⚡ electrical engineering

Multi-Microgrid Electricity–Heat Energy Sharing Based on Spatio-Temporal Distributionally Robust Optimization and Benefit Allocation

Dit artikel stelt een gedistribueerd raamwerk voor voor het delen van elektriciteits- en warmte-energie tussen multi-microgrids, dat spatio-temporeel gecorreleerde distributioneel robuuste optimalisatie integreert om bron-lastonzekerheden te beheersen en een asymmetrisch Nash-onderhandelingsmechanisme gebruikt om een eerlijke toewijzing van voordelen te waarborgen, met als uiteindelijke doel een kostenefficiënte, koolstofarme en robuuste gecoördineerde exploitatie.

Oorspronkelijke auteurs: Yuntao Yue, CuiPing Yang, Dong Liu

Gepubliceerd 2026-06-25

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Yuntao Yue, CuiPing Yang, Dong Liu

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je een buurt voor waar elk huis zijn eigen zonnepanelen, windturbines en batterijen heeft. Soms heeft Huis A te veel windenergie in de nacht, terwijl Huis B moeite heeft om de lichten aan te houden. Op andere momenten heeft Huis C overtollige warmte van zijn verwarming die het niet nodig heeft.

In het verleden hadden deze huizen misschien dure stroom van het hoofdnet gekocht of hun extra energie verspild. Dit artikel stelt een slimmere manier voor waarop deze "microgrids" (de huizen) als een team kunnen samenwerken. Het is alsof je een buurtpotluck organiseert waarbij iedereen meeneemt wat hij heeft, het deelt en de besparingen eerlijk verdeelt.

Hier is hoe het artikel deze oplossing uiteenzet, met behulp van eenvoudige analogieën:

1. Het Probleem: Het "Weer-raadspel"

De grootste uitdaging is dat de zon niet altijd schijnt en de wind niet altijd waait. Het voorspellen van precies hoeveel energie een huis zal opwekken, is als het proberen te raden van het exacte aantal regendruppels tijdens een storm.

Oude manieren: Sommige methoden waren te pessimistisch (het kopen van te veel back-up stroom voor de zekerheid), terwijl andere te optimistisch waren (geconfronteerd worden met een gebrek aan stroom wanneer de wind ging liggen).
De oplossing van het artikel: De auteurs hebben een nieuwe "weer-raad-tool" ontwikkeld genaamd WDRCC. Denk aan dit als een super slimme kaart die niet alleen naar het weer op één plek kijkt, maar begrijpt hoe de wind in de ene buurt de wind in de volgende buurt beïnvloedt, en hoe het weer van vandaag gerelateerd is aan morgen. Het gebruikt een wiskundige "elastiek" (Wasserstein-afstand) om zijn voorspellingen uit te rekken en in te krimpen op basis van hoeveel data het heeft, zodat de buurt beschermd is tegen verrassingen zonder geld te verspillen.

2. De Laag-emissie Upgrade: De "Recyclingfabriek"

Een van de huizen (Microgrid 2) krijgt een speciale make-over om "groen" te worden.

De opstelling: Het installeert een systeem dat de "rook" (koolstofdioxide) van zijn energiegenerator opvangt. In plaats van dat het de lucht vervuilt, verandert het die rook in brandstof.
De magische truc: Het gebruikt elektriciteit om water te splitsen in waterstof, en mengt die waterstof vervolgens met de opgevangen rook om methaan (aardgas) te creëren.
Het resultaat: Dit huis verandert zijn eigen afval in brandstof, die het kan gebruiken of aan buren kan verkopen. Het is als een huis dat zijn eigen afval eet en er een pizza van maakt.

3. Het Teamwerk: De "Potluck-onderhandeling"

Nu de huizen elektriciteit en warmte kunnen delen, moeten ze beslissen wie wat krijgt en wie wie betaalt.

De onderhandeling: Ze gebruiken een methode genaamd Asymmetrische Nash-onderhandeling. Stel je een groep vrienden voor die de rekening splitsen. In plaats van de rekening simpelweg 50/50 te verdelen, kijken ze naar wie het meeste eten heeft meegebracht, wie de auto heeft gereden en wie de stoelen heeft neergezet.
De rechtvaardigheidsfactor: Het artikel introduceert een "Bijdrage-score". Als Huis A veel extra elektriciteit brengt, Huis B warmte levert en Huis C helpt het net te stabiliseren wanneer de situatie wankel is, krijgen ze allemaal een deel van de besparingen dat evenredig is aan hun hulp. Dit zorgt ervoor dat niemand het gevoel heeft dat hij wordt uitgebuit.

4. De Privacybewaker: De "Dans met Blinddoek"

Om dit te laten werken, moeten de huizen met elkaar communiceren om te coördineren, maar ze willen hun geheime recepten of privé financiële gegevens niet onthullen.

De oplossing: Ze gebruiken een algoritme genaamd ADMM. Stel je een groep mensen voor die in een cirkel dansen met blinddoeken op. Ze kunnen de persoon naast hen voelen en hun passen aanpassen om in sync te blijven, maar ze hoeven elkaars gezicht nooit te zien of hun persoonlijke geheimen te kennen. Dit stelt de hele buurt in staat om hun energieverbruik te optimaliseren zonder dat iemand de privégegevens van anderen bespiedt.

5. De Resultaten: Een Win-Win-Win

Wanneer de auteurs dit systeem testten met drie verschillende "huizen" (één met wind, één met zon, en één met de recyclingfabriek):

Geld bespaard: De totale kosten voor de buurt gingen omlaag. Door energie te delen en de "recyclingfabriek" te gebruiken, kochten ze minder dure stroom van het hoofdnet.
Minder vervuiling: De koolstofemissies daalden aanzienlijk omdat de recyclingfabriek afval in brandstof veranderde.
Rechtvaardigheid: Het huis dat het meest bijdroeg (het huis met de recyclingfabriek en de meest flexibele middelen) kreeg het grootste deel van de besparingen, terwijl iedereen nog steeds meer verdiende dan wanneer ze alleen hadden gehandeld.

In een Notendop

Dit artikel presenteert een blauwdruk voor een buurt van energieproducenten om als één efficiënt team te fungeren. Het gebruikt een slimme "weerkaart" om met onzekerheid om te gaan, een "recyclingfabriek" om vervuiling in brandstof te veranderen, en een "rechtvaardigheidscalculator" om ervoor te zorgen dat iedereen betaald krijgt voor zijn hulp, terwijl ieders privégeheimen veilig blijven. Het resultaat is een schonere, goedkopere en eerlijkere manier om onze toekomst van stroom te voorzien.

Technische Samenvatting: Elektriciteits- en warmte-energieverdeling op basis van ruimtelijk-temporele distributierobuste optimalisatie en voordeelallocatie voor multi-microgrids

Probleemstelling
De gecoördineerde aansturing van multi-microgrid (MMG) systemen staat voor aanzienlijke uitdagingen die voortvloeien uit de koppeling van koolstofarme operationele vereisten en de onzekerheid van hernieuwbare bron-last voorspellingen. Bestaande benaderingen falen vaak in het tegelijkertijd adresseren van drie kritieke hiaten:

Onzekerheidsmodellering: Traditionele methoden (interval-, stochastische of robuuste optimalisatie) leunen ofwel op handmatig gedefinieerde intervallen, zijn sterk afhankelijk van specifieke distributie-aannames, of leveren te conservatieve worst-case resultaten op. Bovendien negeren ze vaak de ruimtelijk-temporele correlaties van voorspellingsfouten over meerdere microgrids en perioden, wat het risico voor het systeem kan onderschatten.
Integratie van lage koolstofemissies: Hoewel technologieën voor koolstofarme exploitatie zoals koolstofafvang en -opslag (CCS) en Power-to-Gas (P2G) bestaan, ontbreekt het aan verenigde kaders die deze technologieën integreren in een gecoördineerd multi-energie (elektriciteit–warmte–gas) aansturingsmodel dat inter-microgrid samenwerking benut voor emissiereductie.
Voordeelallocatie: Bestaande winstdelingsmechanismen, zoals de Shapley-waarde of symmetrische Nash-onderhandeling, worstelen vaak met het balanceren van computationele efficiëntie met rechtvaardigheid, met name wanneer bijdragen multidimensionaal (bijv. energieverdeling, koolstofreductie en flexibiliteit) en asymmetrisch zijn.

