【技术实现步骤摘要】
本申请涉及工业负荷调控，尤其涉及工业负荷多级调控方法。
技术介绍
1、高耗能工业用户参与的需求响应(demand response，dr)是一种重要的电网管理策略，其核心在于用户根据电网需求主动调整用电行为。用电大用户由于其用电规律相对稳定，能够与电网签订长期的dr合同，为电网提供稳定的调节资源。
2、然而，对于绝大多数用户而言，其负荷用电规律具有高度随机性，表现为短期的计划性和不确定性。在用电高峰时段，大规模集中用电会导致电力系统负荷过载，甚至引发停电事故，影响工业生产的稳定性和安全性。尤其电力电量短缺时，电力资源的不合理分配和使用效率低等问题也日益凸显，如何合理调配和利用有限的电力资源，成为了迫切需要解决的问题。
3、现有的用电潜力评估方法通常使用固定指标，缺乏足够的灵活性和适应性，难以准确应对复杂多变的工业生产环境。
技术实现思路
1、为解决或部分解决相关技术中存在的问题，本申请提供一种工业负荷多级调控方法，该工业负荷多级调控方法，能够利用改进的星雀优化算法基于用电潜力为调控依据，对工业用户负荷进行优化调节，合理分配有限的电力资源，提高电力资源的使用效率，降低电力系统负荷压力，保证工业生产的稳定性和可靠性。
2、本申请提供一种工业负荷多级调控方法，包括：
3、初始化种群，为所有工业园区和用户分配削减负荷容量；
4、计算工业园区和用户需求响应潜力，作为调节依据；
5、采用改进的星雀优化算法求解优化得到负荷调
6、可选的，在一些实施方式中，采用改进的星雀优化算法求解优化得到负荷调节方案，包括：
7、通过种群编码x对工业园区及其内部的工业用户进行编码，使用决策变量对每个园区和用户进行负荷削减决策；
8、通过改进的星雀优化算法计算并分配总负荷削减量到各工业园区以及各工业用户，星雀开始在搜索空间中获取初始位置/贮存物位置，存储区域的每一颗贮存物都是一个可行解，将贮存物定义在rp存储矩阵中，
9、
10、式中和表示当前一代t中第i个星雀的贮存物位置的储存对象；
11、通过计算方程来生成第一和第二rp，以改善搜索隐藏贮存物时的星雀探索操作，第一rp是通过更新相邻区域内的当前位置来生成的，生成rp的数学公式如下：
12、
13、
14、
15、式中，k表示rp指数；是当前迭代t中第i只星雀的贮存物位置的是当前迭代t中第i个星雀的贮存物；和分别是多维问题的上边界和下边界；α从一线性减少到零；是一个向量，包括在0到1之间随机生成的值；是第a只星雀在当前迭代i中的贮存物位置；τ3是[0,1]范围内第二个rp的随机数；θ是[0，π]范围内的随机数；prp是一种概率，用于确定在搜索空间内探索全球其他地区的百分比；
16、设初始星雀没有足够的经验来选择第一代中合适的rp，使用α训练星雀，并给星雀足够的经验来为rp选择合适的地点，重新表述为：
17、
18、
19、式中表示式rp存储矩阵中的第i行，第1列；表示rp存储矩阵中的第i行，即第2列，矩阵中的每一行索引都表示贮存点/星雀索引；
20、设置了θ＝π/2，以避免rp过早收敛到可能的解决方案。α用于确保星雀优化算法定期收敛，使星雀能够在下一代中改进其rp选择，α可以根据以下公式计算：
21、
22、式中，t和tmax分别表示当前和最大发电量，第一态随迭代呈线性减小，以提高所提算法的收敛速度，第二种状态线性增加，以避免陷入局部最小值；随着每一代的过去，使用适当的rp探索和利用贮存物周围的区域，以避免陷入局部最小值星雀的新位使用以下公式进行更新：
23、
24、得到最终计算得到分配削减量到各个园区和用户的目标优解方案。
25、可选的，在一些实施方式中，计算工业园区和用户需求响应潜力，包括：
26、使用季节性自回归综合移动平均模型算法对工业用户的负荷进行超短期预测，季节性自回归综合移动平均模型算法，公式如下：
27、ωp(m)φp(ms)(1-m)d(1-ms)ft＝θq(m)θq(ms)εt (1)
