多微电网工业园区最优竞价与调度方法、系统及存储介质

1.本发明涉及负荷侧动态竞价、工业园区、微电网等规划和电能管理技术，尤其是一种基于无库存策略的多微电网工业园区最优竞价与调度方法、系统及存储介质。


背景技术：

2.现代电力供应系统正朝着将电力微电网纳入系统运营的方向发展。这些是由分布式电能(der)组成的小型电力系统，即分布式发电(dg)、电池储能系统(bess)和/或需求响应(dr)负载，并且可以作为总负荷进行调度。微电网既可以在并网模式下与公用事业交换电力，也可以在孤岛模式下运行，其中负载由本地和现场电能供应。这些网络可以为电网提供运营援助，特别是应对电能市场的波动。
3.文献“p.u.herath et al.,“computational intelligence-based demand responsemanagement in a microgrid,”ieee trans.ind.appl.,vol.55,no.1,pp.732
–
740,2019.”提出了一种基于价格的微电网需求响应策略，以克服这种不确定性，使用户和电力公司都受益；尽管对mmg网络的大部分研究都集中在理论模型和算法上，但文献中已经报道了一些实验性和工业mmg系统。大多数实验性mmg是在大学实验室中开发的。mmg的实际例子主要用于为偏远地区、多个岛屿、工业园区、办公楼等供电。
4.随着微电网的数量和普及程度的增加，电能管理问题变得更具挑战性。这是因为在mmg网络中，需要考虑微电网和电网之间的相互作用以及各个微电网之间的电能交换。由于微电网运行的相对自治性，文献“k.rahbar,c.c.chai,and r.zhang,“energy cooperation optimization in microgrids with renewable energy integration,”ieee trans.smart grid,”采用了基于多智能体系统理论的方法来解决这个问题。在这里，每个自治微电网都被建模为一个代理。这些代理可以相互交互以获得利益，也可以相互竞争以服务于自己的利益。在文献报道的大多数解决方案中，考虑了分级市场结构，其中微电网(代理)在本地和全球(效用率)级别进行竞争。尽管使用了不同的术语和方法，但在大多数这些方法中，每个微电网主要负责平衡自己的本地负载生成，然后将可能不匹配的电能转移到全球市场，由电力公司或其他微电网。
5.上述文献不足之处在于：
6.针对mmg网络的大部分研究都集中在理论模型和算法上，针对实际应用较少，鲜有专门针对需要考虑不同运行模式工厂负荷的大规模工业园区。
7.2)随着微电网的数量和普及程度的增加，能源管理问题变得更具挑战性。微电网内部的dg和负荷的不确定性考虑较少。
8.3)基于博弈论的解决方案在数学上具有优势。但这种方法难以应对具有大量线性和非线性约束的问题，具体体现为严格竞争的博弈很难达到平衡点。即使达到平衡点，在许多情况下也无法确保帕累托最优。
9.假设制造工厂基于无库存制度(jit)策略运营，避免后期处理库存中的多余产品。但是，在某些情况下，最佳运行可能会偏离此策略，并且可能会不可避免地出现生产过剩或
生产不足的情况，因此需要尽量减少这种情况。


技术实现要素：

10.本发明是要解决现有技术存在的上述问题，提供一种基于无库存策略的多微电网工业园区最优竞价与调度方法、系统及存储介质，考虑到有限的电能资源，确定所有微电网i∈ω的最佳电力竞价和调度策略。
11.本发明所述的一种基于无库存策略的多微电网工业园区最优竞价与调度方法，其具体步骤为：
12.步骤一，将工业园区作为区域电网，由运营商负责向工业园区内工厂输送电力，并采集工业园区内不同微电网的所有电力信息，每个微电网含多个制造工厂，所述电力信息由基于区块链参与电力市场的第三方共享，并通过净收益最大化目标制定使全部多微电网网络最优交易和竞价策略；
13.步骤二，将优化过程中每个归一化原始目标函数的现货市场成本和预期工厂生产部分添加到聚合拓展目标规划目标中，通过最小化整体目标函数继续寻求帕累托最优解；
