CN116188058A - 一种基于负荷多维特征的聚合商售电策略辅助设计系统 - Google Patents

Abstract

本发明公开了一种基于负荷多维特征的聚合商售电策略辅助设计系统，涉及电力市场技术领域，包括负荷特征分析模块：用于聚合商分析历史数据，考虑负荷的不确定性，基于二维云模型负荷特征，将用户负荷进行分类；绿电消纳积分计算方法设计模块：用于考虑绿电出力曲线和用户负荷曲线斜率的适配性，聚合商以积分方法评估用户消纳绿电的行为；聚合商售电策略优化模块：用于基于短期预测电量、中长期市场购电策略、绿电消纳积分计算方法，建立聚合商‑用户售电策略双层模型，用于优化基于负荷多维特征的聚合商售电策略，充分利用用户侧可调资源，提高聚合商自身利润，优化用户用电行为，进一步促进绿电消纳。

Description

一种基于负荷多维特征的聚合商售电策略辅助设计系统

技术领域

本发明涉及电力市场技术领域，具体的是一种基于负荷多维特征的聚合商售电策略辅助设计系统。

背景技术

聚合商聚合用户侧资源参与电力市场，设计多样化的售电策略，以提高自身竞争能力。此外，清洁能源大规模发展，随着可再生能源配额制在售电侧的实施，聚合商需承担与其年售电量相对应的消纳责任权重。

用电侧负荷资源呈现多样性，聚合商利用积累的大规模负荷历史数据，充分分析负荷多维特征，引导其积极参与电力系统调度，可以进一步满足新能源持续大规模并网消纳的需求。

目前国内的相关研究主要考虑聚合商融合不同市场的交易策略，但对于聚合商如何基于负荷特征、促进绿电消纳，面向用户设计售电策略尚无深入的研究。因此，分析用户侧资源呈现的负荷特征，充分利用用户侧资源，聚合商面向用户优化售电策略，引导其积极参与电力系统调度，柔化用户侧负荷需求，对解决规模化消纳清洁能源发电具有重要的现实意义。

发明内容

为解决上述背景技术中提到的不足，本发明的目的在于提供一种基于负荷多维特征的聚合商售电策略辅助设计系统。

本发明的目的可以通过以下技术方案实现：

一种基于负荷多维特征的聚合商售电策略辅助设计系统，包括：

负荷特征分析模块：用于聚合商分析用户负荷历史数据，考虑负荷的不确定性，基于二维云模型负荷特征，将用户负荷进行分类得到用户分类结果；

绿电消纳积分计算方法设计模块：用于考虑绿电出力曲线和用户负荷曲线斜率的适配性，聚合商设计用户消纳绿电行为的评估方法；

将负荷特征分析模块得到的用户分类结果、绿电消纳积分计算方法设计模块的用户消纳绿电行为的评估方法，输入聚合商售电策略优化模块，针对不同类别的用户优化出售电策略；

聚合商售电策略优化模块：用于基于短期预测电量、中长期市场购电策略、绿电消纳积分计算方法，建立聚合商-用户售电策略双层模型，用于优化基于负荷多维特征的聚合商售电策略。

优选地，所述聚合商分析历史数据基于高峰-低谷二维云模型负荷特征，通过聚类、并计算二维负荷特征的相似性，最终得到基础负荷、可削减负荷、可转移负荷、可平移负荷四类典型负荷。

优选地，得到四类典型负荷的过程如下：

对各用户各负荷高峰段、低谷段典型历史用电数据进行逆向云模型计算，得到i用户m负荷高峰-低谷二维云数字负荷特征：高峰段

低谷段

以/>

这六个数字特征作为输入，其中/>

分别表示i用户m负荷高峰时段的云数字负荷特征期望、熵、超熵；

分别表示i用户m负荷低谷时段的云数字负荷特征期望、熵、超熵。

通过聚类最终得到四类典型负荷：

以

分别表征峰时段、谷时段负荷的不确定性；

以下列两个公式分别表征高峰-低谷二维负荷特征的相似性：

第一类为基础负荷：

第二类为可削减负荷：

第三类为可转移负荷：

sim_p(u,v)、sim_v(x,y)至少有一个小于1；

第四类为可平移负荷：

sim_p(u,v)、sim_v(x,y)均趋向于1。

优选地，所述绿电消纳积分计算方法设计模块考虑绿电出力曲线和用户负荷曲线斜率的适配性，设计绿电消纳积分计算方法，奖励用电行为更匹配绿电出力的用户，进一步促进绿电消纳。

