CN116050943B - 多类型用户需求侧资源物理调节能力归一计算方法和系统 - Google Patents
多类型用户需求侧资源物理调节能力归一计算方法和系统 Download PDFInfo
- Publication number
- CN116050943B CN116050943B CN202310286842.7A CN202310286842A CN116050943B CN 116050943 B CN116050943 B CN 116050943B CN 202310286842 A CN202310286842 A CN 202310286842A CN 116050943 B CN116050943 B CN 116050943B
- Authority
- CN
- China
- Prior art keywords
- equipment
- power
- load
- demand response
- total
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000010606 normalization Methods 0.000 title claims abstract description 25
- 230000004044 response Effects 0.000 claims abstract description 209
- 230000005611 electricity Effects 0.000 claims abstract description 131
- 230000035945 sensitivity Effects 0.000 claims abstract description 58
- 238000004364 calculation method Methods 0.000 claims abstract description 51
- 238000004146 energy storage Methods 0.000 claims description 51
- 238000010248 power generation Methods 0.000 claims description 41
- 230000008901 benefit Effects 0.000 claims description 27
- 238000003860 storage Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 230000003750 conditioning effect Effects 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract 1
- 238000005457 optimization Methods 0.000 abstract 1
- 238000005406 washing Methods 0.000 description 9
- 238000011835 investigation Methods 0.000 description 6
- 238000004378 air conditioning Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 238000010438 heat treatment Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- HEMHJVSKTPXQMS-UHFFFAOYSA-M Sodium hydroxide Chemical compound [OH-].[Na+] HEMHJVSKTPXQMS-UHFFFAOYSA-M 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000003337 fertilizer Substances 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000012821 model calculation Methods 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 239000005997 Calcium carbide Substances 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 229910001021 Ferroalloy Inorganic materials 0.000 description 1
- KWYUFKZDYYNOTN-UHFFFAOYSA-M Potassium hydroxide Chemical compound [OH-].[K+] KWYUFKZDYYNOTN-UHFFFAOYSA-M 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 229910052770 Uranium Inorganic materials 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000618 nitrogen fertilizer Substances 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 239000002686 phosphate fertilizer Substances 0.000 description 1
- 229940072033 potash Drugs 0.000 description 1
- BWHMMNNQKKPAPP-UHFFFAOYSA-L potassium carbonate Substances [K+].[K+].[O-]C([O-])=O BWHMMNNQKKPAPP-UHFFFAOYSA-L 0.000 description 1
- 235000015320 potassium carbonate Nutrition 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 235000011121 sodium hydroxide Nutrition 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- CLZWAWBPWVRRGI-UHFFFAOYSA-N tert-butyl 2-[2-[2-[2-[bis[2-[(2-methylpropan-2-yl)oxy]-2-oxoethyl]amino]-5-bromophenoxy]ethoxy]-4-methyl-n-[2-[(2-methylpropan-2-yl)oxy]-2-oxoethyl]anilino]acetate Chemical compound CC1=CC=C(N(CC(=O)OC(C)(C)C)CC(=O)OC(C)(C)C)C(OCCOC=2C(=CC=C(Br)C=2)N(CC(=O)OC(C)(C)C)CC(=O)OC(C)(C)C)=C1 CLZWAWBPWVRRGI-UHFFFAOYSA-N 0.000 description 1
