CN111969613A - 一种需求响应优化调度方法及系统 - Google Patents

Abstract

本发明公开了一种需求响应优化调度方法及系统，包括：对每个时刻基于预先构建的用户行为模型和所有用户综合参与意愿的最低阈值，得到电网对用户参与需求响应的激励水平；基于所述电网对用户参与需求响应的激励水平和各时刻的需求响应调度负荷预测总容量，对电网调度需求响应的成本最小进行优化计算，得到成本最小时负荷资源调度方式；所述用户行为模型是基于用户参与需求响应的概率与电网激励水平的关系进行构建。本发明考虑了用户参与需求响应的不确定性，基于用户参与需求响应的概率和激励的关系实现了优化电网运行成本的目的。

Description

一种需求响应优化调度方法及系统

技术领域

本发明涉及电力系统需求侧管理技术领域，具体涉及一种需求响应优化调度方法及系统。

背景技术

需求响应作为源网荷互动系统运行过程中众多环节的关键一部分，承载着需求侧管理的重要职责。尤其是在出现日常峰值用电时，调度中心如何考虑将需求侧电力用户负荷资源、备用旋转发电机组以及分布式电源进行整合，从而实现负荷平抑一直是现电力系统规划所重点关注的问题。电力用户尤其是工业用户的可控负荷将会作为优质资源参与电网的需求响应。主要原因在于一来其可控容量大，对电网实现削峰填谷增益效果明显，二来其负荷使用情况相对稳定，在较长一段时间内易于预测。

目前已有不少学者和工程团队针对需求响应的实施过程中，资源如何整合或者是整合规划调度的方案提出了诸多的见解。分别包括了以下几个方向：考虑网络损耗、电压和频率稳定或者最经济的资源调度。但是可以确信的是这些研究或者工程应用在实施过程中，前提要求都是默认了需求侧资源的拥有者即电力用户都会主动参与需求响应的调度。但是在实际过程中并非所有的电力用户都会积极响应电网的需求响应调度要求。面对电网的不同激励水平，电力用户都会表现出不同程度的响应概率，而响应概率反应的是电力用户参与意愿的不确定性。为了抵消电力用户参与的不确定性，以往调度中心都是采用一刀切的方式，直接以高额的激励补贴费或者合约方式要求电力用户参与需求响应或者行政手段命令，发明人发现这种方式将会导致电网给予电力用户的激励补贴费用高，从而提高了电网进行需求响应调度时的经济成本，另外如果采用行政手段命令将会降低电力用户的用电体验，不符合目前提高电力用户用电体验的要求。

发明内容

为了解决现有技术中所存在的上述不足，本发明提供了一种需求响应优化调度方法，包括：

对每个时刻基于预先构建的用户行为模型和所有用户综合参与意愿的最低阈值，得到电网对用户参与需求响应的激励水平；

基于所述电网对用户参与需求响应的激励水平和各时刻的需求响应调度负荷预测总容量，对电网调度需求响应的成本最小进行优化计算，得到成本最小时负荷资源调度方式；

所述用户行为模型是基于用户参与需求响应的概率与电网激励水平的关系进行构建。

优选的，所述用户行为模型的构建包括：

对不同历史激励水平下用户的参与概率进行拟合得到理想响应概率下的激励死区临界点和实际饱和激励水平；

基于所述理想响应概率下的激励死区临界点和实际饱和激励水平构建电网对用户预测的理想响应概率曲线；

基于实时采集的不同激励水平下用户参与需求响应的状态，确定实际响应概率下的激励死区临界点和实际饱和激励水平；

基于所述实际响应概率下的激励死区临界点和所述实际饱和激励水平构建运行过程中用户对电网的实际响应概率曲线；

基于所述电网对用户预测的理想响应概率曲线和所述运行过程中用户对电网的实际响应概率曲线，确定用户参与需求响应的概率与电网激励水平的关系。

优选的，所述对每个时刻基于预先构建的用户行为模型和所有用户综合参与意愿的最低阈值，得到电网对用户参与需求响应的激励水平，包括：

基于所述用户行为模型确定在相同的激励水平下各用户参与需求响应的不确定性；

基于所述在相同的激励水平下各用户参与需求响应的不确定性确定用户整体参与需求响应的概率；

基于所述用户整体参与需求响应的概率与所有用户综合参与意愿的最低阈值的关系，得到电网对用户参与需求响应的激励水平。

优选的，所述电网对用户参与需求响应的激励水平，按下式计算：

式中：Γ为用户整体参与需求响应的概率；K为具备参与需求响应潜力的用户；μ_u,k,t为用户k在t时刻参与需求响应的状态；Γ_k,1为在相同的激励水平λ_u,k,t下各用户参与需求响应的不确定性；Fset为所辖范围内用户参与需求响应的概率最低的置信阈值；

其中，所述在相同的激励λ_u,k,t下各用户参与需求响应的不确定性Γ_k,1，按下式计算：

式中：λ_u,k,t为电网对用户参与需求响应的激励水平；f(λ_u,k,t)在激励水平为λ_u,k,t时，理想响应下用户参与需求响应的概率；g(λ_u,k,t)在激励水平为λ_u,k,t时，实际响应下用户参与需求响应的概率；λ_2,k为同一参与需求响应的概率时，理想响应对应的激励水平；λ_3,k为同一参与需求响应的概率时，实际响应对应的激励水平。

优选的，所述在激励水平为λ_u,k,t时，理想响应下用户参与需求响应的概率f(λ_u,k,t)，按下式计算：

式中：λ_0,k为理想响应概率下的激励死区临界点；λ_4,k为实际饱和激励水平；

所述在激励水平为λ_u,k,t时，实际响应下用户参与需求响应的概率g(λ_u,k,t)，按下式计算：

式中：λ_1,k为实际响应概率下的激励死区临界点；λ_4,k为实际饱和激励水平。

优选的，所述基于所述电网对用户参与需求响应的激励水平和各时刻的需求响应调度负荷预测总容量，对电网调度需求响应的成本最小进行优化计算，得到成本最小时负荷资源调度方式，包括：

基于所述电网对用户参与需求响应的激励水平、参与需求响应的用户以及所述参与需求响应的用户提供的负荷响应量，确定电网对参与需求响应的用户总激励补贴成本；

基于电网对每个备用旋转发电机组并网的补贴费用、参与需求响应的备用旋转发电机组，以及所述参与需求响应的备用旋转发电机组提供的发电容量，确定所有备用旋转发电机组参与需求响应的代价成本；

基于电网对分布式电源并网的补贴费用、参与需求响应的分布式电源以及所述参与需求响应的分布式电源提供的出力，确定所有分布式电源参与需求响应的成本；

对所述电网对参与需求响应的用户总激励补贴成本、所述所有备用旋转发电机组参与需求响应的代价成本，以及所有分布式电源参与需求响应的成本之和最小进行优化计算，得到成本最小时负荷资源调度方式；

其中，所述需求响应调度负荷总容量包括：所有参与需求响应的用户提供的负荷响应量、所有参与需求响应的备用旋转发电机组提供的发电容量和所有参与需求响应的分布式电源提供的出力。

优选的，所述电网对参与需求响应的用户总激励补贴成本，按下式计算：

式中：F₁为电网对参与需求响应的用户总激励补贴成本；K为电网所辖范围内所有有潜力参与需求响应的用户；λ_u,k,t为用户k在t时刻参与需求响应的激励水平；μ_u,k,t为用户k在t时刻参与需求响应的状态；T为每个用户参与时长；

为用户k在t时刻提供的负荷响应量。

优选的，所述所有备用旋转发电机组参与需求响应的代价成本，按下式计算：

式中：F₂为所有备用旋转发电机组参与需求响应的代价成本；T_G,E为备用旋转发电机组发电的截止时间；T_G,S为备用旋转发电机组发电的起始时间；L为备用旋转发电机组的数量；μ_G,l,t为备用发电机组l在t时刻的发电并网状态；a×O_G,l,t ²+b×O_G,l,t+c为备用旋转发电机组的发电成本，O_G,l,t为备用旋转发电机组l在t时刻提供的发电容量；λ_G,l,t为电网对分布式电源并网的补贴费用。

优选的，所述所有分布式电源参与需求响应的成本，按下式计算：

式中：F₃为所有分布式电源参与需求响应的成本；T_E为分布式电源的发电截止时间；T_S为分布式电源的发电起始时间；μ_w,t为分布式电源w在t时刻的并网状态；λ_w,t为单位分布式电源电量并网的补贴费用；O_w,t为分布式电源w在t时刻提供的出力。

优选的，所述成本最小时负荷资源调度方式，包括：

在各时刻下，每个用户在参与需求响应的状态、每个备用旋转发电机组的发电并网状态和所述备用旋转发电机组的发电容量，以及每个分布式电源的并网状态和所述分布式电源的出力。

基于同一发明构思，本发明还提供了一种需求响应优化调度系统，包括：

确定激励水平模块，用于对每个时刻基于预先构建的用户行为模型和所有用户综合参与意愿的最低阈值，得到电网对用户参与需求响应的激励水平；

优化计算模块，用于基于所述电网对用户参与需求响应的激励水平和各时刻的需求响应调度负荷预测总容量，对电网调度需求响应的成本最小进行优化计算，得到成本最小时负荷资源调度方式；

所述用户行为模型是基于用户参与需求响应的概率与电网激励水平的关系进行构建。

优选的，所述系统还包括构建用户行为模型模块，具体用于：

对不同历史激励水平下用户的参与概率进行拟合得到理想响应概率下的激励死区临界点和实际饱和激励水平；

基于所述理想响应概率下的激励死区临界点和实际饱和激励水平构建电网对用户预测的理想响应概率曲线；

基于实时采集的不同激励水平下用户参与需求响应的状态，确定实际响应概率下的激励死区临界点和实际饱和激励水平；

基于所述实际响应概率下的激励死区临界点和所述实际饱和激励水平构建运行过程中用户对电网的实际响应概率曲线；

基于所述电网对用户预测的理想响应概率曲线和所述运行过程中用户对电网的实际响应概率曲线，确定用户参与需求响应的概率与电网激励水平的关系。

与现有技术相比，本发明的有益效果为：

本发明提供的技术方案，对每个时刻基于预先构建的用户行为模型和所有用户综合参与意愿的最低阈值，得到电网对用户参与需求响应的激励水平；基于所述电网对用户参与需求响应的激励水平和各时刻的需求响应调度负荷预测总容量，对电网调度需求响应的成本最小进行优化计算，得到成本最小时负荷资源调度方式；本发明根据用户参与需求响应的概率与电网激励水平的关系构建用户行为模型，利用该用户行为模型将满足所有用户综合参与意愿最低阈值对应的激励水平作为电网对参与需求响应用户激励补贴的依据，将用户参与需求响应的不确定性确定化，降低了电网进行需求响应调度时的经济成本，同时提高了电力用户的用电体验。

附图说明

图1为本发明中一种需求响应优化调度方法流程图；

图2为本发明实施中一种需求响应优化调度方法的详细流程图；

图3为本发明实施中以用户k参与率和电网激励水平之间的数学模型为例说明；

图4为本发明实施中调度系统内部各个设备之间的逻辑关系。

具体实施方式

为了更好地理解本发明，下面结合说明书附图和实例对本发明的内容做进一步的说明。

实施例1：如图1所示，本发明提供了一种需求响应优化调度方法，包括：

步骤一、对每个时刻基于预先构建的用户行为模型和所有用户综合参与意愿的最低阈值，得到电网对用户参与需求响应的激励水平；

步骤二、基于所述电网对用户参与需求响应的激励水平和各时刻的需求响应调度负荷预测总容量，对电网调度需求响应的成本最小进行优化计算，得到成本最小时负荷资源调度方式；

所述用户行为模型是基于用户参与需求响应的概率与电网激励水平的关系进行构建。

在本实施例中所述用户为电力用户。

图2展示了图1所示的需求响应优化调度方法具体步骤，101：电网需求响应服务器采集来自电力用户能量管理系统的信息预测用户行为模型。根据消费者心理学原理，认定电网给出不同的激励会对电力用户参与DR的概率产生本质性的影响，进而电力用户行为会对电网激励水平表现出一定的响应和饱和区间。

以图3所示的用户k参与率和电网激励水平之间的数学模型为例说明，如图3中所示横轴λ_u,k,t代表电网给予用户k在t时刻的激励水平ρ，纵轴表示用户k参与DR的概率y。f(λ_u,k,t)表示电网对用户k预测的理想响应概率曲线。g(λ_u,k,t)表示运行过程中用户对电网的实际响应概率曲线。第一条曲线为电网公司在执行需求响应之前通过历史数据进行拟合得到，第二条曲线为电网公司开始执行需求响应时根据用户提供的实时采集数据算得。

ρ_k表征线性规划下的用户k最佳参与概率，λ_0,k为电网公司认定的理想响应概率下的激励死区临界点，低于该激励水平用户不会响应电网需求响应请求；同理λ_1,k为实际用户实际响应的激励死区临界点；λ_2,k为用户k最佳参与概率ρ_k下的电网期望的理想响应激励水平；λ_3,k为用户k最佳参与概率ρ_k下的电网期望的实际响应要求的激励水平，λ_4,k为响应概率为100％时用户实际饱和激励。其中需要明确的是，激励水平折算为单位负荷响应量(kw)的补贴费用，而参与DR的概率为用户参与意愿的概率。

可发现的是在用户响应电网DR请求之前是存在一个响应死区。死区区间对应的激励水平为[0,λ_1,k]，用户在[0,λ_1,k]区间内响应电网DR请求的概率为ρ＝0。当电网给予用户的激励水平λ>λ_1,k时，用户响应电网DR概率开始活跃。激励水平处于[λ_1,k,λ_4,k]区间内时，用户响应概率变大。此时用户实际响应的概率为y＝g(λ_u,k,t)函数，电网期望用户响应的概率为y＝f(λ_u,k,t)。在[λ_4,k,∞]区间用户的参与概率不再随电网基于的激励水平提高而发生变动

用户响应概率曲线g(λ_u,k,t)与电网期望用户响应的概率函数曲线f(λ_u,k,t)相比存在一定的偏差，偏差的区间为图1中λ_0,k到λ_2,k之间的浅灰色区域，即用户因为激励水平所产生的响应不确定性。在相同的激励λ_u,k,t下用户k的不确定性Γ_k,1可用λ_2,k到λ_4,k之间深灰色面积表示：

当激励水平达到λ_u,k,t＝λ_4,k的实际激励饱和临界点时，用户的响应率变为ρ＝100％，用户响应和不确定性不再发生变化。假定电网下级共有K个具备参与DR潜力的电力工业用户，如电网在t时刻需要调度电力用户参与需求响应，为保证整体参与的概率Γ尽可能的大，此时可将优化目标规定为：

式中μ_u,k,t表示用户k在t时刻参与需求响应的状态，其用布尔型的方式表达。μ_u,k,t取值由ρ和ρ_k决定，当ρ＞ρ_k时电网认定用户处于置信区间，补贴激励水平为λ_u,k,t＝g(λ)，μ_u,k,t＝1基本会参与电网需求响应。等于0是意味用户不会参与，此时λ_u,k,t小于ρ_k下的设定激励水准。Fset为电网公司设定整体参与率最低的置信阈值。

从图4可看出大规模源网荷互动中的主要参与对象包含了本地发电机组、分布式电源以及电力工业用户。电力工业用户通过参与DR的方式，结合本地发电机组就近消纳分布式电源，最终保障电网经济稳定运行的目标。实现本地发电机组的发电成本和电力用户参与DR的补贴成本最小化目标，并使得电网负荷波动最小化。因此除去代表电力用户参与DR的补贴成本最优化的式子(4)外，本申请还同时需要对本地发电机组的发电成本进行优化，此间需要满足功率平衡等约束关系式，即电网在每个时刻的需求响应调度负荷总容量

等于参与需求响应的电力用户负荷容量

参与需求响应的备用旋转发电机组

和并网风电容量

步骤102：基于潜在参与需求响应的电力用户信息确定电网对参与需求响应的用户总激励补贴成本，信息来源于电力用户能量管理系统，且信息包括实际响应概率下的激励死区临界点λ_1,k，实际饱和激励水平λ_4,k、每个用户参与时长T、每个用户每个时段可参与需求响应调节的负荷容量

以及单个用户的基础负荷容量

规定此时每个用户k(k∈[0,K])其历史参与DR的时间t所分布时段为T(t∈[T_s,T_E])。

用户k一天每个时间点t的负荷容量O_u,k,t大小为：

式(6)中

和

分别表示用户k在t时刻的基本负荷和可控负荷。可控负荷

包含了可中断、可转移和可削减负荷。可控负荷属于可参与DR配置的资源。正常情况下基本负荷

在电网DR发起请求时不做任何改变或者调整，这一部分负荷用于满足电力工业用户日常生活或者生产的需求。该数值大小为历史用电负荷统计的最小数值

一旦电网在设定的置信区间内确定最佳响应概率ρ_k，即可算得对应激励λ_u,k,t能使得用户k参与DR，此时认定用户k会遵循尽力服务准则。即线性规划过程中电网确定用户响应概率达到一定区间范围时，基本确认电力用户会参与DR，且电力用户负荷调整量会满足尽力而为服务准则(Best-Effort)，尽最大的能力满足电网配置调整其可控负荷在一定范围内变动。最终电网整个下级的K个电力工业用户在t时间点响应电网需求响应的负荷总容量

表示如下：

所以综上分析用户总激励补贴成本为：

式中：F₁为电网对参与需求响应的用户总激励补贴成本；μ_u,k,t表示用户k在t时间参与DR的状态，其用布尔型的方式表达。μ_u,k,t取值由ρ_k决定，当ρ＞ρ_k时电网认定用户处于置信区间,补贴激励水平为λ_u,k,t＝g(λ)，μ_u,k,t＝1基本会参与电网需求响应。等于0是意味用户不会参与，此时λ_u,k,t小于设定的激励水准。T为每个用户参与时长；

为用户k在t时刻提供的负荷响应量；参与需求响应的所有用户在t时刻提供的负荷响应量

等于电力工业用户在t时间点响应电网需求响应的负荷总容量

步骤103：基于能参与需求响应的备用旋转发电机组信息确定所有备用旋转发电机组参与需求响应的代价成本。信息来源与备用旋转发电机组监控模块，且信息包括备用旋转发电机组的数量L、每个发电机组每时段的发电容量O_G,l,t、发电上限O_G,max、下限为O_G,min、发电机组最小运行时间T_r、发电出力变化ΔO_G,l和运行成本系数a、b、c。设定备用旋转发电机组数量为L个，而当个发电机组l(l∈[0,L])在t时间的发电容量O_G,l,t存在上下限制，上限为O_G,max，而下限为O_G,min：

O_G,min≤Q_G,l,t≤O_G,max (11)

发电机组l爬坡速率约束关系式为：

-ΔO_G,l≤Q_G,l,t-Q_G,l,t-1≤+ΔO_G,l (12)

式中ΔO_G,l为发电机组l在单位固定时间段内可以升高的或降低的发电出力。同时考虑到经济性和稳定性问题，发电机组存在一定的发电时长限制。即电网一旦明确启用备用旋转发电机组，其在源网荷互动过程中启动时间T_G,s到停机时间T_G,E之间的时长ΔT应满足以下式(12)关系。

|T_G,s-T_G,E|＝ΔT≥T_r (13)

此时旋转备用发电机组时长ΔT需大于等于限定的发电机组最小运行时间T_r。备用旋转发电机组参与需求响应的负荷容量

为：

参与DR的代价成本如下式所示：等于发电成本减去上网利润的差值；

式中μ_G,l,t代表备用发电机组l在t时间点是否发电出力且并网，默认发电处理且并网时参与需求响应。当μ_G,l,t＝1时则表示参与，否则不参与。而a×O_G,l,t ²+b×O_G,l,t+c等于发电成本，O_G,l,t为备用旋转发电机组l在t时刻提供的发电容量；所有备用旋转发电机组在t时刻提供的发电容量等于备用旋转发电机组参与需求响应的负荷容量

λ_G,l,t为电网对分布式电源并网的补贴费用，即单位电量上网电价。

步骤104：基于参与需求响应的分布式电源信息确定所有分布式电源参与需求响应的成本。信息来源于分布式电源能量管理系统，且信息包括最大出力O_w,max。分布式电源用于辅助电网公司的发配电系统平抑峰时及低谷负荷的波动。

分布式电源在t时间的出力O_w,t小于等于分布式电源最大出力预测数值O_w,max。

0≤Q_w,t≤O_w,max (16)

分布式电源并网时参与需求响应的负荷容量

为：

式中：T_E为分布式电源的发电截止时间；T_S为分布式电源的发电起始时间；

最终分布式电源在参与DR的成本等于其并网成本：

式中μ_w,t代表分布式电源并网的状态，其数值的取值为布尔型。当其等于1时表示分布式电源并网，否则不并网。λ_w,t表示单位分布式电源电量并网补贴费用；O_w,t为分布式电源w在t时刻提供的出力，所有分布式电源在t时刻提供的出力等于分布式电源并网时参与需求响应的负荷容量

步骤105：电网确定最终的优化目标函数：

min{F₁+F₂+F₃} (19)

最终的优化目标函数是使得电力用户总激励成本F₁和备用旋转发电机组参与DR的代价F₂和分布式电源的成本F₃三者之间加和最小化。待求参数包括每个用户κ在τ时间参与DR的状态μ_u,k,t、补贴激励水平λ_u,k,t、参与概率ρ、发电机组发电容量O_G,l,t、发电并网状态μ_G,l,t、风电在t时间的出力O_w,t、风电并网的状态μ_w,t。其中ρ的取值由f(μ_u,k,t)计算得出，求解得到以上的参数之后分别将信息发送给电力用户能量管理系统、备用旋转发电机组监控模块和分布式电源能量管理系统。本发明实施例中其他未加说明的参数，默认为已知常数。

可以任意选择能够得到目标函数结果的方法，例如混合整数非线性规划的方式。

本发明实施例提供的技术方案中首先构建用户参与需求响应的概率与电网激励水平的关系，然后电网通过各时刻的需求响应调度负荷预测总容量设定用户参与需求响应的最小概率，进而确定激励水平；与通过历史用户响应负荷量和激励水平确定激励价格完全不同，后者和用户参与率或者说是参与意愿完全无关，基本是通过历史数据中激励价格和用户响应负荷量的对应关系进行确定，例如电网公司给定最大的补贴价格A，此时通过电网历史负荷数据得出用户的最大响应负荷量，并定义为max{D_t}。调度过程中若用户响应负荷量为D_t，则该用户能得到的补贴价格为A×D_t/max{D_t}，因此本实施例提供的技术方案相比于仅通过历史用户的最大响应负荷量确定激励价格，在保证满足各时刻的需求响应调度负荷预测总容量的情况下，降低了电网对参与需求响应用户的补贴成本，将用户不确定的参与意愿确定化。

另外，本发明实施例提供的技术方案与现有名称为《考虑需求响应不确定性的用户侧优化控制方法》的申请相比，虽然都是通过参与率确定补贴价格，但《考虑需求响应不确定性的用户侧优化控制方法》中的参与率和补贴价格的关系是通过电网预测得到，并直接将预测的值用于需求响应调度，未做任何修正。而本申请实施例提供的技术方案用预测值f和实际观测值g作为参与依据来进行不确定性需求响应调度，通过实际观测值对预测值进行了修正，提高了参与率与补贴价格之间关系的准确性。

实施例2：本发明还提供了可选的实施例对上述技术方案的实施进行具体解释，可选的实施例通过电网需求响应服务器、电力用户能量管理系统、备用旋转发电机组监控模块和分布式电源能量管理系统实施考虑用户参与意愿性的不确定性需求响应优化调度方法，具体包括：

电网需求响应服务器在日内采用短期负荷预测的方法确定未来时段出现用电高峰的时间以及对应时段的峰值负荷用电量，确定下级所辖潜在参与需求响应的电力用户行为模型；以及

电力用户能量管理系统上报负荷信息至电网需求响应服务器；以及

备用旋转发电机组监控模块发送信息至电网需求响应服务器；以及

分布式电源能量管理系统发送信息至电网需求响应服务器；以及

电网需求响应服务器整合所有参与需求响应实体的信息进行混合整数非线性规划，求解最优接下的负荷资源调度方式。

实施例中，所述电力用户行为模型反应用户参与需求响应的概率与激励水平关系。该模型包括：

电网对用户预测的理想响应概率曲线f(λ_u,k,t)以及运行过程中用户对电网的实际响应概率曲线g(λ_u,k,t)；

实施例中，所述电网对用户预测的理想响应概率曲线f(λ_u,k,t)信息包括:

理想响应概率下的激励死区临界点λ_0,k，实际饱和激励水平λ_4,k。

实施例中，所述用户对电网的实际响应概率曲线g(λ_u,k,t)信息包括:

实际响应概率下的激励死区临界点λ_1,k，实际饱和激励水平λ_4,k。

实施例中，所述电力用户能量管理系统上报的负荷信息包括：

实际响应概率下的激励死区临界点λ_1,k，实际饱和激励水平λ_4,k、每个用户参与时长T、每个用户每个时段可参与需求响应调节的负荷容量

以及单个用户的基础负荷容量

实施例中，所述备用旋转发电机组监控模块发送的信息包括:

备用旋转发电机组的数量L、每个发电机组每时段的发电容量O_G,l,t、发电上限O_G,max、下限为O_G,min、发电机组最小运行时间T_r、发电出力变化ΔO_G,l和运行成本系数a、b、c。

实施例中，所述分布式电源能量管理系统发送的信息包括：

分布式电源最大出力O_w,max。

实施例中，所述电网需求响应服务器整合所有参与需求响应实体的信息和自身已有的信息进行混合整数非线性规划，求取最优负荷资源调度目标下不同参与需求响应的实体调度的信息；

实施例中，所述电网自身已有的信息包括：

理想响应概率下的激励死区临界点λ_0,k，实际饱和激励水平λ_4,k，电网公司所辖潜在参与需求响应的电力用户K，电网在每个时刻的需求响应调度负荷总容量

电网公司设定整体参与的概率最低的置信值F_set，每个备用旋转发电机组补贴费用λ_w,t，分布式电源并网的补贴费用。

实施例中，所述混合整数非线性规划求取的调度目标包括：

电力用户总激励成本F₁和备用旋转发电机组参与DR的代价F₂和分布式电源的成本F₃三者之间加和最小化下不同参与需求响应的实体调度信息。

实施例中，所述不同参与需求响应的实体调度信息为混合整数非线性规划所求参数，参数包括：

每个电力用户k在t时刻参与DR的状态μ_u,k,t、补贴激励水平λ_υ，κ，τ、参与概率ρ、发电机组发电容量O_G,l,t、发电并网状态μ_G,l,t、风电在τ时间的出力O_w,t、风电并网的状态μ_w,t。

实施例3：基于同一发明构思，本发明实施例还提供了一种需求响应优化调度系统，包括：

确定激励水平模块，用于对每个时刻基于预先构建的用户行为模型和所有用户综合参与意愿的最低阈值，得到电网对用户参与需求响应的激励水平；

优化计算模块，用于基于所述电网对用户参与需求响应的激励水平和各时刻的需求响应调度负荷预测总容量，对电网调度需求响应的成本最小进行优化计算，得到成本最小时负荷资源调度方式；

所述用户行为模型是基于用户参与需求响应的概率与电网激励水平的关系进行构建。

实施例中，所述系统还包括构建用户行为模型模块，具体用于：

对不同历史激励水平下电力用户的参与概率进行拟合得到理想响应概率下的激励死区临界点和实际饱和激励水平；

基于所述理想响应概率下的激励死区临界点和实际饱和激励水平构建电网对用户预测的理想响应概率曲线；

基于实时采集的不同激励水平下电力用户参与需求响应的状态，确定实际响应概率下的激励死区临界点和实际饱和激励水平；

基于所述实际响应概率下的激励死区临界点和所述实际饱和激励水平构建运行过程中用户对电网的实际响应概率曲线；

基于所述电网对电力用户预测的理想响应概率曲线和所述运行过程中用户对电网的实际响应概率曲线，确定用户参与需求响应的概率与电网激励水平的关系。

实施例中，所述确定激励水平模块，包括：

确定不确定性子模块，用于基于所述用户行为模型确定在相同的激励水平下各电力用户参与需求响应的不确定性；

参与需求响应概率子模块，用于基于所述在相同的激励水平下各电力用户参与需求响应的不确定性确定电力用户整体参与需求响应的概率；

确定激励水平子模块，用于基于所述电力用户整体参与需求响应的概率与所有电力用户综合参与意愿的最低阈值的关系，得到电网对用户参与需求响应的激励水平。

实施例中，所述电网对用户参与需求响应的激励水平，按下式计算：

式中：Γ为电力用户整体参与需求响应的概率；K为具备参与需求响应潜力的用户；μ_u,k,t为电力用户k在t时刻参与需求响应的状态；Γ_k,1为在相同的激励水平λ_u,k,t下各电力用户参与需求响应的不确定性；Fset为所辖范围内电力用户参与需求响应的概率最低的置信阈值；

其中，所述在相同的激励λ_u,k,t下各电力用户参与需求响应的不确定性Γ_k,1，按下式计算：

式中：λ_u,k,t为电网对用户参与需求响应的激励水平；f(λ_u,kt)在激励水平为λ_u,k,t时，理想响应下电力用户参与需求响应的概率；g(λ_u,k,t)在激励水平为λ_u,k,t时，实际响应下电力用户参与需求响应的概率；λ_2,k为同一参与需求响应的概率时，理想响应对应的激励水平；λ_3,k为同一参与需求响应的概率时，实际响应对应的激励水平。

实施例中，所述在激励水平为λ_u,k,t时，理想响应下电力用户参与需求响应的概率f(λ_u,k,t)，按下式计算：

式中：λ_0,k为理想响应概率下的激励死区临界点；λ_4,k为实际饱和激励水平；

所述在激励水平为λ_u,k,t时，实际响应下电力用户参与需求响应的概率g(λ_u,k,t)，按下式计算：

式中：λ_1,k为实际响应概率下的激励死区临界点；λ_4,k为实际饱和激励水平。

实施例中，所述优化计算模块，具体用于：

基于所述电网对用户参与需求响应的激励水平、参与需求响应的用户以及所述参与需求响应的用户提供的负荷响应量，确定电网对参与需求响应的用户总激励补贴成本；

基于电网对每个备用旋转发电机组并网的补贴费用、参与需求响应的备用旋转发电机组，以及所述参与需求响应的备用旋转发电机组提供的发电容量，确定所有备用旋转发电机组参与需求响应的代价成本；

基于电网对分布式电源并网的补贴费用、参与需求响应的分布式电源以及所述参与需求响应的分布式电源提供的出力，确定所有分布式电源参与需求响应的成本；

对所述电网对参与需求响应的用户总激励补贴成本、所述所有备用旋转发电机组参与需求响应的代价成本，以及所有分布式电源参与需求响应的成本之和最小进行优化计算，得到成本最小时负荷资源调度方式；

其中，所述需求响应调度负荷总容量包括：所有参与需求响应的用户提供的负荷响应量、所有参与需求响应的备用旋转发电机组提供的发电容量和所有参与需求响应的分布式电源提供的出力。

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。

以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

Claims (12)

1.一种需求响应优化调度方法，其特征在于，包括：

对每个时刻基于预先构建的用户行为模型和所有用户综合参与意愿的最低阈值，得到电网对用户参与需求响应的激励水平；

基于所述电网对用户参与需求响应的激励水平和各时刻的需求响应调度负荷预测总容量，对电网调度需求响应的成本最小进行优化计算，得到成本最小时负荷资源调度方式；

所述用户行为模型是基于用户参与需求响应的概率与电网激励水平的关系进行构建。

2.如权利要求1所述的方法，其特征在于，所述用户行为模型的构建包括：

对不同历史激励水平下用户的参与概率进行拟合得到理想响应概率下的激励死区临界点和实际饱和激励水平；

基于所述理想响应概率下的激励死区临界点和实际饱和激励水平构建电网对用户预测的理想响应概率曲线；

基于实时采集的不同激励水平下用户参与需求响应的状态，确定实际响应概率下的激励死区临界点和实际饱和激励水平；

基于所述实际响应概率下的激励死区临界点和所述实际饱和激励水平构建运行过程中用户对电网的实际响应概率曲线；

基于所述电网对用户预测的理想响应概率曲线和所述运行过程中用户对电网的实际响应概率曲线，确定用户参与需求响应的概率与电网激励水平的关系。

3.如权利要求1所述的方法，其特征在于，所述对每个时刻基于预先构建的用户行为模型和所有用户综合参与意愿的最低阈值，得到电网对用户参与需求响应的激励水平，包括：

基于所述用户行为模型确定在相同的激励水平下各用户参与需求响应的不确定性；

基于所述在相同的激励水平下各用户参与需求响应的不确定性确定用户整体参与需求响应的概率；

基于所述用户整体参与需求响应的概率与所有用户综合参与意愿的最低阈值的关系，得到电网对用户参与需求响应的激励水平。

4.如权利要求3所述的方法，其特征在于，所述电网对用户参与需求响应的激励水平，按下式计算：

式中：Γ为用户整体参与需求响应的概率；K为具备参与需求响应潜力的用户；μ_u,k,t为用户k在t时刻参与需求响应的状态；Γ_k,1为在相同的激励水平λ_u,k,t下各用户参与需求响应的不确定性；Fset为所辖范围内用户参与需求响应的概率最低的置信阈值；

其中，所述在相同的激励λ_u,k,t下各用户参与需求响应的不确定性Γ_k,1，按下式计算：

式中：λ_u,k,t为电网对用户参与需求响应的激励水平；f(λ_u,k,t)在激励水平为λ_u,k,t时，理想响应下用户参与需求响应的概率；g(λ_u,k,t)在激励水平为λ_u,k,t时，实际响应下用户参与需求响应的概率；λ_2,k为同一参与需求响应的概率时，理想响应对应的激励水平；λ_3,k为同一参与需求响应的概率时，实际响应对应的激励水平。

5.如权利要求4所述的方法，其特征在于，所述在激励水平为λ_u,k,t时，理想响应下用户参与需求响应的概率f(λ_u,k,t)，按下式计算：

式中：λ_0,k为理想响应概率下的激励死区临界点；λ_4,k为实际饱和激励水平；

所述在激励水平为λ_u,k,t时，实际响应下用户参与需求响应的概率g(λ_u,k,t)，按下式计算：

式中：λ_1,k为实际响应概率下的激励死区临界点；λ_4,k为实际饱和激励水平。

6.如权利要求1所述的方法，其特征在于，所述基于所述电网对用户参与需求响应的激励水平和各时刻的需求响应调度负荷预测总容量，对电网调度需求响应的成本最小进行优化计算，得到成本最小时负荷资源调度方式，包括：

基于所述电网对用户参与需求响应的激励水平、参与需求响应的用户以及所述参与需求响应的用户提供的负荷响应量，确定电网对参与需求响应的用户总激励补贴成本；

基于电网对每个备用旋转发电机组并网的补贴费用、参与需求响应的备用旋转发电机组，以及所述参与需求响应的备用旋转发电机组提供的发电容量，确定所有备用旋转发电机组参与需求响应的代价成本；

基于电网对分布式电源并网的补贴费用、参与需求响应的分布式电源以及所述参与需求响应的分布式电源提供的出力，确定所有分布式电源参与需求响应的成本；

对所述电网对参与需求响应的用户总激励补贴成本、所述所有备用旋转发电机组参与需求响应的代价成本，以及所有分布式电源参与需求响应的成本之和最小进行优化计算，得到成本最小时负荷资源调度方式；

其中，所述需求响应调度负荷总容量包括：所有参与需求响应的用户提供的负荷响应量、所有参与需求响应的备用旋转发电机组提供的发电容量和所有参与需求响应的分布式电源提供的出力。

7.如权利要求6所述的方法，其特征在于，所述电网对参与需求响应的用户总激励补贴成本，按下式计算：

式中：F₁为电网对参与需求响应的用户总激励补贴成本；K为电网所辖范围内所有有潜力参与需求响应的用户；λ_u,k,t为用户k在t时刻参与需求响应的激励水平；μ_u,k,t为用户k在t时刻参与需求响应的状态；T为每个用户参与时长；

为用户k在t时刻提供的负荷响应量。

8.如权利要求6所述的方法，其特征在于，所述所有备用旋转发电机组参与需求响应的代价成本，按下式计算：

式中：F₂为所有备用旋转发电机组参与需求响应的代价成本；T_G,E为备用旋转发电机组发电的截止时间；T_G,S为备用旋转发电机组发电的起始时间；L为备用旋转发电机组的数量；μ_G,l,t为备用发电机组l在t时刻的发电并网状态；a×O_G,l,t ²+b×O_G,l,t+c为备用旋转发电机组的发电成本，O_G,l,t为备用旋转发电机组l在t时刻提供的发电容量；λ_G,l,t为电网对分布式电源并网的补贴费用。

9.如权利要求6所述的方法，其特征在于，所述所有分布式电源参与需求响应的成本，按下式计算：

式中：F₃为所有分布式电源参与需求响应的成本；T_E为分布式电源的发电截止时间；T_S为分布式电源的发电起始时间；μ_w,t为分布式电源w在t时刻的并网状态；λ_w,t为单位分布式电源电量并网的补贴费用；O_w,t为分布式电源w在t时刻提供的出力。

10.如权利要求6所述的方法，其特征在于，所述成本最小时负荷资源调度方式，包括：

在各时刻下，每个用户在参与需求响应的状态、每个备用旋转发电机组的发电并网状态和所述备用旋转发电机组的发电容量，以及每个分布式电源的并网状态和所述分布式电源的出力。

11.一种需求响应优化调度系统，其特征在于，包括：

确定激励水平模块，用于对每个时刻基于预先构建的用户行为模型和所有用户综合参与意愿的最低阈值，得到电网对用户参与需求响应的激励水平；

优化计算模块，用于基于所述电网对用户参与需求响应的激励水平和各时刻的需求响应调度负荷预测总容量，对电网调度需求响应的成本最小进行优化计算，得到成本最小时负荷资源调度方式；

所述用户行为模型是基于用户参与需求响应的概率与电网激励水平的关系进行构建。

12.如权利要求11所述的系统，其特征在于，所述系统还包括构建用户行为模型模块，具体用于：

对不同历史激励水平下用户的参与概率进行拟合得到理想响应概率下的激励死区临界点和实际饱和激励水平；

基于所述理想响应概率下的激励死区临界点和实际饱和激励水平构建电网对用户预测的理想响应概率曲线；

基于实时采集的不同激励水平下用户参与需求响应的状态，确定实际响应概率下的激励死区临界点和实际饱和激励水平；

基于所述实际响应概率下的激励死区临界点和所述实际饱和激励水平构建运行过程中用户对电网的实际响应概率曲线；

基于所述电网对用户预测的理想响应概率曲线和所述运行过程中用户对电网的实际响应概率曲线，确定用户参与需求响应的概率与电网激励水平的关系。

Images