CN109858835A - 一种负荷聚合商的需求响应建模与可靠性评估方法 - Google Patents
一种负荷聚合商的需求响应建模与可靠性评估方法 Download PDFInfo
- Publication number
- CN109858835A CN109858835A CN201910143360.XA CN201910143360A CN109858835A CN 109858835 A CN109858835 A CN 109858835A CN 201910143360 A CN201910143360 A CN 201910143360A CN 109858835 A CN109858835 A CN 109858835A
- Authority
- CN
- China
- Prior art keywords
- response
- load
- formula
- aggregation quotient
- capacity
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种负荷聚合商的需求响应建模与可靠性评估方法,其步骤包括:首先,基于模糊数学理论和消费者心理学建立用户可中断负荷的响应不确定性模型;其次,确认居民用户可中断负荷参数和负荷聚合商的需求响应任务参数;进一步地,基于模糊机会约束规划理论建立负荷聚合商的需求响应决策模型;最后,定义负荷聚合商的需求响应可靠性指标,并分别求取相应的评估结果。本发明能帮助负荷聚合商在考虑需求侧资源响应不确定性的情况下做出可靠的需求响应决策,并有效量化和评估负荷聚合商的需求响应可靠性水平,从而能为国内负荷聚合商的研究和发展提供参考。
Description
技术领域
本发明涉及电力系统技术领域,具体涉及一种负荷聚合商的需求响应建模与可靠性评估方法。
技术背景
近年来,需求响应技术的应用在降低电力系统运行成本和提高电网可靠性方面作用显著。负荷聚合商作为需求响应的重要新兴主体,为具有不同用电特性的中小型用户提供了参与电力市场调控的机会,充分挖掘了用户侧资源的调度潜力,目前正在国内试点城市逐步建立运行。由于国内负荷聚合商的相关技术和经验不足,各类问题阻碍了负荷聚合商的发展。实际运行中,用户参与需求响应总存在不确定性,因此如何在不确定环境下建立负荷聚合商参与需求响应项目的决策模型以及评估其可靠程度是亟待解决的重要问题之一。
传统的电力系统用户侧可靠性评估主要针对配电网,部分研究考虑了分布式电源接入和需求响应对配电网可靠性的影响。由于需求侧资源在参与需求响应中具有很大的不确定性,这可能导致负荷聚合商完成一定电力避峰任务时做出的响应决策并不可靠,而目前的研究中尚缺乏关于负荷聚合商参与需求响应的可靠性评估,传统的配电网可靠性指标也难以反映负荷聚合商参与需求响应的可靠性水平。
发明内容
本发明是为了弥补现有技术的不足,提供一种负荷聚合商的需求响应建模与可靠性评估方法,以期能帮助负荷聚合商在考虑需求侧资源响应不确定性的情况下做出可靠的需求响应决策,并有效量化和评估负荷聚合商的需求响应可靠性水平,从而能为国内负荷聚合商的研究和发展提供参考。
本发明为解决技术问题采用如下技术方案:
本发明一种负荷聚合商的需求响应建模与可靠性评估方法的特点是按如下步骤进行:
步骤1、基于模糊数学理论和消费者心理学建立用户可中断负荷的响应不确定性模型;
步骤2、确认居民用户可中断负荷参数和负荷聚合商的需求响应任务参数,所述可中断负荷参数包括:激励敏感系数、削减率范围、负荷基线、用户数量和初始偏差;所述需求响应任务参数包括:响应任务时段、响应任务容量和分时电价数据;
步骤3、基于模糊机会约束规划理论建立负荷聚合商的需求响应决策模型,所述需求响应决策模型是以负荷聚合商的响应总成本最低为目标,并以可中断负荷的激励水平范围和负荷聚合商的响应容量范围为约束,且响应容量范围的约束采用模糊机会约束形式;再通过将目标函数和模糊机会约束转化为清晰等价形式,进一步获得负荷聚合商参与需求响应的混合整数规划决策模型;
步骤4、定义负荷聚合商的需求响应可靠性指标包括:响应可信容量、响应容量可信度和响应容量不足期望,并分别求取相应的评估结果。
本发明所述的需求响应建模与可靠性评估方法的特点也在于,
所述步骤1中的用户可中断负荷的响应不确定性模型如式(1)所示:
式(1)中,为t时段第i类居民用户的负荷削减率模糊变量,(λ1,i,t,λ2,i,t,λ3,i,t)为t时段第i类居民用户的负荷削减率模糊变量的隶属度参数区间,λ1,i,t、λ2,i,t、λ3,i,t分别为t时段第i类居民用户负荷削减率模糊变量的隶属度参数,并有:
式(2)中,εi为第i类用户的激励敏感系数,且εi≥0;Δxi,t为t时段负荷聚合商给第i类用户的激励水平,即t时段分时电价的倍数;di,t为t时段第i类用户的最大负荷削减率偏差,且di,t≥0,并有:
di,t=-kiΔxi,t+dinit,i,0≤Δxi,t≤Δxi,t,max (3)
式(3)中,ki为第i类用户最大削减率偏差di,t随激励水平Δxi,t变化的比例系数,dinit,i为第i类用户负荷无激励时的初始最大削减率偏差;Δxi,t,max为t时段负荷聚合商给第i类用户的最大激励水平。
所述步骤3中的需求响应决策模型是按如下步骤建立:
步骤3.1、利用式(4)建立负荷聚合商参与需求响应决策模型的目标函数:
minf=fstart+finf,1 (4)
式(4)中,f为负荷聚合商响应总成本;fstart为响应启动成本,包含响应资源的容量成本及负荷聚合商的基本运行开支,且为已知量;finf,1为调用可中断负荷的成本悲观值;并有:
式(5)中,inf{·}为取下界符号;r为成本变量;Cr{·}为可信性测度;α为调用可中断负荷成本的悲观值置信度;为可中断负荷成本的模糊值,并有:
式(6)中,pt为t时段的分时电价;Pi,t为第i类用户在t时段的基线负荷;ni为第i类用户的数量;N为用户的分类总数;T为负荷聚合商参与需求响应的时段总数;
步骤3.2、建立负荷聚合商参与需求响应决策模型的约束条件,包括:
利用式(7)得到可中断负荷激励水平Δxi,t的范围约束:
式(7)中,和分别为隶属度参数λ2,i,t的上下限;
利用式(8)得到t时段负荷聚合商的响应任务容量ΔPt的模糊机会约束:
式(8)中,β为置信度;
步骤3.3、分别利用式(9)和式(10)获得式(5)和式(8)的清晰等价形式:
由式(4)、式(7)、式(9)和式(10)共同构成负荷聚合商参与需求响应的混合整数规划决策模型。
所述步骤4中的负荷聚合商的需求响应可靠性指标是按如下方式定义:
所述响应可信容量的定义为:
考虑响应资源不确定性的条件下,在t时段负荷聚合商能够以置信度β满足响应任务容量ΔPt的最大容量,称为t时段负荷聚合商在置信度为β时的响应可信容量,记为RCCt,β,且响应可信容量RCCt,β满足式(7)和式(8);
所述响应可信容量RCCt,β是利用式(11)得到:
所述响应容量可信度的定义为:
考虑响应资源不确定性的条件下,在t时段负荷聚合商在置信度为β时的响应可信容量RCCt,β与t时段负荷聚合商的响应资源可控容量NCt之比的百分数,称为t时段负荷聚合商在置信度为β时的响应容量可信度,记为RCCPt,β,并由式(12)得到:
所述响应容量不足期望的定义为:
1)若在t时段负荷聚合商的实际响应容量大于或等于响应任务容量ΔPt,则为0;
2)若在t时段负荷聚合商的实际响应容量小于响应任务容量ΔPt,则为负荷聚合商的响应任务容量ΔPt与其实际响应容量之差,从而得到响应容量不足期望,记为ERCNS,t,并由式(13)得到:
式(13)中,表示取和0之间的较大值。
所述步骤4中的评估结果是按如下方式求取:
t时段负荷聚合商在置信度为β时的响应可信容量RCCt,β的评估结果是以式(11)为目标函数,以式(7)和式(10)为约束条件,并采用混合整数规划求解器进行求取;
t时段负荷聚合商在置信度为β时的响应容量可信度RCCPt,β的评估结果是将式(11)求取到的响应可信容量RCCt,β带入式(12)中获得;
t时段的负荷聚合商响应容量不足期望ERCNS,t的评估结果是采用模糊模拟方法进行求取,其步骤包括:
步骤a、采用混合整数规划求解器求解所述负荷聚合商的需求响应决策模型,获取可中断负荷激励水平Δxi,t的值;
步骤b、将可中断负荷激励水平Δxi,t的值代入式(2)-(3)得到居民用户负荷削减率模糊变量的隶属度参数区间(λ1,i,t,λ2,i,t,λ3,i,t);
步骤c、在居民用户负荷削减率模糊变量的隶属度参数区间(λ1,i,t,λ2,i,t,λ3,i,t)上均匀抽样得到t时段隶属度样本{θi,t,k|i=1,2,...,N;k=1,2,...,K},K表示抽样总次数;
定义t时段第k个可能性估计值为vt,k,且vt,k=θ1,t,k∧θ2,t,k∧…∧θN,t,k;其中∧为最小算子;
步骤d、利用式(14)得到t时段第k个响应容量不足计算值F(t,k):
步骤e、定义中间变量A、B和C,且A=[F(t,1)∧F(t,2)∧…∧F(t,K),0]+,B=[F(t,1)∨F(t,2)∨…∨F(t,K),0]+,C=0,其中∨为最大算子;
步骤f、初始化k=1;
步骤g、从中间变量A和B所述组成的区间[A,B]中均匀抽样产生第k个变量Rk;
步骤h、利用式(15)得到不等式F(t,k)≥Rk的可信性测度Cr{F(t,k)≥Rk},再将C+Cr{F(t,k)≥Rk}赋值给C:
步骤i、将k+1赋值给k,并返回步骤g执行,直到k>K为止,从而得到最终的中间变量C;
步骤j、利用式(16)得到t时段的负荷聚合商响应容量不足期望ERCNS,t:
ERCNS,t=A∨0+B∧0+C·(B-A)/K (16)。
与已有技术相比,本发明有益效果体现在:
1、本发明基于模糊数学理论和消费者心理学模型,以模糊变量描述居民用户可中断负荷的不确定性,建立了居民用户可中断负荷的需求响应不确定性模型,该方法相比采用概率统计方法的优势是不依赖大量的历史数据,更适合用于国内发展较晚、运行经验较少的负荷聚合商的需求响应资源建模。
2、本发明建立的负荷聚合商的需求响应调度决策模型能够帮助负荷聚合商在满足一定可靠性约束水平的情况下做出经济性最佳的需求响应调度决策,弥补了现有负荷聚合商参与需求响应项目中,未能在响应过程中考虑响应决策的可靠性的不足。
3、本发明提出了负荷聚合商参与需求响应的可靠性指标,指标分别描述了负荷聚合的可靠水平及负荷聚合商完成需求响应任务的可靠水平,同时给出相应的评估方法,弥补了现有关于负荷聚合商的研究中缺乏其可靠性指标体系和相应评估方法的不足。
附图说明
图1为本发明居民用户负荷削减率模糊变量隶属度参数的函数示意图;
图2为本发明用户负荷削减率偏差示意图。
具体实施方式
本实施例中,一种负荷聚合商的需求响应建模与可靠性评估方法中的负荷聚合商是指将居民用户侧可中断负荷作为需求侧资源并参与需求响应项目的一种商业化中间机构,需求响应建模是指在考虑响应不确定性的情况下关于负荷聚合商需求响应决策的模糊机会约束规划模型,可靠性评估是指评估负荷聚合的可靠程度及负荷聚合商完成需求响应任务的可靠程度,可靠性评估指标为一定响应置信度下的响应可信容量、响应容量可信度和响应容量不足期望。具体的说,该方法是按如下步骤进行:
步骤1、基于模糊数学理论和消费者心理学建立如式(1)所示的用户可中断负荷的响应不确定性模型;
式(1)中,为t时段第i类居民用户的负荷削减率模糊变量,(λ1,i,t,λ2,i,t,λ3,i,t)为t时段第i类居民用户的负荷削减率模糊变量的隶属度参数区间,隶属度参数区间(λ1,i,t,λ2,i,t,λ3,i,t)的函数示意图参见图1,λ1,i,t、λ2,i,t、λ3,i,t分别为t时段第i类居民用户负荷削减率模糊变量的隶属度参数,并有:
式(2)中,εi为第i类用户的激励敏感系数,且εi≥0;Δxi,t为t时段负荷聚合商给第i类用户的激励水平,即t时段分时电价的倍数;di,t为t时段第i类用户的最大负荷削减率偏差,且di,t≥0,并有:
di,t=-kiΔxi,t+dinit,i,0≤Δxi,t≤Δxi,t,max (3)
式(3)中,ki为第i类用户最大削减率偏差di,t随激励水平Δxi,t变化的比例系数,其值设为用户激励敏感系数εi的0.2倍,dinit,i为第i类用户负荷无激励时的初始最大削减率偏差;Δxi,t,max为t时段负荷聚合商给第i类用户的最大激励水平,居民用户负荷削减率偏差示意图参见图2。
步骤2、确认居民用户可中断负荷参数和负荷聚合商的需求响应任务参数,可中断负荷参数包括:激励敏感系数、削减率范围、负荷基线、用户数量和初始偏差;需求响应任务参数包括:响应任务时段、响应任务容量和分时电价数据;
步骤3、基于模糊机会约束规划理论建立负荷聚合商的需求响应决策模型,需求响应决策模型是以负荷聚合商的响应总成本最低为目标,并以可中断负荷的激励水平范围和负荷聚合商的响应容量范围为约束,且响应容量范围的约束采用模糊机会约束形式;再通过将目标函数和模糊机会约束转化为清晰等价形式,进一步获得负荷聚合商参与需求响应的混合整数规划决策模型;
具体的说,需求响应决策模型是按如下步骤建立:
步骤3.1、利用式(4)建立负荷聚合商参与需求响应决策模型的目标函数:
minf=fstart+finf,1 (4)
式(4)中,f为负荷聚合商响应总成本;fstart为响应启动成本,包含响应资源的容量成本及负荷聚合商的基本运行开支,且为已知量;finf,1为调用可中断负荷的成本悲观值;并有:
式(5)中,inf{·}为取下界符号;r为成本变量;Cr{·}为可信性测度;α为调用可中断负荷成本的悲观值置信度;为可中断负荷成本的模糊值,并有:
式(6)中,pt为t时段的分时电价;Pi,t为第i类用户在t时段的基线负荷;ni为第i类用户的数量;N为用户的分类总数;T为负荷聚合商参与需求响应的时段总数;
步骤3.2、建立负荷聚合商参与需求响应决策模型的约束条件,包括:
利用式(7)得到可中断负荷激励水平Δxi,t的范围约束:
式(7)中,和分别为隶属度参数λ2,i,t的上下限;
利用式(8)得到t时段负荷聚合商的响应任务容量ΔPt的模糊机会约束:
式(8)中,β为置信度;
步骤3.3、将式(5)和式(8)转换为清晰等价形式,且利用式(9)获得式(5)的清晰等价形式:
利用式(10)获得式(8)的清晰等价形式:
通过以上转换,由式(4)、式(7)、式(9)和式(10)共同获得负荷聚合商参与需求响应的混合整数规划决策模型,本实施例中,求解混合整数规划模型的求解器均采用CPLEX软件。
步骤4、定义负荷聚合商的需求响应可靠性指标包括:响应可信容量、响应容量可信度和响应容量不足期望,并分别求取相应的评估结果。
具体的说,负荷聚合商的需求响应可靠性指标是按如下方式定义:
响应可信容量的定义为:
考虑响应资源不确定性的条件下,在t时段负荷聚合商能够以置信度β满足响应任务容量ΔPt的最大容量,称为t时段负荷聚合商在置信度为β时的响应可信容量,记为RCCt,β,且响应可信容量RCCt,β满足式(7)和式(8);
响应可信容量RCCt,β是利用式(11)得到:
响应容量可信度的定义为:
考虑响应资源不确定性的条件下,在t时段负荷聚合商在置信度为β时的响应可信容量RCCt,β与t时段负荷聚合商的响应资源可控容量NCt之比的百分数,称为t时段负荷聚合商在置信度为β时的响应容量可信度,记为RCCPt,β,并由式(12)得到:
响应容量不足期望的定义为:
1)若在t时段负荷聚合商的实际响应容量大于或等于响应任务容量ΔPt,则为0;
2)若在t时段负荷聚合商的实际响应容量小于响应任务容量ΔPt,则为负荷聚合商的响应任务容量ΔPt与其实际响应容量之差,从而得到响应容量不足期望,记为ERCNS,t,并由式(13)得到:
式(13)中,表示取和0之间的较大值。
本实施例中,评估结果是按如下方式求取:
t时段负荷聚合商在置信度为β时的响应可信容量RCCt,β的评估结果是以式(11)为目标函数,以式(7)和式(10)为约束条件,并采用混合整数规划求解器CPLEX进行求取;
t时段负荷聚合商在置信度为β时的响应容量可信度RCCPt,β的评估结果是将式(11)求取到的响应可信容量RCCt,β带入式(12)中获得;
t时段的负荷聚合商响应容量不足期望ERCNS,t的评估结果是采用模糊模拟方法进行求取,其步骤包括:
步骤a、采用混合整数规划求解器CPLEX求解负荷聚合商的需求响应决策模型,获取可中断负荷激励水平Δxi,t的值;
步骤b、将可中断负荷激励水平Δxi,t的值代入式(2)-(3)得到居民用户负荷削减率模糊变量的隶属度参数区间(λ1,i,t,λ2,i,t,λ3,i,t);
步骤c、在居民用户负荷削减率模糊变量的隶属度参数区间(λ1,i,t,λ2,i,t,λ3,i,t)上均匀抽样得到t时段隶属度样本{θi,t,k|i=1,2,...,N;k=1,2,...,K},K表示抽样总次数;
定义t时段第k个可能性估计值为vt,k,且vt,k=θ1,t,k∧θ2,t,k∧…∧θN,t,k;其中∧为最小算子;
步骤d、利用式(14)得到t时段第k个响应容量不足计算值F(t,k):
步骤e、定义中间变量A、B和C,且A=[F(t,1)∧F(t,2)∧…∧F(t,K),0]+,B=[F(t,1)∨F(t,2)∨…∨F(t,K),0]+,C=0,其中∨为最大算子;
步骤f、初始化k=1;
步骤g、从中间变量A和B组成的区间[A,B]中均匀抽样产生第k个变量Rk;
步骤h、利用式(15)得到不等式F(t,k)≥Rk的可信性测度Cr{F(t,k)≥Rk},再将C+Cr{F(t,k)≥Rk}赋值给C:
步骤i、将k+1赋值给k,并返回步骤g执行,直到k>K为止,从而得到最终的中间变量C;
步骤j、利用式(16)得到t时段的负荷聚合商响应容量不足期望ERCNS,t:
ERCNS,t=A∨0+B∧0+C·(B-A)/K (16)
本实施例中负荷聚合商的需求响应任务参数为:响应任务时段为13:00-14:00共1小时,响应任务容量ΔPt为2500kW,并在日前做出需求响应决策。已知该日分时电价峰时段为10:00—12:00、16:00—22:00,谷时段为0:00—8:00,其余为平时段,其中峰、平、谷电价分别为0.74、0.52和0.36¥/kWh;可中断负荷调度成本悲观值置信度α取0.9;响应启动成本fstart为2000¥;参与该次需求响应任务的居民用户的分类总数N为8,该时段各类用户基线负荷Pi,t均为3kW,用户数量ni均为500户;8类用户的响应参数参见表1;负荷聚合商该时段可控容量NCt为3600kW。
表1各类居民用户可中断负荷响应参数
为了体现一种负荷聚合商的需求响应建模与可靠性评估方法的有益效果,本实施例定义5种场景,分别为:
场景1:采用本发明决策模型,设定置信度β=0.9;
场景2:采用本发明决策模型,设定置信度β=0.8;
场景3:采用本发明决策模型,设定置信度β=0.7;
场景4:采用本发明决策模型,设定置信度β=0.6;
场景5:采用不含模糊机会约束的传统确定性决策模型。
在5类场景下分别求解相应决策模型,得到各场景下负荷聚合商对8类用户的激励水平结果,参见表2;同时得到各场景下负荷聚合商的响应成本和响应容量不足期望结果,参见表3。
表2各场景下负荷聚合商对8类用户的激励水平Δxi,t
表3各场景下负荷聚合商的响应总成本和响应容量不足期望
通过表2和表3可以看出,本发明提出的t时段的负荷聚合商响应容量不足期望指标,能够清晰地量化负荷聚合商参与需求响应项目时的可靠性水平,如场景3中的响应容量不足期望为81.0kW,这表明负荷聚合商在满足模糊机会约束置信度为β=0.7时,参与该需求响应项目所做出的决策存在低于响应任务81.0kW的响应容量期望值。同时随着置信度的提高,负荷聚合商对部分用户的激励水平升高,负荷聚合商的响应容量不足期望降低,如在β=0.9时ERCNS,t仅为4.9kW,可靠性很高。场景5中传统确定性决策模型由于没有模糊机会约束,没有考虑用户参与需求响应的不确定性,虽然响应总成本较低但响应容量不足期望很高,因此该场景下负荷聚合商做出的需求响应决策可靠性水平很低。负荷聚合商可以通过调整本发明决策模型中模糊机会约束的置信度大小来调整决策的可靠程度,可见所建立的负荷聚合商需求响应决策模型对比传统确定性决策模型能够更好地帮助负荷聚合商做出可靠的需求响应决策。
在本发明所建立模型基础上,分别求解不同置信度下负荷聚合商的响应可信容量和响应容量可信度指标,得到结果参见表4。
表4不同置信度下负荷聚合商的响应可信容量和响应容量可信度
从表4可以看出,本发明提出的t时段负荷聚合商置信度为β的响应可信容量指标能够清晰表征模糊机会约束置信度为一定值时负荷聚合商t时段能够提供的最大响应容量;本发明提出的t时段负荷聚合商置信度为β的响应容量可信度指标能够清晰反映t时段负荷聚合商可控容量中能够达到一定置信度要求的响应容量占比情况,直观地反映了负荷聚合商的资源整合有效程度,例如表4中置信度β=0.9时,在负荷聚合商可控容量3600kW中有3216kW是可信的响应容量,且其占总可控容量的89.3%。比较表4中的结果可以看出,置信度β越大,即需求响应决策的可靠性要求越高,则响应可信容量和响应容量可信度均越低。
Claims (5)
1.一种负荷聚合商的需求响应建模与可靠性评估方法,其特征是按如下步骤进行:
步骤1、基于模糊数学理论和消费者心理学建立用户可中断负荷的响应不确定性模型;
步骤2、确认居民用户可中断负荷参数和负荷聚合商的需求响应任务参数,所述可中断负荷参数包括:激励敏感系数、削减率范围、负荷基线、用户数量和初始偏差;所述需求响应任务参数包括:响应任务时段、响应任务容量和分时电价数据;
步骤3、基于模糊机会约束规划理论建立负荷聚合商的需求响应决策模型,所述需求响应决策模型是以负荷聚合商的响应总成本最低为目标,并以可中断负荷的激励水平范围和负荷聚合商的响应容量范围为约束,且响应容量范围的约束采用模糊机会约束形式;再通过将目标函数和模糊机会约束转化为清晰等价形式,进一步获得负荷聚合商参与需求响应的混合整数规划决策模型;
步骤4、定义负荷聚合商的需求响应可靠性指标包括:响应可信容量、响应容量可信度和响应容量不足期望,并分别求取相应的评估结果。
2.根据权利要求1所述的需求响应建模与可靠性评估方法,其特征是,所述步骤1中的用户可中断负荷的响应不确定性模型如式(1)所示:
式(1)中,为t时段第i类居民用户的负荷削减率模糊变量,(λ1,i,t,λ2,i,t,λ3,i,t)为t时段第i类居民用户的负荷削减率模糊变量的隶属度参数区间,λ1,i,t、λ2,i,t、λ3,i,t分别为t时段第i类居民用户负荷削减率模糊变量的隶属度参数,并有:
式(2)中,εi为第i类用户的激励敏感系数,且εi≥0;Δxi,t为t时段负荷聚合商给第i类用户的激励水平,即t时段分时电价的倍数;di,t为t时段第i类用户的最大负荷削减率偏差,且di,t≥0,并有:
di,t=-kiΔxi,t+dinit,i,0≤Δxi,t≤Δxi,t,max (3)
式(3)中,ki为第i类用户最大削减率偏差di,t随激励水平Δxi,t变化的比例系数,dinit,i为第i类用户负荷无激励时的初始最大削减率偏差;Δxi,t,max为t时段负荷聚合商给第i类用户的最大激励水平。
3.根据权利要求1所述的需求响应建模与可靠性评估方法,其特征是,所述步骤3中的需求响应决策模型是按如下步骤建立:
步骤3.1、利用式(4)建立负荷聚合商参与需求响应决策模型的目标函数:
minf=fstart+finf,1 (4)
式(4)中,f为负荷聚合商响应总成本;fstart为响应启动成本,包含响应资源的容量成本及负荷聚合商的基本运行开支,且为已知量;finf,1为调用可中断负荷的成本悲观值;并有:
式(5)中,inf{·}为取下界符号;r为成本变量;Cr{·}为可信性测度;α为调用可中断负荷成本的悲观值置信度;为可中断负荷成本的模糊值,并有:
式(6)中,pt为t时段的分时电价;Pi,t为第i类用户在t时段的基线负荷;ni为第i类用户的数量;N为用户的分类总数;T为负荷聚合商参与需求响应的时段总数;
步骤3.2、建立负荷聚合商参与需求响应决策模型的约束条件,包括:
利用式(7)得到可中断负荷激励水平Δxi,t的范围约束:
式(7)中,和分别为隶属度参数λ2,i,t的上下限;
利用式(8)得到t时段负荷聚合商的响应任务容量ΔPt的模糊机会约束:
式(8)中,β为置信度;
步骤3.3、分别利用式(9)和式(10)获得式(5)和式(8)的清晰等价形式:
由式(4)、式(7)、式(9)和式(10)共同构成负荷聚合商参与需求响应的混合整数规划决策模型。
4.根据权利要求1所述的需求响应建模与可靠性评估方法,其特征是,所述步骤4中的负荷聚合商的需求响应可靠性指标是按如下方式定义:
所述响应可信容量的定义为:
考虑响应资源不确定性的条件下,在t时段负荷聚合商能够以置信度β满足响应任务容量ΔPt的最大容量,称为t时段负荷聚合商在置信度为β时的响应可信容量,记为RCCt,β,且响应可信容量RCCt,β满足式(7)和式(8);
所述响应可信容量RCCt,β是利用式(11)得到:
所述响应容量可信度的定义为:
考虑响应资源不确定性的条件下,在t时段负荷聚合商在置信度为β时的响应可信容量RCCt,β与t时段负荷聚合商的响应资源可控容量NCt之比的百分数,称为t时段负荷聚合商在置信度为β时的响应容量可信度,记为RCCPt,β,并由式(12)得到:
所述响应容量不足期望的定义为:
1)若在t时段负荷聚合商的实际响应容量大于或等于响应任务容量ΔPt,则为0;
2)若在t时段负荷聚合商的实际响应容量小于响应任务容量ΔPt,则为负荷聚合商的响应任务容量ΔPt与其实际响应容量之差,从而得到响应容量不足期望,记为ERCNS,t,并由式(13)得到:
式(13)中,表示取和0之间的较大值。
5.根据权利要求1所述的需求响应建模与可靠性评估方法,其特征是,所述步骤4中的评估结果是按如下方式求取:
t时段负荷聚合商在置信度为β时的响应可信容量RCCt,β的评估结果是以式(11)为目标函数,以式(7)和式(10)为约束条件,并采用混合整数规划求解器进行求取;
t时段负荷聚合商在置信度为β时的响应容量可信度RCCPt,β的评估结果是将式(11)求取到的响应可信容量RCCt,β带入式(12)中获得;
t时段的负荷聚合商响应容量不足期望ERCNS,t的评估结果是采用模糊模拟方法进行求取,其步骤包括:
步骤a、采用混合整数规划求解器求解所述负荷聚合商的需求响应决策模型,获取可中断负荷激励水平Δxi,t的值;
步骤b、将可中断负荷激励水平Δxi,t的值代入式(2)-(3)得到居民用户负荷削减率模糊变量的隶属度参数区间(λ1,i,t,λ2,i,t,λ3,i,t);
步骤c、在居民用户负荷削减率模糊变量的隶属度参数区间(λ1,i,t,λ2,i,t,λ3,i,t)上均匀抽样得到t时段隶属度样本{θi,t,k|i=1,2,...,N;k=1,2,...,K},K表示抽样总次数;
定义t时段第k个可能性估计值为vt,k,且vt,k=θ1,t,k∧θ2,t,k∧…∧θN,t,k;其中∧为最小算子;
步骤d、利用式(14)得到t时段第k个响应容量不足计算值F(t,k):
步骤e、定义中间变量A、B和C,且A=[F(t,1)∧F(t,2)∧…∧F(t,K),0]+,B=[F(t,1)∨F(t,2)∨…∨F(t,K),0]+,C=0,其中∨为最大算子;
步骤f、初始化k=1;
步骤g、从中间变量A和B所述组成的区间[A,B]中均匀抽样产生第k个变量Rk;
步骤h、利用式(15)得到不等式F(t,k)≥Rk的可信性测度Cr{F(t,k)≥Rk},再将C+Cr{F(t,k)≥Rk}赋值给C:
步骤i、将k+1赋值给k,并返回步骤g执行,直到k>K为止,从而得到最终的中间变量C;
步骤j、利用式(16)得到t时段的负荷聚合商响应容量不足期望ERCNS,t:
ERCNS,t=A∨0+B∧0+C·(B-A)/K (16)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910143360.XA CN109858835A (zh) | 2019-02-26 | 2019-02-26 | 一种负荷聚合商的需求响应建模与可靠性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910143360.XA CN109858835A (zh) | 2019-02-26 | 2019-02-26 | 一种负荷聚合商的需求响应建模与可靠性评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109858835A true CN109858835A (zh) | 2019-06-07 |
Family
ID=66899067
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910143360.XA Pending CN109858835A (zh) | 2019-02-26 | 2019-02-26 | 一种负荷聚合商的需求响应建模与可靠性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109858835A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111985775A (zh) * | 2020-07-17 | 2020-11-24 | 深圳华工能源技术有限公司 | 工商业电力负荷聚合商参与电力需求响应的实现方法 |
CN112180741A (zh) * | 2020-10-30 | 2021-01-05 | 合肥工业大学 | 一种负荷聚合商参与的综合需求响应方法及系统 |
CN112348380A (zh) * | 2020-11-12 | 2021-02-09 | 华北电力大学(保定) | 需求响应可调度容量概率预测方法、装置及电子设备 |
CN112465354A (zh) * | 2020-11-27 | 2021-03-09 | 广东电网有限责任公司电力调度控制中心 | 一种电网需求响应能力评估方法和装置 |
CN112633571A (zh) * | 2020-12-18 | 2021-04-09 | 浙江大学 | 源网荷互动环境下基于lstm的超短期负荷预测方法 |
CN113256031A (zh) * | 2021-06-25 | 2021-08-13 | 国网江西省电力有限公司供电服务管理中心 | 一种基于居民需求响应策略自学习优化方法 |
CN116050943A (zh) * | 2023-03-23 | 2023-05-02 | 国网江苏省电力有限公司营销服务中心 | 多类型用户需求侧资源物理调节能力归一计算方法和系统 |
-
2019
- 2019-02-26 CN CN201910143360.XA patent/CN109858835A/zh active Pending
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111985775A (zh) * | 2020-07-17 | 2020-11-24 | 深圳华工能源技术有限公司 | 工商业电力负荷聚合商参与电力需求响应的实现方法 |
CN111985775B (zh) * | 2020-07-17 | 2024-02-02 | 深圳华工能源技术有限公司 | 工商业电力负荷聚合商参与电力需求响应的实现方法 |
CN112180741A (zh) * | 2020-10-30 | 2021-01-05 | 合肥工业大学 | 一种负荷聚合商参与的综合需求响应方法及系统 |
CN112180741B (zh) * | 2020-10-30 | 2022-06-21 | 合肥工业大学 | 一种负荷聚合商参与的综合需求响应方法及系统 |
CN112348380A (zh) * | 2020-11-12 | 2021-02-09 | 华北电力大学(保定) | 需求响应可调度容量概率预测方法、装置及电子设备 |
CN112465354A (zh) * | 2020-11-27 | 2021-03-09 | 广东电网有限责任公司电力调度控制中心 | 一种电网需求响应能力评估方法和装置 |
CN112633571A (zh) * | 2020-12-18 | 2021-04-09 | 浙江大学 | 源网荷互动环境下基于lstm的超短期负荷预测方法 |
CN112633571B (zh) * | 2020-12-18 | 2023-09-29 | 浙江大学 | 源网荷互动环境下基于lstm的超短期负荷预测方法 |
CN113256031A (zh) * | 2021-06-25 | 2021-08-13 | 国网江西省电力有限公司供电服务管理中心 | 一种基于居民需求响应策略自学习优化方法 |
CN113256031B (zh) * | 2021-06-25 | 2021-10-26 | 国网江西省电力有限公司供电服务管理中心 | 一种基于居民需求响应策略自学习优化方法 |
CN116050943A (zh) * | 2023-03-23 | 2023-05-02 | 国网江苏省电力有限公司营销服务中心 | 多类型用户需求侧资源物理调节能力归一计算方法和系统 |
CN116050943B (zh) * | 2023-03-23 | 2023-07-11 | 国网江苏省电力有限公司营销服务中心 | 多类型用户需求侧资源物理调节能力归一计算方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109858835A (zh) | 一种负荷聚合商的需求响应建模与可靠性评估方法 | |
Sarker et al. | Progress on the demand side management in smart grid and optimization approaches | |
Yang et al. | Optimal sharing and fair cost allocation of community energy storage | |
Mei et al. | On engineering game theory with its application in power systems | |
Luo et al. | Optimal home energy management system with demand charge tariff and appliance operational dependencies | |
Park et al. | A continuous strategy game for power transactions analysis in competitive electricity markets | |
Wang et al. | Hierarchical market integration of responsive loads as spinning reserve | |
CN104933516A (zh) | 一种多时间尺度的电力系统鲁棒调度系统设计方法 | |
Veit et al. | Simulating the dynamics in two-settlement electricity markets via an agent-based approach | |
Aghaei et al. | Exploring the reliability effects on the short term AC security-constrained unit commitment: A stochastic evaluation | |
Wang et al. | Chance constrained unit commitment considering comprehensive modelling of demand response resources | |
CN112990568B (zh) | 一种综合能源智能交易场景下的区块链共识机制构建方法 | |
CN113904380B (zh) | 一种考虑需求响应的虚拟电厂可调节资源精准控制方法 | |
CN111614160A (zh) | 一种低压用户负荷调控业务承载平台 | |
Safdarian et al. | Coalitional game theory based value sharing in energy communities | |
Park et al. | Optimal demand response incorporating distribution LMP with PV generation uncertainty | |
Rana et al. | Modelling and simulation approaches for local energy community integrated distribution networks | |
Zhou et al. | Smart energy management | |
Li et al. | Social incentive policies to engage commercial building occupants in demand response | |
Akasiadis et al. | Mechanism design for demand-side management | |
Azad‐Farsani et al. | Stochastic locational marginal price calculation in distribution systems using game theory and point estimate method | |
Wang et al. | Coordinated residential energy resource scheduling with human thermal comfort modelling and renewable uncertainties | |
Hosseini et al. | Day-ahead scheduling for economic dispatch of combined heat and power with uncertain demand response | |
Yan et al. | Cross-regional green certificate transaction strategies based on a double-layer game model | |
Wang et al. | Decentralised voltage control with built‐in incentives for participants in distribution networks |
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: 20190607 |
|
RJ01 | Rejection of invention patent application after publication |