微網負荷博弈的改進夏普利值法分配方法
2023-05-17 13:08:36 1
微網負荷博弈的改進夏普利值法分配方法
【專利摘要】基於微網負荷博弈的改進夏普利值法分配方法，包括以下步驟：步驟1.建立微網負荷博弈模型；步驟2.改進夏普利值法實現；步驟3.粒子群算法求解微調係數。本發明提出了利用收益微調係數和穩定指標進行搜索的改進夏普利值法，該改進方法能夠對合作後的收益進行重新分配，能夠保證博弈者在合作全聯盟下獲得的收益都大於其退出合作聯盟下獲得的收益值，從而保證了合作全聯盟的穩定性。
【專利說明】微網負荷博弈的改進夏普利值法分配方法
【技術領域】
[0001]本發明項目涉及一種微網負荷博弈收益分配方法研究，特別是一種基於改進夏普利值法的收益分配方法。
【背景技術】
[0002]隨著化石能源逐漸短缺和環境汙染日益嚴重，利用清潔能源的分布式電源(Distributed Generation,DG)被提上了日程,而微網(Microgrid)能有效地整合各種DG、儲能單元及負荷，是未來智能電網的重要組成部分。但微網的規模化發展仍受微源投資成本、區域特點、輸出能量、可靠性、電能質量、可變負荷等多種因素的影響。
[0003]博弈論作為一種先進的數學方法，近年來日漸受到關注。它用於研究獨立玩家之間複雜的相互行為，適用於解決多主體、多目標之間的相互關係。本發明充分考慮負荷的利益，遵循如何實現微網負荷間利益最大化和微源容量配置經濟高效的思路，以負荷收益和微網容量為策略，建立了非合作和合作的博弈模型，利用線性迭代法對博弈均衡策略進行求解。恰當的分配方式對於合作博弈至關重要，因此如何對合作後的收益進行重新分配，成為合作博弈的研究熱點。夏普利值法(Shapley)是Shapley L S於1953年給出的用於解決η個人合作博弈問題的一種方法，可直接用於利益分配問題。夏普利值法根據博弈者對聯盟邊際貢獻的大小進行利益分配，使每個博弈者都能獲得比不加入聯盟時多一些的收益。但傳統的夏普利值法是一種均等的分配方案，而在合作中，不同利益個體所承擔的風險因子可能不同，如果按照均擔風險進行收益分配，對於承擔風險因素大的博弈者來說顯然不合理，分配後的聯盟可能不穩定，博弈者有退出聯盟的可能性。鑑於此，本發明提出利用收益微調係數和穩定指標進行搜索的改進夏普利值法對合作博弈收益進行重新分配，使合作全聯盟保持穩定。
【發明內容】
[0004]本發明要克服傳統夏普利值法在合作收益分配存在不穩定、合作聯盟失敗的缺點，提出基於微網負荷博弈的改進夏普利值法分配方法，改進的夏普利值法進行合作博弈收益的重新分配，改進後的收益分配具有帕累託改進性質的分配規則，能夠加強固有的聯盟，維持聯盟的整體收益大於其中每個成員單獨經營時的收益之和。
[0005]本發明在充分考慮微源成本、微源容量、負荷成本、負荷用電量之間相互關係的基礎上，建立了具有博弈關係的微源和負荷博弈模型，以及非合作和合作博弈下的目標函數。利用線性迭代法進行博弈求解，實現了目標函數的最優。最後提出利用收益微調係數和穩定指標進行搜索的改進夏普利值法，在收益微調係數求解過程中，本發明利用粒子群算法進行尋優求解，通過所提改進夏普利值法對合作後的收益進行重新分配，保證了合作全聯盟的穩定性。
[0006]基於微網負荷博弈的改進夏普利值法分配方法，包括以下步驟:
[0007]步驟1、建立微網負荷博弈模型；[0008]步驟2、改進夏普利值法實現；
[0009]步驟3、粒子群算法求解微調係數；
[0010]進一步，步驟I中建立微網負荷博弈模型的具體步驟如下:
[0011]1-1)、建立支付函數模型；
[0012]考慮一個含m個節點的微網，取M為節點集合，博弈者集合為r，包含η個博弈者，r = {i|i=l，2，…，η}，顯然，Sm。負荷博弈方集合L和微源博弈方集合S均用博弈者i(i e r)表示，S U L=r。第i個負荷博弈者的純控制策略為Xi=Pi, Pi表示該負荷節點的負荷功率；第i個微源博弈者的純控制策略為Xi=Si, Si表示該微源節點的微源容量。η 個博弈者的純策略組合為 X= {x17 x2，…，Xi,..., xj , x-1= {χ1?..., X1-!, xi+1, 「.，χη}表示除策略Xi外的其它策略組合。
[0013]進一步，步驟(1-1)可有以下步驟組成:
[0014]111)、確定電費函數；
[0015]所構造的電費函數具有如下特點:1)電價隨著微源博弈者投資容量的增大逐漸增長，並且增長率逐漸降低。當微源的投資容量較小時，可能會達不到微源的單機容量，因此單位成本較高；而隨著微源的投資容量逐漸增大，其單位成本逐漸增大，但趨於平緩。2)電價隨著負荷博弈者需求量的增大逐漸增長，而且增長率逐漸加大。按照市場經濟的特點，供大於求時，電價較低，隨著供求關係的逆轉，勢必出現競爭用電的局面，導致電價飆升。因此，所構建的電價費用函數如下所述:
[0016]
【權利要求】
1.基於微網負荷博弈的改進夏普利值法分配方法，包括以下步驟: 步驟1、建立微網負荷博弈模型； 步驟2、改進夏普利值法實現； 步驟3、粒子群算法求解微調係數。
2.如權利要求1所述的方法，其特徵在於:步驟I中建立微網負荷博弈模型的具體步驟如下: 1-1)、建立支付函數模型； 考慮一個含m個節點的微網，取M為節點集合，博弈者集合為gamma，包含η個博弈者，gamma = {i I i=l,2,…，η}，顯然，ηΞΜ, n^m ;負荷博弈方集合L和微源博弈方集合S均用博弈者i(i e gamma)表示，S U L=r。第i個負荷博弈者的純控制策略為Xi=Pi, Pi表示該負荷節點的負荷功率；第i個微源博弈者的純控制策略為Xi=Si, Si表示該微源節點的微源容量；n個博弈者的純策略組合為 X=U1, x2，…，Xi,..., XnI , X-1= {χ1?..., X1-!, Xi+1, 「.，χη}表示除策略Xi外的其它策略組合； 具體包括: 111)、確定電費函數； 所構造的電費函數如下所述:
3.如權利要求2所述的方法，其特徵在於:步驟(2)改進夏普利值法實現的具體步驟如下: 2-1)、夏普利值法實現，具體步驟如下: 211)確定聯盟: 在η人博弈中，博弈者集合用Ν={1，2，…，η}表示，N的任意子集S稱為一個聯盟； 212)確定特徵函數:給定一個η人博弈，S是一個聯盟，V (S)是指S和W邛的兩人博弈中S的最大效用，V(S)稱為聯盟S的特徵函數； 213)確定分配方案: 對於合作博弈(N，V)，N= {I，2，…，η}，對每個博弈者i e N，給予一個實值參數Ui，形成η 維向量 U=IU17U2,…,Ui,…，uj ,且其滿足:Ui ≤ v({i}), Hiv) = ;則稱 U=Iii17U2,…， 2=1Ui,..., un}是聯盟S的一個分配方案； 214)確定收益分配值: 對每個博弈(N, V),存在唯一的 U (V) = W1 (V) , U2(V) ,...,Ui(V),...,Un(V))值,定義為夏普利值，此時分配到博弈者i的收益Ui (V)為
4.如權利要求3所述的方法，其特徵在於:步驟(3)粒子群算法求解微調係數的具體步驟如下: 3-1)、初始化參數: 設置用於求解微調係數的粒子群算法的參數，包括種群的迭代次數、種群的粒子個數、慣性權重值、學習因子，並輸入傳統夏普利值分配方法得到的各個博弈方的收益分配值；3-2)、初始化種群位置、速度以及目標函數值: 隨機定義種群粒子的初始化位置，記該位置向量為X:
X= (x1； X2,..., xm) (16) 其中，Xi是指微調係數△ Xi ;m值為微調係數的個數，即需要分配收益方的個數；需要注意的是，微調係數約束條件(15)，即總和為O。如果隨機初始化的位置不滿足該約束條件，則需要對其進行歸零化，使其滿足約束條件； 隨機定義粒子群算法的初始化速度，記該速度向量為V:
V= (V1, V2,..., vm) (17) 根據粒子初始化的位置，通過公式(12)和公式(14)，計算出每個粒子的穩定指標，SP每個粒子的初始目標函數值； 3-3)、初始化pbest和gbest變量: 將各個粒子初始的位置值及目標函數值設為粒子群pbest變量(各個粒子的歷史最優值)的初始值，並選出其中目標函數值最大的一個粒子，將其設為gbest變量(整個粒子群當次迭代的最優值)的初始值； 3-4)、種群位置及速度的更新: 根據粒子群算法的速度和位置的更新公式，對每個粒子的位置以及速度進行更新；所採用的更新公式如下所示:
vi,t+i=wvi,t+ciXRX (pbestt-xi；t) +C2XRX (gbestt-xi；t) (18)
Xi,t+i=Xi,t+vt (19) 其中，w指慣性權重值，一般取1.5 ；χΜ是粒子i第t次迭代時的位置；Vi，t是粒子i第t次迭代的速度。Cl，C2代表學習因子，一般取2.0 ;R代表隨機產生O~I之間數字的隨機函數。這裡也需要注意，如果得到的粒子的新的位置值不滿足約束條件(15)，則需要對新的位置值進行歸零化處理； 3-5)、粒子目標函數值的更新: 根據每個粒子更新後的位置值，通過公式(12)和公式(14)重新計算每個粒子的目標函數值； 3_6)、更新 pbest、gbest 變量: 根據粒子群算法pbest的更新公式，更新每個粒子的pbest變量，公式如下所述:
【文檔編號】G06Q30/02GK103839177SQ201310738190
【公開日】2014年6月4日 申請日期:2013年12月26日 優先權日:2013年12月26日
【發明者】王晶, 陳駿宇, 王宗禮, 龔餘峰, 張穎 申請人:浙江工業大學