一种基于制造技术

本发明专利技术公开了一种基于

【技术实现步骤摘要】
一种基于MARCOS的需求响应系统运行态势监测方法


[0001]本专利技术涉及了一种系统运行态势监测方法，涉及电力系统需求响应优化运行
，具体涉及一种基于
MARCOS
的需求响应系统运行态势监测方法
。

技术介绍

[0002]随着可再生能源和柔性负荷广泛接入电网，源荷强随机性
、
大波动性，以及双向潮流的广域性
、
不确定性
、
不均匀性使得多电网形态日趋复杂
。
为保证系统供需两侧的功率能实时平衡，用户需求侧各类资源被用于向电网提供服务，即需求响应
。
需求响应系统是电网中不可或缺的一环，因此其安全稳定运行尤为重要
。
[0003]目前对需求响应系统安全运行的研究主要从特定重要角度出发，例如目前有研究介绍了用户参与不确定性对需求响应系统运行的影响，还有介绍了通讯延迟和模型误差对需求响应系统运行的不良影响
。
然而，上述研究没有从整体视角探索需求响应系统的运行态势
。
此外，考虑涉及电网内部机密，需求响应系统运行态势中的部分指标数据不易公开，因此，难以用具体的评价数据对需求响应系统进行监测，为电网有效调度运行带来了极大挑战
。

