一种考虑多影响因素的热电综合需求响应优化方法

1.本发明涉及能源优化技术领域，尤其是涉及一种考虑多影响因素的热电综合需求响应优化方法。


背景技术：

2.随着“双碳”政策的提出，人们对可再生能源的关注度越来越高，由于可再生能源固有的间歇性和不确定性等特点，高比例地接入可再生能源会影响能源系统运行的安全性和稳定性。为了解决这一问题，从供给侧方面来看，对可再生能源的不确定性建模和产能设备建模以及两者之间的耦合建模，国内外已经做了大部分的研究。随着能源系统和能源技术的更新换代，在供需体系中，需求侧逐渐占据主导地位，由此，需求响应的概念营运而生，挖掘需求侧的用能特性，了解终端用户的用能行为，灵活的调配需求侧资源是解决供需平衡问题和提升系统能效的有效途径。由于居民用户具有单一响应能力不足、能耗浪费严重、占全社会总耗电量三分之一以上等特点，针对这一现象，引入负荷聚合商聚集居民用户大量的可调控资源，挖掘居民用户的需求响应潜力，可有效地缓解电网的压力，提高可再生能源的消纳率。
3.大部分关于提高需求响应能力的机制研究分为价格型需求响应和激励型需求响应，价格型需求响应又分为分时电价机制和实时电价机制，主要是用户根据每个时段或每个时刻价格的不同自发地进行负荷削减和负荷转移，但对于价格型需求响应，存在响应能力不足或者响应不稳定等特点，随机性和不确定性较大，相比较而言，激励型需求响应更能调度用户参与的积极性，但在现有的需求响应的研究中，大多考虑单一影响因素或者是对单一电负荷或者热负荷进行需求响应，对电热综合需求响应的机制研究还处于发展阶段。


技术实现要素：

4.本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种考虑多影响因素的热电综合需求响应优化方法。
5.本发明的目的可以通过以下技术方案来实现：
6.一种考虑多影响因素的热电综合需求响应多目标优化方法，该方法包括：
7.引入负荷聚合商，对居民用户的用能负荷进行聚类分析，将居民用户划分为几类具有不同用能习惯的居民用户；
8.确定影响居民用户参与综合需求响应的影响因素，包括：居民用户的用能舒适度、对于价格驱动的消费心理曲线、参与综合需求响应带来的不满意度；
9.将居民用户参与综合需求响应的用能负荷进行分类，包括可削减电负荷、可转移电负荷、灵活性调控电负荷以及可削减热负荷；
10.根据确定的影响因素以及用能负荷分类，针对每一类居民用户，分别建立居民用户参与综合需求响应的多目标优化数学模型；
11.求解多目标优化数学模型，得到最大化负荷聚合商和居民用户利益的最佳奖励机
制，包括居民用户每一类用能负荷的允许调度负荷量以及对应获取奖励的单价。
12.优选地，所述的多目标优化数学模型包括目标函数和约束条件，所述的目标函数包括负荷聚合商利润最大化目标函数和居民用户福利最大化目标函数。
13.优选地，所述的负荷聚合商利润最大化目标函数表示为：
[0014][0015][0016][0017]
penc＝pen
elc
+pen
els
+pen
efcl
+pen
hlc
[0018][0019][0020][0021][0022]
其中，f1为负荷聚合商利润，l
bid
为负荷聚合商向负荷市场的投标负荷量，ρ
da
为负荷市场为负荷聚合商投标量制定的价格，分别为t时刻用户参与可削减电负荷、可转移电负荷、灵活性调控电负荷以及可削减热负荷的需求响应获得的奖励，penc为惩罚用户的收入总量，pen
elc
、pen
els
、pen
efcl
、pen
hlc
分别为可削减电负荷、可转移电负荷、灵活性调控电负荷以及可削减热负荷对用户的惩罚收入，ε
elc
、ε
els
、ε
efcl
、ε
hlc
