CN116565882A - 分布式需求响应方法、装置、系统及介质 - Google Patents
分布式需求响应方法、装置、系统及介质 Download PDFInfo
- Publication number
- CN116565882A CN116565882A CN202310778813.2A CN202310778813A CN116565882A CN 116565882 A CN116565882 A CN 116565882A CN 202310778813 A CN202310778813 A CN 202310778813A CN 116565882 A CN116565882 A CN 116565882A
- Authority
- CN
- China
- Prior art keywords
- demand response
- distributed
- load
- effect information
- response effect
- 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.)
- Granted
Links
- 230000004044 response Effects 0.000 title claims abstract description 175
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000000694 effects Effects 0.000 claims abstract description 69
- 230000008859 change Effects 0.000 claims abstract description 19
- 230000006870 function Effects 0.000 claims description 47
- 230000005611 electricity Effects 0.000 claims description 41
- 238000005457 optimization Methods 0.000 claims description 21
- 238000003860 storage Methods 0.000 claims description 11
- 230000010354 integration Effects 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 10
- 238000009826 distribution Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 238000004088 simulation Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000005316 response function Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003467 diminishing effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
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
- H02J3/12—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
- H02J2203/20—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
- H02J2310/58—The condition being electrical
-
- 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
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/20—End-user application control systems
- Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明实施例提供一种分布式需求响应方法、装置、系统及介质，属于电力控制领域。所述分布式需求响应方法应用于分布式用电主体端，且包括：响应于负荷集成商广播的初始的需求响应效果信息执行负荷扰动；接收负荷集成商广播的适应于所述负荷扰动的新的需求响应效果信息，并根据所述新的需求响应效果信息和所述初始的需求响应效果信息的变化来更新负荷调节策略；以及重复上述步骤，直到实时的需求响应效果信息的变化满足预设要求。通过本发明实施例，分布式用电主体无需向外界分享其负荷与偏好的任何信息，有效保障了用户在参与最优需求响应的同时避免了信息泄露。
Description
技术领域
本发明涉及电力控制领域，具体地涉及一种分布式需求响应方法、装置、系统及介质。
背景技术
需求响应系统是实现电力实时平衡、保障电网安全稳定经济运行的重要方法与技术，其主要通过价格与激励手段引导用户侧改变其用电特征，从而实现对需求侧负荷的调控。由于需求侧负荷资源呈现出分布式、多种类的特征，从而如何高效、安全地实施需求响应是需求侧面临的重要问题。而当前采用的需求响应主要是约定需求响应与实时需求响应，即分别对需求侧用户在日前、若干小时前和实时发出需求响应邀约，用户通过调节负荷水平完成响应并获取相应收益。
但是，对于需求侧小规模用户而说，其负荷体量与调节能力不足以作为独立主体参与需求响应，因此需要负荷集成商整合多个分布式用电主体，形成规模较大、统一的独立主体参与需求响应机制。而为了支撑分布式用电主体共同参与需求响应，需要安全、快速、协同的控制与优化技术，使得在保障用户体验与信息安全的前提下，达到最优的需求响应决策。但是，现有技术在分布式需求响应过程中，都不可避免地需要用户分享自身的负荷或偏好信息，造成潜在的信息泄露风险，这是阻碍需求响应发展的重要障碍之一。
发明内容
本发明实施例的目的是提供一种分布式需求响应方法、装置、系统及介质，用于至少部分地解决上述技术问题。
为了实现上述目的，本发明实施例提供一种分布式需求响应方法，应用于分布式用电主体端，且包括：响应于负荷集成商广播的初始的需求响应效果信息执行负荷扰动；接收负荷集成商广播的适应于所述负荷扰动的新的需求响应效果信息，并根据所述新的需求响应效果信息和所述初始的需求响应效果信息的变化来更新负荷调节策略；以及将适应于所更新的负荷调节策略的需求响应效果信息作为新的初始的需求响应效果信息，重复上述步骤，直到实时的需求响应效果信息的变化满足预设要求。
可选地，通过仅能由负荷集成商观测到的需求响应全局目标函数φ(x)的函数值来描述所述需求响应效果信息。
可选地，所述更新负荷调节策略包括以成本最小化为目标，构建如下的优化模型：
其中，F(x)表示成本最小化的总体目标函数，f i(x i)表示分布式用电主体i的成本函数，且f i(x i)的模型及参数仅由分布式用电主体掌握，x=(x 1 ，x 2 ，…，x i ，…，x N)表示N个分布式用电主体的负荷调节决策变量，/> =[l i ，u i]表示相应分布式用电主体/>的负荷调节决策变量的取值范围，l i和u i是设定值。
可选地，针对所述优化模型，采用下式执行梯度下降：
其中，k表示执行梯度下降的迭代次数，G i(x(k),r i(k))是分布式用电主体i执行所述负荷扰动之后针对所述需求响应全局目标函数φ(x)估计的偏导数，r i(k)表示执行所述负荷扰动时的扰动函数，是分布式用电主体i自身的成本函数f i(x i)的偏导数，η i是梯度下降的步长。
可选地，所述扰动函数r i(k)的值为使得下式成立的正数：
。
本发明实施例还提供一种分布式需求响应方法，应用于负荷集成商端，且包括：获取并向全部分布式用电主体广播初始的需求响应效果信息，并选择任意一个分布式用电主体来响应于该初始的需求响应效果信息执行负荷扰动；获取并向全部分布式用电主体广播适应于所述负荷扰动的新的需求响应效果信息，以使得执行所述负荷扰动的分布式用电主体根据所述新的需求响应效果信息和所述初始的需求响应效果信息的变化来更新负荷调节策略；以及将适应于所更新的负荷调节策略的需求响应效果信息作为新的初始的需求响应效果信息，重复上述步骤，直到针对每一分布式用电主体而变化的需求响应效果信息满足预设要求，以及直到全部分布式用户主体均被选择。
本发明实施例还提供一种分布式需求响应装置，应用于分布式用电主体端，包括：存储器，其存储有能够在处理器上运行的程序；以及所述处理器，其被配置为执行所述程序时实现上述应用于分布式用电主体端的所述的分布式需求响应方法。
本发明实施例还提供一种分布式需求响应装置，应用于负荷集成商端，包括：存储器，其存储有能够在处理器上运行的程序；以及所述处理器，其被配置为执行所述程序时实现上述应用于负荷集成商端的分布式需求响应方法。
本发明实施例还提供一种分布式需求响应系统，包括负荷集成商以及由该负荷集成商所管理的多个分布式用电主体，其中所述负荷集成商具有上述相应应用于负荷集成商端的分布式需求响应装置，以及每一分布式用电主体具有上述相应应用于分布式用电主体端的分布式需求响应装置。
本发明实施例还提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行上述任意的分布式需求响应方法。
通过上述技术方案，可基于负荷集成商与分布式用电主体的单向通讯来实现需求响应，其中负荷集成商只需要关注电网整体的需求响应效果变化，而分布式用电主体无需向外界（包括负荷集成商和其他分布式用电主体）分享其负荷与偏好的任何信息，有效保障了用户在参与最优需求响应的同时避免信息泄露。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。
在附图中：
图1中是分布式需求响应场景的示意图；
图2是本发明实施例一的分布式需求响应方法的流程示意图；
图3是本发明实施例二的分布式需求响应方法的流程示意图；
图4是本发明实施例五的分布式需求响应系统的示例执行流程图；
图5（a）和图5（b）是本发明应用例一中分别关于相对误差和梯度范数的仿真结果的示意图；
图6是本发明应用例二的IEEE 30节点配电网系统的示意图；以及
图7（a）和图7（b）是本发明应用例二中分别关于总体目标和梯度范数的仿真结果的示意图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
在具体介绍本发明实施例的方案之前，先对分布式需求响应场景进行介绍，以便于本领域技术人员能够更为清楚地理解本发明实施例。
图1中是分布式需求响应场景的示意图，其中包括图中位于中间位置的负荷集成商以及四周分布的N个分布式用电主体（以下也直接简称为主体），负荷集成商接收到需求响应的信号时，其需要调动多个分布式用电主体来满足需求响应的目标，同时降低需求响应对分布式用电主体的用能影响。其中，负荷集成商连接了主电网或发电机组，从而其能够从物理上观测或测量整个配电网系统的用电输入（即需求响应效果）；分布式用电主体表示配电网中的分布式需求响应资源，该资源可以是电力用户、光伏、储能、发电机组等分布式能源，其具有接收信息并自动调节能量（也称负荷）水平的设备。需说明的是，在此的负荷集成商应理解为实体，例如服务器，这对于本领域技术人员是公知的。
因此，基于该分布式需求响应场景，本发明实施例提出了避免在需求响应中泄露用户信息的分布式需求响应方案。
实施例一
图2是本发明实施例一的分布式需求响应方法的流程示意图，该分布式需求响应方法应用于分布式用电主体端，且包括以下的步骤S210-S230。
步骤S210，响应于负荷集成商广播的初始的需求响应效果信息执行负荷扰动。
举例而言，通过需求响应全局目标函数φ(x)的函数值来描述需求响应效果信息，其中该函数值仅能由负荷集成商观测得到。进一步地，首先，负荷集成商直接观测得到其管理的全部分布式用电主体参与用电的全局目标函数φ(x)的函数值，并向全部分布式用电主体广播该函数值。其次，多个分布式用电主体中的任意一者可响应于该函数值来执行负荷扰动，例如向其当前的负荷调节策略中加入扰动函数r i(k)，再执行相应的负荷调节策略。
步骤S220，接收负荷集成商广播的适应于所述负荷扰动的新的需求响应效果信息，并根据所述新的需求响应效果信息和所述初始的需求响应效果信息的变化来更新负荷调节策略。
举例而言，首先，负荷集成商重新观测得到执行负荷扰动后的全局目标函数φ(x)的新的函数值，并再次向全部分布式用电主体广播。其次，执行了负荷扰动的分布式用电主体对比新的函数值和初始的函数值的变化，以判断自己的用电改进方向，进而更新负荷调节策略，例如适应性采用梯度下降算法来优化负荷调节策略。
步骤S230，将适应于所更新的负荷调节策略的需求响应效果信息作为新的初始的需求响应效果信息，重复上述步骤，直到实时的需求响应效果信息的变化满足预设要求。
举例而言，负荷集成商重新观测得到执行更新后的负荷调节策略后的全局目标函数φ(x)的新的函数值，将其作为新一轮优化的初始需求响应效果信息以重复上述的步骤S210和步骤S220，直得最终观测得到的全局目标函数φ(x)的函数值相对于其前次函数值的变化满足预设要求。
通过上述步骤S210-S230，易知本发明实施例利用负荷集成商向分布式用电主体广播信息的单向通讯方式，使得分布式用电主体在负荷调节过程中，无需向外界（包括负荷集成商和其他分布式用电主体）分享其负荷与偏好的任何信息。即使负荷集成商能够得到分布式用电主体添加扰动前后的全局目标函数φ(x)的函数值，但由于添加的扰动函数r i(k)只有主体自身知道，负荷集成商甚至难以估计该主体的梯度信息。这在有效保障用户参与需求响应的同时，避免了信息泄露。
进一步地，针对步骤S220涉及的负荷调节策略的更新，可采用任意的与全体分布式用电主体的负荷调节策略相关的目标来构建优化模型。在优选的实施例中，例如以成本最小化为目标，可构建如下的优化模型来进行负荷优化：
（1）
其中，F(x)表示成本最小化的总体目标函数，f i(x i)表示分布式用电主体i的成本函数，且f i(x i)的模型及参数仅由分布式用电主体掌握，x=(x 1 ，x 2 ，…，x i ，…，x N)表示N个分布式用电主体的负荷调节决策变量，/> =[l i ，u i]表示相应分布式用电主体/>的负荷调节决策变量的取值范围，l i和u i是设定值。
进一步地，针对式（1）的优化模型中的目标函数φ(x)，结合图1示出的场景，易知该场景具有一个最优化需求响应效果的全局目标，假设需要全局降低负荷水平D（即D是全局降低负荷的目标值），则全局目标为最小化实际降低负荷与目标值D之间的差异。如此，需求响应全局目标函数φ(x)被描述为：
φ(x) = (x c -D)2（2）
其中，x c是负荷集成商观测到的全部分布式用电主体参与需求响应的响应结果变量，其可以是如下的式（3）的显示表示式，也可以任意设置。另外，需说明的是，该需求响应全局目标函数φ(x)也不局限于式（2），其还可采用其他的形式，而本发明实施例对此不进行限定。
进一步针对x c，由于配电网中潮流约束的存在，x c在实际中不应是所有分布式用电主体负荷调整的简单相加，而是二者存在着非显式、非线性的关系。但是，在优选的实施例中，可以简化分布式用电主体所在配电网所带来的影响，将潮流约束的影响简化为参数γ i。即，针对式（2），响应结果变量x c通过下式描述：
（3）
其中，γ i是分布式用电主体i所在的配电网的潮流约束参数。即，在式（3）中，假设了总体响应结果与各个主体响应值存在线性关系，相当于对非凸、非线性的潮流约束进行了简化。
进一步地，针对式（1）的优化模型中的成本函数f i(x i)，其也可理解为是效用函数或损失函数，用于描述主体进行负荷调节后的损失，例如可能是减少用电带来的舒适度损失、增加碳排放带来的额外成本损失，也可能是调节负荷带来的收益损失等，具体定义取决于分布式用电主体的类型和特征，且易理解可以通过多种形式进行表达。举例而言，可定义为以下的二次型的成本函数：
f i(x i) =a i x i 2+b i x i 2+c i(4)
其中，a i、b i和c i是分布式用电主体i对应的成本系数。需说明的是，主体i参与需求响应的成本只与其自身决策x i相关，即f i(x i)的模型及参数仅由分布式用电主体掌握。同时，每个分布式用电主体的决策x i都在一个固定的响应区间，该区间取决于该主体的响应能力。
回到步骤S220，针对构建的优化模型，可以采用多种优化算法来取得最优结果。在示例中，例如基于下式执行梯度下降的优化算法：
（5）
其中，k表示执行梯度下降的迭代次数，G i(x(k),r i(k))是分布式用电主体i执行所述负荷扰动之后针对所述需求响应全局目标函数φ(x)估计的偏导数，r i(k)表示执行所述负荷扰动时的扰动函数，是分布式用电主体i自身的成本函数f i(x i)的偏导数，η i是梯度下降的步长。
优选地，所述梯度下降的步长为固定步长（Constant Step size，CS）或递减步长（Diminishing Step size，DS），例如当采用递减步长时，通过下式实现步长的递减：
（6）
其中，η(0)为初始步长，η(k)为第k次迭代的步长。
优选地，第k次迭代所对应的扰动函数r i(k)可通过下式进行变化：
r i(k)=（7）
其中，r i(0)为初始添加的扰动函数的值。
需说明的是，关于扰动函数r i(k)的设置是不限于式（7）的。一般地，r i(k)在理论上需要满足下式以保证能够收敛到最优点：。即，理论上要求r i(k)与最优点的误差无穷小。但在实际操作中，是不用要求r i(k)与最优点的误差无穷小的，进而只需将r i(k)设置为很小的正数，表明是很小的扰动量。另外，还应该保证添加r i(k)后的决策x i仍在可选范围内。
举例而言，主体i在步骤S220接收到新的φ(x)后，在本地估计需求响应全局目标函数φ(x)的梯度，并结合其成本函数f i(x i)的梯度进行梯度下降。设主体i前后接收到的两次需求响应函数值分别为φ(x(k))与，而在自身决策中添加的扰动为r i(k)，则主体/>在本地估计的φ(x)的偏导数为：
（8）
优选地，当r i(k)为足够小的正数时，可使得式（8）简化为：
（9）
如此，相应的主体i也能够对总体目标函数F(x)的偏导数进行估计：
(10)
需说明的是，能够且仅仅能够由分布式用电主体i自身准确计算，从而负荷集成商甚至于不会知道各分布式用电主体的梯度，进一步有助于保证主体的信息安全。
还需说明的是，针对不同的分布式用电主体，可以采用相同或不同的梯度下降的步长η i，和/或采用相同或不同的扰动函数r i(k)。即，本发明实施例可针对所有主体采用统一的步长与扰动值，但对于每个主体使用不同步长值与扰动值的场景仍然适用。
回到步骤S230，实时的需求响应效果信息的变化是否满足预设要求可通过上述梯度下降的迭代效果来进行评价。举例而言，通过F(x)在迭代过程中的相对误差（RelativeError, RE）或者梯度范数（Norm of Estimated Gradient，NEG）来评价所述梯度下降的迭代效果。
其中，RE被定义为下式：
RE=（11）
其中，F(x *)表示所述优化模型的最优解，且由于简化后的最小成本优化问题为凸问题，从而能够利用求解器模拟一个中心化的求解过程并得到最优解F(x *)。
另外，梯度范数NEG是梯度下降算法中的常用的估计值，其获取方式属于常规技术，在此不再赘述。
综上，在本发明实施例的需求响应过程中，分布式用电主体无需向外界分享其负荷与偏好的任何信息，避免了信息泄露。另外，本发明实施例通过分布式用电主体接收需求响应效果信息，并对目标梯度进行估计，实现了分布式地梯度下降需求响应优化，达到了优化与隐私保护的双重目的。
实施例二
图3是本发明实施例二的分布式需求响应方法的流程示意图，该分布式需求响应方法应用于负荷集成商端，且包括以下的步骤S310-S330。
步骤S310，获取并向全部分布式用电主体广播初始的需求响应效果信息，并选择任意一个分布式用电主体来响应于该初始的需求响应效果信息执行负荷扰动。
步骤S320，获取并向全部分布式用电主体广播适应于所述负荷扰动的新的需求响应效果信息，以使得执行所述负荷扰动的分布式用电主体根据所述新的需求响应效果信息和所述初始的需求响应效果信息的变化来更新负荷调节策略。
步骤S330，将适应于所更新的负荷调节策略的需求响应效果信息作为新的初始的需求响应效果信息，重复上述步骤，直到针对每一分布式用电主体而变化的需求响应效果信息满足预设要求，以及直到全部分布式用户主体均被选择。
承接于实施例一的示例，针对步骤S310和步骤S330中涉及的关于主体的选择，举例而言，假设存在一种随机化机制来任意选取一个分布式用电主体。本发明实施例并不限定该随机化机制的具体实施方法，比如该随机化机制可以是预先生成的一组随机顺序，通过负荷集成商进行广播。每当负荷集成商第奇数次广播新的φ(x)的函数值时，即为新的一轮迭代开始，分布式用电主体按照预先接收的随机顺序进行迭代。
该实施例二的更多实施细节及效果可参考前述实施例一，在此则不再进行赘述。
实施例三
本发明实施例三提供了一种分布式需求响应装置，应用于分布式用电主体端，包括：存储器，其存储有能够在处理器上运行的程序；以及所述处理器，其被配置为执行所述程序时实现上述实施例一所述的分布式需求响应方法。
其中，该分布式需求响应装置例如是分布式用电主体端的服务器。
该实施例三的更多实施细节及效果可参考前述实施例一，在此则不再进行赘述。
实施例四
本发明实施例四提供了一种分布式需求响应装置，应用于负荷集成商端，包括：存储器，其存储有能够在处理器上运行的程序；以及所述处理器，其被配置为执行所述程序时实现上述实施例二所述的分布式需求响应方法。
其中，该分布式需求响应装置例如是相应的负荷集成商端的服务器。
该实施例四的更多实施细节及效果可参考前述实施例二，在此则不再进行赘述。
需说明的是，针对实施例三和实施例四，处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来实现相应的分布式需求响应方法。存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
实施例五
本发明实施例五提供了一种分布式需求响应系统，包括负荷集成商以及由该负荷集成商所管理的多个分布式用电主体，其中所述负荷集成商具有实施例四的应用于负荷集成商的分布式需求响应装置，以及每一分布式用电主体具有实施例三的应用于分布式用电主体的分布式需求响应装置。需说明的是，负荷集成商和分布式用电主体在此应理解为实体机制，这对于本领域技术人员是公知的。
图4是应用本发明实施例五的分布式需求响应系统的示例执行流程图，且该示例执行流程与实施例一的示例的相关步骤相对应。如图4所示，利用该分布式需求响应系统，可执行如下步骤以实现需求响应：
步骤S410，负荷集成商获得需求响应信号D，分布式用电主体各自随机选择其初始决策x i。
其中，需求响应信号D对应于式（2）中的全局降低负荷的目标值。
步骤S420，负荷集成商观测并广播φ(x)。
步骤S430，随机选取主体i，对当前决策添加扰动。
步骤S440，负荷集成商观测并广播新的φ(x)。
步骤S450，主体i根据广播信息计算梯度并执行梯度下降。
步骤S460，负荷集成商观测新的φ(x)，判断变化是否足够小，若是，则响应完成，停止迭代，否则执行步骤S470。
步骤S470，负荷集成商广播新的φ(x)，返回至步骤S430，重复相关步骤。
在此，设主体i在步骤S430前后接收到的两次需求响应函数值分别为φ(x(k))与，则可与上述的式（5）-（11）相对应，以执行梯度下降，更新其决策，达到优化和隐私保护的目的。
该实施例五的更多实施细节及效果可参考前述实施例，在此则不再进行赘述。
应用例一
在应用例一中，考虑100个分布式用电主体参与由1个负荷集成商协调的分布式需求响应。该应用例一对于所有主体采用了统一的步长与扰动，且具体采用上述式（1）-（11）所示出的公式及如下面的表1所示的参数设置来进行分布式需求响应，其中U表示在对应区间均匀取值。特别说明的是，式（3）的应用表明了该应用例一中假设了总体响应结果与各个主体响应值存在线性关系，相当于对非凸、非线性的潮流约束进行了简化，以验证本发明实施例方案在凸情况下的优化效果。
表1 应用例一中的各参数设置
进一步地，基于上述参数，对分布式需求响应进行10次仿真并对结果取平均值，可以得到如图5（a）和图5（b）所示的关于相对误差RE和梯度范数NEG的结果，其中NEG是通过长度为20的滑动窗口计算其平均值。
从图5（a）和图5（b）示出的结果中可以看到，采用本发明实施例的分布式需求响应方案得到的结果，在某些步长条件下RE能够收敛到接近0。即，能够得到分布式需求响应的最优结果，在某些参数设置下能够在400次迭代中收敛至5%以内的相对误差（RE）。过程中的梯度范数(NEG)也在振荡中递减。相对于其他系统，该应用例的分布式需求响应系统需要数百次迭代才能达到较小的相对误差，但分布式用电主体无需向外界分享任何负荷信息或偏好。另外，由于步长和扰动也可以由分布式用电主体自行决策，负荷集成商难以通过需求响应效果的变化反推出分布式用电主体的梯度与负荷信息。
应用例二
在应用例二中，考虑IEEE 30节点配电网系统。图6是本发明应用例二的IEEE 30节点配电网系统的示意图，该配电网系统也即是需求响应系统，其中节点1为负荷集成商所在节点，带接地箭头节点为多个分布式用电主体。在该应用例中仅有节点1连接了主电网或发电机组，能够观测到整个系统的用电输入，系统中的其他发电机组有功出力为0。
该应用例的参数设置如表2所示，其中分布式用电主体为IEEE标准系统数据中具有有功负荷的20个节点，其最大调整功率为该节点最大有功功率。对比表2和表1，可知应用例二未进行关于γ i的参数设置，从而应用例二相对于应用例一，不采用上述式（3）的显示表达式来确定x c，而是考虑非凸、非线性的潮流约束来进行任意设置，进而以验证本发明实施例方案在非凸情况下的优化效果。
表2 应用例二中各参数设置
针对该应用例进行仿真，得到如图7（a）和图7（b）所示的结果。从仿真结果中可以看出，在非凸非线性的潮流约束下，采用本发明实施例的方案依然能够收敛到一个梯度为0的稳定点，但由于在非凸情况下无法保证最优性，该应用例二只能够达到局部最优效果。
以上的应用例一和应用例二用仿真模拟的方法验证了本发明实施例方案能够在凸和非凸的不可见系统下达到最优或局部最优需求响应，同时保障分布式用电主体的信息安全。另外，本发明应用例的数值结果还能够从理论上进行分析和证明，在适当的扰动、目标函数假设下，相应的分布式需求响应系统能够在数学上以线性速率达到最优解或局部最优解。
本发明实施例还提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行上述任意实施例所述的分布式需求响应方法。其中，所述机器例如是负荷集成商端或分布式用电主体端的服务器。
本发明实施例还提供一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述任意实施例所述的分布式需求响应方法。
本发明实施例还提供一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化上述任意实施例所述的分布式需求响应方法的步骤的程序。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种分布式需求响应方法，其特征在于，应用于分布式用电主体端，且包括：
响应于负荷集成商广播的初始的需求响应效果信息执行负荷扰动；
接收负荷集成商广播的适应于所述负荷扰动的新的需求响应效果信息，并根据所述新的需求响应效果信息和所述初始的需求响应效果信息的变化来更新负荷调节策略；以及
将适应于所更新的负荷调节策略的需求响应效果信息作为新的初始的需求响应效果信息，重复上述步骤，直到实时的需求响应效果信息的变化满足预设要求。
2.根据权利要求1所述的分布式需求响应方法，其特征在于，通过仅能由负荷集成商观测到的需求响应全局目标函数φ(x)的函数值来描述需求响应效果信息。
3.根据权利要求2所述的分布式需求响应方法，其特征在于，更新负荷调节策略包括：
以成本最小化为目标，构建如下的优化模型来进行负荷优化：
其中，F(x)表示成本最小化的总体目标函数，f i(x i)表示分布式用电主体i的成本函数，且f i(x i)的模型及参数仅由分布式用电主体掌握，x=(x 1 ，x 2 ，…，x i ，…，x N)表示N个分布式用电主体的负荷调节决策变量，/> =[l i ，u i]表示相应分布式用电主体/>的负荷调节决策变量的取值范围，l i和u i是设定值。
4.根据权利要求3所述的分布式需求响应方法，其特征在于，针对所述优化模型，采用下式执行梯度下降：
其中，k表示执行梯度下降的迭代次数，G i(x(k),r i(k))是分布式用电主体i执行所述负荷扰动之后针对所述需求响应全局目标函数φ(x)估计的偏导数，r i(k)表示执行所述负荷扰动时的扰动函数，是分布式用电主体i自身的成本函数f i(x i)的偏导数，η i是梯度下降的步长。
5.根据权利要求4所述的分布式需求响应方法，其特征在于，扰动函数r i(k)的值为使得下式成立的正数：
。
6.一种分布式需求响应方法，其特征在于，应用于负荷集成商端，且包括：
获取并向全部分布式用电主体广播初始的需求响应效果信息，并选择任意一个分布式用电主体来响应于该初始的需求响应效果信息执行负荷扰动；
获取并向全部分布式用电主体广播适应于所述负荷扰动的新的需求响应效果信息，以使得执行所述负荷扰动的分布式用电主体根据所述新的需求响应效果信息和所述初始的需求响应效果信息的变化来更新负荷调节策略；以及
将适应于所更新的负荷调节策略的需求响应效果信息作为新的初始的需求响应效果信息，重复上述步骤，直到针对每一分布式用电主体而变化的需求响应效果信息满足预设要求，以及直到全部分布式用户主体均被选择。
7.一种分布式需求响应装置，其特征在于，应用于分布式用电主体端，包括：
存储器，其存储有能够在处理器上运行的程序；以及
所述处理器，其被配置为执行所述程序时实现权利要求1至5中任意一项所述的分布式需求响应方法。
8.一种分布式需求响应装置，其特征在于，应用于负荷集成商端，包括：
存储器，其存储有能够在处理器上运行的程序；以及
所述处理器，其被配置为执行所述程序时实现权利要求6所述的分布式需求响应方法。
9.一种分布式需求响应系统，其特征在于，包括负荷集成商以及由该负荷集成商所管理的多个分布式用电主体，其中所述负荷集成商具有权利要求8所述的分布式需求响应装置，以及每一分布式用电主体具有权利要求7所述的分布式需求响应装置。
10.一种机器可读存储介质，其特征在于，该机器可读存储介质上存储有指令，该指令用于使得机器执行权利要求1-6中任意一项所述的分布式需求响应方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310778813.2A CN116565882B (zh) | 2023-06-29 | 2023-06-29 | 分布式需求响应方法、装置、系统及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310778813.2A CN116565882B (zh) | 2023-06-29 | 2023-06-29 | 分布式需求响应方法、装置、系统及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116565882A true CN116565882A (zh) | 2023-08-08 |
| CN116565882B CN116565882B (zh) | 2023-09-19 |
Family
ID=87503799
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310778813.2A Active CN116565882B (zh) | 2023-06-29 | 2023-06-29 | 分布式需求响应方法、装置、系统及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116565882B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140343983A1 (en) * | 2011-09-16 | 2014-11-20 | Autogrid Inc. | System and a method for optimization and management of demand response and distributed energy resources |
| CN106886603A (zh) * | 2017-03-03 | 2017-06-23 | 东南大学 | 一种需求响应资源组合优化的分层分布式体系架构和方法 |
| CN108306288A (zh) * | 2018-02-13 | 2018-07-20 | 华东理工大学 | 一种基于需求侧响应的微网社区分布式能量分配方法 |
| CN110635473A (zh) * | 2019-09-05 | 2019-12-31 | 清华大学 | 紧急需求响应的分散-集中协调控制方法及系统 |
| CN110728410A (zh) * | 2019-10-16 | 2020-01-24 | 重庆大学 | 一种计及需求响应灵活性和不确定性的负荷聚合商经济调度方法 |
| CN111027739A (zh) * | 2019-10-23 | 2020-04-17 | 广东电力交易中心有限责任公司 | 基于负荷集成商的双层两阶段需求响应调度方法及系统 |
| CN111641226A (zh) * | 2020-05-19 | 2020-09-08 | 浙江工业大学 | 一种计及自动需求响应的建筑型微电网光伏利用率提高方法 |
| CN113689031A (zh) * | 2021-08-09 | 2021-11-23 | 上海电力大学 | 一种基于改进次梯度算法的配电网阻塞管理方法 |
| CN114926301A (zh) * | 2022-04-08 | 2022-08-19 | 国网浙江省电力有限公司 | 一种基于矩阵分解法的需求响应动态资源池建立方法 |
| CN115115145A (zh) * | 2022-08-26 | 2022-09-27 | 山东大学 | 分布式光伏智能住宅的需求响应调度方法及系统 |
| CN115577827A (zh) * | 2022-09-16 | 2023-01-06 | 中国南方电网有限责任公司 | 一种电力需求响应的资源聚合优化方法、装置及存储介质 |
| CN116231734A (zh) * | 2023-02-07 | 2023-06-06 | 国网湖北省电力有限公司经济技术研究院 | 一种微电网风-储-荷分层协同调频控制方法 |
-
2023
- 2023-06-29 CN CN202310778813.2A patent/CN116565882B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140343983A1 (en) * | 2011-09-16 | 2014-11-20 | Autogrid Inc. | System and a method for optimization and management of demand response and distributed energy resources |
| CN106886603A (zh) * | 2017-03-03 | 2017-06-23 | 东南大学 | 一种需求响应资源组合优化的分层分布式体系架构和方法 |
| CN108306288A (zh) * | 2018-02-13 | 2018-07-20 | 华东理工大学 | 一种基于需求侧响应的微网社区分布式能量分配方法 |
| CN110635473A (zh) * | 2019-09-05 | 2019-12-31 | 清华大学 | 紧急需求响应的分散-集中协调控制方法及系统 |
| CN110728410A (zh) * | 2019-10-16 | 2020-01-24 | 重庆大学 | 一种计及需求响应灵活性和不确定性的负荷聚合商经济调度方法 |
| CN111027739A (zh) * | 2019-10-23 | 2020-04-17 | 广东电力交易中心有限责任公司 | 基于负荷集成商的双层两阶段需求响应调度方法及系统 |
| CN111641226A (zh) * | 2020-05-19 | 2020-09-08 | 浙江工业大学 | 一种计及自动需求响应的建筑型微电网光伏利用率提高方法 |
| CN113689031A (zh) * | 2021-08-09 | 2021-11-23 | 上海电力大学 | 一种基于改进次梯度算法的配电网阻塞管理方法 |
| CN114926301A (zh) * | 2022-04-08 | 2022-08-19 | 国网浙江省电力有限公司 | 一种基于矩阵分解法的需求响应动态资源池建立方法 |
| CN115115145A (zh) * | 2022-08-26 | 2022-09-27 | 山东大学 | 分布式光伏智能住宅的需求响应调度方法及系统 |
| CN115577827A (zh) * | 2022-09-16 | 2023-01-06 | 中国南方电网有限责任公司 | 一种电力需求响应的资源聚合优化方法、装置及存储介质 |
| CN116231734A (zh) * | 2023-02-07 | 2023-06-06 | 国网湖北省电力有限公司经济技术研究院 | 一种微电网风-储-荷分层协同调频控制方法 |
Non-Patent Citations (2)
| Title |
|---|
| 徐成司等: "面向工业园区的集中-分布式综合需求响应方法", 《电网技术》, vol. 45, no. 02, pages 489 - 500 * |
| 王德志;张孝顺;刘前进;余涛;潘振宁;: "基于集成学习的孤岛微电网源―荷协同频率控制", 电力系统自动化, no. 10, pages 52 - 58 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116565882B (zh) | 2023-09-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chai et al. | Demand response management with multiple utility companies: A two-level game approach | |
| Celik et al. | Decentralized neighborhood energy management with coordinated smart home energy sharing | |
| Rahbari-Asr et al. | Incremental welfare consensus algorithm for cooperative distributed generation/demand response in smart grid | |
| US11581732B2 (en) | Establishing communication and power sharing links between components of a distributed energy system | |
| Kim et al. | Cloud-based demand response for smart grid: Architecture and distributed algorithms | |
| US9760957B2 (en) | Distributed methods and software for balancing supply and demand in an electric power network | |
| US9118219B2 (en) | Methods and systems for determining an association between nodes and phases via a smart grid | |
| US20130041852A1 (en) | Customizable dynamic resource regulating devices and methods | |
| Chandran et al. | Demand response and consumer inconvenience | |
| Kebriaei et al. | Multipopulation aggregative games: Equilibrium seeking via mean-field control and consensus | |
| CN114697150B (zh) | 命令的下发方法和装置、存储介质及电子装置 | |
| US20130191659A1 (en) | Load Control of Demand Response Network Devices | |
| Reiszadeh et al. | Improving convergence properties of autonomous demand side management algorithms | |
| CN116565882B (zh) | 分布式需求响应方法、装置、系统及介质 | |
| CN112751926B (zh) | 一种集群中工作节点的管理方法、系统及相关装置 | |
| Brooks et al. | Consumer-aware load control to provide contingency reserves using frequency measurements and inter-load communication | |
| Bistritz et al. | Smart greedy distributed allocation in microgrids | |
| Ahmadzadeh et al. | Optimal real time pricing based on income maximization for smart grid | |
| CN116107975A (zh) | 设备的控制方法和装置、存储介质及电子装置 | |
| WO2017199901A1 (ja) | エネルギー管理装置、エネルギーシステム、エネルギー管理方法、及びプログラム記憶媒体 | |
| Wang et al. | Delay-optimal random access for large-scale energy harvesting networks | |
| Kong et al. | Dynamic pricing of demand response based on elasticity transfer and reinforcement learning | |
| Tasquier et al. | Agent based negotiation of decentralized energy production | |
| US11303124B2 (en) | Method and system for demand-response signal assignment in power distribution systems | |
| JP2014142932A (ja) | 動的負荷低減制御メッセージングのためのシステムおよび方法 |
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 |