CN113746089A - 面向多用户的多时间尺度电力套餐与家庭能量优化方法 - Google Patents

面向多用户的多时间尺度电力套餐与家庭能量优化方法 Download PDF

Info

Publication number
CN113746089A
CN113746089A CN202111012029.8A CN202111012029A CN113746089A CN 113746089 A CN113746089 A CN 113746089A CN 202111012029 A CN202111012029 A CN 202111012029A CN 113746089 A CN113746089 A CN 113746089A
Authority
CN
China
Prior art keywords
user
power
time
model
electricity
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.)
Pending
Application number
CN202111012029.8A
Other languages
English (en)
Inventor
傅质馨
李紫嫣
朱俊澎
袁越
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN202111012029.8A priority Critical patent/CN113746089A/zh
Publication of CN113746089A publication Critical patent/CN113746089A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Power Engineering (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种面向多用户的多时间尺度电力套餐与家庭能量优化方法，包括：构建多时段可变电力套餐的模型，并建立完成聚类后的多用户与电网的模型；建立日前优化模型，获得最优的电价方案和日前优化计划；根据需求响应信息和用户用电安排建立日内滚动优化模型，获得局部动态分时电价和日内调度计划；根据用户实际响应偏差建立实时调整模型；对局部动态分时电价和日内调度计划进行优化，获得动态激励和实时用电计划。本发明从价格型和激励型需求响应两个角度分析居民负荷在实际响应中的不确定性，在需求响应和家庭能量调度过程中更为准确的调控家庭用户实际用能情况，灵活满足需求响应要求，提高家庭能量管理智能化水平。

