CN113256447A - 一种基于电力积分机制的电力负荷峰谷差控制方法 - Google Patents

Abstract

本发明公开了一种基于电力积分机制的电力负荷峰谷差控制方法，通过多元用户负荷可调潜力分析，进行多元用户响应特性建模，分析响应不确定性；进一步构建电力积分系数鲁棒优化模型，确定优化目标函数和优化约束条件；通过对电力积分系数鲁棒优化模型进行求解，得到满足所述优化约束条件的电力积分系数最优值。本发明能够有效控制峰谷差，保证供电质量；可以充分调动用户的负荷可调潜力，且兼顾用户响应的不确定性与电网支出成本，在用户响应不确定性情况发生时改善负荷曲线，同时缓解电网的供电压力，对维持电网的安全稳定运行具有重要意义。

Description

一种基于电力积分机制的电力负荷峰谷差控制方法

技术领域

本发明涉及电力系统需求响应控制方法，尤其涉及一种基于电力型电力积分机制的电力负荷峰谷差控制方法。

背景技术

近年来电力负荷高峰逐年攀升，电网负荷的峰谷差不断拉大，电力供需矛盾进一步深化。单靠扩大发电侧的装机容量和输电侧的传输容量，虽然可以在峰时段缓解电力不足的问题，但是所需费用高，实现周期长，且会造成其他时段资源的巨大浪费，因此并不能长期有效地解决电力供需矛盾。智能电网的快速发展，为电网与用户的互动提供了平台，其可以实现削峰填谷，在允许时间内引导用户削减部分负荷，深入挖掘多元用户的负荷可调潜力，调动多元用户参与电网互动的积极性，对我国节能减排、缓解供电压力具有重要意义。

发明内容

发明目的：针对现有技术存在的问题，本发明的目的是提供一种能够改善负荷曲线，削减峰谷差，且考虑用户响应不确定性的基于电力积分机制的电力负荷峰谷差控制方法。

技术方案：本发明所述的一种基于电力积分机制的电力负荷峰谷差控制方法，包括以下步骤：

(1)多元用户负荷可调潜力分析；

(2)多元用户响应特性建模，分析响应不确定性；

(3)构建电力积分系数鲁棒优化模型；

(4)确定优化目标函数和优化约束条件；

(5)对电力积分系数鲁棒优化模型进行求解，得到满足优化约束条件的电力积分系数最优值。

进一步的，步骤(1)具体包括如下内容：

首先基于有限的用户负荷可调潜力数据，通过核密度估计法估计用户负荷可调潜力的概率密度分布模型；针对某一时刻，N_s个样本用户中，样本用户i_s的负荷可调潜力

根据N_s个样本用户的负荷可调潜力样本数据，对于任意的负荷可调潜力P，利用下式估计N_s个样本用户负荷可调潜力的概率密度

式中，K(·)表示核函数，满足非负且积分数值等于1；h为核函数K(·)的带宽；采用下式的高斯核函数进行估计：

根据下式计算带宽h：

式中，

表示用户负荷可调潜力的标准差；

其次，根据下式对概率密度求积分得到N个用户负荷可调潜力的概率期望值

得到群体用户的负荷可调潜力P_all：

进一步的，步骤(2)具体包括如下内容：

将用户响应特性近似拟合成分段线性函数；利用线性模型描述用户响应不确定行为，通过下式计算得到响应不确定区间范围上下限：

式中，θ_i,ξ,max、θ_i,ξ,min分别表示用户i在某一电价激励下负荷变化率的最大最小值；Δp表示电价差；Δp₀、Δp₁、Δp₂分别表示启动电价差、临界电价差与饱和电价差；θ_max表示负荷变化率的最大值；当电价差小于Δp₀时，用户不响应，处于响应死区；当电价差开始大于启动电价差值Δp₀时，用户开始响应；当电价差大于Δp₁时，用户普遍响应，随着电价差的增加，用户响应负荷变化率逐渐增大，响应曲线的波动范围逐渐缩小；当电价差达到Δp₂后，用户响应接近极限，处于饱和区；

通过均匀分布表示用户负荷变化率的分布规律：

θ_i(Δp):U[θ_i,ξ,min(Δp),θ_i,ξ,max(Δp)]

不同类型的用户，用户的启动电价差、临界电价差和饱和电价差各不相同，针对N个用户的用户群体，总体负荷变化率的表达式如下：

结合步骤(1)分析的用户负荷可调潜力，某一电价水平下，考虑用户的响应不确定性，用户负荷调整量等于负荷变化率和负荷可调潜力的乘积，用户i在t时刻的负荷调整量P_Δ,i,t为：

P_Δ,i,t＝θ_i,tP_i,t

其中，θ_i,t表示负荷变化率，P_i,t表示用户i在t时刻的负荷可调潜力；

群体用户响应量P_Δ为：

P_Δ＝θ(Δp)·P_all

结合用户响应不确定性区间[θ_i,ξ,min,θ_i,ξ,max]，得到负荷调整量的不确定区间[P_Δ,i,t,min,P_Δ,i,t,max]，P_Δ,i,t,min,P_Δ,i,t,max分别表示用户i在t时刻负荷调整量的最大值与最小值。

进一步的，步骤(3)具体包括如下内容：

电网实施电力积分方案的支出成本C_gp的表达式如下：

C_gp＝C_buy+C_g+ΔC_s,gp

C_buy为购电成本，C_g为积分补偿支出成本，ΔC_s,gp为售电收入损失成本；各类成本计算公式如下：

式中，N为用户总数，T为一天中的时刻区间；p_buy为上网电价；P_0,i,t为用户i在t时刻的负荷；P_Δ,i,t为电力积分方案实施前后的用户i在t时刻区间的负荷调整量；μ为积分折算系数；g_i,t为用户i在t时刻的积分值；p_0,t为t时刻的售电电价。

所述电力积分系数鲁棒优化模型为：

式中，β和ξ_t是对偶变量，主要与负荷变化率的区间相关；Γ为引入的鲁棒水平控制参数，该鲁棒水平控制参数在[0,24]中进行取值，其中，Γ＝24时，考虑全天用户响应不确定性的所有偏差对目标函数的影响；Γ＝0时，忽略用户响应不确定性的偏差对目标函数的影响。

所述电力积分系数鲁棒优化模型的辅助变量约束为：

β+ξ_t≥(P_Δ,i,t,max-P_Δ,i,t,min)y_t

p_0,i,t-μ*g_i,t≤y_t

β≥0

ξ_t≥0

y_t≥0

μg_i,t≤y_t

式中，y_t是为了得到等值变量表达式引入的辅助变量。

进一步的，步骤(4)中，峰谷电价差范围约束为：

实施积分方案后，峰时段电价与谷时段电价的比值在约束范围内，即：

式中，p_p为高峰时段电价；p_v为低谷时段电价；g_p,t为高峰时段积分；g_v,t为低谷时段积分。

进一步的，步骤(4)中，某日t时段内功率调整量约束为：

每个时段的负荷调整量要达到该时段的目标值，即：

式中，P_Δ,t为目标负荷调整量；P_Δ,i,t为电力积分方案下用户i在t时刻区间响应的负荷调整量。

有益效果：

和现有技术相比，本发明具有如下显著优点：1、能够有效控制峰谷差，保证供电质量，减少设备投资，节能环保。2、可以充分调动用户的负荷可调潜力，且兼顾用户响应的不确定性与电网支出成本，在用户响应不确定性情况发生时显著改善负荷曲线，同时缓解电网的供电压力，对提高电网的运行效率和稳定性具有重要意义。

附图说明

图1是本发明的一种基于电力积分机制的电力负荷峰谷差控制方法；

图2是考虑不确定性的用户响应模型；

图3是群体用户的负荷可调潜力概率密度曲线；

图4是群体用户负荷调整量响应情况；

图5是优化所得分时电力型积分方案；

图6是电力型积分方案实施前后负荷曲线对比图。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明的技术方案。

实施例1：

如图1所示，基于电力积分机制的电力负荷峰谷差控制方法，包括以下步骤：

步骤一、多元用户负荷可调潜力分析。

基于N_s个样本用户负荷可调潜力数据，通过核密度估计法估计用户负荷可调潜力的概率密度分布模型。针对某一时刻，N_s个样本用户中，样本用户i_s负荷可调潜力

根据N_s个样本用户的负荷可调潜力样本数据，对于任意的负荷可调潜力P，利用下式估计N_s个样本用户负荷可调潜力的概率密度

式中，K(·)表示核函数，满足非负且积分数值等于1。h为核函数K(·)的带宽。根据中心极限定理，当用户数足够大时，用户负荷可调潜力服从正态分布，同时核函数的选取较带宽选择而言，对核估计好坏的影响不大，因此采用下式的高斯核函数进行估计：

核函数带宽的选择对概率密度估计结果有一定影响。为了实现期望的积分均方误差最小化，采用高斯核函数的经验法则带宽估计方法降低带宽积分均方误差，则根据下式计算带宽：

式中，

表示用户负荷可调潜力的标准差。

其次，根据下式对概率密度求积分得到N个用户负荷可调潜力的概率期望值，并且可计算得到群体用户的负荷可调潜力P_all：

步骤二、多元用户响应特性建模，分析响应不确定性。

将用户响应特性近似拟合成分段线性函数，如图2所示。利用线性模型描述用户响应不确定行为，通过下式计算得到响应不确定区间范围上下限：

式中，θ_i,ξ,max、θ_i,ξ,min分别表示用户i在某一电价激励下负荷变化率的最大最小值；Δp表示电价差；Δp₀、Δp₁、Δp₂分别表示启动电价差、临界电价差与饱和电价差，θ_max表示负荷变化率的最大值。当电价差小于Δp₀时，用户不响应，处于响应死区；当电价差开始大于启动电价差值Δp₀时，用户开始响应；当电价差大于Δp₁时，用户普遍响应，随着电价差的增加，用户响应负荷变化率逐渐增大，响应曲线的波动范围逐渐缩小；当电价差达到Δp₂后，用户响应接近极限，处于饱和区。

通过均匀分布表示用户负荷变化率的分布规律，可由下式表示：

θ_i(Δp):U[θ_i,ξ,min(Δp),θ_i,ξ,max(Δp)] (1-8)

不同类型的用户，用户的启动电价差、临界电价差和饱和电价差各不相同，针对N个用户的用户群体，总体负荷变化率计算表达式如下：

某一电价水平下，考虑用户的响应不确定性，用户负荷调整量等于负荷变化率和负荷可调潜力的乘积，用户i的负荷调整量P_Δ,i,t以及群体用户响应量P_Δ可由下式计算：

P_Δ,i,t＝θ_i,tP_i,t (1-10)

P_Δ＝θ(Δp)·P_all (1-11)

结合用户响应不确定性区间[θ_i,ξ,min,θ_i,ξ,max]，得到负荷调整量的不确定区间[P_Δ,i,t,min,P_Δ,i,t,max]；其中，θ_i,t表示负荷变化率，P_i,t表示用户i在t时刻的负荷可调潜力；P_Δ,i,t,min,P_Δ,i,t,max分别表示用户i在t时刻负荷调整量的最大值与最小值。

步骤三、构建电力积分系数鲁棒优化模型。

电网实施电力积分方案的支出成本C_gp包括购电成本C_buy、积分补偿支出成本C_g以及售电收入损失成本ΔC_s,gp：

C_gp＝C_buy+C_g+ΔC_s,gp (1-12)

电网购电成本：

式中，T为一天中的时刻区间；p_buy为上网电价；P_0,i,t为用户i在t时刻的负荷；P_Δ,i,t为电力积分方案实施前后的用户i在t时刻区间的负荷调整量。

电网积分补偿支出成本：

式中，μ为积分折算系数；g_i,t为用户i在t时刻的积分值。

电网售电收入损失成本：

式中，p_0,t为t时刻的售电电价。

电力积分系数鲁棒优化模型为：

式中，β和ξ_t是对偶变量，主要与负荷变化率的区间相关；Γ为引入的鲁棒水平控制参数，该参数在[0,24]中进行取值，其中，Γ＝24时，考虑全天用户响应不确定性的所有偏差对目标函数的影响；Γ＝0时，忽略用户响应不确定性的偏差对目标函数的影响。

步骤四、确定优化目标函数和优化约束条件：

优化目标函数为：

约束条件包括以下内容：

1)辅助变量约束：

β+ξ_t≥(P_Δ,i,t,max-P_Δ,i,t,min)y_t (1-18)

p_0,i,t-μ*g_i,t≤y_t (1-19)

β≥0 (1-20)

ξ_t≥0 (1-21)

y_t≥0 (1-22)

式中，y_t是为了得到等值变量表达式引入的辅助变量。

2)峰谷电价差约束：

实施积分方案后，峰时段电价与谷时段电价的比值在如下约束范围内：

式中，p_p为高峰时段电价；p_v为低谷时段电价；g_p,t为高峰时段积分；g_v,t为低谷时段积分。

3)功率调整量约束：

每个时段的负荷调整量要达到该时段的目标值：

式中，P_Δ,t为目标负荷调整量；P_Δ,i,t为电力积分方案下用户i响应的负荷调整量。

步骤五、在鲁棒优化模型的基础上，调用CPLEX求解器对该模型进行求解，得到能够满足优化约束条件的电力积分系数最优值。

实施例2：

为验证本发明的可行性和正确性，作如下实例：

本实例选择江苏省南京市用户2020年6月平均日负荷数据，为了降低峰谷差率，设置目标负荷曲线和初始负荷曲线对比。电价采用江苏省分时电价信息，单个积分的折算因子μ为0.01元/kWh。

根据核密度估计法步骤，输入300个用户的样本数据，根据经验法则带宽估计方法计算带宽h＝0.3487，得到群体用户的负荷可调潜力概率密度如图3所示，计算全体用户的负荷可调潜力期望值为255.956kW。

以高峰削减负荷为例，用蒙特卡洛模拟对用户响应状态进行抽样，抽样次数M＝1000，得到用户负荷调整量范围如图4所示。由于用户响应不确定性的存在，随着电价差的增加，负荷调整量的绝对值大小随电价差呈增加趋势，增速先增大后减小，当电价差到达一定程度时，用户负荷调整量逐渐趋于饱和值。

在以上数据的基础上，利用CPLEX软件对电力积分系数鲁棒优化模型进行求解，首先确定衡量响应不确定性鲁棒控制水平的参数Γ，表1为不同Γ值下电网的支出成本。可见Γ在5％到20％时对应电网的支出成本最少；大于75％时，电网的支出成本保持不变；达到75％时，考虑全时段的用户响应偏差，系统处于全时段最坏情况。对比未进行鲁棒优化的电网支出成本，成本减少了5439万元。

表1不同鲁棒控制水平下的电网支出成本

图5为优化后得到的积分方案。在高峰时段，在峰期电价的基础上减去负积分价值，在低谷时段，在谷期电价的基础上减去正积分价值。

优化的负荷曲线对比如图6所示，由图可知，高峰负荷降低，低谷负荷增加，峰谷差从原来的2598MW降低为2274.5MW，峰谷差降低了323.5MW，有效降低了电网峰谷差，优化了负荷曲线。

Claims (8)

1.一种基于电力积分机制的电力负荷峰谷差控制方法，其特征在于，包括以下步骤：

(1)多元用户负荷可调潜力分析；

(2)多元用户响应特性建模，分析响应不确定性；

(3)构建电力积分系数鲁棒优化模型；

(4)确定优化目标函数和优化约束条件；

(5)对电力积分系数鲁棒优化模型进行求解，得到满足优化约束条件的电力积分系数最优值。

2.根据权利要求1所述的电力负荷峰谷差控制方法，其特征在于，步骤(1)具体包括如下内容：

首先基于有限的用户负荷可调潜力数据，通过核密度估计法估计用户负荷可调潜力的概率密度分布模型；针对某一时刻，N_s个样本用户中，样本用户i_s的负荷可调潜力

根据N_s个样本用户的负荷可调潜力样本数据，对于任意的负荷可调潜力P，利用下式估计N_s个样本用户负荷可调潜力的概率密度

式中，K(·)表示核函数，满足非负且积分数值等于1；h为核函数K(·)的带宽；采用下式的高斯核函数进行估计：

根据下式计算带宽h：

式中，

表示用户负荷可调潜力的标准差；

其次，根据下式对概率密度求积分得到N个用户负荷可调潜力的概率期望值

得到群体用户的负荷可调潜力P_all：

3.根据权利要求2所述的电力负荷峰谷差控制方法，其特征在于，步骤(2)具体包括如下内容：

将用户响应特性近似拟合成分段线性函数；利用线性模型描述用户响应不确定行为，通过下式计算得到响应不确定区间范围上下限：

式中，θ_i,ξ,max、θ_i,ξ,min分别表示用户i在某一电价激励下负荷变化率的最大最小值；Δp表示电价差；Δp₀、Δp₁、Δp₂分别表示启动电价差、临界电价差与饱和电价差；θ_max表示负荷变化率的最大值；当电价差小于Δp₀时，用户不响应，处于响应死区；当电价差开始大于启动电价差值Δp₀时，用户开始响应；当电价差大于Δp₁时，用户普遍响应，随着电价差的增加，用户响应负荷变化率逐渐增大，响应曲线的波动范围逐渐缩小；当电价差达到Δp₂后，用户响应接近极限，处于饱和区；

通过均匀分布表示用户负荷变化率的分布规律：

θ_i(Δp):U[θ_i,ξ,min(Δp),θ_i,ξ,max(Δp)]

不同类型的用户，用户的启动电价差、临界电价差和饱和电价差各不相同，针对N个用户的用户群体，总体负荷变化率的表达式如下：

结合步骤(1)分析的用户负荷可调潜力，某一电价水平下，考虑用户的响应不确定性，用户负荷调整量等于负荷变化率和负荷可调潜力的乘积，用户i在t时刻的负荷调整量P_Δ,i,t为：

P_Δ,i,t＝θ_i,tP_i,t

其中，θ_i,t表示负荷变化率，P_i,t表示用户i在t时刻的负荷可调潜力；

群体用户响应量P_Δ为：

P_Δ＝θ(Δp)·P_all

结合用户响应不确定性区间[θ_i,ξ,min,θ_i,ξ,max]，得到负荷调整量的不确定区间[P_Δ,i,t,min,P_Δ,i,t,max]，P_Δ,i,t,min,P_Δ,i,t,max分别表示用户i在t时刻负荷调整量的最大值与最小值。

4.根据权利要求3所述的电力负荷峰谷差控制方法，其特征在于，步骤(3)具体包括如下内容：

电网实施电力积分方案的支出成本C_gp的表达式如下：

C_gp＝C_buy+C_g+ΔC_s,gp

C_buy为购电成本，C_g为积分补偿支出成本，ΔC_s,gp为售电收入损失成本；各类成本计算公式如下：

式中，N为用户总数，T为一天中的时刻区间；p_buy为上网电价；P_0,i,t为用户i在t时刻的负荷；P_Δ,i,t为电力积分方案实施前后的用户i在t时刻区间的负荷调整量；μ为积分折算系数；g_i,t为用户i在t时刻的积分值；p_0,t为t时刻的售电电价。

5.根据权利要求4所述的电力负荷峰谷差控制方法，其特征在于，步骤(3)中，所述电力积分系数鲁棒优化模型为：

式中，β和ξ_t是对偶变量，主要与负荷变化率的区间相关；Γ为引入的鲁棒水平控制参数，该鲁棒水平控制参数在[0,24]中进行取值，其中，Γ＝24时，考虑全天用户响应不确定性的所有偏差对目标函数的影响；Γ＝0时，忽略用户响应不确定性的偏差对目标函数的影响。

6.根据权利要求5所述的电力负荷峰谷差控制方法，其特征在于，步骤(4)中，所述电力积分系数鲁棒优化模型的辅助变量约束为：

β+ξ_t≥(P_Δ,i,t,max-P_Δ,i,t,min)y_t

p_0,i,t-μ*g_i,t≤y_t

β≥0

ξ_t≥0

y_t≥0

式中，y_t是为了得到等值变量表达式引入的辅助变量。

7.根据权利要求6所述的电力负荷峰谷差控制方法，其特征在于，步骤(4)中，峰谷电价差范围约束为：

实施积分方案后，峰时段电价与谷时段电价的比值在约束范围内，即：

式中，p_p为高峰时段电价；p_v为低谷时段电价；g_p,t为高峰时段积分；g_v,t为低谷时段积分。

8.根据权利要求7所述的电力负荷峰谷差控制方法，其特征在于，步骤(4)中，某日t时段内功率调整量约束为：

每个时段的负荷调整量要达到该时段的目标值，即：

式中，P_Δ,t为目标负荷调整量；P_Δ,i,t为电力积分方案下用户i在t时刻区间响应的负荷调整量。

Images