CN115239119A - 一种负荷资源互动效益的评价方法、装置、设备及存储介质 - Google Patents

一种负荷资源互动效益的评价方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115239119A
CN115239119A CN202210847292.7A CN202210847292A CN115239119A CN 115239119 A CN115239119 A CN 115239119A CN 202210847292 A CN202210847292 A CN 202210847292A CN 115239119 A CN115239119 A CN 115239119A
Authority
CN
China
Prior art keywords
scheme
load resource
calculating
positive
resource interaction
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
CN202210847292.7A
Other languages
English (en)
Inventor
吴华华
孙飞飞
郑翔
顾晨临
蒙志全
楼贤嗣
金学奇
钱佳佳
邬樵风
沈志恒
王岑峰
杨恺
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.)
State Grid Zhejiang Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
State Grid Zhejiang Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Zhejiang Electric Power 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 State Grid Zhejiang Electric Power Co Ltd, Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd filed Critical State Grid Zhejiang Electric Power Co Ltd
Priority to CN202210847292.7A priority Critical patent/CN115239119A/zh
Publication of CN115239119A publication Critical patent/CN115239119A/zh
Pending legal-status Critical Current

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Power Engineering (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Water Supply & Treatment (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Public Health (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种负荷资源互动效益的评价方法，包括获取候选负荷资源互动方案的历史数据；基于历史数据计算评价指标并构建区间决策矩阵；基于区间决策矩阵计算评价向量以及正理想方案和负理想方案；计算评价向量与正理想方案和负理想方案之间的正、负差异化距离；采用计算各评价指标对应的分辨率系数；计算各候选负荷资源互动方案对应的正、负关联系数；计算各评价指标对应的权重；计算正、负理想方案的区间灰色关联度；计算评价向量与正理想方案和负理想方案之间的正向距离和反向距离；基于无量纲化处理后的区间灰色关联度以及正向距离和反向距离，计算各候选负荷资源互动方案与正理想解的贴近度；将贴近度最高的方案作为目标负荷资源互动方案。

Description

一种负荷资源互动效益的评价方法、装置、设备及存储介质
技术领域
本发明涉及电力系统技术领域，具体涉及一种负荷资源互动效益的评价方法、装置、设备及存储介质。
背景技术
现代电力系统正在经历源与荷的双重技术革命，尤其是负荷侧发生了根本性的变化。随着负荷侧资源的更加多元化，分布式发电、分布式储能、电动汽车等的大量应用，使传统无源配电网产生了双向潮流，出现了含源负荷节点，用户不再仅仅是末端用电负荷，而且可以通过负荷管理实现与调度机构互动。近年来为了使得电网模式能够满足日新月异的用户需求，要求电网系统能够积极调动源、网、荷、储等各种调节资源，使得电网具备更强的清洁能源消纳能力及更经济的运行方式。现代电力系统随着能源转型的不断深入，已经逐步向特高压交直流跨区互联、大规模新能源消纳、源荷互动等方向发展，电网一体化特征凸显，运行难度和风险增大，同时高渗透率新能源快速发展带来电源重构，系统运行不确定性显著增强，电网调度控制系统面临前所未有的挑战。
电网调节资源和电网的功率平衡特征均发生了重大改变，亟需探索适合广泛负荷侧资源参与的调控技术。
发明内容
有鉴于此，本发明实施例提供一种负荷资源互动效益的评价方法、装置、设备及存储介质，以实现负荷资源互动方案的筛选。
为实现上述目的，本发明实施例提供如下技术方案：
一种负荷资源互动效益的评价方法，包括：
获取各候选负荷资源互动方案的历史数据；
基于所述历史数据计算得到各候选负荷资源互动方案的评价指标；
基于各候选负荷资源互动方案的评价指标构建区间决策矩阵；
基于所述区间决策矩阵计算得到各个候选负荷资源互动方案对应的评价向量，以及逼近理想排序法中的正理想方案和负理想方案；
基于各个候选负荷资源互动方案对应的评价向量、正理想方案和负理想方案，计算得到各个候选负荷资源互动方案对应的评价向量与正理想方案和负理想方案之间的正、负差异化距离；
采用动态调整策略基于各评价指标对应的正、负差异化距离，计算得到各评价指标对应的分辨率系数；
基于各评价指标对应的正、负差异化距离，计算得到各候选负荷资源互动方案对应的正、负关联系数；
利用ESICD组合赋权法，计算区间决策矩阵中各评价指标对应的权重；
基于所述各评价指标对应的权重以及所述正、负关联系数，计算得到正、负理想方案的区间灰色关联度；
计算各候选负荷资源互动方案的评价向量与正理想方案和负理想方案之间的正向距离和反向距离；
对所述区间灰色关联度以及所述正向距离和反向距离进行无量纲化处理；
基于无量纲化处理后的区间灰色关联度以及所述正向距离和反向距离，计算各候选负荷资源互动方案与所述正理想解的贴近度；
将贴近度最高的候选负荷资源互动方案作为目标负荷资源互动方案。
可选的，上述负荷资源互动效益的评价方法中，基于各候选负荷资源互动方案的评价指标构建区间决策矩阵，包括：
对各候选负荷资源互动方案的评价指标进行标准化处理；
基于标准化处理后的各候选负荷资源互动方案的评价指标构建区间决策矩阵。
可选的，上述负荷资源互动效益的评价方法中，基于所述区间决策矩阵计算得到各个候选负荷资源互动方案对应的评价向量，包括：
基于公式
Figure BDA0003753335130000031
计算得到各个候选负荷资源互动方案对应的评价向量Si，其中，
Figure BDA0003753335130000032
上述公式中，所述i表示第i个候选负荷资源互动方案，所述j＝1,2,3……n，j表示第j个评价指标，所述n指的是最后一个评价指标，所述
Figure BDA0003753335130000033
指的是第i个候选负荷资源互动方案中第j个评价指标的最小值，所述