- OBSZRRSYVTXPNB-UHFFFAOYSA-N tetraphosphorus Chemical compound P12P3P1P32 OBSZRRSYVTXPNB-UHFFFAOYSA-N 0.000 description 1
- JFALSRSLKYAFGM-UHFFFAOYSA-N uranium(0) Chemical compound [U] JFALSRSLKYAFGM-UHFFFAOYSA-N 0.000 description 1
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
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (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
多类型用户需求侧资源物理调节能力归一计算方法和系统,所述方法包括:划分需求侧资源中所有电力用户的电力设备类型;统计电力用户可参与需求响应的各类型电力设备物理数据;按照用户类型和设备类型采集历史数据,根据电力设备类型和历史数据计算相应的电价敏感系数;基于物理数据、电价敏感系数和归一化系数计算电力用户不同类型电力设备的需求响应物理调节能力;综合所有电力用户不同类型电力设备的需求响应物理调节能力,得到整体需求侧资源物理调节能力归一化计算总值。可适应多类型用户,更为通用,便于电力公司对所有电力用户综合考虑优化,制定最优的需求响应策略,便于对需求侧资源整体评估和综合统筹。
Description
技术领域
本发明属于电力系统需求响应技术领域,具体涉及适用于多类型用户的需求侧资源物理调节能力归一计算方法和系统。
背景技术
高渗透率的清洁能源发电造成功率大幅波动和自由用电带来的巨大负荷峰谷差都会给现代电网的安全运行带来挑战。合理引导具有灵活性的需求侧资源参与电网的高效配置,提升能源利用效率,促进清洁能源消纳,是世界各国共同关注的焦点。
目前,我国需求侧响应仍处于起步阶段,国内需求侧响应尚未与电力现货市场建设融合,严重制约了需求侧响应的发展。电力市场的新一轮改革为我国需求侧响应发展提供了新的环境和技术,也要求需求侧响应项目能够更加完善、全面。打破垄断,逐步引入竞争机制,实现电力资源的优化配置,在保证电力系统运行可靠性与安全性的基础上提高其运行效率是目前世界各国电力改革的发展方向。就目前国外电力市场的改革情况来看,缺乏需求侧的参与是改革效果不明显的重要原因之一。因此,迫切需要研究适应现货市场环境的需求侧响应发展路径,并从终端用户的角度出发,充分发挥需求侧响应资源具有高可靠性、快响应能力的特点,提出考虑可中断负荷的售电公司经营策略,以促进我国需求侧响应更快更好更有秩序地发展。
但作为实现需求响应的基础和前提,电力公司需要了解和评估其需求侧资源的需求响应能力。而由于电力用户庞大而多样,不同的用户的需求响应能力不同。目前现有的研究成果都是针对某一类负荷的具体模型,缺少统一规范的需求侧成熟的需求响应能力的计算方法和模型,因此电力公司往往由于缺少可参考的数据和模型难以准确获取每个用户的调节能力,无法对需求侧资源的需求响应能力进行准确评估和计算,难以制定出有效的需求响应策略。
发明内容
为解决现有技术中存在的不足,本发明提供适用于多类型用户的需求侧资源物理调节能力归一计算方法和系统。
本发明采用如下的技术方案。
多类型用户需求侧资源物理调节能力归一计算方法,包括以下步骤:
步骤1、划分需求侧资源中所有电力用户的电力设备类型;
步骤2、统计电力用户可参与需求响应的各类型电力设备物理数据;
步骤3、按照用户类型和设备类型采集历史数据,根据电力设备类型和历史数据计算相应的电价敏感系数;
步骤4、基于物理数据、电价敏感系数和归一化系数计算电力用户不同类型电力设备的需求响应物理调节能力;
步骤5、综合所有电力用户不同类型电力设备的需求响应物理调节能力,得到整体需求侧资源物理调节能力归一化计算总值。
本发明进一步包括以下优选方案:
优选地,步骤1中,将电力用户的电力设备划分为用电设备、发电设备和储能设备类型;
其中,用电设备进一步分为可中断负荷设备、可削减负荷设备和可平移负荷设备。
优选地,步骤2中,对于发电设备,统计的物理数据包括:发电最大容量、最快响应时间和发电成本;
对于储能设备,统计的物理数据包括:设备总容量、已储能容量、最快响应时间和运营成本;
对于可中断负荷设备,统计的物理数据包括:可中断负荷设备容量、最快响应时间和该设备使用单位电量产生的效益或使用替代方式产生的额外成本;
对于可削减负荷设备,统计的物理数据包括:设备可削减容量、最快响应时间和该设备使用单位电量产生的效益或使用替代方式产生的额外成本;
对于可平移负荷设备,统计的物理数据包括:设备总容量、最快响应时间、理想的开始使用时间、平移负荷后最早开始使用的时间和平移负荷后最晚开始使用的时间。
优选地,步骤3中,根据历史数据,对可削减负荷设备和可平移负荷设备计算电价敏感系数;
其中,可削减负荷设备的电价敏感系数计算公式为:
式中,σj为可削减负荷设备j的电价敏感系数;
下角标k为历史数据中设备第k次参与需求响应对应的数据值;
K为设备曾参与需求响应的总次数;
LXJh,k为设备第k次参与需求响应实际削减的负荷容量;
LXJ,k为设备的总容量;
Cprice,k为第k次需求响应过程中电网的售电电价;
Closs,k为第k次需求响应过程中假设设备正常运行时使用单位电量产生的效益,或使用其它方式替代该设备产生同样效益时产生的额外成本。
可平移负荷设备的电价敏感系数计算公式为:
其中,εl为可平移负荷设备l的电价敏感系数;
下角标k为历史数据中设备第k次参与需求响应对应的数据值;
K为设备曾参与需求响应的总次数;
LPYh,k为设备第k次参与需求响应实际平移的负荷容量;
LPY,k为设备在第k次参与需求响应过程中可平移的最大负荷容量;
Cprice,k为第k次需求响应过程中电网的售电电价;
Cprice_act,k为第k次需求响应过程中设备实际使用时间段的电网售电电价;
texp,k为设备用户理想的开始使用时间;
tact,k为设备实际开始使用时间;
ΔTk为设备正常的使用周期。
优选地,步骤4中,所述归一化系数包括受电价影响系数、响应条件约束系数以及舒适度系数。
优选地,步骤4中,对于可参与需求响应的用电设备,其需求响应物理调节能力采用用电总容量LTotal表示,计算模型为:
LTotal=LZD+LXJ+LPY
式中,LTotal为用户可参与需求响应调节的用电总容量;
LZD为用户可中断负荷设备的容量;
LXJ为用户可削减负荷设备的容量;
LPY为用户可平移负荷设备的容量;
其中,LZD基于物理数据和归一化系数计算。
LXJ和LPY基于物理数据和电价敏感系数计算。
优选地,LZD计算模型为
其中,
式中,LZD,i为第i台可中断负荷设备的总容量;
NZD为调节时段用户可中断负荷设备的总台数;
KP,i为第i台可中断负荷设备受电价影响系数;
KS,i为第i台可中断负荷设备响应条件约束系数;
CSprice为电网对调节时段中断负荷的补贴电价;
Closs,i为第i台可中断负荷设备正常运行时使用单位电量产生的效益,或使用其它方式替代该设备产生相同效益时产生的额外成本;
tR为电力系统要求的需求响应时间;
tmin,i为第i台可中断负荷设备参与需求响应的最短执行时间,即最快响应时间。
