多代理技術下基于主從博弈的多微網系統(tǒng)經濟優(yōu)化調度

摘要：為實現同一區(qū)域內多個不同利益主體微網之間的電能互濟，提出一種多代理技術下基于主從博弈的多微網系統(tǒng)經濟優(yōu)化調度方法。首先，設計一種由多微網代理（MMGA）制定系統(tǒng)內部電價，各微網代理（MGA）對電價作出響應的多微網系統(tǒng)能量交互框架；其次，引入可信性理論的模糊機會約束處理可再生能源以及負荷不確定性對調度決策的影響，基于主從博弈建立含模糊機會約束的多微網系統(tǒng)經濟優(yōu)化調度模型；最后，采用遺傳算法嵌套CPLEX求解器進行求解。仿真結果表明：所提方法在提高各方經濟效益的同時可減小多微網系統(tǒng)與電網的交互電量，有利于分布式資源的就地消納和電網安全穩(wěn)定的運行。關鍵詞：分布式發(fā)電；微電網；不確定性分析；主從博弈；多代理技術；優(yōu)化調度

中圖分類號：TM73 文獻標志碼：A

0引言

伴隨著全球日益嚴峻的環(huán)境問題以及能源危機，風光等可再生能源的利用與開發(fā)逐漸成為當代能源發(fā)展的主流趨勢，但其大規(guī)模并網會對電網安全運行帶來一定影響1。微網的運行方式靈活，為可再生能源的接入提供了新的思路[2]。隨著微網技術的發(fā)展，在同一區(qū)域內隸屬于不同利益主體的微網越來越多，形成了多微網系統(tǒng)[3]，微網與電網的交互更加頻繁，傳輸容量逐漸增多。傳統(tǒng)的多微網能量管理模式不利于可再生能源的消納和電網安全穩(wěn)定的運行，多微網系統(tǒng)復雜的利益交互關系會對運行調控帶來巨大影響[4]，需研究適應新形式的多微網能量管理模式。

在多微網系統(tǒng)優(yōu)化運行方面，文獻[5]采用集中式優(yōu)化方法，以多微網總運行成本最低建立優(yōu)化模型，但忽略了不同利益主體之間的隱私性。文獻[6]引入多代理技術提出一種制定能量交流價格來引導微網參與協(xié)作的多微網系統(tǒng)分層分布式協(xié)調優(yōu)化調度模型，更能體現微網作為獨立利益主體的特征，但建立的微網能源結構過于簡單。在多微網系統(tǒng)能源交易方面，國內外學者現多采用博弈論的方法，一般采用合作博弈7、非合作博弈[8、主從博弈等。文獻[9]建立了基于主從博弈的內部電價優(yōu)化模型和多微網系統(tǒng)兩階段優(yōu)化模型，提高了多微網系統(tǒng)運營商與微網運營商的經濟效益。

上述文獻證明博弈理論分析多微網系統(tǒng)能源交易的可行性，但忽略了微網內風光以及負荷等不確定性因素對微網優(yōu)化運行的影響。本文在此基礎上，針對含多個不同利益主體的多微網系統(tǒng)，提出一種多代理技術下基于主從博弈的多微網系統(tǒng)經濟優(yōu)化調度方法：多微網代理（multi-microgridagent，MMGA）作為領導者制定內部電價追求利益最大化；各微網代理（MGA）作為跟隨者根據價格信號以運行成本最低制定運行計劃。引入模糊機會約束處理微網內不確定性因素對優(yōu)化決策的影響，建立基于主從博弈的多微網系統(tǒng)經濟優(yōu)化模型。為了獲得均衡解，采用遺傳算法嵌套CPLEX求解器求解，并通過對比分析不同情景的調度結果，驗證了所提策略的有效性。

1多代理技術下的多微網系統(tǒng)

