CN113644652B - 一种基于用户不确定性行为的负荷调控优化系统 - Google Patents

Abstract

一种基于用户不确定性行为的负荷调控优化系统，该系统中涉及优化方法包括如下步骤：1)建立用户不确定性行为的影响机制；2)提出基于用户历史数据构建具有概率约束的不确定集的方法，通过设置合适的置信度描述用户不确定性行为中的时域特性；3)将具有概率约束的不确定集引入两阶段优化模型.采用KKT求解；4)采集用户历史数据，选用ETP模型描述负荷运行状态；5)利用已有的历史数据对未来负荷值进行预测；6)采用基于概率分布的不确定集刻画预测误差的不确定性；7)根据功率预测的预测结果对负荷进行聚合；8)从历史数据判定用户违约行为，构建用户违约行为不确定模型，以鲁棒性和经济性为目标求解负荷调控两阶段优化结果。

Description

一种基于用户不确定性行为的负荷调控优化系统

技术领域

本发明涉及智能用电技术领域，具体涉及基于一种基于用户

不确定性行为的负荷调控优化系统。

背景技术

随着可再生能源的大规模接入以及智能电网技术的不断发展，使得需求侧柔性负荷已逐步成为应对电网柔性调控需求的主要手段之一，改变传统“发电跟踪负荷”的调度模式。以满足经济性、安全性等不同目标的负荷调控策略方法，有效拓展了需求侧负荷的应用范围，使其能广泛参与需求响应、辅助调峰调频、可再生能源消纳等电网调度场景。

不同于工业用户，家庭用户具有多样性的特点，从而其用电情况也呈现多样化。某些家庭的用电负荷高峰可能是另外一些家庭的用电负荷的低谷期，这也为各个不同的家庭对于需求响应调节的合作成为了可能。

现在现有的各个需求响应的模型考虑的都是单个用户与电力公司之间的互动关系。一般来说，现有的需求响应调节大都是电力公司通过分时电价或其它激励措施引导居民的用电行为或与智能用电的家庭签订需求响应的合同，在不同的符合条件下各个用户根据合同约定的电量进行负荷的调节。而作为用户来说，一旦与电力公司签订了需求响应合同，在电力高峰时只能通过削减负荷来完成响应，对自己的用电舒适度造成了较大的影响，同时大大增加了用户违约超负荷用电的可能。同时，在某些时段，用户的负荷量又远远小于与电力公司合同约定的负荷量，造成某些负荷浪费。

为了使负荷调控策略更符合实际情况，已有较多的研究在负荷调控策略考虑了用户不确定性行为的影响。目前的研究为研究负荷调控中用户行为的不确定性提供了良好的参考，但并未深入分析用户不确定性行为的特点及其对负荷调控影响的机制，难以进一步对构建的不确定性模型优化调整。

针对以上研究缺乏考虑或未能深入分析用户不确定性行为的不足，本发明从时域角度分析用户的不确定性行为，研究用户不确定性行为随时间变化的特性对负荷调控的影响。

发明内容

本发明所要解决的问题是在确定性场景或简单分析用户行为的不确定性的基础上，从时域角度分析用户的不确定性行为，研究用户不确定性行为随时间变化的特性对负荷调控的影响。

本发明提供一种基于用户不确定性行为的负荷调控优化系统，以电热水器为例，所述方法包括下述步骤。

步骤1：利用智能电表等监测工具对用户历史的离散性数据进行采集。

步骤2：根据采集数据对用户未来一段时间的用电情况进行预测。由于智能电表等监测工具的周期性采集，历史数据一般为离散性数据，因而利用已有的历史数据对未来负荷值进行预测，应得到负荷的离散性预测结果。

步骤3：电热水器用户根据自身的用电计划与负荷聚合商签订合同，与负荷聚合商提前约定控制时间功率等内容，由于预测过程会出现偏差导致负荷群不能满足实际要求，出现第一阶段偏差，本发明采用基于概率分布的不确定集刻画预测误差的不确定性。

步骤4：聚合商根据功率预测的预测结果对负荷进行聚合，以电热水器为例，分析负荷调控不确定性对电热水器负荷聚合功率的影响，并以最小化负荷聚合功率与出力功率的差值为目标函数进行优化。

步骤5：电热水器负荷群在完成聚合后，进入持续时间较长的负荷调控，用户在此步骤中中途退出消纳或其余用户负荷中途加入消纳，则会出现第二阶段偏差。并以负荷调度收益最大化为上层目标进行优化。

具体实施方式

步骤1：利用智能电表等监测工具对用户历史的离散性数据进行采集。

为进一步分析负荷调控中不确定性的影响，本发明选用等效热参数模型(ETP)描述单台电热水器负荷的运行状态，ETP模型如下：

其中，T(t)、T₀(t)、s(t)分别是t时刻的温控负荷温度、环境温度、开关状态，T(t+1)是t+1时刻的温控负荷温度，Δt是t+1时刻与t时刻之间的时间差，P是负荷额定功率，R是热阻，C是比热容。

