CN107341601A - 基于日前、日内时间尺度的电力资源调度方法和系统 - Google Patents

基于日前、日内时间尺度的电力资源调度方法和系统 Download PDF

Info

Publication number
CN107341601A
CN107341601A CN201710493831.0A CN201710493831A CN107341601A CN 107341601 A CN107341601 A CN 107341601A CN 201710493831 A CN201710493831 A CN 201710493831A CN 107341601 A CN107341601 A CN 107341601A
Authority
CN
China
Prior art keywords
day
scheduling model
ahead
variables
scheduling
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
Application number
CN201710493831.0A
Other languages
English (en)
Inventor
孙宇军
王岩
肖勇
钱斌
李秋硕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China South Power Grid International Co ltd
Original Assignee
China South Power Grid International Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China South Power Grid International Co ltd filed Critical China South Power Grid International Co ltd
Priority to CN201710493831.0A priority Critical patent/CN107341601A/zh
Publication of CN107341601A publication Critical patent/CN107341601A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (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

本发明涉及一种基于日前、日内时间尺度的电力资源调度方法和系统，建立日前调度模型和日内调度模型，利用日前调度模型得到日前调度模型的变量的最优值，将变量的最优值应用于日内调度模型中，在日前调度模型的优化变量基础上进行日内调度模型的优化，得到日内调度模型的变量的最优值，根据日前调度模型的变量的最优值和日内调度模型的变量的最优值对电力资源进行调度，既不会影响日前调度执行安排，还可以在日前调度的基础上对日内调度电力资源进一步合理调度，直接减小日内调峰的需求，避免采用其他调峰资源满足需求，有效降低电网的运行成本。

