CN111275285A - 一种计及可中断负荷容量的用电量调控方法和系统 - Google Patents
一种计及可中断负荷容量的用电量调控方法和系统 Download PDFInfo
- Publication number
- CN111275285A CN111275285A CN201911393389.XA CN201911393389A CN111275285A CN 111275285 A CN111275285 A CN 111275285A CN 201911393389 A CN201911393389 A CN 201911393389A CN 111275285 A CN111275285 A CN 111275285A
- Authority
- CN
- China
- Prior art keywords
- user
- selling company
- electricity
- power
- price
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000005611 electricity Effects 0.000 claims abstract description 206
- 230000001105 regulatory effect Effects 0.000 claims abstract description 3
- 230000001276 controlling effect Effects 0.000 claims abstract 3
- 230000004044 response Effects 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 12
- 238000004088 simulation Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000010248 power generation Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000009194 climbing Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 240000005373 Panax quinquefolius Species 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing 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
- G06Q10/06—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
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Finance (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Biodiversity & Conservation Biology (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
本发明提供一种计及可中断负荷容量的用电量调控方法和系统，该方法包括以下步骤：根据现货市场价格、系统负荷需求量、售电公司的售电信息和用户的用电信息，获取在系统调用用户可中断负荷时售电公司的预期收益和用户的预期收益；采用斯坦科尔伯格双层博弈模型，基于售电公司和用户的预期收益构建售电公司和用户的最大化收益的双层模型；采用逆向倒推法对该双层模型进行求解，确定最优可中断负荷容量并更新售电公司予以用户的调用补贴价格；根据用户拟出售给售电公司的最优可中断负荷容量和更新后的售电公司予以用户的调用补贴价格，确定可中断方案并对用户的实际用电量进行调控。本发明实现了系统可中断负荷时，售电公司和用户的利益的最大化。
Description
技术领域
本发明属于电力系统技术领域,具体涉及一种计及可中断负荷容量的用电量调控方法和系统。
背景技术
目前，需求响应技术已成为解决用电紧缺的一种重要的技术手段，售电公司为电力市场的主要参与者。充分挖掘用户DR(demand response，需求侧响应)潜力以寻求新的盈利增长点成了售电公司业务决策的核心问题。
此外，我国新能源装机比例逐步扩大，通过新增装机容量满足系统高峰负荷需求的方式显然不具备经济性。而可中断负荷(interruptible load，IL)作为DR的一种重要手段，现已成为售电公司代理需求侧资源参与市场、缓解系统压力的关键。因此，从技术实现方法来看，如何设置一种可中断负荷的售电系统成为当务之急，以更好地使用户和售电公司的收益最大化。
一般而言，用户中断用电的成本较高，为了确保用电满意度，系统通常不会轻易调用 IL资源。当存在如下情况：在有限的利用小时数内，发电机组留作备用电量时无法回收容量成本、新能源发电在电能量市场占比较高时、IL的报价低于发电机组的报价而售电公司中标或系统采取减负荷的方式降低了备用和供电成本时，系统才会调用IL资源。
此外，新能源出力的不确定性也是促使系统购买用户IL的关键因素，当风力或光伏发电瞬时减弱，系统净负荷快速增长且备用发电机组爬坡能力不足时，调用IL这种快速响应资源以维持电力供需平衡是目前国际电力市场的常见方法。
现有技术中有基于用户IL成本函数构建分段补偿价格模型，有效地协调了IL效率与实用之间的关系；还有基于博弈论来计算负荷聚合商与用户之间的交互关系并设立最佳激励价格的方法；另外，还有一种基于日前市场负荷和电价预测，通过自适应算法Q网络对激励价格进行优化的系统；
然而，上述现有技术仅考虑了聚合用户负荷这一要素，并未将售电业务考虑进去；在系统调用IL时也未对发电侧情况进行简化分析，仿真结果显示用户在任意时段提供的IL资源并不符合实际情况。
此外，现有技术中尽管对售电公司购售电业务进行分析的同时，考虑了IL对其收益和市场份额，但也并未对售电公司如何利用IL来获取用户和售电公司的利益进行分析。
发明内容
本发明提供一种计及可中断负荷容量的用电量调控方法和系统，以解决现有技术中的至少一个技术问题。
第一方面，本发明实施例提供一种计及可中断负荷容量的方法，该方法包括以下步骤：
预期收益获取：根据现货市场价格、系统负荷需求量、售电公司的售电信息和用户的用电信息，获取在系统调用用户可中断负荷时售电公司的预期收益和用户的预期收益；
模型构建：采用斯坦科尔伯格双层博弈模型，并基于所述售电公司的预期收益和用户的预期收益构建售电公司和用户的最大化收益的双层模型；
模型求解：采用逆向倒推法对所述售电公司和用户的最大化收益双层模型进行求解，以确定用户拟出售给售电公司的最优可中断负荷容量并更新售电公司予以用户的调用补贴价格；
可中断负荷容量调用：根据用户拟出售给售电公司的最优可中断负荷容量和更新后的售电公司予以用户的调用补贴价格，确定可中断方案；并依据所述可中断方案调用所述最优可中断负荷容量，对用户的实际用电量进行调控。
进一步的，获取在系统调用用户可中断负荷时售电公司的预期收益包括以下子步骤：
根据现货市场价格和系统负荷需求量获得系统所需的最小调用容量及调用时段；
所述售电公司的预期收益基于以下参数获得：
用户拟出售给售电公司的可中断负荷容量、系统所需的最小调用容量、售电公司予以用户的调用补贴价格、售电公司的售电价格、售电公司的购电价格、售电公司代理的用户数量和系统需要调用可中断负荷的时段。
