CN105760969A - 一种基于可控负荷主动响应的智能楼宇电价响应用电方法 - Google Patents

Abstract

本发明涉及的一种基于可控负荷主动响应的智能楼宇电价响应用电方法，包括（1）建立可控负荷主动响应下的三层电力市场结构，并根据用户负荷的主动响应制定电价形成的策略；（2）基于可控负荷主动响应模式，建立智能楼宇的用电方法和敏感负荷的电价竞价方法。本发明建立了基于可控负荷主动响应的智能楼宇电价响应用电方法，为楼宇/用户提供了主动参与电力市场的方法，通过负荷与市场间的互动对各负荷进行协调控制和优化调节，减小了用户的电力消费成本。

Description

一种基于可控负荷主动响应的智能楼宇电价响应用电方法

技术领域

本发明属于电力系统需求响应和智能用电的方法，具体是一种基于可控负荷主动响应的智能楼宇电价响应用电方法。

背景技术

近年来，我国加大电网投资和智能电网建设，国内配用电自动化建设正逐步从技术示范、局部地区试点阶段步入大规模建设阶段；同时，在分布式电源、微电网、电动汽车等新兴元素不断发展的情况下，传统配用电网正在发生巨大的变化，尤其是用户互动的要求，这使常规的用电运营模式难以适应市场发展需求。

目前，国家电网公司前期已经开展了《坚强智能电网综合研究报告》、《智能用电服务体系架构研究报告》等研究工作[6-8]，对我国智能电网在发输配变用调度及通信信息等各大环节的需求、新技术应用以及示范工程等进行了较为详细的描述，并制定了国家电网公司用电专题的战略研究报告，目前已取得了一定的成果。

按照国家电网公司《智能用电服务系统建设导则》统一要求，要构建电网与客户之间高效、互动的新型供用电关系，为电力客户提供多元化互动服务。各地网省电力公司前期在智能用电领域先后开展了用电信息采集系统、电动汽车充换电站、95598统一呼叫平台、智能小区等互动化系统建设，产生了多样的互动服务需求。如何创新服务方式，对不同应用领域的不同用户提供多样化、个性化服务，完善运营模式是当前智能用电发展面临的新要求。

综上所述，亟需开展针对我国智能电网的建设背景，对智能用电相关的业务流程、工作内容、工作要求、业务要求、业务关联进行梳理与分析，重点探讨与智能用电需求相适应的互动业务体系架构及运营模式的研究方向。

发明内容

根据现有发明中明显不足，本发明目的在于提出了一种基于可控负荷主动响应的智能楼宇电价响应用电方法，为配电网区域内楼宇/用户中的可控负荷提供了主动参与电力市场的方法，通过负荷与市场间的互动对各负荷进行协调控制和优化调节，减小用户的电力消费成本。

为实现上述目的，本发明的技术方案如下：

一种基于可控负荷主动响应的智能楼宇电价响应用电方法，包括：

(一)建立可控负荷主动响应下的三层电力市场结构，并根据用户负荷的主动响应制定电价形成的对应方法；在分层电力市场结构下的可控负荷主动响应方式包括以下三层电力市场结构：

1)发电市场运行；其具体步骤如下：

在实时电力市场运行下，发电方首先对未来[t,t+w-1]时间区间内的预测电价进行明确，然后等待售电方的响应；当接收到来自售电方的电价和需求竞标时，发电方则将根据实时的电力市场决定每小时的电力调度方法和当地的电力边界价格，其算法表达式如下：

$\begin{array}{cc}\max imize& \[\underset{j\∈J}{\Σ}{u}_j\left(P_j^D\right)-\underset{i\∈I}{\Σ}{C}_i\left(P_i^G\right)\]\end{array}---\left(1\right)$

$\begin{array}{cc}subjectto& \left\{\begin{array}{cc}{P}_k-P_{gk}+P_{dk}=0,k=1,...,N_b& \left(2\right)\\ |{\mathrm{\Σ}}_{k=1}^{N_b}{\mathrm{GSF}}_{b-k}\×P_k|\≤F_{max}^b& \left(3\right)\\ P_i^{\min }\≤P_i^G\≤P_i^{\max },i\∈I& \left(4\right)\\ u_j\left(P_j^D\right)={\mathrm{\Σ}}_{l=1}^L{w}_{lj}{P}_{lj}^D& \left(5\right)\\ C_i\left(P_i^G\right)={\mathrm{\Σ}}_{m=1}^M{r}_{mi}{P}_{mi}^G& \left(6\right)\end{array}\right.\end{array}$

