[发明专利]基于价格和激励的电力需求响应的智能决策方法

摘要

本发明的基于价格和激励的电力需求响应的智能决策方法，包括a).样本采集；b).行业负荷的求取；c).时刻负荷的求取；d).建立安全运行约束条件；e).建立容忍程度约束条件；f).求可控负荷总量；g).求反弹负荷总量；h).建立基本需求关系；i).建立受控时间约束条件；j).建立用户受益约束函数；k).建立舒适度优化函数；l).建立用电成本约束函数；m).建立参与成本约束函数；n).建立公平性约束函数；o).求最优解。本发明的智能决策方法，可将用电时段调整到低电价时段，在高电价时段减少用电，减少了电费支出；用户在系统需要或电力紧张时减少电力需求，具有削峰填谷的作用，保障了电力的正常供应。

主权项

一种基于价格和激励的电力需求响应的智能决策方法，其特征在于，包括以下步骤：a).样本数据采集，以日为单位按照一定的采样周期，利用智能电表对作为样本的用户的用电信息进行采集，采集的信息包括负荷数据和相应的电价；其中，采样周期为1h、30min或15min；设对于第i类用户下有Mi类细分行业，第j类细分行业选取样本用户数量为K′，i类包括工业、商业和居民生活用电；j＝1,...,Mi，K′＝1,...,Kij,Kij表示选取的第i类用户第j类细分行业的数量；b).第i类中第j类细分行业负荷的求取，按照公式(1)和(2)求取出第i类用户第j类细分行业在t时刻的拟合负荷fijt:fijt=f~ijt/Kij---(1)]]>f~ijt=Σk=1Kijfijkt/Qijkt---(2)]]>其中，为第i类用户第j类细分行业在t时刻的标幺后的负荷叠加数据；fijkt为第i类用户第j类细分行业第k个样本用户在t时刻的负荷；Qijkt为第i类用户第j类细分行业第k个样本用户t时刻典型日的基值，取日最大负荷；c).第i类用户t时刻负荷的求取，按照公式(3)求取出第i类用户t时刻的拟合负荷：fit=Σj=1Mλjfijt,0<λj<1---(3)]]>其中，fit为第i类用户在t时刻的拟合典型负荷；λj为第i类用户第j类细分行业在该类用户中所占的电量比重；M为第i类用户中细分行业的个数；d).建立设备安全运行约束条件，建立如公式(4)所示的设备安全运行约束条件：Σt=1TXkt≤NADR,k---(4)]]>其中，Xkt为第t时段第k组负荷被控程度的决策变量，其取值为0或1，1表示完全被控，即中断供电；0表示完全不被控；NADR,k为研究时段t内第k组负荷的最大允许受控次数；e).建立容忍程度约束条件，建立如公式(5)和(6)所示的用户容忍程度约束条件，ε≥ε0   (5)θ≥θ0   (6)其中，ε为用户当前的舒适度，θ为用户当前电费支出满意度；ε0,θ0分别为标准所规定的用户的舒适度和用户电费支出满意度；f).求取可控负荷总量，通过公式(7)求出第t时段所有可控负荷：LADR,t=ΣK=1KXktLADR,kt---(7)]]>其中，LADR,t为第t时段的可控负荷总量；LADR,kt为第t时段第k组可控负荷；g).求取反弹负荷总量，依据公式(8)求取反弹负荷总量：LPB,kt＝αLADR,k(t‑1)+βLADR,k(t‑2)+γLADR,k(t‑3)   (8)其中，LPB,kt为第t时段第k组负荷的反弹负荷，LADR,k(t‑1),LADR,k(t‑2),LADR,k(t‑3)分别为第k组负荷在第t‑1，t‑2，t‑3时段的可控负荷；α,β,γ分别为对应时段的系数，其均小于1；h).建立基本需求关系式，建立如公式(9)所示的基本需求关系式：Wt≥Lnew,t＝Lold,t‑LADR,t+LPB,t   (9)其中，Wt为供电公司当时可以给予用户的电量，Lold,t和Lnew,t分别为实施智能决策前后前后第t时段用户负荷，LADR,t为第t时段的可控负荷总量，LPB,t为第t时段用户的反弹负荷；i).建立受控时间约束条件，对于第k组负荷，其在第t时段的累计受控时间Skt为：Skt＝Sk(t‑1)+xktΔt，建立如公式(10)所示的受控时间约束条件：F1=1KΣk=1KSkt1KΣk-1KΣt=1TxktΔt---(10)]]>其中，xkt为决策变量，设备受控则取值为1，未受控则取值为0；F1的值越小，表示分组的累计受控时间越短，因而考虑用户利益时需最小化目标函数F1，k表示第k组负荷，Skt表示第k组负荷在第t时段的累计受控时间；j).建立用户受益约束函数，建立如公式(11)所示的用户受益约束函数：从经济的角度出发考虑，规定时间T内，用户实施需求响应的收益函数表述为G=Σt=1TPt-Σt=1TPt′+Σt=1TCt>0---(11)]]>其中，G为用户实施需求响应后的收益函数，表示用户未实施需求响应前用电支出的费用，表示为用户实施需求响应后用电支出的费用，表示为电力公司因用户实施需求响应项目提供给用户的经济补偿；k).建立舒适度优化函数，建立如公式(12)所示的用户用电舒适度优化目标函数：ϵ=1-∫023|fADR,t(PADR)-ft(Pt)|dt∫023ft(Pt)dt---(12)]]>式中，为实行需求响应后的用户各时段用电量的变化值，ft(Pt)表示用户的未执行智能决策前的用电曲线，fADR，t(PADR)表示用户执行智能决策后的用电曲线；ε为用户的舒适度；不考虑用户用电量的大幅度变化时，舒适度ε∈[0,1]；当用户未改变各时段用电量时，用户舒适度最大，其值为1；用户用电方式即各时段的用电量改变越大，其满意度越低；在用户完全不用电的极端情况下，用户的满意度为0；l).建立用电成本约束函数，建立如公式(13)所示的用电成本约束函数：θ=1-c(PADR)-c(P0)c(P0)---(13)]]>其中，θ为用户电费支出满意度；c(P0)为未实行需求响应时用户的电费支出，它是原电价P0的函数；c(PADR)为实行需求响应后用户的电费支出，它是实行需求响应后电价的函数；m).建立参与成本约束函数，设每种节点设备购买时间为第nj年，寿命为Lj，电网公司提供的价格补贴率为bj；整个需求响应规划的实施年数为n年；视所有nj＝1，即都在起始年购置；通过公式(14)建立用户的参与成本：Cp=Σj=1MCpj,Cpj=Σi=1nDCij(1+rp)i---(14)]]>式中，Cp,Cpj分别为参与者的总成本和参与者采用第j类节电资源的成本；DCij为第i年参与者、采用第j类节电资源的直接费用；n为项目实施的年数；M为项目有关的节电资源种类数；rp为用户贴现率；n).建立公平性约束函数，设有z组用户参与需求响应项目；对于第z组负荷，其在第t时段的连续受控和非受控正常供电时间分别为Soff,zt和Son,zt，其计算公式为：Soff,zt＝Soff,z(t‑1)+xztΔtSon,zt＝Son,z(t‑1)+(1‑xzt)Δt   (15)xzt为第t时段第z组用户被控程度的决策变量；第t时段第z组负荷的用户连续受控满意度Uoff,zt，连续供电满意度Uon,zt和综合满意度Uzt分别为：Uoff,zt=10≤Soff,zt<Toff,z,bestToff,z,max-Soff,ztToff,z,max-Toff,z,bestToff,z,best<Soff,zt<Toff,z,max0Soff,zt>Toff,z,max---(16)]]>Uon,zt=00≤Son,zt<Ton,z,minSon,zt-Ton,z,minTon,z,best-Ton,z,minTon,z,min<Son,zt<Ton,z,best1Son,zt>Ton,z,best---(17)]]>Uzt＝xztUoff,zt+(1‑xzt)Uon,zt   (18)式中：Toff,z,best和Ton,z,best分别为第z组用户的最佳连续受控时间与最佳连续运行时间；在整个时段T内，第z组负荷用户的综合满意度Uz为所有参与需求响应项目的负荷组的平均用户综合满意度xzt为第t时段第z组用户被控程度的决策变量；Toff,z,max和Ton，z，min分别为第z组用户的最大连续受控时间与最小连续运行时间；故调度的公平性为：F2=1Z-1ΣZ=1Z(UZ-U‾)2---(19)]]>F2的值越小，表示整个负荷控制过程越公平；o).建立多目标优化数学模型，通过对某函数f(X1,…,Xn)的极小化等价地转化为对‑f(X1,…,Xn)的极大化，得到如下统一地对需求响应多目标进行极大化智能决策模型：当对所有的目标函数考虑，在搜索空间中求出最优解，实现对工业、商业和居民生活用电模型的仿真。