进一步的，售电公司的预期收益通过以下公式获得：
USP＝USP1-USP2-USP3
其中，
其中，USP为售电公司在可中断负荷时的所获得的预期收益；
N为售电公司代理的用户数量；T为系统需要调用可中断负荷的时段；
Pt req为系统所需的最小调用容量；
另外，售电公司予以用户的调用补贴价格
的约束条件为：
用户i在t时段拟出售给售电公司的可中断负荷容量
的约束条件为：
其中，
为售电公司予以用户的最低调用补贴价格；
为售电公司予以用户的最高调用补贴价格。
进一步的，获取在系统调用用户可中断负荷时用户的预期收益包括以下子步骤：
(1)分别计算所述用户减少的购电成本Ui1、售电公司予以用户的响应补偿Ui2和用户中断用电时所损失的机会成本Ui3；
其中，用户i在t时段拟出售给售电公司的可中断负荷容量
的约束条件为：
(2)根据用户减少的购电成本Ui1、售电公司予以用户的响应补偿Ui2和用户中断用电时所损失的机会成本Ui3，得到在系统调用用户可中断负荷时用户的预期收益Ui；
Ui＝Ui1+Ui2-μiUi3
其中，μi为用户中断用电时所损失的机会成本Ui3的权重系数；
αi为用户对负荷削减的第一态度值，αi为二次项系数；
βi为用户对负荷削减的第二态度值，βi为一次项系数。
进一步的，所述售电公司和用户的最大化收益的双层模型包括上层模型和下层模型；
所述上层模型是售电公司在可中断负荷时最大化收益模型，即：
max USP＝USP1-USP2-USP3
其中，USP是在系统调用用户可中断负荷时售电公司的预期收益；max USP为售电公司在可中断负荷时获取的最大总收益；
所述下层模型是用户在可中断负荷时的最大化收益模型，即：
max Ui＝Ui1+Ui2-μiUi3
其中，Ui是在系统调用用户可中断负荷时用户的预期收益；max Ui是用户在可中断负荷时获取的最大的总收益；μi为用户中断用电时所损失的机会成本Ui3的权重系数。
进一步的，通过以下公式来确定所述用户i在t时段拟出售给售电公司的最优可中断负荷容量；
进一步的，根据所述用户i在t时段拟出售给售电公司的最优可中断负荷容量，更新售电公司予以用户的调用补贴价格
其中，售电公司予以用户的调用补贴价格
的约束条件为：
进一步的，对售电公司的预期收益USP的Hessian矩阵进行求解；
其中，t和t′为一天当中的可中断负荷被调用的任意时刻；
当t＝t′时，Hessian矩阵的对角线系数小于0；
当t不等于t′时，Hessian矩阵的非对角线系数为0，判断售电公司予以用户的调用补贴价格
存在全局最优解。
进一步的，系统所需的最小调用容量Pt req通过以下公式获得：
其中，T为需要调用可中断负荷的时段；
为市场平衡价格，
为现货市场价格；k1为预设系数；
其中，k1和b1为常系数；
为系统负荷需求量；设定现货市场价格
的范围为(μ-σ,μ+σ)。
第二方面，本发明实施例提供一种计及可中断负荷的系统，该系统包括获取模块、构建确定模块和调用模块；
所述获取模块用于执行以下操作：根据现货市场价格、系统负荷需求量、售电公司的售电信息和用户的用电信息，获取在系统调用用户可中断负荷时售电公司的预期收益和用户的预期收益；
所述构建模块用于执行以下操作：采用斯坦科尔伯格双层博弈模型，并基于所述售电公司的预期收益和用户的预期收益构建售电公司和用户的最大化收益的双层模型；
所述确定模块用于执行以下操作：采用逆向倒推法对所述售电公司和用户的最大化收益双层模型进行求解，以确定用户拟出售给售电公司的最优可中断负荷容量并更新售电公司予以用户的调用补贴价格；
所述调用模块用于执行以下操作：根据用户拟出售给售电公司的最优可中断负荷容量和更新后的售电公司予以用户的调用补贴价格，确定可中断方案；并依据所述可中断方案调用所述最优可中断负荷容量，对用户的实际用电量进行调控。
本发明提供一种计及可中断负荷容量的用电量调控方法和系统，具备电价预测以及推算功能，且具有调用可中断负荷时段的能力，由于考虑了售电公司与用户之间的博弈互动关系，并通过斯坦科尔伯格博弈模型求解，通过仿真结果表明，这种计及可中断负荷容量的方法和系统可帮助售电公司确定可中断合同的内容，确保予以用户的调用补偿价格能在吸引用户参与可中断负荷IL项目之余，使售电公司的收益最大化。同时，仿真结果得出的用户可中断负荷容量能在确保用户自身生产生活不受影响的情况下，实现售电公司和用户的利益的最大化。
附图说明
图1是本发明的实施例提供的一种计及可中断负荷容量的用电量调控方法的流程示意图；
图2是发明的实施例提供的一种计及可中断负荷容量的用电量调控系统的结构示意图；
图3是本发明实施例用户1的负荷需求的仿真示意图；
图4是本发明实施例用户2的负荷需求的仿真示意图；
图5是本发明实施例售电公司预测现货价格及调用时段的仿真示意图；
图6是本发明实施例售电公司预测系统所需最小调用容量的仿真示意图；
图7是本发明实施例在调用时段下系统所需最小调用容量的仿真示意图；
图8是本发明实施例售电公司予以用户的最佳可中断负荷补偿价格的仿真示意图；
图9是本发明实施例用户可供削减的最佳可中断负荷容量的仿真示意图；
图10是本发明实施例案例1下售电公司的收益组成的仿真示意图。
具体实施方式
下面结合附图所示的各实施方式对本发明进行详细说明，但应当说明的是，这些实施方式并非对本发明的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本发明的保护范围之内。
实施例一
本实施例基于IL参与辅助服务市场进行说明，以说明售电公司聚合用户小容量负荷向系统提供备用的营销策略。
售电公司将事先与用户以合同的形式明确约定相关内容，如下表所示。可中断合同类型多样化，大致可分为直接中断、提前通知中断以及每天固定时段中断等。其中，售电公司提出的激励机制，包括了合同类型及系统调用用户负荷时售电公司予以用户的度电补偿。中断的时间越有规律或者提前通知的时间越长，用户签署合同的意愿度就越大，相应地，售电公司可通过设置较低的补偿价格就达到获得用户可中断资源的目的。基于此，本文考虑将合同类型设定为固定时间可中断，即售电公司与用户约定每日负荷可中断的时间，当系统需要调用时只能在合同规定的时段内调用；合同有效期设定为一个月；每次中断的持续时间不超过4小时。
在与用户签完可中断负荷合同之后，售电公司可在辅助服务市场中将其出售。中标后，按照PJM的市场规则，当系统电价高峰、发电侧容量备用不足时，调度部门可向售电公司发出削减负荷指令，由其通知用户按照合同内容进行短时错峰，同时以实时价格为基准对售电公司予以补偿。因此，合同中的中断补偿费用的设定也应与实时电能量市场价格密切相关，参见下表1，表1示出了可中断负荷合同中的主要内容。
表1
参见图1，图1是本发明的实施例提供的一种计及可中断负荷容量的用电量调控方法的流程示意图,该方法包括以下步骤S100-S400；
S100:预期收益获取：根据现货市场价格、系统负荷需求量、售电公司的售电信息和用户的用电信息，获取在系统调用用户可中断负荷时售电公司的预期收益和用户的预期收益；
其中，所述售电公司的售电信息为售电公司的售电价格
所述用户的用电信息包括用户对负荷削减的第一态度值αi和用户对负荷削减的第二态度值βi；
上述步骤S100包括以下子步骤S110-S130；
S110:根据现货市场价格和系统负荷需求量获得系统所需的最小调用容量Pt req及调用时段T，该调用时段T可根据预先采集系统数据获得，是售电公司的一个预判值；
