CN106339826A - 一种计及削峰填谷的并网型微电网可靠性评估方法 - Google Patents
一种计及削峰填谷的并网型微电网可靠性评估方法 Download PDFInfo
- Publication number
- CN106339826A CN106339826A CN201610866322.3A CN201610866322A CN106339826A CN 106339826 A CN106339826 A CN 106339826A CN 201610866322 A CN201610866322 A CN 201610866322A CN 106339826 A CN106339826 A CN 106339826A
- Authority
- CN
- China
- Prior art keywords
- load
- peak
- valley
- delta
- period
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 20
- 230000005611 electricity Effects 0.000 claims abstract description 85
- 239000002245 particle Substances 0.000 claims abstract description 50
- 230000004044 response Effects 0.000 claims abstract description 44
- 239000011159 matrix material Substances 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 5
- 230000008859 change Effects 0.000 claims description 18
- 230000001133 acceleration Effects 0.000 claims description 6
- 238000004146 energy storage Methods 0.000 claims description 6
- 238000011410 subtraction method Methods 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- HDRXZJPWHTXQRI-BHDTVMLSSA-N diltiazem hydrochloride Chemical compound [Cl-].C1=CC(OC)=CC=C1[C@H]1[C@@H](OC(C)=O)C(=O)N(CC[NH+](C)C)C2=CC=CC=C2S1 HDRXZJPWHTXQRI-BHDTVMLSSA-N 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 230000026280 response to electrical stimulus Effects 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000004870 electrical engineering Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008685 targeting Effects 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
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
本发明公开了一种计及削峰填谷的并网型微电网可靠性评估方法,其包括有如下步骤:根据电力系统负荷曲线选定峰、谷时段的模糊隶属度;确定负荷曲线各时刻点的模糊相似矩阵R与等价矩阵通过λ截关系进行动态聚类可得到其峰、谷时段的划分;并根据电力市场秩序及人们实际用电需求作出调整,得到修正后的典型负荷峰时段、平时段及谷时段;根据负荷用电总量、电价及用户满意度三个约束要素建立基于电价弹性系数的负荷需求响应模型,目标函数为λ1+λ2=1使用粒子群算法求解并确定修正的负荷曲线;采用时序蒙特卡洛模拟法来确认基于修正负荷曲线的并网型微电网可靠性。本发明通用性较好,算法接口简单。
Description
技术领域
本发明涉及电力系统可靠性评估,具体涉及一种计及削峰填谷的并网型微电网可靠性评估方法,属于电气工程技术领域。
背景技术
传统电力系统的调度方式仅仅考虑电源侧对系统带来的影响,而基于用户消费者心理学的需求响应策略使得电网管理者可以从用户端来优化电力系统的运行。微电网中可再生能源的接入以及需求响应策略的实施使得微电网可靠性评估变得复杂。电力管理者为保证电力系统稳定运行,在用电高峰时需要停止对一些用户供电。同时,在用电低谷时,电力系统的负荷小于电网中机组的最小技术出力,因此需关闭部分发电机组。负荷的这种峰谷特性不仅浪费了大量资源,对环境造成污染,而且还增加了电力系统的运行维护费用,经济性相当差。峰谷分时电价策略作为需求响应的一部分,可有效通过对负荷进行削峰填谷以解决上述问题。
