电力互联网多目标演化博弈分析.pdf

第 卷 第 期 年 月武 汉理工大学学报(信息与管理工程版)().文章编号:()文献标志码:电力互联网多目标演化博弈分析曾月阳徐 强张秀永马 鑫张 鹏(.国家电网有限公司客户服务中心天津.北京中电普华信息技术有限公司北京)摘 要:为提升电力互联网中不同群体的收益降低其支出进行多目标优化的电力互联网群体行为演化博弈分析 构建电力互联网中运营商与用户的决策优化目标函数设定各目标函数的约束条件 采用 型递减函数计算惯性权重优化粒子群算法进行求解得到最优决策集合 根据优化后的决策结合复制者动态模型构建电力互联网群体行为演化博弈模型分析电力互联网群体行为博弈过程对电价决策的影响 结果表明该模型在博弈过程中不同群体均可最大化发挥主动性通过博弈运营商在部分时间节点降低了电价由此引导用户使用电能通过优化自身决策提升电力互联网空间同时在其中获取利益关键词:决策过程优化电力互联网群体行为演化博弈目标函数粒子群算法中图分类号:./.收稿日期:.作者简介:曾月阳()女工程师研究方向为电力信息化、数字化技术.随着电力互联网建设的不断推进参与电力互联 网 的 决 策 主 体 数 量 呈 现 逐 年 上 升 的 趋势 然而由于决策空间的高维性和复杂性如何提升电力互联网中不同群体的收益、降低不同群体的支出成为了当前亟需解决的问题 耿世平等针对微能源网进行多目标演化博弈研究在博弈过程中用户通过柔性负荷的调度来调整用能策略微能源网则根据用户用能行为调整售能价格最终达到演化稳定状态 但研究过程以完全理性信息为基础决策优化目标不明显 宋宗耘等采用动态演化博弈模型着眼于电力需求侧管理政策运行环境分析电力需求侧管理过程中政府、电网企业和电力用户之间的博弈行为但未考虑决策优化过程导致陷入局部最优解的情况 李晨希等研究电力用户群体演化分析模型通过用户的用电特征构建复杂网络并基于网络实现对当前电力用户群体的状态评估和不同因素影响下的演化分析但未考虑不同群体之间的相互作用和影响针对上述问题笔者开展多目标优化下的电力互联网群体行为演化博弈研究 为明确决策优化目标提高决策的可行性以简化目标函数模型同时达到风电接纳上限和考虑负荷转移条件下日运行费用最低为目的构建电力互联网中运营商与用户的决策优化目标函数并设定各目标函数的约束条件 为避免算法陷入局部最优解采用粒子群算法求解两个目标函数采用 型递减函数计算惯性权重优化粒子群算法 考虑不同群体之间的相互作用和影响根据优化后的决策结合复制者动态模型构建电力互联网群体行为演化博弈模型 电力互联网群体行为演化博弈仿真.电力互联网群体行为决策优化模型.电力互联网中运营商决策优化目标函数设定日运行收益最大化为电力互联网中运营商决策的优化目标 由于风电自身运行成本较低为简化目标函数模型同时达到风电接纳上限在构建目标函数过程中不考虑运营商风电运行成本 以、和 分别表示日运行费用(含能源购买费用)、设备维护费用与向用户销售电能的收入电力互联网中运营商决策优化目标函数为:()()式中:()为一天内划分的时段数量为运营商向上级网络的购电价格为运营商向上级网络购买的电功率为各时段大小()为储电系统维护成本系数和 分别为储电 系 统 的 充 电 功 率 和 放 电 功 率()和 分别为运营商销售给用户的电能价格和提供的电能功率设定电力互联网中运营商决策优化目标函数的约束条件为设备约束与电能销售价格约束.电力互联网中用户决策优化目标函数电力互联网中用户依照运营商发布的能源价格信息考虑负荷转移与日运行费用最低等设定用户决策优化目标函数:()()()()式中:代表用户和 分别为能源购买费用与因温度波动导致的不舒适成本和分别为运营商销售给用户的电能价格和提供给用户侧的电能功率 和 分别为电能和用户 的电能运用时段和 分别为用户 对于温度不舒适时的成本系数和设定的室内最舒适温度表示室内温度负荷量设定电力互联网中用户决策优化目标函数的约束条件为建筑热平衡约束、电能应用平衡约束与室内温度约束.