CN113256114B - 基于分布式发电消纳的日前与时前两阶段的需求响应方法 - Google Patents

基于分布式发电消纳的日前与时前两阶段的需求响应方法 Download PDF

Info

Publication number
CN113256114B
CN113256114B CN202110573811.0A CN202110573811A CN113256114B CN 113256114 B CN113256114 B CN 113256114B CN 202110573811 A CN202110573811 A CN 202110573811A CN 113256114 B CN113256114 B CN 113256114B
Authority
CN
China
Prior art keywords
day
ahead
time
aggregator
response
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
Application number
CN202110573811.0A
Other languages
English (en)
Other versions
CN113256114A (zh
Inventor
闫振华
李永亮
夏绪卫
郭少勇
丁茂生
高博
黄建平
张爽
吴旻荣
马万里
陈洁蔚
马瑞
罗海荣
张庆平
李秀广
朱东歌
李晓龙
王峰
刘佳
马军伟
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.)
Beijing University of Posts and Telecommunications
Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd
Electric Power Research Institute of State Grid Ningxia Electric Power Co Ltd
Information and Telecommunication Branch of State Grid Shanxi Electric Power Co Ltd
Original Assignee
Beijing University of Posts and Telecommunications
Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd
Electric Power Research Institute of State Grid Ningxia Electric Power Co Ltd
Information and Telecommunication Branch of State Grid Shanxi 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 Beijing University of Posts and Telecommunications, Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd, Electric Power Research Institute of State Grid Ningxia Electric Power Co Ltd, Information and Telecommunication Branch of State Grid Shanxi Electric Power Co Ltd filed Critical Beijing University of Posts and Telecommunications
Priority to CN202110573811.0A priority Critical patent/CN113256114B/zh
Publication of CN113256114A publication Critical patent/CN113256114A/zh
Application granted granted Critical
Publication of CN113256114B publication Critical patent/CN113256114B/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
    • 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
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

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

本发明提供基于分布式发电消纳的日前与时前两阶段的需求响应方法，属于电力系统技术领域。包括：云计算节点向边缘节点发起日前需求响应；边缘节点根据日前负荷响应总量下发与聚合商的历史响应能力相匹配的响应任务给聚合商；边缘节点接收聚合商上传的日前负荷响应决策信息；边缘节点根据日前负荷响应决策信息进行一阶段日前电力负荷预测更新；边缘节点根据聚合商当日上报的时前用电开销数据进行二阶段时前电力需求预测更新；边缘节点根据聚合商当日上报的时前分布式电源发电功率分析分布式电源的当前消纳情况；当不满足分布式电源的消纳需求时，聚合商发起实时需求响应；当满足消纳需求时，云计算节点根据时前用电开销数据修正分时电价。

Description

基于分布式发电消纳的日前与时前两阶段的需求响应方法
技术领域
本发明涉及电力系统技术领域，尤其涉及一种基于分布式发电消纳的日前与时前两阶段的需求响应方法。
背景技术
随着经济的发展，用电负荷的日益增长，高峰期和低谷期的电量消耗差距较大。传统的发电方案在高峰期消纳过剩时，需要启用高成本发电装置以满足供电需求，低谷期消纳不足时，需要通过储电装置和储热装置来储存电能和热能，在用电高峰期参与能源调度，由于储能空间有限，又会造成资源浪费和经济损失。
传统的交易模式中，零售商以波动价格从批发市场购买电能，并以相对稳定的价格卖给用户。价格的无差异性使得用户无意规划自身用电情况。而且零售商在这种情况下面临双重经济风险，首先，用户不参与需求上传导致零售商只能依据经验购买能量，可能购买过量或不足，导致经济损失；其次，以变价购买，以稳定价格出售，可能出现卖价低于进价的时段，导致总体亏损。
发明内容
有鉴于此，本发明提供一种基于分布式发电消纳的日前与时前两阶段的需求响应方法，协同边缘计算以及云计算进行日前负荷需求与分布式电源发电量预测以及时前更新与响应，能够兼顾准确性和即时性，增加高用电可靠性，降低用电开销。
本发明实施例解决其技术问题所采用的技术方案是：
一种基于分布式发电消纳的日前与时前两阶段的需求响应方法，包括：
云计算节点向边缘节点发起日前需求响应，所述日前需求响应包括日前负荷响应总量、以及分时电价预测结果；
所述边缘节点根据所述日前负荷响应总量下发与聚合商的历史响应能力相匹配的响应任务给所述聚合商，同时根据所述分时电价预测结果提供竞价上限值给所述聚合商；
所述边缘节点接收所述聚合商上传的日前负荷响应决策信息，所述日前负荷响应决策信息包括所述聚合商决定用户参与的日前负荷削减量；
所述边缘节点根据所述日前负荷响应决策信息进行一阶段日前电力负荷预测更新，得到一阶段更新结果；
所述边缘节点根据所述聚合商当日上报的时前用电开销数据进行二阶段时前电力需求预测更新，得到二阶段更新结果；
所述边缘节点根据所述聚合商当日上报的时前分布式电源发电功率分析分布式电源的当前消纳情况；
当不满足所述分布式电源的消纳需求时，所述聚合商向所述用户发起实时需求响应，所述实时需求响应包括实时负荷削减需求响应和实时负荷迁移需求响应；
或者，当满足所述分布式电源的消纳需求时，所述边缘节点向所述云计算节点发送所述时前用电开销数据给所述云计算节点；
所述云计算节点根据所述时前用电开销数据修正所述分时电价。
较优地，所述云计算节点向边缘节点发起日前需求响应之前，还包括：
所述云计算节点根据历史用电数据构建日前市场需求侧响应的模型，得到次日各小时的预测负荷需求、以及所述分布式电源的次日各小时预测发电量；
所述云计算节点根据所述次日各小时的预测负荷需求和所述次日各小时预测发电量制定所述日前负荷响应总量、以及所述分时电价预测结果。
较优地，所述一阶段更新结果为
Figure GDA0003530864250000031
Figure GDA0003530864250000032
式中，所述边缘节点的集合为E，E＝{1，2，...，e}，所述聚合商的集合为A，A＝{1，2，...，a}，所述用户c的集合为C，C＝{1，2，...，c}，所述cr为所述用户c中参与到日前负荷响应决策的用户，Cr＝{1，2，...，cr}，所述t为时间，t∈{1，2，...，24}，所述
Figure GDA0003530864250000033
为所述云计算节点预测的各个所述聚合商所管辖的用户在各时段总用电负荷预测值，所述聚合商决定所述用户cr的所述日前负荷削减量为
Figure GDA0003530864250000034
较优地，所述边缘节点根据所述聚合商当日上报的时前用户用电开销进行二阶段时前电力需求预测更新，得到二阶段更新结果包括：
计算所述二阶段更新结果
Figure GDA0003530864250000035
与所述
Figure GDA0003530864250000036
之间的相关性
Figure GDA0003530864250000037
Figure GDA0003530864250000038
Figure GDA0003530864250000039
Figure GDA00035308642500000310
Figure GDA00035308642500000311
计算时前负荷
Figure GDA00035308642500000312
的加权求和
Figure GDA00035308642500000313
Figure GDA00035308642500000314
计算所述
Figure GDA0003530864250000041
与所述
Figure GDA0003530864250000042
之间的偏移度
Figure GDA0003530864250000043
Figure GDA0003530864250000044
计算所述
Figure GDA0003530864250000045
与所述
Figure GDA0003530864250000046
之间的偏移度
Figure GDA0003530864250000047
Figure GDA0003530864250000048
计算权重系数α：
Figure GDA0003530864250000049
当
Figure GDA00035308642500000410
且α≥0.5时，将所述
Figure GDA00035308642500000411
更新为用户在下一时段的用电负荷预测值；
当
Figure GDA00035308642500000412
且α＜0.5时，将所述
Figure GDA00035308642500000413
更新为用户在前一小时的实际用电值；
当
Figure GDA00035308642500000414
时，
Figure GDA00035308642500000415
较优地，所述用户c上传至所述聚合商的日前竞价决策为
Figure GDA00035308642500000416
所述
Figure GDA00035308642500000417
为所述用户c在t时段的预期削减量总值，所述
Figure GDA00035308642500000418
为所述聚合商根据所述竞价上限值为所述用户c制定的单位电量电费补偿上限值，所述
Figure GDA00035308642500000419
为所述用户c对于可避免负荷的响应偏好，
Figure GDA00035308642500000420
所述
Figure GDA00035308642500000421
为所述用户c所要求的单位电量电费补偿报价，
Figure GDA00035308642500000422
所述
Figure GDA0003530864250000051
为所述用户c的d设备在次日t时段的预期负荷削减量；
所述聚合商决定所述用户c参与的所述日前负荷削减量为
Figure GDA0003530864250000052
所述用户c在日前市场的效益函数Uc表示为：
Figure GDA0003530864250000053
较优地，当不满足所述分布式电源的消纳需求时，所述边缘节点向所述聚合商发起实时需求响应包括：
当所述分布式电源消纳需求为消纳过剩时，所述聚合商发起实时负荷削减需求响应；
或者，当所述分布式电源消纳需求为消纳不足时，所述聚合商发起实时负荷迁移需求响应。
较优地，所述聚合商发起实时负荷削减需求响应之后，还包括：
所述聚合商接收所述用户c上传的实时竞价决策
Figure GDA0003530864250000054
所述
Figure GDA0003530864250000055
表示时前市场中所述用户c还可参与的预期削减总量；
所述聚合商决定所述用户c参与的所述实时负荷削减量
Figure GDA0003530864250000056
所述用户c在参与所述日前市场和所述时前市场的总效益函数U表示为：
Figure GDA0003530864250000057
较优地，所述云计算节点根据所述时前用户用电开销修正所述分时电价之后，还包括：
所述聚合商清算所述用户c当日的实际用电削减量
Figure GDA0003530864250000058
当
Figure GDA0003530864250000059
时，所述聚合商按照所述
Figure GDA00035308642500000510
给予所述用户c补偿；
当
Figure GDA00035308642500000511
时，所述聚合商按照
Figure GDA00035308642500000512
给予所述用户c补偿：
Figure GDA0003530864250000061
由上述技术方案可知，本发明实施例提供的基于分布式发电消纳的日前与时前两阶段的需求响应方法，通过协同边缘计算以及云计算平台进行日前负荷需求与分布式电源发电量预测，能够兼顾准确性和即时性，结合提出的需求侧竞价机制协助零售商制定最佳购电策略，避免高峰供电不足可能导致的突发用电故障，增加高用电可靠性，降低用电开销。
附图说明
图1为本发明的基于分布式发电消纳的日前与时前两阶段的需求响应方法的流程图。
图2为本发明的云边协同基于资源池的需求响应架构图。
图3为本发明的负荷预测更新模型图。
图4为本发明的负荷预测算法性能图。
图5为本发明的可再生能源发电出力轮廓图。
图6为本发明的考虑分布式发电和DR后的能量需求变化图。
图7为本发明的需求侧竞价策略下的负荷开销削减图。
图8为本发明的同向偏移情况下两阶段预测更新。
图9为本发明的反向偏移情况下两阶段预测更新。
具体实施方式
以下结合本发明的附图，对本发明的技术方案以及技术效果做进一步的详细阐述。
本发明的方法在负荷预测和高峰削减两个核心环节中引入边云协同计算模式。具体地，在日前市场中考虑大数据量及时延容忍性，采用云计算提供充分的计算能力，在此模式下，提出基于差分进化(differential evolution，DE)-长短期记忆网络(long short-term memory，LSTM)的负荷预测算法，为供应商的发电计划提供依据。
如图2所示架构，自上至下的物理实体主要包括发电系统、输电系统运营商(transmission system operator,TSO)、市场运营商(market operator,MO)、配电系统、零售商、负荷聚合商，虚拟实体则主要包括边缘计算节点和云计算节点。针对个体负荷需求有限但总体占比可观的居民用户，由负荷聚合商(load aggregator，LA)进行信息汇总和上传，上传信息包括负荷需求、竞价信息等；即用户通过负荷聚合商参与市场需求响应。由分散的边缘节点充当所辖区域的需求响应管控者(Demand response eXchange operator,DRXO)，预测系统负荷需求和分布式电源发电出力、交互负荷和价格信息。采用云辅助方式进行负荷预测，并协助发电公司制定报价策略。
如图1为基于图2所示架构所实施的基于分布式发电消纳的日前-时前两阶段的需求响应方法，具体步骤包括：
步骤S1，云计算节点向边缘节点发起日前需求响应，其中，日前需求响应包括日前负荷响应总量、以及分时电价预测结果；
步骤S2，边缘节点根据日前负荷响应总量下发与聚合商的历史响应能力相匹配的响应任务给聚合商，同时根据分时电价预测结果提供竞价上限值给聚合商；
步骤S3，边缘节点接收聚合商上传的日前负荷响应决策信息，日前负荷响应决策信息包括聚合商决定用户参与的日前负荷削减量以及参与日前负荷削减的用户所要求的单位电量电费补偿报价；
步骤S4，边缘节点根据日前负荷响应决策信息进行一阶段日前电力负荷预测更新，得到一阶段更新结果；
步骤S5，边缘节点根据聚合商当日上报的时前用电开销数据进行二阶段时前电力需求预测更新，得到二阶段更新结果；
步骤S6，边缘节点根据聚合商当日上报的时前分布式电源发电功率分析分布式电源的当前消纳情况；
步骤S7，当不满足分布式电源的消纳需求时，聚合商向用户发起实时需求响应，其中，实时需求响应包括实时负荷削减需求响应和实时负荷迁移需求响应；
步骤S8，当满足分布式电源的消纳需求时，边缘节点向云计算节点发送时前用电开销数据给云计算节点；
步骤S9，云计算节点根据时前用电开销数据修正分时电价。
在步骤1之前，云计算节点构建了基于DE-LSTM的负荷基础预测与比例更新的计算模型，其输入数据包括：用于预测的数据集、种群规模、最大迭代次数G、缩放因子F、交叉概率σ；输出数据包括：LSTM的单元数X[0]，Dense单元数X[1]。
步骤S21，种群初始化：产生第0代种群的个体，第i个个体的第j维度取值如公式(1)所示，η取值为(0,1)内的随机数，g为当前迭代次数，
Figure GDA0003530864250000081
构造评价函数：
Figure GDA0003530864250000091
若|fit_fun(X)|≥ε或g≤G，则执行后续步骤；
步骤S22，公式变异：
Figure GDA0003530864250000092
其中，F是变异缩放因子，F∈[0,2]；
步骤S23，交叉：如果η≤σ或者j＝jrand，则
Figure GDA0003530864250000093
否则，
Figure GDA0003530864250000094
步骤S24，数据选择：如果
Figure GDA0003530864250000095
则
Figure GDA0003530864250000096
进一步，如果还满足
Figure GDA0003530864250000097
则
Figure GDA0003530864250000098
否则，
Figure GDA0003530864250000099
返回值：X，即为准确率最高的LSTM和Dense单元数。
为保证预测准确性，在基于日前历史数据预测负荷需求的基础上还考虑基于日前用户响应的需求更新以及基于时前负荷的需求比例更新。
根据上述DE-LSTM计算模型，云计算节点根据电力系统中的历史用电数据构建日前市场需求侧响应的模型，得到次日各小时的预测负荷需求、以及分布式电源的次日各小时预测发电量，并且，可进一步分析并制定日前负荷响应总量、以及分时电价预测结果。
步骤S4中，边缘节点根据日前负荷响应决策信息进行一阶段日前电力负荷预测更新DE-LSTM计算模型，得到各需求响应池的一阶段更新结果为
Figure GDA00035308642500000910
如公式(6)所示：
Figure GDA00035308642500000911
式中，边缘节点的集合为E，E＝{1，2，...，e}，聚合商的集合为A，A＝{1，2，...，a}，用户c的集合为C，C＝{1，2，...，c}，cr为用户c中参与到日前负荷响应决策的用户，Cr＝{1，2，...，cr}，t为时间，t∈{1，2，...，24}，
Figure GDA0003530864250000101
为云计算节点预测的各个聚合商所管辖的用户在各时段总用电负荷预测值，聚合商决定用户cr的日前负荷削减量为
Figure GDA0003530864250000102
步骤S5中，边缘节点根据聚合商当日上报的时前用电开销数据进行二阶段时前电力需求预测更新，得到二阶段更新结果为
Figure GDA0003530864250000103
具体的更新方案如下：
计算二阶段更新结果
Figure GDA0003530864250000104
与
Figure GDA0003530864250000105
之间的相关性
Figure GDA0003530864250000106
如公式(7)所示：
Figure GDA0003530864250000107
Figure GDA0003530864250000108
Figure GDA0003530864250000109
Figure GDA00035308642500001010
计算时前负荷
Figure GDA00035308642500001011
的加权求和
Figure GDA00035308642500001012
如公式(11)所示：
Figure GDA00035308642500001013
计算
Figure GDA00035308642500001014
与
Figure GDA00035308642500001015
之间的偏移度
Figure GDA00035308642500001016
如公式(12)所示：
Figure GDA00035308642500001017
计算
Figure GDA00035308642500001018
与
Figure GDA00035308642500001019
之间的偏移度
Figure GDA00035308642500001020
如公式(13)所示：
Figure GDA0003530864250000111
计算权重系数α，如公式(14)所示：
Figure GDA0003530864250000112
最后，需要分析提前一小时整体相对于实际耗电的偏移情况，当两个偏移量为同向偏移时，
Figure GDA0003530864250000113
两个偏移量为反向偏移时，
Figure GDA0003530864250000114
当
Figure GDA0003530864250000115
且α≥0.5时，将
Figure GDA0003530864250000116
更新为用户在下一时段的用电负荷预测值；
当
Figure GDA0003530864250000117
且α＜0.5时，将
Figure GDA0003530864250000118
更新为用户在前一小时的实际用电值；
当
Figure GDA0003530864250000119
时，如公式(15)所示：
Figure GDA00035308642500001110
通过上述方案可实现时前市场的二阶段时前电力需求预测更新，进而得到如图3所示的负荷预测更新模型，其中，一阶段修正是指一阶段日前电力负荷预测更新，二阶段修正是指二阶段时前电力需求预测更新。通过一阶段修正和二阶段修正，零售商可以较为准确地调整购电策略，避免造成资源浪费。
本发明实施例中，边缘节点用于一阶段修正的日前负荷响应决策信息，是聚合商根据其管辖的用户的日前市场参与情况制定的，聚合商根据边缘节点下发的响应任务执行用户的需求侧竞价，优先选取要求响应补偿价格低的用户为需求响应用户。
具体的，用户c上传至聚合商的日前竞价决策为
Figure GDA0003530864250000121
其中，
Figure GDA0003530864250000122
为用户c在t时段的预期削减量总值，
Figure GDA0003530864250000123
为聚合商根据竞价上限值为用户c制定的单位电量电费补偿上限值，
Figure GDA0003530864250000124
为用户c对于可避免负荷的响应偏好，
Figure GDA0003530864250000125
Figure GDA0003530864250000126
值为零表示无偿参与响应，
Figure GDA0003530864250000127
值为1表示更偏好用电体验满意度，将以最高价竞价。
Figure GDA0003530864250000128
为用户c所要求的单位电量电费补偿报价，
Figure GDA0003530864250000129
为所述用户c的d设备在次日t时段的预期负荷削减量，如公式(16)所示：
Figure GDA00035308642500001210
对于舒适度，用户输入信息
Figure GDA00035308642500001211
分别表示设备d起始运行时间、结束运行时间以及舒适度要求。针对不同设备，用户还可以输入温度范围、理想持续时长等信息。舒适度可作为需求响应约束。
根据用户c的日前竞价决策，以自身利益最大化为目标，聚合商决定用户c参与的日前负荷削减量为
Figure GDA00035308642500001212
用户c在日前市场可收到的效益函数Uc，如公式(17)所示：
Figure GDA00035308642500001213
在步骤9中，当不满足分布式电源的消纳需求时，聚合商向用户发起实时需求响应具体为：当分布式电源消纳需求为消纳过剩时，聚合商发起实时负荷削减需求响应；当分布式电源消纳需求为消纳不足时，聚合商发起实时负荷迁移需求响应。高峰消纳过剩即电能供应不足，为防止启用高成本发电装置，花高价购置电能，可发起紧急情况实时需求响应，日前市场竞争失败的用户可再次发起竞价，聚合商仍依据效益最大化原则进行选择。高峰消纳不足，则再度发起实时需求响应，根据日前用户上传的负荷可迁移量，发起迁移竞价，聚合商依据效益最大化原则进行选择。
本发明实施例中，聚合商接收用户c上传的实时竞价决策
Figure GDA00035308642500001214
Figure GDA0003530864250000131
表示时前市场中用户c还可参与的预期削减总量。
聚合商决定用户c参与的实时负荷削减量
Figure GDA0003530864250000132
用户c在参与日前市场和时前市场的总效益函数U如公式(18)所示：
Figure GDA0003530864250000133
上述用户的效益同时即是供应商为要求用户进行电力削减所应支付的开销。
进而，本发明还提供了面向日前-时前市场的用户需求侧竞价及惩罚策略。
为防止用户在需求侧竞价中恶意出价，需规范用户竞价机制。用户可参照的信息为聚合商下发的目标负荷削减量以及单位电量最高补偿价格，用户上传的信息为自身预期的削减量和期望得到的补偿价格，本发明基于用户对于用电满意度和价格补偿的偏好进行响应方案制定。
日前市场中竞价获胜的用户若未按约定进行负荷削减将受到惩罚。根据违约程度设定惩罚因子，以20％为分度分为五个等级。设聚合商清算用户c当日的实际用电削减量为
Figure GDA0003530864250000134
当
Figure GDA0003530864250000135
时，认为用户没有违约，聚合商按照
Figure GDA0003530864250000136
给予用户c补偿；当
Figure GDA0003530864250000137
时，认为用户违约，根据违约程度降低电价激励，聚合商按照
Figure GDA0003530864250000138
给予用户c补偿，如公式(19)所示：
Figure GDA0003530864250000139
本发明中，基于日前市场的需求响应时延要求小于1h，基于时前市场的需求响应时延要求则需小于30min。本发明的方法可以通过半自动化响应的方式实现，用户可在日前市场中23点前的任何时间向高级计量基础设施(Advanced Metering Infrastructure，AMI)输入次日的计划用电信息(包括所用电器，预设温度，用电时段)，以及可以推迟使用的负荷，削减负荷(温度容忍范围)，在23点时，云计算节点和边缘节点发布日前需求响应，随后AMI自动参与竞价，并将最终的竞价结果呈现给用户。
下面结合某地2012-2014年每小时电力需求的真实数据对本发明的方法进行验证：首先，使用整个数据集来评估所提出的DE-LSTM计算模型的性能。然后，选取4组为例，按需求量由高到低依次用1-4组进行编号。创建一个云计算节点，四个边缘节点，每个节点包含20个用户，每个用户均关联一个传感器和一个执行器，将提出的算法建模为事件并添加到边缘节点中。
首先，测试本发明所提出的基于DE-LSTM的负荷预测算法准确度，测试结果如图4所示。结果表明，在所构建的样例系统下，相比于PSO-LSTM，DE-LSTM耗时更短，准确度更高，对应最高准确度的LSTM和Dense单元数分别为37和38，单层即可达到预测准确度99.35％。样例数据集中的太阳能和风能单日发电情况如图5所示。
其次，关于需求响应的效果。考虑负荷削减按比例进行，仍选取某一天为例，图6所示为原始需求，考虑分布式发电后的需求以及需求响应后对供应侧的能量需求情况。由结果曲线可知，需求响应可以显著平抑需求波动，降低用电高峰期系统供电压力。
本发明的需求侧竞价策略中考虑优先选取要求响应补偿价格低的用户为需求响应用户，与随机选择目标用户相比整体上可以显著降低系统开销。如图7所示，样例下的总体开销减少比例为7.6％。
第三，关于两阶段电力需求修正。根据需求修正更新模型进行历史负荷预测修正，通过相关性评价给出差异曲线，得到权重因子α，然后得到修正值
Figure GDA0003530864250000151
并重新评价准确度。考虑四种情况，即日前预测与提前一小时耗电同向偏移与反向偏移。选取其中一个月的数据为例，进行权重因子α计算：
在数据集中选取一个月的数据，以每天19:00和20:00两个时间点数据为例。经统计对于20:00，日前预测以及前一小时即19:00数据为同向偏移情况，且依据基于相关性与偏差的权重计算得权重0.5987和0.4013，由于α≥0.5，故采用日前负荷预测结果，预测结果如图8所示，预测准确度为99.35％。
选取一个月的数据，以每天19:00和20:00两个时间点数据为例。经统计对于20:00，日前预测以及前一小时即19:00数据为反向偏移情况，且依据基于相关性与偏差的权重计算模型得到权重分别为0.8387和0.1613，据此权重进行数据更新，结果如图9所示，更新后的预测准确度可达99.82％。
本发明实施例的基于分布式发电消纳的日前与时前两阶段的需求响应方法，能够在负荷预测环节通过兼顾日前和日内市场提升预测灵活性与准确度，设计了具有可操作性的需求竞价策略，形成较为完备的需求响应机制。而现有技术通常针对长期预测和短期预测，兼顾长短期预测的方法较为缺乏。需求侧响应机制大多只针对日前或日内市场，针对多市场联动的少有涉及。针对电网趋势预测的研究主要关注电能质量或电力需求的长期走势，且多依托于云计算平台，即时响应能力欠缺。相比于现有技术，本发明的方法更具有灵活性和准确度。
本发明通过考虑协同边缘计算以及云计算平台进行日前负荷需求与分布式电源发电量预测，能够兼顾准确性和即时性，结合提出的需求侧竞价机制协助零售商制定最佳购电策略。
本发明兼顾日前-时前市场，提前一天在云侧进行基于历史数据的基准预测可以为用户提供决策空间与自由度，方便用户响应，即根据削减量要求进行高峰转移或用电削减。次日的边缘侧电力需求修正使得制定的价格更贴合实际负荷。修正后若购电不足，可结合边缘计算技术进行实时互动二次削减，相比于协议模式具有更强灵活性。
通过本发明，供应商可以结合N-1安全准则、实际运行约束评估常规发电装置的最大负荷供应能力、以及负荷预测制定负荷响应量。通过高峰用电削减避免启用高开销应急发电装置，降低发电开销；通过对用户的奖惩机制，使零售商无需高价在高峰时段购买大量电能，降低购电开销；根据用电转移或高峰削减情况，负荷聚合商可以为用户价格补偿，同时避免高峰供电不足可能导致的突发用电故障，增加高用电可靠性，降低用电开销。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。

Claims (6)

1.一种基于分布式发电消纳的日前与时前两阶段的需求响应方法，其特征在于，包括：
云计算节点向边缘节点发起日前需求响应，所述日前需求响应包括日前负荷响应总量、以及分时电价预测结果；
所述边缘节点根据所述日前负荷响应总量下发与聚合商的历史响应能力相匹配的响应任务给所述聚合商，同时根据所述分时电价预测结果提供竞价上限值给所述聚合商；
所述边缘节点接收所述聚合商上传的日前负荷响应决策信息，所述日前负荷响应决策信息包括所述聚合商决定用户参与的日前负荷削减量；
所述边缘节点根据所述日前负荷响应决策信息进行一阶段日前电力负荷预测更新，得到一阶段更新结果；
所述边缘节点根据所述聚合商当日上报的时前用电开销数据进行二阶段时前电力需求预测更新，得到二阶段更新结果；
所述边缘节点根据所述聚合商当日上报的时前分布式电源发电功率分析分布式电源的当前消纳情况；
当不满足所述分布式电源的消纳需求时，所述聚合商向所述用户发起实时需求响应，所述实时需求响应包括实时负荷削减需求响应和实时负荷迁移需求响应；
或者，当满足所述分布式电源的消纳需求时，所述边缘节点向所述云计算节点发送所述时前用电开销数据给所述云计算节点；
所述云计算节点根据所述时前用电开销数据修正所述分时电价；
所述一阶段更新结果为
Figure FDA0003535908500000011
Figure FDA0003535908500000012
式中，所述边缘节点的集合为E，E＝{1,2,…,e}，所述聚合商的集合为A，A＝{1,2,…,a}，所述用户c的集合为C，C＝{1,2,…,c}，所述cr为所述用户c中参与到日前负荷响应决策的用户，Cr＝{1,2,…,cr}，所述t为时间，t∈{1,2,…,24}，所述
Figure FDA0003535908500000021
为所述云计算节点预测的各个所述聚合商所管辖的用户在各时段总用电负荷预测值，所述聚合商决定所述用户cr的所述日前负荷削减量为
Figure FDA0003535908500000022
所述边缘节点根据所述聚合商当日上报的时前用户用电开销进行二阶段时前电力需求预测更新，得到二阶段更新结果包括：
计算所述二阶段更新结果
Figure FDA0003535908500000023
与所述
Figure FDA0003535908500000024
之间的相关性
Figure FDA0003535908500000025
Figure FDA0003535908500000026
Figure FDA0003535908500000027
Figure FDA0003535908500000028
Figure FDA0003535908500000029
计算时前负荷
Figure FDA00035359085000000210
的加权求和
Figure FDA00035359085000000211
Figure FDA00035359085000000212
计算所述
Figure FDA00035359085000000213
与所述
Figure FDA00035359085000000214
之间的偏移度
Figure FDA00035359085000000215
Figure FDA00035359085000000216
计算所述
Figure FDA0003535908500000031
与所述
Figure FDA0003535908500000032
之间的偏移度
Figure FDA0003535908500000033
Figure FDA0003535908500000034
计算权重系数α：
Figure FDA0003535908500000035
当
Figure FDA0003535908500000036
且α≥0.5时，将所述
Figure FDA0003535908500000037
更新为所述用户在下一时段的用电负荷预测值；
当
Figure FDA0003535908500000038
且α＜0.5时，将所述
Figure FDA0003535908500000039
更新为所述用户在前一小时的实际用电值；
当
Figure FDA00035359085000000310
时，
Figure FDA00035359085000000311
2.如权利要求1所述的基于分布式发电消纳的日前与时前两阶段的需求响应方法，其特征在于，所述云计算节点向边缘节点发起日前需求响应之前，还包括：
所述云计算节点根据历史用电数据构建日前市场需求侧响应的模型，得到次日各小时的预测负荷需求、以及所述分布式电源的次日各小时预测发电量；
所述云计算节点根据所述次日各小时的预测负荷需求和所述次日各小时预测发电量制定所述日前负荷响应总量、以及所述分时电价预测结果。
3.如权利要求2所述的基于分布式发电消纳的日前与时前两阶段的需求响应方法，其特征在于，
所述用户c上传至所述聚合商的日前竞价决策为
Figure FDA00035359085000000312
所述
Figure FDA00035359085000000313
为所述用户c在t时段的预期削减量总值，所述
Figure FDA00035359085000000314
为所述聚合商根据所述竞价上限值为所述用户c制定的单位电量电费补偿上限值，所述
Figure FDA0003535908500000041
为所述用户c对于可避免负荷的响应偏好，
Figure FDA0003535908500000042
所述
Figure FDA0003535908500000043
为所述用户c所要求的单位电量电费补偿报价，
Figure FDA0003535908500000044
所述
Figure FDA0003535908500000045
为所述用户c的d设备在次日t时段的预期负荷削减量；
所述聚合商决定所述用户c参与的所述日前负荷削减量为
Figure FDA0003535908500000046
所述用户c在日前市场的效益函数Uc表示为：
Figure FDA0003535908500000047
4.如权利要求3所述的基于分布式发电消纳的日前与时前两阶段的需求响应方法，其特征在于，所述当不满足所述分布式电源的消纳需求时，所述边缘节点向所述聚合商发起实时需求响应包括：
当所述分布式电源消纳需求为消纳过剩时，所述聚合商发起实时负荷削减需求响应；
或者，
当所述分布式电源消纳需求为消纳不足时，所述聚合商发起实时负荷迁移需求响应。
5.如权利要求4所述的基于分布式发电消纳的日前与时前两阶段的需求响应方法，其特征在于，所述聚合商发起实时负荷削减需求响应之后，还包括：
所述聚合商接收所述用户c上传的实时竞价决策
Figure FDA0003535908500000048
所述
Figure FDA0003535908500000049
表示时前市场中所述用户c还可参与的预期削减总量；
所述聚合商决定所述用户c参与的所述实时负荷削减量
Figure FDA00035359085000000410
所述用户c在参与所述日前市场和所述时前市场的总效益函数U表示为：
Figure FDA00035359085000000411
6.如权利要求5所述的基于分布式发电消纳的日前与时前两阶段的需求响应方法，其特征在于，所述云计算节点根据所述时前用户用电开销修正所述分时电价之后，还包括：
所述聚合商清算所述用户c当日的实际用电削减量
Figure FDA0003535908500000051
当
Figure FDA0003535908500000052
时，所述聚合商按照所述
Figure FDA0003535908500000053
给予所述用户c补偿；
当
Figure FDA0003535908500000054
时，所述聚合商按照
Figure FDA0003535908500000055
给予所述用户c补偿，
Figure FDA0003535908500000056
CN202110573811.0A 2021-05-25 2021-05-25 基于分布式发电消纳的日前与时前两阶段的需求响应方法 Active CN113256114B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110573811.0A CN113256114B (zh) 2021-05-25 2021-05-25 基于分布式发电消纳的日前与时前两阶段的需求响应方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110573811.0A CN113256114B (zh) 2021-05-25 2021-05-25 基于分布式发电消纳的日前与时前两阶段的需求响应方法

Publications (2)

Publication Number Publication Date
CN113256114A CN113256114A (zh) 2021-08-13
CN113256114B true CN113256114B (zh) 2022-05-31

Family

ID=77184355

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110573811.0A Active CN113256114B (zh) 2021-05-25 2021-05-25 基于分布式发电消纳的日前与时前两阶段的需求响应方法

Country Status (1)

Country Link
CN (1) CN113256114B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114169523B (zh) * 2022-02-10 2022-05-31 一道新能源科技(衢州)有限公司 太阳能电池的使用数据分析方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109523122A (zh) * 2018-10-12 2019-03-26 中国农业大学 一种基于负荷聚合商参与需求响应市场交易的方法
CN110728410A (zh) * 2019-10-16 2020-01-24 重庆大学 一种计及需求响应灵活性和不确定性的负荷聚合商经济调度方法
CN112163687A (zh) * 2020-06-28 2021-01-01 国家电网公司西北分部 一种基于负荷聚合商的用户侧两阶段调峰响应方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105976079A (zh) * 2016-03-22 2016-09-28 国网河南省电力公司 一种考虑需求响应资源的电力零售商日前能量获取的确定方法
CN108281968A (zh) * 2018-01-08 2018-07-13 华北电力大学 一种负荷聚合商-风电场协同运营模式下的负荷调度模型
CN110135761A (zh) * 2019-05-27 2019-08-16 国网河北省电力有限公司沧州供电分公司 供用电需求侧响应负荷调节交易方法、系统及终端设备
CN111027739A (zh) * 2019-10-23 2020-04-17 广东电力交易中心有限责任公司 基于负荷集成商的双层两阶段需求响应调度方法及系统
CN112232863B (zh) * 2020-10-13 2022-09-20 北京邮电大学 一种基于云边端协同的虚拟资源管理方法及系统
CN112329997A (zh) * 2020-10-26 2021-02-05 国网河北省电力有限公司雄安新区供电公司 电力需求负荷预测方法及系统、电子设备和存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109523122A (zh) * 2018-10-12 2019-03-26 中国农业大学 一种基于负荷聚合商参与需求响应市场交易的方法
CN110728410A (zh) * 2019-10-16 2020-01-24 重庆大学 一种计及需求响应灵活性和不确定性的负荷聚合商经济调度方法
CN112163687A (zh) * 2020-06-28 2021-01-01 国家电网公司西北分部 一种基于负荷聚合商的用户侧两阶段调峰响应方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"基于分时电价和需求响应的家庭微电网系统协同控制策略及其实现";仲志强 等;《现代电力》;20201023;第37卷(第6期);正文第1-5章 *

Also Published As

Publication number Publication date
CN113256114A (zh) 2021-08-13

Similar Documents

Publication Publication Date Title
Motalleb et al. A real-time demand response market through a repeated incomplete-information game
Chen et al. Research on day-ahead transactions between multi-microgrid based on cooperative game model
Rashidizadeh-Kermani et al. A stochastic short-term scheduling of virtual power plants with electric vehicles under competitive markets
Zhu et al. Peer-to-peer energy trading in smart energy communities: A lyapunov-based energy control and trading system
CN114971899A (zh) 新能源参与下的日前、日内和实时市场电能交易优化方法
CN112465303A (zh) 考虑需求响应基于多代理的双边电力市场优化决策方法
CN113256114B (zh) 基于分布式发电消纳的日前与时前两阶段的需求响应方法
CN112036625A (zh) 一种电力市场背景下基于主从博弈的新能源消纳方法
Wang et al. Peer-to-peer energy trading for residential prosumers with photovoltaic and battery storage systems
Fernandez et al. An efficient P2P energy trading platform based on evolutionary games for prosumers in a community
CN113690875B (zh) 一种微网实时互动等值模型建立方法
Zhao et al. Aggregated operation of heterogeneous small-capacity distributed energy resources in peer-to-peer energy trading
CN113644652B (zh) 一种基于用户不确定性行为的负荷调控优化系统
Zhang et al. Shared energy storage-assisted and tolerance-based alliance strategy for wind power generators based on cooperative game and resource dependence theories
Pedasingu et al. Bidding strategy for two-sided electricity markets: A reinforcement learning based framework
Soleymani et al. New approach to bidding strategies of generating companies in day ahead energy market
Sun et al. DSM pricing method based on A3C and LSTM under cloud-edge environment
Motalleb et al. A game theoretic model of demand response aggregator competition for selling stored energy in regulated and unregulated power markets
CN110473068A (zh) 一种面向现货市场的社区居民端对端电能交易方法
Yao et al. Design of distributed power trading mechanism based on P2P contract
Chandlekar et al. VidyutVanika21: An Autonomous Intelligent Broker for Smart-grids.
Liu et al. Optimal planning strategy of energy internet zones based on risk adjusted return on capital
He et al. Distributed energy sharing within community: A game-theoretic double auction approach
CN111626569A (zh) 微电网群电力能源交易方法
Wang et al. Negotiation agent with adaptive attitude bidding strategy for facilitating energy exchanges between smart building and utility grid

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