CN116432807A - 考虑耦合效应与不确定性的综合需求响应系统及其方法 - Google Patents

考虑耦合效应与不确定性的综合需求响应系统及其方法 Download PDF

Info

Publication number
CN116432807A
CN116432807A CN202211637541.6A CN202211637541A CN116432807A CN 116432807 A CN116432807 A CN 116432807A CN 202211637541 A CN202211637541 A CN 202211637541A CN 116432807 A CN116432807 A CN 116432807A
Authority
CN
China
Prior art keywords
energy
response
user
model
demand response
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
CN202211637541.6A
Other languages
English (en)
Inventor
郑顺林
孙毅
刘欣雅
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.)
North China Electric Power University
Original Assignee
North China Electric Power University
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 North China Electric Power University filed Critical North China Electric Power University
Priority to CN202211637541.6A priority Critical patent/CN116432807A/zh
Publication of CN116432807A publication Critical patent/CN116432807A/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
    • G06Q10/04—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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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
    • 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)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (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

本发明公开一种考虑耦合效应与不确定性的综合需求响应系统和方法，主要服务于综合能源市场中需求响应技术的实施，包括：采集用户用能信息与响应特性，考虑需求侧的耦合效应与不确定性，构建综合需求响应用户效益模型；整合多能源聚合商需要完成的响应目标、可再生能源出力特性以及设备特征信息，考虑供给侧的耦合效应与不确定性，构建综合需求响应多能源聚合商成本模型；综合用户效益模型与多能源聚合商成本模型，基于二者交互机制，构建包括目标函数和约束条件的综合需求响应优化问题；以降低多能源聚合商成本、提升用户效益为目标，对综合需求响应优化问题进行唯一最优解求解。本发明提升了总体效益，实现了多能源聚合商和用户的共赢。

