💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。
⛳️座右铭：行百里者，半于九十。
📋📋📋本文目录如下：🎁🎁🎁
目录
⛳️赠与读者
👨💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。当哲学课上老师问你什么是科学，什么是电的时候，不要觉得这些问题搞笑。哲学是科学之母，哲学就是追究终极问题，寻找那些不言自明只有小孩子会问的但是你却回答不出来的问题。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能让人胸中升起一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它居然给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。
或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎
💥1 概述
文献来源：
摘要：为解决综合能源系统内多个能源集线器间的不完全信息以及竞争制约关系给系统经济与环 境优化调度带来的挑战，建立了经济和环境协同的综合能源系统优化调度模型，并分析了动态价格
机制下多能源集线器间的制约关系，采用决策博弈方法对多能源集线器进行优化调度。针对能源 集线器间热电联产运行模式的不完全信息，采用贝叶斯博弈对多能源集线器间的不完全信息博弈 关系进行建模，并给出了博弈算法描述，获得计及环境成本的多能源集线器间贝叶斯博弈优化调度
方案。仿真分析表明，依据不完全信息下多能源集线器间的博弈模型所得综合能源系统经济与环 境优化调度方案趋近于实际情况，能够在提高经济效益的同时兼顾环境污染问题，具有合理性和可
行性。
关键词：能源集线器；贝叶斯博弈；环境成本；调度优化；热电解耦
1.1 含多 EH 的 IES 结构分析
含多 EH 的 IES 内多个 EH 间的架构如图 1 所示。各 EH 都与外部电网和天然气管网相连，共享
同一个天然气公司和电力公司的持续能源供应。不同类型的能源通过 EH 中各类能量转换和存储设备的耦合作用，来满足终端用户的电-热能源需求。其中，电能需求可以由电网、CHP 设备提供，热负荷需求可以由 CHP 设备、燃气锅炉（gas boiler，GB）和电锅炉（electric boiler，EB）提供。
当用电高峰期电价较高时，EH 利用 CHP 设备的电出力提供电能，同时，燃烧产生的热可提供给热负荷；当用电低谷期电价较低时，EB 能够将电能转化为热，EH 主要以从电网购电的方式来满足各类负荷需求。CHP 设备和 EB 的加入，加强了电力系统和天然气系统的耦合，使 EH 能够通过选择用户消耗的能量来源实现经济优化。同时，各 EH 配备的可再生能源风电场也可作为重要的电能来源之一，当风电和 CHP 设备电出力远高于用户负荷需求时，采用电储能（electrical energy storage，EES）存储能够实现能源的多时段转移，增加系统用能灵活性，减少运行成本［18］ 。
1.2 目标函数
EH 在消耗所购买电力和天然气的过程中除了 CO2，还会产生 SO2、NOx、CO 等污染物气体。各 EH 优化调度的环境目标以污染物总排放最小为表征， 但为协同与经济目标之间的偏好，引入对应经济成 本的各污染物环境成本系数，将 EH 为满足用户需求而产生的污染物排放量统一换算为环境成本［19］ 。EHi的环境目标如式（21）所示。
1.3 约束条件
📚2 运行结果
部分代码：
%% 分布式算法迭代参数设置
maxIter=100; %最大迭代次数
tolerant=1e-2;%收敛精度，对应文章中ζ
iter=1;%迭代次数初始化
toler=[]; %残差
%对每个EH在不同类型的策略初始化,数据来源于step1中各P_e和P_g[求解的结果]
%(S_1_1(iter+1,t)+S_2_2(iter+1,t)+S_3_2(iter+1,t))：P_e,t整个综合能源系统总购电量。
%(S_1_1(iter+1,t+24)+S_2_2(iter+1,t+24)+S_3_2(iter+1,t+24))：P_g,t整个综合能源系统总购气量
S_1_1=zeros(maxIter+1,48);S_1_2=zeros(maxIter+1,48);
S_2_1=zeros(maxIter+1,48);S_2_2=zeros(maxIter+1,48);
S_3_1=zeros(maxIter+1,48);S_3_2=zeros(maxIter+1,48);
%% ===求解结果来源于step1中各P_e和P_g[求解的结果]====
%-----[1]EH1的初始策略值(不考虑余热发电)----S_1_1:第一个1代表EH1，第二个1代表不考虑余热发电
S_1_1(1,:)=....略
%-----[2]EH1的初始策略值(考虑余热发电)-----------
S_1_2(1,:)=....略
%-----[3]EH2的初始策略值(不考虑余热发电)----
S_2_1(1,:)=....略
%-----[4]EH2的初始策略值(考虑余热发电)-----------
S_2_2(1,:)=...略
%-----[5]EH3的初始策略值(不考虑余热发电)----
S_3_1(1,:)=...略
%-----[6]EH3的初始策略值(考虑余热发电)-----------
S_3_2(1,:)=...略
%% 迭代
。。。。
%% 导入决策变量
E_CHP=sdpvar(1,24); %CHP的电出力
H_CHP=sdpvar(1,24); %CHP的热出力
G_CHP=sdpvar(1,24); %CHP的输入天然气功率
P_e=sdpvar(1,24); %变压器的输入电功率
E_eh=sdpvar(1,24); %EB的输入电功率
G_GB=sdpvar(1,24); %GB的输入气功率
P_WT=sdpvar(1,24); %WT的实际调度出力
P_g=sdpvar(1,24); %微网向外界购买的气功率
E_ess_ch=sdpvar(1,24); %ESS设备的充电功率
E_ess_dis=sdpvar(1,24); %ESS设备的放电功率
E_ess=sdpvar(1,24); %ESS设备的储能量
I_ess_ch=binvar(1,24); %ESS设备的充电状态
I_ess_dis=binvar(1,24); %ESS设备的放电状态
%% 导入购电价格以及风力出力和电热负荷
Pre_WT=[18.8513513500000,16.7229729700000,10.6418918900000,8.36148648600000,9.12162162200000,8.51351351400000,6.53716216200000,4.25675675700000,4.25675675700000,7.14527027000000,5.32094594600000,3.95270270300000,5.77702702700000,7.29729729700000,8.20945945900000,7.60135135100000,9.12162162200000,9.12162162200000,14.8986486500000,12.3141891900000,17.0270270300000,16.7229729700000,15.9628378400000,16.7229729700000];
L_e=[12.4665681300000,12.7702702700000,12.7907823600000,13.5478251700000,15.3734163900000,17.3413531800000,17.5458030100000,16.1422571200000,16.9768386200000,18.6229684100000,20.6613397900000,22.5740644500000,21.3817242700000,20.0507898100000,19.0618887800000,20.4430873200000,22.0648578300000,23.2202743900000,24.7719079600000,25.0004120000000,23.8719512200000,19.2431133100000,16.5738695400000,15.2027027000000];
L_h=[25.9021766000000,26.1785802600000,27.0443127000000,26.3705787800000,25.4623272800000,24.8745546200000,23.9218951000000,23.3963826400000,22.1227606800000,19.9214692100000,19.2101032300000,17.5080385900000,17.0182666300000,16.1787271200000,17.3033445200000,17.6406752400000,20.0703376200000,22.0463630800000,23.3412688600000,24.3086816700000,24.8455745500000,26.5019461800000,27.0323434800000,25.9003215400000];
lambda_e_m=[9.33720930200000,12.5348837200000,12.7906976700000,13.3023255800000,13.4302325600000,13.5581395300000,19.9534883700000,33.6395348800000,33.7674418600000,31.3372093000000,39.3953488400000,31.9767441900000,33.7674418600000,34.2790697700000,31.9767441900000,33.7674418600000,30.3139534900000,30.5697674400000,31.2093023300000,32.4883720900000,31.0813953500000,28.5232558100000,20.7209302300000,13.1744186000000];
%% 导入约束条件
C=[];
C=[C,
%热电耦合下的CHP出力模型
E_CHP==0.35*G_CHP, %CHP的产电和耗气功率的关系
H_CHP==0.45*G_CHP, %CHP的产热和耗气功率的关系
%电热负荷功率平衡约束
0.98*P_e+E_CHP+P_WT+E_ess_dis==L_e+E_eh+E_ess_ch, %电功率平衡约束
H_CHP+0.9*G_GB+0.95*E_eh==L_h, %热功率平衡约束
P_g==G_CHP+G_GB, %微网的气功率平衡约束
%各个能源转换设备的输入功率上下限约束
0<=G_CHP<=35, %CHP的输入功率上下限约束
0<=G_GB<=20, %GB的输入功率上下限约束
0<=E_eh<=10, %EB的输入功率上下限约束
0<=G_CHP<=35, %CHP的输入功率上下限约束
P_e>=0, %变压器的注入功率不得为负
0<=P_WT<=Pre_WT, %风力实际出力不得大于预测出力
%ESS设备的运行约束
E_ess(1)==10+0.9*E_ess_ch(1)-E_ess_dis(1)/0.9, %ESS在0-1时段的储能量变化约束
E_ess(2:24)==E_ess(1:23)+0.9*E_ess_ch(2:24)-E_ess_dis(2:24)/0.9, %ESS在1-24时段的储能量变化约束
4<=E_ess<=18, %储能量上下限约束
0<=E_ess_ch<=8*I_ess_ch, %充电功率上下限约束
0<=E_ess_dis<=8*I_ess_dis, %放电功率上下限约束
I_ess_ch+I_ess_dis<=1, %不允许同时充放电
E_ess(24)==10, %储能量始末相等
];
%% 不同情况下的电气价格计算
🎉3 参考文献
文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。
[1]黄宇,吴思橙,徐璟,等.不完全信息下计及环境成本的多能源集线器博弈优化调度[J].电力系统自动化, 2022, 46(20):109-118.
🌈4 Matlab代码、数据、文章下载
资料获取，更多粉丝福利，MATLAB|Simulink|Python资源获取
