共享储能模式下多微电网博弈优化方法

doi:10.16628/j.cnki.2095-8188.2022.02.003

电器与能效管理技术 ›› 2022, Vol. 0 ›› Issue (2): 12-20.doi: 10.16628/j.cnki.2095-8188.2022.02.003

共享储能模式下多微电网博弈优化方法

郑海林¹, 温步瀛¹^,², 朱振山¹^,³, 翁智敏¹

1.福州大学电气工程与自动化学院, 福建福州 350108
2.福建省新能源发电与电能变换重点实验室, 福建福州 350108
3.智能配电网装备福建省高校工程研究中心, 福建福州 350108

收稿日期:2021-10-09 出版日期:2022-02-28 发布日期:2022-03-31
作者简介:郑海林(1997—),男,硕士研究生,研究方向为电力系统运行与控制。|温步瀛(1967—),男,教授,博士,研究方向为电力系统优化运行与电力市场、风电并网运行技术。|朱振山(1989—),男,讲师,博士,研究方向为电力系统运行与控制。
基金资助:
福建省教育厅中青年教师教育科研项目(JAT190043);福州大学科研启动项目(510901)

Optimization of Multi Microgrid Game Method Under Shared Energy Storage Mode

ZHENG Hailin¹, WEN Buying¹^,², ZHU Zhenshan¹^,³, WENG Zhimin¹

1. College of Electrical Engineering and Automation,Fuzhou University,Fuzhou 350108,China
2. Fujian Key Laboratory of New Energy Generation and Power Conversion,Fuzhou 350108,China
3. Fujian Province University Engineering Research Center of Smart Distribution Grid Equipment,Fuzhou 350108,China

Received:2021-10-09 Online:2022-02-28 Published:2022-03-31

摘要/Abstract

摘要：

储能的高投资成本是限制其商业化发展的主要障碍,通过储能聚合商协调储能设备运行,提高储能的利用率并降低成本。首先,综合考虑了微电网中的火电机组、充电站、可中断负荷等可调节灵活性资源的成本以及共享储能的费用分摊,以各方效益最大化为目标,构建了各微电网与共享储能聚合商的博弈优化运行模型。其次,采用了多智能体强化学习方法求解多主体下博弈问题,引入KL散度优化智能体的学习率,提高算法的收敛性。最后,以3个相邻微电网的算例分析,共享储能模式下提升了各主体的经济效益,验证了共享储能模式的优越性与算法改进的有效性。

关键词: 共享储能, 多主体博弈, 强化学习, KL散度, 自适应学习率

Abstract:

The high investment cost of energy storage is the main obstacle to its commercial development.Through the energy storage aggregators to coordinate the operation of energy storage equipment,the utilization rate of energy storage is improved and the cost is reduced.Firstly,the cost of adjustable flexible resources such as thermal power units,charging stations and interruptible loads in microgrid and the cost sharing of shared energy storage are comprehensively considered.Aiming at maximizing the benefits of all parties,the game optimization operation model between microgrid and shared energy storage aggregator is constructed.Secondly,the Multi-Agent Reinforcement learning method is used to solve the multi-agent game problem,and KL divergence is introduced to optimize the agent learning rate and improve the convergence of the algorithm.Finally,taking three adjacent microgrids as examples,the economic benefits of each subject are improved under the shared energy storage mode,which verifies the superiority of the mode and the effectiveness of the algorithm improvement.

Key words: shared energy storage, multi agent game, reinforcement learning, Kullback-Leibler divergence, adaptive learning rate

中图分类号:

TM734

郑海林, 温步瀛, 朱振山, 翁智敏. 共享储能模式下多微电网博弈优化方法[J]. 电器与能效管理技术, 2022, 0(2): 12-20.

ZHENG Hailin, WEN Buying, ZHU Zhenshan, WENG Zhimin. Optimization of Multi Microgrid Game Method Under Shared Energy Storage Mode[J]. LOW VOLTAGE APPARATUS, 2022, 0(2): 12-20.

