智能小区可削减柔性负荷实时需求响应策略

随着我国电力体制改革以及智能电网技术的发展,含柔性负荷的智能小区成为参与需求响应的重要主体之一。综合考虑不同可削减柔性负荷设备用电的不确定性,结合目前中国居民需求响应现状及未来发展趋势,针对新型智能小区提出一种适用于负荷聚合商的可削减柔性负荷实时需求响应调度策略。该策略利用混合整数线性优化与基于Copula的蒙特卡洛模拟相结合的方法对各负荷设备进行每小时一次的滚动优化,从而实现居民可削减柔性负荷的实时随机调度。通过仿真验证,该策略可在不影响用户满意度情况下有效降低用户用电成本,减小负荷峰值及用电量,使智能小区中的可削减柔性负荷能够有效参与到需求响应中。     

基于非合作博弈的居民负荷分层调度模型

为促进居民用户柔性负荷资源有效参与需求响应,可以利用负荷聚合商来聚合用户负荷资源参与电网调度。通过将居民用户的柔性负荷进行分类,建立电网公司、负荷聚合商和居民用户的分层调度模型。在日前投标环节,构建了以聚合商利润最大化为目标的日前投标博弈模型,利用非合作博弈思想对聚合商在日前投标市场进行分析,并给出了博弈纳什均衡解的存在性证明;在实时调度环节,聚合商以分类柔性负荷各自用电物理特性作为约束条件,以实时调度和日前投标量之间的偏差最小作为目标函数对用户分类柔性负荷进行实时调度,使得在不影响用户舒适度情况下提高聚合商的利润。算例仿真分析结果表明,所建立的分层调度模型可有效实现居民负荷的需求响应,并使得电网公司、负荷聚合商和用户三方均受益。     

计及用电满意度优先级划分的负荷聚合商调度策略研究

为实现大规模海量居民柔性负荷有序参与需求响应,可以利用负荷聚合商对居民柔性负荷进行聚合调度。为了降低负荷聚合商需求响应调度对居民用户的影响,首先,根据居民用户用能诉求对柔性负荷进行聚类;其次,构建用电满意度函数对各类柔性负荷进行调度优先级划分,并通过设置不同补偿价格来实现优先调度级别高的负荷;最后,以负荷聚合商收益最大为目标构建调度决策模型。仿真结果表明,所提方法可以有效降低电网负荷需求峰谷差,还可以降低需求响应对用户用电满意度的影响。     

基于分时电价和激励补贴机制的家庭能量双层优化模型

为了降低居民日负荷曲线峰谷差,提高居民参与电网需求响应的积极性之前,文章基于分时电价和激励机制,提出双层模型实现家庭能量的优化调度。该模型以需求侧响应为手段,以家庭能量优化为策略,实现供电端与用电端的互动,刻画出电价、激励机制与用户用电行为之间的交互关系。外层模型在分时电价的环境下,采用模糊C-均值聚类算法(fuzzy C-means algorithm, FCM)对用户用电情况进行分析,以日负荷曲线削峰填谷为目标,设计包含激励补贴和峰谷系数的电力套餐。内层模型基于电力套餐实现家用电器的智能管理,模拟实施套餐前后的居民日负荷曲线,实时调整用电计划,使用户日负荷曲线满足电力套餐中的峰谷系数。通过仿真验证双层优化模型有效降低了用户日负荷曲线的峰谷差,且设计的电力套餐在用户侧有一定的实用性,有利于用户更加积极地参与电网的优化调度,满足电网削峰填谷的要求。     

基于用户满意度的家庭能量管理系统协调优化调度

家庭能量管理系统能够合理地调度用户侧的用电需求。建立了光伏发电模型、蓄电池储能模型以及家庭用电负荷模型,重点是针对考虑用户意愿情况下对可调度的柔性负荷工作状态矩阵建模,并建立用户电费最小的优化目标函数的基础上,提出了一种基于用户满意度的光蓄互补型家庭能量管理的协调优化调度策略。该策略既考虑了用户用电的实际情况,还整合了智能电网中新能源、储能以及需求响应等新技术,具有重要实际意义。最后进行算例分析,比较不同调度模式下的用户电费的情况,并验证了其模型的有效性。     