S120:根据用户拟出售给售电公司的可中断负荷容量、系统所需的最小调用容量、、售电公司予以用户的调用补贴价格、售电公司的售电价格、售电公司的购电价格、售电公司代理的用户数量和系统需要调用可中断负荷的时段获取售电公司的预期收益USP；
S130:根据用户拟出售给售电公司的可中断负荷容量、售电公司予以用户的调用补贴和售电公司予以用户的最低调用补贴价格获取用户的预期收益Ui。
具体的，步骤110包括以下子步骤S111和S112；
S111:根据系统负荷需求量Pt获取市场平衡价格λt；
本实施例中，将可中断的时间类型设置为每天固定时间中断，假设系统负荷需求量在一段时间内不发生变化且已知，由于系统负荷需求量是导致现货市场价格波动的重要影响因素，本实施例可基于美国PJM市场数据，认为现货电价在高峰时段服从f(x；μ；σ)对数正态分布，且均值和方差与负荷水平间呈现明显的一次函数关系；
其中，k1和b1为常系数；
为系统负荷需求量；
为市场平衡价格。
S112:将现货市场价格
的正常范围设定为(μ-σ,μ+σ)，当
时，则判断系统的电价过高并计算得到系统所需的最小调用容量
所述最小调用容量Pt req通过以下公式获得：
其中，T为系统需要调用可中断负荷IL的时段，以小时为单位；
为市场平衡价格，k1为一个设定的系数，例如可以为0.9。
其中，系统供需平衡的约束条件为：
具体的，售电公司通常可通过短期预测来精确估计现货市场价格，假设预测未来t时段现货市场价格为
当现货市场价格
出现峰值时，极大可能意味着系统供需不平衡，需要调用备用容量来缓解电网压力，通常意义而言，供需越失衡需要调用的备用容量越大；而电价适中时，系统则不会调用备用容量。因此，按照公式(1)，系统负荷需求量计算出现货市场价格的均值和方差，利用“3σ”原则选择现货市场价格过高的时段。
为了更好地说明本实施例的技术效果，可以将现货市场价格
的正常范围设定为 (μ-σ,μ+σ)，即当
时，则判断系统的电价过高，且将该价格约束称为市场平衡价格，设定现货市场价格
以用于调用最小调用容量Pt req。
然而在实际测算中，电价可能在腰荷出现局部最大值，使得仿真结果显示该时段电价过高。在排除大规模新能源出力不确定性、发电机组爬坡能力不足的情况下，认为在腰荷时段，系统本身具有充足且廉价的发电资源，因此不考虑调用可中断负荷IL。
在本实施例中，假设电价超过100美元/MWh的时段为尖峰时段，在此基础上如果
则认为系统采用调用用户IL的方式可提高供电可靠性，且为了后续双层模型计算简便，此处仅考虑可中断负荷IL这一种需求侧响应方式。
具体的，在步骤S120中，根据用户拟出售给售电公司的可中断负荷容量、系统所需的最小调用容量、售电公司予以用户的调用补贴价格、售电公司的售电价格、售电公司的购电价格、售电公司代理的用户数量和系统需要调用可中断负荷的时段获取所述售电公司在可中断负荷时的所获得的预期收益USP。
一般情况下，所述售电公司在可中断负荷时所获得的预期总收益包括：容量差价收益和补偿差价收益，所述容量差价收益是辅助服务市场中竞标成功的容量差价收益，所述补偿差价收益是电能量市场中系统调用的补偿差价收益。
本实施例中，售电公司在可中断负荷时的所获得的预期总收益在进行建模时暂不考虑容量差价收益，假设在电价高峰期，售电公司在市场中针对可中断负荷IL的报价低于系统新增一台发电机组作为备用的边际成本，系统可以调用用户可中断负荷IL。
通常情况下，售电公司鼓励用户参与可中断负荷IL计划，并与售电公司的购售电业务同时进行。
因此，当系统调用用户的可中断负荷IL时，影响在系统调用用户可中断负荷时售电公司的预期收益USP包括以下3个方面：
(1)第一收益USP1，所述第一收益USP1是系统按照现货市场价格调用可中断负荷IL时售电公司获得的收入；
(2)第二收益USP2，所述第二收益USP2是用户负荷削减时，售电公司减少的售电收益；
(3)以及第三收益USP3，所述第三收益USP3是售电公司予以用户的调用补贴；
其中，第一收益USP1通过以下公式获得：
第二收益USP2通过以下公式获得：
第三收益USP3通过以下公式获得：
上面的式(3)-(7)中，N为售电公司代理的用户数量；T为系统需要调用可中断负荷IL的时段，以小时为单位；
Pt req为系统所需的最小调用容量；
根据第一收益USP1、第二收益USP2和第三收益USP3来获得售电公司在可中断负荷时的所获得的预期总收益USP：：
USP＝USP1-USP2-USP3 (8)
其中，USP为在系统调用用户可中断负荷时售电公司的预期收益。
具体的，在步骤S130中，根据用户拟出售给售电公司的可中断负荷容量、售电公司予以用户的调用补贴和售电公司予以用户的最低调用补贴价格获取用户的预期收益Ui；
售电公司予以用户的调用补贴
影响用户参与可中断负荷IL计划的意愿度，对于电费成本占比较大的用户而言，在考虑中断用电时所损失的机会成本时还会考虑用户减少的购电成本。
因此，影响用户在系统调用用户可中断负荷时用户的预期收益Ui包括以下3个因素：
(1)用户减少的购电成本Ui1；
(2)售电公司予以用户的响应补偿Ui2；
(3)用户中断用电时所损失的机会成本Ui3，该机会成本Ui3可以反映出用户响应系统调用指令对其生产生活造成的影响。
上述用户减少的购电成本Ui1和用户中断用电时所损失的机会成本Ui3均为用户在负荷削减时所带来的成本。
用户基于售电公司予以用户的响应补偿Ui2、用户在负荷削减时所带来的成本Ui1和Ui3，得到所述在系统调用用户可中断负荷时用户的预期收益Ui，从而优化最终签订的可中断负荷合同，从而同意出售的可中断负荷IL容量。
上述步骤S130包括以下子步骤S131和S132：
S131:分别计算所述用户减少的购电成本Ui1、售电公司予以用户的响应补偿Ui2和用户中断用电时所损失的机会成本Ui3；
其中，对于单个用户在可中断负荷时，各可中断负荷IL的收益函数如下：
公式(11)用于模拟由于缺电比率造成的用户中断成本，其中αi和βi是与用户用电偏好相关的参数，可通过用户的用电数据来得。αi为一个用户对负荷削减的态度值，αi为二次项系数，αi越大，表明用户削减负荷产生的损失越大，越不倾向于参与可中断负荷 IL计划；βi为另一个用户对负荷削减的态度值，βi为一次项系数。
S132:根据用户减少的购电成本Ui1、售电公司予以用户的响应补偿Ui2和用户中断用电时所损失的机会成本Ui3，得到在系统调用用户可中断负荷时用户的预期收益Ui；
其中，μi为用户中断用电时所损失的机会成本Ui3的权重系数，Ui是在系统调用用户可中断负荷时用户的预期收益。
S200:采用斯坦科尔伯格双层博弈模型，并基于所述售电公司的预期收益和用户的预期收益构建售电公司和用户的最大化收益的双层模型；
为最大化提高用户参与可中断负荷IL计划的积极性，售电公司应对合同内的调用补偿价格
进行设置，以确保在可中断负荷时售电公司和用户的收益最大化。
一般来说，售电公司予以用户的补偿价格
越高，用户参与可中断项目的可能性就越大，其愿意提供的IL容量也会越多。而过多的出售备用电量时，当系统调用电量时也将对用户自身用电造成影响，可能导致售电公司予以用户的响应补偿Ui2小于用户在负荷削减时所带来的成本Ui1和Ui3，从而使用户的收益出现亏损。
因此，本实施例基于在系统调用用户可中断负荷时售电公司的预期收益和用户的预期收益，来构建售电公司和用户的最大化收益的双层模型；
其中，该双层模型的上层模型是售电公司在可中断负荷时最大化收益模型，即：
max USP＝USP1-USP2-USP3
其中，max USP是售电公司在可中断负荷时获取的最大总收益。
该双层模型的下层模型是用户在可中断负荷时的最大化收益模型，即：
