CN113644652A - 一种基于用户不确定性行为的负荷调控优化*** - Google Patents
一种基于用户不确定性行为的负荷调控优化*** Download PDFInfo
- Publication number
- CN113644652A CN113644652A CN202110926900.9A CN202110926900A CN113644652A CN 113644652 A CN113644652 A CN 113644652A CN 202110926900 A CN202110926900 A CN 202110926900A CN 113644652 A CN113644652 A CN 113644652A
- Authority
- CN
- China
- Prior art keywords
- load
- regulation
- user
- control
- power
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 26
- 230000006399 behavior Effects 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 32
- 230000005611 electricity Effects 0.000 claims abstract description 11
- 238000006116 polymerization reaction Methods 0.000 claims abstract 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 19
- 230000002776 aggregation Effects 0.000 claims description 15
- 238000004220 aggregation Methods 0.000 claims description 15
- 230000000694 effects Effects 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 230000004931 aggregating effect Effects 0.000 claims description 2
- 238000013178 mathematical model Methods 0.000 claims description 2
- 230000007246 mechanism Effects 0.000 claims description 2
- 230000000737 periodic effect Effects 0.000 claims 1
- 230000004044 response Effects 0.000 description 7
- 238000011160 research Methods 0.000 description 4
- 238000011217 control strategy Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- 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
-
- 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
- H02J2310/10—The network having a local or delimited stationary reach
- H02J2310/12—The local stationary network supplying a household or a building
- H02J2310/14—The load or loads being home appliances
-
- 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
-
- 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
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
- Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
- Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
-
- 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
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/20—End-user application control systems
- Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
-
- 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