Description

考虑耦合效应与不确定性的综合需求响应系统及其方法
技术领域
本发明涉及综合能源和需求响应领域，具体涉及一种考虑耦合效应与不确定性的综合需求响应方法。
背景技术
为解决高渗透率可再生能源带来的不稳定因素，综合能源系统(integratedenergy system，IES)由于其可以增强能源调度的灵活性和能源系统的安全性得以迅速的发展。为了提高IES的经济性和可靠性，综合需求响应(integrated demand response，IDR)逐渐成为研究热点。IDR定义为在响应不同的能源价格或激励时用户消费的能源量或能源来源的变化，是需求响应(demand response，DR)的延伸，可以利用用户对能源的需求变化从而实现IES的供需平衡。多能源聚合商(multi-energy aggregators，MEA)作为多能源交易的载体，可以向上承接多能源交易市场，向下对接多方用户，是IDR的重要参与者。
IDR可以分为价格型(根据时变电价引导用户改变其能源消费模式)与激励型(根据既定基线的需求变化奖励参与用户)，相比于前者，激励型IDR相比于价格具有调节速度较快、调节方式较灵活、调节潜力较大等优点，故研究激励型IDR对IES系统的优化运行具有十分重要的意义。与传统的DR不同，IDR需要考虑供需两侧的双重耦合效应，即MEA侧的能量转换效应和需求侧的电器耦合效应，这使得DR模型不适合直接应用于多能源系统的IDR。供给侧的各种能量转换设备，如热电联产机组、电采暖炉、煤气炉等，都会产生能量转换效应；需求侧的家电耦合效应是用户多重能源消耗的结果，如通过降低空调功率来减少电力，会增加用户对热量的不满成本。为使得IDR策略更加精准有效，需要研究考虑供需双侧耦合效应的IDR机制。
同时，在IDR中存在着供需双侧的不确定性，给IDR项目的实施带来了很大的影响。供给侧的不确定性主要体现在风电、光伏出力的不确定性，表现为可再生能源的实际出力与预测出力存在偏差。需求侧的不确定性主要体现在用户参与IDR的响应行为的不确定性，表现为用户在接收到MEA的激励价格后，用户愿意参与响应，但MEA并不能精准预测参与IDR项目的用户的实际响应量。IDR中的复杂不确定性皆会造成两类风险问题：1)实际响应量超过任务响应量的过响应风险；2)实际响应量低于任务响应量的欠响应风险。过响应和欠响应都会造成实际响应量与任务响应量之间存在偏差。为解决不确定性带来的响应偏差问题，需要对考虑供需双侧多重不确定性的IDR机制展开研究。
在关于供需双侧的耦合效应的研究方面，Shao C等人在《AFramework forIncorporating Demand Response of Smart Buildings Into the Integrated Heat andElectricity Energy System》中将集成负荷的可转移性和能源的可替代性的综合需求响应应用于了基于CHP热电耦合综合能源系统中，将CHP的出力大小作为了需求响应模型的优化变量反映能源间替代关系；Ma L等人在《Real-time rolling horizon energymanagement for the energy-hub-coordinated prosumer community fromacooperative perspective》中提出了一种面向社区能源集线器的IDR模型，所研究的能源集线器能够实现电和气之间的能源转换。Zheng S等人在《Incentive-Based IntegratedDemand Response for Multiple Energy Carriers Considering Behavioral CouplingEffect of Consumers》中通过在需求侧引入耦合矩阵建立了用户用电、用热、用气之间的舒适度耦合关系，但上述研究皆未对需求侧的电器耦合效应进行深入的研究。
在关于供需双侧不确定性的研究方面，针对供给侧的不确定性，Zhao C等人在《Multi-Stage Robust Unit Commitment Considering Wind and Demand ResponseUncertainties》中利用多个随机场景模拟可再生能源的出力不确定性和需求响应中的响应弹性；Zhang X等人在《Hourly Electricity Demand Response in the StochasticDay-Ahead Scheduling of Coordinated Electricity and Natural Gas Networks》中利用了鲁棒优化方法解决风电出力的不确定性和需求响应中价格弹性的不确定性。针对需求侧的不确定性：Alipour M等人在《MINLP Probabilistic Scheduling Model for DemandResponse Programs Integrated Energy Hubs》中对电-气-热IDR进行了建模的过程中考虑了IDR价格的不确定性和用户行为的不确定性。Shahryari E等人在《A copula-basedmethod to consider uncertainties for multi-objective energy management ofmicrogrid in presence of demand response》中利用基于场景的不确定性参数模型描述用户响应量的不确定性。Wu J等人在《中Chance-constrained stochastic congestionmanagement of power systems considering uncertainty of wind power and demandside response》中通过引入服从正态分布的随机噪声对用户的响应量不确定性进行了建模。但上述研究皆未同时考虑用供需双侧的不确定性。