式(1)表示发电厂和所有参与主动响应的用户剩余电量总和的最大值，其中为用户效用函数，C_i(P_i ^G)为发电成本函数，J为参与竞价的用户集合，j为第j个参与竞价的用户个体，I为发电机集合，i为第i个发电机个体，为第j个参与竞价用户的所有电力负荷，P_i ^G为第i个发电机的发电功率，P^D表示用户的负荷，P^G表示发电机的功率。

式(2)表示每个节点的有功平衡约束，其中为k节点的注入功率，P_gk为节点k的所有发电功率，为节点的所有负荷功率；

式(3)表示每条线路上传输线的发热极限约束，其中GSF_b-k为从节点k到支路b的注入功率转移因子，N_b为与支路b相连的节点数，为线路b的最大潮流；

式(4)表示发电容量的上下限约束，其中和分别为第i台发电机的功率下限和功率上限，I为发电机集合。

式(5)表示用户效用约束，其中w_lj为第j个用户电力负荷的第l部分负荷承担费用的概率，为第j个用户的所有电力负荷；

式(6)表示发电成本约束，其中r_mi为第i台发电机输出功率的第m部分功率的竞价成本，P_i ^G为第i台发电机的所有输出功率；

在电价明确之后，当地的电力边界电价和当地负荷的调度运行方式将被发送给售电方，并且发电方将更新电价预测结果，重新进行优化；

2)售电市场运行；在售电市场运行中，配电运营商负责协调各个楼宇或用户间的用电情况；在接收发电方的电价预测之后，配电运营商将根据楼宇或用户的网络位置将预测电价公布给各个对应的楼宇或用户；

3)用电市场运行；智能楼宇或用户通过能量管理系统对楼宇或用户中的柔性负荷进行协调控制，其是本领域公知技术，实现各自电力成本的减少，提高用户和楼宇的舒适度；

(二)基于可控负荷主动响应模式，建立智能楼宇的用电方法和敏感负荷的电价竞价方法。

进一步的，所述步骤2)中，设配电网络的损耗是均衡或无损的，则楼宇/用户的预测电价与离他们最近节点的当地电力边界电价相同；在接收到各个楼宇或用户的实际需求竞价曲线之后，配电运营商把下属的各个竞价曲线相加，汇总成该地区的总需求竞价曲线，并提交给发电方；

同时，一旦从发电方接收到当地调度运行方式之后，配电运营商根据当地各个楼宇或用户自身的需求竞价曲线分配各自楼宇或用户的运行方式。

进一步的，所述步骤3)中，首先，能量管理系统是基于配电运营商和历史数据对关键的外部变量进行预测；其次，根据预测的温度、用户偏好、电价和负荷模型对需求竞价曲线进行修正；最后，竞价信息通过广域网发送给配电系统运营商；

在发电方明确了日前和实时的电力供求量后，能量管理系统将接收调度运行指令并协调楼宇/用户中柔性负荷的运行。

进一步的，上述关键的外部变量为温度、湿度、用户偏好和电价。

进一步的，所述步骤(二)中，所述基于可控负荷主动响应模式建立智能楼宇的用电方法，具体方法如下：

基于模型预测控制对空调系统和储能系统进行协同调度的能量优化管理，该能量优化管理通过协同调度算法是以模型预测控制为基础的能量优化方法，所述能量优化方法为；

$\begin{array}{cc}\min imize& \underset{t=t_0}{\overset{t_0+w-1}{\Σ}}\[p_g\left(t\right)\·\left(e_H\right(t)+e_B(t\left)\right)+p_b{b}_d\left(t\right)\]\end{array}---\left(7\right)$

$\begin{array}{cc}subjectto& \left\{\begin{array}{cc}T(t+1)=An\·T\left(t\right)+Bn\·u\left(t\right)+En\·dist\left(t\right)& \left(8\right)\\ U_{lower}\left(t\right)\≤u\left(t\right)\≤U_{upper}\left(t\right)& \left(9\right)\\ T_{lower}(t+1)\≤Cn\·T(t+1)\≤T_{upper}(t+1)& \left(10\right)\\ e_H\left(t\right)+e_B\left(t\right)\≥0& \left(11\right)\\ e_H\left(t\right)=c_{1}u{\left(t\right)}^3+c_{2}u{\left(t\right)}^2+c_{3}u\left(t\right)+c_4& \left(12\right)\\ -d_r\×\mathrm{\τ}\≤e_B\left(t\right)\≤c_r\×\mathrm{\τ}& \left(13\right)\\ S(t+1)=S\left(t\right)+e_B\left(t\right)& \left(14\right)\\ E_{\min }\≤S\left(t\right)\≤E_{\max }& \left(15\right)\\ S(t+1)=E_0,ift\mathrm{mod}N=0& \left(16\right)\end{array}\right.\end{array}$

式(7)为目标函数表示建筑能耗成本和电池运行成本最小，其中，p_g(t)为实时预测的电价，e_H(t)为暖通空调的电力需求，e_B(t)为电池的充放电电力需求，e_H(t)和e_B(t)之和为t时间从电网中撤销的能量，、Anp_b为电池折旧成本，b_d(t)为电池放电能量，w为预测窗的长度，t为时间变量第t时刻，t₀为第t₀时刻；

式(8)中，T(t+1)表示在暖通空调系统中空气流量u(t)与室内温度改变之间的关系，u(t)为空气流量，dist(t)为室外环境扰动，T(t)为第t时刻的室内温度，An为第t时刻室内温度对第t+1时刻室内温度影响的比重系数，Bn为第t时刻空气流量对第t+1时刻室内温度影响的比重系数，En为第t时刻室外环境扰动对第t+1时刻室内温度影响的比重系数；

式(9)表示暖通空调系统中空气流量的上下限约束，U_lower(t)和U_upper(t)分别为空气流量的下限值和上限值；

式(10)表示室内舒适温度设定值的上下限约束，T_lower(t)和T_upper(t)分别为室内舒适温度设定的下限值和上限值，T(t+1)为第t+1时刻室内的温度；

式(11)表示楼宇能量供需约束，

式(12)表示暖通空调系统中空气流量与暖通空调电力需求之间关系，其中c₁、c₂、c₃、c₄为多项式各项的系数；

(13)表示电池的充放电约束，其中τ为每个运行区间的长度，c_r为最大的充电速率，d_r为最大的放电速率；

式(14)表示与电池荷电状态相关的时间约束，其中S(t)为运行区间t内的电池荷电状态；

式(15)表示电池荷电状态的上下限约束，其中E_min和E_max分别为电池储能系统能量的下限值和上限值；

式(16)表示每天结束后的电池荷电状态约束，其中E₀为电池储能系统的初始荷电状态，N为一天内时间区间的数目。

进一步的，所述智能楼宇用电方法中，智能楼宇的能量优化管理为每个时间区间给出的实时预测价格提供最优的用电方法；

如果当前运行时间区间内的预测电价增加而其余时间区间内的预测电价固定不变，则相应的最优用电方法将减小当前运行的时间区间。

进一步的，所述步骤(二)中，所述敏感负荷的电价竞价方法是需求竞价曲线的获得，其具体步骤如下：

当逐步提高预测电价时，价格空间中价格点的跟踪轨迹就是楼宇的敏感负荷的竞价曲线，建立敏感负荷的竞价曲线，其中，λ_l表示当前第i个时间区间内的第l段电力价格预测；

首先，将λ_l设置为预测电价的下限值P_lower；其次，用预测电价λ_l更新实时电价曲线中的当前区间电价P_r(i)＝λ_l；

接着，基于更新的实时电价曲线，利用模型预测控制算法计算单个用户与电价λ_l相对应的负荷需求量Q_l；

然后，迭代预测电价，在每一次的电价迭代中，预测电价λ_l通过每次增加P_incr直至超过预测电价的上限值P_upper；在每次的迭代中，每对预测电价λ_l和其相对应的用户负荷需求量Q_l，即(λ_l,Q_l)，被保存来建立最终的需求竞价曲线；

需求竞价曲线代表了电力需求量和用户支付意愿之间的关系，单个需求竞价曲线将被配电运营商汇总后提交给发电方。

本发明建立了基于可控负荷主动响应的智能楼宇电价响应用电方法，为配电网区域内楼宇/用户中的可控负荷提供了主动参与电力市场的方法，通过负荷与市场间的互动对各负荷进行协调控制和优化调节，减小用户的电力消费成本。

附图说明

图1为本发明实施的结构框图；

图2为本发明涉及的电力市场主动响应；

图3为本发明涉及的获得需求竞价曲线的流程图。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

本发明提供了一种基于可控负荷主动响应的智能楼宇电价响应用电方法，包括1)建立可控负荷主动响应下的三层电力市场结构，并根据用户负荷的主动响应制定电价形成的策略；2)基于可控负荷主动响应模式，建立智能楼宇的用电方法和敏感负荷的电价竞价方法。

本发明方法所述的步骤1)中所述的建立可控负荷主动响应下的三层电力市场结构，并根据用户负荷的主动响应制定电价形成的策略，具体步骤如下：

在三层电力市场结构下的可控负荷主动响应如图2所示。

(1)发电市场运行

在实时电力市场运行下，发电方首先对未来[t,t+w-1]时间区间内的预测电价进行明确，然后等待售电方的响应。一旦在接收到来自售电方的电价和需求竞标，发电方将根据实时的电力市场决定每小时的电力调度策略和当地的电力边界价格。其算法表达式如下：

$\begin{array}{cc}\max imize& \[\underset{j\∈J}{\Σ}{u}_j\left(P_j^D\right)-\underset{i\∈I}{\Σ}{C}_i\left(P_i^G\right)\]\end{array}---\left(1\right)$

$\begin{array}{cc}subjectto& \left\{\begin{array}{cc}{P}_k-P_{gk}+P_{dk}=0,k=1,...,N_b& \left(2\right)\\ |{\mathrm{\Σ}}_{k=1}^{N_b}{\mathrm{GSF}}_{b-k}\×P_k|\≤F_{max}^b& \left(3\right)\\ P_i^{\min }\≤P_i^G\≤P_i^{\max },i\∈I& \left(4\right)\\ u_j\left(P_j^D\right)={\mathrm{\Σ}}_{l=1}^L{w}_{lj}{P}_{lj}^D& \left(5\right)\\ C_i\left(P_i^G\right)={\mathrm{\Σ}}_{m=1}^M{r}_{mi}{P}_{mi}^G& \left(6\right)\end{array}\right.\end{array}$

式(1)表示发电厂和所有参与主动响应的用户剩余电量总和的最大值，其中为用户效用函数，C_i(P_i ^G)为发电成本函数，J为参与竞价的用户个数，I为发电机个数。

式(2)表示每个节点的有功平衡约束，其中为k节点的注入功率，P_gk为节点k的所有发电功率，为节点的所有负荷功率。

式(3)表示每条线路上传输线的发热极限约束，其中GSF_b-k为从节点k到支路b的注入功率转移因子，N_b为与支路b相连的节点数，为线路b的最大潮流。

式(4)表示发电容量的上下限约束，其中和分别为第i台发电机的功率下限和功率上限。

式(5)表示用户效用约束，其中w_lj为第j个用户电力负荷的第l部分负荷承担费用的愿意，为第j个用户的所有电力负荷。

式(6)表示发电成本约束，其中r_mi为第i台发电机输出功率的第m部分功率的竞价成本，P_i ^G为第i台发电机的所有输出功率。

在电价明确之后，当地的电力边界电价和当地负荷的调度运行方式将被发送给售电方，并且发电方将更新电价预测结果，重新进行优化。

(2)售电市场运行

在售电市场运行中，配电运营商主要负责协调各个楼宇/用户间的用电情况。如图1所示，在接收发电方的电价预测之后，配电运营商将根据楼宇/用户的网络位置将预测电价公布给各个楼宇/用户。

假定配电网络的损耗是均衡或无损的，则楼宇/用户的预测电价与离他们最近节点的当地电力边界电价相同。在接收到各个楼宇/用户的实际需求竞价曲线之后，配电运营商把下属的各个竞价曲线相加，汇总成该地区的总需求竞价曲线，并提交给发电方。

同时，一旦从发电方接收到当地调度运行方式之后，配电运营商根据当地各个楼宇/用户自身的需求竞价曲线分配各自楼宇/用户的运行方式。

(3)用电市场运行

智能楼宇/用户是主动需求响应和能量管理的主要参与者，智能楼宇/用户通过能量管理系统对楼宇/用户中的柔性负荷进行协调控制，实现各自电力成本的减少，提高用户和楼宇的舒适度。

首先，能量管理系统基于配电运营商和历史数据对一些关键的外部变量进行预测，如：温度、湿度、用户偏好和电价等；其次，根据预测的温度、用户偏好、电价和负荷模型等对需求竞价曲线进行修正；最后，竞价信息通过广域网发送给配电系统运营商。在发电方明确了日前和实时的电力市场后，能量管理系统将接收调度运行指令并协调楼宇/用户中柔性负荷的运行

本发明方法所述的步骤2)中所述的基于可控负荷主动响应模式建立智能楼宇的用电方法和敏感负荷的电价竞价方法，具体步骤如下：

(1)智能楼宇用电方法

基于模型预测控制对空调系统和储能系统进行协同调度的能量优化管理，其中协同调度算法是基于暖通空调系统的特性模型和电池储能系统的特性模型，其控制的目标是降低单个楼宇的总能源成本。以模型预测控制为基础的能量优化方法如下。

$\begin{array}{cc}\min imize& \underset{t=t_0}{\overset{t_0+w-1}{\Σ}}\[p_g\left(t\right)\·\left(e_H\right(t)+e_B(t\left)\right)+p_b{b}_d\left(t\right)\]\end{array}---\left(7\right)$

$\begin{array}{cc}subjectto& \left\{\begin{array}{cc}T(t+1)=An\·T\left(t\right)+Bn\·u\left(t\right)+En\·dist\left(t\right)& \left(8\right)\\ U_{lower}\left(t\right)\≤u\left(t\right)\≤U_{upper}\left(t\right)& \left(9\right)\\ T_{lower}(t+1)\≤Cn\·T(t+1)\≤T_{upper}(t+1)& \left(10\right)\\ e_H\left(t\right)+e_B\left(t\right)\≥0& \left(11\right)\\ e_H\left(t\right)=c_{1}u{\left(t\right)}^3+c_{2}u{\left(t\right)}^2+c_{3}u\left(t\right)+c_4& \left(12\right)\\ -d_r\×\mathrm{\τ}\≤e_B\left(t\right)\≤c_r\×\mathrm{\τ}& \left(13\right)\\ S(t+1)=S\left(t\right)+e_B\left(t\right)& \left(14\right)\\ E_{\min }\≤S\left(t\right)\≤E_{\max }& \left(15\right)\\ S(t+1)=E_0,ift\mathrm{mod}N=0& \left(16\right)\end{array}\right.\end{array}$

式(7)为目标函数表示建筑能耗成本和电池运行成本最小，其中，p_g(t)为实时预测的电价，e_H(t)为暖通空调的电力需求，e_B(t)为电池的充放电电力需求，e_H(t)和e_B(t)之和为t时间从电网中撤销的能量，p_b为电池折旧成本，b_d(t)为电池放电能量，w为预测窗的长度

式(8)表示在暖通空调系统中空气流量u(t)与室内温度改变之间的关系，u(t)为空气流量，dist(t)为室外环境扰动。

式(9)表示暖通空调系统中空气流量的上下限约束，U_lower(t)和U_upper(t)分别为空气流量的下限值和上限值。

式(10)表示室内舒适温度设定值的上下限约束，T_lower(t)和T_upper(t)分别为室内舒适温度设定的下限值和上限值。

式(11)表示楼宇能量供需约束。

式(12)表示暖通空调系统中空气流量与暖通空调电力需求之间关系。

式(13)表示电池的充放电约束，其中τ为每个运行区间的长度，cr为最大的充电速率，d_r为最大的放电速率。

式(14)表示与电池荷电状态相关的时间约束，其中S(t)为运行区间t内的电池荷电状态。

式(15)表示电池荷电状态的上下限约束，其中E_min和E_max分别为电池储能系统能量的下限值和上限值。

式(16)表示每天结束后的电池荷电状态约束，其中E₀为电池储能系统的初始荷电状态，N为一天内时间区间的数目。

智能楼宇的能量优化管理为每个时间区间给出的实时预测价格提供最优的用电方法。如果当前运行时间区间内的预测电价增加而其余时间区间内的预测电价固定不变，则相应的最优用电方法将减小当前运行的时间区间。

(2)需求竞价曲线的获得方法

当逐步提高预测电价时，价格空间中价格点的跟踪轨迹就是楼宇的敏感负荷的竞价曲线，如图3所示，建立敏感负荷的竞价曲线，其中，λ_l表示当前第i个时间区间内的第l段电力价格预测；建立敏感负荷的竞价曲线的方法步骤如下：

首先，将λ_l设置为预测电价的下限值P_lower；其次，用预测电价λ_l更新实时电价曲线中的当前区间电价P_r(i)＝λ_l；

接着，基于更新的实时电价曲线，利用模型预测控制算法计算单个用户与电价λ_l相对应的负荷需求量Q_l；

然后，迭代预测电价，在每一次的电价迭代中，预测电价λ_l通过每次增加P_incr直至超过预测电价的上限值P_upper；在每次的迭代中，每对预测电价λ_l和其相对应的用户负荷需求量Q_l，即(λ_l,Q_l)，被保存来建立最终的需求竞价曲线；

需求竞价曲线代表了电力需求量和用户支付意愿之间的关系，单个需求竞价曲线将被配电运营商汇总后提交给发电方。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (7)

1.一种基于可控负荷主动响应的智能楼宇电价响应用电方法，其特征在于，包括：

(一)建立可控负荷主动响应下的三层电力市场结构，并根据用户负荷的主动响应制定电价形成的对应方法；在分层电力市场结构下的可控负荷主动响应方式包括以下三层电力市场结构：

1)发电市场运行；其具体步骤如下：

在实时电力市场运行下，发电方首先对未来[t,t+w-1]时间区间内的预测电价进行明确，然后等待售电方的响应；当接收到来自售电方的电价和需求竞标时，发电方则将根据实时的电力市场决定每小时的电力调度方法和当地的电力边界价格，其算法表达式如下：

$\begin{array}{cc}\max imize& \[\underset{j\∈J}{\Σ}{u}_j\left(P_j^D\right)-\underset{i\∈I}{\Σ}{C}_i\left(P_i^G\right)\]\end{array}---\left(1\right)$

$\begin{array}{cc}subjectto& \left\{\begin{array}{cc}{P}_k-P_{gk}+P_{dk}=0,k=1,...,N_b& \left(2\right)\\ |{\mathrm{\Σ}}_{k=1}^{N_b}{\mathrm{GSF}}_{b-k}\×P_k|\≤F_{max}^b& \left(3\right)\\ P_i^{\min }\≤P_i^G\≤P_i^{\max },i\∈I& \left(4\right)\\ u_j\left(P_j^D\right)={\mathrm{\Σ}}_{l=1}^L{w}_{lj}{P}_{lj}^D& \left(5\right)\\ C_i\left(P_i^G\right)={\mathrm{\Σ}}_{m=1}^M{r}_{mi}{P}_{mi}^G& \left(6\right)\end{array}\right.\end{array}$

式(1)表示发电厂和所有参与主动响应的用户剩余电量总和的最大值，其中为用户效用函数，为发电成本函数，J为参与竞价的用户集合，j为第j个参与竞价的用户个体，I为发电机集合，i为第i个发电机个体，为第j个参与竞价用户的所有电力负荷，为第i个发电机的发电功率，P^D表示用户的负荷，P^G表示发电机的功率。

式(2)表示每个节点的有功平衡约束，其中为k节点的注入功率，P_gk为节点k的所有发电功率，为节点的所有负荷功率；

式(3)表示每条线路上传输线的发热极限约束，其中GSF_b-k为从节点k到支路b的注入功率转移因子，N_b为与支路b相连的节点数，为线路b的最大潮流；

式(4)表示发电容量的上下限约束，其中和分别为第i台发电机的功率下限和功率上限，I为发电机集合。

式(5)表示用户效用约束，其中w_lj为第j个用户电力负荷的第l部分负荷承担费用的概率，为第j个用户的所有电力负荷；

式(6)表示发电成本约束，其中r_mi为第i台发电机输出功率的第m部分功率的竞价成本，为第i台发电机的所有输出功率；

在电价明确之后，当地的电力边界电价和当地负荷的调度运行方式将被发送给售电方，并且发电方将更新电价预测结果，重新进行优化；

2)售电市场运行；在售电市场运行中，配电运营商负责协调各个楼宇或用户间的用电情况；在接收发电方的电价预测之后，配电运营商将根据楼宇或用户的网络位置将预测电价公布给各个对应的楼宇或用户；

3)用电市场运行；智能楼宇或用户通过能量管理系统对楼宇或用户中的柔性负荷进行协调控制，实现各自电力成本的减少，提高用户和楼宇的舒适度；

(二)基于可控负荷主动响应模式，建立智能楼宇的用电方法和敏感负荷的电价竞价方法。

2.根据权利要求1所述的一种基于可控负荷主动响应的智能楼宇电价响应用电方法，其特征在于，所述步骤2)中，设配电网络的损耗是均衡或无损的，则楼宇/用户的预测电价与离他们最近节点的当地电力边界电价相同；在接收到各个楼宇或用户的实际需求竞价曲线之后，配电运营商把下属的各个竞价曲线相加，汇总成该地区的总需求竞价曲线，并提交给发电方；

同时，一旦从发电方接收到当地调度运行方式之后，配电运营商根据当地各个楼宇或用户自身的需求竞价曲线分配各自楼宇或用户的运行方式。

3.根据权利要求1所述的一种基于可控负荷主动响应的智能楼宇电价响应用电方法，其特征在于，所述步骤3)中，首先，能量管理系统是基于配电运营商和历史数据对关键的外部变量进行预测；其次，根据预测的温度、用户偏好、电价和负荷模型对需求竞价曲线进行修正；最后，竞价信息通过广域网发送给配电系统运营商；

在发电方明确了日前和实时的电力供求量后，能量管理系统将接收调度运行指令并协调楼宇/用户中柔性负荷的运行。

4.根据权利要求3所述的一种基于可控负荷主动响应的智能楼宇电价响应用电方法，其特征在于，上述关键的外部变量为温度、湿度、用户偏好和电价。

5.根据权利要求1所述的一种基于可控负荷主动响应的智能楼宇电价响应用电方法，其特征在于，所述步骤(二)中，所述基于可控负荷主动响应模式建立智能楼宇的用电方法，具体方法如下：

基于模型预测控制对空调系统和储能系统进行协同调度的能量优化管理，该能量优化管理通过协同调度算法是以模型预测控制为基础的能量优化方法，所述能量优化方法为；

$\begin{array}{cc}\min imize& \underset{t=t_0}{\overset{t_0+w-1}{\mathrm{\Σ}}}\[p_g\left(t\right)\·\left(e_H\right(t)+e_B(t\left)\right)+p_b{b}_d\left(t\right)\]\end{array}---\left(7\right)$

$\begin{array}{cc}subjectto& \left\{\begin{array}{cc}T\left(t+1\right)=An\·T\left(t\right)+Bn\·u\left(t\right)+En\·dist\left(t\right)& \left(8\right)\\ U_{lower}\left(t\right)\≤u\left(t\right)\≤U_{upper}\left(t\right)& \left(9\right)\\ T_{lower}\left(t+1\right)\≤T\left(t+1\right)\≤T_{upper}\left(t+1\right)& \left(10\right)\\ e_H\left(t\right)+e_B\left(t\right)\≥0& \left(11\right)\\ e_H\left(t\right)=c_{1}u{\left(t\right)}^3+c_{2}u{\left(t\right)}^2+c_{3}u\left(t\right)+c_4& \left(12\right)\\ -d_r\×\mathrm{\τ}\≤e_B\left(t\right)\≤c_r\×\mathrm{\τ}& \left(13\right)\\ S\left(t+1\right)=S\left(t\right)+e_B\left(t\right)& \left(14\right)\\ E_{\min }\≤S\left(t\right)\≤E_{\max }& \left(15\right)\\ S\left(t+1\right)=E_0,ift\mathrm{mod}N=0& \left(16\right)\end{array}\right.\end{array}$

式(7)为目标函数表示建筑能耗成本和电池运行成本最小，其中，p_g(t)为实时预测的电价，e_H(t)为暖通空调的电力需求，e_B(t)为电池的充放电电力需求，e_H(t)和e_B(t)之和为t时间从电网中撤销的能量，p_b为电池折旧成本，b_d(t)为电池放电能量，w为预测窗的长度，t为时间变量第t时刻，t₀为第t₀时刻；

式(8)中，T(t+1)表示在暖通空调系统中空气流量u(t)与室内温度改变之间的关系，u(t)为空气流量，dist(t)为室外环境扰动，T(t)为第t时刻的室内温度，An为第t时刻室内温度对第t+1时刻室内温度影响的比重系数，Bn为第t时刻空气流量对第t+1时刻室内温度影响的比重系数，En为第t时刻室外环境扰动对第t+1时刻室内温度影响的比重系数；

式(9)表示暖通空调系统中空气流量的上下限约束，U_lower(t)和U_upper(t)分别为空气流量的下限值和上限值；

式(10)表示室内舒适温度设定值的上下限约束，T_lower(t+1)和T_upper(t+1)分别为室内舒适温度设定的下限值和上限值，T(t+1)为第t+1时刻室内的温度；

式(11)表示楼宇能量供需约束；

式(12)表示暖通空调系统中空气流量与暖通空调电力需求之间关系，其中c₁、c₂、c₃、c₄为多项式各项的系数；

(13)表示电池的充放电约束，其中τ为每个运行区间的长度，c_r为最大的充电速率，d_r为最大的放电速率；

式(14)表示与电池荷电状态相关的时间约束，其中S(t)为运行区间t内的电池荷电状态；

式(15)表示电池荷电状态的上下限约束，其中E_min和E_max分别为电池储能系统能量的下限值和上限值；

式(16)表示每天结束后的电池荷电状态约束，其中E₀为电池储能系统的初始荷电状态，N为一天内时间区间的数目。

6.根据权利要求5所述的一种基于可控负荷主动响应的智能楼宇电价响应用电方法，其特征在于，所述智能楼宇用电方法中，智能楼宇的能量优化管理为每个时间区间给出的实时预测价格提供最优的用电方法；

如果当前运行时间区间内的预测电价增加而其余时间区间内的预测电价固定不变，则相应的最优用电方法将减小当前运行的时间区间。

7.根据权利要求1所述的一种基于可控负荷主动响应的智能楼宇电价响应用电方法，其特征在于，所述步骤(二)中，所述敏感负荷的电价竞价方法是需求竞价曲线的获得，其具体步骤如下：

当逐步提高预测电价时，价格空间中价格点的跟踪轨迹就是楼宇的敏感负荷的竞价曲线，建立敏感负荷的竞价曲线，其中，λ_l表示当前第i个时间区间内的第l段电力价格预测；

首先，将λ_l设置为预测电价的下限值P_lower；其次，用预测电价λ_l更新实时电价曲线中的当前区间电价P_r(i)＝λ_l；

接着，基于更新的实时电价曲线，利用模型预测控制算法计算单个用户与电价λ_l相对应的负荷需求量Q_l；

然后，迭代预测电价，在每一次的电价迭代中，预测电价λ_l通过每次增加P_incr直至超过预测电价的上限值P_upper；在每次的迭代中，每对预测电价λ_l和其相对应的用户负荷需求量Q_l，即(λ_l,Q_l)，被保存来建立最终的需求竞价曲线；

需求竞价曲线代表了电力需求量和用户支付意愿之间的关系，单个需求竞价曲线将被配电运营商汇总后提交给发电方。