优选地，所述绿电消纳积分计算方法如下：

基于积分的i用户消纳绿电收益如下：

其中，ω为用户消纳绿电的积分单位收益，

为t时刻i用户消纳绿电量，k为用户消纳绿电的单位收益，n_i为i用户消纳绿电的积分，G_t+1、G_t分别为(t+1)、t时刻绿电出力，d_i,(t+1)、d_i,t分别为(t+1)、t时刻i用户需求电量。

优选地，所述n_i考虑了绿电出力曲线和用户负荷曲线的斜率的适配性，用作负荷聚合商考虑用户消纳绿电的积分。

优选地，所述建立聚合商-用户售电策略双层模型通过建立上层以聚合商盈利最大化为目标，下层以用户用电成本最小化为目标的售电策略双层模型。

优选地，所述建立上层以聚合商盈利最大化为目标的过程如下：

其中，

r_sell表示负荷聚合商向用户售电收益：

式中，

为24h的时间周期，/>

为用户集合，/>

为负荷聚合商t时刻单位r类负荷售价，/>

为t时刻i用户r类负荷需求电量；

r_as表示负荷聚合商聚合用户负荷参与辅助服务市场收益：

式中，S_t,as为可调节负荷t时刻参与辅助服务市场的单位价格，Δd_i,t为t时刻i用户可调节电量；

c_spot表示负荷聚合商现货市场购电成本：

式中，S_t,spot为从现货市场t时刻购电单位价格，

为从现货市场t时刻购电量；

c_in,green表示基于积分的负荷聚合商激励用户消纳绿电成本：

式中，

为分解到t时刻的年度绿电电量；

C_{med_long}表示负荷聚合商中长期购电成本，包括分解到该月的年度火电、绿电购电成本，月度市场购电成本：

C_{med_long}＝P^year,th·Q^th+P^year,green·Q^green+P^mon·Q^mon

式中，P^year,th为年度火电合约价格，Q^th为分解到该月的年度火电电量，P^year,green为年度绿电消纳合约价格，Q^green为分解到该月的年度绿电消纳电量，P^mon为月度市场购电价格，Q^mon为月度市场购电量。

优选地，约束条件为：

负荷聚合商设计r类负荷售价约束：

式中，

分别为r类负荷售价上下限；

功率平衡约束：

式中，

为分解到t时刻的年度火电电量，/>

为分解到t时刻的月度市场购得的电量；/>

d_i,t＝D_i,t+Δd_i,t

式中，D_i,t为t时刻i用户预测用电量；

式中，

为t时刻i用户r类负荷预测用电量，/>

为t时刻i用户r类负荷可调节电量；

优选地，所述下层以用户用电成本最小化为目标

约束条件为：

式中，bl表示基础负荷，cl表示可削减负荷，fl表示可转移负荷，ll表示可平移负荷，

为t时刻i用户m基础负荷预测用电量，/>

为t时刻i用户n可削减负荷需求电量，

为t时刻i用户j可转移负荷需求电量，/>

为t时刻i用户k可平移负荷需求电量；

式中，

为t时刻i用户n可削减负荷预测用电量，/>

为t时刻i用户n可削减负荷调节电量；

式中，

为t时刻i用户j可转移负荷预测用电量，/>

为t时刻i用户j可转移负荷可调节电量；

式中，

为t时刻i用户k可平移负荷预测用电量，α_i,k,t,t'为0、1变量，当α_i,k,t,t'＝1时，表示i用户k可平移负荷从t’时刻平移到t时刻，α_i,k,t”,t为0、1变量，当α_i,k,t”,t＝1时，表示i用户k可平移负荷从t时刻平移到t”时刻。

α_i,k,t”,t'＝0,|t'-t”|≥h_i,k,max

式中，h_i,k,max为i用户k可平移负荷最大平移时段。

本发明的有益效果：

本发明充分利用用户侧可调资源，提高聚合商自身利润，优化用户用电行为，进一步促进绿电消纳。

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，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，还可以根据这些附图获得其他的附图；

图1是本发明流程图。

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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

