CN105719087A - 一种弹性负荷集群的调度方法和系统 - Google Patents
一种弹性负荷集群的调度方法和系统 Download PDFInfo
- Publication number
- CN105719087A CN105719087A CN201610045680.8A CN201610045680A CN105719087A CN 105719087 A CN105719087 A CN 105719087A CN 201610045680 A CN201610045680 A CN 201610045680A CN 105719087 A CN105719087 A CN 105719087A
- Authority
- CN
- China
- Prior art keywords
- elastic load
- response
- load cluster
- cluster
- risk
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000004044 response Effects 0.000 claims abstract description 246
- 238000005457 optimization Methods 0.000 claims description 33
- 238000010276 construction Methods 0.000 claims description 3
- 230000005906 menstruation Effects 0.000 claims 2
- 230000006870 function Effects 0.000 description 37
- 230000005611 electricity Effects 0.000 description 9
- 241001269238 Data Species 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000005086 pumping Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000009987 spinning Methods 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation 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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种弹性负荷集群的调度方法和系统,其中,弹性负荷集群的调度方法包括:获取电力需求侧预定数量以上的弹性负荷,根据弹性负荷的响应偏差特征值将所述弹性负荷划分为多个弹性负荷集群;根据弹性负荷的历史数据估计弹性负荷集群的响应偏差比;根据响应偏差比统计弹性负荷集群的响应风险损失;以响应风险损失以及发电机组的发电成本之和最小为目标,构建弹性负荷集群的组合优化模型;根据组合优化模型计算预期时间内每台发电机组的最优有功出力以及弹性负荷集群的最优调整量。本发明的技术方案能根据弹性负荷的响应量与预期量的偏差比,选择弹性负荷集群的优化模型,简化弹性负荷的经济性和安全性。
Description
技术领域
本发明涉及电力系统技术领域,更为具体地说,涉及一种弹性负荷集群的调度方法和系统。
背景技术
随着生活以及生产水平的提高,人们对电力的需求也越来越大,相应地,电力系统的用电量也不断提高,对于持续增长的用电量,传统的电力管理方法一般是提高电力供应侧的输出电量以满足电力需求,但这种方法普遍存在设备利用率低下、发电用电成本高、经济性较差以及电网调度调节能力弱等缺陷。
由于电力供应侧存在上述缺陷,因此相关技术人员已转向电力需求侧以寻求电力调整的解决方案。针对电力需求侧的某些负荷,可以根据合同价格信号或激励机制改变用户固有的用电方式,将这些负荷转变为弹性负荷,以根据这些弹性负荷达到削减高峰用电量以及平衡电力供应缺口的目的。调整电力需求侧的弹性负荷除了可以提高电力系统稳定性外,还有利于环境保护和能源节约。
弹性负荷是指能够根据发布的价格信号或激励信号,改变用电时间或负荷大小以配合电力运行商的需求响应策略。可以将弹性负荷表征为弹性负荷集群的形式,与传统发电机组一起参与电力调度。但是弹性负荷集群不同于发电机组,不能够直接接受调度指令而消减用电量,只能够通过价格或激励引导其用电量或用电时间,因此弹性负荷集群具有响应不确定性。针对发电机组的电力调度优化,需考虑到弹性负荷集群的响应不确定性,对发电机组做出最经济的出力计划,因此存在一定的调度风险。弹性负荷集群的响应不确定性可以用响应偏差比衡量,当弹性负荷集群的响应偏差比越大,即其实际用电调节量与期望调节量之差越大,响应风险损失值就越大。
发明内容
本发明的目的是提供一种弹性负荷集群的调度的技术方案,以解决背景技术中所介绍的现有技术中由于弹性负荷集群的响应不确定性导致的调度风险损失值过大的问题。
为了解决上述技术问题,本发明提供如下技术方案:
根据本发明第一方面,提供了一种弹性负荷集群的调度方法,该弹性负荷集群的调度方法包括:
