考虑需求弹性的发电检修协调方法

随着智能电网的发展,用户的需求响应能力进一步增强,对发电检修的协调安排带来了新的影响。提出了机组检修协调意愿费用曲线,建立了考虑需求价格弹性的发电检修决策协调模型。在此基础上,深入分析市场环境下中长期发电检修决策对短期市场供求关系及出清价格的影响。建立了用户电力需求随电价而弹性变化、最终受中长期发电检修决策影响的函数关系;通过函数分段参数的讨论与约束的合并变换,将非线性混合整数规划模型转化为线性整数规划模型;根据智能电网下不同需求响应场景模拟,评估分析了需求弹性对发电检修决策产生的影响与效益。     

智能电网需求侧用户参与度研究模型

为充分挖掘智能电网需求侧与用户参与度的响应能力,探究电网需求侧的用电负荷影响,建立了智能电网需求侧用户参与度研究模型。采用聚类算法在噪声、模糊数据中提取特征数据,并对其进行归一化处理。根据智能电网的调配用电需求量,构建收益函数模型;将用户群体划分结果与博弈论相结合,建立不同类型用户博弈论模型,并组建电网需求侧用户参与度研究模型,定义电价收益、价格响应、智能调配用电时间等参数,为智能电网参与市场环境下的用户参与度调控提供了模型支持。以河北电网为测试对象进行测试,结果表明：随着时间的增加以及电价的降低,用户参与比例为89%,用户满意度均值为90%。智能电网需求侧的响应特性受用户参与度的影响,所提模型可以准确完成智能电网需求侧下的用户参与度计算,确保电网需求侧电力市场的供需平衡。     

基于实时电价的用户用电响应行为研究

随着智能电网的发展,电网开放性不断增强,需求响应(demand response,DR)策略被提出,并被广泛应用于电力市场的运营模式中。各国相继推出需求响应的实时电价(real-time pricing,RTP)策略,来提高电网的有效性与电力市场的可靠性。合理地分析实时电价下用户的用电响应行为,对制定更高效的实时电价机制,实施需求响应策略具有重要意义。因此,基于用户的需求价格弹性(price elasticity of electricity demand,PED)模型,通过回归模型学习需求价格弹性,模拟用户响应行为。实验表明,学习获得的用户价格弹性可以很好地实现用户响应行为的拟合,较传统的调查问卷方式获得固定的用户价格弹性,回归模型克服时间与空间的变化问题,更高效地实现用户响应行为的学习,为实时电价提供决策支持。     

智能电网下计及用户侧互动的发电日前调度计划模型

需求响应是智能电网框架下的重要互动资源,在综合考虑供应侧和需求侧作用机理的基础上,将需求响应纳入发电调度,建立智能电网下计及用户侧互动的发电调度模型。考虑了用户用电模式的多样性和选择的意愿性,以基于消费者心理学的分时电价用户响应原理预测的负荷曲线为基础,考虑可中断备用与发电侧备用的协调优化,综合衡量各方利益,选取使发电成本最低的最优分时电价和最优可中断备用容量,并以此制定发电调度方案。IEEE 24节点算例结果表明,所提模型有效降低了发电成本,证明了考虑用户侧互动下将发电侧和需求侧的资源进行综合规划有利于电力系统的安全经济运行。     

基于电网弹性响应的运维检修多路径优选决策

针对电网弹性影响下运维检修如何决策的问题，提出一种考虑电网弹性与运维检修映射关系、多路径优化的运维检修决策。首先，提出弹性恢复效率指标与运维检修资源配置、恢复负荷、供电恢复时间及经济损失的映射关系；其次，为了使电网供电恢复时间最小，建立基于元胞自动机的运行检修路径选择模型，为运维检修人员到达故障点提供优选路径；再次，为了更加合理优化的决策，建立弹性影响下路径优选的运维检修决策模型，提出相应的目标函数与混合整数非线性规划算法转换的约束条件，并提出CONOPT求解器在GAMS平台上的求解方法；最后，基于浙江某区域实际电网，正向提出运维检修决策策略，反向将运维检修决策映射到弹性指标，分析配电网弹性恢复率指标。     

