[发明专利]一种双层优化方法及其装置

权利要求书

1.一种双层优化方法，其特征在于，包括：

通过用户数据确定需求响应函数，获取需求响应参数；

根据所述需求响应参数分别构建代理商收益模型和需求响应出清模型；

根据所述代理商收益模型和需求响应出清模型组合构建代理商的双层优化模型，其中，所述代理商的双层优化模型包括上层模型和下层模型；

采用对偶性原理将所述下层模型转化为一组KKT条件，将所述代理商的双层优化模型转化为单层模型，获取用户的实际响应情况，将所述用户的实际响应情况输入用户历史响应数据，用于优化下一次需求响应的参数特征提取，形成闭环。

2.根据权利要求1所述的双层优化方法，其特征在于，所述根据所述需求响应参数分别构建代理商收益模型和需求响应出清模型，包括：

根据不同的需求响应的激励价格下获取的需求响应能力C_t，代理商A的收益模型如下：

其中，申报容量为需求响应出清价格为代理商的中标容量为对用户的激励价格为代表代理商在需求响应市场中的收益，代表代理商向需求响应用户支付激励费用，γ为用户实际参与需求响应的比例，代表代理商由于响应偏差需要支付的考核费用，T表示总的响应时段。

3.根据权利要求2所述的双层优化方法，其特征在于，所述根据所述需求响应参数分别构建代理商收益模型和需求响应出清模型，包括：

根据获取的需求响应参数结合需求响应市场的均衡情况，采用单边竞价的边际出清方式构建所述需求响应出清模型，如下：

约束条件：

其中，和分别为需求响应价格、申报容量和中标容量，和分别为任意t时刻和任意市场主体n，P_t^DR为电网在t时刻的需求响应需求量，和分别为其他市场主体n在t时刻的申报价格、申报容量以及中标容量，N为其他市场主体的集合。

4.根据权利要求1所述的双层优化方法，其特征在于，所述采用对偶性原理将所述下层模型转化为一组KKT条件，将所述代理商的双层优化模型转化为单层模型，获取用户的实际响应情况，将所述用户的实际响应情况输入用户历史响应数据，用于优化下一次需求响应的参数特征提取，形成闭环，包括：

所述上层模型为代理商收益期望的最大化，所述下层模型为需求响应集中出清的市场均衡约束，所述将所述代理商的双层优化模型转化为单层模型，如下：

约束条件：

其中，表示需要申报的t时段需求响应价格，P_t^DR为电网在t时刻的需求响应需求量，和分别为用户的激励价格、需求响应价格、申报容量和中标容量，和分别为场景s下代理商的中标容量、场景s下市场主体n在t时刻的申报价格和场景s下需求响应出清价格，和分别为任意t时刻、任意市场主体n和任意场景s，和表示需求响应市场的最低和最高申报价格边界条件，为约束条件的对偶变量，s为预测其他市场主体投标策略的不同随机场景，和为场景s下市场主体n的申报价格和申报容量，Pr_s为场景s的发生概率，S为随机场景集合，T表示总的响应时段。

5.一种双层优化装置，其特征在于，包括：

获取模块，用于通过用户数据确定需求响应函数，获取需求响应参数；

构建模块，用于根据所述需求响应参数分别构建代理商收益模型和需求响应出清模型；

组合模块，用于根据所述代理商收益模型和需求响应出清模型组合构建代理商的双层优化模型，其中，所述代理商的双层优化模型包括上层模型和下层模型；

优化模块，用于采用对偶性原理将所述下层模型转化为一组KKT条件，将所述代理商的双层优化模型转化为单层模型，获取用户的实际响应情况，将所述用户的实际响应情况输入用户历史响应数据，用于优化下一次需求响应的参数特征提取，形成闭环。