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：安徽大学

摘要：本发明涉及多市场联合交易建模技术领域，解决了目前碳市场、电力市场和绿证市场之间缺乏合理交易机制，导致联合交易的实现存在诸多困难的技术问题，尤其涉及一种基于混沌映射的考虑碳捕集的电‑碳‑绿证市场交易方法，该方法包括以下步骤：构建用于描述多元市场中各市场主体交互过程的交易策略，多元市场包括电力市场、碳市场、绿证市场；基于交易策略构建上层考虑碳排放结算的电‑碳‑绿证多市场联合交易模型。本发明所提出的方法依据各交易主体之间存在的能源交易流动建模，实现对可再生能源的高效利用以及低碳排放。

主权项：1.一种基于混沌映射的考虑碳捕集的电-碳-绿证市场交易方法，其特征在于，该方法包括以下步骤：S1、构建用于描述多元市场中各市场主体交互过程的交易策略，多元市场包括电力市场、碳市场、绿证市场；S2、基于交易策略构建上层考虑碳排放结算的电-碳-绿证多市场联合交易模型，具体过程包括以下步骤：S21、设计电力市场交易策略，包括可再生能源发电商参与电力市场的收益以及传统能源发电商参与电力市场的收益；S22、设计绿证市场交易策略，包括可再生能源发电商参与绿证市场的收益以及传统能源发电商参与绿证市场的成本；S23、设计碳市场交易策略，表示为： ；上式中，为碳交易收益；为碳配额价格；为碳配额交易量；为市场结算价格；为市场碳排放结算量；S24、根据电力市场交易策略、绿证市场交易策略以及碳市场交易策略构建经济性最优的电-碳-绿证多市场联合交易模型，表达式为： ；上式中，为可再生能源发电商参与电力市场的收益；为传统能源发电商参与电力市场的收益；为可再生能源发电方出售绿证收益；为传统能源发电商参与绿证市场所产生的成本；为碳交易收益；S3、根据各市场主体交易特点构建下层考虑碳捕集中和部分碳排放的电-碳-绿证多市场联合出清模型，市场主体交易特点为：对现货市场交易碳排放量进行出清，未交易的碳排放量视为超额碳排放作为碳排放结算量，建立考虑碳捕集的碳排放惩罚机制，对未完成交易部分的碳排放量进行惩罚，电-碳-绿证多市场联合出清模型的表达式为： ；上式中，为实际碳排放量；为碳捕集量；为免费的碳配额量；为碳配额交易量；为市场碳排放结算量；为单位出力碳排放强度；为传统能源机组i在t时刻输出功率；为碳捕集率；为出力时间；为机组燃煤含碳率；为碳氧化率；为二氧化碳的摩尔质量；为碳的摩尔质量；为机组度电煤耗；a、b、c分别为燃煤机组在正常运行状态下的燃煤耗量特性参数；为修正参数，当机组正常运行时，机组停机时；为传统能源发电商购买绿证数量；为传统能源发电机组；T为市场交易周期；S4、基于电-碳-绿证多市场联合出清模型构建考虑碳捕集中和部分碳排放的电-碳-绿证多市场联合交易模型的交易约束条件，交易约束条件包括参与电力市场交易约束、参与绿证市场交易约束、参与碳市场交易约束、多元市场清算约束，分别为：为确保交易电量始终不超过发电量，构建参与电力市场交易约束表示如下： ；为确保交易绿证量始终不超过可获得绿证量，构建参与绿证市场交易约束表示如下： ；由于市场结算量不可能为负，碳捕集率和碳氧化率始终处于0~1之间，构建参与碳市场交易约束表示如下： ；多元市场清算约束表示如下： ；上式中，为t时刻可再生能源发电机组i出售电力对应出力；为t时刻可再生能源发电机组i输出功率；为t时刻传统能源发电机组i出售电力对应出力；为传统能源机组i在t时刻输出功率；为传统能源发电商购买绿证数量；为可再生能源发电机组i出售绿证数量；为