Non-Cooperative Differential Game Based Energy Consumption Control for Dynamic Demand Response in Smart Grid

In this paper, we conduct research on the dynamic demand response problem in smart grid to control the energy consumption. The objective of the energy consumption control is constructed based on differential game, as the dynamic of each users’ energy state in smart gird can be described based on a differential equation. Concept of electricity sharing is introduced to achieve load shift of main users from the high price hours to the low price hours. Nash equilibrium is given based on the Hamilton equation and the effectiveness of the proposed model is verified based on the numerical simulation results.

Improved algorithmic mechanism based on game theory in computational grids

Computational grids （CGs） aim to offer pervasive access to a diverse collection of geographically distributed resources owned by different serf-interested agents or organizations. These agents may manipulate the resource allocation algorithm in their own benefit, and their selfish behavior may lead to severe performance degradation and poor efficiency. In this paper, game theory is introduced to solve the problem of barging for resource collection in heterogeneous distributed systems. By using the Cournot model that is an important model in static and complete information games, the algorithm is optimized in order to maximize the benefit. It can be seen that the approach is more suitable to the real situation and has practical use. Validity of the solutions is shown.

基于区块链技术的光伏产消者集群定价博弈

随着具有源荷二重属性的产消者占比日益提高,如何建立适合产消者的有效交易机制,激励其能源消纳是目前亟待解决的问题。针对该问题,提出区块链技术下的产消者与运营商的集群交易模型,将区块链技术量化到产消者的用电行为上。考虑到产消者集群内各主体独立,电价制定和电量调度存在先后次序,采取Stackelberg博弈理论寻求最优交互策略,并通过区块链更新求解过程中的交互信息。仿真结果表明:通过制定内部电价,能够提升集群内的光伏自消纳水平,同时在区块链技术下聚合优化集群内资源,可以有效提高产消者的用电效益与运营商的收益。进一步,结合光伏上网电价退坡政策,再次验证了所提模型的有效性。

基于网格化和雷达图的建筑抗震设防最优烈度决策模型研究

目前的建筑抗震设防最优烈度研究主要是从经济性或安全性进行考虑,然而合理的建筑抗震设防最优烈度需要综合考虑经济和安全性指标。本文将研究区域进行网格化,结合其周围历史地震数据进行地震危险性分析,以经济性指标和安全性指标作为抗震设防最优烈度评价指标;运用博弈论组合赋权法确定各指标权重,建立基于网格化和雷达图的建筑抗震设防最优烈度决策模型,将该模型运用到四川省崇州市钢混结构和砖混结构的抗震设防研究中。通过对比分析该模型数据发现:钢混结构按8度设防时,相比于6度、7度和9度设防,其抗震设防综合效益分别提升57.2%、29.6%和3.9%;砖混结构按8度设防时,相比于未设防、6度、7度和9度设防的抗震设防综合效益分别提升60.6%、19.2%、2.4%和1.9%。因此,崇州市钢混结构和砖混结构按8度设防时,为最优抗震设防烈度,抗震设防综合效益最佳,验证了该模型的有效性。

基于主从博弈的考虑无线充电道规划的电网调度策略

该文研究无线充电道的规划问题,并在规划基础上研究电动汽车在无线充电道上充电对电网造成的影响。首先,基于道路、充电站的分布和交通情况,建立新型的路网交通模型,并通过分析各道路的拥堵系数,提出无线充电道的最优规划;其次,以电网运营商为领导者,以充电行为的变化规律符合改进需求响应函数的电动汽车用户为跟随者,建立主从博弈模型;最后,采用粒子群算法对其进行求解,得到最优的分时电价和充电策略,实现电网运营商收益最大与用户充电成本最小。研究结果表明,该方法解决无线充电道的利用率和收益低的问题,并为电动汽车通过无线充电道参与电网调度提供了理论依据。