分别为可削减电负荷、可转移电负荷、灵活性调控电负荷以及可削减热负荷对用户的惩罚系数，pena为负荷市场对负荷聚合商的惩罚费用，εa为因错误投标负荷市场对负荷聚合商的惩罚系数，罚系数，分别为t时刻计划可削减电负荷响应量、计划可转移电负荷响应量、计划灵活性调控电负荷响应量以及计划可削减热负荷响应量，响应量、计划灵活性调控电负荷响应量以及计划可削减热负荷响应量，分别为t时刻真实可削减电负荷响应量、真实可转移电负荷响应量、真实灵活性调控电负荷响应量以及真实可削减热负荷响应量，t表示一天二十四小时的周期，时间间隔为一小时。
[0023]
优选地，所述的居民用户福利最大化目标函数表示为：
[0024][0025][0026]
其中，f2为居民用户福利，分别为t时刻用户参与可削减电负荷、可转移电负荷、灵活性调控电负荷以及可削减热负荷的需求响应获得的奖励，μ
elc
、μ
els
、μ
hlc
分别为参与可削减电负荷需求响应的不满意系数、参与可转移电负荷需求响
应的不满意系数以及参与灵活性调控电负荷需求响应的不满意系数。
[0027]
优选地，用户参与可削减电负荷需求响应获得的奖励通过如下方式获得：
[0028][0029][0030][0031][0032]
其中，为t时刻用户原始电负荷量，为用户对可削减电负荷的消费心理曲线斜率，为t时刻奖励机制确定的实时可削减电负荷价格，为可削减电负荷价格下限，为可削减电负荷价格上限，为可削减电负荷最大负荷转移率，α
elc
为可削减电负荷的真实响应系数，为奖励机制确定的用户参与需求响应t时刻可削减电负荷的奖励单价，为t时刻用户原始电负荷电价。
[0033]
优选地，用户参与可转移电负荷需求响应获得的奖励通过如下方式获得：
[0034][0035][0036][0037][0038]
其中，为t时刻用户原始电负荷量，为用户对可转移电负荷的消费心理曲线斜率，为t时刻奖励机制确定的实时可转移电负荷价格，为可转移电负荷价格下限，为可转移电负荷价格上限，为可转移电负荷最大负荷转移率，α
els
为可转移电负荷的真实响应系数，为奖励机制确定的用户参与需求响应t时刻可转移电负荷的奖励单价。
[0039]
优选地，用户参与灵活性调控电负荷需求响应获得的奖励通过如下方式获得：
[0040][0041][0042]
其中，为奖励机制确定的用户参与需求响应t时刻灵活性调控电负荷的奖励单价。
[0043]
优选地，用户参与可削减热负荷需求响应获得的奖励通过如下方式获得：
[0044][0045][0046][0047][0048][0049]
其中，为t时刻计划可削减热负荷响应量，为t时刻真实可削减热负荷响应量，为t时刻削减后热负荷，为t时刻居民用户热负荷，t
tout
为t时刻室外温度，t
tin
为t时刻室内温度，为t+1时刻室内温度，r为建筑物的等效热阻，c
air
为室内空气比热容，δt为时间间隔，α
hlc
为可削减热负荷的真实响应系数，为奖励机制确定的用户参与需求响应t时刻可削减热负荷的奖励单价。
[0050]
优选地，所述的约束包括：
[0051]
奖励机制确定的奖励单价的约束：
[0052][0053][0054][0055][0056]
其中，分别为奖励机制确定的用户参与需求响应t时刻可削减电负荷的奖励单价、可转移电负荷的奖励单价、灵活性调控电负荷的奖励单价、可削减热负荷的奖励单价，分别为可削减电负荷、可转移电负荷、灵活性调控电负荷以及可削减热负荷的奖励单价最小值，分别为可削减电负荷、可转移电负荷、灵活性调控电负荷以及可削减热负荷的奖励单价最大值；
[0057]
居民用户参与可削减热负荷的需求响应时考虑居民用户用能舒适度，形成居民用户用能舒适度约束：
[0058]
t
tmin
≤t
tin
[0059]
t
tmin
为t时刻保证用户舒适度的最低室内温度，为t时刻的室内温度；
[0060]
居民用户参与可削减电负荷、可转移电负荷的需求响应时考虑消费心理曲线，形成消费心理曲线约束：
