一种应对风电不确定性的需求响应调度方法技术

本发明专利技术涉及一种应对风电不确定性的需求响应调度方法。该方法包括：调度交易中心预测基准负荷曲线、风力发电曲线，发布调度信息至负荷代理；负荷代理根据调度需求信息、系统运行信息以及历史交易信息进行学习和决策，制定报价策略，并上报调度交易中心；调度交易中心在获取负荷代理报价信息及发电机组调用成本信息后，以调度成本最低为目标，对发用电资源进行优化调度，并将调度指令及最终补偿价格发送至各负荷代理和发电机组；各负荷代理获取最终调度指令后，以调度成本最低为目标，以调整电价和激励为手段对各负荷的用电功率进行调整。该方法为广域分布的中小容量负荷资源参与系统调度提供了有效途径，有利于提高风电的接纳能力和降低调度成本。

【技术实现步骤摘要】
一种应对风电不确定性的需求响应调度方法
本专利技术涉及交直流电力系统运行与控制领域的调度方法，具体涉及一种应对风电不确定性的需求响应调度方法。
技术介绍
在能源资源短缺、气候变化和环境污染等因素的驱动下，人类已经认识到大力发展以可再生能源的重要性和紧迫性。然而，由于风电等可再生能源自身具有波动性、间歇性、反调峰性、低可调度性等“不友好”的特点，对传统的“发电跟踪负荷”的电网调控方式提出了挑战。为应对这种挑战，电源、电网和负荷三者间应进行协调互动，不仅有利于提高电力系统的能量和功率动态平衡能力，也有利于实现大电网资源优化配置和能源综合利用效率的提升，是智能电网的重要发展方向。负荷通过参与需求响应项目的方式与电网进行互动，在国内外已有了大量研究和初步实践，但电力系统中负荷容量巨大、分布广散且单体容量偏小，各自适应的需求响应方式不同且多种多样，这些特征造成了海量的需求响应资源难以直接控制，系统的负荷调度潜力难以充分挖掘。在大规模风电接入的条件下，如何设计一种可以充分挖掘负荷调度潜力的发用电协同调度方法，有待进一步研究。
技术实现思路
针对现有技术的不足，本专利技术的目的是提供一种应对风电不确定性的需求响应调度方法，该方法通过负荷代理对广域分布的不同类型需求响应负荷进行协调控制，调度交易中心在计及风电预测误差基础上直接对负荷代理和发电机组进行了联合优化调度，以提高风电的接纳能力和降低系统调度成本。本专利技术的目的是采用下述技术方案实现的：本专利技术提供一种应对风电不确定性的需求响应调度方法，其改进之处在于，所述方法包括下述步骤：A、调度交易中心获取当前时段的负荷预测数据、风电预测数据以及各发电机组运行信息，并将上述运行信息、调度需求信息和历史交易信息发布至负荷代理；B、负荷代理根据调度需求信息、系统运行信息以及历史交易信息进行学习和决策，制定有利于自身收益最大化的负荷代理报价策略，并上报调度交易中心；C、调度交易中心在获取负荷代理报价策略以及发电机组调用成本信息后，以调度成本最低为目标，对发用电资源进行统一优化调度，并将调度指令及最终补偿价格发送至各负荷代理和发电机组；D、各负荷代理获取最终调度指令后，以调度成本最低为目标，以调整电价和激励为手段对负荷个体的用电功率进行调整。