获取电力需求侧预定数量以上的弹性负荷,根据弹性负荷的响应偏差特征值划分所述弹性负荷,将所述弹性负荷划分为多个弹性负荷集群;
根据所述弹性负荷集群内弹性负荷的历史数据估计所述弹性负荷集群的响应偏差比;
根据所述弹性负荷集群的响应偏差比统计所述弹性负荷集群的响应风险损失;
以所述弹性负荷集群的响应风险损失以及发电机组的发电成本之和最小为目标,构建弹性负荷集群的组合优化模型;
根据所述组合优化模型计算在预期时间内每台发电机组的最优有功出力以及所述弹性负荷集群的最优调整量。
优选地,所述根据弹性负荷集群的响应偏差特征值划分所述弹性负荷,将所述弹性负荷划分为多个弹性负荷集群的步骤,包括:
根据各个弹性负荷的期望响应量与实际响应量计算所述弹性负荷的响应偏差比,作为所述弹性负荷的响应偏差特征值;
根据所述弹性负荷的响应偏差特征值划分多个响应偏差标准差区间;
根据所述多个响应偏差标准差区间对所述预定数量以上的弹性负荷进行归类,归类为多个弹性负荷集群。
优选地,所述根据所述弹性负荷集群内弹性负荷的历史数据估计所述弹性负荷集群的响应偏差比的步骤,包括:
对所述弹性负荷集群内的弹性负荷的历史数据进行累加,作为所述弹性负荷集群的响应数据;
计算所述响应数据的均值与方差;
根据所述响应数据的均值与方差,通过蒙特卡罗算法估计出所述弹性负荷集群的实际响应偏差比。
优选地,所述根据所述弹性负荷集群的响应偏差比统计所述弹性负荷集群的响应风险损失的步骤,包括:
根据所述弹性负荷集群的响应偏差比构建所述响应偏差比的风险损失函数,根据所述风险损失函数计算所述响应偏差比的风险损失;
预设风险损失区间,根据所述响应偏差比的风险损失在所述风险损失区间内的数量与总数量的比值,计算所述风险损失的概率密度函数;
根据所述风险损失的概率密度函数计算在预设置信水平、预期时间内所述弹性负荷集群对响应不确定性的响应风险损失。
优选地,所述弹性负荷集群的调度方法还包括:
判断所述预期时间内所述弹性负荷集群的调整量以及所述每台发电机组的有功出力是否满足各自的预设约束条件;
若所述弹性负荷集群的调整量以及所述发电机组的有功出力不满足各自的预设约束条件,则舍弃所述弹性负荷集群的调整量以及所述发电机组的有功出力。
根据本发明的第二方面,还提出了一种弹性负荷集群的调度系统,该调度系统包括:
获取模块,用于获取电力需求侧预定数量以上的弹性负荷;
划分模块,用于根据弹性负荷的响应偏差特征值划分所述预定数量以上的弹性负荷,划分为多个弹性负荷集群;
响应数据估计模块,用于根据所述弹性负荷集群内弹性负荷的历史数据估计所述弹性负荷集群的响应偏差比;
调度风险损失函数统计模块,用于根据所述弹性负荷集群的响应偏差比统计所述弹性负荷集群的调度风险损失;
组合优化模块构建模块,用于以所述弹性负荷集群的风险损失以及发电机组的发电成本之和最小为目标,构建弹性负荷集群的组合优化模型;
计算模块,用于根据所述组合优化模型计算在预期时间内每台发电机组的最优有功出力以及所述弹性负荷集群的最优调整量。
优选地,所述划分模块,包括:
响应偏差比计算子模块,用于根据各个弹性负荷的期望响应量与实际响应量计算所述弹性负荷的响应偏差比,作为所述弹性负荷的响应偏差特征值;
响应偏差标识差区间划分子模块,用于根据所述弹性负荷的响应偏差特征值划分多个响应偏差标准差区间;
弹性负荷集群归类子模块,用于根据所述多个响应偏差标准差区间对所述预定数量以上的弹性负荷进行归类,归类为多个弹性负荷集群。
优选地,所述响应数据估计模块,包括:
历史数据累加子模块,用于对所述弹性负荷集群内的弹性负荷的历史数据进行累加,作为所述弹性负荷集群的响应数据;
响应数据计算子模块,用于计算所述响应数据的均值与方差;
响应偏差比计算子模块,用于根据所述响应数据的均值与方差,通过蒙特卡罗算法估计出所述弹性负荷集群的实际响应偏差比。
优选地,所述调度风险损失函数统计模块,包括:
函数构建子模块,用于根据所述弹性负荷集群的响应偏差比构建所述响应偏差比的调度风险损失函数,根据所述风险损失函数计算所述响应偏差比的风险损失;
区间预设子模块,用于预设风险损失区间;
概率密度函数计算子模块,用于根据所述响应偏差比的风险损失在所述风险损失区间内的数量与总数量的比值,计算所述风险损失的概率密度函数;
响应风险损失计算子模块,用于根据所述风险损失的概率密度函数计算在预设置信水平、预期时间内所述弹性负荷集群对响应不确定性的响应风险损失。
优选地,所述弹性负荷集群的调度系统还包括:
预设约束条件判断模块,用于判断所述预期时间内所述弹性负荷集群的调整量以及所述每台发电机组的有功出力是否满足各自的预设约束条件;
舍弃模块,用于若所述弹性负荷集群的调整量以及所述发电机组的有功出力不满足各自的预设约束条件时,舍弃所述弹性负荷集群的调整量以及所述发电机组的有功出力。
通过上述工作过程可以得出,本发明提供的弹性负荷集群的调度方案,根据弹性负荷对价格或激励信号的响应不确定的特点,首先将区域内弹性负荷按照其响应偏差特性指标分类成多个弹性负荷集群,可有效解决弹性负荷的用户数量多、控制复杂的问题。同时统计弹性负荷集群的响应风险损失,通过将弹性负荷集群的响应风险损失函数引入弹性负荷集群的组合优化模型,该组合优化模型以弹性负荷集群的响应风险损失以及发电机组的发电成本之和最小为目标,根据该组合优化模型,能够计算在预期时间捏每台发电机组的最优有功出力记忆弹性负荷集群的最优调整量,能够降低弹性负荷集群调度时的风险损失,减少调度费用,并兼顾弹性负荷的经济性和系统安全性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1是本发明一示例性实施例示出的一种弹性负荷集群的调度方法的流程示意图;
图2是本发明一示例性实施例示出的一种弹性负荷集群的调度方法的流程示意图;
图3是本发明一示例性实施例示出的一种弹性负荷集群的调度方法的流程示意图;
图4是本发明一示例性实施例示出的一种弹性负荷集群的调度方法的流程示意图;
图5是本发明一示例性实施例示出的一种弹性负荷集群的调度方法的流程示意图;
图6是本发明一示例性实施例示出的一种弹性负荷集群的调度系统的结构示意图;
图7是本发明一示例性实施例示出的一种弹性负荷集群的调度系统的结构示意图;
图8是本发明一示例性实施例示出的一种弹性负荷集群的调度系统的结构示意图;
图9是本发明一示例性实施例示出的一种弹性负荷集群的调度系统的结构示意图;
图10是本发明一示例性实施例示出的一种弹性负荷集群的调度系统的结构示意图;
图11是本发明一示例性实施例示出的一种弹性负荷集群的调度方法的流程示意图。
具体实施方式
本发明实施例提供的弹性负荷集群的调度方案,解决了背景技术中所介绍的现有技术中的弹性负荷的响应量与期望值之间存在较大偏差,使得弹性负荷集群的响应量具有不确定性,导致调度风险损失值过大的问题。
为了使本技术领域的人员更好地理解本发明实施例中的技术方案,并使本发明实施例的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明实施例中的技术方案作进一步详细的说明。
请参考附图1,图1是本发明一示例性实施例示出的一种弹性负荷集群的调度方法的流程示意图。如图1所示,本发明提供的弹性负荷集群的调度方法包括:
S110:获取电力需求侧预定数量以上的弹性负荷,根据弹性负荷的响应偏差特征值对所述预定数量以上的弹性负荷进行划分,将弹性负荷划分为多个弹性负荷集群。
通过根据弹性负荷的响应偏差特征值对上述预定数量以上的弹性负荷进行划分,划分为弹性负荷集群,能够针对弹性负荷对合同电价响应的不确定性的特点,有效解决弹性负荷的用户数量多,控制复杂的问题。该弹性负荷的数量较大,具有普遍性。该弹性负荷集群是根据偏差特征值进行计算的,因此同一集群内的弹性负荷的偏差不大。
弹性负荷集群能够根据发布的价格信号或激励信号,改变用电时间或负荷大小以配合电力运行商的需求响应策略。
S120:根据所述弹性负荷集群内弹性负荷的历史数据估计所述弹性负荷集群的响应偏差比。
通过根据弹性负荷集群内弹性负荷的历史数据计算弹性负荷集群的响应数据,然后根据该弹性负荷集群的响应数据,估计弹性负荷集群的响应偏差比,该弹性负荷集群的响应偏差比是根据弹性负荷集群的实际响应量与期望响应量的差值与期望响应量相比得到的,能够衡量弹性负荷集群的响应不确定性,由于响应偏差比的估计是根据弹性负荷集群内弹性负荷的大量历史数据为依据的,因此估计的弹性负荷集群的响应偏差比与实际响应偏差比的偏差较小,从而提高衡量弹性负荷集群的响应不确定性的准确性,进一步降低调度风险损失。
S130:根据弹性负荷集群的响应偏差比统计所述弹性负荷集群的响应风险损失。
通过该弹性负荷集群的响应偏差比统计弹性负荷集群的响应风险损失,由于该弹性负荷集群的响应偏差比是根据弹性负荷集群内弹性负荷的大量历史数据为依据进行统计的,因此,通过该响应偏差比统计的弹性负荷集群的响应风险损失较为准确,从而防止实际调度风险损失估计不准导致的偏差。
S140:以所述弹性负荷集群的响应风险损失以及发电机组的发电成本之和最小为目标,构建弹性负荷集群的组合优化模型,其中,所述组合优化模型包括所述预期时间、发电机组台数、每台发电机组的有功出力以及所述弹性负荷集群的调整量。
S150:根据所述组合优化模型计算在所述预期时间内每台发电机组的最优有功出力以及所述弹性负荷集群的最优调整量。
构建弹性负荷集群的响应风险损失函数,通过将弹性负荷集群的响应风险损失引入弹性负荷集群的组合优化模型,该组合优化模型是以弹性负荷集群的响应风险损失以及发电机组的发电成本之和最小为目标的,因此,通过该组合优化模型选择的预期时间内弹性负荷集群的调度方案为最优,根据该最优的调度方案能够计算在预期时间内每台发电机组的最优有功出力以及弹性负荷集群的最优调整量,从而能够根据该最优勇敢处理以及最优调整量调整预期时间内每台发电机组的有功出力以及弹性负荷集群的调整量,进而能够在发电量以及用户的用电量之间达到平衡,进一步达到削减高峰用电量以及平衡电力供应缺口的目的。
因此,通过上述方法能够降低弹性负荷集群在未来预期时间内调度的风险损失,降低弹性负荷的经济性和系统安全性。
综上,本发明提供的弹性负荷集群的调度方案,根据弹性负荷对价格或激励信号的响应不确定的特点,首先将区域内弹性负荷按照其响应偏差特性指标分类成多个弹性负荷集群,可有效解决弹性负荷的用户数量多、控制复杂的问题。同时统计弹性负荷集群的响应风险损失,通过将弹性负荷集群的响应风险损失函数引入弹性负荷集群的组合优化模型,该组合优化模型以弹性负荷集群的响应风险损失以及发电机组的发电成本之和最小为目标,根据该组合优化模型,能够计算在预期时间捏每台发电机组的最优有功出力记忆弹性负荷集群的最优调整量,能够降低弹性负荷集群调度时的风险损失,减少调度费用,并兼顾弹性负荷的经济性和系统安全性。
请参考图2,图2为本发明一示例性实施例示出的一种弹性负荷集群的调度方法的流程示意图,如图2所示,在图2中,图1所示实施例中的步骤S110:根据弹性负荷的响应偏差特征值划分弹性负荷,将所述弹性负荷划分为多个弹性负荷集群的步骤,包括:
S111:根据每个弹性负荷的期望响应量与实际响应量计算所述弹性负荷的响应偏差比,作为所述弹性负荷的响应偏差特征值。
图1所示实施例中的响应偏差特征值即为弹性负荷的响应偏差比,该响应偏差比是根据每个弹性负荷的腔响应量和实际响应量进行计算而来,能够有效衡量弹性负荷的响应不确定性的问题。
S112:根据所述弹性负荷的响应偏差特征值划分多个响应偏差标准差区间;
根据该弹性负荷的响应偏差特征值划分多个响应偏差标准差区间,由于弹性负荷的响应量与期望值之间存在偏差,因此根据弹性负荷想响应偏差特征值划分多个响应偏差标准差区间,能够根据响应量与期望值之间偏差的大小划分弹性负荷,从而针对不同偏差标准差区间的弹性负荷进行处理,即针对具有不同的响应不确定性的弹性负荷进行统一处理,以降低调度风险损失。
S113:根据所述多个响应偏差标准差区间对所述预定数量以上的弹性负荷进行归类,归类为多个弹性负荷集群。
根据响应偏差标准差区间对弹性负荷进行归类,归类为弹性负荷集群,可以针对同一集群内的弹性负荷进行统一处理,以降低调度风险损失,从而节约了处理时间,提高了处理速度。由于响应偏差标准差区间是根据大量历史数据的弹性负荷的响应不确定性而划分的,因此同一响应偏差标准差区间内的弹性负荷的响应不确定性的差别较小,方便进行统一处理。其中,一个响应偏差标准差区间对应一个弹性负荷集群。
请参考图3,图3是本发明一示例性实施例提供的一种弹性负荷集群的调度方法的流程示意图,在图3中,上述图1所示实施例中的步骤S120:所述根据所述弹性负荷集群内弹性负荷的历史数据估计所述弹性负荷集群的响应偏差比的步骤,包括:
S121:对所述弹性负荷集群内的弹性负荷的历史数据进行累加,作为所述弹性负荷集群的响应数据。
S122:计算所述响应数据的均值与方差。
弹性负荷集群的响应偏差比基本符合均值为0的正态分布,因此响应偏差比的方差可以根据弹性负荷集群的历史数据计算而得到。由于响应数据为弹性负荷集群内弹性负荷的历史数据,因此,响应数据具有普遍性与准确性。而计算响应数据的均值与方差是对弹性负荷响应集群的实际响应偏差比进行估计的必要参数。
S123:根据所述响应数据的均值与方差,通过蒙特卡罗算法估计出所述弹性负荷集群的实际响应偏差比。
蒙特卡洛模拟方法的原理是当问题或对象本身具有概率特征时,可以用计算机模拟的方法产生抽样结果,根据抽样计算统计量或者参数的值。
计算公式如下:假设某次出现电力缺口,需要调用弹性负荷s,根据需求价格曲线得到弹性负荷s的期望响应电量为D0,而该负荷的实际响应量为De,则该次负荷的响应响应偏差比εr为:
由于响应数据是根据弹性负荷集群内大量弹性负荷的大量历史数据为依据,然后根据响应数据的均值与方差,再通过蒙特卡罗算法估计响应负荷集群的实际响应偏差比,估计的响应偏差比具有准确性与普遍性,进而能够提高对计算响应偏差比的概率密度函数的计算准确性。
如图4所示,图1所示实施例中的步骤S130:根据弹性负荷集群的响应偏差比统计所述弹性负荷集群的响应风险损失的步骤,包括:
S131:根据弹性负荷集群的响应偏差比构建所述响应偏差比的风险损失函数,根据所述风险损失函数计算所述响应偏差比的风险损失。
响应偏差比的概率密度函数的计算公式如下:
式中,rloss是缺电损失,是弹性负荷集群v在时段t的调整用电量,即弹性负荷集群受到价格或激励响应后的用电量差值。
S132:预设风险损失区间。
S133:根据所述响应偏差比的风险损失在风险损失区间内的数量与总数量的比值,计算风险损失的概率密度函数。
具体地,依据统计的风险损失区间,计算各个数值区间内数据个数与总数据量的比值,得到负荷集群响应风险损失的概率密度函数
S134:根据风险损失的概率密度函数计算在预设置信水平、预期时间内所述弹性负荷集群对响应不确定性的响应风险损失。
对于给定置信度β(0.9≤β≤0.99),弹性负荷集群v的响应风险函数VaR为:
VVaR,v表示在置信水平β下,弹性负荷集群v在时间段t对响应不确定性的响应风险损失。
上述步骤S140中,以所述弹性负荷集群的风险损失以及发电机组的发电成本之和最小为目标,构建弹性负荷集群的组合优化模型的步骤如下:
根据优化需求,选择日前、月度、季度或年度调度作为弹性负荷集群的预期时间。弹性负荷集群的组合优化模型可表示为:
以发电机组发电成本和弹性负荷集群响应风险损失之和最小为目标,建立电力调度优化模型。该模型将求取考虑弹性负荷响应不确定性的各发电机组最优发电计划。其目标函数表示为:
其中,T是调度周期,t是时间变量,取值为1,2,···,24;N是传统机组的台数,i是机组的编号,取值为1,2,···,N;M是弹性负荷集群数,v是弹性负荷集群的编号,取值为1,2,···,M。
在构建弹性负荷集群的组合优化模型后,需要进一步根据该组合优化模型计算在预期时间内每台发电机组的最优有功出力以及弹性负荷集群的最优调整量。
其中,上述组合优化模型中,还需要根据所述弹性负荷集群在所述预期时间内的调整量,计算所述弹性负荷集群在预期时间内的风险损失;并根据所述发电机组在所述预期时间内的有功出力,计算发电机组的发电成本。
传统发电机组i在时间段t的发电成本:
VVaR,v是弹性负荷集群v的调度风险损失:
其中,Pi t是传统机组i在时段t的有功出力;将弹性负荷集群参与联合调度前后的用电量差值称为弹性负荷集群的调整量,是弹性负荷集群v在时段t的调整量;ai,bi,ci是传统机组i的成本系数;Pi t和均为待优化变量。KVaR,v弹性负荷集群的调度风险损失系数。
另外,针对弹性负荷集群的在预期时间内的调整量,发电机组在预期时间内的有功出力,具有一定约束条件,因此,请参见图5,图5是本发明一示例性实施例示出的一种弹性负荷集群的调度方法的流程示意图,如图5所示,该实施例除了图1所示实施例提供的弹性负荷集群的调度方法外,还包括如下方法:
S510:判断所述预期时间内所述弹性负荷集群的调整量以及所述每台发电机组的有功出力是否满足各自的预设约束条件;
S520:若所述弹性负荷集群的调整量以及所述发电机组的有功出力不满足各自的预设约束条件,则舍弃所述弹性负荷集群的调整量以及所述发电机组的有功出力。
若通过组合优选模型求解的弹性负荷集群的调整量以及每台发电机组的有功出力不满足各自的预设约束条件,则舍弃该调整量以及有功出力,使用最接近的调整量以及有功出力进行代替。
具体的约束条件包括系统功率平衡约束、旋转备用约束、机组特性约束,具体如下:
A、系统功率平衡约束:
系统有功平衡是指各时间段内传统机组发电量和负荷集群出力之和与总负荷和有功线损之和相等。其中:Dt为整个区域日前预测负荷曲线上在时段t的负荷量;kl,i是传统机组i出力和线路l线损的灵敏度系数;kl,v是弹性负荷集群v出力和线路l线损间的灵敏度系数,Pi t是传统机组i在时段t的有功出力;是弹性负荷集群v在时段t的调整量。松弛变量δt的引入为了模型保证模型的凸性,方便模型求解。
B、旋转备用约束:
传统发电机组都是按照次日负荷预测曲线发电,但是预测负荷值和实际值之间总是存在偏差,由备用机组承担该部分负荷差值。负荷备用容量设为最大负荷的10%,即R=0.1。
C、机组特性约束,包括以下约束:
传统机组的功率上下限约束:Pi,min≤Pi t≤Pi,max;
传统机组的爬坡约束:RDi≤Pi t-Pi t-1≤RUi;
弹性负荷集群功率上下限约束:
上述各式中,Pi,min、Pi,max分别是机组i出力上下限;RDi、RUi分别是机组i爬坡速度上下限;Pv,max、Pv,min分别是弹性负荷集群v出力上下限。
基于同一发明构思,本申请实施例还提供了一种弹性负荷集群的调度系统,由于所述系统对应的方法是本申请实施例中的弹性负荷集群的调度方法,并且该系统解决问题的原理与方法相似,因此该系统的实施可以参见方法的实施,重复之处不再赘述。
请参见图6,图6为本发明一示例性实施例提供的一种弹性负荷集群的调度系统的结构示意图,如图6所示,该弹性负荷集群的调度系统包括:
获取模块601,用于获取电力需求侧预定数量以上的弹性负荷;
划分模块602,用于根据弹性负荷集群的响应偏差特征值对所述预定数量以上的弹性负荷进行划分,划分为多个弹性负荷集群;
响应数据估计模块603,用于根据所述弹性负荷集群内弹性负荷的历史数据估计所述弹性负荷集群的响应偏差比;
调度风险损失函数统计模块604,用于根据所述弹性负荷集群的响应偏差比统计所述弹性负荷集群的调度风险损失;
组合优化模块构建模块605,用于以所述弹性负荷集群的风险损失以及发电机组的发电成本之和最小为目标,构建弹性负荷集群的组合优化模型;
计算模块606,用于根据所述弹性负荷集群的组合优化模型计算在预期时间内每台发电机组的最优有功出力以及所述弹性负荷集群的最优调整量。
如图7所示,所述划分模块602包括:
响应偏差比计算子模块6021,用于根据各个弹性负荷的期望响应量与实际响应量计算所述弹性负荷的响应偏差比,作为所述弹性负荷的响应偏差特征值;
响应偏差标识差区间划分子模块6022,用于根据所述弹性负荷的响应偏差特征值划分多个响应偏差标准差区间;
弹性负荷集群归类子模块6023,用于根据所述多个响应偏差标准差区间对所述预定数量以上的弹性负荷进行归类,归类为多个弹性负荷集群。
如图8所示,所述响应数据估计模块603,包括:
历史数据累加子模块6031,用于对所述弹性负荷集群内的弹性负荷的历史数据进行累加,作为所述弹性负荷集群的响应数据;
响应数据计算子模块6032,用于计算所述响应数据的均值与方差;
响应偏差比计算子模块6033,用于根据所述响应数据的均值与方差,通过蒙特卡罗算法估计出所述弹性负荷集群的实际响应偏差比。
如图9所示,所述调度风险损失函数统计模块604,包括:
函数构建子模块6041,用于根据所述弹性负荷集群的响应偏差比构建所述响应偏差比的调度风险损失函数,根据所述风险损失函数计算所述响应偏差比的风险损失;
区间预设子模块6042,用于预设风险损失区间;
概率密度函数计算子模块6043,用于根据所述响应偏差比的风险损失在所述风险损失区间内的数量与总数量的比值,计算所述风险损失的概率密度函数;
调度风险损失计算子模块6044,用于根据所述风险损失的概率密度函数计算在预设置信水平、预期时间内所述弹性负荷集群对响应不确定性的响应风险损失。
如图10所示,所述弹性负荷集群的调度系统,还包括:
预设约束条件判断模块608,用于判断所述预期时间内所述弹性负荷集群的调整量以及所述每台发电机组的有功出力是否满足各自的预设约束条件;
舍弃模块609,用于若所述弹性负荷集群的调整量以及所述发电机组的有功出力不满足各自的预设约束条件时,舍弃所述弹性负荷集群的调整量以及所述发电机组的有功出力。
请参见图11,图11为本发明一示例性实施例提供的一种弹性负荷集群的调度方法的流程示意图,如图11所示,该方法包括如下步骤:
S1100:按照响应偏差特性指标,将某区域的大量弹性负荷分类成多个弹性负荷集群。
S1200:根据各个弹性负荷集群的有限响应历史数据提取响应偏差比分布的方差,再通过蒙特卡罗算法模拟出弹性负荷集群响应偏差比数据。
S1300:获取弹性负荷集群响应偏差比的概率密度函数,继而基于VaR(ValueatRisk,风险价值)量化负荷集群的风险损失,计算各弹性负荷集群调度风险损失系数。
S1400:判断是否调用负荷集群;若是,执行步骤S1500;若否,结束。
具体地,通过负荷预测的方法得到次日24小时区域负荷曲线,与该区域发电机组的最大发电量进行比较,若次日最大负荷超过发电机组最大发电量,会出现电力缺口,则需要调用弹性负荷集群减小缺口值,否则不需要调用负荷集群。
S1500:计算各负荷集群的响应风险损失函数。
S1600:求解弹性负荷集群的组合优化模型,得到各个弹性负荷集群的出力期望值。
以一天24小时为预期时间为例,根据S1100中此预期时间内弹性负荷集群调度成本及集群最大风险损失函数VVaR,v求解联合调度优化模型,得到各弹性负荷集群出力期望值
根据各弹性负荷集群的价格需求曲线和联合调度模型的优化结果,得到各个弹性负荷集群在未来一天各个小时的需求侧合同电价通过信息传输系统将合同电价信息传送给所有参与价格需求响应的弹性用户。
通过本实施例的上述过程可以得出,本实施例提供的弹性负荷集群的调度方案,根据弹性负荷对合同电价响应不确定的特点,事先将区域内弹性负荷按照其响应偏差特性指标分类成多个弹性负荷集群,可有效解决弹性用户数量多、控制复杂的问题。同时构建弹性负荷集群的调度风险损失函数,通过将弹性负荷集群的调度风险损失函数引入弹性负荷集群的组合优化模型,能够降低弹性负荷集群调度时的风险损失,减少调度费用,并兼顾弹性负荷的经济性和系统安全性。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其它实施例的不同之处。
以上所述的本发明实施方式,并不构成对本发明保护范围的限定。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种弹性负荷集群的调度方法,其特征在于,包括:
获取电力需求侧预定数量以上的弹性负荷,根据弹性负荷的响应偏差特征值划分所述弹性负荷,将所述弹性负荷划分为多个弹性负荷集群;
根据所述弹性负荷集群内弹性负荷的历史数据估计所述弹性负荷集群的响应偏差比;
根据所述弹性负荷集群的响应偏差比统计所述弹性负荷集群的响应风险损失;
以所述弹性负荷集群的响应风险损失以及发电机组的发电成本之和最小为目标,构建弹性负荷集群的组合优化模型;
根据所述组合优化模型计算在预期时间内每台发电机组的最优有功出力以及所述弹性负荷集群的最优调整量。
2.根据权利要求1所述的弹性负荷集群的调度方法,其特征在于,所述根据弹性负荷的响应偏差特征值划分所述弹性负荷,将所述弹性负荷划分为多个弹性负荷集群的步骤,包括:
根据各个弹性负荷的期望响应量与实际响应量计算所述弹性负荷的响应偏差比,作为所述弹性负荷的响应偏差特征值;
根据所述弹性负荷的响应偏差特征值划分多个响应偏差标准差区间;
根据所述多个响应偏差标准差区间对所述预定数量以上的弹性负荷进行归类,归类为多个弹性负荷集群。
3.根据权利要求1所述的弹性负荷集群的调度方法,其特征在于,所述根据所述弹性负荷集群内弹性负荷的历史数据估计所述弹性负荷集群的响应偏差比的步骤,包括:
对所述弹性负荷集群内的弹性负荷的历史数据进行累加,作为所述弹性负荷集群的响应数据;
计算所述响应数据的均值与方差;
根据所述响应数据的均值与方差,通过蒙特卡罗算法估计出所述弹性负荷集群的实际响应偏差比。
4.根据权利要求1所述的弹性负荷集群的调度方法,其特征在于,所述根据所述弹性负荷集群的响应偏差比统计所述弹性负荷集群的响应风险损失的步骤,包括:
根据所述弹性负荷集群的响应偏差比构建所述响应偏差比的风险损失函数,根据所述风险损失函数计算所述响应偏差比的风险损失;
预设风险损失区间,根据所述响应偏差比的风险损失在所述风险损失区间内的数量与总数量的比值,计算所述风险损失的概率密度函数;
根据所述风险损失的概率密度函数计算在预设置信水平和预期时间内所述弹性负荷集群对响应不确定性的响应风险损失。
5.根据权利要求1所述的弹性负荷集群的调度方法,其特征在于,还包括:
判断所述预期时间内所述弹性负荷集群的调整量以及所述每台发电机组的有功出力是否满足各自的预设约束条件;
若所述弹性负荷集群的调整量以及所述发电机组的有功出力不满足各自的预设约束条件,则舍弃所述弹性负荷集群的调整量以及所述发电机组的有功出力。
