CN103972896A - 一种基于需求响应的负荷建模和优化控制方法 - Google Patents

Abstract

本发明公开了一种基于需求响应的负荷建模和优化控制方法，将负荷进行刚性负荷和柔性负荷的解耦分类，建立负荷模型，进一步地，将柔性负荷根据参与的需求响应项目分为三类：电价项目、直接负荷控制项目、可中断负荷项目，分类建立电价、直接负荷和可中断负荷模型，模型的建立为后续的负荷优化提供有力的数据资源；根据可控变量所能提供的最大消减负荷，直接负荷控制项目最大削减负荷、可中断负荷项目最大削减负荷与供电缺口最大值之间的关系建立三种情况的优化控制模型，在通过遗传算法进行求解，求得优化执行结果，进而为实际电力系统运行提供更多资源和策略。

Description

一种基于需求响应的负荷建模和优化控制方法

技术领域

本发明涉及电力系统自动控制技术领域，尤其涉及一种基于需求响应的负荷建模和优化控制方法。

背景技术

全球资源环境压力逐年增大，社会对环保和可持续发展的要求日益提高，要求未来电网必须能够提供更加安全、清洁、可靠、优质的电力供应，能够适应多种类型发电方式的需要，能够适应客户的自主选择需要，提供更加优质的服务。为此不同国家和组织同时提出建设智能电网，将智能电网作为未来电网的发展方向，而需求响应(Demand response，DR)则是需求侧管理在竞争性电力市场中的最新发展。智能电网的一个内涵就是要求把用户的积极性调动起来，实现用户与电网的双向互动，最终达到削峰填谷、提高能源利用率的目的。需求响应作为互动的解决方案，近年来得到了广泛的关注。

随着需求响应技术的不断发展，使得电力终端用户的角色发生了变化，原本被视作刚性的负荷逐步呈现出一定的弹性，电力用户承担着用电终端和能源的双重作用，负荷侧资源可以看作发电侧资源的替代品。在用电高峰时段可以不采用拉闸限电的方法，而是通过需求响应项目缓解电力供需矛盾，降低高峰时段的电力消耗，相较于发电装机容量的投资，具有显著的成本效益。

发明内容

本发明的目的是提供一种基于需求响应的负荷建模和优化控制方法，尤其提出不同情况下负荷优化控制的方法，为实际电力系统运行提供更多资源和策略。

本发明采用的技术方案为：

一种基于需求响应的负荷建模和优化控制方法，包括以下步骤：

a：按照负荷的可控性对用电负荷进行刚性负荷和柔性负荷的解耦分类，柔性负荷是指通过技术手段可以转移或削减的负荷，且该过程具有成本效益，时间跨度符合要求；刚性负荷是指通过技术手段不可以转移或削减的负荷；

b：建立负荷模型；负荷模型由刚性负荷和柔性负荷两部分组成，用于表示负荷随时间变化的曲线，以及负荷与需求响应指令之间的函数关系；负荷模型为：

L_total(t,P,DLC,IL)＝L_s(t)+L_f(t,P,DLC,IL) ①

式中，L_total表示总负荷；L_s表示刚性负荷，是时间的函数；L_f表示柔性负荷，是时间和需求响应指令的函数；t表示时间；需求响应指令：包括电价P，直接负荷控制变量DLC，可中断负荷变量IL；需求响应指令本身也是时间的函数，即不同时刻点有不同的需求响应指令；

c：将柔性负荷根据参与的需求响应项目分为三类：电价项目、直接负荷控制项目、可中断负荷项目，并按照三项需求响应项目，根据公式L_f(t,P,DLC,IL)＝L₁(t,P)+L₂(t,DLC)+L₃(t,IL)②分类建立模型；

(1)：与电价项目相关的柔性负荷模型：用户的电力需求一般随电价的变化而变化，但各类用户的变化趋势和幅度各不相同，整体变化规律可用抛物线模型或对数模型进行表示，如公式③所示：L₁(t,P)＝a+bP(t)+cP²(t)或L₁(t,P)＝a+bln[P(t)]③；