用户报量不报价模式下电力现货市场需求响应机制与方法

为了积极稳妥地推进中国电力现货市场建设,以用户报量不报价的方式开展需求侧响应是电力现货市场建设初期循序渐进的选择,由此产生了在日前市场模型中如何考虑需求弹性的问题。针对用户报量不报价方式下的市场运行特点,提出了相应的现货市场需求响应机制,研究了对用户日前申报负荷进行弹性化修正,并依据修正后的负荷开展安全校核,优化决策考虑需求弹性的日前发电计划模型和方法。首先分析用户日前负荷申报、对价格做出响应的行为机理,在此基础上研究基于模型和数据驱动的申报负荷弹性化修正方法,并建立了基于负荷需求弹性的日前发电计划优化与安全校核模型。通过在日前提前考虑用户在实时市场上的价格响应行为,实现了日前发电计划更优化、安全校核更精准。基于IEEE 30节点的算例分析验证了所提模式和方法的效益和有效性。     

智能电网下需求响应热点问题探讨

利用价格信号与激励机制的需求响应项目可以为智能电网及电力市场运行构建可靠、高效与稳健的反馈机制。随着电力市场改革的不断深入以及智能电网的兴起,已有多个国家建立了基于市场化运作的需求响应项目。建立了适应智能电网及电力市场发展的需求响应理论与应用体系。对智能电网下需求响应理论及其应用层面进行了探索性研究,重点针对需求响应相关的项目决策、风险管理等热点问题进行了探讨,从多角度阐述了需求响应在提高系统安全性、可靠性与经济性等方面的作用。结果表明,智能电网下的新型需求响应项目可以进一步提升用户响应能力,为保障系统安全经济运行提供更有效支撑。     

电力市场环境下梯级水电站中长期调度与检修计划双层优化模型

电力市场环境下,为降低梯级水电站检修计划对运营收益的影响,建立了中长期调度和检修计划双层优化模型。中长期调度为外层优化,根据径流和价格预测进行决策,应用遗传算法优化各时段梯级水电站出力,搜寻最优效益空间。检修计划为内层优化,重点考虑了梯级上、下游水电站水力、电力耦合关系对检修计划的影响,以满足实际运行需求;以中长期调度优化中间结果为边界条件,以检修损失最小为优化目标,包括检修收益损失和停运风险损失,并将检修损失与中长期发电收益归并为总收益,作为遗传算法适应度函数,从而实现中长期发电计划和检修计划的联合优化。最后,以某"1库3梯级"水电系统为例进行仿真分析,结果表明:所建双层优化模型结构清晰,实用性较强。     

基于深度强化学习的激励型需求响应决策优化模型

随着中国电力市场化改革的推进,售电侧市场逐步开放,售电商可以聚合大量的分散负荷参与电力市场环境下的需求响应.文中提出以售电商和用户综合收益最大化为目标的基于深度强化学习的激励型需求响应建模和求解方法.首先,建立售电商和用户的需求响应模型,通过引入时间-价格弹性,改进现有的用户响应模型,考虑用户对相邻时段补贴价格差的反应.然后,基于马尔可夫决策过程框架构建补贴价格决策优化模型,并设计基于深度Q学习网络的求解算法.最后,以1个售电商和3个不同类型的用户为例进行仿真计算,通过分析算法收敛性和对比不同模型及参数下的优化结果,验证了改进模型的合理性和生成策略的有效性,并分析了激励型需求响应对售电商以及用户的影响.     

电网-用户互操作性对负荷曲线影响的定量模拟

分析了智能电网机制下电网-用户互操作性(GCI)的实现基础及对负荷曲线的影响.GCI具有模糊性与自适应性,传统建模方法很难定量模拟,智能工程混合模型为其提供了解决思路.根据GCI的特点建立了智能工程混合模型,包括控制中心智能体、发电智能体、用户智能体等.在电力市场环境下,用户智能体根据实时电价的波动及可响应负荷的大小进...