买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网江苏省电力有限公司扬州供电分公司;江苏科阳电力科技有限公司

摘要：本发明公开了一种基于分散式P2P协商机制与学习方案的能源超市交易优化方法，该方法包括以下步骤：1分析能源超市交易主体框架信息；2按照交易框架信息构建P2P能源交易模型；3采用分散式交替方向乘子法ADMM变形P2P能源交易模型；4利用拉格朗日乘子法与KKT条件求解交易模型中决策变量迭代公式；5建立分散式学习方案调整交易模型中产消者目标函数参数；6通过循环迭代求解产消者定价与购售电方案。本发明从传统P2P交易模型出发，引出一种基于分散式ADMM的新型P2P交易模型，同时建立分散式学习方案调整迭代目标函数参数，从而求得最优化交易，提高可靠性。

主权项：1.基于分散式P2P协商机制与学习方案的能源超市交易优化方法，包括以下步骤：1分析能源超市交易主体框架信息；2构建P2P能源交易模型；3采用分散式ADMM法变形P2P能源交易模型；4求解决策变量迭代公式；5建立分散式学习方案调整目标函数参数；6求解产消者定价与购售电方案；步骤1包括如下步骤：101分析能源超市交易信息，建立产消者通信图，定义Gt为产消者之间的通信图，Gt为二部图；102根据产消者通信图计算Gt的关联矩阵、邻接矩阵、度矩阵和拉普拉斯矩阵；定义产消者i的相邻节点集合为Nit,Nit为t时刻除产消者i以外的参与能源交易通信的产消者的集合；Et代表关联矩阵；At代表邻接矩阵，aij为邻接矩阵中代表连接关系的元素，当它等于1与0时分别代表产消者i和产消者j在时间t时是相连接的与不连接的；Dt代表度矩阵，其中diag代表Dt为dit所构成的n×n维的对角矩阵，n为产消者的总个数，为定义符号，代表产消者i与所有相邻产消者j的连接关系元素之和；拉普拉斯矩阵为Lt＝Dt-At；步骤2包括如下步骤：201构建产消者i成本函数： Ci,3Pit＝βPi,trt3其中:Ci,1Pit、Ci,2Pit、Ci,3Pit分别为产消者i的行为变化成本、交易成本和实施成本；ait、为反映产消者随时间变化的复杂行为的参数；Pijt为产消者i对产消者j之间的交易量；Pit为反映产消者i与相邻产消者之间交易量的向量；Pi,trt为产消者i的总交易量；dij为双方贸易权重；β为固定比率；将公式1、2、3相加求和，其中公式1、3中相同项合并，得到产消者i的总成本如下： 其中，CiPit为产消者i的总成本，bit为公式1、3相加所合并的项的系数；202建立产消者i约束条件： 其中分别为产消者i交易下限和上限；T为交易总时段，t代表交易时段；Pjit为产消者j对产消者i之间的交易量，为Pijt的相反数；203构建P2P能源交易模型： 当产消者i是购能者时，Pijt≤0，当产消者i是售能者时，Pijt≥0；步骤3包括如下步骤：301将公式7中约束条件以集合方式表示，定义参数如下： P代指交易向量；是交易向量Pi的集合；Pi为反映产消者i与相邻产消者之间交易量的向量；ni代表与产消者i相邻的产消者个数；代表ni维元素都为1的向量的转置；Ωeq、Ωineq、IeqP、IineqP是上述公式定义的集合与值；302采用分散式ADMM方法变形P2P能源交易模型； 其中，CiPi为交易向量，为新设置的变量，与变量P同指交易向量，定义集合后优化问题被重写，使得等式约束和不等式约束被分成不同的集合，对应于变量P和X；公式12为ADMM的标准形式；步骤4包括如下步骤：401定义增广拉格朗日函数： 其中ρ为标准惩罚参数，且ρ＞0；u为拉格朗日乘子；402结合KKT条件求解决策变量迭代值： 上标k、k+1代表第k、k+1次迭代的值；Ψ与为满足KKT条件的正定矩阵，令Ψ＝ψI、其中I为单位矩阵，ψ、φ为任意满足KKT条件的值；κ为任意满足KKT条件的迭代参数；具体决策变量优化模型如下：X变量更新： 其中,Xi为产销者i的交易向量；P变量更新： 令λij＞0表示为与上述约束相关联的拉格朗日乘数，由公式16得到下式： 其中代表第k次迭代产销者i与产销者j针对不等式约束的交易向量；代表第k次迭代产销者i与产销者j的拉格朗日乘子数；代表第k次迭代产销者i与产销者j针对等式约束的交易向量；为第k+1次迭代产消者i与j之间的交易价格；每个产消者的能源交易价格与电量迭代公式如下： 其中由下式计算而来： L为拉普拉斯算子矩阵；vec代表叠加向量算法，式中表示叠加i维度的向量为一个大矩阵；步骤5中,以下方基于最优交易的分析公式来改变产消者交易参数: 式中，为产销者i的交易量；ai、bi、aj、bj为公式4中产消者i与产消者j的成本函数的参数；步骤6通过结合步骤345循环迭代求解最优化交易。

全文数据：

权利要求：

百度查询： 国网江苏省电力有限公司扬州供电分公司 江苏科阳电力科技有限公司 基于分散式P2P协商机制与学习方案的能源超市交易优化方法