(2)：与直接负荷控制项目相关的柔性负荷模型：直接负荷控制项目由实施机构通过远程关闭或循环控制用户的用电设备，控制过程中需要满足用户满意度的约束条件，如公式④所示： $L_2(t,\mathrm{DLC})=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left\{\right[1-{\mathrm{\α}}_i\left(t\right)]\·L_{\mathrm{origin},i}\left(t\right)\}$ ④；约束条件为： $s.t.\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\α}}_i\left(t\right)\≤{\mathrm{\α}}_{i\_\max };$

式中，i表示参与直接负荷控制项目的用户编号，一共有N组用户；α_i(t)表示第i组用户在t时段的控制变量，为0-1决策变量；L_origin,i表示第i组用户实施直接负荷控制之前的负荷大小；α_{i_max}为第i组用户合同中规定的每天调用次数上限，n为一天的时段划分总数；

(3)：与可中断负荷控制项目相关的柔性负荷模型：可中断负荷是基于合同的需求响应项目，负荷的中断由用户根据请求信号实行，所以存在用户违约率的问题，可中断负荷的实行以合同的形式，规定了最小切除容量、中断持续时间等约束条件，如公式⑤所示： $L_3(t,\mathrm{IL})=L_{\mathrm{origin}}\left(t\right)-\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\β}}_j\left(t\right)\·L_{\mathrm{IL},j}\left(t\right)\·[1-{\mathrm{\δ}}_j\left(t\right)]$ ⑤；约束条件为：s.t.L_IL,j(t)≥L_{IL,j_min}

$D_{j\_\min }\≤\underset{t=1}{\overset{24}{\mathrm{\Σ}}}{\mathrm{\β}}_j\left(t\right)\≤D_{j\_\max };$

式中，j表示可中断合同编号，合同总数为M；β_j(t)表示第j个中断合同在t时段的状态，为0-1决策变量；L_IL,j(t)表示第j个中断合同在t时段的中断容量；δ_j(t)为第j个中断合同在t时段的违约率，δ_j(t)∈[0％,100％]；L_{IL,j_max}表示第j个中断合同的最小切除容量；D_{j_min}和D_{j_max}分别表示第j个中断合同的中断持续时间下限和上限；

d：负荷模型中柔性负荷的电价项目为不可控变量，直接负荷控制变量α_i(t)和可中断负荷变量β_j(t)为可控变量，根据可控变量所能提供的最大消减负荷与供电缺口最大值之间的关系建立三种情况的优化控制模型，即直接负荷控制项目最大削减负荷DLC_max、可中断负荷项目最大削减负荷IL_max与供电缺口最大值P_max之间的关系建立三种情况的优化控制模型；

情况一：在P_max≥DLC_max+IL_max时，

建立模型一：

$\begin{array}{c}\min |P\left(t\right)-{\mathrm{IL}}_{\max }\left(t\right)-\mathrm{DLC}\left(t\right)|\\ =|P\left(t\right)-\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\β}}_j\left(t\right)\·L_{\mathrm{IL},j}\left(t\right)\·[1-{\mathrm{\δ}}_j\left(t\right)]-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}[{\mathrm{\α}}_i\left(t\right)\·L_{\mathrm{origin},i}\left(t\right)\left]\right|\end{array}$

$s.t.\underset{t=1}{\overset{24}{\mathrm{\Σ}}}{\mathrm{\β}}_j\left(t\right)=\min \{D_{j\_\max },T_{\max }\}$

L_IL,j(t)≥L_{IL,j_min}

$\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\α}}_i\left(t\right)\≤{\mathrm{\α}}_{i\_\max }$ ⑥----