进一步地，所述步骤B中，制定有利于自身收益最大化的负荷代理报价策略包括下述步骤：<1>负荷代理接受调度交易中心信息，开始第n次报价，n=1，2，3，…；<2>负荷代理根据历史竞价信息，判断是否满足ε-degree搜索条件，如果满足，则转向步骤<4>；如果不满足，转向步骤<3>；<3>负荷代理经判断满足ε-degree搜索条件，随机生成新的负荷代理报价策略，上报调度交易中心，转向步骤<8>；<4>负荷代理经判断不满足ε-degree搜索条件，对满意度矩阵SD进行分析，判断满意度矩阵SD中是否存在元素值均为1的行，若存在则转向步骤<5>；若不存在，则转向步骤<6>；<5>负荷代理选择满意度矩阵SD中元素全为1的行所对应的报价策略，作为第n次的负荷代理报价策略进行报价，转向步骤<8>；<6>负荷代理经判断满意度矩阵SD中不存在元素值均为1的行，则根据公式（12），对其竞争对手的负荷代理报价策略进行猜测，转向步骤<7>；<7>负荷代理求解负荷代理的分散决策优化模型，获取有利于自身收益最大化的负荷代理报价策略，转向步骤<8>；<8>负荷代理将报价策略上报调度交易中心后，调度交易中心决策将调度指令返回负荷代理，负荷代理决策并完成功率调整任务，转向步骤<1>，进行n=n+1次报价。进一步地，所述步骤<2>中，ε-degree搜索条件中的ε定义为1/njy，njy为“同场景竞价”发生次数；在电力市场运行初期，ε值较大，负荷代理会以较大的概率不断地尝试新的报价策略，以防止报价策略长期的收敛于局部最优解，并扩充历史数据库，积累报价经验；当经过长时间的运营，电力市场进入成熟稳定阶段，ε值逐渐减小，负荷代理尝试新的报价策略的概率越来越小，使负荷代理以大的概率选择最优的报价策略。进一步地，所述步骤<4>中，记负荷代理k满意度相量和交易中心的满意度向量分别为{ynk}和{ync}，ynk和ync分别表示负荷代理k和调度交易中心对第n次同场景调整竞价结果的满意度，其值为1表示对该次竞价结果满意；其值为0表示对该次竞价结果不满意，ynk和ync的表达式分别为：式中：synk为负荷代理k第n次竞价的收益，syik表示负荷代理k第i次竞价的收益；costnc和costic分别为调度交易中心在第n次竞价和第i次竞价的调度成本；除调度成本外，调度交易中心根据碳排放量、网损不同考核指标制定调度交易中心对某次竞价结果的满意度，通过满意度矩阵SD来引导负荷代理的竞价朝着有利的方向进行；满意度矩阵SD表达式如下：进一步地，所述步骤<6>中，将上一个“同场景竞价时段”中所有竞争对手所做出的报价行为作为当前时段的猜测，即公式（12），表达式如下：式中：角标tn表示为上一个报价场景相同或相似的时段；为上一个同场景竞价时段代理k对报价策略。进一步地，所述步骤<7>中，负荷代理的分散决策优化模型包括：各负荷代理的报价内容为补偿价格关于调整功率的一次函数，代理k的报价策略可表示为：LiAk＝AikΔDik+Bik（1）；式中：角标i表示第i时段；ΔDik为负荷代理k功率调整总量；LiAk为负荷代理申报的补偿电价；Aik和Bik表示为负荷代理k报价策略参数；当多个负荷代理参与竞价时，考虑调度交易中心按照统一的补偿价格Li清算，则有下式成立：式中：Aim,Bim（m＝k）为负荷代理k自身报价策略参数；Aim,Bim（m≠k）为除了负荷代理k其它负荷代理在该次竞价过程中的报价策略；ΔDiz为i时段的功率调整总量；各代理均以自身收益最大为目标，建立负荷代理的报价模型如下：max{Esy}＝max{|ΔDik|Lik本文档来自技高网...

