摘要：為實(shí)現(xiàn)同一區(qū)域內(nèi)多個(gè)不同利益主體微網(wǎng)之間的電能互濟(jì)，提出一種多代理技術(shù)下基于主從博弈的多微網(wǎng)系統(tǒng)經(jīng)濟(jì)優(yōu)化調(diào)度方法。首先，設(shè)計(jì)一種由多微網(wǎng)代理（MMGA）制定系統(tǒng)內(nèi)部電價(jià)，各微網(wǎng)代理（MGA）對(duì)電價(jià)作出響應(yīng)的多微網(wǎng)系統(tǒng)能量交互框架；其次，引入可信性理論的模糊機(jī)會(huì)約束處理可再生能源以及負(fù)荷不確定性對(duì)調(diào)度決策的影響，基于主從博弈建立含模糊機(jī)會(huì)約束的多微網(wǎng)系統(tǒng)經(jīng)濟(jì)優(yōu)化調(diào)度模型；最后，采用遺傳算法嵌套CPLEX求解器進(jìn)行求解。仿真結(jié)果表明：所提方法在提高各方經(jīng)濟(jì)效益的同時(shí)可減小多微網(wǎng)系統(tǒng)與電網(wǎng)的交互電量，有利于分布式資源的就地消納和電網(wǎng)安全穩(wěn)定的運(yùn)行。關(guān)鍵詞：分布式發(fā)電；微電網(wǎng)；不確定性分析；主從博弈；多代理技術(shù)；優(yōu)化調(diào)度

中圖分類(lèi)號(hào)：TM73 文獻(xiàn)標(biāo)志碼：A

0引言

伴隨著全球日益嚴(yán)峻的環(huán)境問(wèn)題以及能源危機(jī)，風(fēng)光等可再生能源的利用與開(kāi)發(fā)逐漸成為當(dāng)代能源發(fā)展的主流趨勢(shì)，但其大規(guī)模并網(wǎng)會(huì)對(duì)電網(wǎng)安全運(yùn)行帶來(lái)一定影響1。微網(wǎng)的運(yùn)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(wǎng)技術(shù)的發(fā)展，在同一區(qū)域內(nèi)隸屬于不同利益主體的微網(wǎng)越來(lái)越多，形成了多微網(wǎng)系統(tǒng)[3]，微網(wǎng)與電網(wǎng)的交互更加頻繁，傳輸容量逐漸增多。傳統(tǒng)的多微網(wǎng)能量管理模式不利于可再生能源的消納和電網(wǎng)安全穩(wěn)定的運(yùn)行，多微網(wǎng)系統(tǒng)復(fù)雜的利益交互關(guān)系會(huì)對(duì)運(yùn)行調(diào)控帶來(lái)巨大影響[4]，需研究適應(yīng)新形式的多微網(wǎng)能量管理模式。

在多微網(wǎng)系統(tǒng)優(yōu)化運(yùn)行方面，文獻(xiàn)[5]采用集中式優(yōu)化方法，以多微網(wǎng)總運(yùn)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(xiàn)[6]引入多代理技術(shù)提出一種制定能量交流價(jià)格來(lái)引導(dǎo)微網(wǎng)參與協(xié)作的多微網(wǎng)系統(tǒng)分層分布式協(xié)調(diào)優(yōu)化調(diào)度模型，更能體現(xiàn)微網(wǎng)作為獨(dú)立利益主體的特征，但建立的微網(wǎng)能源結(jié)構(gòu)過(guò)于簡(jiǎn)單。在多微網(wǎng)系統(tǒng)能源交易方面，國(guó)內(nèi)外學(xué)者現(xiàn)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(xiàn)[9]建立了基于主從博弈的內(nèi)部電價(jià)優(yōu)化模型和多微網(wǎng)系統(tǒng)兩階段優(yōu)化模型，提高了多微網(wǎng)系統(tǒng)運(yùn)營(yíng)商與微網(wǎng)運(yùn)營(yíng)商的經(jīng)濟(jì)效益。