Figure BDA0003753335130000034
指的是第i个候选负荷资源互动方案中第j个评价指标的最大值。
可选的，上述负荷资源互动效益的评价方法中，基于所述区间决策矩阵计算得到逼近理想排序法中的正理想方案和负理想方案，包括：
基于公式
Figure BDA0003753335130000035
计算得到逼近理想排序法中的正理想方案S+
基于公式
Figure BDA0003753335130000036
计算得到逼近理想排序法中的正理想方案S-，其中，所述
Figure BDA0003753335130000037
可选的，上述负荷资源互动效益的评价方法中，计算得到各个候选负荷资源互动方案对应的评价向量与正理想方案和负理想方案之间的正、负差异化距离，包括：
基于公式
Figure BDA0003753335130000038
以及公式
Figure BDA0003753335130000039
计算得到各个候选负荷资源互动方案对应的评价向量与正理想方案和负理想方案之间的正差异化距离
Figure BDA00037533351300000310
和负差异化距离
Figure BDA00037533351300000311
可选的，上述负荷资源互动效益的评价方法中，采用动态调整策略基于各评价指标对应的正、负差异化距离，计算得到各评价指标对应的分辨率系数，包括：
基于公式
Figure BDA0003753335130000041
计算得到各候选负荷资源互动方案的平均差异化距离
Figure BDA0003753335130000042
所述m表示候选负荷资源互动方案的总数；
基于公式
Figure BDA0003753335130000043
计算得到候选负荷资源互动方案的区间决策矩阵整体数值差异性的分界判断因子Ψj；
当所述分界判断因子Ψj＝0时，评价指标对应的分辨率系数ρj的值为(0,1]之间的任意值，当0<Ψj≤0.5时，取分辨率系数
Figure BDA0003753335130000044
当Ψj>0.5时，取分辨率系数ρj为[0.8,1]中任意值。
可选的，上述负荷资源互动效益的评价方法中，基于各评价指标对应的正、负差异化距离，计算得到各候选负荷资源互动方案对应的正、负关联系数，包括：
基于公式
Figure BDA0003753335130000045
计算得到各候选负荷资源互动方案对应的正关联系数
Figure BDA0003753335130000046
基于公式
Figure BDA0003753335130000047
计算得到各候选负荷资源互动方案对应的负关联系数
Figure BDA0003753335130000048
可选的，上述负荷资源互动效益的评价方法中，所述利用ESICD组合赋权法，计算区间决策矩阵中各评价指标对应的权重，包括：
基于公式
Figure BDA0003753335130000051
Figure BDA0003753335130000052
以及
Figure BDA0003753335130000053
计算得到计算区间决策矩阵中各评价指标对应的权重
Figure BDA0003753335130000054
ω′j为评价指标j对应的专家评分权值；α为比例调节系数，0≤α≤1。
可选的，上述负荷资源互动效益的评价方法中，基于所述各评价指标对应的权重以及所述正、负关联系数，计算得到正、负理想方案的区间灰色关联度，包括：
基于公式
Figure BDA0003753335130000055
和
Figure BDA0003753335130000056
计算得到正理想方案的区间灰色关联度
Figure BDA0003753335130000057
和负理想方案的区间灰色关联度
Figure BDA0003753335130000058
一种负荷资源互动效益的评价装置，包括：
历史数据采集单元，用于获取各候选负荷资源互动方案的历史数据；
评价指标计算单元，用于基于所述历史数据计算得到各候选负荷资源互动方案的评价指标；
抉择矩阵构建单元，用于基于各候选负荷资源互动方案的评价指标构建区间决策矩阵；
第一处理单元，用于基于所述区间决策矩阵计算得到各个候选负荷资源互动方案对应的评价向量，以及逼近理想排序法中的正理想方案和负理想方案；
第二处理单元，用于基于各个候选负荷资源互动方案对应的评价向量、正理想方案和负理想方案，计算得到各个候选负荷资源互动方案对应的评价向量与正理想方案和负理想方案之间的正、负差异化距离；
第三处理单元，用于采用动态调整策略基于各评价指标对应的正、负差异化距离，计算得到各评价指标对应的分辨率系数；
第四处理单元，用于基于各评价指标对应的正、负差异化距离，计算得到各候选负荷资源互动方案对应的正、负关联系数；
第五处理单元，用于利用ESICD组合赋权法，计算区间决策矩阵中各评价指标对应的权重；
第六处理单元，用于基于所述各评价指标对应的权重以及所述正、负关联系数，计算得到正、负理想方案的区间灰色关联度；
第七处理单元，用于计算各候选负荷资源互动方案的评价向量与正理想方案和负理想方案之间的正向距离和反向距离；
第八处理单元，用于对所述区间灰色关联度以及所述正向距离和反向距离进行无量纲化处理；
第九处理单元，用于基于无量纲化处理后的区间灰色关联度以及所述正向距离和反向距离，计算各候选负荷资源互动方案与所述正理想解的贴近度；
目标方案确定单元，用于将贴近度最高的候选负荷资源互动方案作为目标负荷资源互动方案。
一种存储介质，所述存储介质存储有多条指令，所述指令适于处理器进行加载，
以执行上述任一项所述的负荷资源互动效益的评价方法中的步骤。
一种负荷资源互动效益的评价设备，包括存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现上述任一项所述的负荷资源互动效益的评价方法的各个步骤。
基于上述技术方案，本发明实施例提供的上述方案，获取候选负荷资源互动方案的历史数据；基于历史数据计算评价指标并构建区间决策矩阵；基于区间决策矩阵计算评价向量以及正理想方案和负理想方案；计算评价向量与正理想方案和负理想方案之间的正、负差异化距离；采用计算各评价指标对应的分辨率系数；计算各候选负荷资源互动方案对应的正、负关联系数；计算各评价指标对应的权重；计算正、负理想方案的区间灰色关联度；计算评价向量与正理想方案和负理想方案之间的正向距离和反向距离；基于无量纲化处理后的区间灰色关联度以及正向距离和反向距离，计算各候选负荷资源互动方案与正理想解的贴近度；将贴近度最高的方案作为目标负荷资源互动方案，实现了目标负荷资源互动方案的选取。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例公开的负荷资源互动效益的评价方法的流程示意图；
图2为本申请实施例公开的负荷资源互动效益的评价装置的结构示意图；
图3为本申请实施例公开的负荷资源互动效益的评价设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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例，都属于本发明保护的范围。
本发明公开了一种负荷资源互动效益的评价方案，该方案包括：首先进行负荷资源互动项目利益主体分析；然后建立负荷资源效益的综合评价指标体系，再采用层次分析法-区间中心点距离组合赋权法，对负荷资源互动项目效益进行评判。本发明可以得到实施负荷资源对于推动智能电网核心价值和不同主体需求实现的贡献作用，有助于智能电网规划者深入理解电力市场环境下负荷资源的最优发展模式，从而为智能电网的高效建设提供有益参考。
具体的，本申请公开了一种负荷资源互动效益的评价方法，参见图1，该方法可以包括：
步骤S101：获取各候选负荷资源互动方案的历史数据。