Methodologie
Het artikel stelt een uitgebreid kader voor dat ruimtelijk-temporeel gecorreleerde distributierobuste optimalisatie integreert met coalitiegametheorie. De methodologie is gestructureerd in drie componenten:

Low-Carbon Multi-Energy Microgrid Model:
De auteurs construeren een model voor individuele microgrids waarin CCS, P2G, waterstofopslag en methanering zijn opgenomen. Deze opzet maakt het mogelijk om $CO_2$ uit Combined Heat and Power (CHP) eenheden te vangen en vervolgens om te zetten in methaan via P2G, waardoor een "elektriciteit–gas–koolstof" koppelpad ontstaat. Het model minimaliseert de operationele kosten, inclusief brandstof-, onderhouds- en koolstofhandelingskosten.
Spatio-Temporal Correlated Wasserstein Distributionally Robust Chance-Constrained (WDRCC) Model:
Om de onzekerheid van bron–last te adresseren, ontwikkelt het artikel een WDRCC-model. In tegenstelling tot standaardmodellen hanteert deze benadering:
- De constructie van een ambiguïteitsverzameling gecentreerd rond de empirische distributie van historische voorspellingsfouten met behulp van een Wasserstein-bal.
- De introductie van een covariantie-gewogen Wasserstein-afstandmetriek. Deze metriek incorporeert ruimtelijk-temporele statistische kenmerken (covariantie-matrices) in de afstandsberekening, waardoor het model rekening kan houden met de anisotropie van de onzekerheid (d.w.z. sterkere correlaties in specifieke richtingen).
- De formulering van een tweestaps optimalisatieprobleem: een deterministische dag-vooraf fase en een intraday herplanning fase. Het doel is het minimaliseren van de som van de dag-vooraf kosten en de worst-case verwachte intraday aanpassingskosten binnen de ambiguïteitsverzameling.
- De linearisering van het probleem met behulp van dualiteitstheorie en hulpvariabelen om de computationele hanteerbaarheid te waarborgen.
Asymmetrische Nash-onderhandeling voor Voordeelallocatie:
De gecoördineerde operatie wordt gemodelleerd als een coalitiegametheorie.
- Kostenoptimalisatie: Het Alternating Direction Method of Multipliers (ADMM) wordt toegepast om het kostenminimalisatieprobleem van de gehele alliantie op een gedistribueerde wijze op te lossen, waarbij de privacy van individuele microgrids wordt gewaarborgd door enkel grensvariabelen (energieverwisselingshoeveelheden en duale variabelen) uit te wisselen.
- Inkomstenallocatie: Een asymmetrisch Nash-onderhandelingsmodel wordt geformuleerd. In tegen wordt deze benadering de onderhandelingsmacht van elke microgrid wegen op basis van een multidimensionaal bijdrage-evaluatiesysteem. Dit systeem kwantificeert bijdragen over vier dimensies: energieverdeling, koolstofemissiereductie, regelcapaciteit (flexibiliteit) en ondersteuning van het vermogensbalans (betrouwbaarheid). De uiteindelijke winstallocatie is proportioneel aan deze uitgebreide bijdrage-indices.

Belangrijkste Bijdragen

Covariantie-gewogen WDRCC: De ontwikkeling van een distributierobust model dat expliciet ruimtelijk-temporele statistische afhankelijkheden integreert in de Wasserstein-afstandmetriek. Dit verbetert de representatie van onzekerheidsanisotropie en maakt een afstembare trade-off mogelijk tussen economische prestaties en robuustheid zonder een specifieke waarschijnlijkheidsverdeling aan te nemen.
Geïntegreerd Low-Carbon MMG Model: De formulering van een multi-microgrid model dat koolstofarme upgrades (CCS en P2G) uitbreidt van een enkelvoudig perspectief naar een gecoördineerd multi-microgrid niveau, wat de $CO_2$ -afvang en hulpbronbenutting binnen de alliantie faciliteert.
Bijdrage-gebaseerde Asymmetrische Onderhandeling: De vestiging van een energieverdelingsarchitectuur die het probleem ontbindt in kostenoptimalisatie en inkomstenallocatie. Het voorgestelde asymmetrische Nash-onderhandelingsmechanisme zorgt ervoor dat de winstverdeling in lijn is met de multidimensionale bijdragen, waarmee de beperkingen van enkelvoudige dimensie-allocatiemethoden worden geadresseerd.