max Ui＝Ui1+Ui2-μiUi3
其中，max Ui是用户在可中断负荷时获取的最大的总收益。
考虑到售电公司与用户在决策时序上存在先后关系，本实施例基于斯坦科尔伯格博弈论框架对售电公司和用户之间的相关性进行建模。
现有技术中，一般是采用正向推演方法来对售电公司和用户的最大化收益的双层模型进行求解，具体步骤如下：
假设售电公司为博弈模型中的领导者，售电公司率先做出决策并向用户发送未来系统调用时予以的补偿价格；
用户作为博弈模型中的追随者，在确保自身利益最大的情况下对售电公司的激励机制做出响应，优化自身可供削减的负荷容量；
用户优化的可中断负荷IL容量结果再对售电公司制定调用补偿价格进行调控，循环往复直至，在售电公司和用户的收益均不再增加时，双方的利益达到均衡。针对上述1位领导者，N为跟随者的斯坦科尔伯格博弈模型，现有技术中的这种正向推演方法的计算过程略显繁琐。
本实施例通过对所述售电公司和用户的最大化收益的双层模型进行求解，分别获得售电公司和用户在可中断负荷时获取的最大的总收益，以维持售电公司与用户之间的利益平衡。
S300:模型求解步骤，采用逆向倒推法对所述售电公司和用户的最大化收益双层模型进行求解，以确定用户拟出售给售电公司的最优可中断负荷容量并更新售电公司予以用户的调用补贴价格；
所述逆向倒推法为每一位博弈者在做决策时均对未来可能的后果进行展望，然后从最后的一步的结果着手向前推演，直至在每一次决策时寻求最优。
其中，上述模型求解步骤S300包括以下子步骤S310和S320：
具体的，S310:所述用户拟出售给售电公司的最优可中断负荷容量通过以下公式获得：
求解用户在可中断负荷时的所获得的预期总收益Ui的函数的一阶导数，以确定每一时段的最优可中断负荷容量；
由于
通过公式(15)，可以得出用户在可中断负荷时的所获得的预期总收益Ui在可行域内是严格凸函数，极值即为公式(12)的全局最优解，由此可得用户i在t时段拟出售给售电公司的最优可中断负荷容量：
S320:根据用户i在t时段拟出售给售电公司的最优可中断负荷容量，更新售电公司予以用户的调用补贴价格
将公式(16)代入公式(8)，得到：
其中，售电公司予以用户的调用补贴价格
的约束条件为：
则
可行域范围由式(6、18、19)组成。
此外，为证明
的唯一性，对USP求其Hessian矩阵如下所示：
公式(20)中，t和t′为一天当中的可中断负荷被调用的任意时刻；当t＝t′时，Hessian 矩阵对角线系数小于0，当t不等于t′时，Hessian矩阵非对角线系数为0，表明售电公司总收益目标函数是严格凸函数，即调用补偿价格的设定存在全局最优解。
S400:根据用户拟出售给售电公司的最优可中断负荷容量和更新后的售电公司予以用户的调用补贴价格，确定可中断方案；并依据所述可中断方案调用所述最优可中断负荷容量，对用户的实际用电量进行调控。
通过本实施例，可以确定系统在需要调用可中断负荷时，用户可以提供的可中断负荷容量以及售电公司予以用户的调用补贴价格。
在实际应用过程中，根据用户拟出售给售电公司的最优可中断负荷容量和更新后的售电公司予以用户的调用补贴价格，售电公司与用户签署可中断负荷合同，并在系统可靠性受到威胁时，允许系统调用最优可中断负荷容量，从而使得售电公司和用户在可中断负荷时分别可以获取到最大收益。
实施例二
图2为本发明实施例提供的一种计及可中断负荷容量的系统，参见图2，所述系统包括获取模块、构建确定模块和调用模块；
所述获取模块用于执行以下操作：根据现货市场价格、系统负荷需求量、售电公司的售电信息和用户的用电信息，获取在系统调用用户可中断负荷时售电公司的预期收益和用户的预期收益；
所述构建模块用于执行以下操作：采用斯坦科尔伯格双层博弈模型，并基于所述售电公司的预期收益和用户的预期收益构建售电公司和用户的最大化收益的双层模型；
所述确定模块用于执行以下操作：采用逆向倒推法对所述售电公司和用户的最大化收益双层模型进行求解，以确定用户拟出售给售电公司的最优可中断负荷容量并更新售电公司予以用户的调用补贴价格；
所述调用模块用于执行以下操作：根据用户拟出售给售电公司的最优可中断负荷容量和更新后的售电公司予以用户的调用补贴价格，确定可中断方案；并依据所述可中断方案调用所述最优可中断负荷容量，对用户的实际用电量进行调控。
上述各个模块的具体实施方式与实施例一的各个方法步骤的具体实施方式一致，在此不再赘述。
下面将以一个仿真模型来说明本发明的可中断负荷的售电方法的具体仿真过程和结果。
本实施例考虑了一个售电公司和两个零售用户之间的互动关系，实际应用中可扩展至 N个用户，基于斯坦科尔伯格双层博弈模型并利用所述初始数据构建售电公司和用户的收益最大化双层模型；通过Cplex进行仿真模拟并求解分析。
其中，所述双层模型中的用户负荷数据和现货市场电价数据选自美国PJM官方网站。
参见图3和4，假设用户1、2维持生产生活所需最小容量分别为总负荷需求的70％和60％，为避免数量级不对等造成的结果偏差，在实际算例中将负荷数据进行等比例缩小以适应模型。
假设现货市场电价均值和方差与系统总体供需水平存在如下关系μ＝-68.36018+1.6442q，σ＝-13.93837+0.38715q。
售电公司通过电价预测得出未来某月5条典型工作日的价格曲线，与按照供需关系计算出来的平衡电价进行对比，预判未来系统电价高峰时需要调用IL的时段及系统所需最小调用容量参见图5和6；
参见图6，共有10个时段售电公司预测系统需要调用用户IL，将其频次记录于下表2。
在实际营销中，售电公司可根据频次分布图，选择概率最大的调用时段与用户确定每日固定中断的时间。为更清晰地展示后续仿真结果，表2将仅以这10个时段为横坐标，忽略其他不会调用的时段。
表2售电公司预测未来系统调用可中断负荷时段
参见图7，图7显示了系统所需最小调用容量与现货市场价格之间的关系。值得注意的是，现货市场价格的高低与系统需要调用的IL容量大小并不成正比。在供需双方的共同作用下，现货市场价格超出平衡电价越多时，才表明系统发电容量在充裕性方面存在较大不足，因此需要调用更多的可中断负荷容量缓解供需不平衡压力。
假设用户中断用电损失参数α1＝5,α2＝3.5，β1＝β2＝20，在上述系统调用IL时段，对斯坦科尔伯格模型求解得出售电公司给予用户的最佳补偿价格及用户可中断负荷容量。
参见图9，图9显示了用户损失函数的权重系数μ与博弈结果之间的关系。μ越大，表明用户削减负荷的损失越大，用户参与IL计划的意愿度就越小。
因此从图8可以看出，在同一现货市场电价水平下，售电公司需要设计较大的调用补偿价格，以激励用户参与IL计划。与此同时，最优补偿价格的设定还与现货市场电价水平呈正相关。现货市场价格越高，系统予以售电公司的补偿价格就越大，因此售电公司在设计IL补偿价格时会考虑这部分因素，提高予以用户的补偿价格以刺激其参与IL计划的积极性。
此外，μ值还将影响用户可供调用的最佳负荷容量。参见图9，μ越大，用户在确定可中断容量时越保守；反之μ越小，用户更愿意在综合自身生产因素的前提下，卖更多的备用以获得调用补偿收益。仿真结果同时表明，构建售电公司与用户的斯坦科尔伯格博弈模型，求解得出的用户最佳可中断容量能较好的满足系统维持供需平衡所需调用的容量需求。
对售电公司采取中断负荷营销策略的利润展开分析，取μ为0.7时的博弈均衡结果，比较用户参与IL计划前后售电公司的收益情况。
其中，参见图9，在案例1考虑用户参与IL计划，且系统在实际电价水平下对用户负荷进行调用。
案例2中则认为用户没有参与可中断计划，售电公司的收益仅为售电收益。
案例1和2的收益对比参见表3。
表3各博弈主体收益对比
