基于主从博弈的负荷聚合商日前市场最优定价策略

负荷聚合商通过需求响应整合用户侧资源,并由此向电网提供负荷平抑服务以获得收益。因此,聚合商的响应定价策略和用户响应偏好直接影响用户响应精度,进而影响聚合商市场收益。文中将参与需求响应的负荷资源作为广义需求侧资源,提出基于价格激励的需求响应机制,建立考虑用户偏好的用户效用模型和聚合商收益模型。进而,以用户和聚合商两者利益最大化为目标构建主从博弈模型,求解模型获得聚合商最优补偿定价策略,分析用户用电弹性以优化用户响应。最后,采用美国PJM市场数据进行算例仿真,结果表明基于主从博弈的最优定价策略能够充分考虑用户响应偏好差异,有效降低用户综合成本,通过平抑负荷波动提高聚合商市场收益。     

能源互联环境下考虑需求响应的区域电网短期负荷预测

在区域能源互联系统中,需求响应改变了电力用户的常规用电习惯,增加了预测环境的不确定因素。针对这种特定的环境,提出一种考虑需求响应的区域电网短期负荷预测方法来满足企业对预测精度的需求,该方法通过依次构建数据处理模型、负荷预测模型和误差预测模型实现了预测精度的提升。更具体地,针对历史数据样本集,采用灰色关联分析法处理气象数据以获取输入预测模型的相似日特征变量;针对电力负荷预测,建立了长短期记忆网络模型,利用其特殊的门结构选择性地控制输入变量对模型参数的影响,从而改善了模型的预测性能;针对误差数据样本集,采用了动态模式分解技术来挖掘误差数据的潜在价值,并利用其数据驱动特性刻画了误差时间序列的趋势变化特征,实现了良好的误差预测。最后,结合实际的电网数据,对比验证了所提方法的有效性和优越性。     

基于物联网技术的自动需求响应系统架构与应用方案研究

文中通过部署双向互动设备和负荷控制设备等,结合物联网技术,设计基于物联网技术的自动需求响应方案,该方案针对不同的电力消费行为模式,实现用电设备的监控;制定需求响应控制策略指导用户参与电网削峰填谷,并根据收集到的用户用电量变化数据,分析用户用电行为的变化,及其对电网负荷的影响。从而优化终端用户的用能结构,提高电能利用效率,节约用户电能消费,实现自动需求响应,降低电网负荷峰谷差,提高电网运行效率。     

考虑用户行为不确定性的阶梯式需求响应激励机制

针对电力需求响应试点初期存在响应规模偏小、用户响应意愿较低且具有多重不确定性等问题,电网公司通过设计合理的需求侧互动机制引导用户积极、高效参与需求响应具有重要意义。为此,提出了考虑用户响应行为强不确定性的阶梯式需求响应激励机制随机优化模型。首先,构建参与需求响应的日前竞价市场用户切负荷行为和负荷波动的多重不确定性模型,以获得不同需求响应阶梯激励系数和调用场景下的期望响应量;然后,以电网公司为主体构建基于双层随机规划的阶梯式需求响应激励机制优化模型,上层构建在长时间尺度下的阶梯式需求响应激励机制阶梯区间和激励系数优化模型,并基于Pareto最优实现用户响应积极性最高、单位容量负荷激励成本最低的多目标优化;下层在给定的激励系数下,构建多负荷缺额场景下计及达标机会约束的需求响应调用裕度优化模型。最后,采用中国浙江省需求响应试点的实际数据进行仿真验证,结果表明阶梯式需求响应激励机制能够引导用户积极响应,并提高电网公司调用需求侧资源的经济效益。     

基于数据驱动的客户侧需求响应资源精准唤醒

需求响应工作是多元融合高弹性电网建设的重要组成部分,通过引导和激励电力用户参与电力系统削峰填谷需求,能够有效促进电力供需平衡和保障重点用户用电,提升能源利用效率。为落实当前精准识别需求响应、切实提升响应效率要求,需要准确、快速、精准识别用户侧高潜力需求响应资源,因此,通过收集用户电量相关基础数据,构建用户需求响应分析模型,精准识别需求响应潜力用户,明确用户削峰填谷潜力和柔性可调节负荷潜力等级;利用用户生产经验建立特征分析模型,精准识别用户生产班次、节假日用电等特征并生成特征标签,有效支撑基层需求响应工作的精准实施,推进需求响应工作的开展。     