Resultaten
Casestudies met betrekking tot drie microgrids (twee op wind gebaseerd, één op PV gebaseerd, waarvan één een koolstofarme upgrade ondergaat) tonen het volgende aan:

Effectiviteit van de Koolstofarme Upgrade: De upgrade van Microgrid 2 verminderde de werkelijke koolstofemissies met ongeveer 28% en de totale operationele kosten met 2,63% vergeleken met de scenario's vóór de upgrade, wat de economische levensvatbaarheid van de CCS-P2G integratie valideert.
Algoritme Convergentie: Het ADMM-algoritme convergeerde efficiënt (binnen 73 iteraties voor het hoofdprobleem), wat de computationele stabiliteit van de gedistribueerde oplossing bevestigt.
Operationele Synergie: De resultaten tonen complementaire energieverwisselingspatronen. Zo leveren windrijke microgrids bijvoorbeeld stroom tijdens perioden van lage vraag, terwijl PV-rijke microgrids anderen ondersteunen tijdens de piekuren overdag. Thermische energieverdeling verhoogt de flexibiliteit verder.
Rechtvaardige Voordeelverdeling: Het voorgestelde allocatiemechanisme verhoogde de totale alliantiewinst met meer dan 127.000 CNY. Microgrids met hogere integrale bijdragen (bijv. MG2 met hoge koolstofreductie en flexibiliteit) ontvingen grotere delen van de herverdeelde voordelen, wat het vermogen van het mechanisme aantoont om een balans te vinden tussen rechtvaardigheid en efficiëntie.
Modelvergelijking: Vergeleken met Deterministische (DDRCC), Stochastische (SDRCC) en Moment-gebaseerde (MDRCC) modellen, bereikte het voorgestelde WDRCC-model de laagste totale operationele kosten. Het slaagde erin de hoge conservativiteit van MDRCC (die hoge dag-vooraf kosten veroorzaakte) en de hoge herplannings-/strafkosten van DDRCC te balanceren.
Gevoeligheidsanalyse: De studie bevestigde dat de prestaties van het WDRCC-model gevoelig zijn voor de betrouwbaarheidscoëfficiënt en de steekproefomvang, waardoor operators de trade-off tussen robuustheid en kosten kunnen aanpassen. Bovendien leidt het negeren van ruimtelijk-temporele correlaties tot een onderschatting van de onzekerheidsrisico's en hogere operationele kosten.

Betekenis en Claims
Het artikel claimt dat het voorgestelde kader een verenigde oplossing biedt voor de gecoördineerde, koolstofarme en rechtvaardige operatie van multi-microgrid systemen. Door ruimtelijk-temporele onzekerheidsmodellering te integreren met een bijdrage-gebaseerd onderhandelingsmechanisme, adresseert de benadering de dubbele uitdagingen van bron-last onzekerheid en rechtvaardige voordeelverdeling. De auteurs stellen dat de methode de operationele kosten en koolstofemissies vermindert terwijl de systeemrobuustheid en rechtvaardigheid behouden blijven.

Het artikel merkt bescheiden op dat hoewel de voorgestelde methode ruimtelijk-temporele afhankelijkheid effectief incorporeert via covariantie-gewogen metrieken, het niet expliciet een gezamenlijke ruimtelijk-temporele ambiguïteitsverzameling construeert. De auteurs suggereren dat toekomstig werk meer rigoureuze modelleringstechnieken zou kunnen verkennen, zoals vine Copula-gebaseerde afhankelijkheidsmodellering of conditionele Wasserstein-ambiguïteitsverzamelingen, om de behandeling van gekoppelde ruimtelijk-temporele onzekerheid verder te verfijnen.