基于主從博弈的區(qū)域綜合能源服務(wù)商運(yùn)行策略

李東東, 周冠廷，李寬宏，林順富,3，段維伊，沈運(yùn)帷

(1.上海電力大學(xué)院電氣工程學(xué)院，上海市200090；2.國網(wǎng)福建省電力有限公司福州供電公司，福州市 350009；3.上海市教委高效電能應(yīng)用工程研究中心，上海市 200090)

0 引 言

能源是人類生存和發(fā)展必不可少的資源，隨著經(jīng)濟(jì)的發(fā)展和人類生活水平的不斷提高，人們對(duì)能源的需求越來越大[1]。目前，世界各國都在大力研究如何使多種能源協(xié)調(diào)運(yùn)行，打破原有的各能源系統(tǒng)之間單獨(dú)規(guī)劃、單獨(dú)運(yùn)行的模式，構(gòu)建綜合能源服務(wù)系統(tǒng)[2]。綜合能源服務(wù)將能源銷售服務(wù)、分布式能源服務(wù)、節(jié)能減排及需求響應(yīng)服務(wù)等組合在一起，在我國擁有巨大的市場(chǎng)潛力。

分析美國[3]、德國[4]、日本[5]等發(fā)達(dá)國家的成功案例可知，綜合能源服務(wù)的發(fā)展不僅僅是發(fā)電方式的改變和新型能源技術(shù)的推廣，還要通過市場(chǎng)化運(yùn)作，對(duì)消費(fèi)方式和供給結(jié)構(gòu)進(jìn)行改革，才能獲得規(guī)?；陌l(fā)展。目前，對(duì)于區(qū)域綜合能源服務(wù)商(regional integrated energy service provider，RIESP)的研究主要側(cè)重于對(duì)綜合能源服務(wù)的市場(chǎng)模式分析[6-7]、交易及博弈方法[8-9]、可靠性和穩(wěn)定性評(píng)估[10-11]、經(jīng)濟(jì)性優(yōu)化調(diào)度[12-13]等。隨著電力體制改革的推進(jìn)，經(jīng)濟(jì)性成為研究綜合能源系統(tǒng)過程中必不可忽略的因素，通過價(jià)格調(diào)控手段可以有效優(yōu)化多方利益，調(diào)整用戶用能行為。文獻(xiàn)[14]基于高比例風(fēng)電滲透的情況，建立博弈論模型，討論了電力市場(chǎng)環(huán)境下參與者的最優(yōu)決策行為。文獻(xiàn)[15]考慮不同供能設(shè)備之間互補(bǔ)特性，同時(shí)參與能量市場(chǎng)和旋轉(zhuǎn)備用市場(chǎng)，建立了日前優(yōu)化調(diào)度模型，制定運(yùn)行計(jì)劃和安排備用資源。文獻(xiàn)[16]在考慮區(qū)域電力現(xiàn)貨市場(chǎng)交易機(jī)制的基礎(chǔ)上，建立了跨區(qū)域現(xiàn)貨市場(chǎng)下多主體購售能主從博弈模型。上述文獻(xiàn)主要考慮供能側(cè)和售能側(cè)行為，均未站在用戶角度進(jìn)行考慮。

電價(jià)可以影響用戶負(fù)荷需求，同時(shí)用戶的負(fù)荷需求也會(huì)反作用于電價(jià)，售電側(cè)需要根據(jù)用戶的需求進(jìn)行定價(jià)，用戶根據(jù)價(jià)格進(jìn)行需求響應(yīng)，目前兩者之間的交互行為主要通過主從博弈的方法進(jìn)行研究。文獻(xiàn)[17]提出了含電動(dòng)汽車(electric vehicle, EV)和電轉(zhuǎn)氣(power to gas，P2G)設(shè)備的園區(qū)能源互聯(lián)網(wǎng)能源定價(jià)與管理策略，建立了園區(qū)運(yùn)營商和用戶代理商利益最大化的主從博弈模型。文獻(xiàn)[18]提出了社區(qū)能源互聯(lián)網(wǎng)分布式能量管理的方法和流程，建立了基于主從博弈的運(yùn)行商與產(chǎn)銷者的博弈模型。文獻(xiàn)[19]將經(jīng)濟(jì)運(yùn)行和輔助服務(wù)綜合考慮，建立了含有熱電耦合模型的工業(yè)園區(qū)綜合能源系統(tǒng)優(yōu)化模型。文獻(xiàn)[20]建立了多主多從的綜合能源系統(tǒng)博弈模型，研究多參與者參與的交互策略。上述研究集中于售能側(cè)與用戶側(cè)的博弈行為，但均缺乏對(duì)供能側(cè)及綜合能源服務(wù)商自身設(shè)備發(fā)電成本的考慮，并且忽略了綜合能源服務(wù)商由于分布式能源的不確定性和供需不平衡而參與實(shí)時(shí)市場(chǎng)的影響，此時(shí)所制定的RIESP自身設(shè)備出力及能源價(jià)格并非最優(yōu)。