考虑用户信用的虚拟聚合商需求响应交易机制

新型电力系统中,用户侧可调负荷等灵活资源将广泛参与电网互动,促进源网荷弹性平衡。为此,文中提出面向工商业可调负荷资源的虚拟聚合商需求响应模式,通过基于用户信用的响应补贴机制实现用户侧可调负荷集聚,并构建了用户响应补贴双层优化模型。上层模型以虚拟聚合商参与需求响应收益最大为目标,通过优化补贴信用系数实现用户响应收益最大;下层模型中用户以计及舒适度损失的效益最大化为目标,调整自身响应行为。算例分析选取了典型用户对所提机制和模型进行验证,结果表明,所提出的需求响应交易机制有效规范了用户的响应行为,信用作用下虚拟聚合商与用户形成了激励相容的效果,有利于需求响应目标精确达成。     

基于极端梯度提升-长短期记忆神经网络组合模型的短期电力负荷预测

为了提高短期电力负荷预测的精度,提出一种基于极端梯度提升和长短期记忆网络的组合预测方法。首先采用Spearman相关系数法对负荷与气象因素进行相关性分析,提取模型输入特征。然后分别建立XGBoost、LSTM预测网络,并采用遗传算法优化网络的参数。最后利用模拟退火算法对各网络的预测结果分配最优权重系数,通过加权组合得到最终的集成预测结果。实验结果表明,XGBoost和LSTM组合模型对短期电力负荷预测的平均绝对百分比误差为0.88%,与XGBoost模型、LSTM模型相比,误差分别降低了2.17%、1.99%,在负荷预测领域更具有优势。     

考虑多元用户行为特征的需求侧管理决策方法

需求侧管理可有效实现电力负荷的削峰填谷，提高电力系统的稳定性和运行效率。随着电力物联网的发展，不同用户在参与需求响应过程中的行为差异得以凸显，出于对用户隐私的保护，用户用电信息在采集后往往只能就地利用而不能进一步上传，给多元化负荷行为特征分析带来困难。提出了云边环境下基于A3C(asynchronous advantage actorcritic)强化学习算法和长期短期记忆(long short term memory,LSTM)网络的需求侧管理方法，通过强化学习解决需求侧管理决策中前瞻性不足的问题；通过基于LSTM网络的虚拟环境模拟多元用户行为特征，加速学习过程，降低算法实施成本。通过算例分析可知，所述决策方法在保证用户隐私的同时可有效加快学习进程，价格决策时可更准确地把握用户响应行为特征，从而保证决策的经济性。     

负荷聚合商模式下考虑需求响应的超短期负荷预测

为更好地管理用户侧需求响应资源,减小超短期负荷预测误差,提出了一种在负荷聚合商模式下考虑需求响应的超短期负荷预测方法。首先,分析负荷聚合商的需求响应机制,考虑用户用能习惯、自建光伏、储能行为以及电热耦合,分别对每一类需求响应资源建立优化模型,并通过模糊参数表达用户参与需求响应的不确定性,以改善优化模型;调用CPLEX求解器求解得到综合各类资源后的需求响应信号。然后,在考虑历史负荷数据的基础上引入该需求响应信号,建立迭代预测的长短期记忆网络模型。算例通过3种预测场景的对比,验证了计及需求响应信号能够有效减小预测误差,且考虑需求响应不确定性能够进一步提高预测精度。     

基于斯塔伯格博弈的多利益主体需求响应策略

随着泛在电力物联网加速建设,聚合用户侧可控负荷提高电网的可调控容量,提高电网的可靠性与经济性变得越来越重要.文中挖掘用户侧可控负荷类型,聚焦需求侧响应策略,从系统运营者角度构建了实时平衡市场中大工业用户、负荷集中商、终端用户参与需求响应以及发电商上调出力的数学模型,建立系统运营者的最小调整成本目标函数.在此基础上,提出需求响应的斯塔伯格博弈数学模型,模型中系统运营者作为领导者,需求响应市场主体作为追随者,系统运营者对各追随者提供激励,各市场主体根据激励相容原则进行决策,决策出最佳需求响应电量,此时为系统最小调节成本.基于某地区多类负荷参与需求响应的算例,运用粒子群分散式决策算法,考虑需求响应的电量边界约束,设定负荷优先级,求解需求响应策略.算例仿真结果验证了所建模型与方法的可行性与有效性.     