技术实现思路

[0004]为了解决
技术介绍
中存在的问题，本专利技术所提供一种基于
MARCOS
的需求响应系统运行态势监测方法，该方法不仅完成了整体层面对需求响应系统的监测，还引入模糊数，保证了电网信息的安全性
。
[0005]本专利技术采用的技术方案是：
[0006]本专利技术的基于
MARCOS
的需求响应系统运行态势监测方法，包括：
[0007]步骤一：建立需求响应系统的权重目标模型，将需求响应系统的各个影响指标间的梯形模糊数输入权重目标模型中，使用最优最劣
Best
‑
worst
方法处理权重目标模型，权重目标模型输出各个影响指标的梯形模糊数转换脆数
。
[0008]步骤二：建立需求响应系统的运行态势监测模型，将各个影响指标的梯形模糊数转换脆数输入运行态势监测模型中，使用模糊
MARCOS(Measurement of Alternatives and Ranking according to Compromise Solution)
方法处理运行态势监测模型，运行态势监测模型输出态势监测结果，实现需求响应系统的运行态势监测
。
[0009]所述的需求响应系统的影响指标包括宏观指标和微观指标，宏观指标包括实施性
、
安全性和可靠性，微观指标包括需求响应程度
、
需求响应失败率
、
信息数据丢失率和需求响应速度，各个影响指标中的其中一个影响指标为最重要指标，其中另一个影响指标为最不重要指标
。
实施性
、
安全性和可靠性均通过各自的预设评估等级来进行衡量，评估等级包括非常好
、
好
、
一般
、
低和非常低，并分别转换为各自的梯形模糊数表示
。
考察所研究内容的态势监测考虑多个方面，生成多个指标
。
但多个方面分主次，当安全性是最值得考虑的方面，则安全性指标就为最重要指标，需求响应速度为最不重要指标
。
[0010]所述的步骤一中，需求响应系统的权重目标模型具体如下：
[0011][0012]其中，
ξ
*
表示权重目标模型的目标函数，它是一个设定的未知变量，是梯形模糊数；和分别表示最重要指标的权重的梯形模糊数中的第一
、
二
、
三和四元素，和分别表示第
j
个影响指标的权重的梯形模糊数中的第一
、
二
、
三和四元素，和分别表示最不重要指标的权重的梯形模糊数中的第一
、
二
、
三和四元素，和分别表示最重要指标和第
j
个影响指标之间的梯形模糊数中的第一
、
二
、
三和四元素，和分别表示最不重要指标和第
j
个影响指标之间的梯形模糊数中的第一
、
二
、
三和四元素；表示各个影响指标的梯形模糊数的梯形模糊数转换脆数
。
[0013]首先需生成最重要指标与其他指标，最不重要指标与其他指标的矩阵关系，具体如下：
[0014][0015][0016]其中，表示最好指标与第一个指标的对比，用梯形模糊数进行表示
。
表示第一个指标与最坏的指标进行对比，用梯形模糊数表示
。
表示最好指标与其他指标对比所生成的矩阵，表示最坏指标与其他指标对比所生成的矩阵，其中，表示表示
[0017]所述的各个影响指标的梯形模糊数的梯形模糊数转换脆数具体如下：
[0018][0019]所述的步骤二中，需求响应系统的运行态势监测模型具体如下：
[0020][0021]其中，
f(K
i
)
表示备择方案
K
i
的整体态势监测结果；和分别表示备择方案
K
i
对于的理想解和非理想解的效用度；表示与理想解相关的效用函数；表示与非理想解相关的效用函数
。
[0022]所述的备择方案
K
i
的理想效用度非理想效用度与理想解相关的效用函数与非理想解相关的效用函数可以具体如下：
[0023][0024][0025][0026][0027]其中，
v
ij
表示需求响应系统的第
i
个影响指标
C
i
在
j
时刻的最终监测矩阵；
v
AAIj
表示需求响应系统的各个影响指标中预设数量的较差影响指标在
j
时刻的最终的监测矩阵；
v
AIj
表示需求响应系统的各个影响指标中预设数量的较好影响指标在
j
时刻的最终监测矩阵
。
[0028]当影响指标为良性指标时，影响指标的梯形模糊数越小则影响指标越差，反之则越好，当影响指标为劣性指标时，影响指标的梯形模糊数越小则影响指标越好，反之则越差，各个影响指标中较差影响指标具体为良性指标中梯形模糊数较小以及劣性指标中梯形模糊数较大的影响指标，各个影响指标中较好影响指标具体为良性指标中梯形模糊数较大以及劣性指标中梯形模糊数较小的影响指标
。
[0029]首先需要构建如下态势矩阵：
[0030][0031]其中，
A
i
代表第
i
个时刻的电网态势
。AA本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
MARCOS
的需求响应系统运行态势监测方法，其特征在于，包括：步骤一：建立需求响应系统的权重目标模型，将需求响应系统的各个影响指标间的梯形模糊数输入权重目标模型中，使用最优最劣
Best
‑
worst
方法处理权重目标模型，权重目标模型输出各个影响指标的梯形模糊数转换脆数；步骤二：建立需求响应系统的运行态势监测模型，将各个影响指标的梯形模糊数转换脆数输入运行态势监测模型中，使用模糊
MARCOS
方法处理运行态势监测模型，运行态势监测模型输出态势监测结果，实现需求响应系统的运行态势监测
。2.
根据权利要求1所述的基于
MARCOS
的需求响应系统运行态势监测方法，其特征在于：所述的需求响应系统的影响指标包括宏观指标和微观指标，宏观指标包括实施性
、
安全性和可靠性，微观指标包括需求响应程度
、
需求响应失败率
、
信息数据丢失率和需求响应速度，各个影响指标中的其中一个影响指标为最重要指标，其中另一个影响指标为最不重要指标
。3.
根据权利要求2所述的基于
MARCOS
的需求响应系统运行态势监测方法，其特征在于：所述的步骤一中，需求响应系统的权重目标模型具体如下：
min
ξ
*
其中，
ξ
*
表示权重目标模型的目标函数；和分别表示最重要指标的权重的梯形模糊数中的第一
、
二
、
三和四元素，和分别表示第
j
个影响指标的权重的梯形模糊数中的第一
、
二
、
三和四元素，和分别表示最不重要指标的权重的梯形模糊数中的第一
、
二
、
三和四元素，三和四元素，和分别表示最重要指标和第
j
个影响指标之间的梯形模糊数中的第一
、
二
、
三和四元素，和分别表示最不重要指标和第
j
个影响指标之间的梯形模糊数中的第一
、
二
、
三和四元素；表示各个影响指标的梯形模糊数的梯形模糊数转换脆数
。4.
根据权利要求3所述的基于
MARCOS
的需求响应系统运行态势监测方法，其特征在于：所述的各个影响指标的梯形模糊数的梯形模糊数转换脆数具体如下：
5.
根据权利...

【专利技术属性】
技术研发人员：劳咏昶，陈浩，周全，殷永亮，吴佳佳，江学斌，陈荣，张波，孙东来，吴天，刘宏博，王勐喆，顾崴，
申请(专利权)人：国网浙江省电力有限公司经济技术研究院，
类型：发明
国别省市：