針對(duì)上述背景，本文基于主從博弈模型，提出考慮RIESP自身設(shè)備發(fā)電成本及用戶購能效用的區(qū)域綜合能源服務(wù)商運(yùn)行策略。RIESP作為領(lǐng)導(dǎo)者，優(yōu)化目標(biāo)為RIESP運(yùn)行利潤最大；用戶作為跟隨者，優(yōu)化目標(biāo)為用戶消費(fèi)剩余最大。同時(shí)對(duì)RIESP定價(jià)策略、自身設(shè)備出力和用戶負(fù)荷進(jìn)行優(yōu)化。然后，證明本文所建模型解的均衡性和唯一性，并采用基于差分進(jìn)化和粒子群(differential evolution- particle swarm optimization，DE-PSO)的混合算法進(jìn)行求解。最后，通過算例驗(yàn)證本文所提RIESP運(yùn)行策略的有效性。

1 區(qū)域綜合能源服務(wù)商

1.1 區(qū)域綜合能源系統(tǒng)基本架構(gòu)

本文中的區(qū)域綜合能源服務(wù)商是在區(qū)域綜合能源系統(tǒng)的基礎(chǔ)上構(gòu)建的。區(qū)域綜合能源系統(tǒng)主要由能源供應(yīng)商、RIESP、用戶三部分組成，如圖1所示。能源供應(yīng)商由電網(wǎng)和天然氣網(wǎng)構(gòu)成，RIESP可根據(jù)能源需求量，通過日前市場(chǎng)和實(shí)時(shí)市場(chǎng)從能源供應(yīng)商處購能。RIESP是區(qū)域綜合能源系統(tǒng)的橋梁部分，通過連接能源供應(yīng)商和用戶，實(shí)現(xiàn)能源的協(xié)調(diào)運(yùn)行。用戶側(cè)包括常規(guī)電負(fù)荷、主動(dòng)電負(fù)荷、熱負(fù)荷和天然氣負(fù)荷。RIESP上層通過調(diào)度中心與電網(wǎng)和天然氣網(wǎng)相連，調(diào)度中心接收RIESP的購能量和電網(wǎng)、天然氣網(wǎng)的售能量，傳遞RIESP的能源需求量和向供應(yīng)商購能的價(jià)格；下層直接與用戶交互，接收用戶日前預(yù)測(cè)的用能量和需求響應(yīng)量，傳遞RIESP對(duì)用戶的售能價(jià)格。RIESP通過向能源供應(yīng)商購能并合理調(diào)控風(fēng)、光等可再生能源、儲(chǔ)能裝置和能源轉(zhuǎn)換設(shè)備，賺取差價(jià)利潤，實(shí)現(xiàn)削峰填谷，如圖2所示。相比于目前電網(wǎng)公司處于壟斷地位的售電模式，基于RIESP的售能模式更加靈活可靠，有利于電力市場(chǎng)中各售能主體的競(jìng)爭(zhēng)與合作。