图/表 10

图1

图2

图3

图4

表1

表2

表3

表4

图5

图6

参考文献 21

[1]	肖定垚, 王承民, 曾平良, 等. 电力系统灵活性及其评价综述[J]. 电网技术, 2014, 38(6):1569-1576.
[2]	刘方, 杨秀, 张美霞, 等. 微电网经济优化运行研究综述[J]. 电器与能效管理技术, 2014(14):1-6,11.
[3]	杨海晶, 贾学翠, 高东学, 等. 分布式储能在电力系统的应用及现状分析[J]. 电器与能效管理技术, 2018(3):47-52.
[4]	鲁宗相, 李海波, 乔颖. 高比例可再生能源并网的电力系统灵活性评价与平衡机理[J]. 中国电机工程学报, 2017, 37(1):9-20.
[5]	HARSHA P, DAHLEH M. Optimal management and sizing of energy storage under dynamic pricing for the efficient integration of renewable energy[J]. IEEE Transactions on Power Systems, 2015, 30(3):1164-1181. doi: 10.1109/TPWRS.2014.2344859
[6]	饶宇飞, 司学振, 谷青发. 储能技术发展趋势及技术现状分析[J]. 电器与能效管理技术, 2020(10):7-15.
[7]	宋远军, 何凯, 石进永. 基于成本分析的用户侧储能方案经济性评估模型研究[J]. 电器与能效管理技术, 2020(5):86-90.
[8]	孔昱凯, 温步瀛, 朱振山, 等. 含储能的孤岛微电网日前-日内协调优化运行[J]. 电器与能效管理技术, 2021(2):65-74.
[9]	周梦. 共享经济与租赁经济关系研究[J]. 营销界, 2021, 4(9):98-99.
[10]	康重庆, 刘静琨, 张宁. 未来电力系统储能的新形态:云储能[J]. 电力系统自动化, 2017, 41(21):2-8,16.
[11]	王仕俊, 平常, 薛国斌. 考虑共享储能的社区综合能源系统协同优化研究[J]. 中国电力, 2018, 51(8):77-84.
[12]	WANG Z M, GU C H, LI F R. Flexible operation of shared energy storage at households to facilitate PV penetration[J]. Renewable Energy, 2018, 116:438-446. doi: 10.1016/j.renene.2017.10.005
[13]	潘倩华, 林健全, 孙伟卿. 考虑多主体电力负荷不确定性的工业园区共享储能配置与运行策略[J]. 软件, 2020, 41(7):260-263,296.
[14]	李淋, 徐青山, 王晓晴. 基于共享储能电站的工业用户日前优化经济调度[J]. 电力建设, 2020, 41(5):100-107.
[15]	刘继春, 陈雪, 向月. 考虑共享模式的市场机制下售电公司储能优化配置及投资效益分析[J]. 电网技术, 2020, 44(5):1740-1750.
[16]	龚迪阳, 汪科, 马瑜涵, 等. 孤岛联网后独立型微电网改造方案与实现[J]. 浙江电力, 2021, 40(4):10-16.
[17]	罗敏, 赵伟, 林国营, 等. 基于电网峰谷分时电价联动的电动汽车有序充电电价研究[J]. 电器与能效管理技术, 2015(24):78-82,92.
[18]	蔡杰, 尹斌鑫, 李智威, 等. 考虑安全约束的交直流配电网多利益主体完全信息动态博弈与协同调度方法[J]. 电力自动化设备, 2020, 40(12):73-81.
[19]	刘洪, 李吉峰, 葛少云, 等. 基于多主体博弈与强化学习的并网型综合能源微网协调调度[J]. 电力系统自动化, 2019, 43(1):40-50.
[20]	陈艺璇, 张孝顺, 郭乐欣, 等. 基于多智能体迁移强化学习算法的电力系统最优碳-能复合流求解[J]. 高电压技术, 2019, 45(3):863-872.
[21]	HU J L, WELLMAN M P. Nash Q-learning for general-sum stochastic games[J]. Journal of Machine Learning Research, 2004, 4(6):1039-1069.

运行主体	各微电网独立优化(天)
运行主体	总运行成本/元	储能全寿命周期费用/元	充放电损耗/元
微电网1	44 196.14	2 233.26	5 265.70
微电网2	52 075.55	1 488.84	5 264.35
微电网3	49 835.60	3 722.10	10 591.27

运行主体	共享储能模式(天)
运行主体	总运行成本/元	调度(租赁) 储能费用/元	充放电损耗/元
微电网1	38 506.74	2 070.05	9 560.71
微电网2	49 327.81	2 143.25	9 171.42
微电网3	48 081.44	1 924.89	7 197.04
储能聚合商	-1 441.70(盈利)	7 444.20	23 181.51

共享储能模式下多微电网博弈优化方法

Optimization of Multi Microgrid Game Method Under Shared Energy Storage Mode

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 10

参考文献 21

相关文章 1

编辑推荐

Metrics

本文评价

类型	最大中断功率/MW	最大中断电量/MWh	价格系数α/ (元·W^-1)	价格系数 β/元
微电网1	5	10	15	50
微电网2	10	20	15	65

类型	最大提价比例/%	最大折扣比例/%
微电网	20	0
储能聚合商	20	20