此外，在综合需求响应系统和方法的研究中，下面中国专利申请：孙毅等人在《一种多能源聚合商参与的综合需求响应方法和系统》中提出了一种综合需求响应方法和系统，但该方法和系统并未考虑到供给侧与需求侧的耦合效应与不确定性，并不贴合实际；张晓辉等人在《一种基于改进弱鲁棒优化的电热综合能源系统调度方法》中建立了电热综合需求响应模型，但并未考虑气能源的参与，且并未考虑实际情况下综合能源服务商与用户之间的交互。高红均等人在《基于能源服务商和用户利益分配的运营优化系统和方法》中考虑了能源服务商与用户的交互机制，但并未考虑供需双侧的耦合效应。王磊等人在《一种综合能源系统中负荷调控优先补贴激励方法及系统》中提出了综合能源服务商的激励优化策略，但未考虑实际中供需双侧耦合效应与不确定性对综合能源服务商制定激励策略的影响。孙毅等人在《考虑用户响应特性的综合需求响应优化激励策略》中考虑了用户响应意愿的变化，从而对综合需求响应策略进行优化，然而，只考虑了需求侧的不确定性，并没有考虑到需求侧的耦合效应以及供给侧的不确定性和耦合效应。王磊等人在《考虑需求侧响应不确定性的综合能源系统优化方法及系统》中考虑了用户侧的不确定性，但未考虑需求侧的不确定性以及供需双侧的耦合效应。王维等人在《一种考虑风险成本的区域综合服务商能源运营的优化方法》考虑了用户用能的风险成本，但是所提的风险成本并不能体现用户响应的不确定性。
宫建锋等人的《一种面向多主体利益均衡的微网日前经济调度方法》，高红均等人的《基于多主多从博弈的综合能源服务商零售套餐设计方法》，龙川等人的《一种多园区电-气互联系统优化运行方法及系统》，徐青山等人的《考虑储能多类型服务的用户综合能源系统优化调度方法》均提出了效益模型与方法，但是并未针对于综合需求响应优化领域，也并未能体现供需双侧的耦合效应与不确定性。
综上所述，在IDR中的耦合效应方面，很多文献研究了能量转换效应，而忽略了用户的家电耦合效应。对于IDR中的不确定性，很少有文献综合研究了需求侧用户的响应不确定性和供给侧可再生能源的出力不确定性。此外，现有研究并没有提供有效的方法来解决响应偏差。因此，为实现综合能源系统供需双侧平衡、多能源聚合商与用户良性互动，使IDR策略更加精准有效，本发明提出一种考虑耦合效应与不确定性的综合需求响应系统和方法，具有重要意义。
发明内容
本发明的目的在于提出一种考虑耦合效应与不确定性的综合需求响应系统和方法，以期实现多能源聚合商和用户参与综合需求响应的协同优化，在保障用户用能效益的基础上降低多能源聚合商的响应成本。
为了实现以上目的，本发明提供一种考虑耦合效应与不确定性的综合需求响应系统，所述系统包括：用户模型建立模块、多能源聚合商模型建立模块、综合需求响应问题建立模块、综合需求响应最优策略求解模块；其特征为：
用户模型建立模块：该模块负责构建用户效益模型。通过采集系统所需的用户对能源的使用需求、参与响应的预期最低激励价格等原始用户信息，分析需求侧的耦合效应与不确定性，分别构建用户不满意成本模型与用户响应不确定性模型，并综合构建用户效益模型。将用户效益模型传递至综合需求响应问题建立模块与综合需求响应最优策略求解模块；
多能源聚合商模型建立模块：该模块负责构建多能源聚合商成本模型。通过输入多能源交易市场的目标响应量，分析供给侧的能源耦合关系与不确定性，分别构建多能源聚合商下的能源集线器、可再生能源出力与储能装置模型，并综合构建多能源聚合商成本模型。将多能源聚合商成本模型传递综合需求响应问题建立模块与综合需求响应最优策略求解模块；
综合需求响应问题建立模块：该模块负责构建基于用户与多能源聚合商交互的综合需求响应优化问题。通过整合用户模型建立模块输出的用户效益模型与多能源聚合商模型建立模块输出的多能源聚合商成本模型，根据二者实际交互情况构建包括目标函数和约束条件的综合需求响应优化问题，并将该综合需求响应问题传递至综合需求响应最优策略求解模块，以期得到考虑供需双侧耦合效应和不确定性的最优综合需求响应激励策略；
综合需求响应最优策略求解模块：该模块负责求解综合需求响应问题建立模块输出的综合需求响应问题，通过求得问题的最优均衡解，以实现二者在参与综合需求响应时的利益共赢，实现综合需求响应策略的优化。
本发明还公开一种考虑耦合效应与不确定性的综合需求响应方法，
其特征在于，包括如下步骤：
步骤(1)：采集用户用能信息与响应特性，考虑需求侧的耦合效应与不确定性，构建综合需求响应用户效益模型；
步骤(2)：整合多能源聚合商需要完成的响应目标、可再生能源出力特性以及设备特征等信息，考虑供给侧的耦合效应与不确定性，构建综合需求响应多能源聚合商成本模型；
步骤(3)：综合用户效益模型与多能源聚合商成本模型，基于二者交互机制，构建包括目标函数和约束条件的综合需求响应优化问题；
步骤(4)：以降低多能源聚合商成本、提升用户效益为目标，对综合需求响应优化问题进行唯一最优解求解。
综上所述，本发明的有益效果是：本发明公开一种考虑耦合效应与不确定性的综合需求响应系统和方法，能够实现多能源聚合商与用户的双赢，在降低多能源聚合商的总成本和风险成本、提高用户利润方面具有显著的优势。同时，本发明所提的考虑耦合效应与不确定性的综合需求响应系统和方法相比于现有技术，其优点在于：(1)针对供需双侧的耦合效应问题，建立耦合响应特性矩阵实现对供给侧能源耦合效应与需求侧电器耦合效应的有效建模。(2)针对供需双侧的不确定性所导致的响应偏差问题，本发明通过对综合储能设备模型进行改进，在多能源聚合商模型中考虑了风险成本；(3)针对求解算法的高效性，本发明提出了一种模型等价方法，将原模型转化为易求解的单目标确定型规划模型。不仅有助于降低多能源聚合商的风险成本和总成本，还能提升用户参与综合需求响应的效益，实现多能源聚合商与用户的双赢。
