CN107748944A - 一种售电侧放开环境下用户侧需求响应方法 - Google Patents

一种售电侧放开环境下用户侧需求响应方法 Download PDF

Info

Publication number
CN107748944A
CN107748944A CN201710690245.5A CN201710690245A CN107748944A CN 107748944 A CN107748944 A CN 107748944A CN 201710690245 A CN201710690245 A CN 201710690245A CN 107748944 A CN107748944 A CN 107748944A
Authority
CN
China
Prior art keywords
mrow
msubsup
load
user
msub
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
Application number
CN201710690245.5A
Other languages
English (en)
Other versions
CN107748944B (zh
Inventor
裘华东
刘卫东
张利军
胡若云
徐晨博
黄锦华
刘周斌
孙轶恺
袁翔
李圆
庄峥宇
刘玉玺
欧阳红
袁葆
赵加奎
熊根鑫
于喻
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.)
State Grid Corp of China SGCC
State Grid Information and Telecommunication Co Ltd
Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Information and Telecommunication Co Ltd
Economic and Technological Research Institute 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 State Grid Corp of China SGCC, State Grid Information and Telecommunication Co Ltd, Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201710690245.5A priority Critical patent/CN107748944B/zh
Publication of CN107748944A publication Critical patent/CN107748944A/zh
Application granted granted Critical
Publication of CN107748944B publication Critical patent/CN107748944B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Water Supply & Treatment (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Probability & Statistics with Applications (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种售电侧放开环境下用户侧需求响应方法。针对工商业用户以及其他用户制定需求响应策略的主要依据是用电客户的日负荷曲线，并没有对用户的日负荷曲线进行分解，导致根据用户宏观日负荷曲线制定的需求影响策略，在其执行过程中，实际效果不太理想。本发明通过聚类算法，将大量用户进行划分，对同一类用户制定一项需求响应策略；在制定需求响应策略时，将用户的日负荷曲线看作是由基本负荷、可转移负荷、可削减负荷和可存储负荷组成，然后针对每项组成部分分别制定需求响应策略。本发明大大降低售电公司或电网企业的工作强度，提升工作效率和工作精准度；本发明制定的需求响应策略更加精准、高效。

