[发明专利]基于多主多从博弈的综合能源服务商零售套餐设计方法

权利要求书

1.一种基于多主多从博弈的综合能源服务商零售套餐设计方法，其特征在于，包括以下步骤：

采用基于多主多从Stackelberg博弈的双层随机优化模型，对综合能源服务商与用户之间的迭代互动进行建模，其中综合能源服务商为主方，用户为从方；其中，

在上层模型中，利用条件风险价值法对综合能源服务商进行风险评估，以结合风险因素的综合能源服务商效益最大化为目标，考虑购售能量平衡、各交易机制下的购能量限制、套餐价格和风险评估辅助变量约束，构建主方购售能组合决策模型；

在下层模型中，分析用户对用电/气方式、用电/气成本的满意度，以用户用能综合满意度最大化为目标，考虑能源需求限制、能量平衡和天然气购买限制约束，构建从方能源零售套餐选择模型，从而形成多主多从博弈互动格局；

在模型求解算法部分，采用分布式算法来求解多主多从Stackelberg博弈的纳什均衡解，利用粒子群优化算法和CPLEX求解器对各博弈主体的优化模型进行求解；

综合能源服务商与能源供应商之间的购能具体如下：

综合能源服务商通过参与日前市场交易或与发电商签订双边合同的方式购电，其中双边合同用于保证电力供应，而参与日前市场集中交易用于避免由于用户用电波动造成的购售电量不平衡的情况；考虑到日前市场出清电价的不确定性，基于随机规划理论，采用蒙特卡洛模拟法构造实时市场电价场景集，利用K-means算法进行场景缩减，从而得到典型场景集；另外，综合能源服务商同样通过与天然气公司签订双边合同的方式购买天然气；因此，各综合能源服务商的购电/气成本的数学表达如下所示：

其中，为综合能源服务商i在场景ω下的购电成本；为综合能源服务商i的购气成本；为电力双边合同k的价格；为t时段场景ω下日前市场出清电价；为通过双边合同k销售给综合能源服务商的气价；为综合能源服务商i通过双边合同k的购电量；为场景ω下t时段综合能源服务商i通过日前市场的购电量；为综合能源服务商i通过双边合同购买天然气量；为综合能源服务商i签订的电力双边合同的数量；为综合能源服务商i签订天然气双边合同数量；

综合能源服务商与多能用户之间的购能具体如下：

综合能源服务商向不同类型的多能用户销售电能和天然气；考虑到不同类型的多能用户对电力和天然气的需求量差异，因此综合能源服务商同样需要设计多类型能源零售套餐，以满足多样化的能源需求情况；在电-气零售市场中，零售套餐既存在电-气零售套餐，又存在电力零售套餐；用户可同时选择多个综合能源服务商来购买多类型能源；

提供五类能源零售套餐，套餐II和III为电力零售套餐，套餐I、IV和V为电-气零售套餐；

套餐I为峰谷分时电价套餐，具体如下：

划分用户用电峰时段为8:00-12:00、17:00-21:00，平时段为12:00-17:00、21:00-24:00，谷时段为0:00-8:00；各时段电价表示如下：

其中，为峰谷分时电-气价套餐在t时段针对n类用户的售电价格；分别为该套餐在峰、平、谷时段针对n类用户的电价；T_K、T_F、T_V分别对应峰、平、谷时段；

峰谷分时气价的数学表达具体如下：

其中，为峰谷分时电-气价套餐在t时段针对n类用户的售气价格；分别为该套餐在峰、平、谷时段针对n类用户的气价；

套餐I为综合能源服务商i带来的收益V_i,I表示为：

其中，为用户j从综合能源服务商i处通过套餐I购买电、天然气的成本；N_U为用户总数量；T_M为月度时段；为n类用户j在t时段通过综合能源服务商i购买的电、气量；

套餐II为昼夜用电捆绑套餐，具体如下：

设定21:00-6:00为夜间用电、其余时间为白天用电；各时段电价和夜间用电超额量表示如下：

其中，为昼夜用电捆绑套餐在t时段针对n类用户的售电价格；分别为白天、夜间时段针对n类用户的电价；T_D、T_N分别对应白天、夜间时段；为夜间用电限定值；为n类用户j的夜间用电超额量；

套餐II为综合能源服务商i带来的收益V_i,II表示为：

其中，为昼夜用电捆绑的参数；为用户j从综合能源服务商i处通过套餐II购电成本；

套餐III为峰谷惩罚补偿套餐，具体如下：

定义月度峰谷超额系数来衡量用户的峰谷差：

其中，ε_i,j,n为n类用户j的月度峰谷超额系数；分别为套餐III规定的峰、谷时段的月度用电限定值；

选择套餐III的用户按照基础电费+惩罚补偿费用支付月度用电费，其中基础电费按照基础电价计费，而惩罚补偿费用按照峰谷超额系数和超额电价计费；当用户的峰谷超额系数ε_i,j,n为正且大于边界参数ε_III，对于用户来说需支付惩罚费用，同时峰谷超额系数越大，惩罚费用越大；而当用户的峰谷超额系数ε_i,j,n为负且小于边界参数-ε_III，对于用户来说相当于获得补偿费用，同时峰谷超额系数越小，补偿费用越大；当用户峰谷超额系数ε_i,j,n介于边界参数-ε_III与ε_III之间时，则既无惩罚又无补偿；

