CN112016817B - 一种智能电网中基于同伴效应的需求响应方法 - Google Patents
一种智能电网中基于同伴效应的需求响应方法 Download PDFInfo
- Publication number
- CN112016817B CN112016817B CN202010818408.5A CN202010818408A CN112016817B CN 112016817 B CN112016817 B CN 112016817B CN 202010818408 A CN202010818408 A CN 202010818408A CN 112016817 B CN112016817 B CN 112016817B
- Authority
- CN
- China
- Prior art keywords
- user
- consumption
- users
- time
- residential
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000000694 effects Effects 0.000 title claims abstract description 54
- 230000004044 response Effects 0.000 title claims abstract description 28
- 230000005611 electricity Effects 0.000 claims abstract description 61
- 239000011159 matrix material Substances 0.000 claims abstract description 19
- 230000008901 benefit Effects 0.000 claims abstract description 10
- 230000003993 interaction Effects 0.000 claims abstract description 5
- 230000006870 function Effects 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000005265 energy consumption Methods 0.000 claims description 10
- 230000006854 communication Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 9
- 238000010248 power generation Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 230000000052 comparative effect Effects 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000012887 quadratic function Methods 0.000 claims description 3
- 238000004134 energy conservation Methods 0.000 abstract description 3
- 230000006872 improvement Effects 0.000 abstract description 3
- 230000009467 reduction Effects 0.000 abstract description 3
- 230000008859 change Effects 0.000 abstract description 2
- 230000006399 behavior Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种智能电网中基于同伴效应的需求响应方法，主要用于优化智能电网中需求响应方法的性能。本发明考虑了智能电网中用户间存在的同伴效应对用户最终用电消费决策的影响，分析用户间关系网络模型并构造为关系矩阵，收集住宅用户的历史用电信息以获取用户用电偏好需求，每个时间片内供电公司与用户之间的互动都被构建为一个两阶段的Stackelberg博弈模型，提出了一种随时间变化的基于同伴效应的需求响应方案，通过迭代算法得出随时间变化的电价和最优用电调度策略，降低电网的峰均比和总负载，降低发电成本支出，实现节能减排和综合效益的提升。
Description
技术领域
本发明属于智能电网技术领域，具体涉及一种智能电网中基于同伴效应的需求响应方法。
背景技术
