CN106529759A - 基于主动负荷互动响应的分布式光伏消纳能力评估方法 - Google Patents

Abstract

本发明提供了一种基于主动负荷互动响应的分布式光伏消纳能力评估方法及装置，所述方法包括：构建分时电价环境下的负荷时序模型；将主动负荷响应概率矩阵引入至构建好的负荷时序模型中，得到包含主动负荷响应概率矩阵的负荷时序模型；构建分布式光伏消纳数学模型；根据所述包含主动负荷响应概率矩阵的负荷时序模型，以及构建的分布式光伏消纳数学模型，采用遗传算法获取分布式光伏最大消纳量。本发明通过构建分时电价环境下负荷时序模型，并将负荷响应概率矩阵引入负荷时序模型中，以此来反映负荷响应的不确定性，避免了直接引入价格弹性系数所导致的误差。

Description

基于主动负荷互动响应的分布式光伏消纳能力评估方法

技术领域

本发明涉及电力系统运行技术领域，具体涉及一种基于主动负荷互动响应的分布式光伏消纳能力评估方法。

背景技术

户用分布式光伏作为一种特殊的分布式发电形式可直接为电网末端用户供电，其不仅满足了居民日益增长的用电需求，缓解了配电网峰荷压力，同时也推动了清洁能源的发展。然而，分布式光伏并网引起的双向潮流也增加了电力运行管理与调度的复杂性，随着分布式光伏接入配电网逐渐增多，其消纳能力越来越受到人们关注。

需求响应DR(demand response)是指电能终端用户在电力供应市场成本较高或在系统可靠性受到损害时，接受供电公司的价格引导或经济激励，改变用电消费模式，从而获得经济效益的一种用电方式。需求响应通过电价或激励的措施，鼓励用户改变自身的用电方式，积极调动用户对反应分布式光伏出力的价格指标改变用电行为以实现负荷转移的目标，促进分布式光伏的就地消纳，延缓或避免输配电网设备改造投资，在原有电网架构基础上实现电力供需平衡，提高配电网供电能力。需求侧资源在促进可再生能源消纳方面有广阔的应用前景，但是目前单单依靠电价还很难充分发挥需求侧资源促进可再生能源消纳的作用。

发明内容

针对现有技术中的缺陷，本发明提供一种基于主动负荷互动响应的分布式光伏消纳能力评估方法及装置，通过构建分时电价环境下负荷时序模型，并将负荷响应概率矩阵引入负荷时序模型中，以此来反映负荷响应的不确定性，避免了直接引入价格弹性系数所导致的误差。

为解决上述技术问题，本发明提供以下技术方案：

第一方面，本发明提供了一种基于主动负荷互动响应的分布式光伏消纳能力评估方法，包括：

构建分时电价环境下的负荷时序模型；

将主动负荷响应概率矩阵引入至构建好的负荷时序模型中，得到包含主动负荷响应概率矩阵的负荷时序模型；

构建分布式光伏消纳数学模型；

根据所述包含主动负荷响应概率矩阵的负荷时序模型，以及构建的分布式光伏消纳数学模型，采用遗传算法获取分布式光伏最大消纳量。

进一步地，所述构建分时电价环境下的负荷时序模型，包括：

构建如下的分时电价环境下的负荷时序模型：

L_i＝L₀(i)+λ(i,1)·L₀(i)+λ(i,2)·L₀(i)+…+λ(i,24)·L₀(i) i＝1,2,…24；

其中，

其中，e_i,j表示j时刻电价的变化引起i时刻负荷的变化量；L₀(i)、L(i)分别表示为实行分时电价前后负荷在i时刻的需求量，P₀(j)、P(j)分别表示为j时刻实行分时电价措施前后的电价；当i≠j时，e_i,j为负荷本时段的负荷电价弹性，即自弹性系数；当i≠j时，e_i,j为负荷跨时段负荷电价弹性，即互弹性系数；λ(i,j)表示由于实施分时电价，i时刻的负荷受j时刻电价影响的用电量变化率。

进一步地，所述将主动负荷响应概率矩阵引入至构建好的负荷时序模型中，得到包含主动负荷响应概率矩阵的负荷时序模型，包括：

将主动负荷响应概率矩阵P引入至构建好的负荷时序模型中，得到考虑用户响应不确定性的主动负荷时序模型：

L'＝L₀+P·λ·L₀；

其中，分时电价环境下的负荷时序模型的矩阵形式为：L'＝L₀+λ·L₀；

其中，矩阵元素P_ij表示由j时刻负荷向i时刻转移的概率。

进一步地，所述构建分布式光伏消纳数学模型，包括：

构建最大消纳量模型的目标函数为：

其中，P^t _g是在第t个时段第g个分布式光伏所发出的功率；N_t为1天中时段的个数；N_G为分布式光伏的个数；该目标函数用于评估配电网分布式光伏的总消纳量。

进一步地，所述根据所述包含主动负荷响应概率矩阵的负荷时序模型，以及构建的分布式光伏消纳数学模型，采用遗传算法获取分布式光伏最大消纳量，包括：

根据所述包含主动负荷响应概率矩阵的负荷时序模型，以及构建的分布式光伏消纳数学模型，通过遗传算法进行最优潮流计算，得到基于主动负荷互动响应的分布式光伏的最大消纳量。

第二方面，本发明还提供了一种基于主动负荷互动响应的分布式光伏消纳能力评估装置，包括：

第一构建模块，用于构建分时电价环境下的负荷时序模型；

参数引入模块，用于将主动负荷响应概率矩阵引入至所述负荷时序模型中，得到包含主动负荷响应概率矩阵的负荷时序模型；

第二构建模块，用于构建分布式光伏消纳数学模型；

获取模块，用于根据所述包含主动负荷响应概率矩阵的负荷时序模型，以及构建的分布式光伏消纳数学模型，采用遗传算法获取分布式光伏最大消纳量。

进一步地，所述第一构建模块，具体用于：

构建如下的分时电价环境下的负荷时序模型：

L_i＝L₀(i)+λ(i,1)·L₀(i)+λ(i,2)·L₀(i)+…+λ(i,24)·L₀(i) i＝1,2,…24；

其中，

其中，e_i,j表示j时刻电价的变化引起i时刻负荷的变化量；L₀(i)、L(i)分别表示为实行分时电价前后负荷在i时刻的需求量，P₀(j)、P(j)分别表示为j时刻实行分时电价措施前后的电价；当i≠j时，e_i,j为负荷本时段的负荷电价弹性，即自弹性系数；当i≠j时，e_i,j为负荷跨时段负荷电价弹性，即互弹性系数；λ(i,j)表示由于实施分时电价，i时刻的负荷受j时刻电价影响的用电量变化率。

进一步地，所述参数引入模块，具体用于：

将主动负荷响应概率矩阵P引入到所述负荷时序模型中，得到考虑用户响应不确定性的主动负荷时序模型：

L'＝L₀+P·λ·L₀；

其中，分时电价环境下的负荷时序模型的矩阵形式为：L'＝L₀+λ·L₀；

4中，矩阵元素P_ij表示由j时刻负荷向i时刻转移的概率。

进一步地，所述第二构建模块，具体用于：

构建最大消纳量模型的目标函数为：

其中，P^t _g是在第t个时段第g个分布式光伏所发出的功率；N_t为1天中时段的个数；N_G为分布式光伏的个数；该目标函数用于评估配电网分布式光伏的总消纳量。

进一步地，所述获取模块，具体用于：

根据所述包含主动负荷响应概率矩阵的负荷时序模型，以及构建的分布式光伏消纳数学模型，通过遗传算法进行最优潮流计算，得到基于主动负荷互动响应的分布式光伏的最大消纳量。

由上述技术方案可知，本发明提供的基于主动负荷互动响应的分布式光伏消纳能力评估方法及装置，通过构建分时电价环境下负荷时序模型，并将负荷响应概率矩阵引入负荷时序模型中，以此来反映负荷响应的不确定性，避免了直接引入价格弹性系数所导致的误差。在此基础上得到的基于主动负荷的分布式光伏消纳能力的评估方法，不仅有助于分布式光伏的发展，从源头解决弃光问题，还可为系统调度提供有益的参考，从运行控制层面缓解光伏接纳所带来的影响。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一提供的基于主动负荷互动响应的分布式光伏消纳能力评估方法的流程图；

图2是本发明实施例五提供的基于遗传算法的最大消纳量的求解示意图；

图3是IEEE 33-bus系统结构图；

图4是本发明实施例六提供的基于主动负荷互动响应的分布式光伏消纳能力评估装置的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

针对现有技术中存在的问题，本发明考虑到主动负荷响应的不确定性，通过采用主动负荷响应概率矩阵，近似反映用户响应行为的随机性和主观性，避免了现有研究未考虑用户响应的不确定性而引起的误差。在此基础上，采用遗传算法对模型进行最优潮流计算，得到计及主动负荷互动响应情况下分布式光伏的最大消纳量，使得分布式光伏消纳能力评估方法的研究更具全面性和准确性。下面将通过实施例一至实施例六对本发明提供的基于主动负荷互动响应的分布式光伏消纳能力评估方法及装置进行详细介绍。

图1示出了本发明实施例一提供的基于主动负荷互动响应的分布式光伏消纳能力评估方法的流程图，参见图1，该方法包括如下步骤：

步骤101：构建分时电价环境下的负荷时序模型。

步骤102：将主动负荷响应概率矩阵引入至构建好的负荷时序模型中，得到包含主动负荷响应概率矩阵的负荷时序模型。

步骤103：构建分布式光伏消纳数学模型。

步骤104：根据所述包含主动负荷响应概率矩阵的负荷时序模型，以及构建的分布式光伏消纳数学模型，采用遗传算法获取分布式光伏最大消纳量。

由上面描述可知，本实施例提供的基于主动负荷互动响应的分布式光伏消纳能力评估方法，通过构建分时电价环境下负荷时序模型，并将负荷响应概率矩阵引入负荷时序模型中，以此来反映负荷响应的不确定性，避免了直接引入价格弹性系数所导致的误差。在此基础上得到的基于主动负荷的分布式光伏消纳能力的评估方法，不仅有助于分布式光伏的发展，从源头解决弃光问题，还可为系统调度提供有益的参考，从运行控制层面缓解光伏接纳所带来的影响。

进一步地，在本发明实施例二中，给出上了上述步骤101的一种具体实现方式。

在本实施例中，上述步骤101具体包括：

构建如下的分时电价环境下的负荷时序模型：

L_i＝L₀(i)+λ(i,1)·L₀(i)+λ(i,2)·L₀(i)+…+λ(i,24)·L₀(i) i＝1,2,…24；

其中，

其中，e_i,j表示j时刻电价的变化引起负荷在i时刻的变化量，L(i)，P(j)表示分时在i时刻的实际负荷和实际电价，L₀(i),P₀(j)分别表示未实行分时电价的j时刻的原始负荷和原始电价；当i＝k时，e_i,j为负荷本时段的负荷电价弹性，即自弹性系数；当i≠k时，e_i,j为负荷跨时段负荷电价弹性，即互弹性系数；λ(i,j)表示由于实施分时电价，i时刻的负荷受j时刻电价影响的用电量变化率；L(i)表示在假设分时电价的时段长度为1h时，24h时间范围内的负荷。

在本实施例中，根据经济学原理，电力负荷的弹性系数表示在一定时期内电能价格变化所应引起的用户用电需求量变化的百分比负荷电价弹性，定义如下式(1)所示:

其中，e_i,j表示j时刻电价的变化引起i时刻负荷的变化量；L₀(i)、L(i)分别表示为实行分时电价前后负荷在i时刻的需求量，P₀(j)、P(j)分别表示为j时刻实行分时电价措施前后的电价；当i≠j时，e_i,j为负荷本时段的负荷电价弹性，即自弹性系数；当i≠j时，e_i,j为负荷跨时段负荷电价弹性，即互弹性系数；

假设分时电价的时段长度为1h，则考虑到其他时段电价的影响，在24h时间范围内的负荷为：

令λ(i,j)表示由于实施分时电价，i时刻的负荷受j时刻电价影响的用电量变化率，则有

由式(2)、(3)可得基于分时电价作用机理的负荷响应模型：

L_i＝L₀(i)+λ(i,1)·L₀(i)+λ(i,2)·L₀(i)+…+λ(i,24)·L₀(i) i＝1,2,…24(4)

写成矩阵形式为，

L'＝L₀+λ·L₀ (5)

其中，

进一步地，基于上述实施例二，在本发明实施例三中给出上了上述步骤102的一种具体实现方式。

在本实施例中，上述步骤102具体包括：

将主动负荷响应概率矩阵P引入至步骤101构建好的负荷时序模型中，得到考虑用户响应不确定性的主动负荷时序模型：

L'＝L₀+P·λ·L₀；

其中，矩阵元素P_ij表示由j时刻负荷向i时刻转移的概率。

由于人类社会的活动具有很强的随机性，电力负荷也因此而产生强随机性波动。各种活动相对独立，所引起的负荷随机变化具有二项分布特性，由此本实施例提出主动负荷响应概率矩阵，矩阵元素由负荷响应概率构成，服从参数为p的二项分布。矩阵元素P_ij表示由j时刻负荷向i时刻转移的概率。由于智能电网和高级量测体系的发展使用户的信息能够双向流动，p可通过智能电网量测系统对不同负荷节点的用电特征统计得出。具体表述如下：

将主动负荷响应概率矩阵P引入到负荷时序模型中，得到考虑用户响应不确定性的主动负荷时序模型：

L'＝L₀+P·λ·L₀ (8)

进一步地，在本发明实施例四中，给出上了上述步骤103的一种具体实现方式。

在本实施例中，上述步骤103具体包括：

构建最大消纳量模型的目标函数为：

其中，P^t _g是在第t个时段第g个分布式光伏所发出的功率；N_t为1天中时段的个数；N_G为分布式光伏的个数；该目标函数用于评估配电网分布式光伏的总消纳量。

由于分布式光伏接入配电网所造成的影响主要体现在电压分布方面，故本发明主要考虑电压约束：

V_min≤V_i≤V_max (10)

其中V_min取0.95，V_max取1.07。

进一步地，在本发明实施例五中，给出上了上述步骤104的一种具体实现方式。

在本实施例中，上述步骤104具体包括：

根据所述包含主动负荷响应概率矩阵的负荷时序模型，以及构建的分布式光伏消纳数学模型，通过遗传算法进行最优潮流计算，得到基于主动负荷互动响应的分布式光伏的最大消纳量。

在本实施例中，通过遗传算法进行最优潮流计算，得到计及主动负荷互动响应情况下分布式光伏的最大消纳量，求解流程如图2所示。

最后，以IEEE33-bus配电网为例，阐述本发明实施例提供的基于主动负荷互动响应的分布式光伏消纳能力评估方法的工作过程。IEEE33-bus配电网的结构图如图3所示。分布式光伏和主动负荷待选安装节点编号为1～32，共32个节点，分布式光伏和且最大接入数目为2个。具体的步骤如下：

a.在节点15,31或17,32同时接入分布式光伏电源和主动负荷。

b.取美国PJM电力市场LMP提前1d电价(数据来源于Eastern Hub)及负荷数据为例进行分析。

c.将这上述因素进行组合，得到总样本。

d.对样本进行最优潮流计算，最终得到最优结果。

从上面描述可知，本发明提供的光伏消纳能力评估方法过程易于理解，通过构建分时电价环境下负荷时序模型，并将负荷响应概率矩阵引入负荷时序模型中，以此来反映负荷响应的不确定性，避免了直接引入价格弹性系数所导致的误差。在此基础上得到的计及主动负荷的分布式光伏消纳能力的评估方法，不仅有助于分布式光伏的发展，从源头解决弃光问题，还可为系统调度提供有益的参考，从运行控制层面缓解光伏接纳所带来的影响。

本发明实施例六提供了一种基于主动负荷互动响应的分布式光伏消纳能力评估装置，参见图4，该装置包括：第一构建模块41、参数引入模块42、第二构建模块43和获取模块44；其中：