计及用电行为聚类的智能小区互动化需求响应方法

针对复杂智能用电环境下智能用电小区的多用户日负荷需求响应问题,提出一种考虑用户用电行为聚类的互动需求响应方法。首先,以智能小区用户的基本负荷、可调度负荷、电动车负荷和储能装置负荷为约束条件,建立电网负荷波动最小优化目标的需求响应模型;然后,阐述了提出的智能小区互动化需求响应方法,将需求响应模型求解过程分解为电网侧子响应和用户侧子响应的协作互动过程;最后,基于用户侧用电行为聚类分析,采用行为矫正的混合粒子群优化算法实现需求响应模型的互动化方法求解。实验中与分时电价下的响应算法及无用户聚类的集中响应算法对比,其结果表明所提方法通过聚类分析与互动化策略能够在优化结果和算法性能方面优于对比方法。     

基于电力需求响应的多时间尺度家庭能量管理优化策略

在智能用电的背景下,电力用户与电网的互动更加频繁,用户在考虑自身经济调度的同时,可通过参与电力需求响应获取额外收益。首先建立了包含最大功率约束与需求响应事件约束的激励型需求响应模型及含光储设备的家庭用电模型;然后建立了基于模型预测控制的多时间尺度家庭能量管理模型,提出了以用户净支出与购电功率波动最小为目标的日内家庭用电双层优化策略及实时用电调整策略。通过改变蓄电池充放电功率应对实时运行过程中不可调整负荷及光伏出力的波动,保证用户购电功率满足需求响应要求。最后以某典型家庭负荷配置为例,通过对比不同场景下的优化结果,验证了策略的有效性,并分析了需求响应机制对用户的影响。     

基于Multi-Agent异步深度强化学习的居民住宅能耗在线优化调度研究

为促进居民用户柔性负荷高效参与需求响应,帮助用户从被动角色转变为主动角色,实现需求侧最大效益。该文在智能电网环境下,根据用电设备的特性,以概率论的角度对家电设备状态进行描述定义,基于异步深度强化学习(asynchronous deep reinforcement learning,ADRL)进行家庭能源管理系统调度的在线优化。学习过程采用异步优势演员–评判家(asynchronous advantage actor-critic,A3C)方法,联合用户历史用电设备运行状态的概率分布,通过多智能体利用CPU多线程功能同时执行多个动作的决策。该方法在包括光伏发电、电动汽车和居民住宅电器设备信息的某高维数据库上进行仿真验证。最后通过不同住宅情境下的优化决策效果对比分析可知,所提在线能耗调度策略可用于向电力用户提供实时反馈,以实现用户用电经济性目标。     

实时电价下用户侧电力需求响应模型优化策略及数字仿真

为解决智能电网发展中用户参与电力市场运营的响应积极性以及用户收益最大化问题,本文在经济学原理基础上,引用需求价格弹性系数表征用户的用电量随电价的变化情况,建立实时电价下的用户负荷调节能力模型,根据该模型,进一步研究了基于实时电价的用户侧电力需求响应模型优化策略,考虑用户在不同响应场景和不同负荷调节潜力下的需求响应。解决供电与用电间的电力供需不平衡问题,实现用户积极响应及其利益最大化,并提高系统稳定性与安全性。以某地需求响应系统为例,对进入现货市场交易的用户进行数字仿真,通过算例分析表明该模型能有效改善用电负荷曲线,减小用户购电成本,验证了基于实时电价下的电力需求响应优化策略的优化效果。     