基于三角模糊数序贯博弈的电网安全研究

智能电网系统面临着复杂性、多样性的网络安全风险。针对电网工艺漏洞攻防双方在博弈分析中无法对信息属性损失作出准确判断的问题,提出了一种三角模糊数序贯博弈模型。以序贯博弈树方法进行智能电网攻防博弈,构建出攻击者和防御者的最优策略,实现对智能电网的工控安全防护。通过对智能电网攻击者和防御者构建序贯博弈模型,得到攻防博弈效用。提出运用三角模糊数和概率分布向量的方法来构建非模糊化损失,得到攻防双方清晰化的系统损失值。对三角模糊数序贯博弈算法和贝叶斯序贯算法进行比较,得到智能电网均衡路径中的攻击者和防御者的最优策略,以保障智能电网网络安全运行和防护。该研究为智能电网以及典型工控系统网络安全博弈提供参考。

面向规模化分布式可再生能源并网的群网协同互动优化方法

实现规模化分布式可再生能源接入下电网的稳定运行,是低碳化转型新形势下电网优化运行的重要研究方向。针对分布式可再生能源聚合形成集群参与电网优化运行带来的多主体性特点以及随机性问题,提出面向规模化分布式可再生能源并网的群网协同互动优化方法。首先,通过在灵活性资源的约束空间中构建高维内接长方体,形成表征灵活调节范围的可调功率域,通过构造可调功率域对可再生能源集群波动范围全覆盖的灵活性约束,使优化结果在可再生能源集群随机波动范围内全场景可行。然后,基于电网运行多主体的自利自主特性,构建满足同质个体并行优化、非同质个体串行优化要求的势博弈群网协同互动优化模型,提出与模型相适应的分布式优化方法与流程。最后,仿真算例表明,所提方法有效实现了多主体协同互动优化,并保障了优化结果的全场景可行。

面向省级电网运行数据的健康指数理论研究

针对电网系统运行水平现状,提出基于省级电网运行数据的健康指数理论。基于能源保供的重要性,从运行可靠性与供电稳定性两个维度出发,提出负荷转供率、设备故障占比、重合成功率、故障恢复时间系数、故障电压等级系数五个指标。为确保指标权重计算的合理性,依次求取主观权重、客观权重,并用博弈论法求取综合权重。通过对湖南14个地市跳闸数据的分析与计算,给出不同地市的健康指数水平。最后,测算某地市全年电网健康指数水平情况,分析其健康指数变化与天气的相关性,为电网的实际运行提出建议。

碳流管控下的配电网储能优化运行

随着“碳达峰”与“碳中和”目标和新型电力系统不断推进,碳市场和储能系统是其不可忽略的重要助力,因此分析储能系统和碳交易机制提高配电网系统的经济性和低碳性具有重要意义。本文建立一个考虑碳交易市场的配电网储能优化运行模型,应用电力系统碳排放流理论来分析电力拓扑网络的节点碳势,构建考虑充放电效率的储能系统的内部碳流量和碳势计算模型,并运用考虑个体边际效益的Shapley值法来分摊用户侧的碳排放责任。根据IEEE-33节点配电网的仿真结果可知,用户侧碳排放责任与负荷规模及位置密切相关,Shapley值法能够公平合理地处理碳责任分摊,在确保电网运行可靠性的前提下,配置储能系统与阶梯式碳价交易机制的配电网系统使得区域整体碳排放量减少10.7%、配电网运营商收益提高8.2%、用户碳成本降低5.7%。本文展示了储能系统在高比例可再生能源配电网中优化运行和在减排中的关键作用,为未来电网的低碳化和经济化运营提供了理论和实践依据。

智能电网需求侧用户参与度研究模型

为充分挖掘智能电网需求侧与用户参与度的响应能力,探究电网需求侧的用电负荷影响,建立了智能电网需求侧用户参与度研究模型。采用聚类算法在噪声、模糊数据中提取特征数据,并对其进行归一化处理。根据智能电网的调配用电需求量,构建收益函数模型;将用户群体划分结果与博弈论相结合,建立不同类型用户博弈论模型,并组建电网需求侧用户参与度研究模型,定义电价收益、价格响应、智能调配用电时间等参数,为智能电网参与市场环境下的用户参与度调控提供了模型支持。以河北电网为测试对象进行测试,结果表明:随着时间的增加以及电价的降低,用户参与比例为89%,用户满意度均值为90%。智能电网需求侧的响应特性受用户参与度的影响,所提模型可以准确完成智能电网需求侧下的用户参与度计算,确保电网需求侧电力市场的供需平衡。