优选地,LXJ计算模型为:
其中,
式中,LXJ,j为第j台可削减负荷设备的总容量;
NXJ为调节时段用户能参与负荷削减设备的总台数;
KP,j为第j台可削减负荷设备受电价影响系数;
KS,j为第j台可削减负荷设备响应条件约束系数;
Cprice为电网售电电价;
Closs,j为第j台可削减负荷设备正常运行时使用单位电量产生的效益,或使用其它方式替代该设备产生同样效益时产生的额外成本;
tR为电力系统要求的需求响应时间;
tmin,j为第j台可削减负荷设备参与需求响应的最短执行时间。
σj为可削减负荷设备的电价敏感系数。
优选地,LPY计算模型为
其中,
式中,LPY,l为用户第l台可平移负荷设备可平移的最大负荷容量;
NPY为调节时段用户能参与负荷削减设备的总台数;
KP,l为第l台可平移负荷设备受电价影响系数;
KC,l为第l台可平移负荷设备调整使用时间后用户的不舒适度值,即舒适度系数;
KS,l为第l台可平移负荷设备响应条件约束系数;
Cprice为平移之前计划使用时段的电网售电电价;
Cprice_act为用户平移后实际使用时段的电网售电电价;
tR为电力系统要求的需求响应时间;
tmin,l为第l台可平移负荷设备参与需求响应的最短执行时间;
tact,l为第l台可平移负荷设备实际开始使用时间;
texp,l为第l台可平移负荷设备用户理想的开始使用时间;
ΔTl为第l台可平移负荷设备正常的使用周期或用户能接受的最大平移时间极限;
tlow,l为第l台可平移负荷设备平移负荷后最早开始使用的时间;
tup,l为第l台可平移负荷设备平移负荷后最晚开始使用的时间。
εl为可平移负荷设备电价敏感系数。
优选地,步骤4中,对于可参与需求响应的发电设备,其需求响应物理调节能力采用发电总容量GTotal表示,计算模型为:
其中,
式中,Gm为第m台发电设备调节时段可发电的最大容量;
NG为调节时段用户能参与发电的发电设备总台数;
KP,m为第m台发电设备电价影响系数;
KS,m为第m台发电设备响应条件约束系数;
Cprice为电网售电电价;
Ccost,m为第m台发电设备的发出单位电量的成本;
tR为电力系统要求的需求响应时间;
tmin,m为第m台发电设备参与需求响应的最短执行时间。
优选地,步骤4中,对于可参与需求响应的储能设备,其需求响应物理调节能力采用储能总容量ETotal表示,计算模型为:
其中,
式中,式中,En为第n台储能设备的运行功率;
EG为储能设备释放电能时的发电功率;
ES为储能设备吸收电能时的储能功率;
Smax为储能设备能储存的最大能量;
Sstorage为储能设备在调节时段已存储的能量;
NE为调节时段用户能参与需求响应的储能设备总台数;
KP,n为第n台储能设备电价影响系数;
KS,n为第n台储能设备响应条件约束系数;
KC,n为第n台储能设备的容量系数;
Cprice为电网售电电价;
Ccost,n为第n台储能设备正常存储或者发出单位电量的运营成本;
Caveprice为过去平均市场电价;
tR为电力系统要求的需求响应时间;
tmin,n为第n台储能设备参与需求响应的最短执行时间;
优选地,步骤5中,整体需求侧资源物理调节能力归一化计算总值计算公式为:
CTotal=GTotal+ETotal+LTotal
式中,CTotal为整体需求侧资源物理调节能力归一化计算总值;
LTotal为电力用户可参与需求响应的用电设备的用电总容量;
GTotal为电力用户可参与需求响应的发电设备的发电总容量;
ETotal为电力用户可参与需求响应的储能设备的储能总容量。
多类型用户需求侧资源物理调节能力归一计算系统,所述系统包括:
设备类型划分模块,用于划分需求侧资源中所有电力用户的电力设备类型;
物理数据统计模块,用于统计电力用户可参与需求响应的各类型电力设备物理数据;
电价敏感系数计算模块,用于根据电力设备类型和历史数据计算相应的电价敏感系数;
调节能力计算模块,用于基于物理数据、电价敏感系数和归一化系数计算电力用户不同类型电力设备的需求响应物理调节能力;
调节能力综合模块,用于综合所有电力用户不同类型电力设备的需求响应物理调节能力,得到整体需求侧资源物理调节能力归一化计算总值。
一种终端,包括处理器及存储介质;所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行所述方法的步骤。
计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现所述方法的步骤。
本发明的有益效果在于,与现有技术相比,一方面,本发明对需求侧资源中电力用户的电力设备类型进行划分,统计电力用户可参与需求响应的各类型电力设备物理数据,根据电力设备类型和历史数据计算相应的电价敏感系数,基于物理数据、电价敏感系数和归一化系数计算电力用户不同类型电力设备的需求响应物理调节能力,进行需求响应物理调节能力计算时,以各设备可调节的总容量为基准值,通过将电价、舒适度、约束条件等影响用户参与需求响应积极性的因素以电价影响系数、舒适度系数、约束条件系数等0~1范围内的系数形式进行“归一”,再与基准值相乘预测用户在这些因素影响下可能做出的需求响应调节容量。这种模型计算方法既可以对各影响因素单独考虑,便于对单一因素的解耦分析,而且可适应多类型用户,更为通用,便于电力公司对所有电力用户综合考虑优化,制定最优的需求响应策略。另一方面,本发明不单独对每个用户的意愿进行调研和分析,而是从统计学角度出发,首先根据同类型用户同类型设备的历史数据将电价对此类设备需求响应调节能力的影响反映在电价敏感系数上,再通过概率函数计算出在某一电价情况下用户最可能做出的调节容量。且历史数据越多,需求侧用户越多,该方法预测出来的整体需求侧资源的物理调节能力越准确。这种方法仅依赖于采集的各设备的客观物理数据和以存在的历史数据,避免了电力公司对用户意愿进行逐一调研的复杂流程,避免了用户因各种因素干扰可能造成的调研数据不准确的问题,更便于电力公司对需求侧资源整体评估和综合统筹时使用。
附图说明
图1是本发明多类型用户需求侧资源物理调节能力归一计算方法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明的技术方案进行清楚、完整地描述。本申请所描述的实施例仅仅是本发明一部分的实施例,而不是全部实施例。基于本发明精神,本领域普通技术人员在没有作出创造性劳动前提下所获得的有所其它实施例,都属于本发明的保护范围。
如图1所示,本发明实施例1提供多类型用户需求侧资源物理调节能力归一计算方法,在本发明优选但非限制性的实施方式中,所述方法包括以下步骤1-5:
步骤1、划分需求侧资源中所有电力用户的电力设备类型;
进一步优选地,将电力用户的电力设备划分为用电设备、发电设备和储能设备类型;
其中,用电设备进一步分为可中断负荷设备、可削减负荷设备和可平移负荷设备。
所述电力用户的类型可分为居民生活用电(电压等级不满1kV、10kV)、大工业用电(电压等级为10、35、110kV)。更进一步地,对单耗电量特大的如电石、电介铝、电介烧碱、铁合金、合成氨、电炉黄磷、水泥、钢铁等再分别列价。此外,还分普通工业和非工业用电。后者为机关、机场、学校、医院、科研单位等用电。再有商业用电、部队,敬老院用电等。农业生产用电,中、小化肥用电、农业排灌用电等。(以上分为不满1kV、10kV、35kV电压等级)。其他还对重点煤矿企业生产用电,核工业、铀化工厂生产用电、氮肥、磷肥、钾肥等生产用电,再分别列价。
