CN116544930B - 一种分布式资源聚合体可调节能力评估方法及装置 - Google Patents

一种分布式资源聚合体可调节能力评估方法及装置 Download PDF

Info

Publication number
CN116544930B
CN116544930B CN202310744865.8A CN202310744865A CN116544930B CN 116544930 B CN116544930 B CN 116544930B CN 202310744865 A CN202310744865 A CN 202310744865A CN 116544930 B CN116544930 B CN 116544930B
Authority
CN
China
Prior art keywords
time
distributed resource
power
distributed
bound
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
Application number
CN202310744865.8A
Other languages
English (en)
Other versions
CN116544930A (zh
Inventor
冯华
金文德
孙宏斌
尹峰
章寒冰
叶吉超
丁宁
占震滨
郭庆来
王彬
潘昭光
李乃一
赵汉鹰
吴晓刚
王笑棠
张程翔
郑可轲
黄慧
胡鑫威
朱利锋
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.)
Tsinghua University
State Grid Zhejiang Electric Power Co Ltd
Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd
Lishui Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Tsinghua University
State Grid Zhejiang Electric Power Co Ltd
Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd
Lishui Power Supply Co 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 Tsinghua University, State Grid Zhejiang Electric Power Co Ltd, Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd, Lishui Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical Tsinghua University
Priority to CN202310744865.8A priority Critical patent/CN116544930B/zh
Publication of CN116544930A publication Critical patent/CN116544930A/zh
Application granted granted Critical
Publication of CN116544930B publication Critical patent/CN116544930B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • G06Q10/0639—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
    • 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
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/62—The condition being non-electrical, e.g. temperature
    • H02J2310/64—The condition being economic, e.g. tariff based load management

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种分布式资源聚合体可调节能力评估方法及装置，所述方法包括：获取用于表征电力系统中分布式能源信息的分布式资源；根据所述分布式资源的个体参数，构建所述分布式资源的原始聚合模型；基于消费者心理模型、所述分布式资源参与延时调度方案的响应度以及所述分布式资源的激励，构建用户参与度模型；基于预先获取的用户参与延时用电方案的意愿度、所述原始聚合模型以及所述用户参与度模型，构建所述分布式资源的用户意愿聚合模型；根据所述用户意愿聚合模型和所述个体参数，评估所述分布式资源的聚合体的可调节能力。本发明能够更精准地评估分布式资源的可调节能力，提高评估效率。