上述文獻(xiàn)證明博弈理論分析多微網(wǎng)系統(tǒng)能源交易的可行性，但忽略了微網(wǎng)內(nèi)風(fēng)光以及負(fù)荷等不確定性因素對(duì)微網(wǎng)優(yōu)化運(yùn)行的影響。本文在此基礎(chǔ)上，針對(duì)含多個(gè)不同利益主體的多微網(wǎng)系統(tǒng)，提出一種多代理技術(shù)下基于主從博弈的多微網(wǎng)系統(tǒng)經(jīng)濟(jì)優(yōu)化調(diào)度方法：多微網(wǎng)代理（multi-microgridagent，MMGA）作為領(lǐng)導(dǎo)者制定內(nèi)部電價(jià)追求利益最大化；各微網(wǎng)代理（MGA）作為跟隨者根據(jù)價(jià)格信號(hào)以運(yùn)行成本最低制定運(yùn)行計(jì)劃。引入模糊機(jī)會(huì)約束處理微網(wǎng)內(nèi)不確定性因素對(duì)優(yōu)化決策的影響，建立基于主從博弈的多微網(wǎng)系統(tǒng)經(jīng)濟(jì)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(guò)對(duì)比分析不同情景的調(diào)度結(jié)果，驗(yàn)證了所提策略的有效性。

1多代理技術(shù)下的多微網(wǎng)系統(tǒng)

1.1多微網(wǎng)系統(tǒng)的結(jié)構(gòu)

多微網(wǎng)系統(tǒng)的結(jié)構(gòu)如圖1所示。單個(gè)微網(wǎng)內(nèi)含有風(fēng)力發(fā)電機(jī)、光伏陣列等可再生能源發(fā)電設(shè)備，燃?xì)廨啓C(jī)、余熱鍋爐、換熱裝置、燃?xì)忮仩t等可控單元設(shè)備，電、熱儲(chǔ)能設(shè)備以及電、熱負(fù)荷，具體結(jié)構(gòu)和模型將在1.3節(jié)介紹。微網(wǎng)可向天然氣網(wǎng)購(gòu)氣再利用燃?xì)庠O(shè)備進(jìn)行供電和供熱。單一微網(wǎng)通過(guò)公共連接點(diǎn)（point of common coupling，PCC）接與母線(xiàn)，整個(gè)多微網(wǎng)系統(tǒng)通過(guò)聯(lián)絡(luò)線(xiàn)與電網(wǎng)相連，以此實(shí)現(xiàn)微網(wǎng)間以及與外部電網(wǎng)的電能交互。

1.2基于多代理技術(shù)的能量交互框架

本文考慮在電網(wǎng)投資模型中加入微電網(wǎng)聚合商構(gòu)成一種新型的商業(yè)模型，利用多代理技術(shù)的自主性和大量數(shù)據(jù)信息的交互能力構(gòu)建多微網(wǎng)系統(tǒng)的能量交互框架，如圖1信息交互部分所示：各微網(wǎng)均設(shè)置自治代理MGA（MG-agent），隸屬于微網(wǎng)運(yùn)營(yíng)商。MMGA（MMG-agent）是多微網(wǎng)系統(tǒng)的總代理，隸屬于微網(wǎng)聚合商。MMGA作為上層領(lǐng)導(dǎo)者，接收各MGA的購(gòu)/售電量信息，按照供需關(guān)系制定并下發(fā)多微網(wǎng)系統(tǒng)內(nèi)部的購(gòu)售電價(jià)；各MGA作為下層跟隨者，從微網(wǎng)能量管理系統(tǒng)（MG-EMS）獲取風(fēng)光出力、負(fù)荷需求以及可控單元設(shè)備的數(shù)據(jù)信息，根據(jù)系統(tǒng)內(nèi)部?jī)r(jià)格信號(hào)以運(yùn)行成本最低優(yōu)化各微網(wǎng)運(yùn)行計(jì)劃并向MMGA傳遞購(gòu)/售電量信息。

