上限，为对应的拉格朗日对偶变量，||s
start,t
||2为支路开始处的复功率幅值的平方，||s
end,t
||2为支路结束处的复功率幅值的平方，(s
t
)2为整个支路复功率幅值的上限；
[0069]
为了在社区间匹配p2p交易时，最小化交易对配电网络的影响，对社区p2p匹配问题线性化，然后求解拉格朗日函数如下：
[0070][0071][0072]
[0073][0074][0075][0076]
式中，π
t
表示社区n对社区m的交易的权重，分别表示能量、损耗、节点电压和线路阻塞体现在网络上的影响。
[0077]
优选地，一种设备，包括：
[0078]
一个或多个处理器；
[0079]
存储器，用于存储一个或多个程序；
[0080]
当一个或多个所述程序被一个或多个所述处理器执行，使得一个或多个所述处理器实现如上所述的一种考虑社会影响的社区级p2p能源交易的二部图匹配方法。
[0081]
优选地，一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如上所述的一种考虑社会影响的社区级p2p能源交易的二部图匹配方法。
[0082]
本发明的有益效果：
[0083]
本发明分析了每个社区内决定各个能源产消者的用能决策的社会关系，基于该社会关系创建了多主体深度强化学习的模型，保证社区内部各用户正常交易的同时，精准刻画了交易的过程。而将网络中的线路参数考虑在匹配优化的过程中，利用拉格朗日对偶和匈牙利算法进行优化和匹配，则充分考虑了社区间的p2p用能匹配对配电网络的影响。
附图说明
[0084]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0085]
图1是本发明的p2p交易市场中包含了社区、能源产消者和配电网运营商的三层结构示意图；
[0086]
图2是本发明对应的信息-物理-社会系统的建模结构图；
[0087]
图3是本发明实施例各社区级微电网根据内部能源的缺额和超额构成买卖双方二部图的示意图；
[0088]
图4是本发明实施例多智能体深度强化学习和匈牙利算法的耦合算法流程图。
具体实施方式
[0089]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0090]
如图1所示，一种考虑社会影响的社区级p2p能源交易的二部图匹配方法，方法包括以下步骤：
[0091]
(1)获取用户负荷、电价、新能源出力范围、用户的发用电偏好、社区级微电网接入的配电网的网络参数数据，将收集到的数据作为参数传入优化模型中；
[0092]
进一步地，所述用户负荷数据包括用户全年的负荷数据，数据采集间隔最小15分钟；
[0093]
进一步地，电价信息包括国家统一的峰谷平三时电价，终端用户的上网电价；
[0094]
进一步地，新能源出力范围包括光伏发电、风力发电等可再生能源的发电上下限；
[0095]
进一步地，用户的发用电偏好包括用户发电的成本函数、用电的效用函数、用户所处的社会状态；
[0096]
进一步地，配电网的网络参数包括整个配电网的线路参数、各节点电压的波动范围、配电网的网架结构。
[0097]
(2)分析社区内部端对端交易的情况，建立社区内部交易优化模型，并分析社区内交易的社会性影响；
[0098]
(21)社区内部优化模型的优化目标是使产消者的福利最大化。因此，每个社区的模型可以建立为如下：
[0099][0100]
式中，为用户i在时刻t的净负荷，即表示用户i在时刻t消耗这么多负荷所获得的效用，为用户在社区内p2p交易市场上的购电量，为用户i在时刻t的p2p购电价格，ξ
t
为整个社区级市场的决策变量的集合。
[0101]
(22)社区中每个能源产消者的可调度资源主要包括可削减负荷、可中断负荷、可转移负荷和分布式的储能，可以建模为如下：
[0102][0103][0104][0105][0106][0107][0108][0109]
[0110]
式中，表示用户i在社区n中的产消者集合，为整个市场的运行时间，为灵活性负荷资源的总量，分别为用户i在时刻t的可削减负荷、可中断负荷、可转移负荷，为可转移负荷所需求的总时段上的负荷量，为用户i在时刻t的刚性负荷，为用户i在时刻t的净负荷，为用户i在时刻t的充电功率，p
icha
为用户i的储能的额定充电功率，为用户i的储能的充电状态，为用户i在时刻t的放电功率，p
idis
为用户i的储能的额定放电功率，为用户i的储能的放电状态，为用户i在时刻t的储能电量，分别为用户i的储能的充电和放电系数，δt为储能的充放电时间步长，为用户i的储能电量的下限和上限。
[0111]
(23)除了各产消者的分布式电源运行约束，社区内交易还需要满足如下的功率平衡约束：
[0112][0113][0114]
