[发明专利]基于分散式P2P协商机制与学习方案的能源超市交易优化方法在审

专利信息
申请号: 202111218418.6 申请日: 2021-10-20
公开(公告)号: CN113869790A 公开(公告)日: 2021-12-31
发明(设计)人: 詹昕;刘恒门;于翔;冯心雨;许学荣;张宸 申请(专利权)人: 国网江苏省电力有限公司扬州供电分公司;江苏科阳电力科技有限公司
主分类号: G06Q10/06 分类号: G06Q10/06;G06Q10/04;G06Q30/06;G06Q50/06
代理公司: 扬州市苏为知识产权代理事务所(普通合伙) 32283 代理人: 葛军
地址: 225009 *** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 分散 p2p 协商 机制 学习 方案 能源 超市 交易 优化 方法
【权利要求书】:

1.基于分散式P2P协商机制与学习方案的能源超市交易优化方法,包括以下步骤:

(1)分析能源超市交易主体框架信息;

(2)构建P2P能源交易模型;

(3)采用分散式ADMM法变形P2P能源交易模型;

(4)求解决策变量迭代公式;

(5)建立分散式学习方案调整目标函数参数;

(6)求解产消者定价与购售电方案。

2.根据权利要求1所述的基于分散式P2P协商机制与学习方案的能源超市交易优化方法,其特征在于,步骤(1)包括如下步骤:

(101)分析能源超市交易信息,建立产消者通信图,定义G(t)为产消者之间的通信图,G(t)为二部图;

(102)根据产消者通信图计算G(t)的关联矩阵、邻接矩阵、度矩阵和拉普拉斯矩阵;

定义产消者i的相邻节点集合为Ni(t),Ni(t)为t时刻除产消者i以外的参与能源交易通信的产消者的集合;

E(t)代表关联矩阵;

A(t)代表邻接矩阵,aij为邻接矩阵中代表连接关系的元素,当它等于1与0时分别代表产消者i和产消者j在时间t时是相连接的与不连接的;

D(t)代表度矩阵,其中diag代表D(t)为di(t)所构成的n×n维的对角矩阵,n为产消者的总个数,为定义符号,代表产消者i与所有相邻产消者j的连接关系元素之和;

拉普拉斯矩阵为L(t)=D(t)-A(t)。

3.根据权利要求2所述的基于分散式P2P协商机制与学习方案的能源超市交易优化方法,其特征在于,步骤(2)包括如下步骤:

(201)构建产消者i成本函数:

Ci,3(Pi(t))=βPi,tr(t) (3)

其中:Ci,1(Pi(t))、Ci,2(Pi(t))、Ci,3(Pi(t))分别为产消者i的行为变化成本、交易成本和实施成本;

ai(t)、为反映产消者随时间变化的复杂行为的参数;Pij(t)为产消者i对产消者j之间的交易量;Pi(t)为反映产消者i与相邻产消者之间交易量的向量;Pi,tr(t)为产消者i的总交易量;dij为双方贸易权重;β为固定比率;

将公式(1)、(2)、(3)相加求和,其中公式(1)、(3)中相同项合并,得到产消者i的总成本如下:

其中,Ci(Pi(t))为产消者i的总成本,bi(t)为公式(1)、(3)相加所合并的项的系数;

(202)建立产消者i约束条件:

其中分别为产消者i交易下限和上限;T为交易总时段,t代表交易时段;Pji(t)为产消者j对产消者i之间的交易量,为Pij(t)的相反数;

(203)构建P2P能源交易模型:

当产消者i是购能者时,Pij(t)≤0,当产消者i是售能者时,Pij(t)≥0。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网江苏省电力有限公司扬州供电分公司;江苏科阳电力科技有限公司,未经国网江苏省电力有限公司扬州供电分公司;江苏科阳电力科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111218418.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top