Description

面向多用户的多时间尺度电力套餐与家庭能量优化方法
技术领域
本发明属于电力优化调度领域，涉及一种家庭能量优化方法，具体涉及一种面向多用户的多时间尺度电力套餐与家庭能量优化方法。
背景技术
需求响应(Demand Response，DR)是电网框架下实现需求侧与电网供应侧的一种互动形式。在需求响应的研究及实践中，重点在于分析总结用户的用电习惯特性，才能指导制定科学合理的需求响应策略。
居民负荷作为需求侧的重要组成部分，具有资源分散、用电效率低下的特点，但其用电时段集中、基数大，有着巨大的需求响应潜力。在家庭能量管理系统中，居民自主地参与需求响应项目的同时合理的安排用电计划。针对工商业领域的需求响应策略已有深入的研究和广泛的应用，并在相关研究中提出了电价激励响应、用户能耗等模型。
现有关于居民侧需求响应管理的研究分析较少，对不确定性的研究分析不全面，落脚点主要集中于分布式能源接入、用户参与响应、响应程度不足的不确定性，未考虑到居民用户响应过度的情况。在面向需求响应的家庭能量优化调度策略方面，主要研究居民用户参与电网需求响应的优化策略，缺少对电价或激励与用户用电行为的关系的研究和分析。
发明内容
发明目的：为了克服现有技术中存在的不足，提供一种面向多用户的多时间尺度电力套餐与家庭能量优化方法，从价格型和激励型需求响应两个角度分析居民负荷在实际响应中的不确定性，在需求响应和家庭能量调度过程中更为准确的调控家庭用户实际用能情况，灵活满足需求响应要求，提高家庭能量管理智能化水平。
技术方案：为实现上述目的，本发明提供一种面向多用户的多时间尺度电力套餐与家庭能量优化方法，包括如下步骤：
S1：明确多时段可变电力套餐的定义，基于价格型和激励型响应不确定性机理构建多时段可变电力套餐的模型，并建立完成聚类后的多用户与电网的模型；
S2：基于多用户和电网的非合作和合作博弈，建立日前优化模型，获得最优的电价方案和日前优化计划；
S3：根据需求响应信息和用户用电安排建立日内滚动优化模型，获得局部动态分时电价和日内调度计划；
S4：根据用户实际响应偏差建立实时调整模型；
S5：采用实时调整模型对局部动态分时电价和日内调度计划进行优化，获得动态激励和实时用电计划。
进一步地，所述步骤S1中多时间尺度可变电力套餐的基本模型为：
1)首先进行日前调度计划。根据多用户与电网的博弈模型，得到每个用户设备使用时间的最优解，作为后续可变电力套餐的基准值；对居民用户的日负荷曲线进行聚类分析，按比例选取每类典型家庭组成多用户联合调度组。多用户联合调度组表示为N＝{A1,A2,…,AN1,B1,B2,…,BN2,C1,C2,…,CN3,D1,D2,…,DN4}，用户数量为N＝N1+N2+N3+N4。由于四类用户相互独立，因此以A类用户为例建模，B、C、D类用户与A类用户的模型相同。
2)其次进行日内调度计划。考虑DRE(Demand Response Event，DRE)信息和用户用电安排，在第一步基准值的基础上，采用价格型需求响应不确定性模型，在响应电网DRE信息时段，设置局部动态电价。从峰时段向谷时段转移负荷称为正向转移，反之称为反向转移。
Figure BDA0003238736660000021
Figure BDA0003238736660000022
式中：Δppv表示峰谷电价差；λpvi为的峰谷电量转移率，即负荷转移量与峰时段平均负荷之比；
Figure BDA0003238736660000023
和
Figure BDA0003238736660000024
分别表示峰谷转移曲线积极响应斜率和消极响应斜率，如式(1-2)所示；kpv0i表示死区内时响应曲线的斜率，满足
Figure BDA0003238736660000025
apvi为转移率均大于等于0时临界电价差；转移率逐渐趋于时的饱和电价差为bpvi；
Figure BDA0003238736660000026
和
Figure BDA0003238736660000027
分别为无电价差时正向负荷转移率的最大值和反向负荷转移率的最小值；
Figure BDA0003238736660000028
表示用户i的最大峰谷负荷转移率。
可采用相同方法确定用户i峰平时段、平谷时段的用电转移率λpfi和λfvi，拟合各时段负荷如式(3)所示。
Figure BDA0003238736660000029
式中：
Figure BDA00032387366600000210
和
Figure BDA00032387366600000211
分别表示t时段用户i实施局部动态电价前后各时段的负荷；
Figure BDA00032387366600000212
和
Figure BDA00032387366600000213
分别表示用户i实施局部动态电价前在峰时段和平时段的平均负荷；Tp、Tf和Tv分别表示划分的峰谷平时段。
在需求响应时段，采用固定峰谷比和平时段电价扩大峰谷电价差的电价制定方法，为避免出现峰谷倒置的现象，应满足下式：
Figure BDA0003238736660000031
式中：Qv和Qp分别表示谷时段和峰时段的用电总量。
3)最后进行实时调度计划。考虑用户参与电网需求响应的不确定性，在第二步动态分时电价的基础上增加动态的可中断负荷补偿。根据用户实际削减的用电功率与DRE要求产生功率偏差，调整激励水平。
目前普遍采用的是只考虑响应不足的激励型需求响应不确定模型，本发明在此基础上进一步补充完善了该模型关于响应过度的部分。响应不足时会影响电网运行的稳定性，但也要考虑到响应过度的情况，响应过度会直接大幅降低用户的舒适度，甚至有可能打击响应的积极性，因此也是不鼓励用户响应过度的。
在经济激励水平x下，用户i的积极响应斜率和消极响应斜率可分别表示为
Figure BDA0003238736660000032
Figure BDA0003238736660000033
式中：λ0i表示处于响应死区的响应度；x0i为启动电价，即处于线性区的最低激励水平；x1i为响应度不会低于零的临界电价激励值；xmaxi为使用户响应度达到上限的饱和激励；λupi和λdowni表示用户i的受到电价激励后曲线积极响应斜率和消极响应斜率。
在电价激励x下，用户响应度λi的波动范围是[λ2i(x),λ2i(x)]，用均匀分布来描述用户响应不确定行为，如公式(7)所示。
λi(x):U[λ2i(x),λ1i(x)] (7)
不同类型的用户的x0i、x1i和xmaxi取不同的值，对于n个用户，总体的响应度λ(x)可表示为
Figure BDA0003238736660000034
式中：PRi为用户i的可调度负荷的容量。
进一步地，所述步骤S1中多用户与电网的模型包括基于可调度设备的多用户满意度及收益模型和电力公司模型，所述基于可调度设备的多用户满意度及收益模型将家庭用户中的设备分为不可调整负荷(如电视、电脑等)、可转移或中断负荷、温控负荷，可转移或中断负荷与温控负荷合称为家庭用户的可调整负荷，能够参与优化调度。对这两类设备进行满意度建模，用户的实际收益为效用减去支付。
进一步地，所述步骤S1中基于可调度设备的多用户满意度及收益模型包括效用函数、用户支付和用户收益三部分，所述电力公司模型包括电力公司收入、运营成本和公司收益三部分。
进一步地，所述步骤S1中基于可调度设备的多用户满意度及收益模型具体为：效用函数，效用函数的值用来衡量用户使用了从电力公司处获得的电能的满意度：
可转移、可中断设备：
用户i(i∈[1,N1])的e设备在时段t∈T上的满意度为
Figure BDA0003238736660000041
式中：
Figure BDA0003238736660000042
表示满意度与用电量之间的数量关系；
Figure BDA0003238736660000043
表示用户i∈N1的一个设备e在时段t∈T上的用电量；αi,e表示工作时间内的固定满意度；为了根据用户期望用电时间区分用户类别，定义wi,e(t)为期望因子，设定有效工作时间区间，在有效工作时间区间内设定用户期望用电时间，通过描述期望用电时间的改变来反映用户用电习惯的不同。期望因子的确定由式(10)给出。
