技术领域
[0001] 本发明涉及综合能源微网群运行的技术领域，尤其是涉及一种综合能源微网群能源共享策略优化方法。
相关背景技术
[0002] 综合能源微网在进行能源共享时，购买方与售卖方之间均存在利益竞争，而博弈论是解决利益相关者在相互作用下的决策问题的重要工具之一。在现有的基于博弈论的能量管理研究中，大多采用非合作博弈或合作博弈这二种博弈方法：1)基于非合作博弈的能量管理依赖于能源的动态定价，能源供应商和用户之间的迭代沟通收敛于实时价格或纳什均衡，在此范围内，任何参与者都不可能偏离均衡点而获得更多的经济效益，但非合作博弈无法避免市场操纵行为，且没有为参与者提供更具潜在经济性的能量管理方案，这可能导致社会效益偏低。文献姚文亮，王成福，赵雨菲，等.不确定性环境下基于合作博弈的综合能源系统分布式优化[J/OL].电力系统自动化，2022：1‑16针对可再生能源的不确定性会对系统的能量管理造成不利影响的问题，提出了一种基于非合作博弈和鲁棒优化的含微电网群交直流混合配电系统协调能量管理方法。该方法可为每个市场主体提供最佳的能量管理决策，实现各方收益的均衡化。文献Fu Yang，Zhang Zhiquan，Li Zhenkun，et al.Energy Management for Hybrid AC/DC Distribution System With Microgrid Clusters Using Non‑Cooperative Game Theory and Robust Optimization[J].IEEE Transactions on Smart Grid，2020，11(2)：1510‑1525.针对电能综合能源微网在能量管理和交易过程中容易出现隐私泄露的问题，提出了基于非合作博弈的分布式纳什均衡能量管理策略，该方法能有效平衡综合能源微网进行电能交易时隐私安全与交易成本。文献You Yang，Li Zuxing，Oechtering Tobias J.Non‑Cooperative Games for Privacy‑Preserving and Cost‑Efficient Smart Grid Energy Management[J].IEEE Transactions on
Information Forensics and Security,2023,18:423‑434针对微电网群在交易过程中会出现拥塞的问题，提出了基于非合作博弈的P2P能量交易方法，该方法能有效缓解网络拥塞，减少了网络损耗，提升了经济效益。
[0003] 2)基于合作博弈的能量管理主要关注联盟内利润分配的公平性及激励方法，可较好预防市场操纵行为，以实现个体及联盟社会福利的最大化，此外，还可以调动综合能源微网碳减排的积极性，挖掘分布式清洁能源就地消纳的潜力。文献Liu,Hong,Li,Jifeng,Ge Shaoyun et al.Distributed Day‑Ahead Peer‑to‑Peer Trading for Multi‑Microgrid Systems in Active Distribution Networks[J].IEEE Access,2020,8:66961‑66976.针对分布式清洁能源就地消纳难度大的问题，提出了基于经济效益和环境效益的P2P交易机制，研究结果表明综合能源微网以合作联盟方式参与电力P2P交易的社会福利得到了提升，同时也促进了能源消费的绿色低碳转型。文献胡健,于娣,张晓杰.电力P2P交易中计及社会福利的综合能源微网合作联盟[J/OL].中国电机工程学报,2023:1‑12.针对合作博弈中核仁计算时间随综合能源微网数目的增多呈指数增长的问题，提出了采用聚类技术来降低复杂度，同时采用分层随机抽样的方法来评估核仁的性能，研究结果表明该方法能在降低核仁计算难度的基础上保持核仁的精度。文献Han Liyang，Morstyn T，McCulloch M.D，et al.Scaling Up Cooperative Game Theory‑Based Energy Management Using Prosumer Clustering[J].IEEE Transactions on Smart Grid，2021，12(1)：289‑300.针对现有资源不断枯竭导致分布式能源的增加的问题，提出了一种考虑综合能源微网绿色能源偏好的P2P低碳能源交易模型，研究结果表明该方法能使综合能源微网获得利益的同时减少碳排放量。