Description

一种分布式资源聚合体可调节能力评估方法及装置
技术领域
本发明涉及电力系统领域，尤其涉及一种分布式资源聚合体可调节能力评估方法及装置。
背景技术
分布式资源的种类繁多，主要可分为以下几类：储能型负载、空调负载、可延迟负载（Deferrable Loads, DLs）等。目前，分布式资源已在许多电力系统应用中得到开发，如经济调度、可再生能源发电、频率控制、能量平衡和备用服务等。这些研究的结果共同表明，灵活负载的利用可以有效地提高电力系统的灵活性。
然而，如电动汽车、空调一类的海量小容量分布式资源很难直接参与经济调度或电力市场。这里主要有两个原因：首先，大规模的电力工业消费者可以改变他们的用电模式，积极参与需求响应，以获得可观的激励。但对于小型电力消费者，他们对电力系统的个人影响通常很低，其用电模式的变化对他们的利益几乎没有影响。因此，海量分布式资源参与电力系统优化运行的动机很小。其次，海量分布式资源给电力系统的优化带来了沉重的计算负担，当这些个体直接参与系统调度或电力市场时，系统运营商需要解决一个相当复杂的高维优化问题，从而需要对这些海量分布式资源进行聚合并评估其可调节能力。而现有技术中的聚合方法，通常使用聚合器的可行区域大于真实可行区域从而导致实际不可行的内部近似法，或者计算效率低、复杂度高的完全二叉树法。
发明内容
本发明实施例提出了一种分布式资源聚合体可调节能力评估方法及装置，通过基于分布式资源建立数学模型，并结合消费者心理模型和用户参与延时用电方案的意愿度，对分布式资源的聚合体的可调节能力进行评估，从而提高系统运行的经济性，以及提高评估效率。
为了实现上述目的，本发明实施例提供了一种分布式资源聚合体可调节能力评估方法，包括：
获取用于表征电力系统中分布式能源信息的分布式资源；
根据所述分布式资源的个体参数，构建所述分布式资源的原始聚合模型；
基于消费者心理模型、所述分布式资源参与延时调度方案的响应度以及所述分布式资源的激励，构建用户参与度模型；
基于预先获取的用户参与延时用电方案的意愿度、所述原始聚合模型以及所述用户参与度模型，构建所述分布式资源的用户意愿聚合模型；
根据所述用户意愿聚合模型和所述个体参数，评估所述分布式资源的聚合体的可调节能力。
进一步的，所述个体参数包括开始用电时间、结束用电时间、最大用电功率、最大用电需求量、最低用电需求量和实际用电需求量；则，所述根据所述分布式资源的个体参数，构建所述分布式资源的原始聚合模型，具体包括：基于所述开始用电时间、结束用电时间、最大用电功率、最大用电需求量、最低用电需求量和实际用电需求量，构建所述分布式资源的个体可行域模型；计算所述个体可行域模型的运行边界，以构建所述原始聚合模型。
进一步的，所述基于消费者心理模型、所述分布式资源参与延时调度方案的响应度以及所述分布式资源的激励，构建用户参与度模型，具体包括：基于所述分布式资源参与延时调度方案的响应度以及所述分布式资源的激励，构建线性数学模型；基于消费者心理模型以及所述分布式资源的激励，采用三角隶属函数构建正态分布随机变量；其中，所述正态分布随机变量用于表征所述分布式资源的需求侧响应不确定性，所述正态分布随机变量的标准差满足预设的第一约束条件；基于所述线性数学模型以及所述正态分布随机变量，构建用户参与度模型。
进一步的，所述个体可行域模型包括能量上界、能量下界、功率上界和功率下界；所述能量上界具体为式（1），所述能量下界具体为式（2）：
；（1）
；（2）
所述功率上界具体为式（3），所述功率下界具体为式（4）：
；（3）
；（4）
其中，t为用电时刻，为第i个分布式资源在t时刻的能量上界，/>为第i个分布式资源在t时刻的能量下界，/>为开始用电时间，/>为结束用电时间，/>为最大用电功率，/>为第i个分布式资源的最大用电功率，/>为第i个分布式资源的最大用电需求量，/>为第i个分布式资源的最低用电需求量，/>为第i个分布式资源的实际用电需求量，/>为所述分布式资源的数据采样周期，/>为第i个分布式资源在时刻的功率上界，/>为第i个分布式资源在t时刻的功率下界。
进一步的，所述原始聚合模型具体为式（5）：
；（5）
其中，为所述分布式资源的聚合体的数据更新周期，/>为所述分布式资源的全体集合，/>为所述分布式资源在t时刻的能量下界，/>为所述分布式资源在t时刻的能量上界，/>为所述分布式资源在t时刻的能量，/>为所述分布式资源在t时刻的功率下界，/>为所述分布式资源在t时刻的功率上界，/>为所述分布式资源在t时刻的功率。
进一步的，所述响应度包括实际响应度和最大响应度，所述分布式资源的激励包括分布式资源聚合运营商提供的实际激励价格和最大激励价格；所述线性数学模型具体为式（6）：
；（6）
其中，为所述分布式资源在t时刻参与延时调度方案的实际响应度，/>为所述分布式资源参与延时调度方案的最大响应度，/>为在t时刻的所述实际激励价格，为在t时刻的所述最大激励价格。
进一步的，所述正态分布随机变量具体为；
所述正态分布随机变量的标准差具体为式（7）：
；（7）
所述第一约束条件具体为式（8）：
；（8）
所述用户参与度模型具体为式（9）和（10）：
；（9）
；（10）
其中，为三角隶属函数的转折点，/>为三角隶属函数的第一比例系数，/>为三角隶属函数的第二比例系数，/>为所述分布式资源参与延时调度方案的最大响应度，为在t时刻的所述实际激励价格，/>为在t时刻的所述最大激励价格，/>为激励转折点的指示变量，/>为/>的逻辑取反，/>为满足标准正态分布的随机变量。
进一步的，所述用户意愿聚合模型具体为式（11）：
；（11）
其中，为在t时刻能量上界在用户参与延时用电方案后的能量可行域的正增益系数，/>为在t时刻能量下界在用户参与延时用电方案后的能量可行域的正增益系数，为在t时刻功率上界在用户参与延时用电方案后的功率可行域的正增益系数，/>为在t时刻功率下界在用户参与延时用电方案后的功率可行域的正增益系数，/>为用户参与延时用电方案的规定延时时长，/>为所述分布式资源在t时刻的能量下界，/>为所述分布式资源在t时刻的能量上界，/>为所述分布式资源在t时刻的功率下界，/>为所述分布式资源在t时刻的功率上界，/>为所述分布式资源的全体集合，/>为在用户参与延时用电方案后所述分布式资源在t时刻的能量下界，/>为在用户参与延时用电方案后所述分布式资源在t时刻的能量上界，/>为在用户参与延时用电方案后所述分布式资源在t时刻的功率下界，/>为在用户参与延时用电方案后所述分布式资源在t时刻的功率上界。
进一步的，所述根据所述用户意愿聚合模型和所述个体参数，评估所述分布式资源的聚合体的可调节能力，具体包括：基于所述用户意愿聚合模型和所述个体参数，采用机器学习算法预测所述分布式资源的聚合体在预设的第一时间段内的第一运行边界；其中，所述第一运行边界用于所述分布式资源的日前可调度能力的评估以及日前优化调度；基于所述用户意愿聚合模型和采集到的接入电网的实时分布式资源数据，确定所述分布式资源的聚合体在所述第一时间段的起始时间点的第二运行边界；其中，所述第二运行边界用于电网的实时运行优化；基于所述第一运行边界和所述第二运行边界，进行计算以评估所述分布式资源的聚合体的可调节能力。
进一步的，所述分布式资源的聚合体的可调节能力包括第一能量可行域和第一功率可行域，所述第一运行边界包括第一能量边界和第一功率边界，所述第二运行边界包括第二能量边界和第二功率边界；所述可调节能力具体为式（12）：
；（12）
其中，为在所述第一时间段内的所述第一能量可行域，/>为在所述第一时间段内的所述第一功率可行域，/>为所述第一能量边界，/>为所述第一功率边界，/>为所述第二能量边界，/>为所述第二功率边界。
本发明实施例还提供了一种分布式资源聚合体可调节能力评估装置，包括：
资源获取模块，用于获取用于表征电力系统中分布式能源信息的分布式资源；
原始聚合模型构建模块，用于根据所述分布式资源的个体参数，构建所述分布式资源的原始聚合模型；