套餐III为综合能源服务商i带来的收益V_i,III表示为：

其中，为该套餐针对n类用户的基础电价；为该套餐针对n类用户的惩罚、补偿电价；为用户j从综合能源服务商i处通过套餐III购电成本；

套餐IV为阶梯递增电价和配额气价套餐，具体如下：

将用户的用电量设置为若干档，在阶梯递增电价的各档实行不同的电量标准和电价标准，该套餐的电价表达如下：

其中，分别为针对n类用户的第一、二档用电量上限；分别为该套餐针对n类用户三个档位的电价；为n类用户j从综合能源服务商i处购买的月度电量；

套餐IV针对于天然气零售方案，定义配额气价，即要求用户每月使用天然气的量不超过配额值否则，用户需要根据天然气需求量和惩罚价格支付惩罚费用；反之，则会获得补偿；

套餐IV为综合能源服务商i带来的收益V_i,IV表示为：

其中，为n类用户j从综合能源服务商i处购买的月度天然气量；分别为用户j从综合能源服务商i处通过套餐IV购买电、天然气成本；为该套餐定义的针对n类用户的基础、补偿和惩罚气价；

套餐V为固定单一电-气价套餐，具体如下：

供给用户固定的电价和气价，适合于风险规避型多能用户；套餐V为综合能源服务商i带来的收益V_i,V表示为：

其中，为该套餐针对n类用户的固定电、气价；分别为用户j从综合能源服务商i处通过套餐V购买电、天然气的成本；

主方购售能组合决策模型具体如下：

目标函数设置为包含三个部分：各综合能源服务商的收入、成本和风险，具体表达为：

其中，P_IESP,i为综合能源服务商i的总效益；V_i^IESP为综合能源服务商i的收入；为场景ω下综合能源服务商i的成本；为基于CVaR度量的综合能源服务商i承担的风险损失值；η_ω为各场景发生的概率值；W为总场景数；N_IESP为综合能源服务商的总数量；λ_i为综合能源服务商i的风险规避因子，λ越大表示综合能源服务商对风险的承受能力越小；

具体的风险评估数学模型如下：

其中，prob为满足括号内数学表达式的概率；F(y,ω)为与博弈策略集y(y∈Ω_R)和日前市场电价场景ω相关的综合能源服务商风险损失函数；为置信度水平β下综合能源服务商最大可能的风险损失；

引入辅助变量δ和x_ω，将上式转化如下：

综合能源服务商在参与市场竞争进行套餐定价的过程中需要考虑购售能量平衡约束、各交易机制下的购能量限制约束、套餐价格约束和风险评估辅助变量约束；表示如下：

购售能量平衡约束

其中，为通过电力双边合同k购买的电量分解到t时段的比例；

各交易机制的购能量约束

其中，为综合能源服务商通过双边合同k签订的电、气量上限；为各时段在日前市场购买的电力上限；

套餐价格约束

各套餐中多类型价格间的关系约束表达如下：

风险评估辅助变量约束

从方能源零售套餐选择模型具体如下：

包含四个部分：用户对用电/气方式、用电/气成本的满意度，如下式所示：

其中，S_User,j为用户j的用能综合满意度；分别为用户j的用电方式、用气方式、用电成本和用气成本满意度；分别为用户对上述四种满意度的权重比例；分别为用户j的初始用电、气成本；为在t时段n类用户j的初始用电、气量；N_R为综合能源服务商总数量；为用户j直接与天然气公司交易的购气成本；

其中，初始用电、气成本均根据固定单一价格计算；另外，除了从综合能源服务商处购买天然气外，多能用户还可以通过月度双边合同直接与天然气公司进行交易；该成本表示如下：

其中，为用户j签订的天然气双边合同数量；为通过双边合同k销售给n类用户的气价；为n类用户j通过双边合同k购买的天然气量；

用户在确定用能行为和选择零售套餐的过程中需要考虑能源需求限制约束、能量平衡约束、天然气购买限制约束；表示如下：

能源需求限制约束

其中，Q_j,n,max、Q_j,n,min分别为n类用户j的用电量上、下限；G_j,n,max、G_j,n,min分别为n类用户j的用气量上、下限；

能量平衡约束

天然气购买限制约束

其中，为n类用户j通过双边合同k购买的天然气量上限；

最终构成如下的多主多从Stackelberg博弈，数学表达如下：

其中，y_1,i，y_2,i，y_3,i为综合能源服务商i的博弈策略集；z_j为用户j的博弈策略集；

分布式算法具体如下：

步骤1：定义迭代次数变量k和迭代误差φ₁，初始化用户的能源需求曲线和多元零售套餐价格，生成典型日前市场电价场景并设置各双边合同价格；

步骤2：各用户基于MATLAB中的CPLEX求解器制定各时段最优交易策略；然后，更新各多能用户能源需求曲线和套餐选择情况；

步骤3：根据各多能用户更新后的能源需求曲线，各综合能源服务商基于粒子群算法和CPLEX求解器结合的方法寻求购售能组合决策模型的最优解，确定其最优交易策略，包括多元零售套餐价格和多类能源购买量；各综合能源服务商的优化求解方法如下：

步骤3-1：设置粒子群优化算法参数，包括粒子数量、迭代次数v、迭代误差φ₂；

步骤3-2：初始化每个粒子的位置和速度；

步骤3-3：基于CPLEX求解器获得每个粒子的适应度值，确定初始的局部最优和全局最优位置；

步骤3-4：基于更新的学习因子和惯性权重更新粒子的位置和速度；

步骤3-5：再次利用CPLEX求解器计算粒子的适应度值，并更新局部最优和全局最优位置；

步骤3-6：如果优化结果满足迭代精度φ₂，则输出最优解；否则，将转至步骤3-4继续进行；

步骤4：将步骤3-6确定的多元零售套餐价格传递给用户；若综合能源服务商在第k次迭代和第k-1次迭代最优利润的差值小于φ₁，则返回步骤2；即多能用户根据更新后的套餐价格，再次调整自身能源需求曲线和套餐选择情况并将其传递给综合能源服务商；否则，迭代将会终止，也表示双层多主多从Stackelberg博弈达到纳什均衡。