CN107067191A - 智能电网环境下基于云的激励需求响应方法和系统 - Google Patents
智能电网环境下基于云的激励需求响应方法和系统 Download PDFInfo
- Publication number
- CN107067191A CN107067191A CN201710354201.5A CN201710354201A CN107067191A CN 107067191 A CN107067191 A CN 107067191A CN 201710354201 A CN201710354201 A CN 201710354201A CN 107067191 A CN107067191 A CN 107067191A
- Authority
- CN
- China
- Prior art keywords
- resident
- demand
- subsystem
- price
- optimal
- 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.)
- Granted
Links
- 230000004044 response Effects 0.000 title claims abstract description 87
- 230000005284 excitation Effects 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000005457 optimization Methods 0.000 claims abstract description 29
- 230000006870 function Effects 0.000 claims description 94
- 230000005611 electricity Effects 0.000 claims description 58
- 238000005381 potential energy Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 1
- 238000004891 communication Methods 0.000 description 7
- 238000012804 iterative process Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 235000014161 Caesalpinia gilliesii Nutrition 0.000 description 3
- 244000003240 Caesalpinia gilliesii Species 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 229910017435 S2 In Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001550 time effect Effects 0.000 description 1
- 238000005303 weighing 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
- G06Q10/0631—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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0208—Trade or exchange of goods or services in exchange for incentives or rewards
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0236—Incentive or reward received by requiring registration or ID from user
-
- 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)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种智能电网环境下基于云的激励需求响应方法和系统,该方法包括:S1、确定领导者的目标函数和约束条件;确定每一位跟随者的目标函数和约束条件;以及对优惠券激励价格进行初始化;S2、求解下层优化问题,得到每一位居民用户的最优电力需求量;S3、将每一位居民用户的最优电力需求量累加求和得到最优需求总量,求解上层优化问题,得到最优优惠券激励价格;判断当前是否达到博弈均衡状态,若是,将最优优惠券激励价格和最优需求总量发送至负荷服务实体子系统;否则,将最优优惠券激励价格作为当前的优惠券激励价格,并返回S2。本发明能够提高负荷服务实体的收益,降低居民用户的用电成本,提高居民用户参与需求响应项目的积极性。
Description
技术领域
本发明涉及电力需求侧管理系统技术领域,尤其是涉及一种智能电网环境下基于云的激励需求响应方法和系统。
背景技术
随着社会的发展,人们对于电力资源的需求不断增加,电力供需矛盾日益突出。如何有效的平衡电力供需,提高电网的可靠性与稳定性是电网设计与运行中的关键问题。传统的以增加电力供应来满足用户需求的方式不仅会增加大量的投资成本,同时也是不可持续的。因此,有效的管理需求侧资源,充分挖掘需求侧资源的潜力,成为了维护电网安全稳定运行以及提高电力市场效率的重要方式。
