CN111667142A - 一种基于总需求灵活性的最优日前负荷调度方法 - Google Patents

一种基于总需求灵活性的最优日前负荷调度方法 Download PDF

Info

Publication number
CN111667142A
CN111667142A CN202010357600.9A CN202010357600A CN111667142A CN 111667142 A CN111667142 A CN 111667142A CN 202010357600 A CN202010357600 A CN 202010357600A CN 111667142 A CN111667142 A CN 111667142A
Authority
CN
China
Prior art keywords
load
total
loads
ahead
curve
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
Application number
CN202010357600.9A
Other languages
English (en)
Other versions
CN111667142B (zh
Inventor
刘海峰
刘强
李磊
王伟
邢建旭
卢峰
郑松松
石勇
周敬嵩
王春
周佩祥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Huzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical Huzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority to CN202010357600.9A priority Critical patent/CN111667142B/zh
Publication of CN111667142A publication Critical patent/CN111667142A/zh
Application granted granted Critical
Publication of CN111667142B publication Critical patent/CN111667142B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06315—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
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/16—Energy services, e.g. dispersed generation or demand or load or energy savings aggregation

Abstract

本发明涉及配电调度技术领域，具体涉及一种基于总需求灵活性的最优日前负荷调度方法，包括以下步骤：步骤S1，采集多个用户的家用电器负荷以及户总负荷数据；步骤S2，将部分居民用户作为灵活性资源，将灵活性资源划分为可转移负荷以及可削减负荷，对总负荷、可削减负荷和可转移负荷进行聚合，分别得到其聚合负荷最大值曲线和聚合负荷最小值曲线；步骤S3，构建实时电价模型；步骤S4，构建基于总需求的最优日前负荷调度方法的目标函数和约束条件的优化模型，求解目标函数，获得最优日前负荷调度方法。本发明的实质性效果是：用户直接通过实时电价参与电力市场，实现调度的精细化，从而能够获得更为低成本的最优日前负荷调度方案。

