一种基于边缘终端的负荷聚合商运营管理方法与流程

本发明涉及一种负荷聚合商运营管理方法，属于商业运营管理。

背景技术：

1、随着电力市场的逐步开放和电力体制改革的深入推进，负荷聚合商逐渐成为电力市场中的一种新型角色，作为一种重要的电力交易服务提供商，负荷聚合商通过集中管理、优化分配客户侧用电负荷，实现市场化交易，促进电力市场的发展。

2、由于电力市场不断扩大以及管理内容不断的复杂和增多，负荷聚合商运行管理的数据也呈几何倍数的增加，现有的管理系统和方法已经难以支撑这些数据的管理和运行，急需一种新的负荷聚合商管理系统及方法。

技术实现思路

1、本发明为解决现有电力市场所使用的管理系统和方法难以较好的支撑和管理大量数据的问题，进而提出一种基于边缘终端的负荷聚合商运营管理方法。

2、本发明为解决上述问题采取的技术方案是：本发明所述方法的步骤包括：

3、步骤1、获取用电侧电力系统中边缘终端的设备状态信息；

4、步骤2、建立用电侧电力系统的可调度容量模型、基站的可调度容量模型、负荷聚合商的聚合容量评估模型；

5、步骤3、基于目标鲁棒性理论，建立负荷聚合商调度决策模型；

6、步骤4、获取用户端的用电行为历史数据和基站的用电行为历史数据；

7、步骤5、将用户的用电行为历史数据输入用电侧电力系统的可调度容量模型，获得用户的可调度容量历史数据；

8、步骤6、将基站的用电行为历史数据输入基站的可调度容量模型，获得基站的可调度容量历史模型；

9、步骤7、将用户的可调度容量历史模型和基站的可调度容量历史数据输入负荷聚合商的聚合容量评估模型，获得负荷聚合商的可调度容量历史数据；

10、步骤8、将负荷聚合商的可调度容量历史数据输入负荷聚合商调度决策模型，获得多个调度方案；

11、步骤9、基于灰狼优化算法对步骤8中获得的调度方案进行最优解筛选，筛选步骤为：

12、步骤901、对步骤8中获得多个调度方案进行编码，参考调度方案为1号，其余调度方案按照2到n号进行编码；

13、步骤902、设置狼群参数，包括狼群数量wolfnum，总的迭代次数tmax和灰狼个体解参数维度dim；

14、步骤903、通过ackley函数计算狼群个体的适应度值；

15、步骤904、按照适应度值寻找三只头狼，等级由高到低分别为α,β,δ，令t＝0，t为迭代次数，开始迭代；

16、步骤905、对等级为ω的所有灰狼进行位置更新，并计算当前位置适应度值；

17、步骤906、根据计算的适应度值，选出适应度值最大的三只等级为ω的灰狼与等级为α,β,δ的头狼适应度值作比较，符合要求则取代头狼；

18、步骤907、对头狼进行莱维飞行或者随机游动，若头狼的适应度值变小，则允许更新，否则保持原始位置；

19、步骤908、判断等级为β,δ的头狼是否需要跟随行动，若需要则更新等级为β,δ的头狼的位置，否则保持原来的位置；

20、步骤909、令t＝t+1，判断是否满足迭代终止的条件，若满足则输出等级为α的头狼位置，否则，跳转到步骤三，继续迭代；

21、步骤910、根据头狼位置筛选出最优调度方案。

22、进一步的，步骤901中对所有参与选择的n个调度方案进行编码，参考调度方案为1号，其余节点按照2到n号进行编码；引入一个由n个布尔型变量组成的向量b，该向量可表示为：

23、b＝[b1 b2 ... bn]t,bi∈{0,1} (1)，

24、公式(1)中，bi＝0表示第i个调度方案未被选中，反之等于1表示被选中；假设参考调度方案的工作状态由b1表示，其值常为1。

25、进一步的，步骤903中选用基准测试函数中的ackley函数作为适应度函数来评估每个个体的适应度值。公式如下：

26、

27、公式(2)中，n表示狼群个体的维度；e表示自然常数；xi表示第i只灰狼的位置解向量。

28、进一步的，步骤904中根据适应度函数值确定每个灰狼在群体中的等级，前三个等级为α,β,δ，最低等级为ω，其中适应度越大，等级越高。

29、进一步的，步骤905中根据最优灰狼的位置，利用算法的位置更新公式更新每只普通灰狼的位置，灰狼种群的狩猎过程，主要包括搜索、跟随和围捕三个阶段；

30、在搜索阶段，当猎物在移动时，灰狼个体通过随机游走的方式，向远离三个头狼的方向四处搜寻猎物，每只灰狼都会根据三只头狼的单独指挥，搜索出三个中间位置解，并在下一步的跟随阶段，融合处理中间解，获取最终的位置；

