考虑响应行为不确定性的园区能源互联网优化运行方法技术

本发明专利技术涉及一种考虑响应行为不确定性的园区能源互联网优化运行方法，包括以下步骤：1)构建改进的价格型需求响应不确定性模型，获取最优分时电价策略进行电价调整；2)构建可激励负荷的响应模型，并与可中断负荷共同实现削峰填谷；3)构建可转移和可平移负荷的响应模型，通过建立价格奖惩机制减少响应的不确定性；4)以园区能源互联网运行成本最低作为目标函数，构建园区能源互联网优化调度模型，并求解优化调度模型，并根据结果引导需求侧参与负荷响应。与现有技术相比，本发明专利技术具有快速可靠、经济性高、综合考虑价格型和激励型需求响应的不确定性、起到削峰填谷作用等优点。

Optimal operation method of Park energy Internet considering uncertainty of response behavior

【技术实现步骤摘要】
考虑响应行为不确定性的园区能源互联网优化运行方法
本专利技术涉及配电网优化运行领域，尤其是涉及一种考虑响应行为不确定性的园区能源互联网优化运行方法。
技术介绍
需求响应作为用电环节与其他各环节实现协调发展的关键手段，是智能用电互动环节业务中体现能量友好交互的重要方式，需求响应可以有效地减小峰谷差，有利于系统安全稳定运行；但在需求响应策略实施的过程中，由于用户可能对激励缺乏重视、通信延迟、或者消费行为的改变等一系列原因，导致需求响应必然存在一定的不确定性。近年来，有关需求响应不确定性对园区能源互联网优化运行的影响已经引起了广泛学者的关注。然而却没有同时考虑多种需求响应不确定性对园区能源互联网优化运行的影响。且以往的研究成果存在以下不足：一方面难以建立有效机制来引导需求侧参与负荷响应，另一方面，所建立的模型多为非线性过于复杂，求解速度慢而且很难保证求解结果的准确性。现有的文献利用消费者心理学原理，引入负荷转移率概念，通过建立不确定性需求响应机理模型来表达用户的响应行为，但没有刻画出价格变化与负荷变化之间的关系，而且没有制定出最优分时电价策略。还有文献利用价格弹性矩阵来描述价格变化对负荷变化的影响，并通过三角隶属度函数或者Z-number函数来考虑负荷响应的不确定性，但模糊函数的表达式过于复杂从而导致模型求解比较困难，且没有考虑到用户对于电价的响应实际上存在不响应区和过响应区的问题，这会导致所拟合出的负荷响应与实际的负荷响应存在一定的偏差。可中断负荷能够起到削峰的作用，然而系统中的风力资源具有反调峰的特性，如何充分吸收风电资源，以及在负荷低谷的时候激励用户增加用电，从而有效降低负荷峰谷差，保证系统安全稳定运行，仍需进一步研究。此外，由于通讯的延时、用户舒适度改变等原因，实际的可平移负荷开始时间可能早于或晚于事先假定的最早开始转入时间，如何减小这种不确定性，值得进一步研究。而可转移负荷类似于可平移负荷，但没有转入开始时间限制，并且在一个调度周期内，用户可以根据自身需求多次进行负荷的转移，但每次负荷的转移量存在一定的不确定性，如何减小可中断负荷的不确定性从而保证负荷曲线的平滑性值得进一步研究。因此，急需一种考虑响应行为不确定性的园区能源互联网优化运行方法，既能够综合考虑多种需求响应不确定性对园区能源互联网优化运行的影响，又能够快速准确地求解所建立的模型。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种考虑响应行为不确定性的园区能源互联网优化运行方法。本专利技术的目的可以通过以下技术方案来实现：一种考虑响应行为不确定性的园区能源互联网优化运行方法，包括以下步骤：1)构建改进的价格型需求响应不确定性模型，获取最优分时电价策略进行电价调整；2)构建可激励负荷的响应模型，并与可中断负荷共同实现削峰填谷；3)构建可转移和可平移负荷的响应模型，通过建立价格奖惩机制减少响应的不确定性；4)以园区能源互联网运行成本最低作为目标函数，构建园区能源互联网优化调度模型，并求解优化调度模型，并根据结果引导需求侧参与负荷响应。所述的步骤1)中，通过改进的价格型需求响应不确定模型拟合出电价调整后各时段的负荷，则有：其中，Pcou,t和Pcu,t分别为分时电价实施前后TOU负荷u的预测负荷与拟合负荷，Pcpa,u和Pcfa,u分别为TOU负荷u响应前峰时段和平时段的负荷平均值，μpv、μpf、μfv分别为峰时段到谷时段、峰时段到平时段、平时段到谷时段的负荷转移率，Tp、Tf、Tv分别表示峰时段、平时段、谷时段，t为对应时段时刻。所述的步骤1)中，考虑负荷响应率受电价和非经济因素的影响，负荷响应量具有不确定性，则电价调整后各时段的拟合负荷表示为：其中，εp、εf、εv分别为峰、平、谷时段对应的负荷自响应系数，Pcpu,t、Pcfu,t、Pcvu,t分别为未考虑价格变化对TOU负荷u需求响应影响时的峰、平、谷时段的拟合负荷，Pcu,max为TOU负荷u拟合负荷与实际响应负荷之间的最大偏差值，ξt为不确定参数，用以表示TOU负荷u在时刻t实际负荷响应量与拟合负荷响应量之间偏差程度。所述的步骤1)中，采用偏大型和偏小型隶属函数确定各时段负荷隶属于峰、谷时段的程度。所述的步骤2)中，可中断负荷响应模型中，可中断负荷满足以下约束：PLq,min≤ΔPLq,t≤PLq,maxCr{(CIpq,t+CIq,t-Cg,t)(PLq,min-ΔPLq,t)≥0}≥α1Cr{(CIpq,t-CIq,t)(ΔPLq,t-PLqmax)≥0}≥α2则负荷发生中断响应后的补偿费用和惩罚收益为：CLq,t＝Caq,tΔPLq,t其中，PLq,min和PLq,max分别为可中断与可激励型负荷q的最小和最大负荷中断量，ΔPLq,t为t时刻可中断与可激励型负荷q负荷中断量，Cr{·}为置信度函数，α1和α2分别为满足欠响应和过响应约束的置信度，CIpq,t为t时刻可中断与可激励型负荷q参与中断响应后的惩罚电价，CIq,t为t时刻可中断与可激励型负荷q参与中断响应后的电价，Cg,t为t时刻参与激励响应后PEI从上级电网购电费用，CLq,t为可中断与可激励型负荷q负荷发生中断t时刻的补偿费用，Caq,t为t时刻可中断与可激励型负荷q参与中断响应之后所对应的单位补偿价格，CLSq,t为负荷发生中断响应后的惩罚收益。所述的步骤2)中，可激励负荷的响应模型中，在发生欠激励和过激励行为时，通过惩罚成本弥补供电公司的损失收益约束如下：Pqq,min≤ΔPqq,t≤Pqq,maxCr{(Clpq,t-Clq,t)(Pqq,min-ΔPqq,,t)+Clq,tΔPqq,,t≥0}≥α3Cr{(Clpq,t-Cg,t)(ΔPqq,t-Pqq,max)+Clq,tΔPqq,t≥0}≥α4则负荷发生激励响应后的补偿费用和惩罚收益分别为：CQq,t＝Cqq,tΔPqq,t其中，Pqq,min和Pqq,max分别为可中断与可激励型负荷q的最小和最大负荷激励量，ΔPqq,t为t时刻可中断与可激励型负荷q的负荷增加量，Cr{·}为置信度函数，α3和α4分别为满足欠激励和过激励约束的置信度，Clq,t为t时刻可中断与可激励型负荷q参与激励响应后的电价，Clpq,t为t时刻可中断与可激励型负荷q参与激励响应后的惩罚电价，Cg,t为t时刻参与激励响应后PEI从上级电网购电费用，CQq,t为可中断与可激励型负荷q参与激励响应之后t时刻的补偿费用，Cqq,t为t时刻可中断与可激励型负荷q参与激励响应之后所对应单位补偿价格，CLPq,t为负荷发生激励响应后的惩罚收益。所述的步骤3)中，针对可平移负荷的不确定性，建立的价格惩罚机制为：CYk(t)＝Ppk,t(Cbtb+Cmtm+Cutu)其中，CYk(t)为t时刻可平移负荷k开始负荷平移所产生的惩罚费用，P本文档来自技高网...