6.一种弹性负荷集群的调度系统,其特征在于,包括:
获取模块,用于获取电力需求侧预定数量以上的弹性负荷;
划分模块,用于根据弹性负荷的响应偏差特征值划分所述预定数量以上的弹性负荷,划分为多个弹性负荷集群;
响应数据估计模块,用于根据所述弹性负荷集群内弹性负荷的历史数据估计所述弹性负荷集群的响应偏差比;
调度风险损失函数统计模块,用于根据所述弹性负荷集群的响应偏差比统计所述弹性负荷集群的调度风险损失;
组合优化模块构建模块,用于以所述弹性负荷集群的风险损失以及发电机组的发电成本之和最小为目标,构建弹性负荷集群的组合优化模型;
计算模块,用于根据所述组合优化模型计算在预期时间内每台发电机组的最优有功出力以及所述弹性负荷集群的最优调整量。
7.根据权利要求6所述的弹性负荷集群的调度系统,其特征在于,所述划分模块,包括:
响应偏差比计算子模块,用于根据各个弹性负荷的期望响应量与实际响应量计算所述弹性负荷的响应偏差比,作为所述弹性负荷的响应偏差特征值;
响应偏差标识差区间划分子模块,用于根据所述弹性负荷的响应偏差特征值划分多个响应偏差标准差区间;
弹性负荷集群归类子模块,用于根据所述多个响应偏差标准差区间对所述预定数量以上的弹性负荷进行归类,归类为多个弹性负荷集群。
8.根据权利要求6所述的弹性负荷集群的调度系统,其特征在于,所述响应数据估计模块,包括:
历史数据累加子模块,用于对所述弹性负荷集群内的弹性负荷的历史数据进行累加,作为所述弹性负荷集群的响应数据;
响应数据计算子模块,用于计算所述响应数据的均值与方差;
响应偏差比计算子模块,用于根据所述响应数据的均值与方差,通过蒙特卡罗算法估计出所述弹性负荷集群的实际响应偏差比。
9.根据权利要求6所述的弹性负荷集群的调度系统,其特征在于,所述调度风险损失函数统计模块,包括:
函数构建子模块,用于根据所述弹性负荷集群的响应偏差比构建所述响应偏差比的调度风险损失函数,根据所述风险损失函数计算所述响应偏差比的风险损失;
区间预设子模块,用于预设风险损失区间;
概率密度函数计算子模块,用于根据所述响应偏差比的风险损失在所述风险损失区间内的数量与总数量的比值,计算所述风险损失的概率密度函数;
响应风险损失计算子模块,用于根据所述风险损失的概率密度函数计算在预设置信水平和预期时间内所述弹性负荷集群对响应不确定性的响应风险损失。
10.根据权利要求6所述的弹性负荷集群的调度系统,其特征在于,还包括:
预设约束条件判断模块,用于判断所述预期时间内所述弹性负荷集群的调整量以及所述每台发电机组的有功出力是否满足各自的预设约束条件;
舍弃模块,用于若所述弹性负荷集群的调整量以及所述发电机组的有功出力不满足各自的预设约束条件时,舍弃所述弹性负荷集群的调整量以及所述发电机组的有功出力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610045680.8A CN105719087A (zh) | 2016-01-25 | 2016-01-25 | 一种弹性负荷集群的调度方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610045680.8A CN105719087A (zh) | 2016-01-25 | 2016-01-25 | 一种弹性负荷集群的调度方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105719087A true CN105719087A (zh) | 2016-06-29 |
Family
ID=56154001
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610045680.8A Pending CN105719087A (zh) | 2016-01-25 | 2016-01-25 | 一种弹性负荷集群的调度方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105719087A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109784594A (zh) * | 2017-11-10 | 2019-05-21 | 中国电力科学研究院有限公司 | 一种售电商可调负荷决策方法及系统 |
CN112819204A (zh) * | 2021-01-14 | 2021-05-18 | 华北电力大学 | 一种源荷互动模型构建方法和系统 |
WO2022077588A1 (zh) * | 2020-10-12 | 2022-04-21 | 中国电力科学研究院有限公司 | 可调节负荷参与需求响应的调用方法、系统及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102945296A (zh) * | 2012-10-15 | 2013-02-27 | 河海大学 | 一种需求响应视角下的配电网不确定性重构建模方法 |
CN105117979A (zh) * | 2015-08-19 | 2015-12-02 | 中国电力科学研究院 | 一种商业楼宇需求响应潜力评估方法 |