在本方案中，可以对各候选负荷资源互动方案对应的用户的电力消费数据进行统计，从而获得各个候选负荷资源互动方案的历史数据。所述候选负荷资源互动方案分别为不同负荷资源互动方案。
步骤S102：基于所述历史数据计算得到各候选负荷资源互动方案的评价指标。
在获取到各个各候选负荷资源互动方案的历史数据后，基于所述历史数据计算得到各候选负荷资源互动方案的评价指标。
因此，本方案中需要预先构建一套综合评价指标体系，综合评价指标体系中包括本申请所用到的各个评价指标，该综合评价指标体系不仅需要反映各类主体对于负荷资源互动效益的影响因素、也需要表现出负荷资源互动效益对各主体的影响。同时所建立的综合评价指标体系也要便于操作，能够简化对于负荷资源的评价体系。
所述综合评价指标体系中评价指标的具体内容可以根据用户需求自行设定，不同的用户可以对应不同的评价指标，不同的用户可以指的是电网企业、发电商、电力用户。
关于电网企业，其评价指标可以包括：
A11电压合格率提高度：指实施负荷资源互动后系统节点电压在合格范围内的时间与总统计时间之比的变化；
可靠性效益：
A21系统平均每次停电时间下降率：指实施负荷资源互动后系统总停电时间与停电次数之比的下降幅度；
A22系统停电频率下降率：指实施负荷资源互动后系统在统计周期内停电事故次数的下降率；
A23系统期望缺电量下降率：指实施负荷资源互动后系统在统计周期内用电量与实际供电量之差的下降率；
经济效益：
A31可免投资成本：指因实施负荷资源互动而避免或延迟的电网投资成本；
A32可免网损成本：指因实施负荷资源互动而降低的网损成本，可表示为：可免网损成本＝电价*可避免网损，可避免网损为减少的购电量与售电量之差；
A41可免土地资源耗用量：指统计周期内因负荷资源互动避免网络与变电站扩容而节约的土地资源耗用；
经济成本：
A51售电收入损失：指因实施负荷资源互动造成的售电收入的减少；
A52系统改造成本：指为支撑负荷资源互动实现产生的系统改造成本；
A53负荷资源激励成本：指为鼓励用户参与负荷资源互动而支付的激励成本
总的来看，负荷资源互动对于电力系统的效益主要包括对投资成本的影响以及对运行效益的提升2个方面。上表反映负荷互动对系统投资成本影响的典型指标包括系统改造成本、负荷资源互动激励成本呢和设备投资费用等；描述负荷互动对电网运行效益影响的典型指标则有供电质量效益、可靠性效益以可免网损成本等。
针对于发电商，所述评价指标可以包括：
经济效益：
B11可免发电成本：指因实施负荷资源互动而节约的发电运行成本；
B12可免排污成本：指实施负荷资源互动后因发电污染排放降低而避免的排污费用支出，可免排污成木＝减少的污染物排放量*政府规定的单位当量污染物排放费；
B21发电收入损失：指因负荷资源互动造成的发电收入减少；
环境效益：
B31可再生能源利用增长率：指实施负荷资源互动后系统在统计周期内可再生能源发电量的变化率；
B32污染气体减排率：指统计周期内因实施负荷资源互动而减少的发电污染气体排放占原排放量的比例
针对于电力用户而言，所述评价指标包括：
服务优质性效益：
C11用户停电频率下降率：指统计周期内系统用户停电次数与用户总数之比的下降幅度；
C12用户平均停电时间下降率：指统计周期内系统用户停电总时间与用户总数之比的下降幅度；
C13用户电能质量满意度：指用户对电压质量的满意程度；
经济效益：
C21电费节约率：指统计周期内用户因实施负荷资源互动节约的电费支出占原电费支出的比例；
C22补偿收益：指用户因参与负荷资源互动而获得的政策性补贴；
C23政策补贴费用：指政府为鼓励负荷资源互动而给予用户的经济补偿；
经济成本：
C31设备投资费用：指用户为参与负荷资源互动而支付的设备投资费用；
C32响应代价：指用户因负荷资源互动而造成的自身效用损失；
由于所提指标充分考虑了智能电网下负荷资源丰富的可调特性及其调用过程中的不确定性，因此需综合运用最优潮流、拓扑分析、数理统计等多种工具实现上述指标计算。
最优潮流：从电力系统优化运行的角度来调整系统中各种控制设备的参数，在满足节点正常功率平衡及各种安全指标的约束下，实现目标函数最小化的优化过程。通常优化潮流分为有功优化和无功优化两种，其中有功优化目标函数是发电费用或发电耗量，无功优化的目标函数是全网的网损。由于最优潮流是同时考虑网络的安全性和经济性的分析方法，因此在电力系统的安全运行、经济调度、电网规划、复杂电力系统的可靠性分析、传输阻塞的经济控制等方面得到广泛的应用。
随机模拟：以随机模拟和统计实验为手段，是一种从随机变量的概率分布中，通过随机选择数字的方法产生一种符合该随机变量概率分布特性的随机数值序列，作为输入变量序列进行特定的模拟实验、求解的方法。在应用方法时，要求产生的随机数序列应符合该随机变量特定的概率分布。而产生各种特定的、不均匀的概率分布的随机数序列，可行的方法是产生一种均匀分布的随机数字列，然后再设法转换成特定要求的概率分布的随机数字列，以此作为数字模拟试验的输入变量序列进行模拟求解。
数理统计介绍：以概率论为基础，研究大量随机现象的统计规律性。描述统计的任务是搜集资料，进行整理、分组，编制次数分配表，绘制次数分配曲线，计算各种特征指标，以描述资料分布的集中趋势、离中趋势和次数分布的偏斜度等。推断统计是在描述统计的基础上，根据样本资料归纳出的规律性，对总体进行推断和预测。
由上述举例可见，用户可以根据自身需求设定适合的评价指标，在申请的具体实例中，所述评价指标可以包括：
(1)电费节约：
指用户参与实施基于价格的负荷资源互动项目，放弃或转移高电价时段的负荷用电带来的电费支出的减少。用户电量计算公式：
Figure BDA0003753335130000111
式中：P(t)为日负荷-时间序列；T为计量时长。
实施负荷资源互动前，用户在相应时间段的日电费支出：
M0＝E×p
实施负荷资源互动后，用户在相应时间段的日电费支出：
Figure BDA0003753335130000121
式中：p为电价，单位元/kWh，E为用电量；p(Δt)为随周期变化的电价，元/kWh；Δt为电价变化周期；n为时段数。
电费节约B1即减少电费支出产生的效益为实施负荷资源互动前后的电费支出差额：
Figure BDA0003753335130000122
式中：I为用户总数；M0为实施负荷资源互动前用户的日电费支出，万元。
上述计算方法适用于基于电价的负荷资源互动下减少电费支出的评估计算。
(2)补偿收益
用户获得激励补偿有两种形式，一种是对用户参与需求响在事件发生期间参与负荷资源互动而削减或转移的节约电量进行补贴，另一种是对响应的用户在某一时段的总电费有所折扣。
方式一：电量补贴
用户i由于激励型负荷资源互动项目，可以获得激励补偿B2,1：
Figure BDA0003753335130000123
式中：ΔPi为负荷削减量；T为削减持续时间；pi为单位电量补贴，元/kWh。
方式二：电费折扣
用户在某一规定时段内获得折扣激励补偿后的节约的电费B2,2为：
B2,2＝Mct×ρ
式中：Mct为折扣前用户在某一规定时段内的总电费；ρ为电费折扣率。
因此，总的补偿收益B2为：
B2＝B2,1+B2,2
上述计算方法适用于基于激励的负荷资源互动下获得激励补偿计算。
(3)可靠性效益
实施负荷资源互动降低了停电概率，提高了供电可靠性，可靠性效益B3：
Figure BDA0003753335130000131
式中：VOLLi为用户i电力失负荷价值，元/kWh；TTOTAL,i为用户i理想供电的总时间；LOLP为实施负荷资源互动前失负荷概率；LOLP'为实施负荷资源互动后失负荷概率；ΔP为用户i参与负荷资源互动后削减的负荷值。
若供电时间可做更精细化划分，则可靠性效益B3的公式为：
Figure BDA0003753335130000132