Description

一种售电侧放开环境下用户侧需求响应方法
技术领域
本发明涉及电力***，具体地说是一种售电侧放开环境下用户侧需求响应方法。
背景技术
电力用户的作用引起重视起始于二十世纪70年代，当时石油危机首先令经济学家们认 识到，从全社会的角度讲，如果节约用电造成的经济损失或不便小于生产这些电力的成本， 那么对电力需求实施管理就是比增加电量供应更为合理的措施。二十世纪80年代到90年代 初，电力需求侧管理(Demand Side Management，DSM)在主要工业国家逐步推广，通过采 取法律、经济、技术、管理与引导等多种有效措施，以电力公司为主体，引导电力用户优 化用电方式，提高终端用电效率，从而优化资源配置，改善和保护环境。
上世纪90年代初，世界范围内开始了电力工业市场化改革，市场机制逐步成为电力 ***运营模式的核心内容。改革初期电力市场出现的诸多问题，特别是2000年美国加州的电力危机，促使人们进一步思考电力需求侧的作用，并形成一种共识，那就是：如果在 电力市场建设之初不为需求侧设计必要机制的话，等到出现问题再去弥补，代价将高昂得多。因此，在电力市场竞争中引入需求响应(DemandResponse)，即通过价格信号和经济激励机制来引导用户参与电力市场，以加强需求侧在市场供需平衡中的作用，成为电力市场研究和实践的重要内容。
《关于进一步深化电力体制改革的若干意见(中发〔2015〕9号)》(以下简称《9号文》)，《9号文》指出：深化电力体制改革是一项紧迫的任务，事关我国能源安全和经济社 会发展全局。《9号文》对深化电力体制改革提出了新使命、新要求。明确了深化电力体制 改革的重点和路径是：在进一步完善政企分开、厂网分开、主辅分开的基础上，按照管住 中间、放开两头的体制架构，有序放开输配以外的竞争性环节电价，有序向社会资本开放 配售电业务，有序放开公益性和调节性以外的发用电计划；推进交易机构相对独立，规范 运行；继续深化对区域电网建设和适合我国国情的输配体制研究；进一步强化监管，进一 步强化电力统筹规划，进一步强化电力安全高效运行和可靠供应。《9号文》还对电网企业 的运营模式进行了规范，明确指出电网企业不再以上网和销售电价价差作为主要收入来源， 按照核定的输配电价收取过网费，确保电网企业稳定的收入来源和收益水平，规范电网企 业投资和资产管理行为。
无论是售电公司还是电网企业，他们主要把工商业用户作为实施需求响应的对象。 售电公司或者电网企业对居民用户实施需求响应的积极性不高，主要因为：
(1)由于居民用户数量庞大，不同居民用户的用电负荷、用电习惯、用户体验层级等 存在很大的差异。针对每个居民用户分别制定相应的需求响应策略，无论是售电公司还是电网企业都没有动力来实施。
(2)针对工商业用户以及其他用户制定需求响应策略的主要依据是用电客户的日负 荷曲线，并没有对用户的日负荷曲线进行分解，导致根据用户宏观日负荷曲线制定的需求影响策略，在其执行过程中，实际效果不太理想。
发明内容
本发明所要解决的技术问题是克服上述现有技术存在的缺陷，提供一种售电侧放开环 境下用户侧需求响应方法，其将用户按照其用电负荷、用电偏好等多个维度进行聚类处理 的方法，将大量用户利用聚类算法聚成几大类，然后针对每一类用户制定单独的需求响应 策略；根据用户需求侧响应的基本策略分类，将日负荷曲线看作是由基本负荷、可转移负 荷、可削减负荷和可存储负荷组成，对相同需求模式下大量历史负荷曲线的分析，可以实 现以上四类负荷需求模式的分解。
为此，本发明采用如下的技术方案：一种售电侧放开环境下用户侧需求响应方法，其 利用聚类算法，选择包含负荷曲线特征、用电习惯和用户体验等级的多个维度，将大量用 户用电负荷曲线进行聚类，实现将用电负荷曲线特征相似的用户聚成在同一个类里面，使 不同类之间的用户负荷曲线之间存在明显的差异；通过聚类算法，将大量用户进行划分， 对同一类用户制定一项需求响应策略；在制定需求响应策略时，将用户的日负荷曲线看作 是由基本负荷、可转移负荷、可削减负荷和可存储负荷组成，然后针对每项组成部分分别 制定需求响应策略，这样用电客户的需求响应策略更加精准、高效。
通过聚类算法，实现将大量用户进行划分，对同一类用户制定一项需求响应策略，这 样就会大大降低售电公司或电网企业的工作强度，提升工作效率和工作精准度。
作为上述技术方案的优选，所述用户用电负荷曲线的聚类基于K-MEANS算法，包括把 n个数据对象划分为k个聚类，使得每个聚类中的数据点到该聚类中心的平方和最小，算法处理过程如下：
输入：聚类个数k，包含n个数据对象的数据集；输出：k个聚类；具体步骤如下：
第一步：从n个数据对象中任意选取k个对象作为初始的聚类中心；
第二步：分别计算每个数据对象到各个聚类中心的距离，把数据对象分配到距离最 近的聚类中；
第三步：所有数据对象分配完成后，重新计算k个聚类的中心；
第四步：与前一次计算得到的k个聚类中心比较，如果聚类中心发生变化，则转到第二步，否则转入第五步；
第五步：输出聚类结果。
作为上述技术方案的优选，所述的用户通过调整自己的用电行为来响应动态电价的需 求响应方案，包括以下三种方式：
第一，通过在用电高峰时段减少用电量的形式来响应电价；
第二，把高峰时段的用电转移到非高峰时段；
第三，既减少高峰时段的用电量，也把高峰时段的用电转移到非高峰时段。
作为上述技术方案的优选，基于上述三种方式，需求响应方案被制定成如下：
第一种类型：用电设备的需求特性只决定于环境状态和当前时段的操作状态，相邻时 段之间并没有关系，其在实时电价下的响应如下：
s.t.p(t)＝d(t) 0≤d0(t)-d(t)≤ΔD(t)，
式中，p(t)和d(t)是电能的消费和需求，λ(t)和μ(d0(t)-d(t)是实时电价和相应终端 的舒适度损失因子，d0(t)是原用户用电需求，ΔD(t)是用电需求变化的最大值；