1.1多微網系統(tǒng)的結構

多微網系統(tǒng)的結構如圖1所示。單個微網內含有風力發(fā)電機、光伏陣列等可再生能源發(fā)電設備，燃氣輪機、余熱鍋爐、換熱裝置、燃氣鍋爐等可控單元設備，電、熱儲能設備以及電、熱負荷，具體結構和模型將在1.3節(jié)介紹。微網可向天然氣網購氣再利用燃氣設備進行供電和供熱。單一微網通過公共連接點（point of common coupling，PCC）接與母線，整個多微網系統(tǒng)通過聯絡線與電網相連，以此實現微網間以及與外部電網的電能交互。

1.2基于多代理技術的能量交互框架

本文考慮在電網投資模型中加入微電網聚合商構成一種新型的商業(yè)模型，利用多代理技術的自主性和大量數據信息的交互能力構建多微網系統(tǒng)的能量交互框架，如圖1信息交互部分所示：各微網均設置自治代理MGA（MG-agent），隸屬于微網運營商。MMGA（MMG-agent）是多微網系統(tǒng)的總代理，隸屬于微網聚合商。MMGA作為上層領導者，接收各MGA的購/售電量信息，按照供需關系制定并下發(fā)多微網系統(tǒng)內部的購售電價；各MGA作為下層跟隨者，從微網能量管理系統(tǒng)（MG-EMS）獲取風光出力、負荷需求以及可控單元設備的數據信息，根據系統(tǒng)內部價格信號以運行成本最低優(yōu)化各微網運行計劃并向MMGA傳遞購/售電量信息。

在電網購電價遠高于售電價的背景下，為了使MMGA和各MGA的利益最大化，MMGA通過制定合理的內部電價，從而鼓勵各MGA參與內部能量交互。在形成多微網系統(tǒng)內的能量互濟后，由于多微網系統(tǒng)內部總的購售需求一般不相等，當系統(tǒng)整體電量缺額時，MMGA可按照電網購電價從電網購買電能，當系統(tǒng)整體電量盈余時，可按照電網售電價向電網出售電能，MMGA的收益為微網聚合商享有。

1.3微網內部資源建模

本文研究的多微網系統(tǒng)內各微網包含電、熱、氣3種形式的能源，微網內部的典型結構如圖2所示。

1.3.1燃氣輪機

燃氣輪機作為微網的核心設備，通過燃燒天然氣進行供電，同時其缸套水產生的熱量和高溫煙氣所攜帶的熱量可供余熱鍋爐進行回收利用。

式中：Pcr（1）、Qcr（t）——t時段燃氣輪機輸出的電功率和廢熱回收功率，kW;Vcr（t）——燃氣輪機天然氣消耗速率，m3/h;Lc——天然氣的熱值，kWh/m3;η、ηi——燃氣輪機的發(fā)電效率和廢熱回收效率；PGr、PGi——燃氣輪機輸出電功率的上下限值，kW;R、Rcrn——燃氣輪機爬坡功率的上下限值，kW。

1.3.2余熱鍋爐

余熱鍋爐可收集燃氣輪機的廢熱回收功率，再通過換熱裝置制熱供給熱負荷。

式中：Qwa（t）——余熱鍋爐輸出的熱功率，kW;Qwn——余熱鍋爐輸入的熱功率，kW;ηwn——余熱鍋爐的換熱效率；Qw、Q——余熱鍋爐輸出熱功率的上下限值，kW。

1.3.3換熱裝置

換熱裝置將余熱鍋爐輸出的熱能進行轉換后給微網的熱負荷供熱。

式中：Qax（t）——換熱裝置輸出的熱功率，kW;ηx——換熱裝置的換熱效率；QHx、Q取——換熱裝置輸出熱功率的上下限值，kW。

1.3.4燃氣鍋爐

燃氣鍋爐通過燃燒天然氣進行供熱，是微網產生大量熱能的設備。

式中：Qcs（t）——燃氣鍋爐輸出的熱功率，kW;Vcp（t）——燃氣鍋爐天然氣消耗速率，m3/h;ηcp——燃氣鍋爐的制熱效率；Qcg、QcB——燃氣鍋爐輸出熱功率的上下限值，kW。

