CN111582909A - 电力需求响应模型的建立方法、求解方法和装置 - Google Patents
电力需求响应模型的建立方法、求解方法和装置 Download PDFInfo
- Publication number
- CN111582909A CN111582909A CN202010274984.8A CN202010274984A CN111582909A CN 111582909 A CN111582909 A CN 111582909A CN 202010274984 A CN202010274984 A CN 202010274984A CN 111582909 A CN111582909 A CN 111582909A
- Authority
- CN
- China
- Prior art keywords
- demand response
- user
- period
- time period
- power
- 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
- 230000004044 response Effects 0.000 title claims abstract description 167
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000005611 electricity Effects 0.000 claims abstract description 105
- 206010063659 Aversion Diseases 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 40
- 230000006399 behavior Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 4
- 238000013433 optimization analysis Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009257 reactivity Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 238000012546 transfer 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
-
- 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)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了电力需求响应模型的建立方法、求解方法和装置,其中电力需求响应模型的建立方法包括根据预设一天的划分时段和戴蒙德模型,建立需求响应的用户效用函数;以用户效用函数最大为目标,建立电力需求响应模型。本发明充分考虑到不同时段用电量的可调整性,每个用户的用电习惯可以根据不同的时段改变,因此建立的电力需求响应模型的普适性,该发明有效地将居民用户的意愿以一种经济的方式结合到需求响应模型中,并且可以优化居民用户的用电行为,降低居民用户的电费。
Description
技术领域
本发明涉及电力需求响应模型的建立方法、求解方法和装置,尤其涉及一种基于分时电价考虑用户意愿的需求响应模型的建立方法、求解方法和装置,属于用户侧参与需求响应领域。
背景技术
近年来,用电负荷持续增长,供需矛盾也日益突出。仅从电源侧增加装机容量来满足用电需求,需要巨大的投资。随着需求响应的发展,居民用户从单纯的用电负荷,变成了可以与电网互动的响应资源,这也使得从用户侧解决供需矛盾成为有效的手段。
需求响应通过价格和激励两种手段,引导居民用户优化其用电行为,从而达到削峰填谷的目的。一些文献中用需求价格弹性的概念来模拟居民用户的响应行为。需求价格弹性是指需求量相对于价格变化而变化的比例。一些基于不同类型的负荷对电价变化的响应分析,建立了考虑价格弹性的用户反应度模型。一些文献中提出了动态需求价格弹性,并考虑了自弹性和交叉弹性两种情况,建立考虑需求响应的优化调度模型。然而不同的居民用户类型,在不同时间有着不同的价格弹性。上述模型中,每一个需求价格弹性代表了居民用户在某个情况下的响应情况,换一个场景,则需要重新计算该值。需求价格弹性可以作为需求响应的一个理论基础,但是无法直接反映居民用户响应情况,因为它没有考虑客户的特点和偏好。一些文献提出用户参与需求响应需要考虑用户的意愿包括不喜欢风险等,在构建的模型中应该考虑模拟意愿的参数,但是这种现有构建模型的方法没有考虑到不同用户的用电习惯,构建的模型是不准确的,不具有普适性的。