步骤2、统计电力用户可参与需求响应的各类型电力设备物理数据;
进一步优选地,各类型电力设备物理数据统计示例如表1-5所示:
表1用户发电设备物理数据统计表
设备序号 | 发电最大容量 | 最快响应时间 | 发电成本 |
1 | G1 | tmin,1 | Ccost,1 |
2 | G2 | tmin,2 | Ccost,2 |
… | … | … | … |
NG | GNG | tmin,NG | Ccost,NG |
表2用户储能设备物理数据统计表
设备序号 | 设备总容量 | 已储能容量 | 最快响应时间 | 运营成本 |
1 | E1 | EC,1 | tmin,1 | Ccost,1 |
2 | E2 | EC,2 | tmin,2 | Ccost,2 |
… | … | … | … | … |
NE | ENE | EC,NE | tmin,NE | Ccost,NE |
表3各用户可中断负荷设备物理数据统计表
表4各用户可削减负荷设备物理数据统计表
表5各用户可平移负荷设备物理数据统计表
步骤3、按照用户类型和设备类型采集历史数据,根据电力设备类型和历史数据计算相应的电价敏感系数;
电价敏感系数,反应不同时段电价差值对用户参与需求响应积极性的影响程度,通过该类用户历史数据计算或根据类似用户的值估计。
该步骤根据同类型用户同类型设备的历史数据将电价对此类设备需求响应调节能力的影响反映在电价敏感系数上,为后续通过概率函数计算出在某一电价情况下用户最可能做出的调节容量做基础。
进一步优选地,根据历史数据,对可削减负荷设备和可平移负荷设备计算电价敏感系数;
其中,可削减负荷设备的电价敏感系数计算公式为:
式中,σj为可削减负荷设备j的电价敏感系数;
下角标k为历史数据中设备第k次参与需求响应对应的数据值;
K为设备曾参与需求响应的总次数;
LXJh,k为设备第k次参与需求响应实际削减的负荷容量;
LXJ,k为设备的总容量;
Cprice,k为第k次需求响应过程中电网的售电电价;
Closs,k为第k次需求响应过程中假设设备正常运行时使用单位电量产生的效益,或使用其它方式替代该设备产生同样效益时产生的额外成本。
事实上,由于单一设备参与需求响应的次数有限,历史数据并不多,且用户削减此类设备的容量多少可能受到多种因素的干扰。因此,电力公司可以将同类型用户相同类型可削减负荷设备的所有需求响应情况进行汇总计算。计算电价敏感系数公式中所用的有关数据也可以是同类型用户其它相似类型设备的历史数据。历史数据越多,该值估计得越准确。
可平移负荷设备的电价敏感系数计算公式为:
其中,εl为可平移负荷设备l的电价敏感系数;
下角标k为历史数据中设备第k次参与需求响应对应的数据值;
K为设备曾参与需求响应的总次数;
LPYh,k为设备第k次参与需求响应实际平移的负荷容量;
LPY,k为设备在第k次参与需求响应过程中可平移的最大负荷容量;
Cprice,k为第k次需求响应过程中电网的售电电价;
Cprice_act,k为第k次需求响应过程中设备实际使用时间段的电网售电电价;
texp,k为设备用户理想的开始使用时间;
tact,k为设备实际开始使用时间;
ΔTk为设备正常的使用周期。
一般情况下,该用户如果执行了需求响应的指令,平移了该设备的使用时间,那么其实际使用时间tact,k应在用户正常使用周期或可接受范围内|tact,k-texp,k|<ΔTk,即Kc,k≠0。
与可削减负荷设备相似,由于单一可平移负荷设备参与需求响应的次数有限,历史数据并不多,且用户平移此类设备的容量多少可能受到多种因素的干扰。因此,电力公司可以将同类型用户相同类型的可平移负荷设备的所有需求响应情况进行汇总计算。计算电价敏感系数公式中所用的有关数据也可以是同类型用户其它相似类型设备的历史数据。历史数据越多,该值估计得越准确。
步骤4、基于物理数据、电价敏感系数和归一化系数计算电力用户不同类型电力设备的需求响应物理调节能力;
进一步优选地,所述归一化系数包括受电价影响系数、响应条件约束系数以及舒适度系数。
1、对于可参与需求响应的用电设备,其需求响应物理调节能力采用用电总容量LTotal表示;
所述用电总容量包括可中断负荷容量、可削减负荷容量和可平移负荷容量。为了便于理解,本实施例中以居民家庭用电为例,其用电设备均为普通家用电器。其中,可中断负荷以电灯为例、可削减负荷以空调为例、可平移负荷以洗衣机为例。
LTotal计算模型为:
LTotal=LZD+LXJ+LPY
式中,LTotal为用户可参与需求响应调节的用电总容量;
LZD为用户可中断负荷设备的容量;
LXJ为用户可削减负荷设备的容量;
LPY为用户可平移负荷设备的容量;
其中,LZD基于物理数据和归一化系数计算。
LXJ和LPY基于物理数据和电价敏感系数计算。
1)以电灯负荷为例,LZD计算模型为
其中,
式中,LZD,i为第i台可中断负荷设备的总容量,即用户家中第i台电灯的功率;
NZD为调整时段用户可中断负荷设备的总台数,即该用户家中电灯的数量;
KP,i为第i台电灯受电价影响系数;
KS,i为第i台可中断负荷设备响应条件约束系数,其值为1表示满足参与需求响应的条件,其值为0表示不满足参与需求响应的条件;
CSprice为电网对调节时段中断负荷的补贴电价;
Closs,i为第i台可中断负荷设备正常运行时使用单位电量产生的效益,或使用其它方式替代该设备产生相同效益时产生的额外成本。
本实施例中,由于中断了部分照明电灯,则用户可能会采用蜡烛照亮的方式进行照明。则此处Closs,i为购买能替代第i盏电灯单位电量照明效用的蜡烛成本。
tR为电力系统要求的需求响应时间;
tmin,i为第i台可中断负荷设备参与需求响应的最短执行时间。正常中断一台家庭用照明电灯的准备时间可以忽略不计,可以认为是0小时。
2)以冬日取暖的空调负荷为例,LXJ计算模型为:
其中,
式中,LXJ,j为第j台可削减负荷设备的总容量,即第j台空调的总容量;
NXJ为调节时段用户能参与负荷削减设备的总台数,即该用户家中空调的台数;
KP,j为第j台可削减负荷设备受电价影响系数;
KS,j为第j台可削减负荷设备响应条件约束系数,其值为1表示满足参与需求响应的条件,其值为0表示不满足参与需求响应的条件;
Cprice为此时电网售电电价;
Closs,j为第j台可削减负荷设备正常运行时使用单位电量产生的效益,或使用其它方式替代该设备产生同样效益时产生的额外成本;
如本实施例中,如用户取暖时将空调温度由20℃调整到15℃时,削减了一定用电负荷,但此时用户可能会打开天然气取暖设备进行补充供暖。则此处的Closs,j应为支付能替代第j台空调削减单位用电量产生的制热效果的天然气成本。
tR为电力系统要求的需求响应时间;
tmin,j为第j台可削减负荷设备参与需求响应的最短执行时间,正常调节空调温度的准备时间可以忽略不计,可以认为是0小时。
σj为可削减负荷设备的电价敏感系数。其反应售电电价与用户预期电价差值对该用户参与需求响应积极性的影响程度,其值可通过该类用户历史数据计算或根据类似用户的值估计。本实施例中,这类空调类负荷的电价敏感系数σj计算方法如下所示。
假设,电力公司可以搜集到的所有此类用户空调类负荷参与需求响应的历史数据如表6所示:
表6可削减负荷设备历史数据汇总表
序号 | 设备实际响应容量 | 设备可削减容量 | 当时的售电电价 | 损失受益或额外成本 |