如图1所示，一种基于负荷多维特征的聚合商售电策略辅助设计系统，包括：

负荷特征分析模块：用于聚合商分析用户负荷历史数据，考虑负荷的不确定性，基于二维云模型负荷特征，将用户负荷进行分类得到用户分类结果；

绿电消纳积分计算方法设计模块：用于考虑绿电出力曲线和用户负荷曲线斜率的适配性，聚合商设计用户消纳绿电行为的评估方法；

将负荷特征分析模块得到的用户分类结果、绿电消纳积分计算方法设计模块的用户消纳绿电行为的评估方法，输入聚合商售电策略优化模块，针对不同类别的用户优化出售电策略；

聚合商售电策略优化模块：用于基于短期预测电量、中长期市场购电策略、绿电消纳积分计算方法，建立聚合商-用户售电策略双层模型，用于优化基于负荷多维特征的聚合商售电策略。

所述聚合商分析历史数据基于高峰-低谷二维云模型负荷特征，通过聚类、并计算二维负荷特征的相似性，最终得到基础负荷、可削减负荷、可转移负荷、可平移负荷四类典型负荷。

得到四类典型负荷的过程如下：

对各用户各负荷高峰段、低谷段典型历史用电数据进行逆向云模型计算，得到i用户m负荷高峰-低谷二维云数字负荷特征：高峰段

低谷段

以/>

这六个数字特征作为输入，其中/>

分别表示i用户m负荷高峰时段的云数字负荷特征期望、熵、超熵；

分别表示i用户m负荷低谷时段的云数字负荷特征期望、熵、超熵。

通过聚类最终得到四类典型负荷：

以

分别表征峰时段、谷时段负荷的不确定性；

以下列两个公式分别表征高峰-低谷二维负荷特征的相似性：

/>

第一类为基础负荷：

第二类为可削减负荷：

第三类为可转移负荷：

sim_p(u,v)、sim_v(x,y)至少有一个小于1；

第四类为可平移负荷：

sim_p(u,v)、sim_v(x,y)均趋向于1。

需要进一步进行说明的是，在具体实施过程中，所述绿电消纳积分计算方法设计模块考虑绿电出力曲线和用户负荷曲线斜率的适配性，设计绿电消纳积分计算方法，奖励用电行为更匹配绿电出力的用户，进一步促进绿电消纳。

需要进一步进行说明的是，在具体实施过程中，所述绿电消纳积分计算方法如下：

基于积分的i用户消纳绿电收益如下：

其中，ω为用户消纳绿电的积分单位收益，

为t时刻i用户消纳绿电量，k为用户消纳绿电的单位收益，n_i为i用户消纳绿电的积分，G_t+1、G_t分别为(t+1)、t时刻绿电出力，d_i,(t+1)、d_i,t分别为(t+1)、t时刻i用户需求电量。

需要进一步进行说明的是，在具体实施过程中，所述n_i考虑了绿电出力曲线和用户负荷曲线的斜率的适配性，用作负荷聚合商考虑用户消纳绿电的积分。

需要进一步进行说明的是，在具体实施过程中，所述建立聚合商-用户售电策略双层模型通过建立上层以聚合商盈利最大化为目标，下层以用户用电成本最小化为目标的售电策略双层模型。

需要进一步进行说明的是，在具体实施过程中，所述建立上层以聚合商盈利最大化为目标的过程如下：

其中，

r_sell表示负荷聚合商向用户售电收益：

式中，

为24h的时间周期，/>

为用户集合，/>

为负荷聚合商t时刻单位r类负荷售价，/>

为t时刻i用户r类负荷需求电量；/>

r_as表示负荷聚合商聚合用户负荷参与辅助服务市场收益：

式中，S_t,as为可调节负荷t时刻参与辅助服务市场的单位价格，Δd_i,t为t时刻i用户可调节电量；

c_spot表示负荷聚合商现货市场购电成本：

式中，S_t,spot为从现货市场t时刻购电单位价格，

为从现货市场t时刻购电量；

c_in,green表示基于积分的负荷聚合商激励用户消纳绿电成本：

式中，

为分解到t时刻的年度绿电电量；

C_{med_long}表示负荷聚合商中长期购电成本，包括分解到该月的年度火电、绿电购电成本，月度市场购电成本：

C_{med_long}＝P^year,th·Q^th+P^year,green·Q^green+P^mon·Q^mon

式中，P^year,th为年度火电合约价格，Q^th为分解到该月的年度火电电量，P^year,green为年度绿电消纳合约价格，Q^green为分解到该月的年度绿电消纳电量，P^mon为月度市场购电价格，Q^mon为月度市场购电量。

