P2P能源共享下考虑意愿动态调整的电动汽车群需求响应策略研究

以新能源为主体的电力系统需要灵活性调节资源的支撑,而市场化交易发展不足限制了需求响应灵活调节能力的充分发挥,为此国家出台相关政策积极推进分布式发电市场化交易。在端对端(peer-to-peer,P2P)能源共享市场中,明确需求侧响应意愿与可调度容量,厘清意愿、行为和市场的交互关系,对市场的需求响应策略实施和分布式能量平衡具有重要的意义。在此背景下,提出P2P能源市场下考虑响应意愿动态调整的电动汽车群需求响应策略,基于充放电行为建立了响应意愿量化模型,以表征充放电价格和电池荷电状态(state of charge,SOC)的影响。采用三角隶属度函数描述意愿的不确定程度。P2P市场交易决策分为定量和定价两阶段,定量阶段在考虑响应意愿影响的基础上,建立市场利益最大化的模糊机会约束规划模型,定价阶段根据价格对意愿的影响,提出改进市场中间价(mid-market rate,MMR)定价方法确定市场收益分配机制。考虑光伏出力波动的影响,利用信息间隙决策理论(information gap decision theory,IGDT)建立需求响应策略鲁棒模型。算例分析表明,考虑意愿动态调整的需求响应策略能够合理调用电动汽车群响应能力,提高可调度容量利用率和市场参与者经济利益,促进光伏就近消纳。

计及云储能的P2P分布式能源互联共享策略

云能源存储是近年来能源互联网中最经济的能源共享与协调技术之一。结合云能源存储运行特点,构建一种支持P2P能源交易体系结构和操作模型,针对单客户之间共享和虚拟集成的云能源存储目标函数,提出分布式交替方向乘数法,有效提升可再生能源的利用,最后统计分析可再生能源和实时电价的真实数据集。仿真结果表明该框架可长期有效降低成本。

基于双深度Q网络算法的多用户端对端能源共享机制研究

端对端(P2P)电力交易作为用户侧能源市场的一种新的能源平衡和互动方式,可以有效促进用户群体内的能源共享,提高参与能源市场用户的经济效益。然而传统求解用户间P2P交易的方法依赖对于光伏、负荷数据的预测,难以实时响应用户间的源荷变动问题。为此,本文建立了一种以多类型用户为基础的多用户P2P能源社区交易模型,并引入基于双深度Q网络(DDQN)的强化学习(RL)算法对其进行求解。所提方法通过DDQN算法中的预测网络以及目标网络读取多用户P2P能源社区中的环境信息,训练后的神经网络可通过实时的光伏、负荷以及电价数据对当前社区内的多用户P2P交易问题进行求解。案例仿真结果表明,所提方法在促进社区内用户间P2P能源交易共享的同时,保证了多用户P2P能源社区的经济性。