1.3.5電、熱儲能

電、熱儲能是微網的重要組成部分，可在微網能量盈余時儲存能量，在能量缺額時釋放能量，在一定程度上緩解了風光和負荷波動帶來的影響。

式中：x——儲能設備，以ES、HS分別表示電儲能和熱儲能；X ——能量的形式，以P、Q分別表示電能和熱能，kWh;E（t）——電、熱儲能設備的儲能容量，kWh;θ——儲能設備的自損耗率；X（t）、X（t）——儲能設備的充、放能功率，kW;η°、η？——儲能設備的充、放能效率；U，（t）——電、熱儲能設備的充放能標志符，為0-1變量；X，mx、Xdm——儲能設備的充、放能功率的最大值，kW;Ex，mx、E，n——儲能設備的最大、最小儲能容量，kWh;E（0）、E（24）——儲能設備在整個運行周期的始末值，kWh。

2基于主從博弈的多微網系統(tǒng)經濟優(yōu)化模型

2.1博弈互動框架

在本文設計的多微網系統(tǒng)能量交互的框架中，MMGA與各MGA屬于不同的利益主體，MMGA與各MGA的交互過程可視作一主多從動態(tài)博弈過程，它們之間的互動框架如圖3所示。多微網系統(tǒng)的能量主從博弈互動過程分為定價決策和定量決策兩個階段，兩者存在先后次序，且兩個階段相互影響，循環(huán)迭代直到達到均衡。

1）定價決策：上層領導者MMGA以最大化收益為目標，根據供需關系以及電價信息制定多微網系統(tǒng)內部的購、售電價。

2）定量決策：下層跟隨者各MGA分別根據MMGA的價格信號確定各微網最優(yōu)的運行計劃和購/售電信息，因此下層的最優(yōu)決策可以看成上層決策變量的函數。

2.2上層領導者：MMGA模型

2.2.1" 目標函數

MMGA制定多微網系統(tǒng)的內部電價，通過與電網以及向各MGA進行購售電交易來獲得收益，以最大化MMGA的收益建立目標函數：

式中：N——微網數量；Cca（t）——t時段MMGA與電網的交互成本，元/kWh;Cmc;（t）——MMGA與微網i的交互成本，元/kWh;cbuy（t）、csa（t）——電網購售電價，元/kWh;PGa（t）、Pa（t）——MMGA向電網的購售電量，kWh;pbg（1）、Psa（t）——MMGA制定的內部購售電價，元/kWh;PMc;（t）、PMc;（t）——微網i向MMGA的購售電量，kWh。

2.2.2約束條件

1）購售電量平衡約束

式中：Pc（t）——MMGA匯總所有微網的購售電量之后，與電網交易的總電能，kWh。

2）內部電價約束

為保證各MGA愿意與MMGA進行交易，MMGA制定的電價要在電網電價區(qū)間內：

2.3下層跟隨者：MGA模型

微網含有風光等分布式資源，在實際生產中，由于可再生能源出力及負荷需求的不確定性，本質上屬于模糊問題[101，本文采用模糊參數表示風光出力及負荷需求的不確定性，首先將風光出力及負荷的模糊性轉化為約束條件的模糊性，建立模糊機會約束，通過置信水平控制風險，然后應用清晰等價類的方法轉化并求解下層含模糊參數的模型。