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/16—Energy services, e.g. dispersed generation or demand or load or energy savings aggregation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Power Engineering (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于用户不确定性行为的负荷调控两阶段优化方法,本发明所要解决的技术问题在于,提供一种基于用户不确定性行为的负荷调控两阶段优化方法,该方法包括如下步骤:步骤1,利用智能电表等工具采集用户历史数据;步骤2,基于历史数据预测用户用电行为;步骤3,用户根据用电计划与负荷聚合商签订调控合同;步骤4,引入具有概率约束的预测误差不确定集,构建聚合负荷调控模型;步骤5,构建用户违约行为不确定集,以鲁棒性和经济性为目标求解负荷调控两阶段优化结果。
Description
技术领域
本发明涉及智能用电技术领域,具体涉及基于一种基于用户
不确定性行为的负荷调控两阶段优化***。
背景技术
随着可再生能源的大规模接入以及智能电网技术的不断发展,使得需求侧柔性负荷已逐步成为应对电网柔性调控需求的主要手段之一,改变传统“发电跟踪负荷”的调度模式。以满足经济性、安全性等不同目标的负荷调控策略方法,有效拓展了需求侧负荷的应用范围,使其能广泛参与需求响应、辅助调峰调频、可再生能源消纳等电网调度场景。
不同于工业用户,家庭用户具有多样性的特点,从而其用电情况也呈现多样化。某些家庭的用电负荷高峰可能是另外一些家庭的用电负荷的低谷期,这也为各个不同的家庭对于需求响应调节的合作成为了可能。
现在现有的各个需求响应的模型考虑的都是单个用户与电力公司之间的互动关系。一般来说,现有的需求响应调节大都是电力公司通过分时电价或其它激励措施引导居民的用电行为或与智能用电的家庭签订需求响应的合同,在不同的符合条件下各个用户根据合同约定的电量进行负荷的调节。而作为用户来说,一旦与电力公司签订了需求响应合同,在电力高峰时只能通过削减负荷来完成响应,对自己的用电舒适度造成了较大的影响,同时大大增加了用户违约超负荷用电的可能。同时,在某些时段,用户的负荷量又远远小于与电力公司合同约定的负荷量,造成某些负荷浪费。
为了使负荷调控策略更符合实际情况,已有较多的研究在负荷调控策略考虑了用户不确定性行为的影响。目前的研究为研究负荷调控中用户行为的不确定性提供了良好的参考,但并未深入分析用户不确定性行为的特点及其对负荷调控影响的机制,难以进一步对构建的不确定性模型优化调整。
针对以上研究缺乏考虑或未能深入分析用户不确定性行为的不足,本发明从时域角度分析用户的不确定性行为,研究用户不确定性行为随时间变化的特性对负荷调控的影响。
发明内容
本发明所要解决的问题是在确定性场景或简单分析用户行为的不确定性的基础上,从时域角度分析用户的不确定性行为,研究用户不确定性行为随时间变化的特性对负荷调控的影响。
本发明提供一种基于用户不确定性行为的负荷调控两阶段优化方法,以电热水器为例,所述方法包括下述步骤。
具体步骤流程图详见图1
步骤1:利用智能电表等监测工具对用户历史的离散性数据进行采集。
步骤2:根据采集数据对用户未来一段时间的用电情况进行预测。由于智能电表等监测工具的周期性采集,历史数据一般为离散性数据,因而利用已有的历史数据对未来负荷值进行预测,应得到负荷的离散性预测结果。
步骤3:电热水器用户根据自身的用电计划与负荷聚合商签订合同,与负荷聚合商提前约定控制时间功率等内容,由于预测过程会出现偏差导致负荷群不能满足实际要求,出现第一阶段偏差,本发明采用基于概率分布的不确定集刻画预测误差的不确定性。
步骤4:聚合商根据功率预测的预测结果对负荷进行聚合,以电热水器为例,分析负荷调控不确定性对电热水器负荷聚合功率的影响,并以最小化负荷聚合功率与出力功率的差值为目标函数进行优化。
步骤5:电热水器负荷群在完成聚合后,进入持续时间较长的负荷调控,用户在此步骤中中途退出消纳或其余用户负荷中途加入消纳,则会出现第二阶段偏差。并以负荷调度收益最大化为上层目标进行优化。
附图说明
图1是负荷调控过程流程图
图2是负荷调控中不确定性造成的偏差。
具体实施方式
步骤1:利用智能电表等监测工具对用户历史的离散性数据进行采集。
为进一步分析负荷调控中不确定性的影响,本发明选用等效热参数模型(ETP)描述单台电热水器负荷的运行状态,ETP模型如下:
步骤2:根据采集数据对用户未来一段时间的用电情况进行预测。由于智能电表等监测工具的周期性采集,历史数据一般为离散性数据,因而利用已有的历史数据对未来负荷值进行预测,应得到负荷的离散性预测结果。
由于数学模型匹配不精准、负荷数据失真、外界随机性干扰等因素的影响,负荷预测技术难以完全消除预测误差,使得在功率预测与负荷聚合的时间差内负荷状态等信息产生的变化与功率预测结果存在一定的偏差。
步骤3:电热水器用户根据自身的用电计划与负荷聚合商签订合同,与负荷聚合商提前约定控制时间、功率等内容,用户以此获得经济补偿,聚合商通过买电与卖电的价格差获得利润。
由于步骤2中的预测出现偏差,导致聚合商在负荷聚合步骤根据功率预测的预测结果对负荷进行聚合,会导致聚合的负荷群不能完全满足实际的负荷调控需求,出现第一阶段偏差。第一阶段偏差出现时间见图2。
基于各时刻负荷聚合功率的实际历史数据,可以得到负荷预测技术在各时刻的预测误差,按下式计算。
为各时刻的负荷聚合功率预测值,为各时刻的负荷聚合功率实际值,为各时刻负荷聚合功率预测值与实际值之间的误差。在同一场景下,负荷的预测误差较为稳定,其波动范围有限,令,则可视为关于取值空间有限的预测误差随机变量。