【技术保护点】
一种应对风电不确定性的需求响应调度方法，其特征在于，所述方法包括下述步骤：A、调度交易中心获取当前时段的负荷预测数据、风电预测数据以及各发电机组运行信息，并将上述运行信息、调度需求信息和历史交易信息发布至负荷代理；B、负荷代理根据调度需求信息、系统运行信息以及历史交易信息进行学习和决策，制定有利于自身收益最大化的负荷代理报价策略，并上报调度交易中心；C、调度交易中心在获取负荷代理报价策略以及发电机组调用成本信息后，以调度成本最低为目标，对发用电资源进行统一优化调度，并将调度指令及最终补偿价格发送至各负荷代理和发电机组；D、各负荷代理获取最终调度指令后，以调度成本最低为目标，以调整电价和激励为手段对负荷个体的用电功率进行调整。

【技术特征摘要】
1.一种应对风电不确定性的需求响应调度方法，其特征在于，所述方法包括下述步骤：A、调度交易中心获取当前时段的负荷预测数据、风电预测数据以及各发电机组运行信息，并将上述各发电机组运行信息、调度需求信息和历史交易信息发布至负荷代理；B、负荷代理根据调度需求信息、各发电机组运行信息以及历史交易信息进行学习和决策，制定有利于自身收益最大化的负荷代理报价策略，并上报调度交易中心；C、调度交易中心在获取负荷代理报价策略以及发电机组调用成本信息后，以调度成本最低为目标，对发用电资源进行统一优化调度，并将调度指令及最终补偿价格发送至各负荷代理和发电机组；D、各负荷代理获取最终调度指令后，以调度成本最低为目标，以调整电价和激励为手段对负荷个体的用电功率进行调整；所述步骤B中，制定有利于自身收益最大化的负荷代理报价策略包括下述步骤：<1>负荷代理接受调度交易中心的发电机组调用成本信息，开始第n次报价，n＝1，2，3，…；<2>负荷代理根据历史竞价信息，判断是否满足ε-degree搜索条件，如果满足，则转向步骤<3>；如果不满足，转向步骤<4>；<3>负荷代理经判断满足ε-degree搜索条件，随机生成新的负荷代理报价策略，上报调度交易中心，转向步骤<8>；<4>负荷代理经判断不满足ε-degree搜索条件，对满意度矩阵SD进行分析，判断满意度矩阵SD中是否存在元素值均为1的行，若存在则转向步骤<5>；若不存在，则转向步骤<6>；<5>负荷代理选择满意度矩阵SD中元素全为1的行所对应的报价策略，作为第n次的负荷代理报价策略进行报价，转向步骤<8>；<6>负荷代理经判断满意度矩阵SD中不存在元素值均为1的行，则根据公式对其竞争对手的负荷代理报价策略进行猜测，转向步骤<7>；式中：角标tn表示为上一个报价场景相同或相似的时段；为上一个同场景竞价时段代理k对报价策略；<7>负荷代理求解负荷代理的分散决策优化模型，获取有利于自身收益最大化的负荷代理报价策略，转向步骤<8>；<8>负荷代理将报价策略上报调度交易中心后，调度交易中心决策将调度指令返回负荷代理，负荷代理决策并完成功率调整任务，转向步骤<1>，进行n＝n+1次报价；所述步骤<2>中，ε-degree搜索条件中的ε定义为1/njy，njy为“同场景竞价”发生次数；在电力市场运行初期，ε值较大，负荷代理会以较大的概率不断地尝试新的报价策略，以防止报价策略长期的收敛于局部最优解，并扩充历史数据库，积累报价经验；当经过长时间的运营，电力市场进入成熟稳定阶段，ε值逐渐减小，负荷代理尝试新的报价策略的概率越来越小，使负荷代理以大的概率选择最优的报价策略；所述步骤<4>中，记负荷代理k满意度相量和交易中心的满意度向量分别为{ynk}和{ync}，ynk和ync分别表示负荷代理k和调度交易中心对第n次同场景调整竞价结果的满意度，其值为1表示对第n次竞价结果满意；其值为0表示对第n次竞价结果不满意，ynk和ync的表达式分别为：式中：synk为负荷代理k第n次竞价的收益，syik表示负荷代理k第i次竞价的收益；costnc和costic分别为调度交易中心在第n次竞价和第i次竞价的调度成本；除调度成本外，调度交易中心根据碳排放量、网损不同考核指标制定调度交易中心对某次竞价结果的满意度，通过满意度矩阵SD来引导负荷代理的竞价朝着有利的方向进行；满意度矩阵SD表达式如下：所述步骤<6>中，将上一个“同场景竞价时段”中所有竞争对手所做出的报价行为作为当前时段的猜测，即公式(12)，表达式如下：式中：角标tn表示为上一个报价场景相同或相似的时段；为上一个同场景竞价时段代理k对报价策略；所述步骤<7>中，负荷代理的分散决策优化模型包括：各负荷代理的报价内容为补偿价格关于调整功率的一次函数，代理k的报价策略表示为：LiAk＝AikΔDik+Bik(1)；式中：角标i表示第i时段；ΔDik为负荷代理k功率调整总量；LiAk为负荷代理申报的补偿电价；Aik和Bik表示为负荷代理k报价策略参数；当多个负荷代理参与竞价时，考虑调度交易中心按照统一的补偿价格Li清算，则有下式成立：式中：Aim,Bim(m＝k)为负荷代理k自身报价策略参数；Aim,Bim(m≠k)为除了负荷代理k其它负荷代理在第n...

【专利技术属性】
技术研发人员：刘建涛，王珂，姚建国，杨胜春，冯树海，李亚平，毛文博，丁茂生，曾丹，周竞，郭晓蕊，
申请(专利权)人：国家电网公司， 中国电力科学研究院， 国网宁夏电力公司，
类型：发明
国别省市：北京;11