2.3.1目標函數

各MGA根據上層MMGA的內部電價信息，靈活調整微網的運行計劃，實現對微網內部的能量管理，以最小化各自微網的運行成本建立目標函數：

式中：CoM.（t）——t時段微網i設備的運維成本，元/kWh;Csc;（t）——購買天然氣的成本，元/m3;Cco;（）——碳排放成本，元/kg;kcr、kwa、kx、kcβ、kes、kas——燃氣輪機、余熱鍋爐、換熱裝置、燃氣鍋爐、電儲能以及熱儲能的單位功率運行維護成本，元/kWh;Cnc——天然氣的單價，元/m3;εco？——單位CO？的處理費用，元/kg;βg、βNc——購電和購氣的等效碳排放系數，kg/kWh。

2.3.2約束條件

1）聯絡線約束

式中：PGidm、Vmx——電力聯絡線和天然氣管道的傳輸上限；Uc（t）——購售電標識符，為0-1變量。

2）電能、熱能平衡約束

式中：Cr{}——{}中事件發(fā)生的可能性；α——置信水平；Pw;（t）、Ppv，（t）、P，（t）、Qo，（t）——風力發(fā)電出力、光伏發(fā)電出力、電負荷和熱負荷的模糊參數。

2.3.3模糊參數的隸屬度函數

可再生能源出力和負荷需求的模糊參數能夠用梯形隸屬度函數表示：

式中：F——以WT、PV、LD分別表示風力發(fā)電、光伏發(fā)電和負荷需求；μ（P）——梯形隸屬度函數；P——梯形隸屬度參數，其中（k=1，2，3，4）;w——比例系數，由可再生能源以及負荷的歷史數據確定；PFo——風光以及負荷的預測值，kW。

2.3.4模糊約束條件的清晰等價類轉換

下層優(yōu)化問題為求解模糊機會約束規(guī)劃問題。為便于求解，本文參考文獻[11]中對模糊機會約束清晰等價類的轉化方法，將模型中包含模糊變量的電能、熱能平衡約束轉換為清晰等價類：

式中：PLp;（t）、PLp？;（t）、QLp，（t）、QLp？;（t）——電、熱負荷預測值的隸屬度參數；Pwr.（t）、Pwr.（t）、Ppyu.（t）、Pwr（）——風、光預測值的隸屬度參數。

3 Stackelberg博弈均衡及求解

Stackelberg博弈用來描述MMGA和各MGA追求各自目標最優(yōu)的決策過程，當任何一方都不能通過改變自身策略來獲得最優(yōu)目標時，該博弈達到Stackelberg均衡，此時的解即為博弈的均衡解[12]。本文采用遺傳算法嵌套CPLEX求解器對所建立的主從博弈模型進行求解，具體的求解流程如圖4所示。

4算例分析

4.1參數及方案設置

本文以3個微網組成的多微網系統(tǒng)為例，根據文獻[13]的數據作適當修改，系統(tǒng)參數見附錄圖A1、附錄表A1及表A2所示。各微網與電力聯絡線傳輸限制為1500kW;天然氣管道的傳輸上限為210 m3/h，天然氣的單價為2.2元/m3，天然氣的熱值為9.7 kWh/m3;單位CO？的處理費用為0.031元/kg，購電和購氣的等效排放系數分別為0.972、0.230 kg/kWh。電網的分時購售電價如表1所示，梯形隸屬度參數如表2所示。設立兩種方案進行對比分析：

方案1：在傳統(tǒng)的多微網系統(tǒng)能量管理調度方法下，各MGA直接與電網進行交易。

方案2：在本文提出的多代理技術基于主從博弈的多微網系統(tǒng)經濟優(yōu)化方法下，各MGA選擇與MMGA進行交易。

4.2 Stackelberg均衡分析

方案2在本文所提優(yōu)化方法下，上下層優(yōu)化迭代過程如圖5所示?？梢姷谝淮蔚鷷rMMGA的收益最低為-1719.32元，而MGA1、MGA2和MGA3的運行成本最低分別為22712.79、8054.26和4962.30元。隨著迭代次數的增加，MMGA的收益逐漸增大，而MGA1、MGA2和MGA3的運行成本逐漸增加，體現了一主多從的博弈過程。最終，在迭代57次時結果收斂達到Stackelberg均衡，MMGA的收益為1178.97元，MGA1、MGA2和MGA3的運行成本分別為23042.98、8845.51和5997.02元。

均衡時MMGA制定的內部電價如圖6所示。在12：00—14：00時段，3個微網均處于負荷高峰時刻，此時3個微網的風光出力和可控能源設備都不能滿足負荷需求需要向MMGA購電，為保證MMGA不虧本，內部購電價等于電網購電價。在20：00—22：00時段，由于3個微網的風光出力都大于負荷需求，需要向MMGA售電，同樣為保證MMGA不虧本，內部售電價等于電網售電價。在其他時段，由于微網1為“缺電微網”在多數時間需要購電，而微網2和微網3為“余電微網”在多數時間需要售電，因此內部購售電價始終在電網購售電價之內，為MGA1提供更低的購電價格，為MGA2和MGA3提供更高的售電價格，以此來促進各MGA與MMGA進行交易，從而實現微網之間的功率交互，降低各微網的運行成本，而MMGA從價格差中獲取利益。

4.3經濟效益分析

不同方案下各MGA的運行成本如表3所示。相較于方案1，方案2下由于內部購電價格的降低，微網1設備的運維、購氣和碳排放成本降低，而交互成本增加，微網1的購電量明顯提升。而由于內部售電價格的提高，微網2和3的交互成本更低即收益更大。在本文經濟優(yōu)化方法下，多微網系統(tǒng)內各微網的運行總成本均有所降低。

4.4優(yōu)化調度結果與供需平衡分析

4.4.1購售電量分析

不同方案下3個微網的購售電量如圖7所示，其中大于0表示微網向外部購電，小于0表示微網向外部售電。在12：00—14：00時段，由于內部購電價等于電網購電價，3個微網在兩種方案下的購電量基本一致，但儲能在高峰時的調節(jié)作用導致12：00微網1在方案2的購電量略低于方案1。同理在20：00—22：00時段，由于內部售電價等于電網售電價，3個微網在兩種方案下的售電量基本相同。在其他時刻，由于方案1中電網購電價格過高，微網1僅在內部電源出力無法滿足負荷需求時向電網購電，可見在01：00—04：00微網1的購電量為0。而方案2中MMGA通過調整內部電價，促進微網與上層的能量交互，由于購電價格降低，微網1調整發(fā)電量和購電需求，在01：00—04：00微網1的購電量明顯增大。同理在19：00，由于內部售電價格的提升，微網2和微網3愿意向MMGA出售更多的電能。

在一個調度周期內，方案1下整個多微網系統(tǒng)向電網的購、售電量分別為10224.80、18736.60kWh。而方案2在本文經濟優(yōu)化方法下，各微網實現電量交互后MMGA再向電網進行購電或售電，因此多微網系統(tǒng)整體的購、售電量分別下降3488.5、8415.5 kWh，更有利于分布式資源的就地消納，同時提高了電網安全穩(wěn)定的運行。

4.4.2微網優(yōu)化結果分析

以微網1為例，分析不同方案下微網的運行計劃，圖8為不同方案下微網1電能流相關的調度結果。方案1在電網電價下，由于購電價格過高，在新能源出力不足時，微網1優(yōu)先調用燃氣輪機發(fā)電，當燃氣輪機的出力仍不能滿足電負荷平衡時由電網輸入功率，整個運行周期燃氣輪機均出力。方案2在本文經濟優(yōu)化方法下，多微網系統(tǒng)內部的單位購電價格在01：00—04：00、24：00均低于燃氣輪機的單位發(fā)電價格，燃氣輪機在以上時段均不出力，微網1從系統(tǒng)內部其他微網輸入功率來滿足電負荷平衡。此外，相較于方案1，方案2中由于內部電價的變化，微網1改變了電儲能的充放電策略，在21：00—22：00選擇讓儲能放電，微電網1輸出功率，以提升售電量，減小運行成本。

4.5置信水平對微網運行的影響

在方案2基礎上，各MGA以相同的置信度遞增。以微網1為例，不同置信水平下微網1的運行成本如圖9所示。隨著置信水平的增大，微網1的運行成本不斷增大，這是因為置信水平越大，微網運行的可靠性越高，但投入的成本也越高。在置信水平為0.85和0.90時出現了明顯的拐點，表明隨著微網運行可靠性的提升，運行成本并未顯著增大，因此最優(yōu)置信水平可取0.9。在實際工程運用中，微網內的風險主要來自于風、光以及負荷的不確定性，不確定性波動擾亂了微網運行時的功率平衡，但各微網代理可選擇適當的置信水平，將波動帶來的不平衡量控制在一定范圍內，以兼顧微網運行的可靠性與經濟性。

5結論

針對同一區(qū)域內隸屬于不同利益主體的多個微網，本文應用多代理技術設計了多微網系統(tǒng)的能量交互框架，提出一種基于主從博弈的多微網系統(tǒng)經濟優(yōu)化調度方法。通過算例分析，得出以下主要結論：

1）MMGA通過內部電價引導各MGA與其進行交易，既實現了微網之間的功率交互又保障了各微網交互過程的隱私性，各微網的運行成本均有所下降，同時MMGA獲得了可觀的收益。

2）與各微網獨立運行相比，本文的優(yōu)化方法提升了整個多微網系統(tǒng)的分布式資源就地消納能力，減小了多微網系統(tǒng)向電網的購售電量，有利于電網安全穩(wěn)定的運行。

3）置信水平能夠作為衡量微網運行可靠性與經濟性的重要標準，各微網代理可根據實際情況進行選擇，從而作出更為合理的運行策略。

[參考文獻]

[1]HUANG HY，ZHOU M，ZHANG S Y，etal.Exploitingthe operational flexibility of wind integrated hybrid AC/DCpower systems [J].IEEE transactions on power systems，2021，36（1）：818-826.

[2]魯宗相，王彩霞，閔勇，等.微電網研究綜述[J].電力系統(tǒng)自動化，2007，31（19）：100-107.

LU Z X，WANG C X，MIN Y，etal.Overviewonmicrogrid research[J].Automation of electric powersystems，2007，31（19）：100-107.

[3]ZHANG W，XU Y L.Distributed optimal control formultiple microgrids in a distribution network[J].IEEEtransactions on smart grid，2019，10（4）：3765-3779.

[4]李鵬，吳迪凡，李雨薇，等.基于談判博弈的多微網綜合能源系統(tǒng)多目標聯合優(yōu)化配置[J].電網技術，2020，44（10）：3680-3688.

LI P，WU D F，LI Y W，etal.Multi-objective unionoptimal configuration strategy for multi-microgridintegrated energy system considering bargaining games[J].Power system technology，2020，44（10）：3680-3688.

[5]LIU N，WANG J，WANG L.Distributedenergymanagement for interconnected operation of combined heatand power-based microgrids with demand response [J].Journal of modern power systems amp;clean energy，2017，5（3）：1-11.

[6]何浩，雷霞，黃濤，等.價格引導下多微網系統(tǒng)協(xié)調自治優(yōu)化運行策略[J].電力系統(tǒng)保護與控制，2019，47（16）：17-26.

HE H，LEI X，HUANG T，et a1.Coordinated andautonomous optimal operation strategy of multi-microgridsystem under the guidance of price[J].Power systemprotection and control，2019，47（16）：17-26.

[7]龔鋼軍，張心語，張哲寧，等.基于區(qū)塊鏈動態(tài)合作博弈的多微網共治交易模式[J].中國電機工程學報，2021，41（3）：803-819.

GONG G J，ZHANG X Y，ZHANG Z N，etal.Multi-microgrid Co-governance transaction model based ondynamic cooperation game of blockchain[J].Proceedingsof the CSEE，2021，41（3）：803-819.

[8]朱永勝，楊俊林，劉洲峰，等.基于博弈論的風-光-車容量配置研究[J].太陽能學報，2020，41（9）：95-103.

ZHU Y S，YANG JL，LIU Z F，etal.Researchoncapacity allocation of wind-PV-EV based on game theory[J].Acta energiaesolaris sinica，2020，41（9）：95-103.

[9]佟新，胡存剛，芮濤.基于主從博弈的多微電網系統(tǒng)經濟優(yōu)化方法[J].中國電力，2019，52（6）：68-76.

TONG X，HU C G，RUI T.Master-slave game based oneconomic optimization method of multi-microgrid system[J].Electric power，2019，52（6）：68-76.

[10]楊秋霞，高辰，劉同心，等.考慮柔性負荷的含光伏電力系統(tǒng)模糊隨機優(yōu)化調度風險研究[J].太陽能學報，2020，41（7）：142-151.

YANG QX，GAO C，LIU T X，etal.Risk analysis onfuzzy random optimal dispatching of photovoltaic powerconsumption considering flexible load [J].Acta energiaesolaris sinica，2020，41（7）：142-151.

[11]仲悟之，黃思宇，崔楊，等.考慮源荷不確定性的風電-光熱-碳捕集虛擬電廠協(xié)調優(yōu)化調度[J].電網技術，2020，44（9）：3424-3432.

ZHONG W Z，HUANGS Y，CUI Y，etal.W-S-C capturecoordination in virtual power plant considering source-loaduncertainty[J].Power system technology，2020，44（9）：3424-3432.

[12]王海洋，李珂，張承慧，等.基于主從博弈的社區(qū)綜合能源系統(tǒng)分布式協(xié)同優(yōu)化運行策略[J].中國電機工程學報，2020，40（17）：5435-5444.

WANG H Y，LI K，ZHANG C H，etal.Distributed coordinative optimal operation of community integratedenergy system based on Stackelberg game[J].Proceedingsof the CSEE，2020，40（17）：5435-5444.

[13]胡銘洋，高紅均，王程，等.面向多微網協(xié)調交易的多方共治決策方法[J].電力系統(tǒng)自動化，2022，46（13）：30-42.

HU M U，GAO H J，WANG C，etal.Multi-party co-governance decision-making method for coordinatedtransactions among multiple microgrids [J].Automationelectric power systems，2022，46（13）：30-42.

ECONOMIC OPTIMIZATION SCHEDULING OF MULTI-MICROGRIDSYSTEM BASED ON MASTER-SLAVE GAME UNDERMULTI-AGENT TECHNOLOGY

Ma Yue，Lin Hong

（School of Electrical Engineering，XinjiangUniversity，Urumqi 830017，China）

Abstract：In order to realize the mutual aid of electric energy among multiple microgrids with different stakeholders in the same region，and come up with an economic optimal scheduling method of multi-microgrid system based on master-slave game under multi-agenttechnology.Firstly，a multi-microgrid system energy interaction framework，in which the multi-microgrid agents（MMGA）set theintermal electricity price of the system，and the microgrid agents（MGA）respond to the electricity price is designed.Secondly，thefuzzychance constraint of credibility theory to deal with the impact of renewable energy and load uncertainty on dispatching decisions isintroduced .Based on the master-slave game，the economic optimal dispatching model of multi-microgrid system with fuzzy chanceconstraint is established.Finally，the genetic algorithm nested CPLEX solver is used to deal with the problem.The simulation resultsshow that the proposed method not only improves the economic benefits of all parties，but also reduces the interactive power between themulti-microgrid system and the power grid，which is conducive to the local consumption of distributed resources and the safe and stableoperation of the power grid.

Keywords：distributed power generation;microgrids;uncertaintyanalysis;master-slavegame;multi-agenttechnology;optimizationdispatch