第二种类型：用电设备的需求特性和时间无关，这类用电设备在一天中的任意时间开 启，然后完成一定时段的工作后关闭，它们的最佳响应行为如下：
s.t.u(t+s)＝1if u(t)＝1(s＝1,2,…,τ)，
式中，d(t)是电能需求，λ(t)和μ(t)是实时电价和相应终端的舒适度损失因子，u(t)是 第三种类型设备的开关控制量，U是T个时刻开关控制量之和；τ表示时段长度，单位为 h；
第三种类型：用电设备的需求特性不仅决定于环境状态和当前时段的操作状态，也决 定于相邻时段的时间耦合关系，它们的最佳响应行为如下：
s.t.V(t)＝V(t-1)+p(t)-d(t)-ν(t)，
其中，p(t)和d(t)是电能的消费和需求，λ(t)和μ(d0(t)-d(t)是实时电价和相应终端 的舒适度损失因子，V(t)是用电设备使用时的能量水平，ν(t)表示代表t时段与t+1时段 的能量耦合的部分；是用电设备能量水平上限；V是用电设备能量水平下限。
作为上述技术方案的优选，对于用电设备i，根据设备参数，离散化设备用电水平，
将离散的用电水平作为状态，每一个用电水平有其相应的动作；
假设用电设备的用电水平恰好分为H个点，加上设备的关机状态，用电设备的运行状 态离散化为H+1个用电水平，在t时刻时，将每一个用电水平当作用电设备的一个状态s(t)， 即：
上式中，pi(t)表示t时段内用电设备i的用电决策，单位：kW·h；P表示用户用电功率下限，单位：kW；h表示所分的H个用电水平中第h个水平；Δ表示代表用电水平离 散化；
则t时刻的状态集合S(t)＝{s0,s1,…,sH}，si(i＝0,…,H)表示为状态集合中的各状态；
用电设备的状态处于s(t)时，Agent选择动作进行状态转移的依据会受几个因素的影响： 当前的电价λ水平的高低，用户的舒适度要求的高低，以及用户用电需求特性的影响；对 于处于第二种类型的用电设备还需要考虑设备的能量水平V。
作为上述技术方案的优选，对相同需求模式下大量历史负荷曲线的分析，实现上述四 类负荷需求的分解；
1)基本负荷
将分类k的聚类中心向量p0 k看作用户基本负荷的趋势曲线，同时，根据用户背景情况， 确定用户需求侧响应参与度系数γ，则基本负荷曲线为：
式中，表示第k类原始的用电需求；
2)可转移负荷
可转移负荷是指此类用电设备的需求同时间无关，这类用电设备在一天中的任意时间 开启，然后依照某一固定模式完成一定时段的工作后关闭；
可转移负荷分解的重点是对负荷尖峰与转移量的分析识别，对于负荷尖峰，根据分类 k的基本负荷趋势曲线的局部最大值确定尖峰数量与尖峰中心时刻则可转移负荷的转 移时间范围为：
其中，Δk +与Δk －分别表示由用户数据得出的尖峰转移边界值；
可转移负荷水平为：
式中，ds(t)表示总负荷需求函数、表示转移下限时刻的用电需求量、表示转移上限时刻的用电需求量；
3)可削减负荷
可削减负荷看作除基本负荷和可转移负荷后负荷的可变化部分，其计算公式如下：
式中，分别为可削减负荷、总负荷需求函数、可转移负 荷水平曲线、基本负荷曲线；
4)可存储负荷
可存储负荷依赖于用户是否有相应的存储设备，相关参数视为输入量。
作为上述技术方案的优选，利用上述对负荷曲线的分类及其参数设定，基于用户实际 用电数据，实现对不同用户需求侧响应的在线仿真；
在线仿真以不同类型负荷的状态转移作为基本策略，以随机生成的需求响应强度作为 输入参数，实现对在线给定用户实际曲线的需求响应策略仿真；
三类需求响应策略的实现方式如下：
可转移负荷
其中，为随机变量；表示参数为的均匀分布；
可削减负荷
其中，ψS为可削减负荷强度的随机变量，表示可削减负荷，表示以ΨC为参数的函数；
可存储负荷
可存储负荷的响应模型如下：
s.t.V(t)＝V(t-1)+p(t)-d(t)-ν(t)，
与现有技术相比，本发明具有以下优点：本发明通过聚类算法，实现将大量用户进行 划分，对同一类用户制定一项需求响应策略，这样就会大大降低售电公司或电网企业的工 作强度，提升工作效率，工作精准度。本发明针对用户日负荷曲线的每项组成部分分别制 定需求响应策略，这样用电客户的需求响应策略更加精准、高效。
附图说明
图1为本发明的流程示意图。
附图说明
下面结合说明书附图和具体实施方式对本发明作进一步说明。
相关术语解释
需求侧响应(Demand Response,DR):即电力需求响应的简称，是指当电力批发市场 价格升高或***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。它是需求 侧管理(DSM)的解决方案之一。
需求侧管理(Demand Side Management,DSM):即是指对用电一方实施的管理。这种管理是国家通过政策措施引导用户高峰时少用电，低谷时多用电，提高供电效率、优化用电方式的办法。这样可以在完成同样用电功能的情况下减少电量消耗和电力需求,从而缓解缺电压力，降低供电成本和用电成本。使供电和用电双方得到实惠，达到节约能源和保护环境的长远目的。
售电侧放开：
售电侧放开是指在售电环节引入竞争，赋予用户自由选择权，具体包括两个方面：一 是放开用户自由选择权，允许用户自由选择售电公司；二是构建多个售电主体，允许所有 符合准入条件的企业逐步从事售电业务，形成多家售电格局。
K-Means聚类算法：
K-means算法是硬聚类算法，是典型的基于原型的目标函数聚类方法的代表，它是数 据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整 规则。K-means算法以欧式距离作为相似度测度，它是求对应某一初始聚类中心向量V最 优分类，使得评价指标J最小。算法采用误差平方和准则函数作为聚类准则函数。