1 | LXJh,1 | LXJ,1 | Cprice,1 | Closs,1 |
2 | LXJh,2 | LXJ,2 | Cprice,2 | Closs,2 |
… | … | … | … | … |
k | LXJh,k | LXJ,k | Cprice,k | Closs,k |
… | … | … | … | … |
K | LXJh,K | LXJ,K | Cprice,K | Closs,K |
表中,下角标k为历史数据中同类型空调设备第k次参与需求响应对应的数据值。LXJh,k为同类型空调设备第k次参与需求响应实际削减的负荷容量;LXJh,k为该设备第k次参与需求响应实际削减的负荷容量;LXJ,k为该设备的总容量;Cprice,k为第k次需求响应过程中电网的售电电价;Closs,k为第k次需求响应过程中假设该设备正常运行时使用单位电量产生的效益,或使用其它方式替代该设备产生同样效益时产生的额外成本。
根据上述历史数据,可以对该类设备的每次的电价敏感系数进行计算,最终的得到的该设备电价敏感系数为所有值的平均值,估算公式为:
3)以家用洗衣机负荷为例,LPY计算模型为
其中,
式中,LPY,l为第l台可平移负荷设备可平移的最大负荷容量,即第l台洗衣机的功率;
NPY为调整时段用户能参与负荷削减设备的总台数,即该用户家中洗衣机的台数;
KP,l为第l台可平移负荷设备受电价影响系数;
KC,l为第l台可平移负荷设备调整使用时间后用户的不舒适度值;
KS,l为第l台可平移负荷设备响应条件约束系数,其值为1表示满足参与需求响应的条件,其值为0表示不满足参与需求响应的条件;
Cprice为平移之前计划使用时段的电网售电电价;
Cprice_act为用户平移后实际使用时段的电网售电电价;
tR为电力系统要求的需求响应时间;
tmin,l为第l台可平移负荷设备参与需求响应的最短执行时间,正常改变洗衣机工作时间的准备时间可以忽略不计,认为是0小时;
tact,l为第l台可平移负荷设备实际开始使用时间;
texp,l为第l台可平移负荷设备用户理想的开始使用时间,此时用户舒适度最高;
ΔTl为第l台可平移负荷设备正常的使用周期或用户能接受的最大平移时间极限,这个实施例中,对于居民用户而言该周期就是日常生活周期,即24小时;
tlow,l为第l台可平移负荷设备平移负荷后最早开始使用的时间;
tup,l为第l台可平移负荷设备平移负荷后最晚开始使用的时间。
εl为可平移负荷设备电价敏感系数,其反应不同时段电价差值对该用户参与需求响应积极性的影响程度,其值可通过该类用户历史数据计算或根据类似用户的值估计;
其中,该类洗衣机负荷电价敏感系数εl计算方法如下所示。
假设,电力公司可以搜集到的所有此类用户洗衣机类负荷参与需求响应的历史数据如表7所示。
表7可平移负荷设备历史数据汇总表
表中,下角标k为历史数据中同类型洗衣机设备第k次参与需求响应对应的数据值;K为同类型洗衣机设备曾参与需求响应的总次数;LPYh,k为该设备此次参与需求响应实际平移的负荷容量;LPY,k为该设备可平移的最大负荷容量;Cprice,k为第k次需求响应过程中电网的售电电价;Cprice_act,k为第k次需求响应过程中该设备实际使用时间段的电网售电电价;texp,k为该设备用户理想的开始使用时间;tact,k为该设备实际开始使用时间;ΔTk为该设备正常的使用周期。一般情况下,该用户如果执行了需求响应的指令,平移了该设备的使用时间,那么其实际使用时间tact,k应在用户正常使用周期或可接受范围内|tact,k-texp,k|<ΔTk,即Kc,k≠0。
根据上述历史数据,可以对该类设备的电价敏感系数εl进行估计计算,公式为
2、对于可参与需求响应的发电设备,其需求响应物理调节能力采用发电总容量GTotal表示,计算模型为:
其中,
式中,Gm为第m台发电设备调节时段可发电的最大容量;
NG为调节时段用户能参与发电的发电设备总台数;
KP,m为第m台设备电价影响系数;
KS,m为第m台设备响应条件约束系数,其值为1表示满足参与需求响应的条件,其值为0表示不满足参与需求响应的条件;
Cprice为当前电网售电电价;
Ccost,m为第m台发电设备的发出单位电量的成本;
tR为电力系统要求的需求响应时间;
tmin,m为第m台设备参与需求响应的最短执行时间。
3、对于可参与需求响应的储能设备,其需求响应物理调节能力采用储能总容量ETotal表示,计算模型为:
其中,
式中,En为第n台储能设备的运行功率;
EG为储能设备释放电能时的发电功率;
ES为储能设备吸收电能时的储能功率;
Smax为储能设备能储存的最大能量;
Sstorage为储能设备在调节时段已存储的能量;
NE为调整时段用户能参与需求响应的储能设备总台数;
KP,n为第n台设备电价影响系数,其值为正表示设备运行于输出电能状态,其值为负表示设备运行在储能状态;
KS,n为第n台设备响应条件约束系数,其值为1表示满足参与需求响应的条件,其值为0表示不满足参与需求响应的条件;
KC,n为第n台设备的容量系数;
Cprice为此时电网售电电价;
Ccost,n为第n台储能设备正常存储或者发出单位电量的运营成本,其包括人力成本、设备损耗、设备折旧费等;
Caveprice为过去一段时间(如一周或一个月)的平均市场电价;
tR为电力系统要求的需求响应时间;
tmin,n为第n台设备参与需求响应的最短执行时间。
步骤5、综合所有电力用户不同类型电力设备的需求响应物理调节能力,得到整体需求侧资源物理调节能力归一化计算总值。
进一步优选地,整体需求侧资源物理调节能力归一化计算总值计算公式为:
CTotal=GTotal+ETotal+LTotal
式中,CTotal为整体需求侧资源物理调节能力归一化计算总值,该值的大小可以表示电网用户参与需求响应物理调节的能力,正时表示电网的总负荷在减小,CTotal为负时表示电网的总负荷在增加;
LTotal为电力用户可参与需求响应的用电设备的用电总容量;
GTotal为电力用户可参与需求响应的发电设备的发电总容量;
ETotal为电力用户可参与需求响应的储能设备的储能总容量。
本发明实施例2提供电力用户需求响应物理调节能力计算系统,用于实现所述计算方法,所述系统包括:
设备类型划分模块,用于划分需求侧资源中所有电力用户的电力设备类型;
物理数据统计模块,用于统计电力用户可参与需求响应的各类型电力设备物理数据;
电价敏感系数计算模块,用于根据电力设备类型和历史数据计算相应的电价敏感系数;
调节能力计算模块,用于基于物理数据、电价敏感系数和归一化系数计算电力用户不同类型电力设备的需求响应物理调节能力;
调节能力综合模块,用于综合所有电力用户不同类型电力设备的需求响应物理调节能力,得到整体需求侧资源物理调节能力归一化计算总值。
本发明实施例3提供一种终端,包括处理器及存储介质;所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行所述方法的步骤。
本发明实施例4提供计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现所述方法的步骤。