目前针对微电网可靠性评估研究较多,提出了考虑不同因素的微电网可靠性评估算法。然而,现有的微电网可靠性评估算法并没有考虑削峰填谷对微电网可靠性的影响,仅考虑微电网的网架结构和新能源的随机性和间歇性等特性。针对这些问题,建立以削峰填谷为目标的负荷需求响应模型,并应用粒子群算法求解模型。考虑负荷需求响应、微电网结构以及储能设备出力策略等因素,提出计及负荷需求响应的并网型微电网可靠性评估方法。
发明内容
针对上述现有技术中的不足之处,本发明旨在建立以削峰填谷为目标的负荷需求响应模型,并基于此提出一种计及削峰填谷的并网型微电网可靠性评估方法,弥补了现有微电网可靠性评估算法的不足,所提出的算法考虑的因素更为全面,更适削峰填谷策略下的微电网可靠性评估。
为了实现上述目的,本发明的技术方案:一种计及削峰填谷的并网型微电网可靠性评估方法,其包括有如下步骤:
S1、根据电力系统负荷曲线选定峰、谷时段的模糊隶属度;
S2、确定负荷曲线各时刻点的模糊相似矩阵R与等价矩阵通过λ截关系进行动态聚类可得到其峰、谷时段的划分;并根据电力市场秩序及人们实际用电需求作出调整,得到修正后的典型负荷峰时段、平时段及谷时段;
S3、根据负荷用电总量、电价及用户满意度三个约束要素建立基于电价弹性系数的负荷需求响应模型,目标函数为
λ1+λ2=1
式中,q′表示需求响应后的负荷,q表示负荷总量,λ1与λ2分别为经标准化后的最大峰值负荷、峰谷负荷差的权系数;使用粒子群算法求解并确定修正的负荷曲线;
S4、根据微电网网架结构、负荷削峰填谷方式、储能设备与分布式电源的联合出力方式采用时序蒙特卡洛模拟法来确认基于修正负荷曲线的并网型微电网可靠性。
进一步的,步骤S1中,采用式(1)、(2)分别表示负荷曲线的峰时段隶属度、谷时段隶属度:
式中,l表示各个时刻点的负荷量,Af(l)表示各个时刻点负荷的峰时段隶属度函数,Ag(l)表示各个时刻点负荷的谷时段隶属度函数,lmin表示日负荷曲线中负荷的最小值,lmax表示日负荷曲线中负荷的最大值。
进一步的,步骤S2具有如下步骤:
S2-1、数据标准化,由个时刻负荷点的峰、谷时段隶属度ufi与ugi得到原始数据矩阵U为:
式(4)、(5)、(6)为标准差变换:
S2-2、建立F相似关系
采用绝对值减数法建立相似关系,模糊相似矩阵R(li,lj)=rij可由下式计算:
式中,m=2,表示峰与谷,c取为适当的值,从而使得0≤rij≤1;
S2-3、将相似关系变换为等价关系
采用平方法求出相似矩阵R的传递闭包矩阵方法如下:
对矩阵R依次求平方,即R→R2→…→Rk,当第一次出现R2k=Rk时,Rk即为所求的等价矩阵其中,符号为模糊数学中的合并运算;
S2-4、按λ截关系进行动态聚类
设R=(rij)m×n,记
Rλ=(rij(λ))m×n (8)
则称Rλ为R的λ截矩阵;
当λ由1逐步减小到0时,由F等价关系R确定的分类所含元素逐渐增多,最终归并为一类,本发明选取使得聚类数目为3的λ值。
进一步的,步骤S3中包括有步骤:
S3-1、目标函数的建立
电量电价弹性系数ε表示电价的相对变动引起电能需求的相对变动的程度,该ε的公式为:
式中,q为电量,p为电价,Δq为电量变化量,Δp为电价变化量;
由用户对电价的响应模式分为单时段响应和多时段响应,使得电量电价弹性系数分为自弹性系数εii与交叉弹性系数εij,根据该自弹性系数εii与交叉弹性系数εij,求得峰、谷分时电价机制下的电量电价弹性系数矩阵E,进一步建立用户响应电价的模型:
式中,qf、qp与qg分别表示峰时段、平时段以及谷时段的负荷总量;
通过负荷曲线的峰、谷负荷过大设定两个目标函数,决策变量为每个时段的电价变化量Δp,
暂定目标函数为:
min(maxq′) (12)
min(maxq′-minq′) (13)
式中,q′表示需求响应后的负荷,式(12)表示使得峰负荷最小;式(13)表示使得峰谷负荷差最小;
采用定权系数的方法将多目标问题转化为单目标问题,转换后的目标函数最终为:
式中,λ1与λ2分别为经标准化后的最大峰值负荷、峰谷负荷差的权系数;
S3-2、建立负荷需求响应模型的三个约束要素,分别为:
①、负荷用电总量不变约束
由负荷总量不变可知,
∑Δqi=0 i=f,p,g (15)
可推出电价的变化约束为:
式中,e为电量电价弹性矩阵E的行向量;
②、用户满意度约束
采用用户用电方式满意度sm、用户电费支出满意度sp两项指标,分别由式(17)、(18)表示;
式(17)中,△qi为i时刻的电量改变量,qi为原i时刻的用电量;
式(18)中,△Ci为i时刻的电费改变量,Ci为原i时刻的电费支出;
因此最终用户满意度约束可归纳表示为:
式中,α与β为相应的满意度临界值;
③、电价约束
满足电价不能为负值,谷时段电价不能过低,峰时段的电价应高于平时段电价,平时段电价应高于谷时段电价:
式中,δ为谷时段电价的最低电价限制。
S3-3、采用粒子群算法求解负荷需求响应模型