28、式中，εt为高斯噪声序列，t为工业园区内各个工业用户电力负荷的时间序列，即预测时间周期，m为滞后算子，s表示该地区内随着季节性变化的序列周期，反映了季节性电力电量的供应特点，d、f分别为非季节和季节性各占比次数；ωp(m)、θq(m)、φp(m)、θq(m)分别为自回归(ar)、移动平均(ma)、季节性自回归(sar)、季节性移动平均(sma)的滞后算子多项式；
29、通过综合分析各用户的用电特性、需求弹性和响应能力来评估其需求响应潜力；
30、对各工业园区内的各行业典型可调负荷进行计算推到，得到单个用电设备的备用容量，与单个用电设备用电量的预测值和功率上、下限有关，当可调节负荷处于功率上、下限之间即处于正常运行状态时，可以提供旋转备用容量，备用容量的值等于功率预测值与功率上、下限的距离，将单个可调负荷的公式进行扩展，即可得到工业用户的旋转备用容量公式，
31、
32、
33、式中，x表示典型可调负荷类型，x＝al,saf,pcs…，ppre(t)为t时刻该用电设备的功率预测值，分别为该用电设备的功率上、下限值，pn,x为x类型负荷的额定功率，分别为t时刻该用电设备的上、下旋转备用容量的预测；
34、确定可调节负荷数目和类型后，计算出工业用户的可调节潜力；
35、单个工业用户的旋转备用容量与其用电设备构成以及调度时段的负荷曲线有关，计算公式如下，
36、
37、
38、
39、式中，li(t)为第i个工业园区用户t时刻正在运行的可调负荷数目，即工业用户用电调节潜力，pi(t)为第i个工业园区用在t时刻的总功率，pi,others(t)为第i个工业园区用户在t时刻除可调负荷以外的负荷功率，分别为第i个工业园区用户在t时刻的上、下调容量；
40、式(12)表示在调度时段，工业用户的用电设备构成为数目待定且额定运行的可调节设备以及功率确定的不可调节负荷；
41、通过精细化的用户激励模型，解决忽视个体差异性的问题，更准确地刺激用户参与电力削减，确保舒适度不受太大影响；
42、基于用户削减电量的不同区间来设计激励措施，模型分为容易削减区间和一般削减区间，当削减量在[0,pi,min]区间内时，认为削减对用户舒适度的影响较小，用户的激励与削减功率之间呈现线性关系；
43、当削减量在[p本文档来自技高网...
【技术保护点】
1.一种工业负荷多级调控方法，其特征在于：
2.根据权利要求1所述的工业负荷多级调控方法，其特征在于，所述采用改进的星雀优化算法求解优化得到负荷调节方案，包括：
3.根据权利要求1所述的工业负荷多级调控方法，其特征在于，所述计算工业园区和用户需求响应潜力，包括：
4.根据权利要求1所述的工业负荷多级调控方法，其特征在于，所述基于莱维飞行和随机游走对更新星雀的最优储存位置，包括：
5.根据权利要求1所述的工业负荷多级调控方法，其特征在于，所述利用差分策略将解空间进一步扩大，包括：
6.根据权利要求1所述的工业负荷多级调控方法，其特征在于，利用变量扰动策略优化最优解，避免陷入局部最优，包括；
7.根据权利要求1所述的工业负荷多级调控方法，其特征在于，还包括：
【技术特征摘要】
1.一种工业负荷多级调控方法，其特征在于：
2.根据权利要求1所述的工业负荷多级调控方法，其特征在于，所述采用改进的星雀优化算法求解优化得到负荷调节方案，包括：
3.根据权利要求1所述的工业负荷多级调控方法，其特征在于，所述计算工业园区和用户需求响应潜力，包括：
4.根据权利要求1所述的工业负荷多级调控方法，其特征在于，所述基于莱...
【专利技术属性】
技术研发人员：潘楠，石昆，徐源浩，张淼寒，肖仁鑫，贾现广，殷实，吕英英，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：
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。