式中：ΔPi,t为时段t时用户i参与负荷资源互动后削减的负荷值；Ti,t为每个时段时长；LOLPt为时段t的失负荷概率。
(4)可免投资成本
归算到电网侧的可避免容量与用户降低的峰荷、用户总数、用户同时率、系统备用容量系数、电网配电损失系数有关。可避免容量ΔP1的计算公式为：
Figure BDA0003753335130000133
式中：ΔPi为第i个用户降低的峰荷值；σ为用户同时率；λ为系统备用容量系数；α为电网配电损失系数。ΔPi取值宜为年最大负荷日峰时段削减的最小负荷，若未能获取此数据，可以用持续负荷曲线中负荷较高的那一天的峰时段最小负荷削减量替代。
可避免容量成本(电网企业)可通过少建或者缓建的变电站和输电线路的平均造价确定。
B4＝ΔP1×β1
式中：β1为可避免容量成本(电网企业)的折算因子，通过每年减少的输配投资费用摊销到每年的可免容量中进行计算，B4为可免投资成本。
(5)可免发电成本
归算到发电侧的可避免容量ΔP2与用户降低的峰荷、用户总数、用户同时率、系统备用容量系数、电网配电损失系数和厂用电率有关。计算公式为：
Figure BDA0003753335130000141
式中：ΔPi为第i个用户降低的峰荷值；σ为用户同时率；λ为系统备用容量系数；α为电网配电损失系数；γ为厂用电率。
ΔPi取值宜为年最大负荷日削减的最小负荷，若未能获取此数据，可以用持续负荷曲线中负荷较高的那一日的最小负荷削减量替代。
可避免容量成本(发电企业)可以通过减少发电燃料消耗的平均价格确定。
B5＝ΔP2×β2
式中：β2为可避免容量成本(发电企业)的折算因子，B5为可免发电成本，通过每年减少的发电机组扩容投资费用摊销到每年的可免容量中进行计算。
(6)运营成本降低
归算到电网侧的可避免电量ΔE1与终端措施节电量、终端配电损失系数、电网配电损失系数有关。计算公式为：
Figure BDA0003753335130000151
式中：ΔEi为用户i终端措施节约电量，通过每年减少用电的时间与归算到电网侧的可避免容量的乘积估算；l为用户终端配电损失系数；α为电网配电损失系数。
运营成本降低B6(电网企业)，可根据电网企业降低的年运营成本费用摊销到当年的可避免电量中去计算：
B6＝ΔE1×ω1
式中：ω1为可避免电量(电网企业)的折算因子。
(7)可避免运营成本
归算到发电侧的可避免电量ΔE2与终端措施节电量、终端配电损失系数、电网配电损失系数和厂用电率有关。计算公式为：
Figure BDA0003753335130000152
式中：ΔEi为用户i终端措施节约电量，通过每年减少用电的时间与归算到电网侧的可避免容量的乘积估算；l为用户终端配电损失系数；α为电网配电损失系数；γ为厂用电率。
可避免运营成本B7(发电企业)可根据发电企业的发电费用均价确定：
B7＝ΔE2×ω2
式中：ω2为可避免电量(发电企业)的折算因子。
(8)可免排污成本
可免排污成本由两部分组成，一是由于实施负荷资源互动减少矿物燃料使用而使发电侧少发电，等于二氧化碳、二氧化硫等污染气体的减排量与减排价值的乘积。
Figure BDA0003753335130000161
式中：
Figure BDA0003753335130000162
为二氧化碳、二氧化硫、氮氧化物减排量；
Figure BDA0003753335130000163
为二氧化碳、二氧化硫、氮氧化物减排价值；
Figure BDA0003753335130000164
为二氧化碳、二氧化硫、氮氧化物减排系数。
二是由于实施负荷资源互动带来的削峰填谷的效果，负荷率提升，减少发电机组启停频率，提高发电效率。
Figure BDA0003753335130000165
式中：Δξ为实施负荷资源互动提升的负荷率百分点；bg为需燃煤机组供电煤耗，g/kWh；
Figure BDA0003753335130000166
为负荷率与燃煤机组单位煤耗的相关因子，表示负荷率每提升1个百分点，燃煤机组单位煤耗下降
Figure BDA0003753335130000167
E2为实施负荷资源互动前归算到发电侧的电量。
可免排污成本B8：
B8＝B8,1+B8,2
(9)可削减负荷的调度成本SIL,i(PIL,i(t))可表示为：
SIL,i(PIL,i(t))＝CIL,i(t)PIL,i(t)Δt
式中：CIL,i(t)为可削减负荷i在t时段单位削减电量的激励电价；PIL,i(t)Δt为可削减负荷i在t时段的削减功率；Δt为采样间隔。
(10)可转移负荷的调度成本SSH,j(PSH,j(t))为响应电网需求上调或下调用电功率所得到的激励补偿，表示如下：
SSH,j(PSH,j(t))＝CSH,j(t)PSH,j(t)Δt
式中：CSH,j(t)为可转移负荷j选取的菜单电价在t时段单位调整电量的激励电价；PSH,j(t)为可转移负荷j在时段t的调整功率；Δt为采样间隔。
(11)双向互动负荷的调度成本SBI,m(PBI,m(t))可表示为：
Figure BDA0003753335130000171
式中：
Figure BDA0003753335130000172
为双向互动负荷m在t时段的充电功率；
Figure BDA0003753335130000173
为t时段充电时的激励补偿价格；
Figure BDA0003753335130000174
为t时段的放电功率；
Figure BDA0003753335130000175
为t时段BI,mBI,m放电时的激励补偿价格。
(12)可平移负荷的调度成本SHS,n可表示为：
Figure BDA0003753335130000176
式中：UHS,n(t)表示可平移负荷n是否在时段t响应(响应为1，不响应为0)；
Figure BDA0003753335130000177
CHS,n(t)表该负荷n在时段t开始启动时的响应成本；T为电网调度的时段数。
在确定评价指标以后，采用层次分析法-区间中心点距离组合赋权法，对负荷资源互动项目效益进行评判，从而确定目标方案，
关于层次分析法-区间中心点距离组合赋权法：
(1)层次分析法
层次分析法是美国运筹学家，匹兹堡大学的A.L.Saaty教授于20世纪70年代提出的一种定性分析和定量分析相结合的系统分析方法，能够有效分析各层次之间的关系，综合决策者的经验判断，由于方法的简洁、实用性，在社会、经济、管理等许多方面，得到越来越广泛的应用。其最大的特点便是能够分析多层次结构问题，是一种多准则决策方法，并且在确定各层次因素之间的权重集时有着广泛的运用，能够将专家的经验、主观的评价以数学方式量化表达，从而更加严谨。
在模糊综合评价的过程中，权重是至关重要的，它反映了各个指标在整个评价过程表现出的重要度或者是起到的作用，会极大影响最终的综合评价结果。目前，权重的确定很多是凭借专家经验，虽然在一定程度上能够反映出实际的情况，但是由于带有了一定的主观性，客观程度不够。为了降低主观性的影响，且不需要具备完备的数据信息，本方法利用层次分析法，确定各个指标的权重，其具体的步骤如下：
1)构造判断矩阵
要得到下级指标Uti(i＝1,2,Lk)相对于上级指标Ut的权重，可以请专家将Uti相对于Ut的重要性进行两两比较，从而得到判断矩阵H＝(aij)k×k，其中aij常取值如下表所示：
Figure BDA0003753335130000181
从相同到绝对强，每两个等级之间又可以用2、4、6、8这四个数字量化，即aij的取值是1,2,3,L,9及其倒数，同时判断矩阵中的元素满足aii＝1,aij＝1/aji，可以看出判断矩阵具有互反性质。
2)判断矩阵的一致性检验