Figure BDA0003238736660000044
式中：
Figure BDA0003238736660000045
表示用户i期望设备e运行的第一个工作时隙，
Figure BDA0003238736660000046
表示用户i期望设备e的最后一个工作时隙，并且满足
Figure BDA0003238736660000047
和
Figure BDA0003238736660000048
σ是一个事先确定的参数，用于调节渴望因子的大小。
温控设备：
本发明中温控负荷以热水器和空调为例，并对其满意度进行建模。
①热水器
热水器t+1时刻各个工作状态的水温TW,t+1如式(11-14)所示，假设热水器水箱内各处的水温相同，且不考虑热水器的具体模型。
Suse,t＝0,SH,t＝0时，TW,t+1＝TW,t-Tdis(0) (11)
Suse,t＝1,SH,t＝0时，TW,t+1＝TW,t-Tdis(1) (12)
Suse,t＝0,SH,t＝1时，TW,t+1＝TW,t-Tdis(0)+kPH (13)
Suse,t＝1,SH,t＝1时，TW,t+1＝TW,t-Tdis(1)+kPH (14)
式中：在[t,t+1]时段，Suse,t为用户的用水状态，Suse,t＝0表示用户未使用热水，Suse,t＝1时表示用户使用热水；SH,t表示热水器的运行状态，SH,t＝0表示热水器不工作，SH,t＝1表示热水器正在运行；未使用热水和正使用热水时，水温每分钟分别降低Tdis(0)，Tdis(1)；k为热水器开启时单位时间功率水温升高的温度，℃·min-1kW-1；PH为热水器额定功率。
热水器的温度偏差指数越大，表示水温越偏离最高水温，则应当优先开启热水器使水升温，其温度偏差指数KWH,t如式(15)所示。
Figure BDA0003238736660000051
式中：TWmax，TWmin为满足用户要求的最高水温和最低水温。
热水器的满意度模型为：
Figure BDA0003238736660000052
②空调
当空调处于开启、关闭状态时，t+1时刻的室温TAC,t+1如式(17)、(18)所示，运行约束条件如式(19)所示。
Figure BDA0003238736660000053
Figure BDA0003238736660000054
T∈[TACmin,TACmax] (19)
式中：Ra为空调热阻系数；Ca为空调热容；Qa为空调功率；Tout为室外温度；TACmin，TACmax为满足用户要求的最低和最高室温。
空调的温度偏差指数越大，表示室温越偏离最低室温，则应当优先开启空调使室内降温，其温度偏差指数KAC,t计算如式(20)所示。
Figure BDA0003238736660000055
空调的满意度模型为：
Figure BDA0003238736660000056
用户支付：
用户向电力公司支付电费，同时参与需求响应机制时，将获得电价折扣补贴，采用线性定价策略，每个时隙的支付之和pi表示为：
Figure BDA0003238736660000057
式中：π＝(π1,π2,...,πT)表示每个时隙电能单价，Qi,t是用户i在时段t上的负荷，bt是t时段的电价折扣系数，t时段内多用户组的总负荷Qt为：
Figure BDA0003238736660000061
T个时段的总负荷曲线为Q＝[Q1,Q2,…,QT]。
用户收益：
用wi表示用户的实际收益，其表达式如下：
wi＝ui-pi (24)
电力公司模型：
L＝(L1,L2,…,LT)表示电力公司在一个周期T内向用户提供电量，它至少等于用户的实际用电需求，即
Figure BDA0003238736660000062
同时，满足约束条件式(26)。
L≤Lmax (26)
式中：
Figure BDA0003238736660000063
表示各时段上的发电量上限值。
电力公司收入：
电力公司的收入由所有用户支付的电费组成，表达式为
Figure BDA0003238736660000064
运营成本：
电力公司出售电能时存在一个运营成本，比如购买资源、设备投入、公司管理等。运营成本的表达式为
ct(Lt)＝at(Lt)2+btLt+ct (28)
式中：参数at＞0、bt≥0和ct≥0是与电力公司在运营行为上相关的参数。
c0表示电力公司在一个周期T内的运营总成本，其表达式为
Figure BDA0003238736660000065
公司收益：
电力公司的实际收益w0表示为收入与运营成本之差，表达式为
w0＝p0-c0 (30)。
进一步地，所述步骤S2中日前优化模型包括多用户和电网非合作博弈和多用户和电网合作博弈两部分，具体如下：
多用户和电网非合作博弈：
在非合作博弈中，所有参与者都是个体理性。本节分别从用户和电力公司的角度出发，描述非合作博弈模型下的需求响应和定价策略。用户通过式(31)所示最优问题选择用电需求：
Figure BDA0003238736660000071
式(31)达到最优时的解是由电价确定的，用
Figure BDA0003238736660000072
表示在价格π，电价折扣bt时，用户需求最优解的表达式如(32)所示：
Figure BDA0003238736660000073
当电力公司作为非合作博弈的主导者，根据用户对其自身利益最优化得到的需求调度
Figure BDA0003238736660000074
设定价格向量π，电价折扣bt，通过式(12)所示最优化电力公司自身收益：
Figure BDA0003238736660000075
用(π*,bt *)表示电力公司获得的最优解，则其数学表达式可写成：
Figure BDA0003238736660000076
上述非合作博弈在达到稳定状态的时候，其均衡点为：最优价格π*、最优折扣bt *及最优价格下的最优需求
Figure BDA0003238736660000077
多用户和电网合作博弈：
假设用户之间不存在合作或冲突，仅考虑电网和多用户间的博弈，即不考虑参与者子集中进行合作的联盟博弈问题，则电力公司和多用户合作博弈模型的数学表达式为
Figure BDA0003238736660000078
式中：d＝{d1,d2,…,dm}为谈判威胁点，α＝{α1,α2,…αm}为各参与者的谈判力量，且满足∑m∈Mαm＝1。
进一步地，所述步骤S3具体为：
日内滚动优化的输入量包括日前负荷预测、DRE信息、用户用电安排、室外温度预测，得到最优的总削负荷量y和计划外用电量yu，输出量为局部动态分时电价、设备运行时刻和用户响应电网的用电计划，
Figure BDA0003238736660000079
是用户i在时隙t上的负荷转移率；滚动优化时，在预测时域内对DRE信息、用户用电和室外温度信息进行更新，为使日内计划能够较好地遵循日前调度计划，按照用户意愿及其收益情况，在规定时间内完成一定时长的功率响应；
根据最新预测信息，以整个优化区间用户的净用电费最小为优化目标调整电价和设备用电情况，用户的总用电成本包括用户电费支出、响应DRE获得的效益，引入舒适度折算系数h将用户舒适度折算成等效收益，得出最优的局部动态电价；
日内用电优化的目标函数可表示为
minCin＝pi-cp·re-h(λHVAC+λS) (36)
式中：cp为参与电网需求响应的补偿价格，re为用户实际的响应量，λHVAC为温度舒适度，λS为设备运行时间舒适度。
进一步地，所述日内用电优化的目标函数中：
用户温度舒适度体现在用户设定的适宜温度与实际温度的偏差，表达式为
Figure BDA0003238736660000081
式中：
Figure BDA0003238736660000082
为t时刻温度舒适度的相对重要程度，
Figure BDA0003238736660000083
为室内温度，Tset为设定温度；
可转移或可中断负荷改变日前计划用电时，将对设备运行时间舒适度λS造成影响，λS可描述为
Figure BDA0003238736660000084
式中：S为可转移或可中断负荷集合，γe表示设备e对用户用电舒适度的影响程度，ωe为0-1变量，1表示设备工作，0表示设备不工作；