| 案例1 | 案例2 | |
| 售电公司利润 | 1032.26美元 | 198.58美元 |
| 用户总收益 | 1415.20美元 | 517.49美元 |
由于中长期市场通常会帮助售电公司规避现货市场价格风险，因此售电公司签长期购电合同赚取的售电收益不会太高。算例结果表明，案例1下售电公司赚取的净利润为案例2 下的5.2倍，即售电公司若能有效利用现货市场价格波动，对电价进行合理预测并代理用户IL参与市场，可帮助其获取售电业务之外新的盈利增长点。此外，对用户的收益情况展开分析，案例1下用户总收益较案例2增长1.73倍，表明开展IL计划能使用户在满足自身用电的情况下，通过出售备用减少能源消耗，节约电量的同时提高系统可靠性，并赚取一定的调用补偿收益。
本发明具有以下优点：
本发明提供的计及可中断负荷容量的方法和系统，具备电价预测以及推算功能，且具有调用可中断负荷时段的能力，由于考虑了售电公司与用户之间的博弈互动关系，并通过斯坦科尔伯格博弈模型求解，通过仿真结果表明，这种计及可中断负荷容量的方法和系统可帮助售电公司确定可中断合同的内容，确保予以用户的调用补偿价格能在吸引用户参与可中断负荷IL项目之余，使售电公司的收益最大化。同时，仿真结果得出的用户可中断负荷容量能在确保用户自身生产生活不受影响的情况下，实现售电公司和用户的利益的最大化。
本领域普通技术人员可以意识到，结合本发明实施例中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种计及可中断负荷容量的用电量调控方法，其特征在于，所述方法包括以下步骤：
预期收益获取：根据现货市场价格、系统负荷需求量、售电公司的售电信息和用户的用电信息，获取在系统调用用户可中断负荷时售电公司的预期收益和用户的预期收益；
模型构建：采用斯坦科尔伯格双层博弈模型，并基于所述售电公司的预期收益和用户的预期收益构建售电公司和用户的最大化收益的双层模型；
模型求解：采用逆向倒推法对所述售电公司和用户的最大化收益双层模型进行求解，以确定用户拟出售给售电公司的最优可中断负荷容量并更新售电公司予以用户的调用补贴价格；
可中断负荷容量调用：根据用户拟出售给售电公司的最优可中断负荷容量和更新后的售电公司予以用户的调用补贴价格，确定可中断方案；并依据所述可中断方案调用所述最优可中断负荷容量，对用户的实际用电量进行调控。
2.根据权利要求1所述的用电量调控方法，其特征在于，获取在系统调用用户可中断负荷时售电公司的预期收益包括以下子步骤：
根据现货市场价格和系统负荷需求量获得系统所需的最小调用容量及调用时段；
所述售电公司的预期收益基于以下参数获得：
用户拟出售给售电公司的可中断负荷容量、系统所需的最小调用容量、售电公司予以用户的调用补贴价格、售电公司的售电价格、售电公司的购电价格、售电公司代理的用户数量和系统需要调用可中断负荷的时段。
3.根据权利要求2所述的用电量调控方法，其特征在于，售电公司的预期收益通过以下公式获得：
USP＝USP1-USP2-USP3
其中，
其中，USP为售电公司在可中断负荷时的所获得的预期收益；
N为售电公司代理的用户数量；T为系统需要调用可中断负荷的时段；
Pt req为系统所需的最小调用容量；
另外，售电公司予以用户的调用补贴价格
的约束条件为：
用户i在t时段拟出售给售电公司的可中断负荷容量
的约束条件为：
其中，
为售电公司予以用户的最低调用补贴价格；
为售电公司予以用户的最高调用补贴价格。
4.根据权利要求3所述的用电量调控方法，其特征在于，获取在系统调用用户可中断负荷时用户的预期收益包括以下子步骤：
(1)分别计算所述用户减少的购电成本Ui1、售电公司予以用户的响应补偿Ui2和用户中断用电时所损失的机会成本Ui3；
其中，用户i在t时段拟出售给售电公司的可中断负荷容量
的约束条件为：
(2)根据用户减少的购电成本Ui1、售电公司予以用户的响应补偿Ui2和用户中断用电时所损失的机会成本Ui3，得到在系统调用用户可中断负荷时用户的预期收益Ui；
Ui＝Ui1+Ui2-μiUi3
其中，μi为用户中断用电时所损失的机会成本Ui3的权重系数；
αi为用户对负荷削减的第一态度值，αi为二次项系数；
βi为用户对负荷削减的第二态度值，βi为一次项系数。
5.根据权利要求1所述的用电量调控方法，其特征在于，所述售电公司和用户的最大化收益的双层模型包括上层模型和下层模型；
所述上层模型是售电公司在可中断负荷时最大化收益模型，即：
max USP＝USP1-USP2-USP3
其中，USP是在系统调用用户可中断负荷时售电公司的预期收益；max USP为售电公司在可中断负荷时获取的最大总收益；
所述下层模型是用户在可中断负荷时的最大化收益模型，即：
max Ui＝Ui1+Ui2-μiUi3
其中，Ui是在系统调用用户可中断负荷时用户的预期收益；max Ui是用户在可中断负荷时获取的最大的总收益；μi为用户中断用电时所损失的机会成本Ui3的权重系数。
6.根据权利要求5所述的用电量调控方法，其特征在于，通过以下公式来确定所述用户i在t时段拟出售给售电公司的最优可中断负荷容量；
7.根据权利要求6所述的用电量调控方法，其特征在于，
根据所述用户i在t时段拟出售给售电公司的最优可中断负荷容量，更新售电公司予以用户的调用补贴价格
其中，售电公司予以用户的调用补贴价格
的约束条件为：
8.根据权利要求7所述的用电量调控方法，其特征在于，对售电公司的预期收益USP的Hessian矩阵进行求解；
其中，t和t′为一天当中的可中断负荷被调用的任意时刻；
当t＝t′时，Hessian矩阵的对角线系数小于0；
当t不等于t′时，Hessian矩阵的非对角线系数为0，判断售电公司予以用户的调用补贴价格
存在全局最优解。
9.根据权利要求1-8任一项所述的用电量调控方法，其特征在于：
系统所需的最小调用容量Pt req通过以下公式获得：
其中，T为需要调用可中断负荷的时段；λt为市场平衡价格，
为现货市场价格；k1为预设系数；
其中，k1和b1为常系数；
为系统负荷需求量；设定现货市场价格
的范围为(μ-σ,μ+σ)。
10.一种计及可中断负荷容量的用电量调控系统，其特征在于，所述系统包括获取模块、构建确定模块和调用模块；
所述获取模块用于执行以下操作：根据现货市场价格、系统负荷需求量、售电公司的售电信息和用户的用电信息，获取在系统调用用户可中断负荷时售电公司的预期收益和用户的预期收益；
所述构建模块用于执行以下操作：采用斯坦科尔伯格双层博弈模型，并基于所述售电公司的预期收益和用户的预期收益构建售电公司和用户的最大化收益的双层模型；
所述确定模块用于执行以下操作：采用逆向倒推法对所述售电公司和用户的最大化收益双层模型进行求解，以确定用户拟出售给售电公司的最优可中断负荷容量并更新售电公司予以用户的调用补贴价格；
所述调用模块用于执行以下操作：根据用户拟出售给售电公司的最优可中断负荷容量和更新后的售电公司予以用户的调用补贴价格，确定可中断方案；并依据所述可中断方案调用所述最优可中断负荷容量，对用户的实际用电量进行调控。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911393389.XA CN111275285B (zh) | 2019-12-30 | 2019-12-30 | 一种计及可中断负荷容量的用电量调控方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911393389.XA CN111275285B (zh) | 2019-12-30 | 2019-12-30 | 一种计及可中断负荷容量的用电量调控方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111275285A true CN111275285A (zh) | 2020-06-12 |