如图1所示的一种售电侧放开环境下用户侧需求响应方法，其选择包含负荷曲线特征、 用电习惯和用户体验等级的多个维度，将大量用户用电负荷曲线进行聚类，实现将用电负 荷曲线特征相似的用户聚成在同一个类里面，使不同类之间的用户负荷曲线之间存在明显 的差异。通过聚类算法，将大量用户进行划分，对同一类用户制定一项需求响应策略；在 制定需求响应策略时，将用户的日负荷曲线看作是由基本负荷、可转移负荷、可削减负荷 和可存储负荷组成，然后针对每项组成部分分别制定需求响应策略。
通过聚类算法，实现将大量用户进行划分，对同一类用户制定一项需求响应策略。
所述用户用电负荷曲线的聚类基于K-MEANS算法，包括把n个数据对象划分为k个聚 类，使得每个聚类中的数据点到该聚类中心的平方和最小，算法处理过程如下：
输入：聚类个数k，包含n个数据对象的数据集；输出：k个聚类；具体步骤如下：
第一步：从n个数据对象中任意选取k个对象作为初始的聚类中心；
第二步：分别计算每个数据对象到各个聚类中心的距离，把数据对象分配到距离最 近的聚类中；
第三步：所有对象分配完成后，重新计算k个聚类的中心；
第四步：与前一次计算得到的k个聚类中心比较，如果聚类中心发生变化，则转到第二步，否则转入第五步；
第五步：输出聚类结果。
所述的用户通过调整自己的用电行为来响应动态电价的需求响应方案，包括以下三种 方式：
第一，通过在用电高峰时段减少用电量的形式来响应电价；
第二，把高峰时段的用电转移到非高峰时段；
第三，既减少高峰时段的用电量，也把高峰时段的用电转移到非高峰时段。
基于上述三种方式，需求响应方案被制定成如下：
第一种类型：用电设备的需求特性只决定于环境状态和当前时段的操作状态，相邻时 段之间并没有关系，其在实时电价下的响应如下：
s.t.p(t)＝d(t)0≤d0(t)-d(t)≤ΔD(t)，
式中，p(t)和d(t)是电能的消费和需求，λ(t)和μ(d0(t)-d(t)是实时电价和相应终端 的舒适度损失因子，d0(t)是原用户用电需求，ΔD(t)是用电需求变化的最大值。
第二种类型：用电设备的需求特性和时间无关，这类用电设备在一天中的任意时间开 启，然后完成一定时段的工作后关闭，它们的最佳响应行为如下：
s.t.u(t+s)＝1ifu(t)＝1(s＝1,2,…,τ)，
式中，d(t)是电能需求，λ(t)和μ(t)是实时电价和相应终端的舒适度损失因子，u(t)是 第三种类型设备的开关控制量，U是T个时刻开关控制量之和；τ表示时段长度，单位为 h。
第三种类型：用电设备的需求特性不仅决定于环境状态和当前时段的操作状态，也决 定于相邻时段的时间耦合关系，它们的最佳响应行为如下：
s.t.V(t)＝V(t-1)+p(t)-d(t)-ν(t)，
其中，p(t)和d(t)是电能的消费和需求，λ(t)和μ(d0(t)-d(t)是实时电价和相应终端 的舒适度损失因子，V(t)是用电设备使用时的能量水平，ν(t)表示代表t时段与t+1时段 的能量耦合的部分；是用电设备能量水平上限；V是用电设备能量水平下限。
对于用电设备i，根据设备参数，离散化设备用电水平，将离散的用电水平作为状态， 每一个用电水平有其相应的动作；
假设用电设备的用电水平恰好分为H个点，加上设备的关机状态，用电设备的运行状 态离散化为H+1个用电水平，在t时刻时，将每一个用电水平当作用电设备的一个状态s(t)， 即：
上式中，pi(t)表示t时段内用电设备i的用电决策，单位：kW·h；P表示用户用电功率下限，单位：kW；h表示所分的H个用电水平中第h个水平；Δ表示代表用电水平离 散化；
则t时刻的状态集合S(t)＝{s0,s1,…,sH}，si(i＝0,…,H)表示为状态集合中的各状态；
用电设备的状态处于s(t)时，Agent选择动作进行状态转移的依据会受几个因素的影响： 当前的电价λ水平的高低，用户的舒适度要求的高低，以及用户用电需求特性的影响；对 于处于第二种类型的用电设备还需要考虑设备的能量水平V。
对相同需求模式下大量历史负荷曲线的分析，实现上述四类负荷需求的分解；
1)基本负荷
将分类k的聚类中心向量p0 k看作用户基本负荷的趋势曲线，同时，根据用户背景情况， 确定用户需求侧响应参与度系数γ，则基本负荷曲线为：
式中，表示第k类原始的用电需求；
2)可转移负荷
可转移负荷是指此类用电设备的需求同时间无关，这类用电设备在一天中的任意时间 开启，然后依照某一固定模式完成一定时段的工作后关闭；
可转移负荷分解的重点是对负荷尖峰与转移量的分析识别，对于负荷尖峰，根据分类 k的基本负荷趋势曲线的局部最大值确定尖峰数量与尖峰中心时刻则可转移负荷的转 移时间范围为：
其中，Δk +与Δk －分别表示由用户数据得出的尖峰转移边界值；
可转移负荷水平为：
式中，ds(t)表示总负荷需求函数、表示转移下限时刻的用电需求量、表示转移上限时刻的用电需求量；
3)可削减负荷
可削减负荷看作除基本负荷和可转移负荷后负荷的可变化部分，其计算公式如下：
式中，ds(t)、分别为可削减负荷、总负荷需求函数、可转移负荷水平曲线、基本负荷曲线；
4)可存储负荷
可存储负荷依赖于用户是否有相应的存储设备，相关参数视为输入量。
作为上述技术方案的优选，利用上述对负荷曲线的分类及其参数设定，基于用户实际 用电数据，实现对不同用户需求侧响应的在线仿真；
在线仿真以不同类型负荷的状态转移作为基本策略，以随机生成的需求响应强度作为 输入参数，实现对在线给定用户实际曲线的需求响应策略仿真；
三类需求响应策略的实现方式如下：
可转移负荷
其中，为随机变量；表示参数为的均匀分布；
可削减负荷
其中，ψS为可削减负荷强度的随机变量，表示可削减负荷，表示以ΨC为参数的函数；
可存储负荷
可存储负荷的响应模型如下：
s.t.V(t)＝V(t-1)+p(t)-d(t)-ν(t)，
对于本领域的技术人员而言，阅读上述说明后，各种变化和修正无疑将显而易见。因 此，所附的权利要求书应看作是涵盖本发明的真实意图和范围的全部变化和修正。在权利 要求书范围内任何和所有等价的范围与内容，都应认为仍属本发明的意图和范围内。