附图说明
图1为一种考虑耦合效应与不确定性的综合需求响应系统架构图；
图2为一种考虑耦合效应与不确定性的综合需求响应方法步骤流程图；
图3为一种考虑耦合效应与不确定性的综合需求响应方法典型能源集线器示意图。
具体实施方式
下面结合附图所示的各实施方式对本发明进行详细说明，但应当说明的是，这些实施方式并非对本发明的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本发明的保护范围之内。
实施例1
参考图1，本发明提供一种考虑耦合效应与不确定性的综合需求响应系统，所述系统包括：用户模型建立模块、多能源聚合商模型建立模块、综合需求响应问题建立模块、综合需求响应最优策略求解模块。
用户模型建立模块：该模块负责构建用户效益模型。通过采集系统所需的用户对能源的使用需求、参与响应的预期最低激励价格等原始用户信息，分析需求侧的耦合效应与不确定性，分别构建用户不满意成本模型与用户响应不确定性模型，并综合构建用户效益模型。将用户效益模型传递至综合需求响应问题建立模块与综合需求响应最优策略求解模块。
多能源聚合商模型建立模块：该模块负责构建多能源聚合商成本模型。通过输入多能源交易市场的目标响应量，分析供给侧的能源耦合关系与不确定性，分别构建多能源聚合商下的能源集线器、可再生能源出力与储能装置模型，并综合构建多能源聚合商成本模型。将多能源聚合商成本模型传递综合需求响应问题建立模块与综合需求响应最优策略求解模块；
综合需求响应问题建立模块：该模块负责构建基于用户与多能源聚合商交互的综合需求响应优化问题。通过整合用户模型建立模块输出的用户效益模型与多能源聚合商模型建立模块输出的多能源聚合商成本模型，根据二者实际交互情况构建包括目标函数和约束条件的综合需求响应优化问题，并将该综合需求响应问题传递至综合需求响应最优策略求解模块，以期得到考虑供需双侧耦合效应和不确定性的最优综合需求响应激励策略；
综合需求响应最优策略求解模块：该模块负责求解综合需求响应问题建立模块输出的综合需求响应问题，通过求得问题的最优均衡解，以实现二者在参与综合需求响应时的利益共赢，实现综合需求响应策略的优化。
实施例2
参考图2，本发明提供一种考虑耦合效应与不确定性的综合需求响应方法，其特征在于，包括如下步骤：
步骤(1)：采集用户用能信息与响应特性，考虑需求侧的耦合效应与不确定性，构建综合需求响应用户效益模型：
首先，构建考虑需求侧家电耦合效应的用户不满意成本模型：
记用户集合的为
Figure BDA0003999739380000091
综合需求响应的时间集合为/>
Figure BDA0003999739380000092
Figure BDA0003999739380000093
e，h，k分别代表电、热、气三种能源。采集用户响应特性的相关参数：θi,k＝[θe,i,k,θh,i,k,θg,i,k]T、λi,k＝[λe,i,k,λh,i,k,λg,i,k]T，其中，θi,k表示用户用能意愿，该值越高表示用户响应这种能源的意愿越低；λi,k表示用户i在k时段可接受的最低激励价格。
则表示用户i参与综合需求响应的用能舒适度损失的用户不满意成本模型可基于微观经济学的相关理论构造为一个二次函数，用户不满意成本模型如式(1)所示。
Figure BDA0003999739380000094
其中，ωi,k＝[ωe,i,k,ωh,i,k,ωg,i,k]T表示用户i在k时段的用能舒适度损失权重。ρi,k表示用户的响应权重类型指示参数，若为削减IDR，其值设为1，若为消纳型IDR其值为
Figure BDA0003999739380000095
为用户i的响应耦合矩阵，表示需求侧的家电耦合效应。响应耦合矩阵被建立为了一个所有元素的值均大于0的对角占优矩阵，意味着用户的响应量越多，用户的舒适度损失越大，并且不同能源的响应主要影响自身能源的用能舒适度，而对其他能源的舒适度的影响较为间接；定义yi＝Bixi表示用户i的感官响应量，若不考虑需求侧的家电耦合效应，即Bi为单位矩阵，感官响应量与用户的实际响应量相等，若考虑到了需求侧的响应耦合效应后感官响应量与用户的实际响应量一般不相等。si,k＝[si,e,k,si,h,k,si,g,k]T表示感官响应量的类型指示参数。动态参数ρi,k和si,k可用下式表示：
Figure BDA0003999739380000101
si,k＝sgn(Bi,kxi,k)(3)
其中，sgn()为符号函数，diag()为建立对角阵函数。
其次，引入随机变量用户响应比建立用户响应不确定性模型：
ξi,k为用户响应比，表示参与IDR用户的实际响应量与估计响应之间的比值，服从正态分布：
Figure BDA0003999739380000102
Figure BDA0003999739380000103
式中：
Figure BDA0003999739380000104
表示考虑到用户的响应不确定性后k时段用户i的实际响应量；xi,k＝[xe,i,k,xh,i,k,xg,i,k]T代表用户i在k时段的响应量，包括电响应量、热响应量与气响应量。μi,k＝[μi,e,k,μi,h,k,μi,g,k]T，σi,k＝[σi,e,k,σi,h,k,σi,g,k]T分别为向量中各元素的期望和方差。
用户响应不确定性模型如式(6)所示，考虑用户的响应量不确定性后的实际响应量为：
Figure BDA0003999739380000105
由于ξi,k为随机变量，所以考虑用户响应量不确定性后的用户的实际响应量也为一组随机变量。
最后，根据用户不满意成本模型与用户响应不确定性模型，构建考虑用户不确定性与耦合效应的综合需求响应用户效益模型：
设θeq,i,k＝(ρi,k·ωi,k·θi,k)，λeq,i,k＝(ρi,k·ωi,k·λi,k)为辅助变量，则构建用户效益模型如式(7)-(9)所示。
Figure BDA0003999739380000111
Figure BDA0003999739380000115
Figure BDA0003999739380000112
其中，Ui,k()代表k时段用户i参与综合需求响应获得的效益；pi,k＝[pe,i,k,ph,i,k,pg,i,k]T代表多能源聚合商下发的电激励价格、热激励价格与气激励价格；xi,k＝[xe,i,k,xh,i,k,xg,i,k]T代表用户i在k时段的响应量，包括电响应量、热响应量与气响应量。当xi,k＜0时，即用户参与消纳型IDR，当xi,k＞0时，用户参与削减型IDR。
Figure BDA0003999739380000113
与/>
Figure BDA0003999739380000114
分别为用户i在k时段的最小和最大响应功率。sMEA,k＝[sMEA,e,k,sMEA,h,k,sMEA,g,k]T表示MEA发布的IDR的类型指示参数，若为削减型IDR，则其对应元素的值为1，若为消纳型IDR，则其对应元素的值为-1。
步骤(2)：整合多能源聚合商需要完成的响应目标、可再生能源出力特性以及设备特征等信息，考虑供给侧的耦合效应与不确定性，构建综合需求响应多能源聚合商成本模型；
首先，基于包含变压器、热电联产机组、电锅炉与燃气轮机的典型能源集线器设备，建立多能源聚合商的能源集线器模型：
参考图3，本发明提供一种考虑耦合效应与不确定性的综合需求响应方法典型能源集线器示意图。电能通过变压器输入，并可以通过电锅炉将部分电能转化为热能；气能可以通过燃气轮机转化为电能以及通过热电联产设备转化为电能和热能；热能可以由电锅炉和热电联产设备转化成的热能。
构建能源集线器的模型如式(10)-(13)所示：
Lout ＝CPin (10)
其中，Lout为输出功率，Pin为输入功率，C为图3所示能源集线器的能源耦合矩阵：
Figure BDA0003999739380000121
其中，v＝[v1,v2,v3]T表示能源集线器的调度因子；
Figure BDA0003999739380000122
Figure BDA0003999739380000123
和/>
Figure BDA0003999739380000124
分别表示变压器、燃气轮机、电锅炉、热电联产的效率参数。
则能源集线器的功率平衡公式如(12)-(13)所示：
Figure BDA0003999739380000125
其中，
Figure BDA0003999739380000126
即为多能源聚合商需要完成的响应目标，L0,k＝[Le,0,k,Lh,0,k,Lg,0,k]T代表k时段的基线负荷。/>
Figure BDA0003999739380000127
为预期的总响应目标。
Figure BDA0003999739380000128
Figure BDA0003999739380000129
为k时段储能的实际响应功率。
其次，构建考虑可再生能源出力不确定性的可再生能源出力模型：
由于可再生能源的出力具有不确定性，因此构建包括风能、光伏等可再生能源出力模型如式(14)-(15)所示：
Figure BDA00039997393800001210
其中，
Figure BDA00039997393800001211
表示可再生能源出力的预测误差，定义为预测出力与实际出力之差，服从正态分布，即：
Figure BDA00039997393800001212
Ok＝[Oe,k,Oh,k,Og,k]T
Figure BDA0003999739380000131
分别为k时段的预测出力与实际出力，
Figure BDA0003999739380000132
与/>
Figure BDA0003999739380000133
为该正态分布的期望与方差参数。
再次，构建考虑储能补偿响应偏差的多能源聚合商储能设备模型：
利用储能设备有两个优点：(1)通过谷时充电、高峰时放电来降低多能源聚合商的成本，即转移能源利用周期。(2)在给定置信水平下，补偿响应偏差。Gk＝[Ge,k,Gh,k,Gg,k]T定义为储能设备在k时段的充电功率，如果Gk大于零，则储能设备处于充电状态，否则为放电状态。考虑充放电效率与功率平衡约束，构建储能设备模型如式(16)-(24)所示：
Figure BDA0003999739380000134
Figure BDA0003999739380000135
0≤Sk≤Smax(18)
Figure BDA0003999739380000136
其中，
Figure BDA0003999739380000137
为k时段储能的实际响应功率；S0＝[Se,0,Sh,0,Sg,0]T为储能设备的初始荷电状态，即剩余容量占储能设备容量的比值，Sk＝[Se,k,Sh,k,Sg,k]T为k时段储能设备的荷电状态；ηk＝[ηe,k,ηh,k,ηg,k]T为k时段储能设备的充放电效率。如果储能设备处于充电状态，则ηk＝ηc，否则ηk＝ηdc。Smax为储能设备的最大容量。sgn()表示符号函数。
对于在一定置信度水平下补偿总响应功率偏差，可以得到以下约束条件：
Figure BDA0003999739380000141
Figure BDA0003999739380000142
其中，ζk＝[ζe,k,ζh,k,ζg,k]T为k时段的总响应偏差，定义为：
Figure BDA0003999739380000143
β为置信度水平，用于衡量消除响应偏差的可靠性。Pr()表示概率函数。(20)中的不等式约束表示可以通过储能放电来补充不足的响应功率，(21)中的不等式约束表示可以通过储能充电来吸收多余的响应功率。式(20)和(21)可以整合为：
Figure BDA0003999739380000144
为了保证储能设备的连续性，还应保持全时段储能状态不变：
Figure BDA0003999739380000145
Figure BDA0003999739380000146
表示求期望公式。
最后，综合能源集线器模型、可再生能源出力模型与储能设备模型，构建考虑供给侧不确定性与耦合效应的多能源聚合商成本模型：
构建多能源聚合商成本模型如式(25)所示：
Figure BDA0003999739380000151
s.t.(12)-(18)、(22)-(24)
其中，CMEA()即为多能源聚合商的总成本，由下发给用户的总激励成本、响应偏差带来的风险成本组成。[]+为负值筛选器(输入值为正则输出值不变，输入值为负则输出值为零)。κ＝[κe,κh,κg]T为多能源服务商不能完成响应目标产生的惩罚成本的惩罚系数。
步骤(3)：综合用户效益模型与多能源聚合商成本模型，基于二者交互机制，构建包括目标函数和约束条件的综合需求响应优化问题：
多能源聚合商为价格制定者的角色，以激励价格刺激用户参与响应；用户为价格接受者，在接收到激励价格后调整自己的响应量，因此，建立综合需求响应优化问题如式(26)所示：
Figure BDA0003999739380000152
s.t.(12)-(18)、(22)-(24)
Figure BDA0003999739380000153
该综合需求响应优化问题为一个双层随机规划问题。
步骤(4)：以降低多能源聚合商成本、提升用户效益为目标，对综合需求响应优化问题进行唯一最优解求解。
首先，将步骤(3)所述的包括目标函数和约束条件的综合需求响应优化问题转化为等价的单目标随机规划问题：
下层(7)-(9)用户模型的决策变量为xi,k。由于Bi,k为非奇异矩阵、θeq,i,k＝(ρi,k·ωi,k·θi,k)为非负矩阵，
Figure BDA0003999739380000161
也为非奇异矩阵。因此子问题(7)的Hessian矩阵为非负矩阵。因此，子问题(7)目标函数是一个严格凹函数，有且只有一个最优解。
对子问题(7)求变量xi,k的一阶偏导可得最优解：
Figure BDA0003999739380000162
令式(27)等于零，则可得(7)-(9)的最优解如式(28)-(30)所示：
Figure BDA0003999739380000163
Figure BDA0003999739380000164
Figure BDA0003999739380000165
其中，Wi,k为辅助变量。
将(26)的子问题替换为(28)-(30)，可得到等价的单目标随机规划问题如式(31)所示：
Figure BDA0003999739380000166
s.t.(12)-(18)、(22)-(24)、(28)-(30)
其次，将单目标随机规划问题进一步转化为等价的确定规划问题：
由于ξi,k、
Figure BDA0003999739380000171
服从正态分布，则ζk也服从正态分布，可得下式：
Figure BDA0003999739380000172
进而简化公式为：
Figure BDA0003999739380000173
其中，为描述简单，设定辅助变量：
Figure BDA0003999739380000174
Figure BDA0003999739380000175
基于以上公式，随机规划问题(31)可等效为(34)-(42)：
Figure BDA0003999739380000176
Figure BDA0003999739380000177
Figure BDA0003999739380000178
Figure BDA0003999739380000179
Figure BDA00039997393800001710
Figure BDA00039997393800001711
Figure BDA00039997393800001712
Figure BDA0003999739380000181
0≤vk≤1(42)
其中，Φ()为标准正态分布的分布函数。
最后，利用IPOPT求解器求解所述的等价确定规划问题，求得综合需求响应优化问题最优解。
利用IPOPT求解器求解等效问题(34)-(42)，求解得决策变量为：xi,k，Gk，vk。即得到综合需求响应优化问题的唯一最优解。
综上所述，本发明公开一种考虑耦合效应与不确定性的综合需求响应系统和方法。经过与不考虑供需双侧耦合效应与不确定性的系统与方法进行仿真分析对比，仿真结果验证本发明的系统和方法最终得到的综合需求响应优化问题最优解具有更优的性能：首先，本发明的系统和方法能够大幅度提高多能源聚合上在激励策略制定方面的准确性，可以有效控制响应偏差，降低多能源聚合上的成本；其次，相较于其他系统与方法，本发明的系统和方法更能够保证用户的用能舒适度，提升用能效益。因此，本发明所提的一种考虑耦合效应与不确定性的综合需求响应系统和方法能够有效实现多能源聚合商与用户的双赢。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明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本发明的原理，在不脱离本发明精神和范围的前提下本发明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发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。

Claims (9)

1.一种考虑耦合效应与不确定性的综合需求响应方法，其特征在于，包括如下步骤：
步骤(1)：采集用户用能信息与响应特性，考虑需求侧的耦合效应与不确定性，构建综合需求响应用户效益模型；
步骤(2)：整合多能源聚合商需要完成的响应目标、可再生能源出力特性以及设备特征等信息，考虑供给侧的耦合效应与不确定性，构建综合需求响应多能源聚合商成本模型；
步骤(3)：综合用户效益模型与多能源聚合商成本模型，基于二者交互机制，构建包括目标函数和约束条件的综合需求响应优化问题；
步骤(4)：以降低多能源聚合商成本、提升用户效益为目标，对综合需求响应优化问题进行唯一最优解求解。
2.根据权利要求1所述的考虑耦合效应与不确定性的综合需求响应方法，其特征在于：所述步骤(1)进一步包括如下内容：
(3-1)构建考虑需求侧家电耦合效应的用户不满意成本模型；
(3-2)引入随机变量用户响应比建立用户响应不确定性模型；
(3-3)根据用户不满意成本模型与用户响应不确定性模型构建考虑用户不确定性与耦合效应的综合需求响应用户效益模型。
3.根据权利要求2所述的考虑耦合效应与不确定性的综合需求响应方法，其特征在于：所述(3-1)中，表示需求侧家电耦合效应的用户不满意成本模型为：
Figure FDA0003999739370000021
其中，
Figure FDA0003999739370000022
为用户集合，/>
Figure FDA0003999739370000023
为综合需求响应的时间集合，e，h，k分别代表电、热、气三种能源；θi,k＝[θe,i,k,θh,i,k,θg,i,k]T表示用户用能意愿，λi,k＝[λe,i,k,λh,i,k,λg,i,k]T表示用户i在k时段可接受的最低激励价格；ωi,k＝[ωe,i,k,ωh,i,k,ωg,i,k]T表示用户i在k时段的用能舒适度损失权重；ρi,k表示用户的响应权重类型指示参数，若为削减IDR，其值设为1，若为消纳型IDR其值为/>
Figure FDA0003999739370000024
Figure FDA0003999739370000025
为用户i的响应耦合矩阵，表示需求侧的家电耦合效应；定义yi＝Bixi表示用户i的感官响应量；si,k＝[si,e,k,si,h,k,si,g,k]T表示感官响应量的类型指示参数。
4.根据权利要求2所述的考虑耦合效应与不确定性的综合需求响应方法，其特征在于：所述(3-2)中表示用户响应不确定性模型为：
Figure FDA0003999739370000026
其中，ξi,k为用户响应比，表示参与IDR用户的实际响应量与估计响应之间的比值，服从正态分布；
Figure FDA0003999739370000027
表示考虑到用户的响应不确定性后k时段用户i的实际响应量；xi,k＝[xe,i,k,xh,i,k,xg,i,k]T代表用户i在k时段的响应量，包括电响应量、热响应量与气响应量。
5.根据权利要求1所述的考虑耦合效应与不确定性的综合需求响应方法，其特征在于：所述步骤(2)进一步包括如下内容：
(4-1)基于包含变压器、热电联产机组、电锅炉与燃气轮机的典型能源集线器设备，建立多能源聚合商的能源集线器模型；
(4-2)构建考虑可再生能源出力不确定性的可再生能源出力模型；
(4-3)构建考虑储能补偿响应偏差的多能源聚合商储能设备模型；
(4-4)综合能源集线器模型、可再生能源出力模型与储能设备模型，构建考虑供给侧不确定性与耦合效应的多能源聚合商成本模型。
6.根据权利要求5所述的考虑耦合效应与不确定性的综合需求响应方法，其特征在于：所述(4-1)中，表示能源集线器模型为：
Lout＝CPin
Figure FDA0003999739370000031
Figure FDA0003999739370000032
Figure FDA0003999739370000033
其中，Lout为能源集线器输出功率，Pin为能源集线器的输入功率，C为典型能源集线器的能源耦合矩阵，v＝[v1,v2,v3]T表示能源集线器的调度因子；
Figure FDA0003999739370000034
和/>
Figure FDA0003999739370000035
分别表示变压器、燃气轮机、电锅炉、热电联产的效率参数；/>
Figure FDA0003999739370000036
即为多能源聚合商需要完成的响应目标，L0,k＝[Le,0,k,Lh,0,k,Lg,0,k]T代表k时段的基线负荷；
Figure FDA0003999739370000037
为预期的总响应目标；/>
Figure FDA0003999739370000038
为k时段储能的实际响应功率；/>
Figure FDA0003999739370000039
表示求期望公式。
7.根据权利要求6所述的考虑耦合效应与不确定性的综合需求响应方法，其特征在于：所述(4-2)中，表示可再生能源出力模型为：
Figure FDA00039997393700000310
其中，
Figure FDA00039997393700000311
表示可再生能源出力的预测误差，定义为预测出力与实际出力之差，服从正态分布；Ok＝[Oe,k,Oh,k,Og,k]T/>
Figure FDA0003999739370000041
分别为k时段的预测出力与实际出力。
8.根据权利要求1所述的考虑耦合效应与不确定性的综合需求响应方法，其特征在于：所述步骤(4)进一步包括如下内容：
(12-1)将步骤(3)所述的包括目标函数和约束条件的综合需求响应优化问题转化为等价的单目标随机规划问题；
(12-2)将(12-1)的单目标随机规划问题进一步转化为等价确定规划问题；
(12-3)利用IPOPT求解器求解(12-2)所述的等价确定规划问题，求得综合需求响应优化问题最优解。
9.一种考虑耦合效应与不确定性的综合需求响应系统，所述系统包括：用户模型建立模块、多能源聚合商模型建立模块、综合需求响应问题建立模块、综合需求响应最优策略求解模块，其特征为：
用户模型建立模块：该模块负责构建用户效益模型；通过采集系统所需的用户对能源的使用需求、参与响应的预期最低激励价格原始用户信息，分析需求侧的耦合效应与不确定性，分别构建用户不满意成本模型与用户响应不确定性模型，并综合构建用户效益模型；将用户效益模型传递至综合需求响应问题建立模块与综合需求响应最优策略求解模块；
多能源聚合商模型建立模块：该模块负责构建多能源聚合商成本模型；通过输入多能源交易市场的目标响应量，分析供给侧的能源耦合关系与不确定性，分别构建多能源聚合商下的能源集线器、可再生能源出力与储能装置模型，并综合构建多能源聚合商成本模型；将多能源聚合商成本模型传递综合需求响应问题建立模块与综合需求响应最优策略求解模块；
综合需求响应问题建立模块：该模块负责构建基于用户与多能源聚合商交互的综合需求响应优化问题；通过整合用户模型建立模块输出的用户效益模型与多能源聚合商模型建立模块输出的多能源聚合商成本模型，根据二者实际交互情况构建包括目标函数和约束条件的综合需求响应优化问题，并将该综合需求响应问题传递至综合需求响应最优策略求解模块，以期得到考虑供需双侧耦合效应和不确定性的最优综合需求响应激励策略；
综合需求响应最优策略求解模块：该模块负责求解综合需求响应问题建立模块输出的综合需求响应问题，通过求得问题的最优均衡解，以实现二者在参与综合需求响应时的利益共赢，实现综合需求响应策略的优化。
CN202211637541.6A 2022-12-14 2022-12-14 考虑耦合效应与不确定性的综合需求响应系统及其方法 Pending CN116432807A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211637541.6A CN116432807A (zh) 2022-12-14 2022-12-14 考虑耦合效应与不确定性的综合需求响应系统及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211637541.6A CN116432807A (zh) 2022-12-14 2022-12-14 考虑耦合效应与不确定性的综合需求响应系统及其方法