基于粒子群算法的目标函数求解以粒子群算法为基础求解上述两个目标函数以粒子表示目标函数解值 在 维空间(目标函数解空间)内利用式()和式()描述第 个粒子的位置 与速度 由式()和式()描述第 个粒子的个体最优值 与群体最优值 ()()()()()()()()式中:和 分别为第 个粒子在 维空间的位置与速度表示第 个粒子的 维适应度值即该最优解 对应的适应度函数值表示个体最优值即该粒子历史上搜索到的最优解更新粒子时与 的波动将约束在一定的空间内也就是在 维空间内粒子超出位置或速度边界的条件下其位置与速度将更新至该维的位置与速度边界粒子群算法迭代条件下 维空间内第 个粒子即第 个目标函数解值的速度与位置更新通过式()和式()描述 ()()()()式中:和 分别为迭代次数与时间步长和 分别为第 次迭代条件下第 个粒子在 维空间的速度和位置 和 分别为学习因子和随机数学习因子的主要功能是调节个体与群体最优质的步长上限控制粒子迭代过程中的最优位置方向随机数是控制粒子搜索的随机性为惯性权重采用粒子群算法求解电力互联网中不同群体协同的目标函数解时当惯性权重为定值或线性波动时有较大概率陷入局部最优状态 故采用 型递减函数计算权重令粒子在搜索前期以较高的效率对全局进行搜索防止过早陷入局部最优 惯性权重优化公式为:()式中:和 分别为惯性权重的上限与下限值 为控制系数利用优化后的粒子群算法求解电力互联网中用户决策优化目标函数的具体步骤:依照电力互联网中用户决策优化目标函数实际需求确定粒子群规模等相关参数及后续迭代条件在步骤确定的范围内生成初始粒子群其所包含的全部粒子均存在初始速度与位置依照目标函数值确定不同粒子的适应度并确定不同粒子的和 同时更新个体最优值对应的 维适应度值 与 利用式()和式()更新后代粒子的速度与位置依照设定的终止条件确定是否终止迭代过程如果已满足终止条件即可输出电力互联网中用户决策优化目标函数求解结果反之返回步骤由此获取整体最优决策集合.电力互联网群体行为演化博弈模型构建在电力互联网群体数量 为 时(即数量不同的运营商群体与用户群体)构建电力互联网群体行为演化博弈模型分析互联网群体行为博弈过程对电价决策的影响等 针对通常形式下的三群体非对称演化博弈模型结构、代表 个不同群体各群体的最优决策集合内均包括两武汉理工大学学报(信息与管理工程版)年 月个决策子集:、且每对决策子集都是互为反决策 在重复博弈过程中决策 同 在 内被选择的概率分别为 和 决策 同 在 内被选择的概率分别为 和 决策 同 在 内被选择的概率分别为 和 由此得到普遍条件下三群体非对称演化博弈模型的支付矩阵如表 所示表 三群体非对称演化博弈模型的支付矩阵 其中 与 表示在 选择决策、分别选择决策 和、选择 的条件下的相对净支付 与 表示在 选择决策、分别选择决策 和、选择决策条件下的相对净支付 与 表示在 选择决策、选择决策、分别选择决策和 条件下的相对净支付 与 表示在 选择决策、选择决策、分别选择决策 和 条件下的相对净支付 与 表示在 选择决策、选择决策、选择决策 和 条件下的相对净支付 与 表示在 选择决策、选择决策 和、选择决策 条件下的相对净支付电力互联网群体行为演化博弈模型的均衡稳定性仅通过纯策略确定因此三群体两决策非对称演化博弈模型的稳定性分析仅在其纯决策内部均衡点范围内进行 电力互联网三群体非对称演化博弈模型的复制者动态方程为:()()()()()()()()()()()()()()()()()()()()()式中:()为第 个群体在时空 的策略比例 为总人口数 为复制误差为第 个群体内部的决策演化方程如式()所示()()式中:为第 个群体的收益函数 该模型包含 个内部均衡点其中有()、()和()个纯策略均衡点另外 个为混合策略均衡点 这些均衡点都是严格的纳什均衡 不同均衡点的出现和稳定性取决于相对净支付参数但并不是所有的均衡点都可以用其相斥的 组奇点来描述 相对净支付参数共有 组影响不同群体的收益函数进而影响决策演化方程和复制者动态方程的形式导致均衡点的出现和稳定性 每组相对净支付参数都会对应一个或多个内部均衡点但这些均衡点的位置和稳定性并不完全由相对净支付参数决定还会受到复制误差、初始策略分布等因素的影响通过迭代计算对复制者动态方程进行求解设定初值代入复制者动态方程中进行迭代计算直至收敛到均衡点 由于该模型存在多个均衡点需要进行稳定性分析以确定最终收敛到的均衡点 仿真分析为验证决策过程优化下的电力互联网群体行为演化博弈模型的实际应用效果以运营商与居民群体为演化博弈主体进行仿真分析确定电力互联网中实体群体间的长期演化博弈问题.参数设置设定优化周期为一天划分时段数量为 个即各时段 设定运营商应用的各类设备参数与用户电力负荷标准等 设定种群数量和迭代次数上限分别为 和 不同群体的前一半粒子更新后在相应范围任意变化剩余粒子保持原样 按用电量规模选取办公与餐饮两个不同的用户群体分别用户 与用户 表示.