CN117559464B - 一种电力需求响应的调控方法、系统、电子设备及介质 - Google Patents

一种电力需求响应的调控方法、系统、电子设备及介质 Download PDF

Info

Publication number
CN117559464B
CN117559464B CN202410040407.0A CN202410040407A CN117559464B CN 117559464 B CN117559464 B CN 117559464B CN 202410040407 A CN202410040407 A CN 202410040407A CN 117559464 B CN117559464 B CN 117559464B
Authority
CN
China
Prior art keywords
user
demand response
potential
flexible
users
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
CN202410040407.0A
Other languages
English (en)
Other versions
CN117559464A (zh
Inventor
彭晋卿
罗正意
江志豪
邹斌
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.)
Hunan University
Original Assignee
Hunan 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 Hunan University filed Critical Hunan University
Priority to CN202410040407.0A priority Critical patent/CN117559464B/zh
Publication of CN117559464A publication Critical patent/CN117559464A/zh
Application granted granted Critical
Publication of CN117559464B publication Critical patent/CN117559464B/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
    • H02J3/12—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination
    • 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
    • H02J3/007—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
    • 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
    • H02J2310/58—The condition being electrical
    • H02J2310/60—Limiting power consumption in the network or in one section of the network, e.g. load shedding or peak shaving
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • Power Engineering (AREA)
  • Mathematical Physics (AREA)
  • Accounting & Taxation (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Finance (AREA)
  • Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Primary Health Care (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • General Health & Medical Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Public Health (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)

Abstract

本发明公开了一种电力需求响应的调控方法、系统、电子设备及介质，涉及电力需求响应领域。负荷聚合商利用智能代理系统确定各个用户的柔性潜力和需求响应意愿，并得到在聚合层面的聚合柔性潜力，从而进一步确定完成电网发布的需求响应任务所需的用户需求响应参与率；基于所需的用户需求响应参与率、各用户的柔性潜力和需求响应意愿制定激励方案激励目标用户参与需求响应完成电网下达的需求响应任务。该方法实现了分布式的柔性潜力预测以及精细化的调度控制，在保障用户的用能舒适性、便利性的同时，最大程度地降低电网供电波动性，实现可控有序的需求响应，保证需求响应任务的完成。

Description

一种电力需求响应的调控方法、系统、电子设备及介质
技术领域
本发明涉及电力系统领域，特别是涉及一种电力需求响应的调控方法、系统、电子设备及介质。
背景技术
电网的用电负荷，特别是城镇居住建筑中的一些用电负荷具有较高的用能灵活性，这些用电负荷作为柔性负荷，具有一定的柔性潜力，负荷聚合商可以利用柔性负荷的柔性潜力参与电网的需求响应。目前面对电网发布的需求响应任务，大多都直接通过调整电价或激励手段来刺激用户参与需求响应，导致最终的需求响应的结果往往是无序的，并且在需求响应事件结束后容易产生较大的负荷回弹效应，使电网的供电平稳性受到更大冲击，如何有效预测柔性负荷的柔性潜力并利用其柔性潜力实现需求响应的有序的、精细化的控制是当前面临的重要问题。
现有技术中，主要是基于物理白箱模型构建计算模型的方式实现对柔性负荷的柔性潜力的预测，通过定量计算的方法总结出不同负荷在不同典型日以及天气状态下所能提供的柔性潜力。负荷聚合商再基于这些针对典型日的定量结论、也即这一白箱模型对各个柔性负荷进行调度，但是这种基于物理白箱模型的柔性潜力的量化方法得到的结果都是固定的各个情况下的硬性指标，并且需要计算不同情况下不同负荷的各个柔性潜力，所需要的计算量较大，模拟或预测柔性潜力的时长远大于调控的时间步长，准确性较差；同时负荷聚合商在调控各个负荷时，通常会统一调度所有柔性负荷来实现电力需求响应，负荷聚合商在对于各类柔性负荷的调度上存在较大局限性。
发明内容
本发明的目的是提供一种电力需求响应的调控方法、系统、电子设备及介质，提前构建的预测模型可以根据不同应用情况确定用户当前的柔性潜力，减小了对用户柔性潜力预测过程中的计算量和预测延时，提高整个电力需求响应的准确度，通过负荷聚合商以及智能代理系统之间的配合实现了分布式的柔性潜力预测以及调度控制，在调控各个用户进行需求响应的过程中考虑各个用户的柔性潜力的具体情况，在保障用户的用能舒适性、便利性的同时，最大程度地降低电网供电波动性，实现可控有序的需求响应，保证需求响应任务的完成。
为解决上述技术问题，本发明提供了一种电力需求响应的调控方法，应用于柔性潜力预测装置，所述柔性潜力预测装置包括负荷聚合商和与若干个用户一一对应的智能代理系统；所述电力需求响应的调控方法包括：
所述负荷聚合商利用所述智能代理系统中预先构建的预测模型确定各个所述用户的柔性潜力，并获取所述智能代理系统发送的用户的需求响应意愿，以确定所有所述用户的聚合柔性潜力；
根据所述聚合柔性潜力、确定完成电网发布的需求响应任务所需的用户需求响应参与率；
基于各个所述用户的柔性潜力、所述用户的需求响应意愿和所述所需的用户需求响应参与率制定激励方案激励所述用户完成所述电网发布的需求响应任务。
可选地，所述根据所述聚合柔性潜力、确定完成电网发布的需求响应任务所需的用户需求响应参与率，包括：
确定聚合柔性潜力与用户需求响应参与率之间的关系；
基于所述聚合柔性潜力和所述聚合柔性潜力与用户需求响应参与率之间的关系计算完成电网发布的需求响应任务所需的用户需求响应参与率；
所述聚合柔性潜力与用户需求响应参与率之间的关系为：
；
其中，为聚合柔性潜力与用户需求响应参与率之间的关系，X1为用户用能的基础特征，X2为天气状况特征，X3为用户行为特征。
可选地，所述确定聚合柔性潜力与用户需求响应参与率之间的关系，包括：
利用所述智能代理系统获取所述用户用能的基础特征、所述天气状况特征、所述用户行为特征和所述聚合柔性潜力与用户需求响应参与率之间的关系的历史数据；
采用特征选择算法确定所述用户用能的基础特征、所述天气状况特征和所述用户行为特征作为第一特征变量；
基于所述第一特征变量的历史数据确定所述聚合柔性潜力与用户需求响应参与率之间的关系。
可选地，所述利用所述智能代理系统中预先构建的预测模型确定各个所述用户的柔性潜力之前，还包括：
所述智能代理系统采用特征选择算法确定所述用户的基础负荷、需求响应调控开始的时间、天气状况和所述用户的柔性负荷对应的设备的运行状态作为第二特征变量；
基于所述第二特征变量的历史数据和所述用户的柔性潜力的历史数据采用机器学习方法构建所述预测模型。
可选地，所述基于所述第二特征变量的历史数据和所述用户的柔性潜力的历史数据采用机器学习方法构建所述预测模型之前，还包括：
所述智能代理系统获取所述用户的用能习惯和响应意愿；
对应地，所述基于所述第二特征变量的历史数据和所述用户的柔性潜力的历史数据采用机器学习方法构建所述预测模型，包括：
以所述用户的用能习惯和响应意愿作为边界条件，基于所述第二特征变量的历史数据和所述用户的柔性潜力的历史数据采用机器学习方法构建所述预测模型。
可选地，所述基于各个所述用户的柔性潜力、所述用户的需求响应意愿和所述所需的用户需求响应参与率制定激励方案激励所述用户完成所述电网发布的需求响应任务，包括：
基于所述所需的用户需求响应参与率确定需要参加需求响应的用户数量，所述需要参加需求响应的用户数量为N，N为正整数；
确定需求响应对应的时间段内的天气数据，基于所述天气数据和各个所述用户的柔性潜力选取所述用户的需求响应意愿较高的N个用户；
基于N个所述用户中响应意愿最低的用户制定电价信息，并向N个所述用户对应的N个智能代理系统发送对应的电价信息以刺激所述用户进行需求响应。
为解决上述技术问题，本发明还提供了一种电力需求响应的调控系统，应用于柔性潜力预测装置，所述柔性潜力预测装置包括负荷聚合商和与若干个用户一一对应的智能代理系统；所述电力需求响应的调控系统包括：
柔性潜力确定单元，用于所述负荷聚合商利用所述智能代理系统中预先构建的预测模型确定各个所述用户的柔性潜力，并获取所述智能代理系统发送的用户的需求响应意愿，以确定所有所述用户的聚合柔性潜力；
总需求响应参与率确定单元，用于根据所述聚合柔性潜力、确定完成电网发布的需求响应任务所需的用户需求响应参与率；
调控单元，用于基于各个所述用户的柔性潜力、所述用户的需求响应意愿和所述所需的用户需求响应参与率制定激励方案激励所述用户完成所述电网发布的需求响应任务。
为解决上述技术问题，本发明还提供了一种电子设备，包括：
存储器，用于存储计算机程序；
处理器，用于实现如前述所述的电力需求响应的调控方法的步骤。
为解决上述技术问题，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如前述所述的电力需求响应的调控方法的步骤。
本发明提供了一种电力需求响应的调控方法，负荷聚合商可以利用与用户一一对应的智能代理系统中预先构建的预测模型来确定各个用户的柔性潜力和参与需求响应的响应意愿，从而得到所有用户在聚合层面的聚合柔性潜力，以便后续基于完成电网发布的需求响应任务所需的用户需求响应参与率来制定激励方案以刺激所述用户进行需求响应；提前构建的预测模型可以根据不同应用情况确定用户当前的柔性潜力，减小了对用户柔性潜力预测过程中的计算量和预测延时，提高整个电力需求响应的准确度，通过负荷聚合商以及智能代理系统之间的配合实现了分布式的柔性潜力预测以及调度控制，在调控各个用户进行需求响应的过程中考虑各个用户的柔性潜力的具体情况，在保障用户的用能舒适性、便利性的同时，最大程度地降低电网供电波动性，实现可控有序的需求响应，保证需求响应任务的完成。
本发明还提供了一种电力需求响应的调控系统、电子设备和计算机可读存储介质，具有与上述电力需求响应的调控方法相同的有益效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对现有技术和实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为本发明提供的一种电力需求响应的调控方法的流程示意图；
图2为本发明提供的一种负荷聚合商的用电功率与时间之间的关系曲线示意图；
图3为本发明提供的一种柔性潜力预测装置的应用框架图；
图4为本发明提供的一种柔性潜力预测装置的信号传输示意图；
图5为本发明提供的另一种电力需求响应的调控方法的流程示意图；
图6为本发明提供的一种柔性潜力预测装置的功能架构示意图；
图7为本发明提供的一种电力需求响应的调控系统的结构示意图；
图8为本发明提供的一种电子设备的结构示意图。
具体实施方式
本发明的核心是提供一种电力需求响应的调控方法、系统、电子设备及介质，提前构建的预测模型可以根据不同应用情况确定用户当前的柔性潜力，减小了对用户柔性潜力预测过程中的计算量和预测延时，提高整个电力需求响应的准确度，通过负荷聚合商以及智能代理系统之间的配合实现了分布式的柔性潜力预测以及调度控制，在调控各个用户进行需求响应的过程中考虑各个用户的柔性潜力的具体情况，在保障用户的用能舒适性、便利性的同时，最大程度地降低电网供电波动性，实现可控有序的需求响应，保证需求响应任务的完成。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明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做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。
请参照图1，图1为本发明提供的一种电力需求响应的调控方法的流程示意图；为解决上述技术问题，本发明提供了一种电力需求响应的调控方法，应用于柔性潜力预测装置，柔性潜力预测装置包括负荷聚合商和与若干个用户一一对应的智能代理系统；电力需求响应的调控方法包括：
S11：负荷聚合商利用智能代理系统中预先构建的预测模型确定各个用户的柔性潜力，并获取智能代理系统发送的用户的需求响应意愿，以确定所有用户的聚合柔性潜力；
不难理解的是，在对电网发布的需求响应任务的过程中，需要先对用户的柔性潜力进行预测，预测柔性潜力主要是为了预测各个用户有多少柔性，从而利用这些柔性来参与需求响应，只有知道了各个用户有多少柔性，才能考虑如何利用这些柔性进行需求响应；因此与用户一一对应的智能代理系统会先根据预先构建的预测模块来对各个用户的柔性潜力进行预测，并且获取智能代理系统发送的用户的需求响应意愿，从而便于负荷聚合商后续根据预测得到的柔性潜力和用户的需求响应意愿来调控整个电力需求响应的过程。参与电力需求响应的一般为住宅的负荷聚合商，对于负荷聚合商和智能代理系统的类型和具体实现方式等本申请在此不做特别的限定。
具体地，负荷聚合商指能够接受有可调负荷能力的用户的委托，通过建立用户与电网连接的通道，实现对用户数据的采集、管理和控制，从而能够为参与电力市场中长期交易、现货及辅助服务市场交易等提供技术支持的规模化的需求响应资源。需求响应即电力需求响应的简称，是指当电力批发市场价格升高或系统可靠性受威胁时，电力用户接收到供电方发出的诱导性减少负荷的直接补偿通知或者电力价格上升信号后，改变其固有的习惯用电模式，达到减少或者推移某时段的用电负荷而响应电力供应，从而保障电网稳定，并抑制电价上升的短期行为。
S12：根据聚合柔性潜力、确定完成电网发布的需求响应任务所需的用户需求响应参与率；
需要说明的是，聚合柔性潜力指的是聚合层面的柔性潜力，例如1000台空调的柔性潜力；负荷聚合商在调控各个用户的用能来进行电力需求响应的过程中，需要确保最终参与需求响应的用户的聚合柔性潜力能够满足电网下达的需求响应任务，因此需要根据电网发布的需求响应任务的不同情况来确定所需的用户需求响应参与率，所需的用户需求响应参与率是所有用户在满足电力需求响应的情况下所必须达到的一个总的需求响应参与率。当负荷聚合商基于所需的用户需求响应参与率对各个用户进行调控时，聚合层面的聚合柔性潜力可以达到期望的聚合柔性潜力，也即准确完成电力需求响应。
S13：基于各个用户的柔性潜力、用户的需求响应意愿和所需的用户需求响应参与率制定激励方案激励用户完成电网发布的需求响应任务。
不难理解的是，在得到所需的用户需求响应参与率之后，负荷聚合商需要根据确定的所需用户需求响应参与率和用户上传的意愿边界数据，负荷聚合商制定合适的动态电价方案或其他的激励方案来刺激目标用户参与需求响应，从而将用户参与率控制在合适范围内。各智能代理系统在接收到电价信息后根据用户所设定的意愿决定是否对空调设备或用户的其他柔性负荷发送控制信号，从而达到精细化需求响应的目的。
需要说明的是，柔性潜力指的是柔性负荷的可调节程度，柔性负荷又称可调节负荷，是指地市级及以上电力调度机构直接调度的传统高载能工业负荷、工商业可中断负荷、电动汽车充电网络、居住或办公建筑中的各类用电设备等可调节负荷。可调节负荷包括直控型和非直控型两类。直控型可调节负荷是指具备电力调度机构直接控制条件，并与电力调度机构签订并网调度协议的可调节负荷，包括直控型电力用户和直控型聚合平台（含负荷聚合商、虚拟电厂等形式聚合，目前仅允许对同一地市管辖范围内的多个电力用户进行聚合）两类。同时建筑负荷柔性是指建筑能够主动改变其从市政电网取电功率的能力，从而为电力系统提供辅助服务。建筑负荷柔性的基本组成单元为各类柔性负荷的用能灵活性。电力辅助服务指为维持电力系统安全稳定运行，保证电能质量，促进清洁能源消纳，除正常电能生产、输送、使用外，由火电、水电、核电、风电、光伏发电、光热发电、抽水蓄能、自备电厂等发电侧并网主体，电化学、压缩空气、飞轮等新型储能，传统高载能工业负荷、工商业可中断负荷、电动汽车充电网络、居住或办公建筑用电负荷等能够响应电力调度指令的可调节负荷（含通过聚合商、虚拟电厂等形式聚合）提供的服务。
为了更好地量化负荷聚合商的柔性潜力、也即聚合柔性潜力，可以先对聚合商的柔性潜力特征参数进行定义，聚合商的柔性潜力特征参数包括负荷削减量、功率削减量、负荷回弹效应、瞬时峰值以及供电波动性变化五项指标，负荷削减量是指需求响应状态下与不进行需求响应的常规状态相比所减少的能耗；功率削减量是指需求响应状态下负荷聚合商所减少的平均用电功率；负荷回弹效应是指当需求响应结束后的一段时间内与不进行需求响应的常规状态相比所增加的能耗；瞬时峰值是指当需求响应事件结束后短时间内供电曲线的峰值；供电波动性变化是指需求响应状态下供电功率的标准差。请参照图2，图2为本发明提供的一种负荷聚合商的用电功率与时间之间的关系曲线示意图；图2所示为负荷聚合商的用电功率与时间之间的关系曲线，纵坐标为负荷聚合商的用电功率，横坐标为时间，t1-t2时间段为负荷聚合商处于需求响应状态的时段，用户的供电功率与用电功率始终相等。
不难理解的是，负荷聚合商的柔性潜力特征参数与对应的用户是否参与需求响应以及用户参与需求响应的比例有关，因此可以建立柔性潜力特征参数与用户的参与需求响应比例之间的关系：
；
其中，为负荷聚合商的柔性潜力特征参数，/>为用户的参与需求响应比例、也即用户的需求响应参与率，/>为负荷聚合商的柔性潜力与用户的需求响应参与率的关系，也是对预测柔性潜力的过程中的预测变量，会根据用户的用电基础特征以及天气状况等特征的变化而变化。
本发明所提出的电力需求响应的调控方法是一种面向居住建筑的负荷聚合商的精细化柔性潜力预测方法和分布式的调度系统，利用智能代理系统中的预测模块将对建筑中的柔性负荷的柔性潜力分析从现有的静态定性分析转变成动态定量预测，在用户侧设置智能代理系统来进行负荷柔性潜力的预测，从而降低负荷聚合商主站的系统计算负荷，同时考虑了用户需求响应参与率来对聚合柔性潜力进行评估与校核，使得整个需求响应的过程变得可控和有序，以便负荷聚合商实现精细化的需求响应控制。
可以理解的是，对于负荷聚合商调控各个用户进行电力需求响应的调控时间步长等调控参数本申请在此不做特别的限定，负荷聚合商在基于电网发布的需求响应任务确定所有用户的所需的用户需求响应参与率的过程中，通常会直接根据电力需求响应所需要的负荷容量削减来确定聚合柔性潜力以及对应的所需的用户需求响应参与率，也可以根据电力需求响应的不同情况，来判断如何确定对应的聚合柔性潜力以及所需的用户需求响应参与率。
作为一种具体地实施例，请参照图3，图3为本发明提供的一种柔性潜力预测装置的应用框架图；整个电力需求响应的调控方法应用于柔性潜力预测装置，柔性潜力预测装置包括精细化柔性潜力预测模型，精细化柔性潜力预测模型的应用框架包括负荷聚合商、智能代理系统以及用户的智能设备三个主体，如图3所示。其中，智能代理系统是连接负荷聚合商与用户的重要桥梁。负荷聚合商控制各个用户进行精细化需求响应的核心在于合理地控制用户参与率，智能代理系统中的预先构建的柔性潜力预测模型有必要针对用户对于电力需求响应的响应意愿进行确定。可以通过用户意愿建模的方式确定负荷聚合商中各用户接受参与需求响应的临界值；同时在负荷聚合商中构建用户筛选机制，通过柔性潜力预测模型计算出所需的用户参与率后，负荷聚合商通过发送实时电价信息刺激用户参与需求响应。用户意愿建模可以应用于负荷聚合商日前预测的模拟中，而用户筛选机制则可以作为负荷聚合商实时调控的控制策略。
本发明提出的精细化柔性潜力预测模型通过考虑用户的需求响应参与率使得负荷聚合商参与需求响应的过程变得可控和有序，在保障用户的用能舒适性、便利性的同时，最大程度地降低电网供电波动性。分布式的用户柔性潜力预测能够极大地较低负荷聚合商主站的系统计算负荷，同时经过对聚合柔性潜力进行评估与校核后，可以将整个预测模块的单次迭代的计算时间控制在负荷聚合商对需求响应的调控时间的步长以内，以便在居住建筑群中实现精细化需求响应。
本发明提供了一种电力需求响应的调控方法，负荷聚合商可以利用与用户一一对应的智能代理系统中预先构建的预测模型来确定各个用户的柔性潜力和参与需求响应的响应意愿，从而得到所有用户在聚合层面的聚合柔性潜力，以便后续基于完成电网发布的需求响应任务所需的用户需求响应参与率来制定激励方案以刺激所述用户进行需求响应；该方法实现了分布式的柔性潜力预测以及精细化的调度控制，在保障用户的用能舒适性、便利性的同时，最大程度地降低电网供电波动性，实现可控有序的需求响应，保证需求响应任务的完成。提前构建的预测模型可以根据不同应用情况确定用户当前的柔性潜力，减小了对用户柔性潜力预测过程中的计算量和预测延时，提高整个电力需求响应的准确度，通过负荷聚合商以及智能代理系统之间的配合实现了分布式的柔性潜力预测以及调度控制，在调控各个用户进行需求响应的过程中考虑各个用户的柔性潜力的具体情况，灵活确定不同的用户的需求响应参与率，实现可控有序的需求响应，在保障用户的用能舒适性、便利性的同时，最大程度地降低电网供电波动性。
在上述实施例的基础上；
作为一种可选地实施例，根据聚合柔性潜力、确定完成电网发布的需求响应任务所需的用户需求响应参与率，包括：
确定聚合柔性潜力与用户需求响应参与率之间的关系；
基于聚合柔性潜力和聚合柔性潜力与用户需求响应参与率之间的关系计算完成电网发布的需求响应任务所需的用户需求响应参与率；聚合柔性潜力与用户需求响应参与率之间的关系聚合柔性潜力与用户需求响应参与率之间的关系
聚合柔性潜力与用户需求响应参与率之间的关系为：
；
其中，为聚合柔性潜力与用户需求响应参与率之间的关系，X1为用户用能的基础特征，X2为天气状况特征，X3为用户行为特征。
不难理解的是，负荷聚合商的柔性潜力与用户的需求响应参与率的关系会受到一些特征变量的影响，根据历史研究数据，可以总结得出三大类重要的特征变量，包括用户用能的基础特征X1、天气状况特征X2以及用户行为与设备功率特征、也即用户行为特征X3，以分体空调作为用户的柔性负荷为例，对柔性潜力具有应县供电特征变量如表1所示。
表1 影响分体空调柔性潜力的特征变量（DR指需求响应）
可以理解的是，由此可以确定聚合柔性潜力与用户需求响应参与率之间的关系为；用户用能的基础特征为用户在用能过程中柔性负荷常规状态下的负荷情况，天气状况特征主要针对天气因素对于柔性负荷的负荷情况以及用户响应需求意愿的影响，用户行为特征主要针对用户自身习惯或喜好等对于柔性负荷的负荷情况以及用户响应需求意愿的影响，对于不同的柔性负荷，三大特征的具体类型和参数可能存在不同，本申请在此不做特别的限定。
具体地，由于负荷聚合商的柔性潜力主要会受到聚合柔性潜力与用户需求响应参与率之间的关系的影响，因此在确定聚合柔性潜力的过程中，需要先确定聚合柔性潜力与用户需求响应参与率之间的关系这一变量，考虑多个因素对于柔性潜力的影响，进一步确保聚合柔性潜力能够满足电力需求响应。
作为一种可选地实施例，确定聚合柔性潜力与用户需求响应参与率之间的关系，包括：
利用所述智能代理系统获取用户用能的基础特征、天气状况特征、用户行为特征和聚合柔性潜力与用户需求响应参与率之间的关系的历史数据；
采用特征选择算法确定用户用能的基础特征、天气状况特征和用户行为特征作为第一特征变量；
基于第一特征变量的历史数据确定聚合柔性潜力与用户需求响应参与率之间的关系。
不难理解的是，负荷聚合商在确定聚合柔性潜力与用户需求响应参与率之间的关系的过程中，需要根据对应的历史数据来拟合确定聚合柔性潜力与用户需求响应参与率之间的关系，并且由于直接考虑全部影响因素会造成考虑因素太多，计算量太大的问题，为了进一步提高确定变量的效率，可以仅选择其中与聚合柔性潜力的相关性较大的部分第一特征变量来作为依据确定聚合柔性潜力与用户需求响应参与率之间的关系；将用户用能的基础特征、天气状况特征、用户行为特征和聚合柔性潜力与用户需求响应参与率之间的关系的所有历史数据作为依据来确定聚合柔性潜力与用户需求响应参与率之间的关系。
可以理解的是，确定聚合柔性潜力与用户需求响应参与率之间的关系的过程也即利用历史数据构建聚合柔性潜力与用户需求响应参与率之间的关系的计算模型的过程，历史数据可以进一步划分为训练集、验证集和测试集等，利用xgboost算法等方法进行模型训练并拟合的函数规律。特征选择算法可以选择Boruta算法，对于/>的函数规律拟合以及模型构建的具体实现方式等本申请在此不做特别的限定。
具体地，确定聚合柔性潜力与用户需求响应参与率之间的关系的过程也即利用历史数据构建聚合柔性潜力与用户需求响应参与率之间的关系的计算模型的过程，通过历史数据拟合的函数规律，以便负荷聚合商直接利用/>进行聚合柔性潜力的预测过程。
作为一种可选地实施例，利用智能代理系统中预先构建的预测模型确定各个用户的柔性潜力之前，还包括：
智能代理系统采用特征选择算法确定用户的基础负荷、需求响应调控开始的时间、天气状况和用户的柔性负荷对应的设备的运行状态作为第二特征变量；
基于第二特征变量的历史数据和用户的柔性潜力的历史数据采用机器学习方法构建预测模型。
不难理解的是，负荷聚合商层面的聚合柔性潜力来自于各用户的柔性潜力，因此需要通过智能代理系统中预先构建的预测模型确定各个用户的柔性潜力，用户的柔性潜力为需求响应状态下单一用户的逐时用电功率减少值。在的基础上，用户的柔性潜力为/>，其中/>为用户的柔性潜力，/>为该用户家庭中柔性负荷设备的运行状态，/>为单一用户柔性潜力的预测模型，也即智能代理系统中预先构建的预测模型；单一用户的柔性潜力与该用户的基础负荷（负荷基线）、需求响应调控开始的时间、天气状况以及该用户家庭中柔性负荷设备的运行状态有关。该公式即为智能代理系统中预先构建的预测模型的预测原理。
可以理解的是，构建预测模型的过程需要提前获取相关的特征变量，也即用户的基础负荷、需求响应调控开始的时间、天气状况和用户的柔性负荷对应的设备的运行状态这些对用户的柔性潜力有影响的特征的历史数据，历史数据可以进一步划分为训练集、验证集和测试集等，利用xgboost算法等方法进行模型训练并拟合的函数规律。特征选择算法可以选择Boruta算法，对于/>的函数规律拟合以及模型构建的具体实现方式等本申请在此不做特别的限定。
不难理解的是，智能代理系统在确定各个用户的柔性潜力的过程中，需要根据对应的历史数据来构建单一用户柔性潜力的预测模型，并且由于直接考虑全部影响因素会造成考虑因素太多，计算量太大的问题，为了进一步提高确定变量的效率，可以仅选择其中与用户的柔性潜力的相关性较大的部分第二特征变量来作为依据确定用户的柔性潜力；将用户的基础负荷、需求响应调控开始的时间、天气状况和用户的柔性负荷对应的设备的运行状态的所有历史数据作为依据来构建单一用户柔性潜力的预测模型。
具体地，利用智能代理系统中预先构建的预测模型确定各个用户的柔性潜力之前需要先构建单一用户柔性潜力的预测模型，通过相关特征的历史数据拟合的函数规律，以便智能代理系统直接利用/>进行各个用户的柔性潜力的预测过程。
作为一种可选地实施例，基于第二特征变量的历史数据和用户的柔性潜力的历史数据采用机器学习方法构建预测模型之前，还包括：
智能代理系统获取用户的用能习惯和响应意愿；
对应地，基于第二特征变量的历史数据和用户的柔性潜力的历史数据采用机器学习方法构建预测模型，包括：
以用户的用能习惯和响应意愿作为边界条件，基于第二特征变量的历史数据和用户的柔性潜力的历史数据采用机器学习方法构建预测模型。
不难理解的是，智能代理系统在确定用户的柔性潜力的过程中，还需要考虑用户自身的用能习惯、喜好以及不同情况下的响应意愿等等用户自身的因素，因此在构建预测模型的过程中，需要将用户的用能习惯和响应意愿等这些用户自身的主观情况作为边界条件，以避免需求响应的过程影响用户的实际应用。对于获取用户的用能习惯和响应意愿的具体方式等本申请在此不做特别的限定，可以根据用户情况智能总结，也可以提示用户手动输入。构建预测模型的方式可以采用机器学习方法，也可采用其他的构建模型方法。
进一步地，请参照图4，图4为本发明提供的一种柔性潜力预测装置的信号传输示意图；图4展示了整个调控过程的通信与控制机制，以智能设备为空调为例，各用户在智能代理系统中输入其所能接受的空调温度设定点范围、湿电器开启时间范围等个人用能偏好以及需求响应意愿信息，基于此，智能代理系统利用预先构建的预测模型对下一调控时间步长该用户的负荷基线与柔性潜力进行预测，并将预测结果上传至负荷聚合商。基于电网下达的调峰任务，负荷聚合商的管理系统整合各智能代理系统上传的用户的柔性潜力，并对聚合柔性潜力进行评估，计算出合适的用户需求响应参与率以及评估聚合柔性潜力是否达到预期值，并基于此调整向各智能代理下发的实时电价信息，以刺激目标用户参与需求响应。
具体地，智能代理系统在构建预测模型的过程中，还可以进一步考虑用户自身的用能习惯、喜好以及不同情况下的响应意愿等等用户自身的因素，将其作为边界条件来构建预测模块，进一步提高电力需求响应过程中用户的用能体验，确保电力需求响应不会影响用户的正常应用。
不难理解的是，根据用户的需求，预测模块对于柔性潜力的预测计算可实现日前预测与实时预测。日前预测采取定时计算的方式，即在一天中的某一固定时刻根据天气预报以及用户历史用能数据等计算得出适用于下一工作日的函数，基于此可计算得出下一工作日对应的未来24小时各个单一用户的逐时柔性潜力；实时预测则采取滚动预测的方式，可以先确定负荷聚合商的调控时间步长，根据天气预报以及用户设定的用能行为等数据实时地预测适用于下一调控时间步长的/>与/>函数。基于此，各智能代理系统计算出单一用户层面的负荷柔性潜力，而负荷聚合商根据电力需求响应所需要的负荷容量削减，计算出相应的用户需求响应参与率以及对聚合柔性潜力进行评估与校核后，调整实时电价信息来刺激目标用户参与调控。用户可以根据自身的需求，选择日前预测或者实时预测。
具体地，智能代理系统对于用户的柔性潜力的预测过程的具体实现方式存在多种选择，包括日前预测与实时预测等方式，可以根据用户的需求和实际情况对智能代理系统进行相应的设置，提高了整个柔性潜力预测装置的灵活性和用户的使用体验，进一步扩展了整个柔性潜力预测装置的适用范围。
作为一种可选地实施例，基于各个所述用户的柔性潜力、所述用户的需求响应意愿和所述所需的用户需求响应参与率制定激励方案以控制所述用户进行需求响应，包括：
基于所需的用户需求响应参与率确定需要参加需求响应的用户数量，需要参加需求响应的用户数量为N，N为正整数；
确定需求响应对应的时间段内的天气数据，基于天气数据和各个用户的柔性潜力选取用户的需求响应意愿较高的N个用户；
基于N个用户中响应意愿最低的用户制定电价信息，并向N个用户对应的N个智能代理系统发送对应的电价信息以刺激用户进行需求响应。
不难理解的是，负荷聚合商调控用户的用能的过程可以通过调整电价或其他的需求响应激励方案来实现，在确定了各个用户的需求响应参与率之后，负荷聚合商可以基于需求响应参与率向各个用户的智能代理系统发送对应的电价信息，从而利用该电价信息激励并调控各个用户的用能，并且还需进一步地判断进行调控后的聚合柔性潜力能否满足电力需求响应，从而确保负荷聚合商对于用户的整个调控过程能够准确完成电力需求响应。对于电价信息等需求响应激励方案的具体实现方式等本申请在此不做特别的限定。
具体地，用户向其住宅内所安装的智能代理系统输入需求响应意愿相关的信息，如能接受温度设定点的重置范围等。智能代理系统将用户输入的意愿数据整理后向负荷聚合商传送，负荷聚合商将此数据集作为柔性潜力预测计算的约束条件。在实时调控的过程中，负荷聚合商通过柔性潜力预测模型计算得出各调控时间步长下所需的用户参与率，基于此参与率与用户上传的意愿边界数据，制定合适的电价信息来刺激目标用户参与需求响应，各智能代理系统在接收到电价信息后根据用户所设定的意愿决定是否对空调设备发送控制信号，从而达到精细化需求响应的目的。
一方面，在实际情况下，影响用户参与需求响应的因素是复杂的，主要包括日类型因素、时间因素、心理因素三部分。日类型因素主要考虑了用户在工作日与节假日两种情况下生活习惯差异对需求响应参与情况的影响。时间因素是指一天中不同时段对用户需求响应参与率所造成的影响。心理因素则主要从用能的舒适性与经济型两个角度评估用户参与需求响应的意愿情况。对于某一特定的案例，日类型因素与时间因素通常可控度较低。由于各类型用户之间的年龄组成、收入水平、就业情况及生活作息等均有差异，因此影响用户参与需求响应的心理因素差异较大，本申请将重点考虑这一因素对用户需求响应意愿的影响。
同时，室外气温与电价分别是影响用户用能舒适性与经济性的重要因素，当室外气温过高时，用户的热舒适将受到严重影响，提高电价或奖励更多补贴等措施也难以促使用户参与需求响应；当电价过低时，用户认为其用能经济型受到的影响较小，对需求响应的参与意愿也较低。因此，本研究主要从室外气温和电价两个方面考虑影响用户参与需求响应意愿的心理因素。因此可以基于此构建用户的相应意愿的模型：
；
其中，为用户的意愿，/>视为用户愿意参与需求响应；/>为用户能够接受参与需求响应情况下的室外气温临界值；/>为用户能够接受参与需求响应情况下的动态电价临界值；/>为室外气温；/>为实时电价。
本研究假设当室外气温低于时，用户认为其空调设备经过温度重设后仍能保证其热舒适性不受影响；假设当电价高于/>时，为了适当降低用电成本，用户愿意参与需求响应。可以采用假设方法确定了用户在不同室外气温及电价情况下对参与需求响应的接受度，在模拟过程中对于各用户的/>与/>的设定可以是从正态分布中随机抽样确定的。
另一方面，由于天气状况是不可控因素，故负荷聚合商进行精细化调控的一个有效办法是通过调整实时电价来刺激目标用户参与需求响应，从而将用户参与率控制在合适范围内。实时电价可以基于公式确定，式中，U为各智能代理系统向负荷聚合商上传的需求响应意愿边界数据，/>为实时电价，/>为用户参与率。负荷聚合商在调控过程中对用户的筛选原理可分为以下五步：
（1）将智能代理系统实时上传的用户行为数据汇总，确定下一调控时间步长中设备处于运行状态的用户；
（2）负荷聚合商预测下一调控时间步长的耗电功率曲线，并通过智能代理系统中的柔性潜力预测模型计算所需的用户参与率，以及所需要参与需求响应的用户数量；
（3）预测下一调控时间步长的室外气温，并根据中用户的天气意愿数据筛选部分适合参与需求响应的用户/>；
（4）将用户群中的电价意愿边界数据从高到低排序，选取意愿较高的部分用户作为参与该轮次调控的目标用户，而这批用户中电价意愿边界数据的最低值则为负荷聚合商应向各智能代理系统发送的实时电价信息。
（5）在接收到电价信息后，智能代理系统会对空调设备进行相应的控制措施，以实现精细化的需求响应。
具体地，在指定对应的电价信息时，需要充分考虑当前的天气情况以及根据智能代理系统得到的用户的设备使用情况对于各个用户的需求响应意愿的影响，在确定了用户的需求响应意愿的基础上制定电价信息，避免用户获取到电价信息后没有响应意愿的情况，确保负荷聚合商准确调控各个用户来有效实现电力需求响应。
作为一种具体地实施例，请参照图5，图5为本发明提供的另一种电力需求响应的调控方法的流程示意图；基于上述构建的模型，对于各种工况下聚合柔性潜力以及各个用户的柔性潜力的预测方法主要可分为系统初始化、预测计算以及数据更新三部分。系统初始化主要指的是智能代理系统的初始化，在用户侧安装智能代理系统，智能代理系统包括但不限于家庭能源管理系统、具有控制与计量功能的智能网关等，安装好智能代理系统之后，允许用户根据自己的生活和用能习惯，尽可能的将自己的喜好，如电器开启时间，关闭时间，使用频率，设定的温度，生活作息时间，响应意愿等偏好提前输入，从而加快系统初始训练过程，同时智能代理系统可以实时记录各用户分别在常规状态与需求响应状态下柔性负荷的用电功率数据、设备状态、温度设定点以及室外气温等，前期需要收集一定量的历史数据作为模型训练的基础数据集。
在得到用户的基础数据集后，可以进行预测计算的过程，按照表1所示的特征变量对基础数据集进行分类整理，并采用Boruta算法进行特征提取，提取出与各项柔性潜力指标相关性较高的特征变量、即第一特征变量和第二特征变量，基于这些特征变量，采用xgboost算法进行模型训练并拟合出与/>的函数规律。其中/>是由负荷聚合商进行拟合计算的，/>是由智能代理系统拟合并完成模型构建的过程，模型构建完成后，智能代理系统则可以根据/>预测单一用户层面的负荷基线及其能提供的负荷柔性潜力；根据，负荷聚合商便可根据电力需求响应对应的需要削减的功率容量计算得出合适的用户需求响应参与率，并且校核聚合柔性潜力是否达到预期值。负荷聚合商和智能代理系统的相互结合，从而实现精细化的需求响应，为电力系统提供辅助服务。
进一步地，还可以实现数据更新的过程，在负荷聚合商的每一轮调控结束后，柔性负荷的实际功率数据会被采集并添加至模型以及/>的数据集中，以此来完善修正模型。因此，每一轮迭代过后，两个模型中的参数均会得到更新。基于此，整个柔性潜力预测装置的预测方法能够自学习、自适应地考虑用户用能行为的变化。
整个电力需求响应的调控方法从城镇居住建筑负荷聚合商的柔性潜力特征出发，引入了负荷削减量、功率削减量、瞬时峰值等五类柔性潜力指标，并指出其与用户需求响应参与率存在特定函数规律的特征。考虑了天气状态、用户行为及设备特征等因素，提出了面向负荷聚合商的精细化柔性潜力预测方法，打破了以往通过定量计算以量化柔性潜力的局限，同时考虑了用户参与率，使得聚合商能够实现精细化需求响应，从而为电力系统提供辅助服务。基于所提出的调控方法和预测模型，本申请旨在用于负荷聚合商精细化柔性潜力调控系统的研发，实现分布式的柔性预测计算以及调度控制，同时将数据驱动、自适应的概念应用至柔性负荷的实时调控中。
为了更好地对整个柔性潜力预测装置以及电力需求响应的调控方法，进一步对整个柔性潜力预测装置的功能架构进行说明。请参照图6，图6为本发明提供的一种柔性潜力预测装置的功能架构示意图；数据的采集、存储、计量、传输与分析是整个柔性潜力预测装置能正常运行的关键，本发明还设计了一套面向该电力需求响应的调控方法的功能架构，共分为6层，包括用户层、终端层、安全接入层、应用层、数据层、集成层，如图6所示，各部分的软硬件及功能如下：
（1）用户层：该层主要指使用该柔性潜力预测装置的用户主体，包括聚合商管理员、聚合商操作员以及用户三大类。聚合商管理员是对聚合后的柔性负荷耗电功率曲线进行调控的重要决策者，可以负责制定调控策略、发送响应信号等，在负荷聚合商的调控过程中起主导作用；聚合商操作员主要负责对接用户、落实调控策略、跟踪调控效果、申报故障等事务，在负荷聚合商的调控过程中起辅助作用；用户指与负荷聚合商签订需求响应协议的居民，用户在聚合商对柔性负荷进行调控的过程中仍有权变更其用能行为并根据情况确定是否向聚合商操作员报告，以保障其用能舒适性和便利性。
（2）终端层：该层主要指由需求响应各参与主体直接操作的软硬件设备，分为聚合商主站集中管理系统与用户分布式智能代理系统。聚合商主站集中管理系统分PC端与APP端，其中PC端为主要的调控单元，是负荷聚合商管理系统的核心，仅聚合商管理员能获取其权限，APP端为PC端的辅助系统，聚合商管理员与操作员均能获取使用权限。用户分布式智能代理系统安装于各用户家庭中，分为聚合商交互模块与用户代理模块，前者是用户对接负荷聚合商的模块，后者则为用户变更用能偏好、查看调控效益等使用的模块。
（3）安全接入层：聚合商主站集中管理系统的PC端应具有较高的安全等级，需接入统一安全管理平台解决方案，即4A平台（认证Authentication、授权Authorization、账号Account、审计Audit），而APP端只需安全接入平台即可。对于分布式智能代理系统，聚合商与用户双方均需要在系统中注册账号并进行认证，用户需要进行智能代理账号认证，聚合商需要系统账号二次认证。
（4）应用层：该层的主要工作任务为柔性潜力的预测。在用户侧，各类居民可在智能代理系统的用户代理模块中对用能行为进行变更，用户代理模块可对家庭中的柔性负荷进行负荷特性建模，同时根据天气、电价等信息模拟计算单一用户在某时刻的柔性潜力以及参与调控的效益；聚合商交互对接模块则负责将各用户的负荷基线与柔性潜力上传至聚合商管理主站系统，接收聚合商下发的电价信息，向用户发布日前预测结果并及时更新需求响应相关的需求响应政策信息等。在聚合商侧，管理员通过PC端的聚合商管理系统整合用户的负荷基线以及柔性潜力，评估聚合柔性潜力是否达到预期值，并根据所需要的用户参与率调整实时电价信息，并对聚合柔性潜力进行校核；操作员则通过APP端的操作系统进行用户对接、工单处理、跟踪调控过程等工作。
（5）数据层：该层主要包括负荷聚合商柔性潜力调控过程中所用到的所有数据集，包括天气预报、电价信息、激励政策、用户意愿等。
（6）集成层：该层的主要工作任务为柔性潜力的实时调控。根据数据层中的信息并整合应用层中各模块的工作任务，确定特定的调控时间步长，滚动预测聚合商的柔性潜力，进行聚合柔性潜力的评估与校核等工作，并向特定的用户代理模块发送实时调控的控制信号。
本发明所设计的功能架构能够根据历史用能数据识别用户的用能喜好变化，并对相应的模型参数进行自学习、自动更新。基于此逻辑，负荷聚合商的精细化柔性调控系统能够对其所管理的用户具备自学习、自适应的功能。
请参照图7，图7为本发明提供的一种电力需求响应的调控系统的结构示意图；为解决上述技术问题，本发明还提供了一种电力需求响应的调控系统，应用于柔性潜力预测装置，柔性潜力预测装置包括负荷聚合商和与若干个用户一一对应的智能代理系统；电力需求响应的调控系统包括：
柔性潜力确定单元11，用于负荷聚合商利用智能代理系统中预先构建的预测模型确定各个用户的柔性潜力，并获取所述智能代理系统发送的用户的需求响应意愿，以确定所有用户的聚合柔性潜力；
总需求响应参与率确定单元12，用于根据聚合柔性潜力、确定完成电网发布的需求响应任务所需的用户需求响应参与率；
调控单元13，用于基于各个所述用户的柔性潜力、所述用户的需求响应意愿和所述所需的用户需求响应参与率制定激励方案激励所述用户完成所述电网发布的需求响应任务。
作为一种可选地实施例，总需求响应参与率确定单元12包括：
关系构建单元，用于确定聚合柔性潜力与用户需求响应参与率之间的关系；
总需求响应参与率确定子单元，用于根据电网发布的需求响应任务确定聚合柔性潜力，并基于聚合柔性潜力和聚合柔性潜力与用户需求响应参与率之间的关系计算所需的用户需求响应参与率。
作为一种可选地实施例，关系构建单元包括：
历史数据获取单元，用于利用所述智能代理系统获取用户用能的基础特征、天气状况特征、用户行为特征和聚合柔性潜力与用户需求响应参与率之间的关系的历史数据；
第一特征变量选择单元，用于采用特征选择算法确定用户用能的基础特征、天气状况特征和用户行为特征作为第一特征变量；
关系构建子单元，用于基于第一特征变量的历史数据确定聚合柔性潜力与用户需求响应参与率之间的关系。
作为一种可选地实施例，还包括：
第二特征变量选择单元，用于智能代理系统采用特征选择算法确定用户的基础负荷、需求响应调控开始的时间、天气状况和用户的柔性负荷对应的设备的运行状态作为第二特征变量；
预测模型构建单元，用于基于第二特征变量的历史数据和用户的柔性潜力的历史数据采用机器学习方法构建预测模型。
作为一种可选地实施例，还包括：
用户情况获取单元，用于智能代理系统获取用户的用能习惯和响应意愿；
对应地，预测模型构建单元，包括：
预测模型构建子单元，用于以用户的用能习惯和响应意愿作为边界条件，基于第二特征变量的历史数据和用户的柔性潜力的历史数据采用机器学习方法构建预测模型。
作为一种可选地实施例，调控单元13包括：
用户数量确定单元，用于基于所述所需的用户需求响应参与率确定需要参加需求响应的用户数量，所述需要参加需求响应的用户数量为N，N为正整数；
天气数据确定单元，用于确定需求响应对应的时间段内的天气数据，基于所述天气数据和各个所述用户的柔性潜力选取所述用户的需求响应意愿较高的N个用户；
电价信息确定子单元，用于基于N个所述用户中响应意愿最低的用户制定电价信息，并向N个所述用户对应的N个智能代理系统发送对应的电价信息以刺激所述用户进行需求响应。
对于本发明提供的一种电力需求响应的调控系统的介绍请参照上述电力需求响应的调控方法的实施例，本发明在此不再赘述。
请参照图8，图8为本发明提供的一种电子设备的结构示意图。为解决上述技术问题，本发明还提供了一种电子设备，包括：
存储器21，用于存储计算机程序；
处理器22，用于实现如前述的电力需求响应的调控方法的步骤。
其中，处理器22可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器22可以采用DSP(Digital Signal Processor，数字信号处理器)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器22也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称中央处理器；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器22可以集成GPU（graphics processing unit，图形处理器），GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器22还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器21可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器21还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。本实施例中，存储器21至少用于存储以下计算机程序，其中，该计算机程序被处理器22加载并执行之后，能够实现前述任意一个实施例公开的电力需求响应的调控方法的相关步骤。另外，存储器21所存储的资源还可以包括操作系统和数据等，存储方式可以是短暂存储或者永久存储。其中，操作系统可以包括Windows、Unix、Linux等。数据可以包括但不限于电力需求响应的调控方法的数据等。
在一些实施例中，电子设备还可包括有显示屏、输入输出接口、通信接口、电源以及通信总线。
本领域技术人员可以理解的是，图8中示出的结构并不构成对电子设备的限定，可以包括比图示更多或更少的组件。
对于本发明提供的一种电子设备的介绍请参照上述电力需求响应的调控方法的实施例，本发明在此不再赘述。
为解决上述技术问题，本发明还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如前述的电力需求响应的调控方法的步骤。
可以理解的是，如果上述实施例中的方法以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，执行本申请各个实施例所述方法的全部或部分步骤。具体地，计算机可读存储介质可以包括但不限于任何类型的盘，包括软盘、光盘及移动硬盘等，或适合于存储指令、数据的任何类型的媒介或设备等等，本申请在此不做特别的限定。
对于本发明提供的一种计算机可读存储介质的介绍请参照上述电力需求响应的调控方法的实施例，本发明在此不再赘述。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种电力需求响应的调控方法，其特征在于，应用于柔性潜力预测装置，所述柔性潜力预测装置包括负荷聚合商和与若干个用户一一对应的智能代理系统；所述电力需求响应的调控方法包括：
所述负荷聚合商利用所述智能代理系统中预先构建的预测模型确定各个所述用户的柔性潜力，并获取所述智能代理系统发送的用户的需求响应意愿，以确定所有所述用户的聚合柔性潜力；所述柔性潜力为柔性负荷的可调节程度；所述聚合柔性潜力为所有用户在聚合层面的柔性潜力；
根据所述聚合柔性潜力、确定完成电网发布的需求响应任务所需的用户需求响应参与率；
基于各个所述用户的柔性潜力、所述用户的需求响应意愿和所述所需的用户需求响应参与率制定激励方案激励所述用户完成所述电网发布的需求响应任务；
所述基于各个所述用户的柔性潜力、所述用户的需求响应意愿和所述所需的用户需求响应参与率制定激励方案激励所述用户完成所述电网发布的需求响应任务，包括：
基于所述所需的用户需求响应参与率确定需要参加需求响应的用户数量，所述需要参加需求响应的用户数量为N，N为正整数；
确定需求响应对应的时间段内的天气数据，基于所述天气数据和各个所述用户的柔性潜力选取所述用户中需求响应意愿较高的N个用户；
基于N个所述用户中响应意愿最低的用户制定电价信息，并向N个所述用户对应的N个智能代理系统发送对应的电价信息以刺激所述用户进行需求响应。
2.如权利要求1所述的电力需求响应的调控方法，其特征在于，所述根据所述聚合柔性潜力、确定完成电网发布的需求响应任务所需的用户需求响应参与率，包括：
确定聚合柔性潜力与用户需求响应参与率之间的关系；
基于所述聚合柔性潜力和所述聚合柔性潜力与用户需求响应参与率之间的关系计算完成电网发布的需求响应任务所需的用户需求响应参与率；
所述聚合柔性潜力与用户需求响应参与率之间的关系为：
；
其中，为聚合柔性潜力与用户需求响应参与率之间的关系，X1为用户用能的基础特征，X2为天气状况特征，X3为用户行为特征。
3.如权利要求2所述的电力需求响应的调控方法，其特征在于，所述确定聚合柔性潜力与用户需求响应参与率之间的关系，包括：
利用所述智能代理系统获取用户用能的基础特征、所述天气状况特征、所述用户行为特征和所述聚合柔性潜力与用户需求响应参与率之间的关系的历史数据；
采用特征选择算法确定所述用户用能的基础特征、所述天气状况特征和所述用户行为特征作为第一特征变量；
基于所述第一特征变量的历史数据确定所述聚合柔性潜力与用户需求响应参与率之间的关系。
4.如权利要求1所述的电力需求响应的调控方法，其特征在于，所述利用所述智能代理系统中预先构建的预测模型确定各个所述用户的柔性潜力之前，还包括：
所述智能代理系统采用特征选择算法确定所述用户的基础负荷、需求响应调控开始的时间、天气状况和所述用户的柔性负荷对应的设备的运行状态作为第二特征变量；
基于所述第二特征变量的历史数据和所述用户的柔性潜力的历史数据采用机器学习方法构建所述预测模型。
5.如权利要求4所述的电力需求响应的调控方法，其特征在于，所述基于所述第二特征变量的历史数据和所述用户的柔性潜力的历史数据采用机器学习方法构建所述预测模型之前，还包括：
所述智能代理系统获取所述用户的用能习惯和响应意愿；
对应地，所述基于所述第二特征变量的历史数据和所述用户的柔性潜力的历史数据采用机器学习方法构建所述预测模型，包括：
以所述用户的用能习惯和响应意愿作为边界条件，基于所述第二特征变量的历史数据和所述用户的柔性潜力的历史数据采用机器学习方法构建所述预测模型。
6.一种电力需求响应的调控系统，其特征在于，应用于柔性潜力预测装置，所述柔性潜力预测装置包括负荷聚合商和与若干个用户一一对应的智能代理系统；所述电力需求响应的调控系统包括：
柔性潜力确定单元，用于所述负荷聚合商利用所述智能代理系统中预先构建的预测模型确定各个所述用户的柔性潜力，并获取所述智能代理系统发送的用户的需求响应意愿，以确定所有所述用户的聚合柔性潜力；所述柔性潜力为柔性负荷的可调节程度；所述聚合柔性潜力为所有用户在聚合层面的柔性潜力；
总需求响应参与率确定单元，用于根据所述聚合柔性潜力、确定完成电网发布的需求响应任务所需的用户需求响应参与率；
调控单元，用于基于各个所述用户的柔性潜力、所述用户的需求响应意愿和所述所需的用户需求响应参与率制定激励方案激励所述用户完成所述电网发布的需求响应任务；
所述调控单元包括：
用户数量确定单元,用于基于所述所需的用户需求响应参与率确定需要参加需求响应的用户数量，所述需要参加需求响应的用户数量为N，N为正整数；
天气数据确定单元,用于确定需求响应对应的时间段内的天气数据，基于所述天气数据和各个所述用户的柔性潜力选取所述用户中需求响应意愿较高的N个用户；
电价信息确定子单元,用于基于N个所述用户中响应意愿最低的用户制定电价信息，并向N个所述用户对应的N个智能代理系统发送对应的电价信息以刺激所述用户进行需求响应。
7.一种电子设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于实现如权利要求1至5任一项所述的电力需求响应的调控方法的步骤。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的电力需求响应的调控方法的步骤。
CN202410040407.0A 2024-01-11 2024-01-11 一种电力需求响应的调控方法、系统、电子设备及介质 Active CN117559464B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410040407.0A CN117559464B (zh) 2024-01-11 2024-01-11 一种电力需求响应的调控方法、系统、电子设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410040407.0A CN117559464B (zh) 2024-01-11 2024-01-11 一种电力需求响应的调控方法、系统、电子设备及介质

Publications (2)

Publication Number Publication Date
CN117559464A CN117559464A (zh) 2024-02-13
CN117559464B true CN117559464B (zh) 2024-03-29

Family

ID=89820882

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410040407.0A Active CN117559464B (zh) 2024-01-11 2024-01-11 一种电力需求响应的调控方法、系统、电子设备及介质

Country Status (1)

Country Link
CN (1) CN117559464B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112180741A (zh) * 2020-10-30 2021-01-05 合肥工业大学 一种负荷聚合商参与的综合需求响应方法及系统
CN113256031A (zh) * 2021-06-25 2021-08-13 国网江西省电力有限公司供电服务管理中心 一种基于居民需求响应策略自学习优化方法
CN115204723A (zh) * 2022-07-28 2022-10-18 国网陕西省电力有限公司经济技术研究院 一种电网区域需求侧响应潜力评估方法
CN115545579A (zh) * 2022-12-01 2022-12-30 国网浙江义乌市供电有限公司 一种用于用户柔性资源的聚合智控方法和系统
CN116151032A (zh) * 2023-04-17 2023-05-23 湖南大学 住宅建筑动态负荷柔性潜力计算方法、装置、设备及介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2756466A1 (en) * 2011-09-17 2014-07-23 Narayam, Amit Determining load reductions in demand response systems

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112180741A (zh) * 2020-10-30 2021-01-05 合肥工业大学 一种负荷聚合商参与的综合需求响应方法及系统
CN113256031A (zh) * 2021-06-25 2021-08-13 国网江西省电力有限公司供电服务管理中心 一种基于居民需求响应策略自学习优化方法
CN115204723A (zh) * 2022-07-28 2022-10-18 国网陕西省电力有限公司经济技术研究院 一种电网区域需求侧响应潜力评估方法
CN115545579A (zh) * 2022-12-01 2022-12-30 国网浙江义乌市供电有限公司 一种用于用户柔性资源的聚合智控方法和系统
CN116151032A (zh) * 2023-04-17 2023-05-23 湖南大学 住宅建筑动态负荷柔性潜力计算方法、装置、设备及介质

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
Data-driven-based potential assessment of industrial and commercial loads;Xianghua Li;2023 The 5th International Conference on Power and Energy Technology;20231229;全文 *
大功率缺失下频率响应负荷聚合建模与分散控制方法;陶苏朦;王琦;赵奇;李亚平;汤奕;;电力自动化设备(第02期) *
孙毅 ; 贾孟扬 ; 陆俊 ; 孙辰军 ; .需求侧管理中面向居民用电的互动化评价模型.电力系统自动化.2017,(13),全文. *
孙高星 ; 华栋 ; 陈皓勇 ; 张聪 ; 禤培正 ; .考虑柔性负荷的电能量和备用辅助服务联合市场出清模型.广东电力.2020,(06),全文. *
考虑柔性负荷的电能量和备用辅助服务联合市场出清模型;孙高星;华栋;陈皓勇;张聪;禤培正;;广东电力;20200624(06);全文 *
陶苏朦 ; 王琦 ; 赵奇 ; 李亚平 ; 汤奕 ; .大功率缺失下频率响应负荷聚合建模与分散控制方法.电力自动化设备.(02),全文. *
需求侧管理中面向居民用电的互动化评价模型;孙毅;贾孟扬;陆俊;孙辰军;;电力系统自动化;20170710(13);全文 *

Also Published As

Publication number Publication date
CN117559464A (zh) 2024-02-13

Similar Documents

Publication Publication Date Title
WO2022077588A1 (zh) 可调节负荷参与需求响应的调用方法、系统及装置
US11610214B2 (en) Deep reinforcement learning based real-time scheduling of Energy Storage System (ESS) in commercial campus
CN104699051B (zh) 一种温控设备需求响应控制方法
CN107906675A (zh) 一种基于用户需求的中央空调集群优化控制方法
CN108022029B (zh) 一种电网分层分区供需平衡调控方法及调控装置
Chandran et al. Demand response and consumer inconvenience
Al-Mousa et al. A fuzzy-based customer response prediction model for a day-ahead dynamic pricing system
CN116896086A (zh) 考虑需求响应的虚拟电厂可调资源调控系统及方法
CN114139994A (zh) 一种基于需求侧响应深度学习的高弹性电网控制算法
CN111160618A (zh) 一种结合电动汽车充电场站的建筑能量优化调度方法
Carvalho et al. An adaptive multi-agent-based approach to smart grids control and optimization
CN114301081A (zh) 一种考虑蓄电池储能寿命损耗与需求响应的微电网优化方法
CN113610330A (zh) 一种基于用户体验的用户侧灵活资源用能行为优化方法
Zhou et al. Designing pricing incentive mechanism for proactive demand response in smart grid
CN117543581A (zh) 考虑电动汽车需求响应的虚拟电厂优化调度方法及其应用
CN117559464B (zh) 一种电力需求响应的调控方法、系统、电子设备及介质
Aduda Smart grid-building energy interactions: demand side power flexibility in office buildings
CN117091242A (zh) 空调温控负荷集群的评估方法、温度设定方法及系统
CN116843152A (zh) 面向电力-数据服务的互联网数据中心双层规划方法
Siano et al. A novel method for evaluating the impact of residential demand response in a real time distribution energy market
CN113595122B (zh) 一种分布式储能系统的聚合响应能力确定方法及系统
Hou et al. Two-Layer Control Framework and Aggregation Response Potential Evaluation of Air Conditioning Load Considering Multiple Factors
CN106655175A (zh) 一种居民用户用电智能调度优化方法
Olsen et al. Taxonomy for modeling demand response resources
Sun et al. Generalized energy storage allocation strategies for load aggregator in hierarchical electricity markets

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