在電網(wǎng)購(gòu)電價(jià)遠(yuǎn)高于售電價(jià)的背景下，為了使MMGA和各MGA的利益最大化，MMGA通過(guò)制定合理的內(nèi)部電價(jià)，從而鼓勵(lì)各MGA參與內(nèi)部能量交互。在形成多微網(wǎng)系統(tǒng)內(nèi)的能量互濟(jì)后，由于多微網(wǎng)系統(tǒng)內(nèi)部總的購(gòu)售需求一般不相等，當(dāng)系統(tǒng)整體電量缺額時(shí)，MMGA可按照電網(wǎng)購(gòu)電價(jià)從電網(wǎng)購(gòu)買(mǎi)電能，當(dāng)系統(tǒng)整體電量盈余時(shí)，可按照電網(wǎng)售電價(jià)向電網(wǎng)出售電能，MMGA的收益為微網(wǎng)聚合商享有。

1.3微網(wǎng)內(nèi)部資源建模

本文研究的多微網(wǎng)系統(tǒng)內(nèi)各微網(wǎng)包含電、熱、氣3種形式的能源，微網(wǎng)內(nèi)部的典型結(jié)構(gòu)如圖2所示。

1.3.1燃?xì)廨啓C(jī)

燃?xì)廨啓C(jī)作為微網(wǎng)的核心設(shè)備，通過(guò)燃燒天然氣進(jìn)行供電，同時(shí)其缸套水產(chǎn)生的熱量和高溫?zé)煔馑鶖y帶的熱量可供余熱鍋爐進(jìn)行回收利用。

式中：Pcr（1）、Qcr（t）——t時(shí)段燃?xì)廨啓C(jī)輸出的電功率和廢熱回收功率，kW;Vcr（t）——燃?xì)廨啓C(jī)天然氣消耗速率，m3/h;Lc——天然氣的熱值，kWh/m3;η、ηi——燃?xì)廨啓C(jī)的發(fā)電效率和廢熱回收效率；PGr、PGi——燃?xì)廨啓C(jī)輸出電功率的上下限值，kW;R、Rcrn——燃?xì)廨啓C(jī)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?xì)廨啓C(jī)的廢熱回收功率，再通過(guò)換熱裝置制熱供給熱負(fù)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(jìn)行轉(zhuǎn)換后給微網(wǎng)的熱負(fù)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?xì)忮仩t

燃?xì)忮仩t通過(guò)燃燒天然氣進(jìn)行供熱，是微網(wǎng)產(chǎn)生大量熱能的設(shè)備。

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

1.3.5電、熱儲(chǔ)能

電、熱儲(chǔ)能是微網(wǎng)的重要組成部分，可在微網(wǎng)能量盈余時(shí)儲(chǔ)存能量，在能量缺額時(shí)釋放能量，在一定程度上緩解了風(fēng)光和負(fù)荷波動(dòng)帶來(lái)的影響。

式中：x——儲(chǔ)能設(shè)備，以ES、HS分別表示電儲(chǔ)能和熱儲(chǔ)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(chǔ)能設(shè)備的儲(chǔ)能容量，kWh;θ——儲(chǔ)能設(shè)備的自損耗率；X（t）、X（t）——儲(chǔ)能設(shè)備的充、放能功率，kW;η°、η？——儲(chǔ)能設(shè)備的充、放能效率；U，（t）——電、熱儲(chǔ)能設(shè)備的充放能標(biāo)志符，為0-1變量；X，mx、Xdm——儲(chǔ)能設(shè)備的充、放能功率的最大值，kW;Ex，mx、E，n——儲(chǔ)能設(shè)備的最大、最小儲(chǔ)能容量，kWh;E（0）、E（24）——儲(chǔ)能設(shè)備在整個(gè)運(yùn)行周期的始末值，kWh。