在一个d维的搜索空间中,m个粒子组成的粒子群表示为X=[x1,x2,…xn],每个粒子x的位置通过决策变量△p/p来表示,即xi=(xi1,xi2…xid),每个粒子的速度为vi=(vi1,vi2,…vid)。,由此可知,粒子的更新速度与位置为:
式中,n=1,2,…,d;i=1,2,…,m;t为当前的迭代次数;r1与r2为[0,1]区间上的随机数;c1与c2为加速常数,ω为惯性权重系数;为粒子寻找到自身最优解的最优位置,为全局粒子寻找到最优解的最优位置,
求解步骤如下:
①初始化,给定加速常数c1与c2,设定最大迭代次数T,随机生成初始粒子群与各粒子的移动速度,因决策变量为电价的变化量与电价的比值△p/p,△p/p一定属于区间[-1,1]且变化不宜过大,所以将各粒子位置随机生成在0附近;
②计算每个粒子的适应值;
③更新个体最优值pbest与全局最优值gbest,并记录相应的粒子位置;
④通过式(21)与式(22)更新粒子的速度与位置;
⑤判断是否达到最大迭代次数或满足收敛条件,若是则终止,否则返回步骤②。
本发明的有益效果:建立以削峰填谷为目标的负荷需求响应模型,采用粒子群算法求解,进一步结合微电网结构、储能设备及分布式电源联合出力策略等因素,采用时序蒙特卡洛模拟法来确认基于修正负荷曲线的并网型微电网可靠性,该方法弥补了现有微电网可靠性评估算法的不足,所提出的算法考虑的因素更为全面,更适削峰填谷策略下的微电网可靠性评估。
附图说明
图1是负荷需求响应模型的可改善负荷曲线状态图。
具体实施方式
下面结合具体实施例及附图来进一步详细说明本发明。
一种计及削峰填谷的并网型微电网可靠性评估方法,其包括有如下步骤:
S1、根据电力系统负荷曲线选定峰、谷时段的模糊隶属度;
S2、确定负荷曲线各时刻点的模糊相似矩阵R与等价矩阵通过λ截关系进行动态聚类可得到其峰、谷时段的划分;并根据电力市场秩序及人们实际用电需求作出调整,得到修正后的典型负荷峰时段、平时段及谷时段;
S3、根据负荷用电总量、电价及用户满意度三个约束要素建立基于电价弹性系数的负荷需求响应模型,目标函数为
λ1+λ2=1
式中,q′表示需求响应后的负荷,q表示负荷总量,λ1与λ2分别为经标准化后的最大峰值负荷、峰谷负荷差的权系数;使用粒子群算法求解并确定修正的负荷曲线;
S4、根据微电网网架结构、负荷削峰填谷方式、储能设备与分布式电源的联合出力方式采用时序蒙特卡洛模拟法来确认基于修正负荷曲线的并网型微电网可靠性。
具体地,因每个月制定的分时电价策略不同,因其得到方法相同,所以取其中一日作为典型日进行具体说明。
S1、峰、谷时段的模糊隶属度选取
考虑到电力系统日负荷曲线的特点,即有特定的最大峰值与最小谷值,采用式(1)、(2)分别表示负荷曲线的峰时段隶属度、谷时段隶属度:
式中,l表示各个时刻点的负荷量,Af(l)表示各个时刻点负荷的峰时段隶属度函数,Ag(l)表示各个时刻点负荷的谷时段隶属度函数,lmin表示日负荷曲线中负荷的最小值,lmax表示日负荷曲线中负荷的最大值。
峰、谷时段隶属度如下表所示:
S2、峰、谷时段的聚类划分
有如下步骤:
S2-1、数据标准化,由个时刻负荷点的峰、谷时段隶属度ufi与ugi得到原始数据矩阵U为:
式(4)、(5)、(6)为标准差变换:
S2-2、建立F相似关系
确立待分类对象的相似关系有很多种方法,如数量积法、相关系数法、最大最小法、几何平均最小法以及绝对值减数法等,本例采用绝对值减数法建立相似关系,模糊相似矩阵R(li,lj)=rij可由下式计算:
式中,m=2,表示峰与谷,c取为适当的值,从而使得0≤rij≤1;
S2-3、将相似关系变换为等价关系
由步骤S2-2求得的矩阵R一般只满足自反性与对称性,即R是相似矩阵,需要将其改造为等价矩阵,本例采用平方法求出相似矩阵R的传递闭包矩阵 即是所期望的等价矩阵,具体方法如下:
对矩阵R依次求平方,即R→R2→…→Rk,当第一次出现R2k=Rk时,Rk即为所求的等价矩阵其中,符号为模糊数学中的合并运算;
S2-4、按λ截关系进行动态聚类
λ截关系即是,设R=(rij)m×n,记
Rλ=(rij(λ))m×n (8)
则称Rλ为R的λ截矩阵;
当λ由1逐步减小到0时,由F等价关系R确定的分类所含元素逐渐增多,最终归并为一类,本发明选取使得聚类数目为3的λ值。
该方法可以求得典型日负荷曲线各时刻点的模糊相似矩阵R与等价矩阵通过λ截关系进行动态聚类可得到其峰、谷时段的划分。为了确保电力市场秩序的稳定且满足人们实际用电的需求,还需对峰、平、谷三个时段作出调整,以确保峰、平、谷三个时段内的时间点不宜过少或过多。修正后的典型日负荷峰时段为9-11时,17-20时;平时段为7-8时,12-16时;谷时段为1-6时,24时。
S3、建立基于电价弹性系数的负荷需求响应模型
S3-1、目标函数的建立
电量电价弹性系数ε表示电价的相对变动引起电能需求的相对变动的程度,该ε的公式为:
式中,q为电量,p为电价,Δq为电量变化量,Δp为电价变化量;