居民用户参与电网调峰激励机制及优化用电策略研究

随着居民用电占比的不断提升,以及智能电表和智能家电在居民用户中的普及,开发居民用户的需求响应潜力对提高电网灵活调节能力是非常必要的。该文以居民负荷参与电网调峰为切入点,首先建立兼顾用户用电舒适度的居民用户各类电器的负荷模型;其次,基于现有分时电价机制不足以调动居民用户参与电网调峰的积极性及可能形成新的负荷高峰的情况,从居民负荷与系统负荷的相关性出发,提出了反映居民用电对电网调峰贡献度的调峰激励机制,并进行了合理性证明;最后综合考虑用电成本、舒适度和调峰激励建立了居民用户用电优化策略。仿真分析表明,所提出的调峰激励机制能够兼顾居民用户和电网的利益,是一种对现有固定/分时电价有效补充的激励机制,能进一步减少居民用户用电成本,降低其负荷峰值,响应电网削峰填谷的需要,实现居民用户与电网的友好互动。     

基于粒子校正优化的智能小区需求响应调度策略

针对复杂智能用电环境配电网侧波动最小优化目标下的智能用电小区多用户日负荷需求响应调度问题,提出一种基于粒子校正优化的智能用电小区用电需求响应调度策略。首先综合考虑智能家居的基本负荷、可调度负荷、电动汽车负荷和储能装置负荷等约束条件,建立了计及罚系数的多用户智能用电调度模型;然后为求解该模型,提出基于粒子校正的混合粒子群算法,通过解决用户负荷分配最优求解中偏离约束问题,实现优化调度的效果;最后进行算例仿真实验,经过对比分析,结果表明文中所提策略对包含多种新型用能负荷的用户需求响应调度有着良好的负荷平抑配电网波动效果,能较好地实现配电网削峰填谷的目的。     

考虑用电满意度与响应量期望的虚拟电厂需求响应交易模型

虚拟电厂(VPP)参与需求响应可提高电网的调节能力,但用户用电满意度下降和用户响应量的不确定性会导致VPP无法获得预期收益、电网无法获得足够需求响应量等问题。为此,提出了一种考虑用户用电满意度与响应量期望的VPP需求响应交易模型。将VPP内部柔性负荷细分为可削减负荷、可转移负荷、可替代负荷3类,并根据不同柔性负荷用户的用电模式、影响因素、参与需求响应的服务方式,分别构建3类柔性负荷用户的细分用电满意度模型。分析3类柔性负荷用户提供需求响应服务的不确定性来源,分别建立3类柔性负荷用户参与需求响应的响应量期望模型。基于用电满意度模型和响应量期望模型,在以电网公司为主导的VPP需求响应交易模式下,构建需求响应交易模型。通过算例仿真验证了所提模型的有效性。     

计及用户参与不确定性的需求响应策略优化方法

针对智能电网环境下,各类不确定因素对电网需求响应调度策略的实施效果存在较大影响的问题,提出一种计及用户参与不确定性的用户响应模型,将用户参与度和电网侧激励间的关系用不确定性模型来表征。考虑到电网侧对负荷削峰填谷的要求,构造了基于负荷波动程度的需求响应目标函数。对于参与响应的用户部分,其调度策略采用有序用电调度,无响应用户部分采用无序用电。算例通过实验仿真,分析验证了在计及参与不确定性的需求响应模型下,用户侧存在着使得电网侧调度策略实施最优的日最佳参与率,也即电网侧对应存在着最优激励政策。实验仿真结果表明了计及用户参与不确定性的需求响应优化策略具有有效性和实际优越性,能为电网侧提供更全面的用电信息,电网公司从而能够针对性提高需求响应策略实施效果。     

基于需求响应的居民侧柔性负荷多目标优化研究

智能电网下,居民侧电力用户作为庞大的用电群体参与需求响应会给电网和用户带来极大的效益。提出一种基于日前电价的居民侧电力用户参与需求响应多目标优化控制模型。将待优化的家用负荷分为可平移负荷、可转移负荷和温控负荷3类,在计算负荷用电成本的基础上,考虑居民侧舒适性需求,引入不舒适度定量描述居民侧的舒适程度,建立兼顾经济性和舒适性的多目标优化模型。采用多目标混合粒子群算法和基于优劣解距离法的评价方法对模型进行优化求解。结果表明,建立的多目标优化模型能够灵活指导居民侧参与需求响应,验证了模型的有效性和优越性。     