1.2 RIESP兩步式?jīng)Q策機(jī)制

RIESP作為區(qū)域綜合能源系統(tǒng)的能量樞紐管理者，可以有效地引導(dǎo)分布式設(shè)備的利用，提高能源的利用率。但同時(shí)也要承擔(dān)由于供需不平衡、分布式能源的不確定性等因素帶來的風(fēng)險(xiǎn)。當(dāng)RIESP所能提供的最大電能無法滿足用戶的正常負(fù)荷時(shí)，則需要高價(jià)從能源供應(yīng)商處購能。因此RIESP運(yùn)行策略包含定價(jià)策略和設(shè)備運(yùn)行策略，基于此提出兩步式?jīng)Q策機(jī)制。

第1步：RIESP對(duì)電價(jià)、RIESP自身設(shè)備出力、用戶負(fù)荷等歷史信息進(jìn)行分析，按照用戶上報(bào)的購能計(jì)劃，制定售能策略并調(diào)整各設(shè)備運(yùn)行狀態(tài)。

圖1 區(qū)域綜合能源系統(tǒng)能量流Fig.1 Energy flow of the regional integrated energy system

圖2 區(qū)域綜合能源服務(wù)商運(yùn)營架構(gòu)Fig.2 Operational structure of RIESP

第2步：用戶根據(jù)RIESP提出的售能策略，改變負(fù)荷需求，調(diào)整用能策略。用戶的用能策略又會(huì)反作用于RIESP的售能策略，以此循環(huán)，確定出最有利于供、需雙方的價(jià)格點(diǎn)。

2 RIESP運(yùn)行策略的主從博弈模型

2.1 RIESP運(yùn)行策略的主從博弈模型結(jié)構(gòu)

RIESP和用戶是2個(gè)相互獨(dú)立的利益?zhèn)€體。RIESP通過調(diào)整向能源供應(yīng)商的購能策略，避免向能源供應(yīng)商購入的能量出現(xiàn)大量不足或大量過剩；同時(shí)，控制各設(shè)備的運(yùn)行狀態(tài)，調(diào)整區(qū)域綜合能源系統(tǒng)自身產(chǎn)生的能量和各能量間的轉(zhuǎn)化以及儲(chǔ)能裝置的運(yùn)行狀態(tài)，實(shí)現(xiàn)利益最大化。用戶通過調(diào)整EV充電策略和可中斷負(fù)荷，安排用能策略，最大化自己的消費(fèi)剩余。因此，RIESP在制定售能策略和設(shè)備運(yùn)行狀態(tài)時(shí)，不僅需要考慮自身的利益，還需要充分考慮用戶對(duì)其的反饋行為。由此可見，RIESP和用戶之間存在博弈行為。RIESP作為能源價(jià)格的制定者，擁有優(yōu)先決定權(quán)，因此，進(jìn)一步認(rèn)為RIESP和用戶之間的博弈行為是一種主從博弈。上層模型中，RIESP屬于領(lǐng)導(dǎo)者；下層模型中，用戶屬于跟隨者。

2.2 上層RIESP模型

上層模型以RIESP運(yùn)行利潤最大為目標(biāo)函數(shù)，主要包括售電利潤、售氣利潤和儲(chǔ)能裝置損耗成本。具體可描述為：

(1)

售電利潤由日前售電利潤、實(shí)時(shí)售電利潤、RIESP自身發(fā)電燃料成本構(gòu)成，如式(2)所示：

(2)

t時(shí)刻RIESP日前購買的電量取決于用戶上報(bào)的用電量和自身發(fā)電設(shè)備出力。t時(shí)刻RIESP實(shí)時(shí)購買的電量受用戶實(shí)際用電量、RIESP日前購電量和自身發(fā)電設(shè)備實(shí)際出力的影響。

(3)

(4)

(5)

t時(shí)刻RIESP發(fā)電消耗的燃料成本主要考慮RIESP內(nèi)的CHP設(shè)備發(fā)電成本，其成本與設(shè)備出力成二次函數(shù)關(guān)系[21]：

(6)

式中：a、b、c為CHP設(shè)備的成本系數(shù)。

售氣利潤包括售氣收入、購氣成本和RIESP中P2G設(shè)備運(yùn)行成本，如式(7)所示：

(7)

(8)

儲(chǔ)能裝置不斷充放電，會(huì)對(duì)其壽命產(chǎn)生一定的不良影響，降低儲(chǔ)能裝置的性能。在計(jì)算RIESP的利潤時(shí)，需要將儲(chǔ)能裝置的成本考慮在內(nèi)。儲(chǔ)能裝置損耗成本如式(9)所示：

