CN108683174A - 一种基于多时间尺度需求响应模型的网损优化方法 - Google Patents

一种基于多时间尺度需求响应模型的网损优化方法 Download PDF

Info

Publication number
CN108683174A
CN108683174A CN201810352098.5A CN201810352098A CN108683174A CN 108683174 A CN108683174 A CN 108683174A CN 201810352098 A CN201810352098 A CN 201810352098A CN 108683174 A CN108683174 A CN 108683174A
Authority
CN
China
Prior art keywords
demand
price
electricity
model
formula
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
CN201810352098.5A
Other languages
English (en)
Other versions
CN108683174B (zh
Inventor
周丹
戴慧雯
任志伟
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.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
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 Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN201810352098.5A priority Critical patent/CN108683174B/zh
Publication of CN108683174A publication Critical patent/CN108683174A/zh
Application granted granted Critical
Publication of CN108683174B publication Critical patent/CN108683174B/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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • 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
    • 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
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
    • 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
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Power Engineering (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一种基于多时间尺度需求响应模型的网损优化方法，构建多时间尺度需求响应模型，对***进行初始化并获取原始数据；建立网损优化方法模型，确定目标函数、优化变量以及约束条件；最后基于编制的潮流计算程序，用粒子群算法作为网损优化模型的算法。本发明建模考虑了消费者心理学，并将长期需求模型与短期需求模型通过需求弹性矩阵结合在一起，建立了多时间尺度的需求侧响应模型。本发明为网损优化方法提供了一种新思路，有助于电力企业提高经济效率。