Claims (7)

1.一种售电侧放开环境下用户侧需求响应方法，其特征在于，利用聚类算法，选择包含用电负荷曲线特征、用电习惯和用户体验等级的多个维度，将大量用户用电负荷曲线进行聚类，实现将用电负荷曲线特征相似的用户聚成在同一个类里面，使不同类之间的用户负荷曲线之间存在明显的差异；
通过聚类算法，将大量用户进行划分，对同一类用户制定一项需求响应策略；
在制定需求响应策略时，将用户的日负荷曲线看作是由基本负荷、可转移负荷、可削减负荷和可存储负荷组成，然后针对每项组成部分分别制定需求响应策略。
2.根据权利要求1所述的售电侧放开环境下用户侧需求响应方法，其特征在于，所述用户用电负荷曲线的聚类基于K-MEANS算法，包括把n个数据对象划分为k个聚类，使得每个聚类中的数据点到该聚类中心的平方和最小，算法处理过程如下：
输入：聚类个数k，包含n个数据对象的数据集；输出：k个聚类；具体步骤如下：
第一步：从n个数据对象中任意选取k个对象作为初始的聚类中心；
第二步：分别计算每个数据对象到各个聚类中心的距离，把数据对象分配到距离最近的聚类中；
第三步：所有数据对象分配完成后，重新计算k个聚类的中心；
第四步：与前一次计算得到的k个聚类中心比较，如果聚类中心发生变化，则转到第二步，否则转入第五步；
第五步：输出聚类结果。
3.根据权利要求1或2所述的售电侧放开环境下用户侧需求响应方法，其特征在于，
所述的用户通过调整自己的用电行为来响应动态电价的需求响应方案，包括以下三种方式：
第一，通过在用电高峰时段减少用电量的形式来响应电价；
第二，把高峰时段的用电转移到非高峰时段；
第三，既减少高峰时段的用电量，也把高峰时段的用电转移到非高峰时段。
4.根据权利要求3所述的售电侧放开环境下用户侧需求响应方法，其特征在于，基于上述三种方式，需求响应方案被制定成如下：
第一种类型：用电设备的需求特性只决定于环境状态和当前时段的操作状态，相邻时段之间并没有关系，其在实时电价下的响应如下：
<mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>T</mi> </munderover> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mi>p</mi> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>+</mo> <mi>&amp;mu;</mi> <mo>(</mo> <mrow> <msub> <mi>d</mi> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>-</mo> <mi>d</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <mo>,</mo> <mi>t</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mn>3...</mn> <mi>T</mi> <mo>,</mo> </mrow>
s.t.p(t)＝d(t) 0≤d0(t)-d(t)≤ΔD(t)，
式中，p(t)和d(t)是电能的消费和需求，λ(t)和μ(d0(t)-d(t)是实时电价和相应终端的舒适度损失因子，d0(t)是原用户用电需求，ΔD(t)是用电需求变化的最大值；
第二种类型：用电设备的需求特性和时间无关，这类用电设备在一天中的任意时间开启，然后完成一定时段的工作后关闭，它们的最佳响应行为如下：
<mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>T</mi> </munderover> <mi>&amp;lambda;</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>u</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>d</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>,</mo> </mrow>
s.t.u(t+s)＝1ifu(t)＝1(s＝1,2,…,τ)，
<mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>T</mi> </munderover> <mi>u</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>U</mi> <mo>,</mo> <mi>u</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&amp;Element;</mo> <mo>{</mo> <mn>0</mn> <mo>,</mo> <mn>1</mn> <mo>}</mo> <mo>,</mo> </mrow>
式中，d(t)是电能需求，λ(t)和μ(t)是实时电价和相应终端的舒适度损失因子，u(t)是第三种类型设备的开关控制量，U是T个时刻开关控制量之和；τ表示时段长度，单位为h；
第三种类型：用电设备的需求特性不仅决定于环境状态和当前时段的操作状态，也决定于相邻时段的时间耦合关系，它们的最佳响应行为如下：
<mrow> <mtable> <mtr> <mtd> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> </mtd> <mtd> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>T</mi> </munderover> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mi>p</mi> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>+</mo> <mi>&amp;mu;</mi> <mo>(</mo> <mrow> <msub> <mi>d</mi> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>-</mo> <mi>d</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> <mo>)</mo> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> <mo>,</mo> </mrow>
s.t.V(t)＝V(t-1)+p(t)-d(t)-ν(t)，
<mrow> <munder> <mi>V</mi> <mo>&amp;OverBar;</mo> </munder> <mo>&amp;le;</mo> <mi>V</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&amp;le;</mo> <mover> <mi>V</mi> <mo>&amp;OverBar;</mo> </mover> <mo>,</mo> <mn>0</mn> <mo>&amp;le;</mo> <msub> <mi>d</mi> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>-</mo> <mi>d</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&amp;le;</mo> <mi>&amp;Delta;</mi> <mi>D</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>,</mo> </mrow>
其中，p(t)和d(t)是电能的消费和需求，λ(t)和μ(d0(t)-d(t)是实时电价和相应终端的舒适度损失因子，V(t)是用电设备使用时的能量水平，ν(t)表示代表t时段与t+1时段的能量耦合的部分；是用电设备能量水平上限；V是用电设备能量水平下限。
5.根据权利要求4所述的售电侧放开环境下用户侧需求响应方法，其特征在于，
对于用电设备i，根据设备参数，离散化设备用电水平，将离散的用电水平作为状态，每一个用电水平有其相应的动作；
假设用电设备的用电水平恰好分为H个点，加上设备的关机状态，用电设备的运行状态离散化为H+1个用电水平，在t时刻时，将每一个用电水平当作用电设备的一个状态s(t)，即：
<mrow> <mi>s</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <msub> <mi>s</mi> <mn>0</mn> </msub> </mtd> <mtd> <mrow> <mi>i</mi> <mi>f</mi> </mrow> </mtd> <mtd> <mrow> <msub> <mi>p</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <mn>0</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <msub> <mi>s</mi> <mi>h</mi> </msub> </mtd> <mtd> <mrow> <mi>i</mi> <mi>f</mi> </mrow> </mtd> <mtd> <mrow> <msub> <mi>p</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <munder> <mi>P</mi> <mo>&amp;OverBar;</mo> </munder> <mo>+</mo> <mrow> <mo>(</mo> <mi>h</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mi>&amp;Delta;</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> </mrow>
上式中，pi(t)表示t时段内用电设备i的用电决策，单位：kW·h；P表示用户用电功率下限，单位：kW；h表示所分的H个用电水平中第h个水平；Δ表示代表用电水平离散化；
则t时刻的状态集合S(t)＝{s0,s1,…,sH}，si(i＝0,…,H)表示为状态集合中的各状态；
用电设备的状态处于s(t)时，Agent选择动作进行状态转移的依据会受几个因素的影响：当前的电价λ水平的高低，用户的舒适度要求的高低，以及用户用电需求特性的影响；对于处于第二种类型的用电设备还需要考虑设备的能量水平V。
6.根据权利要求1所述的售电侧放开环境下用户侧需求响应方法，其特征在于，对相同需求模式下大量历史负荷曲线的分析，实现上述四类负荷需求的分解；
1)基本负荷
将分类k的聚类中心向量p0 k看作用户基本负荷的趋势曲线，同时，根据用户背景情况，确定用户需求侧响应参与度系数γ，则基本负荷曲线为：