Description

基于日前、日内时间尺度的电力资源调度方法和系统
技术领域
本发明涉及电力调度技术领域，特别是涉及一种基于日前、日内时间尺度的电力资源调度方法和系统。
背景技术
目前针对新能源接入电网背景下发用电联合调度的模型和策略展开了大量研究。
例如，在发用电调度计划中考虑需求侧资源的参与，既增强了电网系统对谷时段富余新能源电力的消纳能力，也减少了峰时段的用电需求，有效降低了电网系统运行的边际成本；还有，在调度计划模型中考虑了不同时段负荷对电价响应的情况，基于弹性理论验证了价格型的需求响应(demand response，DR)对新能源电力消纳的效果。
随着需求侧管理实践的深入，逐渐形成了常态化的DR实施模式和响应机制。响应机制可以包括两种：日前邀约响应和日内实时响应。日前邀约响应是指在日前对目标用户进行邀约和确认，由用户提前安排并实现次日的负荷削减或转移；日内实时响应主要面向快速中断的负荷，在日内接收到响应指令后将削负荷操作执行到位。上述发用电联合调度主要从日前调度角度展开，虽然可以增强电网系统对谷时段富余新能源电力的消纳能力，并可以减少峰时段的用电需求，但也会增大日内调峰的需求，导致调峰成本较高。
发明内容
基于此，有必要针对传统的发用电联合调度会增大日内调峰的需求，导致调峰成本较高的问题，提供一种基于日前、日内时间尺度的电力资源调度方法和系统。
一种基于日前、日内时间尺度的电力资源调度方法，包括以下步骤：
根据电网的发电参数和用户需求响应参数构建日前调度模型和日内调度模型，其中，日前调度模型和日内调度模型分别包括对应的目标函数和变量，日前调度模型的变量与日内调度模型的变量部分相同；
根据日前调度模型的目标函数对日前调度模型的所有变量进行优化，获得日前调度模型的所有变量的最优值，选取目标最优值，目标最优值对应的变量属于日内调度模型的变量；
根据目标最优值和日内调度模型的目标函数对日内调度模型的其他变量进行优化，获得日内调度模型的其他变量的最优值，其中，其他变量为与日前调度模型的变量不同的变量；
根据日前调度模型的所有变量的最优值对电力资源进行日前调度，根据日内调度模型的所有变量的最优值对电力资源进行日内调度。
一种基于日前、日内时间尺度的电力资源调度系统，包括以下单元：
模型构建单元，用于根据电网的发电参数和用户需求响应参数构建日前调度模型和日内调度模型，其中，日前调度模型和日内调度模型分别包括对应的目标函数和变量，日前调度模型的变量与日内调度模型的变量部分相同；
变量优化单元，用于根据日前调度模型的目标函数对日前调度模型的所有变量进行优化，获得日前调度模型的所有变量的最优值，选取目标最优值，目标最优值对应的变量属于日内调度模型的变量，根据目标最优值和日内调度模型的目标函数对日内调度模型的其他变量进行优化，获得日内调度模型的其他变量的最优值，其中，其他变量为与日前调度模型的变量不同的变量；
电力调度单元，用于根据日前调度模型的所有变量的最优值对电力资源进行日前调度，根据日内调度模型的所有变量的最优值对电力资源进行日内调度。
根据上述本发明的基于日前、日内时间尺度的电力资源调度方法和系统，其是建立日前调度模型和日内调度模型，利用日前调度模型得到日前调度模型的变量的最优值，将变量的最优值应用于日内调度模型中，在日前调度模型的优化变量基础上进行日内调度模型的优化，得到日内调度模型的变量的最优值，根据日前调度模型的变量的最优值和日内调度模型的变量的最优值对电力资源进行调度，既不会影响日前调度执行安排，还可以在日前调度的基础上对日内调度电力资源进一步合理调度，直接减小日内调峰的需求，避免采用其他调峰资源满足需求，有效降低电网的运行成本。
一种可读存储介质，其上存储有可执行程序，该程序被处理器执行时实现上述的基于日前、日内时间尺度的电力资源调度方法的步骤。
一种设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的可执行程序，处理器执行程序时实现上述的基于日前、日内时间尺度的电力资源调度方法的步骤。
根据上述本发明的基于日前、日内时间尺度的电力资源调度方法，本发明还提供一种可读存储介质和设备，用于通过程序实现上述基于日前、日内时间尺度的电力资源调度方法。
附图说明
图1为其中一个实施例的基于日前、日内时间尺度的电力资源调度方法的流程示意图；
图2为其中一个具体实施例的调度计划流程示意图；
图3为其中一个具体实施例的基于价格型需求响应和激励型需求响应的调度效果图；
图4为其中一个具体实施例的日前激励型需求响应的调度结果示意图；
图5为其中一个具体实施例的日内激励型需求响应的调度结果示意图；
图6为其中一个实施例的基于日前、日内时间尺度的电力资源调度系统的结构示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不限定本发明的保护范围。
参见图1所示，为本发明一个实施例的基于日前、日内时间尺度的电力资源调度方法。该实施例中的基于日前、日内时间尺度的电力资源调度方法，包括以下步骤：
步骤S101：根据电网的发电参数和用户需求响应参数构建日前调度模型和日内调度模型，其中，日前调度模型和日内调度模型分别包括对应的目标函数和变量，日前调度模型的变量与日内调度模型的变量部分相同；
在本步骤中，日前调度模型是针对日前邀约响应的变量处理模型，日内调度模型是针对日内实时响应的变量处理模型；
步骤S102：根据日前调度模型的目标函数对日前调度模型的所有变量进行优化，获得日前调度模型的所有变量的最优值，选取目标最优值，目标最优值对应的变量属于日内调度模型的变量；
步骤S103：根据目标最优值和日内调度模型的目标函数对日内调度模型的其他变量进行优化，获得日内调度模型的其他变量的最优值，其中，其他变量为与日前调度模型的变量不同的变量；
在本步骤中，目标最优值的作用是作为常量应用到日内调度模型的变量优化过程中，并利用目标函数来得到其他便令的最优值；
步骤S104：根据日前调度模型的所有变量的最优值对电力资源进行日前调度，根据日内调度模型的所有变量的最优值对电力资源进行日内调度。