研究指出,用户对电价的响应行为模式有两种,①单时段响应,即用户仅仅对当前时段的电价变化做出响应;②多时段响应,即用户不仅对当前时段,还对其它时段较为敏感,因此,其响应过程需综合考虑自身的用电行为。实际情况中,多时段响应更为合理。因此,电量电价弹性系数分为自弹性系数εii与交叉弹性系数εij,根据该自弹性系数εii与交叉弹性系数εij,求得峰、谷分时电价机制下的电量电价弹性系数矩阵E,进一步建立用户响应电价的模型:
式中,qf、qp与qg分别表示峰时段、平时段以及谷时段的负荷总量;
如负荷曲线的峰值负荷过大,且因线路故障等原因导致需转移负荷时,备用电源的容量可能不能满足所有负荷的需求,因而导致停电事故。当峰谷负荷差较大时,机组的调度费用可能会增大。因此通过负荷曲线的峰、谷负荷过大设定两个目标函数,决策变量为每个时段的电价变化量Δp,
暂定目标函数为:
min(maxq′) (12)
min(maxq′-minq′) (13)
式中,q′表示需求响应后的负荷,式(12)表示使得峰负荷最小;式(13)表示使得峰谷负荷差最小;
采用定权系数的方法将多目标问题转化为单目标问题,转换后的目标函数最终为:
式中,λ1与λ2分别为经标准化后的最大峰值负荷、峰谷负荷差的权系数;
S3-2、建立负荷需求响应模型需考虑的三个约束要素,分别为:
①、负荷用电总量不变约束
由负荷总量不变可知,
∑Δqi=0i=f,p,g (15)
可推出电价的变化约束为:
式中,e为电量电价弹性矩阵E的行向量;
②、用户满意度约束
用户满意度属于电力营销的范畴,电力公司在制定峰、谷分时电价时应该充分考虑到用户对电价变化的满意情况。不合理的分时电价可能会增加用户的电费支出;同时,过于极端的分时电价可能导致用户过多地改变自身的用户习惯,并因此降低用户体验。所以本发明在约束条件中加入采用用户用电方式满意度sm、用户电费支出满意度sp两项指标,分别由式(17)、(18)表示;
式(17)中,△qi为i时刻的电量改变量,qi为原i时刻的用电量;
式(18)中,△Ci为i时刻的电费改变量,Ci为原i时刻的电费支出;
因此最终用户满意度约束可归纳表示为:
式中,α与β为相应的满意度临界值;
③、电价约束
满足电价不能为负值,谷时段电价不能过低,峰时段的电价应高于平时段电价,平时段电价应高于谷时段电价:
式中,δ为谷时段电价的最低电价限制。
S3-3、采用粒子群算法求解负荷需求响应模型
在一个d维的搜索空间中,m个粒子组成的粒子群表示为X=[x1,x2,…xn],每个粒子x的位置通过决策变量△p/p来表示,即xi=(xi1,xi2…xid),每个粒子的速度为vi=(vi1,vi2,…vid)。,由此可知,粒子的更新速度与位置为:
式中,n=1,2,…,d;i=1,2,…,m;t为当前的迭代次数;r1与r2为[0,1]区间上的随机数;c1与c2为加速常数,ω为惯性权重系数;为粒子寻找到自身最优解的最优位置,为全局粒子寻找到最优解的最优位置,
求解步骤如下:
①初始化,给定加速常数c1与c2,设定最大迭代次数T,随机生成初始粒子群与各粒子的移动速度,因决策变量为电价的变化量与电价的比值△p/p,△p/p一定属于区间[-1,1]且变化不宜过大,所以将各粒子位置随机生成在0附近;
②计算每个粒子的适应值;
③更新个体最优值pbest与全局最优值gbest,并记录相应的粒子位置;
④通过式(21)与式(22)更新粒子的速度与位置;
⑤判断是否达到最大迭代次数或满足收敛条件,若是则终止,否则返回步骤②。
基于所划分的时段,所用粒子群算法对负荷需求响应模型求解,可得典型的日负荷曲线优化结果,如图1所示,本发明所建立的负荷需求响应模型可改善负荷曲线,达到削峰填谷的目的。
S4、进行计及削峰填谷的并网型微电网可靠性评估
使用本发明所述方法评估实施削峰填谷需求响应策略前后的微电网可靠性,其评估结果如下表所示:
由上表可知,以削峰填谷为目标的需求响应策略在某些情况下会恶化并网型微电网可靠性指标,比如SAIFI指标的增幅为23.3%。这是因为,虽然削峰填谷策略会减小峰值负荷,但也会增加谷时段的负荷,这使得在全年时间段内负荷功率小于微电源出力的时间期望难以确定,所以会出现可靠性指标恶化的情况。
本发明建立以削峰填谷为目标的需求响应模型,使用粒子群算法求解,进一步结合微电网结构和储能出力策略等因素,给出计及削峰填谷的并网型微电网进行可靠性评估方法。本发明算法接口简单,便于工程人员学习实用,并且通用性较好,其结果可为微电网可靠性评估提供有益参考。
以上对本发明实施例所提供的技术方案进行了详细介绍,本文中应用了具体个例对本发明实施例的原理以及实施方式进行了阐述,以上实施例的说明只适用于帮助理解本发明实施例的原理;同时,对于本领域的一般技术人员,依据本发明实施例,在具体实施方式以及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (4)
1.一种计及削峰填谷的并网型微电网可靠性评估方法,其特征在于:包括有如下步骤:
S1、根据电力系统负荷曲线选定峰、谷时段的模糊隶属度;
S2、确定负荷曲线各时刻点的模糊相似矩阵R与等价矩阵通过λ截关系进行动态聚类可得到其峰、谷时段的划分;并根据电力市场秩序及人们实际用电需求作出调整,得到修正后的典型负荷峰时段、平时段及谷时段;