[0061][0062][0063]
为可削减电负荷最大负荷转移率，为可转移电负荷最大负荷转移率，
λ1、λ2为最大负荷转移率约束常数。
[0064]
优选地，利用nsga
‑ⅱ
遗传算法对多目标函数进行求解。
[0065]
与现有技术相比，本发明具有如下优点：
[0066]
本发明一方面，充分挖掘和聚集居民用户的可调控资源，可以有效的缓解电网的峰值压力，提高可再生能源的消纳率；另一方面，可以在不影响居民用户舒适的前提下，帮助用户改变用能模式，减少能耗，节约用能成本。
附图说明
[0067]
图1为本发明一种考虑多影响因素的热电综合需求响应多目标优化方法的流程图；
[0068]
图2为本发明针对居民用户用能负荷聚类分析最佳聚类数确定的手肘图；
[0069]
图3为本发明实施例所述的聚类分析后的四种不同种类居民用户的原始电负荷以及不进行聚类分析居民用户的平均电负荷。
[0070]
图4为本发明实施例所述的聚类分析后的四种不同种类居民用户的原始热负荷以及不进行聚类分析居民用户的平均热负荷；
[0071]
图5为本发明以第一类居民用户作为实施例对于可削减电负荷得出的奖励机制以及响应量；
[0072]
图6为本发明以第一类居民用户作为实施例对于可转移电负荷得出的奖励机制以及响应量；
[0073]
图7为本发明以第一类居民用户作为实施例对于灵活性调控电负荷得出的奖励机制以及响应量；
[0074]
图8为本发明以第一类居民用户作为实施例对于可削减热负荷得出的奖励机制以及响应量；
[0075]
图9为本发明实施例在最大化的负荷聚合商利益和用户福利下双目标的pareto解集图。
具体实施方式
[0076]
下面结合附图和具体实施例对本发明进行详细说明。注意，以下的实施方式的说明只是实质上的例示，本发明并不意在对其适用物或其用途进行限定，且本发明并不限定于以下的实施方式。
[0077]
实施例
[0078]
本发明解决的技术问题是：忽视居民用户在实际情况下参与综合需求响应的心理以及行为变化；未考虑挖掘居民用户的响应潜力，如何在不影响用户正常用能的情况，帮助用户减少能耗节约成本。
[0079]
为解决上述技术问题，本发明提供如下技术方案：考虑了在居民用户在参与综合需求响应时的舒适度、受价格驱动的实际消费心理以及在参与综合需求响应之后的不满意度，将三者转变成函数的形式，融入到多目标优化的模型中，并将居民用户的用能负荷分成可削减电负荷、可转移电负荷、灵活性调控电负荷以及可削减热负荷，可以更加深入的挖掘居民用户的响应潜力。
[0080]
具体地，如图1所示，本实施例提供一种考虑多影响因素的热电综合需求响应多目标优化方法，该方法包括：
[0081]
引入负荷聚合商，对居民用户的用能负荷进行聚类分析，将居民用户划分为几类具有不同用能习惯的居民用户；
[0082]
确定影响居民用户参与综合需求响应的影响因素，包括：居民用户的用能舒适度、对于价格驱动的消费心理曲线、参与综合需求响应带来的不满意度；
[0083]
将居民用户参与综合需求响应的用能负荷进行分类，包括可削减电负荷、可转移电负荷、灵活性调控电负荷以及可削减热负荷；
[0084]
根据确定的影响因素以及用能负荷分类，针对每一类居民用户，分别建立居民用户参与综合需求响应的多目标优化数学模型；
[0085]
求解多目标优化数学模型，得到最大化负荷聚合商和居民用户利益的最佳奖励机制，包括居民用户每一类用能负荷的允许调度负荷量以及对应获取奖励的单价。
[0086]
首先利用k-means理论根据居民用户的用能负荷对用户进行聚类分析，选用手肘图法确定最佳聚类数，
[0087][0088]
其中，k是聚类数，ci是第i个簇，p是ci中的样本点即用户的用能负荷，mi是ci的质心(ci中所有样本的均值)，sse是所有样本的聚类误差，代表了聚类效果的好坏，随着聚类数k的增大，样本划分会更加详细，当聚类数达到最优时，sse下降幅度会骤减，随着k值增大，sse会继续增大而趋于平缓。具体如图2所示。