为保证用户平滑购电功率，考虑负荷反弹性质，减少用户在完成需求响应后同时大幅度增加用电，避免出现负荷新高峰，设定负荷波动最小的目标函数，如式(39)所示。
Figure BDA0003238736660000085
式中：设定15min平均功率
Figure BDA0003238736660000086
满足最大平均功率Pconst约束，即
Figure BDA0003238736660000087
进一步地，所述步骤S4中实时调整模型的建立方法为：
将用户参与电网需求响应的计划值与实际值引起的用电功率偏差表示为
Figure BDA0003238736660000088
基于用电功率偏差建立实时用电调整优化函数，所述实时用电调整优化函数包括惩罚效应建模和总目标函数建模，具体为：
惩罚效应建模：在超出最优动态激励对应的响应度范围，则给予惩罚。
总目标函数建模
minCat＝pi-cp·re+h(λHVAC+λS)+k·|Δyt| (41)
式中：k为功率偏差系数。
进一步地，所述步骤S5中的优化方法为：考虑用户参与需求响应不确定性，针对响应不足或过度的情况，构建闪电型激励型需求响应不确定模型，输入量包括日内负荷预测、DRE信息、用户实际用电情况、室外温度预测，输出量为局部电价激励、设备运行时刻和用户响应电网的用电计划。以多用户综合效应收益最大为优化目标，综合效应收益包括用户支付、响应功率偏差带来的惩罚，得出使满足需求响应机制的最优动态激励。
本发明建立电价差和负荷转移率的不确定性模型、可中断负荷补偿和响应度的不确定性模型，先后从价格型和激励型DR两个角度分析居民负荷在实际响应中的不确定性，将可转移负荷、温控负荷和DRE信息在三个时间尺度上协调优化，给出计及不确定性的多时间尺度可变电力套餐和家庭优化调度策略。因此给出一种面向多用户的多时间尺度电力套餐与家庭能量优化方法具有十分重要的现实意义。
本发明将首先明确多时段可变电力套餐的定义，基于价格型和激励型响应不确定性机理构建电力套餐的模型，并建立完成聚类后的多用户与电网的模型。其次通过求解基于多用户和电网的非合作和合作博弈模型，获得最优的电价方案和日前优化计划。然后根据需求响应信息和用户用电安排建立日内滚动优化模型，获得局部动态分时电价和日内调度计划。最后根据用户实际响应偏差建立实时调整模型，获得动态激励和实时用电计划。
本发明定义多时间尺度可变电力套餐，采用的是局部动态分时电价和动态激励。只采用日前调度无法处理临时发布的DRE信息，进行日内调度时，可计划响应的程度及具体的响应安排。考虑到用户实际响应时存在响应不足或过度的情况，再进行实时调度以校正用户的响应程度。
本发明采用多时间尺度家庭能量管理策略，为减小需求响应信息、用户用电安排、用户参与电网需求响应的不确定性对家庭能量优化的影响，采用日前-日内-实时三阶段优化调度模型对家庭能量管理进行优化。
本发明根据3种优化模型的效果分析，验证计及用户参与不确定性的多时间尺度可变电力套餐和DR调度策略的有效性。
优化模型1：日前优化模型。仅基于多用户和电网的博弈模型，获得最优的电价方案和日前调度计划。
优化模型2：日前-日内优化模型。根据DRE信息和用户用电安排建立日内滚动优化模型，获得局部动态分时电价的电力套餐方案和日内调度计划。
优化模型3：日前-日内-实时优化模型。根据用户参与电网需求响应不确定性的信息建立实时调整模型，获得局部动态分时电价和动态激励的电力套餐和实时用电计划。
有益效果：本发明与现有技术相比，创新性在于建立需求响应不确定性模型，针对需求响应不足或过度的情况，给出正激励鼓励居民转移高峰负荷，或者给出负激励减少居民转移高峰负荷的情况；其创新性还在于通过采用日前—日内—实时多时间尺度优化调度模型，满足DRE要求和居民用电要求的变化，开发用户自主参与需求响应的潜力，在需求响应和家庭能量调度过程中更为准确的调控家庭用户实际用能情况，灵活满足需求响应要求，提高家庭能量管理智能化水平。
附图说明
图1为本发明的优化调度流程图；
图2为本发明可调度设备的用电信息及用户期望用电时间图；
图3为本发明采用的分时电价信息图；
图4为本发明的价格型需求响应不确定机理图；
图5为本发明的闪电激励型需求响应不确定机理图；
图6为本发明实施仿真分析日负荷曲线聚类结果图；
图7为本发明实施例仿真分析模拟的非合作博弈和合作博弈模型结果对比图；
图8为本发明实施例仿真分析模拟的日内优化结果图；
图9为本发明考虑参与需求响应不确定性前、后居民日平均电量曲线指标结果图；
图10为本发明实施例仿真分析模拟的以上三种情况的优化结果对比图。
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，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
本发明提供一种面向多用户的多时间尺度电力套餐与家庭能量优化方法，参照图1，其包括如下步骤：
S1：明确多时段可变电力套餐的定义，基于价格型和激励型响应不确定性机理构建多时段可变电力套餐的模型，并建立完成聚类后的多用户与电网的模型；
S2：基于多用户和电网的非合作和合作博弈，建立日前优化模型，获得最优的电价方案和日前优化计划；
S3：根据需求响应信息和用户用电安排建立日内滚动优化模型，获得局部动态分时电价和日内调度计划；
S4：根据用户实际响应偏差建立实时调整模型；
S5：采用实时调整模型对局部动态分时电价和日内调度计划进行优化，获得动态激励和实时用电计划。
本实施例步骤S1中多时间尺度可变电力套餐的基本模型为：
1)首先进行日前调度计划。根据多用户与电网的博弈模型，得到每个用户设备使用时间的最优解，作为后续可变电力套餐的基准值；对居民用户的日负荷曲线进行聚类分析，按比例选取每类典型家庭组成多用户联合调度组。多用户联合调度组表示为N＝{A1,A2,…,AN1,B1,B2,…,BN2,C1,C2,…,CN3,D1,D2,…,DN4}，用户数量为N＝N1+N2+N3+N4。由于四类用户相互独立，因此以A类用户为例建模，B、C、D类用户与A类用户的模型相同。
2)其次进行日内调度计划。考虑DRE(Demand Response Event，DRE)信息和用户用电安排，在第一步基准值的基础上，采用价格型需求响应不确定性模型，在响应电网DRE信息时段，设置局部动态电价。从峰时段向谷时段转移负荷称为正向转移，反之称为反向转移。
Figure BDA0003238736660000111
Figure BDA0003238736660000112
式中：Δppv表示峰谷电价差；λpvi为的峰谷电量转移率，即负荷转移量与峰时段平均负荷之比；
Figure BDA0003238736660000113
和
Figure BDA0003238736660000114
分别表示峰谷转移曲线积极响应斜率和消极响应斜率，如式(1-2)所示；kpv0i表示死区内时响应曲线的斜率，满足
Figure BDA0003238736660000115
apvi为转移率均大于等于0时临界电价差；转移率逐渐趋于时的饱和电价差为bpvi；
Figure BDA0003238736660000116
和
Figure BDA0003238736660000117
分别为无电价差时正向负荷转移率的最大值和反向负荷转移率的最小值；
Figure BDA0003238736660000118
表示用户i的最大峰谷负荷转移率。
可采用相同方法确定用户i峰平时段、平谷时段的用电转移率λpfi和λfvi，拟合各时段负荷如式(3)所示。
Figure BDA0003238736660000119
式中：
Figure BDA00032387366600001110
和
Figure BDA00032387366600001111
分别表示t时段用户i实施局部动态电价前后各时段的负荷；
Figure BDA00032387366600001112
和
Figure BDA00032387366600001113
分别表示用户i实施局部动态电价前在峰时段和平时段的平均负荷；Tp、Tf和Tv分别表示划分的峰谷平时段。