一种基于价格弹性矩阵的居民峰谷分时电价激励策略

需求响应(DR)是利用价格信号和激励机制来保证电力系统安全可靠和经济运行的重要措施。传统价格激励在所有时间段的激励作用是一致的,可能导致对某个特定时间段的预测精度不够。研究了需求价格弹性矩阵(Price Elasticity Matrix of Demand,PEMD),提出了一种基于弹性效应权重的改进价格弹性矩阵模型。该模型的优势在于能将刚性荷载和柔性荷载统一起来,将不同时间段对其他时间段价格影响分别设定权重。还提出了由电价政策和负荷类型决定的价格弹性矩阵结构和计算方法,利用遗传算法求解出分时电价的决策模型。最后通过仿真验证该模型的有效性,结果表明该方法可以削减峰值用电量4.23%,提升谷值用电量4.86%。     

计及激励型需求响应的微电网可靠性分析

鉴于激励型需求响应能够引导用户调整用电行为、主动参与负荷削减,而微电网中的分布式电源及储能能为实施激励型需求响应提供响应时间,文中对计及激励型需求响应的微电网可靠性进行了重点研究。首先分析了激励型需求响应的机理及其对供电可靠性的影响,接着对激励型需求响应用户进行综合评估,建立了需求响应的调度模型。然后以用户收益最大为目标建立用户侧的响应模型,并提出了计及激励型需求响应的微电网负荷削减策略。最后基于蒙特卡洛模拟方法对改进的RBTS Bus6测试系统进行可靠性评估和经济性分析。算例结果验证了所建模型的有效性,证明了激励型需求响应能有效提高微电网的可靠性和经济性。     

基于随差遗忘长短期记忆的风电功率实时预测

由于标准长短期记忆(long short-term memory,LSTM)遗忘门更新方式不能实时反映预测误差对模型预测的修正作用,提出随差遗忘长短期记忆(Error Following Forget Gate-based LSTM,EFFG-based LSTM)的风电功率实时预测模型.用上一时刻的风电功率预测值与实...     

基于CNN的产消群需求响应滚动优化策略

随着分布式光伏的普及,具有负荷电源双重属性的产消者大量出现.在电力现货市场的环境下,首先,基于Stackelberg模型分析产消者以及售电商在价格型需求响应中的决策机理,提出基于卷积神经网络(convolutional neural networks,CNN)的产消群决策行为预测模型,实现对产消群负荷调整及反弹量的精准...     

基于模糊激励型需求响应的微电网两阶段优化调度模型

针对微电网中风电和负荷不确定性,提出一种基于价格型需求响应(price-based demand response,PBDR)的日前负荷调度和基于激励型需求响应(incentive-based demand response,IBDR)的实时负荷调度的两阶段优化调度模型。在日前阶段,根据用户需求对电价的响应,引入需求价格弹性建立了用户响应模型;在实时调度阶段,为了挖掘不同用户参与需求响应的积极性,利用模糊工具求出不同用户的动态激励方案,提高需求响应项目的参与度。算例分析结果表明,两阶段调度模型相较于只采用日前价格型需求响应提高了风电消纳能力,增加了电网和用户的经济效益;而较于只采用实时激励型需求响应增强了削峰填谷作用,提高系统运行的平稳性。同时动态激励价格比固定式激励价格使负荷曲线峰谷差更小,进一步减少了弃风量。     

负荷时间弹性及其衡量方法

需求响应强调用户的主动性。电力系统维持瞬时平衡需要考虑不同时间产生的用电量对系统的不同影响,只采用价格需求弹性不足以全面描述电力负荷的弹性。提出负荷时间弹性概念,以充分考虑用户在用电时间上的选择余地,从定性分析和定量分析2个角度评价用户在不同时段间转移负荷的时间弹性大小,并给出算例分析。负荷时间弹性可为需求响应、分时电价、有序用电优化等应用提供支持。     

基于EEMD-LSTM的需求响应终端DDoS攻击检测方法

随着需求响应(demand response,DR)业务及"源-网-荷-储"互动调控的发展,越来越多需求响应终端接入电力网络,需要针对需求响应终端受到分布式拒绝服务(distributed denial of service,DDoS)攻击行为进行预测与防御技术研究.针对当前电力系统网络攻击研究,重点考虑攻击流量自相似...     

电力市场中激励性可中断负荷合同的建模与实施研究

考虑到供电公司的风险偏好,作者应用机制设计理论建立了一种用户类型离散的可中断负荷合同模型.分析和算例结果表明,无论供电公司的风险偏好如何,该合同模型均能引导用户披露真实信息,实现电力资源的有效配置,且供电公司能从中节约供电成本.因此,激励性可中断负荷合同不仅能提高用户需求弹性,还有助于供电公司回避市场风险.尤其是对于风险进取的供电公司,可中断负荷合同将成为其进行市场竞争和风险管理的有力工具.因而所提出的模型为供电公司参与市场竞争提供了一种新的思路.