发明内容
本发明针对现有技术中存在的没有考虑到不同用户的用电习惯的不足,提供了电力需求响应模型的建立方法、求解方法和装置,充分考虑到不同时段用电量的可调整性,将一天划分为设定的各时段,不同时段的电价是不同的,每个居民用户的用电习惯不同,不同时段的用电量是可变的,使电力需求响应模型更具有普适性。
为实现上述技术目的,本发明采用了以下技术方案。
第一方面,本发明提供了电力需求响应模型的建立方法,包括:根据预设一天的划分时段和戴蒙德模型,建立需求响应的用户效用函数;以用户效用函数最大为目标,建立电力需求响应模型。
进一步地,响应于将一天划分为高峰时段和低谷时段,所述用户效用函数表示如下:
其中Ut表示t时期的效用,θ为相对风险厌恶系数,θ影响着用户参与需求响应的意愿,ρ是表示权重,代表第一时段和第二时段的用电比例,D1为用户参与需求响应后在第一时段的用电量,D2为用户参与需求响应后在第二时段的用电量。
进一步地,响应于一天划分高峰时段、平常时段和低谷时段,所述用户效用函数表示如下:
式中,Ut表示t时期的效用,θ为相对风险厌恶系数,θ影响着用户参与需求响应的意愿,ρ1为高峰时段与平常时段的用电比例,ρ2为高峰时段与低谷时段的用电比例,D'p为用户参与需求响应后在高峰时间段的用电量,D'u为用户参与需求响应后在平常时间段的用电量,Dl'用户参与需求响应后在低谷时间段的用电量。
进一步地,所述电力需求响应模型表示如下:
式中,Ut表示t时期的效用,θ为相对风险厌恶系数,θ影响着用户参与需求响应的意愿,ρ1为高峰时段与平常时段的用电比例,ρ2为高峰时段与低谷时段的用电比例,D'p为用户参与需求响应后在高峰时间段的用电量,D'u为用户参与需求响应后在平常时间段的用电量,D'l用户参与需求响应后在低谷时间段的用电量。
第二方面,本发明提供了用电量求解方法,包括对预设的电力需求响应模型进行求解,得到各时段的用电量和总的用电成本;其中需求响应模型根据以上技术方案提供的方法构建。
进一步地,采用拉格朗日乘子法求解上述电力需求响应模型得到用户参与需求响应后在高峰、平常和低谷各时间段的用电量,求解函数表示为
其中λ为拉格朗日乘子,B'为居民用户消耗的总电费成本,Pp为高峰时段的电价,Pu为平常时段的电价,Pl为低谷时段的电价。
进一步地,居民用户消耗的总电费成本B'表示如下:
B'=D'p·Pp+D'u·Pu+D'l·Pl。
进一步地,利用用电量求解方法获得各时段的用电量和总的用电成本后对电力负荷优化,需要满足下述条件:
1)在高峰时段内D'p小于等于Dp,剩余的用电量需转移到其他时间段;
2)在平常时段内,居民用户有三种选择:D'u大于Du,将高峰时段剩余的电能需求转移到这个时段;D'u小于Du将高峰和平常时段的电能需求全都转移到低谷时段;D'u等于Du居民用户和他往常的用电量一样;
3)在低谷时段D'l大于等于Dl,加上前两个时段减少的用电量,满足填谷的目的。
进一步地,各时段内每小时的用电量表示为:
其中D'p为用户参与需求响应后在高峰时间段的用电量,D'u为用户参与需求响应后在平常时间段的用电量,D'l用户参与需求响应后在低谷时间段的用电量,Dp为用户参与需求响应之前在高峰时间段的用电量,Du为用户参与需求响应之前在平常时间段的用电量,Dl用户参与需求响应之前在低谷时间段的用电量,D'tp为用户参与需求响应后在高峰时间段内每小时的用电量,D'tu为用户参与需求响应后在平常时间段内每小时的用电量,D'tl为用户参与需求响应后在低谷时间段内每小时的用电量,Dtp为用户参与需求响应之前在高峰时间段内每小时的用电量,Dtu为用户参与需求响应之前在平常时间段内每小时的用电量,Dtl为用户参与需求响应之前在低谷时间段内每小时的用电量。
第三方面,本发明提供了电力需求响应模型的求解装置,包括用户效用函数建立模块,用于根据预设一天的划分时段和戴蒙德模型,建立需求响应的用户效用函数;电力需求响应模型建立模块,用于以用户效用函数最大为目标,建立电力需求响应模型;用电量求解模块,用于对预设的电力需求响应模型进行求解,得到各时段的用电量和总的用电成本。
进一步地,所述用电量求解模块采用拉格朗日乘子法求解电力需求响应模型确定模块确定的电力需求响应模型,得到用户参与需求响应后在高峰、平常和低谷各时间段的用电量,求解函数表示为
其中λ为拉格朗日乘子,B'为居民用户消耗的总电费成本,Pp为高峰时段的电价,Pu为平常时段的电价,Pl为低谷时段的电价。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现以上技术方案所述方法的步骤。