Publications (1)

Publication Number Publication Date
CN116432807A true CN116432807A (zh) 2023-07-14

Family

ID=87084333

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211637541.6A Pending CN116432807A (zh) 2022-12-14 2022-12-14 考虑耦合效应与不确定性的综合需求响应系统及其方法

Country Status (1)

Country Link
CN (1) CN116432807A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117526315A (zh) * 2023-12-29 2024-02-06 常州金坛金能电力有限公司 多能源微电网系统的优化配置方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117526315A (zh) * 2023-12-29 2024-02-06 常州金坛金能电力有限公司 多能源微电网系统的优化配置方法及装置
CN117526315B (zh) * 2023-12-29 2024-03-26 常州金坛金能电力有限公司 多能源微电网系统的优化配置方法及装置

Similar Documents

Publication Publication Date Title
Celik et al. Decentralized neighborhood energy management with coordinated smart home energy sharing
Erdinc et al. Smart household operation considering bi-directional EV and ESS utilization by real-time pricing-based DR
Merdanoğlu et al. Finding optimal schedules in a home energy management system
Zheng et al. Incentive-based integrated demand response for multiple energy carriers under complex uncertainties and double coupling effects
Liu et al. Hybrid energy sharing for smart building cluster with CHP system and PV prosumers: A coalitional game approach
Zheng et al. Coordination of commercial prosumers with distributed demand-side flexibility in energy sharing and management system
Mahmud et al. Multiple home-to-home energy transactions for peak load shaving
Rodríguez et al. Heuristic optimization of clusters of heat pumps: A simulation and case study of residential frequency reserve
US20220036392A1 (en) Deep Reinforcement Learning Based Real-time scheduling of Energy Storage System (ESS) in Commercial Campus
Sobhani et al. An integrated two-level demand-side management game applied to smart energy hubs with storage
Zhao et al. Peer-to-peer energy sharing with demand-side management for fair revenue distribution and stable grid interaction in the photovoltaic community
Li et al. Electricity scheduling optimisation based on energy cloud for residential microgrids
Arab et al. Suitable various-goal energy management system for smart home based on photovoltaic generator and electric vehicles
Ramos et al. Potential for exploiting the synergies between buildings through DSM approaches. Case study: La Graciosa Island
CN116231655A (zh) 一种计及源-荷多类型备用的虚拟电厂双层优化调度方法
Saber et al. A user-friendly transactive coordination model for residential prosumers considering voltage unbalance in distribution networks
Dewangan et al. An improved decentralized scheme for incentive-based demand response from residential customers
Hayati et al. A two-stage stochastic optimization scheduling approach for integrating renewable energy sources and deferrable demand in the spinning reserve market
CN116961044A (zh) 基于模糊机会约束规划广义共享储能优化配置方法及系统
Zhu et al. Stochastic gradient-based fast distributed multi-energy management for an industrial park with temporally-coupled constraints
CN116432807A (zh) 考虑耦合效应与不确定性的综合需求响应系统及其方法
Nourizadeh et al. Customer-oriented scheduling of active distribution system considering integrated demand response programs and multi-carrier energy hubs
Liu Low-carbon scheduling research of integrated energy system based on Stackelberg game under sharing mode
CN116739370A (zh) 一种综合能源系统成本计算方法、装置及综合能源系统
Wu et al. Distributed energy trading on networked energy hubs under network constraints

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