A Multi-Objective Coordinated Charging and Discharging Strategy for Electric Vehicles Based on Stackelberg Game

For the negative impact of large-scale electric vehicles (EVs) disorderly charging on the power grid, a multi-objective optimization strategy for coordinated charging and discharging of EVs based on Stackelberg game is proposed. As the leader, the grid company aims to stabilize load fluctuations and formulate a reasonable electricity price strategy to guide EVs to participate in vehicle-to-grid (V2G);As followers, EV users optimize their charging plans based on electricity price information with the objective of reducing costs and obtaining good comfort. This paper uses the MOPSO algorithm to solve the proposed multi-objective Stackelberg problem, and calculates the optimization results under various preferences, which proves the effectiveness of the proposed model and method.

Optimal Demand-Side Management for Smart Micro Grid with Storage

In this paper, an autonomous and distributive demand-side management based on Bayesian game theory is developed and applied among users in a grid connected micro-grid with storage. To derive that strategy, an energy consumption of shiftable loads belonging to a given user is modelled as a noncooperative three-player game of incomplete information, in which each user plays against the storage unit and an opponent gathering all the other users in the micro-grid. Each player is assumed to be endowed with statistical information about its behavior and that of its opponents so that he can take actions maximizing his expected utility. Results of the proposed strategy evaluated by simulating, under MATLAB environment, a connected micro-grid with storage device evidence its efficacy when employed to manage the charging of electric vehicles.

考虑风光不确定性的微网经济风险博弈模型

微网中风光等可再生能源发电出力的不确定特性会对优化调度产生影响,因此需开展考虑风光出力不确定性的优化策略研究。文章计及风光出力的不确定性,提出一种微网讨价还价博弈模型,并定量定性分析不确定性对于微网优化的影响。为表征可再生能源的不确定性因素,建立风光出力的马尔科夫链模型,结合蒙特卡洛法模拟出大量风光出力场景,进而利用模糊C聚类生成典型场景;提出综合考虑微网运行经济性及风险性的讨价还价博弈模型;应用MATLAB调用IPOPT优化软件实现模型求解,算例验证表明,文章建立的模型提高了风光出力的消纳率,调动了储能机组的积极性,兼顾微网运行的经济性和风险度;描述风光转移概率的特征,分析风光不确定性对微网优化的影响。

计及需求响应与主从博弈的微电网低碳优化调度

在“双碳”背景下,为准确突出需求响应的实际特点和解决传统微电网中可再生能源利用率低、负荷峰谷差大以及两主体利益无法均衡的问题,文中提出计及需求响应与主从博弈的微电网低碳优化调度模型。首先,考虑负荷变化量与电价变化量之间的非线性关系,构建基于指数关系的价格型需求响应机制优化用户负荷与其峰谷差;然后,结合激励型需求响应与碳交易机制建立以微电网作为领导者,用户作为追随者的低碳主从博弈模型;最后,通过KKT条件将双层博弈模型转化为单层规划问题求纳什均衡解,并通过算例验证了模型的有效性。算例结果表明,所提模型准确地描述了实际需求响应特点,实现了削峰填谷;并且也提高了微电网中的风光利用率和利润,降低了微电网的碳排放量。

主动配电网源网荷协同规划方法

为提高主动配电网消纳新能源能力,提出主动配电网源网荷协同规划方法。首先,分析分布式电源投资运营商和配电网投资运营商两方效益,以效益最大化为目标构建多目标协同规划模型;然后,通过综合定权法将多目标转换为单目标;最后,利用博弈理论求解协同规划模型。结果表明,设计方法协同规划后,配电网的新能源利用率最高可达97.15%,且迭代次数少、收敛速度快,协同规划的总成本低、效率高。设计方法能够改进主动配电网的新能源消纳能力,对于配电网规划具有一定的参考价值。