14.步骤三，输入未来从电力现货市场购买的低廉电力成本和工厂的未来预期生产水平两个不确定性参数，将不确定性模型引入到优化问题，建立基于鲁棒对应物方法的扩展求解模型，得到考虑不确定性的最优交易结果。
15.进一步，步骤一所述的净收益最大化目标制定的具体步骤如下：
16.1)针对工业园区微电网，给出考虑无库存运行策略下的收入最大化目标函数，通过向微电网售电实现收入最大化，
17.所述收入最大化目标函数是：
[0018][0019]
其中o1:第1个目标函数；p
i,t
:工业园区在时间t输送到工厂i的功率(kw)；c
i,t
:工厂i在时间t从工业园区购买能源的价格，单位为$/kwh；在时间t从电力现货市场购买的能源成本，单位为$/kwh；t:时间步长集；ω:属于工业园区的一组微电网，即制造工厂；
[0020]
2)单独微电网：每个微电网i有两个目标函数；一个是净收入目标函数o
2,i
；第二个目标函数为无库存策略目标函数o
3,i
，，建模为：
[0021][0022]
其中c
i,j,t
:工厂j在时间t从工厂i购买能源的价格，单位为$/kwh；p
i,j,t
:电厂i在时间t内向电厂j提供的dg功率，单位为kw；ρi:工厂i最终产品的收入；i
i,t
:工厂i在时间t内的产量；βi工厂i生产水平低于预期值；c
i,j,t
:工厂j在时间t从工厂i购买能源的价格，单位为$/kwh；p
i,j,t
:电厂i在时间t内向电厂j提供的dg功率，单位为kw；工厂i在时间t内dg装置的运营成本；c
j,i,t
:工厂i在时间t从工厂j购买能源的价格，单位为$/kwh；p
j,i,t
:电厂j在时间t内向电厂i提供的dg功率，单位为kw；πi:由于工厂i未完成订单造成的罚款，单位为
美元/单位、美元/体积或美元/重量；βi:工厂i生产水平低于预期值，包括数量、体积和重量；
[0023][0024]
其中
[0025][0026]
式中第i工厂在时间t的期望生产水平，单位为数量、体积或重量；工厂i在时间t内dg装置的运营成本；在时间t内由工厂i中的dg单元提供的总功率，单位为kw；i电厂在时间t内dg机组的发电效率；i工厂中dg装置的燃料价格；电厂dg机组燃料的净热值。
[0027]
进一步，步骤二中，所述最小化整体目标函数将在以下约束条件下进行优化：
[0028]
1)功率平衡：
[0029][0030]
其中:工厂i在时间t(kw)的有效需求；
[0031][0032][0033][0034]
其中p
idg,max
:工厂i中dg装置可提供的最大功率，单位为kw；
[0035]
2)单个工厂的电能消耗：
[0036][0037]
其中工厂i在时间t(kw)的有效需求；
[0038]
3)购电限制：
[0039][0040]
其中p
max
:可输送到工业园区的最大功率，单位为kw；
[0041][0042]
其中在时间t从电力现货市场购买的能源成本，单位为$/kwh；c
i,t
:工厂i在时间t从工业园区购买能源的价格，单位为$/kwh；工厂i愿意支付的从工业园区购买电力的最高价格，单位为$/kwh；
[0043]
[0044]
其中c
j,i,t
:工厂i在时间t从工厂j购买能源的价格，单位为$/kwh；
[0045][0046]
4)未完成订单：在优化问题的时间范围内生产水平的短缺被定义为
[0047][0048]
5)互动交易：任何两个工厂都可以相互出售电力或相互购买电力，但不能同时出售和购买；这种行为可被建模为
[0049][0050]
非负约束
[0051][0052]
进一步，步骤三中，所述的扩展求解模型建模过程如下：
[0053]
定义第k个不确定性集ψk，其中z是一个封闭的凸扰动集：
[0054][0055]
其中ζk:鲁棒优化中第k个不确定性参数；
[0056]
在未来从电力现货市场购买的低廉电力成本和工厂的未来预期生产水平两个参数中引入不确定性，将所述不确定参数定义为：
[0057][0058][0059]
现货市场成本：
[0060][0061]
由于c
sp
是目标函数中的一个参数，因此该函数应重写为相应的鲁棒对应项：
[0062][0063]
此外，对于所有t》1，应使用近似值表示为线性函数
[0064][0065]
其中工厂i愿意支付的从工业园区购买电力的最高价格，单位为$/kwh；
[0066]
预期工厂生产：
[0067]
[0068]
工厂i所需生产计划的不确定性预算，包括数量、体积和重量；
[0069]
为了将上述不确定性模型引入到优化问题公式中，提出的o3的鲁棒对应物将不确定性纳入得到：
[0070][0071][0072][0073]
给出鲁棒对应物的公式
[0074][0075][0076]
其中工厂i愿意支付的从工业园区购买电力的最高价格，单位为$/kwh；
[0077]
将ηi降至最低，约束条件为：
[0078][0079]
工厂i所需生产计划的不确定性预算，包括数量、体积和重量；
[0080][0081]
因此，公式中线性鲁棒对应物可以表示如下：
[0082]
最优函数目标在于将ηi降至最低，约束条件为：
[0083][0084][0085][0086][0087][0088][0089]
式中变量y、λ、w和z是辅助变量。
[0090]
进一步，基于无库存策略的多微电网工业园区最优竞价与调度方法，其特征在于：所述电力信息包括拓扑结构，各负荷的电压、电流、功率因数、有功功率及无功功率。
[0091]
一种基于多微电网工业园区最优竞价与调度系统，包括：
[0092]
数据采集模块，用于采集工业园区内不同微电网的所有电力信息；
[0093]
最小化整体目标函数优化模块，将优化过程中每个归一化原始目标函数的现货市场成本和预期工厂生产部分添加到聚合拓展目标规划目标中，通过最小化整体目标函数继续寻求帕累托最优解；
[0094]
扩展求解模块，扩展求解模块，建立基于鲁棒对应物方法的扩展求解模型，得到考虑不确定性的最优交易结果使，微电网在电能价格和/或计划生产预测值波动时保持稳定。
[0095]
一种存储有计算机程序的可读计算机存储介质，其特征在于：该程序被处理器执行程序时实现如上任一项所述的方法。
[0096]
本发明的有益效果是：
[0097]
1)本方法将来自不同微电网的所有信息与第三方共享以解决多目标优化问题，通过净收益最大化目标制定使整个mmg网络最优交易和竞价策略，可以带来最大的集体利益。
[0098]
2)本发明将优化过程中每个归一化原始目标函数的现货市场成本和预期工厂生产部分添加到聚合拓展目标规划目标中，通过最小化整体目标函数继续寻求帕累托最优解，无论问题的大小或性质如何，都能保证帕累托最优，确保整个群体的集体利润的方式同时优化。
[0099]
3)本发明通过建立的给出鲁棒对应物方法的扩展求解模型，利用该扩展求解模型使微电网的在电能价格和/或计划生产预测值波动时保持稳定，解决了系统模型或参数中的潜在不确定性，并保护系统免受电能价格和/或计划生产预测值的不可预见变化影响。
附图说明
[0100]
图1是本发明的网络拓扑图；
[0101]
图2是本发明的系统结构图；
[0102]
图3、图4和图5分别是本发明实施例的工厂1、工厂2和工厂3的响应结果图。
具体实施方式
[0103]
下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好的理解本发明。
[0104]
本发明所涉及的基于无库存策略的含多微电网工业园区最优竞价与调度方法，在本方法中，考虑了一个由多个制造工厂组成的工业园区，每个工厂都假设是一个配备本地dg的微电网。图1给出了网络结构，假设制造工厂基于无库存制度(jit)策略运营，避免后期处理库存中的多余产品。但是，在某些情况下，最佳运行可能会偏离此策略，并且可能会不可避免地出现生产过剩或生产不足的情况，因此需要尽量减少这种情况。本方法的目标是在问题t的时间范围内，考虑到有限的电能资源，确定所有微电网的最佳电力定价和调度策略。
[0105]