步骤2：根据采集数据对用户未来一段时间的用电情况进行预测。由于智能电表等监测工具的周期性采集，历史数据一般为离散性数据，因而利用已有的历史数据对未来负荷值进行预测，应得到负荷的离散性预测结果。

由于数学模型匹配不精准、负荷数据失真、外界随机性干扰等因素的影响，负荷预测技术难以完全消除预测误差，使得在功率预测与负荷聚合的时间差内负荷状态等信息产生的变化与功率预测结果存在一定的偏差。

步骤3：电热水器用户根据自身的用电计划与负荷聚合商签订合同，与负荷聚合商提前约定控制时间、功率等内容，用户以此获得经济补偿，聚合商通过买电与卖电的价格差获得利润。

由于预测出现误差，聚合商在根据功率预测的预测结果对负荷进行聚合3，聚合的负荷群不能完全满足实际的负荷调控需求，出现第一阶段偏差。

基于各时刻负荷聚合功率的实际历史数据，可以得到负荷预测技术在各时刻的预测误差，按下式计算。

P_t ^l为各时刻的负荷聚合功率预测值，P_t ^act为各时刻的负荷聚合功率实际值，σ_t为各时刻负荷聚合功率预测值与实际值之间的误差。在同一场景下，负荷的预测误差较为稳定，其波动范围有限，令ξ∈{σ₁,σ₂,···,σ_y}，其中σ₁,…,σ_y为第1个时刻到第y个时刻负荷聚合功率预测值与实际值之间的误差值，则ξ可视为关于取值空间有限的预测误差随机变量。

对同一负荷预测技术而言，ξ的随机性可用一个不确定性的区间来描述，但ξ同时呈现出一定的分布特点。为充分描述预测误差的不确定性影响，本发明采用基于概率分布的不确定集刻画预测误差的不确定性。在置信水平为1-ε时，其不确定集的表达式如下。

其中，R^y×1是维数为y×1的矩阵，ε为显著性水平，SE为标准误差， P_r表示显著性水平为ε时ξ在σ_i(ε)≤ξ≤σ_j(ε)之间的概率为1-ε，σ_i(ε)、σ_j(ε)为在显著性水平为ε时的下 界与上 界。i表示第i个误差值是下界；j表示第j个误差值是上界；n表示到误差数值集合的元素个数。

步骤4：聚合商根据功率预测的预测结果对负荷进行聚合。由于单台热水器复合功率小，通常按照一定的方式对多台热水器负荷进行聚合，形成能够参与消纳调控的负荷群。

在电热水器负荷聚合过程中引入不确定性变量，分析负荷调控中不确定性对电热水器负荷聚合功率P_c的影响，如下：

式中，ω'与ω均为不确定性变量，不同之处在于ω'表示从负荷预测到负荷聚合过程中的不确定性影响，ω表示电热水器负荷在消纳调控中用户不确定性行为的影响。ω'与ω都会对电热水器负荷群的功率产生正偏差或负偏差的影响。P_k为负荷k的额定功率；N为负荷数量。

下层优化目标以最小化负荷聚合功率与出力功率之间的差值为目标。在负荷参与调度的过程中，负荷预测调度值与实际调度值之间存在误差，若误差较大，按照负荷预测调度值制定调度方案可能造成电网的运行安全。聚合商要尽可能减小负荷聚合功率P_t,s与聚合商购电总功率P_t,b之间的差值，其线性优化目标一般为：

其中t表示调控时刻，式中从调控时刻1到调控时刻y构成一个调控时段。该目标函数在确定性场景下寻求调控时段内负荷实际调度效果最好，但是忽略了实际中负荷预测技术误差的不确定性影响。因此在考虑不确定性的基础上，负荷聚合功率与出力功率差值的目标函数如下所示：

步骤5：电热水器负荷群在完成聚合后，进入持续时间较长的调控实施步骤。

若出现违反调控合同约定的用户，如用户负荷在调控实施步骤执行中途退出消纳或其余用户负荷中途加入消纳，则调控实施步骤中会出现第二阶段偏差。

在实际中，用户在负荷调控中的违约行为在整体上会呈现出一定的离散分布特征。由于聚合商与不同用户签订的具体调控合同不一样，从历史数据中判定用户违约行为，可根据用户参与调控时长来判定。用户的违约行为可看成随机变量γ。根据合同计划调控时间与用户实际参与调控时间的对比可得到用户的整体违约情况，最后得到γ的取值空间为{β₁,β₂,…,β_y}。假设用户违约行为服从如下分布。

则对于给定的置信水平，用户违约行为的不确定集如下：

其中，β_i(ε)、β_j(ε)为设定显著性水平为ε时按照正态分布设定的误差随机变量的下界与上界。

上层优化目标关注负荷调度的经济性，以负荷聚合商的负荷调度收益最大化为目标。购电成本是聚合商的主要成本，且考虑负荷参与调控过程中用户的违约行为影响，违约行为包括在调控过程中用户退出调控或加入调控。在下层问题的鲁棒优化决策结果的基础上，上层在目标函数式的引导下对负荷调控进行优化，以使聚合商的调度成本最小，目标函数如下。

其中，c_t,b为t时刻向新能源电站购电的价格，c_n、c'_n分别为用户在调控中退出调控、加入调控的额外成本价格，价格由聚合商根据实际电力交易制定，为固定常数；P_t,b为t时刻聚合商向电站的购电总功率，为聚合商的待决策变量；T_m、T_m'分别为用户m调控中退出的实际调控时间与不按照计划参与调控的时间，为不确定性变量；T_max为调控时段的总时间，

与

分别为用户m计划参与调控的时间与负荷可调时间，皆为固定常数；λ₁表示退出调控的用户违约行为数量，λ₂表示加入调控的用户违约行为数量；γ₁表示当退出调控的用户数量为λ₁时对应的不确定值，γ₂表示当加入调控用户数量为λ₂时对应的不确定值。

上层目标函数考虑交易价格、调控方面等时间的约束，具体如下：

f₂为下层目标函数的最优值，

与

分别表示调控过程中退出或加入的第m个用户负荷。约束式表明了上层目标函数在优化调控经济性时，由于负荷的不确定性影响，调控过程中负荷聚合功率与新能源出力功率之间的差值会出现变化，其变化最大值不能超过下层函数的鲁棒优化结果的约束。通过该约束对上层、下层目标函数进行了统筹兼顾，使得最终的负荷调控解能同时兼顾鲁棒性与经济性。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (1)

1.一种基于用户不确定性行为的负荷调控优化系统，是一个两阶段的负荷调控优化系统，旨在从时域角度分析用户的不确定性行为，研究用户不确定性行为随时间变化的特性对负荷调控的影响；其特征在于，该系统中涉及优化方法包括如下步骤：

1)建立用户不确定性行为的影响机制，分析其在调控过程中的时域特性；

2)提出基于用户历史数据构建具有概率约束的不确定集的方法，并使用不确定集，通过设置合适的置信度描述用户不确定性行为中的时域特性；

3)将具有概率约束的不确定集引入两阶段优化模型，通过KKT条件的方式求解，得到兼顾负荷调控鲁棒性与经济性的优化结果；

4)利用智能电表监测工具对用户历史的离散性数据进行采集，选用等效热参数模型ETP描述单台电热水器负荷的运行状态，ETP模型如下：

其中，T(t)、T₀(t)、s(t)分别是t时刻的温控负荷温度、环境温度、开关状态，T(t+1)是t+1时刻的温控负荷温度，Δt是t+1时刻与t时刻之间的时间差，P是负荷额定功率，R是热阻，C是比热容；

5)利用已有的历史数据对未来负荷值进行预测，得到负荷的离散性预测结果；由于数学模型匹配不精准、负荷数据失真、外界随机性干扰因素的影响，负荷预测技术难以完全消除预测误差，使得在功率预测与负荷聚合的时间差内负荷状态信息产生的变化与功率预测结果存在一定的偏差；

6)电热水器用户根据自身的用电计划与负荷聚合商签订合同，与负荷聚合商提前约定控制时间、功率内容，用户以此获得经济补偿，聚合商通过买电与卖电的价格差获得利润；由于预测出现误差，聚合商在根据功率预测的预测结果对负荷进行聚合时，聚合的负荷群不能完全满足实际的负荷调控需求，出现第一阶段偏差；

基于各时刻负荷聚合功率的实际历史数据，得到负荷预测技术在各时刻的预测误差，按下式计算：

σ_t＝P_t ^l-P_t ^act

P_t ^l为各时刻的负荷聚合功率预测值，P_t ^act为各时刻的负荷聚合功率实际值，σ_t为各时刻负荷聚合功率预测值与实际值之间的误差；在同一场景下，负荷的预测误差较为稳定，其波动范围有限，令ξ∈{σ₁,σ₂,…,σ_y}，其中σ₁,…,σ_y为第1个时刻到第y个时刻负荷聚合功率预测值与实际值之间的误差值，则ξ视为关于取值空间有限的预测误差随机变量；

对同一负荷预测技术而言，ξ的随机性用一个不确定性的区间来描述，但ξ同时呈现出一定的分布特点；为充分描述预测误差的不确定性影响，采用基于概率分布的不确定集刻画预测误差的不确定性；在置信水平为1-ε时，其不确定集的表达式如下：

其中，R^y×1是维数为y×1的矩阵，ε为显著性水平，SE为标准误差，P_r表示显著性水平为ε时ξ在σ_i(ε)≤ξ≤σ_j(ε)之间的概率为1-ε，σ_i(ε)、σ_j(ε)为在显著性水平为ε时误差值的下界与上 界；i表示第i个误差值是下界；j表示第j个误差值是上界；n表示误差数值集合中的元素个数；

7)聚合商根据功率预测的预测结果对负荷进行聚合；由于单台热水器复合功率小，按照一定的方式对多台热水器负荷进行聚合，形成能够参与消纳调控的负荷群，在电热水器负荷聚合过程中引入不确定性变量，分析负荷调控中不确定性对电热水器负荷聚合功率P_c的影响，如下：

式中，ω'与ω均为不确定性变量，不同之处在于ω'表示从负荷预测到负荷聚合过程中的不确定性影响，ω表示电热水器负荷在消纳调控中用户不确定性行为的影响；ω'与ω都会对电热水器负荷群的功率产生正偏差或负偏差的影响，P_k为负荷k的额定功率；N为负荷数量；

下层优化目标以最小化负荷聚合功率与出力功率之间的差值为目标；在负荷参与调度的过程中，负荷预测调度值与实际调度值之间存在误差，若误差较大，按照负荷预测调度值制定调度方案造成电网的运行安全；在确定性场景下，聚合商要减小负荷聚合功率P_t,s与聚合商购电总功率P_t,b之间的差值，其线性优化目标函数为：

其中t表示调控时刻，式中从调控时刻1到调控时刻y构成一个调控时段；该目标函数在确定性场景下寻求调控时段内负荷实际调度效果最好，但是忽略了实际中负荷预测技术误差的不确定性影响；因此在考虑不确定性的基础上，负荷聚合功率与出力功率差值的目标函数如下所示：

其中，τ∈ξ表示负荷的预测误差，为不确定变量；

8)电热水器负荷群在完成聚合后，进入持续时间较长的负荷调控；若出现违反调控合同约定的用户，如用户负荷在调控实施步骤执行中途退出消纳或其余用户负荷中途加入消纳，则调控实施步骤中会出现第二阶段偏差；

在实际中，用户在负荷调控中的违约行为在整体上会呈现出一定的离散分布特征；由于聚合商与不同用户签订的具体调控合同不一样，从历史数据中判定用户违约行为，根据用户参与调控时长来判定；用户的违约行为看成随机变量γ；根据合同计划调控时间与用户实际参与调控时间的对比得到用户的整体违约情况，最后得到γ的取值空间为{β₁,β₂,...,β_y}；假设用户违约行为服从如下分布：

则对于给定的置信水平，用户违约行为的不确定集如下：

其中，β_i(ε)、β_j(ε)为设定显著性水平为ε时按照正态分布设定的误差随机变量的下界与上界；

上层优化目标关注负荷调度的经济性，以负荷聚合商的负荷调度收益最大化为目标；购电成本是聚合商的主要成本，且考虑负荷参与调控过程中用户的违约行为影响，违约行为包括在调控过程中用户退出调控或加入调控；在下层问题的鲁棒优化决策结果的基础上，上层在目标函数式的引导下对负荷调控进行优化，以使聚合商的调度成本最小，目标函数如下：

其中，c_t,b为t时刻向新能源电站购电的价格，c_n、c′_n分别为用户在调控中退出调控、加入调控的额外成本价格，价格由聚合商根据实际电力交易制定，为固定常数；P_t,b为t时刻聚合商向电站的购电总功率，为聚合商的待决策变量；T_m、T′_m分别为用户m调控中退出的实际调控时间与不按照计划参与调控的时间，为不确定性变量；T_max为调控时段的总时间，

与

分别为用户m计划参与调控的时间与负荷可调时间，皆为固定常数；λ₁表示退出调控的用户违约行为数量，λ₂表示加入调控的用户违约行为数量；γ₁表示当退出调控的用户数量为λ₁时对应的不确定值，γ₂表示当加入调控用户数量为λ₂时对应的不确定值；

上层目标函数考虑交易价格、调控方面时间的约束，具体如下：

f₂为下层目标函数的最优值，

与

分别表示调控过程中退出或加入的第m个用户负荷的功率；约束式表明了上层目标函数在优化调控经济性时，由于负荷的不确定性影响，调控过程中负荷聚合功率与新能源出力功率之间的差值会出现变化，其变化最大值不能超过下层函数的鲁棒优化结果的约束；通过该约束对上层、下层目标函数进行了统筹兼顾，使得最终的负荷调控解能同时兼顾鲁棒性与经济性。