| CN111275285B CN111275285B (zh) | 2024-02-20 |
Family
ID=71001539
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911393389.XA Active CN111275285B (zh) | 2019-12-30 | 2019-12-30 | 一种计及可中断负荷容量的用电量调控方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111275285B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114266405A (zh) * | 2021-12-24 | 2022-04-01 | 华北电力大学 | 一种负荷聚合商参与电力市场竞价的优化调度方法 |
| CN114926213A (zh) * | 2022-05-26 | 2022-08-19 | 北京中电普华信息技术有限公司 | 基于代理购电的购电信息确定方法和装置 |
Citations (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6067482A (en) * | 1999-01-08 | 2000-05-23 | Hussmann Corporation | Load shifting control system for commercial refrigeration |
| CN102751728A (zh) * | 2012-07-26 | 2012-10-24 | 浙江大学 | 基于负荷中断模型的微网孤网运行的能量管理方法 |
| CN104378779A (zh) * | 2014-11-26 | 2015-02-25 | 中国联合网络通信集团有限公司 | 一种rnc信令面承载能力评估方法及装置 |
| CN105162115A (zh) * | 2015-09-01 | 2015-12-16 | 东南大学 | 含直接控制负荷和可中断负荷的售电公司两阶段调度方法 |
| CN106229992A (zh) * | 2016-08-29 | 2016-12-14 | 西电通用电气自动化有限公司 | 电力市场下的微电网能量管理方法 |
| CN106960270A (zh) * | 2017-02-27 | 2017-07-18 | 河海大学 | 一种考虑需求侧响应的配电变压器效益潜力评估方法 |
| CN107276084A (zh) * | 2017-07-25 | 2017-10-20 | 南方电网科学研究院有限责任公司 | 电力系统的中断负荷控制装置 |
| CN107679670A (zh) * | 2017-10-19 | 2018-02-09 | 东南大学 | 一种基于tc‑cvar的工业园区售电商购售电优化方法 |
| CN108279566A (zh) * | 2017-12-20 | 2018-07-13 | 上海电力学院 | 一种负荷聚合商的多家庭用电能量需求响应调控方法 |
| CN108418210A (zh) * | 2018-03-08 | 2018-08-17 | 国网山东省电力公司经济技术研究院 | 提高风电消纳能力的可中断负荷机制设计优化方法 |
| CN108446796A (zh) * | 2018-03-01 | 2018-08-24 | 国网福建省电力有限公司 | 考虑电动汽车负荷需求响应的网-源-荷协调规划方法 |
| CN108596408A (zh) * | 2018-05-28 | 2018-09-28 | 国网福建省电力有限公司 | 计及峰谷电价的售电公司组合购电优化方法 |
| US20180299077A1 (en) * | 2017-04-18 | 2018-10-18 | Air Products And Chemicals, Inc. | Control system in an industrial gas pipeline network to satisfy energy consumption constraints at production plants |
| CN108898282A (zh) * | 2018-06-06 | 2018-11-27 | 华北电力大学 | 数据中心资源优化调度方法及计算机存储介质 |
| US20180356770A1 (en) * | 2017-06-07 | 2018-12-13 | Johnson Controls Technology Company | Building energy optimization system with automated and dynamic economic load demand response (eldr) optimization |
| US20180357577A1 (en) * | 2017-06-07 | 2018-12-13 | Johnson Controls Technology Company | Building energy optimization system with economic load demand response (eldr) optimization |
| CN109038557A (zh) * | 2018-08-01 | 2018-12-18 | 山东理工大学 | 一种考虑风险规避的风电和电价的主动配电网规划方法 |
| CN109038672A (zh) * | 2018-08-27 | 2018-12-18 | 华北电力大学 | 一种平抑可再生能源波动的多目标鲁棒优化配置方法 |
| CN109274094A (zh) * | 2018-10-24 | 2019-01-25 | 南方电网科学研究院有限责任公司 | 基于博弈论的需求侧响应补贴价格制定方法及相关产品 |
| KR20190036488A (ko) * | 2017-09-27 | 2019-04-04 | 한양대학교 에리카산학협력단 | 스마트 그리드에서 산업 부하 관리를 위한 실시간 결정 방법 및 시스템 |
| CN109740948A (zh) * | 2019-01-08 | 2019-05-10 | 重庆大学 | 一种计及用户需求响应的售电公司购电决策方法 |
| CN109784594A (zh) * | 2017-11-10 | 2019-05-21 | 中国电力科学研究院有限公司 | 一种售电商可调负荷决策方法及系统 |
| CN109829578A (zh) * | 2019-01-18 | 2019-05-31 | 广东电网有限责任公司 | 一种售电商与多元用户需求响应博弈方法及设备 |
| CN109872005A (zh) * | 2019-03-11 | 2019-06-11 | 三峡大学 | 基于Stackelberg博弈的智能电网完全分布式需求响应调度方法 |
| CN109934454A (zh) * | 2019-01-25 | 2019-06-25 | 河海大学 | 基于Nash收益共享的可中断负荷补偿方法 |