2基于主從博弈的多微網(wǎng)系統(tǒng)經(jīng)濟(jì)優(yōu)化模型

2.1博弈互動(dòng)框架

在本文設(shè)計(jì)的多微網(wǎng)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(guò)程可視作一主多從動(dòng)態(tài)博弈過(guò)程，它們之間的互動(dòng)框架如圖3所示。多微網(wǎng)系統(tǒng)的能量主從博弈互動(dòng)過(guò)程分為定價(jià)決策和定量決策兩個(gè)階段，兩者存在先后次序，且兩個(gè)階段相互影響，循環(huán)迭代直到達(dá)到均衡。

1）定價(jià)決策：上層領(lǐng)導(dǎo)者M(jìn)MGA以最大化收益為目標(biāo)，根據(jù)供需關(guān)系以及電價(jià)信息制定多微網(wǎng)系統(tǒng)內(nèi)部的購(gòu)、售電價(jià)。

2）定量決策：下層跟隨者各MGA分別根據(jù)MMGA的價(jià)格信號(hào)確定各微網(wǎng)最優(yōu)的運(yùn)行計(jì)劃和購(gòu)/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(shù)。

2.2上層領(lǐng)導(dǎo)者：MMGA模型

2.2.1" 目標(biāo)函數(shù)

MMGA制定多微網(wǎng)系統(tǒng)的內(nèi)部電價(jià)，通過(guò)與電網(wǎng)以及向各MGA進(jìn)行購(gòu)售電交易來(lái)獲得收益，以最大化MMGA的收益建立目標(biāo)函數(shù)：

式中：N——微網(wǎng)數(shù)量；Cca（t）——t時(shí)段MMGA與電網(wǎng)的交互成本，元/kWh;Cmc;（t）——MMGA與微網(wǎng)i的交互成本，元/kWh;cbuy（t）、csa（t）——電網(wǎng)購(gòu)售電價(jià)，元/kWh;PGa（t）、Pa（t）——MMGA向電網(wǎng)的購(gòu)售電量，kWh;pbg（1）、Psa（t）——MMGA制定的內(nèi)部購(gòu)售電價(jià)，元/kWh;PMc;（t）、PMc;（t）——微網(wǎng)i向MMGA的購(gòu)售電量，kWh。

2.2.2約束條件

1）購(gòu)售電量平衡約束

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

2）內(nèi)部電價(jià)約束

為保證各MGA愿意與MMGA進(jìn)行交易，MMGA制定的電價(jià)要在電網(wǎng)電價(jià)區(qū)間內(nèi)：

2.3下層跟隨者：MGA模型

微網(wǎng)含有風(fēng)光等分布式資源，在實(shí)際生產(chǎn)中，由于可再生能源出力及負(fù)荷需求的不確定性，本質(zhì)上屬于模糊問(wèn)題[101，本文采用模糊參數(shù)表示風(fēng)光出力及負(fù)荷需求的不確定性，首先將風(fēng)光出力及負(fù)荷的模糊性轉(zhuǎn)化為約束條件的模糊性，建立模糊機(jī)會(huì)約束，通過(guò)置信水平控制風(fēng)險(xiǎn)，然后應(yīng)用清晰等價(jià)類(lèi)的方法轉(zhuǎn)化并求解下層含模糊參數(shù)的模型。

2.3.1目標(biāo)函數(shù)

各MGA根據(jù)上層MMGA的內(nèi)部電價(jià)信息，靈活調(diào)整微網(wǎng)的運(yùn)行計(jì)劃，實(shí)現(xiàn)對(duì)微網(wǎng)內(nèi)部的能量管理，以最小化各自微網(wǎng)的運(yùn)行成本建立目標(biāo)函數(shù)：

式中：CoM.（t）——t時(shí)段微網(wǎng)i設(shè)備的運(yùn)維成本，元/kWh;Csc;（t）——購(gòu)買(mǎi)天然氣的成本，元/m3;Cco;（）——碳排放成本，元/kg;kcr、kwa、kx、kcβ、kes、kas——燃?xì)廨啓C(jī)、余熱鍋爐、換熱裝置、燃?xì)忮仩t、電儲(chǔ)能以及熱儲(chǔ)能的單位功率運(yùn)行維護(hù)成本，元/kWh;Cnc——天然氣的單價(jià)，元/m3;εco？——單位CO？的處理費(fèi)用，元/kg;βg、βNc——購(gòu)電和購(gòu)氣的等效碳排放系數(shù)，kg/kWh。

2.3.2約束條件

1）聯(lián)絡(luò)線(xiàn)約束

式中：PGidm、Vmx——電力聯(lián)絡(luò)線(xiàn)和天然氣管道的傳輸上限；Uc（t）——購(gòu)售電標(biāo)識(shí)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(fēng)力發(fā)電出力、光伏發(fā)電出力、電負(fù)荷和熱負(fù)荷的模糊參數(shù)。

2.3.3模糊參數(shù)的隸屬度函數(shù)

可再生能源出力和負(fù)荷需求的模糊參數(shù)能夠用梯形隸屬度函數(shù)表示：

式中：F——以WT、PV、LD分別表示風(fēng)力發(fā)電、光伏發(fā)電和負(fù)荷需求；μ（P）——梯形隸屬度函數(shù)；P——梯形隸屬度參數(shù)，其中（k=1，2，3，4）;w——比例系數(shù)，由可再生能源以及負(fù)荷的歷史數(shù)據(jù)確定；PFo——風(fēng)光以及負(fù)荷的預(yù)測(cè)值，kW。

2.3.4模糊約束條件的清晰等價(jià)類(lèi)轉(zhuǎn)換

下層優(yōu)化問(wèn)題為求解模糊機(jī)會(huì)約束規(guī)劃問(wèn)題。為便于求解，本文參考文獻(xiàn)[11]中對(duì)模糊機(jī)會(huì)約束清晰等價(jià)類(lèi)的轉(zhuǎn)化方法，將模型中包含模糊變量的電能、熱能平衡約束轉(zhuǎn)換為清晰等價(jià)類(lèi)：

式中：PLp;（t）、PLp？;（t）、QLp，（t）、QLp？;（t）——電、熱負(fù)荷預(yù)測(cè)值的隸屬度參數(shù)；Pwr.（t）、Pwr.（t）、Ppyu.（t）、Pwr（）——風(fēng)、光預(yù)測(cè)值的隸屬度參數(shù)。

3 Stackelberg博弈均衡及求解

Stackelberg博弈用來(lái)描述MMGA和各MGA追求各自目標(biāo)最優(yōu)的決策過(guò)程，當(dāng)任何一方都不能通過(guò)改變自身策略來(lái)獲得最優(yōu)目標(biāo)時(shí)，該博弈達(dá)到Stackelberg均衡，此時(shí)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(duì)所建立的主從博弈模型進(jìn)行求解，具體的求解流程如圖4所示。

4算例分析

4.1參數(shù)及方案設(shè)置

本文以3個(gè)微網(wǎng)組成的多微網(wǎng)系統(tǒng)為例，根據(jù)文獻(xiàn)[13]的數(shù)據(jù)作適當(dāng)修改，系統(tǒng)參數(shù)見(jiàn)附錄圖A1、附錄表A1及表A2所示。各微網(wǎng)與電力聯(lián)絡(luò)線(xiàn)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(jià)為2.2元/m3，天然氣的熱值為9.7 kWh/m3;單位CO？的處理費(fèi)用為0.031元/kg，購(gòu)電和購(gòu)氣的等效排放系數(shù)分別為0.972、0.230 kg/kWh。電網(wǎng)的分時(shí)購(gòu)售電價(jià)如表1所示，梯形隸屬度參數(shù)如表2所示。設(shè)立兩種方案進(jìn)行對(duì)比分析：

方案1：在傳統(tǒng)的多微網(wǎng)系統(tǒng)能量管理調(diào)度方法下，各MGA直接與電網(wǎng)進(jìn)行交易。

方案2：在本文提出的多代理技術(shù)基于主從博弈的多微網(wǎng)系統(tǒng)經(jīng)濟(jì)優(yōu)化方法下，各MGA選擇與MMGA進(jìn)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(guò)程如圖5所示?？梢?jiàn)第一次迭代時(shí)MMGA的收益最低為-1719.32元，而MGA1、MGA2和MGA3的運(yùn)行成本最低分別為22712.79、8054.26和4962.30元。隨著迭代次數(shù)的增加，MMGA的收益逐漸增大，而MGA1、MGA2和MGA3的運(yùn)行成本逐漸增加，體現(xiàn)了一主多從的博弈過(guò)程。最終，在迭代57次時(shí)結(jié)果收斂達(dá)到Stackelberg均衡，MMGA的收益為1178.97元，MGA1、MGA2和MGA3的運(yùn)行成本分別為23042.98、8845.51和5997.02元。

均衡時(shí)MMGA制定的內(nèi)部電價(jià)如圖6所示。在12：00—14：00時(shí)段，3個(gè)微網(wǎng)均處于負(fù)荷高峰時(shí)刻，此時(shí)3個(gè)微網(wǎng)的風(fēng)光出力和可控能源設(shè)備都不能滿(mǎn)足負(fù)荷需求需要向MMGA購(gòu)電，為保證MMGA不虧本，內(nèi)部購(gòu)電價(jià)等于電網(wǎng)購(gòu)電價(jià)。在20：00—22：00時(shí)段，由于3個(gè)微網(wǎng)的風(fēng)光出力都大于負(fù)荷需求，需要向MMGA售電，同樣為保證MMGA不虧本，內(nèi)部售電價(jià)等于電網(wǎng)售電價(jià)。在其他時(shí)段，由于微網(wǎng)1為“缺電微網(wǎng)”在多數(shù)時(shí)間需要購(gòu)電，而微網(wǎng)2和微網(wǎng)3為“余電微網(wǎng)”在多數(shù)時(shí)間需要售電，因此內(nèi)部購(gòu)售電價(jià)始終在電網(wǎng)購(gòu)售電價(jià)之內(nèi)，為MGA1提供更低的購(gòu)電價(jià)格，為MGA2和MGA3提供更高的售電價(jià)格，以此來(lái)促進(jìn)各MGA與MMGA進(jìn)行交易，從而實(shí)現(xiàn)微網(wǎng)之間的功率交互，降低各微網(wǎng)的運(yùn)行成本，而MMGA從價(jià)格差中獲取利益。

4.3經(jīng)濟(jì)效益分析

不同方案下各MGA的運(yùn)行成本如表3所示。相較于方案1，方案2下由于內(nèi)部購(gòu)電價(jià)格的降低，微網(wǎng)1設(shè)備的運(yùn)維、購(gòu)氣和碳排放成本降低，而交互成本增加，微網(wǎng)1的購(gòu)電量明顯提升。而由于內(nèi)部售電價(jià)格的提高，微網(wǎng)2和3的交互成本更低即收益更大。在本文經(jīng)濟(jì)優(yōu)化方法下，多微網(wǎng)系統(tǒng)內(nèi)各微網(wǎng)的運(yùn)行總成本均有所降低。

4.4優(yōu)化調(diào)度結(jié)果與供需平衡分析

4.4.1購(gòu)售電量分析

不同方案下3個(gè)微網(wǎng)的購(gòu)售電量如圖7所示，其中大于0表示微網(wǎng)向外部購(gòu)電，小于0表示微網(wǎng)向外部售電。在12：00—14：00時(shí)段，由于內(nèi)部購(gòu)電價(jià)等于電網(wǎng)購(gòu)電價(jià)，3個(gè)微網(wǎng)在兩種方案下的購(gòu)電量基本一致，但儲(chǔ)能在高峰時(shí)的調(diào)節(jié)作用導(dǎo)致12：00微網(wǎng)1在方案2的購(gòu)電量略低于方案1。同理在20：00—22：00時(shí)段，由于內(nèi)部售電價(jià)等于電網(wǎng)售電價(jià)，3個(gè)微網(wǎng)在兩種方案下的售電量基本相同。在其他時(shí)刻，由于方案1中電網(wǎng)購(gòu)電價(jià)格過(guò)高，微網(wǎng)1僅在內(nèi)部電源出力無(wú)法滿(mǎn)足負(fù)荷需求時(shí)向電網(wǎng)購(gòu)電，可見(jiàn)在01：00—04：00微網(wǎng)1的購(gòu)電量為0。而方案2中MMGA通過(guò)調(diào)整內(nèi)部電價(jià)，促進(jìn)微網(wǎng)與上層的能量交互，由于購(gòu)電價(jià)格降低，微網(wǎng)1調(diào)整發(fā)電量和購(gòu)電需求，在01：00—04：00微網(wǎng)1的購(gòu)電量明顯增大。同理在19：00，由于內(nèi)部售電價(jià)格的提升，微網(wǎng)2和微網(wǎng)3愿意向MMGA出售更多的電能。

在一個(gè)調(diào)度周期內(nèi)，方案1下整個(gè)多微網(wǎng)系統(tǒng)向電網(wǎng)的購(gòu)、售電量分別為10224.80、18736.60kWh。而方案2在本文經(jīng)濟(jì)優(yōu)化方法下，各微網(wǎng)實(shí)現(xiàn)電量交互后MMGA再向電網(wǎng)進(jìn)行購(gòu)電或售電，因此多微網(wǎng)系統(tǒng)整體的購(gòu)、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(shí)提高了電網(wǎng)安全穩(wěn)定的運(yùn)行。

4.4.2微網(wǎng)優(yōu)化結(jié)果分析

以微網(wǎng)1為例，分析不同方案下微網(wǎng)的運(yùn)行計(jì)劃，圖8為不同方案下微網(wǎng)1電能流相關(guān)的調(diào)度結(jié)果。方案1在電網(wǎng)電價(jià)下，由于購(gòu)電價(jià)格過(guò)高，在新能源出力不足時(shí)，微網(wǎng)1優(yōu)先調(diào)用燃?xì)廨啓C(jī)發(fā)電，當(dāng)燃?xì)廨啓C(jī)的出力仍不能滿(mǎn)足電負(fù)荷平衡時(shí)由電網(wǎng)輸入功率，整個(gè)運(yùn)行周期燃?xì)廨啓C(jī)均出力。方案2在本文經(jīng)濟(jì)優(yōu)化方法下，多微網(wǎng)系統(tǒng)內(nèi)部的單位購(gòu)電價(jià)格在01：00—04：00、24：00均低于燃?xì)廨啓C(jī)的單位發(fā)電價(jià)格，燃?xì)廨啓C(jī)在以上時(shí)段均不出力，微網(wǎng)1從系統(tǒng)內(nèi)部其他微網(wǎng)輸入功率來(lái)滿(mǎn)足電負(fù)荷平衡。此外，相較于方案1，方案2中由于內(nèi)部電價(jià)的變化，微網(wǎng)1改變了電儲(chǔ)能的充放電策略，在21：00—22：00選擇讓儲(chǔ)能放電，微電網(wǎng)1輸出功率，以提升售電量，減小運(yùn)行成本。

4.5置信水平對(duì)微網(wǎng)運(yùn)行的影響

在方案2基礎(chǔ)上，各MGA以相同的置信度遞增。以微網(wǎng)1為例，不同置信水平下微網(wǎng)1的運(yùn)行成本如圖9所示。隨著置信水平的增大，微網(wǎng)1的運(yùn)行成本不斷增大，這是因?yàn)橹眯潘皆酱?，微網(wǎng)運(yùn)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(shí)出現(xiàn)了明顯的拐點(diǎn)，表明隨著微網(wǎng)運(yùn)行可靠性的提升，運(yùn)行成本并未顯著增大，因此最優(yōu)置信水平可取0.9。在實(shí)際工程運(yùn)用中，微網(wǎng)內(nèi)的風(fēng)險(xiǎn)主要來(lái)自于風(fēng)、光以及負(fù)荷的不確定性，不確定性波動(dòng)擾亂了微網(wǎng)運(yùn)行時(shí)的功率平衡，但各微網(wǎng)代理可選擇適當(dāng)?shù)闹眯潘?，將波?dòng)帶來(lái)的不平衡量控制在一定范圍內(nèi)，以兼顧微網(wǎng)運(yùn)行的可靠性與經(jīng)濟(jì)性。

5結(jié)論

針對(duì)同一區(qū)域內(nèi)隸屬于不同利益主體的多個(gè)微網(wǎng)，本文應(yīng)用多代理技術(shù)設(shè)計(jì)了多微網(wǎng)系統(tǒng)的能量交互框架，提出一種基于主從博弈的多微網(wǎng)系統(tǒng)經(jīng)濟(jì)優(yōu)化調(diào)度方法。通過(guò)算例分析，得出以下主要結(jié)論：

1）MMGA通過(guò)內(nèi)部電價(jià)引導(dǎo)各MGA與其進(jìn)行交易，既實(shí)現(xiàn)了微網(wǎng)之間的功率交互又保障了各微網(wǎng)交互過(guò)程的隱私性，各微網(wǎng)的運(yùn)行成本均有所下降，同時(shí)MMGA獲得了可觀(guān)的收益。

2）與各微網(wǎng)獨(dú)立運(yùn)行相比，本文的優(yōu)化方法提升了整個(gè)多微網(wǎng)系統(tǒng)的分布式資源就地消納能力，減小了多微網(wǎng)系統(tǒng)向電網(wǎng)的購(gòu)售電量，有利于電網(wǎng)安全穩(wěn)定的運(yùn)行。

3）置信水平能夠作為衡量微網(wǎng)運(yùn)行可靠性與經(jīng)濟(jì)性的重要標(biāo)準(zhǔn)，各微網(wǎng)代理可根據(jù)實(shí)際情況進(jìn)行選擇，從而作出更為合理的運(yùn)行策略。

[參考文獻(xiàn)]

[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(wǎng)研究綜述[J].電力系統(tǒng)自動(dòng)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(wǎng)綜合能源系統(tǒng)多目標(biāo)聯(lián)合優(yōu)化配置[J].電網(wǎng)技術(shù)，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(jià)格引導(dǎo)下多微網(wǎng)系統(tǒng)協(xié)調(diào)自治優(yōu)化運(yùn)行策略[J].電力系統(tǒng)保護(hù)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(yǔ)，張哲寧，等.基于區(qū)塊鏈動(dòng)態(tài)合作博弈的多微網(wǎng)共治交易模式[J].中國(guó)電機(jī)工程學(xué)報(bào)，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(fēng)-光-車(chē)容量配置研究[J].太陽(yáng)能學(xué)報(bào)，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(wǎng)系統(tǒng)經(jīng)濟(jì)優(yōu)化方法[J].中國(guó)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(fù)荷的含光伏電力系統(tǒng)模糊隨機(jī)優(yōu)化調(diào)度風(fēng)險(xiǎn)研究[J].太陽(yáng)能學(xué)報(bào)，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(fēng)電-光熱-碳捕集虛擬電廠(chǎng)協(xié)調(diào)優(yōu)化調(diào)度[J].電網(wǎng)技術(shù)，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(yùn)行策略[J].中國(guó)電機(jī)工程學(xué)報(bào)，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(wǎng)協(xié)調(diào)交易的多方共治決策方法[J].電力系統(tǒng)自動(dòng)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