Description

一种基于总需求灵活性的最优日前负荷调度方法
技术领域
本发明涉及配电调度技术领域，具体涉及一种基于总需求灵活性的最优日前负荷调度方法。
背景技术
智能电网是电力能源管理领域的一个现代化应用系统。智能电网中使用的智能电表可以定期记录用户的电力负荷数据，通常是1小时、30分钟、15分钟甚至1分钟。对于电力消费者来说，这些负载数据有助于获得他们的消费行为模式，也被称为负载模式。这种负载模式可以用于消费者分类。近年来，需求响应得到了实质性的发展，电力供应商可以根据负荷模式和消费类别实现有效的能源控制、灵活的定价和需求管理。另一方面，电力终端消费者可以通过对电价波动的响应来了解他们的负荷模式，以减少他们的电费支出。但目前的日前调度并没有考虑到需求响应类负荷。
如中国专利CN110363362A，公开日2019年10月22日，一种计及柔性负荷的多目标日前经济调度模型与方法。首先建立风电出力不确定性模型和负荷不确定性模型，在同时考虑系统经济成本与碳排放量的情况下，对系统内火电机组与柔性负荷分别建模，采用机会约束规划处理系统的旋转备用约束，通过改进的CMOPSO算法求解模型，利用模糊隶属度函数从Pareto解集中找到最优折中解，即均衡两个目标函数的解。其技术方案在日前做出第二天的机组出力计划并以一定的置信度满足风电与负荷的波动，保证系统运行的可靠性。但不能解决响应式负荷参与调度时的最优调度问题。
发明内容
本发明要解决的技术问题是：目前缺乏响应式负荷参与调度的日前优化调度方法的技术问题。提出了一种基于总需求灵活性的最优日前负荷调度方法。本方法将可转移负荷和可削减负荷的聚合需求与负荷调度关联，用户直接通过实时电价参与电力市场，实现最优化日前电力调度。
为解决上述技术问题，本发明所采取的技术方案为：一种基于总需求灵活性的最优日前负荷调度方法，包括以下步骤：步骤S1，采集多个用户的家用电器负荷以及户总负荷数据；步骤S2，将部分居民用户作为灵活性资源，将灵活性资源划分为可转移负荷以及可削减负荷，对总负荷、可削减负荷和可转移负荷进行聚合，分别得到其聚合负荷最大值曲线和聚合负荷最小值曲线；步骤S3，构建实时电价模型；步骤S4，构建基于总需求的最优日前负荷调度方法的目标函数和约束条件的优化模型，求解目标函数，获得最优日前负荷调度结果。
作为优选，步骤S1中，采集大量用户家用电器负荷和总负荷数据，以15min为周期采集家用电器负荷以及户总负荷数据。家用电器包括空调、电热水器、微波炉、电吹风、洗衣机以及计算机。
作为优选，步骤S2中，所述可转移负荷包括短时工作的家用电器，所述可削减负荷包括长时或持续工作的家用电器，可转移负荷响应需求响应激励，即从高峰时刻转移到其他时刻，由于可转移负荷最终会被使用，因而在给定的时间Ns内总负荷保持不变；可削减负荷响应时，负荷瞬间失去，失去的负荷会在之后的一段时间Nk内任一时段恢复。
作为优选，步骤S2中，得到其聚合负荷最大值曲线和聚合负荷最小值曲线的方法包括：读取N个居民用户的家用电器负荷以及日负荷总负荷数据，每个周期均取N日中日负荷总负荷的最小负荷，96个周期组成的日负荷总负荷数据拟合成曲线后，作为聚合总负荷最小值曲线，聚合总负荷最小值曲线在t时刻的负荷为
Figure BDA0002474017520000021
每个周期均取N日中日负荷总负荷的最大负荷，96个周期组成的日负荷总负荷数据拟合成曲线后，作为聚合总负荷最大值曲线，聚合总负荷最大值曲线在t时刻的负荷为
Figure BDA0002474017520000022
每个周期均取N日中可转移负荷以及可削减负荷的最小负荷，获得可转移负荷最小值曲线以及可削减负荷最小值曲线，每个周期均取N日中可转移负荷以及可削减负荷的最大负荷，获得可转移负荷最大值曲线以及可削减负荷最大值曲线。
作为优选，步骤S3中，构建实时电价模型的方法包括：时刻t时的电价可表示为