市场碳排放结算量；为碳捕集率；为碳氧化率；为实际碳排放量；为碳捕集量；为免费的碳配额量；为碳配额交易量；为出力时间；S5、以市场低碳经济最大化为目标引入混沌Sine映射改进粒子群算法，对考虑碳捕集中和部分碳排放的电-碳-绿证多市场联合交易模型进行求解，具体过程包括以下步骤：S51、建立上层决策变量与下层目标函数的映射关系得到最优值函数U，映射关系表示如下： ；其中，U为最优值函数；为映射函数；在电-碳-绿证多市场联合交易模型中，下层模型最优值函数的输入为各发电商的发电曲线，输出为市场碳排放结算量，表示为，为发电商的发电曲线参数信息；S52、基于多项式基建立函数的近似结构，并用最小二乘法求解待定系数，具体过程包括以下步骤：S521、将最优值函数U表示为关于输入变量的多项式基函数的线性组合，具体表示如下： ；式中，为最优值函数U的近似值；为多项式基函数的序号；为第个多项式基函数的系数；为第个多项式基函数；为所有多项式基函数构成的集合；为多项式基函数的数量；为基函数的最高次数；M为输入变量的维数；u为输入变量的维数编号；为输入变量的第u维分量构成的基函数的次数，取值为；为张量积算子；为输入变量的第M维分量构成的次基函数；S522、选择更高一阶多项式基函数的零点作为采样点，则采样点的数量为，其中N为采样点的总数量；M为输入变量的维数；S523、将采样点及其对应的值函数观测值代入多项式基函数的线性组合后得到关于系数的回归方程，表示如下： ；其中，为第个多项式基函数在第N个采样点处的值；为第个多项式基函数的系数；为近似值在第个采样点处的值函数观测值；S524、利用最小二乘法求解多项式基函数的待定系数，即： ；其中，D为待定系数构成的矩阵；为多项式基函数构成的矩阵；为值函数观测值构成的矩阵；S53、通过KKT条件将双层模型转化为单层模型，单层模型可表示如下： ； ；其中，为可再生能源发电商参与电力市场的收益；为传统能源发电商参与电力市场的收益；为可再生能源发电方出售绿证收益；为传统能源发电商参与绿证市场所产生的成本；为碳交易收益；为市场结算价格；为实际碳排放量；为碳捕集量；为免费的碳配额量；为碳配额交易量；为单位出力碳排放强度；为传统能源发电商购买绿证数量；为碳配额价格；为节点n在T时段内碳排放结算量近似值；为节点n在T时段内碳排放结算量；为碳市场负收益最小值；S54、采用改进粒子群算法求解各主体低碳经济最优化问题，具体过程包括以下步骤：S541、设定算法基本参数，初始化粒子位置和速度；引入混沌Sine映射构造非线性随机递增惯性权重，改进后的惯性权重表达式为： ；其中，k为当前迭代次数；为最大迭代次数，设定；为第k次迭代时的权重值；、为惯性权重的上下限，分别为0.9、0.4；为混沌Sine映射；S542、根据给定函数计算各粒子的适应度值，并储存个体最优位置和全局最优位置；随后比较种群中所有粒子的适应度值与其经历过的最优位置的适应度值的优劣，若前者更优，则用粒子的当前位置替代粒子历史的个体最优位置；S543、更新粒子的位置与速度，再次根据约束条件修改粒子的位置，并计算粒子的适应度值，记录并更新个体最优位置和全局最优位置； ；式中，和分别为粒子i在t+1代的速度和位置；和为学习因子，取；和为[0,1]均匀分布的随机数；为第k次迭代时的权重值；为当前粒子i的极值；为当前全局最优解；为粒子i在t代的位置；S544、反复步骤S541至S543，直至达到迭代次数，算法收敛，求解完成。

全文数据：

权利要求：

百度查询： 安徽大学 基于混沌映射的考虑碳捕集的电-碳-绿证市场交易方法