通过统一准则进行两两判断建立的判断矩阵，其一致性是个很重要的概念。对于层次因素较多的情况，往往不能做到全面客观的判断，得到的判断结果会出现逻辑上的不一致。一致性的概念包括两个方面的内容：次序一致性和绝对一致性。次序一致性的含义为：若指标甲比指标乙重要，指标乙比指标丙重要，那么指标甲肯定比指标丙重要。这是符合判断逻辑的，违反次序一致性的判断显然会违背常理，产生错误的评价结果；绝对一致性的含义为：若指标甲比指标乙重要3倍，指标乙比指标丙重要5倍，则指标甲应比指标丙重要15倍。绝对一致性不一定严格遵循，但整体是需要满足一致性条件的，因此需要对判断矩阵进行一致性检验。
(a)一致性指标
衡量判断矩阵一致程度的数量指标称为一致性指标，定义为：
Figure BDA0003753335130000191
其中:k为判断矩阵阶数，λmax是其最大特征值。
当CI＝0，判断矩阵是一致的，CI的值越大，判断矩阵不一致程度越严重。
(b)随机一致性指标
引入一个随机一致性指标RI，定义为：
Figure BDA0003753335130000192
其中：
Figure BDA0003753335130000193
为多个k阶随机正反矩阵最大特征值的平均值，撒汀用了大小500个子样，对不同的k得到下表的结果：
Figure BDA0003753335130000194
(c)一致性比率
一致性比率定义为：
CR＝CI/RI
当CR＜0.1，矩阵的一致性仍是在可以接受的范围内，否则必须调整判断矩阵。0.1是根据经验得到的。
3)确定指标权重集
当形成的判断矩阵满足了一致性要求，便可采用特征根的方法确定指标的权重向量，即将判断矩阵最大特征值λmax对应的归一化特征向量W＝(w1,w2,L,wk)作为指标的权重集，满足
Figure BDA0003753335130000201
wi表示下层第i个指标对于上层指标的影响程度的权重。
判断矩阵H＝(aij)k×k的最大特征值λmax对应的归一化特征向量W＝(w1,w2,L,wk)的近似计算方法常用和法或者根法。这里选用和法进行归一化特征向量的求解，具体步骤如下：
步骤一：将判断矩阵H的每一列归一化，得到矩阵B＝(bij)k×k，其中
Figure BDA0003753335130000202
i,j＝1，2,L，k。
步骤二：对矩阵B再按照行求和，即可得到
Figure BDA0003753335130000203
其中
Figure BDA0003753335130000204
i＝1,2,L,k；
步骤三：将向量
Figure BDA0003753335130000205
归一化，便可得到对应的归一化特征向量W＝(w1,w2,L,wk)。
得到归一化特征向量W＝(w1,w2,L,wk)之后，根据公式
Figure BDA0003753335130000206
可近似得出最大特征值λmax，其中，(HW)i表示HW的第i个分量。
指标打分选择专家打分法，邀请10位专家根据原始数据对指标进行打分，打分分为80-100分，60-80分，40-60分，20-40分，0-20分五个分数段，分别对应自然语言的5个等级区间优秀、良好、中等、较差、很差。
专家打分取平均值得到指标数据最终得分Ci，综合能效得分见下式：
Figure BDA0003753335130000211
其中：Wi为层次分析法确定的指标权重，Ci为指标打分值，Y即为综合能效得分。
基于上述理论，本申请公开的关于层次分析法-区间中心点距离组合赋权法具体可以包括步骤S103-S113。
步骤S103：基于各候选负荷资源互动方案的评价指标构建区间决策矩阵R。
本步骤中，在获取到各候选负荷资源互动方案的评价指标后，基于每个候选负荷资源互动方案的评价指标构建对应的区间决策矩阵R。针对候选负荷资源互动方案集S＝{s1,s2,…,si,…,sm}和评价指标集I＝{i1,i2,...,in}，若评价指标计算值的分布范围为
Figure BDA0003753335130000212
可建立候选负荷资源互动方案的区间决策矩阵
Figure BDA0003753335130000213
对于X中的元素，若评价指标j为区间型，则
Figure BDA0003753335130000214
与
Figure BDA0003753335130000215
分别对应该评价指标的计算结果的下界及上界；若评价指标j为确定型，则
Figure BDA0003753335130000216
步骤S104：基于所述区间决策矩阵计算得到各个候选负荷资源互动方案对应的评价向量，以及逼近理想排序法中的正理想方案和负理想方案。
本步骤中，在构建完成区间决策矩阵R后，采用公式
Figure BDA0003753335130000221
基于所述区间决策矩阵R分别计算各候选负荷资源互动方案对应的评价向量Si，其中，
Figure BDA0003753335130000222
上述公式中，所述i表示第i个候选负荷资源互动方案，所述j＝1,2,3……n，j表示第j个评价指标，所述n指的是最后一个评价指标，所述
Figure BDA0003753335130000223
指的是第i个候选负荷资源互动方案中第j个评价指标的最小值，所述
Figure BDA0003753335130000224
指的是第i个候选负荷资源互动方案中第j个评价指标的最大值。
基于所述区间决策矩阵计算得到逼近理想排序法(technique for orderpreference by similarity to ideal solution，简称TOPSIS)中的正理想方案S+，
Figure BDA0003753335130000225
计算得到逼近理想排序法中的正理想方案负理想方案S-，
Figure BDA0003753335130000226
其中，
Figure BDA0003753335130000227
为各方案对应评价指标j结果区间的中值，在这里i表示的是各个候选负荷资源互动方案，即
Figure BDA0003753335130000228
分别指的是各方案对应指标j结果的最小值与最大值；
Figure BDA0003753335130000229
与
Figure BDA00037533351300002215
分别为指标j对应的正、负理想解，
Figure BDA00037533351300002210
步骤S105：基于各个候选负荷资源互动方案对应的评价向量、正理想方案和负理想方案，计算得到各个候选负荷资源互动方案对应的评价向量与正理想方案和负理想方案之间的正、负差异化距离；
本步骤具体为：基于公式
Figure BDA00037533351300002211
以及公式
Figure BDA00037533351300002212
计算得到各个候选负荷资源互动方案对应的评价向量与正理想方案和负理想方案之间的正差异化距离
Figure BDA00037533351300002213
和负差异化距离
Figure BDA00037533351300002214
步骤S106：采用动态调整策略基于各评价指标对应的正、负差异化距离，计算得到各评价指标对应的分辨率系数。
本步骤中，首先基于公式
Figure BDA0003753335130000231
计算得到各候选负荷资源互动方案的平均差异化距离
Figure BDA0003753335130000232
公式中所述m表示候选负荷资源互动方案的总数；
再基于公式
Figure BDA0003753335130000233
计算得到候选负荷资源互动方案的区间决策矩阵整体数值差异性的分界判断因子Ψj；
当所述分界判断因子Ψj＝0时，评价指标j对应的分辨率系数ρj的值为(0,1]之间的任意值，当0<Ψj≤0.5时，评价指标j对应的分辨率系数
Figure BDA0003753335130000234
当Ψj>0.5时，评价指标j对应的分辨率系数ρj为[0.8,1]中任意值。
步骤S107：基于各评价指标对应的正、负差异化距离，计算得到各候选负荷资源互动方案对应的正、负关联系数。