<mrow> <msubsup> <mi>d</mi> <mi>k</mi> <mi>B</mi> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mi>&amp;gamma;</mi> <mo>)</mo> </mrow> <msubsup> <mi>d</mi> <mi>k</mi> <mn>0</mn> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>,</mo> </mrow>
式中，表示第k类原始的用电需求；
2)可转移负荷
可转移负荷是指此类用电设备的需求同时间无关，这类用电设备在一天中的任意时间开启，然后依照某一固定模式完成一定时段的工作后关闭；
可转移负荷分解的重点是对负荷尖峰与转移量的分析识别，对于负荷尖峰，根据分类k的基本负荷趋势曲线的局部最大值确定尖峰数量与尖峰中心时刻则可转移负荷的转移时间范围为：
<mrow> <mi>t</mi> <mo>&amp;Element;</mo> <mo>&amp;lsqb;</mo> <msubsup> <mi>T</mi> <mi>k</mi> <mi>P</mi> </msubsup> <mo>-</mo> <msubsup> <mi>&amp;Delta;</mi> <mi>k</mi> <mo>-</mo> </msubsup> <mo>,</mo> <msubsup> <mi>T</mi> <mi>k</mi> <mi>P</mi> </msubsup> <mo>+</mo> <msubsup> <mi>&amp;Delta;</mi> <mi>k</mi> <mo>+</mo> </msubsup> <mo>&amp;rsqb;</mo> <mo>,</mo> </mrow>
其中，Δk +与Δk －分别表示由用户数据得出的尖峰转移边界值；
可转移负荷水平为：
<mrow> <msubsup> <mi>d</mi> <mi>k</mi> <mi>S</mi> </msubsup> <mo>=</mo> <mi>m</mi> <mi>a</mi> <mi>x</mi> <mo>&amp;lsqb;</mo> <msub> <mi>d</mi> <mi>s</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>-</mo> <mi>m</mi> <mi>i</mi> <mi>n</mi> <mo>&amp;lsqb;</mo> <msub> <mi>d</mi> <mi>s</mi> </msub> <mrow> <mo>(</mo> <msubsup> <mi>T</mi> <mi>k</mi> <mi>P</mi> </msubsup> <mo>-</mo> <msubsup> <mi>&amp;Delta;</mi> <mi>k</mi> <mo>-</mo> </msubsup> <mo>)</mo> </mrow> <mo>,</mo> <msub> <mi>d</mi> <mi>s</mi> </msub> <mrow> <mo>(</mo> <msubsup> <mi>T</mi> <mi>k</mi> <mi>P</mi> </msubsup> <mo>+</mo> <msubsup> <mi>&amp;Delta;</mi> <mi>k</mi> <mo>+</mo> </msubsup> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>,</mo> </mrow>
式中，ds(t)表示总负荷需求函数、表示转移下限时刻的用电需求量、表示转移上限时刻的用电需求量；
3)可削减负荷
可削减负荷看作除基本负荷和可转移负荷后负荷的可变化部分，其计算公式如下：
<mrow> <msubsup> <mi>d</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>s</mi> </mrow> <mi>C</mi> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>d</mi> <mi>s</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>-</mo> <msubsup> <mi>d</mi> <mi>k</mi> <mi>B</mi> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>-</mo> <msubsup> <mi>d</mi> <mi>k</mi> <mi>S</mi> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>,</mo> </mrow>
式中，分别为可削减负荷、总负荷需求函数、可转移负荷水平曲线、基本负荷曲线；
4)可存储负荷
可存储负荷依赖于用户是否有相应的存储设备，相关参数视为输入量。
7.根据权利要求6所述的售电侧放开环境下用户侧需求响应方法，其特征在于，
利用上述对负荷曲线的分类及其参数设定，基于用户实际用电数据，实现对不同用户需求侧响应的在线仿真；
在线仿真以不同类型负荷的状态转移作为基本策略，以随机生成的需求响应强度作为输入参数，实现对在线给定用户实际曲线的需求响应策略仿真；
三类需求响应策略的实现方式如下：
可转移负荷
<mrow> <msubsup> <mi>d</mi> <mi>k</mi> <msup> <mi>S</mi> <mo>&amp;prime;</mo> </msup> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>d</mi> <mi>s</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <msup> <mi>&amp;psi;</mi> <mi>S</mi> </msup> <mo>)</mo> </mrow> <mo>,</mo> </mrow>
其中，为随机变量；表示参数为的均匀分布；
可削减负荷
<mrow> <msubsup> <mi>d</mi> <mi>k</mi> <msup> <mi>C</mi> <mo>&amp;prime;</mo> </msup> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>f</mi> <mrow> <mo>(</mo> <msubsup> <mi>d</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>s</mi> </mrow> <mi>C</mi> </msubsup> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>,</mo> <msup> <mi>&amp;psi;</mi> <mi>S</mi> </msup> <mo>)</mo> </mrow> <mo>,</mo> </mrow>
其中，ψS为可削减负荷强度的随机变量，表示可削减负荷，表示以ΨC为参数的函数；
可存储负荷
可存储负荷的响应模型如下：
<mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>T</mi> </munderover> <mi>u</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>U</mi> <mo>,</mo> <mi>u</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&amp;Element;</mo> <mo>{</mo> <mn>0</mn> <mo>,</mo> <mn>1</mn> <mo>}</mo> <mo>,</mo> </mrow>
<mrow> <mtable> <mtr> <mtd> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> </mtd> <mtd> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>T</mi> </munderover> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mi>p</mi> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>+</mo> <mi>&amp;mu;</mi> <mo>(</mo> <mrow> <msub> <mi>d</mi> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>-</mo> <mi>d</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> <mo>)</mo> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> <mo>,</mo> </mrow>
s.t.V(t)＝V(t-1)+p(t)-d(t)-ν(t)，
<mrow> <munder> <mi>V</mi> <mo>&amp;OverBar;</mo> </munder> <mo>&amp;le;</mo> <mi>V</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&amp;le;</mo> <mover> <mi>V</mi> <mo>&amp;OverBar;</mo> </mover> <mo>,</mo> <mn>0</mn> <mo>&amp;le;</mo> <msub> <mi>d</mi> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>-</mo> <mi>d</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&amp;le;</mo> <mi>&amp;Delta;</mi> <mi>D</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>.</mo> </mrow>
CN201710690245.5A 2017-08-14 2017-08-14 一种售电侧放开环境下用户侧需求响应方法 Active CN107748944B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710690245.5A CN107748944B (zh) 2017-08-14 2017-08-14 一种售电侧放开环境下用户侧需求响应方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710690245.5A CN107748944B (zh) 2017-08-14 2017-08-14 一种售电侧放开环境下用户侧需求响应方法

