CN102592246A - 用于估计供电系统中的需求响应的系统和方法 - Google Patents

Abstract

本发明的名称为“用于估计供电系统中的需求响应的系统和方法”。一种用于在公用设施消费者的网络中使用以估计多种公用设施DR计划的需求响应的系统和方法。该系统首先基于每个房屋的消费者信息将这些房屋汇集成群。对每个群开发响应估计函数。然后根据群和响应估计函数处理需求响应事件请求。

Description

用于估计供电系统中的需求响应的系统和方法

技术领域

背景技术

需求响应涉及用于鼓励/引导公用设施消费者缩减或转移他们的个人需求的机制，以便减少特定时间间隔期间的合计的公用设施需求。例如，供电公用设施采用需求响应计划(program)来减少电力的峰值需求。需求响应计划通常向消费者提供同意在某个时间间隔期间减少他们的需求的激励。许多这些计划(例如，临界峰值定价)规定公用设施可以仅在给定时间间隔上调用有限次数的需求响应/缩减事件(例如，每年20次)并且还限制每次特定事件的持续时间(例如，数分钟、数小时)。而且，每个需求响应事件通常包括参与需求响应计划的所有房屋。当较小部分房屋参与时，对所有房屋调用需求响应(DR)事件可能是足够的。但是，随着参与者的数量增加，公用设施可以通过每次对参与者的组或子集调用DR事件来实现提高的收益。这将使公用设施能够在不超过合同条款的前提下更频繁的调用事件，并且将避免过大的负荷下降和/或反弹峰值(rebound peak)。

假定DR计划通常限制减少负荷的机会次数，公用设施愿意将每次机会/事件的收益最大化。这些收益包括减少发电/调配成本和断电。

出于这些和其他原因，存在对本发明的需要。

发明内容

一种在公用设施房屋的网络中使用以处理需求响应请求的系统和方法。该系统和方法基于每个房屋的消费者信息将这些房屋汇集成群。针对每个群开发响应估计函数，并基于该响应估计函数使用这些群来处理需求响应事件请求。

附图说明

通过考虑附图中以示意图形式阐述的本发明的说明性实施例，本发明的固有的和多种额外特征将得以更全面地展示。相似的引用数字表示对应的部件。

图1图示根据本发明一实施例的公用设施管理系统；

图2图示根据本发明另一个实施例的公用设施管理系统；

图3图示根据示范实施例的需求响应模块；

图4图示示范房屋响应对需求响应事件的图表；

图5图示根据示范实施例的估计方法；

图6图示根据本发明示范实施例的、用于处理需求响应事件的集群方法的流程图；

图7图示根据示范实施例的、图6中图示的处理步骤的流程图；

图8图示图7所示的集群过程的非限制性说明示例的流程图；以及

图9图示图8所示的说明处理步骤的流程图。

虽然上文标识的附图阐述了备选实施例，但是还可设想本发明的其他实施例，正如论述中提到的。在所有情况中，此公开均通过表示性而非限制的方式来呈示本发明的图示实施例。本领域技术人员可以设想落在本发明原理的范围和精神内的数种其他修改和实施例。

具体实施方式

本文描述的实施例针对的是使公用设施能够优化某个时间间隔期间的需求响应或缩减事件的使用的能源管理系统和方法。虽然本发明的实施例将在能源或供电公用设施和电网运行的上下文中描述，但是本领域技术人员将意识到，该系统和方法还能够用于其他目的或公用设施。

正如本文所使用的，术语“模块”是指执行或促进本文描述的过程的软件、硬件或固件或它们的任何组合、或任何系统、过程或功能性。

诸如临界峰值定价(CPP)、可变峰值定价(VPP)、直接负荷控制(DLC)和其他多种激励计划的需求响应计划是需求响应计划的示例，其附有关于公用设施可以对参与房屋指派需求响应事件的时间、频度和持续时间的合同详细说明。为了将来自DR计划的收益最大化，需要能够精确地估计参与房屋的子集的负载减少和负载反弹。精确估计将使公用设施能够更有效率地利用可用的DR资产(即，通过仅对需要实现特定负荷减少的房屋数量进行调用)以及确保在DR规划和调度过程中考虑到反弹效应(转移到事件前或事件后时间期间的负荷)。精确的估计还将使公用设施(或诸如群集转售商(aggregator)、零售商或其他负荷服务实体的其他实体)能够更激进地向批发电力市场中提供DR能力。

例如，合同可以指定公用设施可以每年调用多达15个事件，其中每个事件将在12pm与6pm的一段时间之间发生且每年最多总共60小时。根据本发明的实施例，公用设施可被选为使用10个各6小时的事件，或15个各4小时的事件，或对于每个房屋保持在15个事件、60小时限制内的事件和小时的任何其他此类组合。

在此示例中，假定公用设施具有参与需求响应计划的100,000个消费者。此外，公用设施可以将参与消费者的子集指派包括在每个事件中。当公用设施评估是否要调用DR事件，以及要包括多少个房屋时，关键要素是了解该集合的用户如果被选择参与DR事件，则它们的每个集合将提供的响应(负荷变化)。因为每年仅有有限数量的事件，并且在较短的时间尺度(数小时或更短)上负载存在高度变化，所以非常难以开发个别房屋对DR事件响应的精确估计。通过利用基于将相似房屋行为分组开发的群，可能增加样本大小和产生更精确的响应估计算法。

通过基于一些规则将公用设施房屋汇集到群使该系统和方法的实施例产生作用。作为非限制性示例，可以基于使用特性或消费特性来将房屋集群，其中基于每个房屋的使用概况将呈现相似使用特性的房屋集群到使用群中。使用概况可基于合同类型、房屋所在地的设备/负荷的类型、典型负荷使用或消费、使用时间、使用的持续时间、地理位置等。在其他非限制性说明实施例中，可以基于事件响应规则来将房屋集群，其中呈现相似事件响应行为的消费者被集群在响应群中。房屋的集群可以基于任何适合的规则以达到公用设施的性能目标。群大小取决于房屋信息、系统的期望的性能和应用。

此外，还可以使用多种级别的集群来进一步提高响应估计的精确度。对基于使用将房屋集群的非限制性示例进行扩展，则可基于对需求响应事件的相似响应概况将每个使用群划分成需求响应或响应群。例如，使用群中的一些房屋可能未参与任何需求响应或激励计划。可以将每个使用群中的这些房屋汇集到响应群中。使用群中的其他房屋可能对需求响应事件有高响应率，而有些可能对需求响应事件具有低响应率。对需求响应事件的房屋响应变化很大。根据该系统和方法的实施例，对需求响应事件具有相似响应概况的房屋可以一起分组到响应群中。使用群大小和响应群大小取决于房屋信息、应用和期望的性能，并且能够由公用设施或服务提供商来设置。通过将这些房屋集群到此非限制性示例中的使用群和响应群中，公用设施能够精确地评估或估计对需求响应事件的响应(例如，负荷的减少以及持续时间)，并因此优化对需求响应事件请求的响应。一旦估计响应群的响应，则将响应群中选择对需求响应事件予以响应的房屋分组到调度组。然后部署该调度组以对需求响应事件予以响应。这种精确的估计不仅使公用设施能够对应于每个事件使用房屋的子集，而且它能够基于需要的减负和对减负精确估计的响应来优化要部署的房屋的选择。

图1中示出根据本发明实施例的示范能源管理系统。系统100包括能源管理服务器102、房屋所在地104和公用设施108。为了促进描述本发明的实施例，图1中示出单个服务器102和单个公用设施源108。但是，应该理解，本发明的实施例并不局限于这些数目，而且可以有任何数量的能源管理服务器、房屋所在地、服务提供商和公用设施网络中的控制中心。此外，可以将能源管理服务器102布置在公用设施108处和/或由公用设施108托管和/或由任何其他方托管。

每个房屋所在地104包括能源管理器110，能源管理器110具有处理器112、存储器114和用户接口116。用户接口116可以包括键盘或触摸屏(例如，连同显示器)。处理器112运行用于监视和控制多种房屋装置(例如，负载118、传感器120、可再生装置(renewables)122、存储124和插电式电动汽车(PEV)或插电式混合电动车(PHEV)126)的操作的程序。传感器120包括仪表、恒温器、占位传感器、湿度仪和其他此类装置。可再生资源122可以包括例如太阳能和/或风能装置。处理器112使用多个接口或协议(包括例如Zigbee、Z-Wave、WiFi或Homeplug)的任何一种来控制多种组件。房屋所在地104、服务器102和公用设施108之间的通信经由例如WAN(例如，因特网)106、WiMAX、宽带、AMI和/或供电线路载体来进行。通信还能够经由专用网络进行。可以使用适于通信的任何装置。

能源管理服务器102包括需求响应(DR)模块128、网络管理服务(NMS)模块130、用户接口模块132、消费者数据库(DB)134和程序数据库(DB)136。NMS模块130提供用于DR模块128、房屋104和公用设施108的通信管理和通信开通。消费者数据库134存储网络中的消费者的房屋概况。例如，每个房屋概况包括诸如网络中每个房屋的历史数据和有关参与任何需求响应计划的信息的数据。该历史数据可以包括有关消费者公用设施使用的信息，包括例如负荷类型、使用时间(TOU)、使用的持续时间、减负或需求响应事件。可以利用如下数据定期(例如每小时、每日)更新数据库134中存储的房屋使用信息：包含二十四小时期间上每小时的负荷和每小时价格的负荷数据、包含天气信息(例如温度、湿度、风速、热度和冷却度等)的环境数据和诸如星期几、季节等的日期和时间信息。此外，数据库134还存储每个房屋的事件数据。更确切地来说，数据库134存储有关房屋是否已参与需求响应事件、起始时间和结束时间、星期几、季节等的历史信息。此外还将负荷减少和反弹的量存储在数据库134中。还可以将有关响应预测和预期将来收益计算的数据存储在数据库134中。程序数据库136存储能源管理服务器102实现的多种应用和程序。用户接口模块132能够实现与操作员交换信息。

在本发明的实施例中，能源管理服务器102可以在物理和/或逻辑上布置在一多公用设施控制中心200处，如图2所示。此外，公用设施控制中心200可以包括执行网络的负荷预测以及监视、控制和优化发电和传输系统的性能的能源管理系统(EMS)模块202。监控和数据采集(SCADA)模块204提供电网中不同点的实时信息，并且还提供本地控制。断电管理系统(OMS)模块206监视网络中消费者所在地104的负荷状态信息和断电恢复信息。OMS模块206执行的一些功能包括故障预测、提供有关断电程度和对消费者的影响的信息以及对恢复工作设置优先级。OMS模块206基于配电系统的详细网络模型来操作，该详细网络模型由地理信息系统(GIS)模块208生成并维护。配电管理系统(DMS)模块210通过提供有关负荷状态和负荷响应的信息来提供对负面或不稳定的网络状况的实时响应。DMS模块210管理对告警和/或事件的响应。通过消费者信息系统(CIS)模块212监视并控制消费者信息，消费者信息包括例如服务合同信息、激励和/或需求响应计划的参与和合同价格信息。直接负荷控制(DLC)模块214控制并管理消费者所在地装置，例如恒温器-HVAC、热水器、水池泵、洗涤器、烘干器、洗碗机、LCD/等离子电视、插电式负荷(例如，计算机、计算机外设/附件、传真机、电源)、电冰箱和照明灯。这些大多是具有离散类型的装置，它们具有开/关、经济模式/正常模式或多个离散节电模式(例如，可调光照明灯)。消费者计费由计费模块216来执行。

根据本发明的实施例，DR模块128利用来自房屋104、公用设施108和数据库134和136的信息来例如确定是否要调用需求响应事件、根据调度组的关联使用和/或响应群来确定它们对需求响应事件的响应的估计、哪些消费者包括在事件中以及事件的时间和持续时间。如图3所示，DR模块128包括事件调度模块127和汇集/取消汇集模块129，事件调度模块127执行房屋对DR事件请求的响应的调度，汇集/取消汇集模块129执行将房屋汇集到调度组以及取消汇集。此外，DR模块128还包括估计模块131，估计模块131利用房屋信息来估计每个群中房屋的响应。测量和验证模块133测量并验证房屋对DR事件的响应。DR模块128的其他功能可以包括例如应急响应和断电缓和。

本发明的实施例根据特定的规则将房屋集群。为了便于描述，将相对于使用群描述非限制性示例。本发明的实施例根据使用行为和响应行为将房屋集群以使公用设施能够更精确地估计对需求响应事件的响应。网络中的房屋的响应行为是基于历史数据开发的。当首次启动需求响应计划时或当没有历史数据时，响应群与使用群是相同的。一旦累积足够的历史响应数据，或如果种子数据、模拟数据或一些其他数据被用作历史数据，则该使用群被划分成响应群。一旦将房屋汇集到使用群，然后划分到响应群中，则为每个使用群和响应群开发响应预测器。然后使用该响应预测器来估计对应的使用群或响应群中每个房屋对需求响应事件请求的响应。因为最初所有房屋都被指配到使用群(它们将没有响应数据，直到它们实际地参与DR事件为止)，所以预测将处于使用群级别直到捕获到足够数据以形成响应群和在响应群级别提供估计的时候为止。

可以在每个级别的集群(使用或响应)上应用用于开发响应估计算法的方法。对于每个需求响应计划执行响应集群。对于特定需求响应计划的每次出现可以使用相同的集群。对于下文的说明性和非限制性示例，将描述一种经验法，其用于使用集群开发在估计需求响应事件的需求响应中使用的响应预测器。但是，还可以使用多种估计方法，包括但不限于，回归技术、贝叶斯方法和包括神经网络、遗传算法和支持矢量机(SVM)的人工智能。

在当前示例中，在每个响应群内，其中未调用需求响应事件的非参与负荷与其中为群的每个成员调用事件的参与负荷之差将提供与DR事件关联的时间期间上该群的实际负荷响应值。这些响应值将用于开发该群的响应估计。然后将此估计应用于特定群中的所有房屋(具有基于实时信息(例如，本地变化的天气或仪表/装置状态)调整估计的可能性)。图4中图示了此概念。点线表示当天的基本或正常负荷。虚线描绘需求响应事件期间的负荷。注意，需求响应窗口期间的减少以及紧随需求响应窗口前后的预先反弹和后反弹，表示将一些能源消费任务移到非需求响应期间的典型消费者趋势。点划线反映的基本负荷和需求响应负荷之差表示房屋的减负响应。

在此非限制性示例中，通过查看历史负荷数据，并在未调用需求响应事件时对响应群中的每个房屋的负荷取与调用当前需求响应事件的那天相似(即，季节、星期几、日内时间等)的若干天的一些简单平均或加权平均，以及对这些房屋值取均值以达到响应群的估计的正常负荷，来预测响应群的正常负荷。相似地，为了估计需求响应负荷(即，将调用需求响应事件的情况下的响应群的负荷)，确定实际调用了需求响应事件时相似的多天的响应群中每个房屋的负荷的相似平均值，并将这些房屋值取均值以达到响应群的估计的需求响应负荷。响应群的估计或预测的正常负荷与估计的需求响应负荷之差导致特定响应群的估计的减负响应。在本示例中，对所有响应群执行估计。但是，可以使用任何数量的响应群。要使用的相似天数可以由公用设施确定或针对期望的性能来自动确定。

在公用设施处开始实施需求响应或一个或多个激励计划时，将没有历史数据来估计需求响应负荷。可以使用多种方法来提供必需的数据，直到计划已经到位并生成历史数据为止，这些方法包括但不限于，使用种子值、模拟数据或来自在相似地理区域中服务于相似的人口统计数字的其他公用设施的概况数据。当调用需求响应事件时，将房屋的实际数据收集到历史中，并最终替代来自其他公用设施的初始概况数据或最初可能使用的任何种子数据或模拟数据。在此非限制性示例中，如上所述，将在使用群级执行估计，直到存在足够的数据以将群体划分到响应群为止。使用群仍将用于通过比较事件那些天期间参与和非参与房屋负荷来测量DR事件那些天的每个房屋的实际响应。

图5示出说明性示例。在此非限制性示例中，可以针对多个消费者类型创建来自其他公用设施的减负响应概况，如步骤502所示。然后，可以将参与目标公用设施处的需求响应计划的每个房屋映射到适合的概况，并且可以使用该概况的减负响应来估计初始响应，如步骤504和506所示。在步骤508中，当调用需求响应事件时，识别需求响应事件那天的特征，包括但不限于，温度、星期几、日内时间、月份、季节等。在步骤510中，确定是否有该事件中消费者房屋的历史正常负荷数据和需求响应数据。如果答案为否，则处理进行到步骤512，并在步骤516中使用步骤506中存储的减负响应来处理需求响应事件。如果答案为是，则在步骤514中估计相似多天的正常负荷和需求响应负荷。在步骤518和520中存储对需求响应事件的消费者所在地或房屋响应的实际响应。

在一些实施例中，使用采样以便改进估计和将预测中的误差减到最小。更具体来说，使用响应群中的多个房屋来进行实时采样。作为非限制性示例，可以对仪表采样以获得接近实时的数据。可以定期地执行采样，以便在接收到需求响应事件请求时，以接近实时的数据来更新估计参数。要采样的仪表的数量可以由公用设施确定、自动地确定或通过一些其他方法来确定。该采样计划将开发成确保为每个感兴趣群(使用或响应)获取足够的仪表数据。对这些房屋的仪表采样以获取该群的正常负荷的接近实时的数据。然后基于预测的正常负荷的此接近实时的数据，更新响应估计或估计的减负响应。作为非限制性示例，可以使用采样的仪表读数的平均值作为预测的正常负荷。此采样将预测误差减到最小，并因此，改进响应群的估计的减负响应。可以对一个或多个或所有响应群来执行采样。然后使用响应群来创建调度组以对需求响应事件予以响应。每个调度组可以包括来自不同响应群和不同使用群的房屋。可以由公用设施基于对该公用设施的相关规则，例如基于可接受的变化来确定调度组的大小。调度组的大小应该能够合理地精确评估减少+或-的某个可接受的容限，即可接受的变化。该可接受变化可以基于与公用设施相关的多个因素，例如成本、消费者等。这些调度组可以为相同的大小或不同的大小。然后部署该调度组以对需求响应事件请求予以响应。

在调度组对需求响应事件请求予以响应之后，确定响应以便更新响应群以及用于估计响应群的响应的响应估计函数。可以使用多种方法来确定具有调度组中的房屋的响应群的实际响应。一示范方法已知为基线方法。对于每个房屋，使用来自最后数天(例如，最后三天)的数据来决定对于需求响应事件的时间期间响应组中的每个房屋，什么将是负荷消费。例如，可以使用每个房屋的最后三天的数据的平均值作为负荷消费。然后，测量响应群中的这些房屋的实际响应，并使用差来确定每个响应群的实际响应。

在其他实施例中，可以使用控制组，以便减少确定响应群对需求响应事件的实际响应中的误差。更具体来说，可以使用未参与需求响应事件的房屋作为每个使用群中的控制组，以便确定为关联的使用群调度的响应群的响应。通过测量该组中的每个房屋的响应并将这些值取均值以达到使用群的基线或正常负荷，来确定控制组的响应或行为。通过测量响应群中的每个参与房屋的实际负荷，并将这些值取均值以达到调度的每个响应群的响应负荷，来确定每个响应群中调度的/参与消费者的响应。将使用群中的每个响应群的实际使用与控制组或群的实际使用比较，以便确定对应的响应群的响应。对具有在调度组中调度的房屋的所有响应群执行此步骤。然后更新这些响应群的每个的响应群信息。在此情况中，响应群可以是单个房屋。这导致对每个房屋响应需求响应事件请求减少了多少负荷的测量和验证。

图6示出根据本发明实施例的用于处理需求响应事件请求的流程图。过程600包括步骤602，其中DR模块128从消费者房屋104、公用设施108和数据库134和136中存储的信息接收信息。在步骤604中，DR模块128利用此信息来识别组或将房屋汇集到群。正如先前提到的，可以基于例如可由公用设施选择或自动选择的任何适合的规则来形成这些群。一些非限制性示例包括使用群、DR事件响应群、地理群、DR计划群等。用于集群的信息可以作为非限制性示例包括，例如，合同状态、所在地的负荷的类型、负荷使用、使用的时间和持续时间以及地理信息。使用群的数量和大小可以不尽相同，并且可以基于例如，应用和期望的性能。在步骤606中，对步骤604中确定的每个群开发响应估计函数。响应估计函数可以是任何适合的函数，例如包括但不限于，经验法、回归技术、贝叶斯方法和包括神经网络、遗传算法、SVM等的人工智能。在本文描述的说明性示例中，使用经验法来获得响应估计函数和估计过程。在步骤608中，基于群处理需求响应事件请求。在步骤610中按需更新这些群。

图7图示图6所示的处理步骤608的流程图。在步骤702中，识别需求响应事件请求和关联的DR计划。在步骤704中，从房屋104、公用设施108和存储在数据库134和136中的信息收集相关数据。在步骤706中，对每个群开发响应估计函数。该响应估计函数可以是任何适合的函数，例如包括但不限于，经验法、回归技术、贝叶斯方法和包括神经网络、遗传算法、SVM等的人工智能。在步骤708中，将来自一个或多个群中的房屋指配到调度组。这些调度组表示能够部署以对特定需求响应事件请求予以响应的房屋。调度组中的房屋可以属于不同群和来自多个群中的房屋。例如。调度组中的房屋可以设在公用设施配电网络的特定节点或分段处，以便部署此组最有效率。可以使用任何适合的方法来形成调度组。调度组的大小可以选为将变化减到最小，其中越大的调度组将呈现越小的变化。在步骤710中，使用响应估计函数来估计每个调度组的响应。在一些实施例中，该估计包括对调度组中响应需求响应事件的每个群的多个仪表采样。该采样将提供关联的群的预测正常负荷的接近实时的消费者行为。该采样将估计中的预测误差减到最小。在步骤712中，取决于处理需求响应事件请求所需的响应的数量部署一个或多个调度组，以对该需求响应事件请求予以响应。由从网络可获得的事件数据确定对需求响应事件请求的响应。在步骤714中，确定调度组中部署的每个群的响应。正如先前论述的，可以使用控制组来更精确地确定群的响应。然后在步骤716中更新响应估计函数。

图8示出根据进一步实施例的用于处理需求响应事件请求的流程图。该过程800包括步骤802，其中DR模块128从消费者房屋104、公用设施108和存储在数据库134和136中的信息接收信息。在步骤804中，DR模块128利用此信息来识别组或将房屋汇集在使用群。使用群的规则可以作为非限制性示例包括，例如，合同状态、所在地的负荷的类型、负荷使用、使用的时间和持续时间以及地理信息。使用群的数量和大小可以不尽相同，并且可以基于例如，应用和期望的性能。此外，在步骤806中，对于每个使用群，DR模块128基于对需求响应事件请求的响应的相似性将使用群划分到响应群，正如先前论述的。例如，使用群内的一些房屋可能对至少一些需求响应计划请求呈现高响应率，而另一些可能呈现低响应率，而又一些可能因为它们没有参与任何需求响应计划或基于激励的计划而完全不予以响应。可以将具有高响应率的房屋一起集群到响应群，对于低响应房屋和无响应房屋，同样的情况也成立。在一些实施例中，可以为多种需求响应计划的每个生成响应群。在其他一些实施例中，响应群对于多种需求响应计划的每个可以是相同的。在步骤808中，为使用群和响应群的每个群开发响应估计函数。在步骤810中，基于使用群和响应群处理需求响应事件请求。在步骤812中按需更新使用群和/或响应群。

图9是更详细地示出图8所示的需求响应事件请求810的处理的流程图。在步骤902中，识别用于处理的需求响应计划。在步骤904中，收集相关的数据和消费者数据。这包括但不限于，例如，历史使用数据、实时仪表数据。天气数据、设备数据、需求报价(demand bid)、网络状态和所在地能源管理系统数据。在步骤906中，对步骤804、806中确定的使用/响应群开发响应估计函数。如果这是新的需求响应计划且没有历史数据，则在一些实施例中响应群与使用群是相同的，而在另一些实施例中，可以使用种子数据、模拟数据或其他初始数据来将使用群划分到响应群，正如先前所描述的。该响应估计函数可以是任何适合的函数，例如包括但不限于，经验法、回归技术、贝叶斯方法和包括神经网络、遗传算法、SVM等的人工智能。在本文描述的说明性示例中，使用经验法来获得响应估计函数和估计过程。

在步骤908中，将来自一个或多个响应群的(或当响应群是使用群时来自一个或多个使用群的)房屋指配到调度组。这些调度组表示能够部署以对特定需求响应事件请求予以响应的房屋。调度组中的房屋可以属于不同的响应和使用群，以及来自多个响应群来自不同使用群的房屋也可以是调度组的一部分。例如。调度组中的房屋可以设在公用设施配电网络的特定节点或分段处，以便部署此组最有效率。可以使用任何适合的方法来形成调度组。调度组的大小可以选为将变化减到最小，其中越大的调度组将呈现越小的变化。

在步骤910中，使用响应估计函数来估计每个调度组的响应。在一些实施例中，该估计包括对调度组中响应需求响应事件的每个响应群的多个仪表采样。该采样将提供关联的响应群的预测正常负荷的接近实时的消费者行为。该采样将估计中的预测误差减到最小。在步骤912中，取决于处理需求响应事件请求所需的响应的数量部署一个或多个调度组，以对该需求响应事件请求予以响应。由从网络可获得的事件数据确定对需求响应事件请求的响应。在步骤914中，确定调度组中部署的每个响应群的响应。正如先前论述的，可以使用控制组来更精确地确定响应群的响应。然后在步骤916中更新响应估计函数。

正如本文描述的，本发明的系统和方法实施例使公用设施能够通过基于取决于性能和/或系统需要的多种期望的规则来将房屋集群，来精确地评估或估计需要对需求响应事件予以响应的房屋的数量。例如，可以基于事件响应行为、使用行为、地理数据、使用数据的时间等来开发群。然后可以使用为每个群开发的响应估计函数在群级别上处理需求响应请求。

在一些实施例中，将房屋集群到使用群中，并将每个使用群房屋划分到响应群。当没有房屋的历史数据可用，例如当引入新需求响应计划时，响应群可以与使用群是相同的。在其他实施例中，可以使用来自其他公用设施的种子数据、模拟数据或房屋概况数据或其他初始数据将使用群初始划分到响应群。然后对呈现相似使用和响应行为的房屋的群执行响应估计，这产生更精确的响应估计。因为响应估计更精确，所以公用设施能够更精确地确定哪些房屋或资源要用来响应需求响应事件。

虽然本发明的实施例是参考单个需求响应计划的处理来描述的，但是本发明的并不局限于此方面。可以对多个计划执行根据本发明实施例的集群。

虽然本文仅图示并描述本发明的某些特征，但是本领域技术人员将设想到许多修改和更改。因此，要理解，所附权利要求应涵盖落在本发明的真实精神内的所有此类修改和更改。

部件表

100    能源管理系统

102    能源管理服务器

104    消费者房屋

106    广域网

108    公用设施

110    能源管理器

112    处理器

114    存储器

116    用户接口

118    负荷

120    传感器

122    可再生装置

124    存储

126    PEV/PHEV

127    事件调度模块

128    需求响应模块

129    汇集/取消汇集模块

130    网络管理服务模块

131    估计模块

132    用户接口模块

133    测量和验证模块

134    消费者数据库

136    程序数据库

200    公用设施控制中心

202    能源管理系统模块

204    监控和数据采集模块

206    断电管理系统模块

208    地理信息系统模块

210    配电管理系统模块

212    消费者信息系统模块

214    直接负荷控制模块

216    计费模块

Claims (10)

1.一种方法，其包括：

基于公用设施房屋的网络中的房屋的每个的房屋信息将所述房屋汇集成群；

为所述群的每个开发响应估计函数；以及

基于所述群的每个的所述响应估计函数，使用所述群来处理基于的需求响应事件请求。

2.根据权利要求1所述的方法，其中，所述响应估计函数从经验法、回归技术、贝叶斯技术和人工智能的至少之一来开发。

3.根据权利要求1所述的方法，还包括：

更新所述响应估计函数；以及

定期地更新所述群。

4.根据权利要求1所述的方法，其中，处理所述需求响应事件请求包括：

使用所述响应估计函数来估计所述群的每个对所述需求响应事件请求的响应；以及

基于所述群的每个的所述响应，将来自所述群的一个或多个的所述房屋指配到调度组；以及

调度所述调度组以响应所述需求响应事件请求。

5.根据权利要求4所述的方法，还包括：

确定用于响应所述需求响应事件请求的、所述群的每个中的所述房屋的事件响应；以及

基于所述事件响应，更新用于处理所述需求响应事件请求的、所述群的每个的所述响应估计函数。

6.根据权利要求4所述的方法，其中，估计所述响应包括：

对所述群的每个中的所述房屋的子集采样，以确定所述子集中的所述房屋的每个的基本实时的使用信息；以及

将所述群的每个中的所述子集的所述基本实时的使用信息指配到所述整个对应群中。

7.根据权利要求5所述的方法，其中，确定用于响应所述需求响应事件请求的、所述群的每个中的所述房屋的所述事件响应包括：

将响应所述需求响应事件请求的、所述群的每个中的所述房屋的每个的所述事件响应与所述群中未参与所述需求响应计划的房屋比较；以及

基于比较结果，确定所述群的每个中的所述房屋的所述事件响应。

8.根据权利要求1所述的方法，其中，将房屋汇集到群包括：

基于所述房屋的每个的事件响应信息，将所述房屋汇集到响应群；

其中所述房屋的每个的所述房屋信息包括所述事件响应信息。

9.根据权利要求1所述的方法，其中，将房屋汇集到群包括：

基于所述房屋的每个的所述房屋信息，将所述房屋汇集到使用群。

10.根据权利要求9所述的方法，还包括：

基于所述房屋的每个的事件响应信息，将所述使用群的每个中的所述房屋划分到响应群；

为所述响应群的每个开发响应估计函数；以及

其中所述房屋的每个的所述房屋信息包括所述事件响应信息。

Images