有益技术效果:
本发明根据预设一天的时段和戴蒙德模型建立需求响应的用户效用函数;以用户效用函数最大为目标,建立电力需求响应模型,充分考虑到不同时段用电量的可调整性,每个用户的用电习惯可以根据不同的时段改变,因此建立的电力需求响应模型的普适性,包含到反映用户意愿的行为参数;本发明建立了基于分时电价考虑用户意愿的需求响应模型,有效地将居民用户的意愿以一种经济的方式结合到需求响应模型中,并且可以优化居民用户的用电行为,降低居民用户的电费;本发明将一天划分为用电高峰时段、平常时段和低谷时段,可以更好地提高了居民用户的可调整性。
附图说明
图1为本发明实施例提供的需求响应模型的求解流程图;
图2为本发明实施案例一中ρ1、ρ2对高峰时段用电量的影响;
图3为本发明实施案例一中θ对高峰时段用电量的影响。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚,下面将结合具体实施例及相应的附图对本说明书的技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,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,都属于本说明书保护的范围。
实施例一、电力需求响应模型的建立方法,包括:
将一天划分为设定的各个时段,以戴蒙德模型为基础,根据划分的时段建立需求响应的用户效用函数;以用户效用函数最大为目标,建立电力需求响应模型。
一般的文献中用需求价格弹性表示用电量对价格的灵敏度,从而代表居民用户的响应行为。但是每个居民用户都是一个独立的经济决策过程,他们对价格的响应行为也是各不相同的。为了结合居民用户对于跨时段不同价格重新分配负荷的意愿,本专利引入了戴蒙德的代际交叠模型。戴蒙德模型假设人的生命分为两个时期:青年时期与老年时期。在青年时期,人们可以工作、消费、储蓄;在老年期间,人们没有工作能力,只有消费、负储蓄。
戴蒙德模型使用相对风险厌恶不变函数作为效用函数。效用表示消费者消费所得到的满足,包括有形和无形的利益。函数表示如下:
假设C1,t,C2,t+1为青年和老年时的消费,一个人出生于t时期,那么效用函数可表示为:
其中Ut表示t时期的效用,θ为相对风险厌恶系数,θ影响着人们改变消费的意愿。ρ是表示权重(相当于贴现率),代表各时段用电的比例,可以通过调整此参数来指定每个时段的权重。
本实施例将一天划分为两个时段,根据划分的两个时段建立需求响应的用户效用函数,所述用户效用函数表示如下:
其中Ut表示t时期的效用,θ为相对风险厌恶系数,θ影响着用户参与需求响应的意愿,ρ是表示权重,代表第一时段和第二时段的用电比例。
用户参与需求响应的目标是通过调整三个时期的用电量使得效用函数最大,即以用户效用函数最大为目标,建立电力需求响应模型,表示如下:
实施例二、电力需求响应模型的建立方法,包括:
将一天划分为设定的各个时段,以戴蒙德模型为基础,根据划分的时段建立需求响应的用户效用函数;以用户效用函数最大为目标,建立电力需求响应模型。
本实施例,模型将一天24小时定义为三个时段:高峰时段、平常时段和低谷时段。假设居民用户不参与需求响应时(即用户参与需求响应之前)高峰、平常和低谷时段的用电量分别为Dp、Du和Dl,居民用户参与需求响应后在三个时间段(高峰时段、平常时段和低谷时段)的用电量为D'p D'u D'l,那么居民用户参与需求响应后的效用函数可表示为:
式中,参数θ可以控制居民用户参与需求响应的意愿。参数ρi可以调整各时段用电量的权重,改变参数ρ1、ρ2可以分别调整高峰时段与平常时段、高峰时段与低谷时段的用电比例。
利用所述电力需求响应模型进行对电力负荷优化,三个时段需要满足下述条件:
1)在高峰时段内(D'p≤Dp),即居民用户用电量为D'p应小于之前用电量Dp,满足削峰的目的。剩余的用电量需转移到其他时间段。
2)在平常时段内,居民用户有三种选择:(D'u>Du)即居民用户电能消费比参与需求响应前多,将高峰时段剩余的电能需求转移到这个时段;或者(D'u<Du)即将高峰和平常时段的电能需求全都转移到低谷时段;或者,(D'u=Du),即居民用户和他往常的用电量一样。
3)在低谷时段(D'l≥Dl),即居民用户用电量大于往常的用电量,需要加上前两个时段减少的用电量,满足填谷的目的。
实施例一只设置两个时间段,即高峰时减少的负荷直接转移到低谷时,然而为了更加提高用户的舒适度和便捷度,因为用户很可能更喜欢将高峰时段节省的用电量转移到平常时段,本实施例在实施例一的基础上设置三个时间段则可以更好地地提高了居民用户的可调整性。各时段的电价如表1所示,表1为本发明实施案例一中不同时间段的电价。
表1不同时间段的电价
用户参与需求响应的目标是通过调整三个时期的用电量使得效用函数最大,即以用户效用函数最大为目标,建立电力需求响应模型,表示如下:
实施例三、用电量求解方法,包括:
对预设的电力需求响应模型进行求解,得到各时段的用电量和总的用电成本;其中需求响应模型根据以上实施例所提供的方法构建。
本实施例中所述电力需求响应模型表示如下:
式中,Ut表示t时期的效用,θ为相对风险厌恶系数,θ影响着用户参与需求响应的意愿,ρ1为高峰时段与平常时段的用电比例,ρ2为高峰时段与低谷时段的用电比例,D'p为用户参与需求响应后在高峰时间段的用电量,D'u为用户参与需求响应后在平常时间段的用电量,D'l用户参与需求响应后在低谷时间段的用电量,
在一定的预算约束内,如何使得效用最大是个优化问题。采用拉格朗日乘子法求解上述电力需求响应模型得到用户参与需求响应后在高峰、平常和低谷各时间段的用电量,求解函数表示为
其中λ为拉格朗日乘子,B'为居民用户消耗的总电费成本,Pp为高峰时段的电价,Pu为平常时段的电价,Pl为低谷时段的电价。
当L有极值时,一阶函数满足:
可以得到:
进而可以得到:
得到:
D'u和D'l可表示为:
由于参与需求响应前后,居民每天的用电量基本是固定的,因此假设:
Dp+Du+Dl=D'p+D'u+D'l
可以得出:
最后可以推出
其中,D'p、D'u和D'l分别代表三个周期的用电量。某时段内每小时的用电量为:
根据用电量和各时段的电价可以计算总的用电成本。
实施例四、用电量求解方法,本实施例的方法流程图如图1所示,包括以下步骤:
步骤S1,以戴蒙德模型为基础,建立需求响应的效用函数;
步骤S2,将一天分为高峰、平常和低谷三个时段,各时段的电价不同;
步骤S3,考虑到用户的意愿,以用户效用函数最大为目标,建立需求响应模型(即图1中的优化响应模型);
步骤S4,采用拉格朗日乘子法对用户的优化响应模型进行求解,得到各时段的用电量和总的用电成本;
居民用户参与需求响应后的效用函数可表示为:
建立电力需求响应模型,表示如下:
采用拉格朗日乘子法对用户的优化响应模型进行求解,具体实现方法如实施例三所示,这里不赘述。
本实施例中还包括以下步骤:对优化模型中的参数进行灵敏度分析,分析参数对各时段用电量的影响。具体实施例中,为了研究ρ1、ρ2对各时段用电量的影响,确定θ为一定值,改变ρ1、ρ2的值,对高峰、平常、低谷三个时间段分别进行优化分析。相应得,为了研究θ的影响,分别选取两组不同的ρ值,改变θ值,计算三个时段内居民用户参与需求响应后的用电量。
实施例五、用电量求解装置,包括:用户效用函数建立模块,用于根据预设一天的划分时段和戴蒙德模型,建立需求响应的用户效用函数;电力需求响应模型建立模块,用于以用户效用函数最大为目标,建立电力需求响应模型;用电量求解模块,用于对预设的电力需求响应模型进行求解,得到各时段的用电量和总的用电成本。
本实施例中所述用电量求解模块采用拉格朗日乘子法求解电力需求响应模型确定模块确定的电力需求响应模型,得到用户参与需求响应后在高峰、平常和低谷各时间段的用电量,求解函数表示为
其中λ为拉格朗日乘子,B'为居民用户消耗的总电费成本,Pp为高峰时段的电价,Pu为平常时段的电价,Pl为低谷时段的电价。
基于本发明提供的求解方法,能够通过设定θ,或者更改ρ1、ρ2研究ρ1、ρ2对各时段用电量的影响,实现对高峰、平常、低谷三个时间段分别进行优化分析。
为了研究ρ1、ρ2对各时段用电量的影响,确定θ为一定值,改变ρ1、ρ2的值,对高峰、平常、低谷三个时间段分别进行优化分析。相应得,为了研究θ的影响,分别选取两组不同的ρ值(ρ1=-0.7,ρ2=-0.75、ρ1=-0.6,ρ2=-0.85),将θ值由0.7减少至0.2,计算三个时段内居民用户参与需求响应后的用电量。
以高峰时段为例:图2为参数ρ1、ρ2对高峰时段用电量的影响。改变参数ρ1,可以调整高峰时段与平常时段的用电比例,改变参数ρ2,可以调整高峰时段与低谷时段的用电比例。从图中可以发现,随着ρ1、ρ2的增加,高峰时段的用电比例增加,相应的高峰时段的用电量也增加了。
由图3可以看出,参与需求响应后,高峰时段用电量明显降低了。并且随着θ的减少,用电量也随之降低;即θ值越低,消费者越愿意参与需求响应。而随着θ的增加,人们不太愿意改变其用电行为。高峰时段也是电价最高的时段,此时消费者参与需求响应的意愿增加了,进一步降低了这一时段的电费。执行需求响应后的高峰时段用电量都会降低,也达到了减少高峰时段用电量的目标。
本发明提出了一种基于分时电价考虑用户意愿的需求响应模型,该发明有效地将居民用户的意愿以一种经济的方式结合到需求响应模型中,并且可以优化居民用户的用电行为,降低居民用户的电费成本。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请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,本申请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。
本申请是参照根据本申请实施例的方法、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。
以上结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (10)
1.电力需求响应模型的建立方法,其特征在于,包括:
根据预设一天的划分时段和戴蒙德模型,建立需求响应的用户效用函数;以用户效用函数最大为目标,建立电力需求响应模型。
5.用电量求解方法,其特征在于,对预设的电力需求响应模型进行求解,得到各时段的用电量和总的用电成本;其中电力需求响应模型根据权利要求1~4任意一项所述的方法构建。
6.根据权利要求5所述的用电量求解方法,其特征在于,采用拉格朗日乘子法求解所述电力需求响应模型,得到用户参与需求响应后在高峰、平常和低谷各时间段的用电量、总的用电成本;用电量求解公式为:
总的用电成本公式为:
B'=D'p·Pp+D′u·Pu+D′l·Pl
其中θ为相对风险厌恶系数,θ影响着用户参与需求响应的意愿,ρ1为高峰时段与平常时段的用电比例,ρ2为高峰时段与低谷时段的用电比例,D'p为用户参与需求响应后在高峰时间段的用电量,D′u为用户参与需求响应后在平常时间段的用电量,D′l用户参与需求响应后在低谷时间段的用电量,λ为拉格朗日乘子,B'为居民用户消耗的总的用电成本,Pp为高峰时段的电价,Pu为平常时段的电价,Pl为低谷时段的电价。
7.根据权利要求5所述的用电量求解方法,其特征在于,还包括利用用电量求解方法获得各时段的用电量和总的用电成本后对电力负荷进行优化,需要满足下述条件:
1)在高峰时段内D'p小于等于Dp,剩余的用电量需转移到其他时间段;
2)在平常时段内,居民用户有三种选择:D′u大于Du,将高峰时段剩余的电能需求转移到这个时段;D′u小于Du将高峰和平常时段的电能需求全都转移到低谷时段;D′u等于Du居民用户和他往常的用电量一样;
3)在低谷时段D′l大于等于Dl,加上前两个时段减少的用电量,满足填谷的目的,
其中D'p为用户参与需求响应后在高峰时间段的用电量,D′u为用户参与需求响应后在平常时间段的用电量,D′l用户参与需求响应后在低谷时间段的用电量,Dp为用户参与需求响应之前在高峰时间段的用电量,Du为用户参与需求响应之前在平常时间段的用电量,Dl用户参与需求响应之前在低谷时间段的用电量。
8.根据权利要求5所述的用电量求解方法,其特征在于,还包括分析电力需求响应模型中的参数对各时段用电量的影响,具体包括:确定相对风险厌恶系数θ为设定定值,改变权重ρ的值,确定权重ρ对各时段用电量的影响;或者分别选取不同的ρ值,改变θ值,计算各时段内居民用户参与需求响应后的用电量。
9.用电量求解装置,其特征在于,包括:
用户效用函数建立模块,用于根据预设一天的划分时段和戴蒙德模型,建立需求响应的用户效用函数;
电力需求响应模型建立模块,用于以用户效用函数最大为目标,建立电力需求响应模型;
用电量求解模块,用于对预设的电力需求响应模型进行求解,得到各时段的用电量和总的用电成本。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1~4任意一项权利要求所述方法的步骤或者如权利要求6~8任意一项权利要求所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010274984.8A CN111582909A (zh) | 2020-04-09 | 2020-04-09 | 电力需求响应模型的建立方法、求解方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010274984.8A CN111582909A (zh) | 2020-04-09 | 2020-04-09 | 电力需求响应模型的建立方法、求解方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111582909A true CN111582909A (zh) | 2020-08-25 |
Family
ID=72126174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010274984.8A Pending CN111582909A (zh) | 2020-04-09 | 2020-04-09 | 电力需求响应模型的建立方法、求解方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111582909A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112365174A (zh) * | 2020-11-16 | 2021-02-12 | 深圳供电局有限公司 | 一种基于用电行为偏好的居民用电分配决策方法及系统 |
CN115659228A (zh) * | 2022-12-26 | 2023-01-31 | 国网浙江省电力有限公司宁波供电公司 | 一种用户用电激励方法、系统及可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108133394A (zh) * | 2018-01-12 | 2018-06-08 | 南瑞集团有限公司 | 考虑用户风险偏好的可控负荷需求响应菜单定价方法 |
CN109002945A (zh) * | 2018-10-12 | 2018-12-14 | 华中科技大学 | 一种分时电价下省际电网水电多目标购电优化方法及系统 |
CN110046780A (zh) * | 2018-11-16 | 2019-07-23 | 国网浙江平阳县供电有限责任公司 | 基于分时电价的孤岛微电网需求响应经济调度方法及系统 |
WO2019196375A1 (zh) * | 2018-04-13 | 2019-10-17 | 华南理工大学 | 基于需求侧响应的微电网最优机组及分时电价的优化方法 |
-
2020
- 2020-04-09 CN CN202010274984.8A patent/CN111582909A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108133394A (zh) * | 2018-01-12 | 2018-06-08 | 南瑞集团有限公司 | 考虑用户风险偏好的可控负荷需求响应菜单定价方法 |
WO2019196375A1 (zh) * | 2018-04-13 | 2019-10-17 | 华南理工大学 | 基于需求侧响应的微电网最优机组及分时电价的优化方法 |
CN109002945A (zh) * | 2018-10-12 | 2018-12-14 | 华中科技大学 | 一种分时电价下省际电网水电多目标购电优化方法及系统 |
CN110046780A (zh) * | 2018-11-16 | 2019-07-23 | 国网浙江平阳县供电有限责任公司 | 基于分时电价的孤岛微电网需求响应经济调度方法及系统 |
Non-Patent Citations (4)
Title |
---|
JICHENG LIU .ETC: "Overview of Wind Power Industry Value Chain Using Diamond Model: A Case Study from China", 《MDPI》 * |
SAEED MOHAJERYAMI, PETER SCHWARZ: "Including the Behavioral Aspects of Customers in Demand Response Model: Real Time Pricing Versus Peak Time Rebate", 《2015 NORTH AMERICAN POWER SYMPOSIUM》 * |
张国民 等: "基于人力资本视角的世代交叠模型修正", 《上海理工大学学报》 * |
聂艳丽 等: "风险条件下供电公司最优月度购电决策研究", 《第二十九届中国电网调度运行会收录论文全集》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112365174A (zh) * | 2020-11-16 | 2021-02-12 | 深圳供电局有限公司 | 一种基于用电行为偏好的居民用电分配决策方法及系统 |
CN112365174B (zh) * | 2020-11-16 | 2023-08-25 | 深圳供电局有限公司 | 一种基于用电行为偏好的居民用电分配决策方法及系统 |
CN115659228A (zh) * | 2022-12-26 | 2023-01-31 | 国网浙江省电力有限公司宁波供电公司 | 一种用户用电激励方法、系统及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bahrami et al. | An online learning algorithm for demand response in smart grid | |
Steriotis et al. | A novel behavioral real time pricing scheme for the active energy consumers’ participation in emerging flexibility markets | |
Ma et al. | Residential load scheduling in smart grid: A cost efficiency perspective | |
Tsui et al. | Demand response optimization for smart home scheduling under real-time pricing | |
CN104778504B (zh) | 一种家庭用户智能家电的用电安排优化方法 | |
CN108734396B (zh) | 一种基于需求侧竞价和多能互补的虚拟电厂调度优化方法 | |
CN105405061A (zh) | 一种基于需求响应的配电网供电可靠性评估方法 | |
CN107545364B (zh) | 激励型电力需求响应的用户响应策略优化方法 | |
CN111582909A (zh) | 电力需求响应模型的建立方法、求解方法和装置 | |
Li et al. | Load management for price-based demand response scheduling-a block scheduling model | |
CN104408663A (zh) | 智能电网用户需求响应调度系统及方法 | |
CN107565585A (zh) | 储能装置调峰回报时间预测方法及其模型创建方法 | |
Bahrami et al. | An autonomous demand response program in smart grid with foresighted users | |
Chandran et al. | Demand response and consumer inconvenience | |
CN113852135A (zh) | 一种虚拟电厂能源调度方法、装置、存储介质及平台 | |
CN112016817A (zh) | 一种智能电网中基于同伴效应的需求响应方法 | |
Kuppannagari et al. | Optimal customer targeting for sustainable demand response in smart grids | |
CN110866647A (zh) | 用户侧储能控制方法、装置、设备及存储介质 | |
CN110941798A (zh) | 储能共享数据处理系统和方法、设备及介质 | |
Steriotis et al. | Development of real time energy pricing schemes that incentivize behavioral changes | |
Yue et al. | Dual-pricing policy for controller-side strategies in demand side management | |
CN110311417B (zh) | 一种计及用户效用的机组组合调度的决策方法 | |
CN109978336B (zh) | 一种考虑需求响应可靠性的响应容量区间评估方法 | |
Oprea et al. | A signaling game-optimization algorithm for residential energy communities implemented at the edge-computing side | |
CN112510679B (zh) | 分布式储能优化调度方法、装置、计算机设备和存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200825 |