CN111079994A - 基于激励相容约束的有效负荷需求控制方法及系统 - Google Patents
基于激励相容约束的有效负荷需求控制方法及系统 Download PDFInfo
- Publication number
- CN111079994A CN111079994A CN201911215037.5A CN201911215037A CN111079994A CN 111079994 A CN111079994 A CN 111079994A CN 201911215037 A CN201911215037 A CN 201911215037A CN 111079994 A CN111079994 A CN 111079994A
- Authority
- CN
- China
- Prior art keywords
- load
- optimal
- control scheme
- cost
- sensitivity
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000005284 excitation Effects 0.000 title claims abstract description 15
- 230000035945 sensitivity Effects 0.000 claims abstract description 27
- 230000009467 reduction Effects 0.000 claims abstract description 26
- 238000012360 testing method Methods 0.000 claims abstract description 6
- 238000003860 storage Methods 0.000 claims description 9
- 238000010206 sensitivity analysis Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 description 18
- 238000007726 management method Methods 0.000 description 12
- 238000013461 design Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000008901 benefit Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000005611 electricity Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000002747 voluntary effect Effects 0.000 description 2
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000007728 cost analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Images
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本公开提供了一种基于激励相容约束的有效负荷需求控制方法及系统，通过增加负荷裕度至电压崩溃，以测试目标区域内各负载中灵敏度最优的负载，作为最有价值负载；基于最有价值负载，利用激励相容约束确定各负载到崩溃点的距离和建议负荷的最佳缩减数额，形成初步的需求控制方案；比较初步的需求控制方案在不同场景下的成本，综合成本和负荷缩减的数量，确定最优需求控制方案，依照最优需求控制方案进行负荷的消减控制；可以在确定负荷消减数量时兼顾电力成本和负荷灵敏度，实现针对不同场景的最优方案确定，保证电力系统的高效、安全运行。
Description
技术领域
本公开属于可再生能源发电负荷控制技术领域，涉及一种基于激励相容约束的有效负荷需求控制方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
可再生能源发电的渗透率逐渐增加，为能源管理提供更高的要求。
目前的电力系统负荷控制中，可以分析各负载行为，利用不同种类的需求管理计划以吸引电力用户，以帮助在紧急情况下，减少或中断相应的负载，才能实现电力系统的高效、安全运行。
但是，据发明人了解，目前的控制方案一般为负荷消减数量平均化，或者按照自愿原则，很难做到按需、兼顾成本，并不能很好的保证电力系统的有效负荷需求控制。
发明内容
本公开为了解决上述问题，提出了一种基于激励相容约束的有效负荷需求控制方法及系统，本公开可以在确定负荷消减数量时兼顾电力成本和负荷灵敏度，实现针对不同场景的最优方案确定，保证电力系统的高效、安全运行。
根据一些实施例，本公开采用如下技术方案：
一种基于激励相容约束的有效负荷需求控制方法，包括以下步骤：
增加负荷裕度至电压崩溃，以测试目标区域内各负载中灵敏度最优的负载，作为最有价值负载；
基于最有价值负载，利用激励相容约束确定各负载到崩溃点的距离和建议负荷的最佳缩减数额，形成初步的需求控制方案；
比较初步的需求控制方案在不同场景下的成本，综合成本和负荷缩减的数量，确定最优需求控制方案，依照最优需求控制方案进行负荷的消减控制。
作为进一步的限定，在进行灵敏度分析时，负载增加平均在每个负载总线上，计算负荷裕度至电压崩溃的灵敏度相对于在各负荷的变化，确定灵敏度最高的若干负载为最有价值负载。
作为进一步的限定，灵敏度计算的过程为：
设定g(x,γ,p)＝0
式中：
x是状态变量的向量；
γ是的有功和无功负荷功率的矢量；
p是负荷的向量；
如果负荷增加的模式用单位向量k指定，崩溃方法的点应用于产生左特征向量，对任何负载变化的负荷裕度的灵敏度为：
式中：
ΔL为系统安全裕度的变化量；
ΔP为系统的负荷变化量；
K为单位向量；
Wgp为左特征向量的p分量；
Wgγ为左特征向量的γ分量；
作为进一步的限定，用户缩减电力负荷的成本取决于客户和中断的数量，至少在最初阶段，对用户类型为θ的、缩减量为xMW的成本c(θ,x)为：
c(θ,x)＝K1x2+K2x-K2xθ
θ为说明顾客类型的连续变量，K1、K2为系数。
作为进一步的限定，最优需求控制方案的求解目标为最大化负载削减量和负荷裕度的增加量。
作为进一步的限定，最优需求控制方案的约束条件为消减负荷过程中投入的成本最小。
一种基于激励相容约束的有效负荷需求控制系统，包括：
灵敏度分析模块，被配置为增加负荷裕度至电压崩溃，以测试目标区域内各负载中灵敏度最优的负载，作为最有价值负载；
激励相容约束计算模块，被配置为基于最有价值负载，利用激励相容约束确定各负载到崩溃点的距离和建议负荷的最佳缩减数额，形成初步的需求控制方案；
最优负荷需求确定模块，被配置为比较初步的需求控制方案在不同场景下的成本，综合成本和负荷缩减的数量，确定最优需求控制方案，依照最优需求控制方案进行负荷的消减控制。
一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种基于激励相容约束的有效负荷需求控制方法的步骤。
一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种基于激励相容约束的有效负荷需求控制方法的步骤。
与现有技术相比，本公开的有益效果为：
本公开可以在确定负荷消减数量时兼顾电力成本和负荷灵敏度，实现针对不同场景的最优方案确定，保证电力系统的高效、安全运行。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1是不同客户类型的总收益、成本生本和消费水平；
图2是给定λ值的削减量的函数所提供货币激励的场景；
图3是规范化的激励函数；
图4是本实施例的具体示例系统图；
具体实施方式：
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
通过明确地研究客户停电成本，并分析其负载行为，一个电力负荷控制中心(或任何“加载服务机构”)有可能通过设计不同种类的需求管理计划以吸引客户，以帮助在紧急情况下，以换取奖励费。因为电力负荷控制中心只能为客户估算停电成本，一个电力负荷控制中心很难知道提供多少奖励，才能吸引客户减少或中断他们的负载，本文的主题是设计成本有效的需求管理方案，不需要知道客户停电成本，而是用博弈论来设计最佳的削减计划。设计控制方案，实现这一目标的过程称为机制设计与启示的原则。这个机制(或由电力负荷控制中心提供的控制方案)确保电力系统利益最大化和自愿参加的客户得到足够的补偿。
本实施例结合了成本方面与电力系统灵敏度分析的控制方案。灵敏度方法给出了在网络中每个位置的可中断负荷的值。因此，控制方案可以通过位置来定制。这种需求管理方法很可能证明比传统的“低利率”可中断控制方案的方法更有用，因为它更清楚地平衡了不同客户类型的利益与不同地理位置的电力负荷控制中心的需求。
电力负荷控制中心需要设计一个非线性定价方案来出售这种产品。单位生产成本用u来表示。假设电力负荷控制中心选择只考虑两种类型的客户。它希望卖给小客户的电量为q，卖给大客户的电量为
q和
尚未确定
生产q电量的成本为uq，同理，生产
电量的成本为
在图1中的直线定义了这些(以及任何其他)的生产成本，电力负荷控制中心希望选择获利的价格/数量的点出售，这些点处于或高于此直线。C1是数量为q时所选择的销售价格，C2是数量为
时所选择的销售价格(如图1所示)。显然，一个电力负荷控制中心公司，只有当B(θ，q)>C1 q，可以希望出售给小客户(类型为θ)；只有当
希望出售给大客户(类型为
)这种情况被称为个体理性约束。
存在一个更微妙的约束:如果代理商收费价格总是接近
这小的消费者将无法购买，因为这样做会亏本。假设，至少有一个价格/数量提供等于或低于曲线B(θ,q)(但高于uq)。事实上，这是(C1,q)的情况下提供。如果大型消费者选择一个小的消费量(q)，它的净效益(总收益-C1 q)，由S1段说明。另一方面，如果消费大量
其净效益是S2段。它似乎是合理的，如果大客户可以获得更多利益通过减少消费(也就是说，如果S1>S2)，它将减少消费。对代理商来说，这是最不希望的，因为这会导致非常不理想的条件。因此，对于较大的客户我们要求的价格是这样的S1<S2，这种情况被称为激励相容约束。图2说明了违反这一条件的情况下，从而鼓励客户“说谎”。它可以用数学表示的最优性要求较低的消费量/价格点由个人理性约束来确定，这上面的价格由具有约束力的激励相容约束来确定。
如果只有大客户的存在，当
将会达到最优。如果只有小顾客的存在，在(dB(θ,q))/(dq)＝u的情况下，这将是最佳的选择。这是机制设计的作用去设计的定价结构，其中，当有客户的混合，并且，当对混合不确定性时，达到最优。
用户缩减电力负荷的成本取决于客户和中断的数量，我们假设，至少在最初阶段，对用户类型为θ的、缩减量为xMW的成本c(θ,x)为：
c(θ,x)＝K1x2+K2x-K2xθ (3)
这里θ为说明顾客类型的连续变量。它也可以被称为顾客意愿参数。在“-k2xθ”这一相中，不同的θ值，导致
(客户的边际成本)的值不同。值得注意的是，随着θ值的增加，边际成本下降。也就是说，θ值已经有效地被用来客户从“最不愿意”到“最愿意”削减负荷的“排序”。这种形式的成本函数表明有最低θ的顾客具有最高的边际成本，因此具有最低的边际效用。这提供了模拟各客户的意愿为θ的方式来削减负荷的好方法。
为简单起见，我们假设K1与K2已知，分别是1/2和1。这些假设并不影响这里要考虑的基本概念，因为它们等同于简单的缩放。不同类型的客户可中断的量不同。虽然(3)给出了用户可中断的成本函数的表达式，电力负荷控制中心对这个方程中的参数θ是不知道的
另一个假设是有关θ的概率分布[记作f(θ)]。有两种可能性：
1)一组完整的客户类型的特点是，允许其θ值从0到1变化，并且任何类型的客户都是均匀分布的，[也就是说，θ是服从(0，1)区间的均匀分布的随机变量]。
2)参数θ可以采取离散值，每一个值有一个假定的概率。θ的两个离散值表示的简单的这种场景。
与θ相关的概率分布是主观概率。该电力负荷控制中心公司无需知道其分布的，如果有的话，其分布是精确的。电力负荷控制中心公司对客户的私人信息的价值是不知道的，具有所处理的客户类型的主观估计，电力负荷控制中心公司开发激励函数y(x)，表明它愿意付多少钱对于一个给定数量的缩减。
客户自愿选择他们希望削减的数量，基于激励函数提供给他们的一个检查。显然，客户不会选择被削减，除非他们看到绝对的好处。客户的利益函数是:
在缺乏初始的注册激励时，为了使客户能够选择参加一个项目，必然有V1≥0，即他们必须看一个利益才会削减负荷。
此二次方程，或任何其他任意的成本函数，为了使设计机制起作用需要满足排序(或“单交叉”)条件，如果客户从最不愿意(削减负载)到最愿意削减负荷排序，排序条件规定：
同理，如果客户从最愿意(削减负载)到最不愿意削减负荷排序，排序条件规定：
不管是客户按递增或递减的意愿排序是个人喜好问题，是不相关的(我们假定越来越愿意)。重要的问题是，停电成本函数是关于θ单调的和x不减少的，(4)中的函数满足这个特性。
在用电紧张的条件下，电力负荷控制中心公司为特定位置提供电能是昂贵的。该电力负荷控制中心公司可以计算不给某个客户提供电能的价值，这种“电能中断性的价值”被λ参数化。λ的值可以使用现有的高效率最优潮流路径方法来计算。可知λ能使电力负荷控制中心在特定的位置的缩减量来定义自己的利益函数。
V2(θ,λ)＝λx(θ)-y(θ) (5)
式中，λ为没有供给客户电能每兆瓦的美元数。该电力负荷控制中心的目标是最大化电力负荷控制中心效益函数。
这样：
式中，
是客户错误报告的意愿参数，如果客户挑选任何未专门为他们设计的控制方案，他们伪装成另一种类型的客户
约束(7)是个人理性约束，确保每个客户都被鼓励参与，约束(8)是激励相容约束，鼓励客户告诉他们真相(即选择正确的控制方案)。这最大化问题可以通过机制设计和启发式原则得到解决，结果是:
方程(9)和(10)定义要提供给不同类型的客户的控制方案。图2描述了给定λ值的削减量的函数所提供货币激励的场景。随着λ值变化的一个家庭的激励函数如图3所示。参与客户的数量随着λ值的变化而变化。图3显示，λ的值在确定支付给每位客户的激励时起着关键作用。
θ的作用是显而易见的，因为它决定了客户的类型(这反过来又决定了他们的削减或中断的成本)，但λ的作用可能是微妙的。λ是从工程进入这个成本分析的参数。它表明该顾客的位置是在此分析中的最重要的方面之一。一些地方传输电能比其他地方将更加昂贵。电力负荷控制中心希望缩减与昂贵地点的客户的控制方案是有意义的。
灵敏度分析可以用来确定电力负荷控制中心公司可中断负荷的值，如果负载作为参数，相对于每个负载的负荷裕度的灵敏度可以计算出来。让：
g(x,γ,p)＝0 (11)
式中，
x是状态变量的向量；
γ是的有功和无功负荷功率的矢量；
p是负荷的向量；
如果负荷增加的模式用单位向量k指定，崩溃方法的点可应用于产生左特征向量，对任何负载变化的负荷裕度的灵敏度为：
一旦我们有任何负载变化的负荷裕度的灵敏度，我们用它来对负荷排序。用L表示系统的负荷裕度，上面的公式可以让我们构建一个表达式，关于个别负载变化(Δp1，Δp2，等)引起安全裕度变化的表达式：
ΔL＝Lp1Δp1+Lp2Δp2+...+LpmΔpm (13)
其中m为感兴趣的负载的数量。由于方程(13)表明，具有最高灵敏度的负荷将有助于提高负荷裕度到最大。通过使用这些灵敏度和从设计控制方案中每个千瓦数字的美元，该电力负荷控制中心可以估算它的成本多少，以提高系统的安全性：
其中，ΔY是电力负荷控制中心将花费的金额
方程(14)可帮助确定需要多少成本来增加负荷裕度通过削减一个负载。其他种类的灵敏度可以被计算并结合成本分析中，给出电力负荷控制中心解决特定的安全问题的成本。
在需求管理控制方案提供给客户之前，电力负荷控制中心需要经过一个规划阶段。第一步是分析他们的电力系统，并确定哪些负载位置(客户)在紧急情况或预期的问题(崩溃电压，线路过载，发电量不足等)中将是最有帮助的。灵敏度分析需要在系统上执行，以确定每个类型的问题的最有价值的负荷。此分析涉及多个场景和时段的负荷预测和考虑。这个例子包括三个阶段：
1)灵敏度分析，以确定最有价值的负载通过增加负荷裕度至电压崩溃。
2)博弈论分析，以确定最优需求管理控制方案。
3)需求管理控制方案的不同场景的比较。
该示例使用8节点系统(参见图4)有2台发电机和6个负载。值得关注的是负荷裕度至电压崩溃。如果负载增加平均在每个负载总线上，只有平衡发电机拿起额外的负荷，负荷裕度至电压崩溃的灵敏度相对于在各负荷的变化，如表Ⅰ所示，在这个例子中最有价值的负载是7和8。他们有最高的灵敏度。如果系统变得接近电压分岔点，该电力负荷控制中心可能要削减保证负载量，因此该合约将被设计用于负荷削减的具体数额。在电力负荷控制中心提供削减控制方案之前确定负荷的排序和量化影响是非常重要的。控制方案签订之后，可以开发一个算法来检查到崩溃点的距离和建议负荷的最佳缩减顺序必需的。
所有负载位置相对值被确定之后，客户属性，设计需求管理计划和博弈论的方程用于设计优化需求管理控制方案(类似的控制方案如图3所示)。如果假设成立，客户将签署控制方案，如表2所示。客户在节点7，8的位置签署了不同的控制方案，即使他们是在同样灵敏度的位置。这是因为客户在节点7比客户在节点8甩负荷具有更高的边际成本。所开发的控制方案设计规划抓住了客户的位置和成本两个属性。
表1电压崩溃点的负荷裕度的灵敏度与关于每个负载(负荷方向选择为与每个负荷增量相等)
表2需求管理合约的最优投资组合
表3具有固定λ＝0.7(平均值)需求管理合约非最优的投资组合
可中断电能(λ)和客户意愿参数(私人信息θ帮助电力负荷控制中心估计客户成本)是分析的两个关键因素。为了强调这些值的重要性，进一步的测试被执行。在一个模拟中λ固定为0.7(平均值)，即电力负荷控制中心决定可中断负荷的值在每个位置都是相同的。如表3所示，可缩减的数量减少，其结果也是负荷裕度的一个较小的增加。在另一个模拟中，电力负荷控制中心假设所有客户削减负荷的成本是相同的[(即，它固定θ在其平均值(θ＝0.8)]。这还不是最优的，因为可削减负荷和负荷裕度的增加低于在表2所示的最优情况下。一些经济事实也计算了各投资组合，并在表4中进行比较。在λ和θ固定在它们的平均值的情况下，控制方案的非最优投资组合仍然获得，然而结果证明，控制方案的最优投资组合有助于电力负荷控制中心和客户最大化其利润。更重要的是，它表明最优投资组合可最大化负载削减量和负荷裕度的增加量。
表4不同场景的控制方案
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.一种基于激励相容约束的有效负荷需求控制方法，其特征是：包括以下步骤：
增加负荷裕度至电压崩溃，以测试目标区域内各负载中灵敏度最优的负载，作为最有价值负载；
基于最有价值负载，利用激励相容约束确定各负载到崩溃点的距离和建议负荷的最佳缩减数额，形成初步的需求控制方案；
比较初步的需求控制方案在不同场景下的成本，综合成本和负荷缩减的数量，确定最优需求控制方案，依照最优需求控制方案进行负荷的消减控制。
2.如权利要求1所述的一种基于激励相容约束的有效负荷需求控制方法，其特征是：在进行灵敏度分析时，负载增加平均在每个负载总线上，计算负荷裕度至电压崩溃的灵敏度相对于在各负荷的变化，确定灵敏度最高的若干负载为最有价值负载。
3.如权利要求2所述的一种基于激励相容约束的有效负荷需求控制方法，其特征是：灵敏度计算的过程为：
设定g(x,γ,p)＝0；
式中：
x是状态变量的向量；
γ是的有功和无功负荷功率的矢量；
p是负荷的向量。
4.如权利要求3所述的一种基于激励相容约束的有效负荷需求控制方法，其特征是：如果负荷增加的模式用单位向量k指定，崩溃方法的点应用于产生左特征向量，对任何负载变化的负荷裕度的灵敏度为：
式中：
ΔL为系统安全裕度的变化量；
ΔP为系统的负荷变化量；
K为单位向量；
wgp为左特征向量的p分量；
wgγ为左特征向量的γ分量。
5.如权利要求1所述的一种基于激励相容约束的有效负荷需求控制方法，其特征是：用户缩减电力负荷的成本取决于客户和中断的数量，至少在最初阶段，对用户类型为θ的、缩减量为xMW的成本c(θ,x)为：
c(θ,x)＝K1x2+K2x-K2xθ
θ为说明顾客类型的连续变量，K1、K2为系数。
6.如权利要求1所述的一种基于激励相容约束的有效负荷需求控制方法，其特征是：最优需求控制方案的求解目标为最大化负载削减量和负荷裕度的增加量。
7.如权利要求1所述的一种基于激励相容约束的有效负荷需求控制方法，其特征是：最优需求控制方案的约束条件为消减负荷过程中投入的成本最小。
8.一种基于激励相容约束的有效负荷需求控制系统，其特征是：包括：
灵敏度分析模块，被配置为增加负荷裕度至电压崩溃，以测试目标区域内各负载中灵敏度最优的负载，作为最有价值负载；
激励相容约束计算模块，被配置为基于最有价值负载，利用激励相容约束确定各负载到崩溃点的距离和建议负荷的最佳缩减数额，形成初步的需求控制方案；
最优负荷需求确定模块，被配置为比较初步的需求控制方案在不同场景下的成本，综合成本和负荷缩减的数量，确定最优需求控制方案，依照最优需求控制方案进行负荷的消减控制。
9.一种计算机可读存储介质，其特征是：其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行权利要求1-7中任一项所述的一种基于激励相容约束的有效负荷需求控制方法的步骤。
10.一种终端设备，其特征是：包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行权利要求1-7中任一项所述的一种基于激励相容约束的有效负荷需求控制方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911215037.5A CN111079994A (zh) | 2019-12-02 | 2019-12-02 | 基于激励相容约束的有效负荷需求控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911215037.5A CN111079994A (zh) | 2019-12-02 | 2019-12-02 | 基于激励相容约束的有效负荷需求控制方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111079994A true CN111079994A (zh) | 2020-04-28 |
Family
ID=70312415
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911215037.5A Withdrawn CN111079994A (zh) | 2019-12-02 | 2019-12-02 | 基于激励相容约束的有效负荷需求控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111079994A (zh) |
-
2019
- 2019-12-02 CN CN201911215037.5A patent/CN111079994A/zh not_active Withdrawn
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Fahrioglu et al. | Designing incentive compatible contracts for effective demand management | |
| Sadati et al. | Smart distribution system operational scheduling considering electric vehicle parking lot and demand response programs | |
| Nelson et al. | Model predictive control of microgrids for real-time ancillary service market participation | |
| Carrión et al. | A stochastic programming approach to electric energy procurement for large consumers | |
| Gabriel et al. | Optimal price and quantity determination for retail electric power contracts | |
| Vlachos et al. | Demand response in a real-time balancing market clearing with pay-as-bid pricing | |
| Barth et al. | A comprehensive modelling framework for demand side flexibility in smart grids | |
| Fahrioglu et al. | Designing cost effective demand management contracts using game theory | |
| Mnatsakanyan et al. | Optimal demand response bidding and pricing mechanism: Application for a virtual power plant | |
| Hao et al. | Locational marginal pricing in the campus power system at the power distribution level | |
| Khalili et al. | Simultaneous demand response program and conservation voltage reduction for optimal operation of distribution systems | |
| Nasouri Gilvaei et al. | A two-stage stochastic framework for an electricity retailer considering demand response and uncertainties using a hybrid clustering technique | |
| Shivaie et al. | MULTI OBJECTIVE TRANSMISSION EXPANSION PLANNING USING FUZZY–GENETIC ALGORITHM | |
| JP7049218B2 (ja) | 送電損失計算装置及び送電損失計算方法 | |
| Tushar et al. | Feasibility of using discriminate pricing schemes for energy trading in smart grid | |
| Hirotaka et al. | A design method for incentive-based demand response programs based on a framework of social welfare maximization | |
| Abaza et al. | Demand-side management-based dynamic pricing within smart grid environment | |
| CN112183967A (zh) | 一种基于运营模型的燃气机组控制方法及装置 | |
| Malpica et al. | Valuation of an American option for the Spanish secondary reserve market using a machine learning model | |
| He et al. | Integrated bidding strategies by optimal response to probabilistic locational marginal prices | |
| CN111079994A (zh) | 基于激励相容约束的有效负荷需求控制方法及系统 | |
| Chen et al. | Available transfer capability calculations considering demand response | |
| Xiang et al. | Dynamic price discrimination in demand response market: A bilevel game theoretical model | |
| Ellman et al. | Customer incentives for gaming demand response baselines | |
| Knežević et al. | Applying agent-based modeling to electricity market simulation |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200428 |