CN113283659A - 一种面向虚拟电厂的电力负荷响应任务分配方法 - Google Patents

一种面向虚拟电厂的电力负荷响应任务分配方法 Download PDF

Info

Publication number
CN113283659A
CN113283659A CN202110620887.4A CN202110620887A CN113283659A CN 113283659 A CN113283659 A CN 113283659A CN 202110620887 A CN202110620887 A CN 202110620887A CN 113283659 A CN113283659 A CN 113283659A
Authority
CN
China
Prior art keywords
load
responder
response task
load response
task
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
CN202110620887.4A
Other languages
English (en)
Other versions
CN113283659B (zh
Inventor
任艳多
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.)
Shanghai Fenwei Information Technology Co ltd
Original Assignee
Shanghai Fenwei Information Technology 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 Shanghai Fenwei Information Technology Co ltd filed Critical Shanghai Fenwei Information Technology Co ltd
Priority to CN202110620887.4A priority Critical patent/CN113283659B/zh
Publication of CN113283659A publication Critical patent/CN113283659A/zh
Application granted granted Critical
Publication of CN113283659B publication Critical patent/CN113283659B/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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Evolutionary Computation (AREA)
  • Marketing (AREA)
  • Artificial Intelligence (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Power Engineering (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及电力分布式控制技术领域。其目的是提供一种面向虚拟电厂的电力负荷响应任务分配方法，计算出参与负荷响应任务的最优分配结果，以解决市场力难以定量分析的问题，保证良好的市场竞争，提高负荷响应任务完成的成功率，提高电力市场运行效率。该方法包括：聚合商接收负荷需求响应任务，发布负荷响应任务；响应商接收到本次负荷响应任务，决定是否参与：如果参与，则响应商向聚合商上报其响应能力范围及负荷预测线；聚合商接收到参与本次负荷响应任务的响应商的响应能力，结合负荷响应商的历史店里预测准确率，采用粒子群算法，构建负荷响应分配模型，计算出分配结果；聚合商下发分配结果给参与本次负荷响应任务的响应商。

Description

一种面向虚拟电厂的电力负荷响应任务分配方法
技术领域
本发明涉及电力分布式控制技术领域，具体来说，是涉及一种面向虚拟电厂的电力负荷响应任务分配方法。
背景技术
虚拟电厂是利用先进的物联网技术，将分散的灵活电力资源，例如：分布式发电、储能、电动汽车、可控负荷等，聚合成一个可统一调度的整体，发挥出传统电厂相当的功能。由此衍生出聚合商(Aggregator)、响应商(Hub)和户号(Door)的概念。聚合商是一个将可调度的灵活电力资源(即：响应商)聚合并提供给市场购买者的独立组织，是可以提供需求响应资源的电力终端用户和想购买这些需求响应资源的市场购买者之间的协调机构，使他们可以更多地有效地参与电力市场。例如，聚合商可以是：市政当局或其他政府实体、能源服务提供商、调度协调者、配电公司、代表单一或许多负荷的其他实体。响应商下有包含有多个户号(Door)，户号是最小响应单位，对应线下实体电表的单元。
在国内，目前虚拟电厂还仍处于起步阶段，限制其发展的因素较多，使得可调度的灵活电力资源缺乏有效手段进行调配。
目前，虚拟电厂可调度资源的不断变化，主要是依赖技术人员对潜在用户进行逐个的沟通及技术分析来实现，存在效率低、成本高，无法动态控制的问题。
发明内容
本发明的目的是针对现有技术中的不足之处，特别是电力负荷需求响应过程中负荷响应任务分配效率低下的问题，提供一种面向虚拟电厂的电力负荷响应任务分配方法，计算出参与负荷响应任务的最优分配结果，以解决市场力难以定量分析的问题，保证良好的市场竞争，提高负荷响应任务完成的成功率，提高电力市场运行效率。
一种面向虚拟电厂的电力负荷响应任务分配方法，包括：
(1)聚合商接收负荷需求响应任务，发布负荷响应任务；
(2)响应商接收到本次负荷响应任务，决定是否参与：如果参与，则响应商向聚合商上报响应商所属户号(Djq,q∈[1,2,…,QJ])的响应能力范围
Figure BDA0003099510810000011
以及本次负荷响应任务时间范围的负荷预测线；
(3)聚合商接收到参与本次负荷响应任务的响应商的响应能力，结合负荷响应商的历史店里预测准确率，采用粒子群算法，构建负荷响应分配模型，计算出参与本次负荷响应任务的响应商hubj下户号Djq的分配结果Tjq,j∈[1,2,…,J],q∈[1,2,…,Q]；
(4)聚合商下发分配结果给参与本次负荷响应任务的响应商。
其中，所述负荷预测线是从负荷响应任务开始时间起到负荷响应任务结束时间止，每间隔一定时间的时间点作为负荷预测的时间点。例如，可以设定为每五分钟。
其中，所述步骤(3)中，包括：优化目标，负荷响应任务总目标完成的概率最大，即
Figure BDA0003099510810000021
其中：
(a)
Figure BDA0003099510810000022
离子群随机初始化范围；
(b)α和β为学习参数，满足：α+β＝1；
(c)Accj为负荷响应商的历史电力预测准确率，基于负荷响应商提交的所属的户号的预测电力值和实际电表值，进行均方差计算得到，计算过程如下：
根据响应商hubj下户号Djq在第a个响应任务的第p，p∈[1,2,…,P]个响应点的预测电力值Yajpq(由负荷响应商向聚合商上报)和实际值Xajpq(即：真实电表数据)，计算出第a个响应任务的电力预测准确率Accaj,j∈[1,2,…,J],,a∈[1,2,…,A]：
Figure BDA0003099510810000023
则负荷响应商的历史电力预测准确率Accj为：
Figure BDA0003099510810000024
其中，电表数据是响应商的电表数据，聚合商可以拿到响应商的所有历史电表数据
所述步骤(3)中，所述计算出参与本次负荷响应任务的响应商hubj下户号Djq的分配结果Tjq,具体为：PSO迭代求出最优解，迭代过程如下：
粒子i的第d维速度更新公式：
Figure BDA0003099510810000031
粒子i的第d维位置更新公式：
Figure BDA0003099510810000032
其中：
(a)c1和2是加速常数，调节学习最大步长，c1是个体学习因子，2是社会学习因子，取c1＝c2∈[1,4]；
(b)r1，r2为两个随机函数，以增加搜索随机性r1，r2∈[0,1]；
(c)w为惯性权重，非负数,调节对解空间的搜索范围，w较大时，全局寻优能力强，w较小时，局部寻优能力强；
(d)pbestid局部最优解，gbestid全局最优解。
本发明所提出的面向虚拟电厂的电力负荷响应任务分配方法，考虑了目前电力市场的建设进展，引入了负荷侧响应能力及负荷预测准确率等因素，通过建立负荷预测分配模型，引入粒子群算法，计算出参与负荷响应任务的最优分配结果，解决了市场力难以定量分析的问题，保证良好的市场竞争，提高负荷响应任务完成的成功率，提高电力市场运行效率。
附图说明
通过以下本发明的实施例并结合附图的描述，示出本发明的其它优点和特征，该实施例以实例的形式给出，但并不限于此，其中：
图1是本发明需求响应任务各种实体的对应关系，聚合商下所属有多个响应商，响应商下所属多个户号，户号是最小响应单位，对应线下实体电表的单元。
图2是本发明所提出的一种面向虚拟电厂的电力负荷响应任务分配方法的需求响应任务分配流程图。
具体实施方式
为使本发明的上述目的、特征和有益效果能够更为明显易懂，下面结合附图对本发明的具体实施来做详细的说明。
一种面向虚拟电厂的电力负荷响应任务分配方法，包括：
(1)聚合商(Aggregator)接收负荷需求响应任务，发布总目标量为T的负荷响应任务。
(2)负荷响应商(hubj,j∈[1,2,…,J])接收到本次负荷响应任务，决定是否参与，如果参与，则上报此负荷响应商所属户号(Djq,q∈[1,2,…,QJ])的响应能力范围
Figure BDA0003099510810000041
以及本次负荷响应任务时间范围的负荷预测线(每5分钟)。
(3)聚合商接收到参与本次负荷响应任务的负荷响应商的响应能力，结合负荷响应商的历史电力预测准确率Accj,j∈[1,2,…,J]，采用粒子群算法，构建负荷响应分配模型，计算出参与负荷响应任务的响应者hubj下户号Djq的分配结果Tjq；具体包括：
(3.1)优化目标，负荷响应任务总目标完成的概率最大，即
Figure BDA0003099510810000042
参数说明：
(a)参与负荷响应任务的响应者hubj下户号Djq的分配结果Tjq，满足：
Figure BDA0003099510810000043
离子群随机初始化范围；
(b)α和β为学习参数，满足：α+β＝1；
(3.2)PSO迭代求出最优解，计算出参与负荷响应任务的响应者hubj下户号Djq的分配结果Tjq,j∈[1,2,…,J],q∈[1,2,…,Q]；迭代过程如下：
第k次迭代粒子i速度矢量的第d维分量
Figure BDA0003099510810000044
第k次迭代粒子i位置矢量的第d维分量
Figure BDA0003099510810000045
粒子i的第d维速度更新公式：
Figure BDA0003099510810000046
粒子i的第d维位置更新公式：
Figure BDA0003099510810000047
参数说明:
(a)个体学习因c1，社会学习因子c2，加速常数，调节学习最大步长，一般取c1＝c2∈[1,4]，这里取c1＝c2＝2；
(b)两个随机函数，以增加搜索随机性r1，r2∈[0,1]；
(c)惯性权重w,非负数,调节对解空间的搜索范围,w较大时，全局寻优能力强，较小时，局部寻优能力强，这里取w＝0.8；
(d)pbestid局部最优解，gbestid全局最优解；
(3.3)负荷响应商的历史电力预测准确率Accj,j∈[1,2,…,J]基于负荷响应商提交的所属的户号的预测电力值和实际电表值，进行均方差计算得到，计算过程如下：
根据负荷响应商hubj下户号Djq在第a个响应任务的第p，p∈[1,2,…,P]个响应点的预测电力值Yajpq(负荷响应商提交)和实际值Xajpq(真实电表数据)，计算出第a个响应任务的电力预测准确率Accaj,j∈[1,2,…,J],,a∈[1,2,…,A]：
Figure BDA0003099510810000051
则负荷响应商的历史电力预测准确率Accj为：
Figure BDA0003099510810000052
(4)聚合商将分配结果下发给负荷响应商。
实施例：总目标量为200kW的负荷响应任务
面向虚拟电厂的电力负荷响应任务分配方法，包括：
(1)聚合商接收负荷需求响应任务，发布总目标量为200kW的负荷响应任务。
(2)负荷响应商hub1、hub2决定参与本次负荷响应任务，向聚合商上报：hub1提交其所属户号D11、D12响应能力范围[85kW，101kW]、[15kW，27kW]，hub2提交其所属户号D21、D22响应能力范围[12kW，30kW]、[23kW，68kW]。
(3)根据以上(3.3)中计算方法，计算得到hub1、hub2的预测准确率Acc1、Acc2分别为0.81、0.86；
(4)根据以上(3.1)和(3.2)中计算方法，计算得到本次负荷响应任务总目标完成的概率为0.832，各户号D11、D12、D21、D22对应的分配结果为89.4kW，23.9kW，26.5kW，60.2kW。
(5)聚合商将分配结果下发给响应商hub1、hub2。
虽然本发明已依据较佳实施例在上文中加以说明，但这并不表示本发明的范围只局限于上述的结构，只要本技术领域的技术人员在阅读上述的说明后可很容易地发展出的等效替代结构，在不脱离本发明之精神与范围下所作之均等变化与修饰，皆应涵盖于本发明专利范围之内。

Claims (6)

1.一种面向虚拟电厂的电力负荷响应任务分配方法，其特征在于，包括：
(1)聚合商接收负荷需求响应任务，发布负荷响应任务；
(2)响应商接收到本次负荷响应任务，决定是否参与：如果参与，则响应商向聚合商上报其响应能力范围及负荷预测线；
(3)聚合商接收到参与本次负荷响应任务的响应商的响应能力，结合负荷响应商的历史店里预测准确率，采用粒子群算法，构建负荷响应分配模型，计算出参与本次负荷响应任务的响应商hubj下户号Djq的分配结果Tjq，j∈[1，2，…，J]，q∈[1，2，…，Q]；
(4)聚合商下发分配结果给参与本次负荷响应任务的响应商。
2.如权利要求1所述的，其特征在于：所述负荷预测线是从负荷响应任务开始时间起到负荷响应任务结束时间止，每间隔一定时间的时间点作为负荷预测的时间点。
3.如权利要求1所述的面向虚拟电厂的电力负荷响应任务分配方法，其特征在于：
所述步骤(2)中，参与本次负荷响应任务的响应商向聚合商上报：响应商所属户号(Djq，q∈[1，2，…，QJ])的响应能力范围
Figure FDA0003099510800000011
以及本次负荷响应任务时间范围的负荷预测线；
所述步骤(3)中，包括：优化目标，负荷响应任务总目标完成的概率最大，即
Figure FDA0003099510800000012
其中：
(a)
Figure FDA0003099510800000013
离子群随机初始化范围；
(b)α和β为学习参数，满足：α+β＝1；
(c)Accj为负荷响应商的历史电力预测准确率，基于负荷响应商提交的所属的户号的预测电力值和实际电表值，进行均方差计算得到，计算过程如下：
根据响应商hubj下户号Djq在第a个响应任务的第p，p∈[1，2，…，P]个响应点的预测电力值Yajpq和实际值Xajpq，计算出第a个响应任务的电力预测准确率Accaj，j∈[1，2，…，J]，，a∈[1，2，…，A]：
Figure FDA0003099510800000014
则负荷响应商的历史电力预测准确率Accj为：
Figure FDA0003099510800000021
4.如权利要求1所述的面向虚拟电厂的电力负荷响应任务分配方法，其特征在于：所述步骤(3)中，所述计算出参与本次负荷响应任务的响应商hubj下户号Djq的分配结果Tjq，具体为：PSO迭代求出最优解，迭代过程如下：
粒子i的第d维速度更新公式：
Figure FDA0003099510800000022
粒子i的第d维位置更新公式：
Figure FDA0003099510800000023
其中：
(a)c1和c2是加速常数，调节学习最大步长，c1是个体学习因子，c2是社会学习因子，取c1＝c2∈[1，4]；
(b)r1，r2为两个随机函数，以增加搜索随机性r1，r2∈[0，1]；
(c)w为惯性权重，非负数，调节对解空间的搜索范围；
(d)pbestid局部最优解，gbestid全局最优解。
5.如权利要求4所述的面向虚拟电厂的电力负荷响应任务分配方法，其特征在于：所述粒子i的第d维速度更新公式中，取c1＝c2＝2。
6.如权利要求4所述的面向虚拟电厂的电力负荷响应任务分配方法，其特征在于：所述粒子i的第d维速度更新公式中，取w＝0.8。
CN202110620887.4A 2021-06-03 2021-06-03 一种面向虚拟电厂的电力负荷响应任务分配方法 Active CN113283659B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110620887.4A CN113283659B (zh) 2021-06-03 2021-06-03 一种面向虚拟电厂的电力负荷响应任务分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110620887.4A CN113283659B (zh) 2021-06-03 2021-06-03 一种面向虚拟电厂的电力负荷响应任务分配方法

Publications (2)

Publication Number Publication Date
CN113283659A true CN113283659A (zh) 2021-08-20
CN113283659B CN113283659B (zh) 2022-11-22

Family

ID=77283185

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110620887.4A Active CN113283659B (zh) 2021-06-03 2021-06-03 一种面向虚拟电厂的电力负荷响应任务分配方法

Country Status (1)

Country Link
CN (1) CN113283659B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106469354A (zh) * 2016-09-09 2017-03-01 中国电力科学研究院 一种负荷聚合商模式下的用户需求响应参与方法
CN108830405A (zh) * 2018-05-29 2018-11-16 东北电力大学 基于多指标动态匹配的实时电力负荷预测系统及其方法
CN108846561A (zh) * 2018-05-30 2018-11-20 东南大学 基于统计模拟混合粒子群的需求响应集成商资源配置策略
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
CN110163578A (zh) * 2019-05-31 2019-08-23 国网上海市电力公司 一种批量开展削峰填谷业务的虚拟电厂系统
CN110675275A (zh) * 2019-09-05 2020-01-10 深圳供电局有限公司 一种虚拟电厂的需求侧响应用电负荷调控方法及系统
CN111555291A (zh) * 2020-05-12 2020-08-18 国网河北省电力有限公司电力科学研究院 一种基于自适应粒子群的负荷集群控制方法
CN111767654A (zh) * 2020-07-01 2020-10-13 长沙理工大学 一种基于主从博弈的虚拟电厂内部主体制衡调度模型
CN112036934A (zh) * 2020-08-14 2020-12-04 南方电网能源发展研究院有限责任公司 考虑热电协调运行的负荷聚合商参与需求响应的报价方法
CN112180741A (zh) * 2020-10-30 2021-01-05 合肥工业大学 一种负荷聚合商参与的综合需求响应方法及系统
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
CN112448396A (zh) * 2020-11-17 2021-03-05 海南省电力学校(海南省电力技工学校) 一种虚拟电厂自趋优负荷跟踪控制方法
CN112488362A (zh) * 2020-11-06 2021-03-12 华北电力大学 一种协调电动汽车参与辅助服务市场的储能优化配置方法
CN112766541A (zh) * 2020-12-31 2021-05-07 国网上海能源互联网研究院有限公司 考虑出力预测误差的虚拟电厂利益分配机制的方法及系统
CN112838592A (zh) * 2019-11-22 2021-05-25 国网江苏省电力有限公司电力科学研究院 一种荷源协调日前调度方法、装置及系统

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106469354A (zh) * 2016-09-09 2017-03-01 中国电力科学研究院 一种负荷聚合商模式下的用户需求响应参与方法
CN108830405A (zh) * 2018-05-29 2018-11-16 东北电力大学 基于多指标动态匹配的实时电力负荷预测系统及其方法
CN108846561A (zh) * 2018-05-30 2018-11-20 东南大学 基于统计模拟混合粒子群的需求响应集成商资源配置策略
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
CN110163578A (zh) * 2019-05-31 2019-08-23 国网上海市电力公司 一种批量开展削峰填谷业务的虚拟电厂系统
CN110675275A (zh) * 2019-09-05 2020-01-10 深圳供电局有限公司 一种虚拟电厂的需求侧响应用电负荷调控方法及系统
CN112838592A (zh) * 2019-11-22 2021-05-25 国网江苏省电力有限公司电力科学研究院 一种荷源协调日前调度方法、装置及系统
CN111555291A (zh) * 2020-05-12 2020-08-18 国网河北省电力有限公司电力科学研究院 一种基于自适应粒子群的负荷集群控制方法
CN111767654A (zh) * 2020-07-01 2020-10-13 长沙理工大学 一种基于主从博弈的虚拟电厂内部主体制衡调度模型
CN112036934A (zh) * 2020-08-14 2020-12-04 南方电网能源发展研究院有限责任公司 考虑热电协调运行的负荷聚合商参与需求响应的报价方法
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
CN112180741A (zh) * 2020-10-30 2021-01-05 合肥工业大学 一种负荷聚合商参与的综合需求响应方法及系统
CN112488362A (zh) * 2020-11-06 2021-03-12 华北电力大学 一种协调电动汽车参与辅助服务市场的储能优化配置方法
CN112448396A (zh) * 2020-11-17 2021-03-05 海南省电力学校(海南省电力技工学校) 一种虚拟电厂自趋优负荷跟踪控制方法
CN112766541A (zh) * 2020-12-31 2021-05-07 国网上海能源互联网研究院有限公司 考虑出力预测误差的虚拟电厂利益分配机制的方法及系统

Non-Patent Citations (11)

* Cited by examiner, † Cited by third party
Title
ASHOT MNASTSAKANYAN: "a novel demand response model with an application for a virtual power plant", 《IEEE TRANSACTION ON SMART GRID》 *
CAISO(CALIFORNIAN ISO): "Process for paticipating load program (ancillary services/supplemental energy)", 《CALIFORNIA INDEPENDENT SYSTEM OPERATOR》 *
NADALI MAHMOUDI: "a bottom-up approach for demand response aggregators" paticipation in electricity markets", 《ELECTRIC POWER SYSTEMS RESEARCH》 *
SLEIMAN MHANNA: "A Faithful and Tractable Distributed Mechanism for Residential Electricity Pricing", 《IEEE TRANSACTIONS ON POWER SYSTEMS》 *
刘劲等: "基于云计算的虚拟电厂负荷预测分析", 《中国新技术新产品》 *
曾雪婷: "基于虚拟发电厂理论的双侧调峰多目标协调优化调度", 《现代电力》 *
朱文超: "计及用户响应不确定性的符合聚合商运营决策模型研究", 《中国优秀博硕士学位论文全文数据库(硕士)经济与管理科学辑》 *
汤庆峰: "负荷聚合商参与电力市场的框架设计", 《2018智能电网信息化建设研讨会论文集》 *
潘智俊: "基于虚拟电厂技术的区域负荷精准调节系统", 《电力与能源》 *
胥威汀等: "考虑电力市场交易影响的中长期负荷预测方法", 《电测与仪表》 *
高赐威: "基于负荷聚合商业务的需求响应资源整合方法与运营机制", 《电力系统自动化》 *

Also Published As

Publication number Publication date
CN113283659B (zh) 2022-11-22

Similar Documents

Publication Publication Date Title
CN108596464B (zh) 基于动态非合作博弈的电动汽车与云储能经济调度方法
Moghaddam et al. An online reinforcement learning approach for dynamic pricing of electric vehicle charging stations
CN109572478B (zh) 充电站电动汽车在线平稳充电系统及方法
CN109800917A (zh) 一种电动汽车停车场的规划方法、装置和计算设备
CN111553750A (zh) 一种计及电价不确定性和损耗成本的储能竞价策略方法
CN108052387A (zh) 一种移动云计算中的资源分配预测方法及系统
CN115189370A (zh) 一种混合储能参与调频的容量分配方法及系统
CN112488536A (zh) 基于博弈论的区域内电动汽车充电调度方法
CN111833205B (zh) 一种大数据场景下的移动充电桩群体智能调度方法
CN112529257A (zh) 一种计及agc信号影响的储能电站联合优化方法及系统
CN110111001B (zh) 一种电动汽车充电站的选址规划方法、装置以及设备
CN115587645A (zh) 一种考虑充电行为随机性的电动汽车充电管理方法及系统
Lohat et al. AROA: Adam Remora Optimization Algorithm and Deep Q network for energy harvesting in Fog-IoV network
CN113283659B (zh) 一种面向虚拟电厂的电力负荷响应任务分配方法
CN111429014A (zh) 基于双队列动态定价模型的电动汽车充电站选择方法
CN115147245B (zh) 一种工业负荷参与调峰辅助服务的虚拟电厂优化调度方法
CN114915556B (zh) 一种面向工业互联网收益优化的计算任务分配方法
CN116739146A (zh) 一种计及电池损耗的v2g价格激励机制的方法
CN111047040A (zh) 基于IFPA算法的Web服务组合方法
CN110717779A (zh) 一种电力交易系统、方法及其应用
CN114549148A (zh) 虚拟电厂的竞价方法、装置、设备及存储介质
CN114140165A (zh) 应用于计及电动汽车充放电选择的充放电电价的定价方法
CN114050608A (zh) 光伏系统储能容量的优化配置方法、装置、设备及介质
CN111859780A (zh) 一种微电网运行优化方法和系统
Yang et al. A novel demand dispatching model for autonomous on-demand services

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