在本实施例中，建立日前调度模型和日内调度模型，利用日前调度模型得到日前调度模型的变量的最优值，将变量的最优值应用于日内调度模型中，在日前调度模型的优化变量基础上进行日内调度模型的优化，得到日内调度模型的变量的最优值，根据日前调度模型的变量的最优值和日内调度模型的变量的最优值对电力资源进行调度，既不会影响日前调度执行安排，还可以在日前调度的基础上对日内调度电力资源进一步合理调度，直接减小日内调峰的需求，避免采用其他调峰资源满足需求，有效降低电网的运行成本。
在其中一个实施例中，电网的发电参数包括电网的发电机组组合状态、发电机组发电容量、接入电网的能源的第一弃能容量和第二弃能容量；
用户需求响应参数包括用于日前调度的激励型需求响应的第一状态变量和第一响应容量、用于日内调度的激励型需求响应的第二状态变量和第二响应容量；
日前调度模型的变量包括发电机组组合状态、第一弃能容量、第一状态变量和第一响应容量。
日内调度模型的变量包括发电机组发电容量、第二弃能容量、第二状态变量和第二响应容量；其中，第二弃能容量与第一弃能容量部分相同，第二状态变量与第一状态变量部分相同，第二响应容量与第一响应容量部分相同。
在本实施例中，日前调度模型主要考虑发电机组组合状态、第一弃能容量、用于日前调度的激励型需求响应的第一状态变量和第一响应容量，第一弃能容量是在日前调度时可以不消纳已接入电网的能源电力的容量，利用日前调度模型的目标函数可以确定最优的发电机组的组合形式以及第一弃能容量；日内调度模型主要考虑发电机组的发电容量、第二弃能容量、用于日内调度的激励型需求响应的第二状态变量和第二响应容量，第二弃能容量是在日内调度时可以不消纳已接入电网的能源电力的容量，利用日内调度模型的目标函数可以确定最优的发电机组的发电容量以及第二弃能容量，从而在整体上实现电网发电资源和接入电网的能源在日前调度和日内调度的同时优化。
在其中一个实施例中，根据日前调度模型的目标函数对日前调度模型的所有变量进行优化的步骤包括以下步骤：
从0至1遍历电价拉开比，根据当前电价拉开比模拟用户满意度；
在用户满意度大于等于预设值时，判断当前电价拉开比是否达到预设上限值；
若否，则在当前电价拉开比条件下，根据日前调度模型的目标函数对日前调度模型的所有变量进行优化，并计算日前调度模型的目标函数的值，在目标函数的值小于之前计算的目标函数的值时，保存当前电价拉开比下的日前调度模型的所有变量的最优值。
在本实施例中，由于电力调度，不同时段的电价不同，可以利用电价拉开比表示电价的变化状况，在不同电价拉开比下，获取的日前调度模型的变量的最优值不同，用户满意度也不同，在用户满意度符合预设条件且电价拉开比未达到上限值的情况下，可以计算不同电价拉开比下日前调度模型的目标函数的值并进行比较，保存其中较小的目标函数的值对应的日前调度模型的所有变量的最优值，如此可以从多个不同的电价拉开比中选择，使最终的目标函数的值最小，实现在满足用户需求的前提下进一步减小电力运行成本。
可选的，根据当前电价拉开比模拟用户满意度的步骤包括以下步骤：
根据当前电价拉开比模拟负荷转移数据，并以当前电价拉开比和负荷转移数据计算客户满意度。
可选的，从0至1遍历电价拉开比时，可以以一定的步长进行遍历。
在其中一个实施例中，基于日前、日内时间尺度的电力资源调度方法还包括以下步骤：
在用户满意度小于预设值或当前电价拉开比达到预设上限值时，获取保存的日前调度模型的所有变量的最优值。
在本实施例中，在用户满意度小于预设值或当前电价拉开比达到预设上限值时，说明当前的电价拉开比已不适用实际调度，无需再在该电价拉开比下进行变量的优化，可以直接获取保存的日前调度模型的所有变量的最优值，简化处理流程。
在其中一个实施例中，基于日前、日内时间尺度的电力资源调度方法还包括以下步骤：
在当前电价拉开比达到预设上限值后，停止电价拉开比的遍历。
在本实施例中，由于点击拉开比从0到1进行遍历，在当前电价拉开比达到预设上限值后，后续的电价拉开比都会超过预设上限值，因此，在当前电价拉开比达到预设上限值后，可以停止点击拉开比的遍历，可以简化处理流程。
在其中一个实施例中，日前调度模型的目标函数为：
式中，fg,t和Si,t分别表示发电机组i在t时段的电量成本和启停成本，ui,t是发电机组i在t时段的启停状态变量，NG表示发电机组数，T1表示日前调度周期数，其中CIL,j为激励型需求响应中第j类用户的单位补偿成本，IILj,t和PILj,t分别为激励型需求响应中第j类用户在t时段内的状态变量和响应容量，N1为日前调度的激励型需求响应的用户类数，Cw和Pwcur,t分别为单位弃能成本和t时段内的弃能容量；
日内调度模型的目标函数为：
式中，fg,t表示发电机组i在t时段的电量成本，NG表示发电机组数，T2表示日内调度周期数，N2为日前调度的激励型需求响应的用户类数。
在本实施例中，通过上述日前调度模型和日内调度模型的目标函数，可以为实现电力资源调度的合理配置提供一个明确的方式，利用发电机组的相关参数、激励型需求响应的相关参数以及接入电网的能源的相关参数就可以有效地确定电力资源调度的最优方式。
在其中一个实施例中，激励型需求响应中第j类用户在t时段内的响应容量的约束表达式为：
0≤PILj,t≤PILjmax
式中，PILjmax表示第j类用户的响应容量上限；
激励型需求响应中第j类用户在t时段内的状态变量的约束表达式为：
上述式(1)为连续响应时间约束，其中τILj,max表示第j类用户的单次最大响应时限；式(2)为滚动周期内响应时间约束，表示第j类用户在任意连续的小时内，其响应时间不超过ξILj,max；式(3)为响应总时间约束，表示第j类用户每日的响应总时间不超过TILjmax,T为周期数。
在本实施例中，激励型需求响应中第j类用户在t时段内的响应容量和状态变量均具有相应的约束条件，使得最终的变量的最优值更加符合实际的情况，而且利用上述约束条件可以在对日前调度模型和日内调度模型的变量进行优化时减少变量的变化范围，减少优化的不确定性，从而可以快速得到优化结果。
在其中一个实施例中，通过获取发电机组i在t时段的电量成本，其中，ai、bi、ci均为常规机组发电电量成本系数，PGi,t表示发电机组i在t时段的发电容量；
发电机组的约束表达式为：
式中，PGi,min表示发电机组i在t时段的最小发电容量，PGi,max表示发电机组i在t时段的最大发电容量，和表示机组的上下爬坡限值，Ton和Toff分别表示发电机组最小开机时间和最小停机时间。
在本实施例中，发电机组受到本身的条件限制，利用约束条件避免发电机组超负荷运转，使发电机组在正常工作的前提下实现电力资源的调度优化。
在其中一个实施例中，根据日前调度模型的目标函数对日前调度模型的所有变量进行优化的步骤包括以下步骤：
根据日前调度模型的目标函数和系统约束对日前调度模型的所有变量进行优化，其中，日前调度模型的系统约束包括日前调度模型的有功平衡约束和备用容量约束，日前调度模型的有功平衡约束的表达式为：
日前调度模型的备用容量约束的表达式为：
式中，Cr表示可信性测度函数，表示接入电网的能源的预测误差，表示负荷预测误差，为备用系数；β1和β2分别表示有功平衡和备用容量的日前调度可信度阈值；
根据目标最优值和日内调度模型的目标函数对日内调度模型的其他变量进行优化的步骤包括以下步骤：
根据目标最优值、日内调度模型的目标函数和系统约束对日内调度模型的其他变量进行优化，其中，日内调度模型的系统约束包括日内调度模型的有功平衡约束和备用容量约束，日内调度模型的有功平衡约束的表达式为：
日内调度模型的备用容量约束的表达式为：
式中，γ1和γ2分别表示有功平衡和备用容量的日内调度可信度阈值。
在本实施例中，在对日前调度模型和日内调度模型的变量进行优化时，考虑有功平衡约束和备用容量约束，使得最终的调度结果保留适量的备用电力资源，预备发生紧急突发事件时的紧急响应，进一步符合实际的情况，而且利用上述有功平衡约束和备用容量约束可以在对日前调度模型和日内调度模型的变量进行优化时减少变量的变化范围，减少优化的不确定性，从而可以快速得到优化结果。
上述实施例中的第一、第二等序数词只是为了区分描述的对象，并不是对对象本身的限定。
在一个具体的实施例中，在传统的电力资源调度体制下，省调作为电网运行和监控的主体，负责制订大部分电源机组的运行计划和区域内的电力电量平衡；地调主要以高压母线以及少部分的地方电厂机组作为电源，通过对地区电网的监控来管理地区负荷供电。因此，基于需求响应的发用电联合调度优化，在实施层面应兼顾省调对主要电源机组的调度和地调对用电负荷的管理安排。在本实施例中，主要电源机组包括电网常规机组和接入电网的风力发电机组。
1、参与调度优化的DR模型
(1)价格型DR调度模型
在未具备电力批发市场进行实时电价出清(实现供给与需求双方平衡时的电价，在此电价下，供给一方的电力产量恰好等于需求一方的电力需求)的条件下，价格型DR的实施主要通过调整峰平谷的时段电价，引导用户改变固有的用电模式。在日前调度计划中考虑价格型DR的参与，可采用消费者心理学原理模拟负荷转移，并基于调度成本最小化来进行电价拉开比的决策。
价格型DR引导用户用电行为的改变，从电网侧考虑应注意避免出现峰谷负荷的倒置；从用户侧角度考虑，还应该兼顾用户用电满意度改变的影响。因此，日前调度决策应满足电价拉开比的上限：
其中，μ和ω分别表示峰平电价拉开比和平谷电价拉开比。
考虑到用电方式以及电费支出的改变对用户的影响，过低的用户满意度可能导致响应行为的偏差。用户用电行为满意度和电费支出满意度还应满足下式的约束：
其中，T为调度周期数，PL0,t和PL,t分别表示价格型DR实施前后时段t的负荷，p0表示实施前的平均电价，pt表示实施后时段t的电价，α1和α2分别表示用电行为满意度和电费支出满意度的下限。
(2)激励型DR调度模型
激励型DR是用户侧参与系统调峰的有效手段。针对大型工业用户的响应，以可中断负荷手段为主，其响应时间尺度一般在小时级别；针对商业及公共设置的照明、空调等负荷，可以兼顾可中断负荷及直接负荷控制的手段，响应时间尺度接近实时尺度。
激励型DR的调度成本为：
其中CIL,j为第j类用户的单位补偿成本，IILj,t和PILj,t分别为第j类用户在时段t内的状态变量和响应容量，NIL为参与激励型DR的用户类数。
激励型DR需要约定用户的响应容量和响应时间等约束，响应容量的约束表达式为：
0≤PILj,t≤PILjmax
式中，PILjmax表示第j类用户的响应容量上限；
响应时间的约束表达式为：
上述式(1)为连续响应时间约束，其中τILj,max表示第j类用户的单次最大响应时限；式(2)为滚动周期内响应时间约束，表示第j类用户在任意连续的小时内，其响应时间不超过ξILj,max；式(3)为响应总时间约束，表示第j类用户每日的响应总时间不超过TILjmax,T为周期数。
日前和日内调度计划中分别考虑的激励型DR的参与，其区别主要体现在合同设置的响应时间约束不同：日前调度安排的激励型DR，提前通知时间较长，主要面向计划性强的响应负荷，通常具有较长的连续响应时间上限和周期内响应时段上限；反之，日内调度计划安排的激励型DR，提前通知时间短，调节较为灵活，但连续响应能力较差。
2、日前(1h)调度模型
(1)目标函数
日前调度计划建模，以常规机组组合、弃风容量、日前调度的激励型DR状态变量及响应容量、电价拉开比为决策变量；以常规机组运行成本、激励型DR调度成本以及弃风成本之和最小化为目标：
其中，fg,t和Si,t分别表示机组i在t时段的电量成本和启停成本，采用时段发电量的二次函数表示Cw和Pwcur,t分别为单位弃风成本和t时段内的弃风容量；T1和N1分别表示日前调度周期数和日前调度的激励型DR用户类数。
(2)系统约束
采用三角隶属度的函数的模糊参量表达日前时间尺度上的风电和负荷预测误差，有功平衡和备用容量约束为：
其中，为机组i的爬坡上限，为备用系数；β1和β2分别表示有功平衡和备用约束的日前调度可信度阈值。
(3)机组约束
常规机组的出力、爬坡和开停机束为：
其中，和表示机组的上下爬坡限值，Ton和Toff分别表示机组最小开停机时间。
(4)DR约束
针对价格型DR，通过比较不同拉开比条件下的综合调度成本F1，实现峰谷电价拉开比的决策，其约束条件参照上述价格型DR调度模型的内容；针对激励型DR的约束条件，参照上述激励型DR调度模型的内容。
通过上述目标函数和约束条件的建模求解，确定常规机组组合安排、电价拉开比以及日前激励型DR计划安排，并将其作为常量融入日内调度计划模型。
3、日内(15min)调度计划模型
(1)目标函数
日内调度计划建模，以常规机组出力、弃风容量、日内激励型DR响应容量为决策变量，以常规机组电量成本、弃风成本、激励型DR调度成本最小化为目标：
其中，T2和N2分别表示日内调度周期数和日内调度的激励型DR用户类数。
(2)系统约束
有功平衡和备用容量约束为：
其中，γ1和γ2分别表示有功平衡和备用约束的日内调度可信度阈值。
(3)其他约束
在日前既定的机组组合安排下，常规机组的经济分配应满足最大最小出力限制和爬坡约束要求，参照机组约束设置。激励型DR的设置，参照激励型DR的约束条件。
4、日前调度模型和日内调度模型求解
采用三角隶属度的函数方式表达风电出力和负荷预测误差区间，根据不确定规划理论将其转化为清晰等价类。据此，本文构建的两阶段日前、日内调度模型的求解属于混合整数规划问题，借助ILOG CPLEX优化软件求解。模型求解的具体流程如图2所示。
5、算例分析
以IEEE 10机39节点系统机组作为常规机组，风电预测值如表1所示，日前尺度的风电和负荷预测误差范围为±10％和±2％，日内尺度为±5％和±1％；弃风成本设置为500元/MWh。
表1风电功率预测信息表(单位：MW)
峰时段12:00至20:00，平时段8:00至12:00，以及20:00至24:00，其余为谷时段。价格型DR实施前时段电价为1元/kWh；选取平时段电价不变，固定峰谷电价比为4，选择不同拉开比的方式实施TOU。日前和日内调度的激励型DR信息如表3所示。
表2用户对价格型DR的响应参数
表3激励型DR的补偿标准及约束条件
6、用户侧互动的效果分析
为验证价格型和激励型DR资源在两阶段调度中的作用，选取以下场景进行对比分析：1)无DR；2)仅考虑价格型DR；3)考虑价格型和激励型DR。
不考虑激励型DR参与的条件下(场景1、2)，在某些时段可能出现日前既定机组组合的爬坡和最大出力不能满足日内尺度的负荷攀升要求的情况，此时需要日内调用紧急调峰资源进行弥补，单位调峰成本设置为350元/MWh。功率平衡约束和备用约束的可信度阈值为0.9。
各场景下优化结果如表4所示。场景3下最优电价拉开比为0.8，价格型DR和激励型DR的调用效果如图3所示。
表4不同场景下调度优化结果对比
结合表4和图3分析可知：
1)无DR互动的情况下，需要通过常规机组的频繁启停以追踪负荷的变化；峰时段需要调用一定的调峰资源以满足日内时间尺度上负荷攀升的需求；在谷时段消纳多余风电的能力有限，因此决策成本较高。
2)价格型DR的参与带来较为明显的削峰填谷效果，减缓了常规机组的频繁启停，增加了谷时段风电消纳的能力，总体上增强了调度计划的经济性；仅有价格型DR参与的情况下，日前决策中减少了在运机组，使得日内调峰的需求在一定程度上增大，导致调峰成本高于无DR的场景。
3)激励型DR的调用主要集中在负荷攀升较快的高峰时段，在面对紧急调峰的场景具有较为明显的经济优势，进一步提高了调度计划的经济性。
进一步分析图3和图4可知，日前调用的激励型DR的计划性较强，连续响应时间和调用间隔时间较长；日内调用的激励型DR其调节较为灵活，但连续响应能力欠缺。在不同时间尺度的调度决策中考虑激励型DR资源的区别，有利于进一步发挥其响应潜力，针对性地提高DR实施效果。
7、用户满意度的影响分析
为验证用户满意度对决策效果的影响，在上述场景3的基础上，选择不同的用电行为满意度和电费支出满意度约束，调度成本的对比如表5所示：
表5不同用户满意度约束下调度成本对比
用户满意度约束为0.85，0.9和0.95的约束条件下，最优电价拉开比分别为1.0，0.8和0.4。结合表5分析可知，考虑用户满意度约束影响最优电价拉开比的选择，进而对调度决策成本产生影响。用户满意度要求越高，机组发电成本和弃风成本越大，导致总成本也在一定程度上增加。
在缺少市场机制将总成本降低的效益传到至用户侧的环境下，合理的电价拉开比制定应兼顾决策总成本和用户满意度的影响。
8、一阶段决策与两阶段决策对比分析
为验证两阶段调度决策的效果，将上述场景3的决策与一阶段决策进行对比分析。一阶段决策在日前确定了常规机组的机组组合及激励型DR的计划安排；由于未考虑日内时间尺度上DR的调用，采用其他调峰资源对机组在日内运行的约束进行弥补。决策效果对比如表6所示：
表6一阶段决策与两阶段决策效果对比
结合表6分析可知，两阶段决策在日前决策的基础上，通过日内时间尺度上挖掘部分快速响应的激励型DR的调峰潜力，有效降低了系统的运行成本，进一步增强了用户侧互动的效果。
基于消费者心理学原理并考虑用户满意度约束构建了价格型DR调度模型；在激励型DR调度建模中兼顾了用户响应容量、连续响应和周期内响应时间的约束。基于日前、日内时间尺度上不同DR资源配置方式的分析，提出了计及用户侧互动的两阶段调度计划模型。算例分析验证了DR资源在日前、日内时间尺度上的调度结果，及其对调度计划的影响。通过不同时间尺度上DR资源的配置，有助于减少弃风、避免机组的频繁启停并缓解调峰压力，具有明显的经济效益。
本实施例中考虑了接入电网的风能，并考虑弃风容量，风能也可以替换为其他形式的能源，并考虑相应的弃能容量。
根据上述基于日前、日内时间尺度的电力资源调度方法，本发明还提供一种基于日前、日内时间尺度的电力资源调度系统，以下就本发明的基于日前、日内时间尺度的电力资源调度系统的实施例进行详细说明。
参见图6所示，为本发明的一个实施例的基于日前、日内时间尺度的电力资源调度系统。该实施例中的基于日前、日内时间尺度的电力资源调度系统包括：
模型构建单元210，用于根据电网的发电参数和用户需求响应参数构建日前调度模型和日内调度模型，其中，日前调度模型和日内调度模型分别包括对应的目标函数和变量，日前调度模型的变量与日内调度模型的变量部分相同；
变量优化单元220，用于根据日前调度模型的目标函数对日前调度模型的所有变量进行优化，获得日前调度模型的所有变量的最优值，选取目标最优值，目标最优值对应的变量属于日内调度模型的变量，根据目标最优值和日内调度模型的目标函数对日内调度模型的其他变量进行优化，获得日内调度模型的其他变量的最优值，其中，其他变量为与日前调度模型的变量不同的变量；
电力调度单元230，用于根据日前调度模型的所有变量的最优值对电力资源进行日前调度，根据日内调度模型的所有变量的最优值对电力资源进行日内调度。
在其中一个实施例中，电网的发电参数包括电网的发电机组组合状态、发电机组发电容量、接入电网的能源的第一弃能容量和第二弃能容量；
用户需求响应参数包括用于日前调度的激励型需求响应的第一状态变量和第一响应容量、用于日内调度的激励型需求响应的第二状态变量和第二响应容量；
日前调度模型的变量包括发电机组组合状态、第一弃能容量、第一状态变量和第一响应容量。
日内调度模型的变量包括发电机组发电容量、第二弃能容量、第二状态变量和第二响应容量；其中，第二弃能容量与第一弃能容量部分相同，第二状态变量与第一状态变量部分相同，第二响应容量与第一响应容量部分相同。
在其中一个实施例中，变量优化单元220从0至1遍历电价拉开比，根据当前电价拉开比模拟用户满意度；在用户满意度大于等于预设值时，判断当前电价拉开比是否达到预设上限值；若否，则在当前电价拉开比条件下，根据日前调度模型的目标函数对日前调度模型的所有变量进行优化，并计算日前调度模型的目标函数的值，在目标函数的值小于之前计算的目标函数的值时，保存当前电价拉开比下的日前调度模型的所有变量的最优值。
在其中一个实施例中，变量优化单元220在用户满意度小于预设值或当前电价拉开比达到预设上限值时，获取保存的日前调度模型的所有变量的最优值。
在其中一个实施例中，变量优化单元220在当前电价拉开比达到预设上限值后，停止电价拉开比的遍历。
在其中一个实施例中，日前调度模型的目标函数为：
式中，fg,t和Si,t分别表示发电机组i在t时段的电量成本和启停成本，ui,t是发电机组i在t时段的启停状态变量，NG表示发电机组数，T1表示日前调度周期数，其中CIL,j为激励型需求响应中第j类用户的单位补偿成本，IILj,t和PILj,t分别为激励型需求响应中第j类用户在t时段内的状态变量和响应容量，N1为日前调度的激励型需求响应的用户类数，Cw和Pwcur,t分别为单位弃能成本和t时段内的弃能容量；
日内调度模型的目标函数为：
式中，fg,t表示发电机组i在t时段的电量成本，NG表示发电机组数，T2表示日内调度周期数，N2为日前调度的激励型需求响应的用户类数。
在其中一个实施例中，激励型需求响应中第j类用户在t时段内的响应容量的约束表达式为：
0≤PILj,t≤PILjmax
式中，PILjmax表示第j类用户的响应容量上限；
激励型需求响应中第j类用户在t时段内的状态变量的约束表达式为：
上述式(1)为连续响应时间约束，其中τILj,max表示第j类用户的单次最大响应时限；式(2)为滚动周期内响应时间约束，表示第j类用户在任意连续的小时内，其响应时间不超过ξILj,max；式(3)为响应总时间约束，表示第j类用户每日的响应总时间不超过TILjmax,T为周期数。
在其中一个实施例中，通过获取发电机组i在t时段的电量成本，其中，ai、bi、ci均为常规机组发电电量成本系数，PGi,t表示发电机组i在t时段的发电容量；
发电机组的约束表达式为：
式中，PGi,min表示发电机组i在t时段的最小发电容量，PGi,max表示发电机组i在t时段的最大发电容量，和表示机组的上下爬坡限值，Ton和Toff分别表示发电机组最小开机时间和最小停机时间。
在其中一个实施例中，变量优化单元220根据日前调度模型的目标函数和系统约束对日前调度模型的所有变量进行优化，其中，日前调度模型的系统约束包括日前调度模型的有功平衡约束和备用容量约束，日前调度模型的有功平衡约束的表达式为：
日前调度模型的备用容量约束的表达式为：
式中，Cr表示可信性测度函数，表示接入电网的能源的预测误差，表示负荷预测误差，为备用系数；β1和β2分别表示有功平衡和备用容量的日前调度可信度阈值；
根据目标最优值和日内调度模型的目标函数对日内调度模型的其他变量进行优化的步骤包括以下步骤：
根据目标最优值、日内调度模型的目标函数和系统约束对日内调度模型的其他变量进行优化，其中，日内调度模型的系统约束包括日内调度模型的有功平衡约束和备用容量约束，日内调度模型的有功平衡约束的表达式为：
日内调度模型的备用容量约束的表达式为：
式中，γ1和γ2分别表示有功平衡和备用容量的日内调度可信度阈值。
本发明的基于日前、日内时间尺度的电力资源调度系统与本发明的基于日前、日内时间尺度的电力资源调度方法一一对应，在上述基于日前、日内时间尺度的电力资源调度方法的实施例阐述的技术特征及其有益效果均适用于基于日前、日内时间尺度的电力资源调度系统的实施例中。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成。所述的程序可以存储于可读取存储介质中。该程序在执行时，包括上述方法所述的步骤。所述的存储介质，包括：ROM/RAM、磁碟、光盘等。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于日前、日内时间尺度的电力资源调度方法，其特征在于，包括以下步骤：
根据电网的发电参数和用户需求响应参数构建日前调度模型和日内调度模型，其中，所述日前调度模型和所述日内调度模型分别包括对应的目标函数和变量，所述日前调度模型的变量与所述日内调度模型的变量部分相同；
根据所述日前调度模型的目标函数对所述日前调度模型的所有变量进行优化，获得所述日前调度模型的所有变量的最优值，选取目标最优值，所述目标最优值对应的变量属于所述日内调度模型的变量；
根据所述目标最优值和所述日内调度模型的目标函数对所述日内调度模型的其他变量进行优化，获得所述日内调度模型的其他变量的最优值，其中，所述其他变量为与所述日前调度模型的变量不同的变量；
根据所述日前调度模型的所有变量的最优值对电力资源进行日前调度，根据所述日内调度模型的所有变量的最优值对电力资源进行日内调度。
2.根据权利要求1所述的基于日前、日内时间尺度的电力资源调度方法，其特征在于，所述电网的发电参数包括电网的发电机组组合状态、发电机组发电容量、接入所述电网的能源的第一弃能容量和第二弃能容量；
用户需求响应参数包括用于日前调度的激励型需求响应的第一状态变量和第一响应容量、用于日内调度的激励型需求响应的第二状态变量和第二响应容量；
所述日前调度模型的变量包括发电机组组合状态、第一弃能容量、所述第一状态变量和所述第一响应容量；
所述日内调度模型的变量包括发电机组发电容量、第二弃能容量、所述第二状态变量和所述第二响应容量；其中，所述第二弃能容量与所述第一弃能容量部分相同，所述第二状态变量与所述第一状态变量部分相同，所述第二响应容量与所述第一响应容量部分相同。
3.根据权利要求2所述的基于日前、日内时间尺度的电力资源调度方法，其特征在于，所述根据所述日前调度模型的目标函数对所述日前调度模型的所有变量进行优化的步骤包括以下步骤：
从0至1遍历电价拉开比，根据当前电价拉开比模拟用户满意度；
在所述用户满意度大于等于预设值时，判断当前电价拉开比是否达到预设上限值；
若否，则在当前电价拉开比条件下，根据所述日前调度模型的目标函数对所述日前调度模型的所有变量进行优化，并计算所述日前调度模型的目标函数的值，在目标函数的值小于之前计算的目标函数的值时，保存当前电价拉开比下的日前调度模型的所有变量的最优值。
4.根据权利要求3所述的基于日前、日内时间尺度的电力资源调度方法，其特征在于，还包括以下步骤：
在所述用户满意度小于所述预设值或当前电价拉开比达到预设上限值时，获取保存的日前调度模型的所有变量的最优值。
5.根据权利要求4所述的基于日前、日内时间尺度的电力资源调度方法，其特征在于，还包括以下步骤：
在当前电价拉开比达到预设上限值后，停止电价拉开比的遍历。
6.根据权利要求1至5中任意一项所述的基于日前、日内时间尺度的电力资源调度方法，其特征在于，所述日前调度模型的目标函数为：
式中，fg,t和Si,t分别表示发电机组i在t时段的电量成本和启停成本，ui,t是发电机组i在t时段的启停状态变量，NG表示发电机组数，T1表示日前调度周期数，其中CIL,j为激励型需求响应中第j类用户的单位补偿成本，IILj,t和PILj,t分别为激励型需求响应中第j类用户在t时段内的状态变量和响应容量，N1为日前调度的激励型需求响应的用户类数，Cw和Pwcur,t分别为单位弃能成本和t时段内的弃能容量；
所述日内调度模型的目标函数为：
式中，fg,t表示发电机组i在t时段的电量成本，NG表示发电机组数，T2表示日内调度周期数，N2为日前调度的激励型需求响应的用户类数。
7.根据权利要求6所述的基于日前、日内时间尺度的电力资源调度方法，其特征在于，所述激励型需求响应中第j类用户在t时段内的响应容量的约束表达式为：
0≤PILj,t≤PILjmax
式中，PILjmax表示第j类用户的响应容量上限；
所述激励型需求响应中第j类用户在t时段内的状态变量的约束表达式为：
上述式(1)为连续响应时间约束，其中τILj,max表示第j类用户的单次最大响应时限；式(2)为滚动周期内响应时间约束，表示第j类用户在任意连续的小时内，其响应时间不超过ξILj,max；式(3)为响应总时间约束，表示第j类用户每日的响应总时间不超过TILjmax,T为周期数。
8.根据权利要求6所述的基于日前、日内时间尺度的电力资源调度方法，其特征在于，通过获取发电机组i在t时段的电量成本，其中，ai、bi、ci均为常规机组发电电量成本系数，PGi,t表示发电机组i在t时段的发电容量；
发电机组的约束表达式为：
式中，PGi,min表示发电机组i在t时段的最小发电容量，PGi,max表示发电机组i在t时段的最大发电容量，和表示机组的上下爬坡限值，Ton和Toff分别表示发电机组最小开机时间和最小停机时间。
9.根据权利要求8所述的基于日前、日内时间尺度的电力资源调度方法，其特征在于，所述根据所述日前调度模型的目标函数对所述日前调度模型的所有变量进行优化的步骤包括以下步骤：
根据所述日前调度模型的目标函数和系统约束对所述日前调度模型的所有变量进行优化，其中，所述日前调度模型的系统约束包括日前调度模型的有功平衡约束和备用容量约束，所述日前调度模型的有功平衡约束的表达式为：
所述日前调度模型的备用容量约束的表达式为：
式中，Cr表示可信性测度函数，表示接入所述电网的能源的预测误差，表示负荷预测误差，为备用系数；β1和β2分别表示有功平衡和备用容量的日前调度可信度阈值；
所述根据所述目标最优值和所述日内调度模型的目标函数对所述日内调度模型的其他变量进行优化的步骤包括以下步骤：
根据所述目标最优值、所述日内调度模型的目标函数和系统约束对所述日内调度模型的其他变量进行优化，其中，所述日内调度模型的系统约束包括日内调度模型的有功平衡约束和备用容量约束，所述日内调度模型的有功平衡约束的表达式为：
所述日内调度模型的备用容量约束的表达式为：
式中，γ1和γ2分别表示有功平衡和备用容量的日内调度可信度阈值。
10.一种基于日前、日内时间尺度的电力资源调度系统，其特征在于，包括：
模型构建单元，用于根据电网的发电参数和用户需求响应参数构建日前调度模型和日内调度模型，其中，所述日前调度模型和所述日内调度模型分别包括对应的目标函数和变量，所述日前调度模型的变量与所述日内调度模型的变量部分相同；
变量优化单元，用于根据所述日前调度模型的目标函数对所述日前调度模型的所有变量进行优化，获得所述日前调度模型的所有变量的最优值，选取目标最优值，所述目标最优值对应的变量属于所述日内调度模型的变量，根据所述目标最优值和所述日内调度模型的目标函数对所述日内调度模型的其他变量进行优化，获得所述日内调度模型的其他变量的最优值，其中，所述其他变量为与所述日前调度模型的变量不同的变量；
电力调度单元，用于根据所述日前调度模型的所有变量的最优值对电力资源进行日前调度，根据所述日内调度模型的所有变量的最优值对电力资源进行日内调度。
CN201710493831.0A 2017-06-26 2017-06-26 基于日前、日内时间尺度的电力资源调度方法和系统 Pending CN107341601A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710493831.0A CN107341601A (zh) 2017-06-26 2017-06-26 基于日前、日内时间尺度的电力资源调度方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710493831.0A CN107341601A (zh) 2017-06-26 2017-06-26 基于日前、日内时间尺度的电力资源调度方法和系统

Publications (1)

Publication Number Publication Date
CN107341601A true CN107341601A (zh) 2017-11-10

Family

ID=60221642

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710493831.0A Pending CN107341601A (zh) 2017-06-26 2017-06-26 基于日前、日内时间尺度的电力资源调度方法和系统

Country Status (1)

Country Link
CN (1) CN107341601A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108574303A (zh) * 2018-04-17 2018-09-25 上海电力学院 一种考虑调峰调频需求的多能源协调优化调度方法
CN110350589A (zh) * 2019-07-31 2019-10-18 广东电网有限责任公司 一种可再生能源和储能调度模型及调度方法
CN110504713A (zh) * 2019-06-21 2019-11-26 国家电网有限公司 一种可中断负荷参与备用的电网调度方法
CN111950807A (zh) * 2020-08-26 2020-11-17 华北电力大学（保定） 计及不确定性与需求响应的综合能源系统优化运行方法
CN112686467A (zh) * 2021-01-12 2021-04-20 南方电网科学研究院有限责任公司 含自备电厂的大用户生产运行优化方法、装置和终端设备
CN114614469A (zh) * 2022-05-16 2022-06-10 国网四川省电力公司电力科学研究院 电力系统备用预留方法、装置、电子设备及存储介质
CN114723230A (zh) * 2022-03-16 2022-07-08 华中科技大学 面向新能源发电和储能的微电网双层调度方法及系统
CN117649102A (zh) * 2024-01-30 2024-03-05 大连理工大学 一种基于最大熵强化学习的钢铁工业多能流系统最优调度方法

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108574303B (zh) * 2018-04-17 2020-05-08 上海电力学院 一种考虑调峰调频需求的多能源协调优化调度方法
CN108574303A (zh) * 2018-04-17 2018-09-25 上海电力学院 一种考虑调峰调频需求的多能源协调优化调度方法
CN110504713A (zh) * 2019-06-21 2019-11-26 国家电网有限公司 一种可中断负荷参与备用的电网调度方法
CN110350589B (zh) * 2019-07-31 2022-07-12 广东电网有限责任公司 一种可再生能源和储能调度模型及调度方法
CN110350589A (zh) * 2019-07-31 2019-10-18 广东电网有限责任公司 一种可再生能源和储能调度模型及调度方法
CN111950807A (zh) * 2020-08-26 2020-11-17 华北电力大学（保定） 计及不确定性与需求响应的综合能源系统优化运行方法
CN111950807B (zh) * 2020-08-26 2022-03-25 华北电力大学（保定） 计及不确定性与需求响应的综合能源系统优化运行方法
CN112686467A (zh) * 2021-01-12 2021-04-20 南方电网科学研究院有限责任公司 含自备电厂的大用户生产运行优化方法、装置和终端设备
CN114723230A (zh) * 2022-03-16 2022-07-08 华中科技大学 面向新能源发电和储能的微电网双层调度方法及系统
CN114614469A (zh) * 2022-05-16 2022-06-10 国网四川省电力公司电力科学研究院 电力系统备用预留方法、装置、电子设备及存储介质
CN114614469B (zh) * 2022-05-16 2022-08-02 国网四川省电力公司电力科学研究院 电力系统备用预留方法、装置、电子设备及存储介质
CN117649102A (zh) * 2024-01-30 2024-03-05 大连理工大学 一种基于最大熵强化学习的钢铁工业多能流系统最优调度方法
CN117649102B (zh) * 2024-01-30 2024-05-17 大连理工大学 一种基于最大熵强化学习的钢铁工业多能流系统最优调度方法

Similar Documents

Publication Publication Date Title
Yang et al. Real-time demand side management for a microgrid considering uncertainties
CN107341601A (zh) 基于日前、日内时间尺度的电力资源调度方法和系统
Marzband et al. Optimal energy management system based on stochastic approach for a home Microgrid with integrated responsive load demand and energy storage
Gelazanskas et al. Demand side management in smart grid: A review and proposals for future direction
Zou et al. Evaluating the contribution of energy storages to support large-scale renewable generation in joint energy and ancillary service markets
Weckx et al. Primary and secondary frequency support by a multi-agent demand control system
Li et al. Shared energy storage system for prosumers in a community: Investment decision, economic operation, and benefits allocation under a cost-effective way
Mao et al. A regulation policy of EV discharging price for demand scheduling
Wang et al. Hierarchical market integration of responsive loads as spinning reserve
Tan et al. The optimization model for multi-type customers assisting wind power consumptive considering uncertainty and demand response based on robust stochastic theory
Lahon et al. Optimal power scheduling of cooperative microgrids in electricity market environment
US9870569B2 (en) Flexible energy use offers
Ai et al. Robust operation strategy enabling a combined wind/battery power plant for providing energy and frequency ancillary services
Mnatsakanyan et al. Optimal demand response bidding and pricing mechanism: Application for a virtual power plant
González-Garrido et al. Electricity and reserve market bidding strategy including sizing evaluation and a novel renewable complementarity-based centralized control for storage lifetime enhancement
Muttaqi et al. A cooperative energy transaction model for VPP integrated renewable energy hubs in deregulated electricity markets
Chandran et al. Demand response and consumer inconvenience
CN108288132B (zh) 一种基于源荷互动电力系统调度的建模方法
MansourLakouraj et al. Flexibility-oriented scheduling of microgrids considering the risk of uncertainties
Khoshjahan et al. Robust bidding strategy for aggregation of distributed prosumers in flexiramp market
Ramos et al. Effect of price responsive demand on the operation of microgrids
Anil et al. Enhancing Transactive Energy Trading Framework for Residential End Users
JP2020039222A (ja) 電力需給制御装置、電力需給制御システムおよび電力需給制御方法
CN117543582A (zh) 考虑综合需求响应不确定性的配电网优化调度方法及系统
CN112510690A (zh) 考虑风火储联合和需求响应奖惩的优化调度方法及系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20171110

RJ01 Rejection of invention patent application after publication