式中，T_max为供电缺口最大持续时间；

情况二：在DLC_max≤P_max＜DLC_max+IL_max时，

建立模型二：

$\begin{array}{c}\min |P\left(t\right)-\mathrm{IL}\left(t\right)-\mathrm{DLC}\left(t\right)|\\ =|P\left(t\right)-\underset{j=1}{\overset{x}{\mathrm{\Σ}}}{\mathrm{\β}}_j\left(t\right)\·L_{\mathrm{IL},j}\left(t\right)\·[1-{\mathrm{\δ}}_j\left(t\right)]-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}[{\mathrm{\α}}_i\left(t\right)\·L_{\mathrm{origin},i}\left(t\right)\left]\right|\end{array}$

$s.t.\underset{t=1}{\overset{24}{\mathrm{\Σ}}}{\mathrm{\β}}_j\left(t\right)=\min \{D_{j\_\max },T_{\max }\}$

$\underset{j=1}{\overset{x}{\mathrm{\Σ}}}{L}_{\mathrm{IL},j}\left(t_{\max }\right)=P_{\max }-{\mathrm{DLC}}_{\max }$

L_IL,j(t)≥L_{IL,j_min}

$\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\α}}_i\left(t\right)\≤{\mathrm{\α}}_{i\_\max }$ ⑦

式中，t_max为最大供电缺口发生时刻；

情况三：在P_max＜DLC_max时，

建立模型三：

$\min |P\left(t\right)-\mathrm{DLC}\left(t\right)|=|P\left(t\right)-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}[{\mathrm{\α}}_i\left(t\right)\·L_{\mathrm{origin},i}\left(t\right)\left]\right|$

$s.t.\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\α}}_i\left(t\right)\≤{\mathrm{\α}}_{i\_\max }$ ⑧

e：将上述的三个优化控制模型采用优化算法进行求解，最终获得对负荷的最优控制方法。

所述的步骤e中的优化算法采用遗传算法。

本发明将负荷进行刚性负荷和柔性负荷的解耦分类，建立负荷模型，进一步地，将柔性负荷根据参与的需求响应项目分为三类：电价项目、直接负荷控制项目、可中断负荷项目，分类建立电价、直接负荷和可中断负荷模型，模型的建立为后续的负荷优化提供有力的数据资源；根据可控变量所能提供的最大消减负荷，直接负荷控制项目最大削减负荷、可中断负荷项目最大削减负荷与供电缺口最大值之间的关系建立三种情况的优化控制模型，在通过遗传算法进行求解，求得优化执行结果，进而为实际电力系统运行提供更多资源和策略。

附图说明

图1为本发明的流程图；

图2为本发明的遗传算法流程图。

具体实施方式

如图1、2所示，本发明所述的基于需求响应的负荷建模和优化控制方法，包括以下步骤：

a：按照负荷的可控性对用电负荷进行刚性负荷和柔性负荷的解耦分类，柔性负荷是指通过技术手段可以转移或削减的负荷，且该过程具有成本效益，时间跨度符合要求；刚性负荷是指通过技术手段不可以转移或削减的负荷；

b：建立负荷模型；负荷模型由刚性负荷和柔性负荷两部分组成，用于表示负荷随时间变化的曲线，以及负荷与需求响应指令之间的函数关系；负荷模型为：

L_total(t,P,DLC,IL)＝L_s(t)+L_f(t,P,DLC,IL) ①

式中，L_total表示总负荷；L_s表示刚性负荷，是时间的函数；L_f表示柔性负荷，是时间和需求响应指令的函数；t表示时间；需求响应指令：包括电价P，直接负荷控制变量DLC，可中断负荷变量IL；需求响应指令本身也是时间的函数，即不同时刻点有不同的需求响应指令；

c：将柔性负荷根据参与的需求响应项目分为三类：电价项目、直接负荷控制项目、可中断负荷项目，并按照三项需求响应项目，根据公式L_f(t,P,DLC,IL)＝L₁(t,P)+L₂(t,DLC)+L₃(t,IL)②分类建立模型；

(1)：与电价项目相关的柔性负荷模型：用户的电力需求一般随电价的变化而变化，但各类用户的变化趋势和幅度各不相同，整体变化规律可用抛物线模型或对数模型进行表示，如公式③所示：L₁(t,P)＝a+bP(t)+cP²(t)或L₁(t,P)＝a+bln[P(t)]③；

(2)：与直接负荷控制项目相关的柔性负荷模型：直接负荷控制项目由实施机构通过远程关闭或循环控制用户的用电设备，控制过程中需要满足用户满意度的约束条件，如公式④所示： $L_2(t,\mathrm{DLC})=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left\{\right[1-{\mathrm{\α}}_i\left(t\right)]\·L_{\mathrm{origin},i}\left(t\right)\}$ ④；约束条件为： $s.t.\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\α}}_i\left(t\right)\≤{\mathrm{\α}}_{i\_\max };$

式中，i表示参与直接负荷控制项目的用户编号，一共有N组用户；α_i(t)表示第i组用户在t时段的控制变量，为0-1决策变量；L_origin,i表示第i组用户实施直接负荷控制之前的负荷大小；α_{i_max}为第i组用户合同中规定的每天调用次数上限，n为一天的时段划分总数；

(3)：与可中断负荷控制项目相关的柔性负荷模型：可中断负荷是基于合同的需求响应项目，负荷的中断由用户根据请求信号实行，所以存在用户违约率的问题，可中断负荷的实行以合同的形式，规定了最小切除容量、中断持续时间等约束条件，如公式⑤所示： $L_3(t,\mathrm{IL})=L_{\mathrm{origin}}\left(t\right)-\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\β}}_j\left(t\right)\·L_{\mathrm{IL},j}\left(t\right)\·[1-{\mathrm{\δ}}_j\left(t\right)]$ ⑤；约束条件为：s.t.L_IL,j(t)≥L_{IL,j_min}

$D_{j\_\min }\≤\underset{t=1}{\overset{24}{\mathrm{\Σ}}}{\mathrm{\β}}_j\left(t\right)\≤D_{j\_\max };$

式中，j表示可中断合同编号，合同总数为M；β_j(t)表示第j个中断合同在t时段的状态，为0-1决策变量；L_IL,j(t)表示第j个中断合同在t时段的中断容量；δ_j(t)为第j个中断合同在t时段的违约率，δ_j(t)∈[0％,100％]；L_{IL,j_max}表示第j个中断合同的最小切除容量；D_{j_min}和D_{j_max}分别表示第j个中断合同的中断持续时间下限和上限；

d：负荷模型中柔性负荷的电价项目为不可控变量，直接负荷控制变量α_i(t)和可中断负荷变量β_j(t)为可控变量，根据可控变量所能提供的最大消减负荷与供电缺口最大值之间的关系建立三种情况的优化控制模型，即直接负荷控制项目最大削减负荷DLC_max、可中断负荷项目最大削减负荷IL_max与供电缺口最大值P_max之间的关系建立三种情况的优化控制模型；

情况一：在P_max≥DLC_max+IL_max时，

建立模型一：

$\begin{array}{c}\min |P\left(t\right)-{\mathrm{IL}}_{\max }\left(t\right)-\mathrm{DLC}\left(t\right)|\\ =|P\left(t\right)-\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\β}}_j\left(t\right)\·L_{\mathrm{IL},j}\left(t\right)\·[1-{\mathrm{\δ}}_j\left(t\right)]-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}[{\mathrm{\α}}_i\left(t\right)\·L_{\mathrm{origin},i}\left(t\right)\left]\right|\end{array}$

$s.t.\underset{t=1}{\overset{24}{\mathrm{\Σ}}}{\mathrm{\β}}_j\left(t\right)=\min \{D_{j\_\max },T_{\max }\}$

L_IL,j(t)≥L_{IL,j_min}

$\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\α}}_i\left(t\right)\≤{\mathrm{\α}}_{i\_\max }$ ⑥

式中，T_max为供电缺口最大持续时间；

情况二：在DLC_max≤P_max＜DLC_max+IL_max时，

建立模型二：

$\begin{array}{c}\min |P\left(t\right)-\mathrm{IL}\left(t\right)-\mathrm{DLC}\left(t\right)|\\ =|P\left(t\right)-\underset{j=1}{\overset{x}{\mathrm{\Σ}}}{\mathrm{\β}}_j\left(t\right)\·L_{\mathrm{IL},j}\left(t\right)\·[1-{\mathrm{\δ}}_j\left(t\right)]-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}[{\mathrm{\α}}_i\left(t\right)\·L_{\mathrm{origin},i}\left(t\right)\left]\right|\end{array}$

$s.t.\underset{t=1}{\overset{24}{\mathrm{\Σ}}}{\mathrm{\β}}_j\left(t\right)=\min \{D_{j\_\max },T_{\max }\}$

$\underset{j=1}{\overset{x}{\mathrm{\Σ}}}{L}_{\mathrm{IL},j}\left(t_{\max }\right)=P_{\max }-{\mathrm{DLC}}_{\max }$

L_IL,j(t)≥L_{IL,j_min}

$\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\α}}_i\left(t\right)\≤{\mathrm{\α}}_{i\_\max }$ ⑦

式中，t_max为最大供电缺口发生时刻；

情况三：在P_max＜DLC_max时，

建立模型三：

$\min |P\left(t\right)-\mathrm{DLC}\left(t\right)|=|P\left(t\right)-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}[{\mathrm{\α}}_i\left(t\right)\·L_{\mathrm{origin},i}\left(t\right)\left]\right|$

$s.t.\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\α}}_i\left(t\right)\≤{\mathrm{\α}}_{i\_\max }$ ⑧

e：将上述的三个优化控制模型采用优化算法进行求解，最终获得对负荷的最优控制方法。

其中，步骤e中的优化算法可以采用遗传算法。

本发明在具体实施优化控制时，对于用户负荷的控制需要依赖于智能电网中的高级量测体系(Advanced Metering Infrastructure，AMI)，高级量测体系有一套完整的硬件系统，可以利用智能电表和双向通信网络，定时或实时获取终端电力用户带有时标的分时段或实时(准实时)的多种计量值并传输至量测数据管理系统，也可以远程或本地接通和开断终端用电设备。

在步骤a中，刚性负荷和柔性负荷的解耦需要依赖用户负荷调研和负荷特性分析，对刚性负荷和柔性负荷进行定义。文献《计及大规模风电和柔性负荷的电力系统供需侧联合随机调度方法》中提到“柔性负荷主要包括可中断负荷、激励负荷。可中断负荷与激励负荷是为电网的调峰而提供的一种负荷管理措施，用以提高系统的可靠性和经济性。”另外，刚性负荷就是传统负荷的定义，不考虑负荷的弹性，不参与需求响应的负荷。负荷解耦需要基于与需求响应相关的负荷特性分析。由此本发明将柔性负荷定义为指通过技术手段可以转移或削减的负荷，且该过程具有成本效益，时间跨度符合要求；刚性负荷：指通过技术手段不可以转移或削减的负荷。

步骤b需要建立负荷模型，所建立的负荷模型是表示负荷随时间变化的曲线，以及负荷与需求响应指令之间的函数关系，由刚性负荷和柔性负荷两部分组成。

步骤c中，由于刚性负荷不可以转移或削减，所以，对柔性负荷根据参与的需求响应项目进一步分类，并将柔性负荷分为三类：电价项目、直接负荷控制项目、可中断负荷项目，并按照三项需求响应项目，分别建立负荷模型。一、电价项目模型的建立：电价与电力需求之间存在一定关系，称为用电需求曲线，用户的电力需求一般随电价的变化而变化，但各类用户的变化趋势和幅度各不相同，例如参考文献《分类用户的销售与上网电价联动模型》中给出了负荷价格弹性系数的参考值：居民生活0.6285,、非居民照明1.7423、非普工业1.3148、大宗工业4.2875、商业用电1.2853、农业生产0.8578、贫困县农排7.7012。整体变化规律可用抛物线模型或对数模型进行表示，模型为公式③。二、直接负荷控制项目模型的建立：直接负荷控制项目由实施机构(指电网控制机构)通过远程关闭或循环控制用户的用电设备(用户的用电设备是指用户与实施机构之间合同签署的可直接由实施机构控制的用电设备，在合同中，标明具体的用电设备名称，比如用户的电饭煲、微波炉、电视机或者指定照明灯，同时，还需要标明用电设备的控制时间，时间的长短和时间段的分配)，控制过程中需要满足用户满意度的约束条件，设备接受的控制变量为0-1决策变量(1表示中断、0表示开启)，实施直接负荷控制后的负荷模型等于原始负荷减去受控负荷，约束条件为用户负荷的调用次数不能超过其合同规定的上限；模型为公式④。三、可中断负荷项目模型的建立：可中断负荷也是基于合同的需求响应项目，但与直接负荷控制项目不同的是负荷的中断由用户根据请求信号实行，而不是直接由实施机构远程控制中断，因此存在用户违约率的问题。请求信号由实施机构向用户发送的请求，请求断电的用户设备需要双方提前签署合同，合同内容包括具体的用电设备名称，比如冰箱、洗衣机、空调等；在用电量增大的时候，实施机构需要进行用电调控，避免用电超负荷而断电；举例说明：当用电量增大时，实施机构向签署合同的用户发送请求指令，请求用户关闭冰箱电能供应，此时，需要得到用户的同意，如果用户同意，则由用户方主动关闭，如果用户不同意，则用户可以继续使用，所以存在违约率的问题；同时，在合同中，也需要标明请求的时间段和停止供电的时间长短。可中断负荷的实行一般以合同的形式，规定了最小切除容量、中断持续时间等约束条件，模型为公式⑤。

分类建立负荷模型是为了下面的负荷优化控制方法所服务的，下面对本专利中基于需求响应的负荷优化控制方法进行详细说明。

对于实际的供电缺口，可以通过制定合理的负荷控制策略来应对，即确定上述柔性负荷分类模型中的控制变量。电价因素不是可以人为调节的，所以可以看作是不可控的变量，可控变量为直接负荷控制变量α_i(t)和可中断负荷控制变量β_j(t)，其中可中断负荷控制变量的调用频率较小，调用的持续时间较长，因此需要提前一段时间通知用户。

在步骤d中，假设供电缺口最大值为P_max，直接负荷控制项目所能提供的最大削减负荷为DLC_max，可中断负荷控制项目所能提供的最大削减负荷为IL_max，其中供电缺口最大值P_max由实施机构提供，直接负荷控制项目最大削减负荷DLC_max和可中断负荷控制项目最大削减负荷IL_max根据用户签署的合同项目进行预算得到。下面建立三种情况下的优化控制模型。

(1)P_max≥DLC_max+IL_max；这种情况下，同时考虑直接负荷控制项目最大削减负荷DLC_max和可中断负荷控制项目最大削减负荷IL_max满额控制的情况，提前通知参与可中断负荷项目的用户按时中断负荷，并跟踪缺口情况实时调整参与直接负荷控制项目的用户负荷。建立模型一，即公式⑥所示。

(2)DLC_max≤P_max＜DLC_max+IL_max；这种情况下，根据实际最大供电缺口P_max，考虑可中断负荷项目提供部分负荷削减，而直接负荷控制项目用于实时调整。建立模型二，即公式⑦所示。

(3)P_max＜DLC_max；这种情况下，只考虑直接负荷控制项目的实时调整。建立模型三，即公式⑧所示。

上述优化模型可以采用优化算法进行求解，如遗传算法，具体实施为：将供电缺口最大值为P_max、直接负荷控制项目最大削减负荷DLC_max和可中断负荷控制项目最大削减负荷IL_max作为原始数据输入，遗传算法解释如下：遗传算法是常见的优化算法，遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法。把每一个Xi看作一个遗传基因，它的所有可能取值称为等位基因，这样，X就可看作是由n个遗传基因所组成的一个染色体。染色体的长度可以是固定的，也可以是变化的。等位基因可以是一组整数，也可以是某一范围内的实数值，或者是记号。最简单的等位基因是由0和1这两个整数组成的，相应的染色体就可表示为一个二进制符号串。这种编码所形成的排列形式X是个体的基因型，与它对应的X值是个体的表现型。染色体X也称为个体X，对于每一个个体X，要按照一定的规则确定出其适应度。个体的适应度与其对应的个体表现型X的目标函数值相关联，X越接近于目标函数的最优点，其适应度越大；反之，其适应度越小。

Claims (2)

1.一种基于需求响应的负荷建模和优化控制方法，其特征在于：包括以下步骤：

a：按照负荷的可控性对用电负荷进行刚性负荷和柔性负荷的解耦分类，柔性负荷是指通过技术手段可以转移或削减的负荷，且该过程具有成本效益，时间跨度符合要求；刚性负荷是指通过技术手段不可以转移或削减的负荷；

b：建立负荷模型；负荷模型由刚性负荷和柔性负荷两部分组成，用于表示负荷随时间变化的曲线，以及负荷与需求响应指令之间的函数关系；负荷模型为：

L_total(t,P,DLC,IL)＝L_s(t)+L_f(t,P,DLC,IL) ①

式中，L_total表示总负荷；L_s表示刚性负荷，是时间的函数；L_f表示柔性负荷，是时间和需求响应指令的函数；t表示时间；需求响应指令：包括电价P，直接负荷控制变量DLC，可中断负荷变量IL；需求响应指令本身也是时间的函数，即不同时刻点有不同的需求响应指令；

c：将柔性负荷根据参与的需求响应项目分为三类：电价项目、直接负荷控制项目、可中断负荷项目，并按照三项需求响应项目，根据公式L_f(t,P,DLC,IL)＝L₁(t,P)+L₂(t,DLC)+L₃(t,IL)②分类建立模型；

(1)：与电价项目相关的柔性负荷模型：用户的电力需求一般随电价的变化而变化，但各类用户的变化趋势和幅度各不相同，整体变化规律可用抛物线模型或对数模型进行表示，如公式③所示：L₁(t,P)＝a+bP(t)+cP²(t)或L₁(t,P)＝a+bln[P(t)]③；

(2)：与直接负荷控制项目相关的柔性负荷模型：直接负荷控制项目由实施机构通过远程关闭或循环控制用户的用电设备，控制过程中需要满足用户满意度的约束条件，如公式④所示： $L_2(t,\mathrm{DLC})=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left\{\right[1-{\mathrm{\α}}_i\left(t\right)]\·L_{\mathrm{origin},i}\left(t\right)\}$ ④；约束条件为： $s.t.\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\α}}_i\left(t\right)\≤{\mathrm{\α}}_{i\_\max };$

式中，i表示参与直接负荷控制项目的用户编号，一共有N组用户；α_i(t)表示第i组用户在t时段的控制变量，为0-1决策变量；L_origin,i表示第i组用户实施直接负荷控制之前的负荷大小；α_{i_max}为第i组用户合同中规定的每天调用次数上限，n为一天的时段划分总数；

(3)：与可中断负荷控制项目相关的柔性负荷模型：可中断负荷是基于合同的需求响应项目，负荷的中断由用户根据请求信号实行，所以存在用户违约率的问题，可中断负荷的实行以合同的形式，规定了最小切除容量、中断持续时间等约束条件，如公式⑤所示： $L_3(t,\mathrm{IL})=L_{\mathrm{origin}}\left(t\right)-\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\β}}_j\left(t\right)\·L_{\mathrm{IL},j}\left(t\right)\·[1-{\mathrm{\δ}}_j\left(t\right)]$ ⑤；约束条件为：s.t.L_IL,j(t)≥L_{IL,j_min}

$D_{j\_\min }\≤\underset{t=1}{\overset{24}{\mathrm{\Σ}}}{\mathrm{\β}}_j\left(t\right)\≤D_{j\_\max };$

