祝贺课题组多能微网P2P交易与容量协同优化方向的学术论文《Risk-averse stochastic capacity planning and P2P trading collaborative optimization for multi-energy microgrids considering carbon emission limitations: An asymmetric Nash bargaining approach》近期被全球出版巨头爱思唯尔 (Elsevier) 旗下能源领域顶级期刊Applied Energy （中国科学院一区，IF=11.2）刊出。该文第一作者为博士生王灼，通讯作者为侯慧副教授，武汉理工大学为第一完成单位。

50天免费下载(50 days' free access)：https://authors.elsevier.com/c/1iHFZ_6zgtK1yj

论文链接：https://www.sciencedirect.com/science/article/pii/S030626192301869X

引文格式：Zhuo Wang, Hui Hou*, Zhao Bo, Leiqi Zhang, Ying Shi, Changjun Xie. Risk-averse stochastic capacity planning and P2P trading collaborative optimization for multi-energy microgrids considering carbon emission limitations: An asymmetric Nash bargaining approach [J]. Applied Energy, 2024, 357: 122505.

资助信息：本工作得到了国家重点研发计划项目、国家自然科学基金和深圳科技计划项目等资助。

摘要：

具有随机特性的可再生能源渗透率的不断提高及碳排放政策的不断细化，对新型电力系统的建设提出了更高的要求。本文提出了一种考虑碳排放限制的多能微网(multi-energy microgrids, MEMGs)随机容量规划和点对点(peer-to-peer, P2P)交易协同优化方法。首先，建立了考虑分布式发电机组容量规划、可再生能源出力不确定性、碳排放限制和P2P交易的多能微网协同运行模型；第二，采用规避风险随机规划方法，避免可再生能源出力随机性和间歇性带来的潜在风险损失。第三，采用非对称纳什议价方法，确保利益公平分配，保持MEMG个体参与合作的意愿。然后，为了保护属于不同利益相关者的独立MEMG隐私性，采用交替方向乘子法以分布式方式求解子问题。同时，为了进一步减轻计算量，采用对角二次逼近方法对增广拉格朗日函数中的二次惩罚项进行线性化处理，实现了所有优化子问题的并行求解。通过引入碳排放因子，研究了不同碳排放目标对系统最优资源组合策略的影响。通过对不同模型、策略和分布式算法的仿真，验证了所提方法的有效性和优越性。

贡献：

（1）模型：提出了风险规避MEMG随机容量规划和P2P交易协同优化模型，以最小化不同随机场景下MEMG的运营成本和碳排放。此外，深入探讨了MEMG碳排放限制与最优运营策略之间的联系，有助于MEMG运营商在确保自身利益的同时，通过优化资源组合，充分响应地方政府制定的碳排放要求。

（2）策略：设计了一种融合MEMG间P2P电能交易的合作博弈策略。每个MEMG都是能源市场中的理性参与者。随后，利用非对称纳什议价方法来识别每个MEMG的贡献，并通过议价能力实现收益公平合理分配，从而促进MEMG之间的主动P2P电能共享，有效地提高参与者和联盟的利益。

（3）算法：采用增广拉格朗日松弛法将原始优化问题分解为可独立求解的子问题，并采用基于ADMM的分布式算法保证决策过程中单个MEMG的独立性和隐私性。此外，采用对角二次逼近技术对目标函数中的二次惩罚项进行线性化，实现所有优化子问题的全局并行求解，有效地节省了整体计算时间。

主要内容：

（1）MEMG模型

具有资源流动方向的MEMG的典型结构如图1所示。在MEMG内部，有分布式发电机组（如热电联产机组、热泵、燃气锅炉、储电装置和储热装置）、可再生能源发电机组（如风机和光伏电板）、可调电负荷和热负荷。在MEMG外部，它可以从配电网购买或向配电网出售电能，从独立的天然气公司购买天然气，并基于先进的计算、通信和传输技术与相邻MEMGs进行P2P电能交易。

Fig. 1. Schematic diagram of a MEMG with resource flow directions

在虚拟运营商的帮助下，每个MEMG都可以根据输入信息，如随机场景、分布式发电机组参数、分时电价等，求解其最优容量配置方案、P2P交易策略、电负荷和热负荷的需求响应调整方案，以及合理的利益分配。所提出的MEMG容量规划和P2P交易协同优化框架如图2所示。

Fig. 2. Capacity and P2P trading collaborative optimization framework for MEMGs

（2）算法流程

（3）部分仿真结果

(a)With P2P

(b) Without P2P

Fig.3 Electric energy balance conditions of MEMG1 under expected scenario

(a)With P2P

(b) Without P2P

Fig. 5. Total cost composition of MEMGs under different CRRs.

(a)Sequential

(b)Parallel

Fig. 6. Comparison of information transfer mechanism and computation time for different distributed algorithms.

作者简介：

侯慧，女，博士，副教授/博士生导师，主要从事电力系统安全风险评估、能源互联网最优规划与运行、电动汽车与电网互动等方面的研究。IEEE 高级会员，中国电工技术学会高级会员，中国电机工程学会会员，担任多个IEEE PES分委会常务理事/理事以及多个中国电工技术学会专委会委员。

2023年3月侯老师率团队研究生王灼等在武汉大学参与电力樱花论坛

王灼，男，武汉理工大学2022级博士研究生，硕士阶段就读于济南大学，主要研究方向为多能微网规划运行、分布式优化及可再生能源整合等。多次在学年综测中排名第一并获一等奖学金，目前在Applied Energy、International Journal of Electrical Power & Energy Systems及IET Energy Conversion and Economic等期刊发表多篇论文。

2023年9月侯老师率团队研究生王灼等在南昌参与国基金交流会