CN109256775A - 一种基于需求侧的负荷组合优化方法、装置及存储介质 - Google Patents

一种基于需求侧的负荷组合优化方法、装置及存储介质 Download PDF

Info

Publication number
CN109256775A
CN109256775A CN201811359585.0A CN201811359585A CN109256775A CN 109256775 A CN109256775 A CN 109256775A CN 201811359585 A CN201811359585 A CN 201811359585A CN 109256775 A CN109256775 A CN 109256775A
Authority
CN
China
Prior art keywords
load
value
demand
load value
rate
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
CN201811359585.0A
Other languages
English (en)
Inventor
王岩
李鹏
肖勇
吴昊文
裴丛仙子
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.)
CSG Electric Power Research Institute
China Southern Power Grid Co Ltd
Research Institute of Southern Power Grid Co Ltd
Original Assignee
China Southern Power Grid Co Ltd
Research Institute of Southern Power Grid 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 Southern Power Grid Co Ltd, Research Institute of Southern Power Grid Co Ltd filed Critical China Southern Power Grid Co Ltd
Priority to CN201811359585.0A priority Critical patent/CN109256775A/zh
Publication of CN109256775A publication Critical patent/CN109256775A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand

Abstract

本发明公开了一种基于需求侧的负荷组合优化方法，首先获取电力系统中各需求侧各用户的负荷特性数据，然后利用各负荷特性数据计算需求侧的负荷率和与负荷率对应的第一成本数值并依据负荷率和第一成本数值确定收益主体的第二成本数值，其次，再确定收益主体的电能的价值数据与需求侧的总负荷值的乘积与第二成本数值差值为收益主体的目标函数，最后，利用该目标函数和与需求侧以及收益主体对应的约束条件构建负荷组合优化模型。因此，采用本方案，以收益主体的收益最大为目标函数，在各个约束条件下，在需求侧对用户的负荷组合进行了优化，保证收益主体的利益最大化。此外，本发明还公开了一种基于需求侧的负荷组合优化装置及存储介质，效果如上。