S3、根据负荷用电总量、电价及用户满意度三个约束要素建立基于电价弹性系数的负荷需求响应模型,目标函数为
λ1+λ2=1
式中,q′表示需求响应后的负荷,q表示负荷总量,λ1与λ2分别为经标准化后的最大峰值负荷、峰谷负荷差的权系数;使用粒子群算法求解并确定修正的负荷曲线;
S4、根据微电网网架结构、负荷削峰填谷方式、储能设备与分布式电源的联合出力方式采用时序蒙特卡洛模拟法来确认基于修正负荷曲线的并网型微电网可靠性。
2.根据权利要求1所述一种计及削峰填谷的并网型微电网可靠性评估方法,其特征在于:步骤S1中,采用式(1)、(2)分别表示负荷曲线的峰时段隶属度、谷时段隶属度:
式中,l表示各个时刻点的负荷量,Af(l)表示各个时刻点负荷的峰时段隶属度函数,Ag(l)表示各个时刻点负荷的谷时段隶属度函数,lmin表示日负荷曲线中负荷的最小值,lmax表示日负荷曲线中负荷的最大值。
3.根据权利要求2所述一种计及削峰填谷的并网型微电网可靠性评估方法,其特征在于:步骤S2具有如下步骤:
S2-1、数据标准化,由个时刻负荷点的峰、谷时段隶属度ufi与ugi得到原始数据矩阵U为:
式(4)、(5)、(6)为标准差变换:
S2-2、建立F相似关系
采用绝对值减数法建立相似关系,模糊相似矩阵R(li,lj)=rij可由下式计算:
式中,m=2,表示峰与谷,c取为适当的值,从而使得0≤rij≤1;
S2-3、将相似关系变换为等价关系
采用平方法求出相似矩阵R的传递闭包矩阵方法如下:
对矩阵R依次求平方,即R→R2→…→Rk,当第一次出现R2k=Rk时,Rk即为所求的等价矩阵其中,R2=RоR,符号“о”为模糊数学中的合并运算;
S2-4、按λ截关系进行动态聚类
设R=(rij)m×n,记
Rλ=(rij(λ))m×n (8)
则称Rλ为R的λ截矩阵;
当λ由1逐步减小到0时,由F等价关系R确定的分类所含元素逐渐增多,最终归并为一类,本发明选取使得聚类数目为3的λ值。
4.根据权利要求3所述一种计及削峰填谷的并网型微电网可靠性评估方法,其特征在于:步骤S3中包括有步骤:
S3-1、目标函数的建立
电量电价弹性系数ε表示电价的相对变动引起电能需求的相对变动的程度,该ε的公式为:
式中,q为电量,p为电价,Δq为电量变化量,Δp为电价变化量;
由用户对电价的响应模式分为单时段响应和多时段响应,使得电量电价弹性系数分为自弹性系数εii与交叉弹性系数εij,根据该自弹性系数εii与交叉弹性系数εij,求得峰、谷分时电价机制下的电量电价弹性系数矩阵E,进一步建立用户响应电价的模型:
式中,qf、qp与qg分别表示峰时段、平时段以及谷时段的负荷总量;
通过负荷曲线的峰、谷负荷过大设定两个目标函数,决策变量为每个时段的电价变化量Δp,
暂定目标函数为:
min(maxq′) (12)
min(maxq′-minq′) (13)
式中,q′表示需求响应后的负荷,式(12)表示使得峰负荷最小;式(13)表示使得峰谷负荷差最小;
采用定权系数的方法将多目标问题转化为单目标问题,转换后的目标函数最终为:
λ1+λ2=1
式中,λ1与λ2分别为经标准化后的最大峰值负荷、峰谷负荷差的权系数;
S3-2、建立负荷需求响应模型的三个约束要素,分别为:
①、负荷用电总量不变约束
由负荷总量不变可知,
∑Δqi=0 i=f,p,g (15)
可推出电价的变化约束为:
式中,e为电量电价弹性矩阵E的行向量;
②、用户满意度约束
采用用户用电方式满意度sm、用户电费支出满意度sp两项指标,分别由式(17)、(18)表示;
式(17)中,△qi为i时刻的电量改变量,qi为原i时刻的用电量;
式(18)中,△Ci为i时刻的电费改变量,Ci为原i时刻的电费支出;
因此最终用户满意度约束可归纳表示为:
式中,α与β为相应的满意度临界值;
③、电价约束
满足电价不能为负值,谷时段电价不能过低,峰时段的电价应高于平时段电价,平时段电价应高于谷时段电价:
△p/p≥-1
p′g≥δ (20)
p′f≥p′p≥p′g
式中,δ为谷时段电价的最低电价限制。
S3-3、采用粒子群算法求解负荷需求响应模型
在一个d维的搜索空间中,m个粒子组成的粒子群表示为X=[x1,x2,…xn],每个粒子x的位置通过决策变量△p/p来表示,即xi=(xi1,xi2…xid),每个粒子的速度为vi=(vi1,vi2,…vid)。,由此可知,粒子的更新速度与位置为:
式中,n=1,2,…,d;i=1,2,…,m;t为当前的迭代次数;r1与r2为[0,1]区间上的随机数;c1与c2为加速常数,ω为惯性权重系数;为粒子寻找到自身最优解的最优位置,为全局粒子寻找到最优解的最优位置,
求解步骤如下:
①初始化,给定加速常数c1与c2,设定最大迭代次数T,随机生成初始粒子群与各粒子的移动速度,因决策变量为电价的变化量与电价的比值△p/p,△p/p一定属于区间[-1,1]且变化不宜过大,所以将各粒子位置随机生成在0附近;
②计算每个粒子的适应值;
③更新个体最优值pbest与全局最优值gbest,并记录相应的粒子位置;
④通过式(21)与式(22)更新粒子的速度与位置;