| US20190323718A1 (en) * | 2018-04-24 | 2019-10-24 | Johnson Controls Technology Company | Central plant control system with decaying capacity adjustment |
-
2019
- 2019-12-30 CN CN201911393389.XA patent/CN111275285B/zh active Active
Patent Citations (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6067482A (en) * | 1999-01-08 | 2000-05-23 | Hussmann Corporation | Load shifting control system for commercial refrigeration |
| CN102751728A (zh) * | 2012-07-26 | 2012-10-24 | 浙江大学 | 基于负荷中断模型的微网孤网运行的能量管理方法 |
| CN104378779A (zh) * | 2014-11-26 | 2015-02-25 | 中国联合网络通信集团有限公司 | 一种rnc信令面承载能力评估方法及装置 |
| CN105162115A (zh) * | 2015-09-01 | 2015-12-16 | 东南大学 | 含直接控制负荷和可中断负荷的售电公司两阶段调度方法 |
| CN106229992A (zh) * | 2016-08-29 | 2016-12-14 | 西电通用电气自动化有限公司 | 电力市场下的微电网能量管理方法 |
| CN106960270A (zh) * | 2017-02-27 | 2017-07-18 | 河海大学 | 一种考虑需求侧响应的配电变压器效益潜力评估方法 |
| US20180299077A1 (en) * | 2017-04-18 | 2018-10-18 | Air Products And Chemicals, Inc. | Control system in an industrial gas pipeline network to satisfy energy consumption constraints at production plants |
| US20180357577A1 (en) * | 2017-06-07 | 2018-12-13 | Johnson Controls Technology Company | Building energy optimization system with economic load demand response (eldr) optimization |
| US20180356770A1 (en) * | 2017-06-07 | 2018-12-13 | Johnson Controls Technology Company | Building energy optimization system with automated and dynamic economic load demand response (eldr) optimization |
| CN107276084A (zh) * | 2017-07-25 | 2017-10-20 | 南方电网科学研究院有限责任公司 | 电力系统的中断负荷控制装置 |
| KR20190036488A (ko) * | 2017-09-27 | 2019-04-04 | 한양대학교 에리카산학협력단 | 스마트 그리드에서 산업 부하 관리를 위한 실시간 결정 방법 및 시스템 |
| CN107679670A (zh) * | 2017-10-19 | 2018-02-09 | 东南大学 | 一种基于tc‑cvar的工业园区售电商购售电优化方法 |
| CN109784594A (zh) * | 2017-11-10 | 2019-05-21 | 中国电力科学研究院有限公司 | 一种售电商可调负荷决策方法及系统 |
| CN108279566A (zh) * | 2017-12-20 | 2018-07-13 | 上海电力学院 | 一种负荷聚合商的多家庭用电能量需求响应调控方法 |
| CN108446796A (zh) * | 2018-03-01 | 2018-08-24 | 国网福建省电力有限公司 | 考虑电动汽车负荷需求响应的网-源-荷协调规划方法 |
| CN108418210A (zh) * | 2018-03-08 | 2018-08-17 | 国网山东省电力公司经济技术研究院 | 提高风电消纳能力的可中断负荷机制设计优化方法 |
| US20190323718A1 (en) * | 2018-04-24 | 2019-10-24 | Johnson Controls Technology Company | Central plant control system with decaying capacity adjustment |
| CN108596408A (zh) * | 2018-05-28 | 2018-09-28 | 国网福建省电力有限公司 | 计及峰谷电价的售电公司组合购电优化方法 |
| CN108898282A (zh) * | 2018-06-06 | 2018-11-27 | 华北电力大学 | 数据中心资源优化调度方法及计算机存储介质 |
| CN109038557A (zh) * | 2018-08-01 | 2018-12-18 | 山东理工大学 | 一种考虑风险规避的风电和电价的主动配电网规划方法 |
| CN109038672A (zh) * | 2018-08-27 | 2018-12-18 | 华北电力大学 | 一种平抑可再生能源波动的多目标鲁棒优化配置方法 |
| CN109274094A (zh) * | 2018-10-24 | 2019-01-25 | 南方电网科学研究院有限责任公司 | 基于博弈论的需求侧响应补贴价格制定方法及相关产品 |
| CN109740948A (zh) * | 2019-01-08 | 2019-05-10 | 重庆大学 | 一种计及用户需求响应的售电公司购电决策方法 |
| CN109829578A (zh) * | 2019-01-18 | 2019-05-31 | 广东电网有限责任公司 | 一种售电商与多元用户需求响应博弈方法及设备 |
| CN109934454A (zh) * | 2019-01-25 | 2019-06-25 | 河海大学 | 基于Nash收益共享的可中断负荷补偿方法 |
| CN109872005A (zh) * | 2019-03-11 | 2019-06-11 | 三峡大学 | 基于Stackelberg博弈的智能电网完全分布式需求响应调度方法 |
Non-Patent Citations (3)
| Title |
|---|
| 朱兆霞: "PJM日前市场电价的统计分析" * |
| 朱兆霞: "PJM日前市场电价的统计分析", 《电力系统自动化》, vol. 30, no. 23, pages 53 - 57 * |