第一构建模块41，用于构建分时电价环境下的负荷时序模型；

参数引入模块42，用于将主动负荷响应概率矩阵引入至所述负荷时序模型中，得到包含主动负荷响应概率矩阵的负荷时序模型；

第二构建模块43，用于构建分布式光伏消纳数学模型；

获取模块44，用于根据所述包含主动负荷响应概率矩阵的负荷时序模型，以及构建的分布式光伏消纳数学模型，采用遗传算法获取分布式光伏最大消纳量。

进一步地，所述第一构建模块41，具体用于：

构建如下的分时电价环境下的负荷时序模型：

L_i＝L₀(i)+λ(i,1)·L₀(i)+λ(i,2)·L₀(i)+…+λ(i,24)·L₀(i) i＝1,2,…24；

其中，

其中，e_i,j表示j时刻电价的变化引起i时刻负荷的变化量；L₀(i)、L(i)分别表示为实行分时电价前后负荷在i时刻的需求量，P₀(j)、P(j)分别表示为j时刻实行分时电价措施前后的电价；当i≠j时，e_i,j为负荷本时段的负荷电价弹性，即自弹性系数；当i≠j时，e_i,j为负荷跨时段负荷电价弹性，即互弹性系数；λ(i,j)表示由于实施分时电价，i时刻的负荷受j时刻电价影响的用电量变化率。

进一步地，所述参数引入模块42，具体用于：

将主动负荷响应概率矩阵P引入到所述负荷时序模型中，得到考虑用户响应不确定性的主动负荷时序模型：

L'＝L₀+P·λ·L₀；

其中，分时电价环境下的负荷时序模型的矩阵形式为：L'＝L₀+λ·L₀；

其中，矩阵元素P_ij表示由j时刻负荷向i时刻转移的概率。

进一步地，所述第二构建模块43，具体用于：

构建最大消纳量模型的目标函数为：

其中，P^t _g是在第t个时段第g个分布式光伏所发出的功率；N_t为1天中时段的个数；N_G为分布式光伏的个数；该目标函数用于评估配电网分布式光伏的总消纳量。

进一步地，所述获取模块44，具体用于：

根据所述包含主动负荷响应概率矩阵的负荷时序模型，以及构建的分布式光伏消纳数学模型，通过遗传算法进行最优潮流计算，得到基于主动负荷互动响应的分布式光伏的最大消纳量。

本发明实施例提供的基于主动负荷互动响应的分布式光伏消纳能力评估装置，可以用于执行上述实施例一至实施例五所述的基于主动负荷互动响应的分布式光伏消纳能力评估方法，其原理和技术效果类似，此处不再赘述。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于主动负荷互动响应的分布式光伏消纳能力评估方法，其特征在于，包括：

构建分时电价环境下的负荷时序模型；

将主动负荷响应概率矩阵引入至构建好的负荷时序模型中，得到包含主动负荷响应概率矩阵的负荷时序模型；

构建分布式光伏消纳数学模型；

根据所述包含主动负荷响应概率矩阵的负荷时序模型，以及构建的分布式光伏消纳数学模型，采用遗传算法获取分布式光伏最大消纳量。

2.根据权利要求1所述的方法，其特征在于，所述构建分时电价环境下的负荷时序模型，包括：

构建如下的分时电价环境下的负荷时序模型：

L_i＝L₀(i)+λ(i,1)·L₀(i)+λ(i,2)·L₀(i)+…+λ(i,24)·L₀(i) i＝1,2,…24；

其中，

$\mathrm{\λ}(i,j)=\frac{e_{i,j}\[P\left(j\right)-P_0\left(j\right)\]}{P_0\left(j\right)};e_{i,j}=\frac{L\left(i\right)-L_0\left(i\right)}{P\left(j\right)-P_0\left(j\right)}\frac{P_0\left(j\right)}{L_0\left(i\right)};$

其中，e_i,j表示j时刻电价的变化引起i时刻负荷的变化量；L₀(i)、L(i)分别表示为实行分时电价前后负荷在i时刻的需求量，P₀(j)、P(j)分别表示为j时刻实行分时电价措施前后的电价；当i≠j时，e_i,j为负荷本时段的负荷电价弹性，即自弹性系数；当i≠j时，e_i,j为负荷跨时段负荷电价弹性，即互弹性系数；λ(i,j)表示由于实施分时电价，i时刻的负荷受j时刻电价影响的用电量变化率。

3.根据权利要求2所述的方法，其特征在于，所述将主动负荷响应概率矩阵引入至构建好的负荷时序模型中，得到包含主动负荷响应概率矩阵的负荷时序模型，包括：

将主动负荷响应概率矩阵P引入至构建好的负荷时序模型中，得到考虑用户响应不确定性的主动负荷时序模型：

L'＝L₀+P·λ·L₀；

其中，分时电价环境下的负荷时序模型的矩阵形式为：L'＝L₀+λ·L₀；

t＝24；

其中，t＝24；矩阵元素P_ij表示由j时刻负荷向i时刻转移的概率。

4.根据权利要求1所述的方法，其特征在于，所述构建分布式光伏消纳数学模型，包括：

构建最大消纳量模型的目标函数为：

$max\underset{t=1}{\overset{N_t}{\mathrm{\Σ}}}\underset{g=1}{\overset{N_G}{\mathrm{\Σ}}}{P^t}_g$

其中，P^t _g是在第t个时段第g个分布式光伏所发出的功率；N_t为1天中时段的个数；N_G为分布式光伏的个数；该目标函数用于评估配电网分布式光伏的总消纳量。

5.根据权利要求4所述的方法，其特征在于，所述根据所述包含主动负荷响应概率矩阵的负荷时序模型，以及构建的分布式光伏消纳数学模型，采用遗传算法获取分布式光伏最大消纳量，包括：

根据所述包含主动负荷响应概率矩阵的负荷时序模型，以及构建的分布式光伏消纳数学模型，通过遗传算法进行最优潮流计算，得到基于主动负荷互动响应的分布式光伏的最大消纳量。

6.一种基于主动负荷互动响应的分布式光伏消纳能力评估装置，其特征在于，包括：

第一构建模块，用于构建分时电价环境下的负荷时序模型；

参数引入模块，用于将主动负荷响应概率矩阵引入至所述负荷时序模型中，得到包含主动负荷响应概率矩阵的负荷时序模型；

第二构建模块，用于构建分布式光伏消纳数学模型；

获取模块，用于根据所述包含主动负荷响应概率矩阵的负荷时序模型，以及构建的分布式光伏消纳数学模型，采用遗传算法获取分布式光伏最大消纳量。

7.根据权利要求6所述的装置，其特征在于，所述第一构建模块，具体用于：

构建如下的分时电价环境下的负荷时序模型：

L_i＝L₀(i)+λ(i,1)·L₀(i)+λ(i,2)·L₀(i)+…+λ(i,24)·L₀(i) i＝1,2,…24；

其中，

$\mathrm{\λ}(i,j)=\frac{e_{i,j}\[P\left(j\right)-P_0\left(j\right)\]}{P_0\left(j\right)};e_{i,j}=\frac{L\left(i\right)-L_0\left(i\right)}{P\left(j\right)-P_0\left(j\right)}\frac{P_0\left(j\right)}{L_0\left(i\right)};$

其中，e_i,j表示j时刻电价的变化引起i时刻负荷的变化量；L₀(i)、L(i)分别表示为实行分时电价前后负荷在i时刻的需求量，P₀(j)、P(j)分别表示为j时刻实行分时电价措施前后的电价；当i≠j时，e_i,j为负荷本时段的负荷电价弹性，即自弹性系数；当i≠j时，e_i,j为负荷跨时段负荷电价弹性，即互弹性系数；λ(i,j)表示由于实施分时电价，i时刻的负荷受j时刻电价影响的用电量变化率。

8.根据权利要求7所述的装置，其特征在于，所述参数引入模块，具体用于：

将主动负荷响应概率矩阵P引入到所述负荷时序模型中，得到考虑用户响应不确定性的主动负荷时序模型：

L'＝L₀+P·λ·L₀；

其中，分时电价环境下的负荷时序模型的矩阵形式为：L'＝L₀+λ·L₀；

t＝24；

其中，t＝24；矩阵元素P_ij表示由j时刻负荷向i时刻转移的概率。

9.根据权利要求6所述的装置，其特征在于，所述第二构建模块，具体用于：

构建最大消纳量模型的目标函数为：

$max\underset{t=1}{\overset{N_t}{\mathrm{\Σ}}}\underset{g=1}{\overset{N_G}{\mathrm{\Σ}}}{P^t}_g$

其中，P^t _g是在第t个时段第g个分布式光伏所发出的功率；N_t为1天中时段的个数；N_G为分布式光伏的个数；该目标函数用于评估配电网分布式光伏的总消纳量。

10.根据权利要求9所述的装置，其特征在于，所述获取模块，具体用于：

根据所述包含主动负荷响应概率矩阵的负荷时序模型，以及构建的分布式光伏消纳数学模型，通过遗传算法进行最优潮流计算，得到基于主动负荷互动响应的分布式光伏的最大消纳量。