[0004] 如上所述，现有文献主要存在以下不足：1)上述方法通常以联盟成员及大联盟的经济最小化为优化目标，未充分考虑碳减排在合作运行中产生的环境效益，使得社会福利偏低；2)上述方法未考虑各主体中源荷的不确定性对联盟稳定性以及能量管理策略效果的影响。
具体实施方式
[0064] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
[0065] 因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0066] 实施例1
[0067] 本发明提出一种综合能源微网群能源共享策略优化方法，方法的流程图如图1所示，方法包括以下步骤：
[0068] 获取能源微网群运行数据；
[0069] 将运行数据输入构建完成的能源共享策略优化模型中；
[0070] 采用ADMM的分布式算法求解能源共享策略优化模型，得到最优的能源共享策略；
[0071] 基于最优的能源共享策略优化能源微网群的运行状态。
[0072] 本发明的能源微网群为能源生产与消费的独立市场主体，互联形成综合能源微网群后，彼此间能量交互博弈特性显著。每个综合能源微网不仅可与上级能源网进行能源交互，还可根据自身电能和热能的盈缺情况参与能源交易。能源微网群构成的合作联盟框架如图2所示。
[0073] 综合能源微网以合作联盟方式参与能源交互的具体过程为：
[0074] 1)在隐私保护前提下联盟成员可通过共享一定交易信息，通过P2P交易的方式达成最优能源交易量和价格。联盟成员在协商能源交易量和价格时，是以实现社会福利最大化为目标，会通过提高购价或降低售价的策略，促进能源交易的达成，最终提升综合能源微网间的交互能量，其中，综合能源微网的社会福利包括经济效益和环境效益，经济效益的提升是通过增加综合能源微网间的能量交互，以减少联盟与上级能源网的能量购售，从而提高联盟的经济效益；环境效益的提升也是提升联盟内部的能量交互量，以促进分布式清洁能源的就地消纳，从而减少碳排放。
[0075] 2)联盟核仁的计算与分配是维持联盟稳定性的关键，需设计高效公平的合作剩余分配方法。考虑到海量综合能源微网在参与联盟时边际贡献呈较大差异性和复杂性，当海量综合能源微网参与联盟的能源共享时，计算其核仁并形成合理的合作剩余分配方法。
[0076] 本发明的建立能源共享策略优化模型的具体过程如下：
[0077] 1.建立基于联盟博弈的能量管理模型
[0078] 1.1目标函数
[0079] 计及经济与环境效益的联盟社会福利函数，本发明研究对象为多能综合能源微网，从经济和环境最优角度出发，海量综合能源微网联盟的社会福利函数为：
[0080]
[0081] 式中：WiPros为第i个综合能源微网的社会福利效益，其中 为第i个综合能源微网进行能量交互及与上级能源网交易的经济效益； 为第i个综合能源微网就地分布式可再生能源的环境效益；N为参与联盟的综合能源微网数量。第i个综合能源微网经济效益的具体计算方法为：
[0082]
[0083] 式中： 和 分别为第i个综合能源微网进行能量交互的经济效益和与上级能源网络交易的经济效益； 为第i个综合能源微网的运行成本，其中，
分别为第i个综合能源微网在t时刻设备的运维成本、第i个综合能源微网与第j个综合能源微网在交互热能时的热能传输损耗成本和第i个综合能源微网在能量交互时需要支付的过网费。
[0084]
[0085]
[0086]
[0087] 式中：αpv、αwt、αmt、αes和αhs分别为光伏、风机、微型燃气轮机、电储能、热储能的出力成本系数；αe为电网传输费用系数；αh为热力管道传输费用系数；和 分别为光伏出力、风机出力、微型燃气轮机出
力、电储能充放电功率、热储能充放热功率； i与综合能源微网j管道间的热损耗功率；
和 分别为第i个综合能源微网卖给第j个综合能源微网的
电功率、第i个综合能源微网卖给第j个综合能源微网的热功率、第i个综合能源微网卖给上级电 网络的电 功率和第i个综合能源微网卖给上级热网络的热 功率；
和 分别为第i个综合能源微网从第j个综合能源微网购买
的电功率、第i个综合能源微网从第j个综合能源微网购买的热功率、第i个综合能源微网从上级电网络购买的电功率和第i个综合能源微网从上级热网络购买的热功率；
和 分别为第i个综合能源微网卖给第j个综合能源微网的电
价、第i个综合能源微网卖给第j个综合能源微网的热价、第i个综合能源微网卖给上级电网络的电价和第i个综合能源微网卖给上级热网络的热价； 和
分别为第i个综合能源微网从第j个综合能源微网购买的电价、第i个综合能源微网从第j个综合能源微网购买的热价、第i个综合能源微网从上级能源网络购买的电价和第i个综合能源微网从上级能源网络购买的热价。
[0088] 在源端综合能源微网通过自发自用和P2P交易实现分布式清洁能源就地消纳，可减少化石能源发电的碳排放量。在传输端综合能源微网购买的电能和热能，由于经一定距离传输时会产生损耗，由于现有电源结构仍以消耗化石原料为主，因此这部分损耗也会间接产生碳排放。综合能源微网通过自发自用和P2P交易，可减少能源的远距离传输及损耗，从而减少电网的碳排放。因此，第i个综合能源微网环境效益 的具体计算方法为：
[0089]
[0090] 式中： 和 分别为第i个综合能源微网在源端和传输端的碳减排效益；μ、和α％分别为碳排放权交易价格、发电行业和供热行业的平均碳排放因子、输电、热损耗率； 和 分别为第i个综合能源微网在t时段自发自用的电量和热量； 和 分别
为第i个综合能源微网在t时段售电量和售热量； 和 分别为第i个综合能源微网在
t时段购电量和购热量。
[0091] 1.2综合能源微网及联盟的运行约束
[0092] 1)联盟运行约束
[0093]
[0094]
[0095]
[0096] 式中： 和 分别为综合能源微网与上级电网交易时传输的最大电功率和热功率； 和 分别为综合能源微网i与综合能源微网j交易时传输的最大电功率和
热功率；式(9)为综合能源微网i在t时段参与P2P电、热能交易的总量，需满足其能量平衡约束。
[0097] 2)热网传输延迟约束
[0098] 热延迟：热能在传输的过程中速度较慢，不像电能传输的速度较快，因此热负荷处的温度变化较热源处的温度变化有一定的延迟效果，温度变化的延迟时间可以表示为：
[0099]
[0100] 式中：tdelay为热延迟时间；Kdelay为热延迟系数，与管道自身的材质，深度等等因素有关；Lij为综合能源微网i与综合能源微网j之间管道的长度；vij为热水在综合能源微网i与综合能源微网j管道中的流速。
[0101] 3)热网传输损耗约束
[0102] 热损耗表现为管网内热媒温度的降低，热量损耗(温度降低)可以根据下面的公式求解：
[0103]
[0104] 式中：ΔTloss为管道温降，Tstart(t)为t时刻管道首端温度，Tout(t)为t时刻外界的温度；kloss为温度损耗系数；Cp为流体的热熔；mij为管道的流量，其中：
[0105]
[0106] 式中：λ为管道单位长度上的热传输效率。由式(10‑12)可得热网传输延迟和损耗方程：
[0107] Tend(t)＝Tstart(t‑tdelay)‑ΔTloss (13)
[0108] 式中：Tend(t)为t时刻管道末端的温度。
[0109] 4)综合能源微网内能源生产与耦合设备运行约束
[0110]
[0111]
[0112]
[0113]
[0114]
[0115] 式中： 和 分别为第i个综合能源微网微型燃气轮机在时刻t产生热功率上限和电功率上限； 为t时刻储电设备的储电量，τe,bat为自放电损耗率， 和 为充放电效率； 为t时刻储热设备的储热量，τh,bat为自放热损耗率； 和 为充放热效率；
Si,max和Si,min分别为储能系统容量的上下限；Pi,chmax和Pi,dismax分别为充放电功率上限；θi,ch和θi,dis分别为其充放电状态的离散变量，取值为0或1，其中0为充电，1为放电。δ＝Pi,chθi,ch，ρ＝Pi,disθi,dis，M为引入的大数值常数。
[0116] 5)电功率平衡约束
[0117]
[0118] 式中： 为第i个综合能源微网与上级电网交互的电能， 为综合能源微网i与综合能源微网j之间交互的电功率， 为综合能源微网中的电负荷。
[0119] 6)热功率平衡约束
[0120]
[0121] 式中： 为综合能源微网i与综合能源微网j之间交互的热功率； 为综合能源微网中的热负荷； 为综合能源微网i与综合能源微网j间传输管道的热量损失。