Description

一种基于多时间尺度需求响应模型的网损优化方法
技术领域
本发明涉及一种面向需求侧响应建模的网损优化方法。
背景技术
新电改9号文中提出“管住中间，放开两头”的电力运营模式，使得需求侧响应有更大的实施空间。需求侧响应对电能的供需平衡、电网的潮流特性会造成巨大的影响，同时也会影响到配电网的经济运行水平和网损特性，因此利用需求侧响应来提高和优化配电网经济运行水平、降低电网网损已成为人们关注的热点问题。
发明内容
为了克服现有的网损优化方法的未考虑需求侧响应的不足，本发明提供一种以多时间尺度需求响应建模为主体，然后从经济性角度出发，进而确定网络损耗，达到网损最小的目的。
本发明的技术方案是：
一种基于多时间尺度需求响应模型的网损优化方法，所述方法包括以下步骤：
S1，在网损优化前，构建多时间尺度需求响应模型，对***进行初始化并获取原始数据和优化所需数据，优化所需数据包括优化变量，优化变量即分时电价前峰、平、谷的电价以及长期电价，过程如下：
S11：中长期需求响应特性分析，以获取年均电力需求量；
以居民用电需求为研究对象，选择中长期需求模型的函数表达式如下：
Inq＝0.601Iny-8Inp+0.877InS+2000 (1)
式中：y表示人均可支配收入，元/年，p表示长期电价，元/千瓦时，S表示人均居民住宅面积，平方米/人，q表示年均电力需求量，千瓦时/年；
S12：短期需求响应特性分析，以获取9个相关的短期电量电价模型。
短期电量电价的模型根据消费者心理学来建立，采用分时电价作为需求侧响应研究对象，引入负荷转移率的概念，负荷转移率的含义是用电需求高的时段向用电需求低的时段转移的用电量，与用电需求高的时段的用电量之比，通过已有的电力需求调查数据，将用户的短期需求模型拟合成分段线性函数，得到的函数如下：
式中：λij表示j时段的电价变化后，引起了i时段需求量的变化；pj表示j时段的电价；p表示常量，指代的是电价；K表示用户反应度模型的斜率；A表示死区阈值；B表示饱和区阈值；
分时电价是指根据***负荷水平，将每天划分为峰、平、谷等多个时段，每时段执行不同电费标准的电价制度；将分时电价分为峰、平、谷三个时段，用f、p、g来表示，得到9个相关的短期电量电价模型如下，(pj-p)/p(j＝f,p,g)的范围设置为0-1；
S13：利用改进的需求弹性矩阵E将中长期需求模型与短期需求模型结合，得到多时间尺度需求响应模型；
多时间尺度需求响应模型是基于需求弹性的量化模型建立的，并且考虑峰、平、谷分时定价，通过需求弹性矩阵将短期需求模型与中长期需求模型结合起来，形成多时间尺度需求响应模型；
需求弹性模型就是由电量电价弹性矩阵构成的，电力需求的价格弹性认为是需求量的变化率与价格的变化率之比，需求弹性的量化模型用需求弹性系数来表示：
式中，εij即需求弹性系数，Δqi/q表示i时段的需求量变化率；Δpj/pj表示j时段的电价变化率；当i＝j时，εij代表自弹性系数，即同一时段在分时电价前后的需求量变化，这一部分变化的负荷称作可削减负荷；当i≠j时，εij代表互弹性系数，即j时段的电价变化与i时段需求量变化之比，这一部分负荷称作可转移符合；
根据需求弹性系数，将一天分为n个时段，则得到如下n×n阶电量电价弹性矩阵：
式中，对角线元素为自弹性系数，其余元素为互弹性系数；
多时间尺度需求响应模型是根据公式(12)推导所得，其函数表达式如下：