博弈过程对电价决策的影响分析设定表 所示的 个场景分析模型对于运营商收益、降低用户成本的影响 不同场景下的优化结果及运营商设定的最终电价如表 和图 所示 由表 和图 可知在场景 内运营商未同用户实施博弈不了解用户行为与电价的相关性设定电价与上级电网电价相同造成运营商收益与风险消纳情况低于其他两个场景且用户的第 卷 第 期曾月阳等:电力互联网多目标演化博弈分析表 场景设定场景具体描述运营商同用户之间不产生博弈即运营商将电能销售给用户时所收取的电价与上级网络的价格一致忽略用户的电能替代能力运营商同用户之间产生博弈并以此为基础设定电价分析用户的电能替代能力运营商同用户之间产生博弈并以此为基础设定电价表 不同场景下的优化结果项目场景用户 支出/元.用户 支出/元.支出总值/元.运营商收益/元.风险消纳率/.图 不同场景下运营商设定的电价整体支出也最高 在场景 与 内运营商同用户之间产生博弈运营商在部分时间节点降低了电价由此引导用户的电能使用造成运营商收益与风险消纳情况均优于场景 且用户的整体支出也低于场景 上述结果表明通过博弈过程能够有效提升运营商制定电价的科学性这是由于在博弈过程中不同群体均可最大化发挥主动性通过优化自身决策提升电力互联网空间同时在其中获取利益.电价激励对用户参与度演化的影响实验分析不同电价激励场景下用户种群参与智能用电调配的行为决策的动态演化特性 用户 与用户 参与智能用电调配行为决策的比例分别记为 和 以、和 分别表示电网公司制定激励电价时设置的参数其中 不大于互联互联网的固定电价、同样设定 种不同场景:场景()(.)场景()(.)场景()(.)相同场景条件下 和 的演化特性对比结果如图 所示图 相同场景条件下的演化特性对比由图 可知在不同电价激励条件下和均趋于 即两个用户受电价激励影响持续提升并完善动态交互的条件下均产生选择参与智能用电调配行为决策的倾向并实现演化稳定均衡状态这也表明各用户群体在参与智能用电调配行为决策过程中受价格影响的显著性也就是说电价激励及其为用户带来的效益、用户种群对于参与到智能用电调配行为决策中的意愿之间呈正相关同时也充分说明了模型的有效性 结论()多目标优化下的电力互联网群体行为演化博弈分析研究表明:模型中的博弈过程能够有效提升运营商制定电价的科学性同时优化电力互联网空间为各个群体获取利益 这说明模型具有一定的应用价值和实用性可以为电力互联武汉理工大学学报(信息与管理工程版)年 月网的发展提供科学的决策支持 通过合理设置电价激励参数可以有效提高用户参与智能用电调配行为决策的积极性从而优化电力互联网空间为各个群体获取利益()研究可有效分析并判断电力互联网中群体在持续循环的动态交互过程中决策行为的长期演化稳定均衡状态 在后续研究中可以进一步探究通信时延、网络拓扑等因素对模型的影响并进一步优化模型以提高其应用效果参考文献:刘林张运洲王雪等.能源互联网目标下电力信息物理系统深度融合发展研究.中国电力():.丁肇豪曹雨洁张素芳等.能源互联网背景下数据中心与电力系统协同优化(一):数据中心能耗模型.中国电机工程学报():.杨挺翟峰赵英杰等.泛在电力物联网释义与研究展望.电力系统自动化():.汤天培王华陈丰等.电动自行车骑行人交通违法行为演化博弈分析.计算机仿真():.耿世平牛东晓郭晓鹏等.计及多能源柔性负荷调度的微能源网多目标演化博弈.电力建设():.宋宗耘张健郑泽东等.电力需求侧管理政策激励过程的动态演化博弈分析.中国电力():.李晨希史佳琪刘念等.基于复杂网络的电力用户群体演化分析模型.中国电机工程学报():.黄悦华王艺洁杨楠等.基于演化博弈的用户综合用能行为决策方法研究.电力系统保护与控制():.孙瑜严清心彭双武等.基于演化博弈的电力市场主体注册行为研究.电力电容器与无功补偿():.程宏波李志成王勋等.基于演化博弈的车网双向互动策略研究.中国电力():.刘敦楠汪伟业李鹏飞等.绿电消纳责任权重下火电厂商市场行为的演化博弈.电力建设():.程乐峰杨汝刘贵云等.多群体非对称演化博弈动力学及其在智能电网电力需求侧响应中的应用.中国电机工程学报():.彭春华钱锟闫俊丽.新能源并网环境下发电侧微分演化博弈竞价策略.电网技术():.黄南天包佳瑞琦蔡国伟等.多主体联合投资微电网源储多策略有限理性决策演化博弈容量规划.中国电机工程学报():.杨辉莫峻.发电侧企业群体间竞价行为的随机演化博弈.电网技术():.:.:.第 卷 第 期曾月阳等:电力互联网多目标演化博弈分析