用户参与度模型构建模块，用于基于消费者心理模型、所述分布式资源参与延时调度方案的响应度以及所述分布式资源的激励，构建用户参与度模型；
用户意愿聚合模型构建模块，用于基于预先获取的用户参与延时用电方案的意愿度、所述原始聚合模型以及所述用户参与度模型，构建所述分布式资源的用户意愿聚合模型；
评估模块，用于根据所述用户意愿聚合模型和所述个体参数，评估所述分布式资源的聚合体的可调节能力。
进一步的，所述个体参数包括开始用电时间、结束用电时间、最大用电功率、最大用电需求量、最低用电需求量和实际用电需求量；则，所述原始聚合模型构建模块，用于根据所述分布式资源的个体参数，构建所述分布式资源的原始聚合模型，具体包括：基于所述开始用电时间、结束用电时间、最大用电功率、最大用电需求量、最低用电需求量和实际用电需求量，构建所述分布式资源的个体可行域模型；计算所述个体可行域模型的运行边界，以构建所述原始聚合模型。
进一步的，所述用户参与度模型构建模块，用于基于消费者心理模型、所述分布式资源参与延时调度方案的响应度以及所述分布式资源的激励，构建用户参与度模型，具体包括：基于所述分布式资源参与延时调度方案的响应度以及所述分布式资源的激励，构建线性数学模型；基于消费者心理模型以及所述分布式资源的激励，采用三角隶属函数构建正态分布随机变量；其中，所述正态分布随机变量用于表征所述分布式资源的需求侧响应不确定性，所述正态分布随机变量的标准差满足预设的第一约束条件；基于所述线性数学模型以及所述正态分布随机变量，构建用户参与度模型。
进一步的，所述个体可行域模型包括能量上界、能量下界、功率上界和功率下界；所述能量上界具体为式（1），所述能量下界具体为式（2）：
；（1）
；（2）
所述功率上界具体为式（3），所述功率下界具体为式（4）：
；（3）
；（4）
其中，t为用电时刻，为第i个分布式资源在t时刻的能量上界，/>为第i个分布式资源在t时刻的能量下界，/>为开始用电时间，/>为结束用电时间，/>为最大用电功率，/>为第i个分布式资源的最大用电功率，/>为第i个分布式资源的最大用电需求量，/>为第i个分布式资源的最低用电需求量，/>为第i个分布式资源的实际用电需求量，/>为所述分布式资源的数据采样周期，/>为第i个分布式资源在时刻的功率上界，/>为第i个分布式资源在t时刻的功率下界。
进一步的，所述原始聚合模型具体为式（5）：
；（5）
其中，为所述分布式资源的聚合体的数据更新周期，/>为所述分布式资源的全体集合，/>为所述分布式资源在t时刻的能量下界，/>为所述分布式资源在t时刻的能量上界，/>为所述分布式资源在t时刻的能量，/>为所述分布式资源在t时刻的功率下界，/>为所述分布式资源在t时刻的功率上界，/>为所述分布式资源在t时刻的功率。
进一步的，所述响应度包括实际响应度和最大响应度，所述分布式资源的激励包括分布式资源聚合运营商提供的实际激励价格和最大激励价格；则，所述线性数学模型具体为式（6）：
；（6）
其中，为所述分布式资源在t时刻参与延时调度方案的实际响应度，/>为所述分布式资源参与延时调度方案的最大响应度，/>为在t时刻的所述实际激励价格，为在t时刻的所述最大激励价格。
进一步的，所述正态分布随机变量具体为；
所述正态分布随机变量的标准差具体为式（7）：
；（7）
所述第一约束条件具体为式（8）：
；（8）
所述用户参与度模型具体为式（9）和（10）：
；（9）
；（10）
其中，为三角隶属函数的转折点，/>为三角隶属函数的第一比例系数，/>为三角隶属函数的第二比例系数，/>为所述分布式资源参与延时调度方案的最大响应度，为在t时刻的所述实际激励价格，/>为在t时刻的所述最大激励价格，/>为激励转折点的指示变量，/>为/>的逻辑取反，/>为满足标准正态分布的随机变量。
进一步的，所述用户意愿聚合模型具体为式（11）：
；（11）
其中，为在t时刻能量上界在用户参与延时用电方案后的能量可行域的正增益系数，/>为在t时刻能量下界在用户参与延时用电方案后的能量可行域的正增益系数，为在t时刻功率上界在用户参与延时用电方案后的功率可行域的正增益系数，/>为在t时刻功率下界在用户参与延时用电方案后的功率可行域的正增益系数，/>为用户参与延时用电方案的规定延时时长，/>为所述分布式资源在t时刻的能量下界，/>为所述分布式资源在t时刻的能量上界，/>为所述分布式资源在t时刻的功率下界，/>为所述分布式资源在t时刻的功率上界，/>为所述分布式资源的全体集合，/>为在用户参与延时用电方案后所述分布式资源在t时刻的能量下界，/>为在用户参与延时用电方案后所述分布式资源在t时刻的能量上界，/>为在用户参与延时用电方案后所述分布式资源在t时刻的功率下界，/>为在用户参与延时用电方案后所述分布式资源在t时刻的功率上界。
进一步的，所述评估模块，用于根据所述用户意愿聚合模型和所述个体参数，评估所述分布式资源的聚合体的可调节能力，具体包括：基于所述用户意愿聚合模型和所述个体参数，采用机器学习算法预测所述分布式资源的聚合体在预设的第一时间段内的第一运行边界；其中，所述第一运行边界用于所述分布式资源的日前可调度能力的评估以及日前优化调度；基于所述用户意愿聚合模型和采集到的接入电网的实时分布式资源数据，确定所述分布式资源的聚合体在所述第一时间段的起始时间点的第二运行边界；其中，所述第二运行边界用于电网的实时运行优化；基于所述第一运行边界和所述第二运行边界，进行计算以评估所述分布式资源的聚合体的可调节能力。
进一步的，所述分布式资源的聚合体的可调节能力包括第一能量可行域和第一功率可行域，所述第一运行边界包括第一能量边界和第一功率边界，所述第二运行边界包括第二能量边界和第二功率边界；所述可调节能力具体为式（12）：
；（12）
其中，为在所述第一时间段内的所述第一能量可行域，/>为在所述第一时间段内的所述第一功率可行域，/>为所述第一能量边界，/>为所述第一功率边界，/>为所述第二能量边界，/>为所述第二功率边界。
综上，本发明具有以下有益效果：
采用本发明实施例，能够充分挖掘分布式资源的调度优化潜力，实现电网侧与用户侧的互惠共赢，提高经济性，并有效利用历史数据和实时数据，以更精准地评估分布式资源的可调节能力，提高评估效率，并且能够兼顾电力系统的日前日内预测以及实时运行。
附图说明
图1是本发明提供的一种分布式资源聚合体可调节能力评估方法的一个实施例的流程示意图；
图2是本发明提供的一种分布式资源聚合体可调节能力评估方法的一个具体实施例的示意图；
图3是本发明提供的一种分布式资源聚合体可调节能力评估装置的一个实施例的结构示意图。
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作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。
参见图1，是本发明提供的分布式资源聚合体可调节能力评估方法的一个实施例的流程示意图，该方法包括步骤S1至S5，具体如下：
S1,获取用于表征电力系统中分布式能源信息的分布式资源；
S2,根据所述分布式资源的个体参数，构建所述分布式资源的原始聚合模型；
优选地，所述个体参数包括开始用电时间、结束用电时间、最大用电功率、最大用电需求量、最低用电需求量和实际用电需求量；则，所述根据所述分布式资源的个体参数，构建所述分布式资源的原始聚合模型，具体包括：基于所述开始用电时间、结束用电时间、最大用电功率、最大用电需求量、最低用电需求量和实际用电需求量，构建所述分布式资源的个体可行域模型；计算所述个体可行域模型的运行边界，以构建所述原始聚合模型。
优选地，所述个体可行域模型包括能量上界、能量下界、功率上界和功率下界；所述能量上界具体为式（1），所述能量下界具体为式（2）：
；（1）
；（2）
所述功率上界具体为式（3），所述功率下界具体为式（4）：
；（3）
；（4）