Figure BDA0002474017520000023
其中，
Figure BDA0002474017520000024
为前一天的电价值，
Figure BDA0002474017520000025
表示由已知的概率密度函数得到的电价预测误差，分析历史实时电价数据，电价的预测误差服从柯西分布，其概率密度函数为：
Figure BDA0002474017520000026
其中，aλ为分布峰值位置的位置参数，bλ为最大值一半处的一半宽度的尺度参数。
作为优选，步骤S4中，构建基于总需求的最优日前负荷调度方法的目标函数和约束条件的优化模型的方法为：建立在日前电力市场的最低购买总价格作为目标函数：
Figure BDA0002474017520000031
其中，
Figure BDA0002474017520000032
为可转移负荷和可削减负荷的聚合负荷，Nh为日前调度划分时段数量，dt为所划分的时段的时长，
约束条件包括：
(1)聚合负荷约束：
Figure BDA0002474017520000033
其中，
Figure BDA0002474017520000034
为可转移负荷功率，
Figure BDA0002474017520000035
为可削减负荷功率，
(2)可转移负荷电能总量约束：
Figure BDA0002474017520000036
其中，Eshiftable为可转移负荷用电量；
(3)可削减负荷削减和恢复过程功率约束：
Figure BDA0002474017520000037
Figure BDA0002474017520000038
Figure BDA0002474017520000039
其中，
Figure BDA00024740175200000310
为可削减负荷设备不参加需求响应的功率，
Figure BDA00024740175200000311
为需求响应的削减负荷功率，
Figure BDA00024740175200000312
为在t时刻恢复的负荷功率；
(4)聚合功率需求上下限约束：
Figure BDA00024740175200000313
Figure BDA00024740175200000314
Figure BDA0002474017520000041
其中，
Figure BDA0002474017520000042
为总聚合功率需求。
本发明的实质性效果是：将可转移负荷和可削减负荷的聚合需求与负荷商调度联系，用户直接通过实时电价参与电力市场，实现调度的精细化，从而能够获得更为低成本的最优日前负荷调度方案。
附图说明
图1为实施例一日前负荷调度方法流程框图。
图2为实施例一日前负荷调度最优功率需求结果示意图。
具体实施方式
下面通过具体实施例，并结合附图，对本发明的具体实施方式作进一步具体说明。
实施例一：
一种基于总需求灵活性的最优日前负荷调度方法，如图1所示，本实施例包括以下步骤：
步骤S1，采集多个用户的家用电器负荷以及户总负荷数据，以15min为周期采集家用电器负荷以及户总负荷数据。家用电器包括空调、电热水器、微波炉、电吹风、洗衣机以及计算机。
步骤S2，将部分居民用户作为灵活性资源，将灵活性资源划分为可转移负荷以及可削减负荷，对总负荷、可削减负荷和可转移负荷进行聚合，分别得到其聚合负荷最大值曲线和聚合负荷最小值曲线。可转移负荷包括短时工作的家用电器，可削减负荷包括长时或持续工作的家用电器，可转移负荷响应需求响应激励，即从高峰时刻转移到其他时刻，由于可转移负荷最终会被使用，因而在给定的时间Ns内总负荷保持不变；可削减负荷响应时，负荷瞬间失去，失去的负荷会在之后的一段时间Nk内任一时段恢复。
得到其聚合负荷最大值曲线和聚合负荷最小值曲线的方法包括：读取N个居民用户的家用电器负荷以及日负荷总负荷数据，每个周期均取N日中日负荷总负荷的最小负荷，96个周期组成的日负荷总负荷数据拟合成曲线后，作为聚合总负荷最小值曲线，聚合总负荷最小值曲线在t时刻的负荷为
Figure BDA0002474017520000043
每个周期均取N日中日负荷总负荷的最大负荷，96个周期组成的日负荷总负荷数据拟合成曲线后，作为聚合总负荷最大值曲线，聚合总负荷最大值曲线在t时刻的负荷为
Figure BDA0002474017520000051
每个周期均取N日中可转移负荷以及可削减负荷的最小负荷，获得可转移负荷最小值曲线以及可削减负荷最小值曲线，每个周期均取N日中可转移负荷以及可削减负荷的最大负荷，获得可转移负荷最大值曲线以及可削减负荷最大值曲线。
步骤S3，构建实时电价模型，包括：时刻t时的电价可表示为
Figure BDA0002474017520000052
其中，
Figure BDA0002474017520000053
为前一天的电价值，
Figure BDA0002474017520000054
表示由已知的概率密度函数得到的电价预测误差，分析历史实时电价数据，电价的预测误差服从柯西分布，其概率密度函数为：
Figure BDA0002474017520000055
其中，aλ为分布峰值位置的位置参数，bλ为最大值一半处的一半宽度的尺度参数。
步骤S4中，构建基于总需求的最优日前负荷调度方法的目标函数和约束条件的优化模型的方法为：建立在日前电力市场的最低购买总价格作为目标函数：
Figure BDA0002474017520000056
其中，
Figure BDA0002474017520000057
为可转移负荷和可削减负荷的聚合负荷，Nh为日前调度划分时段数量，dt为所划分的时段的时长，
约束条件包括：
(1)聚合负荷约束：
Figure BDA0002474017520000058
其中，
Figure BDA0002474017520000059
为可转移负荷功率，
Figure BDA00024740175200000510
为可削减负荷功率，
(2)可转移负荷电能总量约束：
Figure BDA00024740175200000511
其中，Eshiftable为可转移负荷用电量；
(3)可削减负荷削减和恢复过程功率约束：
Figure BDA0002474017520000061
Figure BDA0002474017520000062
Figure BDA0002474017520000063
其中，
Figure BDA0002474017520000064
为可削减负荷设备不参加需求响应的功率，
Figure BDA0002474017520000065
为需求响应的削减负荷功率，
Figure BDA0002474017520000066
为在t时刻恢复的负荷功率；
(4)聚合功率需求上下限约束：
Figure BDA0002474017520000067
Figure BDA0002474017520000068
Figure BDA0002474017520000069
其中，
Figure BDA00024740175200000610
为总聚合功率需求。
步骤S4，构建基于总需求的最优日前负荷调度方法的目标函数和约束条件的优化模型，求解目标函数，获得最优日前负荷调度结果。如图2所示，为本实施例根据实际数据，仿真得到的冬季一天的最优功率需求结果。
本实施例的实质性效果是：将可转移负荷和可削减负荷的聚合需求与负荷商调度联系，用户直接通过实时电价参与电力市场，实现调度的精细化，从而能够获得更为低成本的最优日前负荷调度方案。
以上所述的实施例只是本发明的一种较佳的方案，并非对本发明作任何形式上的限制，在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。

Claims (6)

1.一种基于总需求灵活性的最优日前负荷调度方法，其特征在于，
包括以下步骤：
步骤S1，采集多个用户的家用电器负荷以及户总负荷数据；
步骤S2，将部分居民用户作为灵活性资源，将灵活性资源划分为可转移负荷以及可削减负荷，对总负荷、可削减负荷和可转移负荷进行聚合，分别得到其聚合负荷最大值曲线和聚合负荷最小值曲线；
步骤S3，构建实时电价模型；
步骤S4，构建基于总需求的最优日前负荷调度方法的目标函数和约束条件的优化模型，求解目标函数，获得最优日前负荷调度结果。
2.根据权利要求1所述的一种基于总需求灵活性的最优日前负荷调度方法，其特征在于，
步骤S1中，采集大量用户家用电器负荷和总负荷数据，以15min为周期采集家用电器负荷以及户总负荷数据。
3.根据权利要求1或2所述的一种基于总需求灵活性的最优日前负荷调度方法，其特征在于，
步骤S2中，所述可转移负荷包括短时工作的家用电器，所述可削减负荷包括长时或持续工作的家用电器，可转移负荷响应需求响应激励，即从高峰时刻转移到其他时刻，由于可转移负荷最终会被使用，因而在给定的时间Ns内总负荷保持不变；可削减负荷响应时，负荷瞬间失去，失去的负荷会在之后的一段时间Nk内任一时段恢复。
4.根据权利要求2所述的一种基于总需求灵活性的最优日前负荷调度方法，其特征在于，
步骤S2中，得到其聚合负荷最大值曲线和聚合负荷最小值曲线的方法包括：
读取N个居民用户的家用电器负荷以及日负荷总负荷数据，每个周期均取N日中日负荷总负荷的最小负荷，96个周期组成的日负荷总负荷数据拟合成曲线后，作为聚合总负荷最小值曲线，聚合总负荷最小值曲线在t时刻的负荷为
Figure FDA0002474017510000011
每个周期均取N日中日负荷总负荷的最大负荷，96个周期组成的日负荷总负荷数据拟合成曲线后，作为聚合总负荷最大值曲线，聚合总负荷最大值曲线在t时刻的负荷为
Figure FDA0002474017510000012
每个周期均取N日中可转移负荷以及可削减负荷的最小负荷，获得可转移负荷最小值曲线以及可削减负荷最小值曲线，每个周期均取N日中可转移负荷以及可削减负荷的最大负荷，获得可转移负荷最大值曲线以及可削减负荷最大值曲线。
5.根据权利要求1或2所述的一种基于总需求灵活性的最优日前负荷调度方法，其特征在于，
步骤S3中，构建实时电价模型的方法包括：
时刻t时的电价可表示为
Figure FDA0002474017510000021
其中，
Figure FDA0002474017510000022
为前一天的电价值，
Figure FDA0002474017510000023
表示由已知的概率密度函数得到的电价预测误差，分析历史实时电价数据，电价的预测误差服从柯西分布，其概率密度函数为：
Figure FDA0002474017510000024
其中，aλ为分布峰值位置的位置参数，bλ为最大值一半处的一半宽度的尺度参数。
6.根据权利要求1或2所述的一种基于总需求灵活性的最优日前负荷调度方法，其特征在于，
步骤S4中，构建基于总需求的最优日前负荷调度方法的目标函数和约束条件的优化模型的方法为：
建立在日前电力市场的最低购买总价格作为目标函数：
Figure FDA0002474017510000025
其中，
Figure FDA0002474017510000026
为可转移负荷和可削减负荷的聚合负荷，Nh为日前调度划分时段数量，dt为所划分的时段的时长，
约束条件包括：
(1)聚合负荷约束：
Figure FDA0002474017510000027
其中，
Figure FDA00024740175100000210
为可转移负荷功率，
Figure FDA0002474017510000028
为可削减负荷功率，
(2)可转移负荷电能总量约束：
Figure FDA0002474017510000029
其中，Eshiftable为可转移负荷用电量；
(3)可削减负荷削减和恢复过程功率约束：
Figure FDA0002474017510000031
Figure FDA0002474017510000032
Figure FDA0002474017510000033
其中，
Figure FDA0002474017510000039
为可削减负荷设备不参加需求响应的功率，
Figure FDA0002474017510000034
为需求响应的削减负荷功率，
Figure FDA0002474017510000035
为在t时刻恢复的负荷功率；
(4)聚合功率需求上下限约束：
Figure FDA0002474017510000036
Figure FDA00024740175100000310
Figure FDA0002474017510000037
其中，
Figure FDA0002474017510000038
为总聚合功率需求。
CN202010357600.9A 2020-04-29 2020-04-29 一种基于总需求灵活性的最优日前负荷调度方法 Active CN111667142B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010357600.9A CN111667142B (zh) 2020-04-29 2020-04-29 一种基于总需求灵活性的最优日前负荷调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010357600.9A CN111667142B (zh) 2020-04-29 2020-04-29 一种基于总需求灵活性的最优日前负荷调度方法

Publications (2)

Publication Number Publication Date
CN111667142A true CN111667142A (zh) 2020-09-15
CN111667142B CN111667142B (zh) 2023-09-01

Family

ID=72382878

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010357600.9A Active CN111667142B (zh) 2020-04-29 2020-04-29 一种基于总需求灵活性的最优日前负荷调度方法

Country Status (1)

Country Link
CN (1) CN111667142B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106651473A (zh) * 2017-01-23 2017-05-10 国网福建省电力有限公司 考虑日前小时电价和多种需求响应促进风电接纳水平方法
CN107248751A (zh) * 2017-07-26 2017-10-13 武汉大学 一种实现配电网负荷功率削峰填谷的储能站调度控制方法
CN108710992A (zh) * 2018-04-24 2018-10-26 国网天津市电力公司电力科学研究院 一种需求响应参与电网削峰填谷效果的评估方法
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
CN110363362A (zh) * 2019-07-30 2019-10-22 合肥工业大学 一种计及柔性负荷的多目标日前经济调度模型与方法
CN110570090A (zh) * 2019-08-12 2019-12-13 国网上海市电力公司 一种基于贝叶斯分类法的基线负荷模型的负荷辨识方法
CN110620403A (zh) * 2019-08-22 2019-12-27 国电南瑞科技股份有限公司 计及可再生能源的能源系统协同运行日前调度方法及系统
CN110991773A (zh) * 2019-12-27 2020-04-10 国网辽宁省电力有限公司阜新供电公司 一种面向风电消纳的两阶段源荷储优化调度方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106651473A (zh) * 2017-01-23 2017-05-10 国网福建省电力有限公司 考虑日前小时电价和多种需求响应促进风电接纳水平方法
CN107248751A (zh) * 2017-07-26 2017-10-13 武汉大学 一种实现配电网负荷功率削峰填谷的储能站调度控制方法
CN108710992A (zh) * 2018-04-24 2018-10-26 国网天津市电力公司电力科学研究院 一种需求响应参与电网削峰填谷效果的评估方法
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
CN110363362A (zh) * 2019-07-30 2019-10-22 合肥工业大学 一种计及柔性负荷的多目标日前经济调度模型与方法
CN110570090A (zh) * 2019-08-12 2019-12-13 国网上海市电力公司 一种基于贝叶斯分类法的基线负荷模型的负荷辨识方法
CN110620403A (zh) * 2019-08-22 2019-12-27 国电南瑞科技股份有限公司 计及可再生能源的能源系统协同运行日前调度方法及系统
CN110991773A (zh) * 2019-12-27 2020-04-10 国网辽宁省电力有限公司阜新供电公司 一种面向风电消纳的两阶段源荷储优化调度方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
原睿萌 等: "考虑响应量与风电出力相关性的需求响应优化调度研究" *
张振: "考虑需求响应的电力系统日前优化调度模型研究" *
鲁针针: "考虑智能家电与分布式电源的电力需求响应技术研究" *

Also Published As

Publication number Publication date
CN111667142B (zh) 2023-09-01

Similar Documents

Publication Publication Date Title
Hou et al. Smart home energy management optimization method considering energy storage and electric vehicle
Kanakadhurga et al. Demand side management in microgrid: A critical review of key issues and recent trends
Javaid et al. An intelligent load management system with renewable energy integration for smart homes
Ma et al. Residential load scheduling in smart grid: A cost efficiency perspective
Lin et al. An advanced home energy management system facilitated by nonintrusive load monitoring with automated multiobjective power scheduling
Chen et al. Real-time price-based demand response management for residential appliances via stochastic optimization and robust optimization
Wang et al. Demand side load management of smart grids using intelligent trading/metering/billing system
Anwar et al. Harnessing the flexibility of demand-side resources
EP2965282B1 (en) Demand shaping in an electrical power grid
Huang et al. Analytics and transactive control design for the pacific northwest smart grid demonstration project
Jin et al. Impact of demand response on thermal generation investment with high wind penetration
CN113452020A (zh) 一种考虑柔性氢需求的电氢能源系统调度方法
CN110503461B (zh) 一种智能电网中基于住宅用户聚类的需求响应方法
Ceccon et al. Intelligent electric power management system for economic maximization in a residential prosumer unit
Yang et al. Bi-level decentralized control of electric heating loads considering wind power accommodation in real-time electricity market
Wang et al. Unit scheduling considering the flexibility of intelligent temperature control appliances under TOU power price
CN113935856A (zh) 电能的控制方法及其装置、处理器、计算机可读存储介质
Chen et al. A two-stage control strategy of large-scale residential air conditionings considering comfort sensitivity of differentiated population
Safdar et al. Optimized residential load scheduling under user defined constraints in a real-time tariff paradigm
Wu et al. Dynamic pricing and prices spike detection for industrial park with coupled electricity and thermal demand
Zhang et al. The impact of renewable energy resources on demand response management in a smart grid
Zhang et al. Time-of-use pricing model considering wind power uncertainty
CN111667142B (zh) 一种基于总需求灵活性的最优日前负荷调度方法
Dai et al. A demand response scheme in smart grid with clustering of residential customers
Li et al. Real-time scheduling of time-shiftable loads in smart grid with dynamic pricing and photovoltaic power generation

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
GR01 Patent grant
GR01 Patent grant