需求响应是管理需求侧资源的重要手段,是指在高峰时期或者电力系统可靠性受到损害时,通过价格信号或者激励的方式来引导电力消费者削减不必要的电力消费。参与需求响应的用户主要包括工业用户、商业用户和居民用户。相较于工业和商业用户,居民用户的电力消费模式更为灵活,具有很大的需求响应潜力。同时,随着智能电网的发展,大多数居民用户安装了智能电表等高级测量基础设施,在实时的双向通信技术的支撑下,目前居民用户已经具备参与需求响应的基本能力。但是由于居民用户通常属于风险规避型的消费者,不愿意承担实时电价波动所带来的风险。如何提高居民用户参与需求响应积极性,充分挖掘居民用户的需求响应潜力,成为了需求响应项目实施面临的关键问题。
近年来,有人提出了一种基于优惠券的激励需求响应项目。在这类项目中,负荷服务实体以时变电价从独立系统运营商处购买电力资源,然后按照固定电价将电力能源出售给电力消费者。在需求大于供给时,负荷服务实体通过向用户提供优惠券激励,来引导用户削减不必要电力消费。基于优惠券的激励需求响应项目对用户仍然实行固定电价,同时以用户自愿参与为原则,因此更易于面向中小型电力用户实施。然而,由于居民用户数量较多,对需求响应项目的用户容量、计算能力和时间效率等方面提出了更高的要求,实施优惠券激励需求响应项目的复杂度仍然很高。
发明内容
(一)技术问题
本发明提供一种智能电网环境下基于云的激励需求响应方法和系统,可以解决现有技术实施优惠券激励需求响应项目的复杂度较高的技术问题,提高居民用户参与需求响应项目的积极性。
(二)技术方案
第一方面,本发明提供的智能电网环境下基于云的激励需求响应方法,包括:
S1、将负荷服务实体子系统作为领导者,根据实时的电价信息和负荷服务实体子系统在预设历史时间段内与电力系统运营商的交易数据,确定领导者的目标函数和对应的约束条件,构成上层优化问题;将每一位居民用户作为一位跟随者,根据消费终端子系统在预设历史时间段内的电力消费数据,确定每一位居民用户的目标函数和对应的约束条件,构成下层优化问题;以及对优惠券激励价格进行初始化;
其中,所述领导者的目标函数的变量为所有居民用户的电力需求总量和优惠券激励价格,目标为所述负荷服务实体子系统的收益最大化;所述每一位居民用户的目标函数的变量为该用户的电力需求量和优惠券激励价格,目标为该用户的电力消费效用值最大化;
S2、基于当前的优惠券激励价格,求解每一位居民用户的目标函数,得到每一位居民用户在当前激励价格下的最优电力需求量;
S3、将所有居民用户的最优电力需求量进行求和,得到所有用户的最优需求总量,并基于所述最优需求总量,求解所述上层优化问题,得到最优优惠券激励价格;根据领导者的目标函数值与上次迭代相比是否增加,判断当前是否达到博弈均衡状态,若是,则将所述最优优惠券激励价格和所述最优需求总量发送至所述负荷服务实体子系统;否则,将所述最优优惠券激励价格作为当前的优惠券激励价格,并返回S2。
可选的,所述领导者的目标函数为:
max Uleader(pc,D)=prr·D-prtp·D-pc·(Dtar-D)
所述领导者目标函数的约束条件为:
式中,Uleader为所述负荷服务实体子系统的收益,pc为优惠券激励价格,D为所有居民用户的电力需求总量,prr为固定零售电价,prtp为实时电价,Dtar为所有居民用户总的基线负荷水平,为最大优惠券激励价格。
可选的,第i个居民用户的目标函数为:
该目标函数的约束条件为:
式中,Ui为第i个居民用户的效用值,pc为优惠券激励价格,Di为第i个居民用户的电力需求量,prr为固定零售电价,为第i个居民用户的基线负荷水平,为第i个居民用户的最大电力需求量,为第i个居民用户的不满意度函数。
第二方面,本发明提供的智能电网环境下基于云的激励需求响应系统,包括负荷服务实体子系统、需求响应云中心和消费终端子系统,其中:
所述负荷服务实体子系统用于执行:S11、将负荷服务实体子系统作为领导者,根据实时的电价信息和负荷服务实体子系统在预设历史时间段内与电力系统运营商的交易数据,确定领导者的目标函数和对应的约束条件,构成上层优化问题,并将该目标函数和对应的约束条件发送至所述需求响应云中心;其中,所述领导者目标函数的变量为所有用户的电力需求总量和优惠券激励价格,目标为所述负荷服务实体子系统的收益最大化;
所述消费终端子系统用于执行:S12、将每一位居民用户作为一位跟随者,根据消费终端子系统在预设历史时间段内的电力消费数据,确定每一位居民用户的目标函数和对应的约束条件,构成下层优化问题;其中,所述的每一位居民用户的目标函数的变量为该用户的电力需求量和优惠券激励价格,目标为该居民用户的电力消费效用值最大化;
所述需求响应云中心用于执行:S13、对优惠券激励价格进行初始化,并将该初始化后的优惠券激励价格发布至所述消费终端子系统;
所述消费终端子系统还用于执行:S2、基于当前的优惠券激励价格,求解每一位居民用户的目标函数,得到每一位居民用户在当前激励价格下的最优电力需求量;将每一用户的最优电力需求量发送至所述需求响应云中心中执行S3;
所述需求响应云中心还用于执行:S3、将所有居民用户的最优电力需求量进行求和,得到所有用户的最优需求总量,并基于所述最优需求总量,求解所述上层优化问题,得到最优优惠券激励价格;根据领导者的目标函数值与上次迭代相比是否增加,判断当前是否达到博弈均衡状态,若是,则将所述最优优惠券激励价格和所述最优需求总量发送至所述负荷服务实体子系统;否则,将所述最优优惠券激励价格作为当前的优惠券激励价格,并返回所述消费终端子系统中执行S2。
可选的,所述领导者的目标函数为:
max Uleader(pc,D)=prr·D-prtp·D-pc·(Dtar-D)
所述领导者的目标函数的约束条件为:
式中,Uleader为所述负荷服务实体子系统的收益,pc为优惠券激励价格,D为所有用户的电力需求总量,prr为固定零售电价,prtp为实时电价,Dtar为所有居民用户总的基线负荷水平,为最大优惠券激励价格。
可选的,第i个居民用户的目标函数为:
该第二目标函数的约束条件为:
式中,Ui为第i个居民用户的效用值,pc为优惠券激励价格,Di为第i个居民用户的电力需求量,prr为固定零售电价,为第i个居民用户的基线负荷水平,为第i个居民用户的最大电力需求量,为第i个居民用户的不满意度函数。
可选的,所述负荷服务实体子系统包括信息交互模块和优化调度模块,信息交互模块用于与所述需求响应云中心和所述消费终端子系统进行数据交互,优化调度模块用于对领导者的目标函数和约束条件进行确定。
可选的,所述需求响应云中心包括数据存储模块、数据加密模块和参数计算模块,数据存储模块用于对所述负荷服务实体子系统和所述消费终端子系统发送来的数据进行存储,数据加密模块用于对所述消费终端子系统发送来的用户隐私数据进行加密,参数计算模块用于对上层优化问题进行计算。
可选的,所述消费终端子系统包括高级测量模块和需求响应模块,高级测量模块用于采集居民用户的电力消费数据,需求响应模块用户确定居民用户的目标函数和约束条件。
(三)有益效果
本发明提供的智能电网环境下基于云的激励需求响应方法和系统,由于在执行到S3时,只要没有达到均衡状态,就会返回S2,在返回S2时当前的优惠券激励价格为上一次执行S3中的最优优惠券激励价格,因此这是一个迭代的过程,只有当达到博弈均衡状态时才会结束迭代过程,将最后一次迭代过程中计算得到的最优优惠券激励价格和最优需求总量发送至负荷服务实体子系统,以便负荷服务实体子系统按照最优需求总量购买电力资源,并在需求大于供应时,按照最优优惠券激励价格向用户提供优惠券激励,来引导用户减少不必要的电力消费。本发明中基于stackelberg博弈的优惠券价格优化方法能够反应实际活动中的主从关系,协调和权衡双方参与者的决策。同时,由于本发明是基于云实现的激励需求响应,相对于现有技术中以主机地址为中心的激励需求响应,可以减少通信延迟、实现快速、安全的激励需求响应,有效的引导大规模居民用户参与优惠券激励需求响应项目中,降低了实施项目的复杂度,使得激励需求响应在用户容量、计算能力和时间效率等性能方面都有所提升。
附图说明
为了更清楚地说明本公开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,下面描述中的附图仅仅是本公开的一些实施例,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,还可以根据这些图获得其他的附图。
图1示出了本发明一实施例中智能电网环境下基于云的激励需求响应方法的流程示意图;
图2示出了本发明一实施例中智能电网环境下基于云的激励需求响应系统的结构框图。
具体实施方式
下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
第一方面,本发明提供一种智能电网环境下基于云的激励需求响应方法,该方法包括:
S1、将负荷服务实体子系统作为领导者,根据实时的电价信息和负荷服务实体子系统在预设历史时间段内与电力系统运营商的交易数据,确定领导者的目标函数和对应的约束条件,构成上层优化问题;将每一位居民用户作为一位跟随者,根据消费终端子系统在预设历史时间段内的电力消费数据,确定每一位居民用户的目标函数和对应的约束条件,构成下层优化问题;以及对优惠券激励价格进行初始化;
其中,所述领导者的目标函数的变量为所有居民用户的电力需求总量和优惠券激励价格,目标为所述负荷服务实体子系统的收益最大化;所述每一位居民用户的目标函数的变量为该用户的电力需求量和优惠券激励价格,目标为该用户的电力消费效用值最大化;
S2、基于当前的优惠券激励价格,求解每一位居民用户的目标函数,得到每一位居民用户在当前激励价格下的最优电力需求量;
S3、将所有居民用户的最优电力需求量进行求和,得到所有用户的最优需求总量,并基于所述最优需求总量,求解所述上层优化问题,得到最优优惠券激励价格;根据领导者的目标函数值与上次迭代相比是否增加,判断当前是否达到博弈均衡状态,若是,则将所述最优优惠券激励价格和所述最优需求总量发送至所述负荷服务实体子系统;否则,将所述最优优惠券激励价格作为当前的优惠券激励价格,并返回S2。
可理解的是,上述博弈均衡可以为Stackelberg博弈均衡,博弈均衡状态为领导者的目标函数值不再增加,在博弈均衡状态下,领导者和跟随者的收益值均达到最优,每个居民用户的最优电力需求量、最优优惠券激励价格等各个参数不再发生变化。
本发明提供的智能电网环境下基于云的激励需求响应方法,由于在执行到S3时,只要没有达到均衡状态,就会返回S2,在返回S2时当前的优惠券激励价格为上一次执行S3中的最优优惠券激励价格,因此这是一个迭代的过程,只有当达到博弈均衡状态时才会结束迭代过程,将最后一次迭代过程中计算得到的最优优惠券激励价格和最优需求总量发送至负荷服务实体子系统,以便负荷服务实体子系统按照最优需求总量购买电力资源,并在需求大于供应时,按照最优优惠券激励价格向用户提供优惠券激励,来引导用户减少不必要的电力消费。本发明中的基于stackelberg博弈的激励价格优化方法能够反应实际活动中的主从关系,能够有效的协调和权衡双方参与者的决策和利益。同时,由于本发明是基于云实现的激励需求响应,相对于现有技术中以主机地址为中心的激励需求响应,可以减少通信延迟、实现快速、安全的激励需求响应,可以引导大规模的居民用户参与到优惠券激励需求响应项目中,降低了项目的复杂度,使得激励需求响应在用户容量、计算能力和时间效率等性能方面都有所提升。
