CN109886463A - 考虑需求响应不确定性的用户侧优化控制方法 - Google Patents

Abstract

本发明公开了一种考虑需求响应不确定性的用户侧优化控制方法。针对负荷聚合商管辖区域内的中央空调用户和分体空调用户对激励价格的敏感程度不同，分别用非线性方程来描述中央空调用户群体的响应特性曲线，线性方程来描述分体空调用户群体的响应特性曲线。负荷聚合商在日前电力市场中标以后，按照合同中规定的某个削峰时段所需的调度时长，向满足条件的负荷聚合体发出激励补偿信号，各空调负荷聚合体对激励补偿价格做出回应，负荷聚合商不断优化激励补偿价格调整需求响应参与率，以满足中标合同规定的计划调峰量约束，达到净利润最大化的目的。本发明对充分挖掘需求侧资源和推动电力市场的发展有一定的意义。

Description

考虑需求响应不确定性的用户侧优化控制方法

技术领域

本发明属于需求侧响应技术领域，具体涉及考虑中央、分体空调负荷用户群体需求响应不确定性的用户侧优化控制方法。

背景技术

进入21世纪以来，我国的电力负荷构成正发生着深刻的变化，全国各大城市的空调负荷总量逐年增加。夏季负荷高峰期，巨大的空调负荷激化了供需矛盾，对电网安全经济运行带来极大的负面影响。同时，由于空调负荷具有热存储能力，因此可以在满足用户舒适度要求的前提下，通过有效的控制手段，达到缓解高峰时段的电力供需矛盾，改善负荷曲线峰谷差的目的；而且与传统削峰方式相比，空调负荷的调度成本较低。

目前国内外对基于空调负荷的需求侧响应优化控制策略的研究仍存在诸多的不足。需求响应策略在实施过程中，难免会遇到不同用户对价格、激励反应不一致的问题，更有甚者可能会此毫无兴趣，这就包含着极大的不确定性，因此构建需求响应不确定性的模型就很有必要性。

发明内容

本发明以某区域分体空调和中央空调负荷集群为研究对象，提出了考虑需求响应不确定性的用户侧优化控制方法。针对负荷聚合商管辖区域内的中央空调用户和分体空调用户对激励价格的敏感程度不同，分别用不同类型的方程来描述分体空调用户群体的响应特性曲线。负荷聚合商在日前电力市场中标以后，按照合同中规定的某个削峰时段所需的调度时长，向满足条件的负荷聚合体发出激励补偿信号，各空调负荷聚合体对激励补偿价格做出回应，负荷聚合商不断优化激励补偿价格调整需求响应参与率，以满足中标合同规定的计划调峰量约束，达到净利润最大化的目的。具体按照以下步骤实施：

步骤1、针对可中断负荷用户群体需求响应不确定性的情况，引入经济学中的边际效用递减规律，利用同一激励补偿刺激下两条响应特性曲线之间的差值来描述可中断负荷用户群体需求响应参与率的波动。在某一激励补偿价格ρ的刺激下，分体空调用户群体的参与率λ_n的表达式如(1)所示：

式中，λ_n为分体空调用户群体的参与率，ρ₁为分体空调用户群体开始参与响应的激励补偿价格，ρ_max为分体空调用户群体参与率达到最大值且波动范围近似为零的激励补偿价格，k为常系数。

在某一激励补偿价格ρ′的刺激下，中央空调用户群体的参与率λ_s的表达式如(2)所示：

式中，λ_s为中央空调用户群体的参与率，ρ₃为中央空调用户群体开始参与响应的激励补偿价格，ρ′_max为中央空调用户群体参与率达到最大值且波动范围近似为零的激励补偿价格，q为常系数。

步骤2、负荷聚合商在日前电力市场中标以后，按照合同中规定的某个削峰时段所需的调度时长，向满足条件的空调负荷聚合体发出激励补偿信号。

步骤3、根据公式(1)和公式(2)得到该激励补偿价格下各空调负荷聚合体的需求响应参与率允许范围。各空调负荷聚合体的实际参与率必须在此范围之内。

步骤4、由于中央空调负荷群体采用轮停控制，分体空调负荷群体采用直接启停控制，因此可以根据公式(3)-(4)计算得到负荷聚合商i辖区内参与调度的中央、分体空调负荷容量。

式中，为负荷聚合商i辖区内参与调度的中央空调负荷容量，为负荷聚合商i辖区内参与调度的分体空调负荷容量，m和n分别为中央空调数量和分体空调数量，λ_s′和λ_n′分别为中央空调用户群体和分体空调用户群体的实际参与率，P_CA和P_HA分别为中央空调和分体空调的额定功率，τ_c、τ_on和τ_off分别为中央空调制冷机组的轮停周期时长、持续制冷时长和强制停机时长。

步骤5、负荷聚合商根据公式(5)判断当前激励补偿价格下实际参与响应的空调负荷量是否满足中标合同规定的计划调峰量的要求。若满足要求，则按照步骤6继续进行；若不满足要求，则负荷聚合商需要调整激励补偿价格，使实际参与响应的空调负荷量不小于中标合同规定的计划调峰量。

步骤6、以负荷聚合商i给中央空调用户群体和分体空调用户群体的补偿激励价格为优化变量，以负荷聚合商净利润最大为目的，构建目标函数，其表达式如公式(6)所示。

式中，为负荷聚合商i的利润，T_load为电力公司发布的计划调度时长，为负荷聚合商i的中标价格，Q_i'为负荷聚合商i的中标容量，和分别为负荷聚合商i给中央空调用户群体和分体空调用户群体的补偿激励。

步骤7、采用混沌粒子群优化算法在寻优过程中对该优化问题进行求解，得到相应的优化变量和目标函数值，即负荷聚合商给中央空调用户群体和分体空调用户群体的实际激励补偿价格以及负荷聚合商的净利润。

本发明方法具有的优点及有益结果为：

1)本发明充分考虑了不同用户群体在同一个激励补偿刺激下参与需求响应的差异性。在基于空调负荷的需求侧响应优化调度问题中，以此方法来考虑空调用户群体需求响应不确定性对于负荷聚合商经济收益以及空调负荷实际参与调度电量的影响，使得优化调度的结果更接近实际。

2)本发明采用混沌粒子群算法，在标准粒子群算法中加入了混沌思维，充分利用其随机性和遍历性等特点，提高了算法的计算速度和全局搜索能力。

附图说明

图1是本发明的一个具体实例中10个削峰时段的室外温度曲线；

图2是本发明中分体空调用户群体的需求响应参与率曲线；

图3是本发明中中央空调用户群体的需求响应参与率曲线；

图4是本发明的一个具体实例中第一种空调负荷构成情况下负荷聚合商F在各个削峰时段的毛利润和净利润；

图5是本发明的一个具体实例中第二种空调负荷构成情况下负荷聚合商F在各个削峰时段的毛利润和净利润；

图6是本发明的一个具体实例中第三种空调负荷构成情况下负荷聚合商F在各个削峰时段的毛利润和净利润；

具体实施方式

下面结合具体实施例对本发明作进一步说明，但不应该理解为本发明上述主体范围仅限于下述实施例。在不脱离本发明上述技术思想的情况下，根据本领域普通技术知识和惯用手段，做出各种替换和变更，均应包括在本发明的保护范围内。

本实例以某区域的负荷聚合商F为例，其管辖区域内共有50MW的空调负荷可参与调度。负荷聚合商F在各削峰时段的中标信息如表1所示：

表1负荷聚合商F在各削峰时段的中标信息

假设辖区内中央空调、分体空调的参数相同或者相似，中央空调的额定功率为160kW，能效比系数为2.7，建筑等效热参数值ε为0.97，室温允许范围是[23,28]℃；分体空调的额定功率为2.5kW，室温允许范围是[23,28]℃。分体空调激励补偿ρ₁为7×10⁴￥/MW，中央空调激励补偿ρ₃为1.05×10⁵￥/MW，饱和激励补偿ρ_max和ρ′_max均为3.5×10⁶￥/MW。由于空调负荷分布在同一区域，气象状况近似认为一致；控制周期内室外温度恒定，10个削峰时段的室外温度如图1所示。

步骤1、针对可中断负荷用户群体需求响应不确定性的情况，引入经济学中的边际效用递减规律，利用同一激励补偿刺激下两条响应特性曲线之间的差值来描述可中断负荷用户群体需求响应参与率的波动。图2和图3分别为分体空调用户群体和中央空调用户群体的需求响应参与率曲线。

步骤2、负荷聚合商在日前电力市场中标以后，按照合同中规定的某个削峰时段所需的调度时长，向满足条件的空调负荷聚合体发出激励补偿信号。负荷聚合商F的中标信息如表1所示。

步骤3、根据公式(1)和公式(2)得到该激励补偿价格下各空调负荷聚合体的需求响应参与率允许范围。各空调负荷聚合体的实际参与率必须在此范围之内。

步骤4、由于中央空调负荷群体采用轮停控制，分体空调负荷群体采用直接启停控制，因此可以根据公式(3)-(4)计算得到负荷聚合商i辖区内参与调度的中央、分体空调负荷容量。

步骤5、负荷聚合商根据公式(5)判断当前激励补偿价格下实际参与响应的空调负荷量是否满足中标合同规定的计划调峰量的要求。若满足要求，则按照步骤6继续进行；若不满足要求，则负荷聚合商需要调整激励补偿价格，使实际参与响应的空调负荷量不小于中标合同规定的计划调峰量。

步骤6、以负荷聚合商i给中央空调用户群体和分体空调用户群体的补偿激励价格为优化变量，以负荷聚合商净利润最大为目的，构建目标函数，其表达式如公式(6)所示。

步骤7、采用混沌粒子群优化算法在寻优过程中对该优化问题进行求解，得到相应的优化变量和目标函数值，即负荷聚合商给中央空调用户群体和分体空调用户群体的实际激励补偿价格以及负荷聚合商的净利润。

在本发明中，研究了不同空调负荷构成占比对于负荷聚合商利润的影响。

情况一：负荷聚合商F辖区内中央空调占30％，分体空调占70％。这种情况下，负荷聚合商F在每个削峰时段的毛利润和净利润如图4所示。

情况二：负荷聚合商F辖区内中央空调占50％，分体空调占50％。这种情况下，负荷聚合商F在各个削峰时段的毛利润和净利润如图5所示。

情况三：负荷聚合商F辖区内中央空调占70％，分体空调占30％。这种情况下，负荷聚合商F在各个削峰时段的毛利润和净利润如图6所示。

负荷聚合商F在第5-10削峰时段净利润的数据如下表所示：

表2负荷聚合商F各削峰时段净利润

对比图4、5、6以及表2中的数据可知，负荷聚合商F的净利润随着辖区内中央空调所占比重的增加而减少。通过分析，可以为负荷聚合商提供两种运营策略：

策略一：当负荷聚合商的中标调峰量较大且中标次数较多时，为了保证信誉度值，更愿意牺牲一小部分的利润而选择调控激励补偿稍高但更为稳定的中央空调负荷群，如此往复将形成一个良性循环，从负荷聚合商的长远利益来看，这种做法无疑是非常明智的。

策略二：若负荷聚合商的中标调峰量较小时，选择廉价但可以快速获取的分体空调负荷群作为调控对象，也不失为一种好办法。

综上所述，对于规模较大的负荷聚合商而言，策略一更为有利；而对于规模偏小的负荷聚合商而言，策略二更加适宜。

Claims (1)

1.考虑需求响应不确定性的用户侧优化控制方法，其特征在于，该方法具体包括以下步骤：

步骤1、针对可中断负荷用户群体需求响应不确定性的情况，引入经济学中的边际效用递减规律，利用同一激励补偿刺激下两条响应特性曲线之间的差值来描述可中断负荷用户群体需求响应参与率的波动；在某一激励补偿价格ρ的刺激下，分体空调用户群体的参与率λ_n的表达式如(1)所示：

式中，λ_n为分体空调用户群体的参与率，ρ₁为分体空调用户群体开始参与响应的激励补偿价格，ρ_max为分体空调用户群体参与率达到最大值且波动范围近似为零的激励补偿价格，k为常系数；

在某一激励补偿价格ρ′的刺激下，中央空调用户群体的参与率λ_s的表达式如(2)所示：

式中，λ_s为中央空调用户群体的参与率，ρ₃为中央空调用户群体开始参与响应的激励补偿价格，ρ′_max为中央空调用户群体参与率达到最大值且波动范围近似为零的激励补偿价格，q为常系数；

步骤2、负荷聚合商在日前电力市场中标以后，按照合同中规定的某个削峰时段所需的调度时长，向满足条件的空调负荷聚合体发出激励补偿信号；

步骤3、根据公式(1)和公式(2)得到该激励补偿价格下各空调负荷聚合体的需求响应参与率允许范围；各空调负荷聚合体的实际参与率必须在此范围之内；

步骤4、由于中央空调负荷群体采用轮停控制，分体空调负荷群体采用直接启停控制，因此可以根据公式(3)-(4)计算得到负荷聚合商i辖区内参与调度的中央、分体空调负荷容量；

式中，为负荷聚合商i辖区内参与调度的中央空调负荷容量，为负荷聚合商i辖区内参与调度的分体空调负荷容量，m和n分别为中央空调数量和分体空调数量，λ′_s和λ′_n分别为中央空调用户群体和分体空调用户群体的实际参与率，P_CA和P_HA分别为中央空调和分体空调的额定功率，τ_c、τ_on和τ_off分别为中央空调制冷机组的轮停周期时长、持续制冷时长和强制停机时长；

步骤5、负荷聚合商根据公式(5)判断当前激励补偿价格下实际参与响应的空调负荷量是否满足中标合同规定的计划调峰量的要求；若满足要求，则按照步骤6继续进行；若不满足要求，则负荷聚合商需要调整激励补偿价格，使实际参与响应的空调负荷量不小于中标合同规定的计划调峰量；

步骤6、以负荷聚合商i给中央空调用户群体和分体空调用户群体的补偿激励价格为优化变量，以负荷聚合商净利润最大为目的，构建目标函数，其表达式如公式(6)所示；

式中，为负荷聚合商i的利润，T_load为电力公司发布的计划调度时长，为负荷聚合商i的中标价格，Q′_i为负荷聚合商i的中标容量，和分别为负荷聚合商i给中央空调用户群体和分体空调用户群体的补偿激励；

步骤7、采用混沌粒子群优化算法在寻优过程中对该优化问题进行求解，得到相应的优化变量和目标函数值，即负荷聚合商给中央空调用户群体和分体空调用户群体的实际激励补偿价格以及负荷聚合商的净利润。