[0122] 2.联盟的价值函数及核计算
[0123] 本发明建立的综合能源微网联盟能量管理的价值函数为联盟形成后提升的综合能源微网经济与环境效益。它主要有二个任务:1)量化联盟内部合作的价值；2)通过大联盟合作获得的利润总额分配给所有综合能源微网。基于此，本发明建立了P2P合作博弈模型，构造的目标函数为最大化社会福利：
[0124]
[0125] 式中：N为参与综合能源微网交易的主体个数；WiPros为综合能源微网i参与合作后的社会福利：
[0126]
[0127] 式中：Wi0为综合能源微网i独立运行的社会福利。
[0128] 该函数的含义是使得所有综合能源微网参与大联盟后的社会福利较独立运行时的社会福利提升最大化，即合作剩余最大化。
[0129] 在获得合作剩余后，下一步是确定如何将其分配给每个综合能源微网，这就需要做到二点：1)合作剩余全部分配给所有综合能源微网；2)确保没有一个综合能源微网的社会福利变差。稳定合作剩余分配的解集被称为核，核仁的计算它是按词典序计算最小化联盟的合作剩余。因此，本发明仅讨论核仁的计算，但核仁计算的复杂性较高，首先，需要计算所有可能的联盟价值，其数量为2N‑1；其次，在求解所有联盟的词典序最小过剩时，线性规划问题的数量和约束数量都为2N。两者都与联盟成员数量密切相关，因此，联盟成员数量的增加会造成核仁计算复杂度呈指数级增加，从而限制了能量管理的可扩展性。
[0130] 3.基于边际贡献高斯聚类的核仁估计法
[0131] 考虑到每个综合能源微网获得的核仁收益取决于他们对联盟的贡献，这意味着具有相似能量行为的综合能源微网往往会获得相似的收益。同时，合作的价值依赖于联盟内部生产和消费的匹配，这意味着联盟内部的异质性为联盟成员创造了合作价值。本发明通过识别综合能源微网之间的相似性和差异性，可尽量减少计算相似的合作剩余来估计核仁。
[0132] 3.1边际贡献聚类特征
[0133] 在合作能量管理中，联盟的价值与其节省的能源成本相对应，而回报与综合能源微网对联盟的边际贡献密切相关。由于总合作剩余是通过联盟内部的合作创造的，因此，对联盟的边际贡献可作为综合能源微网的差异性特征。
[0134]
[0135] 式中：ΔWi,t为每个综合能源微网的边际贡献度，WtN/i为没有综合能源微网i参与N的联盟N社会福利， 为综合能源微网i独立运行的社会福利，Wt为综合能源微网i加入后的联盟N的社会福利。为了方便计算，本发明将各综合能源微网的边际贡献进行均值归一化处理。
[0136]
[0137] 式中：average(ΔWi,t)为联盟边际贡献的均值，max(ΔWi,t)为边际贡献样本中的最大值，min(ΔWi,t)为边际贡献样本中的最小值，ΔW′i,t为归一化后的边际贡献值。
[0138] 3.2核仁估计法
[0139] 针对大规模综合能源微网构成的联盟，本发明首先利用基于边际贡献的高斯混合聚类模型对联盟中N个综合能源微网进行聚类，假定最终聚类成k类综合能源微网群体。高斯混合聚类模型可表示为：
[0140]
[0141] 式中： 为高斯概率密度函数；αk、μk、Sk分别为混合聚类中第k个类别的权重、均值、协方差矩阵；p(x)为高斯混合模型的概率密度函数。具体聚类算法流程为：1)设定α,μ,S的初始值；2)计算后验概率 3)求解最大似然函数
4)求最大似然值 5)求解最大似然函数αk
＝Nk/N；6)循环重复计算步骤(2)～(5)，直至算法收敛。
[0142] 最后，可求数据ΔW′i,t为第k类的概率γ(znk)及GMM的参数μk、Sk、αk：
[0143]
[0144] 式中：αk表示各个分布的权重；μk表示模型的期望；Sk表示模型的方差；通过聚类后N k最终将N个综合能源微网缩减成k个，此时核仁法的计算复杂度从原来的2‑1降低为2‑1。本发明针对100个综合能源微网组成联盟，采用边际贡献高斯混合聚类法进行聚类分析，可得聚类结果，聚类结果如图3所示。
[0145] 图3为经过高斯混合聚类后每类的质心数据，将100个综合能源微网分为5大类，其中第一类中含26个综合能源微网，第二类中含13个综合能源微网，第三类中含28个综合能源微网，第四类中含26个综合能源微网，第五类中含7个综合能源微网。各类中的综合能源微网具有相似的边际贡献。