在具体实施时,领导者的目标函数和目标函数的具体形式可以根据情况设定,例如:所述领导者的目标函数为:
max Uleader(pc,D)=prr·D-prtp·D-pc·(Dtar-D) (1)
所述领导者的目标函数的约束条件为:
式中,Uleader为所述负荷服务实体子系统的收益,pc为优惠券激励价格,D为所有用户的电力需求总量,prr为固定零售电价,prtp为实时电价,Dtar为所有居民用户总的基线负荷水平,为最大优惠券激励价格。
实际上在上述(1)中,第一项为所述负荷服务实体子系统的售电收入,第二项为购电成本,第三项为优惠券激励支出。
在具体实施时,每一位居民用户的目标函数和目标函数的具体形式可以根据情况设定,例如:第i个用户的目标函数为:
该第二目标函数的约束条件为:
式中,Ui为第i个用户的效用值,pc为优惠券激励价格,Di为第i个用户的电力需求量,prr为固定零售电价,为第i个用户的基线负荷水平,为第i个用户的最大电力需求量,为第i个用户的不满意度函数。
实际上在上述(3)中,第一项为优惠券激励收入,第二项为第i个用户的购电成本,第三项为第i个用户的不满意度函数。
第二方面,本发明还提供一种智能电网环境下基于云的激励需求响应系统,其特征在于,包括负荷服务实体子系统、需求响应云中心和消费终端子系统,其中:
所述负荷服务实体子系统用于执行:S11、将负荷服务实体子系统作为领导者,根据实时的电价信息和负荷服务实体子系统在预设历史时间段内与电力系统运营商的交易数据,确定领导者的目标函数和对应的约束条件,构成上层优化问题,并将该目标函数和对应的约束条件发送至所述需求响应云中心;其中,所述领导者目标函数的变量为所有用户的电力需求总量和优惠券激励价格,目标为所述负荷服务实体子系统的收益最大化;
所述消费终端子系统用于执行:S12、将每一位居民用户作为一位跟随者,根据消费终端子系统在预设历史时间段内的电力消费数据,确定每一位居民用户的目标函数和对应的约束条件,构成下层优化问题;其中,所述的每一位居民用户的目标函数的变量为该用户的电力需求量和优惠券激励价格,目标为该居民用户的电力消费效用值最大化;
所述需求响应云中心用于执行:S13、对优惠券激励价格进行初始化,并将该初始化后的优惠券激励价格发布至所述消费终端子系统;
所述消费终端子系统还用于执行:S2、基于当前的优惠券激励价格,求解每一位居民用户的目标函数,得到每一位居民用户在当前激励价格下的最优电力需求量;将每一用户的最优电力需求量发送至所述需求响应云中心中执行S3;
所述需求响应云中心还用于执行:S3、将所有居民用户的最优电力需求量进行求和,得到所有用户的最优需求总量,并基于所述最优需求总量,求解所述上层优化问题,得到最优优惠券激励价格;根据领导者的目标函数值与上次迭代相比是否增加,判断当前是否达到博弈均衡状态,若是,则将所述最优优惠券激励价格和所述最优需求总量发送至所述负荷服务实体子系统;否则,将所述最优优惠券激励价格作为当前的优惠券激励价格,并返回所述消费终端子系统中执行S2。
这里,提供给了一种激励需求响应系统,该系统中的负荷服务实体子系统、需求响应云中心和消费终端子系统即是执行上述步骤的主体。
如图1和2所示,上述激励需求响应系统的工作过程大致为:
S1、所述负荷服务实体子系统根据实时的电价信息和在预设历史时间段内与电力系统运营商的交易数据,确定领导者的目标函数和对应的约束条件,并将所述领导者的目标函数和对应的约束条件发送至所述需求响应云中心;所述消费终端子系统根据每一居民用户在预设历史时间段内的电力消费数据确定对应的每一位居民用户的目标函数和对应的约束条件;所述需求响应云中心对优惠券激励价格进行初始化,并将该初始化后的优惠券激励价格发布至所述消费终端子系统;
其中,所述领导者的目标函数的变量为所有居民用户的电力需求总量和优惠券激励价格,目标为所述负荷服务实体子系统的收益最大化;所述每一位居民用户的目标函数的变量为该用户的电力需求量和优惠券激励价格,目标为该用户的电力消费效用值最大化;
S2、所述消费终端子系统基于当前的优惠券激励价格,求解每一居民用户的目标函数,得到每一居民用户的最优电力需求量,并将每一居民用户的最优电力需求量发送至所述需求响应云中心;
S3、所述需求响应云中心对所有居民用户的最优电力需求量求和,得到所有用户的最优需求总量,并基于所述最优需求总量,求解所述领导者的目标函数,得到最优优惠券激励价格;并判断当前是否达到博弈均衡状态,若是,则将所述最优优惠券激励价格和每一居民用户的最优电力需求量发送至所述负荷服务实体子系统;否则,将所述最优优惠券激励价格作为当前的优惠券激励价格,并返回S2。
总体来说,上述三部分之间的交互方式为:
负荷服务实体子系统向需求响应云中心发送领导者的目标函数和对应的约束条件;需求响应云中心以负荷服务实体子系统的收益最大化为主要目标,通过消费终端子系统与每一居民用户进行多轮交互,进行优惠券激励价格的调整,最后将所有居民用户的电力需求总量和最优优惠券反馈给负荷服务实体子系统。
同样的,本发明提供的激励需求响应系统相对于现有技术中以主机地址为中心的激励需求响应系统,可以减少通信延迟、实现快速、大规模和安全的激励需求响应。而且,通过基于stackelberg博弈的方法,建立双层优化模型,实现优惠券激励价格的调整,可以有效的权衡和协调负荷服务实体与居民用户的决策和收益。除此之外,由于负荷服务实体子系统与消费终端子系统之间通过需求响应云中心进行交互,也就是说,负荷服务实体子系统与用户之间为间接交互,能够保护用户的隐私信息安全以及减轻网络攻击者的威胁。而且,需求响应云中心为基于云的设备,提供的计算能力和通信能力能够减小通信延迟,提高激励需求响应项目的实施效率。另外,通过该系统可以减少用户的用电支出,提高居民参与激励需求响应的积极性。