【技术保护点】
1.一种考虑响应行为不确定性的园区能源互联网优化运行方法，其特征在于，包括以下步骤：/n1)构建改进的价格型需求响应不确定性模型，获取最优分时电价策略进行电价调整；/n2)构建可激励负荷的响应模型，并与可中断负荷共同实现削峰填谷；/n3)构建可转移和可平移负荷的响应模型，通过建立价格奖惩机制减少响应的不确定性；/n4)以园区能源互联网运行成本最低作为目标函数，构建园区能源互联网优化调度模型，并求解优化调度模型，并根据结果引导需求侧参与负荷响应。/n

【技术特征摘要】
1.一种考虑响应行为不确定性的园区能源互联网优化运行方法，其特征在于，包括以下步骤：
1)构建改进的价格型需求响应不确定性模型，获取最优分时电价策略进行电价调整；
2)构建可激励负荷的响应模型，并与可中断负荷共同实现削峰填谷；
3)构建可转移和可平移负荷的响应模型，通过建立价格奖惩机制减少响应的不确定性；
4)以园区能源互联网运行成本最低作为目标函数，构建园区能源互联网优化调度模型，并求解优化调度模型，并根据结果引导需求侧参与负荷响应。


2.根据权利要求1所述的一种考虑响应行为不确定性的园区能源互联网优化运行方法，其特征在于，所述的步骤1)中，通过改进的价格型需求响应不确定模型拟合出电价调整后各时段的负荷，则有：



其中，Pcou,t和Pcu,t分别为分时电价实施前后TOU负荷u的预测负荷与拟合负荷，Pcpa,u和Pcfa,u分别为TOU负荷u响应前峰时段和平时段的负荷平均值，μpv、μpf、μfv分别为峰时段到谷时段、峰时段到平时段、平时段到谷时段的负荷转移率，Tp、Tf、Tv分别表示峰时段、平时段、谷时段，t为对应时段时刻。


3.根据权利要求2所述的一种考虑响应行为不确定性的园区能源互联网优化运行方法，其特征在于，所述的步骤1)中，考虑负荷响应率受电价和非经济因素的影响，负荷响应量具有不确定性，则电价调整后各时段的拟合负荷表示为：



其中，εp、εf、εv分别为峰、平、谷时段对应的负荷自响应系数，Pcpu,t、Pcfu,t、Pcvu,t分别为未考虑价格变化对TOU负荷u需求响应影响时的峰、平、谷时段的拟合负荷，Pcu,max为TOU负荷u拟合负荷与实际响应负荷之间的最大偏差值，ξt为不确定参数，用以表示TOU负荷u在时刻t实际负荷响应量与拟合负荷响应量之间偏差程度。


4.根据权利要求3所述的一种考虑响应行为不确定性的园区能源互联网优化运行方法，其特征在于，所述的步骤1)中，采用偏大型和偏小型隶属函数确定各时段负荷隶属于峰、谷时段的程度。


5.根据权利要求3所述的一种考虑响应行为不确定性的园区能源互联网优化运行方法，其特征在于，所述的步骤2)中，可中断负荷响应模型中，可中断负荷满足以下约束：
PLq,min≤ΔPLq,t≤PLq,max
Cr{(CIpq,t+CIq,t-Cg,t)(PLq,min-ΔPLq,t)≥0}≥α1
Cr{(CIpq,t-CIq,t)(ΔPLq,t-PLqmax)≥0}≥α2
则负荷发生中断响应后的补偿费用和惩罚收益为：
CLq,t＝Caq,tΔPLq,t



其中，PLq,min和PLq,max分别为可中断与可激励型负荷q的最小和最大负荷中断量，ΔPLq,t为t时刻可中断与可激励型负荷q负荷中断量，Cr{·}为置信度函数，α1和α2分别为满足欠响应和过响应约束的置信度，CIpq,t为t时刻可中断与可激励型负荷q参与中断响应后的惩罚电价，CIq,t为t时刻可中断与可激励型负荷q参与中断响应后的电价，Cg,t为t时刻参与激励响应后PEI从上级电网购电费用，CLq,t为可中断与可激励型负荷q负荷发生中断t时刻的补偿费用，Caq,t为t时刻可中断与可激励型负荷q参与中断响应之后所对应的单位补偿价格，CLSq,t为负荷发生中断响应后的惩罚收益。


6.根据权利要求3所述的一种考虑响应行为不确定性的园区能源互联网优化运行方法，其特征在于，所述的步骤2)中，可激励负荷的响应模型中，在发生欠激励和过激励行为时，通过惩罚成本弥补供电公司的损失收益约束如下：
Pqq,min≤ΔPqq,t≤Pqq,max
Cr{(Clpq,t-Clq,t)(Pqq,min-ΔPqq,,t)+Clq,tΔPqq,,t≥0}≥α3
Cr{(Clpq,t-Cg,t)(ΔPqq,t-Pqq,max)+Clq,tΔPqq,t≥0}≥α4
则负荷发生激励响应后的补偿费用和惩罚收益分别为：
CQq,t＝Cqq,tΔPqq,t



其中，Pqq,min和Pqq,max分别为可中断与可激励型负荷q的最小和最大负荷激励量，ΔPqq,t为t时刻可中断与可激励型负荷q的负荷增加量，Cr{·}为置信度函数，α3和α4分别为满足欠激励和过激励约束的置信度，Clq,t为t时刻可中断与可激励型负荷q参与激励响应后的电价，Clpq,t为t时刻可中断与可激励型负荷q参与激励响应后的惩罚电价，Cg,t为t时刻参与激励响应后PEI从上级电网购电费用，CQq,t为可中断与可激励型负荷q参与激励响应之后t时刻的补偿费用，Cqq,t为t时刻可中断与可激励型负荷q参与激励响应之后所对应单位补偿价格，CLPq,t为负荷发生激励响应后的惩罚收益。


7.根据权利要求1所述的一种考虑响应行为不确定性的园区能源互联网优化运行方法，其特征在于，所述的步骤3)中，针对可平移负荷的不确定性，建立的价格惩罚机制为：
CYk(t)＝Ppk,t(Cbtb+Cmtm+Cutu)
其中，CYk(t)为t时刻可平移负荷k开始负荷平移所产生的惩罚费用，Ppk,t为t时刻可平移负荷k可平移负荷的功率，tb、tm、tu分别为可平移负荷转入过早或过晚所对应的惩罚时间，Cb、Cm、Cu为惩罚时间所对应的单位惩罚价格；
则负荷发生平移后补偿的费用CP...

【专利技术属性】
技术研发人员：葛晓琳，居兴，王云鹏，符杨，杨秀，
申请(专利权)人：上海电力大学，
类型：发明
国别省市：上海;31