本发明的有益效果在于,与现有技术相比,一方面,本发明对需求侧资源中电力用户的电力设备类型进行划分,统计电力用户可参与需求响应的各类型电力设备物理数据,根据电力设备类型和历史数据计算相应的电价敏感系数,基于物理数据、电价敏感系数和归一化系数计算电力用户不同类型电力设备的需求响应物理调节能力,进行需求响应物理调节能力计算时,以各设备可调节的总容量为基准值,通过将电价、舒适度、约束条件等影响用户参与需求响应积极性的因素以电价影响系数、舒适度系数、约束条件系数等0~1范围内的系数形式进行“归一”,再与基准值相乘预测用户在这些因素影响下可能做出的需求响应调节容量。这种模型计算方法既可以对各影响因素单独考虑,便于对单一因素的解耦分析,而且可适应多类型用户,更为通用,便于电力公司对所有电力用户综合考虑优化,制定最优的需求响应策略。另一方面,本发明不单独对每个用户的意愿进行调研和分析,而是从统计学角度出发,首先根据同类型用户同类型设备的历史数据将电价对此类设备需求响应调节能力的影响反映在电价敏感系数上,再通过概率函数计算出在某一电价情况下用户最可能做出的调节容量。且历史数据越多,需求侧用户越多,该方法预测出来的整体需求侧资源的物理调节能力越准确。这种方法仅依赖于采集的各设备的客观物理数据和以存在的历史数据,避免了电力公司对用户意愿进行逐一调研的复杂流程,避免了用户因各种因素干扰可能造成的调研数据不准确的问题,更便于电力公司对需求侧资源整体评估和综合统筹时使用。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其它自由传播的电磁波、通过波导或其它传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
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 (4)
1.多类型用户需求侧资源物理调节能力归一计算方法,其特征在于:
所述方法包括以下步骤:
步骤1、划分需求侧资源中所有电力用户的电力设备类型;
步骤1中,将电力用户的电力设备划分为用电设备、发电设备和储能设备类型;
其中,用电设备分为可中断负荷设备、可削减负荷设备和可平移负荷设备;
步骤2、统计电力用户可参与需求响应的各类型电力设备物理数据;
步骤2中,对于发电设备,统计的物理数据包括:发电最大容量、最快响应时间和发电成本;
对于储能设备,统计的物理数据包括:设备总容量、已储能容量、最快响应时间和运营成本;
对于可中断负荷设备,统计的物理数据包括:可中断负荷设备容量、最快响应时间和该设备使用单位电量产生的效益或使用替代方式产生的额外成本;
对于可削减负荷设备,统计的物理数据包括:设备可削减容量、最快响应时间和该设备使用单位电量产生的效益或使用替代方式产生的额外成本;
对于可平移负荷设备,统计的物理数据包括:设备总容量、最快响应时间、理想的开始使用时间、平移负荷后最早开始使用的时间和平移负荷后最晚开始使用的时间;
步骤3、按照用户类型和设备类型采集历史数据,根据电力设备类型和历史数据计算相应的电价敏感系数;
步骤3中,根据历史数据,对可削减负荷设备和可平移负荷设备计算电价敏感系数;
其中,可削减负荷设备的电价敏感系数计算公式为:
式中,σj为可削减负荷设备j的电价敏感系数;
下角标k为历史数据中设备第k次参与需求响应对应的数据值;
K为设备曾参与需求响应的总次数;
LXJh,k为设备第k次参与需求响应实际削减的负荷容量;
LXJ,k为设备的总容量;
Cprice,k为第k次需求响应过程中电网的售电电价;
Closs,k为第k次需求响应过程中假设设备正常运行时使用单位电量产生的效益,或使用其它方式替代该设备产生同样效益时产生的额外成本;
可平移负荷设备的电价敏感系数计算公式为:
其中,εl为可平移负荷设备l的电价敏感系数;
下角标k为历史数据中设备第k次参与需求响应对应的数据值;
K为设备曾参与需求响应的总次数;
LPYh,k为设备第k次参与需求响应实际平移的负荷容量;
LPY,k为设备在第k次参与需求响应过程中可平移的最大负荷容量;
Cprice,k为第k次需求响应过程中电网的售电电价;
Cprice_act,k为第k次需求响应过程中设备实际使用时间段的电网售电电价;
texp,k为设备用户理想的开始使用时间;
tact,k为设备实际开始使用时间;
ΔTk为设备正常的使用周期;
步骤4、基于物理数据、电价敏感系数和归一化系数计算电力用户不同类型电力设备的需求响应物理调节能力;
步骤4中,所述归一化系数包括受电价影响系数、响应条件约束系数以及舒适度系数;
对于可参与需求响应的用电设备,其需求响应物理调节能力采用用电总容量LTotal表示,计算模型为:
LTotal=LZD+LXJ+LPY
式中,LTotal为用户可参与需求响应调节的用电总容量;
LZD为用户可中断负荷设备的容量;
LXJ为用户可削减负荷设备的容量;
LPY为用户可平移负荷设备的容量;
其中,LZD基于物理数据和归一化系数计算;
LXJ和LPY基于物理数据和电价敏感系数计算;
LZD计算模型为
其中,
式中,LZD,i为第i台可中断负荷设备的总容量;
NZD为调节时段用户可中断负荷设备的总台数;
KP,i为第i台可中断负荷设备受电价影响系数;
KS,i为第i台可中断负荷设备响应条件约束系数;
CSprice为电网对调节时段中断负荷的补贴电价;
Closs,i为第i台可中断负荷设备正常运行时使用单位电量产生的效益,或使用其它方式替代该设备产生相同效益时产生的额外成本;
tR为电力系统要求的需求响应时间;
tmin,i为第i台可中断负荷设备参与需求响应的最短执行时间,即最快响应时间;
LXJ计算模型为:
其中,
式中,LXJ,j为第j台可削减负荷设备的总容量;
NXJ为调节时段用户能参与负荷削减设备的总台数;
KP,j为第j台可削减负荷设备受电价影响系数;
KS,j为第j台可削减负荷设备响应条件约束系数;
Cprice为电网售电电价;
Closs,j为第j台可削减负荷设备正常运行时使用单位电量产生的效益,或使用其它方式替代该设备产生同样效益时产生的额外成本;
tR为电力系统要求的需求响应时间;
tmin,j为第j台可削减负荷设备参与需求响应的最短执行时间;
σj为可削减负荷设备的电价敏感系数;
LPY计算模型为
其中,
式中,LPY,l为用户第l台可平移负荷设备可平移的最大负荷容量;
NPY为调节时段用户能参与负荷削减设备的总台数;
KP,l为第l台可平移负荷设备受电价影响系数;
KC,l为第l台可平移负荷设备调整使用时间后用户的不舒适度值,即舒适度系数;
KS,l为第l台可平移负荷设备响应条件约束系数;
Cprice为平移之前计划使用时段的电网售电电价;
Cprice_act为用户平移后实际使用时段的电网售电电价;
tR为电力系统要求的需求响应时间;
tmin,l为第l台可平移负荷设备参与需求响应的最短执行时间;
tact,l为第l台可平移负荷设备实际开始使用时间;
texp,l为第l台可平移负荷设备用户理想的开始使用时间;
ΔTl为第l台可平移负荷设备正常的使用周期或用户能接受的最大平移时间极限;
tlow,l为第l台可平移负荷设备平移负荷后最早开始使用的时间;
tup,l为第l台可平移负荷设备平移负荷后最晚开始使用的时间;
εl为可平移负荷设备电价敏感系数;
对于可参与需求响应的发电设备,其需求响应物理调节能力采用发电总容量GTotal表示,计算模型为:
其中,
式中,Gm为第m台发电设备调节时段可发电的最大容量;
NG为调节时段用户能参与发电的发电设备总台数;
KP,m为第m台发电设备电价影响系数;
KS,m为第m台发电设备响应条件约束系数;
Cprice为电网售电电价;