在具体实施时,领导者的目标函数和目标函数的具体形式可以根据情况设定,例如:所述领导者的目标函数为:
max Uleader(pc,D)=prr·D-prtp·D-pc·(Dtar-D)
所述领导者的目标函数的约束条件为:
式中,Uleader为所述负荷服务实体子系统的收益,pc为优惠券激励价格,D为所有居民用户的电力需求总量,prr为固定零售电价,prtp为实时电价,Dtar为所有居民用户总的基线负荷水平,为最大优惠券激励价格。
实际上在上式中,第一项为所述负荷服务实体子系统的售电收入,第二项为购电成本,第三项为优惠券激励支出。
在具体实施时,每一位居民用户的目标函数和目标函数的具体形式可以根据情况设定,例如:第i个居民用户的目标函数为:
该目标函数的约束条件为:
式中,Ui为第i个居民用户的效用值,pc为优惠券激励价格,Di为第i个居民用户的电力需求量,prr为固定零售电价,为第i个居民用户的基线负荷水平,为第i个居民用户的最大电力需求量,为第i个居民用户的不满意度函数。
实际上在上式中,第一项为优惠券激励收入,第二项为第i个居民用户的购电成本,第三项为第i个居民用户的不满意度函数。
举例来说,在1-n型stackelberg博弈中,负荷服务实体子系统作为领导者,其策略集合为:
负荷服务实体以利润最大化为目标,所以领导者的优化问题为:
max Uleader(pc,D)=prr·D-prtp·D-pc·(Dtar-D)
每一位居民用户作为一位跟随者,其策略集合为:
每一位居民用户以电力消费效用最大化为目标,所以跟随者的优化问题为:
优惠券价格的调整过程是按照Stackelberg博弈均衡的求解方法——反向归纳的方法进行,具体步骤如下:
(1)需求响应云中心进行参数初始化,确定最初的优惠券激励价格,目前的迭代次数k=1;
(2)首先向跟随者发布领导者的策略:需求响应云中心将优惠券价格发布给每一位居民用户;
(3)跟随者根据领导者的策略确定其最优的响应策略:每一位居民用户以电力消费效用最大化为目标,根据第k次迭代中的优惠券价格求解其优化问题确定第k次迭代中最优的需求量并且反馈给需求响应云中心;
(4)根据跟随者已经确定的响应策略确定领导者的最优策略:需求响应云中心整合第k次迭代中所有居民用户的电力需求总量Dk,并根据Dk求解领导者的优化问题,得出第k次迭代中最优的优惠券激励价格迭代次数k=k+1,重复步骤(2)-(4)
(5)达到Stackelberg博弈均衡状态即领导者的收益不再增加时,迭代过程结束,从而得到最优的优惠券激励价格和每一位居民用户最优的电力需求量。
在具体实施时,还可以对进行功能划分,例如,所述负荷服务实体子系统包括信息交互模块和优化调度模块,信息交互模块用于与所述负荷服务实体子系统和所述消费终端子系统进行数据交互,优化调度模块用于领导者目标函数和约束条件的确定。所述需求响应云中心包括数据存储模块、数据加密模块和参数计算模块,数据存储模块用于对所述负荷服务实体子系统和所述消费终端子系统发送来的数据进行存储;数据加密模块用于对所述消费终端子系统发送来的用户隐私数据进行加密,参数计算模块用于领导者优化问题的计算。所述消费终端子系统包括高级测量模块和需求响应模块,高级测量模块用于采集居民用户的电力消费数据,需求响应模块用户确定居民用户的目标函数和约束条件等需求响应信息
综上所述,本发明提供的智能电网环境下基于云的激励需求响应方法和系统,由于在执行到S3时,只要没有达到均衡状态,就会返回S2,在返回S2时当前的优惠券激励价格为上一次执行S3中的最优优惠券激励价格,因此这是一个迭代的过程,只有当达到博弈均衡状态时才会结束迭代过程,将最后一次迭代过程中计算得到的最优优惠券激励价格和最优需求总量发送至负荷服务实体子系统,以便负荷服务实体子系统按照最优需求总量购买电力资源,并在需求大于供应时,按照最优优惠券激励价格向用户提供优惠券激励,来引导用户减少不必要的电力消费。由于本发明是基于云实现的激励需求响应,相对于现有技术中以主机地址为中心的激励需求响应,可以减少通信延迟、提高参与用户的容量规模,从而实现快速、大规模和安全的激励需求响应。而且,通过基于stackelberg博弈的方法实现优惠券激励价格的调整,能够反应现实活动中的主从关系,有效的协调和权衡负荷服务实体与居民用户的决策和利益。
本发明的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
以上实施例仅用以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;而这些修改或者替换,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 (9)
1.一种智能电网环境下基于云的激励需求响应方法,其特征在于,包括:
S1、将负荷服务实体子系统作为领导者,根据实时的电价信息和负荷服务实体子系统在预设历史时间段内与电力系统运营商的交易数据,确定领导者的目标函数和对应的约束条件,构成上层优化问题;将每一位居民用户作为一位跟随者,根据消费终端子系统在预设历史时间段内的电力消费数据,确定每一位居民用户的目标函数和对应的约束条件,构成下层优化问题;以及对优惠券激励价格进行初始化;
其中,所述领导者的目标函数的变量为所有居民用户的电力需求总量和优惠券激励价格,目标为所述负荷服务实体子系统的收益最大化;所述每一位居民用户的目标函数的变量为该用户的电力需求量和优惠券激励价格,目标为该用户的电力消费效用值最大化;
S2、基于当前的优惠券激励价格,求解每一位居民用户的目标函数,得到每一位居民用户在当前激励价格下的最优电力需求量;