CN105164716A (zh) * | 2013-03-07 | 2015-12-16 | 西门子公司 | 电力网中的需求调整 |
-
2016
- 2016-01-25 CN CN201610045680.8A patent/CN105719087A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102945296A (zh) * | 2012-10-15 | 2013-02-27 | 河海大学 | 一种需求响应视角下的配电网不确定性重构建模方法 |
CN105164716A (zh) * | 2013-03-07 | 2015-12-16 | 西门子公司 | 电力网中的需求调整 |
CN105117979A (zh) * | 2015-08-19 | 2015-12-02 | 中国电力科学研究院 | 一种商业楼宇需求响应潜力评估方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109784594A (zh) * | 2017-11-10 | 2019-05-21 | 中国电力科学研究院有限公司 | 一种售电商可调负荷决策方法及系统 |
CN109784594B (zh) * | 2017-11-10 | 2024-01-19 | 中国电力科学研究院有限公司 | 一种售电商可调负荷决策方法及系统 |
WO2022077588A1 (zh) * | 2020-10-12 | 2022-04-21 | 中国电力科学研究院有限公司 | 可调节负荷参与需求响应的调用方法、系统及装置 |
CN112819204A (zh) * | 2021-01-14 | 2021-05-18 | 华北电力大学 | 一种源荷互动模型构建方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107818385B (zh) | 一种梯级水电站群实时运行趋势预测方法 | |
CN112163687B (zh) | 一种基于负荷聚合商的用户侧两阶段调峰响应方法 | |
CN107194514B (zh) | 一种针对风电功率预测误差的需求响应多时间尺度调度方法 | |
CN111555281B (zh) | 一种电力系统灵活性资源配置仿真方法及装置 | |
Pineda et al. | Time-adaptive unit commitment | |
CN110414804A (zh) | 一种基于多维度响应特性的价格型需求响应建模方法 | |
CN111724210A (zh) | 一种基于价格弹性系数矩阵的电力需求响应调控方法 | |
CN113205252A (zh) | 基于需求侧负荷调峰潜力参数预测的聚合负荷调度方法 | |
CN105719087A (zh) | 一种弹性负荷集群的调度方法和系统 | |
CN114139994A (zh) | 一种基于需求侧响应深度学习的高弹性电网控制算法 | |
CN117239740B (zh) | 一种虚拟电厂系统的优化配置与灵活性提升方法及系统 | |
CN113746105A (zh) | 电力需求响应的优化控制方法、装置、设备和存储介质 | |
Ding et al. | A dynamic period partition method for time-of-use pricing with high-penetration renewable energy | |
CN116914847A (zh) | 一种虚拟电厂内多台发电机组聚合互补及优化调度方法 | |
CN116799788A (zh) | 一种基于大数据分析的削峰填谷用电方法 | |
Li et al. | Feature analysis of generalized load patterns considering active load response to real-time pricing | |
CN116756598A (zh) | 一种台区侧家电负荷精准调控方法 | |
Dai et al. | A demand response scheme in smart grid with clustering of residential customers | |
CN111144657B (zh) | 协同售用双方的多家庭能源优化方法 | |
CN114069642A (zh) | 一种考虑用户满意度的温控负荷综合调峰方法 | |
CN106530138A (zh) | 用电避峰调度方法和装置 | |
CN112734277A (zh) | 信息物理融合的需求侧响应资源多层级建模方法 | |
Wang et al. | A Portrait-Based Method for Constructing Multi-Time Scale Demand Response Resource Pools | |
CN116628413B (zh) | 一种用户侧储能装置容量的计算方法 | |
CN117973819B (zh) | 一种用于电能储放优化的储能管理系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160629 |