⑤判断是否达到最大迭代次数或满足收敛条件,若是则终止,否则返回步骤②。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610866322.3A CN106339826A (zh) | 2016-09-29 | 2016-09-29 | 一种计及削峰填谷的并网型微电网可靠性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610866322.3A CN106339826A (zh) | 2016-09-29 | 2016-09-29 | 一种计及削峰填谷的并网型微电网可靠性评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106339826A true CN106339826A (zh) | 2017-01-18 |
Family
ID=57839718
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610866322.3A Pending CN106339826A (zh) | 2016-09-29 | 2016-09-29 | 一种计及削峰填谷的并网型微电网可靠性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106339826A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109709910A (zh) * | 2018-11-30 | 2019-05-03 | 中国科学院广州能源研究所 | 一种家庭能源优化调度管理系统及方法 |
CN109784589A (zh) * | 2019-03-19 | 2019-05-21 | 广东电网有限责任公司 | 一种电网业扩报装用户接入优化方法、装置和设备 |
CN109978336A (zh) * | 2019-02-26 | 2019-07-05 | 合肥工业大学 | 一种考虑需求响应可靠性的响应容量区间评估计方法 |
CN110705792A (zh) * | 2019-09-30 | 2020-01-17 | 重庆大学 | 一种计及分时定价的动态需求响应求解方法 |
CN110729768A (zh) * | 2019-10-09 | 2020-01-24 | 南方电网能源发展研究院有限责任公司 | 一种分布式电源出力特性的增量配电网分时配电方法 |
CN110768306A (zh) * | 2019-10-31 | 2020-02-07 | 广州供电局有限公司 | 一种提高保底电网中微电网应急能力的电源容量配置方法 |
CN110943477A (zh) * | 2019-11-19 | 2020-03-31 | 国网江苏省电力有限公司经济技术研究院 | 提升电动汽车优化充电对分布式电源消纳的方法和装置 |
CN111144447A (zh) * | 2019-12-09 | 2020-05-12 | 国网新疆电力有限公司电力科学研究院 | 一种新能源出力引起的反调峰风险的电网峰谷时段划分方法 |
CN111242702A (zh) * | 2020-02-29 | 2020-06-05 | 贵州电网有限责任公司 | 一种考虑系统峰谷差最小的电网峰谷分时电价的制定方法 |
CN111738773A (zh) * | 2020-07-01 | 2020-10-02 | 国网宁夏电力有限公司 | 一种基于新能源与负荷的净负荷峰谷时段划分方法及系统 |
CN112238781A (zh) * | 2020-09-30 | 2021-01-19 | 国网河南省电力公司经济技术研究院 | 一种基于分层架构的电动汽车有序充电控制方法 |
CN113240545A (zh) * | 2021-05-11 | 2021-08-10 | 国网湖南省电力有限公司 | 促进新能源消纳的峰谷平时段优化方法 |
CN115375091A (zh) * | 2022-07-15 | 2022-11-22 | 国网宁夏电力有限公司营销服务中心(国网宁夏电力有限公司计量中心) | 一种基于价格弹性系数的负荷可调节能力量化方法 |
-
2016
- 2016-09-29 CN CN201610866322.3A patent/CN106339826A/zh active Pending
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109709910A (zh) * | 2018-11-30 | 2019-05-03 | 中国科学院广州能源研究所 | 一种家庭能源优化调度管理系统及方法 |
CN109978336A (zh) * | 2019-02-26 | 2019-07-05 | 合肥工业大学 | 一种考虑需求响应可靠性的响应容量区间评估计方法 |