[0089]
本实施例通过聚类将居民用户划分为四类，四类用户的电负荷需求曲线如图3所示，四类用户的电负荷需求曲线如图4所示。
[0090]
作为本发明所述的针对居民用户提出的考虑多种影响因素下的电热综合需求响应奖励机制方法的确定，主要包括用户舒适度、受价格驱动的消费心理曲线、不满意度三个影响因素：
[0091]
1、用户舒适度
[0092]
不进行负荷削减时室内温度保持在理想温度，削减后温度有所降低，考虑到用户的舒适度，削减热负荷时应设置温度下限，
[0093]
t
tmin
≤t
tin
[0094]
其中，t
tmin
为保证用户舒适度的最低室内温度，t
tin
为室内温度，本发明在实施例中对最低室内温度确定为18℃。
[0095]
2、对于价格驱动的消费心理曲线
[0096]
根据消费者心理学原理，对用户的刺激有一个最小可觉差(差别阈值)，在这个差别阈值的范围内，用户基本上无响应或响应非常小，即不敏感期(相当于死区)；超过这个差别阈值的范围时，用户将有所响应，且与刺激的程度有关，即正常响应期(相当于线性区)；用户对刺激也有一个饱和值，超过这个数值，用户就没有更进一步的响应了，即响应极限期(相当于饱和区)。
[0097]
引入负荷转移率的概念，定义负荷转移率为实施峰谷电价后，用户负荷从高电价时段向低电价时段转移量与高时段电价负荷之比，基于负荷转移率的用户响应模型可以近
似拟合成分段线性函数。
[0098][0099]
其中，j表示第j类用户，λ
pv
为峰时段到谷时段的转移率，δρ
pv
为峰时段电价与谷时段电价之差，a
pv
为死区阈值，为在峰谷电价差变化下峰时段到谷时段的最大负荷转移率，k
pv
为分段线性峰谷时段转移率曲线线性区的斜率。本发明在实施例中对k
pv
确定为0.26，对a
pv
确定为0.021，对确定为0.08。
[0100]
3、参与综合需求响应带来不便的不满意度
[0101]
dis＝∑dis
elc
+dis
els
+dis
hlc
[0102][0103][0104][0105]
其中，dis为可削减电、热负荷以及可转移电负荷的不满意度之和，dis
elc
、dis
els
、dis
hlc
分别为可削减电负荷、可转移电负荷以及可削减热负荷的不满意度，由于灵活性调控电负荷是用户自己作主进行调控，其不满意度为0，μ
elc
、μ
els
、μ
hlc
分别为可削减电负荷、可转移电负荷以及灵活性调控电负荷的不满意系数，为t时刻的真实响应量，为t时刻的计划响应量。本发明在实施例中对μ
elc
、μ
els
、μ
hlc
确定为0.01。
[0106]
本发明基于以上，建立的多目标优化数学模型包括目标函数和约束条件，目标函数包括负荷聚合商利润最大化目标函数和居民用户福利最大化目标函数。
[0107]
负荷聚合商利润最大化目标函数表示为：
[0108][0109][0110][0111]
penc＝pen
elc
+pen
els
+pen
efcl
+pen
hlc
[0112][0113][0114]
[0115][0116]
其中，f1为负荷聚合商利润，l
bid
为负荷聚合商向负荷市场的投标负荷量，ρ
da
为负荷市场为负荷聚合商投标量制定的价格，分别为t时刻用户参与可削减电负荷、可转移电负荷、灵活性调控电负荷以及可削减热负荷的需求响应获得的奖励，penc为惩罚用户的收入总量，pen
elc
、pen
els
、pen
efcl
、pen
hlc
分别为可削减电负荷、可转移电负荷、灵活性调控电负荷以及可削减热负荷对用户的惩罚收入，ε
elc
、ε
els
、ε
efcl
、ε
hlc