| 蔡含虎: "计及需求响应的综合能源系统容量经济配置及效益分析", 《电力自动化设备》, vol. 39, no. 8, 31 August 2019 (2019-08-31), pages 186 - 194 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114266405A (zh) * | 2021-12-24 | 2022-04-01 | 华北电力大学 | 一种负荷聚合商参与电力市场竞价的优化调度方法 |
| CN114926213A (zh) * | 2022-05-26 | 2022-08-19 | 北京中电普华信息技术有限公司 | 基于代理购电的购电信息确定方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111275285B (zh) | 2024-02-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Rashidizadeh-Kermani et al. | A regret-based stochastic bi-level framework for scheduling of DR aggregator under uncertainties | |
| Ketter et al. | The 2020 power trading agent competition | |
| Prete et al. | A cooperative game theoretic analysis of incentives for microgrids in regulated electricity markets | |
| Niromandfam et al. | Modeling demand response based on utility function considering wind profit maximization in the day-ahead market | |
| Aalami et al. | Modeling and prioritizing demand response programs in power markets | |
| Adika et al. | Demand-side bidding strategy for residential energy management in a smart grid environment | |
| Hasani et al. | Dynamic assessment of capacity investment in electricity market considering complementary capacity mechanisms | |
| Motalleb et al. | A real-time demand response market through a repeated incomplete-information game | |
| JP2022130284A (ja) | プールおよび先物市場におけるバーチャルパワープラントのリスク制約最適化 | |
| Kota et al. | Cooperatives for demand side management | |
| CN106374536B (zh) | 新能源接入条件下电力容量市场的低碳电源投资决策方法 | |
| Golmohamadi et al. | Stochastic optimization for retailers with distributed wind generation considering demand response | |
| US11416936B1 (en) | Systems and methods for managing a renewable power asset | |
| CN110852519A (zh) | 一种考虑多类型负荷的售电公司最优盈利方法 | |
| Schlachter et al. | Optimised capacity and operating strategy for providing frequency containment reserve with batteries and power-to-heat | |
| CN115358787A (zh) | 考虑交易风险的虚拟电厂现货市场申报方法及相关装置 | |
| Lu et al. | Data center aggregators’ optimal bidding and benefit allocation strategy considering the spatiotemporal transfer characteristics | |
| CN111275285A (zh) | 一种计及可中断负荷容量的用电量调控方法和系统 | |
| Khajeh et al. | Blockchain-based demand response using prosumer scheduling | |
| Zhang et al. | Shared energy storage-assisted and tolerance-based alliance strategy for wind power generators based on cooperative game and resource dependence theories | |
| CN112906975A (zh) | 一种双层优化方法及其装置 | |
| Zahid et al. | Analyses on the impact of consumers’ participation by demand response for flexibility procurement | |
| Cramton et al. | Eliminating the flaws in New England's reserve markets | |
| Chen et al. | Operating Strategy of Interruptible Load Based on Game Theory | |
| CN116739182B (zh) | 售电信息输出方法、装置、电子设备和存储介质 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230517 Address after: No.73 Tuodong Road, Guandu District, Kunming, Yunnan 650011 Applicant after: KUNMING ELECTRIC POWER TRANSACTION CENTER CO.,LTD. Address before: No.73 Tuodong Road, Guandu District, Kunming, Yunnan 650011 Applicant before: KUNMING ELECTRIC POWER TRANSACTION CENTER CO.,LTD. Applicant before: Beijing Huayi Zhishang Energy Consulting Center |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |