CN105164716A - 电力网中的需求调整 - Google Patents

电力网中的需求调整 Download PDF

Info

Publication number
CN105164716A
CN105164716A CN201480025851.XA CN201480025851A CN105164716A CN 105164716 A CN105164716 A CN 105164716A CN 201480025851 A CN201480025851 A CN 201480025851A CN 105164716 A CN105164716 A CN 105164716A
Authority
CN
China
Prior art keywords
user
load
demand
energy
profile
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201480025851.XA
Other languages
English (en)
Inventor
R.卡拉斯科
I.阿克罗蒂里亚纳基斯
A.查克拉博蒂
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Original Assignee
Siemens AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens AG filed Critical Siemens AG
Publication of CN105164716A publication Critical patent/CN105164716A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B15/00—Systems controlled by a computer
    • G05B15/02—Systems controlled by a computer electric
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/62—The condition being non-electrical, e.g. temperature
    • H02J2310/64—The condition being economic, e.g. tariff based load management
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02B90/20—Smart grids as enabling technology in buildings sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/10—Energy trading, including energy flowing from end-user application to grid

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种用于智能电网中的通过甩负荷和负荷转移进行需求调整的方法（100），包括：a.？获得用于电网用户的最佳甩负荷简档。b.？获得用于用户的最佳计费结构和最佳负荷转移简档。c.？重复获得最佳甩负荷简档及获得最佳计费结构和最佳负荷转移简档的步骤直至实现收敛为止。d.？基于所述最佳甩负荷简档、最佳计费结构以及最佳负荷转移简档来控制用户的能量消耗/需求。并且确定在日前市场和实时市场中的每一个上将购买多少能量以在负荷转移和甩负荷之后覆盖用户的负荷需求。

Description

电力网中的需求调整
相关申请的交叉引用
本申请要求2013年3月7日以RodrigoCarrasco、loannisAkrotirianakis和AmitChakraborty的名义提交的题为“RobustDemandShapingthroughLoadSheddingandLoadShiftingwithaTwo-LevelMarket”的临时美国专利申请序号61/773,996的权益，该申请的公开在此也被通过引用结合到本文中。
技术领域
本发明涉及电力网中的电流的控制。更特别地，本发明涉及智能电力网（或电网）的控制。
背景技术
电力网正在经历重要改变。首先，引入新的发电厂并扩大电网变得更加昂贵和复杂。其次，更加可更新功率源（其具有高得多的输出变化）的引入将使得甚至更加难以控制和预测系统的状态。在这种环境中，其中不仅发射能量而且发射数据的智能电网看起来是方向正确的解决方案，因为其向在电力网的各种方面中涉及到的所有的各方给予进一步控制：生成、传输、分配以及消耗。智能电网是我们当前电网的演进，并承诺将解决当前限制中的许多，比如以较高的变化性来管理资源及增加安全性和可靠性。但是为了适当地使用智能电网，需要落实新的机制和过程以控制能量流动并实现承诺的目标。在最至关重要的一些之中是需求调整机制，因为其允许电网运营商对需求进行控制和调整，降低成本和峰值对平均值消耗以及增加可靠性并更好地控制断电和节电。
当前智能电网方法和相关工作一般地可组织成两大类：需求响应（DR）方法和/或电网/市场建模。在文献中已经提出了用于需求响应的多个不同方法。在M.Albadi和E.El-Saadany在PowerEngineeringSociety（2007），pp.1—5中的题为“Demandresponseinelectricitymarkets:Anoverview”的文章中及在ElectricPowerSystemsResearch78，No.11（Nov.2008），pp.1989—1996中的题为“Asummaryofdemandresponseinelectricitymarkets”的其后续文章中提出了不同DR方法的良好概括。在J.-H.Kim和A.Shcherbakova在Energy36，No.2（Feb.2011），pp.873—880中的题为“Commonfailuresofdemandresponse”的文章中可以找到DR方法结果的另外的令人感兴趣的来源，其中，作者列出了完成的多个实现和试验以及其已观察到的缺点，揭示了哪些方法对于控制需求水平而言更好。
需求响应方法的最简单方法是直接控制，其基本上使用在英国实现的动态需求的思想。该方法的详细阐述示例出现在G.Tejeda和A.Cipriano在PredictiveControl（2012）中的题为“DirectLoadControlofHVACsystemsusingHybridModel”的文章中，其中，作者直接地控制HVAC（加热、通风和空调）负荷。其方法来自于控制理论观点，但是，如果针对其它经济量改变目标函数，则可以出于电力网的目的而实现使期望度量（比如发电成本或峰值对平均值比（PAR））最小化的控制系统。
就基于价格/刺激机制而言，在需求响应中存在三个主要方法。第一个集中于如L.Chen、N.Li、S.H.Low和J.C.Doyle在2010FirstIEEEInternationalConferenceonSmartGridCommunications,(Oct.2010),pp.397-402,IEEE中的题为“TwoMarketModelsforDemandResponseinPowerNetworks”的文章中所示的需求甩掉（demandshedding）。在这种方法中，用户将甩掉其需求的一部分，并且该甩掉的水平取决于由电力公司（generator）或公用事业公司提供的价格。因此，上文提到的文章的结果指向如何计算均衡价格，使得可以甩掉需求的已知量d。作者认为用户随着价格线性地甩掉需求，这对于d的小的值而言可能正确，但是随着d增加，其模型当然将不工作。
第二个方法是需求—源平衡。这种方法确保需求适于当前发电水平，在存在比如风或太阳之类的可变能源的情况下尤其重要的事物。在文献中提出了多个不同的方法（例如，
在A.D.Dominguez-Garcia和C.N.Hadjicostis在DecisionandControl（2011），pp.27—32中的题为“Distributedalgorithmsforcontrolofdemandresponseanddistributedenergyresources”的文章中；
在P.Loiseau、G.Schwartz和J.Musacchio在NetworkGames,ControlandOptimization,No.2,(2011)pp.1-8中的题为“Congestionpricingusingaraffle-basedscheme”的文章中；
在A.-H.Mohsenian-Rad、V.W.S.Wong、J.Jatskevich、R.Schober以及A.Leongarcia在IEEETransactionsonSmartGrid1,No.3(Dec.2010),pp.320-331中的题为“AutonomousDemand-SideManagementBasedonGame-TheoreticEnergyConsumptionSchedulingfortheFutureSmartGrid”的文章中；以及
在F.Partovl、M.Nikzad、B.Mozafari以及A.M.Ranjbar在Energy36,No.5(May2011),pp.3130-3137中的题为“Astochasticsecurityapproachtoenergyandspinningreserveschedulingconsideringdemandresponseprogram”的文章中）。最令人感兴趣的方法中的一个是由上文的Mohsenian-Rad等人的文章提出的方法，因为作者得出可以以使发电成本最小化为目标在给定发电输出的情况下平衡需求水平的分布式方法。
第三种主要需求响应方法是需求转移。这是最直接地与需求调整的问题有关的方法，因为在这种情况下用户同意根据公用事业公司的价格信号在时间方面转移其负荷。这种方法的示例出现在M.Kraning、E.Chu、J.Lavaei、S.Boyd以及W.D.April的题为“MessagePassingforDynamicNetworkEnergyManagement”（2012）的文章中，其中，用户针对其不同的设备（比如，洗衣机、电动车辆等）给出其偏好和限制，并且然后通过分布式算法定义需求水平以实现某个控制目标。这种方法的主要问题是其并不是诚实的（即用户可以通过不显示其真实要求来欺骗系统并因此获得在社会最佳条件之上的益处）。并且，在用户必须共享的信息方面存在某些隐私关注。尽管如此，其仍是用以看到如何可以将负荷来回转移的非常令人感兴趣的方法。
与方法方面更加有关的，一个文章（由W.Chen、D.Huang、A.A.Kulkarni、J.Unnikrishnan、Q.Zhu、P.Mehta、S.Meyn以及A.Wierman在Proceedingsofthe48thIEEEConferenceonDecisionandControl(CDC),(Dec.2009),pp.3575-3580中的题为“Approximatedynamicprogrammingusingfluidanddiffusionapproximationswithapplicationstopowermanagement”）讨论了可以用来计算复杂模型的最佳解的一个方法。如果存在找到平衡点或价格值的需要且尤其是如果存在对使用随机模型来表示系统的聚集，则这种方法可能是令人感兴趣的。
文献还讨论了如何对电力网进行建模和更重要地如何对通过电网工作的市场进行建模或找到用于该市场的解。重要的是记住此市场基本上在三个层级中工作：长期市场、日前市场以及实时市场。在长期市场中，电力公司和大的消费者或公用事业公司针对前面的许多星期、月或者甚至年而签署用于电力输送的协议。然后，在日前市场中，公用事业公司购买在给定其针对次日具有的更好得多的预测以及所需预留的情况下其可能需要的无论任何附加能量。第三种市场是实时市场或现货市场，其在实际实时需求之前5至10分钟之间，并且其被用来精确地匹配该需求。
在一个文章中，作者在解决需求调整的当前问题的同时突出强调未来电网将具有的困难，这是重要的，因为未来智能电网的新的度量的某些可能是令人感兴趣的（参见M.Negrete-Pincetic和S.Meyn的在pp.1—8的题为“IntelligencebyDesignfortheEntropicGrid”的文章）。用于能源市场的最令人感兴趣且有用的模型中的一个是在L-K.Cho和S.P.Meyn在TheoreticalEconomics5,No.2(2010),pp.215-239中的题为“Efficiencyandmarginalcostpricingindynamiccompetitivemarketswithfriction”的文献中开发的模型，其中，作者将一般模型公式化，并且能够在给定某些简单化的情况下计算平衡点。此文献的主要要点（takeaway）是通过向市场模型添加摩擦（其看起来是由于由电力公司给出的斜坡向上约束），现在以与在实际能源市场中观察到的那些类似的价格变化性来实现解决方案是可能的。这是关键点，因为在本领域中的大多数其它论文中的第一步是通过消除斜坡向上要求来简化模型，并且因此那些结果可能远离现实。在后续的论文中，相应的作者进一步用附加部件来分析其模型，诸如可变能源（参见S.Meyn、M.Negrete-Pincetic、G.Wang、A.Kowli以及E.Hafieepoorfard在49thIEEEConferenceonDecisionandControl(CDC),(Dec.2010),pp.1029-1036中的题为“Thevalueofvolatileresourcesinelectricitymarkets”的论文；
G.Wang、A.Kowli、M.Negrete-Pincetic、E.Shafreepoorfard和S.Meyn在InIFAC,(2011)中的题为“AControlTheoristsPerspectiveonDynamicCompetitiveEquilibriainElectricityMarkets”的论文；以及G.Wang、M.Negrete-Pincetic、A.Kowli、S.Meyn以及U.V.Shanbhag在InControlandOptimizationTheoryJorElectricSmartGrids,2011,pp.1-28中的题为“DynamicCompetitiveEquilibriainElectricityMarkets”的论文）。这些是非常令人感兴趣的结果，因为考虑到能量的需求和产生两者是随机的过程，其能够对系统进行建模，这对于其它方法而言是有用的。另一文章在系统可靠性方面对系统进行分析，其是也可能令人感兴趣的事物（参见M.Chen、L-K.Cho以及S.P.Meyn在Automatica42,No.8(Aug.2006),pp.1267-1281中的题为“Reliabilitybydesignindistributedpowertransmissionnetworks”的文章）。
在S.Worgin、B.F.Hobbs、D.Ralph、E.Centeno以及J.Barquin在pp.1—36中的题为“Openversusclosedloopcapacityequilibriainelectricitymarketsunderperfectandoligopolisticcompetition”的文章中给出了用于对此市场进行建模的另一方法，其中，作者不仅分析完美竞争背景，而且分析少数卖主垄断背景，其中能量生产者并不是价格接受者，如在文献的其余部分的大部分中那样。
最后，在J.Nair、S.Adlakha以及A.Wierman在2012年的题为“EnergyProcurementStrategiesinthePresenceofIntermittentSources”的文章中可以找到如何向能源市场模型添加可变源。此文章中的最令人感兴趣的结果是其如何能够在能源具有高变化性时计算取得（procurement）策略，而同时能够对能源市场的三个层级进行建模。其通过针对不同市场中的每一个向预测添加误差来做这个，其对于其它预测方法而言可以是有用的。
发明内容
本发明消除了上述问题，其提供了一种用于控制电力网中的能量流动的方法，包括获得用于电网用户的最佳甩负荷简档（profile）；获得用于用户的最佳计费结构和最佳负荷转移简档；重复获得最佳甩负荷简档及获得最佳计费结构和最佳负荷转移简档的步骤直至实现收敛为止；以及基于所述最佳甩负荷简档、最佳计费结构以及最佳负荷转移简档来控制用户的能量消耗。获得最佳甩负荷简档的步骤可以利用用于电网的每个用户的已知计费结构和已知负荷转移简档。在这种情况下，获得最佳甩负荷简档的步骤可以在没有电网的每个用户的负荷偏好的速递信息的情况下执行。获得最佳甩负荷简档及获得最佳计费结构和最佳负荷转移简档的步骤中的每一个可以是鲁棒的（robust）凸优化问题的解。
本发明还提供了一种用于智能电力网中的通过甩负荷和负荷转移进行需求调整的方法，包括直接地控制用户的负荷以对用户的负荷需求的一部分进行时间转移；向用户提供能量购买价格刺激以控制用户的负荷需求的甩掉部分的水平；以及确定在日前市场和实时市场中的每一个上将购买多少能量以在负荷转移和甩负荷之后覆盖用户的负荷需求。直接地控制用户的负荷的步骤可包括计算用户的最佳负荷转移简档。在这种情况下，计算用户的最佳负荷转移简档的步骤可包括利用鲁棒优化问题，其考虑到用户负荷需求水平和能量购买价格是未知的随机过程。向用户提供能量价格刺激的步骤可包括计算用户的最佳甩负荷简档。在这种情况下，计算用户的最佳甩负荷简档的步骤可包括利用鲁棒优化问题，其考虑到用户负荷需求水平和能量购买价格是未知的随机过程。
本发明还可提供一种控制电力网的用户的能量需求的方法，包括确定甩掉的用户能量需求的最佳量和实现所述最佳量所需的价格刺激；确定计费结构和要进行时间转移的用户能量需求的最佳量；
重复第一和第二方法步骤直至实现平衡为止；以及基于要甩掉的用户能量需求的所确定最佳量、实现所述最佳量所需的价格刺激、计费结构以及要进行时间转移的用户能量需求的最佳量来控制用户的能量需求。确定要甩掉的用户能量需求的最佳量的步骤可包括使用用于可转移负荷的已知计费结构和已知用户消耗来对优化问题进行公式化和求解。在这种情况下，公式化和求解的步骤可包括在能量价格刺激由除网络运营商之外的一方设定的情况下利用标准凸优化技术来对优化问题求解。替换地，公式化和求解的步骤可包括在能量价格刺激由网络运营商设定的情况下针对用户设定报价并用对甩负荷的用户偏好对优化问题进行重新公式化且对重新公式化优化问题进行求解。确定计费结构和要进行时间转移的用户能量需求的最佳量的步骤可包括基于用于计算要甩掉的用户能量需求的最佳量的结果和实现所述最佳量所需的价格刺激来对优化问题进行公式化和求解。在这种情况下，公式化和求解的步骤可包括使用固定实用率针对用户可转移加可甩掉负荷和用户不可移动负荷中的每一个对相应的计费结构进行公式化和求解。此外，对相应的计费结构进行公式化和求解的步骤可包括对优化问题进行重新公式化并对重新公式化的优化问题进行求解以获得要进行时间转移的用户能量需求的最佳量。
本发明还可提供一种用于电力网的控制系统，包括通过以迭代方式来确定电购买价格和计费结构以实现平衡且通过在给定所确定电购买价格和计费结构的情况下确定用于每个用户的电需求的分配而调整用户的电需求的控制器。
本发明还可提供一种智能电力网，其向用户提供电并在其各种部件之间传送数据以控制电的流量，包括适于通过同时地转移和甩掉用户电需求且通过从具有日前市场（DAM）和实时市场（RTM）的两级市场取得提供给用户的电来调整用户电需求的控制系统。
有利地，本发明向公用事业公司提供了一种新的机制，以给予对功率流的进一步控制、允许其调整用户需求以便使取得该能量的成本最小化。
附图说明
为了更好地理解本发明，参考其示例性实施例的以下描述以及附图，在所述附图中：
图1是智能电力网的框图（简化）；
图2是根据本发明实现的控制方法的示意性表示；
图3a示出了用于用户的每月需求分布的合成数据的直方图；
图3b示出了用于用户的每小时需求分布的合成数据的直方图；
图3c示出了用于多个用户的周中的单日和单小时需求分布的合成数据的直方图；
图3d示出了用于用户的与经验数据的合成数据需求分布比较（周中的同日和小时）；
图3e是用于一日的用于每个用户集群的模拟平均用户需求的图；
图3f是用于用户集群的可转移、可甩掉以及不可移动需求的图；
图3g示出了同一用户集群中的两个用户之间的需求模式比较（同一日中的可转移、可甩掉以及不可移动需求）；
图3h是用于单日的示例性DAM和RTM能量取得成本的图；
图3i是与图2的方法的模拟比较中的基础情况所使用的合成需求模式（可转移、可甩掉以及不可移动需求）的图；
图3j是与图2的方法的模拟比较中的基础情况所使用的DAM和RTM能量取得成本的图；
图3k是在与基础情况的模拟比较中从图2的方法的使用得到的需求简档的图；以及
图3l是在与基础情况的模拟比较中从图2的方法的使用得到的取得策略的图。
具体实施方式
图1是进行操作以提供各种网络10部件之中的智能控制和双向通信的典型智能电力网10（简化）的框图。网络10包括（多个）发电站12，其从能源、诸如可再生能源（例如，水、风等）或不可再生能源（例如，煤、天然气等）生成电/电力。发电站12可以以许多方式配置，并且可利用各种能源的组合。发电站12还可利用被储存供以后使用的能量。网络10还包括传输系统14，其将生成的电力转换成高压电力（经由传输变电站14a）并在长距离内（经由电传输线14b）将高压电力传输到配电系统16。配电系统16（经由变电站16a）将高压电力转换成处于不同较低电压下的电力，并将这些较低电压功率流在多个方向上分离或分配开。配电系统16还可调制和调节较低电压功率流。最后，配电系统16将分配的电力（经由配电线16b）传输给电消费者或用户18。用户18通常被分类为住宅用户18a、商业用户18b以及工业用户18c。在许多位置上，生成电的实体与在本地分配电的实体（诸如本地公用事业公司）分开，使得还可将本地经销商（具有其关联配电系统16）分类为用户，虽然不是最终或终端用户（或客户）。在某些网络10配置中，配电系统16还可将分配的电力传输到次级配电系统（未示出），其进一步将电分配给最终或终端用户18。
网络10部件中的每一个将包括并利用进行操作以实现网络10的“智能”功能的适当设备（例如，传感器、控制器、计算机、自动化、智能仪表等）。网络10还包括操作中心20，其允许各种网络10部件和总体网络10的智能管理和控制。操作中心20包括将连接到各种网络10部件以用于收集并作用于信息的双向通信网络22。操作中心20还包括将除其它功能之外还提供监视、报告、监督以及智能功能以用于管理和控制各种网络10部件和总体网络10的计算机系统24。
网络10的各种部件是被很好地理解的智能电网部件。然而，操作中心20的计算机系统24也适于允许网络10进行操作并实现根据本发明的方法。图2是根据本发明实现的控制方法100的示意性表示。
如下面将更详细地解释的，控制方法100是两步迭代过程。在第一步骤中，通过假设用于每个用户/客户的已知计费结构和负荷转移简档来对甩负荷问题求解。这是在并不明确地知道每个用户的偏好的情况下完成的，但是仍得到对于该用户而言最佳的解。第二步骤使用此结果来找到最佳计费结构和负荷转移简档。方法100在这两个步骤之间迭代，降低每个步骤处的解的成本并因此得到最优性。作为对复杂优化问题求解的替代，方法100将问题分解成两个更简单的鲁棒凸优化问题，其甚至可以以分布式方式来求解，因此降低了数据传输和处理要求。
如下描述用于本发明的方法和系统的框架，包括上述控制方法100。目的是构建一种机制，其中公用事业公司在给定其可以从市场中的电力公司取得的能量的情况下具有对其最终客户的能量消耗的一部分的直接控制。本发明考虑到公用事业公司具有用以控制能量需求的两个工具：需求转移和需求甩掉，并且此外，其取得其从具有日前市场（DAM）和实时市场（RTM）的两级市场输送的能量。当前，不存在同时地涉及到两个不同的机制以调整需求的方法或系统，也不存在计及两级市场中的能量取得的方法或系统。
在对需求模型进行公式化时，本发明假设公用事业公司可以监视和控制每个单独客户或客户集群，并且这些客户可以分三个不同的群组将其能量消耗分类：可以被甩掉的负荷、可以被转移的负荷以及既不能被甩掉也不能被转移的负荷，即不可移动负荷。虽然将不同客户的设备中的每一个的消耗分配给单个负荷类别听起来是合理的，但重要的是注意到存在其中情况并非如此的许多情况。例如，采取空调（A/C）单元的能量消耗。A/C单元给予最低舒适水平所需的能量消耗水平可以被分类为不可移动负荷，而达到客户期望的当前温度所需的附加负荷可以被分类为可甩掉负荷。本发明还假设公用事业公司想要优化的时间窗可以被划分成T个相等大小的时间步，并且在不失一般性的情况下，将T假设为一天。
继续该模型，在且的情况下，使qit表示时间步t下的用户i的总负荷；并且因此，表示用于那一天的用于用户i的总需求简档。在每个时间步幅t下，用户i的需求由可甩掉需求、可转移需求以及不可甩掉、不可转移需求构成，即。
如上所述，可甩掉需求是公用事业公司可以甩掉的用户的需求的一部分，使得用户招致个人价值损失。例如，减少被用来对区域进行照明的灯的数目或者增加A/C单元的目标温度将使总消耗下降，给用户带来一定水平的不舒适。在所有这些情况下，需求未被转移/推迟到不同的时间。
因此，让yit表示在时间t下用户i甩掉的负荷的量，并且yi表示用于用户i的甩掉简档矢量。假定在时间步t处，用户i具有的可甩掉负荷（即，可甩掉负荷的最大量），则其遵循。另外，使表示用于用户i的用于甩掉负荷的不舒适成本，其中。为了激励此甩掉，公用事业公司针对每单位的负荷甩掉在时间步t下向用户i给予的补偿。给定每单位负荷的刺激，用户i将决定甩掉量，其中。在上文引用的L.Chen、N.Li、S.H.Low和J.C.Doyle的文章中，作者使用类似的模型，其中，其假设不舒适函数是连续、递增的严格凸函数，其中，并且甩掉函数具有形式，其中，ai是用户相关参数。
如上所述，可转移需求是可以在该天期间被转移的客户的需求的一部分。比如洗衣机、洗碟机以及充电电动车辆之类的项目落入在此类中，因为在该天中存在用于使用这些机器的时间窗并且不是单个特定点。所有这些设备可以在T时间步窗口内的某个间隔中被使用。由于可转移需求不能被甩掉，所以用于用户i的总可转移需求具有固定值。可转移需求由m个不同设备的消耗要求组成，其中，在时间t下的用户i的设备j的消耗由给定，并且该设备的时间简档由表示。因此，在任何给定时间点，用户i的总消耗由给定。
设备的总消耗将是由表示的给定值，在任何给定时间步t下具有的最大值和的最小值。针对每个设备j，用户i设定其中用户i要求设备运行的时间窗。例如，电动车辆可以在10:00p.m.与7:00a.m.之间的任何点处充电达3小时。这也意味着，。在上文引用的A.-H.Mohsenian-Rad等人的文章中，作者将类似模型用于转移用户负荷以实现需求响应。其还针对添加最小备用要求，但是由于其可以被视为不可移动消耗，所以本结构将其添加到，并且在中仅保持可转移部分。
如其名称所暗示的，不可移动需求是不能被修改或者未被提前编程的需求的一部分。用户在该特定时间要求该能量的量。其示例是最低可行温度背景下的冰箱的需求或者A/C单元中的开启位置。假定其能量消耗不一定是提前已知的，可以将视为随机过程。此外，可以假设用户或者至少其智能仪表在时段开始时具有针对整个时间窗的不可移动需求的某些预测。使用上文引用的S.Meyn、M.Negrete-Pincetic、G.Wang、A.Kowli以及E.Hafieepoorfard的文章中的思想，仪表的预测与实际静态消耗之间的误差、即可以被建模为具有方差的无漂移布朗运动。
需求模型还处理计费系统。在时间步t下，用户i被公用事业公司以量开帐单，其中。为了激励客户将其需求的一部分设定为可转移或可甩掉需求，用不同的计费结构对这些负荷进行收费。
其中。由于公用事业公司将能够直接地控制这些负荷，所以假设计费结构并不取决于t，即，（是表示“给予任何”或“用于全部”的全称量词）。
在对取得模型进行公式化时，公用事业公司必须能够在每个时间步t下满足总需求，并且因此输送需求简档Q=[Q1…QT]。公用事业公司通过从由其购买被在实际需求前面一天被关闭的日前市场（DAM）以及接近于实时地结算的实时市场（RTM）构成的两级市场取得此能量来满足此需求。这两个市场中的价格可以明显不同。使具有的表示从DAM取得能量并在时间t下输送以满足Qt的需求的总成本。类似地，使具有的表示从RTM取得能量并在时间t下输送以满足Qt的需求的总成本。一般地，我们可以假设，其中是公用事业公司已知的，并且是表示RTM示出的价格变化的未知随机过程。
在上述结构内，存在可以处理的对于公用事业公司而言感兴趣的多个不同问题。第一个是成本/收益问题。给定取得和输送负荷的成本和、计费结构和、、t和每单位负荷的刺激价格，，什么是使公用事业公司的收益最大化并满足需求的最佳负荷输送。这类似于在A.-H.Mohsenian-Rad等人和L.Chen、N.Li、S.H.Low和J.C.Doyle的文章中提出的问题，其中，计费结构是给定的，并且作者对计算使收益最大化的需求模式Q感兴趣。
另一个是PAR问题，该问题寻求使用以输送峰值能量的资产要求最小化，其可以通过使峰值对平均值比（PAR）最小化来实现。可以如下写出此问题（等式1）：
其中，（在等式1的第三行中）表示公用事业公司针对次日具有的不可移动需求的预测。此问题还可以作为鲁棒优化问题提出，考虑用于每个用户的预测的误差。
更复杂的问题是在给定能量成本、计费结构以及刺激价格的情况下计算以最低成本实现需求简档的解。这是需求调整问题。针对给定误差参数Δ，可以如下写出此问题（等式2）：
本发明主要集中于成本/收益问题。目的是计算用于可转移需求和可甩掉需求的最佳调度表，使得在给定成本、计费以及价格刺激结构的情况下，收益被最大化。本发明针对此问题采取多个要求。一个要求是公平性。具体地，计费结构必须是公平的。如果两个客户在相同的时间消耗相同的量，则其应接收到的帐单不应不同，即使其使用效用函数可能不同。这意味着且，。类似地，如果两个用户被请求在相同时间段t甩掉相同量的需求，则其接收到的支付应是相同的，亦即，。另一要求是比例性。本发明假设客户消耗的能量越多，计费价格应越大，亦即，如果，则。此外，本发明假设比例性，亦即。这对于小的消费者/家庭而言当然是证明合理的，而对于由于峰值消耗、负荷因素及其它因素而支付附加费用的较大工业消费者而言其可能并不正确。其也适用于。
另一要求是正收益。本发明假设用于输送所需需求Q的收益是正的，亦即。另一要求涉及取得。使表示DAM中的用户i的不可移动需求的最佳取得。本发明假设能量取得是以以下方式完成的。由于公用事业公司先验地知道可转移需求和可甩掉需求（和）和不可移动需求的最佳取得，所以假设其在DAM中购买总需求，并且其具有用以将该总需求输送给最终用户的的成本。购买能量与实际不可移动需求之间的差是在RTM中购买的，并且其具有的总输送成本。请注意，此结构还可以计及运转备用（spinningreserve）（即，在线但空载且可以快速地进行响应以补偿生成或传输停止的发电容量）。这是通过在DAM中不仅购买、而且购买而完成的，其中，ε表示作为运转备用而购买的附加部分。然后，取得能量的总成本将由给出。
另一要求涉及甩掉函数。大部分当前文献定义了简单甩掉函数，因为其显著地简化分析。例如，在A.-H.Mohsenian-Rad等人的文章中，作者使用，其中，ai是用户相关参数，并且然后继续计算使用户的收益最大化的ai。这种方法存在两个主要问题。首先，每当价格被给定时，用户正在改变其偏好，并且其次，已经知道用户具有不舒适成本，其可以用来找到将使用户的收益最大化的最佳负荷。因此，作为针对甩掉函数使用简化的替代，本发明对用户的优化问题求解以找到要甩掉的最佳负荷。
在假设这些要求的情况下，本发明以下面的方式解决成本/收益问题。为了简单起见，使 和。类似地，使且。藉此，用于公用事业公司的优化问题变成如下（等式3）：
此优化问题假设RTM中的实际取得成本和实际不可移动需求是先验地已知的。由于情况很少如此，所以使用鲁棒优化方法来计算最佳解。鲁棒优化公式化背后的思想是不考虑随机变量的单个期望值，而是考虑该方法需要从其覆盖所述解的可能值的整个集合。然后由其中认为将包括随机变量的不确定性集合的大小来控制解中的鲁棒性的量。
假定在上述优化问题（等式3）中存在两个主要随机变量，则优化问题可以以两个不同的方式具有鲁棒性。首先，可以存在取得成本方面的鲁棒性。可以将RTM价格视为随机过程，因此，该问题变成在假定在RTM中的价格中存在不确定性的情况下要在DAM中购买多少能量。在这种情况下，不确定集合（用符号表示为缮写的C）
对于
将表示公用事业公司在次日期间的时间步t下在RTM中将获得的可能成本函数。其次，可以存在消费水平方面的鲁棒性。通过考虑不可移动需求背后的随机过程而实现第二鲁棒优化公式化。在这种情况下，
对于
表示用于不可移动需求的不确定性集合（用符号表示为缮写的Q）。添加需求在某个凸集内的约束，并且计算用于在该集合内的所有需求的最佳解。
当取得成本和消费为未知时，可以将两个设定组合，并且可以计算最佳解。这可能导致非常保守的解，因为该公式化计及不确定性的两个来源。然后通过下面（等式4）给出完全鲁棒的问题公式化：
上面问题（等式4）中的鲁棒性水平以及因此该解有多保守将取决于不确定性集合
和
一般地，这些不确定性集合可以是方框，其基本上向优化模型添加一组方框约束，或者是椭圆体。方框约束的主要优点是其实现的容易性，因为大多数时间其被转换成用于每个变量的区间约束。缺点是方框的拐角使得该解过于保守，因为其与侧边相比离方框的中心更远得多。另一方面，椭圆体集合给出更好的解，并且并未遭受过度保守。缺点是其更加难以实现，因为其并不是线性的，并且如果期望线性模型的话，只能被近似。
考虑上文详述的成本/收益问题，还存在设计将确定计费结构和价格刺激结构的机制的需要，使得整个系统实现平衡。也就是说，给定用此机制计算的结构，公用事业公司所获得的最佳解将不向最终客户给予刺激以改变其解或进行欺骗。
作为单独问题，为了理解最终客户的目的将是什么，必须提出其看到的优化问题。在时间步t下，用户i被公用事业公司以量开帐单，并且每单位负荷甩掉被支付，因此，用户将对以下优化问题（等式5）求解
总而言之，成本/收益问题具有需要解决的两个基本部分。一个部分是必须计算实现某个平衡的价格和计费结构，并且在第二部分中，必须计算在给定这些价格和计费结构的情况下的用于每个用户的需求的分配。控制方法100通过执行两步过程来对此问题求解，该两步过程在计算计费结构和计算价格刺激之间重复以实现平衡。
为了分析如何对在等式4中提出的此问题的一般版本求解，指出了附加结构。首先，假设一般计费结构对于所有t而言是线性的，亦即和，其中，和以及是恒量。虽然对于大型工业消费者而言情况并非如此，但大多数住宅家庭确实具有线性计费成本。如上所述，由于公用事业公司对可转移需求和可甩掉需求具有直接控制，所以假设用于这些需求的计费结构对于所有t而言在当天自始至终是恒定的，即。
方法100包括解决价格刺激和甩掉计算的第一步骤102。此第一步骤102的目的是计算要甩掉的需求的最佳量和要这样做所需的价格刺激。假设对于所有t而言已知计费结构以及用于可转移负荷的解X。用这些假设，并且给定，公用事业公司的问题（由等式4给出）简化成下式（等式6）：
，其在t中是可分离的；因此，对于每个时间步t而言，需要对以下优化问题求解（步骤104）（等式7）：
在价格刺激被在外部（例如，由政府规章、合同等）设定且公用事业公司可以直接地甩掉负荷的背景下，可以使用标准凸优化技术对此优化问题求解（步骤104a），并且方法100可以移动到步骤110以用于计费和转移计算。
在公用事业公司必须设定价格使得最终用户被鼓励甩掉其负荷的背景下，公用事业公司不具有对负荷的直接控制，并且只能设定报价，使得用户处的相应的预先编程智能仪表取决于用户的偏好和损耗函数来进行要甩掉什么负荷量的判定（步骤104b）。从用户的观点出发，给定计费结构、用于可转移负荷的解以及价格刺激，用于每个时间步t的优化问题由下式（等式8）给出：
，一旦是已知的，其容易地可求解。如果假设是连续、递增且可微分的，则用于此用户优化问题（等式8）的解由下式（等式9）给出：
这计算在每个时间步t下的用于每个用户i的的最佳值，并且因此可以将其视为在时间t下的用于用户i的甩掉函数。使，则由下式（步骤104b）（等式10）给出用于每个时间步t的公用事业公司的问题：
如果是已知的，则这可以再次被直接地求解，虽然不再存在该问题是凸的的保证，因为可能不是凸的。知道是限制性假设，因为其暗示所有用户损耗函数是已知的（其具有重要的隐私关注）或者可以通过向用户的智能仪表发送价格信息来恢复（其可能是数据密集操作，但经常是并不必须完成）。
用于计费和转移计算的第二步骤110使用来自前一步骤102的结果，即p(d)和yi，并计算计费结构Bt以及用于可转移负荷的需求调度表xij，，j。由于p(d)和yi、是已知的，所以公用事业公司的问题被简化成下式（步骤112）：
存在用以对如在等式11中提出的问题的问题求解的两个主要方法。一个是采取用于每个用户的效用函数，其将使能量消耗与消耗该能量的价格相关，并且因此控制计费。这个方法的问题实际上是其非常难以恢复或者甚至估计这些效用函数。另一个依赖于这样的事实，即由于电市场是被高度管制的，所以在许多情况下，给最终用户的计费成本也被管制，并且保持在一定的值内。方法100利用第二个方法，并且假设实用率（用符号表示为带钩的希腊字母宇普西隆（upsilon）且如在下面等式12、14和15中看到的）是固定的。后者类似于A.-H.Mohsenian-Rad等人的文章，但是不同于此先前工作，方法100分别地针对可转移加可甩掉负荷和不可移动负荷保持该比。因此，公式化如下：
，其中第二个等式是针对所有的t，并且
使用等式12和13，可如下将相应的计费结构公式化（步骤114a）：
以及
。
请注意，可以在不知道用于的最佳解的情况下计算的值，因为只需要，其是已知且恒定的。另一方面，直到实现不可移动需求才能计算；但是，由于并未受到的影响，所以我们可以通过对下式求解来计算最佳可转移需求（步骤114b）：
在解决了此问题的情况下，方法100返回到价格刺激和甩掉步骤102并重复所有方法100步骤直至实现收敛为止（步骤130）。重要的是方法100以集中式方式解决此问题（不同于由A.-H.Mohsenian-Rad等人的文章提出的分布式方式）。
从取得观点出发，方法100考虑公用事业公司从其购买覆盖需求所需的能量的两级市场。其次，不同于先前的工作，方法100将该需求水平考虑在内，并且取得价格事实上是未知的随机过程。方法100通过鲁棒优化来调节（accomodate）这些因素。最后，方法100同时地使用需求甩掉和需求转移作为根据所需目标来调整需求的手段。虽然识别了在本发明的结构中可以解决的三个不同问题，但方法100集中于收益优化问题，其对于公用事业公司而言是最重要的一个。
在使用随机生成数据的模拟中，已针对不使用控制方法的结果来比较使用控制方法100的结果。下面描述测试程序。
在该模拟中，针对每个用户/客户随机地生成合成数据。为了获得有用且更实际的需求模式，使用家庭消费数据作为种子来生成用于用户/客户的合成数据。使用用于六（6）个不同用户的十八（18）个月的每小时数据来计算稍后将生成随机实例的种子。为了定义种子的类型，以多个不同的方式在统计上分析数据。图3a和3b示出了两个不同示例。在图3a中，针对每个月针对每个用户将每小时消费数据分组并计算其分布，并且呈现为竖直直方图，每个月一个。类似地，图3b示出了针对该天中的每个小时针对该周中的单天（在这种情况下，星期二）将单个用户的数据分组的结果，并呈现为垂直直方图。应注意的是取决于日间时而存在消费模式方面的显著变化，其也取决于周中日而改变。
通过按周中日和小时将需求分组，在恢复需求分布的细节与具有足以具有有意义的经验分布的数据点之间获得良好的平衡，因为例如添加月将仅留下用于每个组的4或5个数据点，其不能给出足够的信息。
如图3c所示，还应注意的是在原始数据方面在不同用户之间存在差异，然而在给定的低样本量的情况下其难以确定。仍假设每个用户表示用户的某个集群的平均或典型分布，并且这被用作种子以生成具有不同集群之间的混合的用户群体。
使用此信息作为种子，可以针对包含在原始数据中识别的六（6）个不同用户的混合体的群体而生成用于任何单个周中日的每小时需求模式。这可以通过以以下方式生成均匀分布随机变量来完成。使表示根据原始数据计算的周中日和时间的集群中的用户的需求z的经验概率质量函数，并且使表示其累积分布函数。然后，给定用于集群U的每个用户/客户的周中日D，生成二十四（24）个均匀分布随机变量并将在时间t的该用户i的需求设定成等于，使得为具有概率质量函数的随机变量。
虽然这个方法实现起来简单并允许非常快速地在百万用户范围内的生成，但其具有缺点，即用户的需求将是独立的，这在现实生活中并非如此，因为在用户之间存在能量需求的正相关。用以生成相关随机变量的过程更加复杂，并且要求定义用于用户的方差-协方差矩阵，由于测试程序中的物理存储器要求而限制可以模拟的最终用户的数目。当前实施方式可以生成多达5,000个用户/客户，主要受到模拟计算机的RAM的限制。在这种情况下，当生成实例时，随机地创建对称的正定矩阵，其对于正被模拟的群体内的每个集群而言在变量之中仅具有正相关因数S。
重要的是注意到最终生成的随机变量（亦即）将不一定使S作为其方差-协方差矩阵，因为不能保持相关，但是其用作足够简单且良好的代理以使用于集群的用户的模拟需求模式正相关。并且，应注意的是由于相关性，在某个周中日d和小时t中的集群u的所有用户的需求的分布将不遵循相应分布。但是，如图3d中所示，如果采取用于同一周中日和小时的同一用户的多个样本，则用于该用户的最终分布（底部图）将与经验分布（顶部图）相同，正如预期的那样。
图3e示出了用于每个集群和用于一整天的模拟平均用户需求。最后，针对每个用户，需要存在在该日模拟中的每个时间的该需求的什么部分可转移、可甩掉或不可移动的模拟。因为那些模式可能从一个用户到另一个不同，所以仅针对用户的每个集群设定每个类型的需求的相对权重，并且使用该相对权重作为种子，生成用于每个最终用户的比例。
图3f示出了指示哪个部分被视为可转移、可甩掉或者不可移动的用于集群4的总聚合需求。为了示出此集群内的每个用户实际上具有其自己的随机生成需求，图3g示出了集群4的用户内的两个不同用户的每日需求模式，示出了虽然其是不同的，但是其确实具有一定的相关性；然而，可转移、可甩掉以及不可移动需求的比例在用户之间是完全随机的。
在该模拟中，用以测试方法100的另一重要变量是能量取得成本。该模拟使用来自德克萨斯州电力可靠性协会网站（http://www.ercot.com）的数据、具体地休斯顿价格来模拟DAM和RTM价格。使用两个月的价格数据，并且使用用于在其中完成模拟的相应周中日的平均值。DAM价格是每小时给定的，但是假定以15分钟的分辨率来提供RTM价格，用于该小时的最高价格被用作将捕捉最坏情况情形的每小时数据。图3h示出了用于星期五的DAM和RTM价格的示例。
在模拟中，将方法100输出与基础情况相比较以便分析由方法100给出的解有多好。作为基础情况，该模拟考虑其中公用事业公司不具有对其用户的需求的控制且将仅仅使用用于次日的总能量消耗的预测来在DAM中购买能量且然后在RTM中购买相比于预测的事物而言其要求的无论任何额外能量的背景。因为性能将取决于预测有多好，所以针对第一组模拟，假设在对问题求解的时刻不可移动需求和RTM价格是已知的。换言之，通过将RTM价格不确定性集合和不确定性集合设定成等于那些量的实际值来消除鲁棒性部分。针对这种情况，图3i示出了随机生成需求中的一个的总值。虽然在基础情况下，公用事业公司不能控制最终用户的需求，但不同类型的需求（可转移、可甩掉以及不可移动）被突出显示以将其与方法100输出相比较。
给定此需求简档，基础情况将如图3j中所示在DAM上取得其所有能量。由于并未涉及到预测，所以不存在DAM中的过度购买。
最后，针对所有模拟设定实用率＝1.2以在公用事业公司中保持相同的收益比。然后，用于基础情况的成本和计费率如下：
基础情况的输出
总取得成本：$603087.81
Par:2.6089
对消费者按时计价（flatrate）：$38.54/单位。
现在描述模拟中的方法100的执行。用等于在基础情况下计算的计费率的和及等于可转移需求的用于的初始值来开始方法100。图3k示出了方法100的五（5）次迭代的结果。当与图3i相比较时，明显的是方法100将可转移需求移动到其中能量更便宜的小时，并且在方便时，其还将某些需求甩掉以减少能量取得。
图3I示出了如何完成能量取得。由于方法100可以判定何时购买不可移动需求的一部分，所以该取得在价格低于DAM时在RTM中发生。
最后，以下是方法100的输出，其中存在要注意的多个重要事物。首先，方法100在仅仅五（5）次迭代中相当快速地收敛。其次，该平衡导致在取得成本方面比基础情况便宜超过20%的解，而同时其降低了针对可甩掉和可转移负荷以及针对大部分不可移动需求而对消费者的计费率（除了当取得价格较高时）。此最后的益处是由于取得成本方面的重要降低而实现的。最后，应注意的是对于此模拟而言PAR也被略微减小。不可能每次都是这种情况，并且其取决于价格的变化有多急剧和可用可转移需求的量。在任何情况下，这至少示出如果在目标中包括PAR，则其可以导致在PAR方面好得多的解。
方法100的输出：
步骤1—总成本：$471647.63
步骤2—总成本：$477478.68
步骤3—总成本：$477454.26
步骤4—总成本：$477454.09
步骤5—总成本：$477454.08
总取得成本：$477454.08
改善：20.8317%
新的Par：2.2083
对消费者的按时计价（bf）：$32.47/单位
对消费者的现货汇率（bs）：
24.8385
31.6698
31.6698
31.6698
31.6698
31.6698
31.6698
31.6698
31.6698
31.6698
31.6698
31.6698
31.6698
31.6698
46.0320
31.6698
84.2850
43.1370
39.2160
36.6045
35.0310
31.6698
31.6698
31.6698。
本发明提供了一种用于通过智能电网中的负荷甩掉和转移进行的需求调整的建模结构和控制方法100（部分地表示为优化算法）。本发明例如通过需求调整（更一般得多）以及与当前技术水平相比新型的结构来解决控制能量的流动的问题。首先，不同于当前机制，本发明同时地考虑两个工具以用于调整需求：负荷的甩掉和转移。通过直接负荷控制，公用事业公司将调度/转移需求的一部分，并且通过价格刺激，其控制甩负荷的水平。另外，本发明考虑公用事业公司在其中购买其能量的两级市场，日前市场和实时市场，其具有不同的成本结构，并且因此解决了在每个上面要购买多少能量以覆盖需求的问题。最后，必须解决的不同优化次要问题全部在鲁棒优化结构中提出，允许本发明适应这样的事实，即实时市场中的最终需求和成本两者是未知的随机过程并且不是大部分文献所采取的确定值。本发明的最终目的则是找到最佳甩掉和转移简档和要在每个市场中购买多少能量以在使成本最小化的同时满足该需求。
在本发明的范围内进行其它修改是可能的。例如，智能电力网10可以是被连接到较大公用事业电力网或者甚至私人电力网的电力子网络。并且，已经以简化的方式描述了电力网10及其部件且其每个可以以各种众所周知的方式且使用各种众所周知的部件来构建。并且，控制方法100可被能量生产者以及能量经销商利用，因为能量生产者也从能量市场购买能量，但是其自己也用完全不同的成本结构来生成能量。
并且，虽然已经在特定序列中描述了控制方法100的步骤，但步骤的顺序可部分地或完全地重新排序，并且可酌情地对步骤进行修改、补充或省略。并且，电力网10和计算机系统24可使用各种众所周知的算法和软件应用程序来实现步骤和子步骤。此外，可用多种算法和软件应用程序来实现控制方法100。

Claims (18)

1.权利要求1的方法，其中，获得最佳负荷一种用于在电力网中控制能量流动的方法，包括：
a.获得用于电网用户的最佳甩负荷简档；
b.获得用于用户的最佳计费结构和最佳负荷转移简档；
c.重复获得最佳甩负荷简档及获得最佳计费结构和最佳负荷转移简档的步骤直至实现收敛为止；以及
d.基于所述最佳甩负荷简档、最佳计费结构以及最佳负荷转移简档来控制用户的能量消耗。
2.甩掉简档利用用于电网的每个用户的已知计费结构和已知负荷转移简档。
3.权利要求2的方法，其中，获得最佳甩负荷简档在没有电网的每个用户的负荷偏好的速递信息的情况下执行。
4.权利要求1的方法，其中获得最佳甩负荷简档及获得最佳计费结构和最佳负荷转移简档中的每一个是鲁棒的凸优化问题的解。
5.一种用于智能电力网中的通过甩负荷和负荷转移进行需求调整的方法，包括：
a.直接地控制用户的负荷以对用户的负荷需求的一部分进行时间转移；
b.向用户提供能量购买价格刺激以控制用户的负荷需求的甩掉部分的水平；以及
c.确定在日前市场和实时市场中的每一个上将购买多少能量以在负荷转移和甩负荷之后覆盖用户的负荷需求。
6.权利要求5的方法，其中，直接地控制用户的负荷包括计算用户的最佳负荷转移简档。
7.权利要求6的方法，其中，计算用户的最佳负荷转移简档包括利用鲁棒优化问题，其考虑到用户负荷需求水平和能量购买价格是未知的随机过程。
8.权利要求5的方法，其中，向用户提供能量价格刺激包括计算用户的最佳甩负荷简档。
9.权利要求8的方法，其中，计算用户的最佳甩负荷简档包括利用鲁棒优化问题，其考虑到用户负荷需求水平和能量购买价格是未知的随机过程。
10.一种控制电力网的用户的能量需求的方法，包括：
a.确定甩掉的用户能量需求的最佳量和实现所述最佳量所需的价格刺激；
b.确定计费结构和要进行时间转移的用户能量需求的最佳量；
c.重复第一和第二方法步骤直至实现平衡为止；以及
d.基于要甩掉的用户能量需求的所确定最佳量、实现所述最佳量所需的价格刺激、计费结构以及要进行时间转移的用户能量需求的最佳量来控制用户的能量需求。
11.权利要求10的方法，其中，确定要甩掉的用户能量需求的最佳量包括使用用于可转移负荷的已知计费结构和已知用户消耗来对优化问题进行公式化和求解。
12.权利要求11的方法，其中，公式化和求解包括在能量价格刺激由除网络运营商之外的一方设定的情况下利用标准凸优化技术来对优化问题求解。
13.权利要求11的方法，其中，公式化和求解包括在能量价格刺激由网络运营商设定的情况下针对用户设定报价并用对甩负荷的用户偏好对优化问题进行重新公式化且对重新公式化优化问题进行求解。
14.权利要求10的方法，其中，确定计费结构和要进行时间转移的用户能量需求的最佳量包括基于用于计算要甩掉的用户能量需求的最佳量的结果和实现所述最佳量所需的价格刺激来对优化问题进行公式化和求解。
15.权利要求14的方法，其中，公式化和求解包括使用固定实用率针对用户可转移加可甩掉负荷和用户不可移动负荷中的每一个对相应的计费结构进行公式化和求解。
16.权利要求15的方法，其中，对相应的计费结构进行公式化和求解包括对优化问题进行重新公式化并对重新公式化的优化问题进行求解以获得要进行时间转移的用户能量需求的最佳量。
17.一种用于电力网的控制系统，包括通过以迭代方式来确定电购买价格和计费结构以实现平衡且通过在给定所确定电购买价格和计费结构的情况下确定用于每个用户的电需求的分配而调整用户的电需求的控制器。
18.一种智能电力网，其向用户提供电并在其各种部件之间传送数据以控制电的流量，包括适于通过同时地转移和甩掉用户电需求且通过从具有日前市场（DAM）和实时市场（RTM）的两级市场取得提供给用户的电来调整用户电需求的控制系统。
CN201480025851.XA 2013-03-07 2014-02-25 电力网中的需求调整 Pending CN105164716A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201361773996P 2013-03-07 2013-03-07
US61/773996 2013-03-07
PCT/US2014/018156 WO2014137655A1 (en) 2013-03-07 2014-02-25 Demand shaping in an electrical power grid