分别为可削减电负荷、可转移电负荷、灵活性调控电负荷以及可削减热负荷对用户的惩罚系数，pena为负荷市场对负荷聚合商的惩罚费用，εa为因错误投标负荷市场对负荷聚合商的惩罚系数，罚系数，分别为t时刻计划可削减电负荷响应量、计划可转移电负荷响应量、计划灵活性调控电负荷响应量以及计划可削减热负荷响应量，响应量、计划灵活性调控电负荷响应量以及计划可削减热负荷响应量，分别为t时刻真实可削减电负荷响应量、真实可转移电负荷响应量、真实灵活性调控电负荷响应量以及真实可削减热负荷响应量，t表示一天二十四小时的周期，时间间隔为一小时。
[0117]
居民用户福利最大化目标函数表示为：
[0118][0119][0120]
其中，f2为居民用户福利，分别为t时刻用户参与可削减电负荷、可转移电负荷、灵活性调控电负荷以及可削减热负荷的需求响应获得的奖励，μ
elc
、μ
els
、μ
hlc
分别为参与可削减电负荷需求响应的不满意系数、参与可转移电负荷需求响应的不满意系数以及参与灵活性调控电负荷需求响应的不满意系数。
[0121]
用户参与可削减电负荷需求响应获得的奖励通过如下方式获得：
[0122][0123][0124][0125][0126]
其中，为t时刻用户原始电负荷量，为用户对可削减电负荷的消费心理曲线斜率，为t时刻奖励机制确定的实时可削减电负荷价格，为可削减电负荷价格下限，为可削减电负荷价格上限，为可削减电负荷最大负荷转移率，α
elc
为可削减电负荷的真实响应系数，为奖励机制确定的用户参与需求响应t时刻可削减电负荷的奖励单价，为t时刻用户原始电负荷电价。在本实施例中α
elc
确定为0.8，
确定为0.26，确定为0.021。
[0127]
用户参与可转移电负荷需求响应获得的奖励通过如下方式获得：
[0128][0129][0130][0131][0132]
其中，为t时刻用户原始电负荷量，为用户对可转移电负荷的消费心理曲线斜率，为t时刻奖励机制确定的实时可转移电负荷价格，为可转移电负荷价格下限，为可转移电负荷价格上限，为可转移电负荷最大负荷转移率，α
els
为可转移电负荷的真实响应系数，为奖励机制确定的用户参与需求响应t时刻可转移电负荷的奖励单价。在本实施例中α
els
确定为0.8，确定为0.27，确定为0.023。
[0133]
用户参与灵活性调控电负荷需求响应获得的奖励通过如下方式获得：
[0134][0135][0136]
其中，为奖励机制确定的用户参与需求响应t时刻灵活性调控电负荷的奖励单价。
[0137]
用户参与可削减热负荷需求响应获得的奖励通过如下方式获得：
[0138][0139][0140][0141][0142][0143]
其中，为t时刻计划可削减热负荷响应量，为t时刻真实可削减热负荷响应量，为t时刻削减后热负荷，为t时刻居民用户热负荷，t
tout
为t时刻室外温度，t
tin
为t时刻室内温度，为t+1时刻室内温度，r为建筑物的等效热阻，c
air
为室内空气比热容，δt为时间间隔，α
hlc
为可削减热负荷的真实响应系数，为奖励机制确定的用户参与需求响应t时刻可削减热负荷的奖励单价。本实施例中r确定为18℃/kw，c
air
确定为0.525kw
·
h/℃，δt确定为1h。
[0144]
约束包括：
[0145]
奖励机制确定的奖励单价的约束：
[0146][0147][0148][0149][0150]
其中，分别为奖励机制确定的用户参与需求响应t时刻可削减电负荷的奖励单价、可转移电负荷的奖励单价、灵活性调控电负荷的奖励单价、可削减热负荷的奖励单价，分别为可削减电负荷、可转移电负荷、灵活性调控电负荷以及可削减热负荷的奖励单价最小值，分别为可削减电负荷、可转移电负荷、灵活性调控电负荷以及可削减热负荷的奖励单价最大值；
[0151]
居民用户参与可削减热负荷的需求响应时考虑居民用户用能舒适度，形成居民用户用能舒适度约束：
[0152]
t
tmin
≤t