其中，t为用电时刻，为第i个分布式资源在t时刻的能量上界，/>为第i个分布式资源在t时刻的能量下界，/>为开始用电时间，/>为结束用电时间，/>为最大用电功率，/>为第i个分布式资源的最大用电功率，/>为第i个分布式资源的最大用电需求量，/>为第i个分布式资源的最低用电需求量，/>为第i个分布式资源的实际用电需求量，/>为所述分布式资源的数据采样周期，/>为第i个分布式资源在时刻的功率上界，/>为第i个分布式资源在t时刻的功率下界。
优选地，所述原始聚合模型具体为式（5）：
；（5）
其中，为所述分布式资源的聚合体的数据更新周期，/>为所述分布式资源的全体集合，/>为所述分布式资源在t时刻的能量下界，/>为所述分布式资源在t时刻的能量上界，/>为所述分布式资源在t时刻的能量，/>为所述分布式资源在t时刻的功率下界，/>为所述分布式资源在t时刻的功率上界，/>为所述分布式资源在t时刻的功率。
需要说明的是，通过式(1)-(4)，可以得到用于描述分布式资源的运行边界的数学模型，特别地，可将其可视化为示意图以更直观地分析分布式资源的运行边界。
S3,基于消费者心理模型、所述分布式资源参与延时调度方案的响应度以及所述分布式资源的激励，构建用户参与度模型；
优选地，所述基于消费者心理模型、所述分布式资源参与延时调度方案的响应度以及所述分布式资源的激励，构建用户参与度模型，具体包括：基于所述分布式资源参与延时调度方案的响应度以及所述分布式资源的激励，构建线性数学模型；基于消费者心理模型以及所述分布式资源的激励，采用三角隶属函数构建正态分布随机变量；其中，所述正态分布随机变量用于表征所述分布式资源的需求侧响应不确定性，所述正态分布随机变量的标准差满足预设的第一约束条件；基于所述线性数学模型以及所述正态分布随机变量，构建用户参与度模型。
优选地，所述响应度包括实际响应度和最大响应度，所述分布式资源的激励包括分布式资源聚合运营商提供的实际激励价格和最大激励价格；则，所述线性数学模型具体为式（6）：
；（6）
其中，为所述分布式资源在t时刻参与延时调度方案的实际响应度，/>为所述分布式资源参与延时调度方案的最大响应度，/>为在t时刻的所述实际激励价格，为在t时刻的所述最大激励价格。
优选地，所述正态分布随机变量具体为；
所述正态分布随机变量的标准差具体为式（7）：
；（7）
所述第一约束条件具体为式（8）：
；（8）
所述用户参与度模型具体为式（9）和（10）：
；（9）/>
；（10）
其中，为三角隶属函数的转折点，/>为三角隶属函数的第一比例系数，/>为三角隶属函数的第二比例系数，/>为所述分布式资源参与延时调度方案的最大响应度，为在t时刻的所述实际激励价格，/>为在t时刻的所述最大激励价格，/>为激励转折点的指示变量，/>为/>的逻辑取反，/>为满足标准正态分布的随机变量。
需要说明的是，所述用户参与度模型是基于消费心理学（即消费者心理模型），并通过激励价格的设置，使分布式资源参与延时调度方案。而在实际中，由于对激励价格敏感性和自身用电需求不同，分布式资源的需求侧响应行为是不确定的，因此本申请中的分布式资源需求侧响应的不确定性由正态分布随机变量描述，同时，为了避免出现负响应度，使用截尾法约束随机变量。
值得注意的是，式(9)中，第一项是线性响应度函数，第二项是考虑用户响应不确定性的随机变量与激励价格的耦合项。
S4,基于预先获取的用户参与延时用电方案的意愿度、所述原始聚合模型以及所述用户参与度模型，构建所述分布式资源的用户意愿聚合模型；
优选地，所述用户意愿聚合模型具体为式（11）：
；（11）
其中，为在t时刻能量上界在用户参与延时用电方案后的能量可行域的正增益系数，/>为在t时刻能量下界在用户参与延时用电方案后的能量可行域的正增益系数，为在t时刻功率上界在用户参与延时用电方案后的功率可行域的正增益系数，/>为在t时刻功率下界在用户参与延时用电方案后的功率可行域的正增益系数，/>为用户参与延时用电方案的规定延时时长，/>为所述分布式资源在t时刻的能量下界，/>为所述分布式资源在t时刻的能量上界，/>为所述分布式资源在t时刻的功率下界，/>为所述分布式资源在t时刻的功率上界，/>为所述分布式资源的全体集合，/>为在用户参与延时用电方案后所述分布式资源在t时刻的能量下界，/>为在用户参与延时用电方案后所述分布式资源在t时刻的能量上界，/>为在用户参与延时用电方案后所述分布式资源在t时刻的功率下界，/>为在用户参与延时用电方案后所述分布式资源在t时刻的功率上界。
需要说明的是，所述原始聚合模型在考虑用户参与延时用电方案的意愿后，其可调度时长会增加，而根据式（1）至（4）可知，在总用电需求不变时，可调度时长/>增加，分布式资源的能量和功率可行域面积就会增加，因此，所述原始聚合模型的能量可行域（即能量上界与能量下界之差）和功率可行域（即功率上界与功率下界之差）的面积都会增大。
S5,根据所述用户意愿聚合模型和所述个体参数，评估所述分布式资源的聚合体的可调节能力。
优选地，所述根据所述用户意愿聚合模型和所述个体参数，评估所述分布式资源的聚合体的可调节能力，具体包括：基于所述用户意愿聚合模型和所述个体参数，采用机器学习算法预测所述分布式资源的聚合体在预设的第一时间段内的第一运行边界；其中，所述第一运行边界用于所述分布式资源的日前可调度能力的评估以及日前优化调度；基于所述用户意愿聚合模型和采集到的接入电网的实时分布式资源数据，确定所述分布式资源的聚合体在所述第一时间段的起始时间点的第二运行边界；其中，所述第二运行边界用于电网的实时运行优化；基于所述第一运行边界和所述第二运行边界，进行计算以评估所述分布式资源的聚合体的可调节能力。
优选地，所述分布式资源的聚合体的可调节能力包括第一能量可行域和第一功率可行域，所述第一运行边界包括第一能量边界和第一功率边界，所述第二运行边界包括第二能量边界和第二功率边界；所述可调节能力具体为式（12）：
；（12）
其中，为在所述第一时间段内的所述第一能量可行域，/>为在所述第一时间段内的所述第一功率可行域，/>为所述第一能量边界，/>为所述第一功率边界，/>为所述第二能量边界，/>为所述第二功率边界。
需要说明的是，参见图2，根据式(11)，得到了所述用户意愿聚合模型的边界，为了更准确地评估所述分布式资源的聚合体的可调节能力，提出将所述分布式资源的聚合体的和/>分为两部分：
第一部分：记当前时段为，根据历史记录的分布式资源数据集（即，所述分布式资源的个体参数）和式(11)，通过机器学习（例如：最小二乘支持向量机），预测在未来时间段/>接入电网的分布式资源聚合模型的运行边界，记为/>和/>。
第二部分：在当前时段，根据实时运行的已接入电网的分布式资源数据和式(11)，确定已接入电网的分布式资源聚合模型在时间段/>的运行边界，记为/>和。
第一部分预测的和/>，用于日前的分布式资源可调度能力评估和日前优化调度。在第二部分中，从电网获得实际的分布式资源的运行数据和用户参与度的数据后，计算实时的聚合体可行域/>和/>，并用于电网的实时运行优化。综上，在/>间隔，分布式资源聚合体的可调节能力如式（12）所示。
参见图3，是本发明提供的分布式资源聚合体可调节能力评估装置的一个实施例的结构示意图，包括：
资源获取模块101，用于获取用于表征电力系统中分布式能源信息的分布式资源；
原始聚合模型构建模块102，用于根据所述分布式资源的个体参数，构建所述分布式资源的原始聚合模型；
优选地，所述个体参数包括开始用电时间、结束用电时间、最大用电功率、最大用电需求量、最低用电需求量和实际用电需求量；则，所述原始聚合模型构建模块102，用于根据所述分布式资源的个体参数，构建所述分布式资源的原始聚合模型，具体包括：基于所述开始用电时间、结束用电时间、最大用电功率、最大用电需求量、最低用电需求量和实际用电需求量，构建所述分布式资源的个体可行域模型；计算所述个体可行域模型的运行边界，以构建所述原始聚合模型。
优选地，所述个体可行域模型包括能量上界、能量下界、功率上界和功率下界；所述能量上界具体为式（1），所述能量下界具体为式（2）：
；（1）
；（2）
所述功率上界具体为式（3），所述功率下界具体为式（4）：
；（3）
；（4）
其中，t为用电时刻，为第i个分布式资源在t时刻的能量上界，/>为第i个分布式资源在t时刻的能量下界，/>为开始用电时间，/>为结束用电时间，/>为最大用电功率，/>为第i个分布式资源的最大用电功率，/>为第i个分布式资源的最大用电需求量，/>为第i个分布式资源的最低用电需求量，/>为第i个分布式资源的实际用电需求量，/>为所述分布式资源的数据采样周期，/>为第i个分布式资源在时刻的功率上界，/>为第i个分布式资源在t时刻的功率下界。
优选地，所述原始聚合模型具体为式（5）：
；（5）
其中，为所述分布式资源的聚合体的数据更新周期，/>为所述分布式资源的全体集合，/>为所述分布式资源在t时刻的能量下界，/>为所述分布式资源在t时刻的能量上界，/>为所述分布式资源在t时刻的能量，/>为所述分布式资源在t时刻的功率下界，/>为所述分布式资源在t时刻的功率上界，/>为所述分布式资源在t时刻的功率。
需要说明的是，通过式(1)-(4)，可以得到用于描述分布式资源的运行边界的数学模型，特别地，可将其可视化为示意图以更直观地分析分布式资源的运行边界。
用户参与度模型构建模块103，用于基于消费者心理模型、所述分布式资源参与延时调度方案的响应度以及所述分布式资源的激励，构建用户参与度模型；
优选地，所述用户参与度模型构建模块103，用于基于消费者心理模型、所述分布式资源参与延时调度方案的响应度以及所述分布式资源的激励，构建用户参与度模型，具体包括：基于所述分布式资源参与延时调度方案的响应度以及所述分布式资源的激励，构建线性数学模型；基于消费者心理模型以及所述分布式资源的激励，采用三角隶属函数构建正态分布随机变量；其中，所述正态分布随机变量用于表征所述分布式资源的需求侧响应不确定性，所述正态分布随机变量的标准差满足预设的第一约束条件；基于所述线性数学模型以及所述正态分布随机变量，构建用户参与度模型。
优选地，所述响应度包括实际响应度和最大响应度，所述分布式资源的激励包括分布式资源聚合运营商提供的实际激励价格和最大激励价格；则，所述线性数学模型具体为式（6）：
；（6）
其中，为所述分布式资源在t时刻参与延时调度方案的实际响应度，/>为所述分布式资源参与延时调度方案的最大响应度，/>为在t时刻的所述实际激励价格，为在t时刻的所述最大激励价格。
优选地，所述正态分布随机变量具体为；
所述正态分布随机变量的标准差具体为式（7）：
；（7）
所述第一约束条件具体为式（8）：
；（8）
所述用户参与度模型具体为式（9）和（10）：
；（9）
；（10）
其中，为三角隶属函数的转折点，/>为三角隶属函数的第一比例系数，/>为三角隶属函数的第二比例系数，/>为所述分布式资源参与延时调度方案的最大响应度，为在t时刻的所述实际激励价格，/>为在t时刻的所述最大激励价格，/>为激励转折点的指示变量，/>为/>的逻辑取反，/>为满足标准正态分布的随机变量。
需要说明的是，所述用户参与度模型是基于消费心理学（即消费者心理模型），并通过激励价格的设置，使分布式资源参与延时调度方案。而在实际中，由于对激励价格敏感性和自身用电需求不同，分布式资源的需求侧响应行为是不确定的，因此本申请中的分布式资源需求侧响应的不确定性由正态分布随机变量描述，同时，为了避免出现负响应度，使用截尾法约束随机变量。
值得注意的是，式(9)中，第一项是线性响应度函数，第二项是考虑用户响应不确定性的随机变量与激励价格的耦合项。
用户意愿聚合模型构建模块104，用于基于预先获取的用户参与延时用电方案的意愿度、所述原始聚合模型以及所述用户参与度模型，构建所述分布式资源的用户意愿聚合模型；
优选地，所述用户意愿聚合模型具体为式（11）：
；（11）
其中，为在t时刻能量上界在用户参与延时用电方案后的能量可行域的正增益系数，/>为在t时刻能量下界在用户参与延时用电方案后的能量可行域的正增益系数，为在t时刻功率上界在用户参与延时用电方案后的功率可行域的正增益系数，/>为在t时刻功率下界在用户参与延时用电方案后的功率可行域的正增益系数，/>为用户参与延时用电方案的规定延时时长，/>为所述分布式资源在t时刻的能量下界，/>为所述分布式资源在t时刻的能量上界，/>为所述分布式资源在t时刻的功率下界，/>为所述分布式资源在t时刻的功率上界，/>为所述分布式资源的全体集合，/>为在用户参与延时用电方案后所述分布式资源在t时刻的能量下界，/>为在用户参与延时用电方案后所述分布式资源在t时刻的能量上界，/>为在用户参与延时用电方案后所述分布式资源在t时刻的功率下界，/>为在用户参与延时用电方案后所述分布式资源在t时刻的功率上界。
需要说明的是，所述原始聚合模型在考虑用户参与延时用电方案的意愿后，其可调度时长会增加，而根据式（1）至（4）可知，在总用电需求不变时，可调度时长增加，分布式资源的能量和功率可行域面积就会增加，因此，所述原始聚合模型的能量可行域（即能量上界与能量下界之差）和功率可行域（即功率上界与功率下界之差）的面积都会增大。
评估模块105，用于根据所述用户意愿聚合模型和所述个体参数，评估所述分布式资源的聚合体的可调节能力。
优选地，所述评估模块105，用于根据所述用户意愿聚合模型和所述个体参数，评估所述分布式资源的聚合体的可调节能力，具体包括：基于所述用户意愿聚合模型和所述个体参数，采用机器学习算法预测所述分布式资源的聚合体在预设的第一时间段内的第一运行边界；其中，所述第一运行边界用于所述分布式资源的日前可调度能力的评估以及日前优化调度；基于所述用户意愿聚合模型和采集到的接入电网的实时分布式资源数据，确定所述分布式资源的聚合体在所述第一时间段的起始时间点的第二运行边界；其中，所述第二运行边界用于电网的实时运行优化；基于所述第一运行边界和所述第二运行边界，进行计算以评估所述分布式资源的聚合体的可调节能力。
优选地，所述分布式资源的聚合体的可调节能力包括第一能量可行域和第一功率可行域，所述第一运行边界包括第一能量边界和第一功率边界，所述第二运行边界包括第二能量边界和第二功率边界；所述可调节能力具体为式（12）：
；（12）
其中，为在所述第一时间段内的所述第一能量可行域，/>为在所述第一时间段内的所述第一功率可行域，/>为所述第一能量边界，/>为所述第一功率边界，/>为所述第二能量边界，/>为所述第二功率边界。
需要说明的是，参见图2，根据式(11)，得到了所述用户意愿聚合模型的边界，为了更准确地评估所述分布式资源的聚合体的可调节能力，提出将所述分布式资源的聚合体的和/>分为两部分：
第一部分：记当前时段为，根据历史记录的分布式资源数据集（即，所述分布式资源的个体参数）和式(11)，通过机器学习（例如：最小二乘支持向量机），预测在未来时间段/>接入电网的分布式资源聚合模型的运行边界，记为/>和/>。/>
第二部分：在当前时段，根据实时运行的已接入电网的分布式资源数据和式(11)，确定已接入电网的分布式资源聚合模型在时间段/>的运行边界，记为/>和。
第一部分预测的和/>，用于日前的分布式资源可调度能力评估和日前优化调度。在第二部分中，从电网获得实际的分布式资源的运行数据和用户参与度的数据后，计算实时的聚合体可行域/>和/>，并用于电网的实时运行优化。综上，在/>间隔，分布式资源聚合体的可调节能力如式（12）所示。
综上，本发明具有以下有益效果：
采用本发明实施例，能够充分挖掘分布式资源的调度优化潜力，实现电网侧与用户侧的互惠共赢，并有效利用历史数据和实时数据，以更精准地评估分布式资源的可调节能力，提高评估效率，并且能够兼顾电力系统的日前日内预测以及实时运行。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的硬件平台的方式来实现，当然也可以全部通过硬件来实施。基于这样的理解，本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例或者实施例的某些部分所述的方法。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (12)

1.一种分布式资源聚合体可调节能力评估方法，其特征在于，包括：
获取用于表征电力系统中分布式能源信息的分布式资源；
根据所述分布式资源的个体参数，构建所述分布式资源的原始聚合模型；
基于消费者心理模型、所述分布式资源参与延时调度方案的响应度以及所述分布式资源的激励，构建用户参与度模型；
基于预先获取的用户参与延时用电方案的意愿度、所述原始聚合模型以及所述用户参与度模型，构建所述分布式资源的用户意愿聚合模型；
根据所述用户意愿聚合模型和所述个体参数，评估所述分布式资源的聚合体的可调节能力；
所述个体参数包括开始用电时间、结束用电时间、最大用电功率、最大用电需求量、最低用电需求量和实际用电需求量；
则，所述根据所述分布式资源的个体参数，构建所述分布式资源的原始聚合模型，具体包括：
基于所述开始用电时间、结束用电时间、最大用电功率、最大用电需求量、最低用电需求量和实际用电需求量，构建所述分布式资源的个体可行域模型；
计算所述个体可行域模型的运行边界，以构建所述原始聚合模型；
所述基于消费者心理模型、所述分布式资源参与延时调度方案的响应度以及所述分布式资源的激励，构建用户参与度模型，具体包括：
基于所述分布式资源参与延时调度方案的响应度以及所述分布式资源的激励，构建线性数学模型；
基于消费者心理模型以及所述分布式资源的激励，采用三角隶属函数构建正态分布随机变量；其中，所述正态分布随机变量用于表征所述分布式资源的需求侧响应不确定性，所述正态分布随机变量的标准差满足预设的第一约束条件；
基于所述线性数学模型以及所述正态分布随机变量，构建用户参与度模型；
所述根据所述用户意愿聚合模型和所述个体参数，评估所述分布式资源的聚合体的可调节能力，具体包括：
基于所述用户意愿聚合模型和所述个体参数，采用机器学习算法预测所述分布式资源的聚合体在预设的第一时间段内的第一运行边界；其中，所述第一运行边界用于所述分布式资源的日前可调度能力的评估以及日前优化调度；
基于所述用户意愿聚合模型和采集到的接入电网的实时分布式资源数据，确定所述分布式资源的聚合体在所述第一时间段的起始时间点的第二运行边界；其中，所述第二运行边界用于电网的实时运行优化；
基于所述第一运行边界和所述第二运行边界，进行计算以评估所述分布式资源的聚合体的可调节能力；
所述用户意愿聚合模型具体为式（11）：
；（11）
其中，为在t时刻能量上界在用户参与延时用电方案后的能量可行域的正增益系数，/>为在t时刻能量下界在用户参与延时用电方案后的能量可行域的正增益系数，/>为在t时刻功率上界在用户参与延时用电方案后的功率可行域的正增益系数，/>为在t时刻功率下界在用户参与延时用电方案后的功率可行域的正增益系数，/>为用户参与延时用电方案的规定延时时长，/>为所述分布式资源在t时刻的能量下界，/>为所述分布式资源在t时刻的能量上界，/>为所述分布式资源在t时刻的功率下界，/>为所述分布式资源在t时刻的功率上界，/>为所述分布式资源的全体集合，/>为在用户参与延时用电方案后所述分布式资源在t时刻的能量下界，/>为在用户参与延时用电方案后所述分布式资源在t时刻的能量上界，/>为在用户参与延时用电方案后所述分布式资源在t时刻的功率下界，/>为在用户参与延时用电方案后所述分布式资源在t时刻的功率上界。
2.如权利要求1所述的分布式资源聚合体可调节能力评估方法，其特征在于，所述个体可行域模型包括能量上界、能量下界、功率上界和功率下界；
所述能量上界具体为式（1），所述能量下界具体为式（2）：
；（1）
；（2）
所述功率上界具体为式（3），所述功率下界具体为式（4）：
；（3）
；（4）
其中，t为用电时刻，为第i个分布式资源在t时刻的能量上界，/>为第i个分布式资源在t时刻的能量下界，/>为开始用电时间，/>为结束用电时间，/>为最大用电功率，/>为第i个分布式资源的最大用电功率，/>为第i个分布式资源的最大用电需求量，/>为第i个分布式资源的最低用电需求量，/>为第i个分布式资源的实际用电需求量，/>为所述分布式资源的数据采样周期，/>为第i个分布式资源在时刻的功率上界，/>为第i个分布式资源在t时刻的功率下界。
3.如权利要求2所述的分布式资源聚合体可调节能力评估方法，其特征在于，所述原始聚合模型具体为式（5）：
；（5）
其中，为所述分布式资源的聚合体的数据更新周期，/>为所述分布式资源的全体集合，/>为所述分布式资源在t时刻的能量下界，/>为所述分布式资源在t时刻的能量上界，/>为所述分布式资源在t时刻的能量，/>为所述分布式资源在t时刻的功率下界，/>为所述分布式资源在t时刻的功率上界，/>为所述分布式资源在t时刻的功率。
4.如权利要求3所述的分布式资源聚合体可调节能力评估方法，其特征在于，所述响应度包括实际响应度和最大响应度，所述分布式资源的激励包括分布式资源聚合运营商提供的实际激励价格和最大激励价格；
则，所述线性数学模型具体为式（6）：
；（6）
其中，为所述分布式资源在t时刻参与延时调度方案的实际响应度，/>为所述分布式资源参与延时调度方案的最大响应度，/>为在t时刻的所述实际激励价格，/>为在t时刻的所述最大激励价格。
5.如权利要求4所述的分布式资源聚合体可调节能力评估方法，其特征在于，所述正态分布随机变量具体为；
所述正态分布随机变量的标准差具体为式（7）：
；（7）
所述第一约束条件具体为式（8）：
；（8）
所述用户参与度模型具体为式（9）和（10）：
；（9）
；（10）
其中，为三角隶属函数的转折点，/> 为三角隶属函数的第一比例系数，/>为三角隶属函数的第二比例系数，/>为所述分布式资源参与延时调度方案的最大响应度，/>为在t时刻的所述实际激励价格，/>为在t时刻的所述最大激励价格，/>为激励转折点的指示变量，/>为/>的逻辑取反，/>为满足标准正态分布的随机变量。
6.如权利要求5所述的分布式资源聚合体可调节能力评估方法，其特征在于，所述分布式资源的聚合体的可调节能力包括第一能量可行域和第一功率可行域，所述第一运行边界包括第一能量边界和第一功率边界，所述第二运行边界包括第二能量边界和第二功率边界；
所述可调节能力具体为式（12）：
；（12）
其中，为在所述第一时间段内的所述第一能量可行域，/>为在所述第一时间段内的所述第一功率可行域，/>为所述第一能量边界，/>为所述第一功率边界，/>为所述第二能量边界，/>为所述第二功率边界。
7.一种分布式资源聚合体可调节能力评估装置，其特征在于，包括：
资源获取模块，用于获取用于表征电力系统中分布式能源信息的分布式资源；
原始聚合模型构建模块，用于根据所述分布式资源的个体参数，构建所述分布式资源的原始聚合模型；
用户参与度模型构建模块，用于基于消费者心理模型、所述分布式资源参与延时调度方案的响应度以及所述分布式资源的激励，构建用户参与度模型；
用户意愿聚合模型构建模块，用于基于预先获取的用户参与延时用电方案的意愿度、所述原始聚合模型以及所述用户参与度模型，构建所述分布式资源的用户意愿聚合模型；
评估模块，用于根据所述用户意愿聚合模型和所述个体参数，评估所述分布式资源的聚合体的可调节能力；
所述个体参数包括开始用电时间、结束用电时间、最大用电功率、最大用电需求量、最低用电需求量和实际用电需求量；
则，所述原始聚合模型构建模块，用于根据所述分布式资源的个体参数，构建所述分布式资源的原始聚合模型，具体包括：
基于所述开始用电时间、结束用电时间、最大用电功率、最大用电需求量、最低用电需求量和实际用电需求量，构建所述分布式资源的个体可行域模型；
计算所述个体可行域模型的运行边界，以构建所述原始聚合模型；
所述用户参与度模型构建模块，用于基于消费者心理模型、所述分布式资源参与延时调度方案的响应度以及所述分布式资源的激励，构建用户参与度模型，具体包括：
基于所述分布式资源参与延时调度方案的响应度以及所述分布式资源的激励，构建线性数学模型；
基于消费者心理模型以及所述分布式资源的激励，采用三角隶属函数构建正态分布随机变量；其中，所述正态分布随机变量用于表征所述分布式资源的需求侧响应不确定性，所述正态分布随机变量的标准差满足预设的第一约束条件；
基于所述线性数学模型以及所述正态分布随机变量，构建用户参与度模型；
所述评估模块，用于根据所述用户意愿聚合模型和所述个体参数，评估所述分布式资源的聚合体的可调节能力，具体包括：
基于所述用户意愿聚合模型和所述个体参数，采用机器学习算法预测所述分布式资源的聚合体在预设的第一时间段内的第一运行边界；其中，所述第一运行边界用于所述分布式资源的日前可调度能力的评估以及日前优化调度；
基于所述用户意愿聚合模型和采集到的接入电网的实时分布式资源数据，确定所述分布式资源的聚合体在所述第一时间段的起始时间点的第二运行边界；其中，所述第二运行边界用于电网的实时运行优化；
基于所述第一运行边界和所述第二运行边界，进行计算以评估所述分布式资源的聚合体的可调节能力；
所述用户意愿聚合模型具体为式（11）：
；（11）
其中，为在t时刻能量上界在用户参与延时用电方案后的能量可行域的正增益系数，/>为在t时刻能量下界在用户参与延时用电方案后的能量可行域的正增益系数，/>为在t时刻功率上界在用户参与延时用电方案后的功率可行域的正增益系数，/>为在t时刻功率下界在用户参与延时用电方案后的功率可行域的正增益系数，/>为用户参与延时用电方案的规定延时时长，/>为所述分布式资源在t时刻的能量下界，/>为所述分布式资源在t时刻的能量上界，/>为所述分布式资源在t时刻的功率下界，/>为所述分布式资源在t时刻的功率上界，/>为所述分布式资源的全体集合，/>为在用户参与延时用电方案后所述分布式资源在t时刻的能量下界，/>为在用户参与延时用电方案后所述分布式资源在t时刻的能量上界，/>为在用户参与延时用电方案后所述分布式资源在t时刻的功率下界，/>为在用户参与延时用电方案后所述分布式资源在t时刻的功率上界。
8.如权利要求7所述的分布式资源聚合体可调节能力评估装置，其特征在于，所述个体可行域模型包括能量上界、能量下界、功率上界和功率下界；
所述能量上界具体为式（1），所述能量下界具体为式（2）：
；（1）
；（2）
所述功率上界具体为式（3），所述功率下界具体为式（4）：
；（3）
；（4）
其中，t为用电时刻，为第i个分布式资源在t时刻的能量上界，/>为第i个分布式资源在t时刻的能量下界，/>为开始用电时间，/>为结束用电时间，/>为最大用电功率，/>为第i个分布式资源的最大用电功率，/>为第i个分布式资源的最大用电需求量，/>为第i个分布式资源的最低用电需求量，/>为第i个分布式资源的实际用电需求量，/>为所述分布式资源的数据采样周期，/>为第i个分布式资源在时刻的功率上界，/>为第i个分布式资源在t时刻的功率下界。
9.如权利要求8所述的分布式资源聚合体可调节能力评估装置，其特征在于，所述原始聚合模型具体为式（5）：
；（5）
其中，为所述分布式资源的聚合体的数据更新周期，/>为所述分布式资源的全体集合，/>为所述分布式资源在t时刻的能量下界，/>为所述分布式资源在t时刻的能量上界，/>为所述分布式资源在t时刻的能量，/>为所述分布式资源在t时刻的功率下界，/>为所述分布式资源在t时刻的功率上界，/>为所述分布式资源在t时刻的功率。
10.如权利要求9所述的分布式资源聚合体可调节能力评估装置，其特征在于，所述响应度包括实际响应度和最大响应度，所述分布式资源的激励包括分布式资源聚合运营商提供的实际激励价格和最大激励价格；
则，所述线性数学模型具体为式（6）：
；（6）
其中，为所述分布式资源在t时刻参与延时调度方案的实际响应度，/>为所述分布式资源参与延时调度方案的最大响应度，/>为在t时刻的所述实际激励价格，/>为在t时刻的所述最大激励价格。
11.如权利要求10所述的分布式资源聚合体可调节能力评估装置，其特征在于，所述正态分布随机变量具体为；
所述正态分布随机变量的标准差具体为式（7）：
；（7）
所述第一约束条件具体为式（8）：
；（8）
所述用户参与度模型具体为式（9）和（10）：
；（9）
；（10）
其中，为三角隶属函数的转折点，/> 为三角隶属函数的第一比例系数，/>为三角隶属函数的第二比例系数，/>为所述分布式资源参与延时调度方案的最大响应度，/>为在t时刻的所述实际激励价格，/>为在t时刻的所述最大激励价格，/>为激励转折点的指示变量，/>为/>的逻辑取反，/>为满足标准正态分布的随机变量。
12.如权利要求11所述的分布式资源聚合体可调节能力评估装置，其特征在于，所述分布式资源的聚合体的可调节能力包括第一能量可行域和第一功率可行域，所述第一运行边界包括第一能量边界和第一功率边界，所述第二运行边界包括第二能量边界和第二功率边界；
所述可调节能力具体为式（12）：
；（12）
其中，为在所述第一时间段内的所述第一能量可行域，/>为在所述第一时间段内的所述第一功率可行域，/>为所述第一能量边界，/>为所述第一功率边界，/>为所述第二能量边界，/>为所述第二功率边界。
CN202310744865.8A 2023-06-25 2023-06-25 一种分布式资源聚合体可调节能力评估方法及装置 Active CN116544930B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310744865.8A CN116544930B (zh) 2023-06-25 2023-06-25 一种分布式资源聚合体可调节能力评估方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310744865.8A CN116544930B (zh) 2023-06-25 2023-06-25 一种分布式资源聚合体可调节能力评估方法及装置

Publications (2)

Publication Number Publication Date
CN116544930A CN116544930A (zh) 2023-08-04
CN116544930B true CN116544930B (zh) 2023-09-19

Family

ID=87447347

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310744865.8A Active CN116544930B (zh) 2023-06-25 2023-06-25 一种分布式资源聚合体可调节能力评估方法及装置

Country Status (1)

Country Link
CN (1) CN116544930B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110210647A (zh) * 2019-04-29 2019-09-06 国网江苏省电力有限公司电力科学研究院 一种分布式电源、储能与柔性负荷联合调度方法及装置
CN111738621A (zh) * 2020-07-17 2020-10-02 深圳华工能源技术有限公司 需求侧可调节资源分时间尺度聚合参与需求响应的方法
CN112633571A (zh) * 2020-12-18 2021-04-09 浙江大学 源网荷互动环境下基于lstm的超短期负荷预测方法
WO2021168149A1 (en) * 2020-02-18 2021-08-26 Xslent Energy Technologies, Llc Energy transactions with distributed energy resources and distributed grid management
WO2021244000A1 (zh) * 2020-06-03 2021-12-09 国网上海市电力公司 一种区域能源综合体虚拟聚合系统及方法
CN114243779A (zh) * 2021-12-22 2022-03-25 国网江苏省电力有限公司营销服务中心 基于虚拟电厂的用户可调负荷资源需求响应方法及系统
WO2022077588A1 (zh) * 2020-10-12 2022-04-21 中国电力科学研究院有限公司 可调节负荷参与需求响应的调用方法、系统及装置
CN114429274A (zh) * 2021-12-21 2022-05-03 国网浙江省电力有限公司电力科学研究院 基于多种资源聚合的虚拟电厂调节能力评估方法及系统
CN114862252A (zh) * 2022-05-26 2022-08-05 中国电力科学研究院有限公司 可调负荷多层聚合调度潜力分析方法、系统、设备及介质
CN115496627A (zh) * 2022-11-22 2022-12-20 国网天津市电力公司电力科学研究院 一种可调资源响应潜力的评估方法及系统
CN116255729A (zh) * 2022-12-26 2023-06-13 广西电网有限责任公司电力科学研究院 一种考虑用户意愿的中央空调参与需求响应能力量化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2588459B (en) * 2019-10-25 2021-10-27 Centrica Business Solutions Belgium N V System for configuring demand response for energy grid assets

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110210647A (zh) * 2019-04-29 2019-09-06 国网江苏省电力有限公司电力科学研究院 一种分布式电源、储能与柔性负荷联合调度方法及装置
WO2021168149A1 (en) * 2020-02-18 2021-08-26 Xslent Energy Technologies, Llc Energy transactions with distributed energy resources and distributed grid management
WO2021244000A1 (zh) * 2020-06-03 2021-12-09 国网上海市电力公司 一种区域能源综合体虚拟聚合系统及方法
CN111738621A (zh) * 2020-07-17 2020-10-02 深圳华工能源技术有限公司 需求侧可调节资源分时间尺度聚合参与需求响应的方法
WO2022077588A1 (zh) * 2020-10-12 2022-04-21 中国电力科学研究院有限公司 可调节负荷参与需求响应的调用方法、系统及装置
CN112633571A (zh) * 2020-12-18 2021-04-09 浙江大学 源网荷互动环境下基于lstm的超短期负荷预测方法
CN114429274A (zh) * 2021-12-21 2022-05-03 国网浙江省电力有限公司电力科学研究院 基于多种资源聚合的虚拟电厂调节能力评估方法及系统
CN114243779A (zh) * 2021-12-22 2022-03-25 国网江苏省电力有限公司营销服务中心 基于虚拟电厂的用户可调负荷资源需求响应方法及系统
CN114862252A (zh) * 2022-05-26 2022-08-05 中国电力科学研究院有限公司 可调负荷多层聚合调度潜力分析方法、系统、设备及介质
CN115496627A (zh) * 2022-11-22 2022-12-20 国网天津市电力公司电力科学研究院 一种可调资源响应潜力的评估方法及系统
CN116255729A (zh) * 2022-12-26 2023-06-13 广西电网有限责任公司电力科学研究院 一种考虑用户意愿的中央空调参与需求响应能力量化方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Research on Quantitative Comprehensive Evaluation Method of Regulation Ability of Low- Voltage Distributed Renewable Energy Aggregators;Jinrong Chen et al.;《2022 the 12th International Conference on Power and Energy Systems》;第880-885页 *
基于电价与激励的需求侧资源可调度容量评估技术;田雨 等;《电器与能效管理技术》(第21期);第63-70页 *
综合需求响应研究综述及展望;徐筝 等;《中国电机工程学报》;第38卷(第24期);第7094-7205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40卷(第12期);第3526-3533页 *

Also Published As

Publication number Publication date
CN116544930A (zh) 2023-08-04

Similar Documents

Publication Publication Date Title
Chen et al. Local energy trading behavior modeling with deep reinforcement learning
Feinberg et al. Load forecasting
Tascikaraoglu et al. An adaptive load dispatching and forecasting strategy for a virtual power plant including renewable energy conversion units
Mamlook et al. A fuzzy inference model for short-term load forecasting
Jawad et al. Machine learning based cost effective electricity load forecasting model using correlated meteorological parameters
CN108470233B (zh) 一种智能电网的需求响应能力评估方法和计算设备
Zhang et al. Game-theory-based electricity market clearing mechanisms for an open and transactive distribution grid
Yang et al. Quantifying the benefits to consumers for demand response with a statistical elasticity model
Bessa Future trends for big data application in power systems
Heydarian-Forushani et al. Quantitative flexibility assessment of a comprehensive set of demand response programs
Zhou et al. Smart energy management
Xin et al. A deep learning architecture for power management in smart cities
CA2754442A1 (en) Targeting energy programs based on monitored consumption
Faza et al. PSO-based optimization toward intelligent dynamic pricing schemes parameterization
Kong et al. Real-time pricing method for VPP demand response based on PER-DDPG algorithm
Lv et al. Hierarchical learning optimisation method for the coordination dispatch of the inter‐regional power grid considering the quality of service index
Loyola et al. Individual load monitoring of appliances for home energy management system
Cui et al. Demand response method considering multiple types of flexible loads in industrial parks
CN116544930B (zh) 一种分布式资源聚合体可调节能力评估方法及装置
Durillon et al. Consumers’ sensitivities and preferences modelling and integration in a decentralised two levels energy supervisor
CN117091242A (zh) 空调温控负荷集群的评估方法、温度设定方法及系统
Leiva et al. Data-driven flexibility prediction in low voltage power networks
Warren et al. Managing uncertainty in electricity generation and demand forecasting
Manivannan et al. An IoT based environment conscious green score meter towards smart sustainable cities
Liu et al. Joint optimisation of generation and storage in the presence of wind

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