首先，假设工业园区提前一天对所有工厂进行日前调度，基于每个工厂的预期生产需求(此处称为基准需求)提前购买必要的电力。如果生产需求实时变化，迫使工厂消耗更多电力以实现预期生产目标，则额外的电力必须由工业园区从电力市场购买，并根据需要交付给各个工厂。例如，由于公共耦合点(pcc)处变压器的最大容量，可用功率可能会受到限制，这意味着各个微电网必须竞争这一有限资源。
[0106]
当然，工业园区和各个工厂都有自己的目标，即利润最大化。园区更愿意以更高的
价格向发电厂出售可用能源，而发电厂更愿意以更低的价格获得更高的电能。因此，该问题被表述为多目标优化问题。由于需要实现集体效益，因此必须委托受信任的非营利第三方从个体(工厂和工业园区)接收所有相关信息，解决多目标优化问题，并确定能源价格和调度水平。虽然多微电网框架内尚不存在此类实体，但独立运营商可以担任这一角色。
[0107]
同时，假设每个工厂都配备了本地发电机，一般为柴油发动机。此外，假设工厂能够从工业园区或其他微电网接收能量。此外，与负荷曲线基线需求相比，需求变化被认为是正的(即需要超额生产)。
[0108]
如图2所示，一种基于多微电网工业园区最优竞价与调度系统，其特征在于：包括：
[0109]
数据采集模块，用于采集工业园区内不同微电网的所有电力信息；
[0110]
最小化整体目标函数优化模块，将优化过程中每个归一化原始目标函数的现货市场成本和预期工厂生产部分添加到聚合拓展目标规划目标中，通过最小化整体目标函数继续寻求帕累托最优解；
[0111]
扩展求解模块，建立基于鲁棒对应物方法的扩展求解模型，利用该扩展求解模型得到考虑不确定性的最优交易结果，使电网免受电能价格和/或计划生产预测值波动影响。
[0112]
本发明涉及的多微电网工业园区最优竞价与调度方法，包括：
[0113]
步骤一，将工业园区作为区域电网，由运营商负责向工业园区内工厂输送电力，并采集工业园区内不同微电网的所有电力信息，每个微电网含多个制造工厂，所述电力信息由基于区块链参与电力市场的第三方共享，并通过净收益最大化目标制定使全部多微电网网络最优交易和竞价策略；
[0114]
步骤二，将优化过程中每个归一化原始目标函数的现货市场成本和预期工厂生产部分添加到聚合拓展目标规划目标中，通过最小化整体目标函数继续寻求帕累托最优解；
[0115]
步骤三，输入未来从电力现货市场购买的低廉电力成本和工厂的未来预期生产水平两个不确定性参数，将不确定性模型引入到优化问题，建立基于鲁棒对应物方法的扩展求解模型，得到考虑不确定性的最优交易结果。
[0116]
进一步，步骤一所述的净收益最大化目标制定的具体步骤如下：
[0117]
1)针对工业园区微电网，给出考虑无库存运行策略下的收入最大化目标函数，通过向微电网售电实现收入最大化，
[0118]
所述收入最大化目标函数是：
[0119][0120]
其中o1:第1个目标函数；p
i,t
:工业园区在时间t输送到工厂i的功率(kw)；c
i,t
:工厂i在时间t从工业园区购买能源的价格，单位为$/kwh；在时间t从电力现货市场购买的能源成本，单位为$/kwh；t:时间步长集；ω:属于工业园区的一组微电网，即制造工厂；
[0121]
2)单独微电网：每个微电网i有两个目标函数；一个是净收入目标函数o
2,i
；第二个目标函数为无库存策略目标函数o
3,i
，，建模为：
[0122]
[0123]
其中c
i,j,t
:工厂j在时间t从工厂i购买能源的价格，单位为$/kwh；p
i,j,t
:电厂i在时间t内向电厂j提供的dg功率，单位为kw；ρi:工厂i最终产品的收入；i
i,t
:工厂i在时间t内的产量；βi工厂i生产水平低于预期值；c
i,j,t
:工厂j在时间t从工厂i购买能源的价格，单位为$/kwh；p
i,j,t
:电厂i在时间t内向电厂j提供的dg功率，单位为kw；工厂i在时间t内dg装置的运营成本；c
j,i,t
:工厂i在时间t从工厂j购买能源的价格，单位为$/kwh；p
j,i,t
:电厂j在时间t内向电厂i提供的dg功率，单位为kw；πi:由于工厂i未完成订单造成的罚款，单位为美元/单位、美元/体积或美元/重量；βi:工厂i生产水平低于预期值，包括数量、体积和重量；