tin
[0153]
t
tmin
为t时刻保证用户舒适度的最低室内温度，为t时刻的室内温度，本实施例中最低室内温度t
tmin
确定为18℃；
[0154]
居民用户参与可削减电负荷、可转移电负荷的需求响应时考虑消费心理曲线，形成消费心理曲线约束：
[0155][0156][0157]
为可削减电负荷最大负荷转移率，为可转移电负荷最大负荷转移率，λ1、λ2为最大负荷转移率约束常数。
[0158]
不满意度约束主要体现在用户的合同负荷量与真实负荷量都是和消费心理曲线相关的，同时又多了用户的不满意度系数。
[0159]
利用nsga
‑ⅱ
遗传算法对多目标函数进行求解。具体地，如图9所示：
[0160]
利用nsga
‑ⅱ
遗传算法对多目标函数进行求解，获得帕累托前沿，帕累托前沿可以呈现每个目标之间的权衡，帕累托前沿解决方案集中的每个解决方案都有其自身的优势。然而，有些解决方案往往有利于一个特定的目标。为了保证公平性，可以获得最优解f
*
，其中f是来自解集sol的解。
[0161][0162][0163][0164]
[0165][0166]
其中，f
*
为该多目标数学模型的解集中的最优解，f为该多目标数学模型的解集中的所有解，sol为该多目标数学模型的pareto解集，f1为该多目标数学模型的目标函数一，f2为该多目标数学模型的目标函数二，f1
max
、f2
max
分别为目标函数一、二中的最大解，f1
min
、f2
min
分别为目标函数一、二中的最小解。
[0167]
本实施例以第一类用户为例，建立多目标优化数学模型，得到最大化负荷聚合商和居民用户利益的最佳奖励机制，包括居民用户每一类用能负荷的允许调度负荷量以及对应获取奖励的单价，具体如5～8所示，图中，单价即为奖励机制确定的居民用户参与需求响应获取奖励的单价。
[0168]
为了说明本发明的实用性和可靠性，本发明在这一部分进行了不同情况下的指标对比分析，详情见表1。
[0169]
第一种情况为不进行综合需求响应的情况下，居民用户选用固定电价和分时电价两种套餐形式下的用能负荷和用能账单。
[0170]
第二种情况为进行价格型综合需求响应情况下，居民用户选用分时电价和实时电价两种综合需求形式下的用能负荷和用能账单。
[0171]
第三种情况为进行激励型综合需求响应的情况下，对居民用户不进行聚类分析和进行聚类分析两种形式下的用能负荷和用能账单。
[0172]
通过三种情况和不同指标的对比分析，由此可证本发明的可实践性。
[0173]
表1不同情况下的指标对比分析
[0174][0175]
综上分析，通过第一、二、三种情况对比，可以得出居民用户在不参与综合需求响应的情况下，分时电价相比于固定电价，可以有效地帮助居民用户节约用能成本；
[0176]
在参与综合需求响应的情况下，根据“总负荷”指标分析，价格型综合需求响应会根据每个阶段或每个小时的电价的不同，用户会自发地进行峰值负荷削减或转移到平、谷时段，用能负荷会有一个小范围内的波动，激励型相比于价格型，用户的用能会有明显的减少，由此可见激励型奖励机制促进居民用户更加积极的参与响应；根据“总成本”指标分析，激励型奖励机制的方法比价格型方法在考虑三种影响因素下节约更多的成本；根据“负荷
转移率”指标分析，激励型相比于价格型，负荷转移率较为平稳，居民用户的响应量更趋于稳定，增大了该种奖励机制的可行性和实用性。
[0177]
在第三种情况下，根据“总负荷”“总成本”“负荷转移率”三个指标综合分析，进行聚类分析，可以更加精准地调控居民用户响应负荷，更能挖掘用户得响应潜力，改变用户的用能模式，从而帮助用户达到参与需求响应的需求，降低总的用能成本。
[0178]
上述实施方式仅为例举，不表示对本发明范围的限定。这些实施方式还能以其它各种方式来实施，且能在不脱离本发明技术思想的范围内作各种省略、置换、变更。