式中，为该第n个社区在时刻t向上级电网的购电功率，为用户i在时刻t的光伏发电功率，为用户i在时刻t的p2p交易电能，为正的时候表示用户i在时刻t买电，为负的时候表示用户i在时刻t卖电。
[0115]
(3)如图2所示，为了在每个社区级微电网内考虑能源用户之间的社会影响，本发明采用多主体深度强化学习对每个微电网内部的交易过程进行建模，将整个社区级微电网建模为一个信息-物理-社会系统。
[0116]
(31)为了建模深度强化学习，本发明将每个社区内的端对端交易过程建模为马尔可夫过程，其中的马尔可夫观测集如下：
[0117][0118][0119][0120]
式中，为发电侧的观测集，其中各变量的含义与(2)中对应变量的含义一致，为社区内的社会网络观测集，分别表示交易行为的操作难度、通信程度、信息深度、社会影响度和朋辈影响，数值越高则表示该项对交易结果的影响越大，为整个市场的观测集。
[0121]
(32)除了观测集，本发明还建立了马尔可夫动作集如下：
[0122][0123][0124]
[0125][0126][0127][0128]
式中，为可削减负荷的上限，为可中断负荷的上限，为可转移负荷的上限，为马尔可夫动作值。
[0129]
(33)在得到马尔可夫过程的动作集和状态集后，本发明即可根据动作来更新每个个体的状态转移过程，更新的状态转移如下：
[0130][0131][0132][0133][0134][0135]
式中各变量的含义与(31)和(32)中的对应变量的含义一致。
[0136]
(34)在得到状态转移动作后，本发明定义了对应状态转移的回报函数如下：
[0137][0138][0139][0140][0141][0142]
式中，r
icost,t
,r
iuti,t
,r
ipsy,t
,r
ider,t
分别表示卖电收益，购电的效用，与同一社区的能源产消者保持行为一致的心理奖励和分布式电源的使用维护成本，表示对净负荷取平均值，分别表示光伏和分布式储能的维护成本，取相反数即可得到回报函数值。
[0143]
(4)得到每个社区级微电网内部的能源交易模型后，社区之间可以进行匹配，以进一步消纳社区内部的总能量超出或者缺额的部分，本发明使用图3中的二部图的形式描述能源买卖双方之间的匹配的问题。
[0144]
(41)整个配电网级的社区p2p匹配问题可以写作如下形式：
[0145][0146][0147][0148][0149][0150][0151][0152][0153]
式中，为社区n向社区m卖电的价格，为社区n向社区m卖电的电量，为整个配电网交易的有功损耗，p
t
为各社区出力功率组成的向量，为对应有功平衡的拉格朗日对偶变量，为整个配电网交易的无功损耗，q
t
为各社区无功出力功率组成的向量，为对应无功平衡的拉格朗日对偶变量，p
min,t
,p
max,t
分别为每个社区的有功出力下限和上限，为对应的拉格朗日对偶变量，q
min,t
,q
max,t
分别为每个社区的无功出力下限和上限，为对应的拉格朗日对偶变量，v
min,t
,v
max,t
分别为每个节点对应电压幅值的下限和上限，为对应的拉格朗日对偶变量，||s
start,t
||2为支路开始处的复功率幅值的平方，||s
end,t
||2为支路结束处的复功率幅值的平方，(s
t
)2为整个支路复功率幅值的上限。
[0154]
(42)为了能够在社区间匹配p2p交易时，最小化交易对配电网络的影响，本发明对原问题线性化，然后求解拉格朗日函数如下：
[0155][0156][0157][0158]
[0159][0160][0161]
式中，π
t
表示社区n对社区m的交易的权重，分别表示能量、损耗、节点电压和线路阻塞体现在网络上的影响，本发明通过在匹配的同时最小化这些匹配权重的和来降低社区间能量交易对配电网络的影响。
[0162]
(5)将每个社区内的能源产消者按照图4中的多主体深度学习算法进行交易后，即可输出每个社区的能量缺额/超出部分，从而对各个社区进行匹配，匹配过程中使用匈牙利算法求解最佳的匹配结果的同时，最小化匹配线路的权重和。
[0163]
优选地，一种设备，包括：
[0164]
一个或多个处理器；
[0165]
存储器，用于存储一个或多个程序；
[0166]
当一个或多个所述程序被一个或多个所述处理器执行，使得一个或多个所述处理器实现如上所述的一种考虑社会影响的社区级p2p能源交易的二部图匹配方法。
[0167]
优选地，一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如上所述的一种考虑社会影响的社区级p2p能源交易的二部图匹配方法。
[0168]
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0169]
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内容。