(9)

式中：κ1、κ2、κ3為儲(chǔ)能裝置損耗系數(shù)。

RIESP模型主要考慮如下約束條件：

1)功率平衡約束。

RIESP在運(yùn)行過程中，需時(shí)刻滿足區(qū)域綜合能源系統(tǒng)的電功率平衡和天然氣功率平衡，如式(10)和(11)所示：

(10)

(11)

2)電價(jià)約束。

當(dāng)RIESP所能提供的最大電能無法滿足用戶的正常負(fù)荷時(shí)，需要高價(jià)從能源供應(yīng)商處購能。為保證RIESP為盈利狀態(tài)，電價(jià)約束如下：

(12)

(13)

在區(qū)域綜合能源系統(tǒng)中，不同能源之間可以相互轉(zhuǎn)化，因此RIESP在制定定價(jià)策略時(shí)，需有一個(gè)參考值[17]，本文采用電價(jià)為參考價(jià)格，天然氣價(jià)可描述為如式(14)所示：

(14)

3)能源轉(zhuǎn)換設(shè)備約束。

本文中，假設(shè)在額定運(yùn)行工況附近工作的設(shè)備，其效率不隨工況的變化而變化，即視其為定值。據(jù)此，多能流耦合約束可以描述為：

Pg,p2g=ηp2gPe,p2g

(15)

式中：ηp2g為P2G設(shè)備的電轉(zhuǎn)氣效率。

P2G設(shè)備的功率主要由其額定功率約束：

(16)

4)儲(chǔ)能裝置約束。

t時(shí)刻的儲(chǔ)能裝置功率主要由t-1時(shí)刻儲(chǔ)能裝置的充放電情況決定：

(17)

(18)

(19)

2.3 下層用戶模型

下層用戶在上層給定的RIESP售能策略的基礎(chǔ)上，調(diào)整自身用能策略，優(yōu)化目標(biāo)為用戶消費(fèi)剩余最大，即用戶的效用值與支出成本之差最大[22]。

maxψ=ψu(yù)ti-ψe-ψg

(20)

式中：ψu(yù)ti為用戶效用值函數(shù)，表示用戶購能的滿意程度，如式(21)所示[22]；ψe、ψg分別為用戶用電支出成本和用氣支出成本，如式(25)(26)所示。

(21)

式中：νDhe、μDhe、νRe、μRe、νg、μg分別為用戶對(duì)購買日前電能、實(shí)時(shí)電能和天然氣的偏好程度，可以反映用戶對(duì)不同能源的需求程度。

用戶電負(fù)荷包括固定電負(fù)荷、可平移電負(fù)荷和可削減電負(fù)荷，氣負(fù)荷包括固定氣負(fù)荷和可削減氣負(fù)荷，具體表示為：

(22)

(23)

(24)

(25)

(26)

(27)

式中：γ1、γ2表示可中斷的電負(fù)荷的價(jià)格系數(shù)；γ3、γ4表示可中斷的氣負(fù)荷的價(jià)格系數(shù)。

下層用戶模型主要考慮負(fù)荷中斷和轉(zhuǎn)移約束，用戶中斷的負(fù)荷和轉(zhuǎn)移的負(fù)荷均需在其可控范圍內(nèi)，即：

(28)

(29)

(30)

3 主從博弈模型求解

3.1 主從博弈Stackelberg均衡解的定義

(31)

3.2 主從博弈模型解的存在性和唯一性

對(duì)于一個(gè)有N個(gè)參與者的博弈行為，如果主從博弈的領(lǐng)導(dǎo)者的收益函數(shù)為F1，其策略集為Xi；跟隨者的收益函數(shù)為F2，其策略集為Yi。當(dāng)Xi、Yi均為非空緊凸集且無論領(lǐng)導(dǎo)者還是跟隨者任意一方策略集確定后，另一方均存在唯一的解。則證明該主從博弈模型存在唯一的主從博弈均衡解[23]。