[0124][0125]
其中
[0126][0127]
式中第i工厂在时间t的期望生产水平，单位为数量、体积或重量；工厂i在时间t内dg装置的运营成本；在时间t内由工厂i中的dg单元提供的总功率，单位为kw；i电厂在时间t内dg机组的发电效率；λ
ifuel
:i工厂中dg装置的燃料价格；电厂dg机组燃料的净热值。
[0128]
进一步，步骤二中，所述最小化整体目标函数将在以下约束条件下进行优化：
[0129]
1)功率平衡：
[0130][0131]
其中工厂i在时间t(kw)的有效需求；
[0132][0133][0134][0135]
其中p
idg,max
:工厂i中dg装置可提供的最大功率，单位为kw；
[0136]
2)单个工厂的电能消耗：
[0137][0138]
其中工厂i在时间t(kw)的有效需求；
[0139]
3)购电限制：
[0140][0141]
其中p
max
:可输送到工业园区的最大功率，单位为kw；
[0142][0143]
其中在时间t从电力现货市场购买的能源成本，单位为$/kwh；c
i,t
:工厂i在时间t从工业园区购买能源的价格，单位为$/kwh；工厂i愿意支付的从工业园区购买电力的最高价格，单位为$/kwh；
[0144][0145]
其中c
j,i,t
:工厂i在时间t从工厂j购买能源的价格，单位为$/kwh；
[0146][0147]
4)未完成订单：在优化问题的时间范围内生产水平的短缺被定义为
[0148][0149]
5)互动交易：任何两个工厂都可以相互出售电力或相互购买电力，但不能同时出售和购买；这种行为可被建模为
[0150][0151]
非负约束
[0152][0153]
进一步，步骤三中，所述的扩展求解模型建模过程如下：
[0154]
定义第k个不确定性集ψk，其中z是一个封闭的凸扰动集：
[0155][0156]
其中ζk:鲁棒优化中第k个不确定性参数；
[0157]
在未来从电力现货市场购买的低廉电力成本和工厂的未来预期生产水平两个参数中引入不确定性，将所述不确定参数定义为：
[0158][0159][0160]
现货市场成本：
[0161][0162]
由于c
sp
是目标函数中的一个参数，因此该函数应重写为相应的鲁棒对应项：
[0163]
[0164]
此外，对于所有t》1，应使用近似值表示为线性函数
[0165][0166]
其中工厂i愿意支付的从工业园区购买电力的最高价格，单位为$/kwh；
[0167]
预期工厂生产：
[0168][0169]
工厂i所需生产计划的不确定性预算，包括数量、体积和重量；
[0170]
为了将上述不确定性模型引入到优化问题公式中，提出的o3的鲁棒对应物将不确定性纳入得到：
[0171][0172][0173][0174]
给出鲁棒对应物的公式
[0175][0176][0177]
其中工厂i愿意支付的从工业园区购买电力的最高价格，单位为$/kwh；
[0178]
将ηi降至最低，约束条件为：
[0179][0180]
工厂i所需生产计划的不确定性预算，包括数量、体积和重量；
[0181][0182]
因此，公式中线性鲁棒对应物可以表示如下：
[0183]
最优函数目标在于将ηi降至最低，约束条件为：
[0184][0185][0186][0187][0188]
[0189][0190]
式中变量y、λ、w和z是辅助变量。
[0191]
进一步，基于无库存策略的多微电网工业园区最优竞价与调度方法，其特征在于：所述电力信息包括拓扑结构，各负荷的电压、电流、功率因数、有功功率及无功功率。
[0192]
一种存储有计算机程序的可读计算机存储介质，其特征在于：该程序被处理器执行程序时实现如上任一项所述的方法。
[0193]
采利用上述方法进行仿真验证，每个单独的电厂配置/数据如表1：
[0194]
表1电厂技术参数
[0195][0196][0197]