对同一负荷预测技术而言,的随机性可用一个不确定性的区间来描述,但同时呈现出一定的分布特点。为充分描述预测误差的不确定性影响,本发明采用基于概率分布的不确定集刻画预测误差的不确定性。在置信水平为时,其不确定集的表达式如下。
步骤4:聚合商根据功率预测的预测结果对负荷进行聚合。由于单台热水器复合功率小,通常按照一定的方式对多台热水器负荷进行聚合,形成能够参与消纳调控的负荷群。
下层优化目标以最小化负荷聚合功率与出力功率之间的差值为目标。在负荷参与调度的过程中,负荷预测调度值与实际调度值之间存在误差,若该误差较大,按照负荷预测调度值制定调度方案可能造成电网的运行安全。在确定性场景下,聚合商要尽可能减小负荷聚合功率与出力功率之间的差值,其线性优化目标一般为:
该目标函数在确定性场景下寻求调控时段m内负荷实际调度效果最好,但是忽略了实际中负荷预测技术误差的不确定性影响。因此在考虑不确定性的基础上,负荷聚合功率与出力功率差值的目标函数如下所示:
步骤5:电热水器负荷群在完成聚合后,进入持续时间较长的调控实施步骤。
若该步骤中出现违反调控合同约定的用户,如用户负荷在调控实施步骤执行中途退出消纳或其余用户负荷中途加入消纳,则调控实施步骤中会出现第二阶段偏差。第二阶段偏差出现时间见图2.
在实际中,用户在负荷调控中的违约行为在整体上会呈现出一定的离散分布特征。由于聚合商与不同用户签订的具体调控合同不一样,从历史数据中判定用户违约行为,可根据用户参与调控时长来判定。用户的违约行为可看成随机变量。根据合同计划调控时间与用户实际参与调控时间的对比可得到用户的整体违约情况,最后得到的取值空间。假设用户违约行为服从如下分布。
则对于给定的置信水平,用户违约行为的不确定集如下:
上层优化目标关注负荷调度的经济性,以负荷聚合商的负荷调度收益最大化为目标。购电成本是聚合商的主要成本,且考虑负荷参与调控过程中用户的违约行为影响,违约行为包括在调控过程中用户退出调控或加入调控。在下层问题的鲁棒优化决策结果的基础上,该层在目标函数式的引导下对负荷调控进行优化,以使聚合商的调度成本最小,目标函数如下。
其中,为t时刻向新能源电站购电的价格,、分别为用户在调控中退出调控、加入调控的额外***格,价格由聚合商根据实际电力交易制定,为固定常数;为t时刻聚合商向电站的购电总功率,为聚合商的待决策变量;、分别为用户n调控中退出的实际调控时间与不按照计划参与调控的时间,为不确定性变量;为调控时段的总时间,与分别为用户n计划参与调控的时间与负荷可调时间,皆为固定常数。
上层目标函数考虑交易价格、调控方面等时间的约束,具体如下:
为下层目标函数的最优值,与分别表示调控过程中退出或加入的第n个用户负荷,约束式表明了上层目标函数在优化调控经济性时,由于考虑该过程中负荷的不确定性影响,调控过程中负荷聚合功率与新能源出力功率之间的差值会出现变化,其变化最大值不能超过下层函数的鲁棒优化结果的约束。通过该约束对上层、下层目标函数进行了统筹兼顾,使得最终的负荷调控解能同时兼顾鲁棒性与经济性。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.本发明所要解决的技术问题在于,提供一种基于用户不确定性行为的负荷调控两阶段优化***,旨在从时域角度分析用户的不确定性行为,研究用户不确定性行为随时间变化的特性对负荷调控的影响,以比现有方法取得更精确的结果,能够进一步对构建的不确定性模型优化调整;其特征在于:
1)建立用户不确定性行为的影响机制,分析其在调控过程中的时域特性,奠定对用户行为不确定性的数学分析基础
2)提出基于用户历史数据构建具有概率约束的不确定集的方法,并使用该不确定集,通过设置合适的置信度描述用户不确定性行为中的时域特性
3)将具有概率约束的不确定集引入两阶段优化模型,通过KKT条件的方式求解,得到兼顾负荷调控鲁棒性与经济性的优化结果。
3.根据权利要求1所述策略,一种基于用户不确定性行为的负荷调控两阶段优化***中,由于智能电表等监测工具的周期性采集,历史数据一般为离散性数据,因而利用已有的历史数据对未来负荷值进行预测,应得到负荷的离散性预测结果,其特征在于:
由于数学模型匹配不精准、负荷数据失真、外界随机性干扰等因素的影响,负荷预测技术难以完全消除预测误差,使得在功率预测与负荷聚合的时间差内负荷状态等信息产生的变化与功率预测结果存在一定的偏差。
4.根据权利要求1所述策略,一种基于用户不确定性行为的负荷调控两阶段优化***中,电热水器用户根据自身的用电计划与负荷聚合商签订合同,与负荷聚合商提前约定控制时间、功率等内容,用户以此获得经济补偿,聚合商通过买电与卖电的价格差获得利润,其特征在于:
由于步骤2中的预测出现偏差,导致聚合商在负荷聚合步骤根据功率预测的预测结果对负荷进行聚合,会导致聚合的负荷群不能完全满足实际的负荷调控需求,出现第一阶段偏差;
基于各时刻负荷聚合功率的实际历史数据,可以得到负荷预测技术在各时刻的预测误差,按下式计算;
为各时刻的负荷聚合功率预测值,为各时刻的负荷聚合功率实际值,为各时刻负荷聚合功率预测值与实际值之间的误差;在同一场景下,负荷的预测误差较为稳定,其波动范围有限,令,则可视为关于取值空间有限的预测误差随机变量;
对同一负荷预测技术而言,的随机性可用一个不确定性的区间来描述,但同时呈现出一定的分布特点;为充分描述预测误差的不确定性影响,本发明采用基于概率分布的不确定集刻画预测误差的不确定性;在置信水平为时,其不确定集的表达式如下。
5.根据权利要求1所述策略,一种基于用户不确定性行为的负荷调控两阶段优化***中,聚合商根据功率预测的预测结果对负荷进行聚合;由于单台热水器复合功率小,通常按照一定的方式对多台热水器负荷进行聚合,形成能够参与消纳调控的负荷群,其特征在于:
下层优化目标以最小化负荷聚合功率与出力功率之间的差值为目标;在负荷参与调度的过程中,负荷预测调度值与实际调度值之间存在误差,若该误差较大,按照负荷预测调度值制定调度方案可能造成电网的运行安全;在确定性场景下,聚合商要尽可能减小负荷聚合功率与出力功率之间的差值,其线性优化目标一般为:
该目标函数在确定性场景下寻求调控时段m内负荷实际调度效果最好,但是忽略了实际中负荷预测技术误差的不确定性影响;因此在考虑不确定性的基础上,负荷聚合功率与出力功率差值的目标函数如下所示:
6.根据权利要求1所述策略,一种基于用户不确定性行为的负荷调控两阶段优化***中,电热水器负荷群在完成聚合后,进入持续时间较长的调控实施步骤,其特征在于:
若该步骤中出现违反调控合同约定的用户,如用户负荷在调控实施步骤执行中途退出消纳或其余用户负荷中途加入消纳,则调控实施步骤中会出现第二阶段偏差;
在实际中,用户在负荷调控中的违约行为在整体上会呈现出一定的离散分布特征;由于聚合商与不同用户签订的具体调控合同不一样,从历史数据中判定用户违约行为,可根据用户参与调控时长来判定;用户的违约行为可看成随机变量;根据合同计划调控时间与用户实际参与调控时间的对比可得到用户的整体违约情况,最后得到的取值空间;假设用户违约行为服从如下分布;
则对于给定的置信水平,用户违约行为的不确定集如下:
上层优化目标关注负荷调度的经济性,以负荷聚合商的负荷调度收益最大化为目标;购电成本是聚合商的主要成本,且考虑负荷参与调控过程中用户的违约行为影响,违约行为包括在调控过程中用户退出调控或加入调控;在下层问题的鲁棒优化决策结果的基础上,该层在目标函数式的引导下对负荷调控进行优化,以使聚合商的调度成本最小,目标函数如下;
其中,为t时刻向新能源电站购电的价格,、分别为用户在调控中退出调控、加入调控的额外***格,价格由聚合商根据实际电力交易制定,为固定常数;为t时刻聚合商向电站的购电总功率,为聚合商的待决策变量;、分别为用户n调控中退出的实际调控时间与不按照计划参与调控的时间,为不确定性变量;为调控时段的总时间,与分别为用户n计划参与调控的时间与负荷可调时间,皆为固定常数;
上层目标函数考虑交易价格、调控方面等时间的约束,具体如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110926900.9A CN113644652B (zh) | 2021-08-12 | 2021-08-12 | 一种基于用户不确定性行为的负荷调控优化*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110926900.9A CN113644652B (zh) | 2021-08-12 | 2021-08-12 | 一种基于用户不确定性行为的负荷调控优化*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113644652A true CN113644652A (zh) | 2021-11-12 |
CN113644652B CN113644652B (zh) | 2022-11-25 |
Family
ID=78421229
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110926900.9A Active CN113644652B (zh) | 2021-08-12 | 2021-08-12 | 一种基于用户不确定性行为的负荷调控优化*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113644652B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114936529A (zh) * | 2022-06-20 | 2022-08-23 | 国网山东省电力公司电力科学研究院 | 一种温控负荷群聚合模型及建模方法、温控负荷群可调节潜力评估方法 |
CN116933216A (zh) * | 2023-09-18 | 2023-10-24 | 湖北华中电力科技开发有限责任公司 | 一种基于柔性负荷资源聚合特征分析的管理***及方法 |
CN117200461A (zh) * | 2023-11-07 | 2023-12-08 | 东方电子股份有限公司 | 一种基于历史数据的全要素调节电网调度方法 |
CN114936529B (zh) * | 2022-06-20 | 2024-08-02 | 国网山东省电力公司电力科学研究院 | 一种温控负荷群聚合模型及建模方法、温控负荷群可调节潜力评估方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106846179A (zh) * | 2017-03-15 | 2017-06-13 | 东南大学 | 一种基于非合作博弈的居民负荷双层调度优化方法 |
CN107591844A (zh) * | 2017-09-22 | 2018-01-16 | 东南大学 | 考虑节点注入功率不确定性的主动配电网鲁棒重构方法 |
CN110728410A (zh) * | 2019-10-16 | 2020-01-24 | 重庆大学 | 一种计及需求响应灵活性和不确定性的负荷聚合商经济调度方法 |
US20200358290A1 (en) * | 2017-11-20 | 2020-11-12 | Ihi Corporation | Energy management system, power demand plan optimization method, and power demand plan optimization program |
-
2021
- 2021-08-12 CN CN202110926900.9A patent/CN113644652B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106846179A (zh) * | 2017-03-15 | 2017-06-13 | 东南大学 | 一种基于非合作博弈的居民负荷双层调度优化方法 |
CN107591844A (zh) * | 2017-09-22 | 2018-01-16 | 东南大学 | 考虑节点注入功率不确定性的主动配电网鲁棒重构方法 |
US20200358290A1 (en) * | 2017-11-20 | 2020-11-12 | Ihi Corporation | Energy management system, power demand plan optimization method, and power demand plan optimization program |
CN110728410A (zh) * | 2019-10-16 | 2020-01-24 | 重庆大学 | 一种计及需求响应灵活性和不确定性的负荷聚合商经济调度方法 |
Non-Patent Citations (3)
Title |
---|
EMMANUEL MANASSEH,ETC.: "Autonomous demand-side optimization with load uncertainty", 《2014 INTERNATIONAL CONFERENCE ON ELECTRONICS, INFORMATION AND COMMUNICATIONS (ICEIC)》 * |
MINGYANG ZHANG,ETC.: "A Robust Two-stage Dispatching Model With Wind", 《2020 IEEE 4TH CONFERENCE ON ENERGY INTERNET AND ENERGY SYSTEM INTEGRATION (EI2)》 * |
孙毅等: "考虑用户行为不确定性的智能家电控制策略", 《电力***保护与控制》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114936529A (zh) * | 2022-06-20 | 2022-08-23 | 国网山东省电力公司电力科学研究院 | 一种温控负荷群聚合模型及建模方法、温控负荷群可调节潜力评估方法 |
CN114936529B (zh) * | 2022-06-20 | 2024-08-02 | 国网山东省电力公司电力科学研究院 | 一种温控负荷群聚合模型及建模方法、温控负荷群可调节潜力评估方法 |
CN116933216A (zh) * | 2023-09-18 | 2023-10-24 | 湖北华中电力科技开发有限责任公司 | 一种基于柔性负荷资源聚合特征分析的管理***及方法 |
CN116933216B (zh) * | 2023-09-18 | 2023-12-01 | 湖北华中电力科技开发有限责任公司 | 一种基于柔性负荷资源聚合特征分析的管理***及方法 |
CN117200461A (zh) * | 2023-11-07 | 2023-12-08 | 东方电子股份有限公司 | 一种基于历史数据的全要素调节电网调度方法 |
CN117200461B (zh) * | 2023-11-07 | 2024-03-01 | 东方电子股份有限公司 | 一种基于历史数据的全要素调节电网调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113644652B (zh) | 2022-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lu et al. | Demand response for home energy management using reinforcement learning and artificial neural network | |
Li et al. | A real-time electricity scheduling for residential home energy management | |
Celik et al. | Electric energy management in residential areas through coordination of multiple smart homes | |
CN106532769B (zh) | 基于光伏并网不确定性的需求侧分时电价的优化方法 | |
Xiao et al. | Transactive energy based aggregation of prosumers as a retailer | |
Zhang et al. | Optimal bidding strategy and profit allocation method for shared energy storage-assisted VPP in joint energy and regulation markets | |
Joe-Wong et al. | Optimized day-ahead pricing for smart grids with device-specific scheduling flexibility | |
Hussain et al. | An innovative heuristic algorithm for IoT-enabled smart homes for developing countries | |
Huang et al. | Robust coordination expansion planning for active distribution network in deregulated retail power market | |
Oprea et al. | Edge and fog computing using IoT for direct load optimization and control with flexibility services for citizen energy communities | |
Ye et al. | Multi-agent deep reinforcement learning for coordinated energy trading and flexibility services provision in local electricity markets | |
Yin et al. | Energy pricing and sharing strategy based on hybrid stochastic robust game approach for a virtual energy station with energy cells | |
Qiu et al. | Mean-field multi-agent reinforcement learning for peer-to-peer multi-energy trading | |
Latifi et al. | A distributed algorithm for demand-side management: Selling back to the grid | |
Fan et al. | Evaluating and increasing the renewable energy share of customers’ electricity consumption | |
CN113644652B (zh) | 一种基于用户不确定性行为的负荷调控优化*** | |
Fraija et al. | A discount-based time-of-use electricity pricing strategy for demand response with minimum information using reinforcement learning | |
de Souza Dutra et al. | A framework for peak shaving through the coordination of smart homes | |
Salazar et al. | Dynamic customer demand management: A reinforcement learning model based on real-time pricing and incentives | |
Ran et al. | Robust scatter index method for the appliances scheduling of home energy local network with user behavior uncertainty | |
Abaza et al. | Demand-side management-based dynamic pricing within smart grid environment | |
Oprea et al. | A signaling game-optimization algorithm for residential energy communities implemented at the edge-computing side | |
Amasyali et al. | A data-driven, distributed game-theoretic transactional control approach for hierarchical demand response | |
Peng et al. | Review and Prospects for Evaluating Power Grid Dispatching Service Quality | |
Tervo | AI and forecasting applications in energy systems |
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 |