[发明专利]一种计及需求响应不确定性的负荷聚合商可靠性评估方法

摘要

本发明公开了一种计及需求响应不确定性的负荷聚合商可靠性评估方法，其步骤包括：步骤一、通过分析经济激励对用户响应行为的影响，建立基于消费者心理学原理的用户需求响应不确定性模型；步骤二、制定负荷聚合商的可靠性及风险性评估指标；步骤三、基于机会约束和风险成本理论，构建以负荷聚合商净收益最大化为目标的调度模型；步骤四、利用嵌入蒙特卡洛模拟的遗传算法对调度模型进行求解并计算负荷聚合商的可靠性及风险性评估指标。本发明能对负荷聚合商调度方案的可靠性及风险性进行定量分析，从而能使负荷聚合商在参与需求响应项目时选择合适的调度方案来降低响应的风险性。

主权项

1.一种计及需求响应不确定性的负荷聚合商可靠性评估方法，其特征在于，按如下步骤进行：步骤一、建立需求响应不确定性模型：步骤1.1、将一天中负荷聚合商要求用户响应的时间区间分为h个时间段，利用式(1)计算第i类用户在第t个时间段获得的经济激励为x_it时，负荷削减率的预测值λ_it(x_it)：式(1)中：为第i类用户在第t个时间段的死区阈值，x_it^max为第i类用户在第t个时间段的饱和区阈值；λ_it^max为第i类用户在第t个时间段负荷削减率的饱和值；a_it为第i类用户在第t个时间段的响应曲线线性区的斜率，i＝1,2,3...m，m为与负荷聚合商签订响应合同的用户种类总数，t＝1,2,3...h；步骤1.2、利用式(2)计算第t个时间段的经济激励x_it下第i类用户负荷削减率的最大预测误差Δλ_it^max(λ_it)：式(2)中：γ₁为经济激励x_it占据主导前的负荷削减率的最大预测误差Δλ_it^max(λ_it)与负荷削减率预测值λ_it(x_it)的比例系数，γ₂为经济激励x_it占据主导后的负荷削减率的最大预测误差Δλ_it^max(λ_it)与负荷削减率预测值λ_it(x_it)的比例系数；为第i类用户在第t个时间段的拐点经济激励；为第i类用户在第t个时间段拐点经济激励所对应的负荷削减率的预测值；λ_it为第i类用户在第t个时间段经济激励x_it下的负荷削减率的预测值；步骤1.3、利用式(3)和式(4)计算第i类用户在第t个时间段下的负荷削减率实际值的波动范围[λ_it^down，λ_it^up]，从而得到第i类用户在h个时间段下的负荷削减率实际值的波动范围为{[λ_i1^down,λ_i1^up],[λ_i2^down,λ_i2^up]...[λ_it^down,λ_it^up]...[λ_ih^down,λ_ih^up]}：λ_it^down＝λ_it(x_it)‑Δλ_it^max(x_it)   (3)λ_it^up＝λ_it(x_it)+Δλ_it^max(x_it)   (4)步骤1.4、进而得到与负荷聚合商签订响应合同的m种用户在h个时间段内负荷削减率的实际值的波动范围为步骤1.5、利用式(5)建立第i类用户在第t个时间段下的负荷削减率实际值的概率密度函数式(5)中，μ为截断正态分布的均值，σ为截断正态分布的标准差，A(x_it)为负荷削减率预测值λ_it(x_it)的概率密度函数、B(x_it)为负荷削减率上限值λ_it^up的分布函数、C(x_it)为负荷削减率下限值λ_it^down的分布函数，并有：B(x_it)＝φ[(λ_it^up‑μ)/σ]   (7)C(x_it)＝φ[(λ_it^down‑μ)/σ]   (8)步骤1.6、利用式(9)得到第i类用户在第t个时间段经济激励x_it下负荷削减率实际值的数学期望式(9)中：为标准正态概率密度函数；φ(λ_it(x_it))为负荷削减率实际值的分布函数；步骤二、制定负荷聚合商的可靠性及风险性评估指标：步骤2.1、制定第k个负荷聚合商在第t个时间段的可靠性评估指标，包括：响应置信容量Q_tk、响应可靠度P_tk；利用式(10)得到所述响应置信容量Q_tk：式(10)中：c_i为第i类用户的数量；Q_it为第t个时间段下第i类用户的负荷容量；k＝1,2,3...n，n为负荷聚合商的总数；利用式(11)得到所述响应可靠度P_tk：式(11)中：z为蒙特卡洛模拟的次数，z′为满足条件的次数；为第j次模拟的第i类用户的负荷削减率，Q′_tk为第t个时间段下电力运营商分配给第k个负荷聚合商的响应容量，j＝1,2,3...z；步骤2.2、制定第k个负荷聚合商的风险性评估指标，包括：响应不平衡量E_tk、风险规避度Y_tk；利用式(12)得到所述响应不平衡量E_tk：利用式(13)得到所述风险规避度Y_tk：式(13)中：α_tk为第t个时间段电力运营商允许第k个负荷聚合商响应容量的偏差裕度；z″为满足条件的次数；步骤三、构建负荷聚合商的调度模型：步骤3.1、利用式(14)建立以负荷聚合商的净收益最大化为目标的目标函数：式(14)中，f_tk为负荷聚合商的净收益最大值，C_tk为第t个时间段下第k个负荷聚合商的启动成本，B_tk为第t个时间段下第k个负荷聚合商从电力运营商方获得的响应补偿，并有：B_tk＝p_tkQ_tk   (15)式(15)中，p_tk为第t个时间段下电力运营商为第k个负荷聚合商提供的补偿单价；式(14)中，C_t1为第t个时间段下第k个负荷聚合商提供给用户的经济激励成本，并有：式(14)中，C_t2为第t个时间段下第k个负荷聚合商由于欠响应产生的惩罚成本，并有：C_t2＝p′_tk[(1‑α_tk)Q′_tk‑Q_tk]   (17)式(17)中，p′_tk为第t个时间段下电力运营商为第k个负荷聚合商提供的惩罚单价；式(14)中，C_t3为第t个时间段下第k个负荷聚合商由于过响应产生的机会成本，并有：C_t3＝p_tk[Q_tk‑(1+α_tk)Q′_tk]   (18)步骤3.2、建立负荷聚合商调度模型的约束条件，包括：利用式(19)和式(20)建立经济激励约束：x_it≤p_tk   (20)利用式(21)和式(22)建立响应总容量约束：利用式(23)建立可靠度约束：P_tk^down≤P_tk≤P_tk^up   (23)式(23)中，P_tk^down为第t个时间段下第k个负荷聚合商可靠度下限；P_tk^up为第t个时间段下第k个负荷聚合商可靠度上限；步骤四、利用嵌入蒙特卡洛模拟的遗传算法对调度模型进行求解并计算负荷聚合商的可靠性及风险性评估指标：步骤4.1、令当前代数h＝1，f_tk＝0，确定种群的规模为T，变异概率为P_b、交叉概率为P_s、最大迭代次数为G；步骤4.2、随机产生T个染色体，记为[x_it¹,x_it²,x_it³...x_it^d...x_it^T]，0≤d≤T，从而构成第h代种群；步骤4.3、若h≤G，则执行步骤4.4；否则转步骤4.21；步骤4.4、对T个染色体进行二进制编码，并对T个染色体两两分组，共分为T/2组；定义变量并初始化u＝1，f＝1，L＝1，定义第h代变量并初始化F_h＝0；步骤4.5、若则转步骤4.6；否则转步骤4.9；步骤4.6、第u次产生一个[0,1]区间内的随机数v_u；步骤4.7、若v_u≤P_s，则对第u组染色体进行交叉操作后执行步骤4.8，否则直接执行步骤4.8；步骤4.8、将u+1赋值给u后，转步骤4.5；步骤4.9、若f≤T，则执行步骤4.10；否则转步骤4.13；步骤4.10、第f次产生一个[0,1]区间内的随机数v′_f；步骤4.11、若v′_f≤P_b，则对第f个染色体进行变异操作后执行步骤4.12，否则直接执行步骤4.12；步骤4.12、将f+1赋值给f后，转步骤4.9；步骤4.13、对第h代种群进行染色体解码；步骤4.14、若L≤T，则执行步骤4.15；否则转步骤4.19；步骤4.15、利用式(1)～式(4)计算第L个染色体x_it^L所对应的m种用户在第t个时间段的负荷削减率实际值的变化范围：{[λ_1t^down(x_it^L),λ_1t^up(x_it^L)],[λ_2t^down(x_it^L),λ_2t^up(x_it^L)]...[λ_mt^down(x_it^L),λ_mt^up(x_it^L)]}；步骤4.16、判断第L个染色体x_it^L是否同时满足式(19)～式(23)，若是，则表明第L个染色体x_it^L为可行染色体，并计算第L个染色体x_it^L所对应的收益值f_L后，执行步骤4.17，否则表明第L个染色体x_it^L为非可行染色体，并转步骤4.18；步骤4.17、若F_h≤f_L，则将f_L赋值给F_h，将x_it^L赋值给第h代种群内的最优染色体X_h后，执行步骤4.18，否则直接执行步骤4.18；步骤4.18、将L+1赋值给L后，转步骤4.14；步骤4.19、若f_tk≤F_h，则将F_h赋值给f_tk，将第h代种群内的最优染色体X_h赋值给全局最优染色体x后，执行步骤4.20，否则直接执行步骤4.20；步骤4.20、将h+1赋值给h后，转步骤4.3；步骤4.21、利用式(10)～式(13)计算全局最优染色体x所对应的负荷聚合商的可靠性及风险性评估指标，同时利用式(14)输出最大收益值。