S3、将所有居民用户的最优电力需求量进行求和,得到所有用户的最优需求总量,并基于所述最优需求总量,求解所述上层优化问题,得到最优优惠券激励价格;根据领导者的目标函数值与上次迭代相比是否增加,判断当前是否达到博弈均衡状态,若是,则将所述最优优惠券激励价格和所述最优需求总量发送至所述负荷服务实体子系统;否则,将所述最优优惠券激励价格作为当前的优惠券激励价格,并返回S2。
2.根据权利要求1所述的方法,其特征在于,
所述领导者的目标函数为:
maxUleader(pc,D)=prr·D-prtp·D-pc·(Dtar-D)
所述领导者目标函数的约束条件为:
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<msub>
<mi>p</mi>
<mi>c</mi>
</msub>
<mo>&le;</mo>
<msubsup>
<mi>p</mi>
<mi>c</mi>
<mi>max</mi>
</msubsup>
</mrow>
式中,Uleader为所述负荷服务实体子系统的收益,pc为优惠券激励价格,D为所有居民用户的电力需求总量,prr为固定零售电价,prtp为实时电价,Dtar为所有居民用户总的基线负荷水平,为最大优惠券激励价格。
3.根据权利要求1或2所述的方法,其特征在于,
第i个居民用户的目标函数为:
该目标函数的约束条件为:
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<msub>
<mi>D</mi>
<mi>i</mi>
</msub>
<mo>&le;</mo>
<msubsup>
<mi>D</mi>
<mi>i</mi>
<mi>max</mi>
</msubsup>
</mrow>
式中,Ui为第i个居民用户的效用值,pc为优惠券激励价格,Di为第i个居民用户的电力需求量,prr为固定零售电价,为第i个居民用户的基线负荷水平,为第i个居民用户的最大电力需求量,为第i个居民用户的不满意度函数。
4.一种智能电网环境下基于云的激励需求响应系统,其特征在于,包括负荷服务实体子系统、需求响应云中心和消费终端子系统,其中:
所述负荷服务实体子系统用于执行:S11、将负荷服务实体子系统作为领导者,根据实时的电价信息和负荷服务实体子系统在预设历史时间段内与电力系统运营商的交易数据,确定领导者的目标函数和对应的约束条件,构成上层优化问题,并将该目标函数和对应的约束条件发送至所述需求响应云中心;其中,所述领导者目标函数的变量为所有用户的电力需求总量和优惠券激励价格,目标为所述负荷服务实体子系统的收益最大化;
所述消费终端子系统用于执行:S12、将每一位居民用户作为一位跟随者,根据消费终端子系统在预设历史时间段内的电力消费数据,确定每一位居民用户的目标函数和对应的约束条件,构成下层优化问题;其中,所述的每一位居民用户的目标函数的变量为该用户的电力需求量和优惠券激励价格,目标为该居民用户的电力消费效用值最大化;
所述需求响应云中心用于执行:S13、对优惠券激励价格进行初始化,并将该初始化后的优惠券激励价格发布至所述消费终端子系统;
所述消费终端子系统还用于执行:S2、基于当前的优惠券激励价格,求解每一位居民用户的目标函数,得到每一位居民用户在当前激励价格下的最优电力需求量;将每一用户的最优电力需求量发送至所述需求响应云中心中执行S3;
所述需求响应云中心还用于执行:S3、将所有居民用户的最优电力需求量进行求和,得到所有用户的最优需求总量,并基于所述最优需求总量,求解所述上层优化问题,得到最优优惠券激励价格;根据领导者的目标函数值与上次迭代相比是否增加,判断当前是否达到博弈均衡状态,若是,则将所述最优优惠券激励价格和所述最优需求总量发送至所述负荷服务实体子系统;否则,将所述最优优惠券激励价格作为当前的优惠券激励价格,并返回所述消费终端子系统中执行S2。
5.根据权利要求4所述的系统,其特征在于,
所述领导者的目标函数为:
maxUleader(pc,D)=prr·D-prtp·D-pc·(Dtar-D)
所述领导者的目标函数的约束条件为:
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<msub>
<mi>p</mi>
<mi>c</mi>
</msub>
<mo>&le;</mo>
<msubsup>
<mi>p</mi>
<mi>c</mi>
<mi>max</mi>
</msubsup>
</mrow>
式中,Uleader为所述负荷服务实体子系统的收益,pc为优惠券激励价格,D为所有用户的电力需求总量,prr为固定零售电价,prtp为实时电价,Dtar为所有居民用户总的基线负荷水平,为最大优惠券激励价格。
6.根据权利要求4或5所述的系统,其特征在于,
第i个居民用户的目标函数为:
该第二目标函数的约束条件为:
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<msub>
<mi>D</mi>
<mi>i</mi>
</msub>
<mo>&le;</mo>
<msubsup>
<mi>D</mi>
<mi>i</mi>
<mi>max</mi>
</msubsup>
</mrow>
式中,Ui为第i个居民用户的效用值,pc为优惠券激励价格,Di为第i个居民用户的电力需求量,prr为固定零售电价,为第i个居民用户的基线负荷水平,为第i个居民用户的最大电力需求量,为第i个居民用户的不满意度函数。
7.根据权利要求4所述的系统,其特征在于,所述负荷服务实体子系统包括信息交互模块和优化调度模块,信息交互模块用于与所述需求响应云中心和所述消费终端子系统进行数据交互,优化调度模块用于对领导者的目标函数和约束条件进行确定。
8.根据权利要求4所述的系统,其特征在于,所述需求响应云中心包括数据存储模块、数据加密模块和参数计算模块,数据存储模块用于对所述负荷服务实体子系统和所述消费终端子系统发送来的数据进行存储,数据加密模块用于对所述消费终端子系统发送来的用户隐私数据进行加密,参数计算模块用于对上层优化问题进行计算。
9.根据权利要求4所述的系统,其特征在于,所述消费终端子系统包括高级测量模块和需求响应模块,高级测量模块用于采集居民用户的电力消费数据,需求响应模块用户确定居民用户的目标函数和约束条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710354201.5A CN107067191B (zh) | 2017-05-18 | 2017-05-18 | 智能电网环境下基于云的激励需求响应方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710354201.5A CN107067191B (zh) | 2017-05-18 | 2017-05-18 | 智能电网环境下基于云的激励需求响应方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107067191A true CN107067191A (zh) | 2017-08-18 |
CN107067191B CN107067191B (zh) | 2018-05-04 |
Family
ID=59609655
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710354201.5A Active CN107067191B (zh) | 2017-05-18 | 2017-05-18 | 智能电网环境下基于云的激励需求响应方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107067191B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111031344A (zh) * | 2019-12-12 | 2020-04-17 | 南京财经大学 | 双层博弈驱动下无源光网络中边缘视频缓存激励优化方法 |
CN111242511A (zh) * | 2020-02-27 | 2020-06-05 | 云南电网有限责任公司电力科学研究院 | 氢油生产控制方法 |
CN111967649A (zh) * | 2020-07-21 | 2020-11-20 | 浙江中新电力工程建设有限公司 | 一种智能用电激励需求响应系统及其快速响应方法 |
CN112348565A (zh) * | 2020-09-30 | 2021-02-09 | 联想(北京)有限公司 | 一种基于区块链的信息处理方法及装置 |
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 |
CN114529323A (zh) * | 2021-12-16 | 2022-05-24 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于效率损失比的需求响应激励决策优化方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8195490B2 (en) * | 2007-10-15 | 2012-06-05 | University Of Southern California | Agent security via approximate solvers |
CN105591406A (zh) * | 2015-12-31 | 2016-05-18 | 华南理工大学 | 一种基于非合作博弈的微电网能量管理系统的优化算法 |
CN106532774A (zh) * | 2016-12-07 | 2017-03-22 | 湖南铁路科技职业技术学院 | 一种电动车辆接入多微电网电力分配系统及方法 |
-
2017
- 2017-05-18 CN CN201710354201.5A patent/CN107067191B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8195490B2 (en) * | 2007-10-15 | 2012-06-05 | University Of Southern California | Agent security via approximate solvers |
CN105591406A (zh) * | 2015-12-31 | 2016-05-18 | 华南理工大学 | 一种基于非合作博弈的微电网能量管理系统的优化算法 |
CN106532774A (zh) * | 2016-12-07 | 2017-03-22 | 湖南铁路科技职业技术学院 | 一种电动车辆接入多微电网电力分配系统及方法 |
Non-Patent Citations (1)
Title |
---|
李晅: "《基于Stackelberg博弈的微网价格型需求响应及供电定价优化》", 《电力系统保护与控制》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111031344A (zh) * | 2019-12-12 | 2020-04-17 | 南京财经大学 | 双层博弈驱动下无源光网络中边缘视频缓存激励优化方法 |
CN111031344B (zh) * | 2019-12-12 | 2021-09-28 | 南京财经大学 | 双层博弈驱动下无源光网络中边缘视频缓存激励优化方法 |
CN111242511A (zh) * | 2020-02-27 | 2020-06-05 | 云南电网有限责任公司电力科学研究院 | 氢油生产控制方法 |
CN111242511B (zh) * | 2020-02-27 | 2023-06-30 | 云南电网有限责任公司电力科学研究院 | 氢油生产控制方法 |
CN111967649A (zh) * | 2020-07-21 | 2020-11-20 | 浙江中新电力工程建设有限公司 | 一种智能用电激励需求响应系统及其快速响应方法 |
CN111967649B (zh) * | 2020-07-21 | 2024-01-05 | 浙江中新电力工程建设有限公司 | 一种智能用电激励需求响应系统及其快速响应方法 |
CN112348565A (zh) * | 2020-09-30 | 2021-02-09 | 联想(北京)有限公司 | 一种基于区块链的信息处理方法及装置 |
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 |
CN114529323A (zh) * | 2021-12-16 | 2022-05-24 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于效率损失比的需求响应激励决策优化方法 |
CN114529323B (zh) * | 2021-12-16 | 2024-06-04 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于效率损失比的需求响应激励决策优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107067191B (zh) | 2018-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107067191B (zh) | 智能电网环境下基于云的激励需求响应方法和系统 | |
CN107240002A (zh) | 一种电力交易方法、装置及微电网系统 | |
WO2016065092A4 (en) | Systems and methods for advanced energy settlements, network-based messaging, and applications supporting the same | |
CN110119963A (zh) | 一种基于主从智能合约的微电网电能交易方法 | |
KR20210058633A (ko) | 프로슈머와 소비자간 전력 거래 장치 및 그 방법 | |
Faizan et al. | Decentralized bottom-up energy trading using Ethereum as a platform | |
KR20210012630A (ko) | P2p 전력거래 메커니즘 설계 방법 및 그 시스템 | |
CN112581309A (zh) | 一种基于区块链的配电网分布式能源交易方法及系统 | |
CN111080911A (zh) | 一种基于区块链技术记录电能交易的智能电表 | |
CN109800927B (zh) | 双边电力市场环境下的配电网分布式优化方法 | |
KR101957797B1 (ko) | 입찰 방식에 기반한 마이크로그리드 간 가상 전력 거래 방법 및 이를 위한 에이전트 장치 | |
CN106780146A (zh) | 分布式电源不同运营模式下的综合价值评估方法及装置 | |
CN110264267A (zh) | 一种基于区块链的积分兑换方法 | |
CN104240130A (zh) | 一种利用风险投融资系统的投融资方法及风险投融资系统 | |
CN113890021A (zh) | 一种考虑配电网络约束的多虚拟电厂分布式交易方法 | |
CN113205423A (zh) | 一种基于区块链能源交易系统及其交易方法 | |
Zhou et al. | Active energy interaction between multiple distributed energy systems with flexible decentralization operation: Energy bank | |
CN110556821B (zh) | 考虑交互功率控制和双边竞价交易的多微电网双层优化调度方法 | |
CN110889598A (zh) | 一种分布式发电市场化环境下各交易主体行为决策方法 | |
CN115186926A (zh) | 一种基于电-碳共享的园区能量优化方法及系统 | |
CN110348702A (zh) | 一种多微电网间电能分配方法 | |
CN109166061A (zh) | 一种电力现货仿真竞赛交易培训系统 | |
CN109274094A (zh) | 基于博弈论的需求侧响应补贴价格制定方法及相关产品 | |
Hao | Decentralized approach to intermarket congestion management | |
Faqiry et al. | Transactive energy auction with hidden user information in microgrid |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |