CN105006843A - 一种应对风电不确定性的多时间尺度柔性负荷调度方法 - Google Patents

Abstract

本发明涉及一种应对风电不确定性的多时间尺度柔性负荷调度方法，包括：调度中心在不同时间尺度上预测电力***负荷和风力发电；调度中心建立风电功率预测不确定性模型，制定火/水电机组调度计划，公布电力***运行信息和柔性负荷调度需求信息；负荷代理根据不同类型柔性可控负荷的响应特性，基于多代理技术制定有利于自身收益的报价模型，并上报调度中心；调度中心根据负荷代理上报的可调度能力和报价信息，对多个负荷代理的可调度负荷资源进行优化调度，并将负荷调整指令及最终补偿价格发送至负荷代理；负荷代理通过电价机制或激励机制对所管理负荷的用电功率进行调整。该方法丰富了应对风功率不确定性的调度模式，增强了电网的调节能力。

Description

一种应对风电不确定性的多时间尺度柔性负荷调度方法

技术领域

本发明涉及一种智能电网电力***调度运行控制技术，具体涉及一种应对风电不确定性的多时间尺度柔性负荷调度方法。

背景技术

由于风电等可再生能源自身具有波动性、间歇性、反调峰性、低可调度性等“不友好”的特点，对传统的“发电跟踪负荷”的电网调度方式提出了挑战。电源、电网和负荷三者间应进行协调互动，不仅有利于提高电力***的能量和功率动态平衡能力，也有利于实现大电网资源优化配置和能源综合利用效率的提升，是智能电网的重要发展方向。

电网汇总存在部分负荷，其用电量可在指定区间内“伸缩”或在不同时段间转移，柔性负荷既包括电力用户中的工业负荷、商业负荷以及居民生活负荷中的空调、冰箱等传统负荷，也包括储能、电动汽车等双向可控负荷。利用电力柔性负荷来平衡间歇式可再生能源的波动，目前已有一定的研究和初步实践，但还需解决两个层面的问题，一是时间维度，要适应不同时间维度预测误差、调节资源范围及其成本的差异。二是对象维度，要适应不同性质的需求响应项目以及不同特性的负荷在参与电网调度运行时的差异性。

发明内容

针对现有技术的不足，本发明的目的是提供一种应对风电不确定性的多时间尺度柔性负荷调度方法，该方法一方面在计及风电预测误差基础上直接对多个负荷代理管辖范围内柔性可控负荷进行多时间尺度协调的联合优化调度，以提高风电的接纳能力；另一方面，基于多代理技术，通过负荷代理对广域分布的不同类型柔性负荷进行协调控制。

本发明的目的是采用下述技术方案实现的：

本发明提供一种应对风电不确定性的多时间尺度柔性负荷调度方法，其改进之处在于，所述方法采用多时间尺度进行协调，所述方法包括下述步骤：

1）调度中心在不同时间尺度上预测电力***负荷和风力发电；

2）在不同时间尺度上，调度中心建立风电功率预测不确定性模型，制定常规火/水电机组调度计划，公布电力***运行信息和柔性负荷调度需求信息；

3）负荷代理根据不同类型柔性可控负荷的响应特性，分析并协调安排日前24小时、日内1小时、日内15分钟和实时时间尺度上管辖范围内柔性负荷的可调量，对柔性负荷调度需求信息、电力***运行信息以及历史交易信息进行学习，基于多代理技术制定有利于自身收益的报价模型，并上报调度中心；

4）调度中心根据负荷代理上报的可调度能力和报价信息，以调度中心调度成本最低为目标，对多个负荷代理的可调度负荷资源进行优化调度，并将负荷调整指令及最终补偿价格发送至负荷代理；

5）负荷代理获取最终调度指令后，以负荷代理调度成本最低为目标，通过电价机制或激励机制对所管理负荷的用电功率进行调整。

进一步地，所述步骤1）中，柔性负荷调度的不同时间尺度包括日前24小时、日内1小时、日内15min和实时时间尺度上管辖范围；

A、日前24小时负荷调度，每24小时执行一次，分为96时段对未来一天负荷代理的功率调整做出计划，其控制对象为响应速度慢、提前通知时间长的柔性负荷，包括钢铁及有色金属加工的工业负荷；

B、日内1小时负荷调度，每1小时执行一次，在计及日前负荷调节量的基础上，对未来1小时负荷代理的功率调整做出计划，调度对象为负荷代理中调节周期短、响应速度快的负荷，包括商业和公共设施中的照明及空调负荷；

C、日内15分钟负荷调度，每15分钟执行一次，在计及日前24小时和日内1小时负荷调度效果的基础上，对负荷代理中的响应负荷的用电功率做出调整，包括冰蓄冷和电动汽车；

D、实时时间尺度上管辖范围，控制对象为负荷代理内部参与实时响应的负荷，包括储能和冰蓄冷具有储能特性的负荷，与自动发电AGC控制相配合。

进一步地，所述步骤2）中，在每一时间尺度上，调度中心计及风电预测误差，将风电功率的不确定性所引起的功率不平衡量处于某一范围内的置信水平作为机会约束条件，并设计机会约束条件的松弛因子，其计算公式为：

r＝1-(σ/2D_wN)h          （1）；

其中，σ为风电预测功率均方差，D_wN为***风电的额定功率，系数h根据各级调度需求调节；

风电功率的不确定性由风电功率预测的误差来表示采用正态分布作为风电功率预测误差的分布模型；假设预测误差服从正态分布N(0,σ²)，其中σ²取决于预测时间尺度，设定风电场输出有功功率模拟值D_w(t)近似服从N(D_Wf(t),σ²)，均值D_Wf(t)为风电场有功功率预测值，方差σ²根据不同的预测时间尺度进行取值，以准确反映该点功率预测误差水平；风场有功输出表示如下：

$D_w\left(t\right)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp (-\frac{{(x-D_{\mathrm{Wf}}\left(t\right))}^2}{{2\mathrm{\σ}}^2})---\left(2\right).$

进一步地，所述步骤3）中，在每一时间尺度上，负荷代理和调度中心间基于多代理技术进行柔性负荷互动调度，负荷代理以自身收益最大为目标，建立其报价模型，表达式如下：

max{Esy}＝max{|ΔD_ik|L_iAk-|ΔD_iEX|cost_iEX-|ΔD_iP|cost_iP}     （3）；

式中，i表示时段；ΔD_ik为负荷代理k功率调整总量；L_iAk为负荷代理申报的补偿电价；ΔD_iP和ΔD_iEX分别为负荷代理内电价型负荷和激励型负荷的调整量；cost_iP和cost_iEX分别为电价型负荷和激励型负荷的调整成本；

约束条件包括：

①负荷代理报价约束：

L_i min≤L_iAk≤L_i max                （4）；

式中，L_i min，L_i max分别为负荷代理上报负荷调整价格的上限值和下限值；

②不同时间尺度可调整负荷调整量限制：

ΔD_iEX min≤ΔD_iEX≤ΔD_iEX max          （5）；

ΔD_iP min≤ΔD_iP≤ΔD_iP max          （6）；

式中：ΔD_iEX min、ΔD_iEX max分别为激励型负荷的功率调整上限值和下限值；ΔD_iPmin、ΔD_iPmax、分别为价格型负荷的功率调整上限值和下限值；

③功率平衡约束：

ΔD_iV＝ΔD_ik+ΔD_iother           （7）；

式中：ΔD_iV为***需求的功率调整总量；ΔD_iother为其它负荷代理和发电机组的功率调整量；

当多个负荷代理同时参与电网的调度运行时，负荷代理需要通过学习调度中心公开的历史竞价信息并对其它代理的报价策略做出猜测，在此基础上进一步优化自身的报价策略，基于目前时段***运行状态预测，在历史时段中搜索与目前时段最为接近的运行状态，称为“同场景”状态，并将历史时段所有竞争对手的报价策略作为当前时段的猜测，表示为：

$\begin{array}{c}{\left(A_m^t\right)}^{\text{'}}=A_m^{t_n}\\ {\left(B_m^t\right)}^{\text{'}}=B_m^{t_n}\end{array}(m\≠j)---\left(8\right);$

式中:t_n为历史上与t时段运行状态最为接近的时段，和为历史时段代理m的报价策略参数，和为t时段代理j对代理m报价策略参数的猜测；当各代理同时猜中其他代理的报价策略时，各个代理均将达到预期的最大收益，即达到彼此接受的纳什均衡解，***运行状态预测包括负荷预测、间歇式能源出力预测和发电机信息。

进一步地，所述步骤4）中，调度中心调度成本最低为目标的决策模型如下：

$\min \left\{c_{\mathrm{total}}\right\}=\min \left\{\underset{k=1}{\overset{N_A}{\mathrm{\Σ}}}{\cos t}_A\left({\mathrm{\ΔD}}_{\mathrm{iAk}}\right)\right\}---\left(9\right);$

式中：ΔD_iAk为i时段第k个负荷代理的功率调整量；cost_A(ΔD_iAk)为调度中心通过负荷代理k调整功率ΔD_iAk时所需支付的补偿费用；N_A为负荷代理数量；

约束条件包括：

I、功率平衡约束

平衡约束为计及风功率不确定性的机会约束，其表达式如式（10）所示：

P_r{|D_iG0+D_w-D_load0-ΔD_iV|≤ΔD}≥rλ₀         （10）；

该式表示计及风电出力的概率分布后，***功率不平衡量处于区间[-△D,△D]内的置信度P_r不小于rλ₀；其中，ΔD_iV为***需求的功率调整总量；D_iG0为i时段时刻机组出力总和，D_load0为i时段负荷总和，D_w为i时段风电总出力，λ₀为***功率不平衡量处于区间[-△D,△D]内的置信水平，r为松弛因子；

II、负荷代理可调节功率约束：

ΔD_iAk min≤ΔD_iAk≤ΔD_iAk max             （11）；

其中，ΔD_iAk min和ΔD_iAk max为负荷代理k可调节功率的下限值和上限值。

进一步地，进行步骤5）完成负荷调度任务后返回步骤1），进行下一时段的负荷调度。

与现有技术比，本发明达到的有益效果是：

1、本发明是针对风电出力的不确定性所提出的一种计及柔性负荷的发用电协调调度方法，该方法从多时间尺度协调的角度对发用电资源进行统一调度，以充分利用不同响应时间尺度的柔性负荷资源，提升电网消纳风电的能力。

2、本发明将风电功率的不确定性所引起的功率不平衡量处于某一范围内的置信水平作为机会约束条件，并设计了机会约束条件的松弛因子，有利于根据风电预测误差大小适当的松弛对功率不平衡量的约束，从而有利于提高调度经济性。

3、在本发明中，负荷代理通过对历史数据或竞争对手信息的学习，能够通过策略性报价实现自身利润的最大化，但不同负荷代理间存在信息不完全的可能性。

附图说明

图1是本发明提供的多时间尺度协调的柔性负荷的调度过程图；

图2是本发明提供的基于多代理技术的负荷代理与调度中心互动调度流程图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步的详细说明。

本发明提供了一种多时间尺度协调应对风电不确定性的柔性负荷互动调度方法，该方法主要包括以下步骤，其流程图如图2所示：

1）将柔性负荷调度的整个过程分为4个时间尺度，包括日前24h、日内1h、日内15min和实时负荷调度，调度中心在不同时间尺度上预测***负荷、风力发电，公布相关***运行信息、调度需求信息；本发明提供的多时间尺度协调的调度过程图如图1所示：

A、日前24小时负荷调度，每24小时执行一次，分为96时段对未来一天各负荷代理的功率调整做出计划，其控制对象为响应速度较慢、提前通知时间较长的柔性负荷，如钢铁、有色金属加工的工业负荷。

B、日内1小时负荷调度，每1小时执行一次，在计及日前负荷调节量的基础上，对未来1小时各负荷代理的功率调整做出计划，调度对象为各负荷代理中调节周期较短、响应速度较快的负荷，如部分商业和公共设施中的照明和空调负荷。

C、日内15分钟负荷调度，每15分钟执行一次，在计及日前和日内1小时负荷调度效果的基础上，对代理中的快速响应负荷的用电功率做出调整，如冰蓄冷、电动汽车等，在该时间尺度上，风电功率预测的精度已经很高，因此，可以尽量的提高对功率不平衡量的约束，以减少负荷实时调度的功率调整量或AGC动作。

D、实时负荷控制，控制对象为代理内部参与实时响应的负荷，如储能、冰蓄冷等具有储能特性的负荷，可与自动发电AGC控制相配合。

2）在不同时间尺度上，调度中心建立风电功率预测不确定性模型，制定常规火/水电机组调度计划，公布电力***运行信息和柔性负荷调度需求信息；

在每一时间尺度上，调度中心计及风电预测误差，将风电功率的不确定性所引起的功率不平衡量处于某一范围内的置信水平作为机会约束条件，并设计机会约束条件的松弛因子，其计算公式为：

r＝1-(σ/2D_wN)h              （1）；

其中，σ为风电预测功率均方差，D_wN为***风电的额定功率，系数h根据各级调度需求调节；值得说明的是，松弛对功率不平衡量的约束，可以减小本级调度的功率调整量，从而有利于提高本级调度的经济性。但是，过度松弛对功率不平衡量的约束会导致下一级调度（更短时间尺度）的压力增大，增加下一级调度的成本。

风电功率的不确定性由风电功率预测的误差来表示采用正态分布作为风电功率预测误差的分布模型；假设预测误差服从正态分布N(0,σ²)，其中σ²取决于预测时间尺度，设定风电场输出有功功率模拟值D_w(t)近似服从N(D_Wf(t),σ²)，均值D_Wf(t)为风电场有功功率预测值，方差σ²根据不同的预测时间尺度进行取值，以准确反映该点功率预测误差水平；风场有功输出表示如下：

$D_w\left(t\right)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp (-\frac{{(x-D_{\mathrm{Wf}}\left(t\right))}^2}{{2\mathrm{\σ}}^2})---\left(2\right).$

3）负荷代理根据不同类型柔性可控负荷的响应特性，分析并协调安排日前24小时、日内1小时、日内15分钟和实时时间尺度上管辖范围内柔性负荷的可调量，对柔性负荷调度需求信息、电力***运行信息以及历史交易信息进行学习，基于多代理技术制定有利于自身收益的报价模型，并上报调度中心；

在每一时间尺度上，负荷代理和调度中心间基于多代理技术进行柔性负荷互动调度，负荷代理以自身收益最大为目标，建立其报价模型，表达式如下：

max{Esy}＝max{|ΔD_ik|L_iAk-|ΔD_iEX|cost_iEX-|ΔD_iP|cost_iP}      （3）；

式中，i表示时段；ΔD_ik为负荷代理k功率调整总量；L_iAk为负荷代理申报的补偿电价；ΔD_iP和ΔD_iEX分别为负荷代理内电价型负荷和激励型负荷的调整量；cost_iP和cost_iEX分别为电价型负荷和激励型负荷的调整成本；

约束条件包括：

①负荷代理报价约束：

L_i min≤L_iAk≤L_i max              （4）；

式中，L_i min，L_i max分别为负荷代理上报负荷调整价格的上限值和下限值；

②不同时间尺度可调整负荷调整量限制：

ΔD_iEX min≤ΔD_iEX≤ΔD_iEX max        （5）；

ΔD_iP min≤ΔD_iP≤ΔD_iP max         （6）；

式中：ΔD_iEXmin、ΔD_iEXmax分别为激励型负荷的功率调整上限值和下限值；ΔD_iPmin、ΔD_iPmax、分别为价格型负荷的功率调整上限值和下限值；

③功率平衡约束：

ΔD_iV＝ΔD_ik+ΔD_iother          （7）；

式中：ΔD_iV为***需求的功率调整总量；ΔD_iother为其它负荷代理和发电机组的功率调整量；

当多个负荷代理同时参与电网的调度运行时，负荷代理需要通过学习调度中心公开的历史竞价信息并对其它代理的报价策略做出猜测，在此基础上进一步优化自身的报价策略，基于目前时段***运行状态预测，在历史时段中搜索与目前时段最为接近的运行状态，称为“同场景”状态，并将历史时段所有竞争对手的报价策略作为当前时段的猜测，表示为：

$\begin{array}{c}{\left(A_m^t\right)}^{\text{'}}=A_m^{t_n}\\ {\left(B_m^t\right)}^{\text{'}}=B_m^{t_n}\end{array}(m\≠j)---\left(8\right);$

式中:t_n为历史上与t时段运行状态最为接近的时段，和为历史时段代理m的报价策略参数，和为t时段代理j对代理m报价策略参数的猜测；当各代理同时猜中其他代理的报价策略时，各个代理均将达到预期的最大收益，即达到彼此接受的纳什均衡解，***运行状态预测包括负荷预测、间歇式能源出力预测和发电机信息。

4）调度中心根据负荷代理上报的可调度能力和报价信息，以调度中心调度成本最低为目标，对多个负荷代理的可调度负荷资源进行优化调度，并将负荷调整指令及最终补偿价格发送至负荷代理；

所述步骤4）中，调度成本最低为目标的决策模型如下：

$\min \left\{c_{\mathrm{total}}\right\}=\min \left\{\underset{k=1}{\overset{N_A}{\mathrm{\Σ}}}{\cos t}_A\left({\mathrm{\ΔD}}_{\mathrm{iAk}}\right)\right\}---\left(9\right);$

式中：ΔD_iAk为i时段第k个负荷代理的功率调整量；cost_A(ΔD_iAk)为调度中心通过负荷代理k调整功率ΔD_iAk时所需支付的补偿费用；N_A为负荷代理数量；

约束条件包括：功率平衡约束、负荷代理可调节功率约束、发电机组功率调节约束竞价约束、发电机爬坡率约束和***备用约束；

I、功率平衡约束

平衡约束为计及风功率不确定性的机会约束，其表达式如式（10）所示：

P_r{|D_iG0+D_w-D_load0-ΔD_iV|≤ΔD}≥rλ₀        （10）；

该式表示计及风电出力的概率分布后，***功率不平衡量处于区间[-△D,△D]内的置信度P_r不小于rλ₀；其中，ΔD_iV为***需求的功率调整总量；D_iG0为i时段时刻机组出力总和，D_load0为i时段负荷总和，D_w为i时段风电总出力，λ0为***功率不平衡量处于区间[-△D,△D]内的置信水平，r为松弛因子；

II、负荷代理可调节功率约束：

ΔD_iAk min≤ΔD_iAk≤ΔD_iAk max        （11）；

其中，ΔD_iAk min和ΔD_iAk max为负荷代理k可调节功率的下限值和上限值。

5）各负荷代理获取最终调度指令后，以负荷代理调度成本最低为目标，通过电价机制或激励机制对所管理的负荷的用电功率进行调整，完成调度任务，返回步骤1），进行下一时段调度。

本发明提供的方法丰富了应对风功率不确定性的调度模式，增强了电网的调节能力。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求范围当中。

Claims (6)

1.一种应对风电不确定性的多时间尺度柔性负荷调度方法，其特征在于，所述方法采用多时间尺度进行协调，所述方法包括下述步骤：

1）调度中心在不同时间尺度上预测电力***负荷、风力发电；

2）在不同时间尺度上，调度中心建立风电功率预测不确定性模型，制定常规火/水电机组调度计划，公布电力***运行信息和柔性负荷调度需求信息；

3）负荷代理根据不同类型柔性可控负荷的响应特性，分析并协调安排日前24小时、日内1小时、日内15分钟和实时时间尺度上管辖范围内柔性负荷的可调量，对柔性负荷调度需求信息、电力***运行信息以及历史交易信息进行学习，基于多代理技术制定有利于自身收益的报价模型，并上报调度中心；

4）调度中心根据负荷代理上报的可调度能力和报价信息，以调度中心调度成本最低为目标，对多个负荷代理的可调度负荷资源进行优化调度，并将负荷调整指令及最终补偿价格发送至负荷代理；

5）负荷代理获取最终调度指令后，以负荷代理调度成本最低为目标，通过电价机制或激励机制对所管理负荷的用电功率进行调整。

2.如权利要求1所述的柔性负荷调度方法，其特征在于，所述步骤1）中，柔性负荷调度的不同时间尺度包括日前24小时、日内1小时、日内15min和实时时间尺度上管辖范围，

A、日前24小时负荷调度，每24小时执行一次，分为96时段对未来一天负荷代理的功率调整做出计划，其控制对象为响应速度慢、提前通知时间长的柔性负荷，包括钢铁及有色金属加工的工业负荷；

B、日内1小时负荷调度，每1小时执行一次，在计及日前负荷调节量的基础上，对未来1小时负荷代理的功率调整做出计划，调度对象为负荷代理中调节周期短、响应速度快的负荷，包括商业和公共设施中的照明及空调负荷；

C、日内15分钟负荷调度，每15分钟执行一次，在计及日前24小时和日内1小时负荷调度效果的基础上，对负荷代理中的响应负荷的用电功率做出调整，包括冰蓄冷和电动汽车；

D、实时时间尺度上管辖范围，控制对象为负荷代理内部参与实时响应的负荷，包括储能和冰蓄冷具有储能特性的负荷，与自动发电AGC控制相配合。

3.如权利要求1所述的柔性负荷调度方法，其特征在于，所述步骤2）中，在每一时间尺度上，调度中心计及风电预测误差，将风电功率的不确定性所引起的功率不平衡量处于某一范围内的置信水平作为机会约束条件，并设计机会约束条件的松弛因子，其计算公式为：

r＝1-(σ/2D_wN)h         （1）；

其中，σ为风电预测功率均方差，D_wN为***风电的额定功率，系数h根据各级调度需求调节；

风电功率的不确定性由风电功率预测的误差来表示采用正态分布作为风电功率预测误差的分布模型；假设预测误差服从正态分布N(0,σ²)，其中σ²取决于预测时间尺度，设定风电场输出有功功率模拟值D_w(t)近似服从N(D_Wf(t),σ²)，均值D_Wf(t)为风电场有功功率预测值，方差σ²根据不同的预测时间尺度进行取值，以准确反映该点功率预测误差水平；风场有功输出表示如下：

$D_w\left(t\right)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp (-\frac{{(x-D_{\mathrm{Wf}}\left(t\right))}^2}{{2\mathrm{\σ}}^2})---\left(2\right).$

4.如权利要求1所述的柔性负荷调度方法，其特征在于，所述步骤3）中，在每一时间尺度上，负荷代理和调度中心间基于多代理技术进行柔性负荷互动调度，负荷代理以自身收益最大为目标，建立其报价模型，表达式如下：

max{Esy}＝max{|ΔD_ik|L_iAk-|ΔD_iEX|cost_iEX-|ΔD_iP|cost_iP}    （3）；

式中，i表示时段；ΔD_ik为负荷代理k功率调整总量；L_iAk为负荷代理申报的补偿电价；ΔD_iP和ΔD_iEX分别为负荷代理内电价型负荷和激励型负荷的调整量；cost_iP和cost_iEX分别为电价型负荷和激励型负荷的调整成本；

约束条件包括：

①负荷代理报价约束：

L_i min≤L_iAk≤L_i max           （4）；

式中，L_i min，L_i max分别为负荷代理上报负荷调整价格的上限值和下限值；

②不同时间尺度可调整负荷调整量限制：

ΔD_iEX min≤ΔD_iEX≤ΔD_iEX max          （5）；

ΔD_iP min≤ΔD_iP≤ΔD_iP max         （6）；

式中：ΔD_iEXmin、ΔD_iEXmax分别为激励型负荷的功率调整上限值和下限值；ΔD_iPmin、ΔD_iPmax、分别为价格型负荷的功率调整上限值和下限值；

③功率平衡约束：

ΔD_iV＝ΔD_ik+ΔD_iother              （7）；

式中：ΔD_iV为***需求的功率调整总量；ΔD_iother为其它负荷代理和发电机组的功率调整量；

当多个负荷代理同时参与电网的调度运行时，负荷代理需要通过学习调度中心公开的历史竞价信息并对其它代理的报价策略做出猜测，在此基础上进一步优化自身的报价策略，基于目前时段***运行状态预测，在历史时段中搜索与目前时段最为接近的运行状态，称为“同场景”状态，并将历史时段所有竞争对手的报价策略作为当前时段的猜测，表示为：

$\begin{array}{c}{\left(A_m^t\right)}^{\text{'}}=A_m^{t_n}\\ {\left(B_m^t\right)}^{\text{'}}=B_m^{t_n}\end{array}(m\≠j)---\left(8\right);$

式中:t_n为历史上与t时段运行状态最为接近的时段，和为历史时段代理m的报价策略参数，和为t时段代理j对代理m报价策略参数的猜测；当各代理同时猜中其他代理的报价策略时，各个代理均将达到预期的最大收益，即达到彼此接受的纳什均衡解，***运行状态预测包括负荷预测、间歇式能源出力预测和发电机信息。

5.如权利要求1所述的柔性负荷调度方法，其特征在于，所述步骤4）中，调度中心调度成本最低为目标的决策模型如下：

$\min \left\{c_{\mathrm{total}}\right\}=\min \left\{\underset{k=1}{\overset{N_A}{\mathrm{\Σ}}}{\cos t}_A\left({\mathrm{\ΔD}}_{\mathrm{iAk}}\right)\right\}---\left(9\right);$

式中：ΔD_iAk为i时段第k个负荷代理的功率调整量；cost_A(ΔD_iAk)为调度中心通过负荷代理k调整功率ΔD_iAk时所需支付的补偿费用；N_A为负荷代理数量；

约束条件包括：

I、功率平衡约束

平衡约束为计及风功率不确定性的机会约束，其表达式如式（10）所示：

P_r{|D_iG0+D_w-D_load0-ΔD_iV|≤ΔD}≥rλ₀      （10）；

该式表示计及风电出力的概率分布后，***功率不平衡量处于区间[-△D,△D]内的置信度P_r不小于rλ₀；其中，ΔD_iV为***需求的功率调整总量；D_iG0为i时段时刻机组出力总和，D_load0为i时段负荷总和，D_w为i时段风电总出力，λ₀为***功率不平衡量处于区间[-△D,△D]内的置信水平，r为松弛因子；

II、负荷代理可调节功率约束：

ΔD_iAk min≤ΔD_iAk≤ΔD_iAk max            （11）；

其中，ΔD_iAk min和ΔD_iAk max为负荷代理k可调节功率的下限值和上限值。

6.如权利要求1所述的柔性负荷调度方法，其特征在于，进行步骤5）完成负荷调度任务后返回步骤1），进行下一时段的负荷调度。