式中，qDR＝[qf-DR qp-DR qg-DR]T，qf-DR、qp-DR、qg-DR为需求侧响应后峰、平、谷三个时段的用电量，qf、qp、qg为峰谷分时电价实施前峰、平、谷三个时段的用电量；
改进的需求弹性矩阵E是将式(3)～(11)λij(i＝f,p,g；j＝f,p,g)代入式(12)中替代Δqi/qi，峰、平、谷电价pf、pp、pg，以及长期电价p，结合式(3)～(11)得到9个εij(i＝f,p,g；j＝f,p,g)的值，将这9个值代入式(13)中，得到：
其中，对角线上的值表示峰、平、谷三个时段电量电价的自弹性系数，其它6个值表示峰、平、谷时段之间的电量电价互弹性系数；
S2，建立网损优化方法的模型，过程如下：
S21：网损优化方法的目标函数为不同时段的网损分别乘上各自时段的电价，得到损失的电费，将这个值取最小即是优化目标，目标函数表达式如下：
式中，pf、pp、pg分别表示执行分时电价后，峰、平、谷三个时段的电价。分别表示峰、平、谷三个时段通过潮流计算所得各个节点的网损之和。n表示电网中节点个数；
S22：网损优化方法有4个优化变量，是：
[pf、pp、pg、p]
其中，pf表示峰价，pp表示平价，pg表示谷价，p表示长期电价；
S23：电价定价方法的约束条件如下：
qf-DR×pf+qp-DR×pp+qg-DR×pg≤q×p (20)
Uimin≤Ui≤Uimax(i＝1,2,…,n) (21)
|δi-δj|＜|δi-δj|max (23)
其中：
式(17)是为了防止峰、平、谷电价倒置，同时也防止峰时段电价低于长期电价，谷时段电价高于长期电价，平时段电价没有特殊要求；
式(18)将价格的初始输入设置一定范围，防止电价远偏离正常值；
式(19)为了防止峰、平、谷三个时段之间需求量倒置；
式(20)为了使分时电价实施后，用户支出的电费要小于分时电价实施前支出的电费，来确保用户可以受益；
式(21)、式(22)、式(23)是确保电力***正常运行的约束条件。
式(21)是所有节点电压的约束条件；
式(22)是所有电源节点的有功功率和无功功率约束条件，其中PQ节点的有功功率和无功功率已经按照条件给定，PV节点的有功功率，平衡节点的有功功率和无功功率都需要满足上述条件；
式(23)是有些节点之间的电压需要满足的相位要求，有些线路两端的电压相位差必须要在设定范围内，这样可以保证***稳定运行。
S3，通过求解算法求解网损优化方法模型，得到网损方案。
进一步，所述步骤S3中，采用粒子群算法作为求解算法，通过粒子群算法来优化需求侧响应后得到的用电量，所得的用电量作为潮流计算的输入，再用MATpower进行潮流计算，求出各节点的总净注入功率来表示网损。
本发明建模考虑了消费者心理学，并将长期需求模型与短期需求模型通过需求弹性矩阵结合在一起，建立了基于多时间尺度需求侧响应模型的网损优化方法。本文提出的基于多时间尺度需求侧响应模型的网损优化方法对网损优化提供了一种新思路，为电价的制定提供了一个参考。
本发明以网损的降低为目标，不同时段的网损分别乘上各自时段的电价，可以得到损失的电费，将这个值取最小即是优化目标。网损是通过MATpower进行潮流计算获得。
附图说明
图1是本发明的多时间尺度需求响应模型构建整体结构图。
图2是网损优化求解流程图。
具体实施方式
下面结合附图对本发明做进一步说明。
参照图1和图2，一种基于多时间尺度需求响应模型的网损优化方法，包括以下步骤：
S1，在网损优化前，构建多时间尺度需求响应模型，对***进行初始化并获取原始数据和优化所需数据，优化所需数据包括优化变量，优化变量即分时电价前峰、平、谷的电价以及长期电价，过程如下：
S11：中长期需求响应特性分析，以获取年均电力需求量；
中长期需求模型根据研究目标不同分为多种，以居民用电需求为研究对象，选择中长期需求模型的函数表达式如下：
Inq＝0.601Iny-8Inp+0.877InS+2000 (1)
式中：y表示人均可支配收入，元/年，p表示长期电价，元/千瓦时，S表示人均居民住宅面积，平方米/人，q表示年均电力需求量，千瓦时/年；
S12：短期需求响应特性分析，以获取9个相关的短期电量电价模型；
短期电量电价的模型主要是根据消费者心理学来建立，采用分时电价作为需求侧响应研究对象，引入负荷转移率的概念，负荷转移率的含义是用电需求高的时段向用电需求低的时段转移的用电量，与用电需求高的时段的用电量之比，通过已有的电力需求调查数据，将用户的短期需求模型拟合成分段线性函数，得到的函数如下：
式中：λij表示j时段的电价变化后，引起了i时段需求量的变化；pj表示j时段的电价；p表示常量，指代的是电价；K表示用户反应度模型的斜率；A表示死区阈值；B表示饱和区阈值；
分时电价是指根据***负荷水平，将每天划分为峰、平、谷等多个时段，每时段执行不同电费标准的电价制度；为了简化模型，将分时电价分为峰、平、谷三个时段，用f、p、g来表示，得到9个相关的短期电量电价模型如下，(pj-p)/p(j＝f,p,g)的范围设置为0-1，式中的p暂时都取值为0.5；
S13：利用改进的需求弹性矩阵E将中长期需求模型与短期需求模型结合，得到多时间尺度需求响应模型；
多时间尺度需求响应模型构建整体结构如图1所示。
多时间尺度需求响应模型是基于需求弹性的量化模型建立的，并且考虑峰、平、谷分时定价。该模型通过需求弹性矩阵将短期需求模型与中长期需求模型结合起来，形成多时间尺度需求响应模型；
需求弹性模型就是由电量电价弹性矩阵构成的，电力需求的价格弹性可以认为是需求量的变化率与价格的变化率之比，需求弹性的量化模型用需求弹性系数来表示：
式中，εij即需求弹性系数，Δqi/q表示i时段的需求量变化率；Δpj/pj表示j时段的电价变化率。当i＝j时，εij代表自弹性系数，即同一时段在分时电价前后的需求量变化，这一部分变化的负荷也可以称作可削减负荷，人们可能随着电价的提高而避免这部分负荷，达到减少电费支出的目的。当i≠j时，εij代表互弹性系数，即j时段的电价变化与i时段需求量变化之比，这一部分负荷也可以称作可转移符合，人们可能随着j时段电价的降低，减少i时段的用电量，并将这部分电量转移到j时段；
根据需求弹性系数，将一天分为n个时段，则得到如下n×n阶电量电价弹性矩阵：
式中，对角线元素为自弹性系数，其余元素为互弹性系数；
多时间尺度需求响应模型是根据公式(12)推导所得，其函数表达式如下：
式中，qDR＝[qf-DR qp-DR qg-DR]T，qf-DR、qp-DR、qg-DR为需求侧响应后峰、平、谷三个时段的用电量，qf、qp、qg为峰谷分时电价实施前峰、平、谷三个时段的用电量；
改进的需求弹性矩阵E是将式(3)～(11)λij(i＝f,p,g；j＝f,p,g)代入式(12)中替代Δqi/qi，峰、平、谷电价pf、pp、pg，以及长期电价p，结合式(3)～(11)得到9个εij(i＝f,p,g；j＝f,p,g)的值，将这9个值代入式(13)中，得到：
其中，对角线上的值表示峰、平、谷三个时段电量电价的自弹性系数，其它6个值表示峰、平、谷时段之间的电量电价互弹性系数；
S2，建立网损优化方法的模型，过程如下：