Ccost,m为第m台发电设备的发出单位电量的成本;
tR为电力系统要求的需求响应时间;
tmin,m为第m台发电设备参与需求响应的最短执行时间;
对于可参与需求响应的储能设备,其需求响应物理调节能力采用储能总容量ETotal表示,计算模型为:
其中,
式中,En为第n台储能设备的运行功率;
EG为储能设备释放电能时的发电功率;
ES为储能设备吸收电能时的储能功率;
Smax为储能设备能储存的最大能量;
Sstorage为储能设备在调节时段已存储的能量;
NE为调节时段用户能参与需求响应的储能设备总台数;
KP,n为第n台储能设备电价影响系数;
KS,n为第n台储能设备响应条件约束系数;
KC,n为第n台储能设备的容量系数;
Cprice为电网售电电价;
Ccost,n为第n台储能设备正常存储或者发出单位电量的运营成本;
Caveprice为过去平均市场电价;
tR为电力系统要求的需求响应时间;
tmin,n为第n台储能设备参与需求响应的最短执行时间;
步骤5、综合所有电力用户不同类型电力设备的需求响应物理调节能力,得到整体需求侧资源物理调节能力归一化计算总值;
整体需求侧资源物理调节能力归一化计算总值计算公式为:
CTotal=GTotal+ETotal+LTotal
式中,CTotal为整体需求侧资源物理调节能力归一化计算总值;
LTotal为电力用户可参与需求响应的用电设备的用电总容量;
GTotal为电力用户可参与需求响应的发电设备的发电总容量;
ETotal为电力用户可参与需求响应的储能设备的储能总容量。
2.多类型用户需求侧资源物理调节能力归一计算系统,用于实现权利要求1所述计算方法,其特征在于:
所述系统包括:
设备类型划分模块,用于划分需求侧资源中所有电力用户的电力设备类型;
物理数据统计模块,用于统计电力用户可参与需求响应的各类型电力设备物理数据;
电价敏感系数计算模块,用于根据电力设备类型和历史数据计算相应的电价敏感系数;
调节能力计算模块,用于基于物理数据、电价敏感系数和归一化系数计算电力用户不同类型电力设备的需求响应物理调节能力;
调节能力综合模块,用于综合所有电力用户不同类型电力设备的需求响应物理调节能力,得到整体需求侧资源物理调节能力归一化计算总值。
3.一种终端,包括处理器及存储介质;其特征在于:
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据权利要求1所述方法的步骤。
4.计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310286842.7A CN116050943B (zh) | 2023-03-23 | 2023-03-23 | 多类型用户需求侧资源物理调节能力归一计算方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310286842.7A CN116050943B (zh) | 2023-03-23 | 2023-03-23 | 多类型用户需求侧资源物理调节能力归一计算方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116050943A CN116050943A (zh) | 2023-05-02 |
CN116050943B true CN116050943B (zh) | 2023-07-11 |
Family
ID=86122201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310286842.7A Active CN116050943B (zh) | 2023-03-23 | 2023-03-23 | 多类型用户需求侧资源物理调节能力归一计算方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116050943B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105720610A (zh) * | 2016-04-14 | 2016-06-29 | 华北电力大学 | 一种电力系统机组组合配置方法及装置 |
CN109858835A (zh) * | 2019-02-26 | 2019-06-07 | 合肥工业大学 | 一种负荷聚合商的需求响应建模与可靠性评估方法 |
CN111028098A (zh) * | 2019-11-05 | 2020-04-17 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于细粒度用电行为的用户可调潜力确定方法 |
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 |
CN112488744A (zh) * | 2020-10-15 | 2021-03-12 | 南京淳宁电力科技有限公司 | 一种交易驱动的虚拟电厂定制化构建方法 |
CN113869775A (zh) * | 2021-10-13 | 2021-12-31 | 国网四川省电力公司经济技术研究院 | 一种多类型用户综合需求响应的园区运行策略生成方法 |
CN113988702A (zh) * | 2021-11-15 | 2022-01-28 | 国网江苏省电力有限公司 | 一种需求侧资源潜力评估方法及系统 |
CN114567006A (zh) * | 2022-03-02 | 2022-05-31 | 国网浙江省电力有限公司电力科学研究院 | 一种配电网多目标优化运行方法及系统 |
CN114757456A (zh) * | 2022-06-15 | 2022-07-15 | 国网江西省电力有限公司电力科学研究院 | 一种农网供能范围与用户负荷的调控协同优化方法及系统 |
CN115173470A (zh) * | 2022-07-06 | 2022-10-11 | 国网山东省电力公司青岛供电公司 | 一种基于电网调峰的综合能源系统调度方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116131351A (zh) * | 2022-11-21 | 2023-05-16 | 合肥工业大学 | 度量用户参与准线型需求响应效果的评估方法及存储介质 |
-
2023
- 2023-03-23 CN CN202310286842.7A patent/CN116050943B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105720610A (zh) * | 2016-04-14 | 2016-06-29 | 华北电力大学 | 一种电力系统机组组合配置方法及装置 |
CN109858835A (zh) * | 2019-02-26 | 2019-06-07 | 合肥工业大学 | 一种负荷聚合商的需求响应建模与可靠性评估方法 |
CN111028098A (zh) * | 2019-11-05 | 2020-04-17 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于细粒度用电行为的用户可调潜力确定方法 |