式中，j表示可中断合同编号，合同总数为M；β_j(t)表示第j个中断合同在t时段的状态，为0-1决策变量；L_IL,j(t)表示第j个中断合同在t时段的中断容量；δ_j(t)为第j个中断合同在t时段的违约率，δ_j(t)∈[0％,100％]；L_{IL,j_max}表示第j个中断合同的最小切除容量；D_{j_min}和D_{j_max}分别表示第j个中断合同的中断持续时间下限和上限；

d：负荷模型中柔性负荷的电价项目为不可控变量，直接负荷控制变量α_i(t)和可中断负荷变量β_j(t)为可控变量，根据可控变量所能提供的最大消减负荷与供电缺口最大值之间的关系建立三种情况的优化控制模型，即直接负荷控制项目最大削减负荷DLC_max、可中断负荷项目最大削减负荷IL_max与供电缺口最大值P_max之间的关系建立三种情况的优化控制模型；

情况一：在P_max≥DLC_max+IL_max时，

建立模型一：

$\begin{array}{c}\min |P\left(t\right)-{\mathrm{IL}}_{\max }\left(t\right)-\mathrm{DLC}\left(t\right)|\\ =|P\left(t\right)-\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\β}}_j\left(t\right)\·L_{\mathrm{IL},j}\left(t\right)\·[1-{\mathrm{\δ}}_j\left(t\right)]-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}[{\mathrm{\α}}_i\left(t\right)\·L_{\mathrm{origin},i}\left(t\right)\left]\right|\end{array}$

$s.t.\underset{t=1}{\overset{24}{\mathrm{\Σ}}}{\mathrm{\β}}_j\left(t\right)=\min \{D_{j\_\max },T_{\max }\}$

L_IL,j(t)≥L_{IL,j_min}

$\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\α}}_i\left(t\right)\≤{\mathrm{\α}}_{i\_\max }$ ⑥----

式中，T_max为供电缺口最大持续时间；

情况二：在DLC_max≤P_max＜DLC_max+IL_max时，

建立模型二：

$\begin{array}{c}\min |P\left(t\right)-\mathrm{IL}\left(t\right)-\mathrm{DLC}\left(t\right)|\\ =|P\left(t\right)-\underset{j=1}{\overset{x}{\mathrm{\Σ}}}{\mathrm{\β}}_j\left(t\right)\·L_{\mathrm{IL},j}\left(t\right)\·[1-{\mathrm{\δ}}_j\left(t\right)]-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}[{\mathrm{\α}}_i\left(t\right)\·L_{\mathrm{origin},i}\left(t\right)\left]\right|\end{array}$

$s.t.\underset{t=1}{\overset{24}{\mathrm{\Σ}}}{\mathrm{\β}}_j\left(t\right)=\min \{D_{j\_\max },T_{\max }\}$

$\underset{j=1}{\overset{x}{\mathrm{\Σ}}}{L}_{\mathrm{IL},j}\left(t_{\max }\right)=P_{\max }-{\mathrm{DLC}}_{\max }$

L_IL,j(t)≥L_{IL,j_min}

$\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\α}}_i\left(t\right)\≤{\mathrm{\α}}_{i\_\max }$ ⑦

式中，t_max为最大供电缺口发生时刻；

情况三：在P_max＜DLC_max时，

建立模型三：

$\min |P\left(t\right)-\mathrm{DLC}\left(t\right)|=|P\left(t\right)-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}[{\mathrm{\α}}_i\left(t\right)\·L_{\mathrm{origin},i}\left(t\right)\left]\right|$

$s.t.\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\α}}_i\left(t\right)\≤{\mathrm{\α}}_{i\_\max }$ ⑧

e：将上述的三个优化控制模型采用优化算法进行求解，最终获得对负荷的最优控制方法。

2.根据权利要求1所述的基于需求响应的负荷建模和优化控制方法，其特征在于：所述的步骤e中的优化算法采用遗传算法。