Publications (1)

Publication Number Publication Date
CN105164716A true CN105164716A (zh) 2015-12-16

Family

ID=50288271

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480025851.XA Pending CN105164716A (zh) 2013-03-07 2014-02-25 电力网中的需求调整

Country Status (4)

Country Link
US (1) US9735579B2 (zh)
EP (1) EP2965282B1 (zh)
CN (1) CN105164716A (zh)
WO (1) WO2014137655A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105719087A (zh) * 2016-01-25 2016-06-29 云南电网有限责任公司电力科学研究院 一种弹性负荷集群的调度方法和系统
CN108764987A (zh) * 2018-05-18 2018-11-06 云南电网有限责任公司电力科学研究院 一种需求响应交易方法及系统
CN109102120A (zh) * 2018-08-14 2018-12-28 上海交通大学 复杂场景下基于区块链的能源系统优化方法

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9576327B2 (en) 2013-06-06 2017-02-21 International Business Machines Corporation Managing time-substitutable electricity usage using dynamic controls
US10747289B2 (en) 2013-10-28 2020-08-18 Virtual Power Systems, Inc. Data center power manipulation
US11126242B2 (en) 2013-10-28 2021-09-21 Virtual Power Systems, Inc. Time varying power management within datacenters
US10404067B2 (en) 2016-05-09 2019-09-03 Utopus Insights, Inc. Congestion control in electric power system under load and uncertainty
US11107016B2 (en) 2016-08-18 2021-08-31 Virtual Power Systems, Inc. Augmented power control within a datacenter using predictive modeling
US10585468B2 (en) 2016-08-18 2020-03-10 Virtual Power Systems, Inc. Datacenter power management using dynamic redundancy
US11455021B2 (en) 2016-08-18 2022-09-27 Cato Datacenter power management using AC and DC power sources
US11461513B2 (en) * 2016-08-18 2022-10-04 Cato Data center power scenario simulation
US10969846B2 (en) 2017-05-25 2021-04-06 Virtual Power Systems, Inc. Secure communication initiation and execution for datacenter power control
US11842412B2 (en) * 2017-09-06 2023-12-12 Total Solar International Aggregated distribution for energy demand response
EP3480754B1 (en) * 2017-11-07 2021-09-08 KONE Corporation Managing power demand of a plurality of passenger transport installations
WO2019173203A1 (en) 2018-03-05 2019-09-12 Virtual Power Systems, Inc. Dynamic tiering of datacenter power for workloads
US11817707B2 (en) * 2018-12-19 2023-11-14 King Fahd University Of Petroleum And Minerals Smart meter system and method for managing demand response in a smart grid
CN112634080A (zh) * 2020-12-24 2021-04-09 沈阳工程学院 一种基于Pareto最优理论的多目标需求响应管理方法
US11909207B2 (en) 2021-03-10 2024-02-20 Abb Schweiz Ag Hierarchical method for prediction of loads with high variance
CN113449258B (zh) * 2021-05-28 2022-12-27 国网河北省电力有限公司营销服务中心 智能电表的质量评估方法、装置、终端设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102163305A (zh) * 2010-02-19 2011-08-24 三星电子株式会社 需求响应方法、计算机可读介质和系统
CN102354999A (zh) * 2011-10-13 2012-02-15 张颢 一种低压配电网单相负荷平衡分配方法
CN102892123A (zh) * 2012-09-26 2013-01-23 清华大学 多天线多用户中继认知无线电网络中鲁棒波束成形方法
CN102931728A (zh) * 2012-10-30 2013-02-13 清华大学 基于小波多分辨率分析的电网扰动在线辨识及可视化方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5616330B2 (ja) * 2008-05-09 2014-10-29 アクセンチュア グローバル サービスィズ リミテッド 電力グリッドを管理する方法およびシステム
US8600556B2 (en) * 2009-06-22 2013-12-03 Johnson Controls Technology Company Smart building manager
US8670875B2 (en) * 2010-06-30 2014-03-11 Siemens Corporation PLC function block for automated demand response integration
US8560133B2 (en) * 2010-09-01 2013-10-15 General Electric Company Energy smart system
US20130144451A1 (en) * 2011-10-25 2013-06-06 San Diego State University Research Foundation Residential and commercial energy management system
US9431827B2 (en) * 2012-04-30 2016-08-30 Green Charge Networks Llc Load isolation consumption management systems and methods

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102163305A (zh) * 2010-02-19 2011-08-24 三星电子株式会社 需求响应方法、计算机可读介质和系统
CN102354999A (zh) * 2011-10-13 2012-02-15 张颢 一种低压配电网单相负荷平衡分配方法
CN102892123A (zh) * 2012-09-26 2013-01-23 清华大学 多天线多用户中继认知无线电网络中鲁棒波束成形方法
CN102931728A (zh) * 2012-10-30 2013-02-13 清华大学 基于小波多分辨率分析的电网扰动在线辨识及可视化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
夏叶 等: "用户侧互动模式下发用电一体化调度计划", 《电力系统自动化》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105719087A (zh) * 2016-01-25 2016-06-29 云南电网有限责任公司电力科学研究院 一种弹性负荷集群的调度方法和系统
CN108764987A (zh) * 2018-05-18 2018-11-06 云南电网有限责任公司电力科学研究院 一种需求响应交易方法及系统
CN108764987B (zh) * 2018-05-18 2022-04-08 云南电网有限责任公司电力科学研究院 一种需求响应交易方法及系统
CN109102120A (zh) * 2018-08-14 2018-12-28 上海交通大学 复杂场景下基于区块链的能源系统优化方法

Also Published As

Publication number Publication date
US9735579B2 (en) 2017-08-15
EP2965282B1 (en) 2019-10-30
EP2965282A1 (en) 2016-01-13
US20160020609A1 (en) 2016-01-21
WO2014137655A1 (en) 2014-09-12

Similar Documents

Publication Publication Date Title
CN105164716A (zh) 电力网中的需求调整
Han et al. Incentivizing prosumer coalitions with energy management using cooperative game theory
Liu et al. Coordinating the operations of smart buildings in smart grids
CN105164883A (zh) 使用日前市场和实时市场价格的电力网中的需求调整
Pinto et al. Data-driven district energy management with surrogate models and deep reinforcement learning
Rastegar et al. A probabilistic energy management scheme for renewable-based residential energy hubs
Chen et al. Optimal demand response: Problem formulation and deterministic case
Yi et al. Distributed model predictive control based secondary frequency regulation for a microgrid with massive distributed resources
Ojand et al. Q-learning-based model predictive control for energy management in residential aggregator
Wang et al. Transactive energy sharing in a microgrid via an enhanced distributed adaptive robust optimization approach
Suresh et al. Demand response-integrated economic dispatch incorporating renewable energy sources using ameliorated dragonfly algorithm
Watari et al. Multi-time scale energy management framework for smart PV systems mixing fast and slow dynamics
Cheng et al. Hierarchical reserve allocation with air conditioning loads considering lock time using Benders decomposition
Tumuluru et al. Integrating price responsive demand into the unit commitment problem
Paul et al. Real-time energy management for smart homes
Wang et al. Multi-period energy procurement policies for smart-grid communities with deferrable demand and supplementary uncertain power supplies
Yang et al. Exploring blockchain for the coordination of distributed energy resources
Amasyali et al. Hierarchical model-free transactional control of building loads to support grid services
Battula et al. A customer-centric approach to bid-based transactive energy system design
Ceccon et al. Intelligent electric power management system for economic maximization in a residential prosumer unit
Cui et al. Improved normal-boundary intersection algorithm: A method for energy optimization strategy in smart buildings
Si et al. Cost-effective operation of the urban energy system with variable supply and demand via coordination of multi-energy flows
Yang et al. Bi-level decentralized control of electric heating loads considering wind power accommodation in real-time electricity market
Lu et al. Two-stage robust scheduling and real-time load control of community microgrid with multiple uncertainties
CN116054241B (zh) 一种新能源微电网群系统鲁棒能量管理方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20151216

WD01 Invention patent application deemed withdrawn after publication