[0146] 上述已经完成改进核仁的第一步利用高斯混合聚类对综合能源微网进行分类接下来针对改进核仁法第二步骤利润分配进行阐述。在分配方法中，即使是高效且个体理性的利润分配方案也不一定能保证大联盟中的每个综合能源微网都满意，因为一些综合能源微网可能通过组建较小的联盟来获得更高的回报。下式表示所有联盟参与者对分配方案的不满意程度：
[0147]
[0148] 式中：W(S)表示联盟S获得的总利润；xi表示联盟S中每个综合能源微网获得的利润。
[0149] 基于核仁理论对利润进行分配的目的是设法合理分配由各综合能源微网合作运行所产生的总效益。假设Y＝{y1,y2,...,yn}表示合作博弈下各综合能源微网效益集合，X＝{x1,x2,...,xn}表示各综合能源微网分得利润的转归集合，v(S)为不同运行联盟S的所得效益。则对该核仁的求解可表示为最小化综合能源微网对所有联盟的分配方法的不满意程N度，此处可列举出N的2个子联盟的超出值，并按从大到小的顺序排列：
[0150]
[0151] 设V(S)为在联盟S中综合能源微网合作运行相较于独立运行增加的收益，即参与联盟后的总合作剩余为：
[0152]
[0153] 式中：Wi0为第i个参与者独立运行产生的收益。
[0154] 则可基于线性规划来对式(29)进行求解
[0155]
[0156] 式中：e为任意小实数，代指式(28)中的e(S,x)；S1为联盟中所有综合能源微网的集合；S2为所有不同联盟的集合。
[0157] 按照上述步骤，首先计算最不满意的联盟，选择分配使这种联盟的不满意度最小，再次考虑次不满意的联盟。如此循环，直到所有联盟的不满意度都尽可能小为止。最后大联盟中每个综合能源微网分得的最终收益，应为其独立运行收益加上合作分配得到的利润，即：
[0158] yi＝v(i)+x(i) i＝1,2···N (31)
[0159] 3.3分布式鲁棒优化模型
[0160] 针对综合能源微网群内风机及光伏出力的不确定性对联盟的稳定性及能量管理效果的影响，本发明在时间、空间及功率区间三个维度建立了描述风机及光伏出力随机性的多面体不确定性集，并通过使用鲁棒对等转换了不确定性环境下的联盟能量管理优化模型。
[0161] 3.3.1多面体不确定性集合
[0162] 设综合能源微网群内可再生能源设备的数量为Ns，Ns＝Nv+Nw，其中Nv为光伏设备数，Nw为风机设备数。设 表示设备i(i＝1,2,...,Ns)在时段t的出力区间。为平衡鲁棒优化模型的保守度，本发明引入鲁棒控制因子ΓRS、ΓRT，在空间、时间及功率区间三个维度建立了鲁棒条件下的多面体集合ΨR、即：
[0163]
[0164]
[0165] 式中：NT为优化时段数；σi,t、γi,t为布尔变量；ζi,t、 分别为设备i的实际出力、预测出力； ζi,t分别为ζi,t的上界和下界；ΓRS、ΓRT分别为可再生能源的空间不确定性控制系数和时间不确定性控制系数。ΓRS和ΓRT共同调节多面体的极点，从而调整模型的保守程度。当ΓRS和ΓRT取值较大时，模型较为保守；反之，模型较为激进。
[0166] 3.3.2基于多面体集合的鲁棒优化模型
[0167] 基于第1节建立基于可再生能源出力确定量的模型，其未考虑可再生能源出力的不确定性。在实际应用中，风机及光伏出力具有随机波动性，基于3.3.1节建立的三维多面体集合，结合最优控制理论中的鲁棒优化方法，建立基于多面体集合的鲁棒优化模型。
[0168] 本发明搭建分布式鲁棒优化模型的目的在于找到不确定变量在不确定集内朝着最恶劣场景变化时社会福利最大的运行方案，具有如下形式：
[0169]
[0170] 其中的最大化问题等同于式(21)的目标函数，表示社会福利最大化。
[0171] 考虑 的波动时仍需要满足电功率平衡约束，根据鲁棒优化理论，考虑波动时的功率平衡式为：
[0172]
[0173] 式中： 分别为光伏i和风机i的功率波动量，其具体取值受多面体集合ΨR的约束。
[0174] 综合上述分析，本发明的能源共享策略优化模型的目标函数为：
[0175]
[0176] 约束条件为(7)‑(20)、(32)‑(33)，以及(35)。
[0177] 4.模型的求解
[0178] 4.1基于鲁棒优化模型求解