优选地，约束条件为：

负荷聚合商设计r类负荷售价约束：

式中，

分别为r类负荷售价上下限；

功率平衡约束：

式中，

为分解到t时刻的年度火电电量，/>

为分解到t时刻的月度市场购得的电量；

d_i,t＝D_i,t+Δd_i,t

式中，D_i,t为t时刻i用户预测用电量；

式中，

为t时刻i用户r类负荷预测用电量，/>

为t时刻i用户r类负荷可调节电量；

需要进一步进行说明的是，在具体实施过程中，所述下层以用户用电成本最小化为目标

约束条件为：

式中，bl表示基础负荷，cl表示可削减负荷，fl表示可转移负荷，ll表示可平移负荷，

为t时刻i用户m基础负荷预测用电量，/>

为t时刻i用户n可削减负荷需求电量，

为t时刻i用户j可转移负荷需求电量，/>

为t时刻i用户k可平移负荷需求电量；

式中，

为t时刻i用户n可削减负荷预测用电量，/>

为t时刻i用户n可削减负荷调节电量；

式中，

为t时刻i用户j可转移负荷预测用电量，/>

为t时刻i用户j可转移负荷可调节电量；

式中，

为t时刻i用户k可平移负荷预测用电量，α_i,k,t,t'为0、1变量，当α_i,k,t,t'＝1时，表示i用户k可平移负荷从t’时刻平移到t时刻，α_i,k,t”,t为0、1变量，当α_i,k,t”,t＝1时，表示i用户k可平移负荷从t时刻平移到t”时刻。

α_i,k,t”,t'＝0,|t'-t”|≥h_i,k,max

式中，h_i,k,max为i用户k可平移负荷最大平移时段。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上显示和描述了本公开的基本原理、主要特征和本公开的优点。本行业的技术人员应该了解，本公开不受上述实施例的限制，上述实施例和说明书中描述的只是说明本公开的原理，在不脱离本公开精神和范围的前提下，本公开还会有各种变化和改进，这些变化和改进都落入要求保护的本公开范围内容。

Claims (10)

1.一种基于负荷多维特征的聚合商售电策略辅助设计系统，其特征在于，包括：

负荷特征分析模块：用于聚合商分析用户负荷历史数据，考虑负荷的不确定性，基于二维云模型负荷特征，将用户负荷进行分类得到用户分类结果；

绿电消纳积分计算方法设计模块：用于考虑绿电出力曲线和用户负荷曲线斜率的适配性，聚合商设计用户消纳绿电行为的评估方法；

将负荷特征分析模块得到的用户分类结果、绿电消纳积分计算方法设计模块的用户消纳绿电行为的评估方法，输入聚合商售电策略优化模块，针对不同类别的用户优化出售电策略；

聚合商售电策略优化模块：用于基于短期预测电量、中长期市场购电策略、绿电消纳积分计算方法，建立聚合商-用户售电策略双层模型，用于优化基于负荷多维特征的聚合商售电策略。

2.根据权利要求1所述的一种基于负荷多维特征的聚合商售电策略辅助设计系统，其特征在于，所述聚合商分析用户负荷历史数据基于高峰-低谷二维云模型负荷特征，通过聚类、并计算二维负荷特征的相似性，最终得到基础负荷、可削减负荷、可转移负荷、可平移负荷四类典型负荷。

3.根据权利要求2所述的一种基于负荷多维特征的聚合商售电策略辅助设计系统，其特征在于，得到四类典型负荷的过程如下：

对各用户各负荷高峰段、低谷段典型历史用电数据进行逆向云模型计算，得到i用户m负荷高峰-低谷二维云数字负荷特征：高峰段

低谷段

以/>

这六个数字特征作为输入，其中/>

分别表示i用户m负荷高峰时段的云数字负荷特征期望、熵、超熵；/>

分别表示i用户m负荷低谷时段的云数字负荷特征期望、熵、超熵；

通过聚类最终得到四类典型负荷：

以

分别表征峰时段、谷时段负荷的不确定性；

以下列两个公式分别表征高峰-低谷二维负荷特征的相似性：

第一类为基础负荷：

第二类为可削减负荷：

第三类为可转移负荷：

sim_p(u,v)、sim_v(x,y)至少有一个小于1；

第四类为可平移负荷：

sim_p(u,v)、sim_v(x,y)均趋向于1。

4.根据权利要求1所述的一种基于负荷多维特征的聚合商售电策略辅助设计系统，其特征在于，所述绿电消纳积分计算方法设计模块考虑绿电出力曲线和用户负荷曲线斜率的适配性，设计绿电消纳积分计算方法，奖励用电行为更匹配绿电出力的用户，进一步促进绿电消纳。

