【技术实现步骤摘要】
一种实时需求响应方法和装置
本专利技术实施例涉及实时需求响应策略
，尤其涉及一种实时需求响应方法和装置。
技术介绍
需求响应(DemandResponse，DR)指的是需求侧对供给侧和市场状况所作出的反应，是电力体制改革下需求侧与供给侧之间的主要互动手段，具有削峰填谷的作用。随着智能用电的发展，在一定范围内可调节的柔性负荷越来越多，如空调、洗衣机等可转移负荷和电动汽车、储能等双向可控负荷。在可参与需求响应的用户中，居民负荷具有很大的潜力，能够通过参与需求响应有效地解决电网波动问题。但是，仅靠供给侧的调节能力难以解决大规模波动性新能源发电接入后的实时供需平衡问题。
技术实现思路
本专利技术提供一种实时需求响应方法和装置，充分挖掘了供给侧发电机和需求侧柔性负荷的互动优化调度空间，最大化了电力系统的整体效益，有效解决了大规模波动性新能源发电接入后的实时供需平衡问题。本专利技术实施例提供了一种实时需求响应方法，包括：基于Copula函数对柔性负荷的随机变量进行概率分布建模，得到柔性负...
【技术保护点】
1.一种实时需求响应方法，其特征在于，包括：/n基于Copula函数对柔性负荷的随机变量进行概率分布建模，得到柔性负荷模型，其中，每个所述柔性负荷的随机变量的数量至少为1；/n利用所述柔性负荷模型进行蒙特卡洛模拟，生成用于实施需求响应调度的柔性负荷场景；/n根据所述柔性负荷场景，利用Stackelberg博弈建立电力系统的当前与未来两阶段的实时需求响应模型；/n利用强化学习算法建立所述实时需求响应模型的求解策略。/n
【技术特征摘要】
1.一种实时需求响应方法，其特征在于，包括：
基于Copula函数对柔性负荷的随机变量进行概率分布建模，得到柔性负荷模型，其中，每个所述柔性负荷的随机变量的数量至少为1；
利用所述柔性负荷模型进行蒙特卡洛模拟，生成用于实施需求响应调度的柔性负荷场景；
根据所述柔性负荷场景，利用Stackelberg博弈建立电力系统的当前与未来两阶段的实时需求响应模型；
利用强化学习算法建立所述实时需求响应模型的求解策略。
2.根据权利要求1所述的方法，其特征在于，所述基于Copula函数对获取到的每个柔性负荷的随机变量进行概率分布建模，得到柔性负荷模型包括：
建立每个所述柔性负荷的随机变量μ的累积分布函数：
其中，μ为所述柔性负荷的随机变量；
利用GaussianCopula函数以及所述随机变量μ的所述累积分布函数建立所述柔性负荷模型：
其中，μd为服从[0，1]区间均匀分布的所述柔性负荷的随机变量，d为随机变量μ的个数；θ为相关系数矩阵；为相关系数矩阵为θ的标准多元Gaussian分布函数；为标准Gaussian分布函数的逆函数；
基于所述累积分布函数以及极大化伪对数似然函数对所述柔性负荷模型中的参数θ进行估计：
3.根据权利要求1所述的方法，其特征在于，所述利用所述柔性负荷模型进行蒙特卡洛模拟，生成用于实施需求响应调度的柔性负荷场景包括：
利用所述柔性负荷模型进行蒙特卡洛模拟，生成N组模拟数据；
利用逆概率分布函数将N组所述模拟数据转换为所述柔性负荷参与实时需求响应的N个所述柔性负荷场景。
4.根据权利要求1所述的方法，其特征在于，所述根据所述柔性负荷场景，利用Stackelberg博弈建立电力系统的当前与未来两阶段的实时需求响应模型包括：
根据所述柔性负荷场景，建立所述实时需求响应模型：
其中，
其中，为领导者的最优策略；为领导者的可选策略；为所有跟随者的最优策略；为第i个跟随者的最优策略；Eleader为领导者的效益函数；Ei为第i个跟随者的效益函数；Ai为跟随者的可选择策略。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
根据所述实时需求响应模型，所述电力系统的总效益E为：
其中，Ωd为负荷的集合，Ωs为发电机的集合；
为用户效用函数，αj、ωj为第j个柔性负荷的效用参数，PDj为第j个柔性负荷的有功需求，PDj,T0为T0时刻第j个柔性负荷的有功需求，PDj,T为T时刻第j个柔性负荷的有功需求，NS为所述柔性负荷场景的总场景数，PS为场景S的概率，且TN为调度计划总时段，其中，表示当前第一阶段，即调度时刻T0的用户效用函数，表示未来第二阶段，即调度时...
【专利技术属性】
技术研发人员：周娟，赖伟坚，尹健锋，杨德玲，李敬航，张鑫，李敬光，陈威洪，林泽宏，张世斌，
申请(专利权)人：广东电网有限责任公司，广东电网有限责任公司东莞供电局，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。