在需求响应时段，采用固定峰谷比和平时段电价扩大峰谷电价差的电价制定方法，为避免出现峰谷倒置的现象，应满足下式：
Figure BDA0003238736660000121
式中：Qv和Qp分别表示谷时段和峰时段的用电总量。
3)最后进行实时调度计划。考虑用户参与电网需求响应的不确定性，在第二步动态分时电价的基础上增加动态的可中断负荷补偿。根据用户实际削减的用电功率与DRE要求产生功率偏差，调整激励水平。
目前普遍采用的是只考虑响应不足的激励型需求响应不确定模型，本发明在此基础上进一步补充完善了该模型关于响应过度的部分。响应不足时会影响电网运行的稳定性，但也要考虑到响应过度的情况，响应过度会直接大幅降低用户的舒适度，甚至有可能打击响应的积极性，因此也是不鼓励用户响应过度的。
在经济激励水平x下，用户i的积极响应斜率和消极响应斜率可分别表示为
Figure BDA0003238736660000122
Figure BDA0003238736660000123
式中：λ0i表示处于响应死区的响应度；x0i为启动电价，即处于线性区的最低激励水平；x1i为响应度不会低于零的临界电价激励值；xmaxi为使用户响应度达到上限的饱和激励；λupi和λdowni表示用户i的受到电价激励后曲线积极响应斜率和消极响应斜率。
在电价激励x下，用户响应度λi的波动范围是[λ2i(x),λ2i(x)]，用均匀分布来描述用户响应不确定行为，如公式(7)所示。
λi(x):U[λ2i(x),λ1i(x)] (7)
不同类型的用户的x0i、x1i和xmaxi取不同的值，对于n个用户，总体的响应度λ(x)可表示为
Figure BDA0003238736660000124
式中：PRi为用户i的可调度负荷的容量。
本实施例步骤S1中多用户与电网的模型包括基于可调度设备的多用户满意度及收益模型和电力公司模型，所述基于可调度设备的多用户满意度及收益模型将家庭用户中的设备分为不可调整负荷(如电视、电脑等)、可转移或中断负荷、温控负荷，可转移或中断负荷与温控负荷合称为家庭用户的可调整负荷，能够参与优化调度。对这两类设备进行满意度建模，用户的实际收益为效用减去支付。
本实施例步骤S1中基于可调度设备的多用户满意度及收益模型包括效用函数、用户支付和用户收益三部分，所述电力公司模型包括电力公司收入、运营成本和公司收益三部分。
基于可调度设备的多用户满意度及收益模型具体为：
效用函数，效用函数的值用来衡量用户使用了从电力公司处获得的电能的满意度：
可转移、可中断设备：
用户i(i∈[1,N1])的e设备在时段t∈T上的满意度为
Figure BDA0003238736660000131
式中：
Figure BDA0003238736660000132
表示满意度与用电量之间的数量关系；
Figure BDA0003238736660000133
表示用户i∈N1的一个设备e在时段t∈T上的用电量；αi,e表示工作时间内的固定满意度；为了根据用户期望用电时间区分用户类别，定义wi,e(t)为期望因子，设定有效工作时间区间，在有效工作时间区间内设定用户期望用电时间，通过描述期望用电时间的改变来反映用户用电习惯的不同。期望因子的确定由式(10)给出。
Figure BDA0003238736660000134
式中：
Figure BDA0003238736660000135
表示用户i期望设备e运行的第一个工作时隙，
Figure BDA0003238736660000136
表示用户i期望设备e的最后一个工作时隙，并且满足
Figure BDA0003238736660000137
和
Figure BDA0003238736660000138
σ是一个事先确定的参数，用于调节渴望因子的大小。
温控设备：
本实施例中温控负荷以热水器和空调为例，并对其满意度进行建模。
①热水器
热水器t+1时刻各个工作状态的水温TW,t+1如式(11-14)所示，假设热水器水箱内各处的水温相同，且不考虑热水器的具体模型。
Suse,t＝0,SH,t＝0时，TW,t+1＝TW,t-Tdis(0) (11)
Suse,t＝1,SH,t＝0时，TW,t+1＝TW,t-Tdis(1) (12)
Suse,t＝0,SH,t＝1时，TW,t+1＝TW,t-Tdis(0)+kPH (13)
Suse,t＝1,SH,t＝1时，TW,t+1＝TW,t-Tdis(1)+kPH (14)
式中：在[t,t+1]时段，Suse,t为用户的用水状态，Suse,t＝0表示用户未使用热水，Suse,t＝1时表示用户使用热水；SH,t表示热水器的运行状态，SH,t＝0表示热水器不工作，SH,t＝1表示热水器正在运行；未使用热水和正使用热水时，水温每分钟分别降低Tdis(0)，Tdis(1)；k为热水器开启时单位时间功率水温升高的温度，℃·min-1kW-1；PH为热水器额定功率。
热水器的温度偏差指数越大，表示水温越偏离最高水温，则应当优先开启热水器使水升温，其温度偏差指数KWH,t如式(15)所示。
Figure BDA0003238736660000141
式中：TWmax，TWmin为满足用户要求的最高水温和最低水温。
热水器的满意度模型为：
Figure BDA0003238736660000142
②空调
当空调处于开启、关闭状态时，t+1时刻的室温TAC,t+1如式(17)、(18)所示，运行约束条件如式(19)所示。
Figure BDA0003238736660000143
Figure BDA0003238736660000144
T∈[TACmin,TACmax] (19)
式中：Ra为空调热阻系数；Ca为空调热容；Qa为空调功率；Tout为室外温度；TACmin，TACmax为满足用户要求的最低和最高室温。
空调的温度偏差指数越大，表示室温越偏离最低室温，则应当优先开启空调使室内降温，其温度偏差指数KAC,t计算如式(20)所示。
Figure BDA0003238736660000145
空调的满意度模型为：
Figure BDA0003238736660000146
用户支付：
用户向电力公司支付电费，同时参与需求响应机制时，将获得电价折扣补贴，采用线性定价策略，每个时隙的支付之和pi表示为：
Figure BDA0003238736660000147
式中：π＝(π1,π2,...,πT)表示每个时隙电能单价，Qi,t是用户i在时段t上的负荷，bt是t时段的电价折扣系数，t时段内多用户组的总负荷Qt为：
Figure BDA0003238736660000148
T个时段的总负荷曲线为Q＝[Q1,Q2,…,QT]。
用户收益：
用wi表示用户的实际收益，其表达式如下：
wi＝ui-pi (24)
电力公司模型：
L＝(L1,L2,…,LT)表示电力公司在一个周期T内向用户提供电量，它至少等于用户的实际用电需求，即
Figure BDA0003238736660000151
同时，满足约束条件式(26)。
L≤Lmax (26)
式中：
Figure BDA0003238736660000152
表示各时段上的发电量上限值。
电力公司收入：
电力公司的收入由所有用户支付的电费组成，表达式为
Figure BDA0003238736660000153
运营成本：
电力公司出售电能时存在一个运营成本，比如购买资源、设备投入、公司管理等。运营成本的表达式为
ct(Lt)＝at(Lt)2+btLt+ct (28)
式中：参数at＞0、bt≥0和ct≥0是与电力公司在运营行为上相关的参数。
c0表示电力公司在一个周期T内的运营总成本，其表达式为
Figure BDA0003238736660000154
公司收益：
电力公司的实际收益w0表示为收入与运营成本之差，表达式为
w0＝p0-c0 (30)。
本实施例步骤S2中日前优化模型包括多用户和电网非合作博弈和多用户和电网合作博弈两部分，具体如下：
多用户和电网非合作博弈：
在非合作博弈中，所有参与者都是个体理性。本节分别从用户和电力公司的角度出发，描述非合作博弈模型下的需求响应和定价策略。用户通过式(31)所示最优问题选择用电需求：