电能在传输过程中由于线路的阻抗不可避免地会发生损耗，这部分损耗没有带来任何效益，却带来了巨大的经济损失；需求侧响应会通过改变电力网络中各个负荷输入的有功功率，从而改变网损结果，以达到经济损失较少的目的；本发明通过需求侧响应后改变了用户的用电量，相当于改变网络中的功率分布，最终达到经济损失减少的目的；
S21：网损优化方法的目标函数为不同时段的网损分别乘上各自时段的电价，得到损失的电费，将这个值取最小即是优化目标。目标函数表达式如下：
式中，pf、pp、pg分别表示执行分时电价后，峰、平、谷三个时段的电价。分别表示峰、平、谷三个时段通过潮流计算所得各个节点的网损之和，n表示电网中节点个数；
S22：网损优化方法有4个优化变量，是：
[pf、pp、pg、p]
其中，pf表示峰价，pp表示平价，pg表示谷价，p表示长期电价；
S23：电价定价方法的约束条件如下：
qf-DR×pf+qp-DR×pp+qg-DR×pg≤q×p (20)
Uimin≤Ui≤Uimax(i＝1,2,…,n) (21)
|δi-δj|＜|δi-δj|max (23)
其中：
式(17)是为了防止峰、平、谷电价倒置，同时也防止峰时段电价低于长期电价，谷时段电价高于长期电价，平时段电价没有特殊要求；
式(18)将价格的初始输入设置一定范围，防止电价远偏离正常值；
式(19)为了防止峰、平、谷三个时段之间需求量倒置；
式(20)为了使分时电价实施后，用户支出的电费要小于分时电价实施前支出的电费，来确保用户可以受益；
式(21)、式(22)、式(23)是确保电力***正常运行的约束条件。
式(21)是所有节点电压的约束条件；
式(22)是所有电源节点的有功功率和无功功率约束条件，其中PQ节点的有功功率和无功功率已经按照条件给定，PV节点的有功功率，平衡节点的有功功率和无功功率都需要满足上述条件；
式(23)是有些节点之间的电压需要满足的相位要求，有些线路两端的电压相位差必须要在设定范围内，这样可以保证***稳定运行。
S3，网损优化方法模型的求解算法。
求解算法种类众多，但都有各自的优点和缺点，目前还没有完美的算法，本发明考虑到高速计算的同时又能获取高精度的最优解，选择了粒子群算法作为求解算法。通过粒子群算法来优化需求侧响应后得到的用电量，所得的用电量作为潮流计算的输入，再用MATpower进行潮流计算，求出各节点的总净注入功率来表示网损。
网损优化求解流程如图2所示，网损优化方法求解算法的具体步骤如下：
第1步：初始化变量，粒子的速度和位置、分时电价前峰、平、谷的电价以及长期电价；
第2步：利用粒子群算法得到当前最优的优化变量，优化变量包括：峰、平和谷的电价以及长期电价；
第3步：通过S13中建立的多时间尺度需求侧响应模型，得到需求侧响应后峰、平、谷三个时段的用电量；
第4步：第3步中得到的用电量作为潮流计算的输入，利用MATpower进行潮流计算得到负荷支路网损，求出各节点的总净注入功率来表示网损；
第5步：计算适应度函数，根据适应度值，更新新粒子的位置和大小以及优化变量：峰、平、谷电价和长期电价；
第6步：判断是否达到最大迭代次数；
第7步：若达到最大迭代次数，则获取最优的分时电价以及目标函数达到最小值；若否，则重复第2步至第5步，直到满足停止条件。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也包括本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (2)

1.一种基于多时间尺度需求响应模型的网损优化方法，其特征在于，所述方法包括以下步骤：
S1，在网损优化前，构建多时间尺度需求响应模型，对***进行初始化并获取原始数据和优化所需数据，优化所需数据包括优化变量，优化变量即分时电价前峰、平、谷的电价以及长期电价，过程如下：
S11：中长期需求响应特性分析，以获取年均电力需求量；
以居民用电需求为研究对象，选择中长期需求模型的函数表达式如下：
Inq＝0.601Iny-8Inp+0.877InS+2000 (1)
式中：y表示人均可支配收入，元/年，p表示长期电价，元/千瓦时，S表示人均居民住宅面积，平方米/人，q表示年均电力需求量，千瓦时/年；
S12：短期需求响应特性分析，以获取9个相关的短期电量电价模型。
短期电量电价的模型根据消费者心理学来建立，采用分时电价作为需求侧响应研究对象，引入负荷转移率的概念，负荷转移率的含义是用电需求高的时段向用电需求低的时段转移的用电量，与用电需求高的时段的用电量之比，通过已有的电力需求调查数据，将用户的短期需求模型拟合成分段线性函数，得到的函数如下：
式中：λij表示j时段的电价变化后，引起了i时段需求量的变化；pj表示j时段的电价；p表示常量，指代的是电价；K表示用户反应度模型的斜率；A表示死区阈值；B表示饱和区阈值；
分时电价是指根据***负荷水平，将每天划分为峰、平、谷等多个时段，每时段执行不同电费标准的电价制度；将分时电价分为峰、平、谷三个时段，用f、p、g来表示，得到9个相关的短期电量电价模型如下，(pj-p)/p(j＝f,p,g)的范围设置为0-1；
S13：利用改进的需求弹性矩阵E将中长期需求模型与短期需求模型结合，得到多时间尺度需求响应模型；
多时间尺度需求响应模型是基于需求弹性的量化模型建立的，并且考虑峰、平、谷分时定价，通过需求弹性矩阵将短期需求模型与中长期需求模型结合起来，形成多时间尺度需求响应模型；
需求弹性模型就是由电量电价弹性矩阵构成的，电力需求的价格弹性认为是需求量的变化率与价格的变化率之比，需求弹性的量化模型用需求弹性系数来表示：
式中，εij即需求弹性系数，Δqi/q表示i时段的需求量变化率；Δpj/pj表示j时段的电价变化率；当i＝j时，εij代表自弹性系数，即同一时段在分时电价前后的需求量变化，这一部分变化的负荷称作可削减负荷；当i≠j时，εij代表互弹性系数，即j时段的电价变化与i时段需求量变化之比，这一部分负荷称作可转移符合；
根据需求弹性系数，将一天分为n个时段，则得到如下n×n阶电量电价弹性矩阵：
式中，对角线元素为自弹性系数，其余元素为互弹性系数；
多时间尺度需求响应模型是根据公式(12)推导所得，其函数表达式如下：
式中，qDR＝[qf-DR qp-DR qg-DR]T，qf-DR、qp-DR、qg-DR为需求侧响应后峰、平、谷三个时段的用电量，qf、qp、qg为峰谷分时电价实施前峰、平、谷三个时段的用电量；
改进的需求弹性矩阵E是将式(3)～(11)λij(i＝f,p,g；j＝f,p,g)代入式(12)中替代Δqi/qi，峰、平、谷电价pf、pp、pg，以及长期电价p，结合式(3)～(11)得到9个εij(i＝f,p,g；j＝f,p,g)的值，将这9个值代入式(13)中，得到：
其中，对角线上的值表示峰、平、谷三个时段电量电价的自弹性系数，其它6个值表示峰、平、谷时段之间的电量电价互弹性系数；
S2，建立网损优化方法的模型，过程如下：
S21：网损优化方法的目标函数为不同时段的网损分别乘上各自时段的电价，得到损失的电费，将这个值取最小即是优化目标，目标函数表达式如下：
式中，pf、pp、pg分别表示执行分时电价后，峰、平、谷三个时段的电价。分别表示峰、平、谷三个时段通过潮流计算所得各个节点的网损之和。n表示电网中节点个数；
S22：网损优化方法有4个优化变量，是：
[pf、pp、pg、p]
其中，pf表示峰价，pp表示平价，pg表示谷价，p表示长期电价；
S23：电价定价方法的约束条件如下：
qf-DR×pf+qp-DR×pp+qg-DR×pg≤q×p (20)
Uimin≤Ui≤Uimax(i＝1,2,…,n) (21)
|δi-δj|＜|δi-δj|max (23)
其中：
式(17)是为了防止峰、平、谷电价倒置，同时也防止峰时段电价低于长期电价，谷时段电价高于长期电价，平时段电价没有特殊要求；
式(18)将价格的初始输入设置一定范围，防止电价远偏离正常值；
式(19)为了防止峰、平、谷三个时段之间需求量倒置；
式(20)为了使分时电价实施后，用户支出的电费要小于分时电价实施前支出的电费，来确保用户可以受益；
式(21)、式(22)、式(23)是确保电力***正常运行的约束条件。
式(21)是所有节点电压的约束条件；
式(22)是所有电源节点的有功功率和无功功率约束条件，其中PQ节点的有功功率和无功功率已经按照条件给定，PV节点的有功功率，平衡节点的有功功率和无功功率都需要满足上述条件；
式(23)是有些节点之间的电压需要满足的相位要求，有些线路两端的电压相位差必须要在设定范围内，这样可以保证***稳定运行。
S3，通过求解算法求解网损优化方法模型，得到网损方案。
2.如权利要求1所述的一种基于多时间尺度需求响应模型的网损优化方法，其特征在于，所述步骤S3中，采用粒子群算法作为求解算法，通过粒子群算法来优化需求侧响应后得到的用电量，所得的用电量作为潮流计算的输入，再用MATpower进行潮流计算，求出各节点的总净注入功率来表示网损。
CN201810352098.5A 2018-04-19 2018-04-19 一种基于多时间尺度需求响应模型的网损优化方法 Active CN108683174B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810352098.5A CN108683174B (zh) 2018-04-19 2018-04-19 一种基于多时间尺度需求响应模型的网损优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810352098.5A CN108683174B (zh) 2018-04-19 2018-04-19 一种基于多时间尺度需求响应模型的网损优化方法

Publications (2)

Publication Number Publication Date
CN108683174A true CN108683174A (zh) 2018-10-19
CN108683174B CN108683174B (zh) 2020-06-02

Family

ID=63802076

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810352098.5A Active CN108683174B (zh) 2018-04-19 2018-04-19 一种基于多时间尺度需求响应模型的网损优化方法

Country Status (1)

Country Link
CN (1) CN108683174B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109494727A (zh) * 2018-11-30 2019-03-19 国网江西省电力有限公司经济技术研究院 考虑需求响应的配电网有功和无功协调优化运行方法
CN109599864A (zh) * 2018-12-11 2019-04-09 国网江西省电力有限公司经济技术研究院 有源配电网安全经济运行方法
CN113569405A (zh) * 2021-07-23 2021-10-29 国网安徽省电力有限公司经济技术研究院 考虑多重分时电价的储能调度效益潜力评估方法及设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105790309A (zh) * 2016-04-26 2016-07-20 贵州电网有限责任公司 利用分布式能源和临时附加电价协同优化控制的方法
CN106953316A (zh) * 2017-03-02 2017-07-14 国网山东省电力公司聊城供电公司 微电网变时间尺度优化调度方法
CN107578182A (zh) * 2017-09-16 2018-01-12 兰州理工大学 基于需求侧响应下光储微电网运行控制方法
CN107748944A (zh) * 2017-08-14 2018-03-02 国网浙江省电力公司经济技术研究院 一种售电侧放开环境下用户侧需求响应方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105790309A (zh) * 2016-04-26 2016-07-20 贵州电网有限责任公司 利用分布式能源和临时附加电价协同优化控制的方法
CN106953316A (zh) * 2017-03-02 2017-07-14 国网山东省电力公司聊城供电公司 微电网变时间尺度优化调度方法
CN107748944A (zh) * 2017-08-14 2018-03-02 国网浙江省电力公司经济技术研究院 一种售电侧放开环境下用户侧需求响应方法
CN107578182A (zh) * 2017-09-16 2018-01-12 兰州理工大学 基于需求侧响应下光储微电网运行控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
H.A. AALAMI 等: ""Demand response modeling considering Interruptible/Curtailable loads and capacity market programs"", 《APPLIED ENERGY》 *
许倩: ""基于用户需求响应的分时电价优化"", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109494727A (zh) * 2018-11-30 2019-03-19 国网江西省电力有限公司经济技术研究院 考虑需求响应的配电网有功和无功协调优化运行方法
CN109494727B (zh) * 2018-11-30 2021-12-10 国网江西省电力有限公司经济技术研究院 考虑需求响应的配电网有功和无功协调优化运行方法
CN109599864A (zh) * 2018-12-11 2019-04-09 国网江西省电力有限公司经济技术研究院 有源配电网安全经济运行方法
CN113569405A (zh) * 2021-07-23 2021-10-29 国网安徽省电力有限公司经济技术研究院 考虑多重分时电价的储能调度效益潜力评估方法及设备

Also Published As

Publication number Publication date
CN108683174B (zh) 2020-06-02

Similar Documents

Publication Publication Date Title
Pan et al. Optimal design and operation of multi-energy system with load aggregator considering nodal energy prices
JP7261507B2 (ja) 電気ヒートポンプ－熱電併給システムを最適化する調整方法及びシステム
Tan et al. Optimal distributed renewable generation planning: A review of different approaches
Yi et al. Coordinated operation strategy for a virtual power plant with multiple DER aggregators
Suresh et al. Demand response-integrated economic dispatch incorporating renewable energy sources using ameliorated dragonfly algorithm
Rajesh et al. Least cost generation expansion planning with wind power plant incorporating emission using differential evolution algorithm
CN108805326A (zh) 一种基于多时间尺度需求响应模型的电价定价方法
Basu Microgrids: Planning of fuel energy management by strategic deployment of CHP-based DERs–An evolutionary algorithm approach
Xu et al. Distributed solution to DC optimal power flow with congestion management
CN108683174A (zh) 一种基于多时间尺度需求响应模型的网损优化方法
Sreejith et al. Analysis of FACTS devices on security constrained unit commitment problem
Tiwari et al. Efficient and optimal approach for location and parameter setting of multiple unified power flow controllers for a deregulated power sector
Xu et al. A two-layer two-stage dispatching strategy for active distribution network with micro-grid considering multiple interactions
Singaravelan et al. Application of two-phase simplex method (TPSM) for an efficient home energy management system to reduce peak demand and consumer consumption cost
Kashyap et al. Hybrid approach for congestion management using optimal placement of distributed generator
CN106529737A (zh) 一种配电网供给侧调峰电源规划布局方法
Su et al. Multi-stage robust dispatch considering demand response under decision-dependent uncertainty
Jones et al. Evaluation of distributed building thermal energy storage in conjunction with wind and solar electric power generation
Li et al. Active distribution network active and reactive power coordinated dispatching method based on discrete monkey algorithm
Luo et al. Optimal operation scheduling for microgrid with high penetrations of solar power and thermostatically controlled loads
Habib et al. Optimized management of reactive power reserves of transmission grid-connected photovoltaic plants driven by an IoT solution
Dorahaki et al. A sharing economy model for a sustainable community energy storage considering end-user comfort
He et al. Coordinated planning of distributed generation and soft open points in active distribution network based on complete information dynamic game
Yang et al. Integrated demand-side management for multi-energy system based on non-cooperative game and multi-energy pricing
Fiorotti et al. A novel strategy for simultaneous active/reactive power design and management using artificial intelligence techniques

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