具体的，本步骤具体为，基于公式
Figure BDA0003753335130000235
计算得到各候选负荷资源互动方案对应的正关联系数
Figure BDA0003753335130000236
基于公式
Figure BDA0003753335130000237
计算得到各候选负荷资源互动方案对应的负关联系数
Figure BDA0003753335130000238
步骤S108：利用ESICD组合赋权法，计算区间决策矩阵中各评价指标对应的权重。
本步骤具体为：基于公式
Figure BDA0003753335130000241
Figure BDA0003753335130000242
以及
Figure BDA0003753335130000243
计算得到计算区间决策矩阵中各评价指标对应的权重
Figure BDA0003753335130000244
其中，ω′j为评价指标j对应的专家评分权值；α为比例调节系数，0≤α≤1。
进一步的，考虑到各个评价指标在类型及量纲方面的固有差异，计算结果存在着不可公度性。为排除上述影响，需进一步对有关数据做规范化处理。针对效益型及成本型指标，它们各自对应的转化式为：
Figure BDA0003753335130000245
式中
Figure BDA0003753335130000246
及
Figure BDA0003753335130000247
分别为经标准化后的评价指标上、下边界值，且有
Figure BDA0003753335130000248
则可得规范化后的指标数据矩阵
Figure BDA0003753335130000249
然后再针对标准化矩阵R，分别计算各评价指标的中心点边界
Figure BDA00037533351300002410
以及各方案指标值到中心点的距离wj(即变异程度)，即，基于公式
Figure BDA00037533351300002411
以及
Figure BDA00037533351300002412
计算得到计算区间决策矩阵中各评价指标对应的权重
Figure BDA00037533351300002413
步骤S109：基于所述各评价指标对应的权重以及所述正、负关联系数，计算得到正、负理想方案的区间灰色关联度。
本步骤具体为：基于公式
Figure BDA0003753335130000251
和
Figure BDA0003753335130000252
计算得到正理想方案的区间灰色关联度
Figure BDA0003753335130000253
和负理想方案的区间灰色关联度
Figure BDA0003753335130000254
步骤S110：计算各候选负荷资源互动方案的评价向量与正理想方案和负理想方案之间的正向距离和反向距离。
本步骤具体为，计算各候选方案的评价向量到正、负理想方案之间的正向距离
Figure BDA0003753335130000255
和反向距离
Figure BDA0003753335130000256
其中，
Figure BDA0003753335130000257
步骤S111：对所述区间灰色关联度以及所述正向距离和反向距离进行无量纲化处理。
本步骤具体为，基于无量纲化公式
Figure BDA0003753335130000258
对所述区间灰色关联度以及所述正向距离和反向距离进行无量纲化处理。
其中，vi分别代表由上述步骤计算得到的
Figure BDA0003753335130000259
为方便表述，将
Figure BDA00037533351300002510
经无量纲化处理后的结果分别记为
Figure BDA00037533351300002511
步骤S112：基于无量纲化处理后的区间灰色关联度以及所述正向距离和反向距离，计算各候选负荷资源互动方案与所述正理想解的贴近度。
本步骤中，在计算得到无量纲化处理后的区间灰色关联度以及所述正向距离和反向距离后，基于公式
Figure BDA00037533351300002512
确定待选方案i与正理想解的综合贴近度Ui，有
Figure BDA00037533351300002513
其中，
Figure BDA00037533351300002514
和
Figure BDA00037533351300002515
分别为方案i与正、负理想方案之间的偏差距离。综合TOPSIS与GRA，由于
Figure BDA00037533351300002516
和
Figure BDA00037533351300002517
都是越大越好，而
Figure BDA00037533351300002518
和
Figure BDA00037533351300002519
则是越小越好，因此有
Figure BDA00037533351300002520
e1和e2为偏好系数，满足e1+e2＝1，这里取e1＝e2＝0.5。Ui越小，说明方案i与正理想方案相差越远，即综合效益越低；Ui越大，则说明该方案与正理想方案越贴近，即实施负荷资源互动的预期效益越好。根据Ui对各方案进行排序，最大值对应的方案为由IGR-TOPSIS确定的最佳方案，即，本申请确定的最优方案。
步骤S113：将贴近度最高的候选负荷资源互动方案作为目标负荷资源互动方案。
由上述方案可见，本申请首先进行负荷资源互动项目利益主体分析；然后建立负荷资源效益的综合评价指标体系，再采用层次分析法-区间中心点距离组合赋权法，对负荷资源互动项目效益进行评判，从而确定最优的负荷资源互动效益方案。本发明可以得到实施负荷资源对于推动智能电网核心价值和不同主体需求实现的贡献作用，有助于智能电网规划者深入理解电力市场环境下负荷资源的最优发展模式，从而为智能电网的高效建设提供有益参考。
本实施例中，对应于上述负荷资源互动效益的评价方法，本申请还公开了一种负荷资源互动效益的评价装置，装置中的各个单元的具体工作内容，请参见上述方法实施例的内容。
下面对本发明实施例提供的负荷资源互动效益的评价装置进行描述，下文描述的负荷资源互动效益的评价装置与上文描述的负荷资源互动效益的评价方法可相互对应参照。
具体的，参见图2，上述负荷资源互动效益的评价装置，可以包括：
历史数据采集单元A，用于获取各候选负荷资源互动方案的历史数据；
评价指标计算单元B，用于基于所述历史数据计算得到各候选负荷资源互动方案的评价指标；
抉择矩阵构建单元C，用于基于各候选负荷资源互动方案的评价指标构建区间决策矩阵；
第一处理单元D，用于基于所述区间决策矩阵计算得到各个候选负荷资源互动方案对应的评价向量，以及逼近理想排序法中的正理想方案和负理想方案；
第二处理单元E，用于基于各个候选负荷资源互动方案对应的评价向量、正理想方案和负理想方案，计算得到各个候选负荷资源互动方案对应的评价向量与正理想方案和负理想方案之间的正、负差异化距离；
第三处理单元F，用于采用动态调整策略基于各评价指标对应的正、负差异化距离，计算得到各评价指标对应的分辨率系数；
第四处理单元G，用于基于各评价指标对应的正、负差异化距离，计算得到各候选负荷资源互动方案对应的正、负关联系数；
第五处理单元H，用于利用ESICD组合赋权法，计算区间决策矩阵中各评价指标对应的权重；
第六处理单元I，用于基于所述各评价指标对应的权重以及所述正、负关联系数，计算得到正、负理想方案的区间灰色关联度；
第七处理单元J，用于计算各候选负荷资源互动方案的评价向量与正理想方案和负理想方案之间的正向距离和反向距离；
第八处理单元K，用于对所述区间灰色关联度以及所述正向距离和反向距离进行无量纲化处理；
第九处理单元L，用于基于无量纲化处理后的区间灰色关联度以及所述正向距离和反向距离，计算各候选负荷资源互动方案与所述正理想解的贴近度；
目标方案确定单元M，用于将贴近度最高的候选负荷资源互动方案作为目标负荷资源互动方案。
