[发明专利]一种需求响应资源组合优化的分层分布式体系架构和方法

权利要求书

1.一种需求响应资源组合优化的分层分布式系统的分层分布式方法，其特征在于，系统包括负荷聚合商，负荷代理和需求响应资源；其中，负荷代理是一组需求响应资源的等值，其获取需求响应资源的相关信息，并将负荷聚合商下达的控制信息传递给需求响应资源；各负荷代理之间通过通信网络交互负荷聚合商公布的信息和其他负荷代理的信息；包括以下步骤：

(1)对需求相应资源进行分层聚合，形成一种分层分布式的体系架构，该体系架构的最上层为负荷聚合商，中间层为负荷代理，最下层为需求响应资源，所述负荷聚合商通过负荷代理管理需求响应资源；包括以下步骤：

(11)将需求响应资源进行分组，形成等值需求响应资源

首先需要将数量众多的需求响应资源进行分组，形成等值需求响应资源；所有的负荷代理管理负荷聚合商的所有需求响应资源；获得内部需求响应资源的相关信息，并将负荷聚合商的控制指令下达到需求响应资源；各负荷代理之间通过通信网络交互负荷聚合商公布的信息和其他负荷代理的信息；

(12)对负荷代理建模

需求响应资源分组后得到负荷代理，需求响应资源的综合外特性包括出力特性和时间相关特性，负荷代理的综合外特性与所述需求响应资源的综合外特性相同；其中，负荷代理模型为：

(Ⅰ)出力范围

负荷代理的等值出力描述为在调度时段上具有持续出力的能力；不同的调度时段对应的负荷代理最大等值出力不同，需求响应资源的分组不同对应的负荷代理最大等值出力也不同；负荷代理的最大等值出力由如下需求响应资源的评估模型求得：

(i)目标函数

以调度时段内最大化各时段的负荷调整量和各时段负荷调整量偏差最小为目标；

式中，T为调度时段数，t为调度时段；为负荷代理i中的需求响应资源数目；为需求响应资源j调度时段t的负荷调整量，为需求响应资源j调度时段t-1的负荷调整量；w₁、w₂为权重系数，均为非负数，且w₁+w₂＝1；

(ii)约束条件

(a)功率调整范围约束

式中，P_jmin、P_jmax分别为需求响应资源j的负荷调整量的最小值、最大值；x^t_j为需求响应资源j调度时段t的调用状态，为1时表示调用，为0时表示不调用；

需求响应资源的调节能力并不是和传统发电机组那样看成具有连续的调节的能力，具有的调节能力是离散化的，负荷调整量的取值为离散的，表示如下：

式中，为非负的整数变量；为需求响应资源j的离散的单位调整值；

(b)需求响应资源j的爬坡约束

式中，DR_j、UR_j分别为需求响应资源j的负荷调整量的最小值下降率、上升率；

(c)最小削减时间约束

式中，TD_jmin为需求响应资源j的最小削减时间；为需求响应资源j调度时段t-1的累计削减时间；为需求响应资源j调度时段t的调用状态，为1时表示调用，为0时表示不调用；为需求响应资源j调度时段t-1的调用状态，为1时表示调用，为0时表示不调用；

(d)最大削减时间约束

式中，T为调度时段数；T_jmax为需求响应资源j的最大削减时间的时段数；

(e)最小削减间隔时间约束

式中，TU_jmin为需求响应资源j的最小削减间隔时间；需求响应资源j调度时段t-1的累计不削减时间；

(f)最大削减次数约束

式中，N_jmax为需求响应资源j的最大削减次数，T为调度时段数；

以优化获得的各时段的负荷调整量的最小值△P_imax作为负荷代理i的负荷调整量的最大负荷调整量；其中，

由于负荷代理的需求响应资源不进行需求响应，所以负荷代理的最小负荷调整量为0；

(Ⅱ)爬坡约束

通过评估最大出力的模型确定了负荷代理内部需求响应资源各时段的参与状态对应的每一时段爬坡能力的最小值，然后根据具体的场景乘以一个经验系数得到负荷代理的爬坡参数；负荷代理的爬坡约束表示为：

式中，i为负荷代理，j为需求响应资源，为需求响应资源j调用时段t的调用状态；△P_i^t为负荷代理i调度时段t的负荷调整量，△P_i^t-1为负荷代理i调度时段t-1的负荷调整量；N_i为负荷代理i中需求响应资源的数目；DR_j、UR_j分别为需求响应资源j的负荷调整量的最小值下降率、上升率；DR_i、UR_i分别为负荷代理i的等值爬坡参数，对应负荷调整量的最小值下降率、上升率；k_i为某一场景下的经验系数，由负荷聚合商长期运行经验得到，取值为0～1；

(Ⅲ)时间相关约束

由于负荷代理内部有很多需求响应资源，等值后看成能够在调度时段内均能参与调度，即负荷代理参与调度需求的全时段，因此，负荷代理的时间相关特性被松弛掉；

(Ⅳ)负荷代理的成本特性

得到负荷代理的最大负荷调整量△P_imax后，将0～△P_imax等分为K段，得到K+1个负荷调整量的分点0、△P_imax/K、2△P_imax/K、...、(K-1)△P_imax/K、△P_imax；每个负荷调整量对应的成本特性用如下模型求解：

(i)目标函数

以负荷代理i达到某一负荷调整量k△P_imax/K(k＝0,1,2,...,K)的成本最小化为目标，将这个最小化的成本和该负荷调整量k△P_imax/K作为第k组成本的输入输出数据；

式中，T为调度时段数；为负荷代理i中的需求响应资源数目；为需求响应资源j调度时段t的负荷调整量，为需求响应资源j调度时段t-1的负荷调整量；C_j为合同中规定的需求响应资源j的单位补偿价格；γ为权重系数；

(ii)约束条件

(a)功率平衡约束

△P_imax为负荷代理的最大负荷调整量；

(b)功率调整范围约束

式中，P_jmin、P_jmax分别为需求响应资源j的负荷调整量的最小值、最大值；为需求响应资源j调度时段t的调用状态，为1时表示调用，为0时表示不调用；

需求响应资源的调节能力并不是和传统发电机组那样具有连续的调节的能力，具有的调节能力是离散化的，负荷调整量的取值为离散的，表示如下：

式中，为非负的整数变量；为需求响应资源j的离散的单位调整值；

(c)需求响应资源j的爬坡约束

式中，DR_j、UR_j分别为需求响应资源j的负荷调整量的最小值下降率、上升率；

(d)最小削减时间约束

式中，TD_jmin为需求响应资源j的最小削减时间；为需求响应资源j调度时段t-1的累计削减时间；为需求响应资源j调度时段t的调用状态，为1时表示调用，为0时表示不调用；为需求响应资源j调度时段t-1的调用状态，为1时表示调用，为0时表示不调用；

(e)最大削减时间约束

式中，T为调度时段数；T_jmax为需求响应资源j的最大削减时间的时段数；

(f)最小削减间隔时间约束

式中，TU_jmin为需求响应资源j的最小削减间隔时间；为需求响应资源j调度时段t-1的累计不削减时间；

(g)最大削减次数约束

式中，N_jmax为需求响应资源j的最大削减次数，T为调度时段数；

将负荷代理的成本特性用关于负荷调整量的二次函数表示如下：

f_agenti(△P_i^t)＝a_agenti(△P_i^t)²+b_agenti△P_i^t+c_agenti

式中，△P_i^t为负荷代理i调度时段t的负荷调整量，a_agenti、b_agenti、c_agenti分别为负荷代理i待定的成本特性系数；上述负荷代理i待定的成本特性系数利用最小二乘法获得；通过对负荷代理i内部需求响应资源组合优化获得的K组成本输入输出数据(△P_i^k)进行计算；令：

欲使得J取得最小值，对a_agenti、b_agenti、c_agenti分别求偏导数并令其等于0得：

化简为：

解上述方程求得a_agenti、b_agenti、c_agenti的值，因而得到负荷代理i的成本特性；

(2)负荷代理负荷调整量分配的分布式计算。

2.根据权利要求1所述的一种需求响应资源组合优化的分层分布式系统的分层分布式方法，其特征在于，所述步骤(2)包括以下步骤：

(21)构建负荷代理负荷调整量分配的集中优化模型

(ⅰ)目标函数

某负荷聚合商获得调度时段t的功率缺额为该负荷聚合商包含n个负荷代理，负荷代理i调度时段t的功率为△P_i^t(i＝1,2,...,n)，目标函数为最小化各负荷代理的调用成本；

式中，f_agenti(△P_i^t)为负荷代理i的成本特性函数；

(ⅱ)约束条件

(a)功率平衡约束

(b)功率调整范围约束

△P_imin≤△P_i^t≤△P_imax

式中，△P_imin、△P_imax分别为负荷代理i的负荷调整量的最小值、最大值；

(c)爬坡约束

-DR_i≤△P_i^t-△P_i^t-1≤UR_i

式中，DR_i、UR_i分别为负荷代理i的等值爬坡参数；

(22)负荷代理负荷调整量分配问题的算法

根据DWD理论，将爬坡约束松弛，可得T个并行的子问题：

minL(△P^t,λ)+αH^t△P^t

s.t.△P_imin≤△P_i^t≤△P_imax

式中，t＝1,2,...,T；λ为功率平衡约束的拉格朗日乘子；α为矩阵形式的爬坡约束H^t△P^t对应的拉格朗日乘子的行向量，从问题的决策变量为各负荷代理时段t的负荷调整量的列向量△P^t；

上述从问题中T个时段的从问题决策变量△P^t对应的解集为Ω^t，解集Ω^t中确定的负荷代理负荷调整量可表示为其中，为解集Ω^t中的第m个元素，为对应的权重，且满足结合从问题的解，可将主问题表示如下：

式中，主问题的决策变量为为爬坡约束的矩阵形式，H^t为负荷代理爬坡约束的系数矩阵；R为各负荷代理爬坡约束的上升和下降速率组成的列向量；

以上列出了包含主从问题的优化模型，主从问题需要协调制约才能通过交替迭代达到最终的整体优化；

上述算法的主问题是线性规划，从问题中的子问题是二次规划，使用一致性算法求解；主-从一致性算法如下：

式中，d_ij为负荷代理之间通信网络对应的行随机矩阵D的元素；P_D为负荷聚合商某时段的功率缺额；α_i^t为负荷代理i不满足爬坡约束对应时段的松弛系数，T_p为负荷代理i不满足爬坡约束对应时段所属的集合；

多时段基于Dantzig-Wolfe分解理论的主从问题计算，具体流程如下：

(a)初始化，从问题中α初始值置零；

(b)求解从问题的各个子问题，将各个时段对应子问题的解作为解集Ω^t内的新增元素；

(c)求解主问题，若有可行解转(d)；若无可行解，利用次梯度法修正α，转(b)；

(d)根据主问题求得β，利用这个权重β得到一组改进的解并且根据这组改进的解利用次梯度法得到更新的α，然后更新从问题中各子问题的目标函数，并对其分别进行求解，并判断是否满足收敛条件，若满足，计算结束，输出这组解；若不满足，转(e)；

(e)根据从问题的解，将不满足收敛条件的解作为解集Ω^t中的新增元素，对主问题进行求解，转(d)；

所述主问题有了可行解后，主从问题自动交替进行，直到最后得到收敛的解；若主问题没有得到可行，需要修正α使得主问题得到可行解。