[0179] 鲁棒优化模型的目标函数、约束条件和不确定集合决定了模型的复杂度，由于模型含有不确定集合，因此采用数学手段将鲁棒优化模型中属于不确定集合的具体约束条件消去，将不确定性模型转化为确定性模型。注意到式(35)min项中 为确定量，进一步将式(35)转换为：
[0180]
[0181] 令 构造函数 为：
[0182]
[0183] 将式(37)进一步转换为等价式，即：
[0184]
[0185] 设 式(38)的矩阵概括形式为：
[0186]
[0187] 式中：A＝[x* y*]T；X＝[αv]；C＝ΓRS；AT、X的维度均为Ns。依据对偶理论，式(39)的对偶形式为：
[0188]
[0189] 式中：Ai为A中第i个元素，对应最小社会福利值；ΓRS取值不小于|J0|的整数。由式(40)可知，鲁棒形式的功率平衡中的min项通过引入对偶变量，对等转换为了max项，当优化模型为max时，可以与优化目标整合为统一形式。可得式(35)的鲁棒对等式为：
[0190]
[0191] 式中：J0为可再生能源设备集合，|J0|＝Ns；对任意时段t；νR、εs,i为鲁棒对等变换引入的对偶变量；S0为ΓRS控制下的J0的子集。
[0192] 同理，将目标函数式(34)进行鲁棒对等转换，得到考虑鲁棒优化的目标函数为：
[0193]
[0194] 式中：HT为优化时段集合，|HT|＝NT；ΓRT为控制可再生能源设备出力达到多面体极点的时段数；fw,m,min为m时段可再生能源出力波动对应的最小社会福利波动量；ν′s、εs,m为对偶变量。
[0195] 4.2基于ADMM的分布式优化模型求解
[0196] 本发明假设综合能源微网都拥有独立选择与其他综合能源微网交易能源类型和能源量的权利，综合能源微网能参与合作能源交易的前提是通过与其他综合能源微网之间沟通协商，制定相应的能源交易量与交易价格策略，能够进一步提升自己的社会福利，否则该综合能源微网将拒绝与其他综合能源微网进行能源交易。综合能源微网协同优化时，各主体内部重要信息无法全部共享，若采用集中式算法不仅难以描述各主体间的能量交互过程，还会存在隐私泄露的风险，本发明采用ADMM分布式算法，通过迭代获取最优能量交互值及综合能源微网间的交易价格。本发明模型求解的目标函数为在考虑风机和光伏出力的不确定性条件下系统的社会福利最大化，即：
[0197]
[0198] 其中，由于综合能源微网间相互进行能源交易时，交易量互为相反数，所以：
[0199]
[0200]
[0201] 为了实现去中心化市场清算算法，引入辅助变量来重新表述式(44)：
[0202]
[0203]
[0204] 式中： 为辅助变量。
[0205] 1)通过ADMM将等式约束引入目标函数(43)中，得到社会福利最大化目标函数的增广拉格朗日函数形式：
[0206]
[0207] 式中： 表示综合能源微网i在时段t时参与能量交互总量，z代表能源的种类，此处包括电能和热能。 表示综合能源微网间电、热能对应的交易价格。
[0208] 2)综合能源微网i，j更新自己的交易策略：
[0209]
[0210] 3)更新迭代次数k＝k+1；
[0211] 4)判断迭代是否收敛；
[0212]
[0213] 如果满足式(50)则表示在第k次迭代收敛。如果k＞kmax，则该算法不收敛。因此采用ADMM分布式优化算法具体流程图如图4所示。
[0214] 最后进行算例的验证：
[0215] 1.测试系统参数
[0216] 本发明以100个综合能源微网组成的园区综合能源微网联盟作为测试对象，验证所提方法的有效性和优越性。
[0217] 综合能源微网与上级电网交易的电价采取分时电价值，具体的购售电、热价格如表1所示。环境效益相关参数见表2。
[0218] 表1能源网购售电、热价格
[0219]
[0220] 表2环境效益的主要参数
[0221]
[0222] 2.算例分析
[0223] 为了验证所提方法的有效性与优越性，本发明设置以下三种仿真场景。
[0224] 场景1：综合能源微网全额与电网、热网进行能量交互；
[0225] 场景2：综合能源微网基于合作联盟方式参与P2P能源共享；
[0226] 场景3：考虑可再生能源不确定性下综合能源微网基于合作联盟方式参与P2P能源共享。
[0227] 1)综合能源微网与电网交互电量
[0228] 各综合能源微网在不同场景下与上级电网交易的电量如图5所示。