證明過程如下：

1)本文中，上層領(lǐng)導(dǎo)者RIESP的策略約束為式(10)—(19)，下層跟隨者用戶的策略約束為式(28)—(30)，所有的策略集都是非空緊凸集。

2)證明當(dāng)上層領(lǐng)導(dǎo)者RIESP的策略集給定后，下層跟隨者用戶存在唯一解。

(32)

(33)

(34)

令一階偏導(dǎo)數(shù)為0，可得：

(35)

(36)

(37)

目標(biāo)函數(shù)式(20)的二階偏導(dǎo)數(shù)如下：

(38)

(39)

(40)

由此可知，其二階偏導(dǎo)數(shù)均小于0，在約束條件內(nèi)，當(dāng)上層領(lǐng)導(dǎo)者RIESP售能策略和設(shè)備運(yùn)行狀態(tài)給定后，下層跟隨者用戶存在唯一的最優(yōu)解。

3)證明當(dāng)下層跟隨者用戶的策略集給定后，上層領(lǐng)導(dǎo)者RIESP存在唯一解。

(41)

由于該Hessian矩陣是負(fù)定的，根據(jù)多元函數(shù)極值判定原則可知，存在極大值點(diǎn)。綜上所述，本文所建立的主從博弈模型存在唯一的均衡解。

3.3 求解方法

為克服粒子群算法(particle swarm optimization，PSO)收斂精度不高、容易陷入局部最優(yōu)和差分進(jìn)化算法(differential evolution，DE)在進(jìn)化后期收斂速度較慢，且易陷入局部最優(yōu)的缺點(diǎn)，本文將PSO算法與DE算法結(jié)合，提出DE-PSO混合優(yōu)化算法[24]，通過引入新的信息交流機(jī)制，允許信息在2個(gè)不同的種群中進(jìn)行傳遞，從而有效防止由于錯(cuò)誤的信息判斷而導(dǎo)致陷入局部最優(yōu)解。DE-PSO算法求解步驟為：

1)設(shè)置種群規(guī)模及算法基本參數(shù)。

2)根據(jù)群體維度將所有粒子等分為PSO種群和DE種群。分別對(duì)2個(gè)種群進(jìn)行初始化；設(shè)置隨機(jī)變量，即RIESP的購/售能價(jià)格及設(shè)備運(yùn)行狀態(tài)。

3)根據(jù)RIESP的售能策略和設(shè)備運(yùn)行狀態(tài)，用戶調(diào)整用能策略，計(jì)算用戶消費(fèi)剩余。

4)根據(jù)用戶的用能策略，計(jì)算RIESP運(yùn)行利潤。

5)DE種群根據(jù)差分進(jìn)化算法的雜交、變異和選擇規(guī)則進(jìn)行迭代進(jìn)化；PSO種群按照種群速度和位置更新規(guī)則進(jìn)行迭代更新。

6)根據(jù)適應(yīng)度函數(shù)，分別選出PSO種群中的最佳個(gè)體和DE種群中的最佳個(gè)體，比較兩個(gè)體的優(yōu)劣，進(jìn)行種群融合。

7)判斷是否有停滯現(xiàn)象，若停滯則按照式(42)進(jìn)行變異。

x=rand(0,1)×(xmax-xmin)

(42)

式中：x為當(dāng)前個(gè)體的設(shè)置信息；rand(0,1)為0～1之間的隨機(jī)數(shù)；xmin、xmax為允許搜尋的最小值和最大值。

8)判斷是否達(dá)到均衡條件，若滿足條件則輸出最優(yōu)解；否則轉(zhuǎn)至步驟3)。

算法流程如圖3所示。

4 算例仿真

本文以1 h為一個(gè)時(shí)間段，將一天分為24個(gè)時(shí)間段。RIESP向能源供應(yīng)商的購能價(jià)格可假定為固定值，天然氣價(jià)格折算為電價(jià)，RIESP向能源供應(yīng)商購能的電價(jià)和天然氣價(jià)格曲線如圖4所示。將風(fēng)機(jī)出力、光伏發(fā)電出力及負(fù)荷的原始數(shù)據(jù)進(jìn)行預(yù)處理后，采用Holt-winter方法進(jìn)行預(yù)測(cè)，所得到的預(yù)測(cè)曲線如圖5所示。假設(shè)最大可中斷的電負(fù)荷和氣負(fù)荷占總負(fù)荷的15%，EV能夠接受充電調(diào)整的最小電量為總電量的50%。用戶對(duì)不同能源的偏好系數(shù)νDhe、μDhe、νRe、μRe、νg、μg的取值分別為0.000 5、1.8、0.000 8、1.5、0.001 0、1.2。P2G運(yùn)行成本中，α1、α2、CM的取值分別為0.001、0.02、4.5。可中斷的負(fù)荷價(jià)格系數(shù)γ1、γ2、γ3、γ4分別取0.5、0.015、0.8、0.025。

圖3 DE-PSO算法流程Fig.3 Algorithm flow of DE-PSO

圖4 RIESP購能的電價(jià)與天然氣價(jià)Fig.4 Purchase price of electricity and natural gas for RIESP

如圖6所示，當(dāng)?shù)?80次左右時(shí)，結(jié)果趨于收斂，此時(shí)RIESP凈利潤為14 518元，用戶消費(fèi)剩余為11 168元。當(dāng)結(jié)果收斂時(shí)，RIESP的利潤和用戶的消費(fèi)剩余也趨于穩(wěn)定，這說明當(dāng)主從博弈達(dá)到均衡時(shí)，無論是領(lǐng)導(dǎo)者還是跟隨者，都不會(huì)單方面調(diào)整策略而獨(dú)立增加收益。證明了本文所采用DE-PSO混合算法具有良好的收斂性。

圖5 Holt-winter預(yù)測(cè)數(shù)據(jù)圖Fig.5 Holt-winter prediction data graph

圖6 迭代收斂曲線圖Fig.6 Iterative convergence curve

上層領(lǐng)導(dǎo)者RIESP的售能策略和設(shè)備出力如圖7所示。

圖7 RIESP售電策略和設(shè)備運(yùn)行狀態(tài)Fig.7 RIESP power-sales strategy and equipment operation status

在售能策略方面，實(shí)時(shí)電價(jià)、日前電價(jià)以及其差值按大小幅度可以分為3類，這也對(duì)應(yīng)了用戶用電負(fù)荷的峰、平、谷3個(gè)時(shí)間段。在用電高峰期，實(shí)時(shí)電價(jià)和日前電價(jià)相對(duì)較高，其差值也相對(duì)較大，用戶購電成本增加，會(huì)促使用戶減少用能負(fù)荷，降低成本，CHP出力增加，儲(chǔ)能設(shè)備開始放電。在低谷期，實(shí)時(shí)電價(jià)和日前電價(jià)相對(duì)較低，其差值也相對(duì)較低，在這一時(shí)間段，用戶購電成本降低，RIESP的購能成本也較低，用戶會(huì)增加用電負(fù)荷，CHP設(shè)備出力降低，P2G設(shè)備進(jìn)行工作，儲(chǔ)能設(shè)備開始充電。

下層跟隨者用戶根據(jù)上層領(lǐng)導(dǎo)者RIESP的售能策略及設(shè)備運(yùn)行狀態(tài)所制定的用戶用能策略及優(yōu)化前后的負(fù)荷曲線如圖8所示。在電價(jià)的激勵(lì)作用下，用戶為了降低用能支出，在高峰期10：00—14：00，18：00—21:00，由于電價(jià)較高，用戶減少EV充電電量并中斷部分電負(fù)荷，用電負(fù)荷峰值下降；在低谷期00：00—06：00，由于電價(jià)較低，用戶增加EV充電電量，用戶負(fù)荷谷值上升。優(yōu)化前后，用戶的電負(fù)荷曲線呈現(xiàn)了明顯的“削峰填谷”的特點(diǎn)，RIESP的凈利潤由12 016元增加到14 518元，用戶的消費(fèi)剩余由8 501元增加到11 168元，其中用戶效用函數(shù)值由34 362元增加到35 097元，用能成本從25 861元降低到23 929元。說明了本文提出的運(yùn)行策略可以有效提高RIESP的凈利潤，并減少用戶的用能成本。