本申请的实施例还公开一种可读存储介质，所述可读存储介质中存储了多条计算机程序指令，所述指令适于处理器或计算机进行加载，当所述计算机程序指令被处理器或计算机执行时，使得所述处理器或计算机执行上述实施例所述的负荷资源互动效益的评价方法。
图3是本发明实施例三提供的一种负荷资源互动效益的评价设备的结构示意图，本发明实例为本发明上述实施例的负荷资源互动效益评价方法的实现提供服务，可配置上述实施例中的装置。图3示出了适用于本发明实施方式的负荷资源互动效益的评价设备12的框图。图3显示的负荷资源互动效益的评价设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示，设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图3未显示，通常称为“硬盘驱动器”)。尽管图3中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该设备12交互的设备通信，和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图3所示，网络适配器20通过总线18与设备12的其它模块通信。应当明白，尽管图中未示出，可以结合设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的负荷资源互动效益的评价方法。
为了描述的方便，描述以上系统时以功能分为各种模块分别描述。当然，在实施本发明时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (12)

1.一种负荷资源互动效益的评价方法，其特征在于，包括：
获取各候选负荷资源互动方案的历史数据；
基于所述历史数据计算得到各候选负荷资源互动方案的评价指标；
基于各候选负荷资源互动方案的评价指标构建区间决策矩阵；
基于所述区间决策矩阵计算得到各个候选负荷资源互动方案对应的评价向量，以及逼近理想排序法中的正理想方案和负理想方案；
基于各个候选负荷资源互动方案对应的评价向量、正理想方案和负理想方案，计算得到各个候选负荷资源互动方案对应的评价向量与正理想方案和负理想方案之间的正、负差异化距离；
采用动态调整策略基于各评价指标对应的正、负差异化距离，计算得到各评价指标对应的分辨率系数；
基于各评价指标对应的正、负差异化距离，计算得到各候选负荷资源互动方案对应的正、负关联系数；
利用ESICD组合赋权法，计算区间决策矩阵中各评价指标对应的权重；
基于所述各评价指标对应的权重以及所述正、负关联系数，计算得到正、负理想方案的区间灰色关联度；
计算各候选负荷资源互动方案的评价向量与正理想方案和负理想方案之间的正向距离和反向距离；
对所述区间灰色关联度以及所述正向距离和反向距离进行无量纲化处理；
基于无量纲化处理后的区间灰色关联度以及所述正向距离和反向距离，计算各候选负荷资源互动方案与所述正理想解的贴近度；
将贴近度最高的候选负荷资源互动方案作为目标负荷资源互动方案。
2.根据权利要求1所述的负荷资源互动效益的评价方法，其特征在于，基于各候选负荷资源互动方案的评价指标构建区间决策矩阵，包括：
对各候选负荷资源互动方案的评价指标进行标准化处理；
基于标准化处理后的各候选负荷资源互动方案的评价指标构建区间决策矩阵。
3.根据权利要求1所述的负荷资源互动效益的评价方法，其特征在于，基于所述区间决策矩阵计算得到各个候选负荷资源互动方案对应的评价向量，包括：
基于公式
Figure FDA0003753335120000021
计算得到各个候选负荷资源互动方案对应的评价向量Si，其中，
Figure FDA0003753335120000022
上述公式中，所述i表示第i个候选负荷资源互动方案，所述j＝1,2,3……n，j表示第j个评价指标，所述n指的是最后一个评价指标，所述
Figure FDA0003753335120000023
指的是第i个候选负荷资源互动方案中第j个评价指标的最小值，所述
Figure FDA0003753335120000024
指的是第i个候选负荷资源互动方案中第j个评价指标的最大值。
4.根据权利要求3所述的负荷资源互动效益的评价方法，其特征在于，基于所述区间决策矩阵计算得到逼近理想排序法中的正理想方案和负理想方案，包括：
基于公式
Figure FDA0003753335120000025
计算得到逼近理想排序法中的正理想方案S+
基于公式
Figure FDA0003753335120000026
计算得到逼近理想排序法中的正理想方案S-，其中，所述
Figure FDA0003753335120000027
5.根据权利要求4所述的负荷资源互动效益的评价方法，其特征在于，计算得到各个候选负荷资源互动方案对应的评价向量与正理想方案和负理想方案之间的正、负差异化距离，包括：
基于公式
Figure FDA0003753335120000028
以及公式
Figure FDA0003753335120000029
计算得到各个候选负荷资源互动方案对应的评价向量与正理想方案和负理想方案之间的正差异化距离
Figure FDA00037533351200000210
和负差异化距离
Figure FDA00037533351200000211
6.根据权利要求5所述的负荷资源互动效益的评价方法，其特征在于，采用动态调整策略基于各评价指标对应的正、负差异化距离，计算得到各评价指标对应的分辨率系数，包括：
基于公式
Figure FDA0003753335120000031
计算得到各候选负荷资源互动方案的平均差异化距离
Figure FDA0003753335120000032
所述m表示候选负荷资源互动方案的总数；
基于公式
Figure FDA0003753335120000033
计算得到候选负荷资源互动方案的区间决策矩阵整体数值差异性的分界判断因子Ψj；
当所述分界判断因子Ψj＝0时，评价指标对应的分辨率系数ρj的值为(0,1]之间的任意值，当0<Ψj≤0.5时，取分辨率系数
Figure FDA0003753335120000034
当Ψj>0.5时，取分辨率系数ρj为[0.8,1]中任意值。
7.根据权利要求5所述的负荷资源互动效益的评价方法，其特征在于，基于各评价指标对应的正、负差异化距离，计算得到各候选负荷资源互动方案对应的正、负关联系数，包括：
基于公式
Figure FDA0003753335120000035
计算得到各候选负荷资源互动方案对应的正关联系数
Figure FDA0003753335120000036
基于公式
Figure FDA0003753335120000037
计算得到各候选负荷资源互动方案对应的负关联系数
Figure FDA0003753335120000038
8.根据权利要求7所述的负荷资源互动效益的评价方法，其特征在于，所述利用ESICD组合赋权法，计算区间决策矩阵中各评价指标对应的权重，包括：
基于公式
Figure FDA0003753335120000041
Figure FDA0003753335120000042
以及
Figure FDA0003753335120000043
计算得到计算区间决策矩阵中各评价指标对应的权重
Figure FDA0003753335120000044
′
ωj为评价指标j对应的专家评分权值；α为比例调节系数，0≤α≤1。
9.根据权利要求7所述的负荷资源互动效益的评价方法，其特征在于，基于所述各评价指标对应的权重以及所述正、负关联系数，计算得到正、负理想方案的区间灰色关联度，包括：
基于公式
Figure FDA0003753335120000045
和
Figure FDA0003753335120000046
计算得到正理想方案的区间灰色关联度
Figure FDA0003753335120000047
和负理想方案的区间灰色关联度
Figure FDA0003753335120000048
10.一种负荷资源互动效益的评价装置，其特征在于，包括：
历史数据采集单元，用于获取各候选负荷资源互动方案的历史数据；
评价指标计算单元，用于基于所述历史数据计算得到各候选负荷资源互动方案的评价指标；
抉择矩阵构建单元，用于基于各候选负荷资源互动方案的评价指标构建区间决策矩阵；
第一处理单元，用于基于所述区间决策矩阵计算得到各个候选负荷资源互动方案对应的评价向量，以及逼近理想排序法中的正理想方案和负理想方案；
第二处理单元，用于基于各个候选负荷资源互动方案对应的评价向量、正理想方案和负理想方案，计算得到各个候选负荷资源互动方案对应的评价向量与正理想方案和负理想方案之间的正、负差异化距离；
第三处理单元，用于采用动态调整策略基于各评价指标对应的正、负差异化距离，计算得到各评价指标对应的分辨率系数；
第四处理单元，用于基于各评价指标对应的正、负差异化距离，计算得到各候选负荷资源互动方案对应的正、负关联系数；
第五处理单元，用于利用ESICD组合赋权法，计算区间决策矩阵中各评价指标对应的权重；
第六处理单元，用于基于所述各评价指标对应的权重以及所述正、负关联系数，计算得到正、负理想方案的区间灰色关联度；
第七处理单元，用于计算各候选负荷资源互动方案的评价向量与正理想方案和负理想方案之间的正向距离和反向距离；
第八处理单元，用于对所述区间灰色关联度以及所述正向距离和反向距离进行无量纲化处理；
第九处理单元，用于基于无量纲化处理后的区间灰色关联度以及所述正向距离和反向距离，计算各候选负荷资源互动方案与所述正理想解的贴近度；
目标方案确定单元，用于将贴近度最高的候选负荷资源互动方案作为目标负荷资源互动方案。
11.一种存储介质，其特征在于，所述存储介质存储有多条指令，所述指令适于处理器进行加载，
以执行权利要求1至9任一项所述的负荷资源互动效益的评价方法中的步骤。
12.一种负荷资源互动效益的评价设备，其特征在于，包括存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现如权利要求1-9中任一项所述的负荷资源互动效益的评价方法的各个步骤。
CN202210847292.7A 2022-07-19 2022-07-19 一种负荷资源互动效益的评价方法、装置、设备及存储介质 Pending CN115239119A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210847292.7A CN115239119A (zh) 2022-07-19 2022-07-19 一种负荷资源互动效益的评价方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210847292.7A CN115239119A (zh) 2022-07-19 2022-07-19 一种负荷资源互动效益的评价方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN115239119A true CN115239119A (zh) 2022-10-25

Family

ID=83672716

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210847292.7A Pending CN115239119A (zh) 2022-07-19 2022-07-19 一种负荷资源互动效益的评价方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115239119A (zh)

Similar Documents

Publication Publication Date Title
Yu et al. Uncertainties of virtual power plant: Problems and countermeasures
CN112465286A (zh) 一种电动汽车充电网络服务能力评价方法
CN116611610A (zh) 计及多属性群体决策的园区综合能源系统调度评价方法
CN114240225A (zh) 源网荷储多元协同互动下的电力系统运行评价方法和系统
CN115456406A (zh) 一种综合能源系统的评估方法、装置、设备以及存储介质
WO2023035245A1 (zh) 一种应用于电力市场价格的风险预警方法
CN113240330A (zh) 一种需求侧虚拟电厂多维价值评估方法和调度策略
CN112561319A (zh) 一种数据中心能源系统综合评价方法
CN117035158A (zh) 一种基于多种收益模式的用户侧储能优化配置评估系统及方法
CN116823008A (zh) 一种园区能源利用效率评估方法、系统、设备和存储介质
CN115239119A (zh) 一种负荷资源互动效益的评价方法、装置、设备及存储介质
CN115983664A (zh) 一种基于模糊分析的储能参与电力市场交易效果的综合评价方法
CN115907539A (zh) 电力市场新能源利用评价指标体系构建方法、系统及装置
CN112861376B (zh) 一种基于单元调度模型的评估方法及装置
CN115204944A (zh) 一种计及全寿命周期的储能最优峰谷价差测算方法及装置
CN114692975A (zh) 考虑风险和协调成本的多微网系统电能共享模式决策方法
CN113255957A (zh) 综合服务站不确定因素的定量优化分析方法及系统
Li et al. Evaluating and aggregating the grid-support capability of energy storage clusters by considering the peak regulation requirements
Pan et al. A multi-objective robust optimal dispatch and cost allocation model for microgrids-shared hybrid energy storage system considering flexible ramping capacity
Liu et al. Comprehensive evaluation of carbon reduction contribution of power grid based on improved TOPSIS method
CN114663219B (zh) 一种基于能源互联电力市场的主体征信评估方法及系统
Lan et al. Risk-based optimization for facilitating the leasing services of shared energy storage among renewable energy stations
CN116976720A (zh) 基于层次分析法和熵权法的储能电站调度策略评价方法及系统
Bao et al. Stochastic Optimal Scheduling of Photovoltaic-Energy Storage Charging Station Based on WGAN-GP Scenario Generation
CN117541278A (zh) 一种基于双向评估的调峰市场出清优化方法、装置及设备

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