Publications (2)

Publication Number Publication Date
CN107748944A true CN107748944A (zh) 2018-03-02
CN107748944B CN107748944B (zh) 2021-01-01

Family

ID=61255394

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710690245.5A Active CN107748944B (zh) 2017-08-14 2017-08-14 一种售电侧放开环境下用户侧需求响应方法

Country Status (1)

Country Link
CN (1) CN107748944B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108519881A (zh) * 2018-03-17 2018-09-11 东南大学 一种基于多规则聚类的组件识别方法
CN108683174A (zh) * 2018-04-19 2018-10-19 浙江工业大学 一种基于多时间尺度需求响应模型的网损优化方法
CN109713679A (zh) * 2019-01-08 2019-05-03 国网湖南省电力有限公司 基于需求响应参与度的电网紧急切负荷方法
CN110044020A (zh) * 2019-03-29 2019-07-23 杭州电子科技大学 计及空调用户舒适度的需求侧响应方法
CN111582655A (zh) * 2020-04-14 2020-08-25 广东卓维网络有限公司 一种基于多元用户可调度潜力分析的用电***
CN112365105A (zh) * 2020-12-08 2021-02-12 国网宁夏电力有限公司 一种电力物联网背景下考虑需求响应的负荷预测方法
CN114462725A (zh) * 2022-04-13 2022-05-10 国网浙江省电力有限公司营销服务中心 一种基于动态资源池的非直控型需求侧响应优化调度方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102486330A (zh) * 2010-12-03 2012-06-06 湖南大学 基于用户主动安全响应的空调智能调节装置
CN105846467A (zh) * 2016-05-15 2016-08-10 华南理工大学 计及激励型需求响应的微电网负荷削减控制方法
CN106327074A (zh) * 2016-08-23 2017-01-11 国网江苏省电力公司电力科学研究院 一种省、地市、区域多级电力需求响应潜力评估方法
US9727071B2 (en) * 2012-05-04 2017-08-08 Viridity Energy Solutions, Inc. Facilitating revenue generation from wholesale electricity markets based on a self-tuning energy asset model

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102486330A (zh) * 2010-12-03 2012-06-06 湖南大学 基于用户主动安全响应的空调智能调节装置
US9727071B2 (en) * 2012-05-04 2017-08-08 Viridity Energy Solutions, Inc. Facilitating revenue generation from wholesale electricity markets based on a self-tuning energy asset model
CN105846467A (zh) * 2016-05-15 2016-08-10 华南理工大学 计及激励型需求响应的微电网负荷削减控制方法
CN106327074A (zh) * 2016-08-23 2017-01-11 国网江苏省电力公司电力科学研究院 一种省、地市、区域多级电力需求响应潜力评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
冯晓蒲，张铁峰: "基于实际负荷曲线的电力用户分类技术研究", 《电力科学与工程》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108519881B (zh) * 2018-03-17 2021-06-11 东南大学 一种基于多规则聚类的组件识别方法
CN108519881A (zh) * 2018-03-17 2018-09-11 东南大学 一种基于多规则聚类的组件识别方法
CN108683174B (zh) * 2018-04-19 2020-06-02 浙江工业大学 一种基于多时间尺度需求响应模型的网损优化方法
CN108683174A (zh) * 2018-04-19 2018-10-19 浙江工业大学 一种基于多时间尺度需求响应模型的网损优化方法
CN109713679B (zh) * 2019-01-08 2021-01-26 国网湖南省电力有限公司 基于需求响应参与度的电网紧急切负荷方法
CN109713679A (zh) * 2019-01-08 2019-05-03 国网湖南省电力有限公司 基于需求响应参与度的电网紧急切负荷方法
CN110044020A (zh) * 2019-03-29 2019-07-23 杭州电子科技大学 计及空调用户舒适度的需求侧响应方法
CN110044020B (zh) * 2019-03-29 2021-03-30 杭州电子科技大学 计及空调用户舒适度的需求侧响应方法
CN111582655A (zh) * 2020-04-14 2020-08-25 广东卓维网络有限公司 一种基于多元用户可调度潜力分析的用电***
CN112365105A (zh) * 2020-12-08 2021-02-12 国网宁夏电力有限公司 一种电力物联网背景下考虑需求响应的负荷预测方法
CN112365105B (zh) * 2020-12-08 2022-03-25 国网宁夏电力有限公司 一种电力物联网背景下考虑需求响应的负荷预测方法
CN114462725A (zh) * 2022-04-13 2022-05-10 国网浙江省电力有限公司营销服务中心 一种基于动态资源池的非直控型需求侧响应优化调度方法
CN114462725B (zh) * 2022-04-13 2022-09-02 国网浙江省电力有限公司营销服务中心 一种基于动态资源池的非直控型需求侧响应优化调度方法

Also Published As

Publication number Publication date
CN107748944B (zh) 2021-01-01

Similar Documents

Publication Publication Date Title
CN107748944A (zh) 一种售电侧放开环境下用户侧需求响应方法
Wang et al. Estimates of energy consumption in China using a self-adaptive multi-verse optimizer-based support vector machine with rolling cross-validation
Li et al. Hybrid time-scale energy optimal scheduling strategy for integrated energy system with bilateral interaction with supply and demand
CN107316125A (zh) 一种基于经济运行域的主动配电网经济运行评价方法
CN103136585B (zh) 基于混沌遗传策略的加权Voronoi图变电站规划方法
CN104331844B (zh) 一种电网基建项目投资决策方法
CN107301472A (zh) 基于场景分析法和电压调节策略的分布式光伏规划方法
Liu et al. A bi-level energy-saving dispatch in smart grid considering interaction between generation and load
CN106877339B (zh) 一种考虑电动汽车接入配电网后随机模糊潮流的分析方法
CN107017619A (zh) 非合作博弈视角的光伏充电站网络分布式能量管理方法
CN101752903A (zh) 一种时序递进式电力调度方法
CN105631553A (zh) 一种电动汽车充放电自动需求响应优化方法
CN112183882B (zh) 一种基于电动汽车快充需求的智慧充电站充电优化方法
CN105896596B (zh) 一种考虑需求侧响应的风电功率分层平滑***及其方法
CN107453356A (zh) 基于自适应动态规划的用户侧柔性负荷调度方法
CN114155103A (zh) 基于区块链合作博弈的能量共享联盟灵活***易方法
CN107248031A (zh) 一种针对负荷曲线峰谷差的快速电力用户分类方法
CN107292489A (zh) 一种电网调度运行精益化评价***
CN105656066A (zh) 一种面向供需两侧协同优化的电动汽车动态激励方法
CN111460378A (zh) 一种考虑风险测度的配电网精准投资项目优选方法
CN105514986A (zh) 一种基于虚拟电厂技术的der用户竞价并网方法
CN106712042A (zh) 一种计及充电桩无功响应能力的电网节能降损控制方法
CN104598991B (zh) 考虑外送电交易、跨省跨区联络线交易与安全约束的机组组合获取方法
CN108921335A (zh) 基于短期负荷预测的智能箱式变电站运行组合优化方法
CN112508629A (zh) 一种考虑用户特性的多元用户需求响应的方法

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