CN114462725A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN114462725A
CN114462725A CN202210381665.6A CN202210381665A CN114462725A CN 114462725 A CN114462725 A CN 114462725A CN 202210381665 A CN202210381665 A CN 202210381665A CN 114462725 A CN114462725 A CN 114462725A
Authority
CN
China
Prior art keywords
response
demand side
load
user
resource pool
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
CN202210381665.6A
Other languages
English (en)
Other versions
CN114462725B (zh
Inventor
裘华东
王朝亮
叶菁
李磊
芦鹏飞
肖涛
陆春光
刘炜
潘一洲
郁春雷
麻吕斌
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 Zhejiang Electric Power Co Ltd
Marketing Service Center of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
State Grid Zhejiang Electric Power Co Ltd
Marketing Service Center 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 Zhejiang Electric Power Co Ltd, Marketing Service Center of State Grid Zhejiang Electric Power Co Ltd filed Critical State Grid Zhejiang Electric Power Co Ltd
Priority to CN202210381665.6A priority Critical patent/CN114462725B/zh
Publication of CN114462725A publication Critical patent/CN114462725A/zh
Application granted granted Critical
Publication of CN114462725B publication Critical patent/CN114462725B/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
    • G06Q10/04—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD
    • 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

Landscapes

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

Abstract

本发明属于电力需求响应技术领域，具体涉及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。针对现有需求响应调度中未考虑参与非直控型需求侧响应的终端用户的用电反击行为的不足，本发明采用如下技术方案：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，包括：步骤S1：建立包括响应参与概率标签、事前/事后用电反击概率标签的需求响应动态资源池；步骤S2：以同时最小化需求侧响应曲线与目标响应曲线欧氏距离、最小化响应负荷上升时间为目标，建立非直控型需求侧响应负荷调度优化模型；步骤S3：根据当次需求侧响应实际执行情况修正需求响应动态资源池数据。本发明的有益效果是：可以优化非直控型需求侧响应曲线。

Description

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
技术领域
本发明属于电力需求响应技术领域，具体涉及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。
背景技术
参与非直控型需求侧响应的终端用户多为大型工商业用户。考虑该类型用户的生产安全和参与意愿，电网公司无法直接通过用户能量管理***(energy managementsystem, EMS)控制其生产或空调设备，而仅能通过向用户下达响应指令的方式进行需求侧响应。
相比于可中断负荷，非直控型需求侧响应受到用户参与意愿和响应启停时间的影响，具有较大的不确定性，使得电网公司实行需求侧响应获取的负荷响应曲线与目标响应曲线可能存在较大偏差。此外，考虑到大型工商业用户参与需求侧响应前后存在的报复性用电或负荷转移行为，非直控型需求侧响应甚至可能出现反向响应，加重峰时段电网供需紧平衡态势。因此，电网公司需要优化非直控型需求侧响应调度方式，使需求侧提供与电源侧对等的稳定负荷调节资源，充分发挥电网需求侧响应资源削峰潜力。
发明内容
本发明针对现有需求响应调度中未考虑参与非直控型需求侧响应的终端用户的用电反击行为的不足，提供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，对非直控型需求侧响应的终端用户的用电反击行为进行建模并根据模型对调度进行优化。
为实现上述目的，本发明采用如下技术方案：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，包括：
步骤S1：建立包括响应参与概率标签、事前/事后用电反击概率标签的需求响应动态资源池，基于需求响应动态资源池，构建非直控型需求响应用户模型；
步骤S2：考虑不同用户负荷响应曲线在时序上的互补性，在给定响应负荷要求下，以同时最小化需求侧响应曲线与目标响应曲线欧氏距离、最小化响应负荷上升时间为目标，建立非直控型需求侧响应负荷调度优化模型，根据优化模型进行调度；
步骤S3：根据当次需求侧响应实际执行情况修正需求响应动态资源池数据。
本发明的基于动态资源池的非直控型需求侧响应优化调度方法，通过建立并更新需求侧响应动态资源池，建立非直控型需求侧响应负荷调度优化模型，优化非直控型需求侧响应曲线，使大型工商业用户提供与电源侧对等的稳定负荷调节资源，为电网公司实行非直控型需求侧响应调度提供科学理论支持，充分发挥电网需求侧响应资源削峰潜力。
更具体地，面向n个用户、m个标签的需求响应动态资源池，用矩阵D n×m 表示为
Figure 16763DEST_PATH_IMAGE001
其中，d ij 表示第i个用户的第j个标签的值或评价结果。
更具体地，标签包括统计类标签和响应类标签，统计类标签指通过营销中心普查或由日常用电行为统计得到的标签，包括用户所属行业、负荷类型、最大响应容量、最大持续响应时间、升负荷速率、降负荷速率6类标签；响应类标签指需要电网公司调用负荷参与需求侧响应后，通过用户实际响应行为记录与评价获取的指标，包括响应参与概率、事前/事后用电反击概率、事前/事后用电反击程度、事前/事后反击持续时间7类标签。
更具体地，根据动态资源池响应类标签中的响应参与概率、事前/事后用电反击概率，用蒙特卡洛模拟法建立用户响应行为场景集S，构建场景s下单一用户负荷响应曲线模型。
更具体地，以矩阵D i,s 表征用户i在场景s下的用电反击行为，表示为
Figure 597917DEST_PATH_IMAGE002
其中，
Figure 306985DEST_PATH_IMAGE003
和
Figure 504748DEST_PATH_IMAGE004
为0/1变量，表示用户i在场景s下的事前/事后用电反击行为；
Figure 52404DEST_PATH_IMAGE005
和
Figure 284802DEST_PATH_IMAGE006
分别为用户i事前/事后用电反击负荷功率；
Figure 259711DEST_PATH_IMAGE007
和
Figure 944770DEST_PATH_IMAGE008
分别为用户i用电反击过程中保持在反击负荷功率的持续时间。
更具体地，根据需求侧响应资源池数据，设用户响应动作起始时间为0时刻，用户自有负荷响应曲线Pi,r,0(t)采用分段函数的形式表示：
Figure 296117DEST_PATH_IMAGE009
其中，A i 为用户i的可压减负荷容量，kW；
T i 表示用户i的响应持续时间，min；
v i,u 和v i,l 分别表示用户i的升负荷速率和减负荷速率，kW/min。
更具体地，步骤S2中，在用户自有负荷响应曲线基础上，进一步考虑电网公司负荷调控策略及用户实际参与情况。
更具体地，电网负荷调控策略包括n个用户可响应负荷调用决策0/1变量
Figure 383022DEST_PATH_IMAGE010
及响应启动时间
Figure 292947DEST_PATH_IMAGE011
；用户接受响应指令后决定是否参与当次响应，以0/1决策变量
Figure 934144DEST_PATH_IMAGE012
表示，则根据需求响应动态资源池预测得到的当次用户i的负荷响应曲线表示为：
Figure 558023DEST_PATH_IMAGE013
。
更具体地，步骤S2中，目标函数表示为：
Figure 233855DEST_PATH_IMAGE014
其中，G 1 (L,Г)表示需求侧响应曲线与目标响应曲线的欧式距离；
P ∑和P tar 分别表示电网公司聚合得到的需求侧响应曲线与目标响应曲线；
Figure 550567DEST_PATH_IMAGE015
表示多场景下需求侧响应曲线的平均上升时间；
t r,s 表示场景s下用户侧负荷响应曲线的上升时间。
更具体地，步骤S3中，根据用户参与当次需求侧响应实际结果修正初始动态资源池响应类标签d ij ，用于下一次非直控型需求侧响应调度优化。
本发明的基于动态资源池的非直控型需求侧响应优化调度方法的有益效果是：通过建立并更新需求侧响应动态资源池，建立非直控型需求侧响应负荷调度优化模型，可以优化非直控型需求侧响应曲线，使大型工商业用户提供与电源侧对等的稳定负荷调节资源，为电网公司实行非直控型需求侧响应调度提供科学理论支持，充分发挥电网需求侧响应资源削峰潜力。
具体实施方式
下面对本发明创造实施例的技术方案进行解释和说明，但下述实施例仅为本发明创造的优选实施例，并非全部。基于实施方式中的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的其他实施例，都属于本发明创造的保护范围。
本发明的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，包括：
步骤S1：建立包括响应参与概率标签、事前/事后用电反击概率标签的需求响应动态资源池，基于需求响应动态资源池，构建非直控型需求响应用户模型；
步骤S2：考虑不同用户负荷响应曲线在时序上的互补性，在给定响应负荷要求下，以同时最小化需求侧响应曲线与目标响应曲线欧氏距离、最小化响应负荷上升时间为目标，建立非直控型需求侧响应负荷调度优化模型，根据优化模型进行调度；
步骤S3：根据当次需求侧响应实际执行情况修正需求响应动态资源池数据。
本发明的基于动态资源池的非直控型需求侧响应优化调度方法，通过建立并更新需求侧响应动态资源池，建立非直控型需求侧响应负荷调度优化模型，优化非直控型需求侧响应曲线，使大型工商业用户提供与电源侧对等的稳定负荷调节资源，为电网公司实行非直控型需求侧响应调度提供科学理论支持，充分发挥电网需求侧响应资源削峰潜力。
更具体地，面向n个用户、m个标签的需求响应动态资源池，用矩阵D n×m 表示为
Figure 944639DEST_PATH_IMAGE001
其中，d ij 表示第i个用户的第j个标签的值或评价结果。
更具体地，标签包括统计类标签和响应类标签，统计类标签指通过营销中心普查或由日常用电行为统计得到的标签，包括用户所属行业、负荷类型、最大响应容量、最大持续响应时间、升负荷速率、降负荷速率6类标签；响应类标签指需要电网公司调用负荷参与需求侧响应后，通过用户实际响应行为记录与评价获取的指标，包括响应参与概率、事前/事后用电反击概率、事前/事后用电反击程度、事前/事后反击持续时间7类标签。
更具体地，根据动态资源池响应类标签中的响应参与概率、事前/事后用电反击概率，用蒙特卡洛模拟法建立用户响应行为场景集S，构建场景s下单一用户负荷响应曲线模型。
更具体地，以矩阵D i,s 表征用户i在场景s下的用电反击行为，表示为
Figure 136324DEST_PATH_IMAGE002
其中，
Figure 666662DEST_PATH_IMAGE016
和
Figure 154276DEST_PATH_IMAGE004
为0/1变量，表示用户i在场景s下的事前/事后用电反击行为；
Figure 770065DEST_PATH_IMAGE005
和
Figure 735747DEST_PATH_IMAGE006
分别为用户i事前/事后用电反击负荷功率；
Figure 386171DEST_PATH_IMAGE017
和
Figure 543220DEST_PATH_IMAGE008
分别为用户i用电反击过程中保持在反击负荷功率的持续时间。
更具体地，根据需求侧响应资源池数据，设用户响应动作起始时间为0时刻，用户自有负荷响应曲线Pi,r,0(t)采用分段函数的形式表示：
Figure 177464DEST_PATH_IMAGE009
其中，A i 为用户i的可压减负荷容量，kW；
T i 表示用户i的响应持续时间，min；
v i,u 和v i,l 分别表示用户i的升负荷速率和减负荷速率，kW/min。
更具体地，步骤S2中，在用户自有负荷响应曲线基础上，进一步考虑电网公司负荷调控策略及用户实际参与情况。
更具体地，电网负荷调控策略包括n个用户可响应负荷调用决策0/1变量
Figure 212416DEST_PATH_IMAGE010
及响应启动时间
Figure 982926DEST_PATH_IMAGE011
；用户接受响应指令后决定是否参与当次响应，以0/1决策变量
Figure 77921DEST_PATH_IMAGE012
表示，则根据需求响应动态资源池预测得到的当次用户i的负荷响应曲线表示为：
Figure 668302DEST_PATH_IMAGE013
。
更具体地，步骤S2中，目标函数表示为：
Figure 975787DEST_PATH_IMAGE014
其中，G 1 (L,Г)表示需求侧响应曲线与目标响应曲线的欧式距离；
P ∑和P tar 分别表示电网公司聚合得到的需求侧响应曲线与目标响应曲线；
Figure 833759DEST_PATH_IMAGE015
表示多场景下需求侧响应曲线的平均上升时间；
t r,s 表示场景s下用户侧负荷响应曲线的上升时间。
更具体地，步骤S3中，根据用户参与当次需求侧响应实际结果修正初始动态资源池响应类标签d ij ，用于下一次非直控型需求侧响应调度优化。
本发明的基于动态资源池的非直控型需求侧响应优化调度方法，首先，建立三个用户的需求响应动态资源池，需求响应动态资源池中记录了三个用户在6类统计类标签和7类响应类标签上的值或评价结果（对于缺失数据可以为空或者利用各数据间的相关性进行填补）；然后，构件场景s下各个用户负荷响应曲线模型，其中单个用户负荷响应曲线模型考虑用户在场景s下的事前/事后用电反击行为、事前/事后用电反击负荷功率、用电反击过程中保持在反击负荷功率的持续时间、可压减负荷容量、响应持续时间、升负荷速率、减负荷速率、是否调用决策、响应启动时间、用户接受响应指令后决定是否参与当次响应；再次，获得各个用户的负荷响应曲线模型后，以同时最小化需求侧响应曲线与目标响应曲线欧氏距离、最小化响应负荷上升时间为目标，进行调度；最后，根据用户参与当次需求侧响应实际结果修正初始动态资源池响应类标签，用于下一次非直控型需求侧响应调度优化。
假设共有三个用户A、B、C，对本发明的方法进行简化。其中，单个用户的事前/事后用电反击行为均发生在需求响应实施期间。如需求响应实施期为下周工作日的早8点至下午5点，A用户在早8点至中午12点可以正常响应，但是在12点至下午5点存在事后用电反击，B用户在12点至下午5点可以正常响应，但是在早8点至中午12点存在事前用电反击，C用户在早10点至下午2点可以正常响应，但是在早8点至10点存在事前用电反击，下午2点至下午5点存在事后用电反击。假设其它条件三个用户均相同，则选择调用AB用户进行需求响应，相比AC或者BC更优。
本发明的基于动态资源池的非直控型需求侧响应优化调度方法，主要优点为考虑用户的事前/事后用电反击行为，并建立包含用电反击行为相关参数的模型，通过模型预测各用户的负荷响应曲线，并选择最优的用户组合，使得组合后的负荷响应曲线与所需的目标响应曲线尽可能相符即欧氏距离最小，同时，还追求最小化响应负荷上升时间，从而缓解峰时段电网供需紧平衡态势，获得较好的实际调度效果。
本发明的基于动态资源池的非直控型需求侧响应优化调度方法的有益效果是：通过建立并更新需求侧响应动态资源池，建立非直控型需求侧响应负荷调度优化模型，优化非直控型需求侧响应曲线，使大型工商业用户提供与电源侧对等的稳定负荷调节资源，为电网公司实行非直控型需求侧响应调度提供科学理论支持，充分发挥电网需求侧响应资源削峰潜力。
以上所述，仅为本发明创造的具体实施方式，但本发明创造的保护范围并不局限于此，熟悉该本领域的技术人员应该明白本发明创造包括但不限于上面具体实施方式中描述的内容。任何不偏离本发明创造的功能和结构原理的修改都将包括在权利要求书的范围中。

Claims (10)

1.一种基于动态资源池的非直控型需求侧响应优化调度方法，其特征在于：所述方法包括：
步骤S1：建立包括响应参与概率标签、事前/事后用电反击概率标签的需求响应动态资源池，基于需求响应动态资源池，构建非直控型需求响应用户模型；
步骤S2：考虑不同用户负荷响应曲线在时序上的互补性，在给定响应负荷要求下，以同时最小化需求侧响应曲线与目标响应曲线欧氏距离、最小化响应负荷上升时间为目标，建立非直控型需求侧响应负荷调度优化模型，根据优化模型进行调度；
步骤S3：根据当次需求侧响应实际执行情况修正需求响应动态资源池数据。
2.根据权利要求1所述的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，其特征在于：面向n个用户、m个标签的需求响应动态资源池，用矩阵D n×m 表示为
Figure 228909DEST_PATH_IMAGE001
其中，d ij 表示第i个用户的第j个标签的值或评价结果。
3.根据权利要求2所述的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，其特征在于：标签包括统计类标签和响应类标签，统计类标签指通过营销中心普查或由日常用电行为统计得到的标签，包括用户所属行业、负荷类型、最大响应容量、最大持续响应时间、升负荷速率、降负荷速率6类标签；响应类标签指需要电网公司调用负荷参与需求侧响应后，通过用户实际响应行为记录与评价获取的指标，包括响应参与概率、事前/事后用电反击概率、事前/事后用电反击程度、事前/事后反击持续时间7类标签。
4.根据权利要求3所述的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，其特征在于：根据动态资源池响应类标签中的响应参与概率、事前/事后用电反击概率，采用蒙特卡洛模拟法建立用户响应行为场景集S，构建场景s下单一用户负荷响应曲线模型。
5.根据权利要求4所述的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，其特征在于：以矩阵D i,s 表征用户i在场景s下的用电反击行为，表示为
Figure 614891DEST_PATH_IMAGE002
其中，
Figure 863469DEST_PATH_IMAGE003
和
Figure 993099DEST_PATH_IMAGE004
为0/1变量，表示用户i在场景s下的事前/事后用电反击行为；
Figure 276313DEST_PATH_IMAGE005
和
Figure 66152DEST_PATH_IMAGE006
分别为用户i事前/事后用电反击负荷功率；
Figure 67607DEST_PATH_IMAGE007
和
Figure 735348DEST_PATH_IMAGE008
分别为用户i用电反击过程中保持在反击负荷功率的持续时间。
6.根据权利要求5所述的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，其特征在于：根据需求侧响应资源池数据，设用户响应动作起始时间为0时刻，用户自有负荷响应曲线Pi,r,0(t)采用分段函数的形式表示：
Figure 873069DEST_PATH_IMAGE009
其中，A i 为用户i的可压减负荷容量，kW；
T i 表示用户i的响应持续时间，min；
v i,u 和v i,l 分别表示用户i的升负荷速率和减负荷速率，kW/min。
7.根据权利要求6所述的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，其特征在于：步骤S2中，在用户自有负荷响应曲线基础上，进一步考虑电网公司负荷调控策略及用户实际参与情况。
8.根据权利要求7所述的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，其特征在于：电网负荷调控策略包括n个用户可响应负荷调用决策0/1变量
Figure 600853DEST_PATH_IMAGE010
及响应启动时间
Figure 824024DEST_PATH_IMAGE011
；用户接受响应指令后决定是否参与当次响应，以0/1决策变量
Figure 29877DEST_PATH_IMAGE012
表示，则根据需求响应动态资源池预测得到的当次用户i的负荷响应曲线表示为：
Figure 22104DEST_PATH_IMAGE013
。
9.根据权利要求8所述的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，其特征在于：步骤S2中，目标函数表示为：
Figure 186369DEST_PATH_IMAGE014
其中，G 1 (L,Г )表示需求侧响应曲线与目标响应曲线的欧式距离；
P ∑和P tar 分别表示电网公司聚合得到的需求侧响应曲线与目标响应曲线；
Figure 395371DEST_PATH_IMAGE015
表示多场景下需求侧响应曲线的平均上升时间；
t r,s 表示场景s下用户侧负荷响应曲线的上升时间。
10.根据权利要求5所述的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，其特征在于：步骤S3中，根据用户参与当次需求侧响应实际结果修正初始动态资源池响应类标签d ij ，用于下一次非直控型需求侧响应调度优化。
CN202210381665.6A 2022-04-13 2022-04-13 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 Active CN114462725B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210381665.6A CN114462725B (zh) 2022-04-13 2022-04-13 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210381665.6A CN114462725B (zh) 2022-04-13 2022-04-13 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

Publications (2)

Publication Number Publication Date
CN114462725A true CN114462725A (zh) 2022-05-10
CN114462725B CN114462725B (zh) 2022-09-02

Family

ID=81418684

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210381665.6A Active CN114462725B (zh) 2022-04-13 2022-04-13 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

Country Status (1)

Country Link
CN (1) CN114462725B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110208369A1 (en) * 2010-02-19 2011-08-25 Samsung Electronics Co., Ltd. Demand response method, computer-readable medium and system
WO2012082173A1 (en) * 2010-12-17 2012-06-21 Abb Research Ltd. Systems and methods for predicting customer compliance with demand response requests
JP5496431B1 (ja) * 2013-06-26 2014-05-21 三菱電機株式会社 需給計画装置、需給計画方法、需給計画プログラムおよび記録媒体
US20140277769A1 (en) * 2013-03-15 2014-09-18 Nest Labs, Inc. Systems, apparatus and methods for managing demand-response programs and events
US8935172B1 (en) * 2012-10-31 2015-01-13 Noble Systems Coporation Fulfilling staffing requirements via an interactive voice response system
CN106447171A (zh) * 2016-08-31 2017-02-22 清华大学 电力需求侧可调度资源潜力建模方法及***
CN107274087A (zh) * 2017-06-09 2017-10-20 燕山大学 一种计及需求侧响应不确定性的主动配电网双层规划方法
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
CN110009123A (zh) * 2018-12-30 2019-07-12 国网天津市电力公司电力科学研究院 一种考虑时序互补特性的配电台区源-荷协同接入方法
CN110783957A (zh) * 2019-11-06 2020-02-11 国网新疆电力有限公司经济技术研究院 计及需求响应的含风电电力***旋转备用优化配置方法
CN110796283A (zh) * 2019-09-18 2020-02-14 浙江大学 一种面向需求侧主动响应的电量套餐优化设计方法
CN110909910A (zh) * 2019-09-18 2020-03-24 浙江大学 一种基于pbr的新型偏差电量考核机制优化设计方法
CN113554354A (zh) * 2021-09-02 2021-10-26 国网甘肃省电力公司经济技术研究院 一种考虑用户多元响应特性的负荷聚合商最优调度方法
CN113793010A (zh) * 2021-09-07 2021-12-14 国网浙江省电力有限公司营销服务中心 面向多元负荷联合控制策略的构建方法及空调控制方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110208369A1 (en) * 2010-02-19 2011-08-25 Samsung Electronics Co., Ltd. Demand response method, computer-readable medium and system
WO2012082173A1 (en) * 2010-12-17 2012-06-21 Abb Research Ltd. Systems and methods for predicting customer compliance with demand response requests
US8935172B1 (en) * 2012-10-31 2015-01-13 Noble Systems Coporation Fulfilling staffing requirements via an interactive voice response system
US20140277769A1 (en) * 2013-03-15 2014-09-18 Nest Labs, Inc. Systems, apparatus and methods for managing demand-response programs and events
JP5496431B1 (ja) * 2013-06-26 2014-05-21 三菱電機株式会社 需給計画装置、需給計画方法、需給計画プログラムおよび記録媒体
CN106447171A (zh) * 2016-08-31 2017-02-22 清华大学 电力需求侧可调度资源潜力建模方法及***
CN107274087A (zh) * 2017-06-09 2017-10-20 燕山大学 一种计及需求侧响应不确定性的主动配电网双层规划方法
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
CN110009123A (zh) * 2018-12-30 2019-07-12 国网天津市电力公司电力科学研究院 一种考虑时序互补特性的配电台区源-荷协同接入方法
CN110796283A (zh) * 2019-09-18 2020-02-14 浙江大学 一种面向需求侧主动响应的电量套餐优化设计方法
CN110909910A (zh) * 2019-09-18 2020-03-24 浙江大学 一种基于pbr的新型偏差电量考核机制优化设计方法
CN110783957A (zh) * 2019-11-06 2020-02-11 国网新疆电力有限公司经济技术研究院 计及需求响应的含风电电力***旋转备用优化配置方法
CN113554354A (zh) * 2021-09-02 2021-10-26 国网甘肃省电力公司经济技术研究院 一种考虑用户多元响应特性的负荷聚合商最优调度方法
CN113793010A (zh) * 2021-09-07 2021-12-14 国网浙江省电力有限公司营销服务中心 面向多元负荷联合控制策略的构建方法及空调控制方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
HAO GONG ET AL: "Day-ahead generation scheduling for variable energy resources considering demand response", 《2016 IEEE PES ASIA-PACIFIC POWER AND ENERGY ENGINEERING CONFERENCE (APPEEC)》 *
HAO HUANG ET AL: "Modeling Dynamic Demand Response Using Monte Carlo Simulation and Interval Mathematics for Boundary Estimation", 《IEEE TRANSACTIONS ON SMART GRID》 *
QIANG YAN ET AL: "Simulation of Resident Demand Response Considering User Response Uncertainty", 《 2021 CHINA INTERNATIONAL CONFERENCE ON ELECTRICITY DISTRIBUTION (CICED)》 *
曾博等: "考虑需求响应复杂不确定性的电-气互联***动态概率能流计算", 《中国电机工程学报》 *
胡晶等: "考虑多主体利益与需求响应的分布式电源优化配置", 《电力***保护与控制》 *

Also Published As

Publication number Publication date
CN114462725B (zh) 2022-09-02

Similar Documents

Publication Publication Date Title
CN111045828A (zh) 基于配电网台区终端的分布式边缘计算方法和相关装置
CN101888316A (zh) 根据应用场景特征参数控制服务器能耗的方法及装置
CN113541171B (zh) 一种规模化储能电站统一调度的控制方法及***
CN112103941A (zh) 考虑电网灵活性的储能配置双层优化方法
CN115147245B (zh) 一种工业负荷参与调峰辅助服务的虚拟电厂优化调度方法
CN116706960A (zh) 一种整合风光储的虚拟电厂多主体博弈控制策略
CN114943417A (zh) 基于模型预测控制的多目标能源组合优化调度方法及***
CN110165713A (zh) 一种基于电网调峰需求的多能互补园区需求响应方法
CN109670701A (zh) 一种基于区块链网络全网建设成本控制的激励调控***
CN115514014A (zh) 一种含高比例风电的新型电力***灵活性资源供需博弈优化调度方法
CN114462725B (zh) 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
WO2021253706A1 (zh) 基于间歇特性的需求侧资源协调控制方法及***
CN117559430A (zh) 一种用户侧资源多层协同调控方法及***
CN107609690B (zh) 一种负荷主动管理决策优化的方法
CN110738428A (zh) 基于轮换分解的有序用电降负荷需求分解方法
CN116993022A (zh) 一种机组检修和水电电量的调配方法和装置
CN107025610A (zh) 一种数据中心成本优化方法
CN114926301A (zh) 一种基于矩阵分解法的需求响应动态资源池建立方法
CN111404182B (zh) 基于磷酸铁锂介质的电化学储能电站的运行方法
CN114493090A (zh) 工业园区综合能源智能管控方法及装置
Shao et al. Delay and energy consumption optimization oriented multi-service cloud edge collaborative computing mechanism in IoT
CN108667031A (zh) 一种基于实时滚动窗口的家庭用电调度优化方法
CN114336782B (zh) 非周期性Dos攻击下的电力***分布式经济调度方法
Dong et al. Condition Judgment Method of Self-owned Power Plant Participating in New Energy Consumption Based on SOM-Kmeans Algorithm
CN117638985B (zh) 风电经柔直送出***主动调频控制方法及***

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