其中，参数含义如下，为在时间t内由工厂i中的dg单元提供的总功率(kw)；为工厂i在时间t从工业园区购买电能的最高价格($/kwh)；ρi为工厂i最终产品的收入(美元/单位)；πi为由于工厂i未完成订单造成的罚款(美元/单位、美元/体积、美元/重量等)；为第i工厂在时间t的期望生产水平(数量)。
[0198]
假设每个工厂必须满足预定的小时生产水平，以满足客户需求这些值如图3所示。图3结果证明了所提无库存策略的含多微电网工业园区最优竞价与调度方法可以根据经济收入刺激不同工厂改变生产水平，以制定不同的多样化生产计划，进而促进工业园区整体最优。每个工厂的值的确定方式确保了从工业园区或其他微电网购买电力可以提高工厂的利润率。图中表明，三个工厂由于工厂2的总功率和期望胜场水平最高，因此，工厂2平均功率最高，工厂3最低。由于工厂1和工厂3受到未完成订单造成的罚款的影响较大，因此，同样生产周期内，工厂1和工厂3的控制指令频率更新更频繁，且幅值相较于工厂2更大。该结果也验证了所提方法的实用性和正确性。
[0199]
以上仅为本发明的具体实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.多微电网工业园区最优竞价与调度方法，其特征在于：步骤一，将工业园区作为区域电网，由运营商负责向工业园区内工厂输送电力，并采集工业园区内不同微电网的所有电力信息，每个微电网包含多个制造工厂，所述电力信息由基于区块链参与电力市场与第三方共享，并通过净收益最大化目标制定使全部多微电网网络最优交易和竞价策略；步骤二，将优化过程中每个归一化原始目标函数的现货市场成本和预期工厂生产部分添加到聚合拓展目标规划目标中，通过最小化整体目标函数继续寻求帕累托最优解；步骤三，输入未来从电力现货市场购买的低廉电力成本和工厂的未来预期生产水平两个不确定性参数，将不确定性模型引入到优化问题，建立基于鲁棒对应物方法的扩展求解模型，得到考虑不确定性的最优交易结果。2.根据权利要求1所述的多微电网工业园区最优竞价与调度方法，其特征在于：步骤一所述的净收益最大化目标制定的具体步骤如下：1)针对工业园区微电网，给出考虑无库存运行策略下的收入最大化目标函数，通过向微电网售电实现收入最大化，所述收入最大化目标函数是：其中o1:第1个目标函数；p
i,t
:工业园区在时间t输送到工厂i的功率(kw)；c
i,t
:工厂i在时间t从工业园区购买能源的价格，单位为$/kwh；在时间t从电力现货市场购买的能源成本，单位为$/kwh；t:时间步长集；ω:属于工业园区的一组微电网，即制造工厂；2)单独微电网：每个微电网i有两个目标函数；一个是净收入目标函数o
2,i
；第二个目标函数为无库存策略目标函数o
3,i
，，建模为：其中c
i,j,t
:工厂j在时间t从工厂i购买能源的价格，单位为p
i,j,t
:电厂i在时间t内向电厂j提供的dg功率，单位为kw；ρ
i
:工厂i最终产品的收入；i
i,t
:工厂i在时间t内的产量；β
i
工厂i生产水平低于预期值；c
i,j,t
:工厂j在时间t从工厂i购买能源的价格，单位为p
i,j,t
:电厂i在时间t内向电厂j提供的dg功率，单位为kw；工厂i在时间t内dg装置的运营成本；c
j,i,t
:工厂i在时间t从工厂j购买能源的价格，单位为p
j,i,t
:电厂j在时间t内向电厂i提供的dg功率，单位为kw；π
i
:由于工厂i未完成订单造成的罚款，单位为美元/单位、美元/体积或美元/重量；β
i
:工厂i生产水平低于预期值，包括数量、体积和重量；其中
式中第i工厂在时间t的期望生产水平，单位为数量、体积或重量；工厂i在时间t内dg装置的运营成本；在时间t内由工厂i中的dg单元提供的总功率，单位为kw；i电厂在时间t内dg机组的发电效率；i工厂中dg装置的燃料价格；电厂dg机组燃料的净热值。3.根据权利要求1所述的多微电网工业园区最优竞价与调度方法，其特征在于：步骤二中，所述最小化整体目标函数将在以下约束条件下进行优化：1)功率平衡：其中工厂i在时间t(kw)的有效需求；工厂i在时间t(kw)的有效需求；工厂i在时间t(kw)的有效需求；其中p
idg,max
