CN113469568A - 一种基于改进灰靶理论的工业用户负荷调节能力量化方法及装置 - Google Patents

Abstract

本发明公开了一种基于改进灰靶理论的工业用户负荷调节能力量化方法及装置，通过确定评价工业负荷调节能力的属性集合，利用改进灰靶决策理论，建立考虑决策者偏好的混合靶心，通过各个方案的指标值与靶心的距离，与专家权重结合后，对工业负荷调节能力进行量化，实现评分排序的功能。与基本的灰靶决策方法相比，引入决策者偏好，使生成的初步决策具有调整空间，利用决策者经验增强了方法的稳定性。利用改进的方法对工业用户负荷进行量化，充分考虑了环境因素，有效解决了目前在有序用电中存在的不科学问题，能够为电网调度部门提供决策信息，增强在实行有序用电时的科学性与实用性。

Description

一种基于改进灰靶理论的工业用户负荷调节能力量化方法及 装置

技术领域

本发明涉及电力系统及其市场技术领域，具体涉及一种基于改进灰靶理论的工业用户负荷调节能力量化方法及装置。

技术背景

随着经济的迅速发展，季节性、时段性负荷迅猛增长，电网峰值负荷不断攀升，电网峰谷差呈现逐步扩大趋势，部分地区的电力供需不平衡矛盾非常严重，局部地区的重过载现象，严重影响电力系统的安全稳定运行。传统“源随荷动”，单纯依靠增加电网装机容量，以被动地满足电网高峰负荷需求的方式，造成了发电、输变电、配电建设投资的巨大压力，同时也造成电网设施利用效率低下。然而，需求侧响应作为一种解决方案，目前仍然存在一些不足。

一方面，传统的需求侧响应方案编制粗放，没有考虑到大用户的用电和生产特性，没有综合分析有序用电带来的效益和成本以及用户用能体验的问题，往往站在便于操作，依靠单一大容量客户参与避峰计划，决策主观性较强，缺乏公平考虑，电力资源配置效率不高。另一方面，随着电力系统的数字化进程，结合海量数据，提升电网的运营效率和服务水平是未来的趋势，仍然存在许多潜在用户的调节潜力待被挖掘。

因此，需要一种能够对工业负荷参与需求侧响应可调节潜力的标准化评估机制，在制定需求侧响应方案时，通过评分辅助决策。利用改进的方法对工业用户负荷进行量化，充分考虑了环境因素，有效解决了目前在有序用电中存在的不科学问题，能够为电网调度部门提供决策信息，增强在实行有序用电时的科学性与实用性。

发明内容

本发明的目的是，利用决策者偏好靶心的混合靶心灰靶决策方法，考虑工业用户的参与需求侧响应时的属性指标，建立一套工业负荷参与需求侧响应的评分方法，在决策中添加进决策者人为倾向条件，使得决策更具有灵活度，为电力系统制定需求侧响应方案提供决策依据。

为实现上述目的，本发明采用的技术方案是：

一方面，一种基于改进灰靶理论的工业用户负荷调节能力量化方法，包括以下步骤：

S1：选取评价工业用户的负荷调节能力属性指标；

S2：将工业用户各方案的负荷调节能力属性指标值转化为二元联系数，并记为二维确定-不确定空间的微小向量；

S3：以S2所得二维确定-不确定空间的微小向量，并基于单一灰靶决策获得各属性指标的单一靶心；

S4：依据决策者对各属性指标的偏好，构建各属性指标的混合靶心；

S5：计算各微小向量到混合靶心之间的距离，并将距离进行归一化处理，得到各微小向量到混合靶心之间的归一化距离；

S6：利用专家对各属性指标重要程度的判断权值与归一化距离按照相应属性指标相乘，得到工业用户各方案的负荷调节能力评分向量，实现对工业用户负荷调节能力量化。

进一步地，所述将工业用户各方案的负荷调节能力属性指标值转化为二元联系数是按照以下公式计算获得：

其中，

表示工业用户第i个方案下第t个属性指标值的二元联系数；q表示总的属性指标数量，n表示方案总数；A_ij表示工业用户第i个方案下第j个属性指标值。

进一步地，以S2所得二维确定-不确定空间的微小向量，并基于单一灰靶决策获得各属性指标的单一靶心是按以下公式确定：

其中，U_it表示工业用户第i个方案下第j个属性指标值对应的微小向量，

J⁺代表经济效益指标的微小向量集合；J^-为成本型指标集的微小向量合；||·||表示范数，|·|表示绝对值。

对于经济效益型指标的靶心，以指标向量范数最大对应指标向量作为靶心；对于成本型指标的靶心，以指标向量范数最小对应指标向量作为靶心。

进一步地，当向量范数相等时，选择不确定性项小的向量作为靶心。

进一步地，依据决策者对各属性指标的偏好，构建各属性指标的混合靶心是按照以下公式确定：

其中，k为决策者进行偏好设置的属性指标编号，且编号为k的属性指标的靶心为设定值

进一步地，所述各微小向量到混合靶心之间的距离采用以下公式计算：

d_it＝|r_it-p_it|

其中，d_it为微小向量U_it与第t个属性指标混合靶心之间的距离，

r_it为微小向量U_it中

的模，P_it为v_it在

上的投影；令

v_it＝(b^A,b^B)，a^A、b^A分别表示微小向量中

v_it到靶心

的距离，

a^B、b^B分别表示工业用户各方案下第j个属性指标的最大、最小范数，a^B＝max{||U_it||,i∈(1,2,...,n)}，b^B＝min{||U_it||,i∈(1,2,...,n)}。

进一步地，选取评价工业用户的负荷调节能力属性指标包括：

(1)最大可中断容量：P_m＝[P_mmin,P_myd,P_mmax]，P_myd表示在需求侧响应合同中签订的调节时段最大可中断容量，m表示第m个工业用户；P_mmin,P_mmax为分别对响应前负荷历史曲线及响应后负荷历史曲线进行作差，求得作差后的曲线最大值与最小值，即为最大可中断容量偏差预测的最大值与最小值；

(2)最长中断时间：Δt_m＝[Δt_mmin,Δt_myd,Δt_mmax]，Δt_myd表示在需求侧响应合同中签订的调节时段最长中断时间，Δt_mmin,Δt_mmax为分别对响应前负荷历史曲线及响应后负荷历史曲线进行作差，求得作差后的曲线最大值与最小值，即为最长中断时间偏差预测的最大值与最小值；

(3)最短通知时间：T_min表示在需求侧响应合同中签订的需求侧响应前最短通知时间；

通过将需求响应前的负荷曲线与需求响应后的负荷曲线进行对比，对比在需求响应时所需要的通知时间。在对比得到历史通知时间后，对所有历史通知时间取均值即为最短通知时间。

(4)电价补偿系数：K_price表示对该用户在需求侧响应过程中响应单位电量的价格补偿：

式中，P_work表示正常生产时的负荷值，P_ctl为需求侧响应后的负荷值，Δt为调节时间，Δt为调节开始时刻，C_price为补偿电价；

(5)最大调节速度：V_max表示用户在响应时切断负荷的能力：

p表示在需求响应开始到需求响应结束时所切负荷功率的大小；最大调节速度的取值区间为V_m＝[0.9V_max,V_max,1.1V_max]；

(6)单位电量产值：C_eff表示企业自身的生产能力：

其中，O_total为用户的生产总值，W_total是用户的总用电量。

另一方面，一种基于改进灰靶理论的工业用户负荷调节能力量化装置，其特征在于，包括：

属性指标选定单元：用于选取评价工业用户的负荷调节能力属性指标；

二元联系数构建单元：用于将工业用户各方案的负荷调节能力属性指标值转化为二元联系数，并记为二维确定-不确定空间的微小向量；

单一靶心确定单元：用于以S2所得二维确定-不确定空间的微小向量，并基于单一灰靶决策获得各属性指标的单一靶心；

混合靶心构建单元：用于依据决策者对各属性指标的偏好，构建各属性指标的混合靶心；

与靶心距离计算单元：用于计算各微小向量到混合靶心之间的距离，并将距离进行归一化处理，得到各微小向量到混合靶心之间的归一化距离；

负荷调节能力评分单元：用于利用专家对各属性指标重要程度的判断权值与归一化距离按照相应属性指标相乘，得到工业用户各方案的负荷调节能力评分向量，实现对工业用户负荷调节能力量化。

进一步地，所述将工业用户各方案的负荷调节能力属性指标值转化为二元联系数是用

表示，

其中，

表示工业用户第i个方案下第t个属性指标值的二元联系数；q表示总的属性指标数量，n表示方案总数；A_ij表示工业用户第i个方案下第j个属性指标值。

进一步地，所述属性指标选定单元选取以下评价工业用户的负荷调节能力属性指标：

(1)最大可中断容量；(2)最长中断时间；(3)最短通知时间；(4)电价补偿系数；(5)最大调节速度；(6)单位电量产值。

有益效果

与现有技术相比，本发明的有益效果为

1.多层次的指标设置考虑了需求侧响应流程中调节能力、调节效益的需求，促进调节公平，能够得到多方满意的需求侧响应方案；

2.与传统调节方式相比，提出了对评价指标的量化方案；

3.与基本的灰靶决策方法相比，基于二元联系数，引入决策者偏好，使生成的初步决策具有调整空间，利用决策者经验增强了方法的稳定性。有效解决了目前在有序用电中存在的不科学问题，能够为电网调度部门提供决策信息，增强在实行有序用电时的科学性与实用性。

附图说明

图1为本发明实施例所述方法的流程示意图。

具体实施方式

下面结合本发明的附图1，对本发明的具体实施方案进行清楚、完整地描述，显然，所描述的实施案例仅仅是本发明的一部分实施案例，而不是全部的实施案例。基于本发明中的实施案例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施。

一方面，一种基于改进灰靶理论的工业用户负荷调节能力量化方法，包括以下步骤：

S1：选取评价工业用户的负荷调节能力属性指标；

选取评价工业用户的负荷调节能力属性指标包括：

(1)最大可中断容量：P_m＝[P_mmin,P_myd,P_mmax]，P_myd表示在需求侧响应合同中签订的调节时段最大可中断容量，m表示第m个工业用户；P_mmin,P_mmax为分别对响应前负荷历史曲线及响应后负荷历史曲线进行作差，求得作差后的曲线最大值与最小值，即为最大可中断容量偏差预测的最大值与最小值；

(2)最长中断时间：Δt_m＝[Δt_mmin,Δt_myd,Δt_mmax]，Δt_myd表示在需求侧响应合同中签订的调节时段最长中断时间，Δt_mmin,Δt_mmax为分别对响应前负荷历史曲线及响应后负荷历史曲线进行作差，求得作差后的曲线最大值与最小值，即为最长中断时间偏差预测的最大值与最小值；

(3)最短通知时间：T_min表示在需求侧响应合同中签订的需求侧响应前最短通知时间；

通过将需求响应前的负荷曲线与需求响应后的负荷曲线进行对比，对比在需求响应时所需要的通知时间。在对比得到历史通知时间后，对所有历史通知时间取均值即为最短通知时间。

(4)电价补偿系数：K_price表示对该用户在需求侧响应过程中响应单位电量的价格补偿：

式中，P_work表示正常生产时的负荷值，P_ctl为需求侧响应后的负荷值，Δt为调节时间，Δt为调节开始时刻，C_price为补偿电价；

(5)最大调节速度：V_max表示用户在响应时切断负荷的能力：

p表示在需求响应开始到需求响应结束时所切负荷功率的大小；最大调节速度的取值区间为V_m＝[0.9V_max,V_max,1.1V_max]；

(6)单位电量产值：C_eff表示企业自身的生产能力：

其中，O_total为用户的生产总值，W_total是用户的总用电量。

建立方案集和属性集矩阵，方案集代表待评估的n个工业负荷，记为S＝{S₁,S₂,…,S_n}，属性集代表在评价中纳入考虑的q个属性，记为A＝{A₁,A₂,…,A_m}，指标集是属性集的具体表征，方案S_s在属性A_t下的指标值记为S_st，建立方案-属性-指标联合表格，如下所示：

表1方案-属性指标

值得说明的是，对负荷调节能力属性指标的选取不限于本发明中所提到的最大可中断容量、最长可中断时间、最短通知时间、电价补偿系数、最大调节速度、单位电量产值、单位电量污染物、单位电量税收、峰时正常负荷，工业负荷与电网峰-峰时差、历史响应次数、历史响应率、历史响应率达标率、制造行业类型指标，在实施过程中，可以视具体情况修改。

S2：将工业用户各方案的负荷调节能力属性指标值转化为二元联系数，并记为二维确定-不确定空间的微小向量；

所述将工业用户各方案的负荷调节能力属性指标值转化为二元联系数是按照以下公式计算获得：

其中，

表示工业用户第i个方案下第t个属性指标值的二元联系数；q表示总的属性指标数量，n表示方案总数；A_ij表示工业用户第i个方案下第j个属性指标值。

S3：以S2所得二维确定-不确定空间的微小向量，并基于单一灰靶决策获得各属性指标的单一靶心；

以S2所得二维确定-不确定空间的微小向量，并基于单一灰靶决策获得各属性指标的单一靶心是按以下公式确定：

其中，U_it表示工业用户第i个方案下第j个属性指标值对应的微小向量，

J⁺代表经济效益指标的微小向量集合；J^-为成本型指标集的微小向量合；||·||表示范数，|·|表示绝对值。

对于经济效益型指标的靶心，以指标向量范数最大对应指标向量作为靶心；对于成本型指标的靶心，以指标向量范数最小对应指标向量作为靶心。

当向量范数相等时，选择不确定性项小的向量作为靶心。

S4：依据决策者对各属性指标的偏好，构建各属性指标的混合靶心；

依据决策者对各属性指标的偏好，构建各属性指标的混合靶心是按照以下公式确定：

其中，k为决策者进行偏好设置的属性指标编号，且编号为k的属性指标的靶心为设定值

S5：计算各微小向量到混合靶心之间的距离，并将距离进行归一化处理，得到各微小向量到混合靶心之间的归一化距离；

所述各微小向量到混合靶心之间的距离采用以下公式计算：

d_it＝|r_it-p_it|

其中，d_it为微小向量U_it与第t个属性指标混合靶心之间的距离，

r_it为微小向量U_it中

的模，P_it为v_it在

上的投影；令

v_it＝(b^A,b^B)，a^A、b^A分别表示微小向量中

v_it到靶心

的距离，

a^B、b^B分别表示工业用户各方案下第j个属性指标的最大、最小范数，a^B＝max{||U_it||,i∈(1,2,...,n)}，b^B＝min{||U_it||,i∈(1,2,...,n)}。

S6：利用专家对各属性指标重要程度的判断权值与归一化距离按照相应属性指标相乘，得到工业用户各方案的负荷调节能力评分向量，实现对工业用户负荷调节能力量化。

NE_s＝WZ＝[z_st1,z_st2,…,z_stq]

其中，W＝[w₁,w₂,…,w_q]，Z＝diag[z_i1,z_i2,...,z_iq]，

将NEs依照顺序排列，即可得到负荷调节能力，NEs表示工业用户各方案下的不同属性指标与靶心之间的距离组成的向量。

本发明实施例还提供了一种基于改进灰靶理论的工业用户负荷调节能力量化装置，包括：

属性指标选定单元：用于选取评价工业用户的负荷调节能力属性指标；

二元联系数构建单元：用于将工业用户各方案的负荷调节能力属性指标值转化为二元联系数，并记为二维确定-不确定空间的微小向量；

单一靶心确定单元：用于以S2所得二维确定-不确定空间的微小向量，并基于单一灰靶决策获得各属性指标的单一靶心；

混合靶心构建单元：用于依据决策者对各属性指标的偏好，构建各属性指标的混合靶心；

与靶心距离计算单元：用于计算各微小向量到混合靶心之间的距离，并将距离进行归一化处理，得到各微小向量到混合靶心之间的归一化距离；

负荷调节能力评分单元：用于利用专家对各属性指标重要程度的判断权值与归一化距离按照相应属性指标相乘，得到工业用户各方案的负荷调节能力评分向量，实现对工业用户负荷调节能力量化。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (10)

1.一种基于改进灰靶理论的工业用户负荷调节能力量化方法，其特征在于，包括以下步骤：

S1：选取评价工业用户的负荷调节能力属性指标；

S2：将工业用户各方案的负荷调节能力属性指标值转化为二元联系数，并记为二维确定-不确定空间的微小向量；

S3：以S2所得二维确定-不确定空间的微小向量，并基于单一灰靶决策获得各属性指标的单一靶心；

S4：依据决策者对各属性指标的偏好，构建各属性指标的混合靶心；

S5：计算各微小向量到混合靶心之间的距离，并将距离进行归一化处理，得到各微小向量到混合靶心之间的归一化距离；

S6：利用专家对各属性指标重要程度的判断权值与归一化距离按照相应属性指标相乘，得到工业用户各方案的负荷调节能力评分向量，实现对工业用户负荷调节能力量化。

2.根据权利要求1所属的方法，其特征在于，所述将工业用户各方案的负荷调节能力属性指标值转化为二元联系数是按照以下公式计算获得：

其中，

表示工业用户第i个方案下第t个属性指标值的二元联系数；q表示总的属性指标数量，n表示方案总数；A_ij表示工业用户第i个方案下第j个属性指标值。

3.根据权利要求2所述的方法，其特征在于，以S2所得二维确定-不确定空间的微小向量，并基于单一灰靶决策获得各属性指标的单一靶心是按以下公式确定：

其中，U_it表示工业用户第i个方案下第j个属性指标值对应的微小向量，

J⁺代表经济效益指标的微小向量集合；J^-为成本型指标集的微小向量合；||·||表示范数，|·|表示绝对值。

4.根据权利要求3所述的方法，其特征在于，当向量范数相等时，选择不确定性项小的向量作为靶心。

5.根据权利要求3所述的方法，其特征在于，依据决策者对各属性指标的偏好，构建各属性指标的混合靶心是按照以下公式确定：

其中，k为决策者进行偏好设置的属性指标编号，且编号为k的属性指标的靶心为设定值

6.根据权利要求2所述的方法，其特征在于，所述各微小向量到混合靶心之间的距离采用以下公式计算：

d_it＝|r_it-p_it|

其中，d_it为微小向量U_it与第t个属性指标混合靶心之间的距离，

r_it为微小向量U_it中

的模，P_it为v_it在

上的投影；令

v_it＝(b^A,b^B)，a^A、b^A分别表示微小向量中

v_it到靶心

的距离，

a^B、b^B分别表示工业用户各方案下第j个属性指标的最大、最小范数，a^B＝max{||U_it||,i∈(1,2,...,n)}，b^B＝min{||U_it||,i∈(1,2,...,n)}。

7.根据权利要求1所述的方法，其特征在于，选取评价工业用户的负荷调节能力属性指标包括：

(1)最大可中断容量：P_m＝[P_mmin,P_myd,P_mmax]，P_myd表示在需求侧响应合同中签订的调节时段最大可中断容量，m表示第m个工业用户；P_mmin,P_mmax为分别对响应前负荷历史曲线及响应后负荷历史曲线进行作差，求得作差后的曲线最大值与最小值，即为最大可中断容量偏差预测的最大值与最小值；

(2)最长中断时间：Δt_m＝[Δt_mmin,Δt_myd,Δt_mmax]，Δt_myd表示在需求侧响应合同中签订的调节时段最长中断时间，Δt_mmin,Δt_mmax为分别对响应前负荷历史曲线及响应后负荷历史曲线进行作差，求得作差后的曲线最大值与最小值，即为最长中断时间偏差预测的最大值与最小值；

(3)最短通知时间：T_min表示在需求侧响应合同中签订的需求侧响应前最短通知时间；

(4)电价补偿系数：K_price表示对该用户在需求侧响应过程中响应单位电量的价格补偿：

式中，P_work表示正常生产时的负荷值，P_ctl为需求侧响应后的负荷值，Δt为调节时间，Δt为调节开始时刻，C_price为补偿电价；

(5)最大调节速度：V_max表示用户在响应时切断负荷的能力：

p表示在需求响应开始到需求响应结束时所切负荷功率的大小；最大调节速度的取值区间为V_m＝[0.9V_max,V_max,1.1V_max]；

(6)单位电量产值：C_eff表示企业自身的生产能力：

其中，O_total为用户的生产总值，W_total是用户的总用电量。

8.一种基于改进灰靶理论的工业用户负荷调节能力量化装置，其特征在于，包括：

属性指标选定单元：用于选取评价工业用户的负荷调节能力属性指标；

二元联系数构建单元：用于将工业用户各方案的负荷调节能力属性指标值转化为二元联系数，并记为二维确定-不确定空间的微小向量；

单一靶心确定单元：用于以S2所得二维确定-不确定空间的微小向量，并基于单一灰靶决策获得各属性指标的单一靶心；

混合靶心构建单元：用于依据决策者对各属性指标的偏好，构建各属性指标的混合靶心；

与靶心距离计算单元：用于计算各微小向量到混合靶心之间的距离，并将距离进行归一化处理，得到各微小向量到混合靶心之间的归一化距离；

负荷调节能力评分单元：用于利用专家对各属性指标重要程度的判断权值与归一化距离按照相应属性指标相乘，得到工业用户各方案的负荷调节能力评分向量，实现对工业用户负荷调节能力量化。

9.根据权利要求8所述的装置，其特征在于，所述将工业用户各方案的负荷调节能力属性指标值转化为二元联系数是用

表示，

其中，

表示工业用户第i个方案下第t个属性指标值的二元联系数；q表示总的属性指标数量，n表示方案总数；A_ij表示工业用户第i个方案下第j个属性指标值。

10.根据权利要求8所述的装置，其特征在于，所述属性指标选定单元选取以下评价工业用户的负荷调节能力属性指标：

(1)最大可中断容量；(2)最长中断时间；(3)最短通知时间；(4)电价补偿系数；(5)最大调节速度；(6)单位电量产值。

Images