31、在跟随阶段，灰狼群体会根据搜索阶段的结果更新最终的位置，并重新计算每个个体的适应度值更新自己在种群中的地位，重新选出种群中等级为α,β,δ的灰狼，也是最靠近猎物的三只狼，其它等级为ω的灰狼将会朝着这三只灰狼的位置移动，由等级高的灰狼个体带领其他群体成员向着全局最优解靠近；

32、在围捕阶段，狼群中的三只头狼已经锁定猎物所在范围，此时不需要等级为ω的灰狼再去四处搜索猎物，头狼下达围捕命令，等级为ω的灰狼向着靠近头狼方向移动并聚集，当猎物处在休息状态，狼群就能对猎物发起进攻，此时等级为α的头狼所在的位置就是优化目标函数的最优解；

33、等级为ω的灰狼通过随机游走更新位置的公式如下：

34、

35、公式(3)中，i＝1,2,...,l表示第i只灰狼，l表示等级为ω的灰狼总个数；j＝α,β,δ表示三只头狼；k＝1,2,...,m表示第k维(每只灰狼都有自己的方向向量，这里表示第k只灰狼的方向向量)，解空间的最大维度为m，等于需要被选择的最佳调度方案数量；表示第t次迭代后选出的头狼j在第k维的位置；表示第i只等级为ω的灰狼在第t次迭代中完成跟随头狼移动行为后在第k维的位置；表示第t+1次迭代时，第i只等级为ω的灰狼在第k维空间上向头狼j进行随机游走后的位置；

36、是包围半径，表示第i只等级为ω的灰狼在第k维空间上与头狼j的距离，当处于捕猎阶段时，头狼所在位置与猎物很接近，此时也能被理解为等级为ω的灰狼与猎物之间的距离；表示头狼j对第i只等级为ω的灰狼在第k维位置上的权重，表示头狼j对第i只等级为ω的灰狼在第k维位置上包围半径的权重，和属于可调参数，它们的表达式如下：

37、

38、公式(4)中，r1和r2为服从均匀分布且范围为[0,1]的随机数；a表示收敛因子，采用余弦退火收敛因子，表示如下：

39、

40、公式(5)中，λ为调节因子，控制全局和局部搜索在完整迭代中的比重关系；

41、灰狼算法依靠步长权重和头狼权重来兼顾全局和局部搜索能力，保证了其在全局最优和求解精度上的优良性能；最后，第i只等级为ω的灰狼跟随头狼更新位置的移步策略公式如下：

42、

43、公式(6)中，a表示根据公式(5)得到的收敛因子；wα,wβ,wδ分别为等级为α,β,δ的头狼的移步更新权重，其计算如下：

44、wi＝exp(-fi)/(exp(-fα)+exp(-fβ)+exp(-fδ)) i＝α,β,δ (7)，

45、公式(7)中，fα,fβ,fδ分别为等级为α,β,δ的头狼的适应度函数值；对此时的灰狼个体位置进行更新，并计算适应度值。

46、进一步的，步骤907中对头狼进行levy flight或者随机游动。通过引入levyflight和随机游动策略赋予头狼狩猎能力，基于levyflight的头狼位置更新方法如下：

47、

48、公式(8)中，表示等级为j的头狼在第k维进行levy flight后更新的位置，j取值为α，β，δ；表示等级为j的头狼在第k维的位置，j取值为α，β，δ；l表示莱维步长权重，一般令l＝0.01；ε表示服从莱维分布的步长，一般采用mantegna方法生成步长ε：

49、

50、公式(9)，υ服从的正态分布，一般συ取值为1；μ服从的正态分布，其标准差为：

51、

52、公式(10)中，γ(·)表示伽玛函数；γ～u(0,2)表示服从[0,2]范围内均匀分布的随机变量；

53、随机游动策略采用服从均匀分布的随机数更新头狼的位置，主要目的用于提高头狼的局部精细化搜索能力‘基于随机游动的头狼位置更新方法如下：

54、

55、公式(11)中，ρ表示服从ρ～u(0,1)均匀分布的随机变量；表示当前的位置；表示更新后的位置；

56、当收敛因子a大于或等于1时，采用levy flight更新头狼位置；否则使用随机游动策略更新位置：

57、

58、进一步的，步骤908中判断等级为β,δ的头狼是否需要跟随行动，通过引入一个服从分布的决策参数将其与决策阈值比较，来决定等级为β和δ的头狼是否进行跟随行动，决策阈值计算如下：

59、

60、公式(13)中，n表示灰狼群总共等级的数量，n表示该灰狼的等级。

61、本发明的有益效果是：

62、1、本发明建立了一种全新的负荷聚合商运营管理模型和方法，并应用灰狼优化算法对管理模型中的负荷聚合商调度方案进行优化筛选，并最终得出最优解来运行管理数据，实现了用电侧最佳运行效率；

63、2、本发明通过数据整合、构建模型、筛选最优方案，达到快速高效运营用电侧，在提高运营效率的同时，提高整体运营经济效益，并且根据最优方案实时优化用电侧结构，调整运营方案，随时适应市场需求。