面向多用户的多时间尺度电力套餐与家庭能量优化策略

在智能互联网环境下,居民用户参与需求响应时的不确定因素对家庭能量管理调度策略的实施效果存在较大影响。为此,提出了一种计及用户响应不确定性的多时间尺度可变电价套餐和用电策略。首先,明确多时段可变电力套餐的定义,基于价格型和激励型响应不确定性机理构建电力套餐的模型,并建立完成聚类后的多用户与电网的模型。其次,通过求解基于多用户和电网的非合作和合作博弈模型,获得最优的电价方案和日前优化计划。然后,根据需求响应信息和用户用电安排建立日内滚动优化模型,获得局部动态分时电价和日内调度计划。最后,根据用户实际响应偏差建立实时调整模型,获得动态激励和实时用电计划。以多家庭用户调度组为例进行仿真分析,通过比较不同模型优化结果,验证了考虑用户响应不确定性的电力套餐及多时间尺度协调优化的有效性。     

含智能用电信誉度评价的智能用电终端设计

在智能电网崛起、需求侧响应体系迅速发展的背景下,提出了一种含智能用电信誉度评价的智能用电终端设计思路。在该设计中,电网既能有效实时地将有价值的用电信息传递给用户,还能接收用户端的反馈信息。终端中的智能用电信誉度评价体系能够对用户的用电习惯进行量化评价,其结果能够有效指导与规范用户用电行为,并可对电网规划、运行及调度提供重要参考。     

计及户用分布式电源的合作博弈智能用电技术

在智能电网环境下,参与需求侧管理的居民用户可以根据发布的实时电价进行合适的家庭负荷用电安排。文中考虑分布式电源作为居民用户电力自发自用的一种方式,提出基于合作博弈的居民用户智能用电技术。在建立用户电力消耗模型、用电成本模型和负荷控制模型的基础上,将需求侧居民智能用电技术描述为一个合作博弈模型,模型中以多个用户作为博弈参与者,以用户的日负荷用电安排作为参与者的策略。该合作博弈模型在纳什均衡解处,各用户的能源消费最小。算例仿真结果表明,用户参与合作博弈的负荷用电安排可有效降低其电费,且当用户配有分布式电源时,电费将进一步降低。     

考虑用户偏好和设备特性的自动需求响应策略

智能电网背景下,电网侧和用户侧的双向互动不断升级。基于智能通信和自动化管理系统,提出了一种计及电力负荷特性的适用于不同用户的自动需求响应策略。该方法首先以用户的历史用电数据和实时电价为基础,采用指数平滑模型求得当日各时段的可用电量。其后采用最优方案决策模型在含有各种需求响应方案的策略集中选择确定各时段的最优策略。需求响应策略在优先级、公平性和灵活性上侧重不同,用户可以根据自身偏好设定不同的决策因子,以满足自身的用电偏好和需求。算例分析表明,该策略能够帮助用户取得良好的节能效果,有效削减电力费用,并减少电网减少峰谷差。     

考虑居民用户参与度不确定性的激励型需求响应模型与评估

先进的智能测控与双向通信技术引导越来越多居民用户通过智能家庭能量管理系统(SHEMS)参与需求响应(DR),然而用户参与度等不确定因素导致难以有效量化评估居民响应能力.首先,建立了复杂用电环境下的混合整数负荷模型,并综合考虑基于分时电价和用户协议的DR策略,建立了激励型DR参与度自主决策的智能家庭日前优化调度模型.然后...     

需求侧管理中面向居民用电的互动化评价模型

智能用电的核心是通过电网与用户的双向互动以实现需求响应,文中提出了一种面向需求侧管理的居民用电互动化评价模型及其实现方法。首先构建居民用电互动化评价模型,模型涵盖需求侧管理中的负荷优化、用户需求响应和通道理想解排序法(TOPSIS)互动化评价在内的完整过程。然后在多目标遗传算法求解最优用电策略和价格弹性指数计算用户需求响应策略基础上,阐述模型的实现方法。最后通过实验验证了模型评价居民用电互动化效果的有效性。