[0229] 由图5可知，在场景1下当5类综合能源微网面临电能短缺问题时，只能与电网进行交易，而综合能源微网频繁与电网进行交互，不仅增加了上级电网的调控压力，同时还增加了碳排放，导致经济效益和环境效益都偏低。因为在0:00‑6:00时段、16:00‑24:00时段光伏出力较少，而在6:00‑16:00时段内风机出力较少，且此时综合能源微网之间无法进行P2P交易，需要通过上级电网实现功率平衡，因此在场景1下大部分时间段与上电网的交易电量不为零。场景2、场景3下各综合能源微网进行P2P交易从而减少与上级电网的交互量。
[0230] 2)综合能源微网与热网交互热量
[0231] 各综合能源微网在不同场景下与上级热网交易的热量如图6所示。
[0232] 由图6可知，各类综合能源微网在场景1下缺少的热量只能通过与热网进行热交互或提升设备的热出力来满足热负荷的需求，这不仅会增加热网和各类设备的调控压力，也增加碳排放从而降低了经济效益和环境效益。而在场景2和场景3下，各类综合能源微网通过P2P进行热交易，降低了与热网交易的次数和热量。
[0233] 3.综合能源微网P2P交互电量
[0234] 由于综合能源微网在场景1下全额与电网进行交易，所以综合能源微网P2P交易电量为零。各类综合能源微网在场景2和场景3下P2P交易电量如图7所示。
[0235] 由图7可知，P2P交易量与综合能源微网类型存在一定的关系，例如在3:00‑5:00等时段，第1类综合能源微网和第3类综合能源微网除了维持自身电负荷的需求外仍有多余的电能，此时可以供给给由于电能短缺导致供能不足的第2、4、5类综合能源微网。在13:00‑14:00等时段，第1、5类综合能源微网面临电能短缺问题，此时可向电能充足的第2、3、4类综合能源微网购买电能。
[0236] 4.综合能源微网P2P交互热量
[0237] 由于综合能源微网在场景1下全额与热网进行交易，所以综合能源微网P2P交易热量为零。各类综合能源微网在场景2和场景3下P2P交易热量如图12所示。
[0238] 由图8可知，在17:00‑19:00时段，第5类综合能源微网除了满足自身热负荷的需求外仍有多余的热能，此时其他4类综合能源微网可以向第5类综合能源微网购买热能，3:00‑5:00时段，第1、3类综合能源微网此时热能短缺，此时可以向热能充足的第2、4、5类综合能源微网购买热能，从而减少向上级热网的购热量，增加经济和环境效益。
[0239] 5.综合能源微网P2P交易电价
[0240] 综合能源微网在场景2、场景3下的P2P交易电价如图9、10所示。
[0241] 由图9、10可知，为保证社会福利的最大化，参与合作联盟的各综合能源微网会通过交易信息的协商和共享，采用提高购电价或降低售电价的方法来促进P2P交易电量。综合能源微网间电能交易价格小于向上级电网的购电价同时大于向上级电网的售电价，从而提高了综合能源微网参与P2P能源交易的积极性。
[0242] 6.综合能源微网P2P交易热价
[0243] 各综合能源微网在场景2、场景3下的P2P交易热价如图11、12所示。
[0244] 由图11、12可知，在17:00‑19:00时段，第5类综合能源微网有多余的热能，考虑到热延迟和热损耗的影响，因为热延迟和热损耗都与管道的长度有关，综合能源微网间的距离越远，产生的损耗越多，因此第5类综合能源微网多余的热能更愿意卖给离自己更近的第4类综合能源微网，所以第5、4类综合能源微网之间有较为明显的热能交易过程。综合能源微网间热能交易价格小于向上级热网的购热价同时大于向上级热网的售热价。
[0245] 7.经济效益分析
[0246] 由于综合能源微网间电、热能交易价格小于向上级电、热网的购电、热价同时大于向上级电、热网的售电、热价。所以如果P2P间交易的能量越多，那么综合能源微网与上级能源网交互的能量就越少，这样综合能源微网产生的经济效益就越多。各类综合能源微网的经济效益如图13所示。
[0247] 由图13可知，由于场景1的综合能源微网全额与上级能源网进行交互，所以场景1的经济效益最低。
[0248] 此外，在经济效益中还考虑了平衡成本，其为平衡可再生能源出力预测值与实际值之间偏差产生的成本，在场景1中各综合能源微网独立运行，其可再生能源不平衡量由综合能源微网自身设备出力和与上级能源网交互能量来平衡。当综合能源微网达成合作联盟时，其可再生能源不平衡量可由大联盟内部各综合能源微网来进行平衡，产生的平衡成本再由大联盟依据其贡献度分配给各个综合能源微网。不考虑平衡成本，场景3的经济效益低于场景2的经济效益，但由于场景3考虑了可再生能源出力的不确定性，其因为可再生能源预测误差引起的不平衡量要低于场景2，因此，综合考虑平衡成本后，场景3的经济效益高于场景2。5类综合能源微网在场景3下的经济效益为‑295784元，比场景1提升了17.2％，比场景2提升了1.5％。
[0249] 8.环境效益分析
[0250] 综合能源微网的光伏及风机发电量主要由综合能源微网的类型及自然条件决定。因为各类综合能源微网在不同场景下的电、热负荷需求是不变的，其自发自用电量的源端与传输端碳减排量是相同的。其次综合能源微网通过P2P交易的电量和热量可换算成相应的碳减排量。各类综合能源微网在不同场景下的碳减排量及环境效益如图14所示。
[0251] 由图14可知，在场景1中，其碳减排量和环境效益都是最低的，这是因为综合能源微网全额与上级能源网交互能量，不参与P2P能量的交易。综合能源微网在场景3中的P2P交易量略多余场景2，风机、光伏出力大于预测出力时充分考虑了其出力的不确定性，从而使得综合能源微网有更多的能量与其他综合能源微网进行P2P交易。所以场景3的碳减排量和环境效益略微高于场景2。5类综合能源微网在场景3下的环境效益为95339，比场景1提升了12.3％，比场景2提升了1.5％。
[0252] 9.社会福利分析
[0253] 不同场景下各类综合能源微网社会福利如表3所示。
[0254] 表3不同场景下的社会福利
[0255]综合能源微网类型 场景1 场景2 场景3
1 ‑141914 ‑108717 ‑108054
2 ‑17871 ‑12864 ‑11460
3 ‑31029 ‑26615 ‑25455
4 ‑64830 ‑46291 ‑44769
5 ‑16768 ‑11896 ‑10707
总社会福利/元 ‑272412 ‑206383 ‑200445
[0256] 由表3可知，场景3的社会福利为‑200445元，比场景1提升了26.4％，比场景2提升了2.9％。其中社会福利增长比例最多的是第5类综合能源微网，场景3社会福利较场景1提升36.1％，较场景2提升9.8％。这是因为100个综合能源微网中具有相似贡献度的综合能源微网被分为一类，而本发明考虑每个综合能源微网获得的核仁回报取决于他们对大联盟的贡献，这意味着具有相似能量行为的综合能源微网倾向于获得相似的汇报。此处每类综合能源微网中的每个综合能源微网的社会福利值采用平均分配该类综合能源微网获得的所有收益的原则。
[0257] 10.合作剩余公平性分析
[0258] 合作大联盟进行收益的分配，如何对大联盟的收益进行合理公平的分配是保证联盟稳定性的关键。本发明在场景3的基础上对二种利润分配方法进行对比分析。
[0259] 场景4：基于经典核仁法的收益分配；
[0260] 场景5：本发明基于改进核仁法的收益分配。
[0261] 5类综合能源微网在场景4、场景5下的核仁精度及计算时间如表4所示。
[0262] 表4不同场景下的核仁
[0263]
[0264] 由于在求解合作博弈的研究中，由核仁法得来的博弈解必定唯一且可行，且具有十分稳定的特性，其效果一般比Shapley值法好，所以本发明只具体讨论核仁法。由表4可知，场景5和场景4对于核仁的精度计算结果基本相同，说明本发明方法对于核仁精度的计算较为准确，而在计算时间方面，本发明将其聚成5类再计算的方法再计算时间方面远远小于经典核仁法的计算时间，大大降低了计算难度。其中针对第五类综合能源微网中具体每个综合能源微网分得的收益如表5所示。
[0265] 表5第5类综合能源微网收益分配
[0266] 综合能源微网 场景4收益分配/元 场景5收益分配/元1 1279 1234
2 1237 1234
3 1219 1234
4 1237 1234
5 1245 1234
6 1244 1234
7 1247 1234
[0267] 由表5可知，对于第5类综合能源微网具体分配结果，场景4采用了精确分配，场景5采用平均分配，场景5分配的结果与场景4基本相同，因为第5类综合能源微网中边际贡献度相同的综合能源微网趋向于分配到相同的收益，所以同为第5类综合能源微网，综合能源微网1‑7分配得到的收益基本相同。