CN109978336B (zh) * | 2019-02-26 | 2021-02-05 | 合肥工业大学 | 一种考虑需求响应可靠性的响应容量区间评估方法 |
CN109784589A (zh) * | 2019-03-19 | 2019-05-21 | 广东电网有限责任公司 | 一种电网业扩报装用户接入优化方法、装置和设备 |
CN109784589B (zh) * | 2019-03-19 | 2023-03-24 | 广东电网有限责任公司 | 一种电网业扩报装用户接入优化方法、装置和设备 |
CN110705792A (zh) * | 2019-09-30 | 2020-01-17 | 重庆大学 | 一种计及分时定价的动态需求响应求解方法 |
CN110729768A (zh) * | 2019-10-09 | 2020-01-24 | 南方电网能源发展研究院有限责任公司 | 一种分布式电源出力特性的增量配电网分时配电方法 |
CN110768306A (zh) * | 2019-10-31 | 2020-02-07 | 广州供电局有限公司 | 一种提高保底电网中微电网应急能力的电源容量配置方法 |
CN110943477B (zh) * | 2019-11-19 | 2021-12-28 | 国网江苏省电力有限公司经济技术研究院 | 提升电动汽车优化充电对分布式电源消纳的方法和装置 |
CN110943477A (zh) * | 2019-11-19 | 2020-03-31 | 国网江苏省电力有限公司经济技术研究院 | 提升电动汽车优化充电对分布式电源消纳的方法和装置 |
CN111144447A (zh) * | 2019-12-09 | 2020-05-12 | 国网新疆电力有限公司电力科学研究院 | 一种新能源出力引起的反调峰风险的电网峰谷时段划分方法 |
CN111144447B (zh) * | 2019-12-09 | 2022-05-31 | 国网新疆电力有限公司电力科学研究院 | 一种新能源出力引起的反调峰风险的电网峰谷时段划分方法 |
CN111242702A (zh) * | 2020-02-29 | 2020-06-05 | 贵州电网有限责任公司 | 一种考虑系统峰谷差最小的电网峰谷分时电价的制定方法 |
CN111242702B (zh) * | 2020-02-29 | 2021-08-06 | 贵州电网有限责任公司 | 一种考虑系统峰谷差最小的电网峰谷分时电价的制定方法 |
CN111738773A (zh) * | 2020-07-01 | 2020-10-02 | 国网宁夏电力有限公司 | 一种基于新能源与负荷的净负荷峰谷时段划分方法及系统 |
CN112238781A (zh) * | 2020-09-30 | 2021-01-19 | 国网河南省电力公司经济技术研究院 | 一种基于分层架构的电动汽车有序充电控制方法 |
CN113240545A (zh) * | 2021-05-11 | 2021-08-10 | 国网湖南省电力有限公司 | 促进新能源消纳的峰谷平时段优化方法 |
CN115375091A (zh) * | 2022-07-15 | 2022-11-22 | 国网宁夏电力有限公司营销服务中心(国网宁夏电力有限公司计量中心) | 一种基于价格弹性系数的负荷可调节能力量化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106339826A (zh) | 一种计及削峰填谷的并网型微电网可靠性评估方法 | |
WO2023010759A1 (zh) | 基于配售电竞争态势下区域配电网网格化负荷区间预测方法 | |
Al Khafaf et al. | Impact of battery storage on residential energy consumption: An Australian case study based on smart meter data | |
Jia et al. | Historical-data-based energy management in a microgrid with a hybrid energy storage system | |
Rejc et al. | Short-term transmission-loss forecast for the slovenian transmission power system based on a fuzzy-logic decision approach | |
Keerthisinghe et al. | Energy management of PV-storage systems: Policy approximations using machine learning | |
AU2022200073B2 (en) | Dynamic non-linear optimization of a battery energy storage system | |
CN104376385A (zh) | 一种微电网电价优化方法 | |