智能电网下计及用户侧效益最优的负荷调控方法

智能电网中,为调控电网峰谷期间的用电量,提高负荷用户效益,提出了一种基于博弈论的负荷调控方法。以用户侧与电网侧为博弈主体分别构建负荷模型、负荷效益模型及电网侧效益模型。设计了基于博弈机制的电价调控策略,通过多轮动态调整博弈双方的收益,协调用户侧与电网侧之间的不平衡关系。在负荷与电价的双重约束下,通过CPLEX求解器计算负荷用户收益结果与电网负荷调控结果。算例表明,相同数据条件下,与改进粒子群算法相比,所提调控方法的负荷侧支出减少了0.95%,网侧支出减少了6.14%。验证了该方法可在有效调控电网峰谷期间负荷的同时,保证用户侧效益最优。

窃电行为检测方法研究综述

电力系统中因窃电行为对电网公司造成的非技术损失一直是电网公司迫切解决的难题。伴随电网大量部署智能电表,利用电力计量自动化系统采集的用户侧数据开展窃电行为准确检测受到研究者和电网公司的普遍关注。首先,介绍用户窃电行为基本分类情况、评价指标与现有窃电检测数据集;然后,从基于电网状态分析、机器学习、博弈论以及硬件4个方面对现有窃电行为检测方法进行全方面整理、剖析与对比,总结出各方法基本思路和优缺点;最后,对当前窃电行为检测领域研究中存在的挑战深入分析,并对未来研究工作重点进行展望。

考虑车主意愿和成本的车网能量互动博弈模型

针对电动汽车(Electric Vehicle, EV)在参与需求响应时对用户意愿考量不足,配网与EV利益分配不公的问题,提出了考虑用户响应成本及意愿的V2G能量交互策略.对EV用户在交互中产生的充电时间延迟和电池劣化成本进行了量化与分析,并使得EV车主能够通过指定其成本系数的方式来表达他们的互动意愿,从而获得合理的补偿.随后,建立配电系统运营商(Distribution System Operator, DSO)和集群EV之间的双层斯托伯格(Stackelberg)博弈模型,并根据Karush-Kuhn-Tucker条件,将其转换为一个单层混合整数二阶锥规划问题.基于IEEE 33节点系统验证了模型的有效性,实现了EV车主和DSO之间的双赢.

基于博弈论的智能电网风险分析研究

为了提高智能电网风险评估水平,在研究攻防模型和攻击方式基础上,提出了智能电网动态博弈模型。该模型为一个三层规划问题:低层规划模型使总减载量最小化;中层规划模型使攻击者根据防御者的防御策略分配攻击资源;上层规划模型分配防御资源最大限度地减少电网损失。此外,还提出了一种分层目标优化策略确定最优攻防策略及资源配置。实验中,将本文方法与模糊集、马尔科夫模型、全局局部策略等方法进行比较,比较结果显示所提方案使系统的整体安全风险值较高,系统相对更加安全。

游戏场景中基于直接交互机制的蚁群路径规划算法

针对即时战略游戏环境中传统的路径规划算法寻路因素较为单一、信息传递较少、被敌方单位击杀概率较大等问题,提出了一种仅仅基于直接交互机制的蚁群寻路算法。这种算法不仅仅是通过在蚂蚁之间直接交互信息来传递代表寻路目标点位置的信息,同时蚂蚁还与敌方单位进行直接交互,获取在路径上对己方单位带来伤害的敌方单位的位置信息,提高我方侦察单位的存活率,从而规划出一条避开敌方攻击单位到达敌方基地的更合理路径。这种算法同时还扩大了蚂蚁的感知范围,提高了蚂蚁之间进行交互的概率,缩短了完成路径规划所需的时间。通过栅格网络和游戏《星际争霸:母巢之战》仿真地图与A*算法、人工势场算法等常见的路径规划算法做对比实验,结果表明,基于直接交互机制的蚁群算法在某些栅格地图中取得了最短的路径,而且在特定游戏场景中有最长的停留时间,有效解决了游戏场景中的路径规划问题。