圖8 用戶用電策略和負(fù)荷調(diào)整曲線Fig.8 User power-consumption strategy and load adjustment curve

當(dāng)去除RIESP中的儲(chǔ)能設(shè)備和P2G設(shè)備后，上層領(lǐng)導(dǎo)者RIESP的售能策略和設(shè)備運(yùn)行狀態(tài)如圖9所示?？梢钥闯?，在定價(jià)策略方面，峰、谷、平3個(gè)時(shí)期的電價(jià)相對(duì)圖7均有所上升，即售電電價(jià)升高。設(shè)備運(yùn)行狀態(tài)方面，在谷期，CHP設(shè)備出力減少；在峰期，CHP設(shè)備出力增加，這是由于沒有了儲(chǔ)能設(shè)備和P2G設(shè)備的調(diào)節(jié)作用，RIESP僅能通過購電和增加CHP設(shè)備出力滿足用戶負(fù)荷。

圖9 RIESP售電策略和設(shè)備運(yùn)行狀態(tài)(無P2G和儲(chǔ)能)Fig.9 RIESP power-sales strategy and equipment operation status (without P2G and storage)

去除儲(chǔ)能設(shè)備和P2G設(shè)備后，下層跟隨者用戶根據(jù)上層領(lǐng)導(dǎo)者RIESP的售能策略及設(shè)備運(yùn)行狀態(tài)所制定的用戶用能策略及優(yōu)化前后負(fù)荷曲線如圖10所示。可以看出，由于RIESP中去除了P2G設(shè)備和儲(chǔ)能裝置，導(dǎo)致用戶購能價(jià)格增加，價(jià)格對(duì)用戶的激勵(lì)作用減弱，負(fù)荷整體的“削峰填谷”效果降低。優(yōu)化前后，RIESP的凈利潤由12 016元增加到13 855元，用戶的消費(fèi)剩余由8 501元增加到10 048元，其中用戶效用函數(shù)值由34 362元增加到34 727元，用能成本從25 861元降低到24 679元。說明本文提出的含P2G設(shè)備和儲(chǔ)能裝置的RIESP，對(duì)提高RIESP凈利潤、減少用戶的用能成本有積極作用。

圖10 用戶用電策略和負(fù)荷調(diào)整曲線(無P2G和儲(chǔ)能)Fig.10 User power-consumption strategy and load adjustment curve (without P2G and storage)

5 結(jié) 論

本文針對(duì)含P2G和儲(chǔ)能裝置的區(qū)域綜合能源服務(wù)商，建立了考慮服務(wù)商自身發(fā)電成本和用戶消費(fèi)剩余的區(qū)域綜合能源服務(wù)商運(yùn)行策略。首先，建立了含P2G設(shè)備和儲(chǔ)能裝置的區(qū)域綜合能源系統(tǒng)的結(jié)構(gòu)模型，制定了區(qū)域綜合能源服務(wù)商的兩步式?jīng)Q策機(jī)制。然后，建立了區(qū)域綜合能源服務(wù)商與用戶的主從博弈模型，上層領(lǐng)導(dǎo)者區(qū)域綜合能源服務(wù)商以運(yùn)行利潤最大為目標(biāo)函數(shù)，下層跟隨者用戶以用戶消費(fèi)剩余最大為目標(biāo)函數(shù)。通過理論分析推導(dǎo)，證明了該主從博弈模型均衡解的存在性和唯一性，并采用DE-PSO混合算法進(jìn)行求解。算例仿真證明，本文所提的基于主從博弈的區(qū)域綜合能源服務(wù)商的運(yùn)行策略模型能夠合理制定該區(qū)域綜合能源服務(wù)商的價(jià)格和設(shè)備運(yùn)行狀態(tài)；通過價(jià)格的激勵(lì)作用，減小負(fù)荷波動(dòng)程度，提高區(qū)域綜合能源服務(wù)商的運(yùn)行利潤，降低用戶支出成本。

本文忽略了熱能在區(qū)域綜合能源系統(tǒng)中的產(chǎn)供消問題，同時(shí)未考慮不同區(qū)域綜合能源服務(wù)商之間的聯(lián)系。下一步需要在這些問題上展開更進(jìn)一步的研究。