Abdolahi et al. | Chance-constrained CAES and DRP scheduling to maximize wind power harvesting in congested transmission systems considering operational flexibility | |
CN104376502A (zh) | 基于灰色关联度的电力客户信用综合评价方法 | |
Li et al. | Extended sufficient conditions for exact relaxation of the complementarity constraints in storage-concerned economic dispatch | |
Zhang et al. | Research on the optimal allocation method of source and storage capacity of integrated energy system considering integrated demand response | |
Zhang et al. | Deep reinforcement learning based Bi-layer optimal scheduling for microgrids considering flexible load control | |
Yin et al. | Dynamic decision model of critical peak pricing considering electric vehicles' charging load | |
Zhong et al. | A logic-based geometrical model for the next day operation of PV-battery systems | |
CN111160767A (zh) | 一种综合能源服务效益评估方法 | |
Wang et al. | Research on fair residential critical peak price: Based on a price penalty mechanism for high-electricity consumers | |
Goyal et al. | Solution to uncertainty of renewable energy sources and peak hour demand in smart grid system | |
Tang et al. | Benefits allocation method for demand response in smart distribution network with high PV penetration | |
Setiawan et al. | Electricity Tariff Simulation on The Largest Electric Power System in Indonesia Using The Time Of Use and Critical Peak Pricing Schemes Based on Revenue Neutrality | |
Amjad et al. | ANN based optimization of price-based demand response management for solar powered nanogrids | |
Tao et al. | Distributed Energy Storage Cluster Control Method for DC Microgrid Considering Flexibility | |
Zhao et al. | Intelligent demand response for electricity consumers: A multi-armed bandit game approach | |
Liao et al. | Optimization of electricity purchase and sales strategies of electricity retailers under the condition of limited clean energy consumption | |
Sahraei-Ardakani et al. | Multi attribute optimal DG planning under uncertainty using AHP method |
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: 20170118 |
|
WD01 | Invention patent application deemed withdrawn after publication |