[發(fā)明專利]一種基于博弈論的負(fù)荷控制方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201910071891.2
• 申請日: 2019-01-25
• 公開（公告）號: CN109919658A
• 公開（公告）日: 2019-06-21
• 發(fā)明（設(shè)計）人: 王德順;楊波;史如新;薛金花;葉季蕾;馮鑫振;陶瓊;吳福保;余濤;張煒;杜建;趙上林;俞斌;姬聯(lián)濤;孫博
• 申請（專利權(quán)）人: 中國電力科學(xué)研究院有限公司;國網(wǎng)江蘇省電力有限公司常州供電分公司;國家電網(wǎng)有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q50/06;G06N3/00;G06N3/08
• 代理公司: 北京安博達(dá)知識產(chǎn)權(quán)代理有限公司 11271
• 代理人: 徐國文

本發(fā)明涉及一種基于博弈論的負(fù)荷控制方法及系統(tǒng)，獲取歷史數(shù)據(jù)和實時氣象數(shù)據(jù)作為預(yù)測樣本數(shù)據(jù)；根據(jù)預(yù)測樣本數(shù)據(jù)制定多發(fā)電主體的電價；將所述多發(fā)電主體的電價和負(fù)荷側(cè)的負(fù)荷需求作為動態(tài)博弈粒子輸入到預(yù)先構(gòu)建的博弈模型中，利用粒子群優(yōu)化算法求解滿足多發(fā)電主體收益最大化目標(biāo)的納什均衡點；所述歷史數(shù)據(jù)包括負(fù)荷需求歷史數(shù)據(jù)、光伏發(fā)電歷史數(shù)據(jù)和歷史氣象數(shù)據(jù)。本發(fā)明建立多利益主體交易的經(jīng)濟(jì)優(yōu)化模型，基于動態(tài)博弈理論，利用動態(tài)粒子群優(yōu)化算法求解關(guān)于電價制定與負(fù)荷需求的納什均衡問題，從而實現(xiàn)多發(fā)電主體的利益最大化。

技術(shù)領(lǐng)域

本發(fā)明涉及電力系統(tǒng)自動化的技術(shù)領(lǐng)域，具體涉及一種基于博弈論的負(fù)荷控制方法及系統(tǒng)。

背景技術(shù)

隨著電力市場進(jìn)一步改革，大力發(fā)展的可再生能源運營商各自形成獨立利益主體，而傳統(tǒng)以配電網(wǎng)收益最大化為目標(biāo)的電能調(diào)度模式將不再適用于含有多發(fā)電主體的新型電網(wǎng)運行環(huán)境。故在滿足用戶需求的前提下，以多發(fā)電主體收益最大為目標(biāo)，制定可再生能源日前出力信息，間歇式光伏出力的波動性使得僅依靠歷史發(fā)電數(shù)據(jù)和負(fù)荷需求信息難以滿足理想精度要求而造成經(jīng)濟(jì)、能源損失；多發(fā)電主體與用戶之間因電價制定與負(fù)荷需求存在利益沖突，傳統(tǒng)多目標(biāo)求解不利于電價策略的實時反應(yīng)，得到的非劣解不能準(zhǔn)確客觀的代表雙方利益。

發(fā)明內(nèi)容

為解決上述現(xiàn)有技術(shù)中傳統(tǒng)多目標(biāo)求解不利于電價策略的實時反應(yīng)，得到的非劣解不能準(zhǔn)確客觀的代表雙方利益的問題，本發(fā)明的目的是提供一種基于博弈論的負(fù)荷控制方法及系統(tǒng)，本發(fā)明建立多利益主體交易的經(jīng)濟(jì)優(yōu)化模型，基于動態(tài)博弈理論，利用動態(tài)粒子群優(yōu)化算法求解關(guān)于電價制定與負(fù)荷需求的納什均衡問題，從而實現(xiàn)多發(fā)電主體的利益最大化。

本發(fā)明的目的是采用下述技術(shù)方案實現(xiàn)的：

本發(fā)明提供一種基于博弈論的負(fù)荷控制方法，其改進(jìn)之處在于：

獲取歷史數(shù)據(jù)和實時氣象數(shù)據(jù)作為預(yù)測樣本數(shù)據(jù)；

根據(jù)預(yù)測樣本數(shù)據(jù)制定多發(fā)電主體的電價；

將所述多發(fā)電主體的電價和負(fù)荷側(cè)的負(fù)荷需求作為動態(tài)博弈粒子輸入到預(yù)先構(gòu)建的博弈模型中，利用粒子群優(yōu)化算法求解滿足多發(fā)電主體收益最大化目標(biāo)的納什均衡點；

所述歷史數(shù)據(jù)包括負(fù)荷需求歷史數(shù)據(jù)、光伏發(fā)電歷史數(shù)據(jù)和歷史氣象數(shù)據(jù)；

實時氣象數(shù)據(jù)至少包括溫度和季節(jié)數(shù)據(jù)。

進(jìn)一步地：所述根據(jù)預(yù)測樣本數(shù)據(jù)制定多發(fā)電主體的電價，包括：

將預(yù)測樣本數(shù)據(jù)輸入至預(yù)先設(shè)定的RBF神經(jīng)網(wǎng)絡(luò)模型中預(yù)測日前光伏出力，得到日前光伏出力預(yù)測值；

根據(jù)所述日前光伏出力預(yù)測值確定負(fù)荷側(cè)的用電數(shù)據(jù)，基于負(fù)荷側(cè)的用電數(shù)據(jù)制定多發(fā)電主體的電價。

進(jìn)一步地：所述將預(yù)測樣本數(shù)據(jù)輸入至預(yù)先設(shè)定的RBF神經(jīng)網(wǎng)絡(luò)模型中預(yù)測日前光伏出力，得到日前光伏出力預(yù)測值，包括：

對所述預(yù)測樣本數(shù)據(jù)進(jìn)行歸一化處理；

基于歸一化處理后的預(yù)測樣本數(shù)據(jù)對RBF神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到日前光伏出力預(yù)測值。

進(jìn)一步地：對所述預(yù)測樣本數(shù)據(jù)進(jìn)行歸一化處理的表達(dá)式如下：

其中，x′(t)為歸一化處理后的預(yù)測樣本數(shù)據(jù)，x(t)為輸入的預(yù)測樣本數(shù)據(jù)，min(x(t))為x(t)中的最小數(shù)據(jù)，max(x(t))為x(t)中的最大數(shù)據(jù)；

所述基于歸一化處理后的預(yù)測樣本數(shù)據(jù)對RBF神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到日前光伏出力預(yù)測值的表達(dá)式如下：