智能电网是目前常见的电力基础设施，它利用智能控制器、先进的数据管理软件、电力公司和消费者之间的双向通信等新技术帮助决策，提供高效、可靠和成本节约的发电和配电。需求响应作为智能电网的重要技术之一，可以对用户的能源消费进行重新规划，能够通过减少能耗或将负荷从高峰时段转移到非高峰时段来降低峰值负荷和平滑负荷分布。
在需求响应模式下，作为需求方的消费者会根据价格信号或供给方的激励政策，有意识地调整自己的消费策略。动态定价机制被认为是最受欢迎的解决方案之一并且已有广泛研究。在动态定价方案中，如果给予适当的价格激励，电力用户可以根据电力公司发出的信号减少用电量，或将一些需要大量电力的可调度负载任务转移到非高峰时段。因此，通过实施合理设计的定价方案，电力系统可以平滑负荷分布，实现较低的峰均比。
同伴效应在一些经济学著作中也称为社会资本，邻里效应或对等群体效应。它指这样的现象：一个人的行为不仅会受自身经济利益的激励，如价格和收入，而且也会受周围处于相同地位的人的影响。同伴效应也可以表述为，当同等地位的个体在各种社会关系中相互作用时，一个个体的行为结果受同一群体中其他个体的行为结果的影响。心理学家、政治学家以及行为经济学家已经对同伴效应做了大量研究，并尝试利用它来实现对各自研究领域内容的进一步优化。在教育学中，心理学家肯定同伴效应对相同学力水平学生的影响是正面、积极的，指出将学生按照学力水平编成不同班级，分别实施教学时，这种效果尤为明显。经济学家则指出，已有的理论研究表明，人们做出是否购买某项金融资产的决策的时候，确实会受到周围人的决策的影响。而现有智能电网中对需求响应的研究还未考虑过智能电网中用户间存在的同伴效应对电力负载消耗的影响。
本发明考虑了智能电网中同伴效应的影响，对需求响应方法进一步改进，提出了一种智能电网中基于同伴效应的需求响应方法。
发明内容
发明目的：为了降低电网的峰均比和总负载，降低发电成本支出，实现节能减排和综合效益的提升，本发明提供一种智能电网中基于同伴效应的需求响应方法。
技术方案：一种智能电网中基于同伴效应的需求响应方法，包括如下步骤：
(1)构建社区关系网络模型，包括社区住宅用户之间社交关系的网络拓扑结构；
(2)根据社区关系网络拓扑结构构造关系矩阵并单位化；
(3)收集住宅用户的历史用电数据；
(4)通过收集的住宅用户的历史用电数据获取用户的用电偏好参数；
(5)确定用户用电消费效用函数及各项比例参数；
(6)构建博弈问题并使用迭代法求解博弈问题最优解；
(7)依据最优解进行电力分配调度。
进一步的，步骤(1)社区关系网络模型中的网络拓扑结构中每两个用户之间通过双向连接的通信线路交换信息，网络拓扑结构类型包括全连通型、星型以及环型等。
进一步的，步骤(2)中通过邻接矩阵W＝[wij]，i,j∈N反映社会关系网络拓扑结构，其中wij∈[0,1]表示用户j对用户i的影响强度，此外对有wii0，并对矩阵W进行行规范化，令/>
进一步的，步骤(3)对于住宅用户的历史用电数据收集过程如下：
设定智能电网环境中有N个住宅用户和一家电力公司，令代表住宅用户的集合，住宅用户通过双向通信网络连接到电力公司，令/>代表1天中的时间间隙的集合，T为时间间隙总数，令/>表示第k个时间片内住宅用户i的电力消耗量，/>表示k时刻时住宅用户i从0时刻开始的历史总电力消耗量。
进一步的，步骤(4)具体包括如下计算过程：
(41)获取用户的消费偏好参数，其计算公式为：
其中和/>分别表示住宅用户i在k时刻的消费偏好参数，/>是用户i在k时刻的历史平均电力消耗量，/>分别为用户i在T个时隙中的历史平均最小电力消耗量和最大消耗量；
(42)获取用户的电力消费期望，其计算公式为：
其中di表示用户i一天的电力消费期望，是用户i在一天中的历史平均总电力消耗量。
进一步的，步骤(5)具体包括如下计算过程：
(51)计算住户消费电力获得的个人效用，其计算公式为：
其中表示用户i在时刻k时通过消费电量获得的个人效用，表示为边际收益递减的线性二次函数；
(52)计算住户消费电能的比较效用，其计算公式为：
其中表示用户i在时刻k时由于同伴效应的存在根据电量消费情况获得的比较效用，γi为用户同伴效应比例参数，反映同伴效应项对住宅用户效用函数的作用效果占比；
(53)计算住户消费电能的花费，其计算公式为：
其中表示用户i在时刻k时消费电能的成本花费，p(k)表示时刻k时电力公司提供的单位电价；
(54)增加住户关于电能消耗期望的约束，其计算方法为：
其中用来反映住户电能消耗期望的约束影响，λi为用户负载期望比例参数，反映住户电能消耗期望约束值di对住宅用户效用函数的作用效果占比；
(55)计算用户的用电消费效用函数，其计算方公式为：
其中表示用户i在时刻k时消费电能的效用函数。
进一步的，步骤(6)具体包括如下计算过程：
每个时间片内，电力公司与用户之间的相互作用被看作是一个两阶段的Stackelberg博弈模型，供电公司在时隙k时的收益效用函数简化表示为：