Figure BDA0003238736660000161
式(31)达到最优时的解是由电价确定的，用
Figure BDA0003238736660000162
表示在价格π，电价折扣bt时，用户需求最优解的表达式如(32)所示：
Figure BDA0003238736660000163
当电力公司作为非合作博弈的主导者，根据用户对其自身利益最优化得到的需求调度
Figure BDA0003238736660000164
设定价格向量π，电价折扣bt，通过式(12)所示最优化电力公司自身收益：
Figure BDA0003238736660000165
用(π*,bt *)表示电力公司获得的最优解，则其数学表达式可写成：
Figure BDA0003238736660000166
上述非合作博弈在达到稳定状态的时候，其均衡点为：最优价格π*、最优折扣bt *及最优价格下的最优需求
Figure BDA0003238736660000167
多用户和电网合作博弈：
假设用户之间不存在合作或冲突，仅考虑电网和多用户间的博弈，即不考虑参与者子集中进行合作的联盟博弈问题，则电力公司和多用户合作博弈模型的数学表达式为
Figure BDA0003238736660000168
式中：d＝{d1,d2,…,dm}为谈判威胁点，α＝{α1,α2,…αm}为各参与者的谈判力量，且满足∑m∈Mαm＝1。
本实施例步骤S3具体为：
日内滚动优化的输入量包括日前负荷预测、DRE信息、用户用电安排、室外温度预测，得到最优的总削负荷量y和计划外用电量yu，输出量为局部动态分时电价、设备运行时刻和用户响应电网的用电计划，
Figure BDA0003238736660000169
是用户i在时隙t上的负荷转移率；滚动优化时，在预测时域内对DRE信息、用户用电和室外温度信息进行更新，为使日内计划能够较好地遵循日前调度计划，按照用户意愿及其收益情况，在规定时间内完成一定时长的功率响应；
根据最新预测信息，以整个优化区间用户的净用电费最小为优化目标调整电价和设备用电情况，用户的总用电成本包括用户电费支出、响应DRE获得的效益，引入舒适度折算系数h将用户舒适度折算成等效收益，得出最优的局部动态电价；
日内用电优化的目标函数可表示为
minCin＝pi-cp·re-h(λHVAC+λS) (36)
式中：cp为参与电网需求响应的补偿价格，re为用户实际的响应量，λHVAC为温度舒适度，λS为设备运行时间舒适度。
日内用电优化的目标函数中：
用户温度舒适度体现在用户设定的适宜温度与实际温度的偏差，表达式为
Figure BDA0003238736660000171
式中：
Figure BDA0003238736660000172
为t时刻温度舒适度的相对重要程度，
Figure BDA0003238736660000173
为室内温度，Tset为设定温度；
可转移或可中断负荷改变日前计划用电时，将对设备运行时间舒适度λS造成影响，λS可描述为
Figure BDA0003238736660000174
式中：S为可转移或可中断负荷集合，γe表示设备e对用户用电舒适度的影响程度，ωe为0-1变量，1表示设备工作，0表示设备不工作；
为保证用户平滑购电功率，考虑负荷反弹性质，减少用户在完成需求响应后同时大幅度增加用电，避免出现负荷新高峰，设定负荷波动最小的目标函数，如式(39)所示。
Figure BDA0003238736660000175
式中：设定15min平均功率
Figure BDA0003238736660000176
满足最大平均功率Pconst约束，即
Figure BDA0003238736660000177
本实施例步骤S4中实时调整模型的建立方法为：
将用户参与电网需求响应的计划值与实际值引起的用电功率偏差表示为
Figure BDA0003238736660000178
基于用电功率偏差建立实时用电调整优化函数，所述实时用电调整优化函数包括惩罚效应建模和总目标函数建模，具体为：
惩罚效应建模：在超出最优动态激励对应的响应度范围，则给予惩罚。
总目标函数建模
minCat＝pi-cp·re+h(λHVAC+λS)+k·|Δyt| (41)
式中：k为功率偏差系数。
本实施例步骤S5中的优化方法为：考虑用户参与需求响应不确定性，针对响应不足或过度的情况，构建闪电型激励型需求响应不确定模型，输入量包括日内负荷预测、DRE信息、用户实际用电情况、室外温度预测，输出量为局部电价激励、设备运行时刻和用户响应电网的用电计划。以多用户综合效应收益最大为优化目标，综合效应收益包括用户支付、响应功率偏差带来的惩罚，得出使满足需求响应机制的最优动态激励。
仿真分析：
基于上述方案，本实施例在MATLAB平台上进行仿真验证。本实施例所给系统中涉及可调度设备的用电信息及用户期望用电时间，如图2所示；分时电价信息如图3所示；本实施例的价格型需求响应不确定机理模型，如图4所示；本实施例的闪电激励型需求响应不确定机理模型，如图5所示。本实施例的日负荷曲线聚类结果，如图6所示。
1、优化策略验证——日前优化调度
本实施例采用非合作与合作博弈相结合的方式，得到最优的电价方案和日前优化计划作为多时间尺度优化模型的基准值。日前用电优化对用电计划进行预测，包括是否调整可转移或中断设备的运行时间。非合作博弈模型获得的个体最优决策作为合作博弈谈判的威胁点，也称作威胁谈判破裂的临界点。
设定用户的期望用电时间，合理的仿真分析会根据用户期望，尽可能将用电时间安排在期望用电时段内。参数σ＝2，选取共1000个用户进行仿真分析。首先以多用户作为非合作博弈的主导者，根据用户实际期望的用电时间，得到用户的日前优化调度后最优的用电时间。其次以电网作为非合作博弈的主导者，根据日前调度计划的最优用电时间仿真得到最优的分时电价和电价折扣系数。图7为合作和非合作博弈下，用户与电力公司利益的差别。可见合作博弈模型下，用户和电力公司利益有所增长。
2、优化策略验证——日内滚动优化调度
以合作博弈优化后的居民多用户调度组当日当前t时刻的日负荷曲线作为负荷基线，峰谷电量系数为1.9838。接收到DRE信息后，可在接下来的24h进行响应，持续时间为0.5h～1.5h，补偿价格为0.45元/kWh，非避峰型用户在某单位时段内最少响应0.2kW，各时段平均最大功率为10kW。由多用户调度组平均日负荷曲线可知，18：00-21：00为该多用户组可调度设备的用电高峰期，负荷峰值为6.3639kW。利用峰谷价格型需求响应机理对算例进行仿真求解，得到最优的峰谷电价差和负荷转移率为0.765462元和4.778％，峰时电价为1.0286元/kWh，谷时电价为0.263154元/kWh，此时的峰谷电价成为局部动态电价，仅对高峰时期转移的负荷有效。由仿真结果可知，局部动态电价相较于考虑价格型需求响应机理前的电价升高，峰时电价的提高有利于用户转移高峰负荷，谷时电价的提高可以避免用户向低谷大量负荷形成新的用电高峰。优化后的四类典型用户的日负荷曲线、多用户调度组平均日负荷曲线如图8所示。
3、优化策略验证——实时优化调度
最优负荷转移率为4.778％，而用户实际响应时转移负荷率为11.8320％，因此考虑激励型需求响应不确定机理进行实时调整，降低电价激励，减少电量转移。
基于消费者心理学的激励型需求响应机理模型参数设定：启动电价x0i＝0.2元/kWh，临界激励x1i＝0.25元/kWh，饱和激励xmaxi＝1元/kWh，无电价差或电价差较小时负荷转移量λ0i＝0.2kWh，最大峰谷负荷转移量λmaxi＝3kWh，受到电价激励后削负荷曲线斜率的上限λupi＝3.5，受到电价激励后削负荷曲线斜率的下限λdowni＝4。功率偏差系数k＝1。
以考虑价格型需求响应机理后的居民多用户调度组当日当前t时刻的日负荷曲线作为负荷基线，图9给出了考虑用户参与需求响应不确定性前、后居民日平均电量曲线指标。
4、优化策略验证——综合场景：
针对以上三种情况的综合，本实施例基于前述图1给出的调度框架给出了三种模型优化调度结果对比图，如图10所示。