Description

一种基于需求侧的负荷组合优化方法、装置及存储介质
技术领域
本发明涉及电力系统领域，特别涉及一种基于需求侧的负荷组合优化方法、装置及存储介质。
背景技术
负荷组合优化是指通过将各个用户各时刻的负荷特性根据不同的决策目标进行优化组合，负荷特性指的是各个用户在不同时刻的有功功率的集合。其中对负荷组合优化进行研究具有以下两个优点，一方面，对负荷组合优化进行研究在需求侧可以提高负荷率，降低需求侧的用户的购电成本，另一方面，在供电侧可以提高设备利用率、降低线路损耗以及提高配电网安全运行水平和供电质量。
目前，对于负荷组合优化大多都是从配电网的改造以及配电网重构角度进行研究，以保证配电网的设备利用率最高，线路损耗最低。但是当前我国电力行业的发展更加注重电力市场的改革，即注重售电市场参与电力市场竞争的利益，以推进电力行业的发展。售电市场参与电力市场的利益一般由需求侧的用户负荷的组合决定，因此需求侧的用户的负荷组合方式对售电市场的收益起着至关重要的作用。而当前的从配电网的改造和配电网的重构的角度对负荷组合进行优化，只能达到提高设备利用率和降低线路损耗的目的。不能保证售电方的利益最大化。
因此，如何在需求侧对负荷组合进行优化以保证售电市场的收益最大化是本领域技术人员需要解决的问题。
发明内容
本发明的目的在于提供一种基于需求侧的负荷组合优化方法、装置及存储介质，在需求侧对负荷组合进行了优化，保证了售电市场的收益最大化。
为实现上述目的，本发明实施例提供了如下技术方案：
第一，本发明实施例提供了一种基于需求侧的负荷组合优化方法，包括：
获取电力系统中需求侧各用户的负荷特性数据；
利用各所述负荷特性数据计算所述需求侧的负荷率和与所述负荷率对应的第一成本数值；
依据所述负荷率和所述第一成本数值确定收益主体的第二成本数值；
获取所述收益主体的电能的价值数据和所述需求侧的总负荷值；
计算所述价值数据与所述总负荷值的乘积与所述第二成本数值的差值，将所述差值作为所述收益主体的收益并确定所述差值的最大值为所述收益主体的目标函数；
获取与所述需求侧和所述收益主体对应的约束条件；
利用所述目标函数和所述约束条件构建负荷组合优化模型。
优选的，所述负荷特性数据具体包括：各所述用户在一天中的预定时刻的负荷值，各所述用户在一天中的预定时刻的调动的需求响应负荷值，各所述用户的负荷值采集总时长和采集周期。
优选的，所述利用各所述负荷特性数据计算所述需求侧的负荷率和与所述负荷率对应的第一成本数值具体包括：
计算所述负荷值采集总时长内的所有用户的负荷值的叠加值为所述总负荷值与所述负荷值采集总时长的比值，得到所述采集总时长内的第一平均负荷值；
选取所述负荷值采集总时长内所有所述用户的所有时刻点的负荷值中的最大负荷值；
计算所述第一平均负荷值与所述最大负荷值的比值，得到所述负荷率；
利用所述电力系统的历史成本数据计算与所述负荷率对应的第一成本数值。
优选的，所述利用各所述负荷特性数据计算所述需求侧的负荷率和与所述负荷率对应的第一成本数值具体包括：
计算所述负荷值采集总时长内的所有用户的负荷值的叠加值和需求响应负荷值的第一和值为所述总负荷值与所述负荷值采集总时长的比值，得到所述负荷值采集时长内的第二平均负荷值；
计算所述负荷值采集总时长内的各所述用户的最大负荷值的叠加值；
计算所述叠加值与各所述用户的最大需求响应负荷值的叠加值的第二和值；
计算所述第二平均负荷值与所述第二和值的比值，得到所述负荷率；
利用所述电力系统的历史成本数据计算与所述负荷率对应的第一成本数值。
优选的，所述依据所述负荷率和所述第一成本数值确定收益主体的第二成本数值包括：
计算与所述负荷率对应的所述第一和值与所述第一成本数值的乘积，得到第一乘积数值；
计算所述负荷值采集总时长内所有用户的需求响应负荷值的第三和值和补贴价值数据的乘积，得到第二乘积数值；
将所述第一乘积数值与所述第二乘积数值的第四和值作为所述第二成本数值。
优选的，所述约束条件具体包括：
所述负荷值采集总时长内需求侧的负荷值小于等于所述收益主体的最大负荷值；
所述负荷率大于等于第一预设值；
所述价值数据与所述总负荷值的乘积大于等于与所述第二成本数值对应的总成本；
各所述用户的需求响应负荷值小于等于第二预设值。
第二，本发明实施例提供了一种基于需求侧的负荷组合优化装置，包括：
第一获取模块，用于获取电力系统中需求侧的各用户的负荷特性数据；
第一计算模块，用于利用各所述负荷特性数据计算所述电力系统中需求侧的负荷率和与所述负荷率对应的第一成本数值；
确定模块，用于依据所述负荷率和所述第一成本数值确定收益主体的第二成本数值；
第二获取模块，用于获取所述收益主体的电能的价值数据和所述电力系统中所有用户的总负荷值；
第二计算模块，用于计算所述价值数据与所述总负荷值的乘积与所述第二成本数值的差值，将所述差值作为所述收益主体的收益并确定所述差值的最大值为所述收益主体的目标函数；
第三获取模块，用于获取与所述需求侧和所述收益主体对应的约束条件；
构建模块，用于利用所述目标函数和所述约束条件构建负荷组合优化模型。
优选的，所述第一计算模块具体包括：
第一计算单元，用于计算所述负荷值采集总时长内的所有用户的第一负荷值与时刻点数量的比值，得到所述采集总时长内的第一平均负荷值；
选取单元，用于选取所述采集总时长内所有所述用户的所有时刻点的负荷值中的最大负荷值；
第二计算单元，用于计算所述第一平均负荷值与所述最大负荷值的比值，得到所述负荷率；
第三计算单元，用于利用所述电力系统的历史成本数据计算与所述负荷率对应的第一成本数值。
第三，本发明实施例提供了另一种基于需求侧的负荷组合优化装置，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述存储器中存储的计算机程序以实现以上任一种提到的基于需求侧的负荷组合优化方法的步骤。
第四，本发明实施例公开了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上任一种所述的基于需求侧的负荷组合优化方法的步骤。
可见，本发明实施例公开的一种基于需求侧的负荷组合优化方法，首先获取电力系统中各需求侧各用户的负荷特性数据，然后利用各负荷特性数据计算需求侧的负荷率和与负荷率对应的第一成本数值并依据负荷率和第一成本数值确定收益主体的第二成本数值，其次，再确定收益主体的电能的价值数据与需求侧的总负荷值的乘积与第二成本数值差值为收益主体的目标函数，最后，利用该目标函数和与需求侧以及收益主体对应的约束条件构建负荷组合优化模型。因此，采用本方案，以收益主体的收益最大为目标函数，在各个约束条件下，能在需求侧利用各个用户的负荷特性数据对用户的负荷进行组合，直至最终需求侧各个用户的负荷组合所产生的收益满足收益主体的收益最大的要求，达到了在需求侧对负荷组合进行优化，保证收益主体的收益最大的目的。此外，本发明实施例还公开了一种基于需求侧的负荷组合优化装置及存储介质，效果如上。
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，下面描述中的附图仅仅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为发明实施例公开的一种基于需求侧的负荷组合优化方法流程示意图；
图2为发明实施例公开的一种基于需求侧的负荷组合优化装置结构示意图；
图3为发明实施例公开的另一种基于需求侧的负荷组合优化装置结构示意图。
具体实施方式
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。基于本发明中的实施例，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，都属于本发明保护的范围。
本发明实施例公开了一种基于需求侧的负荷组合优化方法、装置及存储介质，在需求侧对负荷组合进行了优化，保证了售电市场的收益最大化。
请参见图1，图1为发明实施例公开的一种基于需求侧的负荷组合优化方法流程示意图，该方法包括：
S101、获取电力系统中需求侧各用户的负荷特性数据。
具体的，本实施例中，电力系统的需求侧为用电侧，即各个用户的用电负荷。其中，用户的负荷特性数据包括各用户在一天中预定时刻的负荷值，用户在一天中预定时刻的调动的需求响应负荷值，各用户的负荷值采集总时长以及负荷值的采集周期，各用户在一天中的总的负荷值等等。用户的负荷值指的是用户在需电侧所使用的用电电量(用电功率)，下面对本发明实施例中的负荷特性数据进行详细的说明。
假设电力系统中负荷采集总时长为T(也可以为负荷采集的总次数)，负荷值的采集时刻点为t，负荷采集的采集周期便为各个时刻点之间的时间间隔。用户的个数为n个。
则第i个用户的采集周期内第t个时刻内的用电量(单位为kWh)可以采用下式表示：
Lit＝litΔt(t＝1,2，...，T)
上式中，lit为第i个用户第t个时刻的平均负荷值，单位为KW，Δt为负荷采集周期，单位为小时。
第i个用户的第t个时刻内的需求响应负荷值(单位为kWh)可以采用下式表示：
ΔLit＝ΔlitΔt(t＝1,2，...，T)
上式中，Δlit为第i个用户第t个时刻的能调动的需求响应负荷值，单位为 KW，其中，当Δlit等于0时，则说明第i个用户第t个时刻能调动的需求响应负荷值为0，即该用户的负荷值大小在时刻t不能进行上下调整。当Δlit＞0，则表示第i个用户第t个时刻能上调Δlit的需求响应负荷值。当Δlit＜0，则表示第i个用户第t个时刻能下调Δlit的需求响应负荷值。
则考虑第i个用户的第t个时刻的需求响应负荷值后的用户的总负荷值 (单位为kWh)可以采用下式表示：
L'it＝Lit+ΔLit＝(lit+Δlit)Δt(t＝1,2，...，T)
以上提到的第i个用户的采集周期内第t个时刻内的用电量，第i个用户第 t个时刻的平均负荷值，第i个用户的第t个时刻内的需求响应负荷值，第i个用户第t个时刻的能调动的需求响应负荷值均为本发明实施例中的负荷特性数据。
S102、利用各负荷特性数据计算需求侧的负荷率和与负荷率对应的第一成本数值。
具体的，本实施例中，在确定以上负荷特性数据之后，需求侧的负荷率可以有两种计算方式，第一种是不考虑需求侧用户能调动的需求响应负荷值的负荷率的计算，第二种是考虑需求侧用户能调动的需求响应负荷值的负荷率的计算。
由于第一种方式中负荷率的计算不必考虑用户的需求响应负荷值，从而加快了负荷率的计算速度，因此作为优选的实施例，步骤S102包括：
计算负荷值采集总时长内的所有用户的负荷值的叠加值为第一负荷值与负荷值采集总时长的比值，得到采集总时长内的第一平均负荷值；
选取负荷值采集总时长内的所有用户的所有时刻点的负荷值中的最大负荷值。
计算第一平均负荷值与最大符合指的比值，得到负荷率。
利用电力系统的历史成本数据计算与负荷率对应的第一成本数值。
下面对本发明优选实施例中的第一种方式中的负荷率的计算进行详细介绍，第一种计算方式中的负荷率LF可以采用下式计算：
上式中，为采集总时长T内的第一平均负荷值，Pm为采集总时长T内的最大负荷值，Q为采集总时长T内所有用户的负荷值的叠加值(即第一负荷值)，n为需要进行负荷组合的用户总数。
考虑到负荷率计算的准确率，可以考虑需求侧用户的需求响应负荷值作为负荷率计算的影响因素，因此，作为本发明实施例优选的实施例，步骤S102 具体包括：
计算负荷采集总时长内的所有用户的负荷值和需求响应负荷值的第一和值为总负荷值与负荷采集总时长的比值，得到负荷值采集时长内的第二平均负荷值。
计算负荷采集总时长内的各用户的最大负荷值的叠加值。
计算叠加值和各用户的最大需求响应负荷值的叠加值的第二和值。
计算第二平均负荷值与第二和值的比值，得到负荷率。
利用电力系统的历史成本数据计算与负荷率对应的第一成本数值。
下面对本发明优选实施例中的第二种方式中的负荷率的计算进行详细介绍，第二种计算方式中的负荷率LF'可以采用下式计算：
上式中，Q'为负荷采集总时长T内的所有用户的负荷值的叠加值和需求响应负荷值的第一和值为总负荷值(总用电量)，Pnmax为负荷采集总时长内的各用户的最大负荷值的叠加值和各用户的最大需求响应负荷值的叠加值的第二和值，li·max为第i个用户在负荷采集总时长T内的最大负荷值，Δli·max为第i个用户在负荷采集总时长T内的最大需求响应负荷值。
上式中，Q'可以采用下式进行计算：
上式中，Q为采集总时长T内所有用户的负荷值的叠加值，QDR为需求响应负荷值，Li为第i个用户一天内的总负荷，ΔLi为第i个用户一天内的需求响应负荷值。
其中，QDR可以采用下式进行计算：
通过以上两种方式计算负荷率之后，便通过历史成本数据得到购电单价与负荷率之间的数学关系式，本发明实施例中，优选为确定第二种计算方式中的负荷率与购电单价之间的数学关系，具体采用下式表示：
p'cost＝f(LF')
上式中，p'cost为需电侧考虑需求现有负荷值的收益主体(售电公司)向发电侧商购电时的购电单价(对应于本发明实施例中的第一成本数值)，单位为元/kWh，该函数关系式可以根据售电公司与电厂购电的历史数据通过多项式拟合的方法得出。
S103、依据负荷率和第一成本数值确定收益主体的第二成本数值。
具体的，本实施例中，收益主体可以为售电公司，得到第一成本数值后，售电公司的第二成本数值根据需电侧用户是否参与需求负荷响应进行确定，若需电侧不考虑需求响应负荷值，从发电商侧购电时需要的购电成本(第二成本数值)可以利用第一成本数值与需电侧总负荷值进行确定。若考虑需求响应负荷值，则发电商购电时的第二成本数值需要同时考虑第一成本数值和需求响应负荷值的补贴电价。为了得到更精准的第二成本数值，作为本发明优选的实施例，依据负荷率和第一成本数值确定收益主体的第二成本数值包括：
计算与负荷率对应的第一和值与第一成本数值的乘积，得到第一乘积数值；
计算负荷值采集总时长内所有用户的需求响应负荷值的第三和值和补贴价值数据的乘积，得到第二乘积数值；
将第一乘积数值与第二乘积数值的第四和值作为第二成本数值。
下面，对本优选的实施例进行详细的说明：
首先，购电单价(第一成本数值)与考虑了需求响应负荷值的总负荷值 (第一和值)之间的第一乘积数值(售电公司从发电商侧购电的购电成本) 可以采用下式表示：
其次，负荷值采集总时长内所有用户的需求响应负荷值的第三和值和补贴价值数据的乘积(售电公司考虑需求侧进行需求响应时的响应成本，该响应成本单独补贴至需求侧响应的用户)可以采用下式表示：
上式中，psubsidize为用户参与需求侧响应时，由售电公司(收益主体)单独补贴给需求侧响应用户的补贴单价，单位为元/kWh，为第三和值。
求得售电公司的需求侧的补贴成本CDR和售电公司的购电成本Cpurchase之后，将两者相加(第四和值)，即可得第二成本数值C，具体可以采用下式表示：
C＝Cpurchase+CDR
S104、获取收益主体的电能的价值数据和需求侧的总负荷值。
具体的，本实施例中的收益主体的电能的价值数据为售电公司对用户的电能的售价，需求侧的总负荷值包括两种，一种是考虑需求侧参与需求响应的总负荷值，另一种是需求侧不考虑参与需求响应的总负荷值。这两种方式在上述实施例已详细介绍，本发明实施例在此不再赘述。
S105、计算价值数据与总负荷值的乘积与第二成本数值的差值，将差值作为收益主体的收益并确定差值的最大值为收益主体的目标函数。
具体的，本实施例中，在一定时间内，售电公司在短时期内的电能的售价(价值数据)是不变的。本发明实施例中，将总负荷值选为考虑了用户参与需求侧负荷响应的总负荷值，则价值数据与总负荷值的乘积与第二成本数值的差值可以采用下式表示：
上式中，profit为收益主体的收益，psell为电能的售价(价值数据)。
目标函数即为收益主体的收益的最大化，具体采用下式表示：
S106、获取与需求侧和收益主体对应的约束条件。
具体的，本实施例中，作为优选的实施例，约束条件具体包括：
负荷值采集总时长内需求侧的负荷值小于等于收益主体的最大负荷值；
负荷率大于等于第一预设值；
价值数据与总负荷值的乘积大于等于与第二成本数值对应的总成本；
各用户的需求响应负荷值小于等于第二预设值。
具体的，本实施例中，第一预设值和第二预设值可以根据电力系统的具体结构进行确定，对于第一预设值和第二预设值的具体大小本发明实施例并不作限定。
S107、利用目标函数和约束条件构建负荷组合优化模型。
具体的，本实施例中，在确定以上目标函数后，在约束条件下求解该目标函数，即为本发明实施例中的负荷组合优化模块，具体采用下式表示：
LF'≥a
Q'·psell≥C总
Δlit＜Δlit_max
上式中，约束条件表示负荷值采集总时长内任意时刻的组合负荷不能超过收益主体所承受的最大负荷限制PN max。约束条件 LF'≥a表示负荷率大于等于第一预设值a，约束条件Q'·psell≥C总表示价值数据与总负荷值的乘积大于等于与第二成本数值对应的总成本C总(即售电公司的购电成本、补贴成本以及售电公司的运维成本)，Δlit＜Δlit_max约束条件为各用户的需求响应负荷值小于等于第二预设值Δlit_max(各用户在不同时刻需要调动的需求侧响应负荷值不超过其在同一时刻的响应负荷值的最大值)。
可见，本发明实施例公开的一种基于需求侧的负荷组合优化方法，首先获取电力系统中各需求侧各用户的负荷特性数据，然后利用各负荷特性数据计算需求侧的负荷率和与负荷率对应的第一成本数值并依据负荷率和第一成本数值确定收益主体的第二成本数值，其次，再确定收益主体的电能的价值数据与需求侧的总负荷值的乘积与第二成本数值差值为收益主体的目标函数，最后，利用该目标函数和与需求侧以及收益主体对应的约束条件构建负荷组合优化模型。因此，采用本方案，以收益主体的收益最大为目标函数，在各个约束条件下，在需求侧对用户的负荷组合进行了优化，保证收益主体的利益最大化。
请参见图2，图2为本发明实施例公开的一种基于需求侧的负荷组合优化装置结构示意图，包括：
第一获取模块201，用于获取电力系统中需求侧的各用户的负荷特性数据；
第一计算模块202，用于利用各负荷特性数据计算电力系统中需求侧的负荷率和与负荷率对应的第一成本数值；
确定模块203，用于依据负荷率和第一成本数值确定收益主体的第二成本数值；
第二获取模块204，用于获取收益主体的电能的价值数据和电力系统中所有用户的总负荷值；
第二计算模块205，用于计算价值数据与总负荷值的乘积与第二成本数值的差值，将差值作为收益主体的收益并确定差值的最大值为收益主体的目标函数；
第三获取模块206，用于获取与需求侧和收益主体对应的约束条件；
构建模块207，用于利用目标函数和约束条件构建负荷组合优化模型。
基于以上实施例，作为优选的实施例，第一计算模块具体包括：
第一计算单元，用于计算负荷值采集总时长内的所有用户的第一负荷值与时刻点数量的比值，得到采集总时长内的第一平均负荷值；
选取单元，用于选取采集总时长内所有用户的所有时刻点的负荷值中的最大负荷值；
第二计算单元，用于计算第一平均负荷值与最大负荷值的比值，得到负荷率；
第三计算单元，用于利用电力系统的历史成本数据计算与负荷率对应的第一成本数值。
可见，本发明实施例公开的一种基于需求侧的负荷组合优化装置，首先获取电力系统中各需求侧各用户的负荷特性数据，然后利用各负荷特性数据计算需求侧的负荷率和与负荷率对应的第一成本数值并依据负荷率和第一成本数值确定收益主体的第二成本数值，其次，再确定收益主体的电能的价值数据与需求侧的总负荷值的乘积与第二成本数值差值为收益主体的目标函数，最后，利用该目标函数和与需求侧以及收益主体对应的约束条件构建负荷组合优化模型。因此，采用本方案，以收益主体的收益最大为目标函数，在各个约束条件下，在需求侧对用户的负荷组合进行了优化，保证收益主体的利益最大化。
请参见图3，图3为本发明实施例提供的另一种基于需求侧的负荷组合优化装置结构示意图，包括：
存储器301，用于存储计算机程序；
处理器302，用于执行所述存储器中存储的计算机程序以实现以上任一实施例提到的基于需求侧的负荷组合优化方法的步骤。
本实施例提供的另一种基于需求侧的负荷组合优化装置，由于可以通过处理器调用存储器存储的计算机程序，实现如上述任一实施例提供的基于需求侧的负荷组合优化方法的步骤，所以本优化装置具有同上述基于需求侧的负荷组合优化方法同样的实际效果。
为了更好地理解本方案，本发明实施例提供的一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上任一实施例提到的基于需求侧的负荷组合优化方法的步骤。
本实施例提供的计算机可读存储介质，由于可以通过处理器调用计算机可读存储介质存储的计算机程序，实现如上述任一实施例提供的基于需求侧的负荷组合优化方法的步骤，所以本计算机可读存储介质具有同上述基于需求侧的负荷组合优化方法同样的实际效果。
以上对本申请所提供的一种基于需求侧的负荷组合优化方法、装置及存储介质进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。
说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

Claims (10)

1.一种基于需求侧的负荷组合优化方法，其特征在于，包括：
获取电力系统中需求侧各用户的负荷特性数据；
利用各所述负荷特性数据计算所述需求侧的负荷率和与所述负荷率对应的第一成本数值；
依据所述负荷率和所述第一成本数值确定收益主体的第二成本数值；
获取所述收益主体的电能的价值数据和所述需求侧的总负荷值；
计算所述价值数据与所述总负荷值的乘积与所述第二成本数值的差值，将所述差值作为所述收益主体的收益并确定所述差值的最大值为所述收益主体的目标函数；
获取与所述需求侧和所述收益主体对应的约束条件；
利用所述目标函数和所述约束条件构建负荷组合优化模型。
2.根据权利要求1所述的基于需求侧的负荷组合优化方法，其特征在于，所述负荷特性数据具体包括：各所述用户在一天中的预定时刻的负荷值，各所述用户在一天中的预定时刻的调动的需求响应负荷值，各所述用户的负荷值采集总时长和采集周期。
3.根据权利要求1所述的基于需求侧的负荷组合优化方法，其特征在于，所述利用各所述负荷特性数据计算所述需求侧的负荷率和与所述负荷率对应的第一成本数值具体包括：
计算所述负荷值采集总时长内的所有用户的负荷值的叠加值为所述总负荷值与所述负荷值采集总时长的比值，得到所述采集总时长内的第一平均负荷值；
选取所述负荷值采集总时长内所有所述用户的所有时刻点的负荷值中的最大负荷值；
计算所述第一平均负荷值与所述最大负荷值的比值，得到所述负荷率；
利用所述电力系统的历史成本数据计算与所述负荷率对应的第一成本数值。
4.根据权利要求1所述的基于需求侧的负荷组合优化方法，其特征在于，所述利用各所述负荷特性数据计算所述需求侧的负荷率和与所述负荷率对应的第一成本数值具体包括：
计算所述负荷值采集总时长内的所有用户的负荷值的叠加值和需求响应负荷值的第一和值为所述总负荷值与所述负荷值采集总时长的比值，得到所述负荷值采集时长内的第二平均负荷值；
计算所述负荷值采集总时长内的各所述用户的最大负荷值的叠加值；
计算所述叠加值与各所述用户的最大需求响应负荷值的叠加值的第二和值；
计算所述第二平均负荷值与所述第二和值的比值，得到所述负荷率；
利用所述电力系统的历史成本数据计算与所述负荷率对应的第一成本数值。
5.根据权利要求4所述的基于需求侧的负荷组合优化方法，其特征在于，所述依据所述负荷率和所述第一成本数值确定收益主体的第二成本数值包括：
计算与所述负荷率对应的所述第一和值与所述第一成本数值的乘积，得到第一乘积数值；
计算所述负荷值采集总时长内所有用户的需求响应负荷值的第三和值和补贴价值数据的乘积，得到第二乘积数值；
将所述第一乘积数值与所述第二乘积数值的第四和值作为所述第二成本数值。
6.根据权利要求1-5任意一项所述的基于需求侧的负荷组合优化方法，其特征在于，所述约束条件具体包括：
所述负荷值采集总时长内需求侧的负荷值小于等于所述收益主体的最大负荷值；
所述负荷率大于等于第一预设值；
所述价值数据与所述总负荷值的乘积大于等于与所述第二成本数值对应的总成本；
各所述用户的需求响应负荷值小于等于第二预设值。
7.一种基于需求侧的负荷组合优化装置，其特征在于，包括：
第一获取模块，用于获取电力系统中需求侧的各用户的负荷特性数据；
第一计算模块，用于利用各所述负荷特性数据计算所述电力系统中需求侧的负荷率和与所述负荷率对应的第一成本数值；
确定模块，用于依据所述负荷率和所述第一成本数值确定收益主体的第二成本数值；
第二获取模块，用于获取所述收益主体的电能的价值数据和所述电力系统中所有用户的总负荷值；
第二计算模块，用于计算所述价值数据与所述总负荷值的乘积与所述第二成本数值的差值，将所述差值作为所述收益主体的收益并确定所述差值的最大值为所述收益主体的目标函数；
第三获取模块，用于获取与所述需求侧和所述收益主体对应的约束条件；
构建模块，用于利用所述目标函数和所述约束条件构建负荷组合优化模型。
8.根据权利要求7所述的基于需求侧的负荷组合优化装置，其特征在于，所述第一计算模块具体包括：
第一计算单元，用于计算所述负荷值采集总时长内的所有用户的第一负荷值与时刻点数量的比值，得到所述采集总时长内的第一平均负荷值；
选取单元，用于选取所述采集总时长内所有所述用户的所有时刻点的负荷值中的最大负荷值；
第二计算单元，用于计算所述第一平均负荷值与所述最大负荷值的比值，得到所述负荷率；
第三计算单元，用于利用所述电力系统的历史成本数据计算与所述负荷率对应的第一成本数值。
9.一种基于需求侧的负荷组合优化装置，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述存储器中存储的计算机程序以实现如权利要求1至6任一项所述的基于需求侧的负荷组合优化方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行以实现如权利要求1至6任一项所述的基于需求侧的负荷组合优化方法的步骤。
CN201811359585.0A 2018-11-15 2018-11-15 一种基于需求侧的负荷组合优化方法、装置及存储介质 Pending CN109256775A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811359585.0A CN109256775A (zh) 2018-11-15 2018-11-15 一种基于需求侧的负荷组合优化方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811359585.0A CN109256775A (zh) 2018-11-15 2018-11-15 一种基于需求侧的负荷组合优化方法、装置及存储介质

Publications (1)

Publication Number Publication Date
CN109256775A true CN109256775A (zh) 2019-01-22

Family

ID=65044217

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811359585.0A Pending CN109256775A (zh) 2018-11-15 2018-11-15 一种基于需求侧的负荷组合优化方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN109256775A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111008746A (zh) * 2019-12-16 2020-04-14 国网江苏省电力有限公司 一种考虑可转移负荷的负荷组合优化方法
CN112736897A (zh) * 2020-12-11 2021-04-30 国网浙江省电力有限公司宁波市北仑区供电公司 一种基于负荷错峰的网架结构优化方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111008746A (zh) * 2019-12-16 2020-04-14 国网江苏省电力有限公司 一种考虑可转移负荷的负荷组合优化方法
CN112736897A (zh) * 2020-12-11 2021-04-30 国网浙江省电力有限公司宁波市北仑区供电公司 一种基于负荷错峰的网架结构优化方法

Similar Documents

Publication Publication Date Title
Xiao et al. Prospect theoretic analysis of energy exchange among microgrids
Wang et al. Virtual power plant containing electric vehicles scheduling strategies based on deep reinforcement learning
CN103824235B (zh) 一种基于竞价上网的新能源电站电量消纳方案制定方法
CN107563676A (zh) 考虑多时间尺度多类型需求响应的源荷协调运行调度方法
Berlink et al. Batch reinforcement learning for smart home energy management
Xiao et al. Reinforcement learning-based energy trading for microgrids
CN113378456B (zh) 多园区综合能源调度方法和系统
WO2024092954A1 (zh) 基于深度强化学习的电力系统调控方法
CN112632842A (zh) 基于交易和谐度的电网与建筑用能交易匹配方法及系统
CN111027739A (zh) 基于负荷集成商的双层两阶段需求响应调度方法及系统
CN110060165A (zh) 光伏储能系统收益测算方法及能量管理控制方法
CN109256775A (zh) 一种基于需求侧的负荷组合优化方法、装置及存储介质
Mei et al. Optimal bidding strategy for virtual power plant participating in combined electricity and ancillary services market considering dynamic demand response price and integrated consumption satisfaction
CN112101607A (zh) 一种考虑需求响应时间效应的主动配电网滚动优化调度方法
Boukas et al. Real-time bidding strategies from micro-grids using reinforcement learning
CN108471136A (zh) 一种电力系统中的功率供需匹配可行性分析方法
CN109687452B (zh) 一种用于配电网供电能力的分析方法、装置及存储介质
Jiang et al. Monthly electricity purchase and decomposition optimization considering wind power accommodation and day-ahead schedule
CN116091092A (zh) 一种基于弹性能量状态的电网储能运行方法
CN108649612A (zh) 含电力电子变压器的配电网与多微网博弈运行调度方法
CN112886567B (zh) 一种基于主从博弈的需求侧资源灵活性优化调度方法及系统
CN109948879B (zh) 一种电力市场环境下支路潮流越限指标的分摊方法
CN109472469B (zh) 一种促进园区清洁能源消纳的多主体互动协调方法及系统
CN113890114A (zh) 一种主配用多层级电网灵活调节能力挖掘方法
CN112862175A (zh) 基于p2p电力交易的本地优化控制方法及装置

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190122