其中c表示发电单位成本，因此，最佳能耗调度问题的计算公式如下：
maxπ(k)；
对于这个博弈问题，通过迭代法获得关于单位电价p(k)和电量消耗的纳什均衡解，解析解的矩阵形式分别为：
其中Γ＝diag(γ1,…,γn)，Λ＝diag(2λ1,…,2λn)，/>d＝[d1,…,dn]T，1＝[1,…,1]T，且M＝2Γ+Λ-ΓW，H(k)＝(B(k)+M)-1。
进一步的，步骤(7)所述的电力分配调度是指根据用户的用电需求进行用电负载的分配，包括根据用户需求调节发电机组运行成本及设置供电设备的负载安全值。
有益效果：与现有技术相比，本发明考虑了智能电网社区中用户之间存在的同伴效应对用户用电消费决策的影响，同时考虑用户的用电消费偏好作为约束，使得模型更接近现实世界，提出的需求响应模型根据博弈问题的最优解进行电力分配调度策方法，在峰值时段增加配电，在低谷时段减少配电，断开一些发电机组设备，在满足用户用电偏好需求的前提下，能够进一步降低系统电力消耗峰值均值比和峰值负载，降低系统发电成本，实现节能减排和综合效益的提升。
附图说明
图1为本发明所述的方法的流程图；
图2为实施例中社区关系网络拓扑结构示意图；
图3为实施例中不采取需求响应方法、采取不考虑同伴效应的需求响应方法及采取考虑同伴效应的需求响应方法三种情况下电网中每时间片电力负载对比图。
具体实施方式
为了详细的说明本发明所公开的技术方案，下面结合具体实施例和附图做进一步的阐述。
本发明所提供的一种智能电网中基于同伴效应的需求响应方法，针对电力系统中用户需求和电力负载调度问题做出优化配置，实现对于电网运行的总负载实现调控。通过分析社区的用户用电需求，形成合理的预期目标，以此组建智能电网及控制电网运行，比如高峰值时段增加发电机组，增加负载供应，在低谷时段降低负载供应，避免电力损耗及资源的浪费，并且还可以根据用户的需求制定相应的供电策略，比如采用多线路供电，根据需求负载的不同进行切换等。另一方面，本发明考虑了智能电网社区中用户之间存在的同伴效应对用户用电消费决策的影响：存在社交关系的用户之间通过双向通信网络可以了解彼此的电力消耗数据，按照这种社区关系网络结构构造关系矩阵并行规范化；考虑用户负载的不均匀性随时间变化，抽象出用户随时间变化的用电消费偏好参数，使得模型更好地反映用户随时间变化的消费心理偏好，更符合现实世界；考虑用户一天的消费期望约束条件，在追求降低系统电力消耗峰值均值比和峰值负载的同时能够保证满足用户用电的基本需求。
如图1所示的是本发明所述方法的流程示意图，主要包括如下步骤：
(1)构建社区关系网络模型，包括社区住宅用户之间社交关系的网络拓扑结构；
(2)根据社区关系网络拓扑结构构造关系矩阵并单位化；
(3)收集住宅用户的历史用电数据；
(4)通过收集的住宅用户的历史用电数据获取用户的用电偏好参数；
(5)确定用户用电消费效用函数及各项比例参数；
(6)构建博弈问题并使用迭代法求解博弈问题最优解；
(7)依据最优解进行电力分配调度。
如图2所示，一个智能电网环境中有N个住宅用户和一家电力公司，令 代表住宅用户的集合，住宅用户通过双向通信网络连接到电力公司，电力公司能够获取用户的电力消耗数据并实时向用户提供电价信号和控制电力资源的调配，住宅用户间依据社区社交关系结构构建的双向通信网络，相互之间也可以了解彼此的电力消耗数据，并根据电力公司提供的价格信号确定最终的电力消费计划。令/>代表1天中的时间间隙的集合，T为时间间隙总数。在每个时间片上，我们都可以把整个智能电网社区看作是由两个参与者组成的电力消费市场。满足住宅用户电力需求的电力公司和消费电力的N个住宅用户。这个模型在每个时间片上都可以看作是一个两阶段的Stackelberg博弈模型：首先由电力公司给出当前时间片的单位电价，然后住宅用户根据提供的电价信号对电力消费需求进行决策。接下来，电力公司依据博弈的最优解获取社区所有住宅用户一天中随时间变化的电力消费需求后，对社区进行最优的发电调度策略安排。与此同时，我们假设网络结构和用户参数的完整信息在任何时候都是可以获得的。
本实施例中，一种智能电网中基于同伴效应的需求响应方法(Peer-effect basedDemand Response，即PEDR)，其具体步骤如下：
1)构建社区关系网络模型：
考虑同伴效应对用户用电消费决策的影响，应当构建社区关系网络模型以反映社区住宅用户之间社交关系的网络拓扑结构。一些基本的网络拓扑结构类型包括全连通型、星型以及环型拓扑网络结构，具体实例将以全连接型的网络拓扑结构为例，表示智能电网社区中的N个用户之间两两都存在双向连接的通信线路，住宅用户i可以获得所有其他用户的电力消费信息以及历史用电数据。
2)构造关系矩阵并单位化：
使用邻接矩阵W＝[wij]，i,j∈N反映社会关系网络拓扑结构，其中wij∈[0,1]表示用户j对用户i的影响强度，此外我们假设对wii0，并对矩阵W进行行规范化，即令具体实施例中，关系矩阵W为：
3)收集住宅用户的历史用电数据；
令代表住宅用户的集合，令/>代表1天中的时间间隙的集合，例如具体实施例中采用N＝20，60分钟/时间间隙，即＝24。对住宅用户i，用/>表示t时刻时，他从0时刻开始的历史总电力消耗量。
4)通过收集的数据获取住宅用户的用电偏好参数：
首先，在一天中，住宅用户i在每个时间片k的电力消耗情况是不均匀的，对应着不同的消费偏好参数和/>在用电高峰时段，用户往往会消耗更多的电力来做饭或启动空调，此时这种偏好反映为两个较大的/>和/>值，反之在用电低谷时段则反映为较小的值。此外，不同用户的每天的电力需求量期望值也不同，我们用di来表示用户i一天的电力消费期望；相似的，节俭的住户具有较小的di值而不够节约型的用户则具有较大的di值。我们通过步骤3)收集到的数据分析计算得到可以反映用户i用电消费曲线的用电偏好参数和di，计算公式为：
其中是用户i在k时刻的历史平均电力消耗量，/>分别为用户i在T个时隙中的历史平均最小电力消耗量和最大消耗量，/>是用户i在一天中的历史平均总电力消耗量；/>
在不受其他因素影响的自然情况下，用户自己单独决定的消费曲线应拟合反映用户的实际电力消耗情况。这样，我们基于获取的住宅用户的用电偏好参数和di，可以对用户的用电消费行为进行预测，以此作为电网配电策略的参考依据。
5)确定用户用电消费效用函数及各项比例参数：
每个时间片内，电力公司与用户之间的相互作用被看作是一个两阶段的Stackelberg博弈模型。记在时隙k时，电力公司给出的单位电价为p(k)，住宅用户i的电量消费为住宅用户i在时隙k时的用电消费效用函数为：
该效用函数共由四部分构成，其中：
第一部分反映了住户消费电力获得的个人效用，表示为边际收益递减的线性二次函数；
第二部分反映住户消费电能的比较效用；
第三部分反映用户消费电能的成本花费；
第四部分用来反映住户电能消耗期望的约束影响。
需要确定用户消费效用函数中各项比例参数的合适值：用户同伴效应比例参数γi和负载期望比例参数λi的取值，它们分别反映同伴效应项和负载期望对比项对住宅用户i的效用函数的作用效果占比。具体实施例中设置：i＝i＝0.05。
6)构建博弈问题并使用迭代法求解博弈问题最优解：
每个时间片内，电力公司与用户之间的相互作用被看作是一个两阶段的Stackelberg博弈模型。
供电公司在时隙k时的收益效用函数为：
其中c表示发电单位成本，进一步地，因为观察到电力公司的效用函数为各时隙净收益利润的累加和，时隙k之前的累加收益效用是已知确定的，可以只关注时隙k内的利润，将效用函数简化为：
住宅用户i在时隙k时的用电消费效用函数为：
至此在每个时间片k上我们都构造了一个两阶段的Stackelberg博弈数学模型：首先由电力公司确定单位电价，然后由住宅用户根据供电公司提供的电价对电力消费需求进行决策。在第一阶段，电力公司作为领导者确定单位电价p(k)以最大化其收益效用函数π(k)。在第二阶段，住宅用户i扮演跟随者的角色，收到电力公司提供的价格信号后确定其电量消耗以最大化其效用函数/>
对于这个博弈问题，通过理论证明，使用迭代法可以获得关于单位电价p(k)和电量消耗的纳什均衡解也是唯一解。记时隙k时刻，/>Γ＝diag(γ1,…,γn)，Λ＝diag(2λ1,…,2λn)，/>d＝[d1,…,dn]T，1＝[1,…,1]T，且M＝2Γ+Λ-ΓW，H(k)＝(B(k)+M)-1，单位电价p(k)和电量消耗/>的解析解的矩阵形式分别为：
7)依据最优解进行电费定价和消费调度：
根据迭代得到的最优解信息，电力公司按照求解的结果向住宅用户提供价格信号，并根据得到的用户消费需求信息实施随时间变化的最优配电调度，以达到降低发电成本支出，进一步降低电网的峰均比和总负载，平滑负载曲线的目的。
本实施例中为了验证本发明的实际效果，进行了仿真实验，图3为了更好地说明本发明的效果，加入了不采取需求响应方法(WDR)和采取不考虑同伴效应的需求响应方法(TDR)两种实施方案作为对比，给出了WDR、TDR及采取考虑同伴效应的需求响应方法(本发明方法PEDR)三种情况下电网中每时间片电力负载对比，其中，令同伴效应比例参数γi＝0(即该部分取值为0)，得到TDR方案的结果，令γi＝0，且单位电价固定为p(k)＝3(即用户的用电消费决策不再根据变动的电价信号做博弈)可得WDR的结果；下表为以上三种实施方案下峰值均值比(PAR)、峰值负载和总负载的对比情况。
由上可知，在实施了本发明的方法之后，与不考虑同伴效应的需求方法相比，系统的峰值均值比、峰值负载以及总负载都进一步有较为明显的降低。
Claims (5)
1.一种智能电网中基于同伴效应的需求响应方法，其特征在于：包括如下步骤：
(1)构建社区关系网络模型，包括社区住宅用户之间社交关系的网络拓扑结构；
(2)根据社区关系网络拓扑结构构造关系矩阵并单位化；
(3)收集住宅用户的历史用电数据；
设定智能电网环境中有N个住宅用户和一家电力公司，令代表住宅用户的集合，住宅用户通过双向通信网络连接到电力公司，令/>代表1天中的时间间隙的集合，T为时间间隙总数，令/>表示第k个时间片内住宅用户i的电力消耗量，/>表示k时刻时住宅用户i从0时刻开始的历史总电力消耗量；
(4)通过收集的住宅用户的历史用电数据获取用户的用电偏好参数，具体包括如下计算过程：
(41)获取用户的消费偏好参数，其计算公式为：
其中和/>分别表示住宅用户i在k时刻的不同的消费偏好参数，/> 是用户i在k时刻的历史平均电力消耗量，/>分别为用户i在T个时隙中的历史平均最小电力消耗量和最大消耗量；
(42)获取用户的电力消费期望，其计算公式为：
其中di表示用户i一天的电力消费期望，是用户i在一天中的历史平均总电力消耗量；
(5)确定用户用电消费效用函数及各项比例参数，具体包括如下计算过程：
(51)计算住户消费电力获得的个人效用，其计算公式为：
其中表示用户i在时刻k时通过消费电量获得的个人效用，表示为边际收益递减的线性二次函数；
(52)计算住户消费电能的比较效用，其计算公式为：
其中表示用户i在时刻k时由于同伴效应的存在根据电量消费情况获得的比较效用，γi为用户同伴效应比例参数，反映同伴效应项对住宅用户效用函数的作用效果占比；
(53)计算住户消费电能的花费，其计算公式为：
其中表示用户i在时刻k时消费电能的成本花费，p(k)表示时刻k时电力公司提供的单位电价；
(54)增加住户关于电能消耗期望的约束，其计算方法为：
其中用来反映住户电能消耗期望的约束影响，λi为用户负载期望比例参数，反映住户电能消耗期望约束值di对住宅用户效用函数的作用效果占比；
(55)计算用户的用电消费效用函数，其计算方公式为：
其中表示用户i在时刻k时消费电能的效用函数；
(6)构建博弈问题并使用迭代法求解博弈问题最优解；
(7)依据最优解进行电力分配调度。
2.根据权利要求1所述的智能电网中基于同伴效应的需求响应方法，其特征在于：步骤(1)社区关系网络模型中的网络拓扑结构中每两个用户之间通过双向连接的通信线路交换信息，网络拓扑结构类型包括全连通型、星型或环型。
3.根据权利要求1所述的智能电网中基于同伴效应的需求响应方法，其特征在于：步骤(2)中通过邻接矩阵w＝[wij]，u,j∈N反映社会关系网络拓扑结构，其中wij∈[0,1]表示用户j对用户i的影响强度，此外对有wii＝0，并对矩阵W进行行规范化，令/>
4.根据权利要求1所述的智能电网中基于同伴效应的需求响应方法，其特征在于：步骤(6)具体包括如下计算过程：
每个时间片内，电力公司与用户之间的相互作用被看作是一个两阶段的Stackelberg博弈模型，供电公司在时隙k时的收益效用函数简化表示为：
其中c表示发电单位成本，因此，最佳能耗调度问题的计算公式如下：
maxπ(k)；
对于这个博弈问题，通过迭代法获得关于单位电价p(k)和电量消耗的纳什均衡解，解析解的矩阵形式分别为：
其中Γ＝diag(γ1,…,γn)，Λ＝diag(2λ1,…,2λn)，/> d＝[d1,…,dn]T，1＝[1,…,1]T，且M＝2Γ+Λ-ΓW，H(k)＝(B(k)+M)-1。
5.根据权利要求1所述的智能电网中基于同伴效应的需求响应方法，其特征在于：步骤(7)所述的电力分配调度是指根据用户的用电需求进行用电负载的分配，包括根据用户需求调节发电机组运行成本及设置供电设备的负载安全值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010818408.5A CN112016817B (zh) | 2020-08-14 | 2020-08-14 | 一种智能电网中基于同伴效应的需求响应方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010818408.5A CN112016817B (zh) | 2020-08-14 | 2020-08-14 | 一种智能电网中基于同伴效应的需求响应方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112016817A CN112016817A (zh) | 2020-12-01 |
| CN112016817B true CN112016817B (zh) | 2023-12-26 |
Family
ID=73506030
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010818408.5A Active CN112016817B (zh) | 2020-08-14 | 2020-08-14 | 一种智能电网中基于同伴效应的需求响应方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112016817B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112819307B (zh) * | 2021-01-23 | 2023-08-18 | 西安交通大学 | 智能电网中基于负载监督的需求响应方法及系统 |
| CN113157801B (zh) * | 2021-04-21 | 2023-07-11 | 内蒙古电力(集团)有限责任公司乌兰察布供电分公司 | 一种用电时序数据可视化展示方法、系统和可读介质 |
| CN117371768B (zh) * | 2023-12-08 | 2024-05-03 | 国网湖北省电力有限公司 | 一种城市用电的供电调度方法、系统与介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101840264B1 (ko) * | 2016-09-19 | 2018-03-20 | 한양대학교 에리카산학협력단 | 스마트 그리드에서 전력 수요 관리를 위한 수요 공급 균형 방법 및 시스템 |
| 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 |
| CN110503461A (zh) * | 2019-07-31 | 2019-11-26 | 南京航空航天大学 | 一种智能电网中基于住宅用户聚类的需求响应方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120078687A1 (en) * | 2010-09-24 | 2012-03-29 | International Business Machines Corporation | System and method for lowest cost aggregate energy demand reduction |
-
2020
- 2020-08-14 CN CN202010818408.5A patent/CN112016817B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101840264B1 (ko) * | 2016-09-19 | 2018-03-20 | 한양대학교 에리카산학협력단 | 스마트 그리드에서 전력 수요 관리를 위한 수요 공급 균형 방법 및 시스템 |
| 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 |
| CN110503461A (zh) * | 2019-07-31 | 2019-11-26 | 南京航空航天大学 | 一种智能电网中基于住宅用户聚类的需求响应方法 |
Non-Patent Citations (1)
| Title |
|---|
| A Demand Response Scheme in Smart Grid with Clustering of Residential Customers;Bijian Dai 等;《2019 IEEE International Conference on Communications, Control, and Computing Technologies for Smart Grids》;第1-6页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112016817A (zh) | 2020-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112016817B (zh) | 一种智能电网中基于同伴效应的需求响应方法 | |
| Walker et al. | Analysis on impact of shared energy storage in residential community: Individual versus shared energy storage | |
| Kanakadhurga et al. | Demand side management in microgrid: A critical review of key issues and recent trends | |
| Critz et al. | Power systems balancing with high penetration renewables: The potential of demand response in Hawaii | |
| Akter et al. | An optimal distributed energy management scheme for solving transactive energy sharing problems in residential microgrids | |
| Wang et al. | Stochastic optimization for residential demand response with unit commitment and time of use | |
| CN112950098B (zh) | 基于综合能源系统的能源规划方法、装置及终端设备 | |
| CN113256031B (zh) | 一种基于居民需求响应策略自学习优化方法 | |
| Jiang et al. | Residential power scheduling based on cost efficiency for demand response in smart grid | |
| Al-Mousa et al. | A fuzzy-based customer response prediction model for a day-ahead dynamic pricing system | |
| CN114077910A (zh) | 柔性负荷参与调峰优化配置的方法、装置及计算机设备 | |
| CN108805326A (zh) | 一种基于多时间尺度需求响应模型的电价定价方法 | |
| 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 | |
| Han et al. | Dynamic game optimization control for shared energy storage in multiple application scenarios considering energy storage economy | |
| CN112651544B (zh) | 一种增量配电多主体协调优化方法 | |
| Wu et al. | A multi-agent system for households response to dynamic pricing | |
| CN112508629A (zh) | 一种考虑用户特性的多元用户需求响应的方法 | |
| Mihaela et al. | Smart Hub Electric Energy Data Aggregation Platform for Prosumers Grid Integration | |
| CN112634080A (zh) | 一种基于Pareto最优理论的多目标需求响应管理方法 | |
| Zhang et al. | Urban user and grid supply and demand friendly interaction system based on two-layer optimization model | |
| Nunna et al. | A smart energy management framework for distribution systems with perceptive residential consumers | |
| CN111445154A (zh) | 一种电力市场资源自调度优化方法、系统以及设备 | |
| Wang et al. | Multi-objective design of reward mechanism under coupling effects considering customer classification and demand response behavior | |
| Ali et al. | Using meta-heuristic and numerical algorithm inspired by evolution differential equation and strawberry plant for demand side management in smart grid | |
| Papaioannou et al. | An optimization framework for effective flexibility management for prosumers |
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 |