随着可再生能源并网比例增加及需求侧负荷多样化,多微网系统在促进分布式能源消纳方面发挥关键作用。为实现多微网系统内源荷储之间的高效协同配合,提出一种考虑虚拟储能(virtual energy storage,VES)的多微网混合博弈模型。首先根据空...随着可再生能源并网比例增加及需求侧负荷多样化,多微网系统在促进分布式能源消纳方面发挥关键作用。为实现多微网系统内源荷储之间的高效协同配合,提出一种考虑虚拟储能(virtual energy storage,VES)的多微网混合博弈模型。首先根据空调负荷等效热力学特性、电动汽车充放电特性,构建基于电动汽车集群、空调负荷集群的虚拟储能模型。其次构建以多微网运营商为领导者,负荷聚合商、储能运营商为跟随者的主从博弈模型,并在主从博弈基础上引入多微网运营商中各微网间的合作博弈,促进微网间的端对端(peer-to-peer,P2P)电能交易,在合作收益分配问题中,引入基于非线性函数贡献度的纳什议价模型,实现更加公平的微网间利益分配。最后基于结合求解器的自适应差分进化算法以及交替方向乘子法求解所提出的模型。仿真结果表明,所提多微网混合博弈模型有效均衡了各主体的效益,同时提升了多微网运营商的效益,使多微网内分布式可再生能源消纳率提升至100%,实体储能的充放电量减少16%的同时向上级电网的购电量也减少44%,降低了对实体储能以及上级电网的依赖。展开更多
在进行实时对抗的任务中,对于敌方的动作识别较为困难,需要根据对方的移动轨迹或行为来分析对方的意图,预测其未来目标,构建规划策略库.针对此问题,提出基于数据驱动的多智能体识别算法,该算法首先采用基于自动机的特征提取方法,获得规...在进行实时对抗的任务中,对于敌方的动作识别较为困难,需要根据对方的移动轨迹或行为来分析对方的意图,预测其未来目标,构建规划策略库.针对此问题,提出基于数据驱动的多智能体识别算法,该算法首先采用基于自动机的特征提取方法,获得规划需要的位置和任务信息;然后将规划识别问题转换为多分类问题,并从单智能体角度切入,给出了一种基于极端梯度提升(extreme gradient boosting,XGBoost)的多分类模型;之后,对于多智能体之间可能存在的合作行为,使用无监督学习的一种基于密度对噪声鲁棒的空间聚类算法(density-based spatial clustering of applications with noise,DBSCAN)对多智能体进行分簇,以促进协同合作.对于同簇智能体,构建了一种针对多智能体的多分类模型,完成对多智能体的目标预测.在获悉敌方目标后,提出基于博弈的围捕逼停算法,构建非合作动态博弈模型,通过求解纳什均衡得到应对敌方的最优策略.最后,通过仿真验证了所提出算法的有效性.展开更多
电网扩展时往往在多方案下进行,不同方案给电网带来的收益与安全裕度并不一致。因此,提出一种平衡电网安全与投资收益的多方竞争规划方法。建立含多个投资人的电网扩展规划数学模型,采用纳什均衡的概念对电网规划博弈建模为具有平衡约...电网扩展时往往在多方案下进行,不同方案给电网带来的收益与安全裕度并不一致。因此,提出一种平衡电网安全与投资收益的多方竞争规划方法。建立含多个投资人的电网扩展规划数学模型,采用纳什均衡的概念对电网规划博弈建模为具有平衡约束的平衡问题(equilibrium problem with equilibrium constraints,EPEC)。通过一系列线性化,将EPEC建模为混合整数线性规划问题。将能源短缺概率作为安全裕度评估标准,用于建模电网规划博弈中不确定运行参数的风险。通过安全裕度建模,可以得到在不同风险水平下的电网规划博弈的纳什均衡。电网投资博弈的结果可能不同于社会效益最大化基准模式。设计了支持预算机制来激励投资方,使得电网规划博弈的结果尽可能接近社会效益最大化结果。在两种规模的系统上对所提出的方法进行了评估,测试结果表明,所提出的方法可以使非合作博弈的均衡点向社会成本较小的点靠拢,验证了其有效性。展开更多
文摘随着可再生能源并网比例增加及需求侧负荷多样化,多微网系统在促进分布式能源消纳方面发挥关键作用。为实现多微网系统内源荷储之间的高效协同配合,提出一种考虑虚拟储能(virtual energy storage,VES)的多微网混合博弈模型。首先根据空调负荷等效热力学特性、电动汽车充放电特性,构建基于电动汽车集群、空调负荷集群的虚拟储能模型。其次构建以多微网运营商为领导者,负荷聚合商、储能运营商为跟随者的主从博弈模型,并在主从博弈基础上引入多微网运营商中各微网间的合作博弈,促进微网间的端对端(peer-to-peer,P2P)电能交易,在合作收益分配问题中,引入基于非线性函数贡献度的纳什议价模型,实现更加公平的微网间利益分配。最后基于结合求解器的自适应差分进化算法以及交替方向乘子法求解所提出的模型。仿真结果表明,所提多微网混合博弈模型有效均衡了各主体的效益,同时提升了多微网运营商的效益,使多微网内分布式可再生能源消纳率提升至100%,实体储能的充放电量减少16%的同时向上级电网的购电量也减少44%,降低了对实体储能以及上级电网的依赖。
文摘在进行实时对抗的任务中,对于敌方的动作识别较为困难,需要根据对方的移动轨迹或行为来分析对方的意图,预测其未来目标,构建规划策略库.针对此问题,提出基于数据驱动的多智能体识别算法,该算法首先采用基于自动机的特征提取方法,获得规划需要的位置和任务信息;然后将规划识别问题转换为多分类问题,并从单智能体角度切入,给出了一种基于极端梯度提升(extreme gradient boosting,XGBoost)的多分类模型;之后,对于多智能体之间可能存在的合作行为,使用无监督学习的一种基于密度对噪声鲁棒的空间聚类算法(density-based spatial clustering of applications with noise,DBSCAN)对多智能体进行分簇,以促进协同合作.对于同簇智能体,构建了一种针对多智能体的多分类模型,完成对多智能体的目标预测.在获悉敌方目标后,提出基于博弈的围捕逼停算法,构建非合作动态博弈模型,通过求解纳什均衡得到应对敌方的最优策略.最后,通过仿真验证了所提出算法的有效性.
文摘电网扩展时往往在多方案下进行,不同方案给电网带来的收益与安全裕度并不一致。因此,提出一种平衡电网安全与投资收益的多方竞争规划方法。建立含多个投资人的电网扩展规划数学模型,采用纳什均衡的概念对电网规划博弈建模为具有平衡约束的平衡问题(equilibrium problem with equilibrium constraints,EPEC)。通过一系列线性化,将EPEC建模为混合整数线性规划问题。将能源短缺概率作为安全裕度评估标准,用于建模电网规划博弈中不确定运行参数的风险。通过安全裕度建模,可以得到在不同风险水平下的电网规划博弈的纳什均衡。电网投资博弈的结果可能不同于社会效益最大化基准模式。设计了支持预算机制来激励投资方,使得电网规划博弈的结果尽可能接近社会效益最大化结果。在两种规模的系统上对所提出的方法进行了评估,测试结果表明,所提出的方法可以使非合作博弈的均衡点向社会成本较小的点靠拢,验证了其有效性。