CN112488744A (zh) * | 2020-10-15 | 2021-03-12 | 南京淳宁电力科技有限公司 | 一种交易驱动的虚拟电厂定制化构建方法 |
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 |
CN113869775A (zh) * | 2021-10-13 | 2021-12-31 | 国网四川省电力公司经济技术研究院 | 一种多类型用户综合需求响应的园区运行策略生成方法 |
CN113988702A (zh) * | 2021-11-15 | 2022-01-28 | 国网江苏省电力有限公司 | 一种需求侧资源潜力评估方法及系统 |
CN114567006A (zh) * | 2022-03-02 | 2022-05-31 | 国网浙江省电力有限公司电力科学研究院 | 一种配电网多目标优化运行方法及系统 |
CN114757456A (zh) * | 2022-06-15 | 2022-07-15 | 国网江西省电力有限公司电力科学研究院 | 一种农网供能范围与用户负荷的调控协同优化方法及系统 |
CN115173470A (zh) * | 2022-07-06 | 2022-10-11 | 国网山东省电力公司青岛供电公司 | 一种基于电网调峰的综合能源系统调度方法及系统 |
Non-Patent Citations (5)
Title |
---|
基于用户用能意愿及负荷特性的需求响应用户自动筛选策略;杨斌等;《电力需求侧管理》;第5-10页 * |
基于负荷分解的用户侧自动需求响应系统;孙智卿;王守相;周凯;刘天宇;;电力系统及其自动化学报(第12期);第64-69+88页 * |
考虑用电行为偏好的空调负荷代理商市场报价策略研究;章三华;胡业;;电力需求侧管理(第05期);第16-19+24页 * |
考虑负荷削减的居民区充电站分时电价设计;韩秉乾等;《 现代电力》;第10页 * |
负荷聚合商参与需求响应的可靠性及风险分析;张晶晶等;《太阳能学报》;第3526-3533页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116050943A (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20120046796A1 (en) | Energy management apparatus, method, and system | |
JP2015507913A (ja) | 発電能力の適応化とエネルギー貯蔵装置サイズの決定 | |
CN112883560B (zh) | 基于用户侧负荷削减响应的多能耦合供能网络的优化方法 | |
Nan et al. | Optimal scheduling approach on smart residential community considering residential load uncertainties | |
Grøttum et al. | Modelling TSO-DSO coordination: The value of distributed flexible resources to the power system | |
CN115081902A (zh) | 基于源网荷储协同的综合规划方法、装置、设备及介质 | |
Luo et al. | Many-objective day-ahead optimal scheduling of residential flexible loads integrated with stochastic occupant behavior models | |
Yu et al. | Optimal dispatching method for integrated energy system based on robust economic model predictive control considering source–load power interval prediction | |
CN117578532B (zh) | 一种智能电力调峰系统 | |
CN116050943B (zh) | 多类型用户需求侧资源物理调节能力归一计算方法和系统 | |
Kuroha et al. | Operation planning method for home air-conditioners considering characteristics of installation environment | |
Saha et al. | A robust building energy management algorithm validated in a smart house environment | |
Xunjie et al. | Optimal Planning Method of IES with Multi-energy Storage and Wind Power | |
Dafoe et al. | Optimal designs of grid-connected energy efficient and resilient residential communities | |
CN105552941A (zh) | 一种分布式电源调峰容量优化方法 | |
CN113609778B (zh) | 一种综合能源系统多目标优化方法及系统 | |
CN113283649B (zh) | 供需协同运行能效控制方法、装置、设备和介质 | |
CN112736950B (zh) | 一种面向微电网群的公共储能电站配置方法及系统 | |
Beucker et al. | Building Energy Management Systems and their Role in the Energy Transition. | |
CN114943471A (zh) | 一种电力系统低碳指标体系及综合评价方法 | |
CN109447369B (zh) | 一种基于模拟退火算法的考虑多因素的产能端功率分配方法 | |
Ibrahim et al. | Modelling an Artificial Intelligence-Based Energy Management for Household in Nigeria. | |
Li et al. | Community energy system planning: A case study on technology selection and operation optimization | |
Boychev et al. | The possibility of building energy management in municipal and residential buildings | |
Wang et al. | Robust optimization for power consumption strategy of commercial building considering uncertainty of environmental factors |
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 |