:工厂i中dg装置可提供的最大功率，单位为kw；2)单个工厂的电能消耗：其中工厂i在时间t(kw)的有效需求；3)购电限制：其中p
max
:可输送到工业园区的最大功率，单位为kw；其中在时间t从电力现货市场购买的能源成本，单位为c
i,t
:工厂i在时间t从工业园区购买能源的价格，单位为工业园区购买能源的价格，单位为工厂i愿意支付的从工业园区购买电力的最高价格，单位为高价格，单位为其中c
j,i,t
:工厂i在时间t从工厂j购买能源的价格，单位为
4)未完成订单：在优化问题的时间范围内生产水平的短缺被定义为5)互动交易：任何两个工厂都可以相互出售电力或相互购买电力，但不能同时出售和购买；这种行为可被建模为非负约束4.根据权利要求1所述的基于无库存策略的多微电网工业园区最优竞价与调度方法，其特征在于：步骤三中，所述的扩展求解模型建模过程如下：定义第k个不确定性集ψ
k
，其中z是一个封闭的凸扰动集：其中ζ
k
:鲁棒优化中第k个不确定性参数；在未来从电力现货市场购买的低廉电力成本和工厂的未来预期生产水平两个参数中引入不确定性，将所述不确定参数定义为：数中引入不确定性，将所述不确定参数定义为：现货市场成本：由于c
sp
是目标函数中的一个参数，因此该函数应重写为相应的鲁棒对应项：此外，对于所有t>1，应使用近似值表示为线性函数其中工厂i愿意支付的从工业园区购买电力的最高价格，单位为预期工厂生产：
工厂i所需生产计划的不确定性预算，包括数量、体积和重量；为了将上述不确定性模型引入到优化问题公式中，提出的o3的鲁棒对应物将不确定性纳入得到：纳入得到：纳入得到：给出鲁棒对应物的公式给出鲁棒对应物的公式其中工厂i愿意支付的从工业园区购买电力的最高价格，单位为将η
i
降至最低，约束条件为：最低，约束条件为：工厂i所需生产计划的不确定性预算，包括数量、体积和重量；因此，公式中线性鲁棒对应物可以表示如下：最优函数目标在于将η
i
降至最低，约束条件为：降至最低，约束条件为：降至最低，约束条件为：降至最低，约束条件为：降至最低，约束条件为：降至最低，约束条件为：式中变量y、λ、w和z是辅助变量。5.根据权利要求1所述的多微电网工业园区最优竞价与调度方法，其特征在于：所述电力信息包括拓扑结构，各负荷的电压、电流、功率因数、有功功率及无功功率。6.一种基于多微电网工业园区最优竞价与调度系统，其特征在于：包括：
数据采集模块，用于采集工业园区内不同微电网的所有电力信息；最小化整体目标函数优化模块，将优化过程中每个归一化原始目标函数的现货市场成本和预期工厂生产部分添加到聚合拓展目标规划目标中，通过最小化整体目标函数继续寻求帕累托最优解；扩展求解模块，建立基于鲁棒对应物方法的扩展求解模型，得到考虑不确定性的最优交易结果使，微电网在电能价格和/或计划生产预测值波动时保持稳定。7.一种存储有计算机程序的可读计算机存储介质，其特征在于：该程序被处理器执行程序时实现如权利要求1-权利要求6任一项所述的方法。

技术总结
一种多微电网工业园区最优竞价与调度方法、系统及存储介质，包括：将工业园区作为区域电网，由运营商负责向工业园区内工厂输送电力，并采集工业园区内不同微电网的所有电力信息，并通过净收益最大化目标制定使全部多微电网网络最优交易和竞价策略；将优化过程中每个归一化原始目标函数的现货市场成本和预期工厂生产部分添加到聚合拓展目标规划目标中，通过最小化整体目标函数继续寻求帕累托最优解；输入未来从电力现货市场购买的低廉电力成本和工厂的未来预期生产水平两个不确定性参数，建立基于鲁棒对应物方法的扩展求解模型，得到考虑不确定性的最优交易结果。本发明考虑到有限的电能资源，确定所有微电网i∈Ω的最佳电力竞价和调度策略。力竞价和调度策略。力竞价和调度策略。


技术研发人员：王顺江 刘美杰 崔嘉 王洪哲 纪德贵 金宜放 张天一 佟永杰 李典阳 刘刚 孙明一 孟镇 徐淼 凌兆伟 邱鹏 狄跃斌 许睿超 赵军 句荣滨 梁鹏 殷鸿雁 王充 邵丽燕 胡震
受保护的技术使用者：国网辽宁省电力有限公司 国家电网有限公司 沈阳工业大学
技术研发日：2022.12.02
技术公布日：2023/9/25