Claims (9)

1.一种面向多用户的多时间尺度电力套餐与家庭能量优化方法，其特征在于，包括如下步骤：
S1：明确多时段可变电力套餐的定义，基于价格型和激励型响应不确定性机理构建多时段可变电力套餐的模型，并建立完成聚类后的多用户与电网的模型；
S2：基于多用户和电网的非合作和合作博弈，建立日前优化模型，获得最优的电价方案和日前优化计划；
S3：根据需求响应信息和用户用电安排建立日内滚动优化模型，获得局部动态分时电价和日内调度计划；
S4：根据用户实际响应偏差建立实时调整模型；
S5：采用实时调整模型对局部动态分时电价和日内调度计划进行优化，获得动态激励和实时用电计划。
2.根据权利要求1所述的一种面向多用户的多时间尺度电力套餐与家庭能量优化方法，其特征在于，所述步骤S1中多用户与电网的模型包括基于可调度设备的多用户满意度及收益模型和电力公司模型，所述基于可调度设备的多用户满意度及收益模型将家庭用户中的设备分为不可调整负荷、可转移或中断负荷、温控负荷，可转移或中断负荷与温控负荷合称为家庭用户的可调整负荷，能够参与优化调度。
3.根据权利要求2所述的一种面向多用户的多时间尺度电力套餐与家庭能量优化方法，其特征在于，所述步骤S1中基于可调度设备的多用户满意度及收益模型包括效用函数、用户支付和用户收益三部分，所述电力公司模型包括电力公司收入、运营成本和公司收益三部分。
4.根据权利要求3所述的一种面向多用户的多时间尺度电力套餐与家庭能量优化方法，其特征在于，所述步骤S1中基于可调度设备的多用户满意度及收益模型具体为：效用函数：
可转移、可中断设备：
用户i(i∈[1,N1])的e设备在时段t∈T上的满意度为
Figure FDA0003238736650000011
温控设备：
热水器的满意度模型为：
Figure FDA0003238736650000012
空调的满意度模型为：
Figure FDA0003238736650000013
用户支付：
采用线性定价策略，每个时隙的支付之和pi表示为：
Figure FDA0003238736650000021
用户收益：
用wi表示用户的实际收益，其表达式如下：
wi＝ui-pi (5)
电力公司模型具体为：
电力公司收入：
电力公司的收入由所有用户支付的电费组成，表达式为
Figure FDA0003238736650000022
运营成本：
运营成本的表达式为
ct(Lt)＝at(Lt)2+btLt+ct (7)
c0表示电力公司在一个周期T内的运营总成本，其表达式为
Figure FDA0003238736650000023
公司收益：
电力公司的实际收益w0表示为收入与运营成本之差，表达式为
w0＝p0-c0 (9)。
5.根据权利要求1所述的一种面向多用户的多时间尺度电力套餐与家庭能量优化方法，其特征在于，所述步骤S2中日前优化模型包括多用户和电网非合作博弈和多用户和电网合作博弈两部分，具体如下：
多用户和电网非合作博弈：
在非合作博弈中，所有参与者都是个体理性。本节分别从用户和电力公司的角度出发，描述非合作博弈模型下的需求响应和定价策略。用户通过式(10)所示最优问题选择用电需求：
Figure FDA0003238736650000024
式(10)达到最优时的解是由电价确定的，用
Figure FDA0003238736650000025
表示在价格π，电价折扣bt时，用户需求最优解的表达式如(11)所示：
Figure FDA0003238736650000026
当电力公司作为非合作博弈的主导者，根据用户对其自身利益最优化得到的需求调度
Figure FDA0003238736650000031
设定价格向量π，电价折扣bt，通过式(12)所示最优化电力公司自身收益：
Figure FDA0003238736650000032
用(π*,bt *)表示电力公司获得的最优解，则其数学表达式可写成：
Figure FDA0003238736650000033
上述非合作博弈在达到稳定状态的时候，其均衡点为：最优价格π*、最优折扣bt *及最优价格下的最优需求
Figure FDA0003238736650000034
多用户和电网合作博弈：
假设用户之间不存在合作或冲突，仅考虑电网和多用户间的博弈，即不考虑参与者子集中进行合作的联盟博弈问题，则电力公司和多用户合作博弈模型的数学表达式为
Figure FDA0003238736650000035
式中：d＝{d1,d2,…,dm}为谈判威胁点，α＝{α1,α2,…αm}为各参与者的谈判力量，且满足∑m∈Mαm＝1。
6.根据权利要求1所述的一种面向多用户的多时间尺度电力套餐与家庭能量优化方法，其特征在于，所述步骤S3具体为：
日内滚动优化的输入量包括日前负荷预测、DRE信息、用户用电安排、室外温度预测，得到最优的总削负荷量y和计划外用电量yu，输出量为局部动态分时电价、设备运行时刻和用户响应电网的用电计划，
Figure FDA0003238736650000036
是用户i在时隙t上的负荷转移率；滚动优化时，在预测时域内对DRE信息、用户用电和室外温度信息进行更新，为使日内计划能够遵循日前调度计划，按照用户意愿及其收益情况，在规定时间内完成功率响应；
根据最新预测信息，以整个优化区间用户的净用电费最小为优化目标调整电价和设备用电情况，用户的总用电成本包括用户电费支出、响应DRE获得的效益，引入舒适度折算系数h将用户舒适度折算成等效收益，得出最优的局部动态电价；
日内用电优化的目标函数可表示为
min Cin＝pi-cp·re-h(λHVAC+λS) (15)
式中：cp为参与电网需求响应的补偿价格，re为用户实际的响应量，λHVAC为温度舒适度，λS为设备运行时间舒适度。
7.根据权利要求6所述的一种面向多用户的多时间尺度电力套餐与家庭能量优化方法，其特征在于，所述日内用电优化的目标函数中：
用户温度舒适度体现在用户设定的适宜温度与实际温度的偏差，表达式为
Figure FDA0003238736650000041
式中：
Figure FDA0003238736650000042
为t时刻温度舒适度的相对重要程度，Tt in为室内温度，Tset为设定温度；
可转移或可中断负荷改变日前计划用电时，将对设备运行时间舒适度λS造成影响，λS可描述为
Figure FDA0003238736650000043
式中：S为可转移或可中断负荷集合，γe表示设备e对用户用电舒适度的影响程度，ωe为0-1变量，1表示设备工作，0表示设备不工作。
8.根据权利要求7所述的一种面向多用户的多时间尺度电力套餐与家庭能量优化方法，其特征在于，所述步骤S4中实时调整模型的建立方法为：
将用户参与电网需求响应的计划值与实际值引起的用电功率偏差表示为
Figure FDA0003238736650000044
基于用电功率偏差建立实时用电调整优化函数，所述实时用电调整优化函数包括惩罚效应建模和总目标函数建模，具体为：
惩罚效应建模：在超出最优动态激励对应的响应度范围，则给予惩罚。
总目标函数建模
min Cat＝pi-cp·re+h(λHVAC+λS)+k·|Δyt| (19)
式中：k为功率偏差系数。
9.根据权利要求7所述的一种面向多用户的多时间尺度电力套餐与家庭能量优化方法，其特征在于，所述步骤S5中的优化方法为：考虑用户参与需求响应不确定性，针对响应不足或过度的情况，构建闪电型激励型需求响应不确定模型，输入量包括日内负荷预测、DRE信息、用户实际用电情况、室外温度预测，输出量为局部电价激励、设备运行时刻和用户响应电网的用电计划。
CN202111012029.8A 2021-08-31 2021-08-31 面向多用户的多时间尺度电力套餐与家庭能量优化方法 Pending CN113746089A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111012029.8A CN113746089A (zh) 2021-08-31 2021-08-31 面向多用户的多时间尺度电力套餐与家庭能量优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111012029.8A CN113746089A (zh) 2021-08-31 2021-08-31 面向多用户的多时间尺度电力套餐与家庭能量优化方法

Publications (1)

Publication Number Publication Date
CN113746089A true CN113746089A (zh) 2021-12-03

Family

ID=78734255

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111012029.8A Pending CN113746089A (zh) 2021-08-31 2021-08-31 面向多用户的多时间尺度电力套餐与家庭能量优化方法

Country Status (1)

Country Link
CN (1) CN113746089A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116739182A (zh) * 2023-07-26 2023-09-12 国网数字科技控股有限公司 售电信息输出方法、装置、电子设备和存储介质
CN116976150A (zh) * 2023-09-22 2023-10-31 国网浙江省电力有限公司 计及多用户不确定性和需求多样性的空调负荷优化方法
CN117674142A (zh) * 2024-02-01 2024-03-08 云南电网有限责任公司信息中心 一种基于分时电量核算的电力调度方法及调度装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107563676A (zh) * 2017-10-11 2018-01-09 华中科技大学 考虑多时间尺度多类型需求响应的源荷协调运行调度方法
CN108764524A (zh) * 2018-04-19 2018-11-06 天津大学 一种家庭能量管理系统的滚动优化调度方法
CN108805326A (zh) * 2018-04-19 2018-11-13 浙江工业大学 一种基于多时间尺度需求响应模型的电价定价方法
CN110417006A (zh) * 2019-07-24 2019-11-05 三峡大学 考虑多能协同优化的综合能源系统多时间尺度能量调度方法
CN112366699A (zh) * 2020-11-03 2021-02-12 河海大学 一种实现电网侧和用户侧交互的家庭能量双层优化方法
CN112467730A (zh) * 2020-11-19 2021-03-09 国网四川省电力公司经济技术研究院 考虑风光出力预测误差和需求响应灵活性的电力系统优化调度方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107563676A (zh) * 2017-10-11 2018-01-09 华中科技大学 考虑多时间尺度多类型需求响应的源荷协调运行调度方法
CN108764524A (zh) * 2018-04-19 2018-11-06 天津大学 一种家庭能量管理系统的滚动优化调度方法
CN108805326A (zh) * 2018-04-19 2018-11-13 浙江工业大学 一种基于多时间尺度需求响应模型的电价定价方法
CN110417006A (zh) * 2019-07-24 2019-11-05 三峡大学 考虑多能协同优化的综合能源系统多时间尺度能量调度方法
CN112366699A (zh) * 2020-11-03 2021-02-12 河海大学 一种实现电网侧和用户侧交互的家庭能量双层优化方法
CN112467730A (zh) * 2020-11-19 2021-03-09 国网四川省电力公司经济技术研究院 考虑风光出力预测误差和需求响应灵活性的电力系统优化调度方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
DOUGLAS ELLMAN等: "Incentives to Manipulate Demand Response Baselines With Uncertain Event Schedules", 《IEEE TRANSACTIONS ON SMART GRID》, vol. 12, no. 02, pages 1358 - 1369, XP011840679, DOI: 10.1109/TSG.2020.3024208 *
张禹森 等: "基于电力需求响应的多时间尺度家庭能量管理优化策略", 《电网技术》, vol. 42, no. 06 *
蒋国华: "基于博弈模型的智能电网需求响应管理及定价策略", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, pages 042 - 455 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116739182A (zh) * 2023-07-26 2023-09-12 国网数字科技控股有限公司 售电信息输出方法、装置、电子设备和存储介质
CN116739182B (zh) * 2023-07-26 2023-12-22 国网数字科技控股有限公司 售电信息输出方法、装置、电子设备和存储介质
CN116976150A (zh) * 2023-09-22 2023-10-31 国网浙江省电力有限公司 计及多用户不确定性和需求多样性的空调负荷优化方法
CN116976150B (zh) * 2023-09-22 2023-12-12 国网浙江省电力有限公司 计及多用户不确定性和需求多样性的空调负荷优化方法
CN117674142A (zh) * 2024-02-01 2024-03-08 云南电网有限责任公司信息中心 一种基于分时电量核算的电力调度方法及调度装置
CN117674142B (zh) * 2024-02-01 2024-04-19 云南电网有限责任公司信息中心 一种基于分时电量核算的电力调度方法及调度装置

Similar Documents

Publication Publication Date Title
Wei et al. A bi-level scheduling model for virtual power plants with aggregated thermostatically controlled loads and renewable energy
Li et al. Trading strategy and benefit optimization of load aggregators in integrated energy systems considering integrated demand response: A hierarchical Stackelberg game
Gu et al. Bi-level optimal low-carbon economic dispatch for an industrial park with consideration of multi-energy price incentives
Chen et al. Strategic bidding and compensation mechanism for a load aggregator with direct thermostat control capabilities
Merdanoğlu et al. Finding optimal schedules in a home energy management system
Jiang et al. Integrated demand response mechanism for industrial energy system based on multi-energy interaction
CN113746089A (zh) 面向多用户的多时间尺度电力套餐与家庭能量优化方法
CN110728410A (zh) 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
Ojand et al. Q-learning-based model predictive control for energy management in residential aggregator
CN115115277A (zh) 园区综合能源调度方法、装置、计算机设备及存储介质
Gomez-Herrera et al. Optimal collaborative demand-response planner for smart residential buildings
CN111008739A (zh) 一种热电联产虚拟电厂优化调控及收益分配方法及系统
CN112036934A (zh) 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
CN103532157A (zh) 一种针对融入储能设备的电网系统电能调度方法
CN108494012A (zh) 一种计及电转气技术的区域综合能源系统在线优化方法
CN115660309A (zh) 考虑电-碳-绿证联合交易的虚拟电厂日前优化调度方法
Chandran et al. Demand response and consumer inconvenience
He et al. A new cooperation framework with a fair clearing scheme for energy storage sharing
Fangjie et al. Community decision-makers’ choice of multi-objective scheduling strategy for integrated energy considering multiple uncertainties and demand response
CN110649594A (zh) 一种基于多能协同的工业园区综合需求响应调度方法
CN117494993A (zh) 一种基于阶梯碳交易的源网荷分布协同低碳调度方法
CN116128201A (zh) 一种基于非合作博弈的多虚拟电厂点对点能源交易方法
Saavedra et al. Flexible load management using flexibility bands
Wang et al. Reward fairness-based optimal distributed real-time pricing to enable supply–demand matching
Bruninx et al. On controllability of demand response resources & aggregators' bidding strategies

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