5.根据权利要求4所述的一种基于负荷多维特征的聚合商售电策略辅助设计系统，其特征在于，所述绿电消纳积分计算方法如下：

基于积分的i用户消纳绿电收益如下：

其中，ω为用户消纳绿电的积分单位收益，

为t时刻i用户消纳绿电量，k为用户消纳绿电的单位收益，n_i为i用户消纳绿电的积分，G_t+1、G_t分别为(t+1)、t时刻绿电出力，d_i,(t+1)、d_i,t分别为(t+1)、t时刻i用户需求电量。

6.根据权利要求5所述的一种基于负荷多维特征的聚合商售电策略辅助设计系统，其特征在于，n_i考虑了绿电出力曲线和用户负荷曲线的斜率的适配性，用作负荷聚合商考虑用户消纳绿电的积分。

7.根据权利要求1所述的一种基于负荷多维特征的聚合商售电策略辅助设计系统，其特征在于，所述建立聚合商-用户售电策略双层模型通过建立上层以聚合商盈利最大化为目标，下层以用户用电成本最小化为目标的售电策略双层模型。

8.根据权利要求7所述的一种基于负荷多维特征的聚合商售电策略辅助设计系统，其特征在于，所述建立上层以聚合商盈利最大化为目标的过程如下：

其中，

r_sell表示负荷聚合商向用户售电收益：

式中，

为24h的时间周期，/>

为用户集合，/>

为负荷聚合商t时刻单位r类负荷售价，/>

为t时刻i用户r类负荷需求电量；

r_as表示负荷聚合商聚合用户负荷参与辅助服务市场收益：

式中，S_t,as为可调节负荷t时刻参与辅助服务市场的单位价格，Δd_i,t为t时刻i用户可调节电量；

c_spot表示负荷聚合商现货市场购电成本：

式中，S_t,spot为从现货市场t时刻购电单位价格，

为从现货市场t时刻购电量；

c_in,green表示基于积分的负荷聚合商激励用户消纳绿电成本：

式中，

为分解到t时刻的年度绿电电量；

C_{med_long}表示负荷聚合商中长期购电成本，包括分解到该月的年度火电、绿电购电成本，月度市场购电成本：

C_{med_long}＝P^year,th·Q^th+P^year,green·Q^green+P^mon·Q^mon

式中，P^year,th为年度火电合约价格，Q^th为分解到该月的年度火电电量，P^year,green为年度绿电消纳合约价格，Q^green为分解到该月的年度绿电消纳电量，P^mon为月度市场购电价格，Q^mon为月度市场购电量。

9.根据权利要求8所述的一种基于负荷多维特征的聚合商售电策略辅助设计系统，其特征在于，约束条件为：

负荷聚合商设计r类负荷售价约束：

式中，

分别为r类负荷售价上下限；

功率平衡约束：

式中，

为分解到t时刻的年度火电电量，/>

为分解到t时刻的月度市场购得的电量；

d_i,t＝D_i,t+Δd_i,t

式中，D_i,t为t时刻i用户预测用电量；

式中，

为t时刻i用户r类负荷预测用电量，/>

为t时刻i用户r类负荷可调节电量；

10.根据权利要求7所述的一种基于负荷多维特征的聚合商售电策略辅助设计系统，其特征在于，所述下层以用户用电成本最小化为目标

约束条件为：

式中，bl表示基础负荷，cl表示可削减负荷，fl表示可转移负荷，ll表示可平移负荷，

为t时刻i用户m基础负荷预测用电量，/>

为t时刻i用户n可削减负荷需求电量，/>

为t时刻i用户j可转移负荷需求电量，/>

为t时刻i用户k可平移负荷需求电量；/>

式中，

为t时刻i用户n可削减负荷预测用电量，/>

为t时刻i用户n可削减负荷调节电量；

式中，

为t时刻i用户j可转移负荷预测用电量，/>

为t时刻i用户j可转移负荷可调节电量；

式中，

为t时刻i用户k可平移负荷预测用电量，α_i,k,t,t'为0、1变量，当α_i,k,t,t'＝1时，表示i用户k可平移负荷从t’时刻平移到t时刻，α_i,k,t”,t为0、1变量，当α_i,k,t”,t＝1时，表示i用户k可平移负荷从t时刻平移到t”时刻。

α_i,k,t”,t'＝